导语：启动All in AI战略至今，AI能力已抵达北京银行业务核心层。
一边是火焰，一边是海水。
两处温差有多大？打开股票账户看一眼就知道了。
芯片、算力被资金疯狂追逐，传统经济板块则被冷落。靠人力堆出来的生意，估值天花板就在那里。
然而，分野并非不可逾越。
AI的商业化落地，最终仍要依靠实体经济的承接。理性与判断力这两项金融业最核心的资产，正在从人的经验体系向数据与算法体系迁移。
桥水基金创始人瑞·达利欧曾在《财富》杂志撰文指出，AI将影响几乎所有事物，人类正处于一个新纪元的边缘，"人类仅凭个人判断做出决策的日子即将结束"。
在桥水内部，达利欧将决策原则转化为算法，由计算机系统辅助投资判断。桥水推出的AIA宏观基金，到2025年底规模已突破50亿美元，业绩与人类基金经理主导的策略旗鼓相当，且能提供独立阿尔法收益。
巴克莱今年6月发布的一项调查覆盖了410家全球投资机构，结果显示72%的对冲基金每天都在使用AI工具。应用最广的领域是研究分析，其次是证券筛选。
同属金融业的银行业，AI应用同样在加速。
高盛的“One Goldman Sachs 3.0”把AI嵌入了六大核心工作流，超过一半的员工日常都在用GS AI平台。摩根大通每年投170多亿美元在科技上，支撑约450个AI应用落地。ING银行靠集中化的AI平台，把试点项目的成功率推到了90%。
把视野拉回国内，问题变得具体起来：动辄百亿美元的科技投入，对绝大多数中国银行来说，是难以企及的门槛。
门槛高是一方面。更棘手的，对国内严监管的环境而言，AI引入金融业，本身就伴随新的风险敞口。深度神经网络决策犹如黑箱，大模型还可能产生幻觉，生成不可靠的结果。训练数据的质量缺陷会被系统性放大，算法也可能产生偏见或歧视性结果。且一旦AI深度嵌入信贷审批、风险评估等核心环节，技术故障可能沿着业务链条传导，放大系统性风险。
有没有一条路，既可行又安全？
6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》（简称指导意见）。这是国内银行业保险业首份人工智能全流程专项监管文件。
《指导意见》明确，金融机构开发应用人工智能应坚持谁使用谁负责、自主可控、务实高效、安全发展等四大原则，并从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等七方面提出了32项指导性意见。核心导向，是引导行业从实际业务需求出发，解决真实问题、创造真实价值。
北京银行（601169.SH）金融实践路径恰与监管方向高度吻合。比起华尔街的宏大叙事，或许更贴近中国银行业的真实经营面。
作为一家资产规模5万亿的城商行，北京银行用不到营收5%的投入，跑通了一套从算力底座到智能体矩阵、从组织再造到业务重构的完整体系。
01 “All in AI”
传统银行商业模式，建立在信息不对称之上。
客户经理掌握企业信息，风控专家拥有审批权力，柜员执行标准操作。这套以人为中心的体系，天然存在人力瓶颈、经验断层和效率天花板。规模越大，管理成本就越高。边际效益递减，增长曲线不可避免地走向平缓。
北京银行的“All in AI”战略，试图打破这个天花板。用算力分担人力，用算法辅助经验，用智能体优化流程，把银行从劳动密集型组织向技术驱动的方向改造。
这场改造由顶层设计驱动，自上而下推行。
2025年2月，北京银行全面启动“All in AI”战略，由一把手牵头，成立专班工作机制，决策链条被大幅压缩。
这与《指导意见》对银行治理架构层面"加强顶层设计和统筹管理"的要求一脉相承。
数字化转型有其阶段性。早期数字化，核心是“线上化”，解决“有没有系统”的问题。那时候AI只是提效工具，辅助人完成工作。
历经三年转型，北京银行进入“全面数字化经营2.0”阶段，核心导向从“系统上线”变为“价值创造”。
“All in AI”就是这个阶段的重要抓手。AI的角色从业务辅助，逐步升级为驱动增长的引擎。
用北京银行首席信息官明立松在业绩说明会上话说：“投资科技就是投资未来。”
过去几年，北京银行科技投入占营收比重稳定在4.5%以上，2025年进一步加码到4.8%，在同业中处于较高水平。
这些投入，换来的是一系列基础设施升级。技术栈转型、系统竖井打通、企业级数据底座建成、安全防线升级、AI前瞻布局落地、数字化人才队伍成型。本质上，是一家银行在升级自己的底层架构。
02 算力与智能体
花了五年，北京银行完成了从“买算力”到“建生态”的跨越。
这五年中，北京银行所坚持的自研和国产化适配方向，与其后出台的《指导意见》"自主可控"原则保持一致。
2021年6月，“京智大脑”项目启动，目标是搭建全行级的人工智能平台。两年后，“京智大脑”三阶段投产完成，推广到各分支机构。同年，金融智能化创新实验室创建，开始打造国产化算力底座。
2025年是关键转折年。
上半年，北京银行建成“1213”AI体系，包括一体化算力底座、两大模型开发运营平台、100余项AI能力、300余项AI应用场景。算力、需求、能力第一次被统筹管理。
下半年，全自研的一体化异构算力调度平台落地。从算力资源到前端应用，一条完整链路贯通。
