银行不能拿Token当“遮羞布”了 - 爱游戏体育移动版

根据麦肯锡2026年全球银行业年度研究，在人工智能的影响下，传统银行从容进行技术转型的“宽限期”已经不复存在。

什么是“宽限期”？麦肯锡解释称，当互联网和智能手机颠覆其他消费行业时，银行采用新技术的速度较慢，因为其收入和利润主要来自同样行动迟缓的年长客户。

然而，生成式AI带来的冲击与以往任何技术浪潮都截然不同。ChatGPT于2022年底发布，两年后，美国劳动年龄人口中使用生成式AI的比例已达45%，而数字银行达到相同渗透率则花了整整15年。

在这一过程中，年轻与年长用户之间的代际差距已消失，客户对AI的信任日益增强——近30%的客户在高风险、复杂业务上也愿意采纳AI建议；一些涉及高度隐私的内容，客户反而觉得与AI交流“更安全”。

这使得银行业无法像过去那样采取“先观望、后跟随”的策略。相反，银行必须立即证明自己并未缺席这场生产力革命，未在产业进化中沦为终将灭绝的“恐龙”。

聚焦国内市场，Token消耗量被写入上市银行财报，成为银行业急于“自证”的一个注脚。这个鲜有人能清晰解释其真实含义的专业技术名词，仿佛一夜之间成了衡量银行业AI应用速度的标尺。

然而，市场对银行业的审视向来严苛。尽管全球银行业在2025年创造了1.3万亿美元净利润，继续位居所有行业之首，但其市净率和市盈率却始终处于所有行业末位。

除了Token这一纯消耗型指标外，银行业必须找到更有力的证据，证明自己在“烧钱”之外，实现了更大规模的价值创造。

分化先于繁荣：先行者已拉开差距

过去20年间，许多分析师和银行业管理者曾预言，某种颠覆性力量终将瓦解银行对客户的牢牢掌控。

但由于严格的监管约束和较低的风险偏好，银行业虽每次行动“迟缓”，却总能化险为夷。

关键原因在于，银行与客户之间的关系建立在几百年来积累的信任和转换成本之上。英文中“信贷（credit）”一词，本身源自拉丁文“托付”。

这一优势在上轮移动互联网冲击中尤为明显：银行的高价值客群（55岁及以上人群）对数字化接受速度较慢，核心收入池因此得以保全，银行也保住了市场份额。

银行由此获得了一段充裕的宽限期，可以与客户一起循序渐进地适应新技术。

但在2025年，银行业看似坚固的“盔甲”已片片脱落。

首先是新技术的应用拓展了消费者愿意托付的信任边界，推动客户关系发生转移。麦肯锡零售银行调研显示，金融科技和数字银行的客户满意度NPS已达39分，传统银行仅为15分，相差24分。更重要的是，传统银行业引以为傲的客户信任度也被反超了0.4分。

其次是AI智能体等新技术的应用，撼动了银行的盈利模式。以零售业务为例，全球零售银行收入中约六成是净利息收入，这依赖于客户懒得比价、将资金常年放在低息账户中的“惰性”。

但智能体可以7×24小时监控客户余额，自动将闲钱转入高息账户，到期再转回。过去被银行攫取的那部分利差，正被逐步返还给客户。

客户主导权不再由主账户（如工资账户）定义，而是取决于客户获得的体验、互动和价值感，新技术的应用也成为银行业分化的关键因素。

一个最直观的例子是近几年快速崛起的数字银行，作为前沿技术的探索者和应用者，头部机构的增长率和回报率已突破传统银行业的能力上限，改写了行业竞争规则。

即便在传统银行业内部，差异也同样明显：先行者正将效率红利迅速转化为客户洞察、一对一交互和风险定价优势，在价格下行周期中守住市场份额；相反，行动迟缓者等成本降下来时仍未完成生产力改造，将面临客户流失与价格战的双重挤压。

在重点业务场景中，中国领先机构的净生产率已实现15%至20%的提升。根据麦肯锡的预判，科技能力更强的银行与一般银行的差距将进一步拉大，领先者在股本回报率（ROE）等指标上将享有2至4个百分点的优势。

摸着硅谷“过河”：不存在的“Token自由”

从这个视角看，银行在半年报中晒Token账单的行为就容易理解了。相比过去统计口径宽泛、以金钱单位计量的金融科技投入和IT投入，Token消耗量能更直观地反映银行拥抱AI的速度和深度。

就像近期市场上流行的一种说法，识别产业革命有一个朴素方法——看计量单位。电气化时代有千瓦时，信息社会有比特，而Token成为人类历史上第一个用于计量类似人类智力活动产出的基本单位——2026年3月，国家数据局正式将Token定名为“词元”，称其为“智能时代的价值锚点”。

