在加快引入AI的同时，银行业也开始集中应对迅速攀升的Token成本压力。

据金融科技媒体American Banker当地时间29日报道，随着AI服务计费模式从订阅制转向按Token收费，银行业的成本负担正在明显加重。

过去，AI一度被视为提升效率、压缩成本的工具。但近期，“使用AI的成本”本身正成为新的经营压力。Anthropic、OpenAI、Microsoft等主要厂商，正从包月或订阅式使用模式转向按数据处理单位Token收费。对使用量较大的金融机构而言，相关账单也随之快速上升。

多家银行高管近期已公开谈及这一问题。Royal Bank of Canada（RBC）首席执行官Dave McKay今年5月表示，该行Token使用量同比增长500%。JP Morgan Chase首席数据与分析官Zachary Anderson也曾提到，部分员工的Token支出甚至高于其年薪。

PNC Financial Services Group首席执行官Bill Demchak同样对相关成本表示担忧。PNC认为，这部分费用可能侵蚀AI带来的生产率收益。Bill Demchak在Morgan Stanley一场会议上表示，即便AI能够提升银行生产率，其效果也可能被Token成本所抵消。在这一背景下，银行开始重新评估不同业务究竟应匹配何种模型，而不再只是单纯扩大AI应用范围。

目前，银行最先采取的策略之一，是并非在所有任务上都使用性能最强的模型。随着AI模型向更强自主决策和任务执行能力演进，Token消耗也同步增加；但银行内部大量工作并不需要如此高阶的能力。技术公司Neurometric首席执行官Rob May指出，简单任务如果使用最前沿模型，往往属于配置过高；从成本控制角度看，选择“刚好够用”的模型更为合理。

在这一趋势下，部分银行开始采用性能稍弱但成本更低的旧款模型，或小语言模型（SLM）。数据与自动化负责人Ned Carroll表示，应针对不同问题使用合适的工具。例如，若只是理解支票退票相关政策与流程，并不需要动用具备处理高阶复杂任务能力的模型。

与此同时，银行也在评估其他降低Token使用量的方法。其中之一是采用可免费获取的开源模型；另一种做法则是在同类问题频繁出现时，沉淀并复用既有AI回答。Rob May表示，如果相似问答反复出现，可以先检索数据库，只有在必要时才调用模型，从而节省Token成本。

自建基础设施也正成为重要应对方向。为了减少对外部AI厂商的依赖，银行开始强化对自身算力资源的掌控。PNC已公开表示，将建设自有GPU算力基础设施，以降低对外部Token使用的依赖。Bill Demchak还称，PNC将提升内部处理能力，以支撑自有大语言模型运行。

与此同时，行业内也开始出现一种判断：在部分场景下，用人可能比用AI更划算。尤其是在失败成本较高的业务中，相比推动自动化，继续以人工处理为主或许更为合理。在AI投入未必必然带来降本效果的情况下，银行正着手建立更系统的成本管理框架，重点围绕模型选型、基础设施内化，以及按业务重新划定AI适用范围等方面展开调整。