过去两年，人工智能对金融行业的改造已经从要不要用的讨论，进入到“如何系统性地用、用在哪些环节”的执行阶段。对于资产管理这一以信息处理、判断力和信任为核心竞争力的行业而言，从投研分析、组合构建，到客户服务、合规风控，几乎每一个业务环节都出现了AI介入的可能性。美国作为全球资管行业规模最大、技术基础设施最成熟的市场，其头部机构近期在AI战略上的密集动作，为观察这一轮转型提供了一个具有代表性的样本。本文将先概览美国大型资管公司在AI应用上的整体趋势，再以普信集团近期的AI领导架构调整为例，详细剖析一家传统主动管理型机构如何将AI从零散试点转化为系统化能力，最后结合中美两国在AI发展路径上的差异，探讨中国资管机构可以从中借鉴之处。
进入2026年，美国大型资产管理公司在人工智能应用上已经明显跨过了“概念验证”阶段，转向组织架构层面的系统性投入。一是从单点工具应用转向“智能体”（agentic AI）架构，AI不再只是辅助员工检索信息，而是开始承担部分执行、异常处理、合规判断等此前需要人工介入的环节；二是治理与风险管控被提到与业务创新同等重要的位置，多数机构都在AI团队之外单独设立模型与技术风险监督职能；三是AI应用被拆分为面向内部（投研、运营）和面向客户（顾问支持、客户互动）两条主线并行推进。
贝莱德（BlackRock）是这一轮布局中的领跑者。其自研的Aladdin平台目前已覆盖超过11万亿美元资产，公司近期为该平台引入了名为Aladdin Copilot的AI助手，并在生成式AI基础上叠加智能体架构。据业内人士观察，贝莱德的最新升级已经不满足于工作流辅助，而是开始向执行环节、异常管理、合规解读乃至组合决策支持延伸——这意味着AI正从”顾问”角色向部分”操盘手”角色靠拢，当然仍在人工监督框架之内。
富达投资（Fidelity）的路径则更强调生成式与智能体AI在客户服务和内部研究中的双线推进。公司设有专门的AI研发部门，致力于将传统机器学习、生成式AI与智能体AI结合，用于提升投资者体验和内部分析能力。与此同时，富达也在通过内部技术岗位的重组，将资源从传统运维职能向AI相关投入转移，反映出这类转型往往伴随着人力结构的调整，而非单纯的增量投资。
先锋领航（Vanguard）的打法相对克制，更强调“负责任”与“以投资者利益为先”的原则。公司提出了AI成熟度的“三个A”框架——协助（Assist）、增强（Augment）、行动（Action），作为员工和顾问团队应用AI的路线图。今年4月，先锋领航正式推出面向财务顾问的AI组合分析工具Expert Insights，将公司积累50余年的顾问方法论转化为顾问可即时调用的、贴近客户可读的建议，目前已在部分顾问中试点，年内将全面推广。先锋领航首席信息官坦言，公司在AI上的所有投入都以提升投资者回报为唯一目标，而非单纯追求技术领先。
总体而言，贝莱德、富达、先锋领航三家机构虽然战略重心各有侧重——AI应用已经从边缘工具变为核心竞争力的组成部分，组织架构与治理机制正在被重新设计以适配这一变化。
在这一背景下，普信集团8月13日发布的最新公告颇具代表性——公司没有宣布新产品或新工具，而是通过调整AI相关领导架构，试图把此前分散在各业务线的AI探索，整合为一套可规模化执行的体系。
根据普信集团的公告，此次调整覆盖投资、全球分销、企业技术与风险管理四个层面，投资AI解决方案团队由Vinit Agrawal领导，是公司AI战略中”投资”这一支柱的核心推动力量。该团队聚焦AI战略制定、智能体产品开发、投研人员的AI教育与采纳、战略合作以及实验研究五个方向，目标是帮助基金经理和分析师在不同资产类别中更一致地运用AI，加快AI相关能力从研发到落地的速度。
全球分销AI战略与转型团队由Sal Dhanani负责，承担“客户参与”这一支柱，负责制定多年期AI愿景，推动能够改善客户体验、深化客户关系、提升一线员工能力的具体应用场景落地。
普信实验室（T. Rowe Price Labs）由Mathieu Lorentz领导，隶属于Chris LePre执掌的AI工程与应用开发大团队，被定位为企业级AI创新枢纽，负责评估前沿技术、原型化高价值应用场景，并将安全可靠的AI方案规模化推向各业务单元。
