1900億元投入之後，銀行業的AI故事開始進入算帳階段。
翻看20家A股主要上市銀行2025年財報，金融科技仍是最醒目的關鍵詞：15家披露相關投入的銀行合計投入接近1900億元；人員配置方面，上海銀行科技人員佔比12.06%，興業銀行11.96%，也就是說它們每8個員工裡，就有約1個是科技人員；“AI”“人工智慧”“大模型”“智能體”幾乎塞滿了年報裡的科技章節，成為銀行數位化轉型的新標配。
但真正把AI產出量化到“人年”“工時”“業務增量”的，仍是少數。和過去幾年不同，銀行不再只講“投了多少、建了多少、上線多少場景”。在淨息差持續承壓、利潤增長放緩、降本增效成為行業共同命題之後，AI投入開始被放到更硬的帳本上衡量：它到底節省了多少工時，替代了多少重複勞動，提升了多少客戶觸達，提前識別了多少風險，又能不能最終轉化為收入、利潤和資產質量改善。
這意味著銀行AI進入了下半場。上半場，比的是誰敢投入、誰先佈局、誰把大模型寫進戰略；下半場，比的是誰能把模型嵌進真實業務，把智能體從演示場景拉進客戶經理、風控審批、財富管理和營運後台。銀行不是科技公司，不能只靠想像空間定價。對它們而言，AI如果不能被審慎計量，最終就會從“未來引擎”變成新的成本黑洞。1900億元之後，真正的問題不再是銀行要不要AI，而是每一筆AI投入，能不能被算清楚。
01 1900億背後：不投怕掉隊，投了怕成無底洞
沒人會懷疑銀行在AI和金融科技上的投入力度。
在20家樣本銀行中，15家披露了金融科技投入金額，合計約1899.59億元。需要說明的是，這並非AI專項投入，而是銀行年報中披露的金融科技、資訊科技相關投入總額；但從年報表述看，AI、大模型、智能體已經是其中最清晰的主線。
從絕對規模看，國有大行仍是最強玩家。
工商銀行以285.88億元領跑，相當於每天投入約7835萬元；建設銀行267.22億元、農業銀行256.47億元、中國銀行250.01億元緊隨其後。僅四大行合計投入就超過千億元，吃掉行業過半投入。
招商銀行以129.01億元位列第五，是唯一擠進前五的非國有大行。
更有意思的是投入強度。從科技投入佔營收比看，國有大行集體擠在3%到3.8%區間，工行3.41%、建行3.51%、農行3.54%、中行3.80%，佔比排行直接掉到“後五位”。而佔比最高的反而是股份行和城商行：上海銀行5.14%、光大銀行5.11%、北京銀行4.80%、交通銀行4.66%、中信銀行4.54%、浦發銀行4.38%。規模上去了，比例反而壓下來；規模上不去的，比例就要拉高才能補戰略短板。
20家銀行中，還有平安、浙商、南京、寧波、江蘇等5家上市銀行未披露金融科技投入的具體金額。
對此，德勤中國副主席、金融服務業主管合夥人吳衛軍分析了上市銀行AI帳本的本質：“銀行機構在科技方面的投入是很大的。但有一個銀行家跟我分享，過去如果你花一個億，一個分行就能建得漂漂亮亮；但現在花一個億在科技上，明天你可能就落伍了，甚至有可能要用更多的錢來打補丁。"
是不是所有銀行都要大力投入AI？吳衛軍認為：“有的銀行可以不投，只要把客戶關係做好，把基本面做好，是可以不投的。但不投AI，不等於不用AI，銀行的使命最終是服務好客戶，沒有AI的支撐，未來是不可能服務好客戶的。”他分析稱，銀行在科技方面的投入，投資回報是多少，要做好自我檢查。“不能夠為了投而投。”他強調。
這也正是銀行引入AI進入下半場的核心矛盾：不投，怕掉隊；投了，又怕變成無底洞。
