倫敦政治經濟學院金融系 何 岸
【摘要】隨著相關技術日漸成熟，人工智能在金融行業的應用場景更加豐富，將實現從外圍業務向核心業務轉變，對金融行業產生深遠影響，但這一過程也伴隨著一些困難和風險，需要國家加強監測和政策預研儲備。未來人工智能在金融行業應用可能采取決策中樞大模型與專業執行垂直模型協同的多智能體聯合運作分工模式。應積極鼓勵人工智能多種技術路線協同發展，同時加強相關規范監管政策儲備，扎實穩妥推進“人工智能+金融”重大課題的研究落地，持續深入做好金融“五篇大文章”，助力金融強國建設。
【關鍵詞】人工智能 模式機制 普惠金融 風險管理
【中圖分類號】F832/TP18 【文獻標識碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2025.08.009
從ChatGPT到DeepSeek，人工智能（AI）技術在加速自身迭代的同時，持續推動各領域轉型升級。2024年中央經濟工作會議部署開展“人工智能＋”行動，[1]加快人工智能技術研發和應用，推動其與千行百業深度融合，為經濟發展注入新的動能與活力。金融行業具有信息數據密集、人才智力密集、利潤豐厚、業務場景及展業流程多樣復雜等特征，[2]該領域人工智能應用潛力巨大。2023年中央金融工作會議強調，金融要為經濟社會發展提供高質量服務，做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。[3]本文結合人工智能大模型在金融行業應用現狀，分析由以預測為基礎的決策支持到以全權代理為特征的自主決策的人工智能在金融行業落地的應用模式，進而分析人工智能在金融行業應用的挑戰風險與未來方向。
人工智能在金融行業的應用模式
聊天機器人（Chatbot）模式。該模式以對話、搜集和生成能力為基礎，以輔助外圍工作為主要形態。現有的AI大模型在金融行業的應用主要集中于金融機構的外圍業務，如用人工智能大模型進行報告生成、客戶體驗及活躍度優化、合成數據生成與營銷，等等。對于金融核心業務的涉及深度仍然有限。這是由于相關應用功能的實現大多基于交互對話、信息整理和內容生成等Chatbot模式。隨著以DeepSeek為代表的具備更強邏輯預測能力和自主學習能力的智能助手（Copilot）模式，乃至未來更加智能的自主代理（Agents）模式的出現，金融行業人工智能應用將更加深入，其重塑效應也將更加明顯。
智能助手（Copilot）模式。該模式以推理預測能力為基礎、以決策支持為主要形態。隨著AI逐步進入Copilot模式，AI通過鏈式思維機制模擬人類復雜推理過程的能力、利用檢索增強生成技術（RAG）引入外部資料的能力顯著增強，這使得其可以在不依賴人工標注的前提下，承擔更為復雜的金融推理問題，為分析預測金融產品走勢、實現復雜決策支撐提供了可能。在此背景下，AI在金融行業應用場景主要包括以下方面。
一是基于多模態數據融合分析全面提升投研精準度。傳統投資研究主要依賴結構化數據，如歷史交易數據、財務報表等，這些數據信息維度單一，且不同分析師的分析能力存在差異，傳統投資研究難以全面反映市場動態，無法做到對未來的精準預測。AI通過處理文本、圖像、語音和視頻等多種非結構化數據，進行多模態數據融合分析和復雜邏輯推理，能夠幫助金融行業人員提升信息搜索和分析研判效率，全面及時洞察市場、精準預判未來趨勢，為投資者提供更為全面的研究支持。例如，華泰證券以“DeepSeek＋投研＝？”作為研究主題輸入測試DeepSeek-Researcher功能。[4]
二是基于強大嚴謹的邏輯推理能力賦能金融產品構建。傳統金融產品構建領域的分析決策含有較多主觀判斷，可能出現人工失誤導致的偏差，產品服務的不確定性較大。AI大模型不僅能夠提供單期的市場預測，還能夠通過綜合分析海量數據和實時信息，依托強大算力開展復雜邏輯運算，預測市場走勢、資產價格波動、經濟周期變化等更加復雜的市場動態，擴大從業者信息搜集半徑、提升金融產品構建效率，全面賦能金融行業。AI大模型還可以結合投資者獨特的風險偏好和投資目標，生成個性化的投資組合與管理策略，不僅能為投資者打造更契合需求的金融產品、為金融機構降本增效帶來新機遇，更能進一步降低高質量投資理財服務的進入門檻。例如，華泰證券推出的“AI量化工廠”在接入DeepSeek算法引擎后，策略回測效率提升了20倍。[5]此外，由于AI大模型可實現實時推理和自動執行交易策略，因此可以有效減少量化交易中的人為錯誤，提升量化產品穩定性。
