文章总结： 光大银行2025年年报显示其深化数字银行体系建设，打造9类岗位×10项能力的智能助手矩阵，RPA应用场景达1700余个，节省超1100人年工时。AI中台提供233项能力，授信助手生成报告3.7万份。2026年将推进AI与业务融合，建议从数字化基础建设、大小模型协同、人机协同三方面落地AI应用。
综合评分： 85
文章分类： 解决方案,安全建设,数据安全,应用安全,云安全
光大银行打造“9×10”大模型智能助手矩阵，RPA累计应用场景1700+
原创
欧文
欧文
智探AI应用
2026年4月9日 19:27
广东
光大银行AI中台累计接入89个系统，服务65家总分行机构，提供233项AI能力；已打造“9类作业岗位×10项通用能力”的大模型智能助手矩阵，赋能员工工作效率提升和办公流程重构。
来源｜智探AI应用
作者 | 欧文
以下为全文
近日，光大银行发布2025年年度报告。报告显示，在金融科技方面，该行同步推进通用算力和智能算力建设，已打造“9类作业岗位×10项通用能力”的大模型智能助手矩阵，RPA累计应用场景1700余个，赋能业务运营操作自动化。
在业绩说明会上，光大银行行长郝成表示，2026年将深化科技赋能与业技融合，积极稳慎推进AI应用，为业务经营注入新活力；此前，该行副行长杨兵兵指出，银行机构落地AI应用，可从三方面推进。
深化“123+N”数字银行发展体系，已打造“9×10”大模型智能助手矩阵
据光大银行年报披露，该行坚持推进“全行战略规划、数字金融发展规划、科技战略规划”三位一体数字光大战略实施，深化建设“123+N”数字银行发展体系。报告期内，核心指标持续增长。
其中，“1“即一个智慧大脑，其不断提升智能思维与感知能力，开发训练模型达130个，加强多模态生物识别的交叉应用，覆盖场景超880个；“2”即两大技术平台，大数据平台实现高效数据供给，数据总量超15PB，云计算平台通用算力规模达133.08PFLOPS、AI算力规模达90.70PFLOPS；“3”即三项服务能力，聚焦线上化、智能化、场景化方向，强化科技金融、普惠金融等业务领域数智化能力；“N”即N个特色业务产品，以金融科技高效赋能全行数字化转型。
截至报告期末，光大银行科技投入为64.49亿元，约占营业收入的5%。杨兵兵表示，该行并未盲目铺展投入，而是精准聚焦在算力、算法、数据和功能四个方向，为业务高质量发展提供支撑。
在算力方面，光大银行同步推进通用算力和智能算力建设，2025年智能算力增长速度已超通用算力，较上年涨幅近150%，为后续深化AI应用奠定了基础。
在算法方面，光大银行AI中台累计接入89个系统，服务65家总分行机构，提供233项AI能力；已打造“9类作业岗位×10项通用能力”的大模型智能助手矩阵，赋能员工工作效率提升和办公流程重构，其对公客户经理助手累计生成各类智能报告37000余份，涵盖授信业务前置营销、贷前调查、贷后管理等全流程；推进“AI+RPA”规模化应用，2025年新增智能自动化场景610个，累计应用场景1700余个，节省工时1100多人年，提升了运营效率。
在数据方面，光大银行推进高质量数据集建设，提升数据资产管理与应用智能化水平，建设数据智能标注、数据字典智能开发管理工具，发布“问数”交互式智能问答查数工具，支持4700余个指标、1000余份行研报告实时查询。
在功能方面，光大银行聚焦核心业务系统升级和重点项目赋能。一方面，推进新一代核心业务系统、新一代综合柜面系统等重要业务系统升级换代；另一方面，支持普惠金融、供应链金融、零售信贷等专班推进，持续强化线上获客、活客、留客全流程质效。
积极稳慎推进AI应用，已上线“六大智能助手”
在业绩说明会上，郝成围绕金融“五篇大文章”，透露了2026年各领域发展规划。
其中，在数字金融方面，光大银行2026年将加快完善数字金融发展规划，深化科技赋能与业技融合，积极稳慎推进AI应用，为业务经营注入新活力。
据《智探AI应用》了解，自2018年起，光大银行便成立了专门部门开展模型研发工作。早期，该行以决策式小模型为主，在信贷等业务中取得了实际成效。近年来，随着大模型技术的兴起，该行加速从小模型向大模型转型，AI应用的推进速度也随之加快。
光大银行智能运营中心副总经理黄广明曾透露，该行现阶段的AI应用仍处于“助手阶段”，受技术成熟度、法律法规等因素影响，完全的AI原生系统尚需时间。
据悉，光大银行2024年规划设计的“六大智能助手”（涵盖授信调查报告撰写助手、智能合规助手、智能问数助手、智慧办公助手、远程银行服务助手、运营管理助手），截至2025年上半年已基本完成投产。据该行2025年年中披露的数据，其授信调查报告撰写助手已服务2235位客户经理，上半年累计生成报告1万余份，将单份报告平均生成时长压缩至5分钟。
事实上，面对AI浪潮，借助AI实现降本增效已成为银行业的必然选择。
此前，杨兵兵指出，银行机构落地AI应用，具体可从以下三方面着手。
一是打好数字化基础。银行需从前台至中后台，全链路梳理各业务环节数字化水平，识别电子化、线上化、自动化、数据化、智能化等方面的短板；在完成前期梳理工作的基础上，重点消除流程断点、打通数据堵点、填补数据洼地，实现一次录入、全程复用，构建高质量数据集，为AI应用奠定基础；同时，加强非结构化数据的积累与治理，进一步填补数字化的洼地。
二是以大小模型协同推进AI应用。大模型发挥“智慧大脑”作用，小模型承担“领域专家”角色，二者结合推进业务。以尽调报告为例，由大模型完成数据整理与报告生成，小模型开展专业维度判断，确保报告既全面又相对准确。
三是构建人机深度协同的AI应用模式。银行要开展员工AI技能提升工作，强化提示词工程相关能力，让员工敢用、会用、善用AI；要将所有AI功能嵌入业务流程，推动AI主动感知需求，实现人机高效互动。
智探AI应用交流群，有兴趣的朋友请添加群主：cosmic-walker 备注：公司+姓名+职务+AI入群。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：智探AI应用 欧文
欧文《光大银行打造“9×10”大模型智能助手矩阵，RPA累计应用场景1700+》