中小银行的AI账本，正在被重写
去年我参加过一次城商行的科技条线座谈会，桌上十来个信息科技部总经理，前年聊的还是"GPU到货了没""机房扩容批了多少"，去年画风突变，聊的是"那个信贷报告生成系统多少钱一年""有没有试过用AI做贷后预警"。这个转变，说实话比我预想的快了差不多一年半。我的核心判断是：中小银行的AI采购逻辑，正在从"囤算力"的军备竞赛，转向"买应用"的务实采购，这不是技术路线的选择问题，是成本和能力的双重约束逼出来的必然结果。
而在这个转向过程中，踩坑的银行远比踩对的多。我想把这里面的门道掰开讲讲。
囤算力这件事，中小行从一开始就算不过账
先说个现实。一家资产规模3000亿左右的城商行，如果按主流方案配置一套能支撑大模型推理的算力集群，硬件采购加机房改造，起步就是两三千万，算上三年折旧和运维，全周期成本奔着五千万去。这个数字对上亿利润的银行来说不算致命，但问题是——买回来之后谁用？
我见过不止一家银行，2023年下半年跟风采购了8卡服务器，结果卡在机房大半年，因为不会调、不敢用、不知道用在哪儿。某中部城商行2024年初年报里提到"完成算力基础设施建设"，但你翻遍全篇找不到一个像样的落地场景，这种"建了就有"的心态，其实是把科技投入当成了硬件采购，思路还停留在买自助设备那个年代。
更关键的是，算力这个东西折旧极快。三年之后这批卡还值多少？技术迭代跟不上怎么办？中小行没有大行那种"算力冗余做技术预研"的资本，每一分钱都要对应明确的业务产出。这个账，越来越多人算明白了。
转向的信号，藏在监管口径和年报措辞里
我注意到一个有意思的变化。2024年以来，多地监管在科技监管评级和数字化转型评价中，越来越强调"投入产出比"和"场景落地率"，而不是单纯看IT投入占营收比重。这个口子一开，中小行的科技预算逻辑就得跟着变。
年报是最好的观察窗口。翻几家上市农商行和城商行2024年财报，措辞从"加大科技投入""完善数字化基础设施"，明显转向了"推进智能信贷辅助""上线智能客服""落地智能风控模型"这一类表述。措辞背后是采购清单的变化：从服务器、存储、算力卡，变成了SaaS订阅、API调用、按坐席或按调用量付费的应用服务。
我认识的一个农商行科技部负责人跟我说，他们2025年的预算里，算力硬件占比从原来的四成压到了一成半，腾出来的钱全部投向应用层采购。他原话是："领导现在只问一句话，这个东西能省几个人、能堵几个风险点？" 这就是现实。
买应用，也不是随便买——三个坑要躲开
但我要泼盆冷水。从囤算力转向买应用，不代表就对了，反而可能掉进新的坑。
第一个坑是数据治理没跟上。AI应用效果好不好，七分靠数据。很多中小行的1104报表、信贷台账、客户画像数据散在不同系统，口径都对不齐，你买个再贵的智能风控，喂进去的是一堆脏数据，出来的结论敢用吗？我在一家银行见过智能贷后预警系统，上线三个月，误报率高到客户经理直接不看，最后变成摆设。
第二个坑是把"买应用"变成"买PPT"。市面上打着AI旗号的供应商鱼龙混杂，一些连银行基本业务逻辑都不懂的厂商，套个大模型壳子就来投标。这里我的建议很直接：看它有没有真实银行客户的生产环境案例，看它敢不敢签效果对赌条款，看它的模型能不能在你自己的数据上跑出可解释的结果。
第三个坑是合规和外包风险。AI应用大量依赖外部供应商，涉及客户数据出境、模型可解释性、外包集中度这些问题。2024年金融监管总局关于银行保险机构信息科技外包风险的多份文件都强调，核心业务和核心数据不能简单外包。你买的那个"智能信贷报告"工具，如果客户敏感信息全量上传到厂商云端，这里面就有问题。
我的判断：真正的分水岭是"用得起"和"管得住"
说到底，中小银行跟大行拼算力、拼模型自研，本来就是错位竞争。DeepSeek这类开源模型把推理成本打下来之后，中小行完全没必要自己训模型，做好"用好别人的模型+管好自己的数据"这两件事就够了。这个转向，我认为是理性的，甚至可以说是被逼出来的正确选择。
但理性的另一面是纪律。买应用的核心不是花更少的钱，而是每一笔采购都要能回答三个问题：解决什么具体业务痛点、投入产出怎么测算、出了风险谁兜底。这三个问题答不上来的AI采购，本质上和当年囤算力没区别，只是换了个花钱的方式。
对中小行科技条线的人来说，2026年真正的竞争力，不在你的机房里堆了多少卡，而在你能不能把AI嵌进一笔真实的信贷业务里、嵌进一次贷后检查里、嵌进一份给客户经理减负的报告里。这件事，做成了就是护城河，做不成就是一堆预算流水。
本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行从业者的效率工具与专业内容。