未来三五年，人工智能（AI）将成为银行分化和重塑的关键要素，AI是效率工具，收入引擎，降本利器，最终体现于每股盈利。基于对2025年银行年报和发布会的观察，多家银行“AI+”行动在战略清晰度、落地路径和组织适配性方面仍有提升空间，任重道远。

从年报看银行“AI+”行动

一、AI实际应用成效穿透评估道阻且长

年报发布最显戏剧性的是招行，招行坚持“AI First”理念，打造智能银行，AI应用场景已达856个，全年通过AI替代人工超1556万小时，相当于形成超过8000人的全职人工效率。与此同时，董事长也强调加班加点构成招行的护城河。两者并存反映了效率提升与人力实战之间的现实张力，耐人寻味。

观察年报现场，AI应用成效存在汇报口径与实际感知的落差，现结合年报细节进行拆解。

某大型银行披露：打造自主可控的大模型技术体系，推动大模型在30余个业务领域落地500余个场景，赋能四大场景。AI数字员工承担工作量x万人年。全行提炼规模化“1+X”应用范式解决方案。“1”为金融智能中枢,“X”指多种可供智能体直接组装调用的工程化解决方案，常见类型包括知识问答、数据分析、文档编写、API调用等。数据显示，知识问答的用户满意度通常可达90%，对话式查询准确率能达到95%。

拟现场探讨问题：

问题1：落地500余个场景，是依托大模型还是小模型？严格说，大模型运用指生成式AI，需要运用大数据进行微调和训练，小模型就是传统的编程写代码。该行2024年已落地200余个场景，新落地部分场景可能仍基于小模型。大模型与小模型各有适用场景，前者在生成、推理、交互方面具备优势，但训练和推理成本较高；后者在确定性任务上稳定高效，银行需要明确区分并组合使用，笔者关注主体应用是大模型还是小模型。

问题2：“范式解决多种可供智能体直接组装调用的工程化解决方案”，听起来高大上，但落地常见类型包括知识问答、数据分析、文档编写、API调用等，所谓知识问答，就是银行版的百度，数据分析和文档编写是基础模型自带的功能做个本地化部署。这些应用虽然基础，但确实是银行智能化起步的重要抓手，关键在于后续是否向更深层次业务核心渗透。

若将银行AI应用难度从低到高十等分，年报披露的大部分应用场景集中在4分以下的辅助类、问答类环节。部分银行热衷于标榜AI助手，其效用类似于垂直搜索引擎的增强版。所谓智能体应用，部分案例与办公软件自带的会议纪要、文档摘要功能在技术上同源。有银行日常加强对AI应用排名、通报和考核，这反映了推动落地的决心，但也需避免为考核而“凑场景”的形式主义。

二、部分银行对AI战略和规划的披露有待深化

国有六大行2025年金融科技投入合计超1300亿，AI被视为核心基础设施支出。如此巨额的投入，似应向股东和市场作出更清晰的说明。

投资者希望银行进一步回答的问题：今年是十五五规划首年，银行AI五年规划希望实现的主要目标和战略部署是什么？大模型和算法是AI银行的生命线，底座模型是自研还是合作，如何训练和部署？满足全行未来的算力如何规划，数据库如何建设？AI生态系统呈指数级增长，组织、管理、流程和产品相应如何布局？银行AI与客户的全面连接如何实现？

具体到业绩发布环节，金融科技数百亿的支出，若能进一步细化披露去向（多少用于AI模型创新与智能体研发，多少用于流程优化和自动化，多少用于人员与基础设施建设），将有助于市场评估其效果。同时，AI投入真实的效果评价、与国际先进银行的比较、AI实现的投入产出、每单位技术支出对效率提升、效益增长或坏账率降低的贡献，也是投资者关心的议题。

AI投入需避免“不明觉厉”的方向模糊和“缘木求鱼”的路径错误，行业曾出现过科技投入巨大但效果不达预期的案例，相关教训值得借鉴。更重要的是，在行业转型压力下，需要防止低效投入和方向错误以致延误稍纵即逝的战略机遇。

