人工智能助推金融服務(wù)實(shí)體經(jīng)濟(jì)的技術(shù)邏輯與實(shí)踐路徑

中圖分類號(hào)：F832;F124.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-862X(2025)04-0140-010

實(shí)體經(jīng)濟(jì)是經(jīng)濟(jì)發(fā)展的根基，服務(wù)實(shí)體經(jīng)濟(jì)是金融立業(yè)之本。2023年，中央金融工作會(huì)議指出“堅(jiān)持把金融服務(wù)實(shí)體經(jīng)濟(jì)作為根本宗旨\"[1]2024年，《中共中央關(guān)于進(jìn)一步全面深化改革推進(jìn)中國(guó)式現(xiàn)代化的決定》強(qiáng)調(diào)“積極發(fā)展科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融，加強(qiáng)對(duì)重大戰(zhàn)略、重點(diǎn)領(lǐng)域、薄弱環(huán)節(jié)的優(yōu)質(zhì)金融服務(wù)”[2]，為金融服務(wù)實(shí)體經(jīng)濟(jì)、深化金融體制改革指明了方向。

金融發(fā)展為科技創(chuàng)新活動(dòng)提供資金支持，人工智能(Artificial Intelligence，AI)迅猛發(fā)展也在深刻改變金融行業(yè)的組織形式與業(yè)務(wù)范式。當(dāng)前，人工智能已廣泛應(yīng)用于風(fēng)控建模、信用評(píng)估、智能客服、欺詐識(shí)別、投資組合管理等場(chǎng)景，推動(dòng)形成了智能金融、數(shù)字金融的新生態(tài)。在銀行經(jīng)營(yíng)管理方面，金融機(jī)構(gòu)應(yīng)用大數(shù)據(jù)和人工智能等技術(shù)可實(shí)現(xiàn)數(shù)據(jù)自動(dòng)收集及模型自動(dòng)評(píng)估，提高銀行風(fēng)險(xiǎn)甄別和監(jiān)管能力，促進(jìn)業(yè)務(wù)效率提升[3]；在銀企對(duì)接方面，金融科技帶來(lái)的先進(jìn)信息技術(shù)與豐富數(shù)據(jù)要素，增強(qiáng)了銀行信息搜尋能力，有效緩解銀企間信息不對(duì)稱問(wèn)題[4]。具體地，張駿和郭娜基于銀企關(guān)聯(lián)視角，論證銀行通過(guò)算法識(shí)別等技術(shù)手段優(yōu)化資金流動(dòng)性，擴(kuò)大實(shí)體經(jīng)濟(jì)可貸資金池，并通過(guò)風(fēng)險(xiǎn)管理提高企業(yè)融資效率，助力實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展。[5]人工智能在金融領(lǐng)域已從初步探索階段進(jìn)入規(guī)?；瘧?yīng)用階段，商業(yè)銀行利用AI技術(shù)優(yōu)化信貸流程、保險(xiǎn)公司基于大數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)定價(jià)、證券機(jī)構(gòu)發(fā)展量化交易和智能投顧均取得顯著成效。為打好智能金融時(shí)代實(shí)體經(jīng)濟(jì)發(fā)展根基，AI在顯著提升金融資源配置效率和風(fēng)險(xiǎn)管理能力的同時(shí)，不僅要實(shí)現(xiàn)金融領(lǐng)域價(jià)值再創(chuàng)造，也要直面壯大實(shí)體經(jīng)濟(jì)的技術(shù)難題，破除AI從基礎(chǔ)應(yīng)用向個(gè)性應(yīng)用過(guò)渡的壁壘，加快構(gòu)建中國(guó)特色現(xiàn)代金融體系。

一、人工智能助推金融服務(wù)實(shí)體經(jīng)濟(jì)的技術(shù)邏輯

在全球化、數(shù)字化浪潮引領(lǐng)下，金融業(yè)正站在人工智能領(lǐng)銜的科技革命潮頭，金融科技領(lǐng)域必將迎來(lái)新一輪技術(shù)革命，推動(dòng)金融數(shù)字化轉(zhuǎn)型邁向智能化新階段。人工智能在金融領(lǐng)域的發(fā)展從以電子支付和數(shù)字管理為代表的萌芽階段，向利用互聯(lián)網(wǎng)技術(shù)連接金融產(chǎn)品、服務(wù)和終端的滲透階段過(guò)渡，逐步進(jìn)入以人工智能大模型、大數(shù)據(jù)與金融系統(tǒng)變革為主的深度融合階段。一方面，人工智能的大模型應(yīng)用和大數(shù)據(jù)分析已經(jīng)能夠支持語(yǔ)言、視覺(jué)、語(yǔ)音等多模態(tài)交互，并展現(xiàn)出更高級(jí)別的邏輯推理能力，助力金融機(jī)構(gòu)服務(wù)優(yōu)化、區(qū)域內(nèi)資源共享、金融行業(yè)效率提升；另一方面，數(shù)據(jù)、算力、算法作為人工智能發(fā)展的“三駕馬車”，推動(dòng)人工智能更新迭代，通過(guò)基礎(chǔ)層驅(qū)動(dòng)優(yōu)化實(shí)現(xiàn)技術(shù)層創(chuàng)新突破，持續(xù)開發(fā)機(jī)器學(xué)習(xí)、語(yǔ)義識(shí)別、數(shù)字孿生、智能語(yǔ)音和計(jì)算機(jī)視覺(jué)等細(xì)分領(lǐng)域，加強(qiáng)應(yīng)用層與金融業(yè)深度融合。同時(shí)，用戶反饋助力人工智能技術(shù)優(yōu)化，形成互惠互利良性循環(huán)，逐漸邁向智能金融時(shí)代。

(一)以技術(shù)為基礎(chǔ)：構(gòu)建金融新基建

在數(shù)字經(jīng)濟(jì)時(shí)代，人工智能等新興技術(shù)正深刻嵌入金融體系，推動(dòng)金融基礎(chǔ)設(shè)施向智能化、平臺(tái)化、融合化演進(jìn)。人工智能從微觀主體、區(qū)域生態(tài)、產(chǎn)業(yè)融合三個(gè)維度，重構(gòu)智能金融基礎(chǔ)設(shè)施。第一，在微觀層面，人工智能重塑金融機(jī)構(gòu)的客戶服務(wù)與運(yùn)營(yíng)流程，推動(dòng)智能助手、流程自動(dòng)化和語(yǔ)義識(shí)別系統(tǒng)等技術(shù)深度應(yīng)用于開戶審核、客戶咨詢、產(chǎn)品推薦等日常業(yè)務(wù)環(huán)節(jié)。隨著智能體在金融場(chǎng)景中的廣泛部署，金融機(jī)構(gòu)的服務(wù)效率得到顯著提升。研究表明，AI技術(shù)能夠處理消費(fèi)者數(shù)字足跡的信息內(nèi)容，結(jié)合征信機(jī)構(gòu)評(píng)分，顯著降低消費(fèi)者違約概率，總體減少信貸風(fēng)險(xiǎn)。[7第二，在區(qū)域?qū)用?，AI部署重塑地方金融服務(wù)的供給邏輯。一方面，AI通過(guò)智能終端、數(shù)據(jù)建模等手段降低金融服務(wù)的“邊際成本”，助力“下沉式\"金融服務(wù)成為可能，極大提升了偏遠(yuǎn)地區(qū)、弱勢(shì)群體的金融可達(dá)性；另一方面，金融服務(wù)模式由“產(chǎn)品導(dǎo)向\"轉(zhuǎn)向“平臺(tái)導(dǎo)向”，服務(wù)渠道實(shí)現(xiàn)線上化、智能化，擴(kuò)大了客群覆蓋率，服務(wù)功能由單一信貸支付向智能投顧、嵌入式保險(xiǎn)等場(chǎng)景化方向延伸。技術(shù)創(chuàng)新不僅拓展了金融“能服務(wù)誰(shuí)”“服務(wù)什么\"的邊界，也推動(dòng)其運(yùn)行模式邁向更加智能、高效與包容的新時(shí)代。第三，在產(chǎn)業(yè)層面，AI通過(guò)提升異構(gòu)數(shù)據(jù)處理與實(shí)時(shí)計(jì)算能力，為“金融 + 產(chǎn)業(yè)\"融合提供支撐性基礎(chǔ)設(shè)施。例如，螞蟻集團(tuán)網(wǎng)商銀行推出的“百靈”風(fēng)控系統(tǒng)，能夠在企業(yè)僅有少量歷史數(shù)據(jù)的情況下，通過(guò)其在供應(yīng)鏈網(wǎng)絡(luò)中的上下游關(guān)系構(gòu)建信用圖譜，對(duì)中小企業(yè)進(jìn)行融資支持。

