目前，我国“人工智能+金融”迎来了前所未有的发展契机。“十五五”规划纲要一方面指出要全面实施“人工智能+”行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。另一方面，则首次把建设金融强国以及金融“五篇大文章”纳入国家五年发展规划中。鉴于此，为了更好地推动人工智能（AI）金融应用持续、快速、健康发展，并且在创新与安全之间把握好平衡，本文从理论、实践与政策等不同层面来深入剖析“AI+金融”的内在逻辑与变革前景。

一、“AI+金融”的理论分析

（一）AI深刻改变了金融要素

通常来看，现代金融体系包括金融机构、金融产品、金融市场、金融制度等基本要素。随着经济社会发展的演进，在新技术变革与制度规则优化的支撑下，金融要素也发生了日新月异的变化。金融科技（FinTech）是技术驱动金融创新的前沿领域，其重点在于利用大数据、人工智能、区块链、云计算等新技术，全面重构传统金融的业务、模式、流程与产品，从而不断提升金融服务效率、降低成本、拓展普惠性。在此背景下，中国人民银行先后发布了《金融科技发展规划（2019—2021年）》《金融科技发展规划（2022-2025年）》，国家金融监督管理总局也持续出台关于推动银行保险业数字化转型的专项意见。同时，2023年召开的中央金融工作会议进一步提出促进数字金融发展，其内涵既包括了金融科技的概念，也强调了数字化对金融要素带来的全面冲击和影响。

具体看，金融机构可以被认为是特殊的信息企业，旨在通过处理特殊金融信息来完成资金的配置与流转，因此当信息技术发生重大改进时，金融机构的职能、边界与对外关系必然迎来颠覆性变化。金融产品是现代金融活动的中介与载体，包括货币、股票、债券、期货、期权等诸多类型，其核心设计思路在于把握好风险的识别与定价。同样，在AI等新技术的冲击下，不仅原有基础金融产品的设计与管理发生变化，而且涌现了更多的衍生金融产品。金融市场则是涵盖货币资金借贷、外汇、证券、债券、黄金等工具的交易流通场所，AI等新技术则使得市场深度、广度、活跃度持续提升。金融制度是规范金融活动、调节货币与资金运动的各类规则，AI金融应用不仅促使原有制度迫切需要进行适应性调整，而且也给制度与政策的实施提供了更多智慧手段。

（二）AI推动金融功能优化迭代

金融功能是金融体系在经济运行中发挥作用的方式，也是促使金融服务实体经济使命与价值落地的关键环节。一则，资金融通与资源优化配置是基础功能，可通过把资金从盈余部门引导至短缺部门，支持企业生产和个人消费，为经济活动持续提供“血液”。AI等新技术则使得资金供给与需求的对接更加顺畅、高效，也降低了交易环节的摩擦成本或风险。二则，支付清算是支撑功能，通过提供安全高效的支付工具和清算服务，确保货币资金转移流通更加稳定。可以看到，AI使得现代支付清算网络的智能化、便捷化不断提升，也给经济主体带来了更多全新的服务手段与模式。三则，风险管理是保障性功能，通过各类金融工具来帮助市场主体对冲和分散风险，减少经济不确定性。基于大数据与AI的智能风控模式，已经成为应对复杂风险冲击的重要“防火墙”，使得金融体系参与主体能够更安全地运用金融工具。四则，信息提供与价格发现是拓展性功能，即通过利率、股价等价格信号反映市场信息，提高金融活动透明度并辅助金融决策。就此来看，AI能够突破传统数据边界，挖掘多维度隐性信息，通过更快速、更全面的信息处理，使资产价格更快反映真实价值，从而协助市场主体动态、深入识别和发掘市场主体的行为特征与价格信号。

