文章核心观点 中国银行原行长李礼辉在第二十二届中国国际金融论坛上指出，构建数字经济时代的智能金融生态是金融业发展的核心方向，其基石在于“可信任”[1][4] 智能金融创新并非简单地为传统流程披上智能化外衣，而是需要从根本上改革体制、重构流程、再造底层系统[6][18] 同时，监管应刚柔并济，在支持创新的同时有效管理风险[6][18] 金融模型：可靠性与经济性 - AI技术正从单模态向多模态迭代，最新大模型具备文本、视觉、语音多模态组合的感知、理解与交互能力，能直接为金融业创造商业价值，例如实现拟人化交互和精确的非结构化数据处理[3][21] 具体案例显示，DeepSeek OCR可将文本token数量压缩至10%，能精确识别金融票据、报告和合同[3][21] - 生成式AI的算法创新并未消解人工智能潜在的安全风险和技术缺陷，包括数据投毒、参数窃取等安全风险，以及模型幻觉、模型歧视、算法共振、隐私泄露等技术缺陷[4][22] 金融行业对安全性和可信度要求近乎苛刻，必须保证资产、数据、交易和服务的安全可靠[4][22] - 中短期内，智能金融创新对金融模型有三点核心要求：高可靠性（需配置先进安全工具，在不同应用场景中克制模型幻觉、避免歧视、防止算法共振、达成零误差等）[5][23]；可解释性（需展现完整推理路径和逻辑，实现过程可解释）[5][23]；经济性（通过预训练行业级模型再定制企业级模型，以降低边际成本，提高投入产出比）[5][23] 金融智能体：AI替代与法律地位 - AI技术正从助理（AI-Assistant）向代理（AI-Agent）迭代，最新的具身智能体（AI-Agent）集成了神经网络、知识工程和控制论技术，具备感知、学习、交互、行动和决策的代理能力[7][26] - 金融智能体（Financial-Agent）依托行业最佳流程和数据，已开始在高价值领域（如市场分析、投资顾问、量化交易、内部审计）部署，替代人类员工的部分岗位，且替代趋势正从劳动密集型岗位延伸至知识密集型岗位[8][26] 例如，百度的数字信贷经理智能体将尽职调查报告撰写时长从1天减少到1小时，数据准确性超过98%[8][26] 有金融高管认为智能投资顾问可能替代60%以上的投资顾问岗位[8][26] - 深度智能化将改变金融业人力资源结构：更多经营管理岗位需要懂AI的复合型人才；更多专业/技术性岗位将被金融智能体替代；更多操作性/劳动密集型岗位将外包给数字化服务企业[8][27] 这要求金融业的人力资源管理观念、制度以及高校人才培养方向都必须转变[9][27] - 必须加快制度创新以确定金融智能体的法律地位，包括明确其行为边界、与客户的法理关系、金融机构管理者的决策责任，并建立评估审核制度[9][27] 数据共享：数量与质量 - 金融是数据密集型行业，数据质量和数量决定智能金融的实际能力[10][28] 当前全国数据共享存在三大短板：公共数据局部行政分割；非公共数据（如超过9亿移动支付用户产生的数据）流通不畅；行为数据集开发应用不足[10][28] - 为扩大数据数量并提高质量，需从三方面着力：一是推动公共数据开放共享，按照“原始数据不出域、数据可用不可见”原则，以模型、核验等形式提供服务，打破数据孤岛，例如浙江、福建、深圳等地已建立数据共享平台[10][29]；二是推动非公共数据共同使用，通过技术创新（如匿名化处理）保护隐私，并建立金融机构与互联网平台等“数据大户”的市场化数据分享机制[11][29]；三是建设专业化的产业数字金融数据库，需涵盖足够数量、结构完整、质量达标、统计准确、专业细分的多维度数据，并建立集中统一、互联互通的数据应用系统[11][30] 据悉，一家互联网大厂正策划牵头兴建金融业一体化数据库[11][30] AI竞争：硬实力与软算力 - AI竞争集中表现为算力竞争，主要是中美之间的国家级及企业级竞争[12][31] 硬算力是基础，软算力更高效[13][32] 据非权威数据，2024年底中国算力规模约占全球26%，美国约占37%[13][32] 美国启动“星际之门”计划，未来4年计划投资5000亿美元用于AI基建；中国则选择硬软算力并行，投资1万亿元用于AI基建[13][32] - 中国在软算力方面取得突破，例如深度求索发布的DeepSeek-V3通过算法创新节约资源，其性能与GPT-4o不分伯仲但训练成本更低[13][32] DeepSeek V3.2通过稀疏注意力（DSA）机制使API价格降低50%以上[13][32] - 技术有政治边界，市场有价值边界[14][33] 美国对中国封锁高端芯片和光刻机技术，并将DeepSeek模型定义为“对手AI”，企图构建去中国化的AI围城[14][33] 中国的优势在于全球最大的制造业、服务业数字技术市场需求和应用场景[15][33] - 私权鼓励创新，平权促进普惠[16][34] DeepSeek采用开源模式打破了最先进大模型闭源的格局[16][34] 技术平权有利于AI普惠，但需注意外国开源软件的技术绑定和断桥风险[16][34] 本土模型开源（如阿里9月23日发布的开源模型Qwen3-Omni，支持119种文本语言）有利于中国AI产业的自主性与普惠性发展[16][34]