來源 | 零壹智庫

于途/文

5月初，Anthropic在紐約宣布推出專為金融服務行業設計的10款AI智能體，覆蓋投行研究、估值定價、財務運營、合規盡調、審計風控等核心場景。

同時，公司官宣由由黑石、高盛、阿波羅等全球頂級投資機構聯合注資15億美元成立合資公司，目標是推動AI技術（尤其是Anthropic的Claude模型）在私募股權控股企業中的落地應用。

這些智能體并非通用型，而是‌針對特定工作流或任務類型預先設計和優化的智能體系統‌，開箱即用，可大幅降低部署門檻。

按按業務場景，這些智能體可分為兩大類別：

一是研究與客戶服務類

二是財務與運營類

 01 

Anthropic金融智能體架構：三層模塊化設計

Anthropic將每款金融智能體模板封裝為技能層、連接器層、子智能體層的標準化架構。

這一架構被The Register評論為“聽起來復雜，但本質上只是多步API調用”。批評者認為Anthropic的術語體系存在過度包裝之嫌，但支持者則認為這種封裝降低了企業部署門檻。

Anthropic 提供兩種部署路徑：

插件模式（Claude Cowork/ Claude Code）：智能體作為助手運行在分析師的桌面環境中。以Pitch Builder為例，一次任務可同時輸出Excel可比公司模型、PowerPoint路演材料包和Outlook跟進郵件，三份文件在應用程序間自動傳遞上下文。

托管智能體模式（Claude Managed Agent）：在Claude Platform上實現大規�；蚨〞r任務的全自主運行，配備細粒度工具權限控制、憑證保險庫和完整操作審計日志。每次工具調用與決策結果均可由合規與工程團隊在Claude Console中回溯審查。

支撐整套方案的底層模型為Claude Opus 4.7，Anthropic宣稱其在Vals AI的Finance Agent評測中以64.37%的得分領先行業。

然而The Register認為：“這個失敗率若發生在人類身上，足以被直接解雇”——意指約36%的錯誤率對于金融專業人士而言仍是不可接受的水平。

 02 

監管合規：金融 AI 落地的核心前提

Anthropic 明確將人機協同（Human-in-the-Loop）作為所有金融智能體的設計前提：在智能體輸出提交客戶、提交監管申報或被執行之前，用戶必須進行審查、迭代和批準。

具體合規機制包括：全程操作審計、細粒度權限控制、憑證保險庫、受治理數據連接、合規自適應性。

當前美國金融監管對AI智能體的要求可歸結為三大原則：

透明披露：企業必須從泛化的模板語言轉向實質性披露，準確反映 AI 的真實技術能力，禁止“AI洗滌”。

充分監督：AI治理須與現有監督框架深度整合，制定技術專項規程，監控第三方供應商，并防止AI錯誤與數據濫用。人類主導：監督責任不可完全委托給算法，必須保持人類主導、留有文檔、可捕獲系統性錯誤的監督機制。

在美國以外，使用 AI 進行信用評分和欺詐檢測的系統被歐盟《AI法案》歸類為高風險應用，需滿足專項文檔、透明度機制、人工審查接口和可解釋性管道等要求。

Anthropic此次發布的部分連接器（如鄧白氏商業身份驗證、Moody's信用評級接入）正是為滿足此類監管要求而設計的數據治理層。

美國銀行業監管機構（SR 11-7）和英國監管機構（SS1/23）要求對 AI 模型進行正式模型風險管理，包括獨立驗證、性能監控和文檔記錄。

然而當前市場上大多數智能體框架并未自帶此類治理基礎設施——企業必須在購買后自行構建，這在實際操作中形成了顯著的合規摩擦。

 03 

華爾街歡迎智能體

華爾街對智能體應用是歡迎的。

摩根大通是當前金融AI部署規模最大的機構之一，其 2026 年技術預算為198 億美元，增量AI專項支出約12億美元。核心系統包括：

OmniAI平臺：運行450+生產模型，統一管理特征定義、模型版本和部署管道；

LLM Suite：面向20萬+全球員工提供統一的生成式AI入口，同時訪問OpenAI GPT和 Anthropic Claude；

IndexGPT：結合大語言模型與自然語言處理的主題投資工具，面向財富管理客戶。

摩根大通每天處理近10萬億美元跨境支付所積累的專有數據，被認為是其在欺詐檢測和風險管理領域建立競爭優勢的核心護城河。

CEO杰米·戴蒙在Anthropic發布會上透露，他個人在20分鐘內用Claude Code創建了一個綜合儀表盤。

摩根大通公開披露預計AI將產生15–20 億美元的年度業務價值。

高盛通過與Cognition Labs合作部署自主編程智能體Devin，在超過1.2萬名開發者中實現了較GitHub Copilot3–4倍的生產率提升。

高盛CIO馬可·阿爾真蒂提出“混合勞動力”框架：“這是第一次你購買的不再是基礎設施，而是‘智能’本身……它更深層次地滲入我們的運營方式、思維方式。”

 04 

部分機構的實踐

越來越多金融機構將 AI 智能體投入實際業務，并在準確率、效率、成本等方面取得可量化成果。以下為國際代表性機構的應用案例：

美國銀行的Erica案例揭示了一個重要區分：Erica使用的并非生成式AI或大語言模型，而是基于自然語言意圖分類從預定義答案集中選擇響應。

Gartner預測，到2026年底，30%的大型金融機構將在核心業務流程中部署至少一種生產級AI智能體。

銀行CIO們正面臨將AI智能體、自主運營和可編程貨幣納入戰略優先級的壓力，但監管不確定性、數據治理復雜性和人才缺口是三大核心障礙。

-End-

       原文標題 : Anthropic金融智能體“代理”華爾街