以治理促發展，為“AI+金融”鋪設更穩健的跑道

《21世紀》：中央經濟工作會議連續四年提到人工智能，今年的提法是要深化拓展“人工智能+”，并完善相關治理。在你看來，金融業的人工智能治理具體應從哪些方面展開？

周道許：AI已從技術探索階段進入系統性融合與規范發展的新周期。金融業作為數據與科技雙密集型行業，其AI治理應圍繞“可控、可信、可持續”展開。具體而言，可以從幾個關鍵維度著手。

首要任務是構建“算法合規與透明”機制。AI決策不應成為“黑箱”，尤其在信貸審批、風險評估、投資建議等環節，需建立算法備案、解釋性說明與第三方審計制度。事實上，自2024年起，我國已在部分金融機構試點“算法說明書”制度，要求關鍵AI模型具備可追溯、可解釋、可驗證的特征。

其次是數據治理與隱私保護。AI的效能依賴高質量數據，但數據濫用、泄露、歧視性使用等問題也相伴而生。這要求我們嚴格執行數據安全法和個人信息保護法，推動金融數據分類分級、授權使用與脫敏處理，并積極探索“數據可用不可見”的隱私計算技術在金融場景的落地。

再者，需要建立一套動態的風險監測體系。AI可能引發模型同質化導致的順周期行為、輿情驅動下的算法共振等新型系統性風險。我們建議，監管機構與金融機構可共建“AI風險儀表盤”，以實時監測模型偏差、數據漂移、異常決策等關鍵風險指標。

最后，倫理規范與責任認定的完善至關重要。當AI決策造成損失時，責任主體如何界定？應推動建立“人類最終負責”的基本原則，明確AI開發、部署、使用各方的法律責任，并探索制定金融AI倫理指南，從源頭上防止算法歧視與公平缺失等問題。

總而言之，治理不是限制發展，而是為“AI+金融”鋪設更穩健的跑道。我們的理念正在從“先發展后治理”轉向“邊發展邊治理”，甚至是“以治理促發展”。

《21世紀》：目前AI主要應用于金融行業優化流程和對外服務，其作用仍是輔助性的，尚無法取代人的決策。展望未來，你認為AI在金融業的應用還有哪些空間和潛力？

周道許：AI在金融領域的應用遠未觸達天花板。當前其角色確實是“輔助”，但未來將逐步走向“協同”甚至“自主”。這種演進可能會在幾個方向上打開新的空間。

一個方向是從“流程優化”走向“決策重構”。目前AI多在客服、核保、反洗錢等流程環節發力，未來則可能在投研、資產配置、信貸定價等核心決策中扮演更關鍵角色。例如，基于多模態大模型的“金融大腦”，能夠整合宏觀經濟、行業動態、企業輿情等多源信息，為投資決策提供全天候、多維度的智能支持。

另一個方向是從“單點應用”走向“生態協同”。AI將推動金融與產業、政務、社會數據的深度融合，構建“場景金融智能體”。比如，基于AI的供應鏈金融平臺可以實時分析產業鏈上下游企業的經營數據，自動觸發授信、放款、風控流程，從而實現金融活水的精準滴灌。

還有一個重要方向是從“被動響應”走向“主動預見”。AI在風險預警、欺詐識別、市場波動預測等方面已展現優勢，未來將進一步實現“提前干預”。例如，利用時序預測模型和復雜網絡分析，系統有望提前數周識別區域性金融風險的傳導路徑，為監管部門提供寶貴的決策預演時間。

金融的本質是“經營風險”，而AI的核心是“理解規律”。二者的深度結合，將推動金融從“經驗驅動”邁向“數據驅動+算法驅動”的新范式。

直面新型風險，AI的深度應用需要“交通規則”

《21世紀》：從金融安全的專門視角看，AI的深度應用也為金融體系帶來了前所未有的新型風險。當下哪些安全風險是最需要警惕的？對此你有何對策？

周道許：AI如同一把“雙刃劍”，在提升效率的同時，也引入以下幾類新型風險，亟需高度警惕：

一是模型風險與算法共振。如果多家金融機構采用相似的AI模型，可能導致“集體誤判”，在極端市場環境下引發系統性踩踏。2023年某量化基金因算法同質化導致巨虧，已經敲響了警鐘。對此，應推動模型多樣性評估，鼓勵差異化算法設計，并建立“算法壓力測試”機制。

