摘要：2025年2月26日晚，大金融思想沙龙第245期暨BIMSA智能经济论坛（第1期）、深圳社科沙龙“DeepSeek：智慧治理与经济社会变革”系列（第1期）在线上举行。复旦-斯坦福中国金融科技与安全研究院执行院长、复旦大学经济学院教授刘庆富发表主题演讲，先后介绍

导读

01 可信人工智能

（一）可信大数据

在数字经济蓬勃发展的当下，数据成为关键生产要素。一方面，大数据分析具备多维度、多层次特征，涵盖基础属性、线上行为、长期兴趣、短期需求及线下行为等维度的用户数据。另一方面，大数据可分为结构化数据、半结构化数据和非结构化数据。其中，结构化数据包含交易、账户等数据，半结构化数据有每日库存、公司公告等，非结构化数据涉及金融产品标记语言等。丰富多样的大数据和云计算，推动社会各领域产生了以数据驱动的决策、以数据驱动的流程和以数据驱动的产品。

数字化转型已经成为所有金融机构的“必答题”。数字化转型的本质是利用数据来重塑传统业务与组织模式。随着数字经济的发展，数据量正从TB级跃升至PB、ZB级。面对如此海量的数据，一套现代化的数据架构可以更好地支撑金融机构的数字化转型。2023年，中国金融行业大数据市场支出规模达到29.7亿美元，预计到2027年将增长至64.6亿美元。数据资源为金融行业发展提供有力支撑，使得金融市场在未来几年仍是数据管理、数据分析、数据库厂商争夺的主要市场，目标客户包括传统银行、保险公司、证券机构，以及新兴的互联网金融企业等。

（二）可信人工智能

人工智能在金融行业的应用主要为智能风控、智能支付、智能投研和智能投顾等。在智能风控领域，人工智能在客户群体筛选、欺诈风险鉴别、信用评定等环节起到重要作用，有助于增强业务过程中的安全性。在智能支付领域，客户身份证图像交叉比对、人工智能算法引擎完成身份认证，从而加强金融服务供给和提高支付运营效能。在智能投研领域，通过深度学习、自然语言处理等方法，对数据、事件、结论等信息进行自动化处理和分析。在智能投顾领域，智能投顾能够对用户与资产信息进行标签化分类，从而精准匹配用户与资产。

人工智能的发展受益于底层基础、技术支撑和应用创新。在基础层面，大数据、云计算及智能硬件的发展，为人工智能提供了强大的底层支撑。在技术层面，机器学习、自然语言处理、知识图谱、图像识别、人机交互等关键技术突破，为构建可信人工智能奠定了坚实基础。在应用层面，人工智能已经实现了计算智能、感知智能和认知智能等多层次创新发展。随着大数据时代的全面到来，以Deepseek为代表的前沿人工智能技术，不仅正在重塑我们的日常工作生活方式，更带来一场影响深远的科技革命。

02 人工智能应用与案例

（一）产业生态

在金融科技产业生态的演进中，人工智能为智能监管、智能投顾、量化投资和制度创新等领域提供技术支持和产业应用。

在智能监管领域，商业银行通过技术创新推动智能化升级。例如，工商银行运用大数据监管技术，开展大数据建模、数据仓库和业务实时监控。民生银行与百度云合作，基于大数据与云计算构建风险预警模型，管理和预警支付、信贷风险，并在移动支付领域引入虹膜识别技术。交通银行通过数据挖掘搭建客户识别和审计系统，根据结构化数据进行客户画像，识别异常交易，并进行风险排查和控制。兴业银行将大数据与区块链技术结合，开发“风控搜”产品，借助搜索引擎对客户信息进行整合，应用区块链进行合同管理。浦发银行利用数据挖掘开发数据处理系统，提升数据报送质量，降低成本。

与此同时，投资机构在全球范围内推进科技监管实践。例如，FinTech创新实验室投资的英国Contego Fraud Solutions公司，为提供反洗钱和用户识别服务，实现多主体欺诈监测和实时合规检查。数字货币集团投资的英国Elliptic公司，监测比特币区块链非法活动，自动跟踪比特币交易活动，为数以千计比特币地址提供可供审计的身份证明。巴克莱银行等机构投资的美国Cloud9 Technologies公司，提供云通讯来服务企业风险管理。毕马威资本投资的英国Flexeye公司，与业界合作搭建物联网和智能化运营系统，优化合规管理。

在智能投顾领域，人工智能技术聚焦于为客户提供智能化、个性化的投资服务。通过客户的自动答卷确认客户风险偏好，根据客户风险偏好来制定相应的资产配置方案。结合每个客户的个人财务状况和风险承受能力，制定差异化投资组合方案。选取低成本股票和债券ETF组合提升投资多样性。同时，依托数学算法实现全自动化资产运营，实时监测市场变化并自动执行资产再平衡操作，确保目标资产配置比例稳定。通过便捷的客户使用界面与全自动化的管理模式，显著降低人为干预成本，使低资产客户也能享受卓越的投资顾问服务，实现高效、便捷的投资管理解决方案。

