PNC Financial Services Group 計劃自行開發大部分人工智慧技術，而非依賴外部供應商，這家總部位於匹茲堡的銀行執行長將此策略命名為「AI 工廠」。

執行長 Bill Demchak 在投資人會議上描述了這項計畫，彭博（Bloomberg）於 10 月 15 日的報導中凸顯了此一策略。多數銀行將 AI 視為串流訂閱服務——挑選供應商、按月付費並祈禱價格不會飆漲——而 PNC 則打算親自掌握底層基礎設施。

該計畫包括購置資料中心，並採購 Nvidia 的 GPU，這是驅動現代 AI 系統的特殊晶片。PNC 打算運用這些硬體，建立專為銀行業務量身打造的大型與小型語言模型。

PNC 實際在打造什麼

該銀行的近期應用場景狹窄而務實：詐欺偵測與客服中心自動化。這些都是高量、重複性的任務，理論上，以銀行資料訓練的模型可能優於通用型工具。

PNC 並未完全切斷與外界的聯繫。該銀行仍維持選擇性的外部合作夥伴關係，但主要目標是自給自足。

這場賭注背後的數字

PNC 持有 6,030 億美元的總資產，位居美國大型銀行之列，具備為自身基礎設施提供資金的資產負債表——這是較小型區域性貸款機構未必擁有的優勢。

該銀行已找出 171 項潛在自動化機會，合計對應 2025 至 2030 年間 14 億美元的可觸及支出。可觸及支出是指自動化可能縮減或取代的現有成本總額。

PNC 預期這些 AI 計畫將在同一期間額外帶來 40 個百分點的營運槓桿。營運槓桿衡量的是營收成長快於費用的幅度；當銀行增加營運槓桿點數時，每新增一美元營收中就有更多落入淨利，而非被管理費用吞噬。

這項預估背後有往績可循。2022 至 2025 年間，較早期的自動工作在零售與客服中心營運中創造了 30 個百分點的營運槓桿。

為何跳過供應商

成本控制是這項策略的核心。許多外部 AI 供應商按用量收費，意即使用越多、付費越多。對一家尋求在 171 個使用場景實現自動化的銀行而言，按用量計價形同一台永不停錶的計費器。完全擁有基礎設施的設計宗旨，正是為了避開這些未來成本。

但代價也從另一個方向而來：自有化將按量計費的供應商費用，轉化為資料中心與晶片的大額前期支出，以及持續營運與更新硬體的工作。

第二個顧慮是供應商鎖定。一旦銀行的業務流程建立在某一家供應商的模型之上，更換就變得昂貴而緩慢。若該供應商漲價、變更條款或在競爭中落後，銀行將難有轉圜餘地。

執行力的考驗

對 PNC 股東而言，核心問題在於執行力。興建資料中心與訓練專有模型需要資本、人才與時間，任何回報也將在數年間透過效率指標逐步浮現。這些成果也可能成為其他銀行在決定向供應商租用 AI 能力或自行建置時的參考指標。

Nvidia 則站在這道等式的另一端。無論銀行透過供應商租用 AI 或自行建置，晶片終究得有來源。PNC 的計畫意味著該銀行直接購買硬體，而非透過他人的帳單間接付款。

可衡量的觀察指標十分明確：171 項已識別機會的進展、相對於 14 億美元可觸及支出的任何已揭露節省金額，以及營運槓桿增益能否延續 2022 至 2025 年間的步伐。