(二)以數(shù)據(jù)為核心：釋放金融數(shù)據(jù)價(jià)值

人工智能時(shí)代，數(shù)據(jù)不僅是信息的載體，更成為驅(qū)動(dòng)金融決策與產(chǎn)品創(chuàng)新的關(guān)鍵引擎。伴隨數(shù)據(jù)獲取廣度與深度的提升，金融機(jī)構(gòu)對(duì)人工智能的應(yīng)用持續(xù)加深，推動(dòng)風(fēng)控、產(chǎn)品與流程等領(lǐng)域加速向智能化轉(zhuǎn)型。第一，在風(fēng)險(xiǎn)管理領(lǐng)域，金融機(jī)構(gòu)通過(guò)應(yīng)用機(jī)器學(xué)習(xí)算法的非參數(shù)模型對(duì)交易數(shù)據(jù)、行為數(shù)據(jù)和外部宏觀數(shù)據(jù)的融合分析，實(shí)現(xiàn)了對(duì)信用風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)的動(dòng)態(tài)識(shí)別與預(yù)測(cè)，從而替代傳統(tǒng)靜態(tài)指標(biāo)體系，實(shí)現(xiàn)風(fēng)控模型的實(shí)時(shí)更新與自適應(yīng)調(diào)整。[8]以深度學(xué)習(xí)架構(gòu)為核心的風(fēng)控系統(tǒng)顯著提升了違約概率預(yù)測(cè)與欺詐識(shí)別的準(zhǔn)確率，形成智能決策范式。[9]第二，在產(chǎn)品創(chuàng)新領(lǐng)域，金融機(jī)構(gòu)不再依賴統(tǒng)一化的產(chǎn)品推送邏輯，而是借助大數(shù)據(jù)分析挖掘客戶偏好、生命周期特征與消費(fèi)行為，實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)的個(gè)性化與分層定價(jià)。例如，智能投顧平臺(tái)基于用戶風(fēng)險(xiǎn)承受能力與資產(chǎn)配置偏好，自動(dòng)生成組合方案，并可在市場(chǎng)變動(dòng)時(shí)自動(dòng)調(diào)整結(jié)構(gòu)，實(shí)現(xiàn)“千人千面\"的動(dòng)態(tài)服務(wù)。第三，在業(yè)務(wù)流程領(lǐng)域，AI將數(shù)據(jù)從靜態(tài)資產(chǎn)轉(zhuǎn)化為動(dòng)態(tài)決策因子，用于用戶識(shí)別和實(shí)時(shí)決策，推動(dòng)信貸、理財(cái)、保險(xiǎn)等產(chǎn)品實(shí)現(xiàn)個(gè)性化定制與實(shí)時(shí)迭代。[10]總體來(lái)看，數(shù)據(jù)驅(qū)動(dòng)正從底層重塑金融決策邏輯與產(chǎn)品供給方式，為金融服務(wù)體系的智能化、精細(xì)化與高質(zhì)量發(fā)展提供堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

(三)以算力為支撐：保障高效智能運(yùn)算

算力不僅是人工智能賦能金融的技術(shù)底座，更是智能金融體系實(shí)現(xiàn)高效、安全、智能運(yùn)行的重要支撐。2024年，我國(guó)數(shù)字基礎(chǔ)設(shè)施實(shí)現(xiàn)新躍升，算力總規(guī)模達(dá)到280EFLOPS（每秒百億億次浮點(diǎn)運(yùn)算，F(xiàn)P32)，累計(jì)建成5G基站425.1萬(wàn)個(gè)，移動(dòng)物聯(lián)網(wǎng)(蜂窩)終端用戶數(shù)達(dá)26.56億戶，八大樞紐節(jié)點(diǎn)地區(qū)各類新增算力占全國(guó)新增算力的 60% 以上。①東西部算力協(xié)調(diào)發(fā)展推動(dòng)普惠金融縱深開展。在AI廣泛嵌入金融業(yè)務(wù)的背景下，算力作為新型生產(chǎn)力，正成為智能金融高效運(yùn)行的核心支撐。金融場(chǎng)景具有數(shù)據(jù)密度大、響應(yīng)實(shí)時(shí)性強(qiáng)、模型復(fù)雜性高的特征，在信用風(fēng)險(xiǎn)識(shí)別、智能投顧服務(wù)與高頻交易中，均依賴強(qiáng)大的運(yùn)算能力以保障模型訓(xùn)練的效率與精度。傳統(tǒng)CPU難以滿足金融AI系統(tǒng)在大規(guī)模并行計(jì)算與低延遲響應(yīng)方面的需求，GPU、TPU及FPGA等異構(gòu)計(jì)算架構(gòu)逐漸成為金融科技部署的主流算力云平臺(tái)，實(shí)現(xiàn)區(qū)域、行業(yè)間算力高效互補(bǔ)聯(lián)動(dòng)。[]盡管DeepSeek降低了算力門檻，但算力需求卻遵循“杰文斯悖論”②逐漸攀升。銀行從傳統(tǒng)的信用評(píng)分邏輯回歸模型(幾千參數(shù))轉(zhuǎn)向深度神經(jīng)網(wǎng)絡(luò)(百萬(wàn)甚至億級(jí)參數(shù))，若在客戶違約預(yù)測(cè)中使用Transformer結(jié)構(gòu)模型，那么訓(xùn)練一次模型所需算力是傳統(tǒng)模型的上百倍。人工智能逐漸從判別式走向生成式，金融機(jī)構(gòu)需要構(gòu)建更靈活的算力架構(gòu)以滿足交互過(guò)程中的算力需求。例如，招商銀行在風(fēng)險(xiǎn)管理與客戶畫像中引入基于GPU的分布式深度學(xué)習(xí)平臺(tái)，實(shí)現(xiàn)模型的快速迭代與精準(zhǔn)預(yù)測(cè)。同時(shí)，國(guó)家層面正通過(guò)“東數(shù)西算”工程優(yōu)化算力空間布局，推動(dòng)構(gòu)建金融專用智能計(jì)算中心，以滿足模型實(shí)時(shí)性與數(shù)據(jù)安全性的雙重需求。各大科技平臺(tái)也積極加快自主算力系統(tǒng)建設(shè)，比如阿里巴巴自研含光800芯片、騰訊部署面向金融行業(yè)的超算平臺(tái)，進(jìn)一步提升金融服務(wù)系統(tǒng)在安全場(chǎng)景下的穩(wěn)定性與響應(yīng)速度。