在量化投资领域，人工智能应用带来显著变革。传统量化交易依赖历史数据和统计分析来制定交易策略，如今自然语言处理（NLP）技术利用社交媒体、新闻报道、公共政策等文本数据，通过获取市场情绪等信息来更好地预测市场走势。大语言模型（LLM）作为人工智能领域的关键技术，能够从输入文本中学习到语言的语法、语义和上下文信息，还能够理解和生成结构连贯、语义合理的句子和段落，在量化投资领域获得广泛应用。此外，计算机视觉技术分析视觉内容来捕捉市场情绪、保障交易安全、处理金融文件、监控实体资产和检测市场微观结构变化，推动另类数据挖掘与分析的发展。

在制度创新方面，“监管沙盒”机制的引入为金融科技创新提供了试验田。英国于2015年率先提出这一机制，通过设置限制性条件和相应保护措施，允许金融科技机构在真实市场环境中，向真实消费者提供创新性金融产品、服务和商业模式。在国内，自2019年12月北京率先试点金融科技“监管沙盒”后，中国人民银行于2020年4月将试点范围扩大至上海、重庆、深圳等6市（区）。上海版“监管沙盒”于2020年5月试点启动，秉持守正创新、风险可控、权益保障和惠民利企的原则，鼓励多元主体共同参与，营造安全开放的金融科技创新发展环境，有效平衡了创新实践与风险防控。

（二）金融安全

金融安全是金融系统整体的稳定和安全，其基本特征包括宏观性、非独立性、动态性和主观性。在数字经济时代，金融业联系日益密切，整个金融业形成一张利益相关的巨型网络，整个网络中任何一角出现问题，都会引起整个网络的支离破碎。整个金融系统都平稳发展，将风险控制在可控范围内，才算是真正的金融安全。金融安全的维护离不开金融科技的助力。

首先，金融科技在金融安全的风险防控中发挥了重要作用，尤其是在内幕交易、财务舞弊和虚假信息的识别方面。在内幕交易方面，内幕交易成为当前影响资本市场健康发展的突出问题之一，其特征表现为方式多样、手段隐蔽、主体多元化，且跨地域、跨市场传播，增加了调查执法的难度。在此背景下，内幕交易识别线索分析平台能够通过基础数据分析层、综合数据分析层、模型及特定工具层，形成针对违规行为的预警模型。

在财务舞弊方面，康美药业、乐视网、金正大等公司财务舞弊事件的查处，揭示了虚增收入和利润的常见手段。财务舞弊识别框架通过识别对象的确立和度量、风险因子集合的构建以及识别模型的选择，能够显著提升财务舞弊识别的精确率和召回率。当前，堆叠泛化-半监督适应性学习（SG-SAL）模型，能够通过多类学习算法预测、集成整合识别结果、反馈更新训练集和循环迭代预测，进一步增强财务舞弊识别的动态调整能力。在虚假信息方面，资本市场亟需破解虚假信息引致的重大问题及潜在风险。关于虚假信息识别，通过信息过滤筛选目标内容，再构建可比信息集，进行主题分类、实体提取与聚合，接着运用对比学习和预训练大语言模型对信息进行语义量化，最后在通过挖掘真实信息的基础上，利用上下整合实现有效测度虚假信息程度。

其次，人工智能技术的应用显著提升了金融风险防控的效率。以北信源金融网络安全应急协调系统为例，该系统实现了国家金融监督管理总局与近5000家下属金融监管单位和银行保险机构间的数据互通，显著提升了网络安全风险提示、威胁通报与风险处置的效率。工商银行新一代电子文档管理系统采用“文档加密防护+信息泄露防护+云文档”的综合方式，对工行的商密文件进行了全方位的防护。此外，北信源推出的市值分析管理AI券商模型平台，实现了针对上市公司发布的财报自动进行详细解读和分析、业绩趋势评估以及潜在风险预警，增强企业的市值分析管理能力，辅助企业进行科学决策和风险控制，从而提升企业的市场表现和内在价值。

最后，利用大数据技术实现地方监管机构对类金融机构的有效监管。2017年第五次全国金融工作会议召开，明确了地方政府在金融管理中的属地监管权。以上海市地方金融监督管理局为例，2020年《上海市地方金融监督管理条例》要求建设地方金融监督管理信息平台，通过大数据技术监管类金融机构。在该项类金融风控的实践中，数据中台系统通过数据血缘模块，实现数据融合处理的全过程可追溯管理，确保数据的质量、安全、保真性和可交换性；业务中台系统集约建设信息化管理、监管服务、工作协同的基础公共服务模块，提供智能工作流引擎；应用服务系统为地方金融监管机构提供统一监管服务，通过统一门户发布法律法规、政策公告、处罚通知等信息，实现动态信息更新和管理决策支持。

