Transcription
在七月，Anthropic 展示了他们有史以来第一个人工智能财务分析师。在两分钟内，它在现场直播中构建了一个完全可审计的贴现现金流模型。而且，它在不需要提示的情况下就变得强大起来。她要求 Claude 创建一份投资备忘录，所有内容都已正确引用。现在，他们正在将财务分析师推广到世界上两个最大的主权财富基金。加拿大的 BCI，管理着超过 2000 亿美元的资产，以及挪威的 Norges，管理着超过 2 万亿美元的资产，这实际上使它们成为世界上最大的主权财富基金。但他们瞄准的不仅仅是投资经理。在十月，Anthropic 还宣布他们正在将 Claude 推广给德勤全球所有 45 万名员工。我认为我们仍然处于这段旅程的非常早期阶段。所以今天我采访的是 Anthropic 金融服务和产品负责人 Nick Lynn。我们将讨论为什么他们要深入金融服务领域。金融业占 GDP 的 10%。这是一个庞大的行业，我认为我们在解决问题的能力方面才刚刚开始触及表面，而这实际上是他们推出的第一个垂直领域。那么，他们为什么选择它而不是其他领域呢？我们还将探讨这些工具的功能和用例如何迅速发展。Nick，很高兴你能来。谢谢你邀请我。很高兴来到这里。所以你们推出了一款垂直人工智能代理，但我想谈的第一个问题是，为什么一开始就要费力去垂直化？为什么不等待通用人工智能或超人工智能呢？是的，当然。所以让我们谈谈 Anthropic 的使命到底是什么，对吧？我们本质上是一个研究实验室，非常专注于尽可能安全地部署我们的模型，以解决我认为最复杂和最困难的问题，而我认为犯错会带来真实的后果。这就是为什么安全如此重要，对吧？你知道，全世界都知道我们在编码方面非常出色。世界上只有 0.5% 是软件开发人员，但我认为编码是我们思考如何解决这些更困难问题的一个绝佳起点，对吧？编码对当今的每一家公司都至关重要，对吧？这些是复杂的系统，我们必须真正理解逻辑，解析数据，并以结构化和逻辑化的方式行事。所以，我们训练 Claude 的很多内容，我们相信也能在解决其他行业的更困难问题方面发挥基础性作用。现在你可能会问为什么是金融？金融业占 GDP 的 10%，对吧？这是一个庞大的行业，我认为我们在解决问题的能力方面才刚刚开始触及表面。你们在七月份看到的一切只是投资分析领域问题的一个缩影。对。所以总结一下，我们基本上是想解决现实世界中的大问题。金融业是一个巨大的领域。请给我一份 Enthropic 2 的时间表，比如你们以前做过任何垂直领域的工作吗？比如，为什么金融业是第一个，如果不是第一个，也是最早要解决的垂直领域之一？是的，金融业可能是我们真正开始从顶层方法着手的第一个垂直领域。研究、产品和市场推广。我们对此感到兴奋，因为再次强调，金融业占世界 GDP 的 10%，我认为它与代码有很多相似之处，即非常复杂的行业，在这些行业中，理解逻辑和拥有审计跟踪对于能够信任这些系统至关重要，而准确性最终极其重要，这就是我们真正所说的，你有一个领域特定的语言，你知道对于编码，你有编程语言，对于这里，你有会计和许多其他特定的。千分之百。是的。是的。所以我认为在模型智能层建立这种专业知识极其重要。我们如何实现通用人工智能？我们通过解决这些问题来实现通用人工智能，对吧？并专注于在这些领域构建 Claude 的智能。所以我认为这是我们迈向通用人工智能和超人工智能之旅的重要组成部分。是的。因此，解决这些垂直领域的问题可以为您在某些类别中获得一些动力。让我们更深入地了解金融垂直领域，以及为什么您在那里推出，以及 Claude 在这些垂直领域有多好。谈谈 Claude 在金融特定任务上的基准测试。是的，当然。我认为思考基准测试的目的是什么也很重要，对吧？您会看到很多已发布的基准测试，它们只是理论上这些东西可以做什么的学术代表。我总是鼓励我所有的企业客户使用这些基准测试作为参考，但真正更多地思考他们希望在内部解决什么问题，并开发自己的版本。