金融业隐私计算互联互通 技术与场景实践 北京金融科技产业联盟 2025 年 6 月 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 编制委员会 编委会成员： 何 军 聂丽琴 涂晓军 何 朔 高鹏飞 编写组成员： 周雍恺 赵庆杭 李定洲 戚文彬 侯 腾 谢袁源 公司、 科技企业、通信运营商、科研院所和开源社区等 50 余家单位组 建金融业隐私计算互联互通课题工作组。经过两年多的持续攻 关，工作组形成了《金融业隐私计算互联互通技术研究报告》《金 融业隐私计算互联互通平台技术规范》（T-BFIA 031—2024）团 体标准等一系列重要成果。 2 2024 年，金融业隐私计算互联互通进入全面落地阶段，工 作组依据互联互通团体标准进行了多个层面的落地实践。本报告 二、实践总览 工作组将金融业隐私计算互联互通分为四个主要阶段：技术 研究、标准研制、试点落地和行业互通。 图 1 隐私计算互联互通发展阶段 在技术研究阶段（2022 年—2023 年），工作组各参与单位 通过充分讨论弥合分歧，逐步形成了以“管理面与数据面切分， 管理面分模块定义，数据面逐步解耦”为核心特征的金融行业隐 私计算互联互通统一框架，并于 2023 年 5 月发布《金融业隐私 计算互

金科创新社 金科创新社 金科创新社 金科创新社 金科创新 前言 在数字经济时代，数据作为新型生产要素、算力作为核心生产力，正深刻重塑金融业发展格局。数 据中心作为金融数字基础设施的核心载体，不仅是业务稳定运行的基石，更是驱动创新、赋能转型的重 要引擎。随着金融业务线上化、智能化、场景化程度的不断提升，数据中心的架构设计、运营模式与技 术能力也面临着前所未有的挑战与机遇。 近年来，金融数据中 供电 等创新实践不断涌现。同时，在自主可控的战略要求下，数据库国产化、芯片替代、软硬件适配等工作 稳步推进，构建安全、可信、高性能的金融 IT 底座。 《2025 金融业新一代数据中心创新发展案例集》系统梳理了近年来金融业在数据中心领域的创新 实践与典型成果，涵盖“数据中心智能化与云化升级、灾备与多活数据中心建设、数据库国产化实践、 数据库迁移与运维管理、智能运维与 AI 应用、云网融合 中国人民银行《金融科技发展规划（2022-2025 年）》（以下简称《规划》）明确提出，要加快 构建自主可控的金融业关键信息基础设施安全体系，全面提升金融业关键软硬件基础设施的安全保障能 力。2025 年是《规划》的收官之年，也是金融科技迈向深化发展、提质增效的关键阶段。面对新一轮 技术革新与日益严格的监管要求，数据中心作为金融业的核心基础设施与竞争力载体，必将持续演进、 不断突破创新。本案例集旨在凝聚行业智慧，推

例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带 来 3 万亿元规模的商业价值增量。 当前，金融机构主要将大模型应用于业务场景 简单的非决策类环节，而在核心决策环节应用大模 型仍面临较大挑战。从业务流程角度，大模型已开 出等环节，并在部分任务场景中与传统 AI 互补协 作以提升效率。 （二）展业流程角度 ：大模型正在赋能金 融业务各细分环节 大模型在非核心决策业务环节中已有落地应用且 已能创造一定的业务价值。本文将金融业务流程拆解 为营销运营、分析决策、中后台运营支持（见图 2）。 在营销和运营环节（包括面向客户的营销获客、 产品推介、客户运营等），大模型能够较好地赋能 前台对客环节，提升展业质效。一方面，大模型 大模型 难以胜任 （直接对客） 智能客服 （间接对客） 赋能服务顾问 Co-pilot 数据收集 整理、读取 分析决策 决策结果 输出 风险管理 交易执行 IT/行政/HR 业务流程×金融业务 营 销 和 运 营 分 析 决 策 中 后 台 运 营 资料来源：蚂蚁研究院，OpenAI官网，中金公司研究部 整理多模态数据 生成合成数据 整理多模态数据 征信报告解读 信用评估、定价、

金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 构 技术资金投入预计将超过 2023 年系统年中工作座谈 会 资料来源：新华社、华西证券研究所 4 u AI+ 金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业 务高质量发展的一系列配套解决方案。 u Al+ 金融更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率， 带来整个产业的全面升级。 与者。 传统金融机构：具有较好的客户和数据基础；对业务具有更深刻的 理 解；金融牌照相对齐全。 互联网公司：拥有较好的客户和数据基础；研发和创新能力较强； 但 在特定的金融业务上仍然缺乏经验。 人工智能技术公司：独立的技术研发和创新能力是最大的优势；但 在 数据、客户资源和具体业务场景应用上大多依赖于第三方合作机 构。 u AI+ 金融产业链包括三层：其上游为基础层，中游为技术层，下游为

