2025—2026 年，银行业 AI 应用从"有没有用例"转向"能不能证明价值"。三个坐标：2026 年 6 月 18 日金融监管总局发布金发〔2026〕8 号，首次为银行业保险业 AI 应用立下系统规范；2026 年半年报中 Token 消耗量首次成为上市银行集体披露项；Evident AI Index 2026 显示，全球银行业公开 AI 用例中仅约 1% 披露具体财务回报。

八条核心发现：

其一，投入进入千亿级常态，强度明显分化。2025 年国有六大行金融科技投入合计 1300.91 亿元（同比 +3.69%），占营收 3.31%—5.78%；工行 285.88 亿元居首，交行占比 5.78% 最高，邮储 -4.11% 为唯一负增长者。六大行科技人员约 13.58 万人。股份行中招行 129.01 亿元、中信 96.41 亿元（-11.91%，连续两年下滑）。

其二，国产开源大模型事实性主导。国产大模型被工行、建行、中行、邮储、浦发、江苏、上海、北京等广泛引入；"通用大模型 + 垂类小模型"双轨成主流，中国银行业"已全面摒弃对单一全能基础大模型的依赖"。

其三，国际同业的优势不在"用得多"而在"算得清"。摩根大通 2026 年科技预算 198 亿美元、AI 用例近 1000 个；美银给出明确回报路径（2026 年 2.5 亿—3 亿美元、2027 年约 7 亿美元）。但全球仅约 1% 的公开用例披露财务收益，国内唯一公开产出比的是招行（成本收益比约 20%）。

其四，场景成熟度断层。Gartner 2026：机器学习（欺诈检测、信贷决策、反洗钱监测）进入"稳步爬升的光明期"，渗透率超 50%；生成式 AI 跌入"泡沫破裂低谷期"；智能体在"期望膨胀顶峰"，2027 年底超 40% 的项目或被取消。

其五，价值兑现漏斗极陡。埃森哲：90% 使用 AI、15% 达到企业级转型、仅 5% 能衡量财务影响；凯捷：仅 10% 规模化落地、80% 仍在试点；Gartner：仅 38% 的组织看到财务收益。

其六，监管三条分岔。中国走专门化立规，金发〔2026〕8 号 32 条，高风险准入 + 人工干预 + 备案制；欧盟高风险义务推迟约 16 个月至 2027 年 12 月；美国 2026-04-17 发布 SR 26-2，撤销实施 15 年的 SR 11-7 模型风险管理指引，并将生成式 AI 与智能体排除在外，形成监管真空。

其七，中小银行三道鸿沟固化：投入（大行单项目亿元级 vs 中小行几十万至百万元级）、人才（超九成存在缺口，约六成机构科技人员占比不足 5%）、数据（约七成认为数据底座撑不住 AI）。

其八，成本结构失衡最被低估。中国电子首席科学家况文川：金融业 AI 投入约 85% 投向算力硬件，仅 15% 投向模型训练与数据集、应用层；软件投入占比升至 30%—50% 时，AI 应用才真正进入爆发期。

一、中国银行业：投入、技术路线与机构实践

六大行走平台化与规模化路线。工行升级"数智工行"，自研"工银智涌"千亿级大模型体系，2025 年落地超 500 个 AI 应用、AI 数字员工承担 5.5 万人年工作量；农行专设智慧银行建设办公室，"农银智+"使座席通话时长从 207 秒降至 176 秒；中行 BOCAI 平台智能化助手从 400 余个增至 2026 年上半年的 2200 余个；建行"大小模型协同"赋能 398 个场景、审批平均处理时间下降超 30%，"帮得"使成效较好的客户经理 AUM 增幅高出全行均值约 57 个百分点；交行部署超 2500 个智能体助手；邮储"邮智"落地超 370 个场景、日均调用超 600 万次。

股份行呈三条差异化路线。招行是唯一系统披露投入产出的国内银行：日均 Tokens 吞吐较 2024 年增长 10.1 倍、2026 年上半年同比 +78%，披露"大模型项目成本收益比约 20%"；全行梳理 1588 个工作项按价值分级，高中价值落地率 69%、低价值 39%，迭代周期从 32 天缩至 8 天，2026 年上半年 AI 贡献 1388 万小时等效人工工时。平安银行主打降本：大模型场景一年从 200 余个增至 390 余个，AI 生成代码占比超 30%，零售 AIGC 营销平台全年减少费用约 6000 万元。中信累计 AI 场景超 1900 个但科技投入连降两年；浦发用 Qwen-VL 替代 OCR，流程效率提升超 80%。

中小银行头部跟进、多数困局。江苏银行"1860"体系、宁波银行长期坚持营收 5% 投入科技、微众银行 80 多位"数字员工"是头部代表；多数机构困在"调用公共 API 不合规、全栈私有化超预算"的两难，且"买得来系统、养不起团队"。