话虽如此，公开基准测试是一个很好的起点，对吧？您有一个很棒的将基准测试分解为三个类别的说法。而我们只有针对第一个，可以说是最不有趣但最基础的类别的基准测试。所以，比如，什么是分类法，然后让我们谈谈实际的基准测试。是的，当然。你知道，我们在 Anthropic 的工作是构建完全自主的虚拟代理或协作者，它们可以拥有端到端的决策和项目。我喜欢从三个动词来思考这些代理可以做什么，这与我们作为知识工作者、播客主持人、产品经理所能做到的非常相似，对吧？那就是检索、分析和创建。嗯。对。一切都始于我们必须做的研究和必须收集的数据。是的。在此基础上，我们对这些数据进行定性和定量分析。理想情况下，我们可以创建可以与他人共享的输出，形式为 Word 文档、电子表格和 PowerPoint 文档。所以，你知道，一个在行业中引起很大关注的基准测试，由我们好朋友 vows.ai 发布，称为 Finest Agent。Finest Agent 实际上只涵盖了第一个类别，也就是检索和研究。是的。对。它提出了，你知道，入门级财务分析师的问题，比如，你知道，苹果公司的市盈率看起来是什么样的，以及它在过去十年中是如何增长的？我提取了一些样本问题。比如，Netflix 回购的股票总数是多少？AWS 在三年类别中每年的收入百分比是多少？所以，是的，就像非常检索数据，做一点点，你知道，处理它，但它主要是纯粹的研究，而不是。嗯。千分之百。而且，你知道，在此之后，你如何处理这些信息？是的。你必须把它放进电子表格来构建贴现现金流模型，做更多的敏感性分析，然后以演示文稿或投资备忘录的形式呈现你的发现，与他人分享。对。我认为所有下游的步骤都没有一个好的基准测试来捕捉那里的表现。所以，这是我一直想强调的，我认为对于这次谈话来说，我们在这方面还处于非常早期的阶段。AI 模型相对较早，但垂直化你们已经做了三个月了，然后基准测试你们也才刚开始，这真的只是第一个研究基准测试，而不是分析组件，但谈谈那个研究基准测试，它是什么，你们的表现与其他一些公司相比如何，以及你们在模型之间看到的性能提升。是的，我认为这个基准测试很好地捕捉了一些入门级财务分析师的检索类测试。所以，正如你提到的，比如深入 SEC 文件进行一些表面上的定性和定量分析。我认为这是一个很好的起点，并且作为我们几周前发布的 sonnet 4.5 版本的一部分，我们已经对这个基准测试进行了一些特定的训练。即使只是从这种专注的水平来看，sonnet 45 的表现也比我们之前的 Opus 4.1 模型好五个百分点，而 Opus 4.1 模型之前一直处于领先地位。是的。所以，我认为是 55%，我认为 03 目前大约是 48%。没错。而 Opus 大约是 49% 左右。是的。所以，我认为这只是表明有很多唾手可得的成果。首先，55% 是基准测试中的最佳成绩，但当然仍然没有达到今天的 Sweetbench 的 80% 或 90%。对吧？我们在过去几个月里对此进行了投资，并且已经在该基准测试上看到了五个百分点的提升。所以我认为即使在这个只捕捉了一小部分问题的基准测试上，我们也有很多可以一起做的事情。一方面，你可能会听到这个，哦，55% 不太好，如果我要问，你知道，Claude 去找到一家上市公司完全稀释后的股份数量，而 40% 的时间它是错的，这有多大用处？但另一方面，这些是工具最糟糕的时候，或者将永远是这样，而你们只花了三个月时间来改进它们。没错。是的。而且，我认为我们思考未来如何改进这些能力的方式，我们内部有一个经常使用的术语，研究、产品和客户的飞轮。再次，最终 Anthropic 是一个研究实验室。是的。我的信念是，我们构建的产品功能让我们的客户能够访问这些模型能力。不是每个人都是开发者，他们乐于在终端内与 Claude bare bones 对话，对吧？你必须构建工具和集成以及界面，才能让这些模型能力真正对你有用。所以我们想这样做。这是我的主要工作，对吧？