一句话看懂：摩根大通、高盛、花旗等华尔街大行正把AI从试验推向前台业务，投入规模已达数十亿美元，并开始用AI重构内部流程、开发工具和岗位设置。这不再是“要不要用”的问题，而是“谁先用出效率”的竞争。
事件核心：发生了什么
Business Insider 汇总了华尔街主要银行的最新AI进展。摩根大通每年技术预算近200亿美元，其中AI投入约20亿美元，CEO Jamie Dimon称这笔投资已通过成本节省收回。该行已落地近1000个AI用例，覆盖欺诈保护、营销、会议记录等场景，并将自研生成式AI平台推送给超过20万名员工。它还在工程师内部推行AI使用追踪看板，按GitHub Copilot的使用频率将开发者分为“重度、轻度、不使用”三类。
高盛今年技术支出为60亿美元，CEO David Solomon公开表示实际希望达到80亿美元，但受限于股东回报目标。高盛正在与Anthropic合作开发AI代理，首批聚焦交易核算和客户入驻流程的自动化；本月内部备忘录还披露，名为OneGS的跨部门计划将利用AI提升效率、放慢招聘，并会导致“有限度的岗位缩减”。花旗则走了一条不同的路：技术主管Tim Ryan强调“指标和自豪感”并重，用自下而上的方式来推广AI，目前已有4000名员工参与相关部署。
为什么重要
这些动向显示华尔街对AI的投入逻辑正在从“建基础设施”转向“要业务回报”。摩根大通将AI主管更替和组织架构调整都导向商业 initiative，高盛也明确把AI与成本控制、招聘节奏挂钩，说明银行已经在重新设计内部工作流和人才结构，而不是停留在试点阶段。
另一个值得注意的信号是，AI开始进入过去被认为需要人类专业判断的场景。摩根大通资产管理部门正在用自研的Proxy IQ平台支持股东投票决策，替代部分外部人工顾问服务。这类应用一旦验证有效，很可能被其他金融机构效仿，进而影响整个专业服务链条。
对用户/开发者/创作者的影响
对开发者和科技从业者来说，最直接的影响是：在大型金融机构里，AI使用情况正在变成一项绩效考核指标。摩根大通的工程师会被归类为“非使用者”，这可能对晋升和项目分配产生连带影响。对于想进入金融科技领域的开发者，熟练使用AI辅助开发工具正在成为基础要求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通用户和企业采购方，这份报道的参考价值在于：顶级银行已经把大模型驱动的代理（agent）用于交易核算、客户入驻等真实业务，说明AI在金融领域的落地不再是演示性质，而是开始承担实际生产任务。企业客户在评估AI供应商时，可以更多参考这类案例来判断成熟度。
值得关注的后续
首先，摩根大通的近1000个用例中，哪些真正带来可量化的成本节省或收入增长，是判断行业回报预期的关键指标。其次，高盛与Anthropic合作的AI代理能否从内部职能扩展到客户服务，将直接影响其他银行对第三方大模型的选择。最后，花旗的“员工自主采用”路线能否在规模上追上摩根大通的强势推动，也会成为观察金融机构AI落地路径差异的重要样本。
