撰文：Techub News 整理
导语
2026 年 5 月，AI 明星公司 Anthropic 在纽约举办了一场高规格的金融服务业峰会，汇集了全球顶尖银行、保险和投资机构的 CEO、CTO 及 CIO。此次活动的核心是一场由《纽约时报》专栏作家 Andrew Ross Sorkin（安德鲁·罗斯·索尔金）主持的炉边对话，对话双方是 Anthropic 联合创始人兼 CEO Dario Amodei（达里奥·阿莫代）和摩根大通董事长兼 CEO Jamie Dimon（杰米·戴蒙）。
这场对话的重要性在于，它标志着生成式 AI 在金融这一高度复杂、监管严格的行业，正从早期的实验和演示阶段，迈入大规模、实质性部署的「真实时刻」。两位领袖不仅分享了各自机构的前沿应用案例，更深入探讨了 AI 指数级进步带来的机遇与必须应对的风险，为理解 AI 如何重塑全球金融体系提供了关键视角。
摘要
- AI 的「真实时刻」：Anthropic 宣布其 AI 模型 Claude 在金融业已超越演示阶段，正实际应用于对账、理赔、建模等核心流程，实现前中后台的转型。
- 能力飞跃与不确定性：模型在准确性、可靠性和端到端任务自主性上持续快速提升，但技术发展的具体路径和经济社会影响仍存在「根本性的不可预测性」。
- 网络安全成为「头号风险」：AI 极大增强了发现和利用软件漏洞的能力，中美在模型能力上的时间差（约6-12个月）构成了一个必须抓住的「关键修补窗口期」。
- 组织吸收能力是瓶颈：技术的指数级进步与企业消化、部署新技术的线性速度之间存在巨大鸿沟，这限制了技术商业价值的即时释放。
- 监管需寻求平衡：需要建立比「FDA模式」更灵活、比「蛮荒西部」更规范的监管框架，借鉴汽车等行业经验，在促进创新与防范重大风险间找到平衡点。
从演示到现实：金融业的 AI 拐点已至
Anthropic 金融服务业负责人 Jonathan Pelosi（乔纳森·佩洛西）在开场时明确表示，一年前发布 Claude for Financial Services 时的承诺如今已经兑现。他强调，变化不仅在于新模型或新功能，更在于回答了董事会们最关心的问题：「这究竟是炒作，还是真实的？」——「今天我们很高兴地宣布，它是真实的。」
Dario Amodei（达里奥·阿莫代）在对话中阐述了 AI 能力的演进轨迹。他指出，虽然技术遵循着可预测的指数曲线（在业务增长和基准测试能力上多次被验证），但其在现实世界中具体如何呈现、能构建何种产品，存在「根本性的不可预测性」。尽管如此，未来 6 到 12 个月的趋势是清晰的：更高的准确性、更强的可靠性、更多的自主性以及端到端完成任务的能力。错误率将下降，模型将从完成「耗时一小时」的任务，发展到处理「需要一个团队花费一两周」的复杂项目。
Jamie Dimon（杰米·戴蒙）用亲身经历佐证了这一转变。他分享了一个周末的体验：在 Claude Code 上，他以银行 CEO 的身份，要求分析未来五年的资产互换、国债买卖价差、市场流动性、投资级债券风险等议题。仅仅 20 分钟，Claude 就创建了一个包含所有备份和研究的大型仪表盘，且结果非常准确。戴蒙回顾，摩根大通早在 2012 年就已开始使用机器学习处理抵押贷款问题，当时他称之为「更高级的数学」。如今，AI 的应用已扩展到数百个用例，包括风险、欺诈、营销、设计、会议纪要和文档审查等领域。「这仅仅是个开始，」戴蒙说。
组织瓶颈、软件护城河与网络安全危机
当被问及为何要联合黑石等机构成立新公司，向私募股权投资组合公司推广 AI 时，Dario Amodei（达里奥·阿莫代）指出了当前 AI 落地的一个核心矛盾：技术以闪电般的指数速度进步，但大型企业的组织架构和消化能力是线性的。即使拥有像 Jamie Dimon（杰米·戴蒙）这样有远见的 CEO，要教育成千上万的员工、调整流程，也需要时间。往往当企业刚学会使用某一代技术时，下一代模型已经发布，带来了新的可能性和不同的缺陷。Anthropic 作为一家约 3500 人的公司，其市场团队正在向千人规模扩展，但相比一些收入规模相近、却拥有 5 万人销售团队的公司，其市场覆盖能力有限。因此，需要借助生态伙伴的力量，加速技术在社会中的扩散。
关于未来一年可能高达万亿美元的投资，Amodei（阿莫代）认为，从整体上看，这项技术如此强大，值得这样的投资。技术最终会为自己买单，只是过程并非直线。他透露，今年第一季度的年化增长率达到了惊人的 80 倍，远超之前预期的 10 倍上限，这说明了「极端不确定性」的存在。