三是基于全面動態分析推理能力助力提升風控水平。傳統的金融風控往往依賴于人的經驗和腦力，其本身存在一定的不穩定性、不確定性，也無法實現對突發事件的瞬時精準評估反應。AI能夠憑借海量數據預訓練和生成能力，突破傳統風控在數據處理速度、復雜關聯挖掘和實時響應方面的瓶頸，將“事后分析”轉變為“事前預警”與“事中監控”，提升風控預警的精準度和實效性，同時可以快速發現欺詐行為，降低重大損失的可能性。AI可以通過引入非線性模型幫助擬合尾部風險，提高風險價值（VaR）的計算精度。例如，東方財富的妙想大模型能夠通過輿情監控提前識別異常交易模式和合規風險。[6]
四是基于強大的數智化管理能力推動綠色金融發展。綠色金融的發展需要銀行業有效引導資本市場。向相關重點領域的企業發放綠色信貸，降低綠色項目的融資成本，需要以企業環境、社會及管治（ESG）評級為依據，這要求ESG數據具有良好的完整性與一致性，并且相關金融機構需要具備精準評估綠色項目的能力。AI大模型憑借其在自然語言處理、跨模態理解及知識推理等方面的強大能力，正逐步成為銀行提升ESG數據處理與信披管理效率的有力工具。一方面，AI大模型具備強大的非結構化文本理解能力，可高效解析企業年報、ESG報告、新聞輿情等海量非結構化信息，自動提取關鍵信息與ESG指標，顯著提升信息披露的透明度與一致性；另一方面，借助知識圖譜構建與風險識別機制，AI大模型可對企業在環境保護、社會責任、治理結構等方面的潛在風險進行深入分析，輔助銀行精準識別綠色信貸及綠色債券項目的可持續性與合規性。此外，通過構建行業級別的ESG智能分析平臺，銀行可實現對客戶ESG表現的持續跟蹤、智能評分和差異化金融支持，從而有力服務“雙碳”目標與綠色金融體系建設。例如，2024年，華夏銀行攜手百融云創，利用AI技術打造數智化綠色金融解決方案，實現對綠色業務識別、評估、管理等環節的全流程覆蓋、一站式管理，有效支撐了華夏銀行綠色金融業務的開展。[7]
自主代理（Agents）模式。該模式以AI全權代理、自主承擔工作分配、拆解與執行能力為基礎，以AI自主決策為主要形態。未來，AI可能進化到Agents模式，將在增強原有邏輯推理能力的基礎上，強化自主決策和任務分解能力，使其可以自主收集信息、調用工具、制定計劃并執行復雜任務。AI賦能下，金融行業發現價值、預測市場走勢、促進資金融通的能力將顯著增強，這一階段人工智能在金融行業應用可能包含以下幾個典型方面。
一是AI賦能創業投資基金，助力新質生產力發展。傳統創業投資基金主要通過人為的盡職調查、財務數據收集、參與創業企業路演等方式進行投資標的選擇，在這一過程中，人的主觀因素影響很大，且初創企業自身發展前景不確定性強的特點使得投資基金準確評估標的公司價值的難度較大，這也導致創業投資基金投資不確定性強、風險大。未來隨著AI的持續進步，可能出現由AI自主收集信息、自主分析研判、自主決策投資的AI創投基金。AI創投基金能夠基于海量的多模態數據、強大的邏輯推演能力、豐富的知識儲備，綜合分析研判創業公司發展潛力，合理評估創業企業當前價值，并以相關評估結果自動化地給予資金支持。上述模式的AI創投基金能夠以較低的成本和較高的精確性綜合評估創業企業的綜合價值，在一定程度上降低投資的風險。同時，以AI進行自動化判斷能夠在很大程度上避免傳統創業投資基金普遍存在的“代理人問題”，將基金投資人對于代理人道德風險的擔憂轉化為對人工智能本身能力的評判，這也使基金投資人投得更安心，更有利于吸引國有資本、養老金、社保基金、家族辦公室等穩健類型基金投資人參與創業投資，更好發揮金融對新質生產力發展的支撐作用。
二是AI賦能信貸，助力中小微企業和民營企業發展。長期以來，中小微企業和民營企業存在融資難、融資貴的問題，究其原因主要有，銀行與中小微企業、民營企業之間信息不對稱，銀行想獲取真實的中小微企業、民營企業情況需要花費很大的成本；銀行貸款審批流程復雜、時間長，增加了企業獲取融資的時間成本；銀行從業者出于免責考慮，更傾向于風險低的國有企業投放貸款。未來隨著AI的持續進步，可能出現AI自主授信貸款業務，涉及中小微企業、民營企業的貸款授信審批均可由AI自主進行。通過AI賦能信貸，銀行可利用AI強大的信息收集、邏輯推理、高效的自動處理能力等，分析處理場景化的企業信息，精準刻畫企業信用、未來發展前景等畫像，降低與中小微企業、民營企業間的信息不對稱，降低銀行側的調研成本，壓縮授信審批放款等流程時間，也可以防止銀行工作人員個人偏好對信貸產生影響，從而實現信貸業務針對中小微企業和民營企業的精準定價、有效覆蓋，更好助力中小微企業、民營企業健康發展，降低整個社會融資成本，推動以AI科技為基礎的普惠金融。
三是AI賦能低碳，引導資本市場綠色轉型。目前，資本市場綠色轉型的主要瓶頸在于ESG數據質量與透明度不足，缺乏成熟完善的監管標準與評價體系，企業社會責任與盈利能力之間難以平衡。AI大模型的引入有望解決這一困境，推動ESG基金的發展進入有策略競爭力的市場化階段，全面展現出ESG公司卓越的投資價值。未來，隨著AI大模型發展，可能出現金融機構利用AI技術將ESG因子更好地融入基金投資策略，從而由AI高效設計出兼顧ESG偏好與風險收益表現的優秀ESG策略，甚至由AI獨立管理ESG基金。隨著技術的成熟和市場需求的增長，預計未來該模式將逐漸得到更多機構的認可和采用。