（四)以算法為驅(qū)動(dòng)：優(yōu)化金融服務(wù)流程

在人工智能加速融入金融體系的進(jìn)程中，算法已成為推動(dòng)服務(wù)流程再造和決策優(yōu)化的關(guān)鍵驅(qū)動(dòng)要素。近年來(lái)，金融機(jī)構(gòu)廣泛采用深度學(xué)習(xí)等算法技術(shù)，在用戶行為建模、資產(chǎn)配置建議生成、差異化產(chǎn)品推薦、盡職調(diào)查與信貸評(píng)估等關(guān)鍵環(huán)節(jié)實(shí)現(xiàn)業(yè)務(wù)效率的大幅提升。從技術(shù)邏輯來(lái)看，算法為金融服務(wù)與決策智能化提供可解釋性強(qiáng)、動(dòng)態(tài)更新、自我進(jìn)化的能力支撐。傳統(tǒng)流程高度依賴人工經(jīng)驗(yàn)與靜態(tài)規(guī)則，易受主觀判斷偏差和信息不完全制約，而基于算法的智能系統(tǒng)能夠自動(dòng)識(shí)別變量間的非線性關(guān)系，從而實(shí)現(xiàn)風(fēng)險(xiǎn)識(shí)別、客戶分層與產(chǎn)品定價(jià)等環(huán)節(jié)的精準(zhǔn)化。算法還能通過(guò)持續(xù)學(xué)習(xí)實(shí)現(xiàn)策略動(dòng)態(tài)優(yōu)化，在資產(chǎn)配置中，通過(guò)強(qiáng)化學(xué)習(xí)模型采用動(dòng)態(tài)對(duì)沖措施，增強(qiáng)抗波動(dòng)能力[12]；在客戶服務(wù)中，通過(guò)自然語(yǔ)言處理技術(shù)構(gòu)建智能客服系統(tǒng)，實(shí)現(xiàn)對(duì)用戶意圖的自動(dòng)識(shí)別。算法為金融系統(tǒng)實(shí)現(xiàn)了從“經(jīng)驗(yàn)導(dǎo)向\"到“數(shù)據(jù)導(dǎo)向\"再到“模型驅(qū)動(dòng)”的結(jié)構(gòu)性躍遷，在提升流程效率的同時(shí)，增強(qiáng)了金融服務(wù)的可擴(kuò)展性與透明度。已有大量的國(guó)內(nèi)銀行在信貸風(fēng)險(xiǎn)管理中引入機(jī)器學(xué)習(xí)模型，使用AI算法進(jìn)行用戶還款意愿預(yù)測(cè)、授信額度測(cè)算及風(fēng)險(xiǎn)預(yù)警，AI算法已度過(guò)或正在度過(guò)規(guī)?；渴痣A段。例如，中國(guó)工商銀行建成千億級(jí)金融大模型算法矩陣，通過(guò)模型訓(xùn)練、模態(tài)與應(yīng)用協(xié)同，較好滿足各類金融場(chǎng)景應(yīng)用需求，增強(qiáng)行業(yè)普適性。算法引入不僅重塑金融服務(wù)的技術(shù)路徑，也為提升業(yè)務(wù)精度與客戶滿意度提供數(shù)據(jù)驅(qū)動(dòng)的新范式。

二、人工智能助推金融服務(wù)實(shí)體經(jīng)濟(jì)的應(yīng)用場(chǎng)景

人工智能通過(guò)構(gòu)建金融基礎(chǔ)設(shè)施、釋放金融數(shù)據(jù)價(jià)值、提供智能高效算力、算法驅(qū)動(dòng)優(yōu)化金融服務(wù)流程，有助于把握實(shí)體經(jīng)濟(jì)部門的金融需求，助力金融服務(wù)實(shí)體經(jīng)濟(jì)的國(guó)家戰(zhàn)略目標(biāo)落地。2025年《國(guó)務(wù)院政府工作報(bào)告》強(qiáng)調(diào)“持續(xù)推進(jìn)人工智能 + 行動(dòng)”，并指出“完善科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融標(biāo)準(zhǔn)體系和基礎(chǔ)制度”。[13]人工智能不僅從技術(shù)層面賦能金融數(shù)字化轉(zhuǎn)型，更為實(shí)體經(jīng)濟(jì)發(fā)展提供金融“加速器”，在金融“五篇大文章\"應(yīng)用場(chǎng)景中打通實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展的“最后一公里”。

（一)人工智能驅(qū)動(dòng)創(chuàng)新引擎，提升科技金融應(yīng)用效率

《中共中央關(guān)于進(jìn)一步全面深化改革推進(jìn)中國(guó)式現(xiàn)代化的決定》提出，“構(gòu)建同科技創(chuàng)新相適應(yīng)的科技金融體制，加強(qiáng)對(duì)國(guó)家重大科技任務(wù)和科技型中小企業(yè)的金融支持，完善長(zhǎng)期資本投早、投小、投長(zhǎng)期、投硬科技的支持政策\(yùn)"[2]。一方面，科技金融通過(guò)優(yōu)化金融工具體系，為科技創(chuàng)新活動(dòng)提供資金支持，助力企業(yè)獲取長(zhǎng)期貸款；另一方面，科技金融為企業(yè)建立全方位的風(fēng)險(xiǎn)保障，提振企業(yè)創(chuàng)新信心。[4由于科技企業(yè)普遍面臨“輕資產(chǎn)、高不確定性、長(zhǎng)周期\"的融資難題，金融機(jī)構(gòu)難以有效識(shí)別其真實(shí)價(jià)值和信用風(fēng)險(xiǎn)，融資結(jié)構(gòu)性錯(cuò)配問(wèn)題突出。AI引入為這一難題提供了解決方案，其在信息挖掘、信用建模、風(fēng)險(xiǎn)定價(jià)等方面的優(yōu)勢(shì)，推動(dòng)金融體系精準(zhǔn)識(shí)別和評(píng)估科技型企業(yè)，提高金融創(chuàng)新驅(qū)動(dòng)發(fā)展的能力。在應(yīng)用層面，AI嵌入科技金融業(yè)務(wù)流程，通過(guò)創(chuàng)新“場(chǎng)景 + 智能體”應(yīng)用模式，提高金融服務(wù)效率并降低運(yùn)營(yíng)成本。例如，新網(wǎng)銀行針對(duì)科創(chuàng)型企業(yè)特征制定靈活信貸政策，打造基于大模型的智能服務(wù)平臺(tái)“識(shí)卷”，智能化處理個(gè)人客戶十余種授信自證數(shù)據(jù)，通過(guò)深度融合多模態(tài)數(shù)據(jù)處理技術(shù)，為處于不同生命周期的企業(yè)提供個(gè)性化融資方案。人工智能不僅成為科技金融運(yùn)行機(jī)制的技術(shù)革新，更是推動(dòng)金融體系更好服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的關(guān)鍵引擎。

（二)人工智能助力綠色產(chǎn)業(yè)，優(yōu)化綠色金融應(yīng)用流程

綠色金融是為支持環(huán)境改善、應(yīng)對(duì)氣候變化和資源節(jié)約高效利用的經(jīng)濟(jì)活動(dòng)，即對(duì)環(huán)保、節(jié)能、清潔能源、綠色交通、綠色建筑等領(lǐng)域的項(xiàng)目投融資、項(xiàng)目運(yùn)營(yíng)、風(fēng)險(xiǎn)管理等所提供的金融服務(wù)。金融機(jī)構(gòu)能夠融合綠色發(fā)展理念，引導(dǎo)社會(huì)資金流向環(huán)境友好型企業(yè)和產(chǎn)業(yè)，帶動(dòng)經(jīng)濟(jì)社會(huì)全面綠色轉(zhuǎn)型。[15由于綠色項(xiàng)目和產(chǎn)業(yè)的投資回報(bào)周期較長(zhǎng)，且高污染企業(yè)具有重資產(chǎn)特征和更大的信貸風(fēng)險(xiǎn)，傳統(tǒng)金融機(jī)構(gòu)難以支持該類企業(yè)可持續(xù)發(fā)展，導(dǎo)致投資中斷、授信級(jí)別較低以及策略性綠色創(chuàng)新現(xiàn)象頻發(fā)。AI在大數(shù)據(jù)處理、圖像識(shí)別、自然語(yǔ)言處理等領(lǐng)域的優(yōu)勢(shì)，能有效提升綠色項(xiàng)目篩選效率和環(huán)境效益評(píng)估能力。一方面，通過(guò)遙感技術(shù)結(jié)合圖像識(shí)別算法，實(shí)時(shí)監(jiān)測(cè)企業(yè)碳排放水平和污染行為，突破傳統(tǒng)綠色認(rèn)證中依賴企業(yè)自報(bào)的局限性；另一方面，基于自然語(yǔ)言處理的AI模型可從非結(jié)構(gòu)化文本中自動(dòng)提取ESG相關(guān)信息，對(duì)企業(yè)環(huán)境績(jī)效、氣候戰(zhàn)略、可持續(xù)發(fā)展等進(jìn)行動(dòng)態(tài)分析與量化評(píng)分，增強(qiáng)金融機(jī)構(gòu)在綠色信貸、綠色債券發(fā)行和綠色投資決策中的信息基礎(chǔ)。同時(shí)，生成式AI和圖神經(jīng)網(wǎng)絡(luò)(GNN)正在被用于構(gòu)建產(chǎn)業(yè)鏈碳排放圖譜，助力金融機(jī)構(gòu)在資產(chǎn)組合層面識(shí)別“隱形排放”與轉(zhuǎn)型風(fēng)險(xiǎn)，為綠色資產(chǎn)證券化提供更精細(xì)的底層標(biāo)簽。AI驅(qū)動(dòng)的氣候情景分析模型還將量化因子嵌入信用風(fēng)險(xiǎn)參數(shù)，實(shí)現(xiàn)對(duì)貸款組合的動(dòng)態(tài)評(píng)估，為銀行風(fēng)險(xiǎn)資產(chǎn)管理提供決策支持。此外，人工智能將有助于提升綠色金融監(jiān)管效能，通過(guò)構(gòu)建智能化監(jiān)管沙箱和AI風(fēng)控模型，推動(dòng)監(jiān)管機(jī)構(gòu)及時(shí)預(yù)警和防范虛假問(wèn)題，實(shí)現(xiàn)綠色金融市場(chǎng)更加規(guī)范發(fā)展。