（三）AI实现了金融服务方式转变

金融服务方式是指金融机构或相关市场主体为满足企业或个人金融需求而采用的具体服务形式和运作模式。首先，AI金融应用进一步拓展了金融服务的边界。例如，可以通过低成本、高效率的服务模式，将金融服务拓展至传统模式难以覆盖的县域、农村和小微企业群体；通过移动端、智能终端等载体，将服务延伸到物理网点无法覆盖的偏远地区。其次，AI增强了金融服务的精准性和个性化。通过充分运用AI与大数据，可从提供传统的标准化产品，转向基于企业和个人生命周期、风险偏好等设计定制化解决方案，真正实现“千人千面”的金融服务，并且不断提升金融供求的适配性。再次，AI有助于提升金融服务的智能化与主动性。例如，在智能投研与决策领域，生成式AI通过对行业研报、政策文件、市场舆情等非结构化数据的深度解析，可辅助甚至替代传统人工分析；再如，智能体通过感知、规划、记忆和行动能力形成闭环反馈系统，实现金融服务从“被动问答”到“主动决策”的转变。最后，AI推动金融服务从依托封闭体系向开放生态转型。例如，AI使得金融与实体经济深度融合，使数字化供应链金融、产业链金融创新效率不断提升；使金融机构从单纯的资金中介转变为综合服务平台，连接企业、个人、政府等多方主体。

二、“AI+金融”的实践前景

（一）AI助力政策调控与金融监管

AI和大数据正深度赋能金融政策调控与监管体系，推动金融治理变得更加智能高效。2025年12月，国家金融监督管理总局发布《银行业保险业数字金融高质量发展实施方案》，一方面强调要加大人工智能等技术应用力度，丰富穿透式监管工具手段，另一方面则明确要求金融机构科学制定数字金融发展规划，推动建立适配数字金融发展的业务管控体系，更好地助力金融监管与合规。

首先，在政策调控层面，AI与数字化工具显著增强了宏观经济监测的实时化与精准化，提升了政策的前瞻性与精准度。例如，可运用AI大模型从海量新闻、社交媒体等发掘有价值的信息，构建多重经济趋势指标，为货币政策制定提供精准依据；亦可深度整合多维经济指标，构建政策效果模拟系统，从而提升货币政策、财政政策的前瞻性和协同性。其次，在金融监管层面，AI助力监管科技快速发展，逐渐进入数据驱动、精准穿透新阶段。例如，国家金融监督管理总局推行的“一表通”报送机制引领监管数据标准化、智能化革命，将分散的监管报表整合为统一数据池，实现风险的早识别、早预警、早处置。再如，中国证监会在2026年4月召开会议部署“打击和防范上市公司财务造假专项行动”，明确提出“强化财务舞弊监管AI大模型应用”，加快建设财务舞弊非现场监测和发现中心、第三方配合造假监测中心。综合看，AI应用使得政策调控更加精准有效、监管体系更具韧性，为保障金融高质量发展提供了坚实的数字底座。

（二）AI驱动金融业数字化转型

当前，AI推动的金融业数字化转型已从技术试点迈向生态重构，并逐渐迎来规模化落地的新阶段。据IDC发布的报告显示，2025年我国金融行业生成式AI投资规模约89.68亿元，预计到2029年将攀升至445.19亿元。另外，中国信通院研究指出，2025年中国AI核心产业规模估计突破1.2万亿元，AI企业数量超6000家。

具体看，一方面，银行业是AI应用的“主战场”。据腾讯金融研究院联合发布的《2025金融业大模型应用报告》统计，42家A股上市银行中有九成已部署AI系统，应用场景从辅助工具全面渗透至风控、营销、运营等核心业务。另外，根据工商银行2025年年报，其自主研发的“工银智涌”大模型已在30余个业务领域落地500余个应用场景。据招商银行2025年年报披露，至2025年底其大模型应用已落地856个场景，覆盖零售、批发、风控、运营等全业务条线，2025年全年通过AI替代人工超1556万小时。

另一方面，非银金融机构的AI应用也突飞猛进。例如，据《21世纪经济报道》统计，截至2026年4月23日，28家已披露相关数据的上市券商于2025年在信息技术上合计投入达249.76亿元，占当年营业收入比重达6.04%。再如，据毕马威2025年3月发布的《智能保险：以人工智能驱动转型并创造价值》报告，67%的保险企业计划提高AI投资预算占比，85%的保险业高管认为拥抱AI的企业将获得显著竞争优势。应该说，AI已从辅助工具提升为金融业数字化转型的核心动力，全面提高行业可持续发展能力与内在竞争力。

