摩根大通正在向市场释放一个清晰信号：人工智能已不再是可灵活削减的“创新预算”，而是与数据中心、支付系统和网络安全并列的核心基础设施。根据最新披露，这家全球最大银行已将每年20亿美元的AI投入，从“自主创新支出”重新归类为“非可选性基础支出”，并将其纳入2026年总计198亿美元的技术预算框架之中。
这一调整的意义远不止财务口径变化。对于摩根大通这样体量的金融机构而言，当AI被视为与反欺诈、风控系统同等级别的刚性投入时，整个银行业的技术竞争逻辑也随之改变。AI不再是试点项目，而正成为大型金融机构必须持续建设和维护的经营底座。
AI投入从实验走向“必选项”
摩根大通首席执行官Jamie Dimon表示，这部分投入已经实现“自我覆盖”。目前，AI相关部署已在全行范围内带来约20亿美元运营节省，覆盖超过15万名员工，并在工程、运营和欺诈检测等领域贡献了10%至11%的生产率提升。这意味着，AI的价值在摩根大通内部不再停留在长期愿景层面，而是已经转化为可量化、可审计的现实回报。
与此同时，首席财务官Jeremy Barnum确认，该行现代化支出高峰已过，未来重点将从基础改造转向产品、平台和AI整合。这一表态说明，AI正在从“专项建设”转变为日常运营成本的一部分，和传统IT系统一样成为银行持续运转不可或缺的组成。
摩根大通的AI体系已形成规模化落地
从应用层面看，摩根大通的AI布局已进入深度运营阶段。其自研大语言模型平台LLM Suite，曾获得American Banker 2025年度创新奖，如今已被超过23万名员工日常使用。该系统不仅是一个聊天或辅助工具，更像一个AI枢纽，能够整合内部客户数据、处理流程以及外部信息源，并通过专门化智能体执行不同任务。
目前，摩根大通已有超过500个活跃AI用例投入生产环境，覆盖反欺诈、投行业务材料生成、合规审查以及企业财资流动性预测等多个核心环节。尤其是在欺诈与反洗钱场景，机器学习系统能够近实时监控交易活动，并将反洗钱误报率降低95%。这一数据凸显了AI在银行高监管、高成本环节中的直接商业价值。
在底层基础设施上，摩根大通的AI能力运行于微软Azure和Snowflake支持的架构之上，从而在满足弹性扩展需求的同时，兼顾金融监管对数据治理和合规性的严格要求。对大型银行而言，这种“可扩展+可监管”的技术组合，正是AI真正大规模商用的前提。
与数字资产业务联动，AI和区块链形成新护城河
值得注意的是，摩根大通并未将AI视为单一效率工具，而是在同步推进数字资产战略。报道显示，该行已在公共区块链基础设施上推出JPMD存款代币，并让其专有AI系统参与JPMD资金流管理，甚至能够在人工交易员察觉需求前，提前预测机构客户的流动性需求。
这意味着，AI与区块链在摩根大通内部并非两条平行技术线，而是在支付、清算、资金调度和机构服务场景中开始融合。对于银行业而言，区块链提供更高效的数字资产轨道，AI则负责在这一轨道上进行预测、优化和自动化执行，两者结合可能重塑未来金融基础设施的运行方式。
Jamie Dimon也将这种“AI+区块链”的组合作为应对稳定币竞争和宏观不确定性的核心护城河。随着稳定币逐步侵入跨境支付、结算和企业财资管理领域，传统银行如果不能以更高效率、更低成本和更强自动化能力回应，客户流动性管理入口可能被新型数字金融平台分流。
市场影响：银行业技术军备竞赛进一步升级
摩根大通此次调整，对市场的最大启示在于：AI资本开支正在被头部金融机构制度化、长期化。对其他银行和金融服务商来说，这不仅是技术升级的参考案例，更可能成为新的竞争压力源。若领先机构已经把AI视为与网络安全同级别的刚需投入，那么中大型银行未来在预算分配、系统架构和人才配置上都将被迫跟进。
从更广泛的金融科技竞争格局看，摩根大通面临的并不只是同业压力。随着OpenAI等AI原生公司开始推出面向金融服务场景的工具，机构客户服务的下一层基础设施控制权，正成为传统金融巨头与AI原生平台争夺的新焦点。前者拥有客户关系、牌照与数据积累，后者则在模型能力、产品迭代速度和智能自动化体验上具备优势。
对于加密货币与数字资产市场而言，这种趋势同样值得关注。一方面，银行对AI和区块链基础设施的持续投入，可能加速机构级数字资产产品、链上结算和代币化存款等业务的发展；另一方面，头部银行若借助AI强化流动性管理、风险控制和合规能力，也可能提高机构资金进入链上金融体系的效率与安全性。
总体来看，摩根大通将AI正式纳入核心基础设施预算，标志着大型金融机构对人工智能的定位发生根本变化。AI不再是边缘创新，而是决定银行未来成本结构、业务效率与数字资产竞争力的关键底座。当这种逻辑被行业龙头率先确认后，金融业下一轮围绕AI、区块链和稳定币的基础设施竞赛，或将进一步提速。