以下文章来源于科创板日报 ，作者田野 黄心怡 科创板日报 . 专注科创板和科技创新，上海报业集团主管主办，界面财联社出品。 聚焦AI赋能实体，发掘千行百业智能标杆。 2025年，人工智能已从技术探索迈入规模化应用落地开花，"AI+应用"不再是前沿概念的代名词，而是扎根工业制造、金融决策、校园课 堂、医疗健康、文化旅游等千行百业的务实实践，以精准赋能重构行业效率、优化民生体验，成为激活新质生产力的新路径。 为全景展现国内AI技术落地的实战成果，提炼可复制、可推广的行业赋能经验，推动AI与实体经济深度融合，上海报业集团主管主办财联社 与《科创板日报》，正式启动"2025中国AI+应用Top50"优秀案例征集活动，面向全国工业、金融、教育、医疗、文旅等行业领域，评选 50个兼具实效价值与示范意义的优秀AI+应用产品及服务。 联合主办: 聚焦AI赋能实体 发掘千行百业智能标杆 2025中国AI+应用TOP50 优秀案例评选 征集时间： 2025.12.16-2026.1.16 「活动背景 2025年，人工智能已从技术探索迈入规模化应用 落地开花，"Al+应用"不再是前沿概念的代名词, 而是扎根工业制造、金融服务、校园 ...

石岩对金瑞期货一行的到访表示热烈欢迎，并系统展示了同花顺在期货领域的核心产品与服务。他介 绍，同花顺已依托金融大模型在期货数据服务、智能投顾、智能投研、智能风控等领域形成成熟应用体 系，助力期货公司实现数智化经营升级。"期望在大模型赋能下，携手挖掘更多合作可能，为双方业务 拓展与创新注入更多新动能。" 近日，同花顺与金瑞期货在杭州正式签署深度合作协议。同花顺总裁助理石岩、金瑞期货总经理侯心强 代表双方出席签约仪式并签字，标志着两家企业在前期交易服务合作基础上，开启以AI技术为核心、 覆盖多业务领域的数智化协同新篇章。 签约仪式上，侯心强介绍了公司的业务优势与发展规划。他表示，金瑞期货长期深耕期货衍生品领域， 尤其在贵金属风险管理、产业链产融服务方面积累了丰富实践经验。"当前期货行业正加速迈入数智化 转型关键期，金瑞期货早在三年前便启动'数字金瑞'建设，已构建起智能投研平台、衍生品对客系统等 数字化基础。此次选择与同花顺深度合作，正是希望借助其金融大模型技术优势，进一步升级数字化与 智能化水平，在策略定制、数据融合、合规风控等领域实现突破，持续优化客户服务体验。" 侯心强强 调。 作为行业内率先布局数智化转型的 ...

证券行业发展空间广阔，大有可为。一家大型券商的相关负责人表示，在监管政策持续完善下，证券行 业格局有望深度重塑，专业能力突出、稳健合规的优质券商将在行业机遇期加速转型，一流投行建设加 快推进，未来，资产配置、创新能力和国际化布局将成为证券公司提升的重点领域。 并购浪潮下一流投行渐近 并购重组正在成为证券行业转型升级的主路径，以国泰海通合并等标志性重组案例平稳落地，初步实 现"1+1>2"的效果。吴清指出，头部机构要进一步增强资源整合的意识和能力，用好并购重组机制和工 具，实现优势互补、高效配置，力争在"十五五"时期形成若干家具有较大国际影响力的头部机构。 新"国九条"以来，已有多家券商完成重组，包括国泰君安合并海通证券、西部证券合并国融证券、国信 证券合并万和证券、浙商证券合并国都证券等，中金公司拟吸收合并东兴证券、信达证券的并购事项在 推进过程中。 近日，证监会主席吴清在中国证券业协会会员大会上的讲话，明确了证券行业高质量发展的方向，包括 鼓励券商用好并购重组机制和工具实现优势互补，加快打造一流投资银行和投资机构；差异化监管促进 券商特色化发展；畅通证券业创新试点工作机制，丰富监管沙盒应用场景等。 中小券商 ...

