招标数量增长110%，AI采购潮下中小银行仍需补齐人才短板

　　21世纪经济报道 记者郭聪聪

　　2026年，银行业数智化转型的浪潮正加速席卷中小银行。

　　当客户走进网点，智能终端让客户免去了排队等候；当信贷审批从数天缩短至数小时，风险识别更加精准；当线上理财顾问随时提供专业解答——AI正在改变客户的体验，也重塑着银行业务的每一个环节。

　　本报记者观察到，2026年上半年，包括城商行、农商行、村镇银行在内的中小银行，纷纷将AI项目加入自己的“购物车”。据《中国大模型中标项目监测与洞察报告》，2026年上半年，金融行业大模型中标项目达406个，同比增长110%，其中，银行机构是绝对主力，项目数量和金额占比均接近半数。

　　上半年，苏州银行连续发布6个智能体项目招标，覆盖信贷全流程，总金额超600万元；贵阳银行多次启动智能体采购，涉及算力服务器、客服助手、电话银行系统等项目，预算合计超700万元。

　　此外，还有宁夏银行、绍兴银行、海南农商行、青岛农商银行等，名单还在不断拉长，采购内容从虚拟数字员工到智能风控平台，从文档识别智能体到大模型算力服务器。

　　热潮之下，一个问题浮出水面：中小银行将AI项目装进“购物车”，是在布局未来，还是为了在焦虑中“不掉队”？

　　“智能体”正在成为2026年中小银行业科技投入的风口。

　　以苏州银行为例，上半年该行发布多个智能体项目招标，其中智能体开发平台限价100万元，文档识别智能体110万元，智能审批智能体120万元，放款审核智能体80万元，尽调智能体120万元，贷后管理智能体80万元，仅这六项合计已超600万元。

　　该行信息科技部副总曾公开表示，2026年将推动AI技术嵌入贷前、贷中、贷后全流程。2025年该行已落地文本润色、合同检验、财报识别、报告生成等30多个业务场景——进入2026年，其节奏明显提速。

　　从算力到应用，中小银行的AI采购清单正快速“扩张”。

　　上半年，宁夏银行启动AI大模型服务器资源扩容项目，总额412万元，主要为AI应用提供更强大的计算能力和存储空间，助力智能风控、客户服务、个性化产品推荐等领域的突破；贵阳银行启动大模型智能中台算力服务器采购，预算达600万元，此前该行还启动了总价136万元的电话银行与客服助手系统开发外包；绍兴银行也发布智能风控平台建设项目招标公告，预算395万元；海南农商行亦抛出240万元电话银行智能化系统建设项目……

　　AI对中小银行业务的辅助效应已经相当可观。江南农商行就综合运用人工智能大模型、流程编排等技术，实现信贷全流程核心环节的规模化智能作业，单笔业务耗时缩短30%以上。

　　“对于应用类采购而言，500万元上下的规模属于行业的一般标准，具体招标时可能拆分进行，也可能合并打包。”一位大模型服务商业务人士告诉21世纪经济报道记者。

　　对于行业整体采购趋势，上述人士表示：“（2026年上半年）整体的量比往年会稍微多一点，基本上是在一个正常的增长区间，这也符合这两年的行业增长态势。”

　　招投标数据同样印证了这一趋势。据《中国大模型中标项目监测与洞察报告》，2026年上半年，金融行业大模型中标项目达406个，同比增长110%，其中，银行机构是绝对主力，项目数量和金额占比均接近半数。回顾2025年，金融行业大模型也迎来跨越式增长，全年中标项目达587个，披露金额15.06亿元，同比分别增长341%和527%。其中科大讯飞、中关村科金、阿里云位列金融行业大模型中标数量前三。

　　密集采购的背后，是“转型焦虑”还是“战略布局”？

　　博通咨询金融行业资深分析师王蓬博观察认为，业务上，部分机构希望借助人工智能优化信贷、客服、风控等业务流程。同时，也有不少机构因为看到行业数字化转型持续推进，同业实践已经形成示范效应，因而产生转型焦虑。

　　但他强调，现阶段多数采购仍处于试点探索阶段，“并不代表行业已经形成成熟可复制的AI转型路径”。

　　这种焦虑有其现实基础。2025年，六大国有银行金融科技总投入达1300.91亿元，首次突破1300亿元关口。当头部机构以百亿级资金“囤算力”、建平台时，中小银行感受到了前所未有的压力。

　　一位银行业的科技管理人士向记者描述了当前市场的分层格局：“头部大行要么自己研发大模型，要么买一个闭源大模型回来自己搭建平台，全套基本自己做。股份制和头部城商行一般是买平台，由供应商搭建几个典型场景，过程中自己的团队跟着学。小一点的银行，可能就是单独采购一些纯智能体，做比较基础的尝试。”

　　AI应用是未来，但方向比速度更重要。

　　麦肯锡在《全球银行业年度报告2025》中指出，随着人工智能在银行业的全面应用，某些成本类别可能实现高达70%的大幅削减，预计银行总体成本基数的净降幅将在15%至20%之间。报告同时警示，银行必须精准识别通过技术应用能真正产生收益的领域，而非因担心错失机遇而盲目投入。

