当前，人工智能（885728）(AI)正以前所未有的速度重塑全球产业格局。7月30日召开的中共中央政治局会议强调，要深入实施“人工智能（885728）+”行动，发展智能经济新形态，完善AI治理体系；“十五五”规划将AI升级为长期战略，成为发展新质生产力的重要支撑。对银行而言，AI能力不再是锦上添花的“选做题”，而是决定长期生存的“必答题”。
作为扎根苏州、服务长三角的城商行（884251），苏州银行（002966）紧扣“以客户为中心”的一体化经营战略，围绕“1+3+N”AI建设规划，确立“AI优先”发展原则，走出了一条务实高效的AI发展之路。近日，《金融时报》记者专访了苏州银行（002966）副行长赵刚，围绕中小银行AI建设的机遇挑战、实践路径与战略蓝图展开深度对话。
《金融时报》记者：当前国家层面持续加码AI战略布局，金融管理部门也出台了银行业AI应用的专门指导意见，结合行业发展趋势，您如何看待中小银行在这一轮AI浪潮中的定位与挑战？
赵刚：这一轮AI浪潮，对银行业而言既是重大机遇，也是必须扛起的责任担当。从国家战略维度来看，党中央、国务院深入实施“人工智能（885728）+”行动，为金融机构AI落地营造了良好政策环境。同时，我国银行业具备AI技术落地的优良土壤，率先将AI能力深度融入经营管理全链条的机构，将在下一轮竞争中赢得先发优势。
从监管导向看，今年6月，国家金融监督管理总局发布的《关于银行业保险业人工智能（885728）安全开发应用的指导意见》提出，“谁使用谁负责、自主可控、务实高效、安全发展”四项基本原则。这传递出清晰信号：鼓励发展，但必须以风险可控为前提；鼓励创新，但必须纳入全面风险管理。对中小银行而言，AI建设不能“蒙眼狂奔”，必须做到“可管、可控、可追溯、可审计”。
从行业趋势看，银行业AI发展呈现三个显著特征：一是应用进入规模化落地和价值验证关键期，关注点从“追求技术先进”转向“追求可衡量产出”；二是智能体成为应用新范式，AI正从“对话式助手”向“数字员工”跃迁；三是行业模型与私有化部署成为主流，在严守数据安全（885942）底线的同时兼顾应用效能。
客观而言，中小银行面临科技投入有限、专业AI人才稀缺、业务场景丰富度不足等挑战，但也拥有决策链条短、转型灵活、贴近本地市场的独特优势，能够更快将AI能力转化为业务价值。如何应对这些挑战，关键在于立足自身实际，以应用牵引、场景驱动，用最小投入实现最大价值，这正是苏州银行（002966）的选择。
《金融时报》记者：苏州银行（002966）提出了“1+3+N”的AI建设整体规划，请您具体介绍这一体系的架构设计以及在基础能力建设方面的核心布局？
赵刚：苏州银行（002966）的AI建设不是零散的技术堆砌，而是一项系统性工程。2025年，苏州银行（002966）正式启动AI体系建设并制定了AI行动方案。“1+3+N”的核心理念是“能力集中建设、场景分布赋能”，通过统一的AI中台沉淀公共能力，各业务部门按需调用、快速落地，避免重复建设。
具体来看，“1”是一个AI中台，包含模型训推、智算管理、智能体开发、能力共享四大平台，叠加光学字符识别(OCR)、自然语言处理(NLP)、自动语言识别(ASR)等通用技术能力；“3”是高性能算力、高质量数据、多模态模型三大基础支撑；“N”是覆盖智能风控、智能营销、智能办公、智能运营、智能投顾、智能研发六大板块的示范场景，目前，已在六大领域落地50余个场景，覆盖前中后台全链路。
在算力建设上，苏州银行（002966）坚持以国产算力为主构建多层次一体化算力体系，算力调度实行分级策略：信贷、风控等对数据合规要求高的业务优先本地私有化部署，同时积极探索租赁国家算力节点、金融云MaaS及同业共建共享资源，以多元供给降低成本。
在模型管理方面，实现异构GPU资源集中统一调度和模型全生命周期（883436）管理，已纳管大小模型近20个，构建“大模型+小模型”协同的多层次模型体系。行内已部署DeepSeek、Qwen等私有化推理服务，配套OCR等专用小模型提升专用领域精度，为全行AI应用提供稳定智能引擎。同时，搭建了企业级智能体开发平台，沉淀插件库、提示词库及智能体组件等公共能力；推进知识库与高质量数据集建设；构建“知识+数据”双支撑的数据飞轮。编制AI中台高可用与灾备专项规划，保障平台稳定可靠运行。
《金融时报》记者：AI的价值最终要落地到业务一线，苏州银行（002966）打造了哪些标杆性的AI应用场景？取得了哪些可量化的实际成效？
赵刚：AI的价值不只在实验室，更体现在服务业务一线。苏州银行（002966）聚焦价值密度高、流程标准化、知识复用性强的场景，重点打造四大标杆应用，切实将技术能力转化为经营价值。
