全栈自研大模型技术体系，招商银行“金融为民”的AI实践

在近日落幕的2025深圳金融创新大赛中，招商银行凭借在大模型全栈技术体系与金融业务深度融合方面的系统性创新，荣获大赛一等奖。据悉，该项目并非单一的技术突破，而是涵盖了从底层基础设施到上层业务应用的全链条创新，展现了招行在数字金融领域的深耕成果。

在人工智能快速发展的背景下，招行所提出的“AI First”战略，围绕大模型全栈自研技术体系与全业务场景深度融合两条主线，协同推进。在赋能自身高质量发展的同时，更着眼探索金融机构数智化转型的实践范式，构建安全、可靠、高效的智慧金融样本。这一奖项背后，是招行近年来在金融科技领域持续投入的一个缩影。与行业内常见的单点技术合作或场景试点不同，招行选择了一条更为系统的路径：通过自主构建大模型技术体系，将人工智能能力深入渗透至业务核心环节。

金融机构基础设施构建的新探索

当数字化迈入深水区，全域智能化成为行业共识。作为先行者，招行探索并率先自主研发大模型全栈技术体系，为行业从“单点智能”迈向“体系智能”贡献实践范式与可复用方法论。

围绕“基础设施—模型—应用”，构筑起坚实的大模型技术底座。基础设施层，通过全栈自主研发，建成“功能、性能、效益”全面领先的大模型基础设施。模型层，构建了通用模型与领域专精模型的模型矩阵。应用层，打造了业技协同广泛、深入且高效的应用开发工具体系，加速智能体应用规模化落地。

在关键技术环节，招行深度创新实现了多项突破。针对异构算力软硬件差异、迭代快等挑战，自研智算云底座实现秒级调度与统一纳管，并通过创新的动态网络拓扑感知方案，显著提升了大容量集群的训推效率。推理性能方面，通过自研高性能融合算子，实现异构算力卡推理吞吐量的倍级跃升。针对多模态与长上下文需求激增，创新落地大规模PD分离架构，结合KV Cache池化、PrefixCache、SuffixDecoding等技术，通过存算解耦机制有效突破硬件“显存墙”限制。针对性地对视觉编码器进行了优化，实现跨模态交互的端到端极致加速。

同时，招行坚持开放共赢，积极参与开源生态建设，累计向多个主流开源项目贡献关键特性数十个，凭借促进行业技术生态发展获得两大主流开源项目的维护者资格（Maintainer），是国内金融机构中的唯一一家。AI底座方面与开源社区合作，主导解决超节点调度问题。推理方面，首发实现LoRA核心算子优化、Qwen3-Next混合注意力模型加速、CANN社区sum_lstm等算子研发优化等多个关键特性。训练方面，首发实现分组前缀复用功能、RMSNorm、RotaryPosEmb、MoE_Block、TiledMLP主流算子优化等，大幅提升模型训练效率。

招行的自身实践不仅有力验证了不同技术路线的可行性，更为行业提供了成熟、可靠且可演进的技术方法论，为推动开放、创新的技术生态贡献了重要力量。

在核心业务中创造实际价值

依托自主研发的大模型技术体系，招行正在将技术能力转化为实实在在的业务助力。据了解，该行通过一套系统的场景梳理方法，已识别出超过1000个具有业务价值的潜在场景，并在零售、对公、风控、投金、办公及研发等多个领域落地了数百项大模型应用。

在客户服务一线，客户经理使用的“投研小助”工具，能够快速完成市场数据的量化分析和产品筛选。以往需要人工处理大量指标、耗时数小时的研报整理工作，现在可以在几分钟内生成清晰的分析要点，显著提升了客户服务的响应效率与专业水平。

在技术开发领域，招行自研的“研发智能体”可协助工程师完成日常开发任务。通过理解自然语言指令、感知编程环境、调用相关工具，每月可自动处理超过9万个开发任务，加速了产品迭代。

这些智能化应用不仅提升了内部运营效率，也持续优化着客户体验。在此基础上，招行始终秉持“金融为民”的理念，将技术创新深度融入服务全流程，推动金融服务朝着更国际化、更普惠的方向发展。

例如，为方便外籍人士在华生活，招商银行App提供了多语种实时翻译功能，关键操作界面和产品信息可一键切换语言，大幅降低了外籍客户的使用门槛。

针对越来越多中国企业“出海”的需求，招行运用AI技术重塑跨境服务流程。通过智能文档处理与风控模型，将传统开户与尽调流程压缩至原来的三分之一左右，在提升效率的同时，也增强了跨境业务的风控能力。

在普惠金融方面，招行推出了支持语音交互的“小招语控”系统，实现“一句话办理业务”；同时，通过多模态技术，可将复杂的理财产品图示转化为语音提示，协助视障用户独立完成理财操作。“电话小招”AI助手也已支持超过300个业务场景的语音服务，方便了老年客户及方言使用者。

展望未来，招行将持续以科技创新为依托，不断拓展服务的广度与深度。在安全合规的基础上，致力于打造更具适应性、更人性化、更可持续的金融服务体验，与客户、合作伙伴及社会共同成长。