當AI成為研發主力，金融業的軟件工程正在被重新定義

今年下半年，麥肯錫發布的《2025年技術趨勢展望》中談到，“人工智能（AI）不僅本身是一項具有革命性和戰略性的技術創新，更是驅動和增強其他技術趨勢的倍增器?！?/p>

在這場變革中，金融業的業務邏輯亦在不斷重塑。從早期的智能客服、人臉識別等單點應用，到如今覆蓋營銷、風控、運營、研發全鏈條的系統賦能，AI能力向金融科技的核心業務場景不斷滲透。

與之相應的則是，業務增長與技術投入成本之間的“對立”，AI創新與競爭邏輯的交融，以及如何跨越從“AI賦能”到“AI原生”的鴻溝。

當然，智能化的時代，并非每家銀行都具備強大的自主研發能力，銀行業同樣需要能夠賦能智慧金融的“推手”。

01

業務發展、競爭驅動

金融業站上AI轉型的十字路口

首先，是業務復雜性“倒逼”技術革新。智能營銷、智能客服、信貸審批、智能投研等場景不斷深化，傳統的“人海戰術”和流程化作業已難以為繼。

中電金信研究院副院長、數字銀行事業部總經理胡汝道分享了一個案例：“在某頭部股份制銀行，引入AI技術后，其單據審核部門工作提效80%，效果立竿見影?！?而這僅僅是冰山一角，比如在信貸風控領域，AI與IoT技術的結合，使得通過圖像識別、自動采集企業生產狀況成為可能；券商利用AI投研工具，基于海量市場數據與行業研報自動生成投資策略報告，讓分析師的工作效率提升數倍……業務需求的洪流，倒逼金融機構向AI要效率、要產能，以提升服務響應速度。

其次，行業的競爭邏輯正向“AI”靠攏。在預算更趨理性、資源配置更為審慎的環境中，金融機構開始比拼的不再是單純的“規模優勢”，而是如何用更少的投入，創造更高的產出。

而AI技術的引入，使得部分先行者在開發效率、客戶響應和風險控制上實現了跨越式提升，這本質上改變了行業的競爭格局。未能跟上AI創新步伐的金融機構，可能面臨客戶流失、成本高企、風險累積的多重壓力。競爭已從業務層面延伸至底層技術架構與智能化應用的深度與廣度。

第三，AI帶來的創新驅動，打開了新業務的想象空間。胡汝道提出一個有趣的例子，“未來的手機銀行將不再是一個被動的操作工具，而可能是一個具備‘超級助理’屬性的主動服務入口，它能理解你的意圖，主動提供財務建議甚至完成交易?！?這種體驗重構的背后是AI能力的深度融入。

市場研究機構的數據也佐證了這一趨勢。Gartner預測，到2028年，約75%的企業級軟件工程師將使用AI代碼輔助工具；IDC預計，全球AI軟件市場到2027年將增至2790億美元，AI正從輔助角色，走向系統性的核心生產力。

第四，是面向未來的必由之路。從電子化、線上化到智能化，金融科技的每一次迭代都伴隨著底層技術的突破。如今，銀行業已明確“技術驅動”的發展方向，而智能化正是下一階段的核心命題。今天的IT架構與研發能力，將決定明天業務創新的天花板。

然而挑戰依然艱巨，正如胡汝道的觀察，“并非每家金融機構都具備強大的自主研發能力”。一個既能提供標準化工具、又能定制化解決方案的合作伙伴，成為金融行業數智化轉型的迫切需要，中電金信正是基于此，以“數字構建 AI 平臺”為核心，成為為金融機構系統性賦能行業智能化的“推手”。

02

從“AI賦能”到“AI原生”

軟件工藝重塑的實踐路徑

事實上，無論是業務需求的助推，還是架構轉型的驅動，最終都指向一個關鍵：軟件開發?！都夹g趨勢2025》中也提出，“AI技術正在重塑企業IT部門，從編碼、軟件測試到人才能力建設。當更多智能化能力被內置到企業運營之中，軟件工程將繼續作為跨行業的戰略支點發揮核心作用?！?/p>

我們知道，銀行業的研發體系因為嚴苛的監管要求、復雜的系統搭建歷程和漫長的流程而顯得格外沉重。胡汝道坦言：“如果研發鏈路本身存在大量斷點，即便引入單點AI工具，整體效率仍然難以提升。”

對此，中電金信的數字構建AI平臺提出了一個更務實的路徑。它將龐大的研發工程拆解為無數個具體的場景，針對痛點最突出、價值最顯著的環節優先引入AI能力，最終匯流成河，驅動完整的開發工藝轉型。

