原生AI銀行——從頭開始圍繞人工智慧構建——正在自動化客服、信貸、合規等服務。看看像Catena Labs、One Zero、Bunq、WeBank和中信aiBank這些先驅如何重新定義全球金融並挑戰傳統銀行。
金融中的AI迅速發展。在2010年代，許多銀行引入了信用評分的機器學習和客服的聊天機器人，測試AI在現有框架內的潛力。到2020年，領先的銀行將先進的演算法融入風險管理和客戶個性化服務。最近的行業調查發現，65%的銀行計劃在2025年推出AI驅動的客戶服務——足以證明AI在銀行業中逐漸普及。然而，多數努力仍然是在舊系統上增加AI。相對而言，“AI原生”銀行旨在完全圍繞AI能力設計金融機構，從根本上重新想像銀行的運作方式。
當企業家和技術專家意識到現有銀行——即使是數位為先的新興銀行——在適應以AI為中心的世界中面臨限制時，原生AI銀行的概念正在受到關注。建立在數十年舊流程和基礎設施上的傳統銀行，往往發現支持AI帶來的新機會是“緩慢、昂貴、充滿全球摩擦、不靈活且不合適”的。這為初創企業和具有前瞻思維的金融公司提供了機會，建設以AI為先架構的銀行。
這些新興企業正在設計系統，由AI負責從客戶互動、欺詐監控到信貸決策，甚至是監管合規，並由人類監督。
什麼是原生AI銀行？
簡單來說，原生AI銀行是一種從第一天開始就圍繞人工智慧構建的金融機構，而不是將AI附加在傳統核心上。
一家金融科技初創公司的最近描述定義了AI原生銀行為“圍繞AI構建的銀行，而非事後想到的附加物。”
實際上，這意味著銀行的產品、服務和內部流程被設計為由AI演算法和自動化操作，日常工作流程中手動操作的介入最小。人類員工提供監督、戰略指導，並處理特殊情況，但AI系統驅動日常決策和互動。
原生AI銀行通常提供端對端的數位作業，AI管理客戶啟用、風險評估、交易和客戶服務。
高級機器學習模型分析客戶數據以提供個性化財務建議或實時檢測欺詐。聊天機器人和虛擬助理處理大部分客戶查詢。這些銀行往往最新的AI創新如生成AI提供交互界面或增強學習以優化投資策略。目標是創建能夠持續學習和適應的銀行，隨著收集到更多數據，不斷改進其服務——這是靜態的傳統核心難以輕鬆做到的。
另一個特色是AI原生銀行將合規性和風險管理視為AI系統的內建功能。在傳統銀行中，合規往往是單獨的一層檢查和報告，有些甚至是手動完成的。在AI為先的銀行中，軟體從一開始就設計成遵循監管約束，自動化如可疑活動監控。Neville強調“對合規和監管風險的適當理解需要與產品和工程並排。”這意味著這些銀行將監管邏輯直接編程到其AI工作流程中。
需要注意的是，“AI原生”並不意味著“僅僅是AI。”人類監督仍然至關重要。
願景不是完全自主的沒有員工的銀行，而是人類和AI協同工作的高度自動化銀行。例如，一個AI銀行項目計劃使用“AI演員或數位工作者作為員工來執行內部任務如撰寫軟體,”而人類進行監督和高層次決策。在客戶面對角色中，AI助手可能會回答常規問題，僅在遇到無法處理或需要同情和判斷的情況時升級給人類銀行家。
在接下來的部分中，我們將研究五個典範性原生AI銀行的倡議。
Catena Labs – 為“AI經濟”建設銀行
其中一個最受關注的新項目是Catena Labs, 一家總部位於美國的初創公司，由Sean Neville（最知名於Circle的共同創建者，該公司是USDC穩定幣的背後力量）共同創立。
Catena Labs於2025年5月引起關注，獲得1800萬美元的種子資金，用於建設一個Neville稱之為設計“適應AI經濟”的完全合規的AI原生金融機構。
此輪資金由Andreessen Horowitz的a16z crypto基金領投，著名投資者包括Breyer Capital、Coinbase Ventures，甚至NFL明星Tom Brady參與——這陣勢突顯了這一想法所帶來的興奮。
Catena的願景是雄心勃勃的：創建一個銀行，AI系統（稱為“AI代理”）可以持有賬戶、執行交易，並自主地與其他代理或人類進行金融互動。Neville相信在不久的將來，“AI代理會很快進行大部分經濟交易，”而今天的銀行根本無法適應這一場景。
例如，一個交易演算法或電子商務機器人可能需要代表人類擁有者進行數千次的分秒必爭付款或簽署合約——這些任務挑戰傳統的銀行處理流程。
Catena的答案是從頭開始重建金融基礎設施，以適應這些需求。
Catena方法的核心是使用穩定幣——特別是Neville共創的USDC——作為“AI原生貨幣”來進行交易。
因為穩定幣運行在區塊鏈網絡上，它們能夠在全球範圍內進行近乎即時的可編程支付。Catena Labs認為穩定幣非常適合AI代理，因為後者可能全天候全球運作，並需要快速、低成本的交易，而不會被人為拖延。透過利用USDC和類似的數位貨幣，新銀行打算讓AI客戶像管理數據一樣無縫地移動資金，同時仍然遵循認識你的客戶（KYC）和反洗錢（AML）的監管標準。
合規和信任是Catena Labs的關鍵重點。
