2024年股份制银行金融科技投入分析：分化与转型

开发技术
1

2024年股份制银行金融科技投入分化明显，规模扩张退潮，转向架构优化和AI应用深耕。招行、中信、兴业领跑，各行积极探索数智化转型。

原文标题：十二家股份制行2024年金融科技投入情况

原文作者：牧羊人的方向

冷月清谈：

本文分析了十二家股份制银行2024年的经营状况和金融科技投入情况。整体来看，各家银行经营分化加剧，科技投入策略也从规模扩张转向架构优化和数据基础夯实。“对公撑规模、科技重质量、盈利靠拨备”成为股份行的共性特征。具体而言，招商银行、中信银行、兴业银行在科技投入和人才储备上领先，并积极布局AI大模型在金融领域的应用。其他银行也在积极推进数字化转型，例如浦发银行完成了信用卡分布式核心系统建设，光大银行推进“两大技术平台”基座建设，平安银行构建大模型应用系统和能力生态。整体趋势是“重架构轻投入、强人才深应用”，各银行更加注重数据治理和AI场景化，为数智化发展蓄力。

怜星夜思：

1、在金融科技投入整体下降的情况下，为什么说“重架构轻投入”？架构优化具体指什么？
2、文章中提到多家银行都在发力AI大模型，但具体应用场景似乎都差不多，金融行业的大模型应用真的有差异化吗？
3、文章提到“对公撑规模、科技重质量、盈利靠拨备”，这三个“关键词”反映了股份制银行什么样的经营现状和挑战？

原文内容

十二家股份制行在2024年整体保持稳健经营，多数银行实现营收和净利润增长，资产质量改善，业务结构优化。如下表所示：

  • 招商银行：营业收入3374.88亿元，同比下降0.48%；净利润1495.59亿元，同比增长1.05%。
  • 中信银行：营业收入2136.46亿元，同比增长3.76%；净利润680.62亿元，同比增长2.31%。
  • 兴业银行：营业收入2122.26亿元，同比增长0.66%；净利润871.2亿元，同比增长3.31%。
  • 浦发银行：营业收入1707.48亿元，同比下降1.54%；净利润数483.66亿元，同比增长18.85%。
  • 民生银行：营业收入1362.9亿元，同比下降3.21%；净利润数340.85亿元，同比下降8.76%。
  • 光大银行：营业收入1354.15亿元，同比下降7.05%；净利润数419.11亿元，同比增长2.03%。
  • 平安银行：营业收入1466.95亿元，同比下降10.93%；净利润数547.38亿元，同比下降5.16%。
  • 华夏银行：营业收入971.46亿元，同比增长4.22%；净利润数358.79亿元，同比增长1.23%。
  • 广发银行：营业收入692.36亿元，同比下降0.63%；净利润数152.84亿元，同比下降4.58%。
  • 浙商银行：营业收入676.5亿元，同比增长6.19%；净利润数156.93亿元，同比增长1.29%。
  • 渤海银行：营业收入254.81亿元，同比增长1.93%；净利润数52.55亿元，同比增长3.42%。
  • 恒丰银行：营业收入257.75亿元，同比增长1.98%；净利润数53.57亿元，同比增长4.31%。

从年报中可以看出，十二家股份制行经营分化加剧，其中招行、中信、兴业形成“新三强”，浦发净利润反弹但营收下滑，民生、平安和广发双降承压。“对公撑规模、科技重质量、盈利靠拨备”成为2024年股份行共性，科技投入从规模扩张转向架构优化与数据基础夯实。

1、金融科技投入情况

十二家股份制行在2024年的金融科技建设方面均取得了显著进展，金融科技总体投入上有不同程度的减少。同时金融科技面向数字化建设转型，强化数字治理和顶层架构设计，夯实AI时代的基础算力基础。如下表所示：

  • 招商银行：2024年金融科技投入为133.5亿元，占营收的3.95%，其中科技人员有1.09万人。
  • 中信银行：2024年金融科技投入为109.45亿元，占营收的5.12%，其中科技人员0.583万人。
  • 兴业银行：2024年金融科技投入为83.77亿元，占营收的3.94%，其中科技人员0.784万人。
  • 浦发银行：2024年金融科技投入为71.69亿元，占营收的4.19%，其中科技人员0.602万人。
  • 民生银行：2024年金融科技投入为60.19亿元，占营收的4.41%，其中科技人员0.469万人。
  • 光大银行：2024年金融科技投入为65.73亿元，占营收的4.85%，其中科技人员0.398万人。
  • 平安银行：2024年金融科技投入为50.7亿元，占营收的3.45%，其中科技人员0.638万人。
  • 华夏银行：2024年金融科技投入为34.25亿元，占营收的3.52%。
  • 广发银行：2024年金融科技投入为35亿元，占营收的5.05%，其中科技人员0.207万人。
  • 浙商银行：2024年金融科技投入为28.6亿元，占营收的4.22%，其中科技人员0.16万人。
  • 渤海银行：2024年金融科技投入为13.37亿元，占营收的5.24%，其中科技人员0.151万人。
  • 恒丰银行：2024年金融科技投入为12亿元，占营收的4.65%。

