AI应用的加速推进，使得银行的Token（词元）消耗数据增长较快。近日信息显示，招行的日均Token达到800亿，为国内首家披露这一数据达到800亿的银行。

大模型应用落地超1500个场景，智能银行的目的之一是提高人均产能

在11月2日举行的招行2026三季度业绩交流会上，招行数字金融发展办公室主任韦江波针对AI方面的疑问，从三方面进行了介绍。

其一，关于AI应用的新趋势。韦江波表示，近一年感受到的最大变化是，AI从“会说”走向“会做”，可更深入地参与业务流程，人与AI的协作模式正发生改变。其中分为2个主要趋势：一是AI从“单点赋能”走向“流程重塑”；二是AI从“辅助人”走向“人机协同”。

其二，关于AI应用场景和财务价值转化。在应用场景方面，截至9月末，大模型应用累计落地超过1500个场景，全行业务场景的日均Token规模超过800亿。

而在财务价值转化方面，该行认为，AI能力向财务价值的转化，不是一蹴而就的，而是一个逐步传导的过程，先将AI融入具体业务流程，提升关键环节的技术和业务能力，再带动业务效能的提升，最后才会转化为财务价值。

其三，关于如何平衡成本、效益、安全、维持员工队伍稳定等因素。

在成本和效益的平衡方面，招行将坚持AI的高强度投入，这一方向不会动摇。在AI应用初期，主要是敢于投入、试错，并设有创新基金鼓励大家去投入、去尝试；在实验成功后的推广阶段，则会管控投入产出比，保证合理的产出。

在安全方面，坚持发展与安全并重，确保创新运行在安全、合规、可控的轨道上。

在维持员工队伍的稳定方面，该行推进智能银行建设的出发点，不是减少员工，而是提升员工能力和价值，提高客户服务水平和经营效率，维持员工队伍稳定。韦江波表示，一方面，在监管要求下，关键环节仍需人工把关；另一方面，从用人需求看，招行对人才的需求还是扩张状态。随着客户规模和业务量增长，更需要通过人均能力的提升来作为支撑，同时，每年也有自然的减员，因此需要依托AI赋能相关岗位，补足人员流失带来的缺口。

韦江波强调，智能银行的目的之一是通过提升效率来提高人均产能，人与AI之间不是相互替代的关系，而是协作关系。事实上，此前有多家银行表达了相似的观点。

仍聚焦高价值AI场景，4个月日均Token从330亿增至800亿

据《智探AI应用》对比，招行的AI大模型应用场景数量和Token数据正在快速增长，表明该行的AI应用推进已进入加速期。

应用场景方面。截至2024年10月，招行大模型应用场景超100个；而到2026半年报中，已在零售金融、批发金融、风控、运营、办公等多个领域落地智能化场景1386个，较上年末增长62%；直至2026年9月末，大模型应用累计落地超1500个场景。

可见，招行的大模型应用场景数在近两年迎来飞速增长。事实上，招行方面曾介绍，大模型应用场景选择标准有“三多”，即钱投入多、人投入多、耗时多，在这些场景能产生更大的价值。此次，韦江波也强调，招行AI应用场景不断拓宽和深入，整体来看，依然聚焦于高价值的场景。

而在AI应用数大涨的背后，Token消耗数据“水涨船高”。

2025年，招行大模型日均输入输出Token量，相较于2024年增长10.1倍。截至2026年2月末的数据显示，彼时全行日均输入输出Token总规模为260亿。截至2026年5月底，日均Token消耗量达到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。

直至今年9月末，日均Token超过800亿。可见，从5月至9月，4个月时间，招行的日均Token数据从330亿增至800亿，翻个倍还不止。

从此前国内多家银行披露过的相关数据来看，日均Token超800亿为目前银行业最高。也有媒体明确表示，招行是国内首家日均800亿Token银行。

另一方面，招行也关注Token成本，在技术层面实现了Token成本的降低。

招行在9月介绍，其AI基础设施团队将Kubernetes与Kueue、KEDA、Prometheus、HAMi和Fluid相结合，构建了统一控制平面，让模型训练、微调和在线推理共享近10000张异构加速卡。

取得的成效为：通过与数据中心及其他团队的协作，招行将99%的加速计算资源纳入这一统一框架，使近万张加速卡的平均利用率从35%提升至60%以上；在可比的模型与服务条件下，每处理100万Token（输入与输出合计）的成本降低超过60%。