四是AI賦能新型保險，實現助農助老防災。傳統保險行業的底層邏輯建立在精算模型、人工核保和渠道分銷三大支柱上，[8]但隨著經濟發展，我國保險行業日益暴露出產品設計同質化嚴重、保費定價合理性不足、人工審核理賠難以應對欺詐、理賠審核周期長、營銷成本高等問題，在養老、助農、防災等長尾領域覆蓋不足。未來隨著AI的持續進步，可能出現AI自主設計并長期管理的保險產品。保險公司可基于AI的實時高速運算能力和強大的預測能力，不斷提升風險定價能力、降低服務成本，針對不同客戶特別是上述長尾領域用戶靈活定制個性化險種，設計出針對不同群體的養老保險、針對不同作物品種的農業保險、針對不同災害種類的巨災保險等多樣化的保險產品，精準核算保費標準，推動保險服務下沉，擴大保險覆蓋面。AI自主定損、自動審核，可以提高理賠反欺詐水平，縮短理賠審核周期，提升保險風控能力。保險客戶也可以通過AI自主設計管理保險，找到適合自身多樣化需求的保險品種，獲得便捷的理賠體驗，進而形成穩定的理賠預期。
人工智能在金融行業應用的挑戰與風險
AI在金融領域應用正面臨諸多挑戰。一是責任界定難以劃清。金融行業屬于資金密集型領域，因而對責任的清晰界定要求很高。若AI涉及金融行業核心業務并獲得盈利或造成損失，相關成果或責任的歸屬將成為重要的法律問題。目前我國法律對這方面的權責界定尚缺乏明確的依據，導致大部分金融機構對于AI的實際應用持審慎推進的態度，一方面，傾向于自己開發應用于自身業務的AI模型，另一方面，對將AI應用于核心業務更為謹慎。二是AI自身準確性不足。受限于當前AI自身發展水平，其推理出結果的準確性尚顯不足，有時甚至會出現相關性、上下文語境一致性或內容真實性方面的錯誤，答非所問、肆意杜撰，造成所謂“AI幻覺”，這與金融本身高精度、低容錯的要求不符，也使得現階段AI對于金融核心業務的提升作用有限。三是AI結果可檢測性不足。由于當前AI大多基于大模型設計，其模型及運算推理過程相對復雜，存在“黑箱”，這將導致結果回溯與經濟學解釋十分困難，即便安排人工進行復核，也會增加較多成本，且復核效率和結果難以保證。
AI在金融領域規模化應用后可能帶來的風險。一是威脅宏觀金融穩定。由于AI具備短時間內處理大量數據和快速自動化完成交易的能力，特定市場條件下可能因諸如多支AI都賣出某股票的操作造成交易事故，導致個股暴跌，招致操縱市場之嫌，甚至在“羊群效應”推動下激起市場短時間內的恐慌情緒，持續放大市場波動，進而引發金融風險。此外，當面對新型復雜問題時，若AI出現偶發性宕機，可能引發金融系統暫時性崩潰。二是引發不當牟利。在不預設限制性條款情況下，AI可能通過散布虛假消息、短期內暴力拉升個股等方式操控市場，牟取超額利潤，導致廣大普通投資者遭受巨額損失，影響正常的金融秩序。三是因數據偏誤造成錯誤。當前階段的AI運行機制都是基于現有數據集進行訓練和推理，若其訓練時選取的數據集本身質量不佳或存在偏誤，可能導致AI在金融領域應用后的結果出現系統性或特質性偏誤，給客戶帶來損失。四是加劇價格歧視。參考AI算法在短視頻、電商等領域廣泛應用的經驗教訓，AI在金融領域大規模應用可能也會引發基于不同客戶特征的價格歧視、殺熟等現象，妨礙金融市場公平。五是侵犯個人隱私。金融行業存在大量的敏感隱私數據，而AI在金融領域大規模應用必然需要廣泛收集這些數據。此外，因為AI具有多模態分析能力，較傳統金融分析而言AI賦能金融還需要收集諸如視頻、音頻等非金融數據，在這一過程中，一方面，原本的金融隱私數據可能因為AI算法本身的漏洞而泄漏，另一方面，AI未經允許擅自使用非金融數據進行分析也會存在侵犯個人隱私的問題，可能引發公眾的不滿。六是造成金融壟斷。金融行業大規模使用AI可能加劇金融公司間的“馬太效應”，頭部金融公司因具備較多的人力資源、算力資源、數據資源，有更多機會研發高水平的金融AI，從而加速行業整合，可能形成金融壟斷，擾亂金融市場秩序。
人工智能在金融行業應用的未來方向
金融行業的核心能力可分為業務供給能力、渠道運營能力以及資源配置能力，與國際一流金融公司相比，我國金融公司在業務供給能力、資源配置能力方面的短板較為突出。隨著AI技術的快速發展及在金融行業的大規模應用，金融行業的價值鏈、管理鏈將被重構，AI可能成為未來金融業務增長的重要驅動力。我國金融公司可以借助AI賦能快速提升業務供給與資源配置能力，實現對國際一流金融公司的彎道超車，也可以利用AI賦能，推動我國金融行業降本增效，提升金融市場有效性，增強金融服務可得性、普惠性，做好金融“五篇大文章”，推動金融高質量發展。此外，隨著AI與金融的深度融合，AI在金融行業應用也可能催生決策中樞大模型與專業執行垂直模型協同的多智能體聯合運作分工模式，推動人工智能發展。
