意见领袖 | 洪偌馨、伊蕾
不知道从什么时候开始，AI在银行年报里出现的位置越来越靠前。以前，它还只是技术展望的边角章节，现在却稳稳占据了高管致辞的‘C位’。
更重要的是，以往银行聊AI，比的是‘砸了多少钱、建了多大的模型’，今年，头部银行的AI叙事迎来全面升级——他们开始给AI认真‘算账’了。
最直接的方式，是把AI价值，换算成更直观的‘人工工时’、‘人年工作量’。
（注：人年是国际通用的‘标准化工作量计量单位’，即将 AI 全年独立完成的、符合岗位质量标准的有效工作量，折算成对等的全职人工年度工作量）
比如，工商银行在年报里强调，AI数字员工年承担工作量，相当于5.5万人年。招行表示，全年实现1556万小时人工替代，折合超8000名全职员工效能。中信银行则提到，智能模型增效超1.7万人年。
在海外市场上，摩根大通的表态更为直观。其CEO杰米·戴蒙在彭博电视采访中表示：‘我们证明了投入20亿美元成本，就能获得约20亿美元的效益。’
好像一夜之间，银行业的AI竞速，就从‘比投入、比规模’的上半场，冲进了‘算ROI、比实效’的下半场。
但如果你把问题抛给一线从业者：你们真的把那么多工作交给AI了吗？大部分人的答案是：没什么实感。
要是再追问一句：AI到底创造了多少真金白银的价值？这笔账怎么量化？更是很少有人能说出个所以然。
AI的这笔账，到底该怎么算？
1
财报里的‘华丽账本’
没人会质疑，银行在AI这场‘军备竞赛’里下了多大的血本。
先看真金白银的投入。2025年，国有六大行金融科技总投入达1300.91亿元，首次突破1300亿元关口；同比增速为3.69%，显著高于同期六大行合计营收增速。
拉长周期看，这笔投入更惊人。
2021-2025年，仅国有六大行披露的累计金融科技投入就已突破6000亿元。如果算上股份行和城商行的头部玩家，过去五年，银行业累计科技投入规模已接近万亿。
砸钱之外，银行‘科技军团’的规模也同步扩容。截至2025年末，六大行科技人才总数，已突破13.58万人。
虽然这些投入并非悉数流向AI，但围绕AI的布局始终是最鲜明的主线。
还有一个更加硬核的战场，是算力。各家银行的智算布局，已经卷到了新高度。
2025年，建行智能算力达145.69PFLOPs，较2024年末增长24.52%。副行长雷鸣打了个通俗的比方：这等于14.6亿亿次/秒的运算能力，足以支撑千亿级大模型的训练与推理。
交行也已建成千卡异构算力集群，智算规模一年增长超50%。
当然，AI军备竞赛也不是国内银行独角戏。海外市场上，顶级银行的AI投入，只多不少。
典型如摩根大通，2025年，它全年技术投入达180亿美元，其中仅AI专项投入就高达20亿美元。美国银行年技术预算约130亿美元，其中约40亿美元专门用于AI。
银行业的大笔投入背后，除了对科技变革的追逐，多少也跟FOMO（Fear of Missing Out，错失恐惧症）情绪有关。
毕竟，AI一日，人间一年。
从 ChatGPT 横空出世，到开源大模型井喷；从 AI Agent 爆发到‘养龙虾’成为标配，每隔一段时间，就会有新的技术突破、新的标杆应用涌现，随之而来的是AI可能颠覆一切的焦虑。
拥抱AI，几乎是行业里唯一的‘政治正确’。
当同业都在布局大模型、上线数字员工、铺AI场景，不投就会落后的焦虑让很多银行加速开启了AI‘军备竞赛’。
先把算力搭起来，把模型建起来，把场景铺起来。至于投入能带来多少回报、创造多少价值，反而成了次要问题。
2
‘算账时刻’拷问ROI
但是现在，银行到了必须‘算账’的时候。
这种粗放的投入模式，在前几年息差尚可、利润空间充足的时候，银行还有余粮为AI的‘试错成本’买单。如今，随着净息差持续承压，利润增长进入瓶颈期，留给银行探路的空间已经不多。
而且，布局AI真的太烧钱。
根据行业数据，GPT-4同等性能的成本，已从每百万Token 近40美元降至0.5美元以下，但企业的AI支出，反而更难控制了。（注：Token是AI大模型处理文本的最小单位，也称为‘词元’。）
原因很简单：单价的降幅，赶不上用量的暴涨。
有数据统计显示，OpenAI 工程师团队一周处理的Token量高达2100亿，相当于复写33遍维基百科。国内商业银行中，招行也首度披露，2025年，其日均输入输出Token量同比增长10.1倍。
一个值得注意的信号是，国内银行业整体的科技投入增速，已逐渐放缓，甚至出现连续回调。
