AI改变金融系统，周小川、肖远企发声

来源：市场资讯

（来源：中国基金报）

【导读】2025外滩年会，周小川、肖远企解析人工智能为金融系统带来的变化

中国基金报记者 马嘉昕

10月23日至25日，2025外滩年会在上海市召开。本届年会主题为“拥抱变局：新秩序·新科技”，由中国金融四十人论坛（CF40）与清华大学联合主办，并继续坚持“国际化”“专业化”定位。会上，来自全球21个国家及地区的121位财经政要、机构高管与学界领袖，围绕全球秩序重构与科技革命交织背景下的经济、金融与治理等多项议题展开探讨。

中国人民银行原行长周小川，国家金融监督管理总局党委委员、副局长肖远企等嘉宾出席，围绕人工智能给金融系统带来的新变化分享观点。

周小川：人工智能是金融业在IT基础上又一次重大边际变化，将深刻改变银行业态

在本届年会的“金融领域的AI治理与国际合作”圆桌论坛上，周小川表示，人工智能是金融业在IT基础上的又一次重大边际变化，将深刻改变银行业态，但对货币政策影响尚不明显。

在周小川看来，从金融角度看，银行业正在从传统银行转变为数据处理行业。回顾六七十年前的银行业，与现在完全不同，但随着IT技术发展，银行业的性质已发生根本性变化。

他举例说明，支付业务与数据处理有关，存款和贷款依赖大数据分析和模型进行定价，风险评估主要基于数据处理和模型计算，市场营销也很大程度上依赖数据。

“在此过程中，人与机器的关系也发生了变化，从过去由人主导、机器辅助，演变为人主要作为机器与客户之间的界面。”周小川称，在此基础上，AI的兴起也带来了新的边际变化。

“过去银行系统、金融系统积累了海量数据，这些数据可用于机器学习、深度学习，使传统模型转向智能推理模型。”周小川指出，银行业与其他行业不同，对人工智能需求较少使用多模态或生成式技术，主要依赖大数据分析和推理模型。

“基于这一特点，银行未来会进一步向该方向发展，由此也将产生一个现象，即银行的从业人员规模会显著减小。”周小川称。

周小川认为，目前客户的行为发生了变化。他亦表示，人工智能技术将为监管带来变化。

此外，谈及AI对货币政策和宏观监管的影响时，周小川表示，货币政策基本上是“慢变量”，它随经济周期或经济变化而调整，这个变化不会太快。尽管AI和机器学习有助于更准确判断形势，使宏观调控更精准，但似乎并不是那么重要。货币政策不可能对每天的价格变化做出响应，响应太快也可能引发不必要波动。

周小川也提醒称，从监管的角度，希望各类金融机构和活动如果运用AI，应提供透明、可解释的模型。但实际上，AI发展特别是机器学习、深度学习，必然带来模型的黑箱性，很难解释。“可能未来监管就需要面对黑箱模型产生的结果和行动，来调节或监管金融市场。”

他指出，如果AI模型大量运用短期高频数据，学习结果很可能也是高频、短期、技术性的，可能与金融稳健和宏观调控所需要的面向基础面、长远稳定性的要求不一致。

国际合作方面，周小川建议，可以在如何更好地加强AI基础设施方面开展合作，特别是金融市场方面的AI基础设施的加强和联通，这将为未来具体的国际合作想法打下基础。

肖远企：AI在金融领域应用仍处于早期阶段，辅助决策仍是主流

会上，肖远企表示，当前尽管AI发展迅猛、应用广泛，但必须明确一点，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。

谈及当前AI在金融行业的主要应用，肖远企从三方面加以概括：

首先是中后台运营的智能化，覆盖了数据收集、加工、信息甄别与识别，以及客户评估等多个环节，当前已在银行等金融机构内部广泛应用。

其次是在客户交流方面，许多金融机构在客户关系管理环节，包括营销、维护和问题解答等方面，都普遍应用了AI技术。

最后是在金融产品提供方面，AI的应用带来了双重效益。对内来讲，其帮助金融机构降低成本、提高效率；对外则是使它们能够为客户和利益相关者提供更个性化、更精准的金融产品与服务，更有效地解答问题和满足需求。

“当前，以人工智能为代表的科技成果在金融领域已经开始广泛应用，可以预期，其对金融的促进与影响可能是重大而根本性的。”他表示，尽管AI发展迅猛，但必须明确的是，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。

对于AI效率提升是否会带来金融机构内部员工安置的压力，肖远企认为，到目前为止，还没有听到金融机构单纯因AI应用而出现员工安置压力的案例。他进一步强调，在金融领域，人才始终是最宝贵、最有价值的资产，AI的应用还可以创造更多工作岗位。

对于AI变革对金融领域带来的风险，肖远企认为可以从宏观和微观两个层面观察。

他指出，从微观角度来看，对单家金融机构而言，主要有两类新型或增量风险：一是模型稳定性风险。本轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要。二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序，也就是数据治理的程序。这两类风险对单个机构非常关键。

对整个行业而言，则主要有两类增量风险。一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上可能比小型机构更具优势，可能导致市场集中度提高。

二是决策趋同风险。肖远企指出，由于所使用的模型和数据相对标准化和集中，金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能引发“共振”效应，他认为这一问题也需要关注。

校对：乔伊

编辑：舰长

审核：许闻