转自：中国经营报

中经记者 秦玉芳 广州报道

随着国家政策持续推动科技创新与产业升级，银行业正在经历一场从服务模式到产品体系的深度重构。人工智能作为新质生产力的核心领域，正在成为银行科技金融布局的关键突破口。

政策导向与产业发展需求的双重驱动，使得银行机构对AI领域的业务布局积极性持续上升，AI作为最具爆发力的赛道，正在成为银行通过“投贷联动”获取高收益、优化资产结构的必争之地。

不过，整体来看，当前资源配置的结构性矛盾依然存在，银行机构在积极布局的同时，也面临着风控模型重构的迫切需求。业内人士普遍认为，未来银行对AI的支持将从“单点信贷”走向“全生命周期生态服务”，银行要真正实现这一转型，就必须超越传统信贷思维，构建覆盖企业初创期到成熟期的综合金融服务能力。

“双重共振”驱动银行加速AI业务布局

银行对以AI为代表的科创产业领域布局持续加码。

中国银行（601988.SH）表示，该行已发布支持人工智能产业链发展行动方案，推出中银科创算力贷，首创券贷联动模式，实现人工智能核心企业授信超过4000亿元。目前正积极打造科技金融生态圈，汇聚直投、投行、商行、保险、担保等多个金融品种、多类金融机构，探索建立一套系统化、全链条、集成式的科技金融生态体系，助力集成电路等关键核心技术攻关。

广发银行方面也透露，近年来，该行围绕发展新质生产力，强化科技创新和产业创新深度融合，积极布局科技金融，协同中国人寿（601628.SH）投贷联动，有效支持一批创新型企业发展壮大。其中，在广州作为试点银行，积极参与“益企共赢计划”，创新科技金融服务模式，建立优先审批机制，为符合条件的企业直接发放审批“绿卡”，与广州110余家科技型企业开展中长期战略合作。

此外，中国人民银行广东省分行日前推出广东“人工智能贷”产品清单，围绕人工智能技术在设计、中试、产学研转化等应用场景上线科创贷、科技研发贷、科创信用贷、孵化贷、算力贷等“人工智能+”信贷产品和服务的银行超过15家。

邮储银行（601658.SH）研究员娄飞鹏指出，整体来看，在具体布局上，不同类型银行在“人工智能+”赛道上角色各异：国有大行凭借牌照、算力与客群覆盖优势，主导全生命周期服务体系构建；股份制银行依托数字化风控体系，提供定制化融资与投资服务；区域性银行则依托地方政策红利，深耕本地科创企业。在差异化竞争策略上，国有大行侧重规模扩张与综合服务，股份制银行突出创新能力与场景适配，区域性银行强调区域深耕与特色产品开发，三者基于资源禀赋形成互补格局。

业内普遍认为，政策驱动是银行布局的重要原因之一。中泰证券（600918.SH）在最新研报中指出，科技创新是引领现代化建设的核心动力，而科技金融作为支撑科技创新的关键一环，已成为国家战略布局的重中之重。国家正以前所未有的力度推动科技金融政策体系的完善与落地，旨在打通科技、产业与金融之间的循环堵点，引导更多金融资源精准、高效地流向科技创新领域。

易观千帆金融行业咨询专家韦玲艳指出，产业发展需求也是银行强化AI领域布局的关键因素。AI大模型、算力基础设施、行业应用等赛道融资活跃，银行正在抢占优质客户入口。

上海金融与发展实验室首席专家主任曾刚进一步强调，宏观战略导向与微观经营压力的“双重共振”是驱动银行集体加码AI领域的根本驱动力。“一方面，发展新质生产力是国家战略，金融服务实体经济必须向硬科技倾斜；另一方面，传统信贷（地产、基建）增长乏力，银行面临严重的‘资产荒’，AI作为最具爆发力的赛道，成为其通过‘投贷联动’获取高收益、优化资产结构的必争之地。” 曾刚指出。

