千亿级投资背后的金融AI“温差”
| ||
|
千亿级投资背后的金融AI“温差”
◎记者 温婷
2025年，25家上市银行金融科技投入合计近2000亿元。每逢银行财报发布，AI相关的“成绩单”都是浓墨重彩的一笔。
然而，千亿级投资背后，银行一线人员的“体感”冷暖不一，ROI（投入产出比）正在成为银行首席信息官们直面的“灵魂拷问”。
千亿级投资背后，体感远比数字复杂
一家股份行客户经理李冰（化名）的办公电脑里，装了两个AI工具：一个是嵌在内部交流软件里的数字助手，可以辅助他解决信用证流程这类基础问题；另一个具有辅助行业研究和报告撰写的功能。这两个AI工具都是该行于今年二季度上线的新功能。
“AI工具对我有帮助，但还没好用到离不开的程度。”对于已有3年工作经验的李冰来说，AI工具跑在内网，可爬行范围经过行里筛选，虽然从流程上对他的工作有所助益，但离“依赖”还差得远。
像李冰这样的银行员工不在少数。从事银行后台工作的许雷（化名）告诉上海证券报记者，他从来没有在行内使用过AI工具，“出于安全合规的考量，行内电脑和数据与行外有物理隔离，我们在行内电脑上不会使用外部AI工具”。
但银行内部的AI工具，许雷至今还没有接触到。
这并没有妨碍银行对金融科技的投入。安永报告显示，2025年，25家上市银行金融科技投入合计达1999.19亿元，占营收比重从2021年的3.11%升至3.89%。
金融科技投入的增长曲线，勾勒出银行业AI落地的图景。最新数据显示：浦发银行累计建设超过440个AI应用，落地智能体220个；建行AI助手的内部覆盖率已达99.42%；邮储银行已落地超过370个大模型应用场景，日均大模型调用逾600万次。
但在银行一线，AI应用的真实体感远比数字复杂。
网商银行副行长、首席信息官高嵩近期坦言，该行非技术员工消耗的词元数量持续增长，“从工作流程和体验的优化，到辅助决策，我们还是鼓励大家先用起来”。
但银行业使用AI工具的深度参差不齐。
睿正咨询合伙人、金融行业负责人吴美花告诉记者：当前不少AI工具处于快速上马、磨合的过程，对银行员工帮助不大，也没有节省多少时间；使用习惯的养成也需要一定时间。
李冰所在的股份行就声称，已落地不少智能体应用。他把该行的AI助手比喻成“能让人快速了解一个行业的专业浏览器”，另一位城商行员工将类似的工具比喻为“手脚麻利的实习生”。
还有多位银行从业者对记者表示，AI智能体在文本总结、流程文件查询、营销文案生成等辅助性工作上确实有一定帮助，但信贷审核等核心业务“现阶段仍难以依靠AI准确把控”。
李冰也坦言，现有的AI工具能帮助他快速浏览一个行业概况，真正写授信报告时还是要手动核查，“会完全依赖它吗？答案是否定的”。
“可用但非必需品”的智能体，折射出落地难题
这种“可用但非必需品”的体感，折射出当前金融AI落地的一个结构性矛盾——机构持续加码投入，却难以“打动”一线员工。问题出在哪里？
“当前金融业AI相关投入中，约85%投在了算力即硬件上，其余的15%一半在模型训练和数据集建设，一半在应用层建设。”中国电子首席科学家、中电金信研究院院长况文川表示，这一投入结构表明，金融业AI能力建设仍处于“夯实底座，积累能力”阶段，从技术能力形成到规模化应用落地，仍需要一个消化、验证和积淀的过程。
具体到金融场景，长三角地区一家银行科技业务负责人坦言，AI落地“最后一公里”的核心价值不在于自动化报告生成，而是在于将专业判断转化为可计算、可迭代、可验证的数字资产。
“在某个具体业务里做AI挑战不大，但难的是做‘AI+’——将其沉淀为企业级应用，原因是这会涉及部门、业务组织之间的协同。”浦发银行总行首席人工智能科学家、总行科技发展部副总经理、人工智能中心副总经理郑波坦言：评估银行的AI相关能力，从表面来看是模型能力和应用数量的比较；从深层来看，是企业级架构、数据驱动、流程重塑、知识沉淀和组织协同能力共同构成的企业级AI能力的比拼。
在况文川看来，目前金融机构已开展大量数据智能、分析预测和辅助决策工作，但这些应用中大多仍是原有数据智能能力的延伸，与真正具备专业判断和自主决策能力的智能体相比，还有一定距离。
