April Miller 是 ReHack 杂志的执行编辑。
发现顶级金融科技新闻和活动！
订阅 FinTech Weekly 的新闻通讯
由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读
新兴银行（neobanks）是以数字化为先、以技术为驱动的金融机构，它们的构建核心是应用程序、API 和自动化决策，而不是分行与批处理。它们正在重塑日常信用卡与借记卡的使用习惯——从卡片能多快发放，到支出能以多么细粒度的方式被控制。随着人工智能 (AI) 在现代银行体系堆栈中不断成熟，卡片正变成用于安全、预算与现金流管理的可编程工具。
新兴银行依托云原生基础设施运行，该基础设施旨在支持持续的数据摄取与快速迭代。这样的架构使得能够在交易发生时立即进行交易评分，并自动化后台工作流。传统银行当然也可以补齐这些能力，但许多机构仍面临核心系统碎片化、上线发布时间更慢，以及为延迟对账而设计的风险模型等问题。
对人工智能的投资传递出行业将走向何处。市场预测预计，到 2030 年，银行业中的人工智能将从 2020 年的基线增长到超过 $64 billion（十亿美元），这反映出自动化正以多快的速度成为产品设计的中心。
各家银行的采用程度差异很大，而这一差距可能决定安全水平与竞争力。行动更快的机构可以更早识别欺诈并推出更强的卡片控制措施；而采用较慢的机构则可能在防护与客户体验方面落后。
根据 IBM 的一项研究，2024 年只有 8% 的银行以系统化方式开发了生成式人工智能，而 78% 的银行通过战术性举措推进。研究认为，将人工智能整合得更深入，往往能带来更少的服务中断以及更高的 IT 客户满意度。新兴银行常常能更早看到这些收益，因为它们的系统支持更快的模型更新与自动化响应。
消费者卡的使用行为正向那些更像“以安全为导向的软件产品”的机构转变，而不是传统账户。信任是这一转变的一部分——54% 的全球消费者表示，他们信任至少一家大型科技公司所提供的服务，胜过信任银行。这表明，体验与能力的感知会影响人们在管理资金与身份数据时所感到的安全感。
用户体验的大幅提升
新兴银行的卡片以可配置的端点（endpoint）方式进行管理，实时的交易通知能缩小攻击者依赖的“未知交易”窗口。支出分析也能在近实时状态下运行，帮助持卡人识别订阅“无序增长”、商户异常以及不寻常的地域信息——在这些问题演变成拒付（chargebacks）之前就加以发现。
卡片生命周期相关的操作也可在应用内完成。冻结与解冻账户、设置旅行规则、更改 PIN 码，以及将卡片开通到移动钱包，都可以在完成少数经过身份验证的操作后处理。关键细节在于降低延迟。更快的可视性与响应速度，会把欺诈与账户接管（account takeover）的影响范围进一步压缩。
更高级的安全与控制
新兴银行通常会在设备信号、交易情境与行为模式上应用 AI 辅助风险评分。这包括设备绑定与异常检测。
一些机构提供能支持线上卡片欺诈威胁建模的控制措施。虚拟卡可以通过减少被盗卡信息的重复使用来降低其价值。商户或类别限额以及结合位置感知的提示，也能阻止意外支出，或者当某项活动偏离正常模式时触发额外验证。
虽然这些措施并不能消灭欺诈，但它们把安全性从隐藏的后台功能变成了一个主动的控制界面，使用户可以参与到遏制过程之中。
对于中小企业（SMEs），新兴银行将卡片定位为运营基础设施。传统的企业银行业务往往把卡片、贷款与财资管理当作彼此独立的产品，并采用不同的入驻（onboarding）流程。新兴银行则在单一界面中统一这些能力，提供基于角色的访问权限、可编程的控制与集成，以适配现代金融团队。
结果是在不增加管理负担的前提下实现更紧密的财务控制。企业可以把银行业务连接到会计系统、薪资平台与支付处理器，然后利用这些连接来自动执行政策。更清晰的数据血缘（data lineage）与更快的分类能力，也能降低欺诈与合规失败得以滋生的盲区。
AI 驱动的承销与信贷
