企业官网建设流程全解析

摘要（三行看完）

· ①招行 CIO 周天虹在 2025 年度股东会上披露：大模型成本收入比约 20%，即投入 20 元 AI 成本创造 100 元收益；同期日均 Token 消耗 330 亿。

· ②这个数字被低估了——它真正的意义不是「AI 划算」，而是银行第一次用财务口径而非技术口径，给 AI 做了一次可验证的结账。而「成本收入比」这四个字在银行财报里是有法定口径的（招行 2025 年为 32.01%），招行把这个词借过来用在 AI 上，名字没变，分子分母全换了。

· ③更难抄的不是模型、不是算力、不是 856 个场景，是那套成本端 2 项、收益端 6 维度的度量体系本身——以及一个反直觉事实：Token 单价一年跌 60%–80%，其中硬件贡献约等于零，几乎全部来自架构与算法效率。所以 20% 的分母不是谈出来的，是架构演进出来的（算法、架构更值钱了）。

一、一个被当成「好消息」的数字

先还原事实。

2026 年近期，招商银行 2025 年度股东会交流现场，首席信息官周天虹回答了一个关于 Token 预算控制的问题，原话是：

「去年招行提出了 AI First 的重要工作方向，在全行全面推广大模型应用。对于一家超过 10 万人的企业，全面推广大模型应用很容易出现一个问题：做了很多事，但实际业务成效并不高……所以在提出 AI First 之前，我们就构建了相对完整的成本收益度量体系。」

「当前招行大模型的成本收入比，我们测算大概在 20% 上下，这是一个比较好的数据，即投入 20 元可以创造 100 元的收益。」

配套的另一组数据：

媒体把这组数字消化成了「招行 AI 投产比亮眼」。这个读法没错，但它把最锋利的那部分磨掉了。

这组数字真正重要的地方，不在「20%」这个结果，而在「成本收入比」这四个字。

二、它其实是一个「借来的词」

银行财报里，「成本收入比」（Cost-to-Income Ratio）是有标准定义的：

成本收入比 = 业务及管理费 ÷ 营业收入

招行 2025 年报披露，全行成本收入比 32.01%，同比上升 0.09 个百分点。这个数字在年报里躺了很多年，是投资人衡量银行运营效率的标准刻度。

现在把两个数字放在一起：

同一个词，两套完全不同的账。

招行把财报里的标准指标名，借过来给 AI 用了一次——名字没变，分子分母全换了。

这个动作的意义被严重低估了。

在银行体系里，一个指标叫什么名字，决定了它由谁来审。

·叫「场景数」「Token 消耗量」「模型调用次数」——这是技术口径，归 CIO 汇报，董事会听完鼓掌。

·叫「成本收入比」——这是财务口径，归 CFO 审视，要能解释分子怎么归集、分母怎么计量、跨期怎么可比。

招行给 AI 选了一个财务口径的名字，等于主动把 AI 从「技术叙事」拽进了「财务报表语言」。一旦进了财务语言，AI 就不再享有「战略性投入、暂不考核回报」的豁免权。

这是银行业 AI 治理的分水岭：不是开始算账，是开始用财务的规矩算账。

顺带说一句：这也是本系列一直在追的那个结构——监管把 24% 从法院借进合同，招行把「成本收入比」从财报借进 AI。借来的词不用重新定义，但用起来，比自己造的还硬。

图 1｜两个「成本收入比」：同名，不同账

左侧为年报法定口径（32.01%），右侧为大模型专项口径（约 20%）。二者口径不同，不可直接等同。

三、为什么偏偏是 2026 年：行业走完了三个阶段

这个数字出现在这个时点，不是偶然。

神州信息 AI 创新中心总经理晋梅把银行业 AI 心态划成三段，我认为这个划分很准：

量的变化也印证了这个转折。国家数据局统计：我国日均词元调用量从 2024 年初的 1000 亿，到 2026 年 3 月突破 140 万亿，两年增长超千倍。

各家披露的口径也换了——

两年前银行比「投了多少钱」「上架多少台服务器」，今天比「日均烧多少 Token」。而 Token 是消耗品，不是资产——消耗品天然要被问一句：这笔钱花出去，换回来什么？

