2025年，华尔街的AI从“小范围试点”进入“规模化落地”：高盛启动面向全员的生成式AI助手；摩根士丹利把OpenAI能力嵌入财富顾问工作流；摩根大通在投资者日披露约180亿美元年度技术开支并称AI/ML带来显著增值；花旗在财富与工程体系大面积铺开“代理型AI”；美银宣告虚拟助手 Erica 十年累计完成30亿次交互；黑石（BlackRock）让 Aladdin Copilot 的生成式AI工具全面服务买方客户。这些动作共同指向——以“研究与顾问增强、代码与运营提效、风控与合规助力”为核心的AI版图正在成形。
华尔街六大“样板工程”
摩根士丹利（Morgan Stanley）：从顾问助手到研究检索一体化
摩根士丹利与 OpenAI 的合作将AI嵌入财富顾问日常：基于企业评测框架的顾问助手、自动纪要与后续行动生成（Debrief），以及面向投行/销售与研究团队的 AskResearchGPT，统一在“AI @ Morgan Stanley”套件下迭代。
高盛（Goldman Sachs）：内生平台与“全员级”助手
2025年6月，高盛面向全公司推出生成式AI助手 GS AI Assistant（约一万人已在用），在文档摘要、内容撰写与数据分析等任务上“广覆盖”；此前其首个GenAI工具率先用于代码生成，逐步辐射至更广场景。
摩根大通（JPMorgan Chase）：技术投入与AI/ML产出
摩根大通在2025年投资者日披露：当年技术与产品相关支出约180亿美元、其中技术约74亿美元，并强调AI/ML在2024年带来35%价值增幅，客服自助率提升与运营效率改善可量化验证。
花旗（Citi）：从财富顾问到工程“代理型AI”
花旗在2025年8月宣布两套自研AI财富平台落地；同时将“代理型AI”推广至4万开发者（选用Cognition“Devin”等），并任命前IBM高管为全行AI负责人，凸显“自建+引入”的并行策略。
美国银行（Bank of America）：零售AI的“长坡厚雪”
美银CTIO在2025年4月的声明称，规模化AI正在提升员工效率与客户服务；同年8月，虚拟助手 Erica 宣布自2018年推出以来累计交互突破30亿次，显示零售银行AI的长期复利效应。
黑石（BlackRock）：买方的Copilot与平台化输出
Aladdin Copilot 将生成式AI作为“阿拉丁”平台的中枢胶水，帮助投研/交易/运营用户跨数据源即时检索与决策；黑石同时在系统化投资与主题研究中持续公开AI应用范式。
生态支点：数据终端与行业大模型
Bloomberg 在2023年发布金融域专用LLM——BloombergGPT；2025年起，终端侧持续上线自然语言检索与GenAI摘要等功能，定位为分析师的“研究加速器”（同时行业亦关注其训练数据与版权合规议题）。
用例地图：三条主线、九大场景
- 顾问与前台增效
面向财富顾问/投顾的“检索—摘要—合规模板—行动清单”流水线（MS Debrief、GS AI Assistant），以及终端侧的自然语义研究检索。 - 中台与IT效率
代码生成/重构、补丁自动化、知识库问答、流程自动化（Citi面向4万开发者的“代理型AI”）。 - 风控与合规支撑
KYC/交易监测/欺诈检测中的ML已成标配；同时监管自上而下强调“模型治理与生成式AI沟通规范”，FINRA在2025年监管年报中专章提示GenAI风险与有效实践。
监管与治理：2025年的“硬约束”与“软框架”
- SEC方向变化：2025年6月，美国证监会正式撤回若干历史提案，其中包括围绕“预测性数据分析冲突”的议题，意味着后续若推进需重启新提案流程。合规团队应持续跟踪而非误判“已落地”。
- 自律与最佳实践：FINRA在2024–2025连发报告/通告，明确生成式AI的沟通留痕、监督审阅与零售沟通“如实说明AI使用方式”的要求。
- 模型风险治理：联储/货监（SR 11-7）与OCC《模型风险管理手册》仍是银行AI/ML的“地基”；NIST《AI风险管理框架》（AI RMF 1.0）成为跨行业采纳的软标准。
