尚福林：金融可能是人工智能技术的最大受益者

以“信任和信心——共商金融开放合作共享经济稳定发展”为主题的2024金融街论坛年会10月18日至20日在北京金融街举行。10月19日，十三届全国政协经济委员会主任、原中国银监会主席尚福林在分论坛“AI+金融赋能数字金融新篇章”上发表主题为《发挥人工智能赋能金融的优势作用》的主旨演讲。

以下为演讲全文：

各位来宾，大家好！很高兴参加今天的活动。今天的主题是“AI+金融赋能数字金融新篇章”。借此机会，我谈三点认识，供大家参考。

第一，金融是人工智能融合发展的重要领域

近年来，人工智能的高速发展有目共睹。随着生成式人工智能（AIGC）技术的迅猛进步，2022年ChatGPT的出现引发了一系列人工智能技术变革，大模型对复杂文本和图像的融合处理及分析能力持续增强，人工智能应用已经广泛覆盖互联网、金融服务、制造业、交通运输、教育医疗等各个领域，正在深刻重塑经济社会生活的方方面面。

根据国际数据公司（International Data Corporation）的预测，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。

在这种背景下，金融科技领域必将迎来新一轮的技术革命，推动金融数字化转型迈向智能化新阶段。从国内实践看，2017年7月，国务院印发的《新一代人工智能发展规划》明确指出要大力发展“智能金融”。2023年中央金融工作会议也提出要加速建设金融强国，着重做好数字金融等“五篇大文章”。在改革开放以来几次的重要信息化数字化建设中，金融业始终走在前沿。从早期代替手工操作，到数字技术条件下全方位改造业务流程和创新业态，金融业的科技投入规模、创新迭代速度和影响范围都在显著提升。

金融作为国民经济的血脉，与人们的生产生活紧密相关。当前，我们看到人工智能的大模型应用已经能够支持语言、视觉、语音等多模态交互，并展现出更高级别的逻辑推理能力。用这些能力为金融行业赋能，对于金融业的发展具有重要意义。与此同时，金融业务每天产生海量数据，为人工智能提供了丰富的应用场景。相信在这一轮人工智能变革中，金融业还将成为智能化的先行者。

第二，人工智能对金融业经营运行将产生深远影响

从当前人工智能的行业应用和技术原理来看，人工智能通过运用特定的算法模型，并借助大量基础数据进行持续训练，能够模拟人类思维，并有望最终实现超越人类大脑的高阶运算和处理能力。这与早期模拟手工操作的信息化建设存在根本不同。

人工智能在金融领域的应用有三个核心要素：数据、算法和算力。首先，数据是关键。金融行业积累的海量数据资源，是人工智能技术在金融领域进行分析、预测和决策的重要基础。其次，技术驱动是核心。金融服务的智能化水平需要依靠算法优化、模型训练等手段不断提升。最后，算力是基石。算力是大模型应用能力的技术底座。高性能人工智能算力的需求巨大，同时需要更强大持久的电力支持，这对研发机构和企业都设置了较高的投资门槛。金融行业有相对更充裕的资源进行投入。

人工智能的三个特性为金融业的高质量发展注入了新的活力，同时也带来了需要我们深入思考和应对的新挑战。

一方面，金融可能是人工智能技术的最大受益者。人工智能凭借强大的计算能力和丰富的数据资源，有望在金融领域发挥越来越大的作用。

在提供个性化服务方面，通过音视频多模态收集整理后的数据，运用大数据分析技术进行深度挖掘，描摹客户画像，能够为用户提供个性化的金融产品和服务推荐，实现大数据驱动模式下的差异化客户服务。同时，也创新出智能投顾等新型金融产品和服务。

另一方面，人工智能赋能金融也面临一些挑战。人工智能的大模型应用方案虽然众多，也需要考虑金融行业的特性，并不一定能直接满足金融行业生产部署要求。同时，还需要避免人工智能滥用。

在模型不透明风险方面，通过复杂的算法和模型，输出的结果可能难以解释和追溯，增加了监管的难度，可能对金融稳定构成潜在威胁。同时，广泛使用训练有素的信贷审批助手可能会导致金融领域风险评估和信贷决策的同质化，加总释放错误信号，加速放大负面反馈循环，进而加剧金融脆弱性。

在不可预知风险方面，人工智能工具是根据过去的数据进行训练的，这些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。技术本身也可能会受到数据不可靠或前所未见极端情况的影响而得出错误结果。

在网络安全风险方面，随着数据量的不断增长和模型复杂度的不断提高，人工智能应用需要处理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性。

第三，人工智能赋能数字金融的几点建议

在新一轮科技变革中，以大模型为核心的人工智能潜力巨大，将成为推动金融业数字化转型的重要力量。在这场变革浪潮中，金融业在与人工智能融合过程中如何扬长避短，我谈几点建议。

广泛应用，深化融合。一是积极探索应用场景。在金融行业中，积极探索大模型的应用场景，包括但不限于风险管理、信贷审批、反欺诈等关键领域，通过实践不断打磨和完善大模型的能力。二是提升场景智能化水平。通过智能算法和模型，不断优化金融业务流程，构建数字化、智能化的金融生态体系，为客户提供更加便捷、智能的金融服务体验。

加强合作，共建生态。一是增强合作联动。加强金融机构、技术厂商之间的合作联动，实现资源共享、优势互补，构建有针对性的金融行业大模型，推动金融行业的技术创新和产业升级。二是支持关键技术研发。探索共建共享，支持关键技术的联合研发与产业化应用。为金融业模型训练及各类金融业务提供更强大的算力保障。三是降低应用门槛和成本。以大带小，由强带弱，不断降低软硬件使用成本，让中小金融机构也能受益于先进技术，提升其市场竞争力，推动整个金融行业的均衡发展。

来源：财经杂志客户端