2026数字化转型与下一代技术研究

2026 数字化转型与下一代技术研究 推模式——金融机构全力争夺技术优势 什么泡沫？金融服务行业正毫不迟疑地就人工智能的价值、区块链的可行性或代币化的未来进行投机。各公司正加倍投入这些技术及相关数据管理和基础设施升级所需资源。在许多情况下，他们已经从这些努力中看到了具体成果。 这一趋势凸显了我们2026年数字化转型与下一代技术研究数据集的结果：我们发现，生成式人工智能（GenAI）现已超越云计算，成为对金融服务公司影响最大的技术（如图1所示），而自主式人工智能（agentic AI）则随着各公司规划其五年转型之旅而迅速紧随其后。 我们已进入数字化转型议程加速发展的时期，许多公司在从客户体验到人才再到金融市场基础设施的核心等各个方面都在挑战现状。这已成为一场竞争激烈的赛跑，一些明显的领导者开始出现，而其他人则在拼命努力以保持步伐。 然而，这一趋势远不止人工智能本身。分词、网络安全和数据架构都备受关注，如今企业将近三分之一的预算投入创新（见图2）。 尽管大多数公司都认同发展大方向，但它们进行这些变革的速度和便捷程度却差异很大。领导者们正采取哪些措施以保持创新前沿？挑战者们又如何调整以实现追赶？以及，仍然有哪些最大的障碍阻碍着前进？我们第六次年度研究描绘了当前转型的现状。 生成式人工智能（GenAI）的快速增长，在许多方面都起到了催化剂的作用，推动企业走出其固定架构和迭代软件开发带来的舒适区，迈向一个要求持续创新的新常态。 图1：生成式人工智能引领发展，成为最具影响力技术 图2 企业将未来押注于创新 Q: 您组织的技术预算中，大约有多少比例用于创新，有多少比例用于维持基本运营？ 方法论 第六届Broadridge数字化转型与下一代技术研究深入挖掘全球顶尖金融机构的技术战略，聚焦未来趋势。我们追踪了来自全球财富管理、资本市场和资产管理公司等领域的900多名金融服务技术与运营领导者的观点、反思和行动。这项里程碑式的研究揭示了指导各组织转型路线图的关键因素，并探讨了他们在人工智能、通证化、网络安全、数据战略等领域的独特方法。 947总受访者 报告内部 第 05 页 人工智能占据领先位置 代理式AI领跑者已现，第06页 但竞争仍十分激烈 分词化正按计划重塑第07页传统市场结构 公司面临有关第09页数据架构和技术栈准备情况的严重问题。 人才发展能够决定第十页是否成为转型战略。 第11页 获胜者的攻略 人工智能占据领先地位 人工智能的思维模式在2025年发生了巨大转变，从推测性实验转向了企业整合。虽然过去六年，我们研究中持续关注对人工智能的持续投入，但今年随着各公司积极将这项技术嵌入关键业务功能，人工智能的采用率大幅飙升。 更值得注意的是，27% 的公司表示他们已经从对 GenAI 的投资中实现了财务收益，这一比例从 2025 年的 14% 上升（见图 4）。 “通用人工智能（GenAI）和聊天界面的兴起是一场类似于网景和互联网浏览器发布的大规模技术民主化事件，”Broadridge AI负责人罗杰·伯克哈特（Roger Burkhardt）解释道。“它让每个人都意识到可能实现什么，而如今它已迅速融入金融服务的许多工作流程中，我们正看到各公司以更具自主性的智能体（agentic agents）加速进入人工智能的第二次采用浪潮。展望未来，重点将真正转向建立基准，以量化这些技术成熟后的效益。” 今年的研究中，AI应用达到了临界点，80%的公司表示他们目前正在其运营和流程中使用GenAI或预测性AI，较2025年研究的31%有显著提升。这标志着AI使用率一年内增长了49个百分点，使其与网络安全（80%）并驾齐驱，并在当今金融服务中最广泛使用的科技中位列云平台和应用（86%）之后（见图3）。 企业AI集成生根发芽 图3 更多公司发现生成式AI的回报率。图4 Q: 您预计何时能从您对 GenAI 的投资中看到财务收益或回报？ Q: 以下哪些技术目前正在贵公司运营/流程中使用？ +49% 同比增长生成式人工智能/预测式人工智能 云平台和应用 86%2025 & 2026 人工智能正在改变我们做的一切，从人力资本——即我们如何进行年度评审——到内部数据整理、从外部获取数据以及分析数据的方式。因此，越来越多的人开始思考，我们是否能在整个运营模式上进行不同的尝试，而不仅仅是行政任务，也包括我们如何向投资者展示自己。 欧洲总部首席运营官，全球资产管理公司 自主AI领跑者已现，但竞争之路仍广阔。 尽管通用人工智能（GenAI）已在金融机构的日常运营中稳步证明其价值，但自主智能（agentic AI）的采用曲线仍处于早期阶段。目前，只有四分之一（26%）的企业表示他们正在现有运营中使用自主智能。考虑到广泛的自主动能人工智能开发工作直到2024年底才开始真正加速，这一速度是相当快的。但现实世界中的应用案例，其发展程度远不及通用人工智能。 当前使用自主AI的企业中，51%已超越初步规划和试点测试阶段，目前处于积极生产状态（图5）。深入分析发现，57%的企业目前正对自主AI进行中等到大规模的投资，另有15%的企业预计未来两年将增加该方面的投资（图6）。 尽管其尚不成熟，但自主AI正显示出在最具开拓精神的公司中实现更广泛整合的迹象。 图6 代理式AI已成为顶尖科技投资之一 图5 前沿者暂且在代理式AI领域另辟蹊径 Q: 过去12个月，您投资了哪些技术？未来两年，您计划重点投资哪些技术？ 贵公司采用代理式人工智能技术处于哪个阶段？ 借助代理式AI，仅KYC（了解你的客户）功能，我们每月就能节省近350小时。我们能够处理双倍的信息量，却无需雇佣双倍的人手进行人工审核。这真是个游戏规则的改变者。 美国资产管理公司技术负责人 分词化正加速重塑传统市场结构 另一种有可能从根本上改变金融市场基础设施基本结构的宏大趋势是通证化。随着像Robinhood和Kraken这样的公司在欧洲推出通证化股票交易；纳斯达克和纽约证券交易所寻求美国证券交易委员会（SEC）的批准，允许投资者在其交易所交易通证化股票；以及存托信托和清算公司（DTCC）获得提供一项新通证化服务的许可，通证化证券的交易、清算和结算正迅速从投机走向现实。 全球监管机构强调需谨慎应对此过渡，指出用于转移、处理和结算已证券化产品的分类标准和系统，必须与传统格式及记录保存机制保持一致。 成功的代币化不仅需要专业的交易和清算基础设施，它还要求强大的治理、沟通和公司行为能力，这些能力需要融入更广泛的市场生态系统之中。 “加密货币确实是通向更广泛接受代币化的关键，”Broadridge首席数字官Rob Krugman表示。“投资者正日益要求其投资组合中包含一些加密货币敞口，而公司则需要构建支持其发展的基础设施。这就是我们目前所看到的。一旦拥有了支持加密货币的基础设施，所有事物都会从中迅速增长。” 如今，超过一半（54%）的企业正在对通证化和数字资产生态系统进行中等到大规模的投资，并且53%的企业认为，区块链和分布式账本技术（DLT）的应用将对资产的结算方式产生重大影响。也许更重要的是，55%的企业认为这些技术将在资本市场（见图7）创造新的机遇。 总体而言，企业预计未来五年内，将有大量货币市场、私募和另类投资、股票以及共同基金和ETF实现代币化（见图8）。然而，根据这些市场当前的活跃度来看，这些雄心勃勃的估计可能过于保守。尽管网络安全和潜在估值风险仍然是市场参与者的首要关注点，但快速发生的变革正实时地重写传统金融服务规则。 随着采用和投资快速增长，一个金融市场的舞台正迅速形成，在这个市场中，企业将需要并行探索发展路径，并持续弥合传统资产类别与交易结算功能以及新的数字工作流程之间的差距。 图7 区块链创造了新的增长机遇 Q:您对以下关于区块链/分布式账本技术 (DLT) 的陈述的同意程度如何？ 过去一年，通证化已成为强制性要求。