图 2｜银行业 AI 关注点的三阶段迁移：从算力焦虑到 ROI 追问

框高为阶段关注热度示意；底部词元调用量引自国家数据局统计。

四、20% 是怎么算出来的：一套度量体系的骨架

这是本文最该被截图的部分。

周天虹把这套体系讲得很清楚，我按架构视角重画一遍：

成本端（2 项）

1.研发人员投入

2.Token 成本

注意第 1 条里的细节：不只是科技条线，还包括总行业务人员。这一条极其关键——它承认了「业务人员参与 AI 建设」本身是成本，而不是免费的内部协同。

第 2 条 Token 成本是纯变动成本，随用量线性增长。

收益端（6 维度）

周天虹自己也点破了难点：

「成本容易度量，主要因为招行多年来积累了一套比较细致的度量体系，数据质量也比较好；但收益度量则比较复杂，因为银行的价值链条本身就比较复杂。今年以来，我们进一步审视收益度量的算法、数据来源和数据质量，不断改进。」

这句话是全文最诚实的一句，也是最有价值的一句。成本可以算准，收益只能算得越来越准。

这不是招行的短板，这是所有银行做 AI 度量时的共同真相——银行业务的价值链条长、归因难、口径多，一笔 AUM 增长里，多少归客户经理、多少归市场、多少归 AI 助手，谁都说不死。

所以招行给出的 20%，是一个「我们目前能算到的最好估计」，不是一个审计数字。它自己加了「测算大概」四个字，这是专业的。

可交叉验证的业务侧证据：

·零售端「RM 小助」覆盖超 1 万名金葵花客户经理 → 人均有效触客次数 +14%，客均交易规模 +20%

·对公端小企业尽调报告 → 82% 工作量由大模型替代

·在线风控平台审批对公信贷规模接近 6000 亿元，同比 +44%

有这三个数，20% 就不是空中楼阁。

图 3｜20% 是怎么算出来的：成本端 2 项、收益端 6 维度

虚线表示收益端仍属测算口径、持续改进中；六维度招行未逐一披露，图中列示为公开口径归纳。

五、压力测试：另一家银行的 3 倍生死线

如果 20% 是行业标杆，那么行业平均水平在哪？

《经济观察网》2026 年 7 月的报道给了一个残酷的对照组。某股份行（报道中为化名）内部的情况：

银行高层在 7 月 6 日提出量化评估指标：智能体与大模型研发应用的投入产出比不能低于 3 倍，即每投入 1 元研发费用（含 Token 支出），应换来至少 3 元收益。

一位内部测算人员直言：「目前我们尚未达到这个投入产出比。」

换算一下：3 倍投产比 = 33% 的成本收入比。也就是说，那家行给自己定的及格线，比招行已经做到的 20% 还宽松 13 个百分点——而它照样没达到。

更值得记的是后面这段：

7 月起，该行对公业务部门悄然压降了员工日均最低 Token 消耗量考核要求，较上半年低了 20%。原因是上半年 Token 付费金额远超预算，领导要求各部门「省着点用」。

这就是「AI First」落地的真实摩擦：

半年之内，同一个指标从「鼓励用」翻转成「限制用」。

这不是哪家行的问题，这是所有在推 AI 的组织都会撞上的墙：当 AI 投入小到不值一提时，没人算账；当它大到进预算表时，CFO 一定会来算账。招行比行业早了大约一年，主动把这套账建起来了。

