一句话看懂：高盛首席信息官 Marco Argenti 表示，随着一万两千多名开发者全面使用 AI 编程工具，当前的核心挑战已从“用 AI 写代码”转向“把高盛内部的文化、数据标准和工程规范教给 AI 智能体”，让 AI 成为真正的“公司内部人”。
事件核心：发生了什么
高盛首席信息官 Marco Argenti 在近期采访中透露，该行超过 12,000 名开发者已全部使用 AI 工具，包括 Anthropic 的 Claude 和 Cognition 的 AI 编程助手 Devin。当工具普及后，工程师的主要任务不再是编写代码，而是“指导”AI 智能体理解高盛特有的工程标准，包括数据安全协议、设计原则和云迁移流程等。
为此，高盛开发了一套可复用的“技能”（skills）包——即针对特定任务的指令集合，用来捕捉高盛内部的“部落知识”。例如，“云快车道”（cloud fast track）技能专门教导 AI 在高盛环境中进行合规的云迁移。Argenti 表示，团队通过访谈员工、分析输出结果等方式研究内部流程，并定期更新这些技能，形成“持续改进循环”。
为什么重要
这标志着 AI 应用在企业内部的竞争焦点正在转移。摩根大通 CEO Jamie Dimon 已明确表示，AI 投入是维持竞争力的前提；高盛去年技术支出约 60 亿美元，同样面临投资回报的压力。但 Argenti 的发言揭示了更关键的一点：通用 AI 编程工具只是起点，真正的护城河在于“机构知识迁移”的能力。
大模型和开源模型能理解通用编程语言，但理解不了高盛特有的“工程信条”——例如“增量创新”和“前瞻性思考”这类主观指令。谁能更快地把企业规范、数据模型和安全协议系统地注入 AI 智能体，谁就能在同样的算力投入下获得更高的开发效率和更低的风险。这实际上把 AI 竞赛从模型层拉到了企业知识工程层。
对用户/开发者/创作者的影响
对企业开发者而言，高盛的做法提供了一个可参考的范式：AI 智能体的价值上限取决于“评价体系”（evals）和“技能包”的质量，而非模型本身的参数规模。团队需要像培训新员工一样，为 AI 建立明确的工作标准——这要求工程负责人把隐性经验显性化。
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 AI 工具厂商（如 Cognition、Anthropic）来说，企业客户对“定制化技能”和“上下文理解”的需求会增加，这或将推动 API 层和 Agent 框架的进一步演进，而不是单纯比拼基础模型的代码生成能力。对于普通用户，短期内感知有限，但长期看，使用 AI 完成专业任务（如云迁移、合规审查）的准确性和安全性将明显提升。
值得关注的后续
第一，高盛是否会将其“技能包”标准化为可对外输出的产品。目前这些技能高度内化，若形成通用工具，可能打开新的企业服务市场。第二，花旗等同行已通过“AI 加速器”计划鼓励员工互助学习，这类 peer-to-peer 模式能否在企业中复制高盛“常青知识库”的效果，值得观察。第三，随着 AI 智能体接管更多编码工作，初级开发者的培养路径将不可避免地改变——企业如何重新设计晋升机制，是后续值得留意的指标。
