曾经藏在技术文档后台的 Token 数据，如今被银行主动搬到了台前，成了财报之外的「第二张成绩单」。7 月下旬，多家银行集中披露日均 Token 调用量：招商银行 330 亿、微众银行超 200 亿、邮储与工行双双破百亿。梯队分化清晰，Token 消耗正从工程师的仪表盘，变成衡量银行数智化转型深度的标尺。
一、三级梯队：头部稳、国有大行基数大、股份行民营银行增速猛
头部机构中，招商银行截至 5 月底日均 Token 消耗达 330 亿，同时大模型成本收入比稳定在 20% 左右，被视为规模化与成本管控最平衡的一家。国有大行里，邮储银行披露日均大模型调用超 600 万次、Token 破百亿；工商银行日均迈入百亿级别，较两年前增长近百倍，覆盖前中后台全岗位。增速最猛的来自股份行与民营银行：微众银行截至 7 月日均超 200 亿、人均日调用达 520 万，较 2025 年底的 50 亿实现数倍增长；浦发约 60 亿、兴业依托 200 余个落地智能体实现 41 亿、民生约 40 亿。整体看，国有大行基数大、体量稳，股份行与民营银行则是行业增量的核心。
二、微众的「数字员工」样本：80 余位已「入职」
微众银行的实践，是这份 Token 账单背后的具体内容。该行已有 80 余位数字员工正式「入职」通讯录，像人类同事一样经历入岗登记与绩效考核。反欺诈数字员工「吴吒」可跨多个系统汇集多维信息并完成案件调查，把单案处理时间从 3 天压到 5 分钟；运维岗「卫小博」能自行排查和修复系统，经其发布的子系统版本已达上万个；研发岗「代宽宽」独立包揽从安全工单接收、需求拆解、代码编辑、自动化测试到上线的全流程，将原本两周的周期压缩到 30 分钟以内。在嵌入主流程的 AI 垂直应用上，线上信贷审批从数天缩短到数小时、带来约 10 倍效率提升，营销素材实现「工业化」生产、获客成本同比下降约 20%。邮储则已落地 370 余个大模型应用场景、日均调用超 600 万次。
三、为什么 Token 成了「成绩单」
每一次文本输入、数据分析、智能问答、信贷测算，都对应着算力消耗。日均 Token 调用量之所以能成为标尺，在于它直观反映 AI 是否真正嵌入了全业务流程、场景成熟度与资源投入力度。微众的判断很明确：AI 原生银行不是「在现有流程上叠加 AI」，而是「以 AI 作为默认运行层重构流程」，从「人执行、AI 辅助」转向「AI 默认执行、人只处理例外」。当 Token 从技术成本项，变成业务产出项的代理指标，银行的智能化转型第一次有了可横向比较的「X 光片」。
四、客观看：账单背后，是成本与治理的双重压力
农业银行董事长谷澍提示，大模型在金融业规模化应用会面临模型黑箱、模型幻觉，以及模型自主推理、自主输出决策结论带来的不确定性等新型风险。Token 量级飙升，一方面意味着算力与工程投入的硬成本持续走高，中小银行与国有大行、头部股份行之间的算力与人才差距可能进一步拉大；另一方面，指标有价值，却不能替代业务的真实产出——若只追求 Token 量而忽略单位 Token 创造的经济价值，账单也可能变成「军备竞赛」的注脚。如何把「Token 消费者」导向「价值生产者」，将是下一阶段银行 Agent 落地的真正考题。