(三)人工智能打破服務(wù)壁壘，拓寬普惠金融應(yīng)用范圍

普惠金融是立足機(jī)會(huì)平等要求和商業(yè)可持續(xù)原則，以可負(fù)擔(dān)的成本為有金融服務(wù)需求的社會(huì)各階層和群體提供適當(dāng)、有效的金融服務(wù)。伴隨數(shù)字技術(shù)廣泛應(yīng)用，數(shù)字普惠金融在促進(jìn)包容性增長(zhǎng)[16]、縮小城鄉(xiāng)差距[17]以及提高居民消費(fèi)能力[18]等方面發(fā)揮重要作用。AI應(yīng)用為擴(kuò)大中小微企業(yè)信用記錄、覆蓋長(zhǎng)尾用戶、減少金融排斥提供了全新路徑。在信息獲取方面，AI借助非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行多維度畫像建模，實(shí)現(xiàn)“弱征信”人群的信用重建，特別是在農(nóng)業(yè)經(jīng)營(yíng)主體、靈活就業(yè)群體等傳統(tǒng)金融服務(wù)覆蓋不足的領(lǐng)域，語(yǔ)義識(shí)別、遠(yuǎn)程圖像采集等方式可實(shí)現(xiàn)更低門檻、更本地化的客戶識(shí)別機(jī)制，從源頭緩解“看不見、評(píng)不準(zhǔn)”的問(wèn)題；在風(fēng)控環(huán)節(jié)，基于機(jī)器學(xué)習(xí)的風(fēng)險(xiǎn)預(yù)測(cè)模型可自動(dòng)迭代優(yōu)化，有效控制小額高頻業(yè)務(wù)中的違約風(fēng)險(xiǎn)，AI可根據(jù)用戶行為的動(dòng)態(tài)變化實(shí)時(shí)調(diào)整授信策略，實(shí)現(xiàn)“行為即信用”，構(gòu)建更具彈性和韌性的風(fēng)控體系，相比傳統(tǒng)依賴歷史數(shù)據(jù)和人工審批的路徑，智能風(fēng)控顯著縮短評(píng)估周期并降低誤判率；在服務(wù)觸達(dá)方面，智能客服、語(yǔ)音識(shí)別與遠(yuǎn)程身份驗(yàn)證等技術(shù)極大降低了運(yùn)營(yíng)成本，擴(kuò)大了金融機(jī)構(gòu)的服務(wù)半徑。AI技術(shù)使“千人千面\"的風(fēng)險(xiǎn)定價(jià)與智能推薦成為可能，促進(jìn)普惠金融實(shí)現(xiàn)商業(yè)可持續(xù)與社會(huì)公平的兼容。

(四)人工智能定制養(yǎng)老規(guī)劃，提高養(yǎng)老金融應(yīng)用質(zhì)量

養(yǎng)老金融是綜合運(yùn)用信貸、保險(xiǎn)、債券、股權(quán)、理財(cái)?shù)冉鹑诠ぞ?，滿足社會(huì)成員的多樣化養(yǎng)老需求，服務(wù)銀發(fā)經(jīng)濟(jì)發(fā)展的一系列金融活動(dòng)總和，包括養(yǎng)老金管理、銀發(fā)經(jīng)濟(jì)融資與風(fēng)險(xiǎn)管理、養(yǎng)老金融產(chǎn)品和服務(wù)以及老年群體金融權(quán)益保障等。截至2023年底，我國(guó)60歲及以上老年人規(guī)模達(dá)2.97億，占總?cè)丝诘?21.1% ，位居世界第一位。3累計(jì)開立個(gè)人養(yǎng)老金賬戶超6000萬(wàn)戶，個(gè)人養(yǎng)老金專項(xiàng)產(chǎn)品762款。(4)綜合來(lái)看，人口老齡化和養(yǎng)老金繳納為養(yǎng)老金融帶來(lái)廣闊的發(fā)展前景。當(dāng)前，養(yǎng)老金融發(fā)展面臨三重困境：第一，老年人群體金融素養(yǎng)普遍不足，缺乏對(duì)養(yǎng)老金規(guī)劃和風(fēng)險(xiǎn)管理等概念的理解能力，導(dǎo)致金融服務(wù)的需求表達(dá)不足；第二，金融機(jī)構(gòu)對(duì)客戶行為數(shù)據(jù)掌握有限，產(chǎn)品供給趨于同質(zhì)化，難以滿足差異化養(yǎng)老需求；第三，針對(duì)老年人的詐騙案件高發(fā)，金融安全防護(hù)機(jī)制不完善。這些困境限制了養(yǎng)老金融產(chǎn)品的可達(dá)性、適配性與安全性，阻礙了其功能的有效實(shí)現(xiàn)。AI在養(yǎng)老金融中的應(yīng)用，正逐步改變上述困境。一方面，為提升老年人對(duì)金融產(chǎn)品的理解能力，金融機(jī)構(gòu)探索將人工智能與金融教育融合，通過(guò)語(yǔ)音助手、可視化操作界面及互動(dòng)式學(xué)習(xí)模塊，降低知識(shí)門檻，實(shí)現(xiàn)“問(wèn)得懂、聽得清、用得上”；另一方面，基于機(jī)器學(xué)習(xí)的智能畫像技術(shù)可整合客戶年齡、健康狀況、收入結(jié)構(gòu)、消費(fèi)習(xí)慣等多維信息，自動(dòng)生成生命周期資產(chǎn)配置建議，實(shí)現(xiàn)個(gè)性化養(yǎng)老金規(guī)劃。同時(shí)，AI風(fēng)控系統(tǒng)通過(guò)異常交易檢測(cè)、反欺詐建模等手段，能有效識(shí)別針對(duì)老年人的金融欺詐行為，增強(qiáng)資金安全保障。此外，AI可與養(yǎng)老健康管理系統(tǒng)協(xié)同發(fā)展，構(gòu)建“醫(yī)養(yǎng)金一體化\"服務(wù)閉環(huán)。例如，中國(guó)平安創(chuàng)新構(gòu)建“ HMO+ 家庭醫(yī)生 + 020\"集團(tuán)管理式醫(yī)療模式，通過(guò)智能監(jiān)測(cè)設(shè)備，結(jié)合管家平臺(tái)，對(duì)居家老人的體征、行為及環(huán)境等各方面進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)“科技 + 保險(xiǎn) + 健康管理\"有效融合。將AI嵌入健康數(shù)據(jù)分析、養(yǎng)老護(hù)理等系統(tǒng)，能夠?yàn)榻鹑跈C(jī)構(gòu)提供長(zhǎng)期護(hù)理保險(xiǎn)定價(jià)和精算支持，進(jìn)一步拓展養(yǎng)老金融的風(fēng)險(xiǎn)保障功能。