Neville強調獲得適當的銀行牌照和確保合規，是項目路線圖的一部分。這家銀行將由“AI經營但由人類監督，”意味著自動化系統負責日常運營，但人類制定政策並在需要時介入。Catena甚至已經發布了一個代理商業套件（ACK）——一個開源工具包，用於驗證和管理AI代理的身份。為AI實體建立可信的數位身份是其中較棘手的挑戰之一，因為法規要求識別賬戶持有人（而顯然不能給AI機器人指紋）。ACK是解決此問題的一個早期嘗試，提供了註冊和認證AI代理參與金融交易的協議。
在闡述為何此努力是必要時，Catena Labs對現有銀行的缺點直言不諱。當前的全球金融基礎設施被形容為“緩慢、昂貴、充滿摩擦、不靈活且不合適於AI帶來的新機會和風險。”
在Neville看來，傳統銀行積極阻擋自動化代理——例如，許多系統被設計為檢測並防範“機器人”以保障安全，這就變成了當合法AI代理嘗試參與時的一大障礙。對比之下，Catena計畫中的銀行將被構建“以便AI演員成為主要用戶，而不是阻擋它們。”
截至2025年中期，Catena Labs仍處於開發模式——公司尚無公開產品，正在努力申請牌照。1800萬美元的資金注入將加速招聘和產品創建。鑑於Neville在Circle的背景，初創企業可能會與監管機構密切合作（可能追求銀行執照或與現有銀行合作），以確保AI原生銀行在穩固的法律基礎上推出。
One Zero Bank – 以色列的AI驅動數位銀行
雖然一些AI原生銀行項目才剛剛起步，以色列的One Zero Bank已經運營並將AI深入整合到服務中。
於2022年底推出，One Zero是以色列首家全數位銀行——值得注意的是，國內在45多年來第一家獲得銀行牌照的新銀行。
它由著名技術專家、Mobileye（自動駕駛汽車技術的領導者）創始人之一的Professor Amnon Shashua共同創立。One Zero Bank從一開始就由可觀的資金支持，致力於將AI技術與銀行業務融合。該行在推出時描述其模範為“由人工智慧驅動，結合了傳統銀行和新興銀行的優勢。”實際運營中，One Zero結合了數位便利性和私人銀行風格的體驗，利用AI來提升客戶服務和個性化。
One Zero Bank籌集了可觀的資金，顯示出對其」 Below is the translation in zh-Hant-TW, with markdown links left untranslated:
Content: approach. By 2025 the bank had raised around $242 million and was valued at about $320 million , with investors including tech giants like Tencent and fintech funds from SoftBank’s ecosystem.
到2025年，該銀行已經籌集了大約2.42億美元的資金，估值約為3.2億美元，其投資者包括騰訊等科技巨頭及來自軟銀生態系統的金融科技基金。
AI is at the heart of One Zero’s customer experience.
人工智慧是One Zero客戶體驗的核心。
In February 2024, the bank launched “Ella 2.0,” a generative AI-powered service platform that acts as a virtual financial assistant for customers. Developed in partnership with AI21 Labs (an Israeli AI startup specializing in large language models), Ella 2.0 is essentially an AI private banker available 24/7.
在2024年2月，該銀行推出了“Ella 2.0”，這是一個生成式人工智慧驅動的服務平台，充當客戶的虛擬財務助理。該平台是與專注於大型語言模型的以色列AI初創公司AI21 Labs合作開發的，Ella 2.0本質上是一名24/7的AI私人銀行家。
Customers can interact with Ella in natural language – asking complex questions about their finances across accounts, getting budgeting advice, or troubleshooting issues – and get instant, context-aware responses. The system understands multiple languages and was trained on extensive banking queries to improve its accuracy.
