摩根大通加大人工智慧支出,科技預算逼近 200 億美元
人工智慧正從大型企業的實驗性試點計畫,逐步轉型為核心業務系統。摩根大通便是此趨勢的明證,該行日益增加的人工智慧投資,預計將使該行的科技預算在 2026 年前提升至約 198 億美元。
這項預算計畫凸顯了大型企業正經歷更廣泛的轉型。人工智慧不再被視為次要的研究計畫;相反地,企業正將其整合至風險分析、詐欺偵測及客戶服務營運中。
對於關注人工智慧採用如何重塑企業技術策略的商業領袖而言,摩根大通的数据凸顯了一項重要趨勢:人工智慧正逐漸融入驅動大型組織運作的日常系統之中。
摩根大通的技术预算与日益增长的人工智能投资
多年來,銀行業的科技支出一直穩步增長。摩根大通的預算因其龐大規模而格外引人注目。
根據《Business Insider》援引公司簡報及投資者討論的報導,摩根大通預期 2026 年的科技支出將達到約 198 億美元,延續一貫的上升趨勢。這筆支出涵蓋雲端基礎設施、網路安全、資料系統及 AI 工具。
預算增加的部分包含約12億美元的額外科技投資,其中部分資金將分配給與人工智慧相關的計畫。
大型銀行通常將科技支出視為長期投資,而非短期開銷。許多系統需要數年時間開發,特別是當它們依賴廣泛的數據平台和安全的運算基礎設施時。
由於人工智慧系統需要可靠的資料管道和運算能力,許多企業發現,採用人工智慧往往會觸發整個技術堆疊的全面升級。
機器學習已開始展現成效
高層主管表示,人工智慧已對該銀行的業務表現產生影響。在與投資者的討論中,摩根大通財務長傑瑞米·巴納姆(Jeremy Barnum)指出,機器學習分析正推動公司各領域的營收與營運改善。
路透社對摩根大通財務簡報的報導強調,該銀行運用數據模型與機器學習系統,以強化多個業務領域的分析與決策能力。
這些模型能處理海量財務數據,並識別人類難以察覺的模式。在銀行業等每日需處理龐大數據流的領域,此類改進可影響交易、貸款及客戶營運的成果。
當預測模型的微小改進應用於數百萬筆交易或市場訊號時,便足以影響財務表現。
人工智慧在銀行內的應用
機器學習工具現已支援摩根大通各業務部門的多元活動。
在金融市場中,模型會分析交易數據並識別價格波動的規律。這些洞察有助交易員在瞬息萬變的市場中評估風險並發掘機會。
貸款是人工智慧系統發揮作用的另一個領域。機器學習模型會審查財務歷史、市場趨勢及客戶資料,以協助評估信用風險。它們透過突顯資料中的模式,為分析師提供協助。
詐騙偵測仍是銀行業最普遍的人工智慧應用之一。支付網路每日處理龐大的交易量,使得人工監控變得不切實際。機器學習系統能近乎即時地掃描交易,並標記可能暗示詐騙的異常行為。
內部營運同樣運用人工智慧。相關工具可審閱合約、彙整研究報告,或協助員工搜尋龐大的內部資料系統。生成式人工智慧系統已開始協助起草報告及準備內部文件。
這些系統鮮少直接與客戶互動,但它們是幕後許多決策的基礎。
銀行為何成為 AI 的早期採用者
金融機構具備若干特質,使其成為機器學習的理想應用場景。
首先,銀行會產生大量結構化資料集。交易紀錄、市場資料及支付數據,皆為機器學習模型提供了豐富的分析素材。
其次,許多銀行業務依賴預測。信用評分、詐欺偵測和市場分析,都涉及根據歷史數據來估算結果。
在以預測為核心的環境中,機器學習表現尤為出色。
第三,模型精準度的提升能帶來可量化的財務回報。一個僅能微幅提升詐騙偵測或放貸決策精準度的模型,便足以影響龐大的交易量。
這些因素解釋了為何在近期生成式人工智慧熱潮興起之前,銀行業早已在數據科學與分析領域投入巨資。
摩根大通的人工智慧投資反映了更廣泛的企業轉型趨勢