从年报中可以看出，各家银行或许受到降本增效的影响，除光大银行（+13.04%）外，多数股份行科技投入金额下降（如平安↓20.07%、中信↓9.94%）；在科技投入和科技人员数量上，招商银行依旧是排在股份制银行首位的。“重架构轻投入、强人才深应用”，股份行科技建设从规模扩张转向组织优化与人才深耕，以数据治理和AI场景化为核心，为数智化发展蓄力。

1.1 招商银行

招商银行在2024年年报中提出了全面打造“数智招行”的战略，并调整了科技架构以适应数字化转型的需求，形成了“3个委员会+2个一级部门+2家科技子公司”的治理架构，以推动科技战略的有效实施。另外在基础设施方面，持续夯实“云+中台+AI”科技底座，稳步推进自主可控的大模型全体系建设，从基础设施、场景应用、生态建设三方面协同发力，搭建千卡算力集群，引入国内主流基座大模型，发布中国银行业首个开源百亿参数金融大模型“一招”。招行重点开展“AI+金融”建设，在全行广泛应用大模型技术，落地产品超过120个，覆盖客户服务、风控、运营、办公等多个领域。

1.2 中信银行

中信银行将数字化转型纳入新三年发展规划，明确提出建设“领先的数字化银行”目标，通过“业技数融合”“敏捷组织变革”等举措，推动数字化转型向纵深发展。另外，中信银行自主研发了仓颉大模型应用平台，实现异构GPU算力资源的集约化管理，支持千亿级大模型的统一部署。基于全域AI技术，中信银行构建了实时智能风控体系，融合声纹识别、知识图谱、计算机视觉等技术，实现年均挽损超亿元。

1.3 兴业银行

兴业银行将数字兴业与数字金融有机融合，以数字化转型为抓手，推进数字金融建设。通过优化数字化转型委员会设置及配套管理机制，形成“一委三部一司一院一中心”的科技条线组织架构运作体系，强化科技统筹管理和统一调度。

  • 升级云化底座，规划贵州、上海、福州三地算力布局，加快推进“多地多中心多活”基础设施建设，并且持续推进云原生平台建设，上线多种数据库云平台和中间件服务。
  • 在AI建设方面兴业银行加速推进大模型领域相关技术的应用落地，自主研发了百亿级大模型ChatCIB，并在智能研报摘要生成、企金产品智能问答、研发代码辅助生成等六大领域形成首批大模型场景赋能。
1.4 浦发银行

2024年是浦发银行数智化战略的开局之年，该行将科技金融、供应链金融、普惠金融、跨境金融、财资金融“五大赛道”作为战略突破点，强化数字基建、数字产品、数字运营、数字风控与数字生态“五数建设”，锻造差异化核心竞争力，推动金融服务实现更高层级跃升。

  • 在2024年9月完成了信用卡分布式核心系统的建设和一次性切换投产，实现了技术架构和业务框架的双重颠覆性设计和深度融合。
  • 公司架构体系正式跨入“分布式+ 云”的新阶段。金融云平台已在上海、合肥形成两地四中心异地多活的部署架构。
  • 率先实现全栈国产化算力平台+DeepSeek大模型的金融应用，全力推进人工智能体系建设及应用，形成了人工智能体系规划。
1.5 民生银行

民生银行通过优化科技金融体制机制，成立科技金融委员会，设立科技金融部和科技金融特色支行，完善总分支多层级组织架构，制定落实科技金融业务三年规划，加强重点领域资源投入、提升业务与科技融合。

  • 2024年5月18日，民生银行信用卡新核心系统成功上线。该系统实现了由传统集中式架构向单元化分布式架构的转型，支持每秒10万笔交易和每日数十亿笔交易的处理能力，显著提升了系统的性能和可扩展性。
  • 积极拥抱人工智能技术，推动AI在业务场景中的深度应用，建设智能风控与反欺诈平台，并运用智能模型进行客户圈选。
1.6 光大银行

