商业银行净息差 1.41%。
这是 2026 年二季度的数字，比一季度高了 0.01 个百分点，被市场称为 " 四年首升 "。但把时间轴拉长一点看，2019 年末这个数字是 2.20%，七年下来收窄了约 80 个基点。0.01 个百分点的回升，放在 80 个基点的下行通道里，像是一个人在自由落体时摸到了一根蛛丝。
就在这根蛛丝被摸到的同一周，工商银行（601398）行长刘珺在上海外滩年会上不谈净息差，不谈资产质量，开口先谈了一个哲学问题：AI 究竟是主体还是客体。
一个管理着五十多万亿资产、近四万名科技员工的银行行长，在行业最需要 " 怎么赚钱 " 的答案时，选择先回答 " 谁担责 "。这件事本身，就是 2026 年中国银行（601988）业 AI 热情最诚实的注脚。
285.88 亿元和 5.5 万人年：AI 热情是被息差逼出来的
工商银行（601398）对 AI 的投入，不是心血来潮。2025 年，工行金融科技投入 285.88 亿元，连续第五年超过 200 亿元，规模居六大行首位。六大行合计科技投入 1300.91 亿元，同比增长 3.69%，而同期六大行合计营收增速只有 2.34%。科技投入跑得比营收快，说明大行在主动 " 适度超前 " 布局，而不是等需求来了再补课。
更值得看的数字在应用端。工行 2025 年报披露，已在 30 余个业务领域规模化落地 500 余个 AI 应用，AI 数字员工年承担工作量 5.5 万人年，金融科技员工增至 4.02 万人，占总员工比首次突破 9%，达到 9.8%。到 2026 年半年报，" 工银智涌 " 大模型体系的落地场景数进一步超过 600 个，金融市场业务的智能询价交易占比突破 96%，审核效率是引入工具前的 5 倍；交易智能化比率达到 96% 的同时，交易笔数同比提升了 50%。
在内控合规端，工行打造的 "AI 智审 " 智能体，2026 年上半年累计输出 36 万条合规审查意见，被采纳率 98.6%，辅助合规审查人员的风险揭示能力提升了 130%。
把这些数字放在净息差 1.41% 的背景下读，逻辑就变得非常具体了。当利差收入的空间被压到极薄，银行维持利润只有两条路：在资产端找到更高收益的资产，或者在成本端把每一分运营开支榨出更多产出。工行的 AI 布局，在交易、审核、合规、运营这些环节上的效率提升，本质上是在做后一件事——用技术密度替代人力密度，用机器工时置换人工工时。5.5 万人年的 AI 工作量，对应的是实实在在的人力成本节约和操作风险下降。这不是一个关于 " 未来想象力 " 的故事，是一个关于 " 当下生存率 " 的故事。
刘珺的 " 四重错配 "：热情另一面的冷静
但工商银行（601398）点燃的 AI 热情，最值得认真对待的部分，恰恰不是那些效率数字，而是刘珺在外滩年会上泼的那盆冷水。
他提出的 " 四重错配 "，每一条都指向 AI 在金融体系里落地时无法绕开的制度摩擦。信息披露错配：监管要求银行充分披露，但 AI 的算法和参数处在黑箱之中，现有披露框架套不上去。数据存储错配：数据要求属地存储，算法和数据却天然跨境流动。主权错配：没有哪个国家愿意把 AI 控制权交给另一个国家，主权 AI 的概念正在固化。信用评估错配：银行有成熟的信用评分体系，却找不到一套对 AI 模型本身进行 " 信用评级 " 的方法。刘珺给出的设想是：把 AI 视为 " 准人类法律实体 "，纳入与市场参与者统一的治理框架，将 AI 运行产生的数据轨迹与现有主体的数据整合，实现全流程贯通。这个提法在哲学上可以争论很久，但它在实践上的指向是清晰的：如果 AI 做出的信贷决策、交易决策、合规判断出了问，责任不能消失在算法黑箱里，必须有一个可以被追溯、被问责的 " 实体 "。这恰恰是银行业 AI 竞赛里最容易被忽略的一道分水岭。效率提升是加分项，责任归属是参赛资格。一家银行可以把 AI 场景从 500 个做到 600 个，把 Token 消耗量翻一倍，但如果它无法回答 " 当 AI 批错了一笔贷款，谁来负责 " 这个问题，那么它在核心业务上大规模部署 AI 的边界就是模糊的。工行选择在行业 AI 热情最高涨的时候，由行长亲自把这个边界问题摆上台面，本身就是一种信号：热情可以点燃，但火要在围栏里烧。
53.5% 的渗透率和 1% 的回报披露：行业的 AI 热情分布极不均匀
工商银行（601398）的 285.88 亿元和 5.5 万人年，放在行业坐标系里看，是头部机构的游戏（881275）。
2026 年，53.5% 的银行已上线大模型应用，较 2025 年跃升 14.5 个百分点。渗透率过半，听起来是全面开花的景象。但另一组数据提供了必要的校正：全球银行业公开的 AI 用例中，仅约 1% 披露了具体的财务回报。大多数银行的 AI 部署，仍然停留在 " 有场景、有效果描述、没有可验证的财务数字 " 的阶段工商银行（601398）是少数能把效果量化为 "5.5 万人年 ""96% 智能询价占比 ""98.6% 合规采纳率 " 的机构。中小银行没有 4 万名科技员工，没有连续五年超 200 亿元的投入底盘，没有能力自建 " 工银智涌 " 这样的企业级大模型体系。它们可以采购 AI 工具，可以接入外部大模型，但在 " 把 AI 嵌入核心业务流程并算清楚账 " 这件事上，它们和头部大行之间的差距，不是在缩小，是在拉大。这意味着，工商银行（601398）的 AI 热情点燃的，首先是一场资源集中度更高、进入门槛更高的竞赛。大行用 AI 降本增效，中小行如果跟不上，成本劣势会以更快的速度恶化。净息差 1.41% 的压力是行业性的，但消化压力的工具不是。
银行业 AI 竞赛的下半场问题
工商银行（601398）点燃的银行业 AI 热情，真实、有数据支撑，但它解决的不是 " 增长 " 问题，是 " 生存成本 " 问题。285.88 亿元的投入和 5.5 万人年的 AI 工作量，指向的是在净息差长期处于低位的前提下，用技术手段把运营成本压下去、把风控效率提上来。这是一条头部机构有能力走、也必须走的路。但它不改变一个基本事实：AI 不会让净息差重新回到 2%，它只是让银行在 1.4% 的环境里活得稍微体面一点。刘珺的 " 四重错配 " 和 " 准人类法律实体 "，才是这轮 AI 热情里真正具有分水岭意义的东西。当 53.5% 的银行都在谈 AI 落地的时候，谁能先把 "AI 决策的责任由谁承担 " 这件事从哲学讨论变成制度安排，谁才真正拿到了把 AI 推向核心业务深处的通行证。效率可以追赶，投入可以加码，治理框架的先发优势一旦形成，追赶的难度要大得多。银行业 AI 竞赛的上半场比的是谁场景多、谁 Token 消耗量大。下半场比的是：当 AI 说 " 这笔贷款可以批 " 的时候，签字的人是谁，出了问题找谁。工行把上半场的数字做得很漂亮，下半场的问题，刘珺已经替行业问出来了。