摩根大通的支出計畫也說明了,AI 投資正如何融入更龐大的企業技術預算之中。
在許多組織中,AI 系統仰賴現代化數據平台、安全的雲端環境以及龐大的運算資源。隨著企業奠定這些基礎,AI 便更容易在各部門間部署。
對許多企業而言,AI 的採用始於針對性任務,例如詐欺偵測、文件分析或客戶支援自動化。一旦系統展現出價值,企業便會將其擴展至組織的其他領域。
這個過程可能需要數年時間,這也是為何企業在人工智慧方面的支出,往往會伴隨著對數據基礎設施的更廣泛投資。
企業領導者的啟示
摩根大通的案例顯示,最成功的 AI 專案往往始於明確界定的商業問題,而非廣泛的實驗。
銀行業常將機器學習應用於預測與數據分析已佔核心地位的領域。詐騙偵測與信用模型建構是常見的切入點,因為其效益更易量化。
另一項啟示是,人工智慧的採用需要持續投入。建立可靠的模型取決於強大的數據治理、運算資源以及具備專業技能的團隊。
對大型組織而言,這項工作正逐漸成為例行技術規劃的一部分,而非獨立的創新專案。
隨著企業持續擴展其人工智慧能力,像摩根大通這樣的技術預算,或許能讓我們窺見未來幾年企業支出可能的發展趨勢。
另請參閱:摩根大通視 AI 支出為核心基礎設施
想向業界領袖深入了解人工智慧與大數據?歡迎參加將於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。這場綜合性活動隸屬於 TechEx 系列,並與其他頂尖科技盛會同期舉行。點擊此處獲取更多資訊。
AI News 由 TechForge Media 提供技術支援。點此探索其他即將舉行的企業科技活動與線上研討會。
相關文章
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10
相關專題推薦
評論 (1)
0/500
人工智慧正從大型企業的實驗性試點計畫,逐步轉型為核心業務系統。摩根大通便是此趨勢的明證,該行日益增加的人工智慧投資,預計將使該行的科技預算在 2026 年前提升至約 198 億美元。
這項預算計畫凸顯了大型企業正經歷更廣泛的轉型。人工智慧不再被視為次要的研究計畫;相反地,企業正將其整合至風險分析、詐欺偵測及客戶服務營運中。
對於關注人工智慧採用如何重塑企業技術策略的商業領袖而言,摩根大通的数据凸顯了一項重要趨勢:人工智慧正逐漸融入驅動大型組織運作的日常系統之中。
摩根大通的技术预算与日益增长的人工智能投资
多年來,銀行業的科技支出一直穩步增長。摩根大通的預算因其龐大規模而格外引人注目。
根據《Business Insider》援引公司簡報及投資者討論的報導,摩根大通預期 2026 年的科技支出將達到約 198 億美元,延續一貫的上升趨勢。這筆支出涵蓋雲端基礎設施、網路安全、資料系統及 AI 工具。
預算增加的部分包含約12億美元的額外科技投資,其中部分資金將分配給與人工智慧相關的計畫。
大型銀行通常將科技支出視為長期投資,而非短期開銷。許多系統需要數年時間開發,特別是當它們依賴廣泛的數據平台和安全的運算基礎設施時。
由於人工智慧系統需要可靠的資料管道和運算能力,許多企業發現,採用人工智慧往往會觸發整個技術堆疊的全面升級。
機器學習已開始展現成效
高層主管表示,人工智慧已對該銀行的業務表現產生影響。在與投資者的討論中,摩根大通財務長傑瑞米·巴納姆(Jeremy Barnum)指出,機器學習分析正推動公司各領域的營收與營運改善。
路透社對摩根大通財務簡報的報導強調,該銀行運用數據模型與機器學習系統,以強化多個業務領域的分析與決策能力。
