记者丨郭聪聪
编辑丨周炎炎 曾芳
早上八点半，一家银行的对公客户经理打开系统，输入一家企业的名称，8分钟后，一份覆盖工商、税务、司法、舆情、上下游关系的详情表自动生成——这是上海银行上线的“访前一页纸”工具。同样的准备工作，如果依靠人力搜集，要耗去大半天，还免不了遗漏。
耗时从大半日缩短到8分钟，是AI改造银行对公业务的一个缩影。
所谓对公业务，就是银行面向企业客户提供的存贷、结算、供应链金融、贸易融资等服务，它长期是银行最“重”的业务：流程长、材料多、风险集中，高度依赖客户经理的个人经验和人海战术。
如今这繁重的业务，正在被AI逐步接手。
银行AI大单为何砸向对公
9月，浙商银行一则中标公告在金融科技圈引发关注：该行“智能体基础软硬件”采购项目由北京可利邦中标，金额6489.61万元，刷新年内金融机构智能体采购单笔金额纪录；叠加946万元的“财富及供应链智能体”订单，本次智能体公开采购合计约7436万元。
这不是孤例。上海银行“对公授信智能化提升与智能化基础能力建设项目之高代码智能体工作站”以442.57万元定标；南京银行“对公新网银智能服务助手建设项目”以249万元定标；苏州银行发布了6个智能体项目招标公告，覆盖信贷全流程，总金额超600万元。
据第三方机构统计，2026年上半年金融行业大模型中标项目达406个，同比增长110%，其中银行机构项目数量和金额占比均接近半数。
为什么银行AI大单砸向对公业务？
答案在于，从获客营销、授信尽调，到审批放款、贷后风控，对公业务中每一环都涉及海量信息、重复劳动和专业判断，过去只能靠人海战术硬扛；而AI最擅长的，恰恰是消化这类标准化程度高、数据密集的“重活”。
事实上，AI正在越过客服机器人式的浅层应用，直接嵌入银行对公业务的整条价值链。
9月，渤海银行上线了“产品上树”AI智能营销工程，归集全行100余款对公核心产品，覆盖交易银行、公司金融、投资银行、金融市场、理财等领域，为客户提供综合金融服务方案。
该行交易银行部业务负责人对21世纪经济报道记者表示，当人工智能加速重塑金融业时，对公金融竞争也走到了新的分水岭。
他表示：“一边是产品趋同、价格竞争日趋激烈；另一边，企业产业链不断延伸，全球化经营持续深化，融资、结算、跨境、司库、供应链、风险管理等需求相互交织。企业真正需要的，已不再是银行‘有什么就卖什么’，而是银行能否看懂企业、看懂产业，围绕经营中的真实问题提供系统解决方案。”
说到底，对公竞争正在从“拼产品、拼价格”转向“拼理解、拼方案”，而AI，正在成为银行看懂企业的新窗口。
信贷审批换引擎：从“人审”到“人机共审”
采购只是起点，落地的效果才是关键。对公信贷审批，历来是银行最难被技术颠覆的环节之一——信息庞杂、链条漫长、责任重大。如今，智能体正在改变这一格局。
最直观的改变，是效率的提升。近期，多家国有大行、股份制银行、城商行透露了AI审批方面的进展：
工商银行审贷助手“工小审”辅助信贷审查审批金额超万亿元，企业级智能风控平台覆盖全部境内分行、130多个风控决策场景；
交通银行“放款贸易背景审查智能体”能自动验真发票、交叉校验贸易材料，5万余份审批通知书实现智能提示；
建设银行普惠金融全流程处理时间从2至3天压缩到约3小时，覆盖超600万普惠客户；
招商银行小企业贷前尽调报告约90%的工作量由AI完成，保函业务处理时间从超30小时缩短至平均2.72小时，投标保函可分钟级出函；
江苏银行大模型信贷应用日均处理超500件申请，审批峰值能力提升40%以上。
更深的改变在长尾业务。过去小微企业贷款人力审核成本高、流程长，现在AI把单笔尽调成本降至近乎零。