对话随后转向一个尖锐问题：AI 是否会侵蚀现有软件公司（SaaS）的护城河？Amodei（阿莫代）借用「阿姆达尔定律」来分析：一个复杂系统在加速了大部分组件的速度后，整体速度将受限于最慢的那个组件。他认为，如果一家软件公司的护城河仅仅在于「代码复杂难写」，那么这种护城河正在消失，因为模型编写代码的能力极强。但大型企业拥有多种护城河来源。未来将看到许多旧护城河迅速消失，同时一些护城河得以保留，甚至出现新的、目前难以想象的 AI 时代护城河。软件行业的总产值会因为生产更便宜、软件更多而上升，但今天的 SaaS 巨头们作为一个群体命运如何，则不确定。个体公司的生死取决于其应对速度。
网络安全是整场对话中最紧迫的话题。Jamie Dimon（杰米·戴蒙）直言，网络风险多年来一直是摩根大通最大的风险，「而 AI 会让它变得更糟」。他赞同 Anthropic 主动披露其强大代码模型「Mythos」所发现漏洞的做法，认为这给了行业研究漏洞、制定应对计划的机会。
Dario Amodei（达里奥·阿莫代）详细说明了情况的严重性。他回顾了 Anthropic 的预警时间线：一年前开始用 Claude 审查代码安全漏洞；六个月前发现与中国国家行为者相关的攻击者试图利用 Claude 攻击美国科技公司；三个月前，在 Mythos 的前一代模型中，他们在 Firefox 中发现了约 20 个漏洞；而现在，Mythos 已在 Firefox 中发现近 300 个漏洞，闭门测试中发现的漏洞总数已达数万，甚至可能十万级。
他提出了一个关键的「时间窗口」概念：其他美国主流 AI 实验室的模型可能比 Anthropic 晚 1-3 个月，而中国模型可能晚 6-12 个月。「因此，我们大概有这么长的时间（6-12个月）来修复所有这些漏洞。」目前大部分漏洞未被公开披露，正是因为修复需要时间，提前披露会帮助攻击者。危险在于，漏洞数量和由此导致的金融损失（如针对学校、医院的勒索软件，以及针对银行、金融账户的攻击）可能急剧增加。
但 Amodei（阿莫代）也给出了一个乐观的展望：如果我们能在未来 6-12 个月（即中国模型追上来之前）妥善处理，世界可能变得比之前更安全。「漏洞的总量不是无限的」，如果利用像 Mythos 这样的模型重写所有代码，可以写出本质上就更安全的代码。「这不是关于恐惧，而是一个危险时刻。如果我们正确应对，我们可以在另一边迎来一个更美好的世界。」
针对白宫对「算力不足」的担忧，Amodei（阿莫代）澄清这是一个误解。运行 Mythos 只消耗 Anthropic 算力的很小一部分，为政府增加算力不存在与私营部门争抢资源的问题。真正的挑战在于如何负责任地逐步发布如此强大的工具，既要公平地向足够多的组织开放以快速修复漏洞，又要谨慎控制访问权限，防止滥用。他呼吁建立一个对所有公司都公平、可预测的流程，而非临时的、武断的审批。
监管、就业与未来的合作框架
关于政府可能设立类似 FDA 的模型审批机构，Dario Amodei（达里奥·阿莫代）认为需要避免两个极端：既不能是毫无约束的「蛮荒西部」，也不能像 FDA 那样严重拖慢医疗进步。他提出了一个可能的借鉴对象：汽车行业。汽车具有巨大的经济价值，社会无法离开它，但也不能允许没有刹车的汽车上路。AI 监管需要在促进创新与设置必要护栏之间，摸索出一条「刚刚好」的路径。
在就业影响这个敏感问题上，Jamie Dimon（杰米·戴蒙）承认这是合理的担忧。他回顾历史，认为技术总体上改善了人类生活，资本主义社会善于创造新的就业机会。但他也强调：「我们应该为可能因此受到伤害的人感到担忧。」关键在于做好准备，例如提供本地化培训、再就业支持、收入援助和搬迁帮助等。他批评了过去的「贸易调整援助」计划因申请门槛过高而效果不佳，强调需要政府与企业合作，设计出可行的方案。
Dario Amodei（达里奥·阿莫代）再次强调了「高度不确定性」。他认同戴蒙的观点，即当技术把「蛋糕」做大时，经济通常能灵活调整（如「杰文斯悖论」所述）。但 AI 的推进速度远超以往任何技术，当系统承受远超平时的压力时，可能出现异常的「大破坏」。因此，必须为最坏情况做准备，思考不同的宏观经济政策，例如工资再保险或调整计划。他主张，企业应尽可能选择「用同样资源做更多事」，而非「用更少资源做同样事」，这需要创造性地进行人员重新分配。政府和行业都需要从现在开始收集数据、制定政策，因为政策滞后可能长达两三年，而技术发展太快。
