周小川談AI

資料圖。本文來源：新華財經

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

周小川談AI

新華財經上海10月23日電（陳冉）10月23日，在2025外灘年會的“外灘圓桌：金融領域的AI治理與國際合作”上，國家金融監督管理總局副局長肖遠企表示，當前盡管AI發展迅猛，應用廣泛，但必須明確一點，目前AI在金融領域的應用仍處于早期階段，其作用仍是輔助性的，無法取代人的決策。

中國人民銀行原行長周小川則表示，銀行較少使用多模態或生成式技術，主要依賴大數據分析和推理模型，基于這一特點，未來的從業人員規模會顯著受到影響和減少。“人工智能在銀行業的支付、定價、風險管理和市場推廣方面發揮著重要作用，這是一個很大的邊際變化。”

對于AI效率提升是否會帶來金融機構內部員工安置的壓力，肖遠企認為，到目前為止，還沒有聽到金融機構單純因AI應用而出現員工安置壓力的案例。以柜員服務為例，AI是輔助工具，無法替代柜員與客戶之間個性化的互動。在信貸、保險定價、定損、精算等關鍵領域，仍然離不開人的專業判斷。

助力監管已有很大進展

周小川指出，在人工智能的影響下，監管也會發生很大變化。以反洗錢、反恐融資系統為例，是最典型可運用大量數據分析發現線索、識別洗錢和恐怖融資活動的領域，利用已破獲案件數據進行機器學習、深度學習，模型會逐漸提升，從中找出規律，對監管有巨大作用，這方面現在已取得很大進展。

“AI可以在物價和微觀行為的數據收集、處理、模式識別和推理方面影響貨幣政策決定，是否可以從歷史上金融穩定數據、金融機構健康性變化中，通過機器學習和深度學習，推理預知金融不穩定的出現，我覺得這是一個很重要的方向。”周小川說。

值得注意的是，監管部門往往希望各類金融機構和活動在運用AI時提供透明、可解釋的模型，但實際操作中可能有所不同。周小川指出，機器學習、深度學習必然帶來模型的黑箱性，可能未來監管需要面對黑箱模型產生的結果和行動，來調節或監管金融市場。

“如果AI模型大量運用短期高頻數據，學習結果很可能也是高頻、短期、技術性的，可能與金融穩健和宏觀調控所需要的面向基礎面、長遠穩定性的要求不一致。這個問題確實需要認真對待和解決。”周小川說。

兩重風險需要關注

肖遠企認為，AI應用所帶來的風險，與歷史上幾次重大科技革命在金融領域應用時產生的風險類似，目前或許難以定論，但從歷史視角看，過去幾輪科技革命在金融領域主要帶來的是增量風險和邊際風險，雖然風險的成因、路徑和形態有所變化，但金融行業面臨的根本性風險如信用風險、市場風險、流動性風險和操作風險，并未發生革命性改變。

具體到這一輪AI變革對金融領域帶來的風險，肖遠企認為可以從宏觀和微觀兩個層面觀察：對單家金融機構而言，一是模型穩定性風險。這一輪AI應用高度依賴模型支撐業務拓展，因此模型的穩定性和可靠性變得至關重要；二是數據治理風險。這涉及數據來源的選擇、數據質量的把控以及事后的評估與監測程序，也就是數據治理的程序。這兩類風險對單個機構非常關鍵。

對金融行業而言，一是集中度風險。金融行業在AI模型技術上可能會依賴少數技術開發能力強、穩定性高、資源投入大的服務提供商。同時，大型金融機構在資源投入上可能比小型機構更具優勢，可能導致市場集中度提高；二是決策趨同風險。由于所使用的模型和數據相對標準化和集中，使金融機構在決策依據上可能趨同，進而導致行業整體決策同質化。如果趨同性過高，可能會引發“共振”效應。■

掃碼入群可參加全年至少12場精彩閉門研討