一位頭部銀行中後台管理人士透露：銀行內部對AI投入已經開始分層。他表示：“文字校對、製圖、調研報告等這種通用能力，只要第三方工具能完成七八成，銀行更傾向於買外部服務；真正要自建的，是涉及核心資料和客戶的那些場景。”
在他所在的部門，AI已經很具體地改變了很多後台工作，他舉例稱“光圖片設計這一塊，大概能省90%的費用。”
02 12.06%與三分法：AI正在改寫崗位結構
錢可以記帳，人不能造假。大模型可以買、算力可以租、智能體可以外包，但能讓大模型在30兆資產負債表裡跑起來的工程師，必須是自己人。
20家樣本銀行中，郵儲銀行、平安銀行、光大銀行、華夏銀行、浙商銀行、江蘇銀行6家未披露科技人員數量及佔比。其餘14家中，科技人員佔比差距很大。
排在最前面的是上海銀行和興業銀行。
上海銀行科技人員佔比12.06%，興業銀行11.96%。一家城商行、一家股份行，把所有國有大行甩在身後。換句話說，它們每8個員工裡，就有約1個是科技人員。
交通銀行9.99%、浦發銀行9.84%、工商銀行9.80%、南京銀行9.22%、招商銀行9.09%緊隨其後。
“帳上看不到的人，最後都會在產品裡露出來。”前述銀行人士說，“那家銀行APP改版多、智能客服越來越像人、對帳單背後那些小推薦越做越精，大機率就是它的科技人員真招到位了。”
還有一個變化值得注意：國有大行的科技人員披露口徑正在變細。工商銀行首次披露“金融科技類員工佔比9.8%”；建設銀行披露“科技渠運業務28950人，佔7.65%”；中國銀行披露“科技與數位化運行管理員工19987人，佔6.37%”。加上此前已披露的農業銀行、交通銀行，六大行中已有五家給出獨立科技人員數字，僅郵儲銀行仍未披露。
與此同時，“科技人員”的定義也在被AI時代重寫。過去，銀行科技人員主要指開發、維運、系統建設人員；現在，資料治理、模型訓練、AI營運、智能體測試、提示詞工程、業務流程再造，都可能被納入更寬泛的科技與數位化崗位。2025年，浦發銀行新設獨立的“人工智慧中心”，作為一級專業機構寫入年報正文。
但組織變化也意味著崗位壓力會向內部傳導。
“要麼被邊緣化甚至失去工作；要麼崗位還在但指標成倍加量，原來管200個客戶，未來管2000個甚至2萬個；要麼轉崗去做A帶來的新需求，比如資料校驗、測試、科技崗位。”前述銀行人士表示。
他進一步透露，銀行內部已經開始參照一頭部股份行提出的“三分法”來梳理崗位：“高替代性工作約70%可被替代，中替代性約50%，低替代性約30%。我們銀行今年下半年應該會把所有工作做一次全面梳理，然後針對性地調整，相關成效大概明年或者今年年底能看到。”
AI對員工的影響，不會只表現為裁員。更常見的形式，是指標重估。
“真正的大客戶，比如私行客戶，還是需要一對一的情緒價值和專業服務。但大量標準化的中小客戶，銀行從成本、專業性等各方面考慮，會慢慢讓AI去承接。”他說。
03 AI幹了5.5萬工行人的活兒
比“投了多少”更關鍵的問題是：錢砸出去之後，帶來了什麼？
2025年報季，一個明顯變化是，頭部銀行開始嘗試把AI價值折算為“人年”“工時”和業務指標。這是銀行AI從講故事進入算帳階段的重要訊號。
最典型的是工商銀行。
工行年報披露，AI數字員工累計承擔工作量達5.5萬人年。按照工行2025年末員工40.98萬人測算，5.5萬人年相當於全行約13.42%的勞動力被AI數字員工替代或分攤。
