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 "。