2025年12月17日，《中国金融科技燃指数报告（2025）》发布会——暨第五届“金融科技指数论坛”在国家金融与发展实验室成功举办。发布会由中国社会科学院金融研究所、国家金融与发展实验室主办，中国社会科学院金融研究所金融科技研究室、中国社会科学院金融政策研究中心承办。
会上，中国社会科学院学部委员、国家金融与发展实验室理事长李扬代表主办方致辞；中央财经大学中国互联网经济研究院副院长、教授欧阳日辉，北京工商大学数字金融研究中心主任、教授张正平，中国互联网金融协会法规咨询部（研究部）主任肖翔，中国建设银行研修中心（研究院）处长边鹏，北京宇信科技（300674）集团股份有限公司首席技术官（CTO）张宁，盈天地（上海）智能科技有限公司董事长王洪志，腾讯研究院副院长、腾讯金融研究院秘书长杜晓宇，马上消费金融股份有限公司副总经理孙磊，国泰海通证券研究所资深分析师孙坤围绕中国金融科技行业发展发表了精彩的主题演讲。中国社会科学院金融研究所副研究员汪勇代表课题组发布《中国金融科技燃指数报告（2025）》。会议由中国社会科学院金融研究所金融科技研究室副主任董昀研究员主持。
致辞环节
中国社会科学院学部委员、国家金融与发展实验室理事长李扬致辞。他指出，编制金融科技指数具有重要意义，可以系统刻画我国金融科技发展的特点、进程与成效。当前人工智能备受关注，在金融推动科技发展的过程中，应理性看待可能出现的泡沫问题。美国新经济时期互联网泡沫消退后，约有5%的核心产业成果留存下来并真正推动行业发展。因此，我们应认识到“无泡沫不繁荣”往往是资本市场支持新兴产业发展的常态。他强调，金融科技与AI的实质贡献是重塑金融基础设施，其影响广泛但难以准确度量，或可从公共产品理论与外溢性角度进行评估。指数编制不宜太过精细，应立足经济结构调整和国家经济发展，重点分解行业发展的影响因素及其作用程度。
成果发布
金融科技燃指数项目执行负责人、中国社会科学院金融研究所汪勇副研究员代表课题组发布《中国金融科技燃指数报告（2025）》，并做题为《2025中国金融科技发展洞察》的主题演讲。
报告认为，金融与科技深度融合成为高质量发展的关键动力。要以科技赋能金融“五篇大文章”，构建覆盖科技创新全周期的金融支持体系，推动金融机构数字化智能化与差异化发展，发展监管科技、筑牢金融安全底线，以金融科技推进金融高水平开放与标准引领。
报告指出，金融科技在区域和城市中的发展表现出显著差异，京津冀地区呈现梯度式发展，成渝地区燃指数整体领先，粤港澳大湾区内各城市燃指数表现稳定，长三角地区内部差异加速收敛。此外，2024年部分城市对区域燃指数增长贡献表现亮眼，如贵阳、银川、呼和浩特、潍坊等。
报告指出，人工智能产业呈现出“高投入、高增长”的突出特征，人工智能企业数量持续快速增长。近十年来，人工智能企业平均研发人员数量稳步增长，而研发投入的专利产出效率呈下降趋势；人工智能企业获得的风险投资次数大幅增长，C轮及以上投融资占比稳步上升。从数量、创新能力、融资能力等维度来看，人工智能企业全国布局呈现出长三角、京津冀、粤港澳大湾区“三足鼎立”态势。
报告强调，京津冀地区金融科技发展自《中国金融科技燃指数报告（2021）》发布以来，连续五年位居全国前三位。良好要素条件、完善的政策引领和区域协同创新的辐射作用是推动京津冀金融科技稳步发展的核心动力。未来，京津冀地区有望形成“北京研发—天津转化—河北应用”的金融科技产业链协同模式。
主题演讲
中央财经大学中国互联网经济研究院副院长欧阳日辉教授围绕“‘十五五’时期数字金融高质量发展的路径”发表主题演讲。他指出，中国数字金融的发展在技术扩散、数据使用、模式创新、制度演进与经济结构转型等因素的共同作用下逐步推进，其演进路径经历了从互联网金融、金融科技到数字金融的阶段性跃迁。他认为，推动数字金融高质量发展的核心在于三大要素协同发力：一是以人工智能为代表的新一代数字技术，为金融创新提供重要支撑；二是以公共数据、政务数据为核心的数据要素配置能力，决定金融服务的广度与深度，数据成为数字金融发展的关键要素；三是以平台为载体、向智能体演进的新型金融组织形态，将重塑金融服务全流程。面向“十五五”时期，他强调数字金融发展需重点把握六个方向：一是构建包容审慎的监管环境，平衡好政府监管与市场创新的关系；二是从中美竞争视角统筹金融科技发展与金融安全；三是强化对实体经济智能化、绿色化、融合化发展的金融支持；四是为服务民生的消费金融创新发展预留制度空间；五是完善多层次数字金融人才培养体系；六是推动基于场景的金融创新，为数字经济创新型企业成长做好金融服务。
北京工商大学数字金融研究中心主任张正平主任围绕“金融科技与农商行发展”发表主题演讲。他指出，在金融高质量发展与建设金融强国的战略背景下，做好“五篇大文章”离不开金融科技的全面支撑。农商行是服务乡村振兴战略的关键力量，其运用金融科技对于降本增效、实现数字化转型具有不可替代的作用。然而，农商行当前已成为整个金融体系中最突出的短板，面临严峻的内外挑战。内部存在规模小、资金实力弱、数字化人才匮乏、数据治理水平低下等固有劣势，外部则承受着农村数字基础设施滞后、大型银行业务下沉带来的生存空间挤压等多重压力。他表示，农商行的数字化转型绝不能简单照搬大型银行的模式，必须探索差异化路径，其核心在于通过深化省联社改革来理顺体制、推动抱团发展以形成合力，并系统性地从战略规划、组织流程、人才培养以及风险底线管理等方面协同推进，方能补齐短板，在坚守定位的同时实现高质量、可持续的发展。
