欧阳日辉：生成式人工智能与金融业深度融合的理论机理与应用场景

2023年12月 20-21日，由中关村金融科技产业发展联盟、中关村互联网金融研究院举办的“2023中关村论坛系列活动——第11届数字金融大会”在中关村展示中心举办。大会以“强化数字技术赋能 推动金融高质量发展”为主题，围绕数字金融发展趋势，聚焦数字技术在银行、保险等金融业中的新技术、新业态、新模式。以深化数字产业化和金融数字化为主线，打造一流数字金融生态圈，积极促进政产研学跨界合作，助力金融业高质量发展。本次大会包含主论坛、主旨演讲、圆桌对话、中关村“番钛客”金融科技国际创新大赛总决赛，发布《中国金融科技与数字金融发展报告 (2024)》、发布《第三届金融科技创新案例》等多个重要环节。政府领导、院士专家、金融机构高管、金融科技界精英齐聚一堂，展望立足于中国的金融科技未来趋势，共同改变世界科技的走势与脉络，发出行业最前沿的声音。

中央财经大学中国互联网经济研究院副院长、教授欧阳日辉12月20日出席了第11届数字金融大会并发表主题为“生成式人工智能与金融业深度融合的理论机理与应用场景”的演讲。欧阳日辉教授指出，作为一种新型生产方式，生成式人工智能具有互补性、智能性、融合性、创造性的技术经济特征。他表示，生成式人工智能与金融业深度融合的机理一是互补性与赋能效应，从价值创造逻辑，生成式人工智能在金融业会产生“替代人”和“赋能人”两种效应。二是智能性与规模经济效应，人工智能提升数据处理效率和资源配置效率，扩大了金融机构业务规模。三是融合性与范围经济效应。四是创造性与飞轮效应。生成式人工智能与金融业深度融合需要以技术为基础，以数据为核心，以算力为支撑，以算法为驱动，以规则为保障。欧阳日辉教授针对提升人工智能技术与金融业间的互适性提出以下建议：第一，加大算法研发投入，强化专业模型和智能模型研发，提升金融大模型的适用能力。第二，注重数据储备和安全问题，提高金融机构运用人工智能生成式服务的质量。第三，坚持以人为主，谨防过度依赖人工智能。

*发言内容 （以下内容根据现场速记整理）

欧阳日辉：

各位专家，各位企业家，朋友们，大家上午好！今天，我演讲的主题是《生成式人工智能与金融业深度融合的理论机理与应用场景》

大型语言模型和生成式人工智能是当今最新、最重要的技术进步之一。随着以ChatGPT为代表的生成式人工智能技术应用的突破，生成式人工智能正与医疗、教育、工业、金融等行业快速融合。生成式人工智能与金融业的结合格外引人注目，领先者已经开始将生成式人工智能引入业务场景，大模型在金融行业的应用进程正在加快。例如，中国农业银行推出ChatABC，邮储银行、兴业银行等积极接入“文心一言”大模型平台；马上消费金融公司发布“天镜”大模型。

随着人工智能技术在金融业中的深度应用以及各国政府的推动，学界从2016年开始深入研究人工智能在金融领域的发展。然而，生成式人工智能与金融业发展的关系是什么？亟待学界作出回答。

一、生成式人工智能及其技术-经济特征

（一）生成式人工智能概念辨析

当下，已有文献把Generative Artificial Intelligence（GenAI）和Artificial Intelligence Generated Content（AIGC）都翻译成“生成式人工智能”。Gen AI和AIGC是有区别的。我讲的生成式人工智能对应英文的Gen AI，指基于机器学习和人工智能技术，通过算法、模型、数据、规则自动生成文本、图片、声音、视频、代码等内容的新型生产方式。

生成式人工智能是一种新型生产方式。机器崛起正在深刻地改变人类的生产方式，“机器类人化”现象成为机械机器向智能机器发展的显著特征。

（二）生成式人工智能的技术—经济特征

作为一种新型生产方式，生成式人工智能具有互补性、智能性、融合性、创造性的技术—经济特征。

1.互补性。人工智能对经济社会的影响，从决策式人工智能强调替代性走向互补性。生成式人工智能必将对其他技术要素、资本要素、劳动要素持续深入发挥互补效应，不断强化技术对经济社会发展的支撑作用。