2026年3月，北京银行发布“智算平台”，兼容异构国产算力，统筹调度大小模型。
在大模型层面，北京银行是金融行业首批实现自主可控闭环的机构之一。
2023年开始引入主流大模型，同步搭建AI创新平台，继而完成人工智能应用场景联合研发平台。2025年2月，北京银行携手华为实现DeepSeek全栈国产化金融应用，从底层算力到大模型到业务应用，全部国产化适配。
底层技术栈也在同步升级。自研的"金融操作系统"向下连接所有数据和设备，向上支持敏捷开发。在"京智大脑"平台上，投产时间平均降低60%，研发交付能力提升20%。核心系统完成"主机云化"迁移，数据库完成分布式改造。
在《指导意见》中，稳妥探索人工智能技术研发和金融智能体建设被提到了相当重要的位置。
在这个方向上，从2024年引入智能体编排创作平台，到2025年底超过300个智能体嵌入北京银行业务流程。一年多时间完成这个规模，在城商行中相当少见。
这300多个智能体被分成三类：
约180个“速办智能体”，负责流程清晰、操作简单的标准化场景。贷前筛选、额度查询、常规操作，过去人工需要十几分钟，现在秒级响应。
约90个“深研智能体”，应对需要整合多源信息的复杂场景，采用“机器干活、人工终审”的协同模式。实时抓取数据、自动识别偏差，弥补人工研判的疏漏。
约30个“巡航智能体”，联动市场数据库、竞品报告、行内核心系统，7×24小时监测业务指标和动态，实现风险早感知、早预警。
这三类智能体组成一套完整的AI智能体体系，效率提升直观且可量化。
在智能交易领域，质押式回购等业务中，AI赋能全链路，交易处理效率提升近10倍。供应链生态图谱，分析赋能客户经理精准拓客，效率提升5倍。手机银行智能客服平均每月完成626万用户咨询，成功率达92%。
此外，北京银行基于RPA平台新增30余项自动化流程，部署机器人20个，累计节省人工300人/月。
而真正证明AI深度嵌入业务中的指标，是大模型活跃度。相比两年前，2026年大模型的Token活跃度增长了27倍。
03 从“+AI”到“AI+”
在旧流程上叠一个AI模块，这是工具思维，还停留在初级阶段。
北京银行现在做的是另一件事：以AI为原点重新设计业务流程。
两种思维的差异在于，前者解决效率问题，后者切入结构底层。
2024年起，全行所有新建项目要求“AI优先”，即从需求定义阶段就把AI作为默认选项，不是等系统建好了再想“哪里能加个AI”。
任何新业务立项，首要问题便是：AI能否嵌入、替代或提升原有流程？
沿着这条逻辑，AI开始渗透到信贷审批、风险控制、产品设计、客户服务和技术研发的每一个环节。
信贷领域的变化最典型。AI驱动的风险评估，正在改变传统抵押物依赖。
北京银行自研的“科创雷达”评价体系，不只看财务报表。它还从技术实力、创新潜力等维度给科技企业画像，盘活科技企业轻资产的核心价值。
“领航AI贷”累计投放突破1600亿元，“科创e贷”和“研发贷”让大量轻资产、高风险的科技企业首次获得低成本融资。
到2026年一季度末，北京银行科技金融贷款余额突破4800亿元，服务专精特新企业超3万家。北京地区82%的创业板、76%的科创板、75%的北交所上市企业，都在其服务范围内。
需要特别留意的是，信贷审批被《指导意见》明确列为"高风险AI应用"范畴。针对这类应用，关键环节要建立人工监督和干预机制，明确紧急停用条件。北京银行的深研智能体采用"机器处理、人工终审"的协同模式，保障最终决策权仍在人手中。
风控也在变化。新一代信用风险管理系统整合了授信审批全流程，AI让风险识别从“事后补救”变成了“事前预警”。2025年，北京银行不良贷款率降至1.29%，连续第五年下降。开放银行注册客户数同比增长35%，手机银行个人客户1985万户，月活789.9万户。
技术变革最终要落在人与组织上。北京银行科技人员较“十四五”初期翻了近3倍，业技融合训练营累计培养复合型人才上千人。2025年总分行高价值业务场景已落地超300个。
更有代表性的是管理机制的变化。
北京银行对智能体设立了类似HR的管控机制，生产、发放、授权、监督、人机协同全部规范化管理。智能体像人类员工一样被纳入劳动生产体系。这意味着，银行内部的生产关系发生了深刻的变化。
AI驱动的效率提升最终会反映在财务数据上。
2026年一季度，北京银行营收195.99亿元，同比增长14.43%；归母净利润80.98亿元，同比增长5.55%。
AI改造，日益塑造着银行这艘忒修斯之船。
从信贷审批到风险控制，从客户触达到产品设计，每块木板被逐一装备上AI驱动能力。
重要的是，它驶向的是一片全新水域。这片水域里，游戏规则正在被重写。
算力迭代速度、智能体协同密度、大模型知识深度，正在取代网点数量和人员规模，成为衡量一家银行竞争力的新标尺。它们半衰期更短，更新频率更高。令银行原有静态存量优势，让位于动态进化能力。
此前难以想象的产业变局，逐渐清晰。
有多大不再重要，有多快才决定生死。中等规模银行，经过AI深度改造后，经营效率有可能超越体量数倍于己的对手。
在这个新逻辑下，率先完成底层架构升级的银行，将比任何存量同业，都更接近未来银行的定义。