北京宇信科技集团股份有限公司首席技术官（CTO）张宁围绕“银行业人工智能落地的现实路径与关键挑战”分享了实践观察。他指出，当前银行AI建设呈现“概念热、落地冷”的特征，投标项目中真正聚焦业务场景的AI应用仍然较少，更多集中在算力、平台、知识库等通用和底层领域。其根本原因在于，大模型在金融业务中的效果边界、投入产出比和验收标准尚不清晰，传统以明确指标为核心的招标与验收机制在现阶段难以适配AI项目。张宁认为，银行AI更适合通过“共研式”模式推进，元鼎证券-股票配资平台｜低门槛高效率配资由科技方与银行业务、风控等部门深度协同，在具体场景中持续迭代，而非前期设定高度不确定的目标。随着应用深化，AI正从知识问答、客服等浅层场景，向信贷审批、风险管理、财富顾问等专业化、核心业务渗透，其价值不在于展示Demo，而在于真正提升业务处理的效率和专业性。他进一步指出，中小银行在算力与预算约束下面临更大挑战，难以依赖满参数大模型，需通过小模型、知识外化、上下文约束等方式提升可解释性与稳定性。
盈天地（上海）智能科技有限公司董事长王洪志以“变”为主题阐述了金融业数字化转型的逻辑与路径。他指出，从“互联网+”“金融科技”“数字经济”到“数字中国”“新质生产力”，一系列政策与技术关键词并非孤立演进，而是共同构成了我国数字化发展的连续主线，金融机构必须在国家战略框架下理解和推进数字化转型。他认为，数字化转型的本质并非单纯的技术升级，而是在新质生产力条件下，通过数据要素和数字技术重塑生产关系，进而重构业务流程、产品形态和组织模式。在实践层面，他强调，数字化转型是一项典型的“一把手工程”，真正的难点不在技术本身，而在于统一思想、打破部门壁垒和重塑组织流程。他提出，应以战略规划为牵引，依托数据要素流动和金融科技工具，构建营销与管理“双闭环”，通过工程化、敏捷化的方式推进转型落地。面向“人工智能+”阶段，金融机构还需同步推进AI协同、数据标注和业务流程重塑，才能实现以增长为导向的高质量数字化转型。
腾讯研究院副院长、腾讯金融研究院秘书长杜晓宇指出，当前金融业的AI发展已经跨越技术探索阶段，正式进入大模型引领实践落地的新阶段。为把握技术创新带来的机遇，金融机构需要建立系统化方法论，围绕关键环节分阶段推进AI落地。一是坚持价值牵引，构建业技协同的落地机制。通过识别最具价值的痛点场景，匹配最成熟的技术能力，使每一次投入都可量化、可验证。二是夯实技术底座，采用分层协同的模型架构，如通用大模型提供基础认知与泛化能力；领域轻量模型支持风控、投研、财富管理等具体场景；传统机器学习模型嵌入关键决策环节等。三是防范AI幻觉风险，如在应用中通过模型检索增强生成（RAG）技术链接知识库，确保每条AI回答都可以追溯来源、便于核实，并加强知识库内容审核和质检，确保AI系统可信可控。值得强调的是，金融AI应用正处于由试点探索迈向规模化落地的关键时期，在这一过程中，既要治理风险，也应注重激励创新，在风险可控的前提下支持开展相关试点，加快技术与产品迭代，从而促进金融业AI实现高质量发展。
马上消费金融股份有限公司副总经理孙磊围绕“金融大模型的发展形势与关键问题”发表主题演讲。他指出，随着数据、算法、算力的协同进化与规模化突破，大模型的底层能力不断增强。大模型正加速在千行百业的商业中落地，由于通用大模型无法具备解决行业、领域等专业问题的能力，大模型一定会演化成“通用-行业-领域”。金融是大模型落地的优势场景，但仍需权衡“技术-产品-市场”多因素利弊，金融领域具有数据量庞大、数据化程度高的优势，但也存在产品市场匹配不够、算力成本高昂的劣势，同时面临技术发展不确定等威胁。他表示，中小金融机构在人工智能领域特别是大模型上会面临更大挑战。一是现阶段金融机构落地生成式AI以私有化部署为主，中小金融机构面临算力瓶颈、技术门槛高、外采成本高等挑战。二是大模型落地金融是复杂系统工程，算法（科技公司）、数据（金融机构）分离，加速金融机构技术场景适配存在困难。三是大模型的性能提升高度依赖于数据飞轮，挑战银行内部的数据体系和架构。
国泰海通证券研究所资深分析师孙坤表示AI对投研的赋能集中于信息和逻辑两大维度上。首先信息维度上，AI能高效处理海量文本，实现信息快速提取，但通用大模型缺乏垂类模型的底层数据库最安全的线上配资平台，无法回答具体量化问题。垂类模型凭借底层数据库优势，短期内不可替代。其次逻辑维度上，通用大模型缺乏金融分析属性，无法生成投资逻辑或梳理逻辑链条。垂类模型虽能按分析师预设的思维链进行推演，但思维链依赖人工灌输，难以做出创新性分析。因此，短期内AI虽对投研有显著助力，但难以实现替代。
元鼎证券-股票配资平台｜低门槛高效率配资提示：本文来自互联网，不代表本网站观点。
