今年陆家嘴论坛上，工农中建都谈到了 AI。

这一次，不是泛泛而谈 " 数字化转型 "，也不是简单的几句拥抱新技术，而是工农中建四家国有大行的一把手，分别从科技金融、大模型风险、AI 赋能银行、耐心资本几个角度，把银行业面对大模型时真正关心的问题摆了出来。

工商银行行长刘珺讲到 " 算力阈值 "、" 机器人报价 "、" 技术期权 "；农业银行董事长谷澍把话题拉回到模型黑箱、模型幻觉和智能体风险；中国银行行长张辉给出了一套 "326" 全球化 AI 赋能体系；建设银行行长张毅则从资本市场切入，谈到银行系耐心资本如何 " 投早、投小、投长期、投硬科技 "。

这些内容单独来看，是四家大行各自的实践和判断；合在一起看，其实回答了同一个问题：当大模型浪潮拍岸而来，银行到底该怎么做？

这条主线并不复杂。先要看清大模型它能把银行带到哪里；再要学会和它相处，让模型进流程，但不能让风险失控；最后，还要把这种能力用到更大的产业图景里，去服务硬科技、服务科技金融，重新理解企业价值。

也因此，AI 对银行的影响，正在逼银行重新审视自己的老本行：识别价值，管理风险，配置资金。

认知重构：从服务入口到核心流程

银行要跟大模型打交道，第一件事是回答一个认知问题：它到底能干什么？

四位领导的发言，从不同侧面给出了答案。

中国银行行长张辉的判断最为系统和直接。他说，AI 正在从三个层面重塑银行——服务范式、价值创造模式、管理范式。服务上，AI 改变了银行与客户之间信息数据传输和处理的方式；经营上，AI 可以深度嵌入客服、营销、审批、风控、运营等环节；管理上，AI 深度应用会牵动组织架构、队伍建设、治理体系和风控能力。

中国银行副董事长、行长张辉

这几句话真正点出的，是 AI 进入银行后的深度。

如果只是把大模型接到客服入口，或者做一个内部知识问答，改变还比较有限。真正的变化，是它开始接近银行的核心流程：客户识别，贷款审批，风险预警，运营调度，报告生成，经营决策辅助等等。

工商银行行长刘珺提到的一个细节，更能说明这种变化已经不是停在概念层面。他说，工行金融市场业务现在已经在用机器人报价，机器人的速度、效率和准确性都高于人。金融市场业务对实时性、准确性和风控要求都很高，这类场景能用上机器人报价，说明 AI 在银行内部已经开始进入比较硬的环节。

但张辉和刘珺的表述，只是硬币的一面。农业银行董事长谷澍的发言，让我们看到了另一面。他说得很实在：大模型有三大 " 坑 " ——参数海量带来的可解释性难题、概率生成带来的幻觉问题、模型自主思考带来的决策风险。

将三位领导的观点并置，银行对大模型的认知图谱才算完整： 它很强，强到足以重塑核心业务；但它也很 " 野 "，需要加以约束。

看清这一体两面，是银行走稳 AI 之路的第一步。

治理升维：能力越大，越需要边界

看清了大模型既强又 " 野 " 的本质，下一个问题自然浮现：怎么驯服它？

谷澍的态度很有意思—— " 模型风险是一种客观存在 "，银行要做的不是消灭风险，而是 " 建立起与风险共生的治理体系 "。这不是回避问题，而是升维到更高层次的解决思路。大模型的黑箱、幻觉和不确定性，是它运行机理中很难完全抹掉的部分。银行不能因为它有风险就不用，也不能因为它有能力就放任使用。更现实的做法，是把不同场景拆开，分别设定边界。

农业银行董事长谷澍

谷澍代表农业银行给出了四招 " 组合拳 "。第一招是 " 分类施策 "，不同场景匹配不同的技术路线和可解释性要求，信贷决策这种强监管场景用小模型，投研分析这种高认知场景强化思维链设计，产品营销则更灵活。第二招是 " 设定标尺 "，在关键业务流程中设置参数约束，" 切实压缩大模型自由编造空间 "。第三招 " 以 AI 手段应对 AI 应用风险 "，" 建立纵深防御体系，确保攻击可以早发现、快处置、能自愈 "。第四招是底层保障：强化银行内部的 AI 治理体系，" 确保 AI 既用得好、又管得好 "。