（三）AI增强金融服务实体经济能力

AI金融应用全面改善了金融产品与服务的提供方式，更精准地对接企业和居民需求，从而助力金融更高质量服务实体经济。一是在科技金融发展中，最大的痛点就是如何更好地评估科技企业与科创成果的信用状况，减少金融服务的信息不对称，以及怎样进行有效的风险管理与分散。对此，通过AI大模型可以对各类结构性与非结构性信息进行全面分析，深入描述科技企业的信用与风险画像，有效提升科技金融服务的精准性。二是在绿色金融发展中，最大的难点在于难以评估绿色金融产品的环境效益，也存在许多“假绿”“漂绿”现象。同时，绿色金融服务还需要进一步提升标准化程度，以上难题可以通过AI来加以缓解。三是在普惠金融发展中，以银行普惠小微企业贷款为主的产品已经非常丰富，未来的重点需要从做得“够不够”转向“好不好”，这就要求进一步提升普惠金融服务的适配性，AI大模型应用可把更合适的金融产品，通过合适的渠道匹配给合适的客户。四是在养老金融发展中，需要更好地把握老年人群、未老人群的内在需求特征，进行全生命周期的金融服务设计，并且使得养老理财、保险等的风险收益选择最优，还需要探索金融支持养老产品的有效路径，这些都离不开AI等前沿技术的加持，来提供标准化、个性化有效协同的服务。应该说，无论是服务于企业还是居民，AI都能够深度缓解金融与实体之间的信息不对称、降低交易摩擦成本，实现金融资源的高效配置。

（四）AI服务于金融基础设施建设

首先，支付清算基础设施是金融体系的“血管”，承担着资金转移、交易清算、风险防控等核心功能，是维护金融稳定和促进经济发展的关键支撑。当前，支付清算基础设施建设正朝着安全、高效、普惠、开放的方向发展。一方面，强化风险防控能力，提升系统韧性和安全水平；另一方面，深化技术创新应用，推动AI、区块链等技术与支付清算深度融合。其中，AI可以通过智能风控系统实现毫秒级交易监控，大幅提升支付清算系统的安全性和稳定性；AI还可助力优化清算路径设计，实现跨行、跨境支付清算效率不断提升，处理成本大幅降低。例如，2026年4月2日中国银联发布《智能体支付开放协议框架》，通过建立一套统一的信任机制和交互范式，联接和赋能生态各方，使得各方都能够以“即插即用”的方式，无缝、安全地参与到智能体支付的流程中。其次，信用基础设施也是金融健康运行的重要保障。AI正深刻重塑信用基础设施，推动信用体系从传统模式向智能化、精准化、普惠化转型。其中，机器学习算法通过分析海量数据，精准识别信用风险规律，将评估准确率可提升至99%以上；AI可通过挖掘水电燃气缴费、电商消费、公共服务行为等替代数据，构建信用评估模型，将征信服务延伸至缺乏传统信贷记录的“信用白户”。最后，AI金融应用还可带动其他技术基础设施的发展，如布局高性能计算集群、AI专用芯片，打造云计算和边缘计算节点构成的强大算力基础，打造统一的数据治理体系并推动数据资产化等，这些都为构建自主可控安全高效的金融基础设施体系奠定了坚实基础。

三、“AI+金融”的风险与挑战

2026年6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，不仅要求金融机构将人工智能风险纳入全面风险管理体系、实施风险分类分级管理和高风险应用准入管理，还要求在高风险应用关键环节需建立人工监督和干预机制，加强外包和供应链风险管理。

（一）AI金融应用的技术风险

AI自身一直存在许多技术不足，在大模型时代则变得更加突出，当其在金融等严谨行业应用时，必然会面临更多技术风险的挑战。一是准确性问题。由于AI大模型是基于训练数据的统计概率分布生成文本，而不是基于对世界的因果理解和事实记忆，这就会导致“一本正经胡说八道”的幻觉问题。在金融决策、司法辅助、医疗咨询等领域，这可能给企业和居民带来深远负面影响。二是可解释性问题。AI大模型通常拥有数百亿甚至数千亿参数，其决策过程是大量参数共同作用的结果，算法背后的因果与逻辑关系可能是难以观察的“黑箱”，因此当基于大模型的金融产品与服务产生问题时，通常难以定位和寻找根源。对此，监管机构很难对大模型进行合规性审计和穿透式监管，相应的金融产品也可能无法获得用户信任和法律认可。鉴于此，一方面行业在技术端和金融端不断优化提升可解释性的解决方案，另一方面监管者也在探索分层管理可解释性的机制。三是鲁棒性不足。AI大模型对输入数据的微小变化极其敏感，且在训练数据分布之外的场景中表现急剧下降。例如，基于标准数据集训练时表现优异的金融大模型，在面对不同区域或偏好的特殊客户群体时，可能带来的分析与服务效果会有所降低。四是安全性风险。例如，进入2026年以来AI“投毒”引起广泛关注，即指向数据集中引入虚假、恶意或有害的数据，从而扰乱训练或者微调过程，进而操纵、损害或欺骗大模型的输出结果。1