客戶可以用自然語言與Ella互動，詢問有關其不同賬戶間財務的複雜問題、獲取預算建議或解決問題，並獲得即時、情境感知的回應。該系統懂多種語言，並以廣泛的銀行查詢訓練來提高其準確性。
According to the bank, Ella 2.0 “delivers instantaneous responses, operates 24/7, and harnesses machine learning to tailor personalized financial services.” In other words, it continuously learns from customer interactions to offer better help, while human bankers stand by to support when needed.
根據該銀行的說法，Ella 2.0 “提供即時回應，24/7運作，並利用機器學習提供個人化的金融服務。”換句話說，它不斷從客戶互動中學習以提供更好的幫助，而當需要時，人類銀行家會隨時支援。
The first CEO of One Zero, Gal Bar Dea, highlighted how this AI assistant elevates service quality. “Ella 2.0’s capabilities transcend linguistic barriers,” he said, ensuring “immediate, accurate, and personalised responses while continuously evolving to meet individual customer needs.”
One Zero的首任執行長Gal Bar Dea強調了這款AI助理如何提升服務質量。他說：“Ella 2.0的能力超越了語言障礙”，確保了“即時、準確和個性化的回應，同時不斷進化以滿足個別客戶需求。”
One Zero takes pride in leading this “global charge from experimental Generative AI to practical implementation” in banking.
One Zero引以為傲的是，它在銀行業領導了這一“從實驗性生成式人工智慧到實際應用”的全球浪潮。
Ori Goshen, co-CEO of AI21 Labs, noted that “One Zero’s new AI assistant, Ella, represents a shift in the digital banking industry towards a better customer experience – one that is faster, more reliable, and personalised to each user.”
AI21 Labs的聯合執行長Ori Goshen指出，“One Zero的新AI助理Ella代表了數字銀行業向更好客戶體驗的轉變——更快捷、更可靠，並且為每個用戶個性化定制。”
Such endorsements underscore how closely integrated the tech startup and the bank are in developing AI solutions.
這些讚譽強調了該科技創企與銀行在開發人工智慧解決方案方面的密切整合。
Beyond Ella, One Zero uses AI in more behind-the-scenes ways. Automated algorithms handle much of the bank’s daily operations and decision-making. For example, AI models are employed for credit risk assessments and investment recommendations, learning from data to refine their outputs.
除了Ella之外，One Zero還在幕後更多地使用了人工智慧。自動化算法處理該銀行的大部分日常運營和決策。例如，AI模型被用於信用風險評估和投資建議，從數據中學習以改進其輸出。
The bank’s strategy has been to automate routine tasks as much as possible, which reduces costs and allows the bank to offer more competitive fees.
該銀行的策略是盡可能自動化例行任務，這樣可以降低成本，並使其能夠提供更具競爭力的費用。
At the same time, One Zero maintains human financial advisors that clients can reach out to (the bank promises a hybrid of “personal financial managers” and AI assistance). This dual approach caters to customers who want the efficiency of AI but also the reassurance of human expertise for important decisions.
同時，One Zero保留了客戶可以求助的人類財務顧問（該銀行承諾提供“個人財務經理”和人工智慧協助的混合模式）。這種雙重方法滿足了那些希望人工智慧的效率但也需要人類專業知識來做出重要決定的客戶的需求。
One Zero’s heavy investment in AI is paying off in customer engagement.
One Zero對人工智慧的巨額投資在客戶參與方面取得了成效。
By some reports, its AI assistant was handling up to 40% of customer inquiries independently shortly after launch, and assisting human agents with many others. This significantly cuts down response times – the bank claims to have eliminated wait times for most queries – and it ensures that customers get consistent, high-quality answers anytime.
據某些報導，其人工智慧助理在發布後不久便能獨立處理高達40%的客戶查詢，並協助人類代理處理許多其他查詢。這大大減少了回應時間——銀行聲稱已經消除了大多數查詢的等待時間——並確保客戶隨時獲得一致、高質量的回答。
The AI can even handle complex cross-referenced questions; One Zero noted scenarios like asking “What was that Indian restaurant I went to with a friend in London?” and the system can infer and find the transaction. Such capabilities illustrate the power of combining transaction data with conversational AI.
