高盛的AI转型战略:“One Goldman Sachs 3.0”战略计划全解析在华尔街的百年历史上，高盛的转型往往被视为行业的风向标。当前，这家拥有150余年历史的投行正在经历一场由 AI 驱动的静默革命。与以往单纯的技术升级不同，本轮变革的核心在于将 AI 从独立的辅助工具转变为重塑投资银行业生产方式的基础运营能力。高盛的 AI 战略以“One Goldman Sachs 3.0”（简称OneGS 3.0）战略计划为核心框架。该计划于 2025 年启动，2026 年 4 月 29 日在盐湖城年度股东大会上正式全面部署。该战略定位为“AI 优先”的多年期企业级转型，而非孤立的技术项目。OneGS 3.0 强调流程简化、可扩展增长和生产力提升，并依托高质量数据、共享平台和现代化基础设施来支撑 AI 的可靠运行。战略由总裁兼首席运营官 John Waldron 主导。Waldron 于 2025 年加入高盛董事会，是 CEO 大卫·所罗门（David Solomon）之后的核心决策者，被外界视为首席执行官的热门继任人选。2026 年 5 月，高盛宣布 2026 年第一季度业绩创下纪录，同期正式推出 AI 驱动的“One Goldman Sachs 3.0”运营模式。核心目标是将 AI 打造为基础运营能力，实现流程简化、生产力提升与可扩展增长。重点聚焦效率释放，而非单纯裁员。战略边界明确：AI 定位为“数字同事”（digital co-workers），辅助人类处理高重复、规则密集、数据繁重的工作，不替代核心决策与客户服务。Waldron 在接受采访时打了一个直白的比方——“我经常把高盛比作一条人工流水线”。他随即补充道：“想想制造业的发展，它已经变得越来越机械化，越来越自动化。而银行业在这方面的程度远不及制造业。”所罗门也表达了类似立场。他撰文指出，关于 AI 将导致“就业末日”的担忧被夸大了。其核心判断是：AI 将自动化约 25% 的工作时长，而非 25% 的岗位。具体的受益领域包括：客户准入、贷款流程、监管报告和供应商管理等环节。这些领域长期依赖大量人力从事重复性、规则性操作，正是 AI 自动化最具替代潜力的方向。所罗门此前透露，高盛 2025 年在 AI 技术上的投入约为 60 亿美元，并预期银行将因此变得更大。尽管 2026 年所罗门曾提出 80 亿美元的技术投入目标，但在投资者回报约束下未能实现，实际投入仍维持在约 60 亿美元的水平。2026 年 5 月，高盛宣布与 Anthropic 推出一项 15 亿美元的投资合作，在其投资组合公司中加速推广 AI 应用，部署 Claude 等先进模型以提升效率、降低成本。高盛研究部门的预测显示，到 2026 年，全球主要 AI 开发商的资本支出（capex）将达到约 5270 亿美元。高盛在 AI 方面的优先级排序为：内部效率提升 ＞ 中后台流程自动化 ＞ 前台业务赋能 ＞ 外部客户 AI 服务。大卫·所罗门（David Solomon） ：高盛 CEO，25 年以上投行经验。主导 AI 战略顶层审批，多次在内部和公开场合强调“AI 赋能聪明人，放大价值而非替代人”。他在 2026 年 1 月的高盛播客中进一步讨论了 AI、并购与公司前景。所罗门还明确指出，改变 KYC（Know Your Customer，客户身份识别）这样的流程是“艰苦的工作，需要时间”，因为这涉及从根本上改变人力使用方式。John Waldron：总裁兼首席运营官，OneGS 3.0 总负责人。提出“银行业人力流水线数字化”，推动 AI 嵌入全业务流程。Waldron 表示，“我们的人力装配线将变得更加数字化，数字代理将成为我们的机器人。”但他同时也坦言，“我不确定整体员工人数会如何动态变化，但我认为公司会变得更具韧性，也更具可扩展性。”Marco Argenti：首席信息官（CIO），前亚马逊云服务（AWS）技术副总裁，2022 年加入高盛。负责 AI 平台搭建、技术落地与约 1.2 万名技术团队的管理，主导“数字同事”系统开发。Argenti 表示，在他 40 年的技术职业生涯中，2025 年是他见过的变化最大的一年。