构建这些模型能力和产品功能，以便我的企业客户可以与 Claude 互动，并让他们知道哪些方面有效，哪些方面无效。然后我们将所有这些反馈带回我们的研究团队。是的。而且我想在稍后的谈话中重新讨论这一点，因为我觉得我们有模型组件，但查看器和控制器，即使这意味着什么，完全是开放的。就像在 90 年代一样，我们甚至不知道可以有一个图形浏览器，对吧？这是一种全新的用户界面现象。对于垂直化代理，我们仍然处于早期阶段。但回到基准测试。所以，好吧，这里有一些量化的基准测试。你们在 55% 的表现非常好。给我一些定性的感觉，为什么这些模型在做金融工作时感觉很智能？比如，你什么时候使用过这些模型之一？比如，这很有趣，令人惊讶且有用，因为你以前是投资银行分析师。是的，我们实际上没有涵盖这一点，但我称自己为“改过自新的投资银行家和私募股权投资者”。所以在 Anthropic 之前，我整个职业生涯都在金融和金融科技领域度过。所以，我们希望解决的很多问题都与我息息相关，因为我花了，你知道，可能 75% 的时间只是做这种手动数据分析，你知道，制作 PowerPoint，确保文本框真的匹配相同的蓝色阴影，对吧？所以，分析师每天都要做很多手动工作。我们希望卸载其中一些，以便我们可以专注于真正重要的事情，对吧？建立关系，真正理解公司的商业模式，而不是花一整天时间查看这些难以验证的数据源。所以，我一直在认真思考的是，如何让 Claude 在我作为分析师的日常工作中做得更好，那就是构建电子表格和 Excel 模型。我一直对这样一个事实感到鼓舞，那就是我认为很多编码方面的智能、逻辑和推理能力确实可以转化为其他领域。嗯。所以，我前几天只是在玩我们的 Excel 代理。你知道，我在金融领域经常做的一件事就是让模型回溯一个结果需要什么，对吧？所以，假设我需要将收入增长率从 15% 提高到 18%。是的，收入是，这听起来很简单，但想象一下 Excel 中的一个单元格。好吧，它可能实际上会追溯到 15 或 20。所以这是一个相当复杂的优化问题，需要理解所有这些是如何联系在一起的。所以，总之，没错。所以，一个非常简单的例子，收入增长按你的商店数量来划分，这是针对 Chipotle 的，以及同店销售增长，对吧？即使在这个例子中，Claude 也需要操纵这两个输入，以便最终输出是 18%。它正好做到了。它保持同店增长不变，以便它可以改变 Chipotle 可能更在控制之内的东西，那就是餐厅的数量，然后它回溯以达到 18%。所以我对这种小小的智能真的印象深刻。是的。所以你看到这个单元格中的一个小小的变化，但实际上它在后端调整了 18 个输入来弄清楚具体是什么样子，如果你是一个分析师，你在拆解一个 Excel 模型，并试图做到这一点，而它还没有以正确的架构设置好，你会说，“哦，天哪，这需要很长时间。”百分之百。是的。你知道，我们在 Excel 中有一个目标搜索函数，它构建了大量的逻辑，并且可能需要四到五分钟才能完成，对吧？但 Claude 几乎是瞬时地完成了，只是凭借它的智能。是的。所以，我认为这是一个很好的例子。让我们继续谈谈你的客户以及他们为什么使用它。所以你宣布了 Nores 和 BCI。让我们从 BCI，加拿大主权财富基金开始。他们为什么决定开始使用 Claude？他们用 Claude 做什么？现在它已经上线了，他们有什么优势？是的，当然。BCI 一直是我们一个很棒的设计伙伴。正如我之前提到的，我们所做的一切都离不开与企业客户的紧密合作。所以，我们尽早与 BCI 的人分享想法，以便我们获得反馈和验证，嘿，这些是我们正在解决的问题，这是解决它的正确方法。所以，他们与我们紧密合作已经有好几个月了。我想说，关于 BCI 真正有趣的是，我们知道他们不是最大的主权财富基金，但他们行动非常敏捷。所以，他们也开始认识到内部的许多问题，他们管理着大量的不同策略。所以，每个团队都有略微不同的需求，这使得任何通用的 AI 解决方案都很难满足。