技术路线四特征：国产开源事实性主导；大小模型双轨；私有化部署为主（政企占比超七成）；信创自主可控已写入监管政策。多模态替代 OCR 是 2026 年的明确迁移。

二、国际同业对标

北美以规模与透明度见长。摩根大通 LLM Suite 约 25 万名员工可用、近半每日使用，使用 AI 的部门生产率升至约 6%，部分部门减员 30%—40%；但官方态度最克制——CFO 称"证明 AI 节省成本非常难"，戴蒙称"你不会从 AI 中获得独享收益"。美银是最透明的 ROI 样本：Erica 日均 200 万次交互相当于 1.1 万名员工工作量、98% 无需转人工，IT 服务台呼叫下降约 50%—55%，约 1.8 万名开发者生产率提升 20% 以上。高盛 12000 余名开发者全部使用 AI，并与 Anthropic 工程师驻场共研智能体；摩根士丹利顾问采用率 98%，2026 年 6 月通过 MCP 向企业客户自有智能体开放平台；花旗遗留系统迁移从 12 个月降至约 4 周。

欧洲治理先行、主权倾向明显。汇丰 2026 年 3 月任命首任首席 AI 官，约 85% 员工可用 AI 工具，并与 Mistral 合作；渣打 SC GPT 覆盖近 8 万名员工，计划 2030 年前削减企业职能岗位 15% 以上。ROI 披露稀少，劳埃德（2025 年约 5000 万英镑）与桑坦德（2026 年目标超 2 亿欧元）是例外。

亚太是智能体落地最积极的区域。星展 DBS Joy 于 2026 年 7 月完全智能体化，企业用户从 2 万增至 35 万；华侨银行 HELIOS 将私行开户降至中位数 15 个工作日；三菱日联向约 3.5 万名员工部署 ChatGPT Enterprise。

中外对照四点：中国在规模与速度上不落后（场景数、Token 量、智能体数居全球前列），在"单位价值"上差距明显；技术自主性更强，代价是生态相对封闭；国际同行正把 AI 从内部工具推向对外接口，国内尚无对应动作；治理成熟度是共同短板——德勤显示 63% 的银行员工每周使用 AI，仅 13% 的银行达到领先治理成熟度，2026 年上半年金融业 AI 事故数量已超 2025 年全年总和。

三、场景落地与效果证据

风控与信贷：大模型定位是"增强"而非"替代"——评分卡仍是基线与拒绝原因码来源，GBDT 处理高维特征，大模型主要做非结构化信息抽取与智能体编排。招行在线风控平台审批对公信贷近 6000 亿元（同比 +44%），AI 辅助贷后预警较人工提前 42 天。难点在合规边界模糊与可解释性不足。

反洗钱：拥有最硬的一手数据。汇丰与 Google 合作的系统每月检查约 9.8 亿笔交易，误报减少 60%，发现的金融犯罪数量提升 2—4 倍。红线是每一份可疑交易报告必须由人决定；反面参照是 TD Bank 2025 财年重建美国交易监测耗资 5.07 亿美元。

客服与营销：替代率最高。平安 AI 座席覆盖 81% 客服总量、人工替代率超 80%，招行"小招"等效替代 3000 名座席。反面证据：澳大利亚联邦银行 2025 年以 AI 客服替代 45 名员工后，因"工作量反而增加、呼入量上升"争议而回滚。

财富管理与投顾：监管约束最紧。ESMA 要求使用 AI 的投资公司仍完全适用 MiFID II；美国 SEC 2026 年审查重点要求证明 AI 建议符合信义义务，并对"AI 漂洗"执法；FINRA 监督报告首设生成式 AI 专章，要求保持"人类在环"。国内虽无专项新规，但金发〔2026〕8 号"面向公众服务使用生成式 AI 须报告"已实质覆盖。

运营与中后台：确定性收益最高。建行单证中心 3 分钟输出进口信用证完整审核报告、全年 70 余万笔业务"零差错"；邮储供应链金融单笔审核从 30 分钟缩至 1 分钟。共同模式是"多模态识别 + 规则校验 + 人工放行"。

研发与 IT 提效：数据最亮眼也最易偏差。摩根士丹利解析 900 万行遗留代码、为 15000 名开发者节省 28 万小时；招行编码助手覆盖率超 97%。最重要的反证是 METR 随机对照试验——资深开发者使用 AI 工具后任务耗时反而增加 19%，尽管主观认为更快。

智能体：叙事主角与最大预期落差。凯捷调研显示，规模化部署首选流程为客服 75%、欺诈检测 64%、贷款处理 61%，但仅 10% 已规模化落地，80% 仍在构思或试点，48% 正新增岗位监督 AI 代理。国际通行模式是"模型提建议 → 规则校验 → 人工保留放行决策"，首选场景高度集中于异常队列处理（支付修复、单据审核、流程调度）而非自主决策。