产品化路径：从「超级员工」到「自主业务流程」
在随后的议程中，Anthropic 的高管团队详细展示了 Claude 在金融领域的产品化路线图。首席商务官 Paul Smith（保罗·史密斯）指出，金融服务业是 AI 最快采用的行业之一。他展示了金融业客户在 Claude 上运行的各种工作流，从 KYC（了解你的客户）、客户 onboarding、贷款发起、并购决策支持，到保险领域的承保和直通式理赔处理。
Anthropic 将其产品路线图归纳为三大支柱：1) 赋予员工「超能力」（如 Claude Code 和 Claude Co-work）；2) 重新构想并端到端自动化业务流程；3) 基于 Claude 平台构建全新的收入流。他预测，在金融分析领域，将重现软件工程领域的「自主性曲线」：从快速完成单项研究，到创建复杂 Excel 模型，再到扮演需要密切监督的初级分析师、更自主的高级分析师，最终成为协调一群数字同事的整个研究部门的副总裁。
研究产品管理负责人 Lisa Crawford（丽莎·克劳福德）从技术演进角度解释了这一趋势。她指出，「缩放定律」是过去两三年 AI 能力快速提升的驱动力。大约两年前，Claude 3.5 Sonnet 首次具备足够好的「工具使用」能力，可以开始「做事」；一年前，Claude 4 Opus 已能生成 PPT 和 Excel 文档；而最新的 Opus 4.7 和 Mythos 预览版，已经能够端到端地「拥有结果」，运用判断力完成高模糊性、长耗时的任务。她以预测下周能源价格为例，Claude 需要自行决定阅读新闻、寻找数据源、尝试多种方法并根据实际结果迭代自己的模型——这实际上将量化建模师和市场分析师的角色合二为一。过去需要研究员三周的工作，现在 Claude 只需两小时。
金融服务业产品负责人 Nick（尼克）则进行了现场演示，展示了 Claude 如何嵌入银行家的日常工作流（Excel, PowerPoint, Word, Outlook），以及如何作为「托管智能体」自动化基金会计的季度估值审核等后台运营流程。Anthropic 宣布推出 10 个新的智能体模板，用于投行准备、估值审核、现金流折现建模等耗时任务，并深化了与标普、Moody‘s（穆迪）、Verisk（韦莱斯）等数据伙伴的合作。
圆桌洞察：金融领袖的实践与挑战
在最后的圆桌讨论中，AIG CEO Peter Zaffino（彼得·扎菲诺）、高盛 CIO Marco Argenti（马尔科·阿真蒂）和摩根大通 CIO Lori Beer（洛莉·比尔）分享了各自机构的 AI 转型经验。
高盛 CIO Marco Argenti（马尔科·阿真蒂）对比了此次 AI 革命与过去的云革命：速度是过去的十倍，且更深刻地触及人类思考和决策方式。「这根本不是技术革命……这是你需要改变行为方式的革命。」他强调了高层推动、聚焦高影响力领域、以及建立内部「AI 提升者」社区对于推动文化转型的重要性。
AIG CEO Peter Zaffino（彼得·扎菲诺）以自身深度参与的具体用例为例，指出线性推广太慢，必须并行推进。他特别提到，确保核心团队对「智能体编排」等关键战略术语有统一清晰的定义，是推动执行的基础。
摩根大通 CIO Lori Beer（洛莉·比尔）强调了在创新与风险管理间取得平衡的挑战。她介绍了摩根大通利用平台化战略构建控制措施、建立「网络威胁建模器」以及调整模型风险治理框架以适应新时代的做法。关于投资回报率（ROI），她区分了「必须做」的基础能力建设（不计较短期 ROI）和嵌入业务后驱动具体成果（如提升客户服务能力、创造新收入）的应用。
展望一年后，三位领袖的希望分别是：Peter Zaffino（彼得·扎菲诺）希望 AI 已推广至全企业并带来更好业绩；Marco Argenti（马尔科·阿真蒂）希望客户能真切感受到他们的 AI 领导力；Lori Beer（洛莉·比尔）则希望 AI 已深度嵌入价值创造框架，而他们无需后悔「本可以做得更好更快」。
整场峰会传递出一个明确信号：生成式 AI 在金融业的实验阶段已经结束，大规模生产应用的篇章正式开启。然而，技术的狂奔与组织的适应、价值的创造与风险的管控、创新的自由与必要的约束，这几组张力将定义未来一段时期金融业 AI 演进的复杂图景。