公司AI战略演进 - 公司自2017年启动AI落地，提出“AI in All”策略，将AI定位为全面赋能各业务线与系统建设的赋能者，并明确其为公司核心基础设施 [1] - 随着大模型技术突破，公司升级AI应用战略至“ALL in AI”，完成了从“赋能型AI”到“变革型AI”的定位转变，将AI定位为驱动公司组织变革、流程创新的核心引擎 [1] 公司AI应用实践与成果 - 公司已实现AI的“体系化建设、规模化应用”，覆盖智能风控、智能投研、智能服务、智能协作、智能交易、智能科技等各业务领域与板块 [1] - 公司内部AI应用场景已达150余个，形成了“处处数智化、人人数智化”的全新发展格局 [1] 行业AI发展前景与挑战 - 人工智能将持续赋能证券行业，进一步提升行业竞争力，更好地服务客户需求、提升公司运作效率，为行业高质量发展注入持续动力 [1] - 技术层面需破解AI“幻觉”与可解释性难题，证券行业对专业性与精准性要求极高，“幻觉”可能引发致命风险 [2] - 投入层面需聚焦核心价值以构建可持续AI生态，AI投入相对较大，投入产出比将成为公司核心关注点，必须将AI应用于能产生持久业务价值的核心业务环节 [2] - 行业层面需规范发展秩序以凝聚监管与市场合力，避免部分机构应用不当阻碍行业整体发展，目前行业协会正推动相关指导意见的制定 [2]

大会核心主题与行业趋势 - 2025年大湾区交易所科技大会在深交所举办，主题为“迈向人工智能+时代”，标志着AI技术正从“概念探索”走向“深度落地” [1] - AI技术为证券行业带来效率提升和价值重塑的机遇，同时也对治理体系适配提出新课题 [1] - 随着监管框架完善和机构实践深化，AI将成为资本市场高质量发展的核心驱动力，推动行业进入更具活力与韧性的数智化新阶段 [1] 人工智能技术的重要性与行业影响 - 人工智能是引领科技革命和产业变革的战略性技术，具备极强的溢出带动“头雁”效应 [2] - 2025年被称为“AI智能体元年”，AI技术从传统的感知式、生成式向智能体发展，从被动响应转变为主动执行 [2] - 对证券行业而言，AI技术至关重要，远比其他行业关键，不仅是“锦上添花”更是“雪中送炭”，能在拉新促活、增加营收等方面提供强大助力 [2] 行业应用落地与实践案例 - 国泰海通证券已完成AI应用的体系化建设与规模化推广，AI技术渗透至各业务板块，形成智能风控、智能投研、智能服务等多维度应用场景 [3] - 公司已落地AI相关应用进程达150余个，构建起“处处数智化、人人数智化”的新格局 [3] - 监管层面主动拥抱AI技术，深交所全面推进“数智”交易所建设，重点在数字化基础设施、平台、能力和生态等4大方面发力 [3] - 深交所打造了以集团云、监管云、深证云、公有云为核心的混合云体系，持续拓展金融数据交换平台应用 [3] 发展机遇与面临的挑战 - 在技术、产业、政策和业务需求多重驱动下，金融行业加速拥抱AI，驱动行业加速数智化转型 [4] - AI技术存在短板，其“幻觉”问题在强调专业性与精准性的证券领域可能引发致命错误 [4] - AI的可解释性不足成为行业应用的核心挑战 [4] - 技术迭代与行业适配过程中，仍面临数据安全、算法治理、监管协同等多重现实阻碍 [4] 未来发展路径与战略重点 - 深交所“十五五”时期将围绕六大领域统筹推进：规划建设智算基础设施、全面实施“应用上云”、深化“人工智能+”在核心业务领域的融合应用等 [6] - AI落地必须以合规和安全先行，优先选择高ROI业务场景实践，验证效能后再向复杂场景扩展 [5] - 底层大模型的选择之外，中间层的平台化能力和大模型工程化能力至关重要，生态合作模式是保障AI在金融行业有序、可持续发展的关键 [5] - 通过技术攻关、规则完善、生态共建的组合拳，可逐步破解AI应用瓶颈 [5]

