银行半年报技术图鉴⑥|人工智能与大模型:16 家全员披露,战场从＂数量＂转向＂算账＂

16 家银行，16 家都披露了 AI。这个覆盖率在本轮半年报里没有第二项能做到。

但真正值得看的不是"有没有"，而是它们开始报什么数：招商银行日均 Token 吞吐同比增长超 78%、AI 带来 1388 万小时等效人工工时；中信银行日间算力综合利用率超 85%；民生银行用权重量化与推测解码把推理速度提了 40%。

从"我们上了大模型"到"我们一秒钟烧多少 Token、省多少小时"，这是 AI 在银行真正落地的分水岭。

一、披露全景（16/16 家）

• 工商银行：加快"数智工行（AI-ICBC）"建设，"领航 AI+"行动接续实施，大模型已在 600 余个场景落地；基于国产算力的多级缓存推理加速方案落地；建立大模型安全风险应对机制
• 农业银行：私有化部署多个大模型，完善模型矩阵；依托"农银智+"平台实现算力、模型的统一输出
• 中国银行：升级 BOCAI 大模型平台及智能体，构建智能化助手超 2200 个；BOCAI 用户突破 3.2 万人，智能研发助手月活超万人；制定《"人工智能+金融"落实方案》
• 建设银行：生成式人工智能覆盖超 600 个应用场景，应用于智能营销、客服、投顾、运营、风控、管理；正式发布"人工智能+"三年发展规划
• 交通银行：落地 420 余个 AI 应用场景，在跨境金融、普惠金融、风险防控、反电诈等领域取得成效
• 邮储银行：发布"邮智"金融行业大模型，建成超节点算力集群，落地超 370 个大模型应用场景，日均交互词元超百亿
• 招商银行：秉持"AI First"理念，日均 Token 吞吐同比增长超 78%，落地领域模型 256 个（较上年末增长 40%），AI 带来 1388 万小时等效人工工时
• 中信银行：落地 AI 服务场景累计超 1900 个；私有化部署 DeepSeek V4、GLM5 等主流大模型；日间算力综合利用率超 85%，形成多模态、多能力、多规格、多芯片的训推一体模型服务能力；构建"静态模型防护+动态交互防御"双维安全体系
• 光大银行：持续优化"10×10"智能体矩阵，把大模型嵌入各岗位流程，推进"一岗位一助手"
• 民生银行：采用权重量化及推测解码技术，大模型推理速度提升 40%；统筹制定未来五年数字金融行动方案
• 平安银行：升级"AI+T+Offline"经营服务体系，融合大模型开展全域客户画像解析
• 兴业银行：全面实施"人工智能+"行动，夯实算力、数据、知识、模型基础能力；推动 AI 建设由分散探索向集约统筹转变
• 渤海银行：依托国产算力集群，初步建成涵盖 DeepSeek、通义千问等多类型、多规格的大模型资源池

二、技术解读：先把三个层次分清

• 大模型是"认知底座"：负责语言理解、生成与推理。它回答"是什么"。
• 领域模型是"专业工种"：招行那 256 个领域模型，是把通用能力往信贷、风控、投研等领域调优后的产物，更准也更省。
• 智能体是"业务载体"：在大模型之上套上目标拆解、工具调用、系统接口和人工兜底。它解决"怎么办"。

举个具体的差别：大模型能读完一份尽调报告写出摘要；智能体能把它串成"核验工商信息 → 抽取财报科目 → 比对征信 → 生成初评意见 → 触发复核"的端到端动作。前者是辅助，后者才是重构。

再看那些新指标：Token 吞吐衡量调用规模与活跃度；算力利用率衡量投入是否浪费；等效人工工时衡量 AI 到底省了多少钱。三者合起来，就是一份 AI 的"经营报表"。

三、三点观察

1. 规模化拐点已经过去。 场景数从"数十个试点"跳到"数百到上千个"：中信 1900+、工行/建行 600+、交行 420+、邮储 370+。这不是试点，是铺开。

2. 算力与成本成为新的竞技场。 邮储建超节点算力集群、中信把日间利用率做到 85%+、招行 Token 吞吐 +78%、民生推理提速 40%——焦点从"能不能跑"变成"跑得省不省"。谁的单位 Token 成本更低，谁的 AI 能覆盖更多场景。

3. 治理从口号变成制度。 中信搞"静态模型防护 + 动态交互防御"双维体系，工行建大模型安全风险应对机制，建行把 AI 研发工艺规范落到流程里——AI 治理正在从自律走向制度化。

四、未来 12 个月的三个趋势

• Token 成本治理会成为 CIO 层面的议题：缓存、量化、蒸馏、多级推理加速，这些"看不见"的优化，比再买一批卡更划算
• "通用大模型 + 领域小模型"成为标准架构：招行的 256 个领域模型是样板，纯通用路线会越来越贵
• AI 治理走向强制：模型备案、算法审计、生成内容合规，会从"做得好加分"变成"不做不行"

五、给银行科技人的启示

1. 先定度量口径，再报场景数量：Token、等效工时、处理时延、人工采纳率——口径不统一，年底汇报必然打起来
2. 推理成本要有人专职管：先做缓存与量化这类"低成本高收益"的优化，再谈扩容；很多行的算力缺口其实就是浪费
3. 私有化部署算三本账：硬件采购、运维人力、模型更新迭代——第三本账容易被漏掉，也容易在第二年翻倍
4. 智能体的"人工兜底"是设计项，不是补丁：高风险场景的复核点要前置写进流程，别等上线后靠制度补

#银行半年报 #AI大模型 #智能体 #银行科技 #Token成本 #金融科技 #AI治理 #数字化转型