一个为自己企业战略定位服务做风投，将其中的产品和经验逐步强化为自己的科技能力，高盛的这个动作可谓是引起行业风潮的，2018年正值传统投行面临科技颠覆之时，同期，花旗银行和摩根大通等同业也纷纷启动内部创新计划或与外部初创公司合作以保持竞争力。

综上来看，高盛让高管牵头跨部门客户服务计划来打破部门壁垒，像是一种破局，先催生一些利益格局变化和新协同模式；通过设立普遍的联席主管、跨部门团队，考核协同指标，将偶然的、项目制的协作，固化为常态的、制度化的协同展业；这背后一直在寻找各种数字化和科技创新的支持，对客做统一界面、对内客户数据整合内聚等。

值得注意的是，2021年起美股长牛趋势明显，隔壁的摩根斯坦利因为财富管理业务战略转型成功，股价开始慢慢高于高盛，并之后越跑越远。高盛感知到了。

消费金融银行业务成为了战略重大失误，纠错也很快，新环境中他的对策就是上升策略，聚焦高净值客户，扩大资管和财富管理业务。

2022年组织架构大调整（先前文章也细讲过，不赘述了高盛架构重组的背后是什么？），2.0主要功夫就下在两个新重组的部门“全球投行及市场”、“资产及财富管理”他们之间增强协同。

先说说财富管理的转型和起势路径。

一级市场业务曾经是皇冠业务，而IPO业务已颓势，这是经济衰弱、严监管的必然，后期投行业务有提升也更多是私募信贷、私募股权和并购业务（有机会可以好好聊聊私募信贷）。

2020年开始，美国这个皇冠业务转向了二级市场业务。全球经济不确定性加剧，美国缓慢进入加息周期，养老金压轴二级市场、国家之间开始科技竞争豪赌、对科技股票的维护，股市长虹，造就了财富管理业务，尤其富人越富趋向中的私人银行业务。

如何转型财富管理？摩根斯坦利从华尔街传统投行脱胎换骨为一个财富管理业务巨物（23年财富管理收入超过58%），有三项神来之笔完成了转型，形成了一个从潜在客户到成熟客户的完整生态。

一是私人银行业务直接买来，而非耗时耗力自建，2009年收购美邦（Smith Barney）以及带来其高净值客户。

二是锁定未来年轻高净值客户，2020年收购做股权激励公司Solium Capital，通过为企业客户提供股权激励、员工持股计划等服务触达大量企业客户，这些年轻股东转化为未来的大众富裕型客户。

三是深入全谱系财富管理，2020年、2021年分布购买E-trade和Eaton Vance资管公司，前者服务自主投资的零售客户，后者丰富产品线与资管能力。

可见投行业务是个大切入口，承载着很多财富管理客户，以此锁定高净值客户群，再不断扩充到零售、富裕客户，相随把产品丰富化。

高盛从中吸取的首先是第二项和第三项，如何把投行业务中转化客户，以及针对高净值客户布局另类资产等资管产品。

2.0具体举措的信息并不多。从业务方面协同来看，目前高盛投行板块这侧是向中型市场扩展，不仅是覆盖规模小公司的投行业务，还是为财富板块挖掘储备未来优质客户；财富板块这侧，一个重要的协同方式就是为其财富管理客户提供源自其投行和投资业务私募股权等这些另类投资产品。这其中的绩效考核，在于他们对OneGS的贡献程度。

高盛压轴于财富管理业务，开始有了正反馈，今年陆陆续续看到了很多大动作，包括和T. Rowe Price资管公司合作、收购Industry Ventures风投公司，加速进军私募市场和另类资产业务，10月还买了一家养老金融的Industry Ventures资管公司股份。

科技股票是这几年的话题中心，自然而然科技应用起势，金融行业AI如约而至。

“OneGS 3.0”战略是高盛利用人工智能来改进业务流程。虽然高盛坦白人工智能应用方面公司仍处于早期阶段，但是仍有很强的意图用AI重塑运营方式。

这是一项需要多年时间才能完成的工作。高盛计划通过以下六个目标来衡量进展：（1）提升客户体验；（2）提高盈利能力；（3）提高生产力和效率；（4）增强韧性和规模化能力；（5）丰富员工体验；以及（6）加强风险管理。

高盛首先将深入研究几个贯穿整个前端和后端的工作流程，这些流程能够显著受益于人工智能驱动的流程重组，并将有助于制定更长远的战略。这些流程包括销售赋能和客户准入等直接影响客户体验的优先事项，以及其他贯穿公司各个环节的关键领域，例如贷款流程、监管报告和供应商管理。

由于金融领域非常关注数据保密性及合规准确性，AI在金融行业中的运用算不上非常成熟，无论国内外，目前主要体现在：

 1） 研究辅助：历史研究报告构建为知识库，支持研究院快速检索、问答和报告草稿生成。但是所有输出需人工审核，禁止直接交付给客户，防范AI风险。

2）市场情报监测：AI 扫描社交媒体、新闻等公开信息，生成定制化晨报，推送与岗位相关的高影响事件，比如交易部门避免遗漏关键市场信号，如突发政策变动等。

3）交易员自然语言代理：交易员用自然语言描述需求，AI自动转换为 SQL/Python 代码，整合多数据库结果，解放交易员编码时间，聚焦策略决策。

金融探索AI这过程中，需要处理很多数据安全性、数据分级授权管理、数据出错问责及AI模型可信度问题，是有很多掣肘的。

未来可以探索的空间，包括智能体（Agents）深化（如报告生成+合规校验）、企业级数据目录（集成 AI 分类结果，优化数据发现与共享）及监管科技（用 AI 动态生成数据质量规则，适应合规要求变化）等等，都是首先要解决既要数据沙盒又要数据生态互动的冲突问题。

高盛已做到的，是部署了⼀个全公司范围的开发者平台，用于引导和优化各种⼈⼯智能模型，并据说以安全的方式连接专有数据。

同时推出了一款面向员工的人工智能助手，为使用安全LLM（语言学习模块）的员工提供统⼀的聊天界⾯，已向1万名员工开放，估计和中信最近推出的数字员工有一致性。

通过AI驱动增长的战略蓝图，是很有想象空间的，仅流程自动化这一点就会很大程度改变投资银行的成本结构，AI终究难免会替代员工。这一转型之路，肯定非坦途，关键在于怎么处理AI带来的伦理、监管和裁员影响。

只是，这一路战略过来，重点是人，要人与人和谐共处，做综合服务，最后的战略，还是人，干掉这来之不易和谐的一家子hhh。