如果保守按照人均綜合用人成本40萬元/年測算，5.5萬人年理論上對應約220億元人力成本釋放空間。這已經相當於工行2025年金融科技投入285.88億元的77%。
也就是說，如果僅按“數字員工替代人工工作量”這一項粗略估算，工行金融科技投入的回收期約為：285.88/220≈1.3年。
當然，這只是理論上的測算。AI替代出來的工時，並不會全部轉化為財務報表上的成本下降。銀行不會因為AI多做了5.5萬人年的工作，就立刻減少同等規模的員工，但它至少提供了一個衡量AI價值的坐標。
而招行則把AI產出講得更細。
2025年，招商銀行AI應用替代人工工作量超過1556萬小時，相當於形成超過8000名全職員工的效率貢獻。按照招行約11萬員工規模測算，8000人約等於全行7.3%的勞動力被AI分攤。
更關鍵的是，招行披露了場景級業務產出：線上風控平台2025年審批對公信貸規模接近6000億元，同比增長44%；AI輔助貸後風險預警時間較傳統人工平均提前42天；面向超萬名金葵花客戶經理的智能助手，推動人均有效觸客次數提升14%、客均交易規模提升20%。
這比“節省多少工時”更重要。
因為AI如果只是節約成本，天花板是有限的；但如果能帶來更高觸達、更快審批、更早預警、更高交易規模，它才可能成為銀行新的增長引擎。
前述銀行人士提到，AI在客戶互動和財富管理場景裡，已經出現了接近“殺手級應用”的雛形。
他已經試用過一款銀行AI工具，適用於以下兩種場景：
第一，客戶問：“我年終獎到帳了，幫我推薦一款理財產品。”AI工具可以識別客戶已購理財構成、風險偏好、以及該行在售理財產品資訊，直接推薦3款產品並附上連結，同時說明與現有持倉如何形成互補配置。
第二，客戶問：“去年我理財裡那三個表現最差？幫我替換掉。”AI會分析收益未達預期的產品，並識別其中那些因未到期暫時無法操作，那些因為底層標的變化確實表現較差，再給出替換建議。
該人士透露：“未來你只要在銀行有理財產品，那怕只有10萬，它就會給你一份報告。普通客戶就能享受到原來只有私行客戶才有的分析報告和投資策略。”
但為什麼這類工具還沒有大規模對客戶開放？他的解釋有四點：銀行文化保守、資料安全是硬約束、監管路徑尚未完全明確，以及銀行的AI其實是一個封閉生態裡的工具。
“通用AI誰給錢多就可以推誰，但銀行的AI不一樣，百分之百隻推自己的產品。比如，招商銀行的AI不可能去推薦工商銀行的理財產品。”
也正因此，銀行AI的ROI很難用單一指標去衡量。
所以，絕大多數銀行仍然更願意披露“上線多少場景”“覆蓋多少流程”“建設多少智能體”，而不是直接告訴市場：AI到底貢獻了多少收入、節約了多少成本、降低了多少不良。
04 寫在結尾：這本帳還會繼續翻下去
2025年這本上市銀行的AI帳本最大的意義，不是它給出了多少漂亮數字，而是它讓我們第一次看清：中國銀行業的AI，已經不再是“要不要做”的問題，而是“怎麼做、怎麼算、怎麼披露”的問題。
上半場，銀行比的是誰投得多、誰模型大、誰場景多；下半場，比的是誰能真正把AI換成效率、風險控制、客戶經營和利潤增長。
吳衛軍也鮮明地總結表示：“這是一個平衡問題。一方面要保持科技投入，但另一方面，這些機構畢竟不是風投，而是銀行。”
銀行不是科技投資公司，它不能只講想像空間，而是要講場景和應用，還要講風險、合規、資產質量和利潤回報。
這本帳翻到最後，最值得繼續盯的，未必是喊得最響的銀行，而是那些能把AI投入、組織能力和經營結果同時兌現的銀行。
AI的上半場，比誰會講故事；下半場，要看誰真的賺得到。 (騰訊財經)