想象下这样的场景：
早上起床，一名金融人士拿起手机说，嗨，沃伦，今天苹果要发布新款iPad，哪一家供应商的股票涨幅最大？数秒钟之后，他就得到了一份漂亮而详细的名单。
当然，回答问题的不是赫赫有名的沃伦巴菲特，而是一款人工智能软件，它可能对各种金融问题知无不言，比如基于云端计算的AI软件Kensho，可以快速扫描超过9万份资料（包括经济报告、货币政策变化、时政新闻及相关分析），在数秒钟之内回答超过6500万个问题。如果华尔街的分析师从事同样的工作，至少要花费40个小时，这些人的平均年薪是35万-50万美金。
人们一直担心人工智能会取代低阶的工作，其实，受到冲击远不止于此，西装革履的华尔街精英也可能沦为弱势群体。
2015年，摩根士丹利裁员1200人，其中包括处理固定收益和大宗商品业务的470名前台员工；2016年，高盛先后进行7次小规模裁员，总计裁撤443个岗位，成为2008年金融危机以来裁员最多的一年。高盛高峰期曾雇佣超过600名股票交易员，如今只剩两人，取而代之的是自动交易项目以及200名计算机程序员。
据统计，从2012年开始，华尔街已连续5年减聘人员，总计达到1.27万人。单单过去一年，12家华尔街顶级投行共减聘了1900名前台人员，涉及股票、投行业务和固定收入及大宗商品业务。
需要说明的是，裁员与衰退并无关联，摩根士丹利、摩根大通、花旗的表现均超过预期，失去的工作职位，将永远都不会再回来。
这一切，源自于金融业正在爆发的科技革命，由于金融科技特别是人工智能技术的发展，最聪明的金融机构正在主动求变，以期尽快转型为技术公司，他们从硅谷高薪招揽程序员，开发各种程序和智能项目，进行各种业务场景的实验。毫无疑问，科技正在重塑金融业。
高盛：金融谷歌
高盛在金融科技领域野心勃勃，高管层多次公开表示，他们更希望变成金融界的谷歌。
首席执行官马蒂查维斯（Marty Chavez）有一个比喻，想象一下，如果Google像我们一样工作，他形容说，每次当你想搜索一条信息的时候，首先会拿起电话，打给你的谷歌销售，将你要搜索的关键词读给他听，然后他将这个词输入内部系统，得到反馈信息，再将信息读给你听。
这听起来像一场灾难，谷歌不可能这样工作，高盛若继续坚持传统方式，显然不是聪明之举。当务之急是处理数据，高盛拥有大量的数据，只是存在大量冗余重叠、缺乏透明度和权威度，利用效率过低。
2015年，高盛开始搭建数据湖（DATA LAKE），这是一个建立在开源基础上的数据系统，它收集交易、市场、投资研究、邮件、语音、即时通讯、客户信息和事件信息等大量数据。在整个系统中，有三方参与者共同工作，以实现运营：
生产者：负责发布其数据进入数据湖，并保证数据的有效性和服务级别协议（SLA）；
改善者：负责清理、丰富和转化数据，并将已整理的版本重新发布到数据湖中；
消费者：浏览数据并运用数据生产报告、询问和分析。
同时，高盛致力于消除客户必须来电的传统作业方式。交易平台Marquee的诞生，即是为此目标而服务。一位参与搭建Marquee的高盛员工概括说，在初期阶段，Marquee主要帮助客户以电子方式和银行进行互动。早在2013年6月，高盛就向部分顶级客户提供可接入Marquee交易平台的工具，用以进行大宗股票电子交易，Marquee的算法执行交易只需数秒，人工交易则要以分钟或小时计。
Marquee是开源平台，允许接入多种应用，SIMON（结构化在线投资市场）是其中一个典型例子。
比如，结构性票据（Structured notes）是一种可定制投资，将固定收益的保本投资和风险较大的衍生性金融商品融为一体，在一定程度上达到规避风险和提高收益的作用。在SIMON出现以前，营业员需在客户和票据发行公司之间进行多次的沟通调整，现在，客户可在平台上自主完成购买操作。
SIMON也是学习平台，能加深客户对结构性票据的了解认知。据《华尔街日报》的报道，高通正在与摩根大通和摩根士丹利洽谈，希望他们也向SIMON提供产品。此外，高盛试水了在线借贷服务Marcus等项目。
高盛正在投入大量技术人才，用以完善各种技术平台，比如，招聘大量应届生工程师奔赴纽约，并将其起薪提升至10万美金。数据显示，高盛雇用的3.6万名员工中，9000名是程序员和技术工程师。