如今，每当我们思考交易模式——无论是交易本身，还是与资金或股票清算、转移相关的任何事务——我们都在思考通证化将在简化该流程中发挥什么作用，而这一切都在以惊人的速度推进。 美国财富管理公司技术领袖 图8 预计五年内实现大规模标记化 我相信，在以下时间段内，以下资产类型中将有相当一部分将进行代币化。 Q: “这能有多难？” 企业面临关于数据架构和技术栈准备的重大问题。 随着企业日益将未来押注于创新，大力投资人工智能和通证化，其底层数据架构和技术栈中的关键基础缺陷正开始引发严肃关注。超过四分之五的企业（84%）认同，为了支持这些创新，其前台、中台和后台系统整合到一个统一平台至关重要（见图9），但对许多企业而言，这将是一项挑战。事实上，近半数企业（43%）表示，为了在人工智能时代蓬勃发展，它们将需要构建全新的技术栈。 我们交谈过的每个人都认为，在集成平台上运营其业务，可以显著影响他们快速成长、提高运营效率以及更策略性地执行的能力，”Broadridge首席技术官兼全球工程负责人杰森·伯明翰（Jason Birmingham）表示。“公司在实现这一愿景时面临的最常见挑战是正确构建数据本体。当谈论跨公司核心能力扩展人工智能时，这个问题会被放大。一个统一的平台是关键。” 一个统一的平台变得不可或缺 图9 Q:您认为，将前、中、后端系统整合到一个统一平台，对您的组织有多重要？ 平台很重“这难度怎么会这么大？这就是我刚开始和我的公司Ho一起为一个支持新人工智能计划的数据集成项目工作时所想的。我很快发现，我们拥有500名员工的组织竟然有12个不同的微软租户、9套不同的CRM系统以及12套不同的人力资源管理系统。我以为这个项目需要六个月，结果已经进行了18个月，我们还没有完成。你简直无法高估在全球范围内同步数据将面临多么巨大的挑战。” 技术领袖，欧洲全球资产管理人要。 人才培养可以使转型战略成功，也可能使其失败。 许多公司在其数字化转型进程中面临的另一个挑战是缺乏专业人才。事实上，在我们2026年的研究中，超过三分之一（38%）的公司表示缺乏专业人才是他们采用生成式人工智能（GenAI）的最大障碍，这一比例从2025年的28%有所上升。类似地，37%的公司表示缺乏专业人才阻碍了他们采用自主人工智能（agentic AI）（见图10）。 总体而言，65%的公司的表示他们没有正式的授权或激励措施来使用人工智能，而61%的公司表示鼓励人工智能培训，但尚未设定正式的目标（图11）。 尽管许多公司仍在完善其人工智能人才战略，但其他公司则将人工智能的引入视为一种潜在的赋能者，它将帮助团队以比以往任何时候都快的速度学习和成长。 许多公司在人才培养战略中常见的一个弱点是缺乏对员工的正式培训或采用激励措施。 图10 技术成熟度和人才缓慢了AI的采用 图11 企业在AI教育方面力不从心 Q: 您的公司是如何处理员工学习和采纳人工智能技术的？ 问：是什么阻碍了贵公司采用代理式AI和生成式AI？ 真正的价值在于人工智能如何帮助我们弥合人才差距。随之而来的效率提升，让人们能够更具创造力，提出以前没时间提出的问题，并确保他们正在解决正确的问题。它创造了以新方式发掘价值的机会。 获胜者的攻略 数字化和技术转型在金融服务行业并非新概念。自纸质账簿和实物股票凭证首次录入大型计算机以来，金融机构就一直在改进其业务管理方式，以实现更快、更准确、信息更全面的结果。如今的新鲜之处在于，这种创新的步伐正在快速加速。 在我们的研究中，那些继续以自信面对重大变化的人们中，一些普遍的趋势开始显现。 大预算有帮助，但敏捷性才是成功的关键。 公司规模当然是一个因素。例如，在考察自主AI的采用率时，我们发现，相较于规模较小的公司，规模较大的公司更有可能处于更先进的整合阶段。资产管理规模达到2500亿美元或以上的公司，采用自主AI并积极将其投入运营的可能性，几乎是资产管理规模在10亿至50亿美元之间的公司的两倍（见图12）。