文章核心观点 - 金融风险治理需从传统防风险模式转向适应数智化浪潮的新模式 通过监管数智化转型和算法可解释机制等手段 在促创新与防风险之间实现平衡 [1][4] 传统金融风险治理的局限 - 传统模式依赖资产负债表 损益表等结构化数据 对金融企业的认知存在概括性局限 [1] - 后续引入影像等非结构化数据仍不足 难以覆盖广泛应用区块链 大数据技术的数字化企业的风险全貌 [1] 数智化金融风险的新特征 - 风险呈现黑箱化 金融活动以算法 平台为核心载体 模型训练数据可能存在偏差或遭滥用 导致风险本质难以看清 [2] - 风险呈现闪崩化 算法与高额交易结合带来极致速度 如加密货币和稳定币风险发生和传染过程极快 大幅压缩风险处置窗口 [2] - 风险呈现强传染性 基于大型平台和复杂网络 风险一旦发生将迅速向不同行业和主体传导 速度远超传统模式 [2] - 风险传导机制发生根本转变 从传统单一机构逐步扩散路径 转变为突然传导至界定难 定义难 监管难的平台 随后快速渗透整个金融生态 路径更隐蔽 影响范围更广 [3] 应对数智化金融风险的核心要点 - 推进监管体系数智化转型 监管对象已深度融入区块链 AI等场景 传统报表审核和现场检查手段易陷入被动追赶困境 [4] - 需加强数据协同 解决多个单位各自建设数据库和风险模型但缺乏协同的问题 建立统一数据共享机制以实现技术同步 [4] - 建立算法可解释机制 要求创新主体用普通投资者能理解的语言解释算法逻辑 风险点和决策依据 以保护投资者权益并提升监管透明度 [4]

AI发展性质与影响 - AI技术发展被探讨是边际性工具进步还是如蒸汽机电力般的根本性行业重塑[2] - 哈佛大学教授杰森·福尔曼认为AI出现类似2000年互联网泡沫的可能性高于类似2007年房地产泡沫的风险 因为AI是真正的创新且不涉及银行体系大规模抵押品[2] - 中国人民银行原行长周小川指出AI是信息处理IT和自动化基础上的又一次边际变化 但意义重大 银行业正经历从人主导机器辅助向机器主导人作为客户接口的演变[2] 各国AI发展态势与比较 - 杰森·福尔曼指出美国人工智能资本泡沫风险高于中国 中国正探索以更少资源创造更多价值 例如DeepSeek表现出较高效率和稳健性[3] - 北京大学国家发展研究院院长黄益平强调AI将成为经济增长新动力 中国有望成为首要受益者 企业金融机构及高校在AI应用上非常积极[3] - 香港金融管理局副总裁李达志表示AI应用仍处早期阶段 香港作为东西方交流枢纽是理想合作交会点 数码港建立共享平台和超算中心为银行提供共享算力资源[3] AI在金融领域的应用 - 国家金融监督管理总局副局长肖远企指出AI在金融机构应用集中于三方面：中后台运营智能化客户交流智能化及金融产品提供智能化[4] - 中后台智能化涵盖数据收集加工信息甄别及客户评估 客户交流智能化包括营销客户维护及问题解答 金融产品智能化可降低成本提升效率并提供更个性化产品[4] - 周小川认为AI对货币政策影响有限 但在金融稳定领域潜力突出 可用于提前预警金融不稳定风险及银行体系健康度分析[4] AI带来的风险挑战 - 法兰西银行副行长阿格尼丝·贝纳西·奎里指出AI系统面临三重风险：网络风险服务商集中风险和可解释性风险[5] - 网络攻击频率复杂性上升 金融机构承受全球约一半攻击形成系统性风险 服务商高度集中可能导致操作风险和市场反应趋同增加闪崩可能性[5] - 肖远企认为AI引入风险与历史金融科技变革类似 主要是增量和边际风险 单家机构面临模型稳定性和数据治理风险 行业层面关注集中度与决策趋同风险[6] AI对劳动力市场的影响 - 李达志强调AI可能减少部分岗位同时创造新岗位 核心挑战在于技能错配 需通过再培训让现有劳动力胜任更高端工作[5] - 肖远企认为目前尚未出现员工安置压力 AI主要起辅助作用 关键领域如信贷保险定价定损及精算仍需依赖专业人才 AI不仅不会取代员工还可能创造更多岗位[5] - 中国社会科学院国家高端智库首席专家蔡昉指出AI对劳动力影响集中在青年劳动力面临初级人力资本挑战和大龄劳动力逐步退出市场[6] AI治理与监管 - 李达志介绍香港与国际清算银行合作开展Project Noor研究AI可解释性问题 强调国际合作重要性 金融机构采用AI行动不够迅速存在失去竞争力风险[7] - 周小川强调AI黑箱模型问题需监管关注 金融机构大量使用不可解释深度学习模型可能导致监管部门面临潜在风险不可控问题[7] - 阿格尼丝指出欧盟《人工智能法》自2024年实施 将AI系统按风险分为四类：不可接受风险被禁止 高风险需严格管理 有限风险需告知用户 最小风险无监管要求[7] 政策协同与国际合作 - 周小川指出当前国际合作在AI具体议题上有限 但基础设施建设和跨境联通存在合作空间 呼吁加强金融行业AI基础设施建设[8] - 肖远企认为AI带来的金融风险需监管部门重点关注增量和边际风险 同时借鉴历史金融科技变革经验建立可操作的风险管理框架[8] - 黄益平从宏观政策角度强调通过政策协同与技术应用可以降低风险并提升经济增长潜力[6]