AI在金融行业的应用现状与成本压力 - 金融行业对人工智能的应用已达到狂热程度，即使在传统技术落后的欧洲也是如此，应用范围从日常事务到金融核心领域均有涉及，例如将分析师建议编译成个人自动化评级系统、训练聊天机器人提供多样化的投资组合分配方案、以及为量化交易员编写复杂的代码[1][13] - 目前应用的主要制约因素是成本，AI生态系统的各个部分都受到供应限制的挤压，特别是计算能力，Anthropic公司旗下流行的AI助手Claude的用户正在抱怨价格飙升，即使该公司最近与SpaceX达成协议以增加处理能力，也未能完全满足客户对昂贵、计算密集型任务的需求，导致价格持续上涨[13] - 单个公司使用Claude的费用正从数万美元上升至数百万美元[2][13] - 对Anthropic这样的公司而言，白领阶层需求的激增是一个“甜蜜的烦恼”，使其能够提高价格，这可能开始为AI行业巨大的亏损和炒作推高的估值提供合理性，该公司正朝着实现首个盈利季度的目标迈进，并考虑最早在10月进行股票上市[13] 成本激增引发的行业困境与战略转变 - AI代理的快速采用及其高昂的费用给金融客户带来了新的困境，即使他们能看到其优势，这增加了公司盈利压力，并推动企业在其他业务部门削减成本，同时也引发了对核心IT技能转向外部供应商（通常是美国公司）后，被特定AI公司“套牢”的担忧[6][13] - 金融用户的行为可能正在演变，根据用户和分析师的说法，行业可能正从一种“不计代价追求算力”的心态，转向一个更成熟的阶段，即不再认为在AI处理能力上大量挥霍（无论是否浪费）是一种荣誉的象征[7][13] - 已有多个例子表明，金融服务公司正在转向为不需要全知全能的外部大语言模型的任务构建内部模型[7] - 并非每项任务都需要前沿模型，这可能会鼓励一些出人意料的公司战略思考，也许那些能够构建和维护比外部模型更便宜的聊天机器人的“低价值”人力，将拥有宝贵的技能[8][13] 行业合作与整合的可能性 - 金融公司甚至可能做出难以想象的事情，即联合起来，以更好地从外部吸收AI成本，并分享内部模型的专业知识，该行业历来不擅长共享技术或数据，银行和资产管理公司通常试图胜过竞争对手[9][13] - AI可能是彻底改变资本配置并最终整合行业的催化剂，尤其是在欧洲银行业过度饱和的地区[9][13] 竞争格局与未来支出趋势 - 目前很少有人预计Anthropic或OpenAI的竞争护城河会在短期内被跨越，AI布道者可能是对的，即当前对错失机会的恐惧非常强烈，以至于任何可能获得相对于竞争对手优势的机会都会让金融界持续投入[10][13] - 根据Forrester的数据，政府和公司的技术支出预计在2026年将增长近8%，这是多年来最大的增幅[10][13] - AI正在加深欧洲在地缘政治上对美国科技巨头（如亚马逊公司）的依赖[10][14] - 在目睹一些用户成功试验创建自己的模型，从而减轻（尽管未消除）支出负担后，这次可能会面临更大压力，以避免过快地过度外包[11][14] - 对AI成本采取非常审慎的态度，可能会鼓励更多的欧洲企业进行自助[12][14]