10 月 18 日，在 2024 金融街论坛年会 “科技创新赋能高质量发展” 平行论坛上，中国社会科学院大学教授江小涓指出，步入 21 世纪，以互联网、大数据、人工智能等为代表的数字技术，极大地提升了数据生成、传递及处理的能力，致使数字时代的创新呈现出数据驱动的全新形态。故而，数据、算力和算法成为最为重要的变量。海量数据与复杂交互所形成的 “数据关系”，决定着创新能力，同时推动着创新主体、创新组织以及创新范式发生深刻变革。

江小涓表示：“在 AI 大模型时代，数据的数量与质量已然成为竞争的关键决定因素。”AI 大模型作为新的生产力范式，在各行各业中已展现出不可替代的价值。从全球产业发展态势来看，美国的 OpenAI、Google 等公司已建立起一定的领先优势，这除了源于其在前沿算法研发方面的先发优势以及高性能算力的充足供给之外，更源自它们在大规模训练数据搜集、处理和利用上的深厚积累。我国若要在 AI 大模型的竞争中迎头赶上，补齐数据短板刻不容缓。社会各领域的数据应大力推动开放利用，从政府角度而言，要尽快强力推动政府数据和公有企事业单位的数据开放，这既是我们的优势所在，也是我们的强项。

此外，江小涓还表示，与以往的创新范式相比，数字时代的创新在创新源泉、创新主体和创新组织等各个层面都发生了显著变化。数据成为驱动创新的重要源泉，要促进更多数据的开放共享和开发利用，加快推进科技创新，为高质量发展提供强大动能。

在大资管行业中，不同金融机构的 AI 技术应用程度有所不同。保险资管和银行理财行业处于早期探索阶段，主要用于投资研究、市场营销和风险监控等业务场景的智能提示。而公募基金和券商资管行业的 AI 技术应用相对成熟，主要应用于研报解读、行业研究、风险控制、投资组合优化、量化交易以及项目编程等业务场景的智能管控和进一步优化。一些行业机构通过外部采购的方式应用 AI 技术，包括采用监督学习 AI 产品助力智能化营销和风控，采用生成式 AI 产品提高工作效率和辅助创新。

知识图谱、智能语音、NLP、RPA 和大模型这五条技术发展路径在金融领域发挥着重要作用。知识图谱技术在证券领域为客服高效提供智能投顾服务；智能语音和 NLP 技术在智能客服方面表现突出，能够实现自然语言处理和语音识别，为客户提供个性化、即时的金融咨询服务；RPA 技术可帮助金融行业简化和优化流程，带动人力资源的优化配置；大模型能够更好地理解金融术语和金融业务场景，进一步提高金融机构各项业务处理能力，如提高风险管理水平、智慧客服水平和运营效率等。

生成式 AI 的金融应用

生成式 AI 正以前所未有的速度重塑金融服务。通过自动化日常任务，如处理文本的要素提取、生成基础数据分析等，极大地提高了金融机构的运营效率。同时，生成式 AI 能够以更高的精确度和信心作出数据驱动决策，为客户提供个性化的金融服务体验。例如，根据麦肯锡日前发布的一份报告，生成式 AI 可通过提高生产率为金融业带来每年 2000 亿至 3400 亿美元的新增价值，占该行业年收入的 2.8% 至 4.7%。它可以在金融机构的运营方式上发挥巨大作用，增强自助服务能力，彻底改变金融服务现状。

金融机构的探索与实践

目前，金融机构在利用预训练和定制生成式 AI 模型方面进行了积极探索。金融机构可以选择以目的为中心，选择特定的、低风险的用例，让生成式 AI 提供可量化的结果。这种方式有助于金融机构探索、增量学习、评估影响，并基于反馈进行迭代。随着时间的推移，它有助于改进生成式 AI 模型，展示业务价值并加强治理。另一种是以平台驱动的方式，涵盖了高效的数据管理、治理、安全和负责任的 AI 使用。随着金融机构在采用生成式 AI 方面取得进展，标准化平台的使用将会增加，这有助于消除竖井。例如，一些成熟的金融机构正在探索自己的模型概念，他们或者从头开始构建 LLM，抑或对现有 LLM 进行微调，使其成为企业原生的模型。

金融科技论坛的成果展示

在成方金融科技论坛上，众多金融机构展示了丰富的创新成果。例如，光大云缴费展示了中国最大的开放缴费平台，整合 17 大类 7000 余项便民缴费服务项目，并整合微信等各大网络平台、金融同业等 400 余家合作机构，让缴费变得简单便捷。爱保科技展示了一站式 AI 理赔，当车辆出现轻微事故时，可帮助车主自助完成车辆秒级定损，合理做出是否理赔决策、智能推荐修车。建信金服展示了 AI 智能审单系统，解决了国际信用证审单业务过程中劳动密集、准确率差的问题，极大提升了单据审核的效率。此外，还有金融机构展示了智能客服解决方案、供应链金融平台、金融风险防控平台和金融云整体解决方案等创新成果。这些成果不仅展示了金融科技的前沿发展，也为金融行业的未来发展提供了新的思路和方向。

