摩根大通加大人工智能投入,技术预算逼近200亿美元
人工智能正从大型企业的实验性试点项目向核心业务系统转型。摩根大通便是这一趋势的典型例证,预计随着人工智能投资的增加,该行的技术预算到2026年将增至约198亿美元。
该预算计划凸显了大型企业正在经历的更广泛转型。人工智能不再被视为一项次要的研究计划;相反,企业正将其整合到风险分析、欺诈检测和客户服务运营中。
对于关注人工智能应用如何重塑企业技术战略的商业领袖而言,摩根大通的数据凸显了一个重要趋势:人工智能正日益融入支撑大型组织日常运营的核心系统之中。
摩根大通的技术预算与不断增长的AI投资
多年来,银行业的技术支出一直稳步增长。摩根大通的预算因其庞大规模而尤为引人注目。
据《商业内幕》援引公司简报及投资者讨论称,摩根大通预计2026年技术支出将达到约198亿美元,延续持续上升的趋势。这笔支出涵盖云基础设施、网络安全、数据系统及AI工具。
预算增加的部分包含约12亿美元的额外技术投资,其中部分资金将用于人工智能相关项目。
大型银行通常将技术支出视为长期投资而非短期开支。许多系统需要数年时间开发,特别是当它们依赖于庞大的数据平台和安全的计算基础设施时。
由于人工智能系统需要可靠的数据管道和计算能力,许多公司发现,采用人工智能往往会触发整个技术栈范围内的更广泛升级。
机器学习已初见成效
高管们表示,人工智能已对该行的业务表现产生影响。在与投资者的交流中,摩根大通首席财务官杰里米·巴纳姆指出,机器学习分析正在推动公司各领域的收入增长和运营优化。
路透社对摩根大通财务简报的报道强调,该行运用数据模型和机器学习系统,以提升多个业务领域的分析与决策能力。
这些模型能够处理海量金融数据,并识别出人类难以察觉的规律。在银行业等企业每日需处理巨量数据流的领域,此类改进可影响交易、贷款及客户运营的最终结果。
当应用于数百万笔交易或市场信号时,预测模型的哪怕微小改进都可能影响财务表现。
银行内部的人工智能应用
如今,机器学习工具已支持摩根大通内部的各类业务活动。
在金融市场中,模型会分析交易数据并识别价格波动的规律。这些洞察有助于交易员在瞬息万变的市场中评估风险并发现机遇。
贷款是人工智能系统发挥作用的另一个领域。机器学习模型通过审查财务历史、市场趋势和客户数据,协助评估信用风险。它们通过突出数据中的规律来辅助分析师。
欺诈检测仍是银行业最普遍的人工智能应用之一。支付网络每天处理海量交易,人工监控已难以实现。机器学习系统能近乎实时地扫描交易,并标记可能暗示欺诈的异常行为。
内部运营同样利用了人工智能。相关工具可审查合同、总结研究报告,或协助员工搜索庞大的内部数据系统。生成式人工智能系统已开始协助起草报告和准备内部文件。
这些系统很少直接与客户接触,但它们支撑着幕后做出的许多决策。
银行为何成为人工智能的早期采用者
金融机构具备若干特性,使其成为机器学习的理想应用场景。
首先,银行生成海量的结构化数据集。交易记录、市场数据和支付数据为机器学习模型提供了丰富的分析素材。
其次,许多银行业务依赖预测。信用评分、欺诈检测和市场分析都涉及基于历史数据对结果进行估算。
在以预测为核心的环境中,机器学习表现尤为出色。
第三,模型精度的提升能带来可量化的财务回报。一个仅需微幅提升欺诈检测或贷款决策准确性的模型,便能对海量交易产生影响。
这些因素解释了为何早在近期生成式人工智能热潮兴起之前,银行就已对数据科学和分析领域进行了大量投资。
摩根大通的人工智能投资反映了企业层面的更广泛转变
摩根大通的支出计划也说明了AI投资正如何融入更庞大的企业技术预算之中。
在许多组织中,AI系统依赖于现代数据平台、安全的云环境以及强大的计算资源。随着企业打好这些基础,AI在各部门的部署变得更加容易。
对许多企业而言,AI 的采用始于欺诈检测、文档分析或客户支持自动化等特定任务。一旦系统展现出价值,企业便会将其扩展到组织的其他领域。
这一过程可能需要数年时间,因此企业对人工智能的投入往往伴随着对数据基础设施的更广泛投资。
企业领导者的启示
摩根大通的案例表明,最成功的人工智能项目往往始于明确界定的业务问题,而非广泛的实验。
银行通常将机器学习应用于预测和数据分析已占据核心地位的领域。欺诈检测和信用建模是常见的切入点,因为其效益更易于量化。
另一个经验是,AI的采用需要持续投入。构建可靠的模型依赖于强有力的数据治理、计算资源以及技术娴熟的团队。
