在AI大模型快速发展和银行数字化转型加速的背景下，银行正将AI布局视为最重要的金融科技战略之一。但是，随着AI应用不断推进，背后的成本正迎来各家机构的关注。近日信息显示，全球系统重要性第一的银行也将控制AI支出。

摩根大通将控制AI支出，但或将招聘更多AI人才

据新加坡媒体《THE BUSINESS TIMES》7月14日报道，摩根大通（J.P.Morgan）将控制AI支出，同时增聘科技人才。

据悉，全球各大银行在AI布局加速的情况下，Token（词元）消耗量正在快速增长，使得银行成本上升。

虽然在AI大模型领域，单位Token的价格有所下降，但高级推理模型和智能体所消耗的Token数量，使得企业在科技上的预算变得越发难以预测。银行业同样如此。

摩根大通预计，银行业将对生成式AI采取更严格的内部成本控制。目前，该行也正在控制自身成本，从一个不受限制的实验阶段，转向严格的内部预算管理。

为此，摩根大通正在评估如何将计算成本与项目收益直接挂钩。

在新的框架下，总结每日新闻之类的常规任务，将被限制使用标准的、成本较低的模型。而昂贵的Token，将被用于复杂的、与收入相关的职能方面。

从当下的应用成效来看，虽然AI技术在银行业务中一定程度上替代了人工操作，但也增加了风险与安全领域的工作量以及相关开支。

摩根大通在这个领域投入大量资源，以打击日益复杂的AI驱动的欺诈行为。

值得一提的是，摩根大通是Anthropic公司“Project Glasswing”计划（旨在保障AI时代的关键软件安全）的合作伙伴。这项合作使得摩根大通可使用Claude Mythos 5模型。这是一款受到严格限制的AI模型，在近期经过美国国家安全审查后，仅对少数经过审核且受信任的组织开放。

而应对AI欺诈行为，也需要科技人员的支持。因此，摩根大通计划在人才上投入更多资金。

据悉，摩根大通正在招聘工程师和数据架构师，以在行内构建自有的AI能力和预测模型。由于新加坡是摩根大通亚太区业务的主要枢纽，因此不少人才招聘在新加坡进行。

值得一提的是，同一天来自BUSINESS INSIDER的信息显示，摩根大通CEO戴蒙表示，AI已让该行在某些部门裁员高达40%，但他强调，这项技术目前还不会显著降低该行的运营成本。

也就是说，AI科技人才招聘和其他部门人员裁员在摩根大通同时进行。事实上，戴蒙曾在5月表示，银行未来可能在某些领域雇佣较少的人员，并招聘更多AI人才。

不止如此，知情人士前不久透露，摩根大通正在招聘野村控股（日本一家金融机构）的国际AI策略主管。综上而言，该行对AI专家和AI人才的需求较为强烈。

摩根大通前两年已推出生成式AI工具，今年将部署更强大的智能体

据《智探AI应用》了解，在全球系统重要性银行方面，摩根大通位列全球综合第一。 从金融稳定理事会（FSB，即Financial Stability Board）近几年发布的全球系统重要性银行名单来看，只有摩根大通位列第四组，而第五组尚无任何机构进入。因此该行为目前全球系统重要性银行第一。

事实上，摩根大通近年来相当看重AI技术。

摩根大通对AI有较为深入的研究。该行由AI研究领导、各部门成员组成的咨询小组——可信赖人工智能卓越中心（TAI CoE）开展人工智能解决方案的可解释性、公平性、稳健性、安全性和隐私性等研究。TAI CoE汇聚研究人员和从业者，开发和分享技术与框架，以促进人工智能解决方案（包括机器学习模型）的可信度。 

早在2024年的消息显示，摩根大通已推出生成式AI工具，并告知员工可将其视为研究分析师，能够提供信息、解决方案和建议。彼时，该行就向资产和财富管理部门的员工提供聊天机器人，称为LLM Suite。该工具可帮助撰写文章、产生想法、使用电子表格解决问题、总结文档等。 

《智探AI应用》从Google Play商店获悉，LLM Suite通过提供集成LLM功能的可扩展解决方案，带来大语言模型技术的强大功能。 

据戴蒙最近透露的信息，目前该行已有近1000个AI应用案例，涵盖防诈骗、营销等领域。 

而2026年是金融智能体加速落地的一年。一个月前的消息表明，摩根大通将在今年部署更强大的智能体，可自主运行更长时间。 

摩根大通首席分析官德里克·沃尔德伦表示，出于安全方面的考虑，长时运行智能体目前尚未完全达到企业级应用标准，但距离这一目标已经不远。“我们将在2026年拥有真正意义上的这类智能体，最终AI智能体将能够保持连贯性运行数小时，然后是数天，乃至数周。” 

未来，智能体使得Token消耗更快，摩根大通在这方面的投入成本与收益如何平衡，或值得关注。 

此外，摩根大通也重视AI安全应用。 

摩根大通全球技术领导团队前不久指出，必须将安全融入AI开发和部署的生命周期中。包括将AI模型、训练和上下文数据以及推理流程视为高价值资产，需要相应的访问控制、完整性监控和审计日志，以匹配其业务影响；验证AI生成的代码、配置和建议在上线前是否接受与人工创作工件相同的安全审查和测试标准等。