文 | 金透社 万捷

2023年初，ChatGPT横空出世的时候，银行圈的反应大致分三种：有人连夜开会研究“这玩意儿到底能不能用”；有人私下跟同行打听“你们准备怎么搞”；更多的人是心里发毛——AI会不会把我的饭碗端了？

三年过去了。

工行AI数字员工年承担工作量5.5万人年；招行“AI First”战略下，2025年全年实现AI替代1556万小时人工效能，相当于节省超8000名全职员工工作量；邮储银行已落地超370个大模型应用场景，日均调用超600万次；浦发银行上线超2500个金融智能体。A股上市的13家银行（6家国有大行+7家股份行），2025年在金融科技上合计砸了1838.78亿元。

银行圈没人再问“AI会不会取代我”了。他们问的是另一句话：没有AI，我还怎么干活？

惶恐：从“怕被替代”到“离了不行”

2023年，银行员工的焦虑是写在脸上的。大模型能写报告、能审合同、能做客服——那些银行里最基础的岗位，突然显得不那么稳固了。

三年后的答案很清晰：AI确实替代了一部分工作，但替代的是“活儿”，不是“人”。

工行的“工银智涌”大模型技术体系在30余个业务领域规模化落地500多个AI应用，AI数字员工等效产能达到5.5万人年。换句话说，工行靠AI“多”出了一个中型银行的劳动力。但工行没有因为AI裁员5.5万人。那些被AI释放出来的人力，被转向了尽职调查、线下贷后走访等AI暂时做不了的事。

农业银行董事长谷澍在陆家嘴论坛上给AI的定位说得最直白：AI是业务辅助工具，而非岗位替代者。

邮储银行原行长刘建军说得更狠。2026年6月，他公开给行业泼了三盆冷水：别以为AI会大规模替代员工；别指望AI投入能短期回本；别迷信通用大模型万能。

三年时间，银行人的心态完成了一次完整的转身：从“AI会不会抢我饭碗”到“没有AI我连饭都吃不上”。招行已经面向所有员工开展AI工具使用培训，“用AI做出成绩”成为内部晋升和评优的重要加分项。

惶恐还在，但惶恐的对象变了。

教训：1800亿砸进去，学到了什么？

13家银行，1838.78亿元。国有六大行投入约1300亿元，其中工行、建行、农行、中行的科技投入均超过200亿元，分别达到285.88亿元、267.22亿元、256.47亿元、250.01亿元。这笔学费不便宜。

三年下来，银行踩过的坑大概能写成一本书。

第一个教训：大模型不是拿来就能用的。

银行内部系统架构繁复，同一财务指标在各系统的统计口径往往不统一。老旧核心系统“牵一发而动全身”难以改动，各业务部门数据标准难以统一。当未经清洗、语义混乱的数据直接“喂”给大模型，产出的结果极易出现严重的模型幻觉。

第二个教训：大模型有“幻觉”，银行不能有。

农业银行董事长谷澍在陆家嘴论坛上明确指出，金融业大模型应用面临的主要风险包括模型黑箱、模型幻觉、模型自主思考和决策带来的不确定性。信贷审批、资产定价、资金交易等核心业务环节，AI深度落地仍面临多重障碍。

招商银行首席信息官周天虹公开提示，大模型仍存在“幻觉”风险，招行正多措并举打造安全、可靠、可信的大模型应用。

第三个教训：辅助场景普及快，核心业务落地难。

智能客服、内部问答、文档处理、报表生成等辅助场景渗透率最高。但信贷审批、资产定价、资金交易等核心业务，AI能真正独立承担的屈指可数。

银行花1800亿买到的最大教训是：AI能干很多事，但银行的核心业务，AI还不能完全交班。

人才：懂AI的银行人，比AI本身更稀缺

一个比“AI能不能替代人”更扎心的问题正在浮出水面：谁来管AI？

2025年，24家上市银行连续5年披露金融科技人员数量。金融科技类岗位招聘需求直接翻倍。“既懂业务又懂AI”的复合型人才，几乎没有现成供给。

邮储银行副行长牛新庄在股东会上说，该行正加快打造AI驱动的数字生态，构筑全链条、全链路AI能力底座。建设银行副行长雷鸣在业绩发布会上透露，建行AI助手的内部覆盖率已达99.42%，“所有的员工有各种各样的问题向总行或管理部门提问时，有99.42%是先由人工智能形成回答方案，日均访问量已经超过了10万人次”。

但99.42%的覆盖率背后，是建行在数据清洗、标准统一和人才配备上下的苦功夫。

工商银行行长刘珺在2026年APEC工商领导人中国论坛上说得直白：金融机构必须为AI时代做好充分准备，“一定要强调安全性”，同时“使用AI一定要考虑到人力资源方面做充分的匹配”。

银行缺的不是钱，缺的是能驾驭AI的人。

数据质量：AI好不好，数据说了算

如果把AI比作一个刚入职的超级实习生，那数据就是它唯一能看的学习材料。材料质量怎么样？

一个字：脏。

银行内部系统架构繁复，各部门数据标准不统一，同一指标在不同系统里各说各话。多年信息化建设积累下来的“历史遗留问题”，在AI时代集中爆发。

德勤报告指出，大模型对高质量训练数据的需求远超传统AI，银行需进一步打好数据治理和数据贯标的基础。邮储银行原行长刘建军在谈到防范“AI幻觉”时说，应从数据源头治理入手，让AI基于经过验证的金融数据库和知识库回答问题，控制模型自由泛化。

