纽约证券交易所的AI应用战略 - 纽约证券交易所正在快速推进其智能体AI项目，并在整个组织内广泛使用Anthropic的Claude生成式与智能体AI [1] - 交易所首席技术官表示，18个月前AI更多是聊天界面，用于代码补全，而现在其具备智能体票证推理能力，更加独立，更像一个协作者而非助手，这标志着人们使用AI方式的根本性转变 [2] - 交易所预计到2026年，随着内部采用率增长以及从实验转向生产并扩大规模，AI将成为巨大的加速器 [3] AI在金融行业的应用趋势 - 行业分析师指出，大型金融机构正从将AI作为工作流程中单一环节的点解决方案，转向将AI嵌入核心应用，如数字银行平台、支付处理系统、信贷承销引擎和欺诈检测平台 [4] - 尽管大多数金融机构仍在努力优化运营，但先行者正越来越多地利用AI来重塑机构本身 [4] - 专家认为，所有机构都必须进行AI实验，没有行业能承担落后采用者的代价，因为这关乎竞争优势或竞争必要性 [5] Claude AI的具体应用场景 - 纽约证券交易所正在重构其开发流程，使用Claude进行编码、编写测试和记录新代码 [6] - 软件开发正从“能买则买，必须则建”的模式，转变为结合多种模型、供应商、平台、数据和内部能力的“组装”模式，组装能力成为关键 [6] - 交易所团队使用Claude代码为其与Digital Asset Holdings共同开发的基于区块链的结算账本构建了参考实现，旨在实现美国上市股票和ETF的7x24小时即时结算 [7] - Claude模型在处理大型文档和应用规则方面表现有效，已被用于构建审核代理文件、审计美国证券交易委员会文件以及生成新闻分类的智能体 [8] 大规模应用下的治理与系统考量 - 纽约证券交易所在高峰交易日处理超过1万亿条消息，在此规模下，系统弹性和确定性至关重要 [9] - 使用AI开发软件带来了更多的问责要求，传统确定性平台的开发模式是编写代码需求并构建，而AI是概率性的，问责制在项目上线后并未结束，需要每日监控行为与结果 [10] - 部署AI时，数据至关重要，必须关注数据质量，否则无论软件多么先进，输出结果都难以保证 [11] - 部署AI需要像指挥家而非程序员一样进行系统思考，必须退一步审视整个系统的性能，而不仅仅是单个组件，因为无法窥探大语言模型内部的运作机制 [12] - 必须始终保持人在回路中，比以往任何时候都更仔细地审查结果，并融入足够的安全与伦理考量 [13]