光大银行建立“全行战略规划、数字化转型规划、科技战略规划”三位一体数字光大战略框架，深化建设“123+N”数字银行发展体系。

  • 大力推进科技研发重大工程建设，完成新一代核心业务系统贷款业务模块首次技术投产；推进信创上云与基础设施建设，持续开展基础平台建设与优化。
  • 筑牢“两大技术平台”基座，支持全行“全资源、全服务、全业务”上云，全行应用系统上云率接近70%；
  • 制定《模型建设发展规划》，布局“决策式模型+生成式模型”综合应用的智能解决方案。运用大数据、人工智能等技术，构建了自动审批、智能风控的线上信贷模式。
1.7 平安银行

平安银行积极践行数字金融，通过“三数”工程（数字化经营、数字化管理、数字化运营）推进数字化转型、强化科技能力基础建设，赋能金融服务质效全面提升。

  • 稳步实施云原生工程，推动IT架构向分布式、微服务转型，通过应用上云、技术底座升级，提升资源精细化管理水平；
  • 构建大模型应用系统和能力生态，提供低代码的大模型开发模式，支持自主构建AIGC应用，到2024年底上线知识数据Agent、风险RiskGPT、CoPArtner代码辅助平台、办公智能助手等大模型应用场景超200个。
1.8 华夏银行

华夏银行在总行成立数字金融管理部，统筹推动“数字金融”大文章，形成了“两部一中心”（数字金融管理部、数据信息部、科技开发与运行中心）的组织架构，为数字化转型提供有力组织保障。

  • 推进新一代核心系统建设，投产分布式核心基础技术平台，提升运营承载力
  • 推广“一横、五纵、两技术栈”的企业级云平台，信息系统整体上云率超90%
  • 持续推进人工智能大模型、量子科技等新技术在智能客服、辅助研发等领域场景应用，构建基于多种算力融合的量子金融云平台。
1.9 广发银行

广发银行将2024 年打造为“数字业务能力建设年”，科技研发能力、运维服务能力、数据治理能力、数字技术基础能力不断提升，全面赋能金融产品和业务的数字化升级。

  • 完成核心系统分布式转型。分布式信用卡核心系统成功上线，成为广发行核心系统分布式转型的又一成功实践。分布式银行核心系统建设项目，荣获中国人民银行2023年度“金融科技发展奖”一等奖。
  • 完成了大模型能力规划及架构设计，为AI技术在金融场景中的广泛应用奠定了坚实基础。构建了智能语音客服、智能外呼机器人、智能知识库、智能文本客服、智能坐席辅助、智能虚拟数字人等六大智能服务板块。
1.10 浙商银行

浙商银行构建了数据中台、技术中台、业务中台和AI中台的协同体系，为数字化转型提供全面的技术支撑。

  • 加快推进“焕芯强基”工程，以统筹谋划新一代核心系统为契机，全面升级分布式、容器云、移动开发等技术平台架构，布局先进高效的算力体系，持续完善基础应用和公共服务能力建设。
  • 成立数据管理部统筹全行数据治理工作，持续健全数据治理体系，构建并发布全行统一的基础数据标准，为业务创新和发展提供有力支持。
  • 推进一体化智能运维体系建设，健全完善同城灾备系统，创新实现“四全三快”（全链路、全资产、全感知、全流程和快预警、快响应、快处置）的安全数智运营新成效。
1.11 渤海银行

渤海银行将数字化经营战略纳入全行发展大格局，加大科技投入，持续深化数据治理，高效支撑数据赋能业务转型。依托企业级“四大工程”有序推进数字化转型，即新一代分布式核心系统和柜面渠道系统、新一代信用风险管理系统、新一代综合资金业务管理系统和湖仓一体系统的建设。另外积极探索人工智能新技术，分别在大模型、风险管理智能化等方面落地应用，通过大模型技术，提升了业务处理的自动化和智能化水平。

1.12 恒丰银行

恒丰银行全面深入推进数字化转型工作，聚焦公司、零售和同业、中后台三大板块，分步推进研发、业务和运维自主可控。恒丰银行构建了全景式、穿透式、前瞻式的风险管理视图，推动风险防控形成合力，实现了风险治理的精细化和智能化。

说明：本文数据根据公开信息整理，部分如有出入请指正。

参考资料：

  1. 各行2024年年报

2

这三个词总结得太到位了！“对公撑规模”说明现在银行还是得靠传统的对公业务来维持增长，但增长空间可能越来越小了。“科技重质量”说明大家意识到不能光靠堆钱搞科技，得真正提升科技的效率和价值。“盈利靠拨备”就有点无奈了，说明银行的盈利能力可能下滑，只能靠拨备来维持利润。总的来说，就是银行的日子不太好过，面临着增长乏力、转型困难的挑战。