一是信贷全流程智能化。以四大智能体覆盖尽职调查、授信审批、放款管理、贷后监测全流程：尽调环节实现财报自动化处理与尽调报告自动生成，报告撰写效率提升20%以上；授信审批环节形成11个维度、150余条审批经验的专家规则库；放款环节明确近400个标准化审核点，单户审核由数小时压缩至15分钟以内，准确率达95%；贷后环节实现多维智能风险分析与报告自动生成。
二是多模态智能凭证处理。引入多模态大模型，打造智能OCR，已在国补审查、现金支票、国际结算等场景上线，全年预计处理450万笔凭证，节约成本超千万元。
三是科技研发提效。代码助手覆盖487名开发人员，今年1至9月累计代码请求63.2万次；智能化测试平台综合采纳率达99.7%，生成案例近25万个，让科技人员从重复劳动中解放，更多投入架构设计与技术创新。
四是智能办公。以“苏智办”为核心构建智慧办公底座，知识库入库知识5200余篇，问答准确率达90%以上；语音转写、会议纪要等工具已上线并实现多端覆盖，进一步压降事务性负担。同时，联合高校、监管机构、科技企业开展产学研用融合创新，实现技术共建、人才共育的良性循环。
《金融时报》记者：苏州银行（002966）将AI全面纳入新三年战略规划，接下来在AI发展方面有哪些核心部署和重点方向？
赵刚：锚定2027年至2029年新3年战略“15810”核心框架，我们将AI全面纳入本轮战略规划，作为“深耕区域、特色主导、立足客群、质量优先、兼顾规模”的核心技术支撑，深度赋能“科创+跨境”和“民生+财富”双引擎，以智能化转型推动业务结构优化，助力全行摆脱息差依赖、提升中收占比，向着建设具有核心竞争力的一流上市城商行（884251）稳步迈进。
规划期内，全行确立“AI优先”发展原则，坚持“以人为本、专业智能”的价值导向，坚持“安全、理性、聚焦、适配”的策略，统筹规划、积极应用。“AI优先”具体体现为四个优先：坚持思维优先，在全行普及AI思维，优先探索运用AI破解业务痛点；坚持应用优先，项目建设突出应用牵引、聚焦实际赋能成效；坚持资源优先，在费用预算、项目立项、人才配置上优先保障AI领域需求；坚持能力优先，常态化开展AI能力建设，持续提升全条线AI应用水平。
围绕“AI优先”，将推进五个方面系统性部署：一是升级业务模式，围绕六大领域强化应用牵引，构建智能化客户经营、风险管控与中后台管理体系；二是深化人机协同，打造岗位助手体系，健全AI安全合规治理；三是强化能力核心，筑牢AI技术底座，提升算力供给，打造分层分类的人才培养体系；四是转变角色定位，深化业技数融合，落实敏捷小组模式，提升自主可控水平；五是营造“人人懂AI、人人用AI”的全员创新氛围。
在应用落地层面，规划1年内打造覆盖六大领域的三类岗位助手矩阵：工作伙伴类，如客户经理、风控审批、投研投顾助手，嵌入业务流程协同完成专业工作；办公辅助类，如文秘、会务、知识管理助手，减少低效事务性工作；面客辅助类，如客服、外呼助手，提升客户服务水平。同时，由董事会指定专门委员会统筹AI开发应用管理，建立全行AI应用总台账，实行清单化分类分级管理；在高风险应用关键环节设置人工审核节点，落实生成式AI内容标识与透明度要求，将AI风险纳入全面风险管理体系，确保AI应用“可管、可控、可追溯、可审计”，让AI在合规轨道上行稳致远。
《金融时报》记者：对于广大中小银行的AI应用发展，您有怎样的看法与展望？
赵刚：站在行业发展的视角看，中小银行的AI建设没有标准的答案，关键是要找到符合自身禀赋的发展路径。基于苏州银行（002966）这几年的探索实践，我认为中小银行AI应用发展需要重点把握四个关键：
一是投入与产出。中小银行受规模约束，在建设过程中既要保障必要的资源投入，更要锚定核心产出，将能否解决全行经营管理中最核心、最关键的问题作为产出衡量的标尺。因此，数智化转型需建立可量化的投入产出评估框架，优先选择高频作业、标准化程度高、价值见效快的场景切入，避免脱离实际需求的盲目上线。
二是应用与范式。AI的价值要与银行的业务模式、运营模式深度融合。AI应用需要将长期积累的业务经验提炼为可落地的技术规则与逻辑，再反哺经营模式的升级。建设过程中不能将AI简单地作为现有流程的附加工具，而应围绕现有业务流程，开展端到端的重构，构建人机协同的新型作业范式。
三是产品与能力。AI建设的根本落脚点在于是否沉淀形成自主可控的项目开发能力、体系建设能力、场景快速落地能力，以及与之匹配的审批管理与风险防控能力。作为中小银行，需要以快速响应市场变化与客户需求为核心，通过灵活高效的开发流程优化产品功能，实现产品的快速部署、快速迭代、快速上线。
四是风险与合规。大模型应用引入了全新的风险类型，如何安全合规地开展技术应用，是每家银行都要重视的问题。中小银行需要建立覆盖AI全生命周期（883436）的管理机制，确保模型调用、数据流转与内容输出全流程可控、可查、可审计。只有实现风险识别到位、合规管理到位，AI在中小银行落地应用才能实现长期可持续。
