我們只是遵循一個原則：什麼對客戶有效，我們就做什麼。

近日，摩根大通董事長兼CEO傑米·戴蒙（Jamie Dimon）接受了《金融時報》編輯魯拉·哈拉夫（Roula Khalaf）專訪。

在此次訪談中，傑米·戴蒙闡述了他對美國經濟、中美博弈、銀行經營等諸多話題的觀點，包括他對金融科技的最新看法。

對於銀行網點，傑米·戴蒙稱，每天有將近100萬人次走進我們的網點……我們的客戶確實需要實體網點，我們也在不斷分析哪種網點有效、哪些無效。

談及AI浪潮，傑米·戴蒙提到，AI只是金融科技演變的一部分。摩根大通從12年前就開始用AI了，AI能讓員工服務客戶更高效，這就是持續投入的理由。

他還談到了一些大模型應用中的細節，諸如推理成本高估、迷信大模型而忽視小模型等：有些大語言模型處理太慢，根本無法用在實時業務中。那就得換小模型，換更輕的數據庫，但也能獲得90%的效果。

傑米·戴蒙強調最多的是以客戶爲中心：我們只是遵循一個原則，什麼對客戶有效，我們就做什麼……有些項目不用做財務回報分析，只要對客戶更好，就直接執行。

以下爲訪談實錄節選，譯文來自“聰明投資者”。完整版訪談鏈接參見底部閱讀原文。

主持人：

聊聊你的銀行哲學吧。你同時被認爲是一個很“老派”的人，又是走在科技前沿的銀行家。“老派”是說你堅持開設實體網點。但現在大家都在談數字化，爲什麼你還在大力擴張分行？我在倫敦連個銀行網點都找不到了。

傑米·戴蒙：

我不認爲自己老派。我們只是遵循一個原則：什麼對客戶有效，我們就做什麼。

如果分行不再對客戶有用，我們當然會關閉。但問題是，客戶還想要分行。

每天有將近100萬人次走進我們的網點。他們來開戶、來諮詢理財、來做小企業服務、中型企業服務、私人銀行業務。

我們的客戶確實需要實體網點，我們也在不斷分析哪種網點有效、哪些無效。

當然我們也非常數字化。有接近8000萬用戶使用我們的各種數字產品：線上交易、支付、數據分析、線上財富管理。

我們永遠站在客戶的角度，無論是個人客戶還是企業客戶，問的都是：你到底想要什麼，我們能不能幫你做得更好。

所以我們既前瞻，也非常務實。這不是我個人的偏好，而是我們對客戶體驗的系統分析結果。

主持人：

現在很多人把摩根大通稱爲“銀行界的英偉達”，你們是最早大規模投資AI的銀行之一，也開發了自己的大語言模型（LLM）。你覺得你們需要在公司內部進行一場文化變革來接受AI嗎？

傑米·戴蒙：

我不這麼看。我不覺得那是文化轉型。

我更願意說，任何優秀公司，都是不斷成長、進化、學習的組織。如果不是這樣，那你就會被淘汰。

很多企業失敗，是因爲自滿、傲慢、官僚。自以爲天下無敵，結果卻忽視了外部世界正在發生的事。

我們一直都在用科技讓服務變得更好、更快、更智能。

AI只是這個演變的一部分。我們從12年前就開始用AI了。AI能讓員工服務客戶更高效，這就是我們投入的理由。

主持人：

那你怎麼判斷，這些技術投入到底值不值得？你有沒有用什麼標準來衡量，比如AI的投資回報？

傑米·戴蒙：

我們內部有個基本原則：區分“好開支”和“壞開支”。

比如我們建一個分行，會先花一筆錢，一開始賬面是虧的，但未來會盈利——我管這個叫“投資”，而不是“費用”。雖然會計上是當作開支處理的。

同樣的，收入也有“好壞”之分——一個爛貸款帶來的收入，那就不是好收入。

所以你必須更深入去分析：哪些支出是真正有長期價值的。

具體到科技和AI，我們會把每個項目拆分來看：目標是什麼？怎麼落地？怎麼提升客戶體驗？怎麼提高效率？有沒有節省成本？有沒有新營收？

每一項都有清晰的指標。

主持人：

當你們決定投資一個技術項目時，比如AI，你們如何判斷值不值得？你們用什麼指標？

傑米·戴蒙：

我們每個項目都會設立清晰目標，它希望解決什麼問題，打算怎麼實現，時間表如何，投入多少資金，預期收益是多少。

我們叫它MPV（淨現值分析）。比如我們曾在一個AI風控系統上投入了2億美元，現在每年能減少1到2億美元的欺詐和風險損失。

這是極好的回報，這也是爲什麼，我們的很多成本是在下降，而不是上升。

我們已經在多個領域用了AI，包括反欺詐、市場營銷、操作錯誤控制、客服等等。

有些項目收益可以量化，有些則是基礎性建設，比如：“把數據整合到一個更好用的平臺”，這是基礎，不需要討論MPV，必須做。

就像我們早期上線數字開戶功能時，有人糾結成本、集成複雜性、是否值得……我說，別分析了，客戶就是想要，你就做就對了。

有些項目不用做財務回報分析，只要對客戶更好，就直接執行。

主持人：

那你怎麼看現在對AI的瘋狂投資？尤其是數據中心那一塊。你認爲這是一場泡沫嗎？投資人真的能賺錢嗎？

傑米·戴蒙：

現在確實有點不確定。我自己更關心的是：我們能不能用AI爲客戶創造更好的體驗。

我不太關注開源模型還是閉源模型、英偉達芯片還是其他芯片、是否獲得授權等等。

我們正在廣泛使用這些技術，也在用自己的大語言模型（LLM）跑內部數據。很快我們就能把外部數據與內部數據結合使用，同時確保數據安全不泄露，這是重中之重。

我認爲，跟2000年互聯網泡沫一樣，有些項目會失敗，有些會成功。這不是“一刀切”的事。

現在確實砸了很多錢進去，你會看到很多錯誤的假設。比如推理成本高估、非要用大模型而忽略其實小模型已經夠用了等等。

我們內部就遇到過：有些大語言模型處理太慢，根本無法用在實時業務中。那就得換小模型，換更輕的數據庫，但也能獲得90%的效果。

The End

夾縫中的股份行

找DeepSeek聊聊銀行

消失的8000萬張信用卡

民營銀行：當國資來敲門

風流一代：銀行民資大敗退