該人工智慧甚至能夠處理複雜的交叉參考問題；One Zero舉例說明如詢問“我和朋友去倫敦的那家印度餐廳是什麼？”的情境，系統能夠推斷並找到相應的交易。這樣的能力展示了將交易數據與對話式人工智慧相結合的強大之處。
From a market perspective, One Zero Bank is a case study in how a new bank can differentiate via AI. In Israel’s competitive banking sector, One Zero’s selling point is not just that it has a slick mobile app – many banks do – but that its services are smarter and more proactive. The bank can alert users of unusual spending, forecast their cash flow, or suggest financial moves, driven by AI analytics on their data. This aligns with a broader trend: consumers increasingly expect personalized, instant service in finance, similar to how Netflix or Spotify personalize entertainment. One Zero is tapping into that expectation, using AI to become a “financial concierge” of sorts.
從市場角度來看，One Zero銀行是一個新銀行如何通過人工智慧實現差異化的案例研究。在以色列競爭激烈的銀行業中，One Zero的賣點不僅僅是它擁有一個華麗的移動應用程式——很多銀行都有——而是它的服務更加智能和主動。該銀行可以通過人工智慧分析用戶數據來提醒異常支出、預測現金流或建議金融行動。這符合一個更廣泛的趨勢：消費者越來越期望在金融方面獲得個性化、即時的服務，就像Netflix或Spotify在娛樂方面提供個性化服務一樣。One Zero正是迎合這種期望，利用人工智慧成為一種“金融禮賓”。
Challenges remain for One Zero, especially as it eyes expansion beyond Israel. The bank had plans to expand internationally, but external events (such as regional conflicts in late 2023) forced it to pause some initiatives.
對於One Zero來說，挑戰依然存在，尤其是當它希望擴展到以色列之外。該銀行曾計劃國際擴張，但一些外部事件（如2023年底的區域衝突）迫使其暫停了一些計劃。
Nonetheless, the company’s progress is being watched globally. If One Zero Bank continues to succeed, it could inspire similar AI-focused digital banks in other countries. It also provides a live example to regulators of how AI can be safely integrated into banking. Notably, Israel’s regulators gave One Zero a full banking license, indicating trust in its model and capital – a positive sign for other AI-native bank hopefuls seeking regulatory approval in the future.
儘管如此，該公司的進展正在全球範圍內受到關注。如果One Zero銀行繼續取得成功，它可能會激勵其他國家類似的專注人工智慧的數字銀行。此外，它還為監管機構提供了一個現場範例，說明如何安全地將人工智慧整合到銀行業。值得注意的是，以色列的監管機構給予了One Zero全面的銀行牌照，表明了對其模式和資金的信任——這對於尋求監管批准的其他原生人工智慧銀行希望者是個積極的信號。
Bunq – Europe’s First AI-Powered Neobank
Bunq – 歐洲首個人工智慧驅動的新銀行
In Europe, one of the established players embracing an AI-native approach is Bunq, a Dutch digital bank often dubbed “the bank of The Free” for its tech-driven, user-centric ethos.
在歐洲，Bunq是採用原生人工智慧方法的既有玩家之一，這是一家荷蘭數字銀行，因其技術驅動的、以用戶為中心的精神而被稱為“自由之銀”。
Bunq was founded in 2012 and has grown to millions of users across Europe, but in late 2023 it made waves by announcing that it had become “Europe’s first AI-powered bank.”
Bunq成立於2012年，已經擁有數百萬用戶遍及歐洲，但在2023年底，它宣佈成為“歐洲首家人工智慧驅動的銀行”震撼了市場。
Bunq integrated generative AI into its platform to a degree not seen among its peers, aiming to transform how customers interact with their finances. The centerpiece of this effort is “Finn,” Bunq’s AI-powered personal finance assistant.
Bunq將生成式人工智慧集成到其平台中的程度超過了同行，旨在改變客戶與其財務的互動方式。這項工作的核心是“Finn”，Bunq的人工智慧驅動的個人財務助理。
In December 2023, Bunq rolled out Finn as a customer-facing generative AI tool embedded in its app.
在2023年12月，Bunq推出了Finn，作為嵌入其應用程式中的面向客戶的生成式人工智慧工具。
Finn effectively replaced the traditional search and navigation functions within the Bunq app. Instead of manually browsing menus or transaction lists, users can simply ask Finn questions or give commands in natural language. “Finn will wow you,” Bunq’s founder and CEO Ali Niknam said at the launch, touting the result of “years of AI innovation” and a “laser focus on our users.”
