夜雨聆风2026年5月5日，纽约。
一场仅限受邀者参加的金融科技发布会正在进行。台上站着两个人——Anthropic CEO达里奥·阿莫代伊，和摩根大通董事长兼CEO杰米·戴蒙。
戴蒙开口的第一句话就让全场震惊：
"我刚刚用Claude Code处理了一项编码任务。"
想象一下这个画面：华尔街最大银行的掌门人，掌控着3.9万亿美元资产的金融巨鳄，不是在谈并购、不是在聊利率，而是在说自己用AI写代码。
这就好像看到茅台董事长亲自在直播间卖酒——不是作秀，而是真的在用。
为什么连华尔街大佬都要亲自下场用AI？答案很简单：这一次，AI真的不一样了。
一、Anthropic一次性放出10款"金融特种兵"
就在这场发布会上，Anthropic正式推出了面向金融行业的10款AI智能体，同时发布了迄今为止最强大的金融专用模型Claude Opus 4.7。
这不是一个"聊天机器人"，而是10个"即插即用"的专业工具，直接瞄准金融行业最核心的工作场景。
10款智能体覆盖全链条
按照功能，这10款AI可以分为四大类：
【研究与客户覆盖类】5款
Pitch Builder：创建目标列表、跑可比公司分析、起草路演材料
Meeting Preparer：会议前自动整理客户与交易对手简报
Earnings Reviewer：阅读财报电话会记录、更新模型、标记关键变化
Model Builder：从申报文件和数据流中创建并维护财务模型
Market Researcher：追踪行业动态、综合新闻和申报信息、标记需关注事项
【财务与运营类】5款
Valuation Reviewer：按可比公司和方法论标准复核估值
General Ledger Reconciler：对账总账科目，按账面记录计算资产净值
Month-End Closer：执行关账检查清单、准备分录、生成关账报告
Statement Auditor：审查财务报表的一致性、完整性和审计准备程度
KYC Screener：汇总实体文件、审查原始单据、打包至合规团队审查
简单说，从投行前台做路演材料，到中台研究员做财报分析，再到后台财务人员月末结账——整个金融机构的核心工作流，几乎被这10个AI全覆盖了。
更狠的是：打通了Office全家桶
这10款智能体不是独立的APP，而是深度嵌入了Microsoft 365套件。
在Excel里，它直接打开工作簿构建财务模型、审阅公式、跑敏感性分析，还能追溯每个数字的来源
在PowerPoint里，底层数据一变，幻灯片内容自动同步更新
在Outlook里，它处理收件箱邮件、安排会议、草拟客户沟通
在Word里，它按公司模板起草标准化文件
最关键的是：知识跨应用共享。分析师在Excel里建好模型，不用在PPT里重新解释一遍——AI自己带着上下文过去了。
还接入了权威数据源
金融AI最怕"瞎编数据"。Anthropic这次直接接入了穆迪、邓白氏等权威数据源，用户可以在Claude界面内直接拉取超过6亿家公司的信用评级，不用退出界面。
发布会当天，资本市场用真金白银投了票：金融数据服务商FactSet股价盘中暴跌超8%，晨星跌近3%——大家都看明白了，这些AI正在动传统金融数据公司的奶酪。
二、这些AI到底有多厉害？用生活语言翻译一下
讲了这么多功能，可能你还是没感觉。让我用最通俗的话翻译一下。
以前是计算器，现在是资深分析师当助理
第一代金融AI：就像计算器。你输入公式，它给你结果。错不错它不管，公式对不对也不关心。
第二代金融AI：就像Excel高级插件。能帮你拉数据、做图表、跑一些固定的分析。但还是你指挥它，它不会主动思考。
现在这一代：就像给你配了一个资深分析师当助理，而且这个助理：
24小时不睡觉
看过所有的财报和研报
不会犯低级的计算错误
记得住每个客户的所有信息
举几个具体场景：
场景一：财报季
以前：分析师要熬夜读几十份财报，手动更新模型里的几百个数字，然后写研报初稿——至少3天。
现在：Earnings Reviewer自动抓取财报PDF和电话会记录，对比一致预期，更新模型，标记核心变动，生成研报初稿——几小时。
场景二：月末结账
以前：财务团队全员加班，对着Excel对账，找那几分钱的差异，写一堆调整说明——至少3天。
现在：Month-End Closer自动执行关账清单、准备分录、生成报告——几个小时。
场景三：客户会议
以前：客户经理提前半天翻档案、查资料、做简报，生怕漏了什么重要信息。
现在：Meeting Preparer自动归集客户背景、历史交易、关联方动态、行业舆情，连客户可能问什么都预判好了——1小时搞定。
场景四：KYC审查
以前：合规专员逐页翻客户的几十份文件，对照规则一条一条查——几小时。
现在：KYC Screener自动解析原始单据、对照规则审查、标记问题——几分钟。
不是"提升一点效率"，而是把需要几天的工作压缩到几小时甚至几分钟。
但有一个底线：AI不背锅
Anthropic在设计这套系统时，明确写了一条原则：人在回路（Human-in-the-Loop） 。
