今年银行业中报季还没正式开场，AI 已经提前刷屏了。招行股东会甩出"日均 Token 330 亿"，邮储说超百亿，浦发喊出 440 个 AI 应用场景，兴业董事长亲自挂帅——数字一个比一个猛。但我得泼盆冷水：数字越热闹，越要看清它到底是真金还是 PPT。最近一份行业调研说，88% 的银行试点了智能体，真正验证过 ROI 的只有 24%。我的结论是——判断一家银行 AI 投入靠不靠谱，别看它喊了多少场景，看三张表就够了。
【数据速览】
| | |
|---|
| | 招行股东会 / 周天虹披露，券商中国 2026-07 |
| | |
| | |
| | |
| | |
| | |
| | |
| 1000 亿→140 万亿（2024 初→2026.3） | |
| | |
| | |
第一张表：投入表——钱花在哪，别只看总额
银行 AI 投入最容易被粉饰的，就是"投入"这一栏。科技投入金额、服务器上架数、Token 消耗量，数字越大故事越好讲。但花得多不等于花得对。
有个例子很说明问题。一家中型银行，今年 6 月底日均 Token 消耗突破 50 亿，比去年同期翻了十倍不止。按国产大模型百万 Token 约 10 元的行情算，它上半年光 Token 支出就近 900 万，相当于上一年度整个 IT 预算的 8%；照这速度，下半年还得再烧 1800 万，占 IT 运营开支的 15%。钱花得凶不凶？凶。但高层在半年工作会上直接拍桌子：不能再无休止烧钱，所有大模型应用必须建 ROI 机制。
说实话，我不觉得"日均 50 亿"这四个字本身有多大意义。看投入表得拆成三行：① 底座，算力、信创集群，比如浦发那套全栈国产化千卡集群，是真硬件；② 流量，Token 消耗，反映调用规模；③ 占比，科技投入占营收比、AI 编程算力占比。招行有个细节很聪明——它用于大模型写代码的算力只占总算力的 5%，因为代码生成容易出"面条式代码"和性能坑。光看"日均 330 亿"会吓一跳，拆开才知道九成五是业务端在烧，不是开发端瞎造。
说白了，投入表只能证明"有钱搞"，证明不了"搞成了"。
第二张表：落地表——场景是真是假，看替代了什么
第二张表才是分水岭。现在各家都爱报"多少个场景""多少个智能体"，浦发 440 个、工行 500 多个、邮储 370 多个、兴业 200 多个。听着都唬人。
但场景分两种。一种是 PPT 场景，发布会上讲得一个准，落地后没人用；一种是真场景，能写出具体替代数据的。
怎么分辨？盯一个指标：替代人工时长，或者流程缩短了多少。招行累计替代人工时长超 1556 万小时；邮储运营中心手工录入单据的智能识别替代率 90%，"小邮助手"替代重复业务指导率 70%；浦发对公开户智能化覆盖率 89%、效率提升 90%，财报分析从 30 分钟压到 5 分钟。这些数字没那么宏大，但经得起掰。
反例也有。前面那家中型银行，弄了个面向小微的信贷评分智能体，日均 Token 支出超 3000 元，结果评分体系还是死盯抵押物，大量信用贷照样被卡在外面——烧着钱，没长出新业务。这就是典型的"场景有了，价值没来"。
说到底我更倾向于把"场景数"当线索，不当结论。真正要看的，是它替银行省下多少人力、缩短多少流程、多触达多少客户。邮储那个零售营销智能体触达了 5400 万名高潜客户，这才叫落地。
第三张表：产出表——赚回来没，监管都催着算账
第三张表最硬，也最容易被跳过：ROI，投入产出比。
为什么容易被跳过？因为难。招行是少数算得清的：AI 贡献比（AI 处理工时 / 人工工时）从 1:13.5 提到 1:9，大模型成本收入比约 20%，意思是投 20 块撬动 100 块收益。建行更实在，直接报内部覆盖率 99.42%、日均访问超 10 万人次——这是内部提效，不跟营收直接挂钩，但省下的工时真金白银。
可更多银行卡在"不敢谈 ROI"。前面那家中型银行的客服智能体，每年能省约 300 万小时人工，相当于"替代"1400 名全职员工——这账能算。可一旦问"省下来的人去哪了、创造了什么"，多数银行答不上来。
监管已经等不及了。6 月 18 日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，白纸黑字写"务实高效"，要求以提升业务价值为导向、平衡成本与效益。翻译一下：别再拿 PPT 交差，AI 投入必须算账。
所以看一家银行 AI 靠不靠谱，我的结论是——投入表看胆量，落地表看本事，产出表看良心。
【核心观点总结】
1. 银行 AI 军备赛已白热化，但 88% 试点仅 24% 验证 ROI，喧嚣之下要冷静。
2. 投入表（Token / 算力 / 科技投入）只能证明"有钱搞"，拆开看底座、流量、占比三行才不被总额忽悠。
3. 落地表认准"替代人工时长 / 流程缩短 / 客户触达"等可量化指标，区分 PPT 场景与真场景。
4. 产出表（ROI / 成本收入比 / AI 贡献比）最硬也最稀缺，6·18 监管指导意见已逼着银行从"拼场景"转向"算细账"。
5. 可操作启示：年报里看到"XX 个智能体"，先问一句"替了多少工时、赚回多少"，答不上来的多半是故事。
【下期预告】
明天我们换个打法，顺着"算账"这根线做一张榜——把 42 家 A 股银行的破净程度排个队。PB 0.58 倍的平均线背后，谁被错杀、谁活该？一篇 E 类数据榜，看清银行股的估值真相。
来源说明：本文数据来自各银行 2025 年报、2026 一季报及股东大会 / 业绩发布会公开披露，以及国家金融监督管理总局、国家数据局官方信息，经券商中国、经济参考报、金融时报、腾讯新闻、网易财经等权威媒体报道。Token 消耗相关数据为各行公开披露的阶段性口径，非统一审计指标，引用时需注意口径差异。
免责声明：本文仅为基于公开数据的行业分析与方法论探讨，不构成任何投资建议。市场有风险，投资需谨慎。
