潜在市场收入30万亿美元？Anthropic为了加速上市，画饼充饥，AI有用跟AI泡沫并不冲突
一、一笔贷款背后的“脑力账单”
深圳，某股份制银行对公业务部。客户经理陈伟在系统里录入一家中小制造企业的贷款申请材料，点击“提交”后，系统后台随即启动了一场无声的运算——调用大模型读取财报、比对行业数据、生成风险评估报告。整个过程不到三分钟。
这套流程在一年前还需要人工处理数小时。变化的背后，是一个普通人不太熟悉、却在银行半年报里频频出现的指标：Token（词元）。
Token是大模型读写和理解内容的基本单位。简单说，银行每一次用AI辅助审批贷款、生成报告、回答客户咨询，都在“燃烧”Token。谁烧得多，说明AI在替谁动脑动得多。
2026年8月，上市银行半年报集中披露，Token消耗量第一次大规模出现在财报中。工商银行、招商银行、平安银行等多家机构的数据显示，银行业AI应用已从技术探索走向全面落地，大模型从“试点尝鲜”进入“高频生产使用”阶段。
二、百亿级Token消耗成常态
曾经藏在技术文档里的Token数据，如今成了银行财报之外的第二张“成绩单”。
招商银行是目前行业领头羊。截至2026年5月底，其日均Token消耗量达到330亿。招商银行首席信息官周天虹在6月股东会上披露，其中用于大模型编程的算力只占5%，其余绝大部分来自业务部门的经营管理场景。该行大模型成本收入比稳定在20%左右——投入20元算力成本，对应创造100元收益。
国有大行中，工商银行和邮储银行站上百亿量级。工商银行依托“工银智涌”大模型技术体系，在多个业务领域落地600余个场景，全行日均Token消耗量突破百亿级，较两年前增长近百倍。邮储银行已落地超370个大模型应用场景，日均大模型调用超千万次，日均输入输出词元超过300亿。
股份制银行和民营银行增速最为迅猛。平安银行上半年大模型日均Token消耗量超过53亿，同比增长约130%；微众银行日均Token消耗超200亿，较2025年底的50亿实现数倍增长；兴业银行日均约41亿，民生银行日均约40亿。
据行业不完全统计，全国日均词元调用量从2024年初的1000亿，到2026年3月突破140万亿，两年增长超千倍——银行业正是这轮增长的重要推手。
三、从“拼规模”到“算细账”
Token狂飙的另一面，是银行开始算账了。
2026年6月底，有银行高层在半年工作总结会上明确提出：不能无休止地烧钱消耗Token，所有大模型及智能体研发应用都要尽快建立投入产出比（ROI）评估机制。有银行甚至设定了硬性指标——智能体与大模型研发应用的投入产出比不得低于3倍。
这种焦虑并非空穴来风。按目前主流大模型的推理均价估算，头部银行动辄百亿级的日均Token消耗，对应的是每年亿元级别的算力成本支出。如果投入不能转化为可见的业务价值，再炫酷的技术也只是昂贵的摆设。
毕马威7月2日发布的《2026年中国银行业调查报告》指出，中国商业银行整体处于从“规模化探索”向“核心业务嵌入”的关键过渡阶段。国有六大行2025年金融科技总投入超过1300亿元，头部机构AI相关支出已占IT总预算的15%以上。但报告同时提醒，与国际领先机构相比，国内银行在数据治理精细化、全行统一AI底层平台成熟度、Agentic AI规模化部署等方面仍存在差距。
行业分化正在加剧。招商银行是少数把“消耗”和“转化”两把尺子都摆上台面的银行——成本收入比20%左右，转化率拿得出手。邮储银行晒出的是效率账：运营中心手工录入单据的智能识别替代率达90%，尽职调查效率提升超50%。但多数银行披露的还只是消耗这一半，转化那一半仍在补课。
进入2026年，大家不再比拼上了多少个场景，而是开始追问ROI。部分银行已将Token消耗与业务ROI深度绑定，通过优化智能体调度、削减低效调用、建立考核机制等方式，推动AI运营从粗放投入转向精细化管理。
四、AI信用卡：Token从后台走向前台
Token不只是后台的技术指标，它已经开始出现在银行的前端产品里。
2026年6月12日，招商银行推出运通工程师信用卡，将大模型Token纳入新户首刷礼，成为国内首张搭载Token权益的信用卡。新户消费达标后，最高可享每月18亿Token的M3模型用量。
随后，农业银行与Kimi合作推出联名信用卡，持卡人可将消费积分直接兑换Kimi会员和算力额度；平安银行推出AI智算卡，实现“用卡算力累积”；浦发银行“科技菁英信用卡”提供最高30亿千问大模型Token算力补贴。截至8月下旬，已有超过15家银行发布了AI主题信用卡产品。
这场“AI权益战”的背景，是信用卡行业深陷存量博弈。央行数据显示，截至2026年一季度末，全国信用卡和借贷合一卡在用发卡量为6.87亿张，较2022年三季度8.07亿张的历史峰值缩减超1.2亿张。传统权益同质化严重，靠“送拉杆箱”已经打动不了年轻人了。
但AI信用卡并非人人可享。多数产品设置了学历、收入、年龄等门槛——社保基数8000元以上或年收入20万-30万元是常见要求。银行的目标很明确：精准锁定AI开发者、科研人员、内容创作者等高频使用大模型的群体。
五、挑战犹存：“最后一公里”尚未打通
光鲜的数据背后，银行业AI落地仍面临现实挑战。
一方面，模型受底层数据参差不齐诱发“幻觉”问题，叠加新旧系统交错衍生的“数据泥潭”，AI距离深度融入一线核心业务仍有距离。当前银行业AI应用高度集中于低风险、重复性的辅助场景——智能客服、内部问答、文档处理、报表生成等渗透率最高，部分银行常规客户咨询AI处理占比已超八成。但真正自主执行信贷审批、投资交易等核心金融业务的案例仍较少。
德勤中国金融服务业研究中心近期发布的报告也指出，银行AI建设在技术成熟度、数据质量、合规风控等方面仍面临多重挑战。
据业内人士分析，AI在银行业的竞争正在进入下半场——上半场比谁烧得多，下半场比谁烧得值。Token消耗量这张“成绩单”还会继续更新，但接下来的考题，已经不再是简单的规模竞赛了。
本文由AI辅助生成