而这也是我最想说的一点——招行真正领先的不是 20% 这个数，而是它在被要求算账之前，就已经有账可交。

图 4｜AI 贡献比：从 1:13.5 到接近 1:9

2025 年全年替代人工 1556 万小时，相当于超 8000 名全职人力。

六、分母正在崩塌：20% 里最危险的那部分

这是我自己认为全文最该被单独摘出来的一节。

Token 的单价正在以每年数倍的速度下跌。

那么问题来了：单价一直跌，招行的 20% 会不会自动变成 10%、5%？

会。但这里藏着一个陷阱，几乎所有人都踩：

单价下跌 ≠ 账单下跌。

价格一降，原本不值得自动化的任务突然值得了；而智能体为了完成一个任务，会循环调用多轮。单位成本在降，总量在涨。

这就是 AI 时代的杰文斯悖论。

更关键的是下一个问题：这个降价红利，是买来的，还是挣来的？

一份 2026 年的成本归因研究（《Tiered Super-Moore's Law》分析）做了成本分解，结论我第一次看到时也愣了一下：

降价红利几乎百分之百来自架构与算法效率——MoE 稀疏激活、量化、KV cache 复用、推理调度优化——而不是因为芯片变便宜了。

这条结论对银行意味着什么？

意味着「等 Token 降价」不是一种策略，它只是一种等待。你不会因为这个行业整体降价而自动受益，你只会因为你自己架构做得好而受益。

招行是怎么吃到这条曲线的？看它做的几个决策——

1.大模型编程的算力投入只占总算力的约 5%。周天虹的判断是「大模型软件架构能力偏弱」，写代码会产生「面条式代码」、性能与安全等技术债，所以开发端审慎。

2.业务端积极。330 亿日均 Token 主要由业务部门产生，而不是被编程烧掉。

3.先梳理 1588 个独立工作项。按大模型可发挥作用与量化标准分高 / 中 / 低价值三类，高、中价值落地 69%，低价值 39%——不是所有场景都上。

4.一个应用平均需 6 次迭代才可投产。但迭代周期从 32 天压到 8 天——用迭代速度换落地质量。

5.「大模型牵头、小模型干活」的分层架构。中国银行业已全面摒弃对「单一全能基础大模型」的依赖，转向复杂任务交给参数更小的垂直模型或传统机器学习模型。（毕马威《2026 年中国银行业调查报告》列为行业首要趋势）

这五条，没有一条是「买算力」。

它们全是架构决策。而它们的财务结果，就是那 20%。

所以：20% 不是 AI 的性价比，是其架构能力的财务报表。

图 5｜Token 成本崩塌曲线与归因：红利是架构出来的，不是买来的

左图为公开研究数据趋势示意，非招行实际采购价。

七、行动清单：把这套账建起来

如果你所在的机构还没开始算这笔账，按这个顺序做。

给 CIO / 科技负责人

1.先给指标起一个「财务名字」，不要起技术名字。叫「成本收入比」「投产比」，不要叫「AI 成熟度」「智能化指数」。名字决定了谁来审你，也决定了你能不能被认真对待。

2.成本端一定要含业务人员投入。只算科技条线会系统性低估成本，也会让业务部门对「AI 免费」产生错误预期。

3.收益端允许是「测算值」，但必须标明是测算值，并且每年改进算法。招行自己也在改进。装作精确，比承认不精确更危险——一旦被 CFO 戳破一个数字，整套体系的可信度归零。