娄飞鹏补充道，为了更好支持AI发展，银行业在信贷上安排专项投入，为科技企业提供创新融资模式，加上绩效考核有效协同推动资源向AI相关领域倾斜。

中国人民银行披露的最新数据显示，截至2025年9月末，科技贷款新增额占全部贷款新增额比重为30.5%；科技型中小企业本外币贷款余额为3.6万亿元，同比增长22.3%，较同期全部贷款增速高15.8个百分点，获贷率为50.3%；科技创新和技术改造贷款签约金额为2.6万亿元，发放贷款1.1万亿元。

曾刚指出，各家银行在AI领域业务布局上呈现出明显的“头部集中、政策倾斜”特点。国有大行及股份制银行纷纷设立“科创金融中心”或“科技特色支行”，在信贷资源上设立专项额度，且不占用分行常规规模。在内部绩效考核（FTP）方面，多数银行给予显著的优惠，如降低内部资金转移定价、提高科技贷款的综合收益权重等。

曾刚同时强调，当前信贷资源多集中于算力层（硬件有抵押）及成熟期企业，银行机构对于初创期、模型层企业的支持力度仍显不足，“上热下冷”现象依然存在，基层网点因看不懂技术而不敢贷的情况并未完全扭转，结构性矛盾依然存在。

重构AI信贷风控

尽管银行在AI信贷领域布局积极，但风控难题仍是制约服务深度与广度的关键瓶颈。

曾刚表示，目前最大的风控难点在于“无形资产的价值评估与处置变现”。AI技术迭代极快，今天的先进算法明天可能就沦为废纸，导致知识产权估值极不稳定。同时，一旦企业违约，专用的算法代码、半成品的模型很难在二级市场找到买家，缺乏成熟的交易流转平台。这导致银行在面对纯软件类AI企业时，依然缺乏有效的风险缓释手段，“不敢贷”的顾虑依然深重。

娄飞鹏也指出，当前风控最大难点在于AI企业技术迭代快、失败率高导致的动态价值评估困难，以及知识产权之类无形资产的估值体系尚未完全成熟。

韦玲艳进一步分析，当前，银行开展知识产权质押融资主要依赖第三方资产评估机构对知识产权的估值。例如，国家知识产权局联合国家金融监督管理总局推动知识产权金融生态试点工作，但“评估难、成本高、周期长”仍是主要瓶颈。AI技术迭代快、产品路径未定、市场需求可能在短期内剧变，导致对未来收益权和IP价值的预测误差大，这是评估模型最难量化的部分，也是导致折价率高、额度受限的根本原因。

对此，银行正在重构风控模型，试图用“科技流”评价体系替代传统的“资金流”评价。曾刚指出，在实操中，银行引入了外部专家库和大数据模型，通过分析企业的研发投入占比、专利被引用率、核心团队技术背景等维度进行画像。在协同范式上，“政府风险补偿基金+银行+担保/保险”的风险分担机制最为有效，即由政府资金池承担30%—50%的坏账损失，极大降低了银行的避险情绪。此外，知识产权质押融资已常态化，重点在于引入第三方评估机构对IP价值进行动态监测。

未来，银行对AI的支持将从“单点信贷”走向“全生命周期生态服务”。曾刚表示，银行将不再只是资金提供方，更将成为撮合方，连接产业上下游、政府与创投机构。在趋势上，预计“投贷联动”将更加紧密，银行会通过理财公司、金融资产投资公司等渠道深度介入股权投资。同时，供应链金融将延伸至算力产业链，围绕核心算力中心为上下游提供融资。

基于此，曾刚认为，需要从监管创新、市场建设到内部机制的系统性改革，推进多层次、多维度的配套体系建设。具体而言，首先在监管政策上，应进一步探索“监管沙盒”机制，适度放宽投贷联动的合规限制，鼓励银行探索“贷款+期权”模式以平衡风险。其次，在配套机制上，亟须建立全国性的知识产权和数据资产交易市场，解决资产处置难题。最后，在银行内部改革上，真正落实“尽职免责”。AI项目失败率高，必须建立对科创类信贷不良的容忍机制，只要流程合规、没有道德风险，应免除信贷人员责任，并建立懂技术、懂金融的复合型人才团队，真正让金融活水流向AI产业。