新兴银行使用自动化来评估现金流数据、发票、支付历史以及账户活动，从而能比人工审核周期更快地调整额度或扩展信贷。端到端的自动化也通过分析大量财务报表、历史记录与市场信号来提升整个放贷生命周期的风险管理水平，从而得出有依据的信贷决策，并降低遭受损失的敞口。
自动化改变了企业日常使用卡片的方式。更快的承销意味着一家公司可以更早获得信贷，然后在不必忍受评估拖延导致的反复停停走走的情况下持续使用它。持续监控也让事情继续向前推进：如果一笔交易看起来有风险，系统可以立即介入，通过降低额度、发起快速核验或标记供应商来进行处理。
精简的费用管理
财务团队无需在企业内部来回传递一张公司卡，而是可以为每位员工、每个项目或每家供应商分别发放专属卡，并设置特定规则。承包商可以获得一张仅可使用一周的卡。项目卡可以限制在特定商户。高风险类别也可以被直接屏蔽。收据还可以自动流入，从而让费用更快被匹配并完成分类编码。
从网络安全的角度看，分段（segmentation）会降低任何单一被攻破凭证所能带来的价值。虚拟卡可以频繁轮换，员工权限可以即时撤销，异常的费用模式也能触发财务与安全团队的警报。
主流银行正在应对新兴银行，部分原因在于：客户如今把即时提醒、自助冻结以及应用内争议处理流程视为基础功能。监管机构也在关注 AI 如何改变风险与韧性，尤其当模型依赖第三方提供商，或引入新的攻击面时。
美国联邦储备系统（U.S. Federal Reserve）甚至强调：随着 AI 的采用范围扩大，需要在创新与安全、稳健性以及不断演进的风险管理实践之间取得平衡。欧洲的监管者也提到，随着采用变得更加主流，银行正使用 AI 来进行信用评分与欺诈检测。
卡片如今正在充当用于身份、风险与现金流管理的“智能控制”。新兴银行通过引入 AI 与自动化，将这种转变在多种金融服务流程中加速落地。随着这些系统持续进步，信用卡与借记卡的使用将能够实时适配，保持更高安全性，并更自然地融入日常消费与企业运营中。
113.47万 热度
261.25万 热度
73.28万 热度
404.09万 热度
22.62万 热度
Neobanks 如何改变我们使用信用卡和借记卡的方式
April Miller 是 ReHack 杂志的执行编辑。
发现顶级金融科技新闻和活动！
订阅 FinTech Weekly 的新闻通讯
由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读
新兴银行（neobanks）是以数字化为先、以技术为驱动的金融机构，它们的构建核心是应用程序、API 和自动化决策，而不是分行与批处理。它们正在重塑日常信用卡与借记卡的使用习惯——从卡片能多快发放，到支出能以多么细粒度的方式被控制。随着人工智能 (AI) 在现代银行体系堆栈中不断成熟，卡片正变成用于安全、预算与现金流管理的可编程工具。
以人工智能与自动化为基础的技术底座
新兴银行依托云原生基础设施运行，该基础设施旨在支持持续的数据摄取与快速迭代。这样的架构使得能够在交易发生时立即进行交易评分，并自动化后台工作流。传统银行当然也可以补齐这些能力，但许多机构仍面临核心系统碎片化、上线发布时间更慢，以及为延迟对账而设计的风险模型等问题。
对人工智能的投资传递出行业将走向何处。市场预测预计，到 2030 年，银行业中的人工智能将从 2020 年的基线增长到超过 $64 billion（十亿美元），这反映出自动化正以多快的速度成为产品设计的中心。
各家银行的采用程度差异很大，而这一差距可能决定安全水平与竞争力。行动更快的机构可以更早识别欺诈并推出更强的卡片控制措施；而采用较慢的机构则可能在防护与客户体验方面落后。
根据 IBM 的一项研究，2024 年只有 8% 的银行以系统化方式开发了生成式人工智能，而 78% 的银行通过战术性举措推进。研究认为，将人工智能整合得更深入，往往能带来更少的服务中断以及更高的 IT 客户满意度。新兴银行常常能更早看到这些收益，因为它们的系统支持更快的模型更新与自动化响应。
面向消费者卡片的全新标准