- 新型风险：FINRA与买方研究均提示，GenAI扩大诈骗与深度伪造的可获得性，需在身份验证、客服与外部沟通环节叠加“AI原生”防护。
资本与生态：投融资与外部合作
- 投向“顾问增能”的AI初创：高盛资产管理与花旗创投2025年共同投资财务规划AI初创 Conquest，意在用AI工具提升顾问生产力，定位“人机协同”。
- 平台化输出：黑石持续将 Aladdin + Copilot 面向机构客户开放；Bloomberg 将GenAI检索与摘要推向终端用户，成为“行业底座”的一环。
组织与人才：从“试点团队”到“全行中枢”
- 中心化的AI卓越中心：多家券商/银行建立“AI CoE”统一准入评测、数据接入、提示工程与安全基线，FINRA亦观察到大型机构内部的“共享能力中心”。
- 高层与专职负责人：花旗新设“AI负责人”并从IBM引入，直接向COO与CTO体系汇报，反映顶层设计的重要性。
- 预算与回报挂钩：摩根大通披露技术投入与AI/ML“可测量增值”，为跨部门扩张提供“财务语言”。
风险清单：合规、数据与伦理的“三道线”
- 数据治理：专有研究与客户数据接入LLM前需完成最小权限、脱敏/合成、用途限定与留痕审计。NIST AI RMF提供可操作框架。
- 模型风险：对话式/代理型系统纳入SR 11-7治理闭环：开发—验证—监控—变更管理；对“模型边界漂移”与越权工具调用设硬阈值。
- 对外沟通：生成式内容的监督、留档与客户披露要满足FINRA零售沟通与记录保存要求。
给金融机构的落地清单（可直接套用）
- 三层AI架构：底座（私有/托管模型与向量检索）—中台（数据/权限/评测）—前台（顾问助手、研究检索、代码/运营代理）；以“灰度场景”逐步放量。
- 统一评测与门禁：仿照摩根士丹利的企业级评测框架，为每个用例设定“保密/准确/可追溯”阈值与A/B守门指标。
- 安全与合规嵌入：将FINRA建议的生成式AI沟通审阅、留痕与适当性披露内化到流程与工具层。
- 人机协同设计：高频任务自动化、关键判断“人类在环”；在财富顾问/研究/合规三条线优先落地。
- 投资与生态：既做自研，也积极布局产业链（如顾问与研究工具初创），对标“战略协同+财务回报”。
常见问答（FAQ）
高盛、花旗、摩根士丹利谁走得更快
高盛在“面向全员”的内部助手推广节奏更快；摩根士丹利在财富顾问工作流打磨最深；花旗在财富与工程两端齐发，并引入“代理型AI”推进代码与流程自动化。
买方机构如何对接
黑石的 Aladdin Copilot 已面向阿拉丁客户开放，可在投研与运营链路上即时调用；同时可结合Bloomberg终端的新一代自然语义检索。
合规压力是否缓和
SEC在2025年撤回多项旧提案（含“预测性数据分析冲突”项），但FINRA对生成式AI的监督与“有效实践”仍在加强，机构仍须以SR 11-7与NIST AI RMF做“硬软兼施”的治理。
零售侧的最佳实证是谁
美银Erica以十年30亿次交互证明“窄域+强流程”的复利价值，但其并非全部采用生成式大模型，侧重规则/传统NLU增强的可控性。
结语
华尔街的AI竞争已从“模型比拼”转向“数据与流程的工程化”：谁能在合规轨道内，把专有数据与前线工作流深度融合，谁就能拿到更稳的效率红利与客户体验优势。下一阶段，看点在“代理型AI”的可控放量与跨系统协同，以及在SEC/FINRA与全球监管持续演进下的“合规即产品”能力构建。
参考与延伸阅读（节选）
- 高盛全员级生成式AI助手与早期代码工具。
- 摩根士丹利与OpenAI合作、Debrief与AskResearchGPT。
- 摩根大通2025投资者日（技术预算、AI/ML增值）。
- 花旗财富AI平台、代理型AI与高层任命。
- 美银AI规模化与Erica三十亿次交互。
- 黑石 Aladdin Copilot 与AI主题研究。
- BloombergGPT与终端GenAI检索。
- 监管与治理：SEC、FINRA、SR-11-7、NIST AI RMF。