不難發現，這套方法論，既能服務于擁有成熟自有平臺的國有大型銀行，通過模塊化嵌入“AI助手”實現能力增強；也能為中小銀行直接提供數字構建AI平臺，降低其接入先進AI研發能力的門檻。

在“2025金融行業科技交流大會暨1024程序員節”的活動中，胡汝道發表了題為《AI重塑軟件工藝、企業工具鏈平臺建設實踐》的演講，系統介紹了源啟·數字構建AI平臺的落地路徑以及AI驅動的軟件工程新體系。

胡汝道指出，AI賦能軟件開發全過程，關鍵在于以“場景化智能體+企業知識庫”為雙輪驅動，對現有研發平臺進行全流程AI賦能，從而提升整體研發效率。在AI建模、AI測試和AI編碼三個場景，我們也可以一窺平臺的能力。

首先在AI建模方面，中電金信正致力于實現從業務需求到業務模型的自動化建立，主要是通過“分步走”策略將其變為現實：第一步，利用AI從需求文檔中自動識別和提取關鍵要素；第二步，構建這些要素之間的復雜關聯關系。具體來講，是將行業已有的成熟業務模型和大量人為建模的范例“喂養”給AI，訓練其理解并模仿專家的抽象思維和建模過程。胡汝道透露，“目前，這一自動化建模的準確率已達到約50%，能顯著提升專家效率，并可以隨著樣本積累不斷優化?！?/p>

其次，在AI測試方面，平臺聚焦于提升測試用例生成與執行的智能化水平。金融系統對穩定性與正確性要求極高，測試工作繁重且關鍵。數字構建平臺的AI測試助手，能夠基于需求自動生成高覆蓋率的測試用例，并模擬各種邊界場景，深度語義分析正確率實現85%。同時它能與企業的知識庫聯動，學習歷史缺陷數據，從而更精準地預測潛在風險點。這就可以大幅減輕測試人員的重復勞動，讓他們更專注于復雜邏輯和用戶體驗的驗證。

最后，在AI編碼方面，中電金信追求的是“工程化可用”，而不僅是代碼補全。我們知道，金融級的AI編碼難就難在深度理解銀行的業務語境、技術規范和合規要求。而中電金信的編碼助手融合了金融機構的專屬知識庫，使其生成的代碼不僅是語法正確的，更是符合金融業務邏輯和安全標準的，目前已經擁有行業領先的代碼采納率，依照需求與設計，可生成70%-90%的業務邏輯代碼，告別重復編碼。

03

標準化×平臺化

驅動金融業數智化躍遷

剖析中電金信數字構建AI平臺，可以清晰地看到，背后有兩條貫穿始終的核心脈絡：標準化與平臺化。

標準化的核心在于高質量的數據集。中電金信的底氣，也正來源于其作為第三方機構，在國資委指導下參與國家級高質量金融數據集建設的獨特角色。2025年4月，中電金信金融大模型數據集入選國資委“首批央企人工智能高質量數據集”。同年6月，在央國企金融領域人工智能高質量數據集推進會上，包括中電金信在內的14家企業共同簽署了“央企金融數據產業共同體倡議書”，進一步推動數據與AI的深度結合。

平臺化則是能力與經驗的集中體現，是實現規模效應的引擎。 中電金信將經過大量實踐驗證的AI能力，無論是建模、測試還是編碼沉淀在“源啟·數字構建AI平臺”的底座上。對于大銀行，它是可嵌入、可融合的“能力插件”；對于中小銀行，它則是開箱即用的全棧解決方案。當然，平臺化的意義，也在于能夠將領先的研發工藝快速向行業內復制和推廣，避免了重復造輪子的巨大浪費，從根本上降低了金融業智能化轉型的門檻與成本。

當然，這一切的“終局”，是為了實現從 “AI賦能”到“AI原生”的軟件工程新范式躍遷。胡汝道的腦海里也有一張清晰的藍圖：“理想狀態是，從以人為主，走向以AI為主?！痹贏I原生的新范式下，AI不再是輔助工具，而是研發過程的主導者，這不僅是技術體系的重構，更是金融行業從“經驗驅動”走向“工程驅動”的關鍵轉折。智能體將自動協作，貫穿從需求分析到部署上線的全過程，人類工程師的角色則更多地轉向策略制定、關鍵審批與結果確認。

這雖然是一個長期迭代的過程，但方向已然明確。

當軟件工程走向“AI原生”，金融業務的創新速度將發生質變。因為金融科技作為數字經濟的核心引擎，其自主創新與安全可控，直接關系到國家金融安全大局，構建在自主可控的AI原生開發體系之上的創新，不僅是效率之爭，更是安全之基。與之相應，以“AI重塑軟件工藝”將是構建金融新質生產力的新方向，也是金融機構在新一輪數智化競爭中搶占先機的關鍵一躍。