金融这盘棋，AI正在改写规则

  今天监管层对AI和金融的关系表态了，话不多，但信息量不小。金融监管总局副局长肖远企在2025全球财富管理论坛上讲了几点，核心就一句：人工智能对金融的促进与影响，可能是重大而根本性的。这话不是套话，是已经在发生的现实。

  我们来盘一盘背后的逻辑。

  先看供给端。AI让金融产品的研发、转化和生产成本大幅下降，过去不经济的小众需求现在也能跑通模型了，这就是典型的长尾效应。比如定制化理财、小微风控、个性化保险方案，以前做不了或做起来亏钱，现在靠算法和自动化，边际成本几乎趋零。这意味着什么？金融机构可以更深度嵌入场景，服务触角能伸到以前够不着的地方。

  但另一面是集中度可能加剧。数据是AI的燃料，谁手里的数据多、维度全、更新快，谁就能训练出更强的模型。大型机构天然有优势——海量交易数据、客户行为数据、宏观数据，形成“数据—模型—客户—数据”的正向循环。再加上资本雄厚，能吸引顶尖科技人才，搞得起大投入。这个滚雪球效应一旦转起来，中小机构怎么办？肖远企提了个词叫“马歇尔冲突”，说白了就是效率和公平的矛盾。大机构效率高，但市场多样性可能受损。这块目前颗粒度还不够，具体怎么平衡，还得看后续政策引导。

  再看核心竞争力。传统拼资本、拼网点、拼客户规模，未来可能要加一条：拼数据治理和算法中性。什么叫“选择中性”？就是别让模型被特定数据源或预设偏好带偏了。比如用某类人群数据训练出来的信贷模型，放到其他群体里会不会歧视？这不仅是技术问题，更是合规和伦理门槛。谁能保证模型可解释、可审计、可持续纠偏，谁就有护城河。

  保险领域是个典型例子。精算假设一直是命门，AI能让假设更贴近真实风险分布，降低偏差。这对保险公司来说，直接关系到定价能力和偿付安全。所以，AI不是简单替代人工，而是重构底层能力。

  还有一个关键判断：AI会推动金融生产的最大可能性边界外移。通俗讲，就是原来做不到的事，现在能做到。资源配置会更精准，资金匹配效率提升，甚至催生全新的金融形态，比如动态定价的实时保险、基于行为流的信用评估等。

  至于监管，态度很明确：支持用科技提效降本，但必须守住稳定底线。监管本身也在升级，要加大科技投入，用监管科技应对AI带来的复杂性。国际组织如FSB、巴塞尔委员会都在盯这事，说明不是中国独有挑战。

  这么看下来，AI不是给金融换了个工具，而是重塑整个生产函数。下一步的关键变量在于：中小机构如何借力第三方平台或联盟链模式破局，以及监管如何在鼓励创新和防范集中度风险之间拿捏分寸。