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。
——馨金融
洪偌馨、伊蕾 / 文
AI 冲击下，留给传统银行从容转身的技术「宽限期」已经消失了——这是麦肯锡在 2026 年全球银行业年度研究中提出的重要研判。
何为「宽限期」？
麦肯锡指出，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更慢，因为它们的收入和利润主要来自同样行动较慢的年长客户。
但新一轮生成式 AI 所带来的冲击，却与以往任何一轮技术浪潮都不同。
ChatGPT 在 2022 年底才发布，两年后，美国劳动年龄人口中使用生成式 AI 的占比就达到 45%，而数字银行达到同等渗透率，花了整整 15 年。
在这一过程中，年轻和年长用户的代际鸿沟已经不复存在，并且，客户对于 AI 的信任与日俱增——接近 30% 的客户在高风险、复杂业务上也愿意听 AI 的建议；一些涉及高度隐私的内容，客户反而觉得跟 AI 聊「更安全」。
这使得银行业无法像之前一样采取「先观望、后跟随」的打法。相反，银行需要即刻证明他们没有缺席这场生产力革命，没有在产业进化中成为终将灭绝的「恐龙」。
聚焦于国内市场，Token 消耗量被写进上市银行财报，成为银行业迫切「自证」的一个注脚。这个很少有人能说清楚真实含义的专业技术名词，好像一夜之间成为了考核银行业 AI 应用速度的标尺。
然而，市场对于银行业的拷问向来严苛。哪怕全球银行业在 2025 年创造了 1.3 万亿美元净利润，继续位居所有行业之首，其市净率和市盈率却始终位居所有行业末位。
在 Token 这个纯消耗型指标之外，银行业必须找到更有力的证据，来证明自己在「烧钱」之外，实现了更大规模的价值创造。
1
分化先于繁荣：先行者已经拉开差距
过去 20 年间，诸多分析师和银行业管理者都曾预言，某种颠覆性力量终将瓦解银行对客户的牢牢掌控。
然而，银行业出于严格的监管约束和更低的风险偏好，虽然每一次都行动「迟缓」，却总能化险为夷。
一个关键的原因在于，银行和客户之间的关系，建立在几百年来积累的信任和转换成本上。英文里「信贷（credit）」一词，本身就源自拉丁文「托付」。
这一优势在上一轮移动互联网的冲击中体现得尤为明显：
银行的高价值客群（55 岁及以上人群）本身对数字化接受节奏偏慢，核心收入池因此得以保全，银行也得以守住市场份额。
但在 2025 年，银行业看似牢固的「盔甲」却已经片片脱落。
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 已经达到 39 分，传统银行只有 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。
以零售业务为例，全球零售银行收入里约六成是净利息收入，靠的就是客户懒得比价、把钱常年放在低息账户里的「惰性」。
但智能体可以 7×24 小时盯着客户余额，自动把闲钱搬进高息账户，到期再转回来。过去被银行攫取的那部分利差，正在被一点点还给客户。
客户主导权不再由主账户（比如工资账户）定义，而取决于客户从中获得的体验、互动、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、回报率早已突破了传统银行业的能力上限，改写银行业竞争的游戏规则。
先行者正把效率红利快速转化为客户洞察、一对一交互和风险定价优势，在价格下行周期里守住市场份额；相反，行动迟缓者等成本已经降下来时还没有完成生产力改造，就会面临客户流失与价格战的双重挤压。
在重点业务场景里，中国领先机构的净生产率已经实现 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开，领先者在股本回报率（ROE）等指标上将享有 2 — 4 个百分点的优势。
2
摸着硅谷「过河」：不存在的「Token 自由」
在这个视角下，回看银行在半年报中晒 Token 账单的行为就很好理解了。
相比于过去统计口径宽泛、以金钱单位计量的金融科技投入、IT 投入，Token 消耗量可以更为直观地反映银行拥抱 AI 的速度和深度。
就像最近市场上流行的一个说法，识别产业革命有个朴素方法——看计量单位。
电气化时代有千瓦时，信息社会有比特，而Token 成为了人类历史上第一个用来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，他们也确实是银行拥抱新技术的佼佼者，但资本市场似乎并不照单全收。
类似的情况也不只发生在国内市场，如果把目光投向大洋彼岸的硅谷，2025 年至 2026 年初，硅谷一度盛行「Tokenmaxxing」——企业把 Token 用量当作 AI 采纳度的考核指标。
然而，短短几个月之后，这个堪称「奢侈」的时代就宣告终结。
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，随后被迫给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 在备忘录里白纸黑字写下：「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，比如数据中心、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」。在同样的消耗量级之下，他们的账单压力远小于使用海外旗舰模型的美国企业，这让中国企业能够「任性」的窗口期长一些。
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。
3
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。
站在银行业的视角，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。
在具体的实践中，优秀银行在应用 AI 的过程中一定会建立起「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 流程同时跑，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——但一旦成了，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？
