我们只是遵循一个原则：什么对客户有效，我们就做什么。

近日，摩根大通董事长兼CEO杰米·戴蒙（Jamie Dimon）接受了《金融时报》编辑鲁拉·哈拉夫（Roula Khalaf）专访。

在此次访谈中，

杰米·戴蒙阐述了他对美国经济、中美博弈、银行经营等诸多话题的观点，包括他对金融科技的最新看法。

对于银行网点，杰米·戴蒙称，

每天有将近100万人次走进我们的网点……

我们的客户确实需要实体网点，我们也在不断分析哪种网点有效、哪些无效。

谈及AI浪潮，

杰米·戴蒙提到，

AI只是金融科技演变的一部分。摩根大通从12年前就开始用AI了，AI能让员工服务客户更高效，这就是持续投入的理由。

他还谈到了一些大模型应用中的细节，诸如推理成本高估、迷信大模型而忽视小模型等：有些大语言模型处理太慢，根本无法用在实时业务中。那就得换小模型，换更轻的数据库，但也能获得90%的效果。

杰米·戴蒙强调最多的是以客户为中心：我们

只是遵循一个原则，什么对客户有效，我们就做什么……

有些项目不用做财务回报分析，只要对客户更好，就直接执行。

以下为访谈实录节选，译文来自“聪明投资者”

。完整版访谈链接参见底部阅读原文。

主持人：

聊聊你的银行哲学吧。你同时被认为是一个很“老派”的人，又是走在科技前沿的银行家。“老派”是说你坚持开设实体网点。但现在大家都在谈数字化，为什么你还在大力扩张分行？我在伦敦连个银行网点都找不到了。

杰米·戴蒙：

我不认为自己老派。我们只是遵循一个原则：什么对客户有效，我们就做什么。

如果分行不再对客户有用，我们当然会关闭。但问题是，客户还想要分行。

每天有将近100万人次走进我们的网点。他们来开户、来咨询理财、来做小企业服务、中型企业服务、私人银行业务。

我们的客户确实需要实体网点，我们也在不断分析哪种网点有效、哪些无效。

当然我们也非常数字化。有接近8000万用户使用我们的各种数字产品：线上交易、支付、数据分析、线上财富管理。

我们永远站在客户的角度，无论是个人客户还是企业客户，问的都是：你到底想要什么，我们能不能帮你做得更好。

所以我们既前瞻，也非常务实。这不是我个人的偏好，而是我们对客户体验的系统分析结果。

主持人：

现在很多人把摩根大通称为“银行界的英伟达”，你们是最早大规模投资AI的银行之一，也开发了自己的大语言模型（LLM）。你觉得你们需要在公司内部进行一场文化变革来接受AI吗？

杰米·戴蒙：

我不这么看。我不觉得那是文化转型。

我更愿意说，任何优秀公司，都是不断成长、进化、学习的组织。如果不是这样，那你就会被淘汰。

很多企业失败，是因为自满、傲慢、官僚。自以为天下无敌，结果却忽视了外部世界正在发生的事。

我们一直都在用科技让服务变得更好、更快、更智能。

AI只是这个演变的一部分。我们从12年前就开始用AI了。AI能让员工服务客户更高效，这就是我们投入的理由。

主持人：

那你怎么判断，这些技术投入到底值不值得？你有没有用什么标准来衡量，比如AI的投资回报？

杰米·戴蒙：

我们内部有个基本原则：区分“好开支”和“坏开支”。

比如我们建一个分行，会先花一笔钱，一开始账面是亏的，但未来会盈利——我管这个叫“投资”，而不是“费用”。虽然会计上是当作开支处理的。

同样的，收入也有“好坏”之分——一个烂贷款带来的收入，那就不是好收入。

所以你必须更深入去分析：哪些支出是真正有长期价值的。

具体到科技和AI，我们会把每个项目拆分来看：目标是什么？怎么落地？怎么提升客户体验？怎么提高效率？有没有节省成本？有没有新营收？

每一项都有清晰的指标。

主持人：

当你们决定投资一个技术项目时，比如AI，你们如何判断值不值得？你们用什么指标？

杰米·戴蒙：

我们每个项目都会设立清晰目标，它希望解决什么问题，打算怎么实现，时间表如何，投入多少资金，预期收益是多少。

我们叫它MPV（净现值分析）。比如我们曾在一个AI风控系统上投入了2亿美元，现在每年能减少1到2亿美元的欺诈和风险损失。

这是极好的回报，这也是为什么，我们的很多成本是在下降，而不是上升。

我们已经在多个领域用了AI，包括反欺诈、市场营销、操作错误控制、客服等等。

有些项目收益可以量化，有些则是基础性建设，比如：“把数据整合到一个更好用的平台”，这是基础，不需要讨论MPV，必须做。

就像我们早期上线数字开户功能时，有人纠结成本、集成复杂性、是否值得……我说，别分析了，客户就是想要，你就做就对了。

有些项目不用做财务回报分析，只要对客户更好，就直接执行。

主持人：

那你怎么看现在对AI的疯狂投资？尤其是数据中心那一块。你认为这是一场泡沫吗？投资人真的能赚钱吗？

杰米·戴蒙：

现在确实有点不确定。我自己更关心的是：我们能不能用AI为客户创造更好的体验。

我不太关注开源模型还是闭源模型、英伟达芯片还是其他芯片、是否获得授权等等。

我们正在广泛使用这些技术，也在用自己的大语言模型（LLM）跑内部数据。很快我们就能把外部数据与内部数据结合使用，同时确保数据安全不泄露，这是重中之重。

我认为，跟2000年互联网泡沫一样，有些项目会失败，有些会成功。这不是“一刀切”的事。

现在确实砸了很多钱进去，你会看到很多错误的假设。比如推理成本高估、非要用大模型而忽略其实小模型已经够用了等等。

我们内部就遇到过：有些大语言模型处理太慢，根本无法用在实时业务中。那就得换小模型，换更轻的数据库，但也能获得90%的效果。