（二）AI金融应用的伦理风险

AI金融应用可能带来诸多新的金融科技伦理挑战。首先，算法歧视与公平性缺失是最突出的伦理问题。AI大模型基于海量金融历史数据进行训练，如果不进行有效的“价值对齐”，可能会不自觉地学习并放大数据中隐含的性别、地域、职业等，导致弱势群体在信贷获取、保险定价等方面遭受不公平对待。例如，部分信贷模型会因申请人居住在特定区域而自动降低其信用评分，成为新型的“数字鸿沟”。其次，数据隐私边界模糊问题愈发严重。如果缺乏制度约束，金融机构或技术企业为了提升大模型精度，有可能过度采集用户的水电缴费、网购行为、社交关系等替代数据，甚至在用户不知情的情况下进行数据共享与交易。一旦发生数据泄露，将对用户财产安全和个人隐私造成严重损害。再次，AI决策透明度与责任归属困境日益突出。例如，AI驱动的高频交易、智能投顾等应用往往缺乏可解释性，当出现重大失误时，责任划分就变得极其不易。再如，在近期各方热议的“智能体+支付”探索中，就缺乏对可信智能体、用户对智能体授权认定的标准与规范。此外，还存在就业替代冲击。就全球来看，AI自动化正推动了行业人才结构的深刻调整，传统重复性操作岗位持续收缩，而科技与专业岗位需求大幅增长，这种变化引发了部分从业者的职业转型焦虑。最后，AI大模型应用中可能出现有利于技术提供商的偏好，也可能使得技术应用方违背金融适当性原则，将商业利益置于客户利益之上。

（三）AI金融应用的金融稳定挑战

AI在深度重塑金融业态的同时，也催生了新型风险，对金融稳定构成严峻挑战：

第一，算法同质化可能引发的市场共振是最突出的风险隐患。在金融机构拥抱AI大模型的过程中，如果普遍采用相似的基础模型、数据源和优化方法，可能会导致决策行为高度趋同。一旦市场出现波动时，AI系统或许会同步触发交易或风控指令，从而形成“算法羊群效应”,放大周期波动风险，甚至可能在短期内引发流动性枯竭和“闪电崩盘”。对此，传统的市场缓冲与风险防范机制难以发挥作用。例如，当前国内量化私募行业策略同质化严重，多数机构采用动量、小市值、反转等经典因子及GRU、LightGBM等相近基座模型，导致底层持仓逻辑高度趋同，也带来更难预测的系统性风险源。对此2024年以来，监管层对程序化交易逐渐进行规范，包括：明确高频交易认定标准、建立报告制度与异常交易监控机制、强化信息系统管理与合规风控要求等，旨在防范因策略趋同可能引发的市场波动风险。

第二，数据质量与模式安全问题影响金融体系韧性。AI大模型高度依赖数据质量，但金融数据自身如果存在问题，很可能导致模型偏差，甚至引发连锁反应并破坏金融机构运营连续性。大模型的可解释性不足，也使得监管机构无法及时识别风险源头，如果出现风险挑战，可能引发跨机构、跨市场的连锁反应。

第三，在AI大模型开发应用中，少数头部企业掌握了关键技术和算力资源。多数金融机构在底层技术上过度依赖这些服务商，使其实质上成为具有系统重要性的金融基础设施，如果发生技术故障或服务中断，可能危及整个金融体系的稳定。

