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	AI + 資料整合，偏向大型機構的 operationalization	企業級、政府、金融

Morgan Stanley 是這個領域的早期標竿案例 — 他們跟 OpenAI 合作，把模型接進財富管理顧問的工作流，讓顧問可以快速查詢內部研究報告和客戶資料（來源：Morgan Stanley 官方公告）。這個案例成功之後，整個金融業才真的開始認真評估類似的路徑。

MUFG 跟 Morgan Stanley 的差異在於野心的規模。Morgan Stanley 的 AI 應用主要集中在 wealth management 這個垂直，MUFG 要做的是整個集團的 AI-native 轉型，範圍大很多，風險也大很多。

誰在贏？

目前看起來 OpenAI 在 tier-1 金融機構的 partnership 上佔有明顯優勢，主要因為品牌認知度和 GPT-4 系列的能力確實強。但 Google 在日本市場的在地經營也很積極，未來幾年這個版圖不一定穩定。

Bloomberg GPT 是個有趣的案例 — 用金融專有資料訓練的模型，在特定任務上（金融語言理解、新聞摘要、市場分析）表現比通用模型好，但缺乏 OpenAI 那種生態系和持續迭代的速度。

---

Meta 判讀：這是 Meta Shift，不是 PR 稿

用 meta 分析的角度來看這件事：

這是 Meta Shift 等級的事件。

原因是：傳統金融業的 AI 導入，過去幾年一直卡在「pilot project 多、真正 production 少」的階段。原因很多 — 監管不確定、資料安全疑慮、IT 架構太老舊、組織文化太保守。

MUFG 宣布要做 AI-native 轉型，代表這些障礙中至少有幾個已經被認為是可以克服的。這本身就是一個 meta 的改變。

更重要的是示範效應。日本是傳統金融業轉型最慢的市場之一（這不是嘲諷，是事實 — 日本銀行業對數位化一直很保守，傳真機和印章文化到現在都還在），MUFG 如果能在這個保守環境裡成功做到 AI-native，其他亞太地區的大型銀行很難繼續說「我們還在評估」。

類似的歷史案例：

這讓我想到 2010 年代初期，Netflix 跟傳統媒體的關係。當時大型電視台都說「streaming 只是補充，我們的核心還是線性播出」，然後 Netflix 的崛起逼得大家開始認真轉型 — 有成功的（Disney+），有失敗的（CNN+）。

MUFG 現在有點像是金融版的 Disney，夠大、有資源，有機會真的轉型成功，而不是淪為另一個砸了錢沒做出成果的巨頭。

投資者的角度：

對 OpenAI 來說，這種 tier-1 金融機構的 partnership 直接拉高了估值支撐。OpenAI 目前估值據報導達到 1,570 億美元，這個數字要撐住，需要的不只是 ChatGPT 的用戶增長，更需要 enterprise 的長期合約（來源：WSJ）。MUFG 這樣的客戶，合約一簽可能就是幾年，ARR 的能見度大幅提升。

如果我是投資人，我會更在意的問題是：這個合作的 exclusivity 條款是什麼？MUFG 有沒有綁定在 OpenAI 的生態系裡？如果有，那是護城河；如果沒有，幾年後 Google 或下一個 frontier lab 出來，MUFG 可能直接換平台。

---

工程師該怎麼看

這個合作對工程師的影響，比表面看起來更直接。

金融業會開始大量招 AI engineer。 不是純 ML researcher，而是能把 LLM 接進現有系統的工程師 — 懂 RAG、懂 tool use、懂怎麼在有嚴格資料安全要求的環境裡跑 AI workflow。這是個很具體的技能需求，而且金融業的薪資天花板高。

合規和 AI 的交叉點會變熱。 日本、歐盟、美國都在加速推進 AI 監管框架，金融業又有自己的監管層。怎麼讓 AI 的決策可解釋、可稽核，這是接下來幾年的重要工程問題，不是純研究問題。

tech stack 選型的啟示： MUFG 這種案例告訴你，enterprise AI 的落地不是在 Colab 上跑個 notebook 就完事，需要的是整個 infra — 資料治理、存取控制、audit log、模型版本管理。如果你在做 B2B 的 AI 相關 side project 或產品，這些「無聊」的東西才是真正的差異化。

MUFG 能不能真的變成 AI-native，現在還不知道。但這件事至少讓我們知道，傳統巨頭已經不再只是在旁邊觀望了。

延伸閱讀

• 德國電信怎麼用 AI 改造自己？傳統巨頭轉型的真實挑戰
• PayPal 用 AI 跟進沒人要打的 8000 個 leads，轉換率升了 50%
• 現在的 AI 熱潮是哪種泡沫？鐵路史給了個有點嚇人的答案