关于 AI 生产力衡量，Argenti 采取了与众不同的策略。他不采用个别员工的 AI 使用追踪数据，而是通过衡量工程团队从想法到产品落地的速度——即“velocity”（团队交付速度）——来评估整体效率。Argenti 打了这样一个比方：“像只盯着球场上的一名球员，这名球员跑动更多，但球队为什么不进球？因为还需要传球。”他认为，AI 工具帮助员工实现了“想法与原型之间的零时差”，甚至可以将软件开发过程类比为“3D 打印软件”。全员覆盖：高盛已向全公司约 4.6 万名员工推出生成式 AI 助手平台。有高盛合伙人透露，她每天使用 AI 工具处理多达 10 项任务，每周节省数小时工作时间。业务单元设 AI“倡导者”（champions），统筹本部门 AI 工具落地与培训。嵌入式合作：高盛与 Anthropic 等 AI 公司深度协作。据报道，Anthropic 工程师曾入驻高盛长达 6 个月，与高盛技术团队并肩作战，联合开发专属于高盛的金融专用模型。高盛最早在 2025 年就开始测试一款名为 Devin 的自主 AI 编程工具，目前已广泛供高盛的工程师使用。在测试过程中，高盛很快发现 Anthropic 的 AI 模型也可以应用于银行的其他部门。文档自动化：所罗门公开表示，传统 IPO 招股书（S1 IPO prospectus，美国证券交易委员会要求的首次公开募股注册声明）往往需要 6 名投行人员用两周时间完成，但现在 AI 可以在几分钟内完成 95% 的工作。“现在，最后 5% 变得至关重要，因为其余的都已成为商品。”研究辅助：分析师使用 AI 工具自动抓取财报、整理数据、生成初步报告。AI 也被用来彻底改造投行业务的材料准备流程，包括帮助银行家准备客户会议，以及为客户提供更精准的信息以优化投资决策。交易分析：AI 实时监控市场数据，识别交易机会与风险，辅助交易员决策。会计自动化：高盛与 Anthropic 合作开发 AI 智能体（Agent），聚焦两大领域：交易核算，以及客户尽职调查与开户流程（Know Your Customer / Onboarding）。Argenti 表示，该智能体对高盛内部众多标准化、高复杂度、强流程化的岗位而言，“无异于一位数字化协作同事”。尽管高盛的会计与合规部门目前拥有数千名员工，且上述 AI 智能体即将投入使用，但 Argenti 强调，现阶段就认为该技术会导致相关岗位裁员，还为时尚早。随着 AI 技术的成熟，高盛可能会逐步减少对第三方服务供应商的依赖。高盛预计，该新系统将显著缩短客户审查周期，并减少长期存在的交易对账问题，从而极大提升运营效率。据报道，高盛的这些智能体管理着该银行约 25 万亿美元的资产。合规风控：AI 智能体完成“了解你的客户”（KYC，Know Your Customer）和反洗钱（Anti-Money Laundering，简称 AML）审查，通过匹配全球数据库与内部合规规则来实现。AI 还可用于自动生成监管报告，内部反馈称流程时长有明显缩短。软件开发：约 1.2 万名技术人员部署 AI 编码助手。高盛内部评估，AI 编码助手将开发者生产力提升了超过 20%，每周减少数千小时的繁琐手动工作。所罗门预计，AI 最直接的影响将体现在软件开发上。客户服务：AI 助手快速响应客户咨询、总结投资报告、生成初步的资产配置建议。投资组合优化：AI 分析市场趋势与客户风险偏好，辅助投资经理调整组合。高盛还对其科技、媒体和电信（Technology, Media and Telecom，简称 TMT）投行部门进行了重组，更加聚焦于数字基础设施、半导体、连接和企业软件等 AI 相关交易机会。高盛还收购了 Industry Ventures，并计划利用 AI 和高级分析来提升私募市场中的估值、风险评估和投资组合构建能力。全员 AI 助手：支持文档总结、翻译、邮件撰写、会议纪要生成。员工日均使用超过 10 次，每周可节省数小时。另有数据显示，高盛员工通过 AI 工具平均每日节省约 60 分钟，这是华尔街迄今最为具体的 AI 生产力量化指标。