Finn實際上取代了Bunq應用中的傳統搜索和導航功能。用戶無需手動瀏覽菜單或交易清單，可以簡單地用自然語言向Finn提問或發出指令。在發布會上，Bunq的創始人兼執行長Ali Niknam說：“Finn會讓您驚艷”，並讚揚這是“多年人工智慧創新”的成果，以及“對用戶的高度關注”。
The goal, as Niknam described, was to “completely transform banking as you know it” by making interactions as easy as a conversation.
Niknam描述的目標是通過使互動像對話般簡單來“徹底改變您所知的銀行”。
What can Finn do? According to Bunq, a lot. Users can ask questions like, “How much did I spend on groceries last month?” or “What’s my average monthly utility bill?”, and Finn will instantly parse their transaction data to give an answer. It can also handle more complex queries that combine multiple pieces of information.
Finn能做什麼？根據Bunq的說法，Fen能做很多。用戶可以問像“上個月我在雜貨上花費了多少？”或“我的平均月公用事業賬單是多少？”這樣的問題，然後Finn會立即解析他們的交易數據以給出答案。它還能處理包括多個信息的更複雜查詢。
For example, Niknam shared that “it can even combine data to answer questions that go beyond transactions, such as ‘How much did I spend at the café near Central Park last Saturday?’”. The AI is context-aware, meaning it can figure out that “the café near Central Park” refers to a specific merchant and date in the user’s transaction history, something a normal search function would struggle with. By enabling such conversational queries, Bunq makes it far easier for users to analyze their own spending and find information without accounting knowledge or tedious manual effort.
例如，Niknam分享說：“它甚至可以結合數據回答超越交易的問題，例如‘上週六我在中央公園附近的咖啡館花了多少錢？’”。這個人工智慧具有情境感知能力，這意味著它可以識別出“中央公園附近的咖啡館”指的是用戶交易歷史中的特定商家和日期，這是普通搜索功能難以做到的。通過啟用這樣的對話式查詢，Bunq使用戶能更輕鬆地分析自己的支出並查找信息，而不需要會計知識或繁瑣的手工工作。
Beyond Q&A, Finn assists with financial planning and budgeting. Users can ask for advice or insights, like “Do I have enough surplus this month to add €500 to my savings?” and get a data-driven response. It’s like having a personal accountant on call.
除了問答，Finn還協助財務規劃和預算。用戶可以尋求建議或見解，比如“本月我有足夠剩餘來增加500歐元儲蓄嗎？”並獲得基於數據的回應。這就像擁有一位隨傳隨到的個人會計師。
Bunq leverages this to encourage healthier financial habits among its customers. Internally, Bunq’s AI also analyzes transaction patterns across multiple linked accounts (using Europe’s open banking frameworks) to give consolidated views of a user’s finances. This means Finn can see a customer’s balances and spending not just at Bunq, but at other banks if the user permits, providing a one-stop overview – a powerful feature for budgeting and planning.
Bunq利用這一點來鼓勵其客戶養成更健康的財務習慣。在內部，Bunq的人工智慧還分析多個連結賬戶的交易模式（使用歐洲的開放銀行框架）以提供用戶財務的綜合視圖。這意味著Finn能看到客戶在Bunq以外的其他銀行的餘額和支出（如果用戶允許），提供一個一站式的概覽——這是進行預算和規劃的強大功能。
The impact of Finn was notable.
Finn的影響顯著。
Reports indicated that Finn was able to handle about 40% of customer queries on its own, without human intervention, and assist with another significant portion.
報告顯示，Finn能夠獨立處理約40%的客戶查詢，而無需人工干預，並協助處理另一重要部分。
This reduced the workload on Bunq’s support staff and accelerated response times for users. In fact, by early 2024 Bunq claimed that Finn’s introduction had made customer interactions more efficient than ever, with many questions answered instantly by the AI. For the remaining queries requiring a human touch, Bunq’s team could focus on complex issues, now that the AI triages the simple ones.
這減少了Bunq支持人員的工作量，並加速了用戶的回應時間。實際上，到了2024年初，Bunq宣稱Finn的引入使得客戶互動比以往更高效，許多問題都能立即由人工智慧解答。對於那些需要人工處理的剩餘查詢，Bunq的團隊可以集中於複雜的問題，因為AI已經分類處理了簡單的問題。
The result is a scalable customer service model as Bunq continues to grow its user base across Europe.
隨著Bunq在全歐洲不斷擴大其用戶群，這是一個可擴展的客戶服務模式。
Bunq’s embrace of AI comes as it is expanding geographically and in products. The company applied for a U.S. banking license in 2023 , aiming to enter the American market, and such innovation helps it stand out in an increasingly crowded neobank scene.
