Anthropic 搶灘華爾街：15 億美元合資、反洗錢代理人、十套金融模板一週到位

本文整理自《Possible》Podcast 2026 年 5 月播出的單集，並結合公開報導補充事實背景。

{{< spotify "episode/3Tp1PxnZTj9tA5WkQfH0wv" >}}

{{< apple-podcast "tw/podcast/anthropics-push-into-finance/id1677184070?i=1000767537541" >}}

---

一週三城，Anthropic 變成金融基礎建設

2026 年 5 月第一週，Anthropic 做了一件讓整個金融業都必須正視的事：它在五天內宣布了三項重大金融佈局，速度快到像是精心策劃的閃電戰。5 月 3 日，與黑石集團（Blackstone）、海爾曼弗里德曼（Hellman & Friedman）和高盛（Goldman Sachs）合資成立一家 15 億美元的 AI 企業服務公司。5 月 5 日，與全球金融科技巨頭 FIS 宣布合作，將 Claude 驅動的代理人嵌入其核心銀行平台。同一天，Anthropic 還發布了十套預建金融代理人模板，涵蓋投資銀行簡報、KYC 審查、月結帳務等場景。

這不是一般的「AI 公司拿到新客戶」的故事。Anthropic 正在從一家語言模型公司，轉變成金融產業的基礎建設供應商。它要進入的不是金融業的邊緣應用，而是核心運作管路：反洗錢調查、貸款核准、合規監控。這些是銀行每天必須運作、出錯代價極高的環節。

里德．霍夫曼（Reid Hoffman）在他的 Podcast《Possible》中分析了這次佈局的意義。他認為，要理解 Anthropic 這步棋，不能只看技術面，還要看金融產業正面臨的結構性壓力：成本太高、效率太低、而合規要求只會越來越多。AI 不是來錦上添花的，是來解決一個沒人想碰但所有人都在承受的問題。

15 億美元合資：挑戰麥肯錫的 AI 顧問公司

這家合資公司的投資陣容值得仔細看。Anthropic、黑石和海爾曼弗里德曼各出約 3 億美元，高盛出 1.5 億美元，另外還有阿波羅全球管理（Apollo Global Management）、General Atlantic、Leonard Green、GIC 和紅杉資本（Sequoia Capital）的參與。這不是 AI 新創的典型募資，而是私募股權業最頂層的玩家集體下注。

為什麼私募股權巨頭要參與？因為黑石和海爾曼弗里德曼旗下有數百家投資組合公司，每一家都需要數位轉型，每一家都是潛在的 AI 導入對象。這家合資公司本質上是一個「AI 轉型工廠」：Anthropic 提供技術和工程師，私募股權巨頭提供客戶和商業脈絡。Fortune 雜誌直接點破，這家公司的目標是搶走麥肯錫、波士頓顧問集團（BCG）和貝恩（Bain）的生意。傳統管理顧問收費高昂，一個 AI 轉型專案動輒數百萬美元，而這家合資公司能用更低的成本、更快的速度，把 Claude 部署到企業的每個角落。

這種結構有一個更深的含意：它讓 Anthropic 繞過了企業 AI 採購最大的障礙。大多數企業不是不想用 AI，而是不知道怎麼用、不知道從哪裡開始、也沒有內部團隊來做。合資公司直接把「諮詢 + 部署 + 維運」打包成一站式服務，企業只需要說「好」就行了。

FIS 合作：3,000 家銀行的新看門人

如果說合資公司瞄準的是私募股權的投資組合，那 FIS 合作瞄準的就是全球銀行業的日常運作。FIS 是全球最大的金融科技公司之一，為超過 3,000 家銀行處理交易，經手全球約 12% 的經濟活動。Anthropic 與 FIS 合作，等於是讓 Claude 坐進了全球金融體系的控制室。

第一個使用場景是反洗錢（AML）。Anthropic 打造了一個能自主調查可疑金融活動的 AI 代理人，它會分析交易模式、交叉比對數據來源、判斷是否需要將案件升級到執法機關。這個代理人要對付的是毒品販運者、恐怖份子，以及利用銀行系統搬運黑錢的人。如果它判斷正確，就是在保護金融系統的完整性。但如果判斷錯誤，就是讓無辜的人被錯誤標記、帳戶被凍結。

在 Podcast 中，主持人 Aria Finger 直接點出了這個矛盾：Anthropic 目前是金融犯罪偵測領域的產業領導者，但它的準確率只有 64%。也就是說，每三次判斷中大約有一次是錯的。這樣的 AI 能被信任來決定誰的金融活動要被送到執法機關嗎？

「64% 夠不夠好？」：霍夫曼的動態改善論

面對這個尖銳的問題，霍夫曼沒有迴避，但他重新定義了問題本身。他的回答可以歸結為一個核心論點：我們不應該用「零錯誤」來衡量 AI，因為人類也做不到零錯誤。真正的問題是軌跡，不是起點。

霍夫曼用一個具體的數字假設來說明。假設人類的反洗錢準確率是 75%，但成本是 AI 的十倍。那麼 64% 準確率但成本低十倍的 AI，是不是一個合理的起點？他認為答案是肯定的，前提是你能證明這個系統正在持續進步。從 64% 提升到 75% 再到 85%，而且每一步的成本都遠低於人類處理，這才是正確的評估框架。

這個思維方式對金融監管者來說是一個根本性的挑戰。傳統的監管思維是「不能比現在差」，任何新系統都必須至少達到現有標準才能上線。但霍夫曼主張的是「動態改善」框架：接受一個暫時低於人類水準的起點，換取一個成本更低、能持續進步的系統。他認為，這種思維最終會讓金融服務變得更普惠。當合規成本降低，銀行就能服務更多人，包括目前被排除在正規金融體系之外的全球南方人口。

不過，這裡有一個霍夫曼沒有直接回答的問題：在那個「暫時低於人類水準」的過渡期，被錯誤標記的人怎麼辦？當 AI 判斷錯誤率是 36%，每年有多少人的帳戶會被錯誤凍結、多少人會被錯誤報告給執法機關？這些不是統計問題，是真實的人承受的後果。動態改善的代價由誰來付，這是監管者必須回答的問題。

我的觀察：台灣金融業的三個啟示

第一，Anthropic 這次的佈局模式值得台灣金融科技公司和銀行業參考。它不是推出一個產品然後等客戶上門，而是直接和掌握通路的巨頭結盟，把 AI 嵌入既有的金融基礎建設。台灣的金融業如果要導入 AI，與其每家銀行各自摸索，不如思考能不能透過財金資訊（FISC）或銀行公會這樣的共同基礎建設來統一推動。

第二，霍夫曼的「動態改善」思維對台灣的金管會也有參考價值。台灣金融監管向來偏向保守，「不能比現在差」幾乎是預設立場。但在全球都在加速部署金融 AI 的情況下，過度保守可能意味著台灣的金融業在效率上持續落後。找到「允許嘗試但保護底線」的平衡點，會是接下來的關鍵課題。

第三，64% 的準確率聽起來很嚇人，但請先問一個問題：目前台灣銀行的人工反洗錢審查準確率是多少？如果沒人能回答這個問題，那我們根本沒有基準線來判斷 AI 做得好不好。在批評 AI 之前，或許應該先把人類的表現量化出來。