我认为真正让 BCI 兴奋的是我们平台的灵活性，对吧？我们能够连接到许多不同的集成和 MCP 服务器。我们能够为私人和公开市场定制特定的工作流程。而且我认为对于 BCI 这样的人来说，真正令人鼓舞的是，也有一个强有力的自上而下的动力，鼓励实验和采用。所以，你知道，本，我们在 BCI 的主要倡导者，花了很多时间为他们的团队创建这些非常有趣、复杂的提示。所以，我真的鼓励我所有的企业客户思考如何推动自下而上的采用。当我想到像 BCI 这样的主权财富基金是一个有趣的设计伙伴时，我立即想到的是，你知道，他们有 2000 亿美元的资产，但只有 200 人。所以人不多，但他们需要分析大量的投资数据，这些投资遍布世界各地。所以你需要这些工具，正如你所说的，你需要有所有这些 MCP 服务器等等来实际进行一些分析。BCI 作为设计伙伴，为了获得任何价值，必须做哪些工作？因为你不能只是带着一个模型出现。他们实际上必须完成所有集成工作。比如，他们已经有了数据湖吗？你必须帮助他们建立数据湖吗？你帮助他们了吗？他们已经有了 MCP 服务器吗？你是否就如何构建和架构 MCP 服务器提供了指导？为了让他们能够开始获得这些工具的价值，他们是如何做好 AI 准备的？是的，当然。我实际上不认为需要进行大量的集成工作才能从这些系统中获得价值，因为它们非常灵活且功能强大，只要你知道你希望解决什么问题，对吧？即使没有 MCP 集成，这些系统在查看公共数据源方面也非常出色。是的。对。并识别趋势，你也可以将很多东西上传到 Claude。我们有 100 万个 token 的上下文窗口，这是市场上最大的之一。所以，模型中的许多核心基础功能对我们的客户来说都极其有用。话虽如此，我们希望开始思考如何通过 MCP 等工具进一步扩展这些模型功能。嗯。MCP 的好处在于它非常灵活。它基本上是一个 API 加上一套关于如何与这些 API 交互的提示，对吧？所以，任何你拥有的 API 层，你都可以构建到 MCP 中。所以，我认为这也是 BCI 如此兴奋的原因。他们不是一个非常大的组织，所以他们可以敏捷地行动，而且我认为他们已经有了很多数据结构。但即使没有这些，你知道，手动上传，网络搜索已经可以为 Claude 提供很多可用的功能。他们与你分享的关于 Claude 和 AI 分析师上线后他们获得的优势的故事有哪些？你知道，思考他们如何改变工作方式也很有趣。例如，可比公司分析是所有分析师每天都经常做的事情，非常乏味，非常手动。你必须确定正确的可比公司组合。你必须从 S&P 拉取相关信息。你把它转储到静态电子表格中，然后从中创建图表。对。我认为我们都可以理解这种工作流程。在 claw.ai 中有一个名为“Artifacts”的功能。Artifacts 本质上是一种连接信息的方式，让 Claude 可以利用它最擅长的东西，也就是编码。Claude 使用代码，实时渲染代码来显示大量信息。所以，与其使用这些静态 Excel 表格作为可比公司表，BCI 已经集成了 S&P 和 Fact，并为自己构建了实时 Artifact Landscape，是的，供他们的董事总经理互动，甚至他们的董事总经理每天都在与这些 Artifacts 互动，而无需让分析师重新计算。所以我认为我们正在看到工作方式如何随着 AI 而改变，这真的令人兴奋。是的，这很有趣，为什么编码会让你擅长金融？这就像，嗯，你需要一个视图层，你可以编写 HTML 和 CSS，你可以拥有从实时源拉取实时数据的实时仪表板。我想谈谈数据部分。所以，当然，公共数据易于访问，内部数据，你知道，一些集成，但 MCP 服务器非常灵活，但你还有其他来源，比如 FactSet。所以，对于一个金融组织来说，如何将所有这些数据放到正确的位置？比如，你如何与像 FactSet 这样的第三方合作，他们可能有许可证。是的，当然。你知道，我认为我们对待 AI 的方法中真正有趣的是，我们希望围绕 Anthropic 培养和建立一个生态系统。