Anthropic与OpenAI争相接入钱包:AI管账时代来了?
AI开始碰触普通人最敏感的一部分生活:银行卡里还有多少钱,下个月需要还多少账单,以及这些钱最终会花到哪里。
AI开始碰触普通人最敏感的那部分生活:银行卡里还剩多少钱,下个月要还多少账单,这些钱最后花到哪儿去。
11月初,
Anthropic推出Claude个人财务测试版;OpenAI也很快对应发布了ChatGPT Wallet。前者靠连接账户帮用户看账,后者已经允许智能体在用户确认后完成购物支付。两家功能不一样,抢的却是同一样东西——用户敢不敢把钱交给AI的那份信任。
一旦人们愿意让AI知道自己的收入、负债、消费习惯,甚至投资需求,AI背后的公司就更有机会插进日常金融决策里。
这块市场,中国AI公司也很难视而不见。可问题在于,聊天窗口一旦连上居民的积蓄,产品要回答的就不只是模型够不够聪明。金融服务谁来提供、建议谁来给、资金谁来动、出了事谁来负责,都会变成一连串麻烦事。
01
行动
看美国这两家头部AI公司的动作,起点其实很具体:帮用户处理散落在不同金融机构里的复杂财务事务。Claude方面,美国部分付费用户可以通过Plaid连接账户,把余额、交易和待付账单汇总起来,查找重复扣款和异常费用。它眼下只有读取权限,不能转账,也不能执行投资;个人财务专区的对话不用于模型训练,专区里没有广告,也没有付费推荐。
OpenAI则同时走两条路。Finances用来整理支出、资产和债务,同样不能替用户交易。新推出的Wallet接入了支付网络,先在dots向美国成年Pro用户开放,用户要核对商品、金额和银行卡,通过安全验证之后才会付款。
看账、给建议、动钱,正在被拆成不同的权限。两家公司都没有把整个家庭财务直接交给一个能自由行动的模型,说到底,这事还处在比较早期的阶段。

这跟美国市场的特殊性有关:一个人的工资账户、信用卡、贷款和投资账户可能分属好几家机构,每个平台都能展示自己的数据,相当分散。AI的机会就在这儿——它能把复杂又分散的账单理成一份更好懂的家庭金融安排:发薪日前还会扣掉哪些费用,取消哪些订阅能少花钱,为一次大额消费留出多少现金会影响到什么。
对普通用户来说,管钱这件事本身就够让人焦虑,付费服务的空间也就出来了。Cleo这家初创公司把预算、债务管理、信用服务和AI指导分别做成订阅套餐,官网披露年度经常性收入已突破3亿美元。Origin则更偏向财富管理:按服务条款,AI顾问和专业理财规划服务所涉投资咨询,由其旗下在美国证券交易委员会注册的投资顾问实体来提供。
这两条路径说明,个人金融助理既能靠用户订阅赚钱,也能嵌进已有的金融服务体系。大模型公司握着庞大的用户入口,争的是这个赛道里最值钱的位置:用户的第一问询窗口,可以直接给出成体系的 service 能力。
美国也有清楚的监管责任边界,只是跟中国的具体情况会有明显差别。
02
异同
中国的AI金融并不是一片空白,差别更多在服务怎么组织。蚂蚁集团的代表产品是“蚂小财”,提供市场解读、基金分析等服务,并强调专业服务由合作持牌机构提供;招商银行在自己App里加了结余日历、账务智能检索和“小招”智能服务;东方财富的“妙想”则围绕金融数据、图表和投研分析展开。
这些案例指向一条更容易落地的路子:金融平台和机构掌握账户、产品与服务关系,AI嵌进去,帮用户理解业务、办理业务。国内通用助手面对的难点,是怎么跨出原来的信息服务范围,合法进入金融业务。