這些模型能處理海量財務數據,並識別人類難以察覺的模式。在銀行業等每日需處理龐大數據流的領域,此類改進可影響交易、貸款及客戶營運的成果。
當預測模型的微小改進應用於數百萬筆交易或市場訊號時,便足以影響財務表現。
人工智慧在銀行內的應用
機器學習工具現已支援摩根大通各業務部門的多元活動。
在金融市場中,模型會分析交易數據並識別價格波動的規律。這些洞察有助交易員在瞬息萬變的市場中評估風險並發掘機會。
貸款是人工智慧系統發揮作用的另一個領域。機器學習模型會審查財務歷史、市場趨勢及客戶資料,以協助評估信用風險。它們透過突顯資料中的模式,為分析師提供協助。
詐騙偵測仍是銀行業最普遍的人工智慧應用之一。支付網路每日處理龐大的交易量,使得人工監控變得不切實際。機器學習系統能近乎即時地掃描交易,並標記可能暗示詐騙的異常行為。
內部營運同樣運用人工智慧。相關工具可審閱合約、彙整研究報告,或協助員工搜尋龐大的內部資料系統。生成式人工智慧系統已開始協助起草報告及準備內部文件。
這些系統鮮少直接與客戶互動,但它們是幕後許多決策的基礎。
銀行為何成為 AI 的早期採用者
金融機構具備若干特質,使其成為機器學習的理想應用場景。
首先,銀行會產生大量結構化資料集。交易紀錄、市場資料及支付數據,皆為機器學習模型提供了豐富的分析素材。
其次,許多銀行業務依賴預測。信用評分、詐欺偵測和市場分析,都涉及根據歷史數據來估算結果。
在以預測為核心的環境中,機器學習表現尤為出色。
第三,模型精準度的提升能帶來可量化的財務回報。一個僅能微幅提升詐騙偵測或放貸決策精準度的模型,便足以影響龐大的交易量。
這些因素解釋了為何在近期生成式人工智慧熱潮興起之前,銀行業早已在數據科學與分析領域投入巨資。
摩根大通的人工智慧投資反映了更廣泛的企業轉型趨勢
摩根大通的支出計畫也說明了,AI 投資正如何融入更龐大的企業技術預算之中。
在許多組織中,AI 系統仰賴現代化數據平台、安全的雲端環境以及龐大的運算資源。隨著企業奠定這些基礎,AI 便更容易在各部門間部署。
對許多企業而言,AI 的採用始於針對性任務,例如詐欺偵測、文件分析或客戶支援自動化。一旦系統展現出價值,企業便會將其擴展至組織的其他領域。
這個過程可能需要數年時間,這也是為何企業在人工智慧方面的支出,往往會伴隨著對數據基礎設施的更廣泛投資。
企業領導者的啟示
摩根大通的案例顯示,最成功的 AI 專案往往始於明確界定的商業問題,而非廣泛的實驗。
銀行業常將機器學習應用於預測與數據分析已佔核心地位的領域。詐騙偵測與信用模型建構是常見的切入點,因為其效益更易量化。
另一項啟示是,人工智慧的採用需要持續投入。建立可靠的模型取決於強大的數據治理、運算資源以及具備專業技能的團隊。
對大型組織而言,這項工作正逐漸成為例行技術規劃的一部分,而非獨立的創新專案。
隨著企業持續擴展其人工智慧能力,像摩根大通這樣的技術預算,或許能讓我們窺見未來幾年企業支出可能的發展趨勢。
另請參閱:摩根大通視 AI 支出為核心基礎設施
想向業界領袖深入了解人工智慧與大數據?歡迎參加將於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。這場綜合性活動隸屬於 TechEx 系列,並與其他頂尖科技盛會同期舉行。點擊此處獲取更多資訊。
AI News 由 TechForge Media 提供技術支援。點此探索其他即將舉行的企業科技活動與線上研討會。
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10





首頁