4.引入一个不依赖收益归因的辅助指标。招行的「AI 贡献比」就是这类——它绕开了「这笔营收多少归 AI」的死结，直接量物理替代量。这是最聪明的一招。

给业务负责人

5.别指望「先用起来再说」。下半年那个压降 Token 考核 20% 的反转说明：补贴期一定结束，而且结束得比你想象的快。在补贴期结束前把价值证据做实。

6.优先做能落到「工时替代」的场景。尽调报告 82% 被替代这类场景，价值证据最硬，也最容易过 CFO 那一关。

给架构师（这才是护城河）

7.建多模型路由，而不是绑定单一模型。成本曲线每年跌 5–10 倍，绑定单一模型意味着放弃整条曲线。

8.按任务分层，不是按场景分层。复杂推理走大模型，稳定重复任务走小模型或传统机器学习。「大模型牵头、小模型干活」已经是行业共识架构。

9.警惕智能体的循环调用。单任务多轮调用是成本黑洞，必须在网关层做预算熔断与调用深度限制——这是 Agent 时代的新增架构职责。

10.把 Token 当成可观测资源来治理。谁在用、用在哪个场景、单次任务消耗多少、命中率多少。没有可观测性，就没有预算控制。

八、收束：从「投得起」到「算得清」

回到开头那个数字。

招行这次披露，媒体记的是「投入 20 元创造 100 元」。但真正值得行业记住的，是另外三件事：

从此 AI 在银行里不再是「战略性投入」，而是「可结账的业务」。

·第一，它把 AI 拉进了财务口径。

成本端 2 项、收益端 6 维度、AI 贡献比兜底——这套骨架任何一家银行都能抄，难的是数据质量和持续迭代的耐心。

·第二，它证明这套账是可以算出来的。

算力可以买，模型可以买，场景可以抄，但一套跑了两年、数据质量过关、能说服 CFO 的度量体系，买不来。

·第三，它把竞争从「谁投得多」转移到「谁算得清」。

毕马威《2026 年中国银行业调查报告》里那句判断，我认为是对的：

「未来银行业的科技竞争，已不只是技术能力的竞争，更是战略认知、治理水平、组织韧性与人才结构的综合竞争。」

我再加一句我的：

在 AI 这件事上，银行的差距不会先体现在模型能力上，会先体现在「谁先有一本可以交出去的账」上。

招行交出来了。剩下的机构，被要求交账只是时间问题——而补贴期，已经在结束了。

一个在金融科技行业做了十六年架构的人。

这里聊三件事：金融合规政策怎么读、平台商业模式怎么拆、系统架构怎么改。如果你也在金融与技术的交叉口上，欢迎关注。

你们机构开始算 AI 这笔账了吗？用的是什么口径——成本收入比、投产比倍数，还是还在用「省了多少工时」这一类物理指标？欢迎在评论区说说你们现在的算账方式，以及卡在哪一步。我猜大多数卡在收益归因。

数据来源

·招商银行《2025 年度股东会交流实录》（招行官网投资者关系，2026 年 6 月 25 日 / 7 月 2 日两版），首席信息官周天虹关于 Token 预算控制、成本收益度量体系、成本收入比、AI 贡献比的答问原文；

·招商银行《2025 年度业绩数据摘要》（2026 年 3 月 27 日）：营业收入 3372.73 亿元、归属于本行股东净利润 1501.81 亿元、成本收入比 32.01%、净利息收益率 1.87%；

·《经济日报》/ 中国经济网《银行业加速智能化跃迁》（2026 年 7 月 13 日）：招行日均 Token 330 亿、成本收入比 20%，及邮储、微众、兴业披露口径；

·《经济观察网》《Token 太烧钱 银行开始「算账」》（2026 年 7 月 12 日）：某股份行投入产出比不低于 3 倍的考核要求、Token 考核压降 20%；

·新浪财经《每天烧百亿 token，银行开始和 AI 算细账》（2026 年 7 月 4 日）：招行 1588 个工作项梳理、856 个场景、迭代周期 32 天→8 天、RM 小助与对公尽调数据；

·毕马威《2026 年中国银行业调查报告》（2026 年 7 月）：银行业科技演进趋势、「大模型牵头、小模型干活」分层架构、竞争要素判断；

·国家数据局：我国日均词元调用量 2024 年初 1000 亿 → 2026 年 3 月突破 140 万亿；

·LLM 推理成本下降：LLM API 价格 2025 初至 2026 初降约 80%；综合运行成本 2025Q1 至 2026Q1 由每百万 Token 约 18.40 美元降至 6.07 美元；固定能力水平下年降 5–10 倍（arXiv，含 MIT Neil Thompson 等研究）；成本归因中软件与架构创新贡献约 103.7%、GPU 硬件约 −0.9%（Tiered Super-Moore's Law 分析）。

给转发者的一句话：

招行说投入 20 元赚 100 元。但真正的门槛不在这 20 元上——在你能不能把那 100 元算清楚。