2010-2017 年 2017 年 - 至 今 二十一世纪 随着各项技术的日益成熟 , 有 22.1% 的企业紧跟时代潮流 , 使用先进的 AI 技术结合行业实际打造智能客服系统。 其中金融业占比 8.7% ，智能客服已经逐渐成为金融机构关注的重点。 88.2% 49.2% 38.4% 22.1% 智能客服既是客服的趋势，也是客服产业市场的重要拼图 住宿和餐饮 建筑与房地产 各行业智能客服应用情况 拥有智能客服的企业 有客服业务的企业 建设云客服的企业 4.5 4.3 3.7 3.5 自建客服的企业 数据来源： T 研究 2020/05 金融业 6.1 5.2 8.7 13.5 16.5 17 会话量大，期望智能客服降低坐席人员压力 需要 7x24 小时服务 期望建立覆盖售前到售后的全服务体系 传统客服系统无法同时处理在线和通话服务 京小科智能客服场景化解决方 案 电话营销场景（理财 / 贷款 / 存款产品业 务） 电话催收场景（信用卡 / 个人信贷业 务） 智能终端交互场景（网点大厅业务） 多媒体客服场景（线上金融业务） 移动交互场景（移动金融业务） 电话客服场景（电话金融业务） 智能导航 在线客服 智能质检 电话客服 语音导航 电话客服 语音机器人 坐席辅助 电销机器人 智能质检 导航机器人 电话客服 语音呼叫

业分工：由于产融分离/持 牌经营等要求、同时金融机构出于自身投入/技术储备等方面的考量，AI浪 潮下金融机构与科技公司或将形成更加紧密的“竞合”关系；2）内部对 比：不同机构之间最终比拼的是谁能在金融业务中更好地使用AI并提升竞 争力——金融机构需结合重点业务场景、在大模型应用在发挥自身金融专 长，互联网平台通过AI加持提升流量和用户粘性、与金融机构深入合作提 升货币化转换，持牌金融科技公司聚焦自身擅长业务领域、通过AI扩大领 计算并得到结果，财富及资管领域分析决策中仍有较多主观因素影响，且产品服务的不确 定性相对较大，AI 大模型能够提升决策效率，使得财富资管决策多元化，提升市场有效 性。因此，我们认为，相较于保险、信贷、支付等金融业务，AI 尤其是 AI 大模型对财富 管理及资产管理的赋能空间或更大。 ► 对比财富及资管行业的各个环节，营销获客、客户运营、产品推介、投资投研四个环节 中 AI 或有更大应用空间，其中尤其 台、创业公司等主体，探讨 AI 对行业格局的潜在影响。整体而言，我们认为，AI 浪潮下科技 公司与金融机构将形成更加紧密的“竞合”关系，不同机构最终比拼的是谁能在金融业务中更 好地使用 AI 并提升竞争力，其核心仍是金融业务驱动、找准客群定位、夯实专业能力，我们 看好具备牌照资源/金融专长/业务场景/数字能力的头部金融机构及金融科技公司、同时部分中 小公司亦或在部分垂直领域实现突破。

战略规划 · 集团管控 2 内容 页码 A. 集团愿境和发展战略3 B. 集团各类业务的战略使命和发展方向 18 B1. 贸易业务 19 B2. 医药业务 64 B3. 金融业务 74 B4. 多元化业务 85 C. 组织结构 99 C1. 集团组织整体框架 100 C2. 集团管理职能的组织框架 103 C3. 集团的业务子公司和事业部 121 C4. 集团的京外和海外机构设置 上的支持 贸易业务是集团未来新核心业务的孵化器 • 集团目前经营收入的四分之三以上和经营利润的 40% 以上来自贸易业务 • 集团目前 70% 以上的人员和资产投入在贸易业务领域 • 集团金融业务中的短期金融运作所需的现金流，绝大部分来自贸易业务（比如客户的预付款和银 行的授信额度以及过去贸易业务中形成的资金沉淀） • 集团医药业务的发展也得益于集团整体融资，信息和管理资源实力情况 • •建成综合性医药产业集团 •集团内部金融业务得到全面提升，外部金融 业务的平台搭建完毕，并成为金融板块利润的重 要来源 2019-2021 ：战略转型期 2021-2025 ：高速成长期 业务发展 •成为提供全方位增值服务的项目和供应链管 理服务商，并通过业务模式的不断创新来形成业 务规模和利润水平的持续增长 •具有国内行业领先水平的综合性医药集团 •集团内部和外部的金融业务全面增长，在资 产管理方面具备竞争优势