企业AI、模型与技术风险团队由Prabhakar Bhogaraju负责，直接向首席风险官Ted Carter汇报，专门负责AI治理、监督与合规准备，确保风险管控能力能跟上AI应用扩张的速度。
普信集团总裁、联席全球投资主管兼首席投资官在公告中表示，AI正在重塑整个资管行业，公司的策略是以创新、以客户为中心、并植根于公司长期以来核心优势的方式应用AI。全球分销业务负责人则强调，AI是公司分销战略——即在客户所在之处满足客户需求——的重要推动力，能帮助团队更高效地工作、深化客户关系。首席技术官指出，负责任地规模化应用AI，需要技术、数据、运营纪律与治理体系的共同支撑，而这正是公司当前搭建的企业级基础设施要解决的问题。
值得注意的是，这套“领导力模型”本身并非从零开始，而是建立在此前已经搭建的企业级技术、数据与运营基础之上——包括面向全体员工的AI工具访问权限扩大、多个业务领域的应用场景开发，以及此前已强化的风险监督机制。此次调整的核心逻辑，是把原本分散推进的工作，通过明确的责任人和汇报线，转化为可持续、可复制的执行体系，而不是简单叠加更多试点项目。
截至2026年7月31日，普信集团管理客户资产达1.87万亿美元，其中约三分之二与退休相关业务挂钩。作为一家有着近90年历史、以独立主动投研见长的机构，普信此次通过组织架构而非产品发布来宣示AI战略决心，某种程度上也反映出主动管理型资管公司在应对AI转型时的独特路径——即如何在保留人的专业判断这一核心竞争力的同时，系统性地引入AI能力，而不是被动跟随指数类机构或科技驱动型平台的打法。
观察美国头部资管机构的AI布局，美国在AI发展上的比较优势，更多体现在算力基础设施和底层模型技术的世界领先地位——从芯片、云计算到基础大模型，美国科技公司在这些环节掌握着关键话语权，资管机构因此可以站在成熟的技术底座之上，把精力集中在“如何把AI嵌入具体业务流程”这一相对下游的问题上。而中国的比较优势，则更多体现在应用场景的丰富度和落地速度上——庞大的用户基数、多元的业务场景、以及相对灵活的产品迭代节奏，使得中国机构在AI的广泛应用层面往往具备更强的执行力和试错空间。这一路径差异，决定了中国资管公司借鉴美国经验时，不宜简单照搬，而应结合自身在应用层的优势做针对性取舍。
具体而言，其一，把AI战略从“技术项目”提升为“组织架构问题”。普信集团此次调整的核心启示在于，AI能否真正创造价值，很大程度上取决于是否有清晰的责任主体和汇报线，而不仅仅是采购了多少工具或搭建了多少模型。中国资管公司目前多数AI应用仍分散在科技部门或个别业务条线，尚未形成投资、分销、风控三条线协同推进、并由高层直接督导的治理架构。借鉴普信的做法，中国机构可以考虑设立类似的跨部门专责团队，明确投研端、客户端、风控端各自的AI负责人，并建立统一的多年期路线图。
其二，在推广应用的同时，同步强化独立的模型与技术风险监督职能。美国机构普遍将AI治理与风险管控作为与业务创新并行的独立职能线，而非附属于业务部门。这一点对中国机构尤其重要——鉴于资管行业涉及大量客户资金和敏感数据，AI应用规模化的同时，合规与风险边界必须同步跟进，避免出现“业务跑得快、治理跟不上”的局面。
其三，发挥中国在应用场景上的优势，而非单纯追赶底层技术。既然中国的比较优势在于广泛应用而非算力与基础模型的世界领先，中国资管公司更应聚焦于将AI与本土投资者的实际需求、本土市场的独特结构（如庞大的零售投资者群体、快速变化的产品偏好）结合，打造贴近中国客户的智能顾问工具、个性化组合分析产品，这与先锋领航”以顾问方法论驱动AI应用”的思路有相通之处，但落地路径可以更加贴近中国市场特点，不必等待底层技术完全自主可控之后才行动。
其四，警惕“重工具、轻能力”的转型误区。富达投资在推进AI的同时，伴随着技术岗位的结构性调整，这提示我们AI转型往往需要人力资源和组织能力的同步重塑，而非仅仅在原有团队上叠加新工具。中国资管机构在推进AI应用时，同样需要考虑人才结构的适配问题——既要培养既懂投资又懂AI的复合型人才，也要为传统投研、运营岗位规划合理的转型路径。
总体而言，美国大型资管机构这一轮AI战略的密集升级，提供的不是一套可以直接复制的模板，把AI应用从零散的效率工具，逐步转化为贯穿投资、客户服务与风险管理的系统性能力，并以清晰的组织架构和治理机制作为支撑。对正处于AI应用探索期的中国资管行业而言，这或许是比追逐具体技术更值得关注的启示。