消费者卡的使用行为正向那些更像“以安全为导向的软件产品”的机构转变，而不是传统账户。信任是这一转变的一部分——54% 的全球消费者表示，他们信任至少一家大型科技公司所提供的服务，胜过信任银行。这表明，体验与能力的感知会影响人们在管理资金与身份数据时所感到的安全感。
用户体验的大幅提升
新兴银行的卡片以可配置的端点（endpoint）方式进行管理，实时的交易通知能缩小攻击者依赖的“未知交易”窗口。支出分析也能在近实时状态下运行，帮助持卡人识别订阅“无序增长”、商户异常以及不寻常的地域信息——在这些问题演变成拒付（chargebacks）之前就加以发现。
卡片生命周期相关的操作也可在应用内完成。冻结与解冻账户、设置旅行规则、更改 PIN 码，以及将卡片开通到移动钱包，都可以在完成少数经过身份验证的操作后处理。关键细节在于降低延迟。更快的可视性与响应速度，会把欺诈与账户接管（account takeover）的影响范围进一步压缩。
更高级的安全与控制
新兴银行通常会在设备信号、交易情境与行为模式上应用 AI 辅助风险评分。这包括设备绑定与异常检测。
一些机构提供能支持线上卡片欺诈威胁建模的控制措施。虚拟卡可以通过减少被盗卡信息的重复使用来降低其价值。商户或类别限额以及结合位置感知的提示，也能阻止意外支出，或者当某项活动偏离正常模式时触发额外验证。
虽然这些措施并不能消灭欺诈，但它们把安全性从隐藏的后台功能变成了一个主动的控制界面，使用户可以参与到遏制过程之中。
重塑商用卡的使用方式
对于中小企业（SMEs），新兴银行将卡片定位为运营基础设施。传统的企业银行业务往往把卡片、贷款与财资管理当作彼此独立的产品，并采用不同的入驻（onboarding）流程。新兴银行则在单一界面中统一这些能力，提供基于角色的访问权限、可编程的控制与集成，以适配现代金融团队。
结果是在不增加管理负担的前提下实现更紧密的财务控制。企业可以把银行业务连接到会计系统、薪资平台与支付处理器，然后利用这些连接来自动执行政策。更清晰的数据血缘（data lineage）与更快的分类能力，也能降低欺诈与合规失败得以滋生的盲区。
AI 驱动的承销与信贷
新兴银行使用自动化来评估现金流数据、发票、支付历史以及账户活动，从而能比人工审核周期更快地调整额度或扩展信贷。端到端的自动化也通过分析大量财务报表、历史记录与市场信号来提升整个放贷生命周期的风险管理水平，从而得出有依据的信贷决策，并降低遭受损失的敞口。
自动化改变了企业日常使用卡片的方式。更快的承销意味着一家公司可以更早获得信贷，然后在不必忍受评估拖延导致的反复停停走走的情况下持续使用它。持续监控也让事情继续向前推进：如果一笔交易看起来有风险，系统可以立即介入，通过降低额度、发起快速核验或标记供应商来进行处理。
精简的费用管理
财务团队无需在企业内部来回传递一张公司卡，而是可以为每位员工、每个项目或每家供应商分别发放专属卡，并设置特定规则。承包商可以获得一张仅可使用一周的卡。项目卡可以限制在特定商户。高风险类别也可以被直接屏蔽。收据还可以自动流入，从而让费用更快被匹配并完成分类编码。
从网络安全的角度看，分段（segmentation）会降低任何单一被攻破凭证所能带来的价值。虚拟卡可以频繁轮换，员工权限可以即时撤销，异常的费用模式也能触发财务与安全团队的警报。
这对传统银行意味着什么
主流银行正在应对新兴银行，部分原因在于：客户如今把即时提醒、自助冻结以及应用内争议处理流程视为基础功能。监管机构也在关注 AI 如何改变风险与韧性，尤其当模型依赖第三方提供商，或引入新的攻击面时。
美国联邦储备系统（U.S. Federal Reserve）甚至强调：随着 AI 的采用范围扩大，需要在创新与安全、稳健性以及不断演进的风险管理实践之间取得平衡。欧洲的监管者也提到，随着采用变得更加主流，银行正使用 AI 来进行信用评分与欺诈检测。
让卡片使用更安全、更聪明的下一步
卡片如今正在充当用于身份、风险与现金流管理的“智能控制”。新兴银行通过引入 AI 与自动化，将这种转变在多种金融服务流程中加速落地。随着这些系统持续进步，信用卡与借记卡的使用将能够实时适配，保持更高安全性，并更自然地融入日常消费与企业运营中。