(五)人工智能重塑金融生態(tài)，完善數(shù)字金融應(yīng)用結(jié)構(gòu)

數(shù)字金融突破傳統(tǒng)物理網(wǎng)點(diǎn)的空間限制和服務(wù)能力邊界，通過(guò)大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈和人工智能等技術(shù)嵌入金融流程，重塑金融產(chǎn)品、服務(wù)和監(jiān)管的組織形態(tài)。數(shù)字金融用戶規(guī)模和第三方互聯(lián)網(wǎng)支付交易規(guī)模均顯示金融生態(tài)全面進(jìn)人了數(shù)字化、平臺(tái)化和智能化發(fā)展階段。但同時(shí)，數(shù)字技術(shù)也面臨“數(shù)字鴻溝\"[9]數(shù)字金融平臺(tái)贏家通吃的壟斷趨勢(shì)以及“算法黑箱”“數(shù)據(jù)濫用”等新型技術(shù)風(fēng)險(xiǎn)，對(duì)傳統(tǒng)金融治理模式提出了新的挑戰(zhàn)。人工智能與金融服務(wù)深度融合正逐步推動(dòng)數(shù)字金融從“數(shù)字化服務(wù)\"走向“智能化生態(tài)”，更好實(shí)現(xiàn)數(shù)字金融對(duì)其他幾篇“大文章\"補(bǔ)短板、增效率。第一，在金融產(chǎn)品端，AI助力開發(fā)個(gè)性化、智能化金融產(chǎn)品，實(shí)現(xiàn)從“批量定價(jià)\"到“精準(zhǔn)定價(jià)”的轉(zhuǎn)型，自然語(yǔ)言處理技術(shù)可輔助生成智能投顧方案，提高客戶匹配效率，同時(shí)還可實(shí)現(xiàn)對(duì)用戶語(yǔ)義意圖的深度理解，提升交互式服務(wù)的情境適應(yīng)能力；第二，在平臺(tái)運(yùn)營(yíng)端，AI通過(guò)實(shí)時(shí)風(fēng)控、圖神經(jīng)網(wǎng)絡(luò)等模型提升平臺(tái)風(fēng)險(xiǎn)識(shí)別與處置能力，實(shí)現(xiàn)風(fēng)控前置化與交易智能管控，隨著模型訓(xùn)練樣本的不斷擴(kuò)展，平臺(tái)對(duì)欺詐手段的迭代響應(yīng)能力也顯著增強(qiáng)，有效減少系統(tǒng)性欺詐事件的滯后識(shí)別和溢出風(fēng)險(xiǎn);第三，在監(jiān)管端，監(jiān)管科技借助AI技術(shù)構(gòu)建\"智能監(jiān)管沙箱”，實(shí)現(xiàn)對(duì)金融行為的實(shí)時(shí)監(jiān)測(cè)、風(fēng)險(xiǎn)預(yù)警和智能干預(yù)，提升金融治理能力，并通過(guò)自動(dòng)生成合規(guī)報(bào)告、動(dòng)態(tài)識(shí)別潛在異常交易行為，助力監(jiān)管部門提升資源配置效率，實(shí)現(xiàn)從“事后核查”向“實(shí)時(shí)校準(zhǔn)”的轉(zhuǎn)變。

三、人工智能助推金融服務(wù)實(shí)體經(jīng)濟(jì)的風(fēng)險(xiǎn)挑戰(zhàn)

人工智能加速金融產(chǎn)品和服務(wù)創(chuàng)新，提高科技金融和養(yǎng)老金融質(zhì)效，重塑綠色金融和普惠金融結(jié)構(gòu)，推動(dòng)數(shù)字金融補(bǔ)短板、增效率，為健全實(shí)體經(jīng)濟(jì)與數(shù)字經(jīng)濟(jì)深度融合提供技術(shù)和經(jīng)驗(yàn)支持。但自前，金融場(chǎng)景大模型幻覺(jué)增加、模型泛化能力不足、復(fù)合型人才供給短缺、數(shù)據(jù)安全與可靠性受到挑戰(zhàn)以及監(jiān)管科技有待完善等問(wèn)題，正逐漸成為制約人工智能持續(xù)推動(dòng)金融服務(wù)實(shí)體經(jīng)濟(jì)的關(guān)鍵因素。

（一）大模型幻覺(jué)增加，“ AI+ 金融\"存在技術(shù)風(fēng)險(xiǎn)

近年來(lái)，大語(yǔ)言模型（LLM，LargeLanguageModel)在金融服務(wù)中的應(yīng)用迅速擴(kuò)展，涵蓋投資決策、客戶服務(wù)、風(fēng)險(xiǎn)管理、智能合約審核等多場(chǎng)景。但當(dāng)前大模型的生成機(jī)制源于模型預(yù)測(cè)下一個(gè)Token概率，而非事實(shí)推理。其在金融高風(fēng)險(xiǎn)環(huán)境下存在“幻覺(jué)\"(Hallucination)問(wèn)題，即生成內(nèi)容在邏輯或事實(shí)層面出現(xiàn)虛假、誤導(dǎo)、捏造信息的現(xiàn)象。Huang等人進(jìn)一步將大模型幻覺(jué)分為事實(shí)型幻覺(jué)和忠實(shí)型幻覺(jué)。[20]其中，事實(shí)型幻覺(jué)是指模型生成的內(nèi)容與可驗(yàn)證的現(xiàn)實(shí)世界事實(shí)不一致5，忠實(shí)型幻覺(jué)則是指模型生成的內(nèi)容與用戶的指令或上下文不一致。大模型幻覺(jué)問(wèn)題造成金融知識(shí)的可解釋性下降，影響顯性和隱性知識(shí)深度萃取，可能導(dǎo)致對(duì)科創(chuàng)企業(yè)技術(shù)前景或市場(chǎng)潛力的錯(cuò)誤評(píng)估，誤導(dǎo)投資決策或信貸審批，進(jìn)而錯(cuò)失真正有潛力的創(chuàng)新項(xiàng)目或向高風(fēng)險(xiǎn)項(xiàng)目過(guò)度融資。

技術(shù)風(fēng)險(xiǎn)的根源在于當(dāng)前大模型缺乏“可解釋性\"和\"可驗(yàn)證性”。一方面，大模型參數(shù)規(guī)模巨大、訓(xùn)練過(guò)程黑箱化，難以追溯輸出的依據(jù)和因果鏈條；另一方面，金融數(shù)據(jù)高度復(fù)雜且實(shí)時(shí)更新，模型訓(xùn)練存在時(shí)間滯后與數(shù)據(jù)覆蓋偏差。金融領(lǐng)域的強(qiáng)專業(yè)性、敏感性與高標(biāo)準(zhǔn)性要求信息生成高度準(zhǔn)確、合規(guī)，而大模型難以對(duì)輸出結(jié)果進(jìn)行自我驗(yàn)證，在輔助投資決策時(shí)容易產(chǎn)生虛假市場(chǎng)分析或公司基本面信息，誤導(dǎo)投資者和金融機(jī)構(gòu)，擾亂資本市場(chǎng)的定價(jià)效率和對(duì)實(shí)體企業(yè)的支持效果。一些大模型在金融場(chǎng)景下的幻覺(jué)率較高，通用大模型在訓(xùn)練過(guò)程中金融類知識(shí)配比較低。許多專業(yè)金融知識(shí)未被充分利用，難以保障服務(wù)實(shí)體經(jīng)濟(jì)所需的準(zhǔn)確性信息和穩(wěn)健性決策。

(二)金融場(chǎng)景適應(yīng)性不足，泛化能力仍需增強(qiáng)

隨著自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、5G通信等技術(shù)的迅速發(fā)展與融合應(yīng)用，基于Transformer神經(jīng)網(wǎng)絡(luò)架構(gòu)的新一代智能終端產(chǎn)品與智能體相繼涌現(xiàn)，人機(jī)交互產(chǎn)品與生成式人工智能產(chǎn)業(yè)的井噴式增長(zhǎng)，形成以市場(chǎng)和用戶為導(dǎo)向的需求拉動(dòng)范式，而非從基礎(chǔ)研究到應(yīng)用落地并實(shí)現(xiàn)市場(chǎng)價(jià)值的技術(shù)經(jīng)濟(jì)范式。[2這導(dǎo)致通用大模型的泛化能力較弱，服務(wù)難以精準(zhǔn)觸達(dá)和有效滿足各類實(shí)體經(jīng)濟(jì)主體的差異化需求。

