银行AI的KPI，正在被一个词改写。

以前比的是IT预算和服务器上架量，现在比的是词元消耗量。国家数据局的数据：2024年初全国日均词元调用量1000亿，到2026年3月突破140万亿，两年增长超千倍。招行日均消耗330亿词元，大模型成本收入比20%——“投20块，换回100块”。

但同一时间，Evident AI Index 2026显示，全球银行业公开AI用例中仅约1%披露了具体财务回报；国内唯一公开产出比的，只有招行一家。埃森哲的漏斗更扎心：90%的机构在用AI，15%达到企业级转型，仅5%能衡量财务影响。

10月21日，2026金融街论坛金融科技大会上，央行副行长朱鹤新、金融监管总局副局长肖远企、证监会副主席刘浩凌同台发声。三个人的讲话拼在一起，不是在庆祝AI的高歌猛进，是在给这场竞赛安装仪表盘和刹车。

朱鹤新的“数据筑基”：词元在跑，数据还没通

朱鹤新的四方面工作里，“坚持数据筑基，加快金融数据要素价值释放”排在第二位，措辞是“安全有序推进”。

词元消耗量的千倍增长说明模型在跑，但数据要素的价值释放远没有跟上节奏。金融行业数据要素市场规模2023年535.6亿元，2024年735.2亿元，增速可观，但放在银行业数百万亿的资产盘子里，这个规模还只是零头。数据确权、定价、跨机构流通的硬骨头，不是多调用几次API就能啃下来的。词元账单在涨，数据资产的资产负债表还没有真正立起来。

肖远企的“人在环路”：效率在升，护栏也在加

肖远企的表述最不客气：“人工智能+金融”不是简单的技术叠加，是战略、业务、商业模式、组织流程、文化的系统性变革。他点了三道硬槛：自主研发和数据、模型、工程三大基础能力；健全治理框架，坚持人在环路；监管同步数字化智能化，全周期管理。

“人在环路”不是一句口号。2026年6月金融监管总局金发〔2026〕8号文已经划了红线：信贷审批、资金交易等高风险场景必须保留人工干预。工行落地600多个大模型场景，金融市场智能询价交易占比突破96%，但到了定价和敞口决策的关口，人得在回路里。

问题在于，护栏的成本不是每家机构都付得起。2025年国有六大行科技投入1300.91亿元，同比增长3.69%；股份行整体收缩7.44%。头部机构在加码，腰部机构在省钱，智能化的能力鸿沟正在被投入结构固化下来。

刘浩凌的“可信度评估”：资本市场对错误的容忍度不一样

刘浩凌的讲话里有一句容易被忽略但分量很重的话：“科学划定高价值应用场景的边界和风险容忍尺度，探索建立符合业务实际需求的可信度评估体系”。

银行客服场景里AI答错一句话，后果可控。资本市场里AI给出一个错误的定价信号或交易建议，传导链条完全不同。刘浩凌说的“既不能因技术红利漠视风险，也不能因风险止步不前”，本质上是在承认：资本市场AI应用的风险定价，比一般金融场景更难做。全生命周期管理——准入评估、动态监测、应急处置——这套框架搭起来不难，难的是可信度评估的标准由谁定、定在什么水平上，才能既不扼杀创新，又不让算法黑箱在资本市场里裸奔。

中国金融业的AI竞赛，已经进入新的阶段

三位监管者的表态，指向的是同一个底层判断：中国金融业的AI竞赛，已经从“有没有场景”进入了“能不能算清楚账、负得起责”的阶段。

词元消耗量千倍增长是事实，招行“投20赚100”是事实，但1%的财务回报披露率和5%的财务影响衡量率也是事实。朱鹤新要求数据筑基，肖远企要求人在环路，刘浩凌要求可信度评估——三件事的共同前提是：AI在金融体系里创造的价值，必须能被度量、被追溯、被问责。度量不了的效率不是效率，追溯不了的责任不是责任，问责不了的创新不是创新。

监管给出的不是一张AI通行证，是一张标好了限速和车距的驾照。能上路的，是那些数据底盘够稳、工程能力够硬、治理框架够细的机构；上不了路的，连词元账单都读不懂，更不用说在“人在环路”的护栏里把AI开进利润表。