产出 1,323 亿美元 2.09% 企业数量 36,370 家 2.58% 员工数量 737,600 人 2.45% 阿联酋：经济转型带来多元化投资机遇 27 中东金融中心地位持续巩固 金融业是阿联酋经济多元化战略中的重要组成 部分。近年来，其在阿联酋GDP中的平均贡献 约为8%，2023年增速超过17%。 图表21 2020-2023年阿联酋金融保险业GDP总额与增长 数据来源：万得资讯，阿联酋统计局 联酋允许外资保险公司设立代表处、全资子公 司或公司，为中国企业提供了进入阿联酋保险 市场的机会。 金融类上市公司在阿联酋两大交易所中的市值 几乎占据了半壁江山。截止2024年1月，迪拜 金融交易所金融业上市公司总市值占比为 41%，阿布扎比证券交易所金融业市值达到 48%。 2024年第一季度，阿布扎比全球市场的资产管 理公司数量为128家，在中东处于领先地位。 此外，迪拜国际金融中心（DIFC）是中东地区 领先 领先的全球化金融中心。截至2024年6月，在 DIFC的活跃注册公司数量首次超过6,000家。 阿联酋：经济转型带来多元化投资机遇 28 图表22 阿联酋金融业情况概览 1.2 万亿 美元 银行业资产总额 同比 11% 18.3% 资本充足率 银行类型 家数 本地注册银行 23 海湾合作委员会银行 6 批发银行 11 外国银行 21 代表办事处 70 财务公司 17 货币兑换行

个行业，主要为制造业和服务业；2024 年有 23 个省份，4 个自治区，主要为制造业、信息传输、软 件和信息技术服务业；2025 年有 21 个省份，主要为制造业、信息传输、软件和信息技术服务业、能源业、 金融业。 获奖企业性质主要为国有企业、 民营企业、 股份制企业和外资企业。 其中国有企业样本数量最多， 占比在 57%，其次是民营企业，占比在 31%，股份制企业和外资企业占比较少，分别为 3% 和 2%。获 个具有代表性的国有企业数智化转型案例样本研究发现，国有企业数智化转型的行业 与地域特征更趋多元，转型重点更贴合产业实际需求。行业分布上，制造业、能源业、金融业是国有企业数 智化转型的主要阵地，不同行业转型重点精准聚焦：制造业聚焦智慧工厂与全生命周期管理，金融业深耕 数智化风控与服务升级，能源业发力智慧管控与绿色低碳。 地域分布上，北京、广东、上海、福建仍保持领先优势，湖北、辽宁、山东等地区案例占比显著提升。东 AI+ 深度渗透 ―― 制造业领域，依托工业大模型构建智慧工厂全链路协同体系；能源领域，将 AI+ 与 “双碳”目标绑定，通过 AI 算法实现虚拟电厂资源调度、风光发电出力预测与碳排放实时核算；金融业领 域，深耕数智化风控与服务升级，利用 NLP 技术解析信贷合同风险点、机器学习识别跨境交易欺诈。从发 展趋势看，国有企业 AI+ 转型呈现三大方向：一是技术自主可控加速落地，突破 AI 芯片、垂类大模型等

所需人才必要技能 金融 金融企业关注全业务流程的数字 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 后台数字运营等业务领域的人才  在合规前提下，具备基于数据驱动的金融业务多 场景应用和创新能力，能以数字逻辑优化金融业 务流程并推进业务创新。 第 7 页 较为缺乏。 制造 不同体量的制造企业关注点不完 全相同，但需求主要集中在运营 管理及流程优化、模式创新等方 面。  分析国外智能体典型案例 和商业应用 14.基于字节 Coze 构建智 能体 15.基于百度 AgentBuilder 构建 智能体 16.基于其他平台构建 Agent 智能体 17.大模型技术在金融业应 用的思考与建议 18.大模型技术在其他行业应用 全程服务保障 四、培训成果  系统化了解 AIGC 生态体系和发展趋势  系统化了解 LLMS 大语言模型生态体系和发展趋势  IT 高端教育领 域职业经理人，拥有丰富的商业化运营经验。中培伟业是国内顶尖的一站式企业数字化人才培 养提供商。 公司核心业务是面向大中型企业开展企业 IT 培训与咨询业务。服务行业主要涉及金融业、 车企、通信业、制造业、IT 互联网、能源等。 借助于优质的专家资源，中培伟业已经为人民银行、工商银行、一汽、东风、中国移动、 中国联通、华为、阿里、金蝶、奇安信、三一重工、格力、中石油、中石化等在内的，共计