ARTICLE · 1300215
工行AI三年账本:285亿,换来的不只是效率
一家管理着 57 万亿资产、近 4 万科技员工的银行，是怎么把大模型变成生产力的？
今天，我们就用工行的三份财报、一份 AI 原生白皮书，再叠加刘珺行长近一年半的公开分享，把工商银行的 AI 战略，拆成一张看得懂的账本：布局、策略、代价、当下成效、长期价值。
一、布局：一个字背后，是一整套世界观
要读懂工行的 AI，你得先看懂它改了一个名字。
2021 年，工行提出"数字工行（D-ICBC）"。
2026 年，工行把这个名字改成了"数智工行（AI-ICBC）"。
从"数字"到"数智"，一字之差。但这一字之差，差的是两件事：
数字化，是把业务搬到系统里。
数智化，是让系统替业务做决策。
前者是流程的电子化，后者是生产力的再分配。
一个在"搬运"，一个在"思考"。
光改名当然不够。
工行把这套战略落成了一张可施工的图纸，叫"1+1+3"：
第一个"1"，是技术底座"工银智涌"——算力、大模型、智能体工厂； 第二个"1"，是数据空间 D-Space——把数据治理好、喂给模型； "3"，是面向公司客户、个人客户、员工的三类平台。
听起来还是有点抽象？那我换个说法。
2026 年 9 月，工行联合华为发了一份白皮书，把这套打法讲透了。
它说，真正的 AI 原生，不是给旧房子装一把智能锁，而是按智能的方式，重新盖一栋房子。
而盖这栋房子的办法，叫"两超多专"——两个超级智能体，加一堆专业智能体。
什么意思？工行落地了 600 多个 AI 场景。
如果按传统做法，这是 600 个项目，各做各的，乱成一锅粥。
但工行把它们收敛成了"两个总入口 + 一堆专业插件"。
新增一个场景，不是从零造轮子，而是往模板里插一个模块。
这就像乐高。你不需要每次都重新开模，你只需要把标准件拼上去。
这，就是工行给 AI 画的盘子。
二、策略：工行到底怎么打这一仗
盘子画好了，怎么落子？工行的策略，可以概括成四句话。
第一句：能力做成标准件，不重复造轮子。
就是上面说的"两超多专"。这是工行最聪明的地方——它把"几百个项目"的混乱，变成了"一个范式"的秩序。
第二句：安全，必须写进底座。
6000 张卡、国产算力、私有化部署，工行坚持把命根子攥在自己手里。为什么？因为它是系统重要性银行，AI 出一点事，连的是千家万户的钱袋子。安全不是加分项，是入场券。
第三句：不是所有环节，都交给 AI。
工行做了清晰的人机分级：高度依赖数据的业务，给 AI 更多自主权；直接面对客户的业务，让人留在决策环里；凡是涉及价格、大额敞口的，从一开始就必须有人。
一句话：方向盘，必须有人握着。
第四句：技术必须面向应用，没有应用就没有红利。
工行没有喊"All in AI"的口号。它的逻辑是——AI 的价值不在模型多大，而在用没用起来。场景从 500 个慢慢长到 600 个，慢，但稳。
三、代价：沉默的成本，才是真正的账
说到这儿，你可能觉得：工行真厉害，投钱、铺场景、出成效。
但任何一份漂亮的投入产出表，都默认了一件事——投入是有回报的。
工行自己都承认：科学量化 AI 的投入产出，至今还是个业界难题。
那我们就把这笔"沉默的成本"摊开看看。
第一笔账，是真金白银。
2025 年，工行金融科技投入 285.88 亿元，连续第五年超过 200 亿，六大行第一。
科技人才 4.02 万人，占全行近十分之一。算力从千卡堆到 6000 卡，日均处理"词元" 600 亿。
"词元"是什么？你可以把它理解为银行的"用电量"。
用电量是工业时代的标尺，词元量是 AI 时代的标尺。
工行一年把这个词元量扩容了一个数量级——但 6000 张卡背后，是持续的电力、散热、运维、折旧。这是一台停不下来的重资产机器。
第二笔账，是组织的重构。
近 30 个部门协同、科技前置嵌入业务、培育"π 型人才"。
更敏感的是——工行明确说，下一步要"优化庞大的人力资源队伍"。
