豪泰配资全国人大代表、四川天府银行董事长黄毅：银行业正式进入“低利率、窄利差”的新常态

专题：金融视角·聚焦2026年两会

界面新闻记者 | 曾令俊

　　2025年以来，银行业经历了全品类降息、长期限存款及大额存单加速退场的调整，当前商业银行净息差已降至1.42%的历史低位。与此同时，今年银行业还面临着“存款”搬家的压力。

　　全国两会期间，全国人大代表、四川天府银行董事长黄毅在接受界面新闻记者专访时表示，自2025年以来，随着货币政策持续宽松、贷款市场报价利率（LPR）多次下调，以及长期限存款和大额存单产品加速退出市场，商业银行净息差已收窄至1.42%的历史低位，标志着中国银行业正式进入“低利率、窄利差”的新常态。

全国人大代表、四川天府银行董事长黄毅

　　黄毅表示，这一深刻调整，正在倒逼整个行业重塑盈利模式与发展逻辑，推动银行从“规模驱动”向“价值驱动”的根本性转型。

　　重塑银行业盈利模式

　　界面新闻：2025年以来，银行业经历了全品类降息、长期限存款及大额存单加速退场的调整，这种调整对整个银行业的盈利模式带来了哪些深层次影响？

　　黄毅：一是传统利差盈利模式面临结构性挑战。长期以来，中国银行业依赖“高息差”支撑利润增长的模式正在瓦解。当前1.42%的净息差已逼近国际系统性重要银行（SIBs）的监管预警线（通常为1.5%），部分中小银行甚至出现息差跌破1.3%的情况。资产端：对公贷款利率普遍进入“3时代”，优质企业融资成本已低于2.8%；零售贷款（如经营贷、消费贷）平均利率跌破4%，收益率持续承压。负债端：尽管存款挂牌利率普遍下调，但“存款定期化”“长期限偏好”趋势未根本扭转，银行仍面临存款成本刚性问题，进一步压缩息差空间。

　　二是规模扩张难抵收益下滑，利润增长中枢下移。在息差收窄背景下，单纯依靠“以量补价”的增长逻辑已难以为继。2025年一季度上市银行整体净利润增速放缓至3.2%，较2021年高峰期（8%+）显著回落。净利息收入同比增速普遍进入“1时代”甚至“零增长”区间，部分城商行出现负增长，倒逼银行重新思考资本效率与资源配置逻辑。

　　三是风险偏好被动上升，资产质量管控压力加大。为维持收益水平，部分机构可能被迫“信用下沉”或延长久期，增加对高收益资产的配置，如弱区域城投、高成长但未盈利科技企业等，潜藏信用风险。同时，低利率环境也抑制风险溢价补偿，银行需更精细化的风控模型与定价能力来识别真实风险。

　　界面新闻：在净息差下滑的背景下，银行的发展逻辑如何重构？

　　黄毅：在净息差触底的背景下，银行业的核心发展逻辑正在发生系统性转变，从“规模至上”到“价值创造”。

　　一是非息收入成为第二增长曲线。中间业务收入占比成为衡量银行转型成效的关键指标。财富管理、托管、投行、支付结算、金融科技输出等轻资本业务重要性凸显。

　　二是客户经营从“单笔交易”转向“全生命周期价值”，银行不再仅追求“放一笔贷款”，而是通过综合金融服务方案提升客户粘性与综合回报。

　　三是数字化转型从“渠道优化”升级为“价值引擎”，数字化不再是“线上化替代”，而是成为降本增效、精准定价、智能风控的核心工具。四是资本管理从“被动吸收”转向“主动配置”，在资本回报率（ROE）承压背景下，银行必须更审慎地配置资本，优先投向高RAROC、低资本消耗的业务。

