提要

8月19日江苏银行披露2026年半年报，其AI应用数据受关注，如部署15种模型、推出数字行员助手、缩短中小企业线下授信审批时间、Token使用量增长等。今年头部城商行在AI领域投入提速，从模型部署到流程嵌入等各方面都有进展，AI应用正从“试点验证”进入“规模化铺开”阶段。江苏银行数据显示头部城商行大模型转向业务规模化落地，虽与国有大行在Token消耗绝对体量上有差距，但正在快速追赶。Token消耗量快速攀升并不等同于业务价值同步提升，下一阶段竞争焦点从“谁部署得多”转向“谁用得更精、产出更高”，包括模型编排能力、流程级智能体深度、数据资产与知识工程、评测与治理体系等方面。日活智能体数（DAA）是衡量AI真实生产能力的核心中间指标。银行需平衡算力成本与业务价值，城商行可通过筛选场景、建立ROI前置评估机制、走差异化路线在有限算力预算下找到最优投入产出比场景。【东方财富网链接】

数据眼

从商业银行授信业务角度来看，江苏银行披露的2026年半年报中的AI应用数据具有多方面的启示。该行已部署从十亿级到万亿级的15种模型，这表明其在模型储备上有一定规模，为授信业务提供了丰富的技术工具。推出八大数字行员助手并将AI技术深度嵌入审批辅助全流程，使中小企业线下授信审批时间缩短30%，这极大地提升了授信审批效率，能更快地响应中小企业的融资需求，增强银行在中小企业授信市场的竞争力。 江苏银行日均Token使用量较2025年年末增长18倍，各类AI应用累计替代120万工时，这体现出AI在该行授信及其他业务流程中的广泛应用和显著成效。从行业角度看，头部城商行AI落地提速，正从“试点验证”进入“规模化铺开”阶段，虽然与国有大行数百亿级的日均Token消耗相比，城商行绝对体量仍有差距，但快速追赶的态势反映出银行业AI应用梯队格局正在改变，城商行在授信业务智能化方面的潜力巨大。 不过，Token消耗量快速攀升并不等同于业务价值同步提升。在授信业务中，银行不能仅追求模型数量和Token调用量，更要关注模型是否真正嵌入业务流程、创造可量化的业务价值。未来竞争焦点将转向模型编排能力、流程级智能体深度、数据资产与知识工程以及评测与治理体系等方面。例如在授信审批中，合理的模型编排可将高频低价值任务交给轻量模型，复杂推理调用大参数模型，提高资源利用效率；数据资产与知识工程方面，银行自身的信贷经验、区域产业认知、客户行为数据等是无法购买的核心竞争力，能为授信决策提供更精准的支持。 在成本管控方面，随着Token调用量增加带来算力成本上涨，银行在授信业务中需通过技术优化、分级调度、预算管控实现成本与业务价值的平衡。如采用大小模型分级调度，在高风险信贷场景启用高性能大模型，简单办公任务调用轻量小模型；同时设置部门级算力预算，将工时替代、效率提升、风险损失减少等收益纳入核算。 对于城商行而言，在有限的算力预算下，可以按高频、人力密集、规则相对清晰、降本增效明显的特征筛选授信业务场景，如信贷材料审查、尽调报告撰写等；建立AI项目ROI前置评估机制，及时关停低效项目，动态调整算力资源；立足自身区位优势，深耕本地中小微、产业金融、普惠业务，打造垂直领域AI能力，在授信业务细分赛道做出深度。