建设银行副行长雷鸣在中期业绩发布会上分享了一个观察：全行使用“帮得”智能助理成效较好的客户经理，其管理的客户资产规模增幅较行内平均水平高出约57个百分点。
这个数字，比任何技术参数都更有说服力。它说明，AI在银行的应用，正在从“有没有”转向“用得好不好”。
随着上市银行2026年半年报披露收官，各家银行的AI账本浮出水面。从信息科技投入到日均Token消耗量，从智能体落地场景到数字劳动力等效人工工时，一组组数据勾勒出银行数智化转型的新坐标。
第一本账：投入账
先看投入。
招商银行上半年信息科技投入46.79亿元，达到营业收入的2.99%。截至6月末，集团研发人员数量达1万余人，占员工总数的8.98%。这个比例在银行业中处于较高水平，说明招行正在把技术能力作为核心竞争力来建设。
在技术体系层面，招行持续完善大模型基础设施的自研技术体系。上半年，该行日均Token吞吐量较上年同期增长超过78%。
平安银行的投入同样可观。截至6月末，累计落地大模型应用场景超过450个；上半年，大模型日均Token消耗量超过53亿，同比增长约130%。
邮储银行的数据则展示了另一个维度的规模：截至6月末，该行大模型能力已接入超过90个行内系统，日均调用超过600万次，日均输入输出Token超过百亿。
这些数字的共性在于：银行不再只是“试试看”，而是把大模型作为基础设施来建设。Token消耗量的激增，说明AI正在被真正用起来，而非停留在演示阶段。
第二本账：场景账
投入是手段，场景是载体。
截至6月末，中信银行落地AI服务场景累计超过1900个；招商银行落地智能化场景1386个，较上年末增长62%；建设银行累计推出600多个应用场景，形成“人+AI”的协同作业模式；浦发银行累计推进超过440个AI应用建设。
这些场景覆盖了从客户营销、授信审批到业务管理、日常办公的全链条。AI正在从“单点工具”变成“全流程嵌入”。
但场景数量本身不是目的。平安银行副行长项有志在中期业绩说明会上的表态值得留意：“科技投入要本着需要且有效的原则。如果纯粹为了做AI玩一个很炫的技术，是没有意义的。”
这句话点出了银行AI竞赛的分水岭：不是比谁场景多，而是比谁用出了实效。
第三本账：效率账
效率，是目前最能体现AI价值的维度。
建设银行的数据很直观：在普惠金融方面，客户经理借助AI校验分析后生成辅助核查报告，全流程处理时长从2至3天缩短至3小时左右。这意味着，一笔普惠贷款的贷前调查环节，从“按天计算”变成了“按小时计算”。
农业银行开发了农行版“龙虾”，建成企业级数字助手“一明”，以广域意图识别能力实现“一问就明白、一说就会办”，自动串行处理客户营销、信贷办理、智能办公等复杂任务。
工商银行用AI智能体技术提升风控效率，打造审贷数字助手“工小审”，深度挖掘客户业务模式、财务状况、资产线索，实现风险“看得早、摸得清、算得准、控得住”。
数字劳动力的量化贡献更为直接。浦发银行披露，上半年该行数字劳动力承担超过2500人年的工作量。招商银行披露，AI在提效方面带来1388万小时的等效人工工时贡献。
这些数字的意义在于：AI不再是“辅助工具”，而是开始承担实质性的工作量。
第四本账：服务账
AI对银行服务模式的改变，正在从“后台提效”延伸到“前台体验”。
平安银行升级了“AI+T+Offline”经营服务模式。截至6月末，该行为近820万户大众客户提供7×24小时的“陪伴式”服务。这个模式的核心是：用AI覆盖标准化服务，用远程银行覆盖复杂咨询，用线下网点覆盖深度需求。
中信银行持续迭代智能财富顾问数字人“小信”。上半年，“小信”累计服务客户超过876万户，智能问题解决率99.02%。
工商银行面向客户打造覆盖线上线下全渠道的统一对客智能体“工小智”，分阶段构建“对话即服务”的对客服务新模式。
浦发银行董事长张为忠此前在陆家嘴论坛上的判断，为这些实践提供了理论注脚：人工智能对金融业的改变是全面的、跃迁式的，是对底层逻辑的根本性改造。一方面，通过数据分析和科学推理，能为每个人提供定制化方案，真正实现以客户为中心；另一方面，带来技术平权，过去主要面向高端客户的综合服务方案，如今已能覆盖长尾与基础客户。
结语：AI账本里的分水岭
翻完各家银行的AI账本，一个清晰的趋势浮现出来：银行科技竞争的焦点，已不再是有没有大模型，而是能不能把大模型用深、用实、用出价值。
从投入账看，头部银行的科技投入已进入“重资产”阶段，Token消耗量和场景数量都在快速增长。从效率账看，数字劳动力的等效人工工时正在成为衡量AI价值的新标尺。从服务账看，AI正在让“以客户为中心”从理念变成可量化的体验。
但差距也在拉开。建设银行客户经理使用AI后资产规模增幅高出57个百分点，这个数字说明：AI工具本身不创造差异，使用AI的能力才创造差异。当大模型成为所有银行的“标配”，真正决定胜负的，是能否把技术能力转化为业务价值。
AI账本上的数字，最终会变成财报上的数字。这场从“有没有”到“用出多少价值”的竞赛，才刚刚进入下半场。
