数字金融作为金融“五篇大文章”极为重要的一篇，在人工智能赋能下，正经历从量变到质变的飞跃。它打破了传统金融服务的时空限制，让金融服务更加普惠、高效和智能；它催生了新的金融业态，为经济增长注入新的活力，同时也带来前所未有的挑战，考验着监管能力、风险防控能力和社会治理能力。

　　“要加强生成式AI（人工智能）金融应用的治理，有必要推动金融行业严格执行AI算法备案制度。还要进一步加快金融行业可信数据空间构建，打破目前还存在的数据孤岛问题。”在5月18日举行的2025清华五道口全球金融论坛上，中国证监会原主席肖钢、清华大学五道口金融学院金融发展与监管科技研究中心主任张健华、中国人民银行金融研究所副所长莫万贵等专家、学者热议人工智能时代下的数字金融发展机遇和挑战。

数字金融发展势头良好

　　今年以来，在数字金融领域，最重要的一个现象是DeepSeek横空出世，实现了AI平权，大部分金融机构都开始接入DeepSeek等大模型，使得众多中小金融机构具备应用AI大模型的条件和能力，使整个金融行业——无论是银行，还是证券、保险——都发生了很大变化，通过不断应用以DeepSeek为代表的各种AI大模型，金融机构进一步创新了数字金融发展生态，也提高了金融效率和客户体验。

　　中国证监会原主席肖钢介绍，今年一季度，从整个金融机构的科技投入来看，在保持稳定增长前提下，各个金融机构的投入更加精打细算。从银行业来看，一季度金融科技投入增速有所放缓，增长幅度不如前几年那么高，但更加讲究投入产出比；同时，对科技人才队伍的建设进一步提速，各家金融机构不仅重视资金投入，现在越来越重视人才吸引和培养。

　　从证券业来看，一季度证券业（对金融科技的）投资强度在金融各子行业中最高，这和证券业过去的基数不是很大也有关系——因为前几年银行业投得比较多，证券业相对投得比较少。从去年以来，特别是今年一季度，证券业加大了投入强度，也更加重视投入的精打细算。

　　“在数字金融发展中，今年一季度还有一个特点，就是金融数据市场建设开始进一步深化，政策、场景、技术等方面共同推动金融数据市场发展。”肖钢指出，各个金融机构也在探索不同的发展模式，特别在国家数据空间建设行动指引下，各个金融机构开始着手建设数据空间基础设施，目的就是为了激活数据要素，推动数据流通，更好地释放数据利用价值。

　　蚂蚁集团研究院院长李振华表示，金融大模型是数字普惠金融这篇大文章的助推器，开源模型出来之后，模型训练成本显著下降，包括MCP协议（模型上下文协议）和A2A协议（智能体到智能体协议）在内的标准协议，也降低了模型和智能体之间的协议成本，为大范围应用提供了很好的基础，金融、医疗、电商、通信、传媒等几个行业会进展非常快，大模型和小模型的配合应用会是金融AI应用的范式。智能体未来市场空间的想象力会更为巨大，可能会有15万亿美元的市场规模。

加强生成式AI金融应用的治理

　　“大模型和新一代人工智能技术在金融领域应用带来新的风险。”在中国人民银行金融研究所副所长莫万贵看来，金融对精准性、专业性、一致性、稳定性等要求比较高，大模型存在幻觉的话，有些领域不能用。而算法黑箱可能导致一些关键业务满足不了穿透式监管要求，不利于风险管理溯源，也不利于责任认定。

　　莫万贵还担忧AI大模型的应用，是不是会放大传统类风险。因为模型共振可能给金融带来顺周期的风险，“如果模型、算法、训练数据都是相似的，导致行为决策结果是同质的，将会带来羊群效应，金融本身具有顺周期性，顺周期属性得到加强，会引发系统性金融风险”。

　　莫万贵还指出，大模型用的人越来越多，特别是中小机构也用起来了，对一些大型科技公司的依赖性就加强，这些科技公司在一定程度上演变成金融基础设施，也可能放大相关风险；此外，DeepSeek应用所带来的技术平权，对大型或小型金融机构影响的差距是缩小了还是放大了？大模型出来之后，是让消费者权益保护更加容易还是更加复杂？这些都需要探讨和研究。

