OpenAI联合摩根士丹利、Evercore推出面向金融服务的ChatGPT

在本次发布的一年前，OpenAI启动了一项名为Project Mercury的秘密内部项目，聘请了来自摩根大通、高盛和摩根士丹利等公司的逾100名前投资银行家，每小时支付约150美元，用于构建行业标准的Excel财务模型^[1][2][3]。这实际上是在为AI训练所需的数据打基础——让AI学会像初级银行家一样思考，而此时甚至还没有可销售的产品。这项投入体现在OpenAI如今公布的基准测试结果中：在基于约89,000页财政部公告文件提取出的133个问题构成的OfficeQA Pro测试中，新的GPT-6 Astra模型正确率达到69.9%，优于OpenAI自家的GPT-5.6 Sol（60.2%）和Anthropic的Claude（62.4%）^[4]。OpenAI还报告称，多个第三方数据连接器的错误率显著下降——Daloopa的错误率从7.53%降至2.57%，标普全球（S&P Global）则从6.84%降至2.66%^[4]。Project Mercury的故事之所以重要，是因为它重新定义了此次发布：这不是一个巧妙提示词包裹通用模型的产物，而是经过精心策划、成本高昂的数据获取行动的成果，旨在复制那些可能最终被取代的人类判断力。

该产品的开箱即用技能——估值分析、LBO建模、买方筛选、盈利分析、推介书制作——几乎完全对应传统上分配给第一年和第二年投资银行分析师的工作^[5]。在一个现场演示中，平台分析了一个潜在的并购目标，从标准行业数据源提取数据，并生成了一份完全符合某投行内部格式的PowerPoint演示文稿^[5]。OpenAI的Nick Turley反驳了该工具只是简单消除工作岗位的观点，他认为银行从业者本就每周工作上百小时，这一工具对金融分析的意义，就如同几十年前Excel对整个行业的意义——让人更快地产出更优质的工作，而非直接取代人力^[6]。《福布斯》则更直白地将此次发布描述为OpenAI直接瞄准初级银行员工作的举措^[7]。两种观点可以同时成立：一个旨在压缩百小时工作周的工具，本质上就是需要更少工时的工具；而当这种减少乘以整个分析师群体时，正是华尔街赖以培养下一代交易人才的学徒管道。

此次发布是OpenAI对Anthropic于2025年推出的Claude for Financial Services的直接回应，后者事实上率先开启了金融领域的AI应用类别^[4][8]。这场竞争远不止于声誉之争：据首席财务官Sarah Friar表示，企业和商业客户目前已占OpenAI总收入的大约一半，且这一依赖性正在增强，与此同时OpenAI与Anthropic各自正筹备潜在的公开上市^[9]。获得摩根士丹利和Evercore等知名合作伙伴，以及BNY、Fidelity International、MUFG和Commonwealth Bank的使用报道^[5]，为OpenAI提供了可用于证明其在关键垂直领域企业渗透力的品牌背书。这场竞赛也解释了产品的形态：在引用级可追溯性和合规控制方面的大量投入，更多是为了满足受监管金融机构的实际门槛，而非单纯提升用户体验。

为了达到华尔街的合规标准，OpenAI内置了细粒度的逐项引用功能，让用户能将任何生成的数字追溯至其原始文档^[9][10]，同时还配备了单点登录、权限配置和可导出审计日志等企业级控制措施^[10]。然而，此次发布的实际推进方式却削弱了一些发布当天的宣传声势：OpenAI既未披露定价，也未公布最低席位要求，且访问权限仅限于少数机构，而非全面开放^[4]。这种宣传与实际准入之间的差距反映在从业者的反应上。在金融相关的社区中，一些自称FP&A专业人士的用户指出，该工具的实际价值受限于公司自身财务数据的整洁程度——混乱的内部记录和未文档化的机构知识，而非模型能力本身，才是真正的瓶颈。另一些人则怀疑顶尖银行是否会将客户财务数据通过第三方API传输，鉴于摩根大通和高盛等公司对其技术栈的严密保护。不过也有观点指出，缺乏资源自建系统的中型机构可能别无选择，只能采用此类工具。这种AI能力的 headlines 与数据治理现实之间的张力，很可能决定该工具能否超越初始设计伙伴进一步扩散。