6月25日，招商银行召开股东大会，在银行业探索人工智能落地的背景下，招商银行相关负责人周天虹在会上就大模型技术的投入产出、业务赋能及战略考量给出了解答。
周天虹将这一轮技术突破视为“工业革命级别”，但他同时指出，正如蒸汽机、内燃机等历史上的技术演进，从技术面世到引发社会层面的实际变化，需要一个过程。
目前，这项技术已在招行内部产生明确的业务影响：
周天虹分享了一组数据：招行AI处理业务对应的工时与人类员工实际投入工时的比值，已从去年底的1:13，提升至今年5月底的接近1:9；
其中，零售领域的部分场景应用效果较为明显。
随着今年以来基础模型（Foundation Model）和智能体（Agent）技术的快速演进，招行正持续分析技术在不同业务领域的应用潜力；
考虑到银行业受严格监管、对工作严谨性要求高的特征，相关应用保持着持续检视与改进的节奏。
在一家员工规模超10万人的企业中全面推广大模型，防范“高投入低产出”是管理层的首要考量。
周天虹透露，招行在提出“AI First”战略前，已在科技条线建立了一套相对完整的成本收益度量体系。
在这套体系下，成本端被细分为研发人员投入及Token费用；收益端则建立了六个维度的度量体系。
据周天虹测算，当前招行在大模型方向的成本收益比维持在20%上下，即“投入20元可创造100元收益”。
虽然成本数据能够做到精准核算，但在业务价值链复杂的银行业，收益的精准度量依然是一项复杂的工程。
今年以来，招行仍在进一步审视收益度量的算法、数据来源与数据质量。支撑这一探索的是招行每年约130亿元的科技总投入，目前算力采购在总盘子中的占比并不高，后续在AI算力上仍有追加投入的空间。
在具体的资源分配上，招行展现出差异化的策略，对大模型编写代码保持审慎。
周天虹以近期广受关注的Uber案例指出，超出预算的Token消耗往往发生在代码编写环节，而非业务部门的实际管理应用；
他认为，尽管大模型改变了软件研发模式，但现阶段仍存在基础性技术障碍，大模型在处理大型软件架构时表现偏弱，且容易生成难以阅读的“面条式代码”，随之而来的性能及安全问题仍待解决。
海外科技公司如微软、亚马逊此前在内部推行的“Tokenmaxxing”（Token利用最大化）政策，近期也处于反思与调整阶段。
基于这一趋势，周天虹明确招行在内部软件开发上采取“积极跟进、审慎应用”的策略。
当前，招行用于大模型编程的算力投入，仅占总算力的5%。
相较于代码开发的克制，大模型在业务端的应用正迅速起量，周天虹透露，截至5月底，主要由业务部门产生的Token日均消耗量已达到330亿。
明确投入边界与应用侧重点后，招行的长期目标并未改变。
周天虹表示，招行有一个清晰的愿景，即“打造一家智能银行”。在实现这一目标的过程中，相关的配套指标与管理体系，仍处于持续细化与深化之中。