日均烧53亿Token，平安银行如何用AI兑换“重回增长”

Token消耗量已成为金融业衡量AI应用深度的通用标尺。

今年，多家银行披露日均Token消耗量：6月，邮储银行披露日均输入、输出词元超百亿；招商银行5月披露日均Token消耗量达330亿；浦发银行3月披露日均词元消耗量约60亿；微众银行7月披露日均超200亿的词元消耗量。

在刚刚结束的中期业绩发布上，平安银行公布该行上半年大模型日均词元（token）消耗量超过53亿，同比增长约130%，跻身股份行第一梯队。

据国家数据局统计，2024年年初，中国日均Token调用量为1000亿；到2025年底，跃升至100万亿；今年3月，已突破140万亿，两年增长超千倍。银行业正是这一爆炸式增长的推手之一。

但对于刚刚“重回增长”轨道的平安银行而言，比“烧量”更关键的，是如何把每一笔Token支出换算成业务条线可感知的增收、减损、提效与风控精度。

一边做夯实基础，一边重视应用

历经三年，平安银行兑现了“重回增长”的市场承诺：该行上半年实现营收706.17亿元，同比增长1.8%；净利润256.96亿元，同比增长3.3%；净息差企稳。

面对“重回增长”势头，平安银行行长冀光恒在中期业绩发布会上表现得颇为冷静，他直言：“我们不可能一下跑到最前端去跟模范生比较……要慢慢来、要练内功。”

这表明，平安银行未来的增长不再追求简单的规模扩张，而是转向“有质量、可持续、经得起周期检验”的增长，AI技术正是“重回增长”中的关键抓手。

“科技投入要立足急需、必要并且有效，始终强调应用价值。如果纯粹为了发展AI去追逐炫酷技术，我认为没有意义。”该行副行长兼首席财务官项有志在中期业绩会上的这番表述，被市场解读为平安银行AI投入的“投产纪律”。

如何“向技术要效率、要增长”？项有志具体将AI规划分为两个方向：一方面夯实底层基础能力，搭建AI技术平台、沉淀数据资源、培育科技人才队伍；另一方面同步推进场景落地应用。

从底层基础能力看，平安银行正从三方面着手：一是加快大模型能力体系建设，今年6月末，该行累计落地大模型应用场景超450个，覆盖精准营销、智能投顾、合规风控、办公辅助等重点领域。

二是完善算力底座平台，实现多种算力资源的统一调度和高效管理，上半年大模型日均词元（token）消耗量超过53亿，同比增长约130%。

三是持续推进高性能推理及多模态模型的技术迭代，加速实现主流大模型生态产品的规模化部署，部署周期缩短至一周。

该行还在加速人才结构调优，AI大数据人才占比提升10个百分点；同时开展数字员工试点应用，该行通过客户经理助手、理财经理助手、ChatBI等工具，在零售、对公、同业等关键场景跑通试点，助力营销提产能、减负提效率。

从推进场景落地应用看，AI技术已在零售、对公、资金同业、风控合规、财务运营管理等场景发挥实效。

项有志特别提到，平安银行内部倡导：“每一位员工都可以提出想法，希望科技协助解决业务问题”，并强调AI最终要帮助员工提升效率、更好服务客户、推动管理精细化、助力风控更加有效。

细算增收、减损、提效、风控“四本账”

目前，“AI+金融”在平安银行各业务条线的转化，已形成可量化的“四本账”。

增收方面，在平安银行零售“出清风险”、对公“稳旧促新”、同业“做专做精”的背景下，AI带来的效率提升直接反映在了业绩“增量”上。

零售业务方面，该行升级推荐/搜索算法，开放平台主动触客，拉动交易额新增13亿元；在竞争激烈的对公板块，该行借助“行客经营助手”助力新增贷款超3亿元，“战客经营助手”商机转化率提升6%，“基础客群经营助手客户”有效触达率提升30%。

在资金同业领域，做市销售交易的智能化升级带动做市询价笔数增长34%，留单成交增长17%，将流量转化为了营收增量。

在创收之外，AI也在“减损”方面发挥两重作用：一方面，资产质量是银行的生命线，上半年平安银行不良贷款率稳在1.05%，AI科技帮助银行严控了“准入关”：该行零售智能预警准确率77%，累计收回不良资产8.42亿元；对公业务尽调中风险排查采纳率高达82%，自动化放款累计处理超2.1万笔。

另一方面，AI大幅降低了科技运营成本，通过资源优化，科技GPU利用率提升至47%，百万Token成本下降73%，上半年仅技术侧就节约成本6553万元。

另外，在银行业营收增速放缓的常态下，“向管理要效益”成为共识，大量重复性、可标准化的工作被AI接管，让员工能聚焦更高价值的业务：该行零售信贷AI产能占比提升至12%，对公贸易合同背景审查提效30%，资金同业报表生成提效70%，科技人均提交代码行数增长26%。

而支撑这一切业务运转的，是更为精细、智能的风控管理。面对复杂的经济环境，平安银行的“AI风控”通过全流程AI决策与画像挖掘，丰富了700多个风控识别特征，拓展了50多个衍生指标，并沉淀了21条风控规则。

这不仅让风控模型更加立体，更直接将高危客户识别精准度提升了1个百分点，实现了从风险事后处置向事前精准画像的跨越。

2025年是银行业AI从试点走向规模化的关键年份。进入2026年，竞争逻辑正在重构。

在金融业的AI角逐场上，真正的胜负手不在于谁“烧Token”更多，而在于谁能把算力更精准地转化为生产力。