意思是：
AI生成的路演材料 → 必须有人审阅签字才能发给客户
AI筛查的KYC文件 → 异常项必须有人复核才能过关
AI生成的监管报送 → 必须有人确认合规才能提交
AI不是来替代人的，而是把人从80%的繁琐工作里解放出来，专注在20%的判断和决策上。
这个定位反而让金融机构更容易接受——因为责任还在人手里，AI只是把脏活累活先干了。
三、AI对金融行业的真实影响：哪些工作更值钱？
聊到这里，你可能会问：那金融从业者会不会失业？
答案是：不会全员失业，但岗位结构会剧烈变化。我分成三类说：
第一类：重复性文档工作——门槛大幅提高
路演材料制作、财报摘要、KYC审查、合规文件整理——这类工作的共同点是：有固定格式、需要从多个数据源提取信息、最终产出是文档。
AI做这类工作的速度和一致性，已经超过大部分初级员工。
但这不意味着"失业"，而是"晋升门槛变了"：
以前入门级分析师80%时间做文档，20%时间思考
现在80%的文档工作被AI包了，你能不能做那20%更高价值的事？
如果你还在靠"我Excel用得好""我做PPT快"吃饭，那确实危险了。
第二类：数据分析和风险评估——能力要求升级
投资组合分析、信用评估、风险敞口计算——这类工作AI能辅助，但最终判断还是需要人。
这类岗位的核心竞争力，要从"我会分析数据"升级到"我能判断AI的分析对不对"。
举个例子，同样是看一份AI生成的风险评估报告：
初级员工：照着念结论
资深员工：能看出AI漏掉了什么市场背景、哪些假设太乐观、哪些风险没考虑到
未来最值钱的能力，不是"会用AI"，而是"会审AI"。
第三类：客户关系和战略决策——反而更值钱
跟客户建立信任、做战略投资决策、处理复杂谈判——这类工作的核心是"人的判断和关系"，AI目前还替代不了。
但有一个变化：能用AI提升效率的从业者，会在晋升和分配资源时更有优势。别人一天见2个客户，你用AI省出时间能见4个——长期下来差距就拉开了。
国内银行已经在行动
看看国内的案例，你就知道这不是"华尔街的事"：
建设银行：
大模型已规模化赋能398个场景应用
授信审批AI应用：1分钟生成审查意见初稿，最高生成比例达90%，月均生成超5万份
审批平均净用时下降超30%
AI代码生成率贡献达到64%
正在探索"人+数字员工"的协同模式
度小满金融：
智能风控：风险识别准确率是传统模型的3倍
回捞风险仅为传统模型20%
多识别10%优质客户群
自动化测试效率提升60%
用户洞察智能体模拟客户偏好准确度高达89%
这些都是已经落地的真实数据，不是PPT上的概念。
四、对普通人的启示：我们该怎么办？
看完华尔街和国内银行的案例，你可能觉得这都是"金融圈的事"，跟自己没关系。
其实不然。AI对金融行业的改造，只是整个社会智能化的一个缩影。这里面的规律，对每个行业都适用。
启示一：不要跟AI拼"熟练度"，要拼"判断力"
任何可以被标准化、流程化、模板化的工作，未来都会被AI大幅渗透。
不要说"我做这个做了十年，比AI熟练"——AI一天就能学完你十年的经验，而且不吃饭不睡觉不犯错。
真正的护城河，是那些需要结合具体语境、需要权衡多方利益、需要承担决策后果的判断能力。
启示二：AI时代，学习能力比专业知识更重要
五年前入行的金融分析师，学的是怎么建Excel模型、怎么写研报。
今天入行的分析师，学的是怎么给AI提需求、怎么审核AI的输出、怎么把AI整合到自己的工作流里。
五年后，可能又是一套完全不同的技能。
专业知识会过时，但快速学习的能力永远不会。
启示三：警惕"AI幻觉"，尤其是在钱的问题上
金融是最容不得错误的行业。AI能大幅提升效率，但也可能带来新的风险——比如"AI幻觉"导致的数据错误、比如过度依赖AI导致的判断退化、比如AI黑箱带来的合规风险。
无论AI多好用，最终签字负责的还是人。永远不要把判断力完全交给AI。
结尾：这只是开始
回到文章开头的那个场景——摩根大通CEO亲自用AI写代码。
这个细节的真正意义，不是"大佬也用AI"，而是"大佬已经意识到，不用AI就会落后"。
十年前，会用Excel的金融从业者和不会用的，是两个物种。
今天，会用AI的金融从业者和不会用的，也是两个物种。
十年后呢？可能不会再有"会用AI的人"这个说法——因为那时候AI已经像Excel一样，是每个人的标配了。
真正的问题不是"AI会不会替代我"，而是"我能不能用好AI，在这个新时代找到自己的位置"。
【互动话题】
你所在的行业，AI已经渗透到什么程度了？你觉得哪些工作最可能被AI改变？欢迎在评论区聊聊你的观察。
如果觉得这篇文章有启发，欢迎转发给你身边的朋友——尤其是那些在金融行业打拼的朋友们。
作者简介：做过银行核心系统开发，现从技术+风险治理视角观察金融科技发展。本文仅代表个人观点，不构成任何投资建议。
数据来源：Anthropic 2026年5月5日金融服务发布会、建设银行2025年年度报告、度小满原力AI平台公开资料