技术发展的另一面，也需警惕风险暗涌。农业银行董事长谷澍就在2026陆家嘴论坛上指出，大模型应用面临模型黑箱、模型“幻觉”以及模型自主思考和决策带来的不确定性三大类风险。
监管层对此已经划出边界。6月18日，国家金融监督管理总局正式发布《关于银行业保险业人工智能安全开发应用的指导意见》，从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督七大方面提出指导性意见。
新规给出了清晰界定：涉及资金交易、资产评估、信贷审批、承保理赔、风险管理，以及直接影响金融合约达成的生成式人工智能场景应用，均被列为“高风险应用”。针对这部分高风险应用，指导意见要求在关键环节建立人工监督和干预机制，加强外包和供应链风险管理。
也就是说，针对信贷审批这类高风险应用，应当构建“人机共审”的机制。“人机共审”的落点仍是“人”——AI给判断，人做决策。
面对风险与新规则，银行机构迅速响应并积极调整。
工商银行打造了贯穿大模型关键环节的人工智能安全守护体系，涵盖基础设施搭建、模型引入、数据工程处理、模型训练及应用部署等环节；
中信银行同样构建了“静态模型防护+动态交互防御”双维安全体系，在动态层面实现平台、算力、模型、数据、AI应用的纵深防御；
农业银行亦明确表态要“以AI对抗AI”，建立纵深防御体系，确保对攻击早发现、快处置、能自愈，不断提升自动化、智能化的风险应对水平。
“投入指标”不等于“产出指标”
这场AI的军备竞赛，还在继续。
从多家银行2026年的AI算力布局来看，算力采购热度不减：邮储银行2026年AI算力集群采购项目由烽火通信旗下长江计算以第一份额中标，国产化部署示范效应明显；河南农商银行AI算力池建设分为7个标段，总金额超4000万元；兰州银行算力平台项目中标价超900万元；贵阳银行、湖南银行、光大银行也相继入场。
算力采购升温，是银行正在为AI应用搭建底层基础，应用活跃度则在银行业半年报中可见一斑。招商银行上半年日均Token吞吐量同比增长超78%；平安银行上半年消耗Token超过53亿个，同比增长约130%；邮储银行也披露，截至6月末，该行大模型能力已接入超90个行内系统，日均调用超600万次，日均输入输出Token超百亿个。
然而，Token消耗量的爆发式增长也引发了一个核心问题：投入越来越大，价值如何衡量？
麦肯锡全球资深董事合伙人周宁人依据最新研究表示，“Token只是一个投入指标，不代表一个产出指标。应真正关注AI产生的价值，而不只是单纯关注投入。”
她强调，大银行目前投入多一些，但现在不是规模竞赛，而是数字竞赛，应当更多回归到单位词元的回报上。
谁先算清这笔账，谁就握有先机。
在麦肯锡看来，先行者、领先者无疑拥有更大优势。周宁人表示：“如果一个先行者，能把生产力优势、效率红利快速投放到新的AI能力上，比如客户洞察、一对一交互、风险定价，就能快速建立持续性优势。”反之，一旦落后，在AI导致成本中枢下移的环境下，落后银行可能面临客户流失和价格竞争的双重挑战。
分化态势正在显现。2026年上半年，上市银行净利润增速最快与最慢机构之间差距约42个百分点，AI能力差异正在成为银行分化的重要变量。麦肯锡同样观察到，当前不少银行仍面临应用碎片化、数据与基础设施准备不足、业务与技术协同不够，以及价值衡量标准不清晰等挑战。
周宁人分析认为，中长期来看，AI的价值将从降本增效延伸至创收和模式重塑，“效率红利进一步投入到客户洞察、风险定价等新AI能力上，一旦持续的整体性能力建立起来，一定会转化为收益”。
SFC
出品丨21财经客户端 21世纪经济报道
编辑丨黎雨桐
热门跟贴