据 Argenti 观察，员工对 AI 的态度正在从恐惧和怀疑转向“被赋权感”。“人们感到几乎被解放了。”新人培训：AI 作为“数字导师”，辅助新员工学习代码库、业务流程与合规要求，缩短上手周期。据悉，高盛下一步计划将智能体的应用拓展至员工监督、投行推介材料制作等任务场景。高盛采用混合模型生态 + 安全合规网关架构。所有 AI 交互通过内部网关，实现数据匿名化、提示过滤、权限管控与审计日志，符合金融监管要求。高盛在 2024 年就推出了 GS AI Platform，集成了 OpenAI 和 Google 的大语言模型（Large Language Model，简称 LLM），但加入了一层安全防护层以保护公司的私有数据。防火墙内部署：集成 GPT-3.5/4、Gemini、Llama、Claude 及少量自研模型，避免数据外泄。多模型编排：按任务自动路由最优模型（代码任务优先编码模型，文档总结优先金融微调模型），避免单一厂商锁定。检索增强生成（Retrieval-Augmented Generation，简称 RAG） ：接入高盛私有数据（金融文本、代码库、研究档案），提升输出专业性。内部搜索系统 Legend：让员工可以用自然语言搜索银行的庞大文件档案，无需知道具体要找哪个文件、文件存放在哪里。通用大模型：高盛优先集成 Anthropic 的 Claude 模型。Argenti 指出，Claude 在编程之外的其他任务上表现令人惊艳，尤其在会计和合规等领域——此类工作既需要解析大量数据和文件，又要求在实操中精准运用规则并做出专业判断。据公开报道，高盛已全面部署 Anthropic 的 Opus 4.6 模型，用于会计和合规岗位的自动化，影响超过 1.2 万名开发人员和数千名运营人员。自研微调模型：基于内部金融数据训练，适配投行、资管、风控等细分场景，保障数据隐私与合规。模型评估机制：建立内部基准测试，持续对比不同模型在金融任务上的准确率、效率与安全性。数据分层管理：分为公开数据、内部非敏感数据、高度机密数据。AI 仅在授权范围内访问。数据质量管控：建立数据清洗、去重、脱敏流程，保障 AI 训练数据的准确性与合规性。数据安全：全链路加密、角色权限管控、操作审计日志。高盛在内部 AI 平台中内置了安全网关，确保所有与外部模型的交互均通过银行的合规渠道进行，所有提示均被过滤，数据在传输过程中被匿名化。监管审查前置：所有 AI 工具上线前需通过内部合规与外部监管审核，符合全球主要金融市场监管要求。在高度受监管的金融行业中部署 AI 智能体，对准确性、可审计性和合规性都提出了极高要求。人类介入机制（Human-in-the-Loop）：AI 生成结果需人工复核确认。核心决策环节禁止 AI 独立操作。可追溯性：AI 决策过程全程记录，支持监管审计与问题溯源。据高盛的调查显示，已有 42% 的金融服务机构正在评估或已在使用 AI 代理人，显示高盛的举措符合产业整体趋势。效率提升：投行文档处理效率显著提高（根据所罗门的公开说法，IPO 招股书起草从 6 人两周缩短至几分钟内完成 95% 的内容）；软件开发效率提升超过 20%；通过使用 Claude，高盛将新机构客户的引入时间缩短了 30%。成本优化：中后台人力需求增速放缓，招聘增长速度降低。据内部消息，高盛管理层计划利用 AI 来加速运营流程并应对未来的业务扩张，这意味着当业务量增加时，银行可能不再需要像过去那样大幅增聘分析师。高盛未公布大规模裁员计划。2026 年以来，高盛已转向“滚动式”裁员策略，取代以往一次性大规模裁员的模式，但规模明显小于此前年份。员工使用率：全员 AI 工具覆盖超过 4.6 万人。在衡量 AI 部署成效方面，Waldron 在高盛 RIA 专业投资者论坛上透露，该行通过三个核心维度来评估成功：生产力提升、成本节约和“被放弃的投资”。所谓“被放弃的投资”，指的是因 AI 带来的效率提升而无需再进行的人力和系统投入——这一指标衡量的是“没有做的事情”所带来的隐性收益。高盛设定了明确目标：在未来三年内实现 15% 的效率提升，且不进行大规模裁员。