招商银行CIO周天虹在股东会上透露，该行日均Token消耗量已达330亿个，且主要由业务部门产生；微众银行日均消耗超200亿，人均日消耗520万；邮储银行日均交互词元超百亿；平安银行日均超53亿、同比增长约130%；江苏银行日均使用量较2025年末增长了18倍……

事实上，这些银行确实是拥抱新技术的佼佼者，但资本市场似乎并未全盘接受。

类似情况不仅发生在国内市场。如果将目光投向大洋彼岸的硅谷，2025年至2026年初，硅谷一度盛行“Tokenmaxxing”——企业将Token用量作为AI采纳度的考核指标。

然而，短短几个月后，这个堪称“奢侈”的时代便宣告终结。Uber向约5000名工程师开放Claude Code后，四个月就烧光了2026年全年AI编程预算，随后被迫为每名工程师设定每月每工具1500美元的上限；亚马逊叫停了内部按AI使用量排名的“KiroRank”排行榜；Meta CTO在备忘录中明确写道：“Token用量本身不是影响力的度量。”

问题的关键在于，Token用量是一个消耗指标，而非产出指标。当账单累计的速度越来越快，财务模型可能率先承受不住。

从最新披露的财报来看，在二季度业务增长强劲的情况下，包括特斯拉、谷歌母公司Alphabet等在内的巨头却交出了单季现金流为负的成绩单——巨额的AI投入吞噬了盈利空间，而资本市场给出的反馈也更多是担忧。

穆迪此前专门发布报告警示，微软、亚马逊等六家科技巨头的AI投资正侵蚀自由现金流，并推高资产负债表风险，预计相关公司2026年资本支出达7850亿美元，2027年逼近1万亿美元。

当然，这其中不仅包括Token直接产生的费用，还包括AI算力基础设施，如数据中心、芯片采购、超算网络扩充等，这些环节都会影响Token生成的速度、稳定性和单位成本。

相比之下，国内企业受益于国产大模型的“地板价”。在同样的消耗量级下，他们的账单压力远小于使用海外旗舰模型的美国企业，这让中国企业有更长的“任性”窗口期。

但长期来看，国内市场也没有豁免权。2026年8月国产模型已出现局部涨价，推理算力正在回归真实成本定价。

更重要的是，Token在生产端的计量是清晰的，一次调用消耗多少、价格多少，都可以精确记录和核对；但在消费端的交付价值计量却是非标准化的，同一模型审阅百万美元合同和闲聊天气，消耗相同数量的Token，创造的经济价值可能天差地别——而这才是市场真正关注的重点。

下一张财报，我们如何拷问AI

无论从历史规律还是海外经验来看，Token消耗“放量—刷量—挤水分—回归产出”的周期终将降临。

2026年6月底以来，已有银行高层要求大模型及智能体应用“尽快建立投入产出比评估机制”，有银行明确提出了ROI回报要求，甚至悄然压降了部门的日均Token消耗考核要求。

站在银行业的角度，从过去的金融科技投入到如今的Token账单，从单纯的“成本中心”到日益精细化的AI替代工时考核，再到收入测算，他们更早就意识到了计算ROI的重要性。

在麦肯锡看来，一方面，面对AI重构客户触达路径、银行面临被中介化的风险，他们必须将精准化客户经营从静态分层升级为动态、实时、极致个性化的互动：通过持续的微型营销快速测试价值主张，有效则放大、无效则迅速止损，在不断迭代中逼近“实时超个性化”。

另一方面，技术与AI运用应回归业务本身，以能否创造可衡量的核心业务价值作为取舍标准。优先聚焦能够重塑关键业务、带来规模化降本增效或差异化竞争力的领域，并以清晰的价值假设与收益指标牵引科技与AI资源配置。

在具体实践中，优秀银行在应用AI的过程中一定会建立“闭环”：第一步界定场景；第二步定义该场景的AI业务价值指标——通过AB测试等方式让传统流程和AI流程同时运行，量化AI到底创造了多少价值；第三步据此排定投入优先级，再持续闭环推进、改进。

其实，比选场景更难的是组织的进化如何跟得上业务转型的速度。

麦肯锡指出，银行可以按照创新类型建立“三速”组织：成熟业务用“普快”跑，成功率90%以上；创新业务放“特快”，由专门小组像风投一样在核心业务体外孵化，成功率约一半；真正押注未来的种子项目走“极速”，成功率可能只有两成——但一旦成功，就可能重塑一家银行。

这意味着银行必须接受一件过去近乎矛盾的事：一边守住风险合规，一边在某些领域“主动犯错”。速度本身就意味着更高的失败率、更大的不确定性，以及一套全新的激励机制和风险容忍度——让团队敢试、敢快速止损。

AI不会均等地恩泽每一家银行，它只会放大战略选择与执行能力的差距。

从这个角度来看，AI技术“宽限期”的结束，何尝不是一个新“窗口期”的开启？

本文来自微信公众号 “馨金融”（ID：Xinfinance），作者：抛砖引玉的，36氪经授权发布。