典型如几家头部股份行，科技投入规模普遍在2023年达到巅峰，但是在2024-2025年连续回落。
这究竟是前期投入趋于饱和后的自然回调，还是银行对AI投资的态度趋于审慎？
无论答案如何，银行对科技投入的态度确实在发生转变——从‘重速度’转向‘重质量、重效益’。
要知道，前几年全行业 all in AI的一个重要原因，就是希望它能成为破解息差困境、重塑增长模式的核心抓手。
万亿级的科技投入，到底在哪里砸出了‘水花’？银行不仅要心中有数，还得向资本市场证明AI价值。
尤其，在银行板块整体估值长期偏低的当下，资本市场需要看到的是：这些投入带来了多少业绩提升、多少估值修复。
而经历了过去几年的发展之后，随着AI在银行的各个业务场景中批量落地，他们也到了‘交卷’的时候。
注：数据来源为各银行年报，馨金融整理
以零售场景来看：
招商银行：RM小助为超过1万名金葵花客户经理在主要工作环节提供支持。2025年客户经理人均有效触客次数提升了14%，客均交易规模提升了 20%。
建设银行：基层客户经理可以通过‘帮得’系统管理 2 万个以上的客户。
摩根大通：客户服务领域每个运营人员服务的账户数增加了25%，而每个账户的服务电话减少了近30%。
3
AI 效能去哪儿了？
一个无法回避的问题是：既然财报里的 AI 已经干了上万人的活，为什么没有转化为经营层面的成本下降，或是利润的增长？
银行的统计口径，和一线的真实体感之间，为什么会有这么大的鸿沟？
除了统计手段和方法的局限之外，银行业的强监管属性，决定了AI的落地，必须在合规的框架内推进。
算法的可解释性、数据的安全合规、客户隐私的保护，都是银行AI落地不可逾越的红线。
这注定了银行AI的落地，不可能像互联网行业一样，快速试错、野蛮生长。
更重要的是，AI从来不是一个‘即插即用’的效率工具。它需要配套的组织变革、流程再造与人才升级。
这注定是一场十年以上的‘慢革命’。
正如上世纪的IT革命，也曾经历漫长的‘生产率沉默期’。
当计算机开始在企业中普及，美国的劳动生产率数据，并未出现同步提升，反而陷入了长达十余年的停滞。正如诺贝尔经济学奖得主罗伯特·索洛所言：‘你可以在任何地方看到计算机，唯独在生产率统计中看不到它的身影。’
如今的AI革命，也来到了新的关口。
在2026年英伟达GTC大会上，公司创始人黄仁勋提出了‘Token工厂经济学’范式。围绕Token，已经延伸出了一整套生产行为，一整套经济活动。
算力不再是静态的资源，而是一个日夜运转、产出‘词元’的工业流水线。在这条线上，数据是原材料，模型是生产设备，Token是产出的成品，每一次推理都是一次完整的生产循环。
而要真正让流水线高效运转，需要的不只是算力堆叠，更是从数据治理、模型调度到业务流程的全面适配与重构。
眼下，很多银行的AI应用，本质上只是‘点状替代’。
用AI替代了客服的重复性咨询、生成了尽调报告的文本，或者辅助了代码编写，但却没有对整个业务流进行系统性重构，更没有打破部门之间的壁垒。
IBM商业价值研究院发布的《2025年银行和金融市场展望》提到，截至2024年，仅有8%的银行系统性地开发AI技术，而78%的银行仍采用战术性的、碎片化的方法。
这带来的结果可能是，前端看似实现了人工替代，节约了少量成本；中后台却因为重复建设、无效投入，产生了更高的成本，最终的ROI，自然无从谈起。
当然，这也不只是银行业面临的挑战。
美国国家经济研究局（NBER）一项覆盖6000名高管的大规模调查显示：
近90%的受访企业表示，AI在过去三年内对其就业或生产率没有产生任何可观测的影响。约三分之二的高管使用AI，但每周使用时间仅约1.5小时，25%的受访者完全不使用AI。
更进一步来看，现在银行业有个很普遍的困境：
一千个人心里，有一千个AI落地的样子。
比如，如果银行想要布局智能体，不同条线、部门、职位对这个问题的理解都是不一样的。
技术部理解的，可能是一个场景一个，按业务条线拆分；业务部门理解的，可能是一个总智能体下面关联N个子智能体；管理层的想法又不一样，他们希望1个部门对应1个智能体，方便管理和推进。
认知都不统一，何谈资源调度和落地推进？
但反过来想，这恰恰验证了银行给AI‘算账’的必要性。如果没有一把公认的价值标尺，连分清哪些该做、哪些先做，都成了奢望。
毕竟，不看ROI的投入，都是耍流氓。 不计成本的 AI 变革，都是‘讲故事’。
(本文作者介绍：洪偌馨，资深财经记者、主持人，自媒体“馨金融”创始人。)