2025外滩年会聚焦人工智能：金融创新与风险治理并行

近日，2025外滩年会在上海召开，本届年会主题为“拥抱变局：新秩序·新科技”。会议期间，围绕人工智能（AI）的圆桌论坛成为焦点，包括智能跃迁：AI的宏观经济含义、金融领域的AI治理与国际合作、未来人工智能的变革图景、AI对劳动力市场的影响等议题，吸引全球财经政要、机构高管及学界领袖，共同探讨AI技术的机遇、风险与治理路径。

AI发展：边际进步还是行业重塑

当下，AI正在深刻改变工业和日常生活，但究竟是“边际性工具进步”，还是像蒸汽机、电力一样带来根本性行业重塑，是学界与产业界关注的核心问题。

对于AI是否会引发泡沫，哈佛大学教授、美国白宫经济顾问委员会原主席杰森·福尔曼（Jason Furman）表示：“我实际上会押注泡沫不会出现。”福尔曼认为，即便存在泡沫，也更类似2000年的互联网泡沫，而非2007年的房地产泡沫或金融危机，因为“并不存在一大笔资金被用作整个银行体系的抵押品，而且人工智能是真正的创新”。

中国人民银行原行长周小川则从金融视角分析，AI在信息处理、IT和自动化基础上的应用，是“又一次边际变化”，但这一边际变化意义重大。他回顾银行业历史，指出从上世纪六七十年代传统柜台操作向现代数据处理行业转型，是银行逐步依赖计算机系统完成支付、定价、风险管理和市场营销的过程。如今，人与机器的关系正经历从“人主导、机器辅助”向“机器主导、人作为客户接口”的演变。

跨国比较中，福尔曼指出，美国人工智能资本泡沫风险高于中国。他解释称，中国正在探索如何用更少的资源创造更多价值，以DeepSeek为例，表现出较高效率和稳健性。北京大学国家发展研究院院长黄益平从宏观经济角度强调，政策应协同发力，人工智能将成为经济增长新动力，“中国有望成为首要受益者”，而且企业、金融机构乃至高校在AI应用上都非常积极。黄益平认为，这为中国在全球AI经济竞争中争取先机提供了条件。

立足香港发展，香港金融管理局副总裁李达志表示，目前AI应用仍处早期阶段，没有完全掌握“制胜公式”。香港长期以来是中国门户与东西方交流枢纽，“东西方需要加强合作，香港是理想交会点”。香港特区政府通过数码港建立共享平台和超算中心，为大型及中小型银行提供共享算力资源，避免重复建设基础设施，推动AI红利最大化。

在实际应用层面，国家金融监督管理总局副局长肖远企指出，AI在金融机构的应用主要集中于三方面：中后台运营智能化、客户交流智能化及金融产品提供智能化。中后台智能化涵盖数据收集、加工、信息甄别及客户评估；客户交流智能化包括营销、客户维护及问题解答；金融产品提供智能化则使AI既降低成本、提升效率，也提供更个性化的产品。

周小川补充称，AI对货币政策影响有限，因为货币政策是“慢变量”，需要基于宏观指标做稳健判断，而AI的高频数据处理能力与此特性存在差距。但在金融稳定领域，AI潜力突出，可用于提前预警金融不稳定风险，尤其在银行体系健康度分析方面提供新手段。

AI风险：劳动力与金融体系的双重挑战

AI的快速发展带来效率与创新的同时，也伴随潜在风险。法兰西银行副行长阿格尼丝·贝纳西·奎里（Agnes Benassy-Quere）指出，AI系统面临三重风险：网络风险、服务商集中风险和“可解释性”风险。“网络攻击频率和复杂性上升，金融机构承受全球约一半攻击，形成系统性风险；服务商高度集中可能导致操作风险和市场反应趋同，增加闪崩可能性；而决策高度依赖AI且缺乏人工验证，则可能引发责任、诉讼及决策不稳定风险。”她称。

在劳动力市场方面，李达志强调，AI可能减少部分岗位，同时创造新岗位，核心挑战在于技能错配，即能否通过再培训让现有劳动力胜任更高端的工作。肖远企则认为，目前尚未出现员工安置压力，AI主要起辅助作用，关键领域如信贷、保险定价、定损及精算仍需依赖专业人才，“AI不仅不会取代员工，还可能创造更多岗位”。中国社会科学院国家高端智库首席专家蔡昉进一步指出，AI对劳动力的影响集中在“一老一小”，即青年劳动力面临初级人力资本挑战，而大龄劳动力主要表现为逐步退出劳动市场。

金融风险方面，肖远企指出，AI引入的风险与历史金融科技变革类似，主要是增量和边际风险，而信用、市场、流动性及操作风险等根本性风险未发生变化。单家机构面临模型稳定性和数据治理风险；行业层面则关注集中度风险与决策趋同风险，金融机构可能高度依赖少数技术供应商，使用标准化模型导致决策高度同质化，从而引发潜在“共振效应”。

此外，福尔曼指出，不同国家的资本泡沫风险不同，美国风险高，中国风险相对可控。黄益平则从宏观政策角度强调，通过政策协同与技术应用，可以降低风险并提升经济增长潜力。周小川提醒，AI在金融稳定领域应用潜力巨大，但仍需稳健策略与历史经验相结合，以防突发性风险。

AI治理：监管与国际合作并行

随着AI在金融体系的应用逐步深化，治理与监管成为焦点。李达志指出，如果金融机构在采用AI方面行动不够迅速，也存在失去竞争力的风险。他介绍，香港与国际清算银行合作开展“Project Noor”，研究AI可解释性问题，强调国际合作的重要性。

周小川则强调，AI“黑箱模型”问题需监管关注，金融机构大量使用不可解释深度学习模型，监管部门可能面临潜在风险不可控问题。同时，AI高频短期数据分析与央行所需的长期稳定性存在差距，需要政策制定者权衡。

欧盟在AI监管方面走在前列。阿格尼丝指出，欧盟《人工智能法》自2024年实施，其核心在于监管，将AI系统按风险分为四类：不可接受风险（如社会信用评分）被禁止，高风险需严格管理，有限风险需告知用户正在与AI系统互动，最小或无风险则无监管要求。她总结称：“AI是一把双刃剑，既提升监管者监测风险能力，同时也增强风险本身的潜在影响力。”阿格尼丝强调，希望其他国家展示如何确保AI发展遵循基本原则。

周小川进一步指出，当前国际合作在AI具体议题上有限，但基础设施建设和跨境联通仍存在合作空间。他呼吁加强金融行业AI基础设施建设，为未来国际合作奠定基础。

在政策实践层面，肖远企认为，AI带来的金融风险需监管部门重点关注增量和边际风险，包括模型稳定性、数据治理、集中度和决策趋同等，同时借鉴历史金融科技变革经验，建立可操作的风险管理框架。他指出，AI的应用仍处于早期阶段，监管与创新应并行推进，确保金融体系稳定与技术红利兼得。