第一，模型對(duì)中小微企業(yè)、初創(chuàng)企業(yè)的經(jīng)營(yíng)模式、非結(jié)構(gòu)化數(shù)據(jù)理解不足，容易因短期波動(dòng)或數(shù)據(jù)稀疏而過(guò)度風(fēng)控或誤判風(fēng)險(xiǎn)，加劇“融資難、融資貴\"問(wèn)題。部分銀行AI風(fēng)控模型因無(wú)法準(zhǔn)確識(shí)別科技型初創(chuàng)企業(yè)的成長(zhǎng)特性，導(dǎo)致本應(yīng)獲得支持的早期創(chuàng)新項(xiàng)目被拒貸，阻礙了科技創(chuàng)新，直接影響金融資源的有效配置與實(shí)體經(jīng)濟(jì)的融資效率。[22]第二，客服類大模型若未進(jìn)行足夠的場(chǎng)景訓(xùn)練，容易在業(yè)務(wù)咨詢中出現(xiàn)答非所問(wèn)甚至誤導(dǎo)性建議，引發(fā)客戶糾紛，增加合規(guī)風(fēng)險(xiǎn)。第三，在服務(wù)長(zhǎng)尾客戶時(shí)，模型可能因缺乏相關(guān)數(shù)據(jù)或無(wú)法適應(yīng)其行為特征，產(chǎn)生信貸評(píng)估偏差或提供不恰當(dāng)?shù)慕鹑诮ㄗh，限制金融發(fā)展的深度和溫度，甚至可能加劇“數(shù)字鴻溝”。同時(shí)，在主流機(jī)構(gòu)紛紛采用架構(gòu)類似的大模型時(shí)，算法與參數(shù)的趨同正放大“模型同質(zhì)化\"風(fēng)險(xiǎn)：一旦訓(xùn)練數(shù)據(jù)存在結(jié)構(gòu)性缺陷或市場(chǎng)預(yù)期偏離，可能引發(fā)信貸集體收縮、風(fēng)險(xiǎn)偏好同步調(diào)整，導(dǎo)致“被拒貸\"企業(yè)激增，實(shí)體經(jīng)濟(jì)融資預(yù)期受到?jīng)_擊，加大金融市場(chǎng)波動(dòng)。在AI廣泛嵌入金融業(yè)務(wù)流程的背景下，模型業(yè)務(wù)適應(yīng)性不足正逐步演化為實(shí)際業(yè)務(wù)風(fēng)險(xiǎn)，不僅影響服務(wù)質(zhì)量，更會(huì)波及金融系統(tǒng)與實(shí)體經(jīng)濟(jì)融資程序的穩(wěn)健運(yùn)行。

(三)人才培養(yǎng)機(jī)制不完善，復(fù)合型人才供給 短缺

人工智能在金融領(lǐng)域的深度應(yīng)用，對(duì)復(fù)合型金融科技人才提出更高要求。當(dāng)前，我國(guó)在金融科技人才儲(chǔ)備與培養(yǎng)機(jī)制上仍存在短板，成為AI技術(shù)有效服務(wù)實(shí)體經(jīng)濟(jì)的阻礙。一方面，懂技術(shù)的AI人才往往缺乏對(duì)特定產(chǎn)業(yè)（如制造業(yè)供應(yīng)鏈金融、農(nóng)業(yè)普惠金融、綠色項(xiàng)目評(píng)估等)的深入理解和對(duì)金融監(jiān)管合規(guī)性的把握，導(dǎo)致模型或產(chǎn)品難以貼合實(shí)體經(jīng)濟(jì)場(chǎng)景的真實(shí)痛點(diǎn)，甚至因忽視行業(yè)特性或監(jiān)管要求而產(chǎn)生風(fēng)險(xiǎn)；另一方面，金融機(jī)構(gòu)的業(yè)務(wù)專家若缺乏對(duì)AI模型原理和局限性的認(rèn)知，難以高效協(xié)同技術(shù)團(tuán)隊(duì)，無(wú)法將企業(yè)的需求準(zhǔn)確轉(zhuǎn)化為模型可理解和處理的任務(wù)，難以有效監(jiān)督和解釋模型在服務(wù)實(shí)體經(jīng)濟(jì)過(guò)程中的輸出結(jié)果。

從教育體系來(lái)看，當(dāng)前高校在金融科技方向的課程建設(shè)仍處于初步階段，各地區(qū)開設(shè)金融科技專業(yè)數(shù)量存在顯著差異，專業(yè)課程設(shè)置偏向理論性授課、缺乏實(shí)操性培養(yǎng)，本科和職業(yè)教育授課模式差異較大，高學(xué)歷、技能型人才的供需結(jié)構(gòu)失衡。交叉學(xué)科融合不足，產(chǎn)學(xué)研銜接不暢，金融機(jī)構(gòu)難以獲得適應(yīng)度高、能力強(qiáng)的復(fù)合型人才。在此背景下，金融機(jī)構(gòu)在技術(shù)部署過(guò)程中不得不依賴外部技術(shù)供應(yīng)商，進(jìn)一步加劇了“技術(shù)黑箱\"問(wèn)題，影響金融數(shù)據(jù)的自主可控與系統(tǒng)運(yùn)行的安全穩(wěn)定。

(四)數(shù)據(jù)安全性與可靠性受到挑戰(zhàn)

數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)成為新型生產(chǎn)要素，面臨諸多機(jī)遇與挑戰(zhàn)。人工智能技術(shù)利用海量數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)、驅(qū)動(dòng)金融決策與產(chǎn)品創(chuàng)新，其安全性與可靠性作為技術(shù)發(fā)展的重要保障，同樣面臨諸多挑戰(zhàn)。第一，在數(shù)據(jù)安全性方面，數(shù)據(jù)作為金融機(jī)構(gòu)的核心資產(chǎn)，被稱為“數(shù)字黃金”，一旦發(fā)生數(shù)據(jù)泄露，將對(duì)金融穩(wěn)定性造成重大沖擊。近年來(lái)，隨著開放銀行、數(shù)據(jù)共享平臺(tái)的興起，數(shù)據(jù)跨主體流動(dòng)頻繁，金融機(jī)構(gòu)面臨數(shù)據(jù)傳輸鏈條冗長(zhǎng)、存儲(chǔ)節(jié)點(diǎn)分散、加密機(jī)制不統(tǒng)一等問(wèn)題，顯著增加數(shù)據(jù)被攻擊和濫用的風(fēng)險(xiǎn)。第二，在數(shù)據(jù)可靠性方面，金融數(shù)據(jù)常常存在冗余、失真、滯后等問(wèn)題，導(dǎo)致風(fēng)險(xiǎn)評(píng)估失準(zhǔn)、產(chǎn)品設(shè)計(jì)脫節(jié)，無(wú)法為實(shí)體經(jīng)濟(jì)提供精準(zhǔn)適配的金融服務(wù)。同時(shí)，各部門數(shù)據(jù)開放共享和開發(fā)利用存在壁壘，形成“數(shù)據(jù)孤島”，嚴(yán)重影響模型的訓(xùn)練效果與輸出穩(wěn)定性。[23]第三，部分企業(yè)在獲取用戶數(shù)據(jù)過(guò)程中缺乏透明度，數(shù)據(jù)來(lái)源合法性和授權(quán)機(jī)制不清晰，造成“垃圾進(jìn)、垃圾出\"(GarbageIn，GarbageOut)的系統(tǒng)風(fēng)險(xiǎn)，引發(fā)數(shù)據(jù)合規(guī)問(wèn)題，降低AI在服務(wù)實(shí)體經(jīng)濟(jì)環(huán)節(jié)的輸出質(zhì)量。同時(shí)，金融數(shù)據(jù)對(duì)時(shí)效性要求極高，模型頻繁使用過(guò)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)，會(huì)進(jìn)一步削弱金融機(jī)構(gòu)專業(yè)性水平。