　　金融业AI采购重心正在悄然生变。据《中国大模型中标项目监测与洞察报告》，进入2025年下半年后，以智能体为代表的应用类项目中标数量开始加速赶超算力类项目，行业焦点正从“拥有大模型”转向“用好大模型”。

　　方向明确了，但落地的难度并未因此降低。一位就职于某北方城商行的科技部人士坦言：“我们行在AI与业务的结合应用方面还需要更深层的挖掘，目前主要关注应用层级的优化，不做底层基础大模型的研发。”

　　这并非个例，轻量化成为中小银行布局AI的关键词。

　　招联首席经济学家、上海金融与发展实验室执行主任董希淼表示，从数量看，超过3600家的中小银行占我国银行业法人机构的绝大多数。中小银行兼具服务本地化、客群中小化、渠道线下化、数据区域化等特点，是连接区域经济与金融服务的重要纽带。

　　“但受技术、资金、人才、数据等多重限制，中小银行数智化转型尤其是大模型应用面临多重现实困局。”董希淼分析道，这主要体现在：技术适配性不足、底层架构支撑薄弱、数据基础短板突出、复合型人才短缺、数字素养亟待提升、场景落地缺乏特色、风控体系不完善、模型与数据风险凸显。

　　王蓬博对此表示认同，他进一步指出，专业人才缺口是当前中小银行推进AI落地最突出的瓶颈，“因为人才短板会直接制约大模型、智能体在业务场景中深度落地。”

　　一名刚完成某城商行项目交付的大模型服务商项目经理，对此感触颇深：“大多数已完成采购的项目，最终还是会给我们下二期的订单。银行原先设想买了应用之后，后面就让业务团队自己接手了，但后来发现他们还不太敢上手。”

　　人才缺口也在倒逼中小银行寻求外部补给。青岛农商银行就发布了2026年数智普惠平台系统群人力外包服务项目，拟采购5名长期外包服务人员驻场服务，预算200万元，协助完成6E智能信用风险模型管理中台新的线上产品风控模型建设和优化的相关工作。

　　但靠外包解决人才困境，终究只是权宜之计。上述项目经理对记者描述了中小银行应用的理想状态：“最理想的状态是他们自己的人就能够基于这个平台开发。现在的智能体平台非常友好，通过拖拉拽的形式，以低代码或无代码的方式，业务团队都能参与进来。”

　　2026年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》（金发〔2026〕8号），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、保障与监督等七大方面提出32项指导性意见，这是我国银行业保险业首份以人工智能安全开发应用为主题的专项监管总纲文件。

　　其中最引人注目的表述是：“鼓励有条件的大型金融机构向中小金融机构输出算力服务，支持同业探索基础设施共建共享。”这是监管首次明确鼓励算力共享，直指中小银行在AI布局中最为棘手的算力瓶颈。

　　算力共建共享，能多大程度改变中小银行的AI现状？

　　“若算力共建共享落地，中小银行将无需自建完整算力集群，资金投入压力得到缓解，建设重心将从硬件搭建转向场景应用落地。”王蓬博分析认为，战略选择上，会减少重资产投入方案，更多选择轻量化合作模式，竞争焦点逐步转向业务场景挖掘能力与本地化金融需求运营能力。

　　“我感觉以后如果真正实现算力共建共享，对整个市场的格局都会产生影响。”一位银行业科技业内人士如此解读，“从文件表述来看，是在鼓励大家尝试去用云服务的方式来缓解算力压力。我觉得这条路如果真的能跑通，对于中小银行来说，确实能缓解不小的压力。”

　　不过，算力共享解决的只是基础设施层面的问题，数据安全与合规的挑战依然横亘在前。上述银行业科技人士就指出：“安全尺度要自己把握好。”

　　如何在“用云”与“数据不出域”之间找到平衡，考验着每一家中小银行的技术能力和治理水平。指导意见对此也划出了明确红线：涉及资金交易、信贷审批等高风险场景的AI应用需加强分类分级管理，银行卡号等个人隐私数据不得用于生成式AI模型训练。

　　对于如何兼顾效率与安全，王蓬博给出了具体建议，技术上一般可以依托隐私计算、联邦学习等手段搭建技术底座，建立分级数据管理机制，区分敏感业务数据与通用业务数据，制定清晰的数据流转权限规则，同步完善内部AI治理架构，厘清合作各方的数据权责边界，依靠技术手段搭配制度管理满足监管合规要求。

　　政策端的多重信号正在叠加释放。早在2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确要在金融等领域推动智能终端、智能体的广泛应用。市场端升温，中小银行站在了岔路口。

　　董希淼分析道，“十五五”规划和金融监管政策密集出台，为银行业数智化转型指明清晰方向，也提出更高要求。银行业在大模型时代的数智化转型，既是一场破解技术、数据、人才、场景、风控等现实困局的“破局之战”，更是一场从战略定位到战略执行、从业务模式到服务体系、从数据治理到体系构建的“重塑之变”。

　　基于此，董希淼建议，中小银行应“立足自身资源禀赋和区域经济发展需求，以轻量适配为技术导向，以区域特色为场景核心，以协同共赢为生态支撑，以安全可控为风险底线”，走出一条轻量化、特色化、本地化的数智化转型之路。