项目获奖与行业地位 - 公司联合申报的“基于数据要素驱动的保险风控服务项目”荣获2025年“数据要素×”大赛全国金融服务赛道总决赛二等奖，该赛事由国家数据局联合20多个部委主办，共有2.2万个参赛项目[1] - 该项目凭借在数据融合、安全合规与智能风控领域的系统创新，成为金融行业数据要素落地的典型代表[1] 项目核心技术与数据能力 - 项目构建了行业首个“数据-风控-生态”数字化风控体系，依托平安集团数据底座，构建了覆盖保单、赔案、车辆等十大高质量数据库，总数据量超过PB级，融合370+权威数据源[2] - 项目数据标准达到DCMM五级水平，并构建了保险垂域大模型，基于万亿保险语料和亿级理赔数据，知识自动化率达70%、数据知识化率达50%[2] - 平安集团沉淀超过30万亿字节数据，覆盖近2.5亿个人客户，并积累3.2万亿高质量文本语料、31万小时标注语音语料及75亿图片语料用于大模型训练[3] 项目应用成效与行业赋能 - 项目模型已在理赔风控、风险定价、欺诈识别等场景落地，通过普惠金融开放平台向行业输出能力，赋能20+保险机构，带来经济与社会效益逾百亿元[2] - AI已全面赋能公司核心业务：车险89%单件平均一分钟智能出单，人伤案件理赔自动化率达63%，最快结案仅需51秒[3] - 2025年前三季度，AI坐席服务量超12.92亿次，覆盖集团80%客服总量，AI辅助销售金额达990.74亿元[3] 公司战略与未来方向 - 作为公司对外金融科技输出的唯一窗口，正以SaaS化模式将AI、大数据、智能风控等领先成果向行业与生态输出，提供全链路解决方案[3] - 未来将继续发挥科技输出窗口作用，携手生态与行业探索数据要素驱动的智能金融新模式，助力金融业高质量发展[4]

银行战略转型 - 多家银行启动2026年度博士后招聘 战略重心从传统规模扩张转向科技驱动的高质量发展[1] - 银行正将人工智能技术从效率工具升级为价值引擎 致力于构建智能化业务体系[1] - 未来银行竞争将更多取决于技术应用能力 率先掌握成熟AI应用的银行将占据优势[1] 人才需求导向 - 招聘明确青睐“金融+科技”跨界复合型人才 将从业经验、专业资格证书作为优先考量条件[2][4] - 专业背景需覆盖计算机、人工智能、大数据、量化金融等领域 重点吸纳理工与经济金融复合背景人才[2] - 要求年龄不超过35周岁 具有金融从业经验者优先 凸显“实用型”导向[2][4] 研究课题设置 - 研究课题聚焦人工智能、金融科技等前沿技术在金融场景的应用 突出实用性与前瞻性[2][3] - 具体课题包括人工智能赋能商业银行数字化转型、AI大模型技术在风险管理领域的应用等[3] - 其他课题涉及人工智能提升客户交易服务创新、数字化风控体系建设、数字金融建设等[3] 转型驱动因素 - 转型是在净息差持续收窄、传统盈利模式面临巨大压力的严峻形势下推进的[4] - 银行急需借助科技赋能重构核心竞争力 AI成为提升风控、优化服务、构建智慧银行的关键手段[4] - 银行业正从追求规模扩张转变为追求效率与风控的平衡 运用科技重塑金融服务底层逻辑[4] 未来发展方向 - 银行战略重心转向“AI+金融”深度融合 重点在智能风控、智慧经营、数字运营等条线推进技术赋能[5] - 未来将聚焦智能风控、智能客服、智能运营三大核心方向 依托AI重塑核心竞争力[5] - 目标是从“金融服务提供者”升级为“智能解决方案提供商” 标志着银行业高质量发展迈入新阶段[5]

公司业务范围 - 公司目前金融相关业务主要面向银行业金融机构提供智能风控、智能消保、普惠助贷、绿色金融等金融科技领域的软件产品及数据服务 [2] - 公司尚未涉及电子支付金融安全业务 [2]

