现状一句话：全国四千多家中小银行几乎都在买 AI，但真正把 AI 装进风控主流程、敢让它签字拒贷的还不到一成。
猫哥的观点更直接：这不是技术问题，是「敢不敢把一部分决策权交出去」的问题。算力能租、模型能调、数据能补，但「模型说拒就拒」得行长签字担责。跑得快的行不是技术最强，是这个字签得最早。
一、市场数据透视
中研普华《2026—2030 中国智能风控行业全景调研》（2026-05）：智能风控市场破 800 亿、「AI+风控」细分超 300 亿。采购端更实：据《中国大模型中标项目监测与洞察报告》（21 世纪经济报道 2026-08-12），2026 上半年金融大模型中标 406 个、同比 +110%；2025 全年 587 个、金额 15.06 亿，数量金额同比 +341%/+527%，银行近半。六大行 2025 金融科技投入 1300.91 亿——这个量级中小行玩不起。
| 投入项 | 中型城商行/农商行 | 小型区域银行 |
|---|---|---|
| 大模型本地化部署+垂类微调（一次性） | 3000 万 – 1 亿元 | 不做，改 API 订阅 |
| 模型层年度迭代运维 | 1000 万 – 3000 万元 | 30 万 – 150 万元 |
| 业务场景年度总投入 | 2000 万 – 8000 万元 | 100 万 – 300 万元 |
| 算力服务器单次采购 | 约 400 万元均值（200–600 万） | 用省联社共享算力 |
（来源：陈国汪《银行机构 AI 建设到底需要投入多少钱》，2026-07-27）
招标侧证：绍兴银行 395 万、青岛农商 288 万。结论：中小行真想动一刀，300 万到 800 万是入场券，不是三千万。
政策也压实了。金办发〔2025〕95 号（2025-12）推进「人工智能+金融」，并写了对中小行极关键的一句——鼓励科技领先的大行向中小机构输出技术产品。翻译：别自己硬啃，去谈技术输出。
二、转型痛点
规则引擎追不上黑产迭代
评分卡本质「用昨天的坏账防今天的骗子」，规则上线快则两周慢则两月，对面已换三套话术。据国家反诈中心，2025 上半年 AI 换脸诈骗涉案超 68 亿、单起最高 2000 万（中国新闻周刊 2026-03-11）；CrowdStrike《2026 全球威胁报告》称 2025 年 AI 换脸、声纹克隆攻击同比 +89%（新华网重庆 2026-08-17）。门槛还在降——客户经理挂在公众号的宣传视频，就是黑产的原料。
白户评不了、通用模型水土不服、黑箱撞合规
小微涉农客户抵押物少、财报乱、征信薄，传统只能靠客户经理跑现场凭经验；「不敢贷不愿贷」不是没钱，是没替人担责的评估工具。省联社通用模型放到本地又是客群不对、阈值不对。拒贷时客户要理由、监管也要理由，深度学习说不出——所以可解释 AI 不是加分项，是准入项。
三、落地路径
0–3 个月：选一个能算清 ROI 的场景试点
别碰「信贷审批自动化」深水区，先做贷前材料智能识别 + 反欺诈生物核验加固，当月见效、错了也不放坏账。基础模型走本地开源（DeepSeek、Qwen 是当下主流）或云端 API（腾讯云 TI、阿里云 PAI、百度千帆、华为 ModelArts 金融专区）；活体与深伪检测优先采购专业厂商（同盾、邦盛、马上消费可评估），别自研。人力 3–5 人：1 个懂坏账的风控老兵、2 个算法、1 个工程、1 个合规，直接向行长汇报，别挂科技部下面当项目。预算 80–200 万，不买算力。ROI 看人工核对工时降幅（目标 ≥40%）与攻击拦截率。
3–6 个月：立风控中台，做本地化调优
搭风控中台（决策引擎+特征平台+模型管理），把试点能力沉淀成复用组件；用自家坏账样本回测通用模型、调阈值加本地指标，是「水土不服」的解药。决策引擎选商用（同盾、百融云创）或自建，知识图谱挖股权与担保圈，联合建模上隐私计算。人力扩到 8–12 人，加 1 个专职模型风险岗做可解释报告与监管备案。预算 250–500 万。ROI 看识别准确率、模型上线周期从月缩到周。
