从囤算力到买应用：中小银行的AI账本算明白了
过去两年，我见过的中小银行科技预算表里，排在最前面的几乎都是"GPU服务器""算力扩容""机房改造"；今年再看，同一张表上写的是"智能客服替换""信贷调查报告生成""合同要素提取"，服务器那一栏被压到了最后，金额缩水一半以上。这个变化不是中小银行对AI失去兴趣，恰恰相反——是他们终于把账算明白了：模型不是资产，能省下的人力工时才是。
我的判断很直接：中小银行的AI采购正在从"能力焦虑"转向"成本核算"，这不是退步，是一次迟到的理性回归。谁先完成这个转向，谁的AI投入才有可能在2026年的成本收入比里体现出来。
囤算力这件事，中小行从一开始就算错了账
说实话，2023年到2024年上半年那波算力采购，很多中小行是被推着走的。省联社开个会，隔壁行建了智算中心，回去就打报告。我在一家资产规模800亿的农商行见过他们的方案：两台8卡服务器，加上机房改造、UPS、专线、维保，一次性投入接近400万，每年运维还要再掏50万。
这笔钱放在哪儿？2024年末商业银行整体净息差已经降到1.52%，城商行、农商行普遍更低，不少机构跌破了1.2%。一家800亿资产的农商行，净息差每下降10个基点，一年少收8000万利息净收入。对比之下，400万买两台跑不满负载的机器，这笔账怎么算都不划算。后来我发现，那两台机器的GPU利用率长期在15%以下，主要用途是给行内几个部门做PPT配图和文档摘要。
真正的分水岭出现在DeepSeek开源之后。671B全量部署固然烧钱，但32B、70B的蒸馏版本在三四台服务器上就能跑起来，做信贷材料要素抽取、客服问答、制度检索这些活，效果并不比闭源API差多少。换句话说，门槛从"买得起算力"降到了"会不会用"。这对中小行是个好消息，也是个残酷的筛选——算力不再是护城河，场景理解才是。
大行建底座，中小行买插座，这个分工其实很合理
六大行和头部股份行走的是另一条路。工行、建行、招行都在自建千卡级智算集群，做的是底座，是模型微调，是把AI能力沉淀成行内统一的中台。这条路中小行走不了，也没必要走——你没有那么多标注数据，没有几十人的算法团队，更没有一个能撑住千卡集群的机房。
所以现在市场上出现了一个有意思的分层：大行卖能力，中小行买应用。省级联社、金融科技子公司、第三方厂商，都在把大模型包装成开箱即用的模块——贷前调查报告自动生成、贷后检查影像识别、1104报表口径校验、反洗钱可疑交易初筛。中小行按年付费或者按调用量付费，几万到几十万一年，比自建便宜一个数量级。
我认识一位城商行科技部总经理，他的原话是："我们自己训模型，训出来的东西连自己都不敢用；买厂商的应用，至少人家在五家行跑过，出问题知道找谁。"这话糙，但点到了要害。中小行的核心竞争力从来不在算法，在本地客户关系和风险定价，把有限的科技预算砸在自己不擅长的环节上，是典型的资源错配。
但买应用不等于买省心，风险换了张脸而已
问题在于，采购清单从硬件换成软件，风险并没有消失，只是转移了。《银行保险机构信息科技外包风险监管办法》写得很清楚，外包不等于免责，机构要承担最终管理责任。我翻过几家中小行的AI应用采购合同，说实话，条款粗糙得让人不安——数据出不出行、模型输出错了谁负责、供应商跑路了代码归谁，很多合同里一句没写。
尤其是信贷和合规场景。智能客服答错一句话，最多是客户投诉；但要是大模型在贷前调查报告里"合理推测"了一段不存在的经营流水，客户经理看都没看就提交流程，这就是贷后管理的定时炸弹。生成式AI的幻觉问题在开放问答里是体验问题，在信贷材料里是操作风险。
所以我的建议是，合同里至少咬住三条：数据不出行内网络、模型输出必须带可追溯的原文引用、供应商要开放审计日志。这三条不满足，价格再低也别签。另外提醒一句，2024年五篇大文章指导意见和后续的"人工智能+"部署里，监管对技术应用的合规性要求是同步抬高的，别以为买了成熟产品就进了保险箱。
真正的分水岭，其实是数据治理
这两年我看过太多"AI项目失败"的复盘，九成以上最后都指向同一件事：数据不行。制度文件散在各部门的共享盘里，客户信息在三个系统里三个版本，影像资料没有结构化标注。模型再强，喂进去的是垃圾，出来的还是垃圾。
反过来，那些用得顺的中小行，共性很一致：先把知识库和数据字典理了一遍，把制度文件做成结构化切片，把常用报表口径统一。这些活枯燥、不性感、上不了新闻，但它是AI能不能真正落地的地基。一家苏南的农商行跟我说，他们在做智能客服之前，花了四个月只干了一件事——把全行387份制度文件重新梳理归档。这四个月没有任何产出可汇报，但上线之后，客服机器人的准确率比同类机构高了将近二十个百分点。
这就是我一直强调的观点：AI采购的竞争，表面上是选型，实质上是治理能力。你买的是应用，但用得好不好，取决于你自己家里的数据有多干净。
接下来怎么走：先把账算清，再谈场景
如果你手上正好在推AI采购，我的建议是别急着比价，先做三件事。
先把TCO算全。不只算license费用，把数据治理的人力、系统对接的改造、员工培训的时间、每年调优的运维成本都摊进去，看三年总投入。很多中小行吃亏就吃在只看了第一年的报价单。
再挑一个"疼得最明显"的场景先跑通。别一上来就搞全行级AI中台，选一个具体到能算出工时节约的点——比如信贷调查报告撰写，一家中型城商行客户经理平均每份报告花3小时，AI辅助后压到1小时，一年两千份报告就是四千个工时。这种账，行领导听得懂，也愿意继续投。
最后把AI写进流程，而不是写进PPT。上线之后要改SOP、改考核、改复核节点，否则新系统会变成又一个"填报表的地方"。我见过太多行，系统买了，人还是照老办法干，最后系统成了摆设，第二年预算就被砍了。
AI对中小银行不是一场军备竞赛，是一次成本结构的重新排布。谁先想清楚哪些能力该买、哪些能力必须自己长，谁就能在净息差还在往下走的两三年里，多挤出一点生存空间。反正在我看来，还在纠结要不要自建智算中心的中小行，答案已经很明显了。
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。