所以，我们所做的一切都是开放的，对吧？MCP 作为一种概念是一个开源协议。我们真的希望鼓励世界思考如何将系统连接到 AI，对吧？因此，MCP 可以通过几种不同的方式构建。我们将拥有自己的 MCP 服务器。我们今天刚刚宣布 SharePoint 作为服务器刚刚发布。显然，对大多数企业客户来说非常有用。我们的合作伙伴自己也在思考如何与 AI 系统集成。这是我一直非常鼓舞的一件事，那就是 Anthropic 能够团结市场并帮助推动行业向前发展。对吧？MCP 这个概念已经存在了六个月，即使在这六个月内，像 S&P、FactSet、Pitchbook 这样的主要参与者已经发布了功能齐全、可用的 MCP，它们正在获得我们客户的良好反馈。想到这些公司中的许多公司，仅仅获得一个 API 就花了许多年，然后他们有一个 XML API，并且将其升级到现代的 RESTful JSON 对一些人来说还没有发生，然后 MCP 服务器出现了，在六个月内，其中一部分是由于你如何构建这些系统的灵活架构，但一部分是企业现在愿意采用，这很迷人。让我们谈谈 Norges。那么 Norges 与 BCI 有何不同，因此他们与你的合作方式有何不同？是的，当然。Norges 是我所认为的世界上最大的主权财富基金，管理着超过 2 万亿美元的资产。而且，你知道，Norges 的优势在于他们非常技术化，并且拥有技术型的倡导者，他们是我们生态系统中的构建者，这真是太棒了。对。最终，Anthropic，我们不仅仅是一个聊天应用程序。我们不仅仅是一套 API。我们不仅仅是 Claude 代码。我认为与 Anthropic 合作的优势在于，我们拥有所有这些产品服务供您根据您的需求进行采用。是的。对。而且我们的 API 和 Claude 代码使其非常灵活，可以构建您自己的内部解决方案。而我们的应用程序服务则可以非常轻松地进行采用，集成工作量非常小。对。Norges 所做的是他们构建了自己的内部工作流程。例如，他们构建了自己的 Snowflake MCP，甚至在 Snowflake 发布其 MCP 服务器之前。而且我相信他们每天都有投资组合经理查询大约 9000 种不同的投资组合公司信息。所以我认为我们正在看到拥有发言权和自行构建的能力如何真正鼓励组织内的采用。是的。关于 BCI，大约有 200 名员工，这一点很有趣。我不知道他们的工程团队有多大，但我估计不会超过 20 人。可能更像是 10 人左右，而 Norges 有 2000 人。他们可能至少有 100 名工程师在那里，对吧？这对你们来说是一个相当大的团队，可以合作和学习。而且我认为 Norges 的公开团队也大得多。所以，更多的技术量化交易员也真正能够构建到他们自己的工作流程中。是的。而且他们正在编码，如果他们是量化交易员并且正在做很多这类事情。那么，你觉得呢？他们做了很多查询。这些查询看起来像什么？它们是像可比公司分析那样吗？比如，你认为他们从中获得价值的具体事情是什么？我们看到他们的公开市场用例得到了广泛采用，他们在 Snowflake 中的结构化数据方面做得更深入。我认为 Norges 也做得很好，他们花了很多时间确保他们的数据湖达到你的观点，并摄入所有核心数据源。当然，在公开市场方面，你需要有一个连贯的策略，但我认为很多我们看到的类似的研究，你知道，用例，真正理解大型数据集中的趋势，这很容易被忽略，而这最终是阿尔法（超额收益）的来源，对吧？这不仅仅是处理数据速度更快。我认为做得更好也很重要，对吧？发现一些你可能错过的见解。是的。而且这是一个小点，但它非常重要，许多金融服务机构并没有建立很好的数据湖，对吧？所以，比如，哦，我需要有一个 AI 战略。你就像，好吧，你和 Snowflake 谈过了吗？比如，你建立了吗？所以，有一些巨大的动力，我认为现在的一些大赢家将是那些帮助这些组织在应用智能之前建立数据层的人。