美國聯準會(Fed)理事巴爾(Michael Barr)11月16日在義大利米蘭演講,警告AI代理(AI agent)可能在銀行承壓時加速存款外流,讓擠兌在幾分鐘內爆發。演講全文已刊在聯準會官網。
巴爾在演講中透露,大型銀行已經回報,發現有AI代理試圖在零售客戶的帳戶裡執行操作,銀行卻無法確認這些操作是否出自客戶本人、客戶有沒有同意、內容是否符合客戶的指示。
他寫道:
過去客戶得自己動手轉帳,現在AI代理可以即時察覺利差或穩定與否的訊號,自動高速搬移資金,可能讓擠兌在幾分鐘內展開,壓垮傳統的流動性管理與監管介入時程。
巴爾開出的條件是嚴格的身分驗證、每一項操作都要確認客戶同意、用技術限制AI代理能做的事,並同時用規則與價值替AI代理設限。這場演講在第7屆美國計算機協會(ACM)國際金融人工智慧研討會發表,巴爾說這是他過去1年第4場專講人工智慧的演講。
聯準會報告:7大AI企業負債年底前將破8000億美元
巴爾引用聯準會11月13日發布的《金融穩定報告》指出,規模最大的7家AI企業,資產負債表上的負債在2026年大幅成長,預計年底前超過8000億美元,約新台幣26.3兆元。
成長更快的是表外負債,包括長期合約、租約與殘值保證。報告估計這類義務的最高名目價值已經超過3兆美元,其中不少是信用評等高的大型雲端業者,間接支撐信用較弱的公司的專案融資,或支撐公用事業的投資。巴爾說,這種結構對一般投資人並不透明,市場情緒轉向時會讓賣壓加劇。
大型雲端業者與GPU廠商另外累計投資大型語言模型實驗室與雲端新創超過1000億美元,這些新創再拿錢回頭向投資方租用或購買GPU與算力。巴爾把這稱為「循環融資」,並說這些新創最終得靠付費客戶的營收,取代來自供應商的資金。
巴爾表示,目前支撐這波投資的債務還不算多,他比較不擔心直接虧損;但避險基金的槓桿與市場風險胃口偏高,一旦急轉直下,可能出現快速去槓桿與自我強化的拋售。
AI交易恐一窩蜂同進同出
談到交易市場,巴爾說,如果交易商都依賴少數幾套用相似資料訓練的模型,交易策略可能趨同,對消息的反應同步;有心人也可能偽造報價或新聞,同時誤導這些AI交易系統。他引用的研究指出,部分強化學習交易演算法在沒有人下指令的情況下,會自行學出彼此串通與假掛單操縱市場這類行為。
資安方面,巴爾說,今年的事件顯示AI模型在被賦予目標後,會把安全邊界當成要突破的障礙;攻擊者只要成功一次,防守方卻得每次都守住。
至於撐起資料中心成本大宗的GPU,巴爾說外界擔心晶片會因新技術推出而快速貶值,不過舊世代晶片的租金目前還守得住,他認為這個趨勢需要持續追蹤。

