对于大型组织而言,这项工作正逐渐成为常规技术规划的一部分,而非独立的创新项目。
随着企业持续扩展其人工智能能力,像摩根大通这样的技术预算或许能让我们一窥未来几年企业支出的演变趋势。
另请参阅:摩根大通将AI支出视为核心基础设施
想从行业领袖那里了解更多关于人工智能和大数据的信息吗?欢迎参加在阿姆斯特丹、加利福尼亚和伦敦举行的“人工智能与大数据博览会”。这一综合性活动隶属于TechEx,并将与其他领先的技术活动同期举办。点击此处获取更多信息。
AI News 由 TechForge Media 提供支持。点击此处查看其他即将举办的企业技术活动和网络研讨会。
相关文章
华纳音乐收购AI归因初创公司Sureel AI
华纳音乐集团(WMG)于周三确认,其正在收购Sureel AI,一家专注于人工智能归因的初创公司。Sureel的专有技术为音乐曲目生成“AI DNA”,将其分解为各个组成部分,以追踪人工智能模型如何利用这些元素。通过此次收购,WMG旨在增强其监控其艺术家和词曲创作者的作品在人工智能生成内容中被使用或用于训练人工智能模型的能力。“将Sureel整合到WMG中,增强了我们的保护、控制和变现能力,确保创意社区保留对其知识产权、姓名、肖像、形象和声音的控制权,”WMG首席执行官Robert Kync
亚马逊推出“Alexa for Shopping”,同时将Rufus边缘化
亚马逊推出了“Alexa for Shopping”,将 Rufus 购物聊天机器人 Alexa+ 整合到应用程序、网站和 Echo Show 设备中。该助手回答产品查询、比较商品、跟踪价格,并支持购物提醒。它还处理计划中的购物操作和符合条件的自动购买。据该公司称,“Alexa for Shopping”将 Rufus 的产品专业知识与 Alexa+ 的个性化助手上下文相结合。亚马逊表示,Rufus 在 2025 年协助了超过 3 亿客户进行产品研究、比较和购买。GeekWire 报道称,
微软、Azure 和人工智能技术共同应对加利福尼亚州野火风险
微软投资于人工智能驱动的山火监测技术,其首席副总裁兼首席数据科学家胡安·拉维斯塔·费雷斯(Juan Lavista Ferres)探讨了减轻环境损害的策略。据美国国家航空航天局(NASA)称,气候变化影响着地球上的每个人,其表现为气温上升、降雨模式改变以及海平面上升。NASA指出,有确凿证据表明地球正以史无前例的速度变暖,而人类活动是其主要驱动因素。随着全球气温上升,野火构成的威胁日益加剧。 在美
相关专题推荐
评论 (1)
0/500
人工智能正从大型企业的实验性试点项目向核心业务系统转型。摩根大通便是这一趋势的典型例证,预计随着人工智能投资的增加,该行的技术预算到2026年将增至约198亿美元。
该预算计划凸显了大型企业正在经历的更广泛转型。人工智能不再被视为一项次要的研究计划;相反,企业正将其整合到风险分析、欺诈检测和客户服务运营中。
对于关注人工智能应用如何重塑企业技术战略的商业领袖而言,摩根大通的数据凸显了一个重要趋势:人工智能正日益融入支撑大型组织日常运营的核心系统之中。
摩根大通的技术预算与不断增长的AI投资
多年来,银行业的技术支出一直稳步增长。摩根大通的预算因其庞大规模而尤为引人注目。
据《商业内幕》援引公司简报及投资者讨论称,摩根大通预计2026年技术支出将达到约198亿美元,延续持续上升的趋势。这笔支出涵盖云基础设施、网络安全、数据系统及AI工具。
预算增加的部分包含约12亿美元的额外技术投资,其中部分资金将用于人工智能相关项目。
大型银行通常将技术支出视为长期投资而非短期开支。许多系统需要数年时间开发,特别是当它们依赖于庞大的数据平台和安全的计算基础设施时。
由于人工智能系统需要可靠的数据管道和计算能力,许多公司发现,采用人工智能往往会触发整个技术栈范围内的更广泛升级。
机器学习已初见成效
高管们表示,人工智能已对该行的业务表现产生影响。在与投资者的交流中,摩根大通首席财务官杰里米·巴纳姆指出,机器学习分析正在推动公司各领域的收入增长和运营优化。
路透社对摩根大通财务简报的报道强调,该行运用数据模型和机器学习系统,以提升多个业务领域的分析与决策能力。
这些模型能够处理海量金融数据,并识别出人类难以察觉的规律。在银行业等企业每日需处理巨量数据流的领域,此类改进可影响交易、贷款及客户运营的最终结果。