嗯，但你把这两件事放在一起，就会非常强大。嗯。对于 Norges，你如何看待与他们的互动，比如集成他们的产品反馈？你们有部署的工程师吗？你们每周与当前的团队进行站会吗？比如，你和你的设计伙伴之间的合作是什么样的？因为这是许多创始人都有的问题。比如，如何与金融服务领域的设计伙伴普遍合作？是的，当然。对于我们所有已部署的客户，我们有客户成功经理和应用 AI 的团队，他们真正支持他们的日常工作流程。所以，这真的只是，你知道，这是我们所有企业客户的标准部署和支持模式。我想说，对于构建特定的产品功能，我们对我们希望针对的客户以及如何让他们参与产品开发生命周期更有针对性。我认为，你知道，有一种误解认为设计伙伴关系需要非常程序化。它实际上不需要。是的。只要你与客户保持定期联系。所以，例如，我每周与 BCI 进行一次站会，在那里我分享我脑海中的所有想法，而获得你的验证对我们来说非常重要。是的。我认为这些 AI 系统的美妙之处在于它不是确定性的，你可能有一系列假设你想解决的问题，但你的客户可能会为这些系统找到完全不同的用例。所以，我认为尽早接触你的客户，分享你的想法并获得反馈，即使是设计、模型和原型，也是我非常鼓励的事情。是的。我想从谈论一些客户转移话题。我想，只是为了说明一点，你知道，你们垂直化了三个月，他们，你知道，部署了大约三个月，所以事情的变化还有很大的空间。你对事情将如何变化有什么看法吗？比如，你有什么，哦，这是我们最兴奋要处理的下一件大事，或者看到我们的客户解锁的？是的，我认为我可能会回到我们谈到的三个动词，对吧？我认为研究和检索代理在市场上最为成熟，并且显然看到了很好的产品市场契合度。但在此之后，分析代理、电子表格代理、PowerPoint 代理，非常早期。是的。我们真的希望开始打通整个价值链，并真正确保我们的代理能够成为我们企业客户中完全功能化的自主的同事。是的。而且，如果你认为第一个类别，研究，绝对是 Norges 公开团队使用最多的，而这些主要是公开数据集，有时由第三方补充，然后就是，好吧，下一个可能是私人领域，然后你开始真正深入到分析领域。随着你们的垂直化，你们 Anthropic 如何看待竞争？因为当然，你们有，你知道，OpenAI 和其他基础模型公司，但现在你们也有自己的客户，比如 Abbia，例如，如果你去他们的网站，它也说 AI 金融代理。那么，你们如何看待在不同于以前的维度上竞争的意义，因为你们在推出这个垂直领域之前？你知道，再次，Anthropic 最终是一个研究实验室。我们真正关心的是为我们真正关心的行业提供最高质量的模型智能。而我的目标是让 Claude 成为金融服务行业的支柱，无论我们的企业客户希望如何采用。是的。对。正如我们都知道的，企业不是赢家通吃。对。金融服务是一个价值三万亿美元以上的市场。所以一些企业会更愿意将 Anthropic 作为他们的一站式商店，因为我们可以满足他们从前端投资银行到后端 KYC 对账，再到中端办公室，是的，甚至云代码软件开发生命周期转型等方面的需求。但其他人可能有非常具体的需求，并且需要更深入地了解特定的工作流程，比如投资银行和 pip 和 sim 创建，对吧？我们将希望确保 Claude 是以上所有方面的最佳模型。但就您对特定用户界面和工作流程的偏好而言，这些都是建立在模型之上的，我们对此持开放态度，只要 Claude 为它们提供支持。我认为你们有一个口号，那就是 Claude 无处不在。那么这意味着什么，它如何相关？是的，当然。你知道，我们认为将 Claude 构建到企业中，实际上是希望解决变革管理的难题。即使这些模型功能、产品功能今天已经完全能够、完全运行，但如果我们的用户必须显著改变他们的行为才能使用这些模型功能，那也无关紧要。是的。而我们的企业客户今天花费时间的地方是在 Excel、PowerPoint 中，微软 Office 套件是很大一部分答案。或者，你知道，对于我们的数字原生企业来说，还有 Slack 和 Google Suite，对吧？