张辉介绍的 "326" 体系中，也暗含着类似的治理逻辑。"3" 是统一可靠的算力平台、企业级统一数据平台、信息中心平台；"2" 是业技融合的敏捷赋能机制和全面覆盖的安全治理机制；"6" 是感知识别、分析决策、知识图谱、智能问答、报告生成、智能交互六类应用范式。

它不是简单罗列 AI 应用，而是在搭一套底座、机制和场景模板，本质上也是在回答同一个问题：能力越大，越需要笼子。

一个从风控实操切入，一个从体系架构着眼，但殊途同归。简单的事情规范做，复杂的事情重点做。驯服大模型，靠的不是蛮力，而是分级分类、张弛有度的治理智慧。

反哺产业：银行不只是用 AI，还要懂 AI

大模型进银行，当然会改变银行自己的流程。但如果只看到内部降本增效，还不够。

四家大行的发言里，还有一条更大的线索：AI 正在改变银行服务科技企业的方式。银行不仅要用 AI 改造自己，还要用新的金融能力去服务 AI 和硬科技产业。

刘珺讲科技金融时，提到一个很重要的变化：很多大型科技企业正在构筑内部资本市场，AI 领域龙头企业向上锁定资源、算力等基础禀赋，向下覆盖机器人、消费 PC 等应用场景，打造要素、技术与场景闭环的立体生态。

中国工商银行行长刘珺

这段话是银行服务科技企业时必须面对的新现实。银行熟悉财务贴现、现金流、抵押物和偿债能力。而 AI 企业最有价值的部分，是技术突破、算力投入、数据积累和模型能力所包含的期权溢价。

这也是刘珺为什么提出，要推动 " 时间的贴现逻辑 " 向 " 技术的期权逻辑 " 转换。银行要服务这类企业，就必须把这些价值因子和风险因子放进自己的评价体系里。

建设银行行长张毅谈资本市场时，刚好补上了这一层。他提到，2025 年私募股权基金募资超 1.6 万亿，投资金额重回万亿关口，中国股权投资市场正在全面拥抱硬科技，投资方向加速转向半导体、具身智能、生物制造、高端装备等新兴产业和未来产业。银行系资本的角色，则是强化耐心资本供给，" 投早、投小、投长期、投硬科技 "。

中国建设银行副董事长、执行董事、行长兼首席合规官张毅

这句话和刘珺的 " 技术期权 " 放在一起看，就很有意思。

一个讲怎么看企业，一个讲怎么陪企业。前者解决的是价值识别，后者解决的是资金承接。科技企业的成长不会只需要一笔贷款，它需要从研发到产业化、从扩产到并购、从上市到出海的一整套金融服务。

所以，大模型带给银行的问题，不只是 " 怎么用 AI"，还有 " 怎么理解 AI 产业 "。银行要看懂模型，也要看懂模型背后的算力、芯片、数据中心、机器人、行业应用和长期资本需求。

听完四位行长的发言，我有一个很深的感受：中国银行业对 AI 的认知，已经走过了 " 概念炒作 " 的阶段，进入了更 " 务实落地 " 的阶段。

张辉掏出了 "326" 体系，谷澍给出了风险治理的 " 四招组合拳 "，刘珺展示了 " 机器人报价 " 和 " 技术期权 " 的新思维，张毅则用 " 耐心资本 " 诠释了银行在科技生态中的重要角色。

AI 越往深处走，越需要银行这样的金融机构来做三件事：给技术价值定价，给模型应用设边界，给硬科技成长提供耐心资本。没有这些，大模型再强，也很难从技术浪潮变成产业秩序。

银行不一定站在 AI 变革的台前，但它会站在很多关键连接点上。