AI 替代了 5.5 万人年的工作量。
省下的是工时，腾出来的人，往哪去、怎么转岗？
这是真金白银之外，一笔隐形的组织成本。
第三笔账，是为 AI 担责。
这是最锋利的一点。
商业银行，不能像科技公司那样"先上车后补票"。
业务连着公众、连着产业，只能用成熟、验证过的技术。
所以工行额外买了一层"保险"：谁从 AI 里获益，谁就独立担责——收益进了工行的资产负债表，出事了工行就得赔、就得给市场一个交代。
工行把"关闭开关"写进了流程：解释不清的模型，直接弃用。
第四笔账，是算不清的回报。
场景数量从 500 涨到 600，这是"过程指标"，不是"结果指标"。
真正重要的是：业务结果变好了多少？这个问题，连工行自己都还在建体系去量。
所以你看，工行的 AI 不是轻资产的灵感，是一场重资产的、组织的、责任前置的体系化押注。
四、当下成效：钱，到底花得值不值
账的另一面，是成效。
判断 AI 有没有用，只看两件事：场景铺开了没有，活扛下来没有。
工行交出的答卷，很有分量。
我挑几条最硬的：
交易： 金融市场智能交易系统，智能化询价比率 96%，交易笔数还同比涨了 50%。也就是说，AI 不是来抢人饭碗的，是让人干得又快又多的。
审核： "AI 智审"上半年输出 36 万条合规意见，被采纳率 98.6%；授信审批助手辅助审查金额超万亿元，平均用时反而降了 30% 以上。
运营： 集约运营助手，录入速度比人快 25 倍，半年替代人工录入 1 亿笔。
一个最值得说的产品：工小涌。
这是工行对内的超级智能体。
它最革命的地方，不是"聊天"，而是"办事"——你给它一个复杂任务，它自己拆、自己调系统、自己闭环执行。
目前接了上百个"技能"模块。
一个员工，加一个智能体，加一堆技能，约等于一支团队。
岗位这两个字，被重新定义了。
把这几条放在一起看，结论很清楚：在工行，AI 已经不是某个条线的工具，而是一层横跨前中后台的生产力。
它不是 PPT 上的概念，是已经记账的工时、已经压降的时长、已经拦下的风险。
五、长期价值：买的不只是工具，是引擎
2026 年 10 月 30 日，工行三季度业绩会上，相关负责人说了一句分量很重的话：
"AI 不仅是降本增效的工具，更是重构商业银行底层逻辑的核心引擎。"
这句话，值得你停下来想三秒。
它意味着，工行对 AI 的定位，已经越过了"效率工具"，进了"范式重构"的层面。
为什么是引擎，不是工具？
我给你讲一个最危险的信号。
工行行长在达沃斯说过一个词：脱媒。
当消费者身边多了一个"AI 管家"，帮他把存款、理财、转账、比价全包了，他还需要打开银行的 App 吗？
当 AI 智能体组合，替代了金融机构的"中介"功能，真正的脱媒，就已经启动。
金融机构如果不建立垂直领域的专有能力，就会被排出消费循环。
所以工行押注 AI，本质上是在为一件事提前下注——智能体时代，银行还值不值得被需要。
这，才是 285 亿、6000 张卡、4 万人的真正落点。
写在最后：一本账，两面算
工行的 AI 战略，是一本要两面算的账。
正面，是 285.88 亿投入、4.02 万人、6000 卡算力、600 余个场景、5.5 万人年、96% 交易智能化、超万亿授信辅助——这是一家系统重要性银行，用重资产换来的确定性效率。
反面，是刚性且持续上涨的成本、组织的深度重构、必须为 AI 担责的治理代价，以及"回报算不清、核心落地难"的诚实承认。
一边是最激进的体系化押注，一边是最审慎的责任前置。
这或许就是"宇宙行"给出的样本：
在不确定里，用最重的投入和最严的护栏，去赌一个——银行仍被需要的未来。
相关推文
数据来源：工商银行 2025 年年报、2026 年半年报、2026 年三季报；工行行长刘珺近一年半公开演讲与署名文章；《金融 AI 原生技术应用生态建设白皮书》（工行×华为，2026 年 9 月）。文中"金融科技投入"为管理口径，与利润表"研发费用"会计口径不可直接比较，引用请以工行正式财报为准。