　　清华大学五道口金融学院金融发展与监管科技研究中心主任张健华认为，从满足消费者的需求、适应自身能力建设方面，人工智能的使用会带来一些新的问题。在AI时代下如何更好地利用AI技术，这是重要的一个挑战。因为AI高度依赖技术，首先要对技术的能力、短板、风险都要了解，包括算法的一些缺陷，以及数据的准确性等。就金融机构本身来说，要对AI有所了解，最关键的是要确认AI适合自身，因为并不是所有机构都能全面利用AI。AI不光是堆技术堆出来的，一定程度上还需要与自身能力建设匹配，跟机构的需求和能力匹配，跟目标匹配。

　　肖钢指出，要加快构建生成式AI金融应用的治理闭环。金融业对安全、对准确办理业务的要求非常高，要聚焦AI技术滥用的风险治理，下一步需要加强生成式AI金融应用的治理，有必要推动金融行业严格执行AI算法备案制度，根据我国出台的《生成式人工智能服务管理暂行办法》，细化金融场景的实施细则。

推进数字经济与实体经济深度融合

　　在人工智能时代，如何把握数字金融发展机遇，如何应对生成式AI金融应用的挑战？莫万贵表示，首先，金融机构要更加审慎，将业务场景适配特定技术；二是尽可能减少对大型科技公司的过度依赖，开发个性化的、适合自己的东西，避免出现羊群效应；三是人机协同，金融机构要更加重视，把大模型应用纳入到内部整体风控合规机制中，注重业务流程再造，一些关键业务流程、涉及决策的业务流程和任务节点，需要人工干预，增加可控性。

　　“从监管部门来讲，一是要包容审慎，坚持‘技术是中性的’的理念，同时要深化金融科技创新监管工具的应用，营造一种允许试错、及时纠错、快速改错的氛围，支持金融机构、科技公司在风险可控的情况下，在真实环境中先行先试；二是坚持分级分类管理，发挥标准规范引领作用，特别是基于不同业务场景和业务流程的风险特征，区分类别进行管理，因地制宜设定相应的准入标准、备案机制、有针对性的监管措施等；三是加强监管科技建设，运用大模型技术提升金融管理能力，比如构建一些金融监管智能体；四是对科技公司要有一些额外的监管要求。”莫万贵指出。

　　李振华表示，要推进人工智能时代下数字金融的发展，需要制度配合。第一个层面，需要去探索类似于智能驾驶领域的应用分级和监管制度；第二个层面，需要去探索高质量的指令数据合作生态，需要建立能把很多任务和工作流程串起来的智能体，不是原始数据，是知识级、指令级的建立。另外，也需要推动建设可共享的基础设施。AI服务的形式如果完全走过去本地化部署的方式，只会加深整个金融机构的技术鸿沟或马太效应，需要用“AI+云”的方式去提供服务。最后，也需要完善行业大模型的技术标准。

　　肖钢认为，应当坚持问题导向、系统谋划，一要进一步完善数字经济产业生态。怎样落实好促进研发费用加计、扣除等政策，怎样促进传统产业和业态结构调整和转型升级，在这些方面要进一步加大力度。同时，要加快培育科技、产业、金融良性循环的合作生态。数字经济、数字金融其实涉及“产业、科技、金融”三者之间的良性循环。另外，为了进一步推动数字消费的发展，当前还有必要进一步破除数字经济消费的一些约束。

　　二要建设高质量的金融数据市场，核心是数据要素。要探索和完善数据要素权属、定价、估值、交易流通、入表等一系列理论依据和实践路径，包括数据资产如何入表、数据资产金融化、数据资产融资、数据资产质押、数据资产证券化等。下一步，还要进一步加快金融行业可信数据空间构建，打破目前还存在的金融机构之间、金融监管部门之间的数据孤岛问题。通过数据空间建设，（让数据空间）既可用、又有利于保护隐私和数据安全。