收益会被「竞争掉」，投入却是实打实的

穆迪的判断并非全盘看空。报告认为，金融行业把 AI 融入日常运营的努力，最终会在伦敦金融城和华尔街两端同时压低成本、提升营收。

但前提是「大规模投入」。而且当众多竞争对手都朝同一个目标狂奔时，其中很大一部分收益最终会被「竞争掉」——行业整体砸下巨额资金之后，相对优势可能所剩无几，省下来的成本会通过价格竞争让渡给客户。

除此之外，穆迪列出的风险清单还包括数据隐私、网络安全、欺诈，以及所谓的「存款外流」，再加上对少数科技公司的过度依赖。

这份清单对金融行业管理层来说并不轻松。根据英国财政部特别委员会今年 1 月发布的报告，伦敦金融城超过 75% 的公司已经在使用 AI，保险公司和国际性银行属于采用力度最大的一类。它们主要将其用于行政事务自动化，有些甚至已经进入核心业务环节，包括处理保险理赔和评估客户信用状况。

系统性依赖：一家供应商宕机，风险会横向扩散

穆迪报告中最直接的一句警告是：「多数金融机构依赖于数量相对有限的一批基础 AI 模型和云计算供应商，这有形成系统性依赖的风险。」

理由是传导路径太短。报告写道：「某一家主要供应商的模型服务中断，有可能迅速蔓延至其客户和多个行业。随着 AI 应用的深化，监管机构可能会加强对运营韧性、以及 AI 模型栈中第三方集中度的关注。」

这条判断的现实含义是，金融系统的风险敞口正在从传统的信贷风险和市场风险，向基础设施依赖风险偏移。一次模型服务故障影响的不再是单家机构，而是所有接入同一供应商的机构。

供应商定价权：亏损的 AI 公司迟早要交答卷

穆迪同时点出了「供应商依赖风险」，意思是「一批占据主导地位的 AI 模型与基础设施供应商，可能随着时间推移掌握 AI 服务的定价权」。

报告认为这个问题很可能会浮现，原因在于生成式 AI 公司目前仍处于亏损状态——ChatGPT 的开发方 OpenAI 和 Claude 的母公司 Anthropic 都在其列——它们迟早要面对投资人对盈利的要求，而压力最终会传导到定价上。

不过穆迪也给出了缓冲判断：「虽然这可能对金融机构构成信用风险，但它们仍然掌握着关键资产，其中包括专有数据。」许多大型银行和保险公司在压低技术合同价格方面有长期经验，也可能通过采用开源 AI 模型、缔结关键合作关系等方式，来对冲依赖风险。

130 亿英镑的赌注与 20 亿英镑的成本削减

具体到个案，劳埃德银行集团首席执行官查理·纳恩（Charlie Nunn）近期加码了 AI 投资计划，规模达到 130 亿英镑，目标是借这项技术吸引新业务、提升效率并增加股东回报。

这套方案包含 20 亿英镑的成本削减，纳恩承认会波及员工。他表示，这会影响到岗位，要求公司持续对员工进行再培训和招聘，但过去三十多年在金融服务业的经历让他对此早有预期。

穆迪也承认部分员工可能受到冲击，会因为新技术而被视为可替代。报告给出的量化判断是：到 2030 年，AI 有 20% 的概率能够胜任一名「稳健的中层员工」的工作。

存款外流：AI 让换银行变得太容易

对银行而言，还有一项风险来自客户侧。AI 可能让储户更容易找到并切换至利率更高的账户，这意味着大额资金可能在极短时间内被转走。

「在这种情况下，储户对机构的信任、以及存款资金的韧性和稳定性至关重要。」穆迪在报告中写道。

这一条与前述系统性依赖形成对照：一边是银行在供应端被少数科技公司锁定，另一边是需求端的客户因为工具变聪明而更容易流失。两头挤压之下，AI 对金融业究竟更接近成本项还是收益项，短期内恐怕难有定论。

来源：卫报（The Guardian）

2026 年 7 月 30 日，一项发布在 arXiv 的研究提出了一种叫“锁匠循环”的方法，用来验证把遗留 COBOL 程序自动迁移成 Java 后，两者是否真的一致。研究团队为 COBOL 源码和生成的 Java 目标各准备一套模拟运行环境，在普通服务器上并行执行；再用智能体自动构造测试输入，逐层探索程序分支；遇到“锁住的段落”就分析条件、生成等价变异，直到打开新路。