3

这三个关键词简直是精准概括！

* 对公撑规模： 意味着个人业务增长遇到瓶颈，或者竞争太激烈，只能依赖传统的企业贷款来维持资产规模。但也暗示了风险，经济下行，企业经营困难，坏账风险增高。
* 科技重质量： 说明之前可能走了弯路，科技投入不少，但效果不佳。现在开始反思，注重提升科技的实际应用价值，而不是盲目追求新技术。
* 盈利靠拨备： 这是最让人担忧的。银行的利润很大一部分来自拨备，说明主营业务的盈利能力在下降。拨备终究不是长久之计，银行需要找到新的盈利增长点。

总体来看，股份制银行面临着规模增长放缓、盈利能力下降、转型压力增大的多重挑战。

4

这三个关键词，我觉得反映了股份制银行面临的三重困境：

1. 增长困境： “对公撑规模”说明零售业务增长乏力，过度依赖对公业务，但对公业务也面临着经济下行、利率下降等挑战，难以实现高速增长。
2. 转型困境： “科技重质量”说明银行在科技转型方面面临着效率不高、价值不明显的问题，需要更加注重科技的投入产出比，提升科技的赋能作用。
3. 盈利困境： “盈利靠拨备”说明银行的盈利能力下降，需要更加谨慎地进行风险管理，避免出现大规模的坏账。

这三个困境相互关联，共同构成了股份制银行面临的严峻挑战。银行需要积极应对这些挑战，才能实现可持续发展。

5

金融行业的大模型应用，表面上看确实有些相似，比如智能客服、风险管理等，但深入了解会发现，差异化体现在以下几个方面：

1. 数据质量和规模： 大模型的训练需要海量高质量的数据，不同银行的数据积累和处理能力不同，这直接影响大模型的性能。
2. 模型架构和算法： 虽然都是大模型，但具体的模型架构和算法可能有所不同。有的银行可能采用开源模型，然后进行定制化训练；有的银行可能自主研发模型，以满足特定的业务需求。
3. 应用场景的深度： 即使是同一个应用场景，不同银行的应用深度可能不同。比如，在智能客服方面，有的银行可能只提供简单的问答服务，而有的银行则可以提供更个性化、更智能的服务。
4. 与现有系统的集成程度： 大模型需要与银行现有的业务系统进行集成，才能发挥更大的价值。不同银行的系统复杂程度不同，与大模型的集成难度也不同。

因此，虽然大家都在发力大模型，但最终的应用效果可能会有很大的差异。

6

这问题问得好！感觉大家都在追赶潮流，但真正能把大模型用出花样的，还得看谁最了解自己的客户和业务。我觉得差异化不在于用了什么模型，而在于怎么用模型！

举个例子，同样是智能客服，A银行可能只是简单地用大模型回答用户的问题，B银行可能会结合用户的历史交易记录、风险偏好等信息，为用户提供更个性化的理财建议。这才是真正的差异化。

所以，我觉得银行应该思考的是：如何利用大模型解决自身业务的痛点，而不是盲目跟风，追求技术上的先进性。

7

同意楼上的看法，这是一种战略调整。以前可能是跑马圈地，现在是精耕细作。这里的架构优化，我理解包括但不限于：1. 云原生转型： 拥抱云计算，提高资源利用率和弹性；2. 微服务改造： 将单体应用拆分成小的、自治的服务，便于快速迭代和部署；3. 数据中台建设： 打通数据孤岛，实现数据资产的统一管理和利用；4. AI平台搭建： 建设统一的AI能力平台，降低AI应用开发的门槛。

这些架构层面的改进，虽然短期内可能看不到立竿见影的效果，但长期来看，能显著提升银行的科技创新能力和业务竞争力。所以说，科技投入减少，不代表不重视科技，而是科技投入的重点发生了转移。

8

“重架构轻投入”可以理解为一种投资策略的转变：从追求短期可见的“量”的增长，转向追求长期可持续的“质”的提升。金融行业的特性决定了其对系统稳定性、安全性和可扩展性的极高要求。单纯增加硬件投入或购买外部解决方案，可能无法从根本上解决这些问题。因此，银行更倾向于将资金投入到底层架构的优化上，例如构建分布式系统、数据中台、AI平台等，这些基础设施的建设能够为未来的业务创新提供更坚实的基础。

架构优化具体包括：

1. 底层技术栈升级： 采用更先进、更高效的技术栈，例如云原生、容器化、微服务等，提升系统的性能和可扩展性。
2. 数据治理体系建设： 建立完善的数据治理体系，确保数据的质量、安全和合规性，为数据驱动的业务创新提供保障。
3. AI平台建设： 构建统一的AI平台，支持各种AI算法和模型的开发、部署和管理，降低AI应用开发的门槛。
4. 安全体系建设： 加强安全体系建设，保护客户数据安全，防范各种网络攻击和欺诈行为。