杨 涛
中国社会科学院金融研究所研究员、支付清算研究中心主任、博士生导师
4月18日，在上海市虹口区支持下，由上海金融与发展实验室、金融科技50人论坛主办的“资管科技2025春季研讨会”在上海北外滩成功举办，来自政产学研的知名专家围绕“人工智能+”新一代投资管理平台建设”展开热议。在大会的主旨演讲环节，邀请到中国社会科学院金融研究所研究员、支付清算研究中心主任杨涛进行分享。
杨涛围绕“AI大模型金融应用的机遇与挑战”展开分享。
首先，对经济周期波动的判断构成了金融行业数字化转型的外在压力。宏观经济的下行压力，使得金融业遇到越来越多冲击和挑战。一方面，近年来，无论是讨论潜在产出可能的下滑趋势，还是探讨自然利率水平面临的长期下行压力，都构成了金融行业非常重要的外部影响因素。另一方面，从行业层面来看也面临着许多挑战。例如，银行业净息差的不断下降倒逼行业进行改革。2012年银行业净息差为2.77，而到2024年末仅为1.52。同样对于资管行业和财富管理行业来说，则需要关注产业结构演变带来的底层资产逻辑的变化，以及如何提升居民财产性收入，从而支撑居民消费需求。总之，这些都意味着金融业需要通过数字化转型和包括大模型在内的技术变革，在带来的新业务、产品、场景的同时，最终适应大的周期性转变所带来的挑战。
其次，数字金融带来了大模型应用变革的强大动力。数字金融是金融五篇大文章中最为重要、最底层的一篇。尽管政府、学界、业界对数字金融存在一些不同理解，但也形成了一些共识。我们则认为，一是数字金融包括了金融科技的范畴，即技术带来的新模式、新业务、新流程和新产品；二是突出了数字技术、数据要素与数字化基础设施的重要作用；三是体现了金融全产业链的数字化再造；四是数字金融应更好地服务于新兴的数字经济模式。从政策层面看，2024年11月，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》，为金融业利用技术、数字化创新提供了方向，具体可聚焦于四个方面。第一，金融行业的供给侧改革应聚焦数字化转型，需要通过功能和组织的优化，实现金融服务提质增效。第二，数字金融创新需要面向需求侧，服务于绿色、普惠、养老、科技和产业优化。第三，需要完善支付清算、数据等金融基础设施，为金融创新提供支撑。第四，要全面完善风险识别能力与优化相应的监管、治理机制。
再次，可以从大模型金融应用视角来看相关机遇挑战。就机遇而言，一是金融高质量服务实体经济的战略压力，在此背景下金融业需进一步利用新技术来“挖潜改造”。二是金融业自身数字化升级的内在驱动力，以及金融业竞争的“技术焦虑”。三是技术、监管、客户需求这金融科技创新三要素的演变。四是数据、算法、算力的完善。五是基础大模型建设已经较为完善，诸多云服务商、AI技术服务商、数据服务商均推出其基座大模型。六是金融行业实践的优秀案例逐渐形成示范效应。七是金融机构、技术企业、科研机构等创新合作生态逐渐形成。
当然，大模型技术应用也带来了一些内在挑战与监管担忧。一是可解释性问题。一方面，应将大模型可解释性纳入金融机构管理者责任。另一方面，从技术视角来看，可探索相关透明的模型架构、提供决策过程的详细解释、使用可解释性增强工具和技术等。二是准确性问题。重点需要解决幻觉问题、对齐问题。三是算法趋同问题。需要强化金融算法应用的可信机制；强化算法透明度，使得算法特征与参数选择更可观察；更加细致地把握算法可能涉及的金融风险。
总结来看，随着开源服务与开放生态成为主流，大模型金融应用迎来新趋势。中国人民银行召开的2025年科技工作会议要求，加快金融数字化智能化转型，安全稳妥有序推进人工智能大模型等在金融领域应用。由此，需要金融机构、科技公司、生态各方共同努力，着眼于数据、技术、管理等方面的创新探索与合作，由内到外、由简单到复杂来稳步推动大模型金融应用落地。同时，也需探索完善大模型金融应用评估、评测与评级机制，推动相关技术标准、伦理规则、备案模式的创新探索。
（转自：中国社会科学院金融研究所）