Bunq在地理範圍和產品上擴張時，也在擁抱人工智慧。該公司於2023年申請了美國的銀行牌照，旨在進入美國市場，而這樣的創新有助於它在日益擁擠的新銀行歷程中脫穎而出。
It’s worth noting that other fintechs are following suit: U.S. neobank MoneyLion announced a ChatGPT-powered search feature around the same time , and another called Dave introduced “DaveGPT” for customer inquiries.
值得注意的是，其他金融科技公司在效仿：美國新銀行MoneyLion在同一時期宣佈提供一個 ChatGPT 支持的搜索功能，另一家叫做 Dave 的公司為客戶查詢推出了“DaveGPT”。
But Bunq’s head start and integration into core functionality (replacing search entirely with AI) gave it a leadership claim.
但是，Bunq的先發優勢和對核心功能的整合（完全以人工智慧取代搜索功能）賦予了它領導地位。
From a business perspective, Bunq uses AI not only to help users but also to derive insights that inform new offerings. By analyzing how people ask questions about their money, Bunq can identify pain points or popular requests and potentially create new features or products around those.
從商業角度看，Bunq使用人工智慧不僅是為了幫助用戶，還用來獲得洞見以通知新的產品。通過分析人們如何提問有關金錢的問題，Bunq可以識別痛點或熱門需求，並可能圍繞這些需求創建新的功能或產品。
For example, if many users ask “Can I afford X by end of year?”, Bunq might develop an automated savings planner. This data-driven innovation is a competitive advantage of being an AI-native bank – the feedback loop from user interactions to service improvement is very tight.
例如，如果許多用戶問“我能在年末負擔得起X嗎？”，Bunq可能會開發一個自動儲蓄計劃器。這種數據驅動的創新是人工智慧原生銀行的競爭優勢——從用戶互動到服務改進的反饋迴路是非常緊密的。
However, Bunq is also careful to couple AI with human oversight. All AI responses are monitored for accuracy and relevance.
然而，Bunq也謹慎地將人工智慧與人工監督結合。所有人工智慧回應都受到準確性和相關性的監控。以下是英文內容翻譯成中文，並跳過 Markdown 連結的翻譯：
芬恩的建議是以數據為基礎，但客戶應運用判斷力——它是一個助手，而不是完全自主的財務管理者（至少目前還不是）。此外，隱私和安全至關重要；Bunq 必須確保人工智能只能訪問用戶授權的數據，並保護敏感信息。截至目前，尚未有重大問題出現，客戶對於會話式銀行服務的便利性大多表示正面反應。
Bunq 的 CEO Ali Niknam 將人工智能推進定位為 Bunq 簡化銀行業務使命的一部分。在他看來，傳統銀行以笨重的界面和行話給客戶帶來負擔，然而 Bunq 希望通過科技來「讓用戶的生活更加簡單」。
透過將銀行操作簡化為如同給朋友發短信那樣輕鬆，Bunq 希望加深客戶忠誠度及互動度。事實上，行業分析顯示，個性化和易用性顯著提升了銀行業的客戶滿意度。
Bunq 的人工智能策略同時達成了這兩個目標：個性化體驗（因為芬恩的回答針對您的數據和問題而獨一無二）且易於使用（不需要學習應用程式菜單或金融術語）。
作為歐洲首批采納人工智能驅動的銀行之一，Bunq 為行業提供了寶貴的範例。它證明了即便是擁有數百萬用戶的運營銀行，也能成功地將人工智能融入其服務的核心——這不僅僅是新創公司才會做的事情。其他歐洲銀行和金融科技公司將密切關注 Bunq 的經驗。在某種程度上，Bunq 也在向科技公司轉型，不斷整合最新的人工智能發展。如果芬恩和後續的人工智能功能持續表現良好，很可能會看到更多銀行推出自己的 GPT 風格助手或人工智能驅動的個性化功能，以吸引數字上精明的客戶。
微眾銀行——中國先驅的 AI 優先銀行
不談微眾銀行，中國開創性的數位銀行是不完整的，它自成立以來一直是 AI 應用的先驅。