三、年报细节观察

工商银行：工行研究能力强大，行长刘珺对人工智能的前瞻性思考体现大行底色，提出科技创新重新定义金融范式，对AI的深远影响具备专业预期。近期提出AI时代需培育“π型人才”是务实的思路。

建设银行：建行对AI的披露篇幅精简。行长表示云算力规模比上年增长12.10%，在行业整体加大投入的背景下，该增速或显温和。面对农业银行在多个领域的赶超，希望AI成为建行突围的重要方向。

农业银行：农行专门设立智慧银行办公室，发布会着重介绍AI赋能减负，点到即止。行长专门表扬企业级AI数字人“一明”，和建行的“帮得”助理异曲同工，现在具身机器人能跑能翻筋斗，行长还在翘大拇指说咱家的孩子能走路了。当前AI“龙虾”和数字人应用已显普遍，下一阶段应关注AI从“能用”向“深度赋能”的跃迁，包括复杂业务办理、情感交互与自主决策能力。

中国银行：中行行长在发言稿提到：“企业级机器人流程自动化（RPA）覆盖超3600个场景，依托数字化工具扩大为基层减负赋能成效。”RPA作为自动化技术仍在广泛使用，与AI结合后可形成“智能自动化”的更强能力。不过，在生成式AI和智能体快速发展的背景下，仅强调RPA可能显示对新技术应用节奏的跟进不够充分。银行管理层对AI的理解深度直接影响战略落地的成效。

招商银行：发布会上董事长明确提出“打造行业内第一家智能银行”，并认为从投入产出角度压力可控。招行2025年中提出AI First，全年金融科技投资129亿元，约为工行的一半，披露落地应用场景856个。同时，全行人员加班加点现象仍较突出。如何将AI带来的效率提升切实转化为员工工作负荷的优化和客户体验的改善，是检验“智能银行”成色的关键。

纵观多场银行业绩发布会，有银行对AI引致的生产力革命和连锁反应具有清晰的预期，有银行把AI仅仅当成赋能工具。兴业银行在战略清晰度方面表现较为突出。董事长提出以“生死时速”推动转型，四大核心举措（场景示范、底座建设、管理变革和人才队伍）抓住了关键，并预见客户经理不再区分公司、零售、同业等条线。AI来临，组织变革将是一个严峻的课题，AI带来的信息透明化与个性化，将推动管理边界迁移，银行授信、风险和业务诸板块将重整，多个部门可能融合或者消失。

银行“AI+”行动落地策略

当前中国银行业息差持续收窄，部分银行利润边际承压，一线员工工作量增加，业务转型面临紧迫压力。AI是银行新质生产力，有助于提升全员劳动生产率，重塑增长曲线，发挥生产效率的指数效应和业务增长的乘数效应。

2026年被业界视为智能体加速落地年。开年的龙虾热兆示中国人对新生事物的热情与盼望，2026年应成为AI生产力红利元年，行业应把握这一机遇，推动AI从技术概念转化为切实的利润增长引擎。

中国的大银行当务之急是研发和训练面向金融垂直领域的专业大模型，构筑基础智能底座（海外科技巨头如OpenAI、谷歌等也在高薪招聘金融领域专家）。中国产业齐全、客户量多面广、数据资源丰富，银行应构建“数字飞轮”，通过海量的数据交互磨炼和微调AI算法，锻造金融生成式智能。这是AI应用难度最大，最有意义，也是国际竞争的热点领域。

AI应用的首要工作是做好顶层设计，银行高层需深刻理解AI和AI的业务逻辑。AI应用六成是业务问题，四成是技术问题，一把手需运筹帷幄。

AI应用有两大方向：自上而下，利用AI的原动力对银行产品、业务和流程重塑，提升重点领域如客户营销、产品运营、风险管理的价值和市场竞争力；自下而上，推动AI技术民主化，细化追踪普通客户经理与网点的日常工作，针对具体业务瓶颈建立问题驱动型开发模式，解决信息收集自动化、市场信息有效转化、日常工作便利化等难题，把人工节约时作为业务和科技部门的共同考核指标，推动基础工作系统化、智能化、自动化。