2.智能性。智能的核心问题为“是不是”+“该不该”+“好不好”的混杂组合问题。新一代人工智能，探索人-机－环境对决策的影响，进一步构建基于理性和感性混合驱动的计算机模型，实现人机混合智能决策。

3.融合性。生成式人工智能表现出了融合性特征。一方面，生成式人工智能是多种技术的融合和集成应用。另一方面，生成式人工智能与行业用户深度融合。在中观和宏观层面，生成式人工智能赋能传统产业，推动不同产业融合发展。

4.创造性。人工智能具有替代人类脑力工作的创造性特征，可以生产出额外的知识，增加人类整体智慧总量，能“活化”潜在的关联产业，创造出众多新兴业态，开辟崭新的经济增长空间。

生成式人工智能所表现的技术－经济特征是其与金融业深度融合的基础。在这一融合过程中，不仅表现在替代人力劳动、编码行业知识、整合多维数据、发现潜在知识、软件定义产品等方面，而且能实现对要素尤其是数据要素的创造，提升金融业务智能化水平，通过“组合式创新”促进金融业业态和模式创新。从产业链的角度，生成式人工智能包括基础层、模型层和应用层。

二、生成式人工智能与金融业深度融合的机理

（一）互补性与赋能效应

从价值创造逻辑，生成式人工智能在金融业会产生“替代人”和“赋能人”两种效应。金融业未来主流岗位是人机协作，生成式人工智能从“替代人工”转变为更加理性地赋能人工“提高效率”，从“服务外部客户”转变为“赋能内部员工”，互补性产生的赋能效应增强。

（二）智能性与规模经济效应

人工智能提升数据处理效率和资源配置效率，降低了金融机构的营运成本，改善客户服务效率，扩大了金融机构业务规模。互动方式的改变，既解决了金融机构面临的供给不足、门槛高、信息不对称、风险评估难等问题，又通过智能咨询、智能借贷、智能客服等服务创新创造了市场需求。

（三）融合性与范围经济效应

人类社会正在进入人机协同、跨界融合、共创分享的智能时代。生成式AI技术为金融用户提供更丰富和更便捷的交互体验，生产式人工智能重塑金融行业的价值链条，提升用户体验。比如，生成式人工智能可以利用条件生成网络、文本生成和图像生成等技术，模拟不同的保险场景，生成适合消费者的个性保险方案，提升客户体验和满意度。

（四）创造性与飞轮效应

短期来看，生成式人工智能的商业价值是提升效率。中长期而言，生成式人工智能的价值在于改变了金融机构生成和使用数据洞察的方式，实现传统金融业态和模式的突破，重构金融业务模式和提升金融机构创新能力。

三、生成式人工智能与金融业深度融合的条件与场景

生成式人工智能在金融领域的应用，国际金融机构有两种态度。以美国银行、花旗集团和高盛等大银行为代表，出于防止数据泄漏等顾虑，限制员工使用ChatGPT。一些金融机构则积极探索和尝试使用生成式人工智能。总体而言，应该持谨慎而乐观的态度，有所为有所不为，在应用场景中不断积累经验。

（一）深度融合的条件

生成式人工智能与金融业深度融合需要以生产式人工智能技术的成熟和数字基础设施的完善为支撑，在数据及其保护规则的保障下通过算法驱动业务创新。

1．以技术为基础。大多数技术产品和服务在未来会融合生成式AI的能力；生成式 AI 将在行业垂直领域、科学发现和技术商业化方面快速发展。

2．以数据为核心。生成式人工智能和金融业融合是围绕数据这一核心来展开的，目前金融机构大多采用事后决策、间接决策，在大模型场景下，金融机构有可能进行实时决策，让业务人员直接面对消费者多样化的需求，构建更加人性化、用户体验更好的金融产品，及时调整交易过程。

3．以算力为支撑。没有算力人工智能便无法实现复杂的计算和迭代，提供高性能、低成本、绿色的计算能力是人工智能和金融深度融合的支撑，算力和相关的配套设施决定了人工智能所能达到的金融匹配最大高度。