我们几周前刚刚宣布，我们也有一个 Slack 集成。它是双向的。所以你可以在 Slack 中直接与 Claude 对话。最终，我们希望 Claude 感觉就像你的另一个同事，你可以与你在所有这些不同的服务中进行交流，并真正理解这些不同服务之间的上下文。是的。我认为微软最近宣布 SATA 说 Claude 现在可以在 Office 套件中使用，并且他们正在构建 AI 工具，你可以在不同的基础模型公司之间切换。没错。嗯。在里面，有一家我们没有谈过的公司，德勤，这与主权财富基金非常不同。德勤背后的故事是什么，他们的用例看起来像什么？是的，当然。所以，德勤实际上是我们签署的第一批企业版 Claude 客户之一，大约一年半前。而且，你知道，咨询公司非常有趣，因为一方面他们有多个部门，对吧？是的。他们有集成部门，他们有管理咨询，他们有部署的工程师。所以，我认为他们的需求在整个组织中非常分散。是的。他们有 45 万名员工，管理咨询与实施咨询非常不同，与会计也非常不同，而这些都是德勤内部的几个大业务之一，但你们现在已经上线了所有 45 万名员工。没错。所以，你知道，我认为平台本身的灵活性最终对这些企业客户来说非常重要，只要我们能够拥有支持这些用例的核心组件。这就是为什么我总是回到那三个动词，对吧？是的。检索、分析和创建。这不仅适用于银行家，也适用于顾问，也适用于税务和会计师，对吧？但我们如何利用这些能力并将其扩展到特定工作流程呢？这就是通过像 MCP 和工具以及我们可以构建的用户界面组件的实现。但最终，你知道，我也经常被问到这个问题，你们是否在构建垂直特定的模型？嗯。目前我们还没有。我们坚信，在所有这些不同的领域之间存在大量的交叉学习，你知道，擅长编码可以很好地转化为擅长金融，你知道，金融领域的这些分析能力也可以很好地转化为咨询和其他职能。所以我认为这种作为完整水平层的灵活性对我们来说非常重要。是的。嗯，还有一件事我想谈谈，我想，关于德勤，也是关于思考，六个月前我研究了有多少银行家在工作中可以访问 AI 工具，我能找到的最近的答案是 1%。大约六个月前。是的。你认为我们现在在拥有 AI 的银行家、顾问、大型企业公司数量方面处于什么位置？你知道，我可能仍然会说是个位数。是的。是的。我认为，再次，我们仍然处于这段旅程的非常早期阶段。我们还没有谈论过很多关于如何在企业内部安全地部署这些解决方案的问题，而安全有几个层面，对吧？第一是确保从数据安全角度来看，我们构建的系统是万无一失的。第二是理解正在生成的答案对于用例来说是准确的。第三是确保人类能够通过可审计性和引用来信任这些准确的答案。对。我认为我们作为安全研究实验室对这三个组成部分进行了很多思考。我想说，我们在第二和第三个方面做得相当好，但第一个方面，它仍然需要时间，你知道，要通过这些合规流程，你知道，撕掉你现有的解决方案，然后考虑那个通常需要 6 到 12 个月或更长的企业销售周期。话虽如此，我认为我们确实开始看到大规模的采用正在发生。正如你提到的，德勤正在向全球 45 万名员工推广。所以，我认为，你知道，我们正处于这段旅程的开始，但开始看到潮流在改变。是的。而且它将是，我认为我们将在 12 个月内从 1% 增长到 10%。而在接下来的 12 个月里，你知道，如果微软开始推广，你可以很快达到很高的比例，这是一个令人难以置信的企业对新平台的快速采用，而不是像在其他采访中那样，有关于在像 RAIA 中采用电子邮件的故事，以及它有多难。你就像，“我的天，只是电子邮件。”嗯。我来稍微放大一下，想想拥有一个 AI 财务分析师的更广泛的社会影响，对吧？或者人们在想，我们是在自动化工作吗？财务分析师的工作会消失吗？金融服务行业会出现失业吗？比如，现在有了这些工具，它们正在做一些人们过去做的工作，这意味着什么？是的，当然。你知道，最终这些仍然是你正在交互的工具和系统，对吧？