四、监管与合规：三条分岔的路径

中国：从分散援引走向专门化立规。金发〔2026〕8 号（32 条）四项原则为"谁使用谁负责、自主可控、务实高效、安全发展"。要点：董（理）事会须指定专门委员会负责；资金交易、资产评估、信贷审批、承保理赔等高风险场景及直接影响合约达成的生成式 AI 场景实行准入管理，关键环节保留人工监督与干预；外部引入的生成式模型须经网信部门备案；第 24 条禁止将个人信息用于模型训练和优化，比《个人信息保护法》更严格；面向公众或高风险场景应用须向监管报告；算力按需布局，并首次鼓励大型机构向中小机构输出算力服务。配套上，《生成式人工智能服务管理暂行办法》仅规制向境内公众提供的服务，银行内部自用模型不适用；《人工智能生成合成内容标识办法》要求 AI 客服、营销内容与数字人加显式、隐式标识；中国支付清算协会提出"了解你的智能体"（KYA）。境外大模型虽无明文禁止，但通过自主可控原则、备案制与数据出境红线形成事实性排除。

欧盟：《人工智能法案》经 2026 年 7 月生效的 Digital Omnibus 修订，高风险义务推迟约 16 个月至 2027 年 12 月，但透明度义务已按期生效；罚款上限 3500 万欧元或全球年营业额 7%。

美国：松绑与真空。2026-04-17，OCC、美联储、FDIC 发布 SR 26-2，撤销实施 15 年的 SR 11-7，转为原则导向、按重要性分级，并明确将生成式 AI 与智能体排除在外，RFI 至 2026 年 9 月未发布。短期降低合规负担；长期看，一旦发生重大 AI 事故，责任认定只能落到既有法律的个案适用上，不确定性反而上升。

新加坡金管局 2026 年 7 月发布 SAFR（智能体金融运行时保障）白皮书；日本 FSA 2026 年 9 月批准三大行用生成模型起草 AML 警报摘要的沙盒试点，要求持牌人员逐段签署、提示词日志可回放。

五、ROI 之困与风险挑战

披露率极低是基本事实。Evident AI Index 2026（覆盖 50 家最大银行、75 项指标）显示，平均得分同比增长 26%，但公开用例中仅 12% 报告了对运营 KPI 的影响、仅约 1% 披露具体财务回报。给出账本的机构极少——美银、劳埃德、桑坦德、澳洲联邦银行、招行。2026 年半年报 Token 消耗首次成为集体披露项，成本约束机制出现雏形。有民营银行对员工 Token 用量设上限，浦发要求立项前先定义价值衡量口径。

风险需关注五点。一是治理滞后：仅 13% 的银行达到领先治理成熟度，对智能体的监控弱于对传统 AI 的监控。二是幻觉已有司法后果：2026 年 10 月 8 日以色列一法院以"明确的 AI 幻觉"为由剔除一份银行专家意见。三是深度伪造冲击身份核验：数字伪造占 2024 年全部证件欺诈的 57.46%（上年 16.7%），FinCEN 已确认前端 KYC 无法独立拦截、须靠下游交易监测兜底；攻击工具约 300 美元起，重建监测体系却以亿美元计。四是价值难以衡量，Gartner 预测 2027 年底超 40% 的智能体项目被取消。五是组织阻力：92% 的高管指技能缺口为主要障碍，仅 11% 在流程重构时同步重新设计岗位；28% 的高管认为岗位将根本改变，而持同感的员工仅 6%。

六、趋势判断与战略建议

技术演进方向：大模型牵头、小模型干活的分层架构已固化；多模态在单证、票据、合同场景替代传统 OCR；AI 与核心系统改造结合是最成熟切入点。综合判断：银行业 AI 的"采用"已过临界点，"价值兑现"刚起步；2026—2027 年是预期落差集中释放期，竞争重心正从模型能力转向落地能力。

对大型银行：建立以单位业务价值为核心的项目准入与退出机制，用价值指标替换场景数量指标；向中小机构输出算力与模型能力；加快核心系统现代化与 AI 的耦合；关注"客户侧智能体"这一新竞争维度。

对股份行与头部城商行：放弃通用平台自研幻想，聚焦 3—5 个高价值场景做深做透，借鉴招行"工作项按价值分级"的方法论；优先选择异常队列处理类场景作为智能体落地点；把资源从算力转向应用层；警惕投入收缩的路径依赖。

对中小银行：走"轻量化采购 + 场景订阅"路线，复用已备案的成熟能力，避开全栈私有化陷阱；把数据治理与人才培养置于算力之上；接受"不掉队"而非"弯道超车"的定位。

数据口径与免责说明。数据检索截至 2026 年 10 月 17 日，来源为银行年报与官方披露、监管文件、第三方研究机构（Evident、麦肯锡、Gartner、IDC、凯捷、德勤、埃森哲、毕马威、NVIDIA 等）与专业财经媒体。

责任编辑：佟桃梨