4．以算法为驱动。算法是金融科技解决问题的具体方法，生成式人工智能与金融深度融合的核心驱动力未来将主要依靠算法层面的突破与创新。

5.以规则为保障。生成式AI在训练过程需要大量数据集，对数据收集、使用、披露亟待建立合规要求，需要开发负责任的人工智能模型，行业既需要增强隐私计算等技术的应用，又应建立相关规则，确保生成式AI合规发展。

（二）深度融合的场景

实践中，人工智能在金融业务的应用场景覆盖的广度不断向外拓展，商业银行在智能营销、智能识别、智能投顾、智能风控、智能客服方面的应用不断丰富。ChatGPT在股票市场、风险管理、金融知识普及、金融学术研究等方面体现出价值，已落地若干应用。

生成式人工智能与金融业融合刚刚起步，未来值得关注的方向有：

第一，金融机构规模化应用生成式人工智能应该明确三种定位：创造者，推动核心商业模式转型，重塑核心业务和/或面向客户的方式，例如抵押评估、直接客户互动；塑造者，聚焦幕后整合，改变业务模式的应用程序，例如虚拟专家，前线培训；使用者，有针对性地提高生产力，利用SaaS 解决方案，提高现有任务的效率或准确性，例如编码协助、文案写作、客户协助。

第二，金融AI应用打通服务价值链，服务平台化。金融AI的应用将不再局限于单一的应用场景，而是打通整体服务价值链，平台型产品助力传统金融机构。

第三，人机交互新突破提升用户体验，建设以自动化服务为代表的“智能客服”体系以及以“开放银行”为代表的场景金融服务体系。比如，商业银行运用生成式人工智能，实现线上线下多情景多层次的渠道网格覆盖，提升个性化服务能力和数据整合处理能力，推进渠道建设，培育新的金融生态。

（三）生成式人工智能不可能完全颠覆金融传统范式

金融行业具有资源密集、人力资本密集以及强规则、强监管等特性。生成式人工智能可以提升金融服务的效率，但是，金融行业有一定的准入门槛，需要满足合规、牌照和资本的要求，这些特性决定生成式人工智能不可能完全颠覆金融行业传统的范式，只能是对金融行业进行多领域的赋能。

四、问题与建议

目前，生成式人工智能在金融领域的应用还处于初期阶段，面对的困难和挑战依旧不少。比如，金融领域大模型面临着关键性任务和动态适应性、个性化要求和隐私保护、群体智能与安全可信和基础设施的能力四大难题待解决。为此，应针对性地提升人工智能技术与金融业间的互适性。

第一，加大算法研发投入，强化专业模型和智能模型研发，提升金融大模型的适用能力。从金融垂类大模型的构建，到具体金融场景的大模型应用，如信息管理、智能推荐、细分领域问答等，逐步形成系统化的“算法研发—细分领域—场景应用”的发展链，充分发挥技术的互补性、智能性、融合性、创造性，挖掘生产式人工智能在金融行业的深层价值。

第二，注重数据储备和安全问题，提高金融机构运用人工智能生成式服务的质量。一方面，推进数据汇聚共享和融合应用，构建科学数据知识资源底座等语料库和基础数据集，支持开展行业和领域人工智能大模型的训练；另一方面，应关注人工智能服务语料来源安全，加强数据安全灾备体系的建设，推动灾备防控规范的形成，尽快组织修订、完善数据灾备相关技术标准、规范体系。

第三，坚持以人为主，谨防过度依赖人工智能。聚焦科技金融、绿色金融、普惠金融、养老金融、数字金融等业态，运用生成式人工智能促进商业模式创新，着重推进金融服务管理由经验决策向基于数据驱动的决策转变。金融机构发展生成式人工智能的正确态度是，利用人工智能的优点，理性认识人工智能的局限，将人工智能视作人类能力的补充，帮助金融机构以全新的方式理解消费者行为。过度依赖人工智能，可能导致人类思维和实践能力、决策能力弱化。

更多宏观研究干货，请关注钛媒体国际智库公众号：