AI 行业落地 | 第34期：银行把AI管起来，机器人按任务收费

AI行业落地 · 2026-10-30 · 九羲科技

“这三版海报，你觉得哪版好看？”一位银行宣传部门负责人把重阳节海报的待选模板发给记者：第一版，是她自己用 AI 做的；第二、第三版，是设计公司做的。

另一家银行更直接：用 AI 大模型做宣传海报，采购成本压缩超过 80%，很多时候连外部供应商都不找了。

银行的 AI 故事，过去讲的是“省了多少人力”；10 月 30 日界面新闻这篇深读¹，讲的却是另一件事：省是省下来了，接下来要回答的问题是——AI 在银行里，到底归谁管？

· · ·

银行：先给 AI 定权责，再谈自动化

1. 背景：从“遍地开花”到“归谁管”

过去一年，银行的 AI 应用确实遍地开花：工行“访前一页纸”智能助手，把客户经理数小时的访前准备压到 8 分钟完成；建行网点问题 AI 助手覆盖率 99.42%，日均访问超 10 万人次；上海银行同业存单 AI 机器人自动完成询价、报价、认购，累计处理询价消息 2700 余次，协助募集资金突破百亿元。

但 6 月 18 日金融监管总局《关于银行业保险业人工智能安全开发应用的指导意见》²把话挑明了：“谁使用谁负责”，金融机构是金融服务提供方和技术使用方，主体责任压实在自己身上。10 月 19 日外滩年会，工行行长刘珺更直接：AI 可以越来越像一个“员工”，但在法律责任、风险承担和最终决策层面，它还不是真正的“责任主体”。

2. 机制：三层拆法

第一层，按风险分层定权。一位银行业人士透露，银行内部已开始按业务风险给 AI 分层：低风险场景多用自动化；中风险场景 AI 先给建议、再由人工审核；高风险业务人工做最终决策，AI 只承担信息整理、数据分析和辅助研判。分层的依据不是技术成熟度，是“错了谁来兜底”。

第二层，“AI 智审前置，人工复核兜底”。某股份行建了基于大模型的消费者权益保护智审平台：AI 负责识别违规表述、匹配法律法规、生成修改意见，审查人员可以改、可以补，最终专业判断权始终在人手里。上线一年多，AI 意见覆盖 90% 的审查场景，单份文件审查时间从 30 分钟压到 5 分钟以内。

第三层，企业级治理。建行董事长张金良披露该行 AI 已覆盖 900 多个应用场景，同时强调全生命周期治理：上线前压力测试和风险评估，上线后持续监测模型表现，对数据、模型、提示词、知识库和调用权限做审计，异常时人工接管、紧急停止。一位银行软件开发人士说得实在：场景多了之后，银行要给 AI 建“员工档案”——谁负责数据、谁负责模型、谁审核输出、谁批准上线、出了事谁有权停机。

卡点在哪？技术路线分化。一种是跟大型科技厂商合作建统一大模型底座、再向各场景微调，效率高，但可能形成供应商绑定；一种是各业务条线“百花齐放”先试点，一两年市场验证后再统一迁移，试错成本分散，但可能系统碎片化、重复建设。东部某银行人士点破了更深的一层：核心业务绑死一家模型厂商，未来它的迭代、架构、价格、接口一变，银行跟着抖——这是新增的技术依赖风险。

3. 效果与成色

最硬的数字来自平安银行三季报：累计落地大模型应用场景超 500 个，上线 164 个运营审核类智能体覆盖 67 个业务场景，平均运营作业效率提升约 57%；数字员工平台注册用户破万，累计调用超 730 万次；三季度日均词元消耗 217 亿，较上季度增长近三倍。财报口径，成色最硬——连 token 账都摊出来了。

招商银行：小企业贷前尽调报告约 90% 基础工作量由 AI 完成，保函业务处理从 30 小时以上压到平均 2.72 小时，投标保函分钟级出函，贷后 AI 风险预警平均提前 45 天。银行对外披露、媒体报道转述，成色次之。

海报采购成本压缩超 80%：记者采访的匿名信源，成色弱一档，但胜在现场感。

银行 AI 落地四个硬数字（程序绘制数据对比图，非实拍；数据来源：界面新闻 2026-10-30 报道）

可抄走的方法点：给 AI 定权之前，先给业务定风险等级。低风险放手自动化，中风险“AI 建议＋人工拍板”，高风险人工决策、AI 只做参谋。权责清单写在前面，自动化才敢往后走。

照见一层：银行真正买单的从来不是“模型多强”，是“出了事找得到人”。界面新闻这篇最狠的一句判断是——第一阶段比谁先把模型用起来，第二阶段比谁能把 AI 管起来。管，是银行 AI 的下半场。

· · ·

光伏电站：机器人开始按任务收钱

1. 背景：人不够了

美国建筑业缺人缺到明牌：Associated Builders and Contractors 的研究称⁴，到 2027 年美国建筑业用工缺口可能超过 45 万。电网级光伏电站赶工，劳动力跟不上，电却等不起。

2. 机制：三件套＋按任务付费

Maximo Robotics 的 Max 4.0 是个physical-AI（物理 AI）平台，三件套各管一摊：Cortex，为施工任务和移动 purpose-built 的视觉与规划模型，是机器人的智能层；Form，为工地多班制连续作业设计的机器人本体与工具；IQ，服务性能管理平台，带 Cortex 持续训练闭环，提供车队智能、部署分析和运营反馈。

关键设计选择：每个完成的任务都会生成专有部署数据，反哺下一次部署——干得越多，下一个工地越顺，数据飞轮转起来。这一步是整套架构里最值钱的部分。

商业模式更值得看：performance-based robotics-as-a-service（按任务付费的机器人服务），客户按完成的任务付费，Maximo 的收入直接挂钩安装吞吐。任务内容是毫米级精度的重型光伏组件自主放置，后续还可扩展到组件固定与现场物流。具名客户 Primoris Services 可再生能源业务总裁 Matt Tetrault 说，工匠的经验、项目管理层与 Maximo 团队的紧密协作，让技术在现场被实时打磨，安装性能、安全与流程融合都在变好³。

3. 效果与成色

30 万＋个施工任务已完成；人机协同的班组达到 2.5 倍于纯人工的安装率；6 家大型 EPC 承包商、横跨加州、伊利诺伊、堪萨斯、路易斯安那、纽约、得州、华盛顿 7 个州的工地；2027 年 pipeline 排了 300 万个任务、对应 1.5GW 装机。以上均为公司自报。

成色：厂商 PR 新闻稿单方口径，但有具名客户与高管引语背书，属于“有客户具名的厂商披露”，比纯自说自话高一档；2027 年的数字是预期，不是交付。

Maximo 机器人在光伏电站安装组件（来源：Maximo Robotics / PR Newswire，裁剪）

可抄走的方法点：按任务付费——不卖设备卖交付结果。验收标准天然写进合同：干了多少活，收多少钱。这是对第 30 期智元 Worken“按工时计费”的呼应：机器人的计价单位，正在从“台”变成“活”。

照见一层：物理 AI 真正的护城河不在单台机器人多灵活，在“每干完一个任务就变强一点”的部署数据闭环。现场数据才是资产——这句话，做服务器和硬盘的人，应该比谁都熟。

· · ·

· · ·