传统降本见顶，AI成亚洲银行中期效率新引擎

概览

本报告深入分析了亚洲银行业在过去二十年面临的结构性收入压力及成本管控成效，并探讨人工智能（AI）作为下一代效率驱动力的潜力。研报指出，受人口老龄化影响，亚洲银行的净利息收入和手续费收入均面临长期下行压力。尽管银行通过合并、网点优化和技术投入大幅降低了运营成本，但这些措施仅部分抵消了收入下滑。随着传统降本杠杆趋于成熟，AI被视为中期最重要的结构性效率提升工具，但其短期财务贡献尚不明显，市场目前也未充分定价各银行在AI就绪度上的差异。

核心观点

收入端面临结构性逆风。过去20年，亚洲银行的总收入/资产比率平均下降了60个基点，其中净利息收入/资产比率下降45个基点，手续费收入/资产比率下降15个基点。这一趋势主要由人口老龄化驱动，导致储蓄积累放缓、贷款增长减速以及净息差长期承压。同时，由于监管限制和市场结构因素，银行向非利息收入转型的努力并未完全弥补利息收入的损失。 成本管控成效显著但已接近极限。为应对收入压力，亚洲银行在过去20年将运营支出/资产比率平均降低了40个基点。然而，这种成本节约仅抵消了约三分之二的收入下滑。值得注意的是，新兴市场银行通过更大幅度的降本（运营支出/资产比率降45bps）完全抵消了其较小的收入降幅（25bps），而发达市场银行仅抵消了约一半的收入降幅。成本收入比（CIR）在发达市场和新兴市场之间已趋于收敛，均在45-50%左右，打破了新兴市场效率较低的固有认知。 传统降本来源分析。过去的效率提升主要得益于银行合并、网点合理化以及人员结构的调整。虽然网点数量大幅减少，但由于向技术和后台职能转移，许多市场的银行员工总数仍在增加。技术支出虽持续上升（占收入4-5%），但并未在系统层面带来显著的阶梯式成本节约，更多是用于维持竞争力和运营稳定。 AI：从叙事到交付义务。AI adoption正在加速，但目前主要集中在客户服务、合规监控和内部生产力工具等孤立场景。从财务角度看，早期AI应用更多体现为产能释放（相同人手处理更多业务）和成本规避（避免新增招聘），而非直接的裁员或显性成本削减。此外，节省下来的资源往往被重新投入到数据基础设施和网络安全中。因此，短期内AI对损益表的正面影响有限且参差不齐。 中期展望：AI作为最大剩余杠杆。鉴于运营和人力成本占银行总成本的60-70%，端到端的AI集成有望在中期内实现真正的结构性降本。随着银行度过高昂的基础设施建设期，"数字劳动力"将以极低的边际成本扩展，使收入增长不再线性依赖人力和物理基础设施的增加。研报认为，AI就绪度和执行能力将成为未来银行估值分化的关键驱动因素，市场将从关注AI叙事转向关注可量化的财务成果。

分析框架

研报采用了长周期历史数据分析与结构性驱动力拆解相结合的方法。首先，通过回顾过去20年的财务数据（如收入/资产、运营支出/资产、成本收入比等），量化了收入逆风的严重程度及成本管控的对冲效果。其次，运用量价拆分和结构分解思路，将运营成本细分为人力成本和其他运营支出，并对比了发达市场与新兴市场的不同驱动因素。最后，结合行业常识（如人口老龄化对金融需求的结构性影响）和技术采用曲线理论，评估了AI从试点到规模化应用的财务转化路径，强调了"产能释放"与"显性降本"之间的时滞效应。

方法论与常识提炼

• 行业/产业分析框架供需框架

  人口老龄化对银行存贷业务的结构性影响

  研报利用供需框架分析人口结构变化：老龄化导致储蓄供给减少和贷款需求减弱，从而结构性地压缩银行的净息差和收入基础，这不仅是周期性波动，而是长期趋势。

• 公司基本面与财务框架经营/财务杠杆分析

  成本收入比（CIR）与运营杠杆

  通过分析成本收入比及其构成（人力vs其他支出），评估银行在收入下滑环境下的盈利保护能力。研报指出，虽然CIR在收敛，但不同市场通过不同路径（新兴市场靠大幅降本，发达市场靠收入相对稳健）达到平衡。

• 行业/产业分析框架产业链上中下游传导

  技术投资到财务成果的传导时滞

  研报分析了技术投入（上游）如何通过改变工作流程（中游）最终体现为财务报表上的成本节约（下游）。指出当前AI处于早期阶段，收益主要体现为"产能释放"和"成本规避"，而非直接的利润表改善，存在明显的传导时滞。

• 事件博弈与行为金融预期差/预期管理

  AI就绪度的估值未定价

  研报指出，尽管AI对各银行的潜在影响差异巨大，但目前市场在估值上并未对此进行区分。随着AI从概念走向落地，执行能力的差异将产生巨大的预期差，进而驱动估值分化。

关键数据

• 过去20年总收入/资产比率变化-60bps亚洲银行平均水平，显示结构性收入压力
• 过去20年总运营支出/资产比率变化-40bps成本节约仅抵消了约2/3的收入下滑
• 2025年亚洲银行平均成本收入比(CIR)~46%发达市场与新兴市场趋于收敛
• 运营与人力成本占比60-70%占银行总成本基础，是AI潜在降本的主要空间
• 亚洲大行平均技术支出占比4-5%占收入比例，新加坡、澳洲、台湾高达6-10%
• 中国银行2025年CIR~38%显著低于新兴市场平均水平，得益于较强的数字化能力
• 越南银行2025年CIR~30%主要得益于强劲的收入增长而非单纯的成本控制

影响与含义

研报认为，亚洲银行业正处在从"传统成本纪律"向"AI驱动效率"过渡的关键节点。对于投资者而言，这意味着需要重新评估银行的价值驱动因素：单纯看过去的成本削减已不足以预测未来，AI的战略部署和执行能力变得至关重要。那些能够成功将AI整合到核心运营中、实现端到端自动化的银行，将在中期获得显著的成本优势和估值溢价。反之，仅停留在试点阶段或缺乏数据基础的银行可能面临竞争力下降的风险。此外，由于AI选项目前未被市场充分定价，这为识别具备高AI就绪度的银行提供了潜在的alpha机会。

风险

• 拥有经常账户赤字和低外汇储备国家的通胀风险，可能导致利率上升，损害高贷存比银行的利润率并恶化信贷质量。
• 存款利率不对称上升而贷款利率上升较少，可能挤压当前较高的贷款利差。
• 权益/资产比率低于5%且ROA低于1%的银行，若贷款年增长超过15%，将面临资本短缺的经济和监管风险。
• AI执行风险：技术投入未能转化为预期的财务效益或风险缓解成果。

后续跟踪

• 银行AI部署从试点向企业级规模化应用的进展。
• AI相关投资带来的可量化损益表（P&L）影响，特别是显性成本节约的出现。
• 不同市场和银行在AI就绪度上的差异及其对估值的影响。
• 人口老龄化对净息差和手续费收入的长期结构性影响持续程度。