他们试了三个真实案例，代码量从 430 行到 4114 行不等，两个开源程序几乎被测满，一个接近生产规模的内部程序也达到了 91.90% 的分支覆盖率。

兼容性真，不等于正确性真

有意思的是，论文专门强调：这种验证保证的是“兼容性真”，不是“语义正确真”。也就是说，Java 不仅要复现 COBOL 的原有功能，连它自带的 bug 都要一起搬过去，否则下游业务可能把“错误结果”当规则用了好几年，一改反而引发连锁故障。

说白了，银行、保险公司用 AI 迁移老代码时，最怕的不是“改对了没有”，而是“改完之后哪儿悄悄地不一样了”。锁匠循环的价值，就是把这种“不一样”在上线前自动抓出来。

给迁移团队的一句话

如果你的团队也在考虑让 AI 重写祖传代码，建议先别急着全量替换，而是拿一个小模块做这种并排验证。毕竟老系统的命根子不是代码多先进，而是业务连续性。

来源：Agentic Method for Deterministic Validation of Legacy Code Migration（arXiv:2607.28271，作者 Andras Ferenczi 等）

管理着 1850 亿美元资产的注册投资顾问机构 Pathstone，其联合创始人兼 CEO 马修·弗莱西格的说法相当直白：「在我个人看来，ChatGPT 是当下全球规模最大的投资顾问。」

客户先问AI，再来考顾问

北方信托首席受托官帕梅拉·卢奇纳表示，大约 18 个月前，她首次注意到有客户用 AI 复核机构给出的理财建议，如今这已是家常便饭。「不少客户直接告诉我们，他们会先把要问我们的问题丢给 AI 过一遍。」她说，「客户测试的往往不是答案本身，而是我们能否拿出更具体的依据和过往案例。」

变化体现在数字上：过去只有身家数十亿美元的客户才会要求机构提交正式的财富管理方案书，如今卢奇纳估计，资产规模低至 1 亿美元的客户中约有一半会主动索要方案，其中不少人坦言是靠 ChatGPT 等大模型梳理出了高度具体的提问清单。

家族办公室 WE Family Offices 的管理合伙人迈克尔·佐伊纳说，约 5 个月前开始，客户把配置建议喂给大模型「验一遍」已成常态。他所在的机构甚至在考虑，把每一份理财建议都先用微软 Copilot 跑一遍，好让顾问提前准备客户可能提出的问题。

AI的错误，客户未必看得出来

风险同样真实。佐伊纳最担心的是客户识别不了 AI 的错误：「面对技术上非常复杂的问题，客户可能很难分辨 AI 给出的到底是幻觉、事实错误，还是真正有价值的洞见。」他见过 ChatGPT 告诉客户两只 ETF「完全一样」——实际上两只基金虽然跟踪同一指数，一只是等权重编制，另一只是市值加权，底层逻辑差异明显。卢奇纳则亲自测试过让大模型列举资本利得税的节税方法，结果 AI 的计算全盘出错。

隐私是另一重隐患。把财务信息上传给个人版 AI 账号存在泄露风险，正规机构通常采购企业版并签订严格的数据保护协议，确保客户数据不被用于训练公开模型。

行业底线被抬高了

晨星股票研究总监肖恩·邓洛普指出，随着大模型能力提升，财富管理机构——尤其是面向大众富裕阶层的机构——必须拿出更多价值来证明服务费物有所值。AI 对行业的挤压已反映在股价上：Altruist 今年 2 月上线了 AI 税务规划工具，OpenAI 也在 5 月推出了个人理财功能。

邓洛普判断，AI 不会消灭传统理财师，但真实趋势介于两个极端之间：整体服务水准会提高，同样规模的资产需要的顾问会更少，一部分客户会转向自主打理。「至少，AI 抬高了行业底线。如果一个顾问还让客户把一半的退休账户资金闲置为现金，这确实该敲响警钟了。」

不过，人的价值并未消失。弗莱西格举例说，AI 可以论证投资一家未上市 AI 公司的合理性，却没办法帮客户拿到私募融资的入场资格——这靠的是人脉和长年积累的服务经验。在摩根士丹利工作了 27 年、管理着 1.6 万余名理财顾问的文斯·卢米亚则提醒：牛市里人人都觉得理财很简单，但行情永远有波动，「每当危机降临，高净值客户更愿意听真人的建议」。

来源：CNBC