微眾銀行成立於 2014 年，是中國首家僅限互聯網的銀行，由科技巨頭騰訊支持。從一開始，微眾銀行的策略就是利用尖端技術——體現其「ABCD」口號（人工智能、區塊鏈、雲、數據）——以低成本服務數百萬客戶。在過去的十年中，微眾銀行實現了爆炸式增長，為千萬個用戶提供貸款、支付和金融服務，其中許多是以前未有銀行服務的人士和小企業。其成功通常歸功於其在運營中深度整合 AI，這使它能夠比傳統銀行更有效地管理量（volume）和風險。
微眾銀行顯著的成就是其在客戶服務和支持中的 AI 和自動化使用程度。幾年前，微眾銀行報導每天接待約 10 萬條客戶服務查詢，其 AI 「虛擬機器人」在無需人工干預的情況下處理其中的 98%。
這些虛擬代理使用自然語言處理和語音識別——基本上是現今語音助手所依賴的早期版本來解決客戶查詢。微眾銀行的首席 AI 顧問楊強博士解釋說，他們部署面部識別、聲音識別和 NLP 以改善服務和便利性。客戶可以通過聊天或語音進行互動，而 AI 可以對其進行身份驗證（通過面部識別）並即時解決問題或執行請求。
微眾銀行的哲學是：人工智能是去「增強，而不是取代」人類服務——這種立場聽起來類似於西方銀行，但微眾銀行將其實施到了極致程度。「自動化服務並不是人類服務的敵人。它們應該協同工作」，楊強告訴 CNBC。結果是一種高度可擴展的模型：一個相對較小的人類員工團隊可以監督數百萬的客戶基礎，因為 AI 正在日常管理中承擔主要工作。事實上，微眾銀行以僅有幾十名員工和無實體分支機構而著稱，卻能夠在中國發放巨額的小額貸款，依賴於 AI 驅動的 信用算法和通過智能手機進行的客戶互動。這種運營效率是微眾銀行成立後短短幾年內就盈利的主要原因，這在新銀行中是罕見的。
此外，微眾銀行另一個成功領域在於 AI 驅動的信貸風險分析和貸款批准。
傳統銀行通常需要冗長的文書工作和人工承保來辦理貸款，但微眾銀行利用機器學習模型自動化了大部分流程。通過分析大量替代數據——例如社交媒體行為、移動支付歷史（利用騰訊的生態系統）以及其他數字足跡——微眾銀行的 AI 能夠快速評估信用值得性，並將小額貸款提供給可能被大銀行拒絕的個人和中小企業。
這種包容性方法將信貸擴展到了先前被認為風險過大或成本過高而無法提供服務的群體。楊強指出此類技術創造了「微眾銀行比傳統銀行處理貸款和風險分析更有效的可能性」，這確實得到了證實。微眾銀行能夠在幾分鐘內處理貸款申請並持續監控，這是老牌銀行難以匹敵的。
微眾銀行也一直是人工智能研究的創新者。
它在聯邦學習等領域進行了投資，這是一種技術，旨在從多個來源訓練 AI 模型而不妥協隱私。這對微眾銀行與其他機構合作（如分享欺詐數據）同時遵守中國嚴格的數據隱私規定，極為重要。
該銀行的技術人員發表論文並開源工具，這表明微眾銀行視自己為技術領導者，而不僅僅是一家金融服務公司。2025 年 3 月，微眾銀行甚至在全球會議上分享了一個「原生 AI 銀行」的願景，強調其技術專業知識的十年如何推動銀行業務變得「更智能和更具包容性」。
這表明微眾銀行志在保持在金融 AI 的最前沿，可能探索下一代 AI 如生成模型以提供更多高級服務。
儘管擁有巨大的自動化，微眾銀行並未消除人為因素。相反，它重新配置了這一資源。由於 AI 負責例行工作，人類員工專注於改善算法、處理特殊案例和開發新產品。
據報導，微眾銀行的員工策略中大約 60% 是技術職位——對於銀行來說這是一個異常高的比例，但對於本質上是一家金融科技機構的企業而言卻是合理的。這種技術優先的文化進一步鞏固了微眾銀行作為「毫無先例的 AI 原生銀行」的地位。
中信智網銀行——金融與科技的合資企業
在微眾銀行起飛的同時，中國的另一項以 AI 為中心的銀行業試驗也在進行：中信智網銀行（通常只被稱為 AiBank）。
這是由中國中信銀行，一家中型商業銀行，與百度，互聯網搜尋引擎和 AI 巨頭，之間的合資企業。於 2017 年底成立，智網銀行被設立為直接、無分支機構的銀行，目標是利用大數據和人工智能來提供更智能的金融服務。
隨著註冊資本為 20 億人民幣（當時約為 3 億美元）以及由中信銀行和百度以 70/30 的比例持有，智網銀行代表了銀行領域知識與尖端技術能力的融合。
從一開始，智網銀行就專注於對消費者和小型企業的貸款，這些群體往往沒有得到中國傳統銀行的充分支持。通過使用百度的人工智能技術，智網銀行旨在開發新的風險評估模型，可以更好地評估那些信用歷史不夠豐富的借款人。該銀行的總裁李如東在成立時提到：「智網銀行將專注於借貸給小企業並利用大數據和人工智能構建新的風險控制模型。」
這表明智網銀行計畫分析非傳統數據——可能包括搜尋數據、社會數據等，得益於百度——以做出信用決策。預期是 AI 驅動的見解能夠識別信用優良的客戶，而傳統評分方法可能會忽略，從而有利可圖地擴大金融包容性。Content: Baidu’s knowledge of users (from their online behavior) with Citic’s banking expertise, aiBank could outperform traditional banks in customer insight and service.