摩根士丹利：人机结合
2017年上半年，摩根士丹利的财富管理业务（Wealth Management）表现出色，营收增长同比增长8%，为公司贡献了49%的收入和42%的税前利润。
财富管理正是摩根士丹利布局AI的重点领域。今年9月，摩根士丹利首次上线试用最优行动（Next Best Action），将有500名财务顾问首次尝试，并根据实际运行的结果，不断优化系统。这是其近年来最受重视的AI系统，最终系统将和16000名财务顾问一起为客户提供服务。最优行动包括三个方面功能：第一，與市场上常见的机器人顾问功能类似，提供关于投资建议的自动化运算，为顾
客推荐合适投资的基金、债券和股票。只是，其推荐首先显示给财务顾问，他们结合自己对客户的理解，再决定是否将建议推送给具体的客户。
第二，充当警报系统，将追加保证金通知、保证金余额提醒、客户投资组合预期剧烈波动等消息推送给财务顾问。当一只股票的信用等级被提升或降低，系统会将该消息以及预计受影响的客户名单，一并推送给财务顾问。与前者相同，财务顾问由自己整理分析后，再将警报信息推送给客户。
第三，将客户的生活需求纳入投资系统。举例而言，如果一个客户的孩子生病，系统会为其推荐摩根士丹利当地最好的医院、诊所以及处理此病情的最优财务建议。这是系统的独有功能，以便于加强客户和财务顾问之间的关系。
当然，客户可以直接在系统中看到最新消息，如果他们愿意，甚至可以选择只接受系统推送信息，这种服务的价格更加低廉，对预算有限或年轻客户更加合适。
最优行动不会是个一成不变的系统，而摩根士丹利试图在人与机器之间找到一个最优平衡，与雄心勃勃的金融科技創业公司不同，这家老牌机构并不打算将所有工作交给机器。尽管机器人顾问普遍受到欢迎，客户仍然希望是由人来帮助他们解决复杂的生活问题。 摩根士丹利财富管理部门首席技术官Naureen Hassan表示，客户希望可以有一个简单应用跟踪所有服务，但至少有22%的客户希望有更多时间与人类财富顾问交流。
摩根大通：自动交易
摩根大通AI系统名为LOXM，是一个基于深度学习的智能系统，其角色不是一个顾问，而是一个交易操作员。
在短时间内，LOXM可以综合计算数百万笔交易数据，从而推断出最佳的操作建议，比如，如何进行大量股权抛售的同时，避免触发市场价格的巨幅波动。摩根大通线性量化研究团队的负责人David Fellah介绍说：这种操作以前是由人类实施的，现在AI机器能以更高的效率做到这点。
据悉，2017年第一季度，LOXM已开始在欧洲进行测试，如果运行顺利，将在今年底前应用于亚洲和北美的业务，为了实现最大速度和最优价格的操作，LOXM已接受过数十亿笔重大交易的模拟训练，在交易训练中，其表现远超过以前的人工和自动化操作。
基于交易安全的考虑，现阶段LOXM没有最终的买卖决定权，只是提供具体的买卖方案给客户，由他们做出最后的决定。
摩根大通并不满足于LOXM局限在交易功能，希望LOXM可以向财务顾问的角色进化：能够学习了解每个客户的独特性，在执行交易时，将其可能的反应和行为纳入计算范围，成为一个为客户量身定制的智能系统。这也可能会使部分终端客户疏远我们。 摩根大通全球股票电子交易主管Daniel Ciment说，有研究表明，大多数客户不相信技术可以进行重大的财务决策，我们需要考虑减轻这项努力所带来的负面影响。
在LOXM之前，摩根大通上线了另一款机器学习软件COIN，专门用于处理合同，可在数秒钟之内扫描完合同文档，其出错率非常低，且从来不要求休假。在COIN之前，这项工作每年会耗费律师大约36万小时的工作时间。
摩根大通的财报显示，公司2016年花费96亿美元的科技研发预算，约占总营收的9%，该项支出在不断增长中。
瑞银：前后并重
瑞银（UBS）是欧洲最大的金融控股集团，在金融科技和人工智能领域多有试水。华尔街大鳄们相对侧重后台智能化，瑞银则对前台的技术化改造颇有兴趣。
瑞银投资银行首席运营官Beatriz Martn Jimnez曾公开评论说：有关后台自动化的讨论很多，我们希望和前台的人讨论，是否有些工作可用机器人来代替，果然发现了可做的事情。
