监管如何划界？屠光绍：AI落地金融需关注五大问题

界面新闻记者 | 张晓云

当前，人工智能正从技术探索“深水区” 迈向产业落地 “主战场”，金融行业凭借数据密集、场景多元的优势，成为AI释放价值的关键领域。

“AI落地金融是金融与科技融合发展的重要内容，也是系统工程。”上海交通大学上海高级金融学院（高金/SAIF）创院理事长屠光绍近日在该院主办的“2025 Inclusion 外滩大会见解论坛 ——AI落地金融之路”上如此表示。

论坛现场，圆桌对话围绕“监管边界” 与 “机构转型” 两大核心议题，汇聚学界、金融机构、科技企业代表展开深度探讨，共同探索科技创新与金融变革的深度融合之道，为构建更具活力与韧性的AI金融生态注入强劲动能。

AI落地金融需关注哪些问题？

屠光绍在发言中指出，AI落地金融要实现稳健可持续发展需关注五个方面：

一是客观评估AI落地金融的发展现状。需要从总体发展状况、金融不同行业特点及金融机构具体实践等层次进行观察；

二是准确把握金融的基本属性对AI落地金融的相关要求。涉及到金融服务能力和效率、安全性和合规性、可靠性和稳定性、准确性与时效性、广覆盖性与分散性等多个维度；

三是全面分析AI落地金融对金融体系带来的深刻影响。金融机构形态、行业业态、金融服务方式、金融市场竞争格局、金融制度及金融监管等正在并将持续经历深刻变化；

四是加大对AI落地金融发展趋势的前瞻研究。重点一方面是AI技术本身的不断进步以及迭代进程，特别是AI技术与其它技术的交叉和融合，比如“AI+区块链”共同运用于金融活动所带来的效应，另一方面是金融体系本身的变革趋势，两者之间形成的互动，这些研究有利于AI落地金融的战略布局；

五是要重视AI落地金融的生态体系建设。除了要完善重要金融基础设施、构建法律制度与监管体系、推动产业协同之外，还要做好新型金融人才队伍建设，从而为AI落地金融的生态体系建设提供坚实支撑，实现AI落地金融的可持续发展。

高金执行院长、会计学讲席教授程仕军表示，人工智能正在重塑金融行业的底层逻辑，它不仅提升了服务效率，更成为构建更具韧性和包容性的全球经济体系的关键力量。

他特别指出，AI在金融领域的落地需要跨学科、跨行业的协同创新，高金将积极联动校内人工智能、先进技术等研究单位，与校外产业、资本、媒体等多方合作，共同构建“科技-金融-产业”融合生态，探索一条技术可信、治理可及、成果可享的可持续发展之路。

监管如何为AI 金融 “设边界” 又 “装导航”？

在“为AI落地金融铺轨：监管如何既设‘边界’又装‘导航’？” 圆桌环节，与会嘉宾提出监管应守住安全道德底线、引导创新，人才培养需兼顾AI赋能与风险敬畏，且要平衡数据共享与隐私保护。

华东政法大学国际金融法律学院教授徐明指出，AI当前面临 “问题新、风险大、监管难” 三大挑战。问题新集中在伦理与法律维度：伦理上需关注隐私保护、算法歧视等，法律上则要明确AI能否成为独立法律关系主体；风险大源字AI或有自主意识、不受控制，金融领域应用挑战显著；监管难体现在法律监管制度滞后、跨部门协调难、监管者知识需更新。

对此，他建议宏观层面加快制定人工智能法，明确责任；微观层面细化各类标准，凝聚多方力量应对。

恒生电子首席科学家、研究院院长白硕强调，AI落地金融的核心前提是合规，需依据具体场景明确身份，如投顾场景要符合投顾相关规定。

在投顾场景中，AI可搭建工作台，提供资料、资源及系统结果供参考，还能生成话术、深入了解客户以实现 “千人一面”，但最终决策需人把控，此边界将长期存在。

他认为，人与AI 的边界问题刚萌芽，当前 AI（数字员工、智能体）尚未足够智能，对人类员工的威胁被夸大，目前更像“聪明的工作伙伴”，暂无需过度担忧双方边界问题。

上海数据研究院学术副院长朱扬勇表示，目前不能过度信任机器，人工智能尚未达到人类智能水平，未来能否实现也未可知。

谈及“人与机器的边界”，他指出，机器与人类已存在物理层面的密切结合，未来无论软件还是硬件形式，半人半机器的界限会愈发模糊。

结合金融服务业场景，他补充道，服务业核心在于与客户面对面充分交流、倾听需求，若将此关键环节交由机器人，会错失客户反馈。他认为客服机器人并非AI 落地金融的优质场景，且当前人们有时难区分客服后台是人还是机器。

联和金融人工智能业务负责人、联和金融数字经济研究所理事、杭州海茵斯科技创始人聂金提到，今年AI在金融业产值预估400亿美金，2030年预计达1900亿美金，年化复合增长率高，AI 处理多模态海量数字的优势使其在金融领域应用广泛。

他梳理出四大核心监管问题：数据隐含歧视风险，可能致社会不平等与法律风险；AI决策需出具可解释性审计报告以解 “黑箱” 难题；打破数据孤岛易引发隐私挑战，跨国场景下成安全问题；AI决策全链条需合理问责机制。

聂金建议参考海外实践，监管要守安全与道德底线，通过沙盒监管避免“一刀切”，引导AI在金融大规模应用。