03 总结与展望

（一）数字经济时代的人工智能发展趋势

数字经济是继农业经济、工业经济之后的主要经济形态，是以数据和信息资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。伴随着关键生产要素的变化，在数字经济时代，人们的生产、生活方式已经并将持续发生巨大变化，这必将导致经济社会发展的逻辑体系和人们的思维模式发生改变。

数字经济阶段在金融中的体现为数据价值的重塑，其重点在于重塑过程和模式，这需要人工智能等技术，分别在分析智能和组织智能上提供新的模式和方法。部分开拓性金融机构已主动应用金融科技，利用交易不确定性、共享不确定性等，体现了数据资源配置和价值路径等知识经济基本问题在金融中的映射，此时金融科技所起的作用是增能，即企业自身主动应用金融科技。

（二）以可信AI助推金融强国建设

做好科技金融、绿色金融、普惠金融、养老金融和数字金融五篇大文章。为实体经济服务是金融的天职，进入高质量发展阶段，金融要为经济社会发展提供高质量服务。科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素。推动金融更好服务科技创新，不仅是实体经济高质量发展的需要，更是金融业实现自身高质量发展的需要。近年来，我国人工智能加快发展，初步建成了包括银行信贷、债券市场、股票市场、创业投资、保险和融资担保等在内，全方位、多层次的科创金融服务体系。同时也要看到，当前科技金融工作还面临一些不足，比如围绕创新全链条的系统设计不够完善等。为此，持续改革创新，加快AI与金融深度融合，还需多方面加力。

首先，强化科技创新能力，提高金融服务实体经济质效。一是以科技创新破解金融瓶颈，疏通实体经济资金渠道。政府应加强数据分析，找准阻碍资金流动的难点，培育分工协作的金融机构体系，构建多层次现代化金融市场，畅通直接与间接融资渠道。加大对专精特新企业、小微企业的金融支持，健全科技型企业梯度培育的金融体系，形成全生命周期金融服务，推动“科技—产业—金融”良性循环。

二是推动金融科技深度融合，提升金融服务普惠性，助力实体经济公平发展。鼓励金融机构应用新技术，推动业务数字化、智能化转型，提升服务普惠性与覆盖面，加大对实体经济薄弱环节的支持，发挥保险业的经济减震器功能，为实体经济发展提供公平金融机会。

三是强化科技引领，创新金融服务模式，激发实体经济活力。金融机构可借助互联网、移动金融等新兴渠道，提升服务效率，创新金融产品，满足多样化需求，提高服务便利性与个性化程度，促进实体经济发展。构建智能化风险防控体系，保障金融服务实体经济稳健发展。金融机构要利用大数据、人工智能等技术，构建智能风控模型，实现对金融风险的精准评估和预测，提高风险管理水平，构建差异化的信贷审批策略，进而降低不良贷款率。此外，还要形成健全、高效、科学的风险化解机制，通过科技手段加强流程监测，及时关注风险处置进展，健全风险处置激励制度，保障实体经济平稳运行。

其次，探索智慧监管新模式，提升金融监管有效性。探索智慧监管新模式是提升金融监管有效性的关键。一是提升法规应用效能。建立完善金融监管法律数据库，动态更新各项制度施行状态，智能识别与现实不符的相关条款，及时推动金融监管法律法规及相关规范性文件的制定、修订、完善和清理，以提升监管制度的及时性、有效性。二是提升智能现场检查质效。引入新的监管工具和技术，提升智慧监管水平，提高金融监管的针对性。如提升监管智能分析能力，持续推进智能检查实验室建设，准确识别金融机构违规线索，开展智能化现场检查。三是实现全方位智能监控。借助大数据、云计算等新兴技术，加强金融市场风险监测力度，实现对金融机构的动态化监测和管理，合理设置风险早期预警指标，提高金融风险识别度。

最后，借助AI等科技手段，推进金融高水平开放。2023年中央金融工作会议强调推进金融高水平开放与保障国家金融和经济安全的重要性。在新一轮科技革命和产业变革的背景下，借助科技手段推进金融高水平开放势在必行。一方面，运用科技创新力量，助力国际金融中心建设。国际金融中心是我国金融对外开放的重要窗口。政府应借助科学技术，优化金融生态环境和交易环境，建立健全与国际接轨的金融监管体系和法律法规，促进国际金融中心间的交流合作，吸引国际金融机构和资本聚集，共同打造具有国际影响力的金融中心。另一方面，借助科技信息化手段，完善金融信息基础设施。政府部门要加大对金融信息基础设施的投入，建立高效、安全、稳定的信息传输和处理系统，建立全面、准确、及时的金融信息数据库，通过数据的集中管理和标准化处理，提升金融数据的透明度和可靠性，为我国金融对外开放奠定信息基础。

整理：吴秋锦

来源：IMI财经观察