平安日均2000亿Token背后：金融AI从技术秀进入算账期

2026年8月26日，平安集团CTO王晓航在接受21世纪经济报道专访时首次披露了一组此前从未公开的算力消耗数据——集团AI Token日均消耗已突破2000亿。从年初的300亿到6月的1200亿，再到8月的2000亿，这个数字的增速比平安任何一项金融业务的增长都快。但它真正值得关注的不是规模，而是一个信号：一家年营收6154亿元的金融巨头，正在用真金白银为AI规模化买单。

第一幕：变化发生

金融行业对AI的态度曾经谨慎而克制。在很长一段时间里，大模型在银行和保险公司的角色更像"展厅里的展品"——技术演示时功能惊艳，实际部署时局限在客服问答和营销文案等边缘场景。

平安这组数据打破了这个叙事。2000亿Token日均消耗量意味着AI已经深入到金融公司的核心业务流程中。21世纪经济报道的专访中，王晓航确认AI"查问办"已覆盖平安88%的业务场景，上半年超过4700万人次体验了AI驱动的服务。这不是概念验证阶段的试点，而是覆盖2.5亿客户群体的规模化部署。

更关键的是AI代码生成率达到62%——年初这一数字仅为30%，而原定全年目标是60%。这意味着平安超过六成的新增代码由AI辅助生成，直接改变了研发团队的人力成本结构。金融行业每年在IT研发上的投入动辄数十亿元，62%的代码生成率对应的研发效率提升，才是2000亿Token背后最大的商业变量。

AI不再是一个需要被证明的技术，而是一个需要被核算的成本。

第二幕：旧规则

要理解2000亿Token意味着什么，先要看金融公司过去是怎么花科技预算的。

平安每年在科技领域的投入超过百亿元。在AI大模型普及之前，这些钱主要花在核心系统升级、数据中台建设、风控模型开发和运维基础设施上。这些投入的特征是"重建设、轻迭代"——系统上线后可以运行多年，边际成本递减。

但AI改变了这个逻辑。大模型不是"建好就不花钱"的固定资产，而是持续消耗算力的"运营性支出"。每调用一次API、每一次对话生成、每一行AI辅助代码，都在产生Token消耗。当一家金融集团日均消耗2000亿Token时，它面对的是一张每天都在增长的算力账单。

这就是为什么王晓航在采访中特别提到"通过全栈技术优化，实现单位Token成本下降超一半"。在硬件成本持续上涨的背景下，如果不对单位Token成本进行压制，Token消耗量的增长将直接转化为利润的侵蚀。

金融IT从"建设成本"变成了"运营成本"，这是AI产业化最本质的一次范式切换。

第三幕：新变量

平安能支撑2000亿Token日均消耗，靠的不只是预算规模，而是一套正在成型的算力经济学。

首先是技术架构的迭代。王晓航在采访中强调"全栈技术优化"——从模型层、中间层到基础设施层的全链路成本控制。对比数据显示，工行的Token消耗在百亿级别，招行5月披露日均330亿，微众银行7月披露超200亿，平安的量级远超同业。

其次是模型路线的选择。平安官网此前已披露AI Express Service体系，采用多模型协同策略。不同场景匹配不同成本层级的模型——高频低复杂度场景用轻量模型压成本，低频高复杂度场景调用大模型保效果。

第三个变量是AI产出的可量化性。平安2026年中期业绩报告显示，AI智能体上半年助力实现销售额573.13亿元。这个数字首次将AI投入与商业产出直接挂钩——虽然不能将573亿完全归因于AI，但它提供了一个前所未有的衡量维度。

衡量AI价值的标准正在从"技术有多先进"切换到"投入产出比是否成立"。

第四幕：产业和商业结果

平安的AI账本揭示了两个正在分化的趋势。

受益方已经清晰：拥有大规模客户基础、丰富业务场景和充足科技预算的头部金融集团，正在将AI转化为结构性竞争优势。81%的AI坐席服务占比、90%以上的AI医疗专病模型专家一致性，意味着AI已经在客服、医疗、代码开发等核心环节形成了交付能力的替代。

承压方同样明确：中小金融机构面临"不投入被甩开、投入又撑不起规模"的两难。Token消耗是规模经济——用量越大，单位成本越低；用量越小，越难摊薄基础设施投入。如果头部机构已经把AI做到88%的场景覆盖率，中小机构从零开始的差距就不只是技术问题，而是商业模式的代差。

与此同时，整个AI算力供应链也在重新定价。国内大模型厂商的Token价格在过去一年大幅下降，新一代模型通过分时定价和缓存命中策略，将输入Token成本压到了每百万Token几美分的水平。

AI规模化不是一场技术竞赛，而是一次成本结构的重新洗牌。

第五幕：持续性与读者影响

2000亿Token之后，真正的问题不是"还能涨多少"，而是"这种增长能否持续产生商业回报"。

平安中报显示，2026年上半年集团营收6154亿元，同比增长12.6%；归母净利润926亿元，同比增长36.1%。AI辅助销售额573亿元约占上半年营收的9.3%，但这个比例需要谨慎理解——它是"助力"而非"直接创造"。AI代码生成率62%对应的研发效率提升、AI客服81%占比对应的人力成本节约，这些才是更可持续的回报来源。

对于科技从业者而言，平安的AI账本传递了一个清晰的信号：AI产业化的下半场，比拼的不再是谁的模型更强，而是谁能以更低的单位成本运行更大规模的AI服务。这意味着AI工程师的价值正在从"训练模型"转向"优化推理"。

对于投资者而言，关注点需要从"AI概念"转向"AI投入产出比"。当一家公司日均消耗2000亿Token时，它的利润表中一定有一笔对应的算力成本。这笔成本是在侵蚀利润，还是在撬动更大的增长，取决于AI在核心业务中的渗透效率和产出转化率。

金融行业正在经历一场静悄悄的范式切换。旧规则是"建一套系统用十年"，新变量是"每天消耗2000亿Token，每一笔都要算账"。

参考数据来源

• 平安集团：《2026年中期业绩新闻稿》，2026年8月20日发布（https://group.pingan.com/media/news/2026/pingan-1h-26-results.html）
• 平安集团：《2026年中期业绩报告》PDF，2026年8月发布（https://group.pingan.com/resource/pingan/IR-Docs/2026/pingan-interim26-results.pdf）
• 21世纪经济报道：《平安日均超2000亿Token花哪了？》（记者曹媛专访平安CTO王晓航），2026年8月26日发布（https://m.21jingji.com/article/20260826/herald/136ac97f3b295ab8293c3016e189cd0c.html）
• 平安集团官网：《Reimagining 250 Million Customer Engagements: Ping An's AI Express Service》（https://group.pingan.com/media/perspectives/2026/reimagining-250-million-customer-engagements-pingans-ai-express-service.html）