安全治理的重要性

在 AI 重塑金融的大背景下，数据安全、隐私保护及监管至关重要。随着 AI 在金融领域的广泛应用，金融机构积累了大量的客户数据，这些数据包含着客户的个人信息、财务状况等敏感内容。一旦数据泄露，不仅会给客户带来巨大的损失，也会对金融机构的声誉造成严重影响。例如，据统计，全球每年因数据泄露给企业造成的平均损失高达数百万美元。同时，隐私保护也是金融领域必须重视的问题。在 AI 时代，客户的隐私更容易受到侵犯，如通过数据分析挖掘客户的隐私信息等。此外，监管对于确保 AI 在金融领域的安全应用不可或缺。有效的监管可以规范金融机构的行为，防止不正当竞争和风险扩散。

专家观点与建议

康奈尔大学教授丛林指出，在金融领域，存在数据隐私、策略隐私等问题，更多金融机构需要建成独立的人工智能武器。中国科学院院士、中国科学院软件研究所研究员冯登国表示，人工智能尤其是大模型的广泛应用带来众多安全风险和挑战，国家重要敏感数据面临极大泄漏风险，针对关键信息基础设施的网络攻击变得更加自动化和智能化，加剧了深度伪造对国家政治、社会治安、金融秩序、伦理道德的危害。同时，大模型的 “幻觉” 缺陷导致大量错误信息涌现，人工智能武器化带来极强的攻击优势，大模型安全测评面临技术挑战。为减小人工智能带来的安全风险，冯登国建议加强隐私保护的模型推理研究，增加人工智能在网络攻防领域中的角色，建立大模型安全理论体系与测评体系，建成国际一流的人工智能安全测评平台。

金融风险防范

防范系统性金融风险的基础在于正确履行金融功能。在重点领域金融风险方面，中小银行和地方债务风险值得关注。中小银行信贷资产质量承压，部分机构信用风险持续积聚，个别机构面临一定的流动性紧平衡压力。对此，应督促中小银行聚焦主责主业，完善公司治理，服务实体经济。压实各方责任，加大政策支持力度，推动中小银行高质量发展。例如，针对不同机构风险程度和特征，指导银行 “一行一策” 制定风险化解方案，支持银行引入优质战略投资者，改善治理结构等。

在地方债务风险方面，截至 2024 年 6 月，我国地方债务总规模约 100 万亿元。地方债务风险与实体经济传递共振，为防范化解地方债务化风险，短期应从负债端、资产端、市场端着手，通过债务置换、资产处置、窗口指导等方式综合化债；长期应深化财税体制改革，提高地方政府财权与事权的匹配性，优化地方政府职能，加强举债约束。同时，减少地方政府对土地财政的依赖，规范地方债市场，减少对当地金融机构的干预，阻断地方政府通过行政手段影响金融市场定价和交易的行为，明确政府和市场的界限，有效控制系统性风险。在应对银行风险的传导方面，要善于利用银行间、地区间的不同风险承担效应，通过资产配置的方式实现跨地区的风险均衡。

发展前景广阔

随着技术的不断进步，AI 在金融领域的应用前景极为广阔。从数据来看，国际数据公司（IDC）预测，到 2027 年，全球在人工智能系统的软件、硬件和服务方面的销售额将达到 4000 亿美元，其中金融业在这方面的支出将达到 970 亿美元，复合年增长率为 29%，是增速最快的行业之一。这表明金融行业对 AI 的投入将持续增加，AI 也将在金融领域发挥越来越重要的作用。

例如，在智能投研方面，AI 可以快速分析海量的金融数据，挖掘市场中的投资机会，提高投资决策的准确性和效率。在智能客服领域，通过自然语言处理技术，AI 能够更好地理解客户问题，提供更精准、高效的服务。在风险管理方面，AI 可以实时分析海量的交易数据，利用大数据和机器学习算法对风险进行识别预测，提升风险防控的精度和效率。

挑战与应对

尽管 AI 在金融领域的发展前景广阔，但也面临着一些挑战。一方面，大模型的不透明风险、不可预知风险和网络安全风险仍然存在。输出结果可能难以解释和追溯，增加了监管的难度；数据可能无法准确反映现实和预测未来，在市场出现异常波动时，模型可能无法及时发出预警信号；同时，大量敏感的个人和财务数据增加了网络攻击的风险和数据泄露的可能。

另一方面，算力短缺、模型幻觉、数据安全和业技融合困难等问题也亟待解决。金融机构需要加大对科技研发的投入，提升国产算力资源的数量和质量，优化算法和应用限制，加强数据保护，实现数据处理的匿名化和本地化，促进技术与业务的深度融合。

为应对这些挑战，金融机构应积极探索应用场景，通过实践不断打磨和完善大模型的能力。加强合作，共建生态，实现资源共享、优势互补，构建有针对性的金融行业大模型。同时，守住底线，保障安全，不断完善金融数据的安全标准体系，加强法律法规体系建设，为金融数据安全与隐私保护提供法律保障。

未来值得期待

尽管 AI 在金融领域的应用充满挑战，但潜力巨大，未来值得期待。随着算力、算法和数据的不断发展，AI 将与区块链、云计算等前沿技术深度融合，形成全新的金融基础设施，重塑金融生态格局。

AI 驱动的个性化金融服务将进一步普及，满足消费者多元化、定制化的需求。AI 赋能的普惠金融将突破地域、信用等壁垒，让更多群体享受到便捷、低成本的金融服务。金融机构应加大对 AI 的研发和应用力度，积极应对挑战，充分发挥 AI 的优势，推动金融行业的创新发展和安全治理。

完