　　界面新闻：在净息差下滑的背景下，天府银行采取了哪些应对策略？

　　黄毅：我行坚持打造“产业银行、数智银行”战略转型目标，立足当地开展特色化、差异化经营，推动银行健康可持续发展，积极探索可持续盈利路径。

　　一是坚守合理定价，拒绝“自杀式”竞争。严格执行FTP（内部资金转移定价）机制，确保每笔资产收益覆盖资金成本、风险成本与运营成本。对大额存单等高成本产品主动退出，代之以智能存款组合、现金管理产品等更可持续的负债结构。

　　二是深耕本地产业，构建差异化竞争优势。聚焦提集团服务及本地优势产业链，提供基于核心企业的真实交易场景的供应链金融解决方案。通过嵌入产业数据，实现“小额、高频、闭环”融资服务，降低风险成本，提升定价合理性。

　　银行业的价格战得到一定遏制

　　界面新闻：近年来，反“内卷式”竞争成为银行业共识，多地监管与银行业协会呼吁摒弃变相高息揽储、盲目压价放贷等乱象，引导行业从“规模至上”转向“价值优先”。当前银行业反内卷取得了哪些成效？

　　黄毅：在成效方面：一是竞争秩序逐步规范。多地监管与行业协会出台自律公约，比如明确禁止高息揽储、盲目压价放贷、返佣返利等恶性竞争行为，银行业的价格战、规模战得到一定遏制，存贷款市场的竞争环境更趋公平。

　　二是发展理念开始转变。行业从“规模至上”向“价值优先”转型，不少银行降低了单纯的存贷款规模考核权重，转而关注风险调整后资本回报率（RAROC）、客户满意度、服务质量等价值指标，“资金空转”“月底冲量”等短期行为明显减少。

　　三是差异化探索初显成效。部分银行开始聚焦自身优势，比如区域性银行深耕本土产业，通过产品创新、服务升级打造特色竞争力，避免同质化的“红海”搏杀。

　　四是中间业务收入占比提升，银行业正从“利差依赖”向“轻资本、轻资产”转型。

　　五是金融科技赋能精准服务，通过数字化手段实现客户分层经营、产品精准匹配和风险智能定价，减少“一刀切”式营销，推动服务从“抢客户”转向“经营客户生命周期”。

　　界面新闻：银行业反内卷在方面仍存在哪些难点？

　　黄毅：银行业反内卷仍存在的难点：客户需求与竞争惯性的矛盾，部分客户对利率、价格的敏感度较高，仍倾向于选择“低价”产品，倒逼银行维持价格竞争；同时，银行长期形成的“规模导向”经营惯性难以快速扭转，系统性风险联结仍存。在经济下行周期中，银行普遍面临资产端收益下降与负债端刚性并存的困境，易引发新一轮“以价换量”竞争，反内卷成果面临周期性考验。

　　主动调整负债策略

　　界面新闻：面对2025年以来的存款降息潮与长期限产品退场趋势，天府银行作为地方中小银行，在负债管理、揽储策略上采取了哪些针对性措施？

　　黄毅：面对存款降息和长期限产品退场的新形势，我行主动调整负债策略，围绕“数智驱动、客户分层分级运营”核心策略，推动储蓄存款从规模扩张向结构优化、价值提升转型。

　　一是构建“积分+权益”生态，依托手机银行平台，打造集消费、理财、信贷于一体的综合服务场景，通过行为积分、权益兑换等方式，提升客户活跃度与资产留存率，增强客户黏性。

　　二是拓展场景化获客渠道，深度嵌入本地政务、民生、消费等场景，拓宽负债来源，试点AI远程银行轻服务模式，实现长尾客群低成本全覆盖和有效触达，深化客户服务、提升客户黏性。

　　三是强化线上自动化能力，上线自动续存签约、智能提醒等功能，优化到期资金留存流程，实现对到期客户的精准触达与无缝承接，有效降低存款流失率，提升资金沉淀稳定性。

　　四是优化负债结构，大力发展结算性存款、代发工资等低成本核心负债，降低对高成本结构性存款的依赖，同时加强主动负债管理，灵活运用同业存单、大额存单等工具，优化负债期限结构。