6–12 个月：进主流程，打通贷中贷后
把 AI 从「辅助建议」升为主流程节点：设自动通过阈值区间，高置信放行、低置信拒、灰区交人工；接行为序列预警与差异化催收。加实时流计算（Flink）毫秒级决策、垂类模型微调（这一步才需算力）。人力 12–20 人成独立团队，预算 600–1500 万（含算力）。ROI 看自动化通过率、不良率、单笔运营成本降幅。
四、真实案例与评估分析
主案例：常熟农商银行——AI 融入 122 个业务场景
常银 2023 设数字化转型领导小组，2025 出三年规划。据江苏经济报 2026-01-15、江南时报 2026-03-20：2025 完成 DeepSeek、Qwen 本地化部署，算力投入超千万，整体效率 +20%；智能审批多模态识别核对合同凭证、不动产权证、营业执照，双录 AI 审批 3.5 万笔、通过 2 万笔、自动通过率 57%；智能风控用图像识别估抵押物，在训小微贷款大模型；智能客服使人工转接率 -15%。
评估
成功要素三条：治理先行——2023 立领导小组、2025 才出规划，跟「先买 GPU 再想干什么」相反；底座扎实——营销、风控、数据三大中台在前，AI 长在中台而非飘外面做 PoC；场景先铺开再钻深——122 个多是识别、核对、问答等低风险高频任务，累积出 20% 提升。
坑在数据里。双录自动通过率仅 57%，43% 仍回人工——AI 在强规则合规审核里短期是减负不是替代，老板得提前接受，否则第一年 KPI 难看。小微贷款大模型仍在训，也说明信贷核心环节是最后才敢碰的。可复制的是路径顺序，抄不了的是投入规模。
对比标杆
青岛农商行（青岛日报 2026-02-24）：230 余项客户风险信号模型加知识图谱自动生成风险报告，截至 2025-12-31 为超 7.5 万户完成自动化风险画像；中台上线超 1000 个数据应用，70% 由业务人员自主搭建、年省超 120 万。启示「让业务自己搭」——科技部一年做 50 个需求，业务自助做 500 个。
江苏东方农商行（中国经济新闻网）：走「系统筑基、模型辅助、人工管理」三位一体，截至 2026-05 线下个贷转贷从 3 天压到 1.7 天，2025 全年数字化风控投放个贷超 1 万笔、不良率 <0.5%。最该学「模型做参考、人工把终关」，一线经验反向喂模型。
风险与边界
模型漂移——周期、欺诈、行为迁移都让精度衰减，无持续监控的模型上线即腐烂；可解释性——拒贷必须给理由，能力不达标的方案别买；数据合规——过度采集与算法歧视是监管重点。正向信号：马上消费牵头的深伪检测测试标准已获 ISO 立项（新华网重庆 2026-08-17），采购反深伪能力有了统一标尺，不妨把「是否对标」写进招标要求。
最后一条边界：AI 风控降不了你的风险偏好。它把评估做更准更快，但不能替你决定要不要下沉客群——那是战略问题，不是模型问题。
五、猫哥战略建议
一、先定「谁签字」，再定买什么。项目死掉最常见的原因不是技术不行，是没人敢用它的结论。开工前把三件事写进文件：自动通过阈值多少、灰区谁复核、误判坏账谁担责。定不下来别开项目——买回来的东西最后都退化成没人看的报表。
二、钱花在数据治理和场景铺量上，别砸在算力上。算力最容易浪费：买 600 万服务器每天跑几千次调用，利用率个位数。千亿以下行建议第一年零算力采购，国产私有化推理约 8–12 元/百万 Token，按调用量再决定，比听销售靠谱。
三、培养「业·技·数」复合人才，唯一不折旧的投入。金办发〔2025〕95 号文专门强调。模型会过时、服务器会折旧，但一个懂坏账又会用工具的信贷经理，五年后还是核心资产。
说句实话：中小行做 AI 风控，天花板不在技术，在耐心。第一年大概率只看到「效率 +20%、自动通过率 57%」这种不性感的数字，扛不住就前功尽弃。但熬到模型进主流程，护城河就挖出来了——用自家坏账填的，别人抄不走。
——猫哥，AI 战略规划师。下一篇继续拆传统行业的 AI 转型账本。