2026 年上半年，银行业最热的关键词不再是 " 净息差 "，而是 "Token 消耗量 "。邮储银行日均超百亿、招行 330 亿、微众超 200 亿——各家银行陆续亮出大模型调用量的成绩单。
平安银行公布的数字是日均超 53 亿，同比增长约 130%。但比 " 烧 Token" 更值得追问的是：这些算力究竟兑换成了什么？该行用一组可量化的 " 四本账 " 给出了答案——增收、减损、提效、风控，每一项都有真金白银的对应关系。
算力投入的 " 投产纪律 "
平安银行在 AI 投入上展现出一种 " 既要又要 " 的务实姿态。该行搭建了自研、采购、开源相结合的技术路线，算力层联动华为昇腾、寒武纪等国产厂商，模型层接入 DeepSeek、Qwen、GLM 等国产大模型，应用侧则与火山引擎、腾讯等外部科技企业协同。
截至 2026 年 6 月末，累计落地大模型应用场景超 450 个，覆盖智能运营、智能经营、智能管理、智能服务、智能营销五大领域。
这套底层架构的独特之处在于 " 投产纪律 "。副行长兼首席财务官项有志在中期业绩会上直言：" 科技投入要立足急需、必要并且有效，如果纯粹为了发展 AI 去追逐炫酷技术，我认为没有意义。"
这种 " 不炫技 " 的思路直接反映在运营数据上：该行科技 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。与此同时，零售推荐与搜索算法升级直接拉动交易额新增 13 亿元，AI 做市机器人实现 99.2% 的询价自动处理。
最能体现这套体系价值的，是 AI 技术对员工生产力的释放。上半年共上线 140 个运营审核类智能体，覆盖 55 个业务场景，对公贸易合同背景审查提效 30%，资金同业报表生成提效 70%。
平安银行内部还形成了一种 " 每位员工都可以提出一个点子，希望科技帮你做什么 " 的双轨模式，让 AI 能力以 " 点状 " 方式在基层爆发。
技术落地的 " 五篇大文章 "
如果说底层建设是 " 修路 "，那么业务场景的渗透就是 " 通车 "。平安银行把 AI 能力深度嵌入金融 " 五篇大文章 " 的核心业务中，每一项都对应着可量化的业务结果。
科技金融方面，该行构建了中小微企业的 " 知识产权打分卡 " 和 " 科创企业专家打分卡 "，引入 DeepSeek 智能助手实现专利评估与授信预评估；大中型企业侧则建立 " 科创能力评价模型 "，从科技资质、科创能力、企业发展质量、偿债能力四个维度综合评价。
贷前通过模型筛选出 10 万 + 商机线索精准推送，贷中利用工商、征信、法院等数据进行交叉认证，贷后建立科技企业数据看板。这套全流程赋能体系带动 2026 年上半年科技企业客户数达 32094 户，科技贷款余额 2935.42 亿元。
绿色金融和普惠金融同样有清晰的数据支撑。绿色贷款智能化认证系统和 ESG 风险评估分类认定系统上线后，2026 年上半年绿色贷款余额达 2734.16 亿元；普惠领域则通过 " 平安好链 "" 惠棉贷 " 等数字产品，实现普惠型小微企业贷款新发放 1590 亿元，同比增长 18.7%。
零售端的表现更为直观——内外数据联合建模后曝光转化率提升 75%，跨境业务放款效率较上年末提升约 30%。
值得关注的是，AI 带来的不只是效率提升，更是风控能力的质变。零售智能预警准确率达 77%，累计收回不良资产 8.42 亿元；对公尽调风险排查采纳率高达 82%。在 AI 安全治理方面，该行同步构建了 " 三道防线 "，从数据脱敏、伦理评测到红蓝对抗演练，形成了覆盖全流程的防护机制。
当大模型从 " 炫技 " 走向 " 算账 "，平安银行给出的答案是：日均 53 亿 Token 消耗量的意义，不在消耗本身，而在于每一笔算力支出都能在业务条线找到对应的回报。这也正是金融业 AI 竞赛进入下半场的真正分水岭——谁能把算力精准转化为生产力，谁就能在数字金融的深水区占据先机。
