最近3年多，AI技术进入全球人民的视野中，堪称“史无前例”。对于各行各业的企业来说，AI大模型有望实现降本增效。而Token消耗量正成为企业衡量大模型应用的重要标尺。在金融业，近期有多家银行披露了Token相关数据。

从全国性银行到区域性银行，Token消耗量得到关注

当各家银行加速推进大模型应用，所消耗的Token数也成为大家关注的重要数据。

工行方面，2026年初全行业务应用日均Token消耗量达到了百亿级，较两年前增长了近百倍，覆盖了前台客户经理、中台风控审核人员、后台运营人员等主要岗位。

邮储银行在近日召开的2025年度股东会上透露，目前，该行已落地超过370个大模型应用场景，日均大模型调用超600万次，日均输入、输出词元（Token）超百亿。此外还表示，至2026年底，预计该行日均大模型调用次数将超千万次，Token吞吐量超300亿。意味着，该行的大模型Token消耗量将大幅增长，数量将达到目前的3倍。

而招行目前的Token消耗量已经达到邮储银行的年底预计量。同样是在2025年度股东会，招行透露，截至2026年5月末，日均Token消耗量已达到330亿，这是招行的业务单位在经营管理、服务中应用大模型消耗的Token量。而对比2月末的数据，彼时该行日均输入输出Token总规模为260亿，可见3个月的时间，招行的日均Token消耗量增长70亿。

此外，据媒体报道，兴业银行Token日均调用量约41亿；浦发银行日均Token约60亿；民生银行日均Token约40亿。

中小银行同样有关注到Token消耗量。

厦门国际银行近期表示，Token调用量上，从2024年日均不到1亿提升至目前的12亿，增长超过十倍；大模型应用场景上，年均辅助解决问题约350万个，涉及场景超过200个，与行内三十余个主要系统实现了集成。

江苏农商联合银行也在6月透露，该行大模型日均调用量超过10万次，日均Token消耗量超过3亿，全行全域、规模化、场景化的AI赋能格局基本成型。

互联网银行虽然也是中小银行，但由于对科技的应用可能更深入，因此Token数据不低，甚至超过一些全国性银行。

微众银行在2025年报中透露，在将AI纳入员工能力体系的同时，构建了60余个数字员工及数百个智能体，应用于上千个场景，全年Token消耗量突破4000亿，实现了AI从辅助工具到重要角色的升级。同时，截至2025年末，AI算力规模较2024年末提升3.5倍，日均调用量从4.1万次大幅增长至240万次，日均Token消耗从2亿提升至超50亿，且持续高速增长。

在银行推进AI应用的背后，所替代/节省的人力数据同样值得注意。

例如，工行2025年报显示，其AI数字员工承担工作量5.5万人年。

农行上海市分行针对对公信贷业务，构建了多个信贷领域智能体，实现信贷调查报告的智能化升级，前不久该系统已在21家支行推广，根据反馈，系统可将完整报告撰写效率提升50%以上，预计每年可替代辖内客户经理工作量约8.1万小时。

厦门银行以RPA技术为基础，结合OCR、NLP等AI技术，推出智能运营机器人、询证函智能审核机器人、财报解析机器人等60余个数字员工产品，截至2025年末，数字员工已累计自动执行流程超50万次，处理文件超748万份，节省人力超2570人月。

从多家银行透露的应用成效来看，目前AI助力银行在一些领域节省了人力，提升了效率。但大力投入的背后，本身成本也不容忽视。

银行关注到Token成本，招行近期谈预算控制措施

上述数据表明，银行的Token消耗量在不断增长。当然，也有人质疑，有些银行在如此大的规模之下，日均Token消耗量并不算高。未来，随着AI推进深入，银行的Token数量还会大幅增加。

那么，成本与收益如何衡量？

媒体报道显示，由于不同的硬件、模型、API或自建网关等因素可能会使Token成本相差百倍，这一成本的估算变得复杂。粗略估计下，一家日均百亿Token的银行每日的成本支出也在数万元级别以上。

PNC金融服务集团CEO Bill Demchak曾表示，任何AI对银行生产力的提升，都可能被Token成本吞噬。

那么，面对Token消耗量日益增长之下的成本，银行未来的AI之路该如何走？

一方面，Token成本可能会持续下降，成本越来越低的情况下，银行应用AI大模型的ROI（投资回报率）会有所上升。

另一方面，需要银行有规划地推进AI，控制好Token预算。

《智探AI应用》获悉，周天虹在招行2025年度股东会上谈到了相关问题。该行目前的措施是主要将大模型用于业务部门，而非科技部门。

他表示，大模型用于代码编写的成本较高，加上技术上的问题（包括架构问题和技术债问题），因此，该行在软件开发的大模型应用方面，态度是积极跟进、审慎应用。

周天虹强调，该行用于大模型编程的算力投入在总算力中的占比只有约5%。而该行披露的Token消耗量数据，主要还是来自业务部门的消耗。

关于如何做好Token预算控制，招行的做法是：在提出AI First之前，该行已构建相对完整的成本收益度量体系。成本主要在于两点：一是研发人员投入，研发人员不仅包括科技条线的人员，也包括总行业务人员；二是Token成本。收益方面，则建立六个维度的度量体系，包括银行视角的四个维度和客户视角的两个维度。

当前招行大模型的成本收入比约为20%左右，即投入20元可创造100元的收益。不过，周天虹也表示，成本容易度量，而收益度量比较难，因为银行的价值链条本身比较复杂。

未来，对于各家银行来说，在积极进行AI布局之时，不能太盲目，毕竟不能无休止地烧钱消耗Token，相关成本还是需要审慎度量的。