人口老龄化现状与养老金融重要性 - 截至2024年末中国60周岁及以上老年人口达31031万人占总人口22.0% 65周岁及以上人口22023万人占比15.6% [2] - 人口老龄化成为长期基本国情 养老金融被纳入中央金融工作会议"五篇大文章" 承担服务国家战略与民生福祉使命 [2] 人工智能赋能养老金融的核心价值 - AI技术通过智能销售、投资、风控、运营、客服等应用降低服务门槛与成本 使服务延伸至中小微企业和灵活就业群体 [2] - 依托大数据与机器学习实现"一人一策"精准规划 提升产品透明度与适配性 覆盖旅居、长住等多元养老场景 [3] - 整合健康记录、消费行为、金融历史等多源数据 通过机器学习模型优化产品设计、定价及服务资源配置 [3] 当前AI应用面临的核心挑战 - 应用深度不足 多数机构仅将AI用于智能客服 风控、运营等核心业务环节渗透率低 [4] - 高质量金融数据稀缺且整合难度大 公共数据存在行政分割 非公共数据流通不畅 [4] - 数据隐私保护边界不清 敏感个人信息泄露风险高 老年人数字安全意识较弱 [5] - 算力支撑不足导致私有化部署成本高昂 训练数据偏差可能加剧养老资源分配不公 [4][5] 多方协同发展路径与解决方案 - 需加强顶层设计与制度供给 推动年金及个人养老金制度惠及更广泛人群 [7] - 建立国家级公共数据库 按照"原始数据不出域、数据可用不可见"原则提供数据服务 [7] - 构建康养云平台整合健康档案、护理记录、金融资产等数据 形成长者全景画像 [8] - 通过物联网、智能穿戴设备打造智慧病房、无感跌倒监测等数字化应用场景 [8] - 搭建开放式社区居家养老服务平台 连接社会服务商实现"一键下单"便捷体验 [8]

人口老龄化现状与养老金融需求 - 截至2024年末中国60周岁及以上老年人口达31031万人占总人口22.0% 65周岁及以上老年人口22023万人占总人口15.6% [3] - 养老服务需求日益多元化 养老金融成为保障老年人生活质量及支撑养老体系建设的关键领域 [1] - 老年群体对专业化精准化养老金融服务需求愈发迫切 [3] 人工智能在养老金融中的应用价值 - AI技术通过智能销售、智能投资、智能风控、智能运营、智能客服等应用大幅提升效率并降低成本 使服务延伸至中小微企业及灵活就业人员 [3] - 依托大数据和机器学习提升产品透明度与适配性 根据风险偏好、收入、年龄等要素为客户提供"一人一策"的养老规划或资产配置建议 [4] - 整合多源数据（如健康记录、消费行为、金融历史） 通过机器学习模型进行风险评估和需求预测 为产品设计、定价及服务优化提供科学依据 [4] - 构建康养云平台整合长者健康档案、护理记录、消费偏好、金融资产等数据 形成全景画像支撑精准服务与个性化产品定制 [8] 人工智能应用面临的挑战 - 当前AI应用深度不足 多数机构仅用于智能客服 在风控、运营等核心业务环节渗透率低 [5] - 数据隐私保护边界不清且合规风险高 高质量金融数据稀缺且整合难度大 [5] - 公共数据存在局部行政分割 非公共数据流通不畅 数据大户与金融机构间未形成成熟共享模式 [5] - 养老金融涉及敏感个人信息 数据泄露与滥用风险较高 老年人数字安全意识较弱 [6] - 人工智能模型可能因训练数据偏差导致推荐不公 加剧养老资源分配不均 [6] - 算力支撑不足 私有化部署成本高昂 [5] 行业发展与协同需求 - 需加强顶层设计和制度供给 推动年金、个人养老金等制度惠及更广人群 [7] - 各方需加强协同 鼓励科技运用与风险可控下的产品服务创新 明晰发展框架和行为边界 [7] - 需扩大公共数据开放共享 建立国家级公共数据库 公共数据按照"原始数据不出域、数据可用不可见"原则提供服务 [7] - 需完善个人信息保护机制 规范个人信息采集使用行为 推动个人信息匿名化处理 [7] - 通过物联网、智能穿戴设备、摄像头等技术打造智慧病房、智慧餐厅、无感跌倒监测等数字化应用场景 [8] - 引入康复机器人、智能护理床、认知症筛查与干预系统等先进设备提升服务效率与生活质量 [8] - 构建开放式社区居家养老服务平台 连接整合社会服务商为居家长者提供便捷服务 [8]