為支持AI更好在金融行業應用，應加大力度支持人工智能領域技術研發，發展多技術路線，推動AI在金融行業實現從“可用”到“可靠”的轉變；以開放包容的心態支持相關人工智能技術在金融行業試點應用、“小步快跑”；注重加強相關領域國際合作，搶占AI在金融行業應用方面國際標準制定的主動權、話語權。同時，也要找到鼓勵創新與防范風險的平衡點，加強對金融行業使用AI技術的風險監測，做好相關領域監管的政策預研儲備，確保AI與金融實現良性融合，促進金融行業和諧、健康、安全地可持續發展。
注釋
[1]《中央經濟工作會議在北京舉行》，《人民日報》，2024年12月13日，第1版。
[2]姚澤宇、蘇杭：《AI大模型在金融行業的應用前景及潛在影響分析》，《國際金融》，2024年第10期。
[3]《中央金融工作會議在北京舉行》，《人民日報》，2023年11月1日，第1版。
[4]《華泰金工｜Deepseek＋投研：大模型應用集錦》，2025年3月1日，https://www.53ai.com/news/OpenSourceLLM/2025030107928.html。
[5][8]《AI賦能下的金融行業重構及變革——DeepSeek沖擊波》，2025年2月19日，https://pdf.dfcfw.com/pdf/H3_AP202502211643359606_1.pdf?1740154789000.pdf。
[6]《兩會｜對話東方財富董事長其實：金融業正系統性擁抱AI，大模型應用有三大挑戰》，2025年3月7日，https://finance.sina.com.cn/stock/roll/2025-03-07/doc-inenxvcf1418733.shtml。
[7]《入選工信部優秀案例！百融云創＋華夏銀行＝AI×綠色金融》，2024年7月1日，https://www.bsia.org.cn/site/content/27200.html。
Artificial Intelligence in Finance: Application Modes, Challenges, and Future Pathways
He An
Abstract: As artificial intelligence (AI) technologies mature, their applications in the financial industry are becoming increasingly diverse, evolving from peripheral functions to core operations. This transformation is poised to exert a profound impact on the sector but is accompanied by various challenges and risks that call for proactive monitoring and forward-looking policy planning. Looking ahead, AI deployment in finance may adopt a multi-agent framework, wherein central decision-making models collaborate with specialized vertical models for execution. It is essential to foster the coordinated development of multiple AI technological pathways while enhancing the preparedness of regulatory policies. To build a strong financial nation, a solid and pragmatic approach must be taken to advance the research and implementation of the "AI + Finance" agenda, while continuously enhancing the development of the "Five Major Areas of Finance".
Keywords: artificial intelligence, model mechanism, inclusive finance, risk management