(五)監(jiān)管科技有待完善，監(jiān)管難度逐漸加大

人工智能加速嵌入金融業(yè)務(wù)體系，在推動(dòng)金融服務(wù)智能化、精準(zhǔn)化的同時(shí)，現(xiàn)有監(jiān)管框架面臨嚴(yán)峻挑戰(zhàn)。一方面，監(jiān)管科技發(fā)展滯后于技術(shù)發(fā)展節(jié)奏，導(dǎo)致監(jiān)管規(guī)則與市場(chǎng)實(shí)踐存在脫節(jié)；另一方面，人工智能系統(tǒng)的高度復(fù)雜性與“黑箱”特征使監(jiān)管難度顯著提升，增加金融系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)概率。這是因?yàn)椋旱谝?，現(xiàn)行金融監(jiān)管制度主要以傳統(tǒng)金融業(yè)務(wù)流程為基礎(chǔ)，難以適應(yīng)人工智能系統(tǒng)高度自動(dòng)化、實(shí)時(shí)決策、跨業(yè)務(wù)融合的特征，人工智能模型通過(guò)預(yù)訓(xùn)練數(shù)據(jù)集發(fā)揮“類人決策\(yùn)"作用，可能導(dǎo)致個(gè)體邊界模糊，增加追責(zé)難度[24]，正如Anagnostopoulos的分析，監(jiān)管科技在降低監(jiān)管與合規(guī)成本、增強(qiáng)市場(chǎng)監(jiān)測(cè)能力的同時(shí)，面臨與傳統(tǒng)監(jiān)管節(jié)奏不匹配問(wèn)題，難以跟上市場(chǎng)創(chuàng)新的步伐，無(wú)法及時(shí)發(fā)現(xiàn)和防范潛在的金融風(fēng)險(xiǎn)[25]；第二，生成式人工智能等新興技術(shù)的出現(xiàn)，改變了金融服務(wù)的模式和流程，使金融交易更加復(fù)雜和隱蔽，監(jiān)管的滯后與模糊既可能因放任風(fēng)險(xiǎn)積累而威脅金融穩(wěn)定和實(shí)體經(jīng)濟(jì)安全，也會(huì)因過(guò)度謹(jǐn)慎而抑制有益的科技創(chuàng)新，阻礙金融服務(wù)實(shí)體經(jīng)濟(jì)效率的提升。

四、人工智能助推金融服務(wù)實(shí)體經(jīng)濟(jì)的實(shí)踐路徑

加快人工智能推動(dòng)金融服務(wù)實(shí)體經(jīng)濟(jì)，需打破技術(shù)瓶頸、增強(qiáng)業(yè)務(wù)適應(yīng)性、健全人才培養(yǎng)體系、完善數(shù)據(jù)安全治理、推進(jìn)監(jiān)管科技發(fā)展，探索金融服務(wù)實(shí)體經(jīng)濟(jì)規(guī)范發(fā)展的路徑。

(一)打破技術(shù)瓶頸，提升智能金融運(yùn)行效能

加強(qiáng)關(guān)鍵核心技術(shù)攻關(guān)，實(shí)現(xiàn)人機(jī)協(xié)同交互，推動(dòng)基礎(chǔ)設(shè)施全面升級(jí)，成為智能金融發(fā)展的重點(diǎn)方向。第一，以通用大模型為基礎(chǔ)，結(jié)合特定領(lǐng)域數(shù)據(jù)進(jìn)行微調(diào)，已成為提升AI金融應(yīng)用效能的關(guān)鍵路徑。應(yīng)大力推動(dòng)通用大模型技術(shù)的基礎(chǔ)研究，增強(qiáng)其邏輯推理、知識(shí)整合與多模態(tài)理解能力。加強(qiáng)金融機(jī)構(gòu)與科技企業(yè)之間的合作，增加針對(duì)金融領(lǐng)域的適配性研究投入，構(gòu)建高質(zhì)量金融行業(yè)專屬數(shù)據(jù)集（結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化文本、交易行為數(shù)據(jù)等)，對(duì)通用大模型進(jìn)行深度微調(diào)。這不僅能有效抑制“模型幻覺(jué)”，更能使其精準(zhǔn)理解金融業(yè)務(wù)的復(fù)雜邏輯和監(jiān)管要求。第二，構(gòu)建\"提示詞工程師\"專業(yè)化團(tuán)隊(duì)，驅(qū)動(dòng)因果推斷功能演進(jìn)。提示詞工程師通過(guò)與模型的持續(xù)交互和反饋參與模型迭代優(yōu)化過(guò)程，特別是在推動(dòng)模型從相關(guān)性分析向任務(wù)導(dǎo)向演進(jìn)過(guò)程中，提示詞工程師可協(xié)同業(yè)務(wù)專家構(gòu)造任務(wù)型提示詞鏈，使大模型更精準(zhǔn)地執(zhí)行諸如財(cái)務(wù)報(bào)表分析、征信畫像、信貸審批等復(fù)雜任務(wù)，降低誤判率和操作風(fēng)險(xiǎn)，實(shí)現(xiàn)低代碼甚至無(wú)代碼開發(fā)金融智能服務(wù)產(chǎn)品，縮短AI技術(shù)落地路徑。第三，加強(qiáng)數(shù)據(jù)庫(kù)建設(shè)與計(jì)算能力提升，夯實(shí)技術(shù)創(chuàng)新根基。促進(jìn)向量數(shù)據(jù)庫(kù)和天空計(jì)算的應(yīng)用是支撐復(fù)雜模型實(shí)時(shí)、精準(zhǔn)服務(wù)實(shí)體經(jīng)濟(jì)的基礎(chǔ)保障，應(yīng)加強(qiáng)金融機(jī)構(gòu)和科技企業(yè)的協(xié)同投入，建設(shè)高性能計(jì)算集群以及專用AI芯片，為金融協(xié)同創(chuàng)新提供堅(jiān)實(shí)的“技術(shù)底座”。

(二)增強(qiáng)業(yè)務(wù)適應(yīng)性，推動(dòng)應(yīng)用場(chǎng)景精細(xì)化

盡管人工智能模型在金融業(yè)務(wù)流程中展現(xiàn)出卓越的自動(dòng)化與預(yù)測(cè)能力，但當(dāng)前模型的泛化能力仍難以完全匹配現(xiàn)實(shí)場(chǎng)景的動(dòng)態(tài)需求。因此，要從業(yè)務(wù)實(shí)際出發(fā)，圍繞差異建模、運(yùn)行管理與動(dòng)態(tài)優(yōu)化三個(gè)層面，構(gòu)建“可用、可控、可調(diào)”的適應(yīng)性提升機(jī)制。

第一，通用模型難以兼顧所有任務(wù)，應(yīng)基于不同業(yè)務(wù)特點(diǎn)構(gòu)建差異化模型子系統(tǒng)。小微企業(yè)信貸應(yīng)側(cè)重現(xiàn)金流與非結(jié)構(gòu)化信息建模，財(cái)富管理則需融合客戶風(fēng)險(xiǎn)偏好與生命周期資產(chǎn)配置策略。在模型訓(xùn)練階段，要結(jié)合業(yè)務(wù)自標(biāo)構(gòu)建專屬樣本集與規(guī)則庫(kù)，開展任務(wù)導(dǎo)向的場(chǎng)景微調(diào)與專家驗(yàn)證，避免“一模多用\"帶來(lái)的同質(zhì)性問(wèn)題。第二，針對(duì)初創(chuàng)企業(yè)等主體歷史數(shù)據(jù)匱乏、經(jīng)營(yíng)模式新穎的特點(diǎn)，AI模型在非常規(guī)市場(chǎng)環(huán)境下易產(chǎn)生評(píng)估偏差，可能導(dǎo)致有潛力的創(chuàng)新項(xiàng)目錯(cuò)失融資機(jī)會(huì)或承受過(guò)高融資成本。為此，需在高風(fēng)險(xiǎn)決策環(huán)節(jié)嵌人人工專家審核機(jī)制，實(shí)現(xiàn)人機(jī)協(xié)同。設(shè)定置信度閾值，當(dāng)模型評(píng)估結(jié)果波動(dòng)較大時(shí)，自動(dòng)觸發(fā)人工復(fù)核流程，防止因模型局限性而誤判優(yōu)質(zhì)實(shí)體企業(yè)的信用狀況，提升金融資源配置效率并維護(hù)市場(chǎng)信心。第三，建立業(yè)務(wù)場(chǎng)景的全流程數(shù)據(jù)監(jiān)測(cè)機(jī)制，增加數(shù)據(jù)反饋系統(tǒng)。實(shí)時(shí)記錄模型在風(fēng)險(xiǎn)判斷和經(jīng)營(yíng)活動(dòng)等環(huán)節(jié)的表現(xiàn)數(shù)據(jù)，并結(jié)合業(yè)務(wù)人員反饋開展誤差分析，推動(dòng)訓(xùn)練樣本持續(xù)更新，形成“使用-反饋-優(yōu)化\"的閉環(huán)迭代體系，提升模型在不同場(chǎng)景下的長(zhǎng)期穩(wěn)定性和適應(yīng)力。