邮储银行即便有超370个大模型应用场景、日均调用超600万次的规模，仍然坚持“业绩共进、价值导向”的统筹建设思路——说白了就是：AI要有用，不能为了用而用。

建设银行副行长雷鸣在业绩发布会上透露，建行AI助手的内部覆盖率已达99.42%——“所有的员工有各种各样的问题向总行或管理部门提问时，有99.42%是先由人工智能形成回答方案，日均访问量已经超过了10万人次”。但99.42%的覆盖率背后，是建行在数据清洗、标准统一上下的苦功夫。

数据质量这道坎，是银行业AI必须跨过去的。跨不过去，AI永远只是个高级点儿的Excel。

四张不同的牌桌

三年下来，银行AI的牌桌上，四个头部玩家打出了四种完全不同的打法。

工行：全域覆盖的“基建派”

工行“工银智涌”大模型技术体系在30余个业务领域规模化落地500多个AI应用，AI数字员工年承担工作量5.5万人年。同业率先建成国产千卡算力底座。工行行长刘珺说得清楚：技术最终要面向应用，系统重要性金融机构使用AI必须将安全性置于突出位置。

招行：ALL IN的“战略派”

招商银行提出了行业最具进攻性的战略—— “AI First” 。任何业务问题，首先思考能不能用AI解决。招行自2023年提出打造行业第一家智能银行目标后，全面梳理了全行1588个独立工作项，按大模型可发挥作用分为高、中、低三类。智能客服“小招”日均对话超100万次。

招行是最早算清楚AI账的银行之一。该行科技条线建立了一套完整的成本收益度量体系。招行首席信息官周天虹在股东会上披露，截至2026年5月底，该行日均Token消耗量已达330亿。大模型成本收入比维持在20%左右——即投入20元于人工智能，可创造100元收益。

邮储：场景驱动的“渗透派”

邮储银行不追求单点突破，追求场景密度。截至2026年6月末，已落地超370个大模型应用场景，日均调用超600万次，日均输入输出词元超百亿。预计到2026年末，日均Token吞吐量将突破300亿。

邮储的办公智能体已覆盖全行超4万名员工，累计提供服务超50万次。在信贷全流程方面，邮储打造了贯穿前、中、后台的智能信贷支撑体系，尽职调查效率提升超50%。这不是一个聊天机器人，是一套覆盖前中后台的AI操作系统。

浦发：智能体赛道的“激进派”

如果说2025年银行AI的主题是“大模型落地”，那2026年的主题就是“智能体上岗”。浦发银行是这条赛道上跑得最快的——目前已上线超2500个金融智能体，近200个深度嵌入真实业务流程。从2025年业绩说明会时的超2000个，到2026年7月的超2500个，几个月时间增加了500个。

浦发银行总行科技发展部副总经理周骏直言：人工智能不是简单的技术革命，而是一场产业革命和模式革新。金融行业具备强监管、高风险属性，要求AI系统全程可解释、可追溯、可审计。

2026年，四家银行的AI竞赛正在从“有没有”走向“好不好”。胜负手已经不是谁先上了大模型，而是谁能把场景做密、做深、做出真金白银的效益。

监管进场：32条红线

银行AI跑得再快，也得在监管的轨道上跑。

2026年6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等七大方面提出32项指导性意见。

这是我国银行业保险业首份人工智能全流程专项监管文件。核心原则四个字：谁使用、谁负责。

《指导意见》要求金融机构建立健全AI应用需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的全生命周期管理体系。信贷审批、资产评估、资金交易等场景均被列为“高风险应用”。金融机构面向公众服务或高风险场景使用生成式AI技术的，应向金融监管总局或其派出机构报告。

AI可以跑得快，但不能跑出监管的视线。

AI没有替代银行，但会用AI的银行正在替代不会用AI的银行

三年时间，中国银行业完成了一场从“惶恐”到“拥抱”的集体转身。工行的5.5万人年、招行的1556万小时、邮储的370个场景、浦发的2500个智能体——这些数字拼在一起，画的是一条陡峭的增长曲线。

但这条曲线背后，是1800亿的真金白银、是数据清洗的血泪教训、是人才争夺的暗战、是监管红线的步步紧逼。

中国金融网董事长何世红指出，银行业AI的演进已超越单纯的技术建设层面，上升为企业级竞争壁垒的重新构筑。大模型技术的底层突破与多智能体网络的成熟，为商业银行跨越产能瓶颈提供了核心技术支撑。然而，真正决定转型成败的关键在于体系变革的深度——组织治理机制的革新、工业化知识工程的奠基，以及前置风险管控框架的护航。

邮储银行原行长刘建军说过一句很重的话：银行AI竞争的核心，不是有没有大模型，而是能不能把场景做密、做深。这句话的背后，是组织架构的重构、考核体系的再造、数据质量的攻坚、人才结构的升级。

何世红强调，商业银行唯有坚持价值导向、深化体系变革并稳妥应对各层级挑战，方能在新一轮金融科技周期中确立坚实的可持续发展优势。

AI没有替代银行，但会用AI的银行正在替代不会用AI的银行。三年时间，这个判断已经从“预言”变成了“现实”。