界面新闻记者 |
随着人工智能技术从实验室走向产业应用的关键阶段，金融行业凭借数据资源丰富、业务场景多样的独特优势，正成为AI技术商业化落地的核心阵地。在此背景下，如何平衡创新发展与风险防控成为行业关注焦点。
"人工智能与金融产业的深度融合既是科技赋能的必然趋势，也是一项需要系统推进的复杂工程。"上海交通大学上海高级金融学院（高金/SAIF）创院理事长屠光绍在近日举办的"2025 Inclusion 外滩大会见解论坛——AI落地金融之路"上强调。
本次论坛设置专题圆桌对话，围绕AI金融领域的"监管框架构建"与"金融机构数字化转型"两大核心命题，邀请学术界专家、金融机构高管及科技企业代表展开多维研讨，旨在探索科技创新与金融变革的协同路径，为构建安全可控、富有活力的AI金融生态系统提供智力支持。
AI金融落地实践的五大关键议题
屠光绍在主题演讲中指出，推动AI技术在金融领域的稳健应用和可持续发展，需要重点关注以下五个维度：
一是科学评估AI技术在金融领域的应用现状。建议从行业整体发展水平、细分金融业态特征及金融机构具体实施成效等多个层面进行系统性分析；
二是准确把握金融行业本质属性对AI应用的内在要求。需重点关注金融服务的效率提升、合规风控能力、系统稳定性保障、决策时效性优化以及服务覆盖面拓展等核心维度；
三是全面研判AI技术对现有金融体系的结构性影响。包括金融机构组织形态、行业竞争格局、服务交付模式、市场运行机制及监管框架体系等方面正在发生的深刻变革；
四是加强AI金融发展趋势的前瞻性研究布局。既要关注生成式AI、多模态交互等技术本身的迭代演进，也要重视"AI+区块链""AI+大数据"等技术融合应用带来的创新机遇，通过技术与制度创新的双轮驱动构建战略优势；
五是系统推进AI金融生态体系建设。需统筹完善金融基础设施、健全法律法规与监管体系、促进产业协同创新，并着力培养兼具金融专业能力与科技素养的复合型人才，为AI技术在金融领域的深度应用奠定坚实基础。
高金执行院长、会计学讲席教授程仕军表示，人工智能正在重构金融服务的底层技术架构和业务逻辑，不仅显著提升了服务效率，更成为增强金融体系韧性、拓展普惠金融覆盖范围的重要支撑。
他特别强调，AI技术在金融领域的规模化应用需要跨学科、跨行业的协同创新机制。高金将充分整合校内人工智能研究院、先进技术实验室等科研资源，联合产业界、资本方及媒体平台，共同打造"科技-金融-产业"融合创新生态，探索技术可信、治理有效、价值共享的可持续发展路径。
监管框架如何平衡创新与安全？业界探讨AI金融治理路径
在主题为"为AI金融铺轨：监管如何构建'安全边界'与'发展导航'"的圆桌讨论中，与会专家普遍认为，有效的监管体系应当坚守安全与伦理底线，同时为技术创新预留发展空间，在人才培养中强化AI赋能意识与风险防控能力，构建数据共享与隐私保护的动态平衡机制。
华东政法大学国际金融法律学院教授徐明指出，当前AI技术应用面临"法律关系新、风险传导快、监管难度大"的三重挑战。在伦理层面，算法歧视、数据隐私保护等问题凸显；法律层面需明确AI系统的法律主体地位；风险层面则因AI技术的自主性特征，可能引发系统性金融风险。监管实践中存在法律制度滞后、跨部门协同不足、监管科技能力待提升等现实问题。
对此，徐明建议从宏观层面加快人工智能专项立法进程，明确各方主体责任；微观层面制定细分领域技术标准，构建政府、行业、企业协同治理模式。
恒生电子首席科学家、研究院院长白硕强调，合规是AI技术进入金融领域的首要前提，需根据具体应用场景明确合规边界。以智能投顾为例，AI系统应严格遵循投资顾问业务相关监管规定。
他进一步解释，在投顾场景中，AI可作为辅助工具提供市场分析、资产配置建议及客户沟通话术生成等支持，但最终投资决策必须由人类金融顾问把控。这种人机协同模式将在较长时期内保持稳定，目前AI系统仍处于"增强人类能力"的工具阶段，尚未构成对人类岗位的实质性替代。
上海数据研究院学术副院长朱扬勇认为，现阶段应当理性看待AI技术的能力边界，现有人工智能系统尚未达到通用智能水平，未来发展路径仍存在不确定性。
在探讨"人机协作边界"时，他指出随着可穿戴设备、脑机接口等技术发展，人机物理融合日益加深，未来软件定义与硬件增强的结合将使人类与机器的界限逐渐模糊。
结合金融服务场景，朱扬勇特别提醒，金融服务的核心价值在于人际信任与需求洞察，过度依赖AI客服可能导致客户体验降级和需求误判。当前部分金融机构存在的"人机身份模糊"问题，需要通过明确服务主体标识加以规范。
联和金融人工智能业务负责人、联和金融数字经济研究所理事、杭州海茵斯科技创始人聂金分享的数据显示，2025年全球AI在金融领域的市场规模预计达400亿美元，到2030年有望突破1900亿美元，年复合增长率保持高位。AI技术在处理多模态金融数据、优化决策效率方面的优势，使其在风险控制、智能投研等领域应用前景广阔。
他同时指出当前AI金融监管面临四大核心挑战：算法偏见可能导致的金融排斥问题、AI决策过程的可解释性要求、数据跨境流动中的隐私保护，以及AI系统全生命周期的责任追溯机制。
聂金建议借鉴国际监管沙盒经验，构建灵活包容的监管框架，在守住安全与伦理底线的基础上，通过"试点-评估-推广"的渐进式路径，引导AI技术在金融领域的规范应用与创新发展。