当前AI应用的关键不在于“有没有”，而在于“实用不实用、好用不好用”。AI开发应体现以人为本，以客户和客户经理为本。

重点银行AI落地思考

工商银行：首要目标是训练和微调具有中国金融特色的金融专业大模型，培育AI理解金融法规、银行业务、客户需求和内控合规要求。大模型应打通任督二脉，贯通知识系统、数据系统、业务应用程序、风控系统、支付系统以及日常工作流，以基座大模型支撑全栈智能，支持智能体自主执行。

建设银行：分管科技的副行长提出AI赋能客户经理可以管理2万个客户，引发业内广泛关注。希望客户经理AI助手真正管用、能用，在2026年实现每个分行至少有10名客户经理可以管理2万个客户，即使单个客户经理管理2000名客户也是重要进步。高盛最近提出AI时代奖励“HALO”（重资产、低过时性）企业。建设银行在服务国家基本建设方面具有独到优势，在中长期贷款、普惠金融和个人贷款等领域具有先发优势，建议着力研发信贷大模型，由智能体自动收集客户信息，大模型计算客户违约概率，直接生成建议授信方案和风险控制预案。

农业银行：客户基础雄厚，分布广泛，层次丰富，建议利用生成式AI研发客户AI服务平台，把银行所有APP整合为一个统一AI交互界面，客户用自然语言与AI交流，AI自动提取客户信息，捕捉客户情绪与行为，设计个性化银行服务方案并交予智能体执行。

中国银行：大语言模型和生成式AI为中国银行业的国际化提供了新工具。中国银行要抓住时间窗口，利用大语言模型建设全球统一的客户服务AI，支持多语种自然语言交互与业务办理。AI陪伴客户，分析市场，将结构化和非结构化信息变成可行动的商业智能；AI联通企业财务大脑，为全球企业提供决策支持和支付解决方案。

招商银行：招行提出打造业界第一的智能银行，目标较高。建议利用AI专注财富管理的规模化和超个性化服务，训练和微调财富管理专业模型，实现财富关系的深度运营和新客户挖掘，优化个性化交易、投资顾问和投资组合，实现AI智慧决策和自动执行。招行的收入和利润已经进入平台期，亟需通过AI挖掘第二增长曲线。

以上方案属于“AI+”模式，即银行按照自己惯性和发展规律运行，AI作为应用工具渗透和改造银行服务，削AI之足适银行之履。从长远看，更具有生命力的是AI原生银行——按照AI的惯性和优势设计银行运行逻辑和产品形态，AI原生能力产品化，银行产品TOKEN化，由算力和数据驱动银行服务的自主与自动。平安银行和兴业银行在这一方向上具备一定潜质。

平安银行：平安银行作为中国第一家上市银行的后继者，地处深圳，兼享平安集团和一账通的平台优势，平安集团已成功进行金融入口整合，在此基础上以AI原生贯通金融服务和客户原始需求，跳出金融传统条条框框，AI天然去雕饰，全新设计产品、金融组合与操作流程，完整完美体现以客户为中心。

兴业银行：福建地区在互联网和平台经济具有创新传统。AI原生银行需要几大前提：一是当地政府和监管部门的支持与包容创新；二是领导层深刻理解AI并有改革魄力；三是追求卓越，勇于对组织、流程和产品进行系统性重塑和再造。字节跳动、抖音等企业的崛起证明了跨越式创新路径的可行性。兴业银行历史上多次展现敏锐的市场嗅觉，期待其在AI时代再次成为金融创新的“鲶鱼”。

总结

AI是生产力革命，其技术边界或者能力高度已经确立。银行需要将AI算力切实转化为效率和效益工具，转化为每股收益的增长。与此同时，生产力革命需要生产关系相应调整。银行组织架构、管理布局和劳动组合面临调整甚至重塑，部分机构和岗位要经历深刻变革和压力测试，金融科技部门首当其冲。银行应以稳健、务实、合规的方式推进这一进程，在创新与风险控制之间取得平衡，“AI+”行动成为金融强国的助推器。

本文转自：微信公众号 “当金（bankershr）”

智探AI应用交流群，有兴趣的朋友请添加群主：cosmic-walker 备注：公司+姓名+职务+AI入群。