## Official Facts - **资产与业务规模**：截至2025年末，集团资产总额达 15,435,405 百万元 [1]；客户贷款余额 8,998,499 百万元 [1]；客户存款余额 9,171,358 百万元 [1]。 - **网络与渠道密度**：境内拥有 2,800 余家网点，境外拥有 24 家分（子）行及代表处 [2]；个人手机银行月度活跃客户数（MAU）为 49.12 百万户 [3]；信用卡“买单吧”APP月度活跃用户为 26.59 百万户 [3]。 - **客户与留存行为**：境内银行机构零售客户数 2.05 亿户（含借记卡和信用卡客户） [4]；达标沃德客户 2.89 百万户 [4]；对公客户总数 3.07 百万户 [5]；信用卡在册卡量 60.09 百万张 [6]。 - **技术与系统投入**：2025年金融科技投入 12,342 百万元，占营业收入的 5.78% [7]；金融科技人员 9,782 人，占集团员工总人数比例 9.99% [7]；累计部署超 2,500 个智能体助手 [8]。 - **牌照与资源**：集团具备商业银行、金融租赁、基金、理财、信托、保险、境外证券、债转股等综合化全牌照经营资格 [2, 9]。子公司实现归属于母公司股东净利润 4,561 百万元，占集团净利润比例 9.91% [9]。 - **区域市场集中度**：长三角、粤港澳大湾区、京津冀三大区域贷款余额 4,925,052 百万元，贷款余额占比达 53.99% [10, 11]。 - **监管与行业地位**：入选全球系统重要性银行（连续3年），在英国《银行家》杂志“2025年度全球银行1000强”中排名第 9 位 [2, 12]。 ## Management Claims - **区域与主场战略**：管理层提出发挥“上海主场”优势，以总行级科技金融中心为核心，将上海主场打造为高质量发展的“创新策源地”，并向全国复制推广经验 [10, 13]。 - **业务结构转型**：管理层表示将以“五篇大文章”（科技金融、绿色金融、普惠金融、养老金融、数字金融）为着力点，优化信贷结构和资源配置 [14, 15]。 - **技术与效能**：管理层认为，通过深入推进“人工智能+”行动，构建千卡异构算力集群和千亿级大模型算法矩阵，能够重构业务流程并提升劳动产出和全要素生产率 [8, 16]。 ## Official Promotional Language - “发挥国有大行服务实体经济主力军和维护金融稳定压舱石作用” [2]。 - “建设具有特色优势的世界一流银行集团” [17]。 - “历史悠久的国有大型银行集团” [2]。 ## Third-party Data Used 无。 ## Third-party Views 无。 ## Evidence Cards ### 卡片 1：规模与渠道网络 - **观察事实**：2025年末集团资产超 15.4 万亿元，拥有超 2,800 家境内网点及 2.05 亿零售客户 [1, 2]。 - **来源身份**：reported_fact - **时间尺度**：单期（2025年）及连续多期累积 - **所有者相关性**：需求、现金流 - **事实触发的问题**：多大程度上的网点分布和资产规模转化为客户默认选择权？低成本核心存款的获取是否直接依赖于当前的物理网点密度？ - **证据边界**： - **已记录事实**：资产总量、网点数量及总客户数。 - **可提示的问题**：可能提示通过规模效应摊薄运营成本的机制，以及对零售客户基础存款的吸纳能力。 - **升级判断所需证据**：需要对比同业的网点单产效率（如单网点AUM、单客获取成本），以及在数字化转型背景下物理网点对活期存款留存的实际贡献度数据。 - **后续验证**：验证跨周期中，基础零售客群的存款结构变化，特别是低成本活期存款占比及客户实际复购/留存率。 ### 卡片 2：系统、数据资源与技术投入 - **观察事实**：2025年金融科技投入 12,342 百万元，占比 5.78%，科技人员近万人；部署超 2,500 个AI智能体 [7, 8]。 - **来源身份**：reported_fact - **时间尺度**：连续多期（十四五期间累计投入超560亿元）[18] - **所有者相关性**：单位经济模型、资本配置 - **事实触发的问题**：连续百亿级别的IT资本开支，在多大程度上构成了长期不可替代的系统优势？其是否已在实质上改善了获客成本与风控减损？ - **证据边界**： - **已记录事实**：科技资金投入量、人员规模、AI部署数量。 - **可提示的问题**：可能提示对新进入者的较高资本与数据壁垒，同时提示研发投入对当期利润表的费用压力。 - **升级判断所需证据**：需要业务原子指标层面的证据，例如“人工智能+”实际降低的人工工时转化为营业费用率下降的具体测算，以及线上模型对信用减值损失率的改善幅度。 - **后续验证**：持续追踪成本收入比（2025年为 29.94% [19]）的演变趋势，以及线上渠道（如手机银行MAU）活跃度向实际创收转换的漏斗数据。 ### 卡片 3：全牌照与监管背景 - **观察事实**：具有商业银行、金融租赁、理财、信托、保险等全牌照，非银子公司利润贡献占比 9.91%；连续3年入选G-SIB [2, 9, 12]。 - **来源身份**：reported_fact - **时间尺度**：跨周期 - **所有者相关性**：需求、风险暴露 - **事实触发的问题**：全牌照经营在多大程度上增加了客户的转换成本（如对公客户的综合绑定）？G-SIB身份带来的合规成本与监管要求，与信用背书带来的融资优势如何对冲？ - **证据边界**： - **已记录事实**：持牌情况、子公司利润占比、G-SIB身份。 - **可提示的问题**：可能提示为大中型企业提供一站式综合金融服务的能力机制，以及系统重要性带来的潜在流动性保护。 - **升级判断所需证据**：需要跨业务板块（如银行+租赁+信托）的重合客户比例，单一客户产品持有数（交叉销售率），以及相较于非G-SIB同业在同业拆借和发债成本上的基点优势数据。 - **后续验证**：验证在压力期（如信贷紧缩周期），大型对公客户和高净值私银客户资金流向本集团的实际份额是否稳定或逆势增长。 ### 卡片 4：区域资源禀赋与集中度 - **观察事实**：长三角、粤港澳、京津冀三大区域贷款占总贷款比例为 53.99% [10, 11]。 - **来源身份**：reported_fact - **时间尺度**：单期（截至2025年末） - **所有者相关性**：利润池、风险暴露 - **事实触发的问题**：高比例的核心经济带信贷集中度，是源于公司在这些区域具备特定的渠道网络/系统推力优势，还是单纯共享区域宏观经济红利？ - **证据边界**： - **已记录事实**：三大区域的贷款余额及占比。 - **可提示的问题**：可能提示信贷质量受特定区域经济周期的深刻影响，以及在发达地区的资产获取能力。 - **升级判断所需证据**：需要公司在长三角（特别是“上海主场”）的存贷款市场份额数据及其较同业的变化趋势，以及区域内新客获取的成本对比。 - **后续验证**：验证“上海主场”创新业务（如科技金融、离岸金融）在全国其他分行的实际复制进度及利润池增量贡献。 ## Open Questions - **负债端定价压力需要哪些事实验证**：在存款定期化、长期化趋势下，公司零售AUM的增长是否能有效带动低成本活期存款沉淀？需要后续财报披露个人与对公存款的期限结构演变量级，以及付息成本率与同业均值的偏离度。 - **数字化转型的单位经济模型需要哪些事实验证**：海量数据资产与千亿级大模型等高科技底座的成型，在多大程度上降低了单客运营成本及信贷拨备计提？需要追踪其营业费用（特别是网点及人工成本相关）与总资产比率的变化。 - **资产结构调整的转换成本需要哪些事实验证**：在从传统基建/地产向“五篇大文章”（科技、绿色等）转换的过程中，公司对专精特新、科技型中小企业的贷款份额是否稳固？需验证这部分客群的复贷率、违约损失率及综合收益率（包括中间业务收入）是否足以覆盖其潜在风险暴露。