（四）AI金融应用的国际化挑战

在国际化背景下，AI金融应用面临监管、数据、文化与地缘政治等多重挑战。一是监管合规的较大差异。当前各国尚未形成统一的AI金融监管框架，规则差异巨大且快速迭代。例如，欧盟《AI法案》将多数金融AI列为“高风险”类别，实施严格的准入和透明度要求；美国采取州级分散监管模式，不同州对算法公平性、数据使用的规定各不相同。对于跨境开展金融业务的机构来说，如应用AI则需同时满足多套监管标准，合规成本将大幅增长。二是数据主权与跨境流动壁垒。AI金融应用高度依赖数据训练与迭代，但全球普遍强化数据主权保护和制定严格的数据跨境限制，使跨境AI金融应用只能在各国分别部署本地化系统，不仅大幅增加研发和运维成本，还导致数据孤岛效 应。三是算法文化差异与偏见风险。在单一市场训练的AI大模型往往带有本土文化和经济特征，直接移植到其他国家会产生适配问题。例如，基于发达国家征信体系训练的信用评分模型，在缺乏传统征信数据的新兴市场或许会导致大量长尾人群被排除在金融服务之外。四是地缘政治博弈加剧了技术与市场割裂。AI与金融都已成为大国竞争的关键领域，地缘政治紧张可能导致技术封锁和供应链风险；少数科技巨头垄断了全球AI底层技术和硬件，也加剧了全球金融体系的碎片化。

四、“AI+金融”健康发展的对策思考

我国AI金融发展已跨越早期的技术探索期，面临的主要矛盾也转为技术创新与制度规范、风险防控、价值创造之间的协调问题。

首先，在制度层面要加快构建包容审慎、分层分类的治理体系。在落实现有关于人工智能、金融科技、数字金融等相关政策的前提下，尽快出台“人工智能+金融”专项指导意见，明确行业发展的基本原则与负面清单，防止盲目扩张和同质化竞争。同时，建立差异化监管机制，对信贷审批、高频交易等高风险AI金融应用构建更完备的全流程穿透式监管，对客户服务、运营优化等低风险场景给予更大创新空间。同时，可推动“监管沙盒”机制的常态化运行，针对金融智能体等前沿应用开展试点测试；推动独立第三方评估机制，完善金融AI大模型的安全性、公平性与可解释性认证标准。

其次，在技术层面需夯实AI金融应用的自主可控与安全防护能力。着力破解模型幻觉、可解释性不足等核心技术瓶颈，推动金融大模型向“精准、可靠、可控”方向演进。坚持通用大模型底座与垂直领域小模型的协同发展路径，鼓励金融机构依托行业数据训练专用模型，实现轻量化部署与本地化应用。加强金融数据要素治理，在合规基础上依托隐私计算、联邦学习等技术，推动行业数据共享和建设高质量金融数据集。推动各类参与机构打造覆盖模型训练、部署、运行、迭代全生命周期的安全防线，提升对抗样本攻击、数据投毒等新型风险的防范能力。

再者，在场景层面需坚守金融服务实体经济的本源。AI金融应用不能“为了技术而技术”，需真正解决实体经济金融需求痛点。应引导金融机构聚焦风险可控、价值明确的核心场景，优先在智能风控、反欺诈、普惠金融等领域深化应用，通过改善信息不对称提升金融服务的覆盖面与精准度。特别是要发挥AI在科技金融、绿色金融、数字普惠金融中的独特优势，为中小微企业、科技创新主体和农村地区提供更加便捷高效的金融服务。还应促使金融机构建立科学的AI金融应用投入产出评估机制，确保金融服务质效的提升。

最后，在生态层面要打造多元协同、开放共赢的产业发展格局。应推动持牌金融机构、科技企业、科研院所与监管部门之间建立常态化沟通协作机制。支持各方合作建设金融AI公共服务平台与中试基地，降低中小金融机构的技术门槛与应用成本。加强复合型人才培养，建立适应AI 与金融融合发展的交叉学科体系与职业培训机制。积极参与全球AI金融治理规则制定，推动监管标准互认与跨境合作，提升我国的国际话语权和影响力。

总之，推动“AI+金融”健康发展是一项系统工程，需要行业各方积极协作与形成合力。只有坚持发展与安全并重，才能充分释放AI的金融赋能效应，为建设金融强国注入强大动力。

[1] 2026年央视“3·15”晚会曝光了以“力擎GEO生成式引擎优化系统”为代表的AI投毒工具，揭开了一条通过规模化制造虚假信息以污染AI大模型训练数据、进而操纵其输出结果的隐蔽黑灰产业链。2026年4月21日，国家安全部发文将AI投毒定性为危害国家安全的新型威胁。

参考文献略

原文载于《科技与金融》2026年6月刊