二是數據污染與對抗攻擊。AI模型依賴訓練數據，但這些數據可能被惡意注入噪聲或偽造樣本，導致模型決策失效。例如，欺詐分子利用生成式AI偽造人臉、語音、交易記錄以繞過風控系統的情況已經出現。因此，必須積極發展對抗訓練、異常檢測、動態驗證等“AI安全防御技術”。

三是倫理失范與公平缺失。算法可能放大歷史數據中存在的偏見，導致“數字歧視”，例如對某些群體授信額度普遍偏低。應當通過“公平性審計”流程，結合公平性約束算法等技術手段與多元評審機制等制度設計，雙管齊下予以應對。

此外，法律滯后帶來的“監管灰色地帶”也不容忽視。而AI的迭代速度遠超法規更新節奏，建議積極推行“監管科技（RegTech）”，利用AI來監控AI，實現實時、精準、穿透式監管，并加快出臺人工智能法及相關金融AI實施細則。

金融安全是國家安全的重要組成部分。在AI時代，我們必須樹立“技術安全與金融安全一體化”的理念，構筑覆蓋“技術—數據—模型—應用”的全鏈條防護體系。

《21世紀》：在兼顧AI賦能金融提質增效和風險可控的雙重目標方面，金融監管能做什么？如何在“放”與“管”之間找到平衡？

周道許：平衡“放”與“管”，本質上是平衡“創新”與“安全”。近年來，我國金融監管在鼓勵創新與防范風險方面已取得積極成效。未來，為實現創新與安全的動態統一，監管可以從以下幾個方面進一步發力。

一方面，可以深化“監管沙盒”與創新試點。在可控環境中允許金融機構測試AI新產品、新模型，監管部門同步觀察風險、積累經驗、優化規則。北京、上海、深圳等地已開展多批金融科技沙盒試點，未來應擴大范圍、深化場景，尤其在普惠金融、綠色金融、養老金融等戰略領域鼓勵探索。

另一方面，應積極發展“智能監管平臺”。利用AI技術提升監管效能，實現“以技管技”。例如，構建“全國金融AI監管數據庫”接入關鍵模型運行日志；開發“監管智能體”自動識別違規模式與風險傳導路徑；建設“跨市場風險預警系統”以打破數據孤島。

同時，實施“分級分類監管”也至關重要。根據AI應用的風險等級、影響范圍、技術成熟度，采取差異化的監管要求。對低風險AI工具（如智能客服）可采取備案制，對高風險AI系統（如自主交易模型）則需實行準入制與持續監測。

“放”不是放任，“管”不是管死。監管的目標是營造一個“鼓勵創新、包容審慎、底線明晰”的發展環境。正如開車需要交通規則，“AI+金融”的發展也需要清晰、靈活、前瞻的監管框架。

重塑課程體系，培養駕馭AI的“戰略型人才”

《21世紀》：當AI承擔越來越多分析甚至決策工作時，金融行業對人才的要求也會進一步提高。作為一名高校科研人員，你認為高校金融人才培養路徑應該如何與時俱進、作出對應的改變？

周道許：教育的本質是面向未來，而未來屬于那些懂金融、懂科技、更懂社會的復合型人才。因此，高校培養體系必須從“知識傳授”轉向“能力重構”。

具體而言，課程體系需率先重塑，強化“金融+科技+倫理”的三維融合。傳統金融學課程需要嵌入Python、機器學習等實用模塊，同時應開設“AI倫理”“算法治理”等前沿課程，以此培養學生科技向善的價值觀。

在這一基礎上，必須推動“產學研用”的深度融合。高校應與金融機構、科技公司、監管部門共建實驗室與實訓基地，鼓勵學生參與真實AI金融項目，從需求分析、模型構建到合規評估，進行全程實戰訓練。

而最終的目標，是注重“批判性思維與創新領導力”的培養。AI擅長執行，但人類擅長提問、批判與創造。金融教育必須加強復雜問題求解、系統思維、跨界溝通等軟技能的訓練，從而培養出能夠駕馭AI、而不僅僅是操作AI的“戰略型人才”。

（作者：唐婧 編輯：曾芳）

下載MT4，開啟交易之旅

請填寫您的準確信息，以便后續正常登陸

獲取郵件驗證碼

*我們尊重每一個客戶的隱私。一旦“提交”了以上內容則表明您同意我們將使用以上提供的信息與您聯系，為您解答您所咨詢的產品及服務。

提交

申請成功

點擊下方即可免費下載MT4軟件，相關信息將以短信方式發送給您。
稍后將有專屬客服致電聯系您，有疑問可隨時咨詢。

Android Windows Mac iOS

開啟MT4交易 領取開戶贈金