　　界面新闻：今年如何应对“存款搬家”带来的流动性压力？

　　黄毅：为有效应对“存款搬家”带来的流动性压力，我行从“稳负债、优结构、强管理”三个维度发力。

　　一是大力拓展基础客群，深耕工资代发、社保医保、社区服务等核心场景，扩大结算性存款规模；同时，积极拓展对公结算、场景金融业务，提升对公存款占比，夯实负债基础。

　　二是深化个性化服务，针对不同客群的风险偏好和收益需求，提供多元化的财富管理方案，通过专业的资产配置服务，留住核心客户和优质资金。

　　三是强化主动负债管理，合理安排同业存单、大额存单等主动负债工具的发行节奏和规模，优化负债期限结构；同时，加强流动性风险监测和预警，建立多渠道、多层次的流动性储备，确保流动性安全。

　　AI正推动银行实现服务能力的跃升

　　界面新闻：作为全国人大代表，您一直关注人工智能的发展与治理。结合银行业数字化转型趋势，您认为AI技术在银行风控、客户服务、产品创新等领域的应用有哪些机遇？

　　黄毅：从机遇来看，AI正推动银行从三个维度实现服务能力的跃升：

　　一是在风控领域，AI让风险识别更精准、更及时。传统风控依赖历史数据和静态指标，难以捕捉复杂关联和潜在风险。现在，AI能够实时扫描企业经营动态、资金流向、关联交易等多维信息，从被动防控转向主动预警，让银行在贷前、贷中、贷后各环节都能守住风险底线。

　　二是在客户服务领域，AI让金融服务更有温度、更触手可及。数字员工可以7×24小时响应客户咨询，处理标准化业务，让基层员工从重复劳动中解放出来，有更多精力深入社区、贴近客户，提供个性化、情感化的专业服务。这种“人机协同”模式既提升了服务效率，也保留了人工服务的温度。

　　三是在产品创新领域，银行可以通过AI大模型对知识产权、研发团队、技术壁垒等非财务指标的深度分析，能够更科学地识别企业成长潜力，将金融资源精准配置到科技创新、先进制造业、绿色经济等重点领域，让金融活水更早、更准地浇灌新质生产力。

　　界面新闻：当前仍存在哪些挑战？

　　黄毅：从挑战来看，AI技术在银行的深度应用主要面临两方面考验：

　　一是银行传统流程设计与AI运行逻辑存在适配难度。银行现有的业务体系建立在标准化、层级化的流程之上，强调规则明确、前后衔接、层层复核。而AI模型具有动态学习、持续迭代的特性，其决策过程难以完全固化到既有的流程节点中。这种节奏和方式上的差异，对银行重新梳理流程节点、确定人工介入时机、平衡效率与风控提出了现实课题。

　　二是组织架构和协同机制尚未完全适配数智化转型要求。AI的深度应用需要风控、运营、科技、业务等条线打破原有的部门界限，形成跨团队协同的工作模式。但目前银行内部的组织架构仍以条线管理为主，各部门在目标设定、考核导向、工作节奏上存在差异，跨系统数据标准不统一、接口不通畅的问题依然存在，与外部机构的数据共享渠道也相对有限。这些组织层面的问题，直接影响到AI模型的训练效果和实际应用能力。

　　界面新闻：监管层面应如何完善AI在金融领域的应用规范？

　　黄毅：我认为应重点完善两方面规范：一是支持区域内银行联合共建行业级人工智能平台，参照《银行业保险业数字金融高质量发展实施方案》提出的“鼓励金融同业共建共享数字基础设施”，降低中小银行大模型、隐私计算等前沿技术的应用门槛。

　　二是落实《方案》关于“加强人工智能安全应用”的要求，指导银行建立算法模型全周期管理体系，确保人工智能应用可解释、可审计、可干预，既鼓励创新又守住风险底线。