• 招商银行称，其日均 Token 吞吐量上半年增长超过 78%，同时 AI 贡献了 1388 万等效员工工时
  • 这些数字表明，银行开始将 AI 消耗与实际完成的工作进行对照衡量，而不是仅把 Token 增长视为进展

事实

招商银行表示，2026 年上半年其日均 AI Token 吞吐量增长超过 78%，其 AI 应用估计贡献了 1388 万等效员工工时。

截至 6 月底，该行已部署 256 个专用模型和 1386 个智能场景。其 AI 系统被应用于零售银行、公司银行、风险控制、运营和办公等工作。等效工时数字是该行对这些应用所完成工作或节省时间的估算，它不是被裁减岗位的数量，也不是经过审计的人力成本节约。

随着模型使用规模扩大，其他中国银行也更加关注 AI 运营成本。行业报道显示，各机构在决定部署新 AI 应用时，会对比 Token 消耗、计算成本和业务产出。

评估

招商银行的数据把两个有用的数字放在一起。日均 Token 吞吐量增长超过 78%，说明员工对 AI 的使用大幅增加。而 1388 万等效员工工时则试图回答更难的问题：这些算力到底完成了什么？

这个数字仍需谨慎解读。在起草、检索或处理环节省下的一个小时，并不自动变成一小时的人力成本节约。员工可能把时间花在客户、疑难案件或其他工作上，而且部分 AI 输出在使用前仍需人工核查。因此，其价值会因任务而异。

对 BTW 读者而言，更有意义的比较是把一项工作做到可接受标准所需的成本。Token 价格只是账单的一部分。一个看似便宜的模型，如果需要反复尝试，或让员工事后承担更多核查工作，就可能变得昂贵。

关注方向

关注银行是否开始在使用 Token 数据的同时报告任务层面的指标，包括已办结案件、审核时间和运营成本。如果银行开始把模型或算力付费与被接受的产出而非单纯消耗挂钩，采购条款将尤其能说明问题。