當下，以大模型為代表的新一代人工智能（AI）技術産生了智能效應，與各行業深度鏈結、同向賦能。從2025外灘年會到2025金融街論壇年會，“人工智能+金融”成為熱議的重點議題之一。
記者從這些會議獲悉，多家金融機構正在深入布局“人工智能+”相關行動，推動相關場景應用不斷擴圍。與此同時，金融管理部門也在研究編制“人工智能+金融”政策文件。業內人士普遍認為，在推進“人工智能+金融”創新試點的同時，相關風險挑戰也需予以高度重視。
潘悅 製圖
應用擴圍 “人工智能+金融”布局漸深入
人工智能引領新一輪技術革命，不論是銀行、保險還是證券基金，都在深入布局“人工智能+”。今年以來，這一態勢尤其明顯，以銀行為例，從“數字化”進階到“智能化”，“人工智能+”行動已成為重要抓手。例如，工行今年發布《領航AI+行動計劃》，招行在中報提出以“AI First”引領數智招行建設。
人工智能與金融業務場景的融合也逐漸深化。根據中國建設銀行最新發布的三季報，其體系化推進人工智能應用建設，金融大模型已累計支撐347個業務場景，優化“幫得”客戶經理智能助理、授信審批等場景功能，重點推進網點員工問題智能響應、財富管理“虛擬專家”等標杆場景建設，優化經營管理模式，賦能員工，提升服務客戶體驗。
在2025金融街論壇金融科技大會上，興業銀行首席信息官唐家才介紹稱，興業銀行在2025年初發布興業銀行“人工智能+”行動方案框架（2025-2027年），推進AI在各領域落地。“我們也將人工智能應用情況作為一個考核指標，加入到了全行業務條線的考核指標中，激勵大家更好地擁抱AI、應用AI”，唐家才説，行動方案框架發布後，取得了不錯的效果，AI智能體數量相較年初有大幅增長。
唐家才還透露，不滿足於AI的“點狀應用”，興業銀行正在“體系化、全流程”推進智能化改造，深度探索AI在業務全鏈路中發揮最大價值。“我們希望將一些重點項目打造成全行的標杆項目，並輻射帶動一批業務流程的優化。”他説。
據國泰海通首席信息官俞楓介紹，國泰海通前瞻布局，全面升級“ALL in AI”人工智能應用戰略，創新算力、模型、數據三大舉措，落地千億級參數垂類大模型，2025年推出行業首個全AI智能APP“靈犀”，推動大模型在智能服務、投顧、投研等九大領域全面應用。
引導發展 管理部門釋放政策信號
金融機構布局升溫，金融管理部門也着力推進“人工智能+金融”健康穩妥發展。
實際上，在國務院於今年8月底發布的《關於深入實施“人工智能+”行動的意見》中就對推動金融領域人工智能應用提出明確要求。近日，金融管理部門在相關論壇也透露出下一步引導發展的方向和舉措。
在2025成方金融科技論壇——“數據驅動 智慧為民”論壇上，中國人民銀行科技司副司長李興鋒圍繞“數據驅動 智慧為民”主題，分享了深化運用金融科技，推動金融數字化、智能化轉型，助力金融高質量發展的思考。“深化‘人工智能+’，印發實施深化運用金融科技推動金融數字化智能化轉型的通知，研究編制‘人工智能+金融’政策文件，組織建設金融領域國家人工智能行業應用中試基地，切實激活金融服務新動能。”李興鋒説。
在2025金融街論壇年會金融科技大會資本市場金融科技論壇上，中國證監會黨委委員、副主席李超&&，新一輪科技革命正在加速演進，作為戰略性新興技術的人工智能，正在深刻改變資本市場的生態和運行模式，要規範應用人工智能技術，規避可能帶來的風險，要加強數據安全保障和業務風險防控，合規開展業務，切實保護好投資者的合法權益。
李超説，要聚焦高價值應用場景，推動業務技術深度融合。探索開展“人工智能+資本市場”金融科技創新專項試點，加強風險控制和容錯包容。在符合國家和行業要求，風險可控的情況下，持續深化人工智能在關鍵業務場景的研究與應用，推動創新服務模式的規模化應用，探索更多的“成功經驗”，寫好“數字金融”這篇大文章。
駕馭創新 相關風險挑戰需關注
值得注意的是，隨着“人工智能+金融”不斷推進，一些隨之産生的風險也引發了業內人士的關注，這些風險對金融機構以及金融監管均提出挑戰，需予以重視。
從金融機構角度而言，金融監管總局副局長肖遠企在2025外灘年會上&&，在微觀層面，單家金融機構主要面臨模型穩定性風險和數據治理風險，前者因AI應用高度依賴模型支撐業務拓展而凸顯重要性，後者則涉及數據來源選擇、質量把控及事後評估監測等關鍵環節。
在2025金融街論壇年會“數智化時代下的金融風險防控與協同治理”平行論壇上，農業銀行總法律顧問趙廷軍也&&，人工智能應用在推動銀行業經營模式變革、提升風險防控能力的同時，也帶來了新的挑戰、提出了新的要求。
“數據質量的高低、模型設計的合理性以及算法的科學性，直接決定了人工智能應用的有效性與安全性，一旦數據、模型或算法自身存在缺陷，便可能導致錯誤的用戶畫像或錯誤的信貸決策等，從而衍生出新的金融風險。”趙廷軍説。
而從金融監管角度而言，中國人民銀行原行長周小川在2025外灘年會上指出，各類金融機構和活動如果運用AI，應提供透明、可解釋的模型。但實際上AI的發展，特別是機器學習、深度學習，必然帶來模型的黑箱性，未來，監管可能需要面對黑箱模型産生的結果，進行調節或監管金融市場。另外，如果AI模型大量運用短期高頻數據，學習結果很可能也是高頻、短期、技術性的，可能與金融穩健和宏觀調控所需要的面向基礎面、長遠穩定性的要求不一致，這個問題確實需要認真對待和解決。