我们目前的核心关注领域，正如我之前提到的，是真正开始剥离所有这些平凡的、重复性的工作，分析师可能花费至少 60% 到 70% 的时间。是的。对。你知道，每次都从头开始重建模型，重新链接所有这些单元格，确保你所有的循环引用都经过检查并且没有错误，再次，还有所有 PowerPoint 的创建，我认为这主要是关于格式化和翻译，并确保字体大小和颜色真正匹配，对吧？所以，分析师每天都要做很多手动工作。但是分析师真正应该思考和关注什么？他们对什么充满热情？他们对理解市场充满热情。他们对理解商业模式充满热情。他们对与创始人及其投资公司共度时光以更深入地理解这些商业模式充满热情。所以，我们希望真正开始腾出时间来做所有这些真正重要的事情。是的，这肯定会改变工作。我认为当像你和我一样曾是投资银行分析师的人看到这一点时，一方面你会觉得太棒了，另一方面你会觉得，总的来说，财务分析师会怎么样？我想换个话题，问一些更轻松、更有趣的问题。第一个问题是，你最近喜欢使用哪些 AI 工具，特别是与金融有关，但不是 Claude？我们可以剪掉这个，但你之前提到过的快捷方式工具，因为它是一个人们可以自己使用的有趣的东西，也可以从中获得一些东西。是的，当然。你知道，我认为我是一个 Excel 极客，因为我花了，你知道，八年的生命每天都纯粹地生活在 Excel 中。所以，看到 Excel 的创新让我非常兴奋。我们紧密合作的一个客户，Fundamental Labs，他们在 Opus 上构建了一个名为 Shortcut 的 Excel 代理。他们实际上在浏览器中重建了整个 Excel 应用程序界面，并且老实说，在复制许多这些功能并构建 Claude 的智能到产品本身方面做得非常出色。所以我已经看到了一些非常棒的结果，通过玩一些早期的原型。是的。所以，如果你想尝试，你知道，Excel 中的 Claude，你可以查看 Shortcut。我有一个朋友经营着 Source Table，Source Table 非常棒。它是一个 AI 原生的电子表格，还做了很多其他事情。所以，这是我的一个。嗯。问题，旧金山还是纽约？你都住过。哦，天哪。嗯，我喜欢两者。我在两个海岸都花了很多时间，但你知道，我内心是个东海岸人。我在亚洲长大，所以非常习惯，嗯，城市的喧嚣。嗯，能够花很多时间在两个海岸都很棒。嗯，我认为纽约的能量是无与伦比的，我在世界任何地方都找不到。所以我爱纽约，但能够回到旧金山，你知道，见到我在这里的朋友，能够跑到美术宫，下到码头。你回来的时候最喜欢做什么？哦，天哪，我是一个跑步爱好者。所以，我喜欢能够跑上旧金山的山丘，这可能不受欢迎，但我以前住在日本城。我会跑到阿尔托广场，下到美术宫，穿过码头，然后回家。六英里。那可能是我每个周末最喜欢做的事情。是的。如果你是跑步者，平坦的道路很无聊。山丘很有趣。千分之百。是的。嗯，还有，你有什么即将宣布的消息吗？因为我们才刚刚开始垂直化 Claude 和 Anthropic 的工作三个月。所以，未来我们应该关注什么？是的，当然。你知道，这对我们来说是一个持续的动力，正如我们提到的，金融服务可能是 Anthropic 最重要的垂直领域之一，并且预计我们会看到我们在今天涵盖的三个维度上取得更多改进。模型智能，我们花了很多时间进行预训练和后训练，以确保模型在金融任务方面非常出色。产品层。所以，我们正在构建服务、工具和差异化的用户界面，以适应金融工作流程，以真正降低这些用例的采用门槛。对。我认为最终，我认为产品的职责是让模型能力向世界开放。然后第三是思考生态系统，对吧？我们如何继续推动行业向前发展？我们如何与 S&P 和 FactSet 等更多合作伙伴合作以构建集成，并思考他们的业务如何随着 AI 而发展？所以，我认为我们正在继续致力于所有这三个组成部分，并且我对未来感到兴奋。是的，我为你的下一次演示、你的下一次产品发布感到兴奋。也许我们到时候可以进行一次简短的谈话。我很乐意。在此期间，感谢你的到来。很高兴。谢谢你的邀请。