PNC金融服务集团计划独立开发其大部分人工智能技术，而非依赖外部供应商，这家总部位于匹兹堡的银行的首席执行长将这一战略称为“AI工厂”。

首席执行官Bill Demchak在投资者会议上介绍了该项目，彭博社在10月15日的报道中重点阐述了这一策略。大多数银行把人工智能当作流媒体订阅来对待——选择一家供应商、支付月费并寄希望于价格不上涨——而PNC则打算自己拥有底层基础设施。

该计划包括购置数据中心，并从Nvidia购买GPU，这种专用芯片是现代AI系统的动力来源。PNC打算利用这些硬件构建自己的大语言模型和小语言模型，并专门针对银行业进行调优。

PNC究竟在构建什么

该银行近期的应用场景狭窄而务实：欺诈检测和呼叫中心自动化。这些属于高流量、重复性的任务，基于银行数据训练的模型理论上可以胜过通用工具。

PNC并没有完全切断与外部世界的联系。该银行仍保留选择性的外部合作伙伴关系，但主要意图是实现自给自足。

押注背后的数字

PNC持有6030亿美元总资产，位列美国最大银行之列，这使其拥有为自有基础设施提供资金的资产负债表实力——较小的区域性银行可能不具备这种优势。

该银行已确定171个潜在的自动化机会，合计对应2025至2030年期间14亿美元的可及支出。可及支出指的是自动化可能缩减或取代的现有成本池。

PNC预计这些AI举措将在同一时期带来额外40个百分点的经营杠杆。经营杠杆衡量的是收入增长快于费用的幅度；当银行增加经营杠杆点数时，每新增一美元收入中落入利润线的部分更多，而不会被管理费用吞噬。

这一预测背后有业绩记录支撑。2022年至2025年间，早期的自动化工作在零售和客服中心业务中产生了30个百分点的经营杠杆。

为何跳过供应商

成本控制是这一战略的核心。许多外部AI供应商按用量收费，这意味着成本随使用量同步上升。对于一家寻求在171个用例中实现自动化的银行而言，基于用量的定价就像一台永不停转的计价器。完全拥有基础设施正是为了规避这些未来成本。

但这一取舍也有另一面：所有权将按量计费的供应商费用转化为数据中心和芯片的大额前期支出，以及运行和更新这些硬件的持续工作。

第二个顾虑是供应商锁定。一旦银行围绕某一供应商的模型构建了工作流程，更换就变得昂贵而缓慢。如果该供应商提高价格、更改条款或在竞争中落后，银行将几乎没有回旋余地。

执行难题

对于PNC股东而言，核心问题在于执行。建设数据中心和训练专有模型需要资本、人才和时间，任何回报都要在数年内的效率指标中体现。其成果也可能成为其他银行在决定向供应商租用AI能力还是自建时的重要参考。

Nvidia则处于这一等式的另一端。无论银行是通过供应商租用AI还是自行构建，芯片都必须有来源。PNC的计划意味着该银行直接购买硬件，而不是通过别人的账单间接买单。

可衡量的指标十分明确：171个已确定机会的进展情况、相对于14亿美元可及支出的任何已披露节约，以及经营杠杆的增益能否保持2022至202年间的速度。