银行业AI转型风险：成本激增与利润压缩

快速阅读: AI技术广泛应用对银行和金融服务行业构成经济压力，因基础设施成本高昂且未来成本回收将压缩利润率，建议采取适应性系统和混合架构以应对。

难以想象在当前的经济条件下，如何能够实现良好的投资回报。这种关于人工智能基础设施经济学的警告不仅针对科技投资者，还直接影响到银行和金融服务行业（BFSI）。当前，AI技术的广泛应用可能在创新的旗帜下构建起系统的脆弱性。

如今，银行和资产管理公司正竞相通过AI的视角重塑一切，从客户服务到风险管理。信用评分、合规性检查、欺诈检测、投资组合管理、资本市场后台操作及资金运作，所有领域都在将AI作为新的神经系统。问题不在于采用，而在于规模先行的采用方式，以下尝试对此进行解释。

隐藏的成本曲线

目前，AI的消费价格被大幅补贴。基础设施建设和模型开发的成本尚未完全转嫁给客户——包括银行在内。然而，幕后的数字令人震惊：

– OpenAI预计到2029年将消耗1150亿美元，其中2028年的年度支出将超过450亿美元。

– 微软、谷歌、Meta和亚马逊每年在AI基础设施上的投入已达200亿至460亿美元——这些成本今天虽被吸收，但不会永远如此。

– 麦肯锡预测，到2030年，仅AI优化数据中心就需要5.2万亿美元的资金，占全球数据中心总支出6.7万亿美元的大部分。

以Netflix为例，该公司每年从3亿订阅用户处赚取390亿美元。如果AI公司开始向Netflix收取真实的基础设施成本，它们需要接近36.9亿付费用户才能收支平衡。这几乎是地球人口的一半。再来看银行业，全球技术年支出为3000亿至3500亿美元，经济压力显而易见。一旦供应商开始回收部分数万亿美元的基础设施成本，银行业的利润率将面临前所未有的压力。

无逆转策略的风险

历史上，银行自建并拥有自己的系统——大型机、中间件、专有核心。虽然成本高昂，但摊销时间长，可预测且受控。

在今天的AI热潮中，旧系统正被大规模淘汰。取而代之的是，银行嵌入AI生态系统，其中：

– 退出策略丧失：一旦旧系统被拆除，就无法轻易回头。

– AI成为永久租金：每次查询、每次模型调用、每次重新训练都会产生运营成本，这些成本与数据中心和GPU的消耗成正比。

– 利润率下降：预计到2030年，数据中心的电力需求将几乎翻倍至945太瓦时，成本不仅来自技术，还包括能源和监管。

显然，银行可能会面临收入增长停滞而基础设施费用却不断增加的局面，这使得盈利空间越来越小。换句话说，过度依赖AI来替代整个系统，未来当AI服务提供商开始按其支出比例收取基础设施和软件成本时，可能会适得其反。目前，他们并未收费，而是处于客户获取阶段，采用市场渗透定价策略。但一旦这个时期结束，他们将开始回收成本，否则无法持续。届时，若大多数传统系统已被AI取代，维持高成本AI系统的成本将导致银行利润率降低，且无逆转策略。

BFSI视角

要理解这一系统性风险，需考虑AI依赖在不同银行业务领域的表现：

– 零售银行：AI预计将成为个性化推荐、数字开户、欺诈检测和客户服务聊天机器人的核心引擎，以及开放银行业务的基础。如果推理成本上升，从几分钱增加到几美元，每一次客户互动都将变得更加昂贵。大规模应用下，每天数百万次查询可能导致零售银行业从成本效益转向成本负担。大众市场的零售银行业利润已经非常微薄，吸收AI附加费可能意味着缩减数字个性化服务。

– 公司银行：公司银行业务的核心在于关系管理、信贷服务、贸易融资和资金解决方案。AI正在大规模应用于信用分析、实时风险监控和客户服务。但这些都是计算密集型应用，涉及大量数据集。随着基础设施成本上升，银行可能面临两难境地——扩大AI应用以改善客户体验，但每笔公司业务的盈利能力却因此受损，尤其是在公司要求具有竞争力的价格时。

在此，人工智能正在交易来源、估值建模、交易策略、合规、组合管理和后台操作等领域掀起波澜。然而，投资银行的经济性对资本成本极为敏感。每年花费数百万美元在由AI驱动的交易算法或合规引擎上，只有当回报超过成本时才能得到合理化。风险在于，AI驱动的交易“军备竞赛”迫使每家投资银行大量投入，不是为了竞争优势，而是仅仅为了保持均势。这是一个典型的利润率压缩案例。

交易银行业务

全球金融的基础设施——支付、清算和贸易融资，越来越多地嵌入了用于欺诈检测、制裁筛查和异常处理的人工智能。这些是高流量业务。每次交易的AI成本增加，乘以数十亿次交易，可能会迅速侵蚀利润。交易银行业依赖于大规模的效率。如果AI成本随交易量线性增长，盈利能力可能在客户要求更低费用和更快结算的时刻受到侵蚀。

历史重演

我们以前见过这种情况。

2000年，数千亿美元被投入到光纤电缆中，直到需求跟上。

2014年，页岩钻探商追求产量而牺牲了经济效益。

每次都遵循相同的剧本。采用被误认为盈利，规模被误认为可持续。今天的BFSI（银行、金融服务和保险）领域中的人工智能风险成为这一模式的下一章节。

银行的平行路径

目前，全球银行平均产生11-12%的股本回报率（RoE）（贝恩公司，2023）。但将这一数字与AI未来的成本曲线对比时，其脆弱性显现出来。

到2027年，训练单一最先进的模型可能超过10亿美元。到2028年，仅运行生成式AI数据中心服务器就需要每年760亿美元。正如红杉资本警告的那样，AI公司可能需要每年6000亿美元的收入来证明其基础设施投资的合理性。

这些收入将从哪里来？从最依赖AI的行业而来。BFSI位于这个列表的首位。如果银行到那时已经完全用AI替换了旧系统，它们将承受最大的负担，被迫吸收不断上升的基础设施成本，而利润率则降至资本成本以下。

一条更明智的道路

出路不是放弃AI，而是放弃以规模为主的AI。BFSI行业应优先考虑：

适应性系统：