近日，江苏银行透露正以人工智能与金融服务的深度融合为切入点，在其自主研发的“智慧小苏”大语言模型上，构建了全行级“微应用”集市生态，推动金融服务智能化转型。

据了解，“微应用”集市生态采用平台化架构设计，使业务人员可构建满足自身需求的应用场景。此外，还建立了标准化的应用发布与管理机制，促进优秀解决方案在全行范围内顺畅流通与高效复用。这种生态模式激活了基层的创造活力，数据显示，目前发布的高质量微应用达152项，日均调用量突破2500次。

以前，业务人员自主参与应用构建的难度较大，大模型应用下沉也面临阻碍，这制约了产能的有效释放。如今，江苏银行构建了“微应用”集市生态，向全行员工提供AI工具，还提供直观的可视化开发工作台，大幅降低了编程门槛。

值得一提的是，为了打通业务痛点与应用方案的转化通道，江苏银行还开发了“许愿池”创意联动机制。该机制能将基层的创意灵感转化为可落地复用的数字化工具，提升了大模型在日常工作中的渗透率和感知度。

据《银行科技研究社》了解，“智慧小苏”是江苏银行2023年自主研发的1760亿参数大语言模型服务平台。2025年初，江苏银行完成了DeepSeek大语言模型的本地化部署，由此“智慧小苏”具备了文本、图像、代码、语音等可扩展的生成能力，并集成了多种单一领域模型。

据该行2024年度报告披露，依托自主研发的“智慧小苏”大语言模型，江苏银行在数据血缘分析、智能合同质检、地址智能对比等多个场景实现了AI深度应用。

在数据血缘分析场景，江苏银行自主研发出一款基于大模型与语法树解析的血缘分析工具，该工具整合了大模型技术与语法分析树算法，可将异构数据库代码转化为标准SQL查询语句，还能精准推断数据库表结构，查询解析率已提高到99.7%。

在智能合同质检场景，“智慧小苏”通过DeepSeek-VL2多模态模型的细粒度文档理解能力解决了传统模型在非制式合同中存在合并单元格、跨页表格等多结构表格内容识别准确率不足、精度局限的问题。利用DeepSeek模型优化后，识别及预警响应速度提升20%。

在地址智能对比场景，江苏银行采用“智慧小苏”大模型与规则匹配相结合的方法，对地址信息进行预处理、拆解及相似度计算等操作。通过收集与标注大量的地址数据，持续迭代优化模型，减少边缘情况的影响。

截至今年2月，江苏银行的大模型技术在金融场景的应用已落地近20个，为客服坐席、客户经理及研发运维人员释放了大量生产力。