该行还瞄准了 60% 的效率比率（efficiency ratio，即每产生 1 美元收入所需的运营成本占比）目标，这在全球大型投行中属于较有进取心的水平。金融 AI 落地标杆：率先实现生成式 AI 在投行、会计、合规全流程的规模化落地，为华尔街同行提供了参考路径。模型合作典范：与 Anthropic 的深度绑定，推动了 AI 模型在金融场景的适配。双方甚至成立了一家新的合资企业，旨在将 Anthropic 的软件推广到更多企业。效率革命引领者：验证了 AI 对金融行业生产力的释放潜力，推动行业从人力密集向技术密集转型。华尔街整体趋势：高盛（GS）股价在过去一年上涨了 64.4%，远高于行业平均的 32.9%，这在一定程度上反映了投资者对其 AI 战略的信心。其远期市盈率（Forward Price-to-Earnings Ratio，简称 Forward P/E）约为 14.65 倍，略高于行业平均的 12.9 倍。分析师对高盛 2025 年和 2026 年的盈利一致预期意味着同比增速分别为 20.8% 和 12.6%，但这一预期本身包含了对 AI 成效的提前假设，并非已实现的数据。监管不确定性：全球金融 AI 监管政策尚未统一，合规成本持续上升。在高度受监管的金融领域部署 AI 智能体，对准确性和可审计性的要求极高，一旦模型出现错误可能引发重大风险。数据隐私风险：金融数据高度敏感，AI 应用过程中的数据泄露风险需要持续防控。高盛目前深度依赖 Anthropic 作为单一模型供应商，也衍生出新的模型风险与供应商管理课题。人才结构调整：AI 替代部分基础岗位，员工技能升级压力增大，需要持续投入培训。所罗门指出，虽然某些岗位的裁员不可避免，但高盛希望获取更多高价值人才。模型可靠性：金融场景对准确率和稳定性要求极高。模型幻觉（hallucination）与错误输出可能引发重大风险。Argenti 也承认，现阶段就判断 AI 是否会导致大规模裁员“还为时尚早”。Waldron 对宏观经济层面的影响也有自己的判断。他认为，目前许多公司报告的裁员并非直接由生成式 AI 部署导致，而是企业在疫情后对“人员囤积”现象的一种回调。他预测，生成式 AI 带来的成本节省可能会在 2027 年和 2028 年开始更广泛地影响企业的组织结构。深化 AI 智能体：扩大自主 AI 智能体的应用范围，覆盖更多中后台流程。据 Argenti 透露，基于 Claude 模型开发的智能体已处于研发初期，计划短期内推出，将大幅缩短核心业务的处理时长。前台全面赋能：将 AI 深度融入投行、资管、财富管理的核心业务，打造 AI 驱动的客户服务体系。高盛已经将 GSAI Assistant 覆盖至交易系统、私人财富顾问网站与机构客户平台 Marquee 等前端系统。自研模型迭代：加大自研金融大模型的投入，减少对外部模型的依赖。高盛也在持续测试不同的模型提供商，以降低单一供应商依赖风险。生态合作拓展：联合更多 AI 公司、金融机构，共建金融 AI 生态，推动行业标准制定。高盛已与 Anthropic、黑石（Blackstone）、Hellman & Friedman 等机构合作，成立新公司以推广企业级 AI 应用。高盛 AI 战略的本质是：以 AI 重构金融的生产方式。通过顶层设计、技术架构、场景落地、合规风控四维协同，实现效率提升与业务增长。核心逻辑是“AI 赋能人，而非替代人”。聚焦高重复工作的自动化，释放人力投入高价值客户服务与核心决策。AI 将改变工作内容而非消灭大量岗位，所罗门的核心判断是：AI 自动化的是 25% 的工作时长，而非 25% 的岗位。作为华尔街 AI 转型的标杆之一，高盛的实践验证了生成式 AI 在金融行业规模化落地的可行性。其场景化应用路径与安全合规机制，为全球金融机构的 AI 转型提供了可参考的范本。免责声明：自媒体内容仅用于记录和分享，请勿用于商业用途。所有内容来自于网络，或由人工智能服务生成。如有文字或图片涉及侵权，请联系修改或删除。文章内容不代表本人观点，亦不代表本人所在机构观点，不构成任何投资建议。
夜雨聆风