Being a direct bank (online-only) also meant aiBank could reach customers nationwide without physical presence, a significant advantage in China’s vast market.
In practice, over the next few years, aiBank rolled out digital lending products and AI-enhanced services. It offered personal loans via mobile apps, with quick approvals powered by machine learning credit models. For small businesses, it experimented with using AI to analyze e-commerce transactions and supply chain data to extend credit – much like Ant Group does.
AiBank also explored AI in customer service, including intelligent chatbots for basic inquiries. Given Baidu’s strengths in natural language processing (Chinese-language NLP in particular), aiBank likely benefited from advanced AI in voice assistants and text-based customer interaction. While detailed performance data of aiBank is not widely public, its continued operation and capital increases (Citic and Baidu reportedly doubled its capital by 2018 to support growth) suggest it gained traction.
One unique angle for aiBank is the synergy with Baidu’s ecosystem. Baidu could integrate aiBank’s financial services into its popular apps. For instance, users of Baidu’s search or maps might be offered aiBank services contextually (imagine searching for “car loan” and seeing an aiBank offer). Moreover, Baidu’s AI research, such as in facial recognition and voice tech, found a real-world use in aiBank’s security and onboarding processes. As Yang Qiang from WeBank mentioned generally, technologies like facial recognition can allow seamless, remote account opening – aiBank likely employed similar methods given Baidu’s expertise. In a sense, aiBank served as a platform for Baidu to demonstrate the power of AI in a regulated industry, potentially strengthening Baidu’s position in the AI business market.
However, running an AI-native bank within a larger traditional bank (Citic) structure also had challenges.
Citic Bank’s involvement ensured regulatory compliance and provided banking infrastructure, but it may have also imposed a more cautious pace than a pure startup. Regulatory oversight by the China Banking and Insurance Regulatory Commission (CBIRC) meant aiBank’s AI innovations had to align with financial risk regulations. In 2021, an anecdote emerged that Chinese regulators fined Citic and Baidu for some formalities in the JV’s formation – a reminder that even tech-forward banks operate under strict rules. Nonetheless, China’s regulators have been generally supportive of AI and fintech in banking, as long as risks are controlled.
As of 2025, CITIC aiBank stands as an example of a successful integration of AI in a new banking venture.
It may not have the global name recognition of WeBank, but it underscores a collaborative model: a legacy bank and a tech giant co-creating an AI-native banking platform.
Closing Thoughts
The rise of native AI banks points to a future where finance is faster, more personalized, and even machine-driven.
These pioneering projects demonstrate that banks can be radically rethought with modern technology – potentially offering customers ultra-convenient services and opening the financial system to new participants (like AI agents or underserved populations). Going forward, we can expect to see traditional banks respond by accelerating their own AI adoption or partnering with AI-native initiatives. In some cases, incumbents might acquire successful AI banking startups to bolt on their capabilities. Regulators, too, are paying close attention. If AI-native banks show strong performance in risk management and compliance, regulators may update frameworks to facilitate wider use of AI in banking, perhaps even creating new license categories for AI-driven financial institutions.
However, the advent of AI-native banks also brings significant risks and challenges that need to be managed. One major concern is governance and oversight. When AI algorithms make credit decisions or detect fraud, ensuring they are unbiased and error-free is critical. Unchecked algorithms could inadvertently redline certain customer groups or approve risky loans – mistakes that could erode trust and invite regulatory penalties. Transparency is another challenge: these banks must make their AI’s actions explainable to regulators and customers.
For traditional financial institutions, the emergence of AI-native banks is a double-edged sword. On one hand, it pushes the envelope of innovation, potentially yielding new methods and technologies that incumbents can adopt. Established banks can learn from the efficiency of Catena’s AI workflows or the customer engagement success of Bunq’s Finn, and integrate similar ideas. On the other hand, these new entrants could become formidable competitors in certain segments.