三菱 MUFG 押注 OpenAI：傳統金融巨頭要怎麼變成 AI-native？

> Meta Shift

開場

2.7 兆美元。

這是三菱日聯金融集團（MUFG）目前管理的資產規模，世界最大的銀行之一，員工人數超過 16 萬人，業務橫跨日本本土、東南亞、美國、歐洲。

這樣一頭巨獸，現在宣布要跟 OpenAI 合作，目標是把整個組織改造成「AI-native」的銀行。

我第一個反應是：這不是又一個「我們積極擁抱 AI」的 PR 稿嗎？企業買個 Copilot license 就說自己在做 AI 轉型的案例，這幾年看太多了。

但仔細看這個合作的規模和野心，這次好像不太一樣。

MUFG 跟 OpenAI 的合作不是單純導入 ChatGPT Enterprise，而是要在整個銀行的核心業務流程裡重建工作方式 — 包含客戶服務、風險管理、合規審查、研究分析，幾乎是從上到下的重構。換句話說，他們不是在現有系統上貼一層 AI，而是要把 AI 當作新的 operating system。

這件事重要的原因不是 MUFG 多大，而是它代表一種訊號：傳統金融機構已經從「觀望 AI」進入「all-in AI」的階段。而且是跟 OpenAI 這種 frontier model 提供者直接合作，不是透過 Microsoft Azure 包一層再買進來。

這個 partnership 如果成功，會變成其他傳統企業的參考案例。如果失敗，也會是一個教科書等級的警示。

---

商業模式拆解：MUFG 的 AI 算盤怎麼打

先搞清楚 MUFG 為什麼要做這件事，以及 OpenAI 從這裡拿到什麼。

MUFG 的動機：成本和速度

傳統大型銀行有一個根本問題：規模太大，所以慢。16 萬名員工，每天產生的文件量、合規審查量、客服量，光靠人力維持就已經是天文數字的成本。

據報導，全球大型金融機構每年花在合規相關工作上的成本估計超過 2,700 億美元（來源：Thomson Reuters Institute）。MUFG 光是日本本土的合規團隊規模就極為可觀，如果能把大部分文件審查、風險評估、法規更新追蹤交給 AI 處理，省下來的數字相當驚人。

除了成本，還有速度。在交易、融資、客戶服務的場景裡，反應速度直接影響競爭力。一個企業客戶詢問融資方案，傳統流程可能需要幾天，AI-native 的流程可能縮到幾小時甚至即時。這在 corporate banking 的競爭裡是很實在的差異化。

OpenAI 的動機：enterprise 大客戶

OpenAI 目前的商業模式，consumer 端是 ChatGPT Plus 訂閱（估計年收超過 20 億美元），但真正的規模在 enterprise。跟 MUFG 這樣的金融巨頭合作，一方面是直接的 API 收入，另一方面是在金融業建立 reference case。

金融業是 AI 導入最複雜、門檻最高的產業之一，因為監管嚴、資料敏感、錯誤容忍度低。如果 OpenAI 能幫 MUFG 成功轉型，這個案例的說服力比在科技新創身上做出 10 個成功案例還強。

據報導，OpenAI 的 ARR 在 2024 年底已經突破 37 億美元，並且持續快速成長（來源：The Information）。但要繼續支撐估值，它需要更多像 MUFG 這樣的 tier-1 enterprise 客戶。

合作結構

目前公開的資訊裡，這個合作的財務條款沒有完整揭露。但可以推測的架構是：MUFG 付給 OpenAI 大規模的 API 使用費加上可能的客製化開發費，換來的是在特定使用場景裡的模型優先存取、資料安全保障、以及聯合開發某些金融專用的 fine-tuned 模型。

---

競爭格局：金融 AI 不是只有 OpenAI 在玩

MUFG 選擇 OpenAI 作為核心合作夥伴，但這個市場裡其實玩家很多，策略也各有不同。

主要競爭者概覽

玩家	策略	在金融業的位置
OpenAI	直接跟大型金融機構建立 partnership	MUFG、Morgan Stanley 等
Microsoft / Azure OpenAI	透過既有的 enterprise 關係包裝 OpenAI 能力	大量中型金融機構
Google / Vertex AI	Gemini 模型 + Google Cloud 生態系	部分亞太銀行
Bloomberg GPT	金融專用 LLM，Bloomberg 自己訓練	機構投資人、終端機用戶
Palantir