金融股配息討論升溫，AI投入能否帶動獲利延續？

 

全球銀行把 AI 拉進核心流程

全球銀行導入人工智慧的速度，已經從試驗階段往核心流程走。KPMG 調查顯示，全球有 51% 的銀行正在試驗「代理人AI」，應用範圍集中在財富管理、客戶審查與資金管理。

摩根大通的做法更直接。2026 年科技預算達 198 億美元，其中約 20 億美元投入 AI，目標是每天掃描龐大交易資料、辨識異常並降低審查成本，預估每年可創造約 25 億美元營運價值。這組數字把金融業對 AI 的期待，從概念驗證推進到成本結構改善。

 

金融股的 AI 敘事，開始往資本與數據優勢集中

資金市場的關注範圍，也跟著從傳統科技硬體供應鏈，擴散到全球金融應用類股。復華全球金融股息(00998A)最新公告 9 月每受益權單位配息 0.424 元，高於前次水準，市場對金融資產的收益特性與現金流穩定度，討論度明顯升溫。

這檔 ETF 主要涵蓋銀行、保險、支付等次產業，反映出大型金融機構的資本、資料與合規基礎，正在成為 AI 應用端的重要場景。對我來說，這裡的觀察重點，會放在金融業能否把 AI 轉成更低的人力成本、更高的風控效率，以及更穩定的配息來源。

 

國內金控的獲利延續，支撐金融股的中長線配置

國內金控的基本面也提供另一層支撐。凱基金(2883)已公告 8 月自結合併盈餘，玉山金(2884)前 8 個月累計賺進 280 億元，寫下同期新高。這類實質業績，讓金融股在波動環境下維持相對穩定的市場表現。

同時，社群上也開始出現長期投資人討論股票質押、放大彰銀(2801)等持股部位的資金配置方式。這類討論通常反映的是，市場願意把金控視為可長抱的現金流資產，前提仍是獲利維持穩定、配息機制清楚。

 

科技股波動下，金融資產的比較優勢在數據與配息

全球市場因科技股波動尋找平衡配置時，金融股的吸引力，來自實質營運數據與透明配息機制。國際大型銀行把 AI 投入到交易監控、審查與資金管理，國內金控則用獲利數字證明基本面韌性，兩條線都在強化金融資產的可追蹤性。

接下來我會持續看兩個方向：一是大型金融機構 AI 投入後，成本下降與效率提升能否持續反映在財報；二是國內金控的獲利與配息，能否維持今年以來的穩定節奏。這兩項數據若延續，金融類股的配置熱度就有機會維持。