第一道边界是服务资格。早在2018年,资管新规就明确过,运用人工智能开展投资顾问业务需要取得相应资质,非金融机构不能借智能投顾超范围经营,也不能变相开展资产管理。
向用户传达基金的具体情况,和针对某个用户给出具体投资建议,业务性质并不一样。模型能写出一份配置方案,不代表运营这款模型的公司就有资格经营相应业务,金融业务的高门槛并没有在大模型身上消失。
另一方面,今年落地的新规给科技公司做金融产品又加了一道限制。9月30日起施行的《金融产品网络营销管理办法》规定,第三方平台须在金融机构依法委托下才能开展营销。其中第二十条对平台划了红线:不得违规介入销售合同、资金划转、适当性测评等环节,也不许就金融产品和消费者、投资者做互动咨询。
对那些习惯了用对话连接一切服务的AI公司来说,这条规定相当具体。一个助手如果收了金融机构的营销费用,又在聊天里向用户解释并推介具体产品,那就等于更深地介入了具体业务。
监管层的态度摆得很清楚:AI公司想靠一个合作入口,就把推荐、咨询、成交全流程都揽下来,难度不小。
个人信息保护这道关同样绕不开。《个人信息保护法》把金融账户归入敏感个人信息,处理这类数据得有特定目的、充分必要性,还要配上严格的保护措施,并且必须拿到用户的单独同意;涉及数据出境的,还得按适用规则把相应义务履行到位。
用户愿意让AI了解自己,不代表银行流水这类关键信息就能随便交给任何模型去用。落到实处,用户金融数据的安全边界会是个棘手的问题。
国内更有可能先走通的,是机构在合法持有的数据和获准的业务范围内提供服务。对科技公司而言,给银行和大型金融机构做一个靠谱的助手,通常比自己去聚合所有银行账户、直接经营家庭财富管理更现实。
决策和执行是第三道边界。
今年2月施行的《金融机构产品适当性管理办法》提出,适用机构要把适当性管理嵌进线上销售流程,让产品风险和客户承受能力对得上。
用户说一句"帮我提高收益",既没做风险承受能力评估,也没交代这笔钱下个月要不要交房租。聊天式下任务越省事,系统就越得把缺的信息补上,不能把用户的一次点头当成"无限授权"。
资金操作另有一道门槛。《非银行支付机构监督管理条例》对支付业务明确了许可要求。AI可以在合规接口和授权范围内提供技术协助,但真正从事支付业务的主体仍要具备相应资格,账户、验证和交易责任不会因为多了一个聊天界面就消失。几条边界叠在一起,中国的AI金融产品形态注定会跟别处不一样。可以预见,面向大众的财务解释和风险提醒会更常见,涉及具体产品的服务则更多收拢在有资质的机构里。
AI助手把用户需求引向具体产品,持牌机构负责执行业务,技术供应商赚服务收入,这条商业路径更可行,也更顺畅。
竞争条件也随之改变。金融AI的门槛不只在模型,还在于通过合规手段拿到的用户数据、金融资格、业务系统,以及与之匹配的担责能力。
03
必然
监管边界会影响AI进入金融的速度和先后顺序,但这项需求很难被消掉。
银行、保险的数字化和程序化交易,已经把技术改写金融工作的能力摆在了明面上。大模型又把理解复杂信息的门槛往下压了一截,过去要预约、要付费或者得靠专业知识的那部分服务,如今能更频繁地送到普通家庭手里。对资产不多的用户来说,财富管理第一步可能就是少花冤枉钱:弄清贷款的总成本,知道一份保险有哪些除外责任,看出手里几只基金是不是高度重合。


AI要是能把这些对用户有利的事持续做下去,产品价值同样站得住。
国内监管也给合规应用留了空间。今年6月,金融监管总局发布银行业保险业人工智能安全开发应用指导意见,支持金融智能体探索,同时强调使用机构要承担责任,并加强分类分级管理。
金融助手变强,既能帮到用户,也可能让金融产品的销售更有效率。一个掌握收入、负债和焦虑来源的AI,能更早提醒用户少借不必要的钱,也可能更精准地找到他愿意接受某款贷款的时机。答案亲切、够个性化,并不等于它就站在用户这边,拒绝有时候才是更有价值的建议。
向用户收费、向机构收技术服务费、靠产品销售拿收入,三种方式对应三套激励。科技公司想赚哪一部分钱,说到底是对自身定位的最终判断。
安全还得落到能检查的环节上:余额和账单要能追到原始记录,计算交给可靠系统完成,模型只负责解释;重要操作保留明确确认和权限限制;出了错要能查到记录、及时停止执行,并锁定责任主体。
这些安排会让某些操作显得不那么顺滑,可普通人敢用它的前提恰恰在这里。账户连接一次成功,和一个家庭连续多年放心使用,是两个层次的产品能力。
从眼下产品和制度看,美国头部通用AI更愿意从用户入口往金融服务延伸,中国则更强调让AI在持牌机构及其责任体系内运转。这是路径上的差异,推不出美国不重视安全,也推不出中国天然不会出风险。
两条路最后都得补上另一面:美国公司要证明跨账户、跨服务的便利能一直可信,中国机构则要让合规流程真正变成用户觉得好用的服务。居民要的是少付冤枉钱、躲开风险、做出更合适的决定,安全的分量甚至比效率还重。
04
总结
用户有真实需求,AI公司自己也有赚钱的算盘,两股力量一起把它们推进了钱包管理这门生意。
读取余额、推荐产品、操作资金,三件事对应的资格和责任并不一样。哪怕是最敢冲的商业机构,也清楚这条线在哪。
放到中国,监管更可能让技术公司以合作的方式进场,而不是放手让它们把所有环节都自己包下来,再把风险甩给用户和整个金融体系。
往后金融领域的较量,一看AI能帮用户办成多少事,二看它能不能压住推销的冲动、把选择权留给用户,出了错又肯不肯担责。拿到权限只是开头,用户愿不愿意长期信任,才决定这门生意能走多远。