第一个应用是相对简单的自动化程序，由瑞银和德勤共同开发，用来处理客户交易后分配请求的业务，可以扫描客户发来的、关于如何分割资金用于大宗交易的邮件，分析邮件内容执行操作。
这项自动化程序用2分钟的时间，能完成前台人员耗费45分钟的工作量，帮助他们节余精力去做其他事情，比如打电话给客户。 另一项小程序用于外汇交易预约及相关业务，在UBS的伦敦办公室，可看到一块显示屏和上面自动移动的鼠标，该程序可提取大量的文件，再将他们放置在对应的另一个系统当中。对于投行家们而言，这本是一个无聊的任务。
小程序并不能满足大公司的野心，瑞银也在研发机器学习系统，希望利用大量数据建立投资策略并提供给客户，他们希望该系统达到与人类投行家相当的研究水平，这在内部称为适应性策略（Adaptive Strategy）。
伦敦EXCEL中心的一次公开活动上，瑞银创新事业部的负责人Annika Schroeder公开表示，他们正在建立一个可以模仿投资分析师的虚拟代理可扫描市场数据和美国证券交易委员会的文件，像人类分析师那样将所有需要考量的信息纳入计算，对一个公司进行估值。
据Schroeder透露，系统已能用近似于人类语言的方式输出结果，距离理想中的虚拟代理已非常接近，希望通过丰富的数据训练，在正式上线前达到足够高的水准。截至目前，尚无开始此系统服务客户的公开信息或具体时间表。
Kensho：技术新宠
巨头们的技术探索，并没有局限在内部。
2017年2月，以标准普尔为首的九家金融巨头，向金融科技创业公司Kensho投资5000万美元，后者估值一举超过5亿美元。Kensho尚未达到独角兽公司的估值标准，但在其投资者的名单上，集结了几乎全部华尔街大鳄：高盛、摩根大通、美林美银、摩根士丹利、花旗集团和富国银行，俨然集万千宠爱于一身。
其中，高盛早在2014年即对Kensho投资 1500万美元，成为最大股东，以至于后续相当长时间， Kensho一直被视为高盛的AI产品，该公司于2013年创立于波士顿，核心创始人是哈佛数量经济学博士的丹尼尔纳德勒（Daniel Nadler）。
早在哈佛就读期间，丹尼尔曾参访金融机构，他意外发现，大量对冲基金盛名在外，核心计算工具居然是Excel，信息处理方式原始而缓慢：收集大量研究调查结果，雇佣高薪的量化分析团队，运用Excel计算金融产品的未来趋势。这与他在宿舍所做的事情并无不同，当时，拥有云计算能力的金融公司少得可怜。
丹尼尔意识到，如果建立成熟的计算模型，输入各种影响变量，可以快速得出结果，效率远高于聪慧的分析师。于是，丹尼尔和MIT计算机硕士彼得？克鲁斯卡尔（PeterKruskall）聘用前谷歌的工程师团队，创立了Kensho，共同搭建出了基于云计算的金融建模和分析软件沃伦（Warren）。
Warren的计算原理不难理解，作为一个运算模型，当人们向Warren提出问题后，它能快速搜索所有相关信息并将其纳入计算模型，在数秒钟之内提供计算结果。简单说，Warren如同金融界的Siri，会用简单直白的语言回答使用者的问题。利用机器学习技术，未来甚至可以跟进问题重要性进行分级。
根据《福布斯》的报道，2016年6月英国决定脱欧时，Kensho曾在数秒钟之内构建一个信息数据库，得出当地货币将长期下跌的结果这在英国脱欧后得到印证，英镑汇率从2016年7月开始一路跌至30年来的最低点。
华尔街巨头的触角不止于此。2014年，14家金融机构联合向即时通讯工具Symphony 注资 6600 万美元，同样有高盛领投，投资者包括摩根士丹利、摩根大通、黑石等投资银行。
Symphony 主要服务金融业务行业，其消息服务可使得金融机构内部人员相互通讯，而且帮助他们与使用相同
安全框架的其他联系人进行沟通，付费用户已超过20万。2017年，Symphony又融资6300万美元资金，公司估值超过10亿美元，新一轮融资的领衔投资者是法国巴黎银行（BNP Paribas）。
报告显示，2017年以来，高盛投资了约15家侧重资本市场业务的金融科技公司，摩根大通投资9家，预计在2017全年，华尔街成熟的金融机构将向金融科技领域投入创纪录的17亿美元。