当应用于数百万笔交易或市场信号时,预测模型的哪怕微小改进都可能影响财务表现。
银行内部的人工智能应用
如今,机器学习工具已支持摩根大通内部的各类业务活动。
在金融市场中,模型会分析交易数据并识别价格波动的规律。这些洞察有助于交易员在瞬息万变的市场中评估风险并发现机遇。
贷款是人工智能系统发挥作用的另一个领域。机器学习模型通过审查财务历史、市场趋势和客户数据,协助评估信用风险。它们通过突出数据中的规律来辅助分析师。
欺诈检测仍是银行业最普遍的人工智能应用之一。支付网络每天处理海量交易,人工监控已难以实现。机器学习系统能近乎实时地扫描交易,并标记可能暗示欺诈的异常行为。
内部运营同样利用了人工智能。相关工具可审查合同、总结研究报告,或协助员工搜索庞大的内部数据系统。生成式人工智能系统已开始协助起草报告和准备内部文件。
这些系统很少直接与客户接触,但它们支撑着幕后做出的许多决策。
银行为何成为人工智能的早期采用者
金融机构具备若干特性,使其成为机器学习的理想应用场景。
首先,银行生成海量的结构化数据集。交易记录、市场数据和支付数据为机器学习模型提供了丰富的分析素材。
其次,许多银行业务依赖预测。信用评分、欺诈检测和市场分析都涉及基于历史数据对结果进行估算。
在以预测为核心的环境中,机器学习表现尤为出色。
第三,模型精度的提升能带来可量化的财务回报。一个仅需微幅提升欺诈检测或贷款决策准确性的模型,便能对海量交易产生影响。
这些因素解释了为何早在近期生成式人工智能热潮兴起之前,银行就已对数据科学和分析领域进行了大量投资。
摩根大通的人工智能投资反映了企业层面的更广泛转变
摩根大通的支出计划也说明了AI投资正如何融入更庞大的企业技术预算之中。
在许多组织中,AI系统依赖于现代数据平台、安全的云环境以及强大的计算资源。随着企业打好这些基础,AI在各部门的部署变得更加容易。
对许多企业而言,AI 的采用始于欺诈检测、文档分析或客户支持自动化等特定任务。一旦系统展现出价值,企业便会将其扩展到组织的其他领域。
这一过程可能需要数年时间,因此企业对人工智能的投入往往伴随着对数据基础设施的更广泛投资。
企业领导者的启示
摩根大通的案例表明,最成功的人工智能项目往往始于明确界定的业务问题,而非广泛的实验。
银行通常将机器学习应用于预测和数据分析已占据核心地位的领域。欺诈检测和信用建模是常见的切入点,因为其效益更易于量化。
另一个经验是,AI的采用需要持续投入。构建可靠的模型依赖于强有力的数据治理、计算资源以及技术娴熟的团队。
对于大型组织而言,这项工作正逐渐成为常规技术规划的一部分,而非独立的创新项目。
随着企业持续扩展其人工智能能力,像摩根大通这样的技术预算或许能让我们一窥未来几年企业支出的演变趋势。
另请参阅:摩根大通将AI支出视为核心基础设施
想从行业领袖那里了解更多关于人工智能和大数据的信息吗?欢迎参加在阿姆斯特丹、加利福尼亚和伦敦举行的“人工智能与大数据博览会”。这一综合性活动隶属于TechEx,并将与其他领先的技术活动同期举办。点击此处获取更多信息。
AI News 由 TechForge Media 提供支持。点击此处查看其他即将举办的企业技术活动和网络研讨会。
华纳音乐收购AI归因初创公司Sureel AI
华纳音乐集团(WMG)于周三确认,其正在收购Sureel AI,一家专注于人工智能归因的初创公司。Sureel的专有技术为音乐曲目生成“AI DNA”,将其分解为各个组成部分,以追踪人工智能模型如何利用这些元素。通过此次收购,WMG旨在增强其监控其艺术家和词曲创作者的作品在人工智能生成内容中被使用或用于训练人工智能模型的能力。“将Sureel整合到WMG中,增强了我们的保护、控制和变现能力,确保创意社区保留对其知识产权、姓名、肖像、形象和声音的控制权,”WMG首席执行官Robert Kync
微软、Azure 和人工智能技术共同应对加利福尼亚州野火风险
微软投资于人工智能驱动的山火监测技术,其首席副总裁兼首席数据科学家胡安·拉维斯塔·费雷斯(Juan Lavista Ferres)探讨了减轻环境损害的策略。据美国国家航空航天局(NASA)称,气候变化影响着地球上的每个人,其表现为气温上升、降雨模式改变以及海平面上升。NASA指出,有确凿证据表明地球正以史无前例的速度变暖,而人类活动是其主要驱动因素。随着全球气温上升,野火构成的威胁日益加剧。 在美





首页