“当软件投入占比上升到30%至50%时，AI应用才真正进入爆发期。”况文川预计。
巨大的金额背后，银行的金融科技投入逻辑也在转变。银行科技条线负责人开始面临关于ROI的“灵魂拷问”。
过去2年，从上海的银行，到雅加达的支付网络，蚂蚁数科首席技术官闫莺跑了几百家客户。“现在大家讨论的不再是模型跑分，而是非常具体的问题：我投入这么多算力，明年的ROI在哪里？通用模型很聪明，但为什么在我的理赔、风控规则下显得这么‘外行’？”闫莺透露。
闫莺的感受，映射出银行管理层关注方向的位移——前2年各大银行还在争相标榜AI布局的“人无我有”，如今价值驱动开始占据上风——投了这么多钱，到底有没有成效？
郑波坦言，ROI是自己每天都会思考的问题。他透露，浦发银行已开始要求业务部门在AI立项前，须先定义AI介入后的价值衡量口径，即先定标准，再做AI赋能。
还有银行将AI在行内的“推广成本”纳入AI战略ROI的考量范畴。一家民营银行高管对记者表示，从今年开始，该行对于员工的词元使用量设置了预算上限。
吴美花表示，2025年，一些银行为软件开发人员制定绩效指标时，明确要求“AI工具使用时长必须占工作时长的百分之多少，每个月必须用多少词元”。到2026年,斥巨资投入的做法在一些银行内部引发了不同声音，关于ROI的讨论浮出水面。精打细算已成为行业共识，不少银行都在悄悄收紧钱袋子。
AI的账，怎么算？
更关键的是，AI的记账方式发生了根本性变革。
有着近30年从业经验的上海银行副行长、首席信息官胡德斌解释称：以往银行的IT成本是“分摊制”，成本难以精确到业务；在AI时代，词元的消耗天然可以记账，“每一笔调用都有一个单价，IT成本能与业务一笔一笔对上”。
这意味着，未来银行业务部门在使用AI时，可以像用水电一样清晰地衡量其价值。那么，这笔账究竟该怎么算？
胡德斌分享了三本账。
第一本是“操作替代账”。面向辅助编程、智能填单等场景，同样的工作量由AI辅助后，效率可提升三至四成，释放出来的人力得以投入到客户经营、风险分析等高价值岗位，这笔账较为清晰。
例如：招行2025年大模型应用累计替代人工时长超过1556万小时，相当于节省逾8000名全职员工工作量；2026年上半年，浦发银行AI相关应用承载超过2500人年的工作量。这也是各大银行汇报AI“成绩单”时最常用的模式。
然而，其余的账本，银行业并没有标准答案。
第二本是“辅助决策账”。如风险预警、尽调辅助等，其产出是风险前置与损失规避，虽然有价值但难以在单点用金钱衡量。胡德斌坦言，这类账目“可衡量”，但不等于“可财务化”，待算力成本进一步降低、风险计量规则得到审计和监管部门认同后，或许才能算得更清楚。
“与其死磕单个场景的ROI，不如将目光投向第三本账，‘知识资产与组织能力账’，”胡德斌说，如知识资产积累的速度、业务人员与AI协同熟练的程度等，“这类指标虽然不计入利润，但是它决定了银行在数智化转型方面的长期竞争力”。
回归眼下，胡德斌最担心的是由于“算不清账”而持观望态度，这样将错失知识积累的时间窗口。“这个窗口用钱买不回来。”他说。
一个不容忽视的信号是，金融机构对于技术合规与风控的重视，远远置于ROI之上。
近期，《金融信息服务数据分类分级指南》《关于银行业保险业人工智能安全开发应用的指导意见》相继落地，《金融业网络安全管理办法（征求意见稿）》《银行业保险业网络安全管理办法（征求意见稿）》开始公开征求意见。
OceanBase首席技术官杨传辉告诉记者，如今在与银行等金融业客户谈合作时，对方首先考虑的就是其“兜底”能力，即一旦数据或AI技术出现问题，它的“影响半径”有多大，是否可控？“这是所有合作的基础，如果没有在安全可控的能力保障上得到认可，其他都免谈。”杨传辉说。
从千亿级投入到一线“温差”，从算力竞赛到精打细算，对于以银行为代表的金融业来说，这场“应用”与“治理”并重的大考没有标准答案。正如网商银行行长冯亮所说，没有一把可以打开所有门的钥匙。