(三)面向金融發(fā)展需求，健全人才培養(yǎng)體系

人工智能與金融業(yè)務(wù)的深度融合，其根本目標(biāo)在于更高效、精準(zhǔn)地服務(wù)實(shí)體經(jīng)濟(jì)。這對(duì)金融科技人才的知識(shí)結(jié)構(gòu)與能力提出了全新要求一不僅要懂技術(shù)、通金融，更要深刻理解實(shí)體產(chǎn)業(yè)的運(yùn)行規(guī)律和真實(shí)痛點(diǎn)。為夯實(shí)技術(shù)落地基礎(chǔ)，應(yīng)從教育供給側(cè)、金融機(jī)構(gòu)培育與行業(yè)協(xié)同平臺(tái)三方面，構(gòu)建系統(tǒng)化、高質(zhì)量的金融科技人才培養(yǎng)體系。

第一，推動(dòng)高校設(shè)置金融科技復(fù)合專業(yè)，構(gòu)建教育端人才供給體系。在本科培養(yǎng)層次，多數(shù)高校仍將經(jīng)濟(jì)金融與計(jì)算機(jī)學(xué)科分屬不同學(xué)院，缺乏系統(tǒng)交叉的培養(yǎng)機(jī)制，應(yīng)在高等教育體系中設(shè)立“人工智能 + 金融”二級(jí)學(xué)科或跨學(xué)科專業(yè)，結(jié)合理論內(nèi)容、數(shù)據(jù)分析與金融監(jiān)管等模塊，構(gòu)建交叉課程體系；在研究生層次，可探索設(shè)立“雙導(dǎo)師制”，引導(dǎo)學(xué)生在實(shí)際項(xiàng)目中完成建模、部署與評(píng)估任務(wù)，提升跨界思維與應(yīng)用能力。第二，完善金融機(jī)構(gòu)人才復(fù)合培養(yǎng)，打通技術(shù)與業(yè)務(wù)壁壘。在金融機(jī)構(gòu)層面，推動(dòng)“前臺(tái)業(yè)務(wù) + 中臺(tái)技術(shù)”深度協(xié)同，鼓勵(lì)風(fēng)控人員掌握基礎(chǔ)應(yīng)用能力并了解行業(yè)性質(zhì)、算法工程師理解人工智能服務(wù)對(duì)象，提升跨部門協(xié)同與知識(shí)遷移能力；在人才發(fā)展路徑上，重構(gòu)傳統(tǒng)縱深發(fā)展的單一渠道，增加技能拓展型通道，激勵(lì)從業(yè)人員兼具金融判斷力與技術(shù)駕馭力。第三，打造產(chǎn)學(xué)研協(xié)同平臺(tái)，構(gòu)建行業(yè)共育生態(tài)系統(tǒng)。應(yīng)由監(jiān)管機(jī)構(gòu)牽頭、龍頭金融機(jī)構(gòu)與高校聯(lián)合組建技術(shù)經(jīng)理人研究院，緊密圍繞實(shí)體經(jīng)濟(jì)的關(guān)鍵金融訴求，形成“需求牽引-高校供給-平臺(tái)協(xié)同\"的全鏈條人才生態(tài)，推動(dòng)金融活水精準(zhǔn)灌溉實(shí)體經(jīng)濟(jì)。

（四)完善數(shù)據(jù)安全治理，建立標(biāo)準(zhǔn)評(píng)價(jià)體系

當(dāng)前金融行業(yè)面臨的數(shù)據(jù)泄露頻發(fā)、數(shù)據(jù)孤島嚴(yán)重、“數(shù)據(jù)污染”風(fēng)險(xiǎn)擴(kuò)大等問(wèn)題，既是技術(shù)隱患，也是制度短板。因此，要從數(shù)據(jù)安全防范、數(shù)據(jù)質(zhì)量保障以及數(shù)據(jù)協(xié)同治理三方面著手，扎實(shí)建設(shè)智能金融的數(shù)據(jù)服務(wù)。

第一，從制度規(guī)范與技術(shù)治理兩個(gè)維度，構(gòu)建數(shù)據(jù)全生命周期安全防護(hù)體系。在制度規(guī)范層面，應(yīng)基于數(shù)據(jù)分級(jí)分類原則，強(qiáng)化對(duì)涉及中小微企業(yè)敏感經(jīng)營(yíng)數(shù)據(jù)的識(shí)別與保護(hù)，明確各環(huán)節(jié)主體責(zé)任，跨部門數(shù)據(jù)調(diào)用必須確保服務(wù)于實(shí)體經(jīng)濟(jì)融資、風(fēng)控等領(lǐng)域，實(shí)現(xiàn)合法、必要、合規(guī)目的；在技術(shù)治理層面，應(yīng)綜合運(yùn)用多種前沿手段提升數(shù)據(jù)防護(hù)能力，保障數(shù)據(jù)在存儲(chǔ)與傳輸過(guò)程中的機(jī)密性。第二，從源頭提升數(shù)據(jù)質(zhì)量，建設(shè)高頻采集、實(shí)時(shí)更新的數(shù)據(jù)系統(tǒng)，避免使用過(guò)時(shí)數(shù)據(jù)導(dǎo)致預(yù)測(cè)失效。規(guī)范第三方數(shù)據(jù)服務(wù)采購(gòu)流程，明確數(shù)據(jù)來(lái)源的合法性與使用邊界。第三，推動(dòng)跨機(jī)構(gòu)數(shù)據(jù)協(xié)同治理，打破“數(shù)據(jù)孤島”。促進(jìn)金融信用數(shù)據(jù)、公共信用數(shù)據(jù)和商業(yè)信用數(shù)據(jù)的授權(quán)共享與安全流通，助力金融機(jī)構(gòu)穿透式理解實(shí)體企業(yè)的真實(shí)經(jīng)營(yíng)與信用狀況，破解信息不對(duì)稱問(wèn)題；探索建立金融行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)，推動(dòng)數(shù)據(jù)接口統(tǒng)一與標(biāo)準(zhǔn)化，提升整體流通效率，真正實(shí)現(xiàn)\"數(shù)據(jù)匯聚為智，智能服務(wù)實(shí)體”。

(五)推進(jìn)監(jiān)管科技發(fā)展，構(gòu)建動(dòng)態(tài)監(jiān)管格局

在人工智能技術(shù)廣泛嵌入金融服務(wù)的趨勢(shì)下，傳統(tǒng)的靜態(tài)監(jiān)管范式正面臨挑戰(zhàn)。為此，應(yīng)依托監(jiān)管科技推進(jìn)金融監(jiān)管智能化轉(zhuǎn)型，構(gòu)建實(shí)時(shí)感知、動(dòng)態(tài)響應(yīng)、可追溯的現(xiàn)代監(jiān)管格局。第一，建設(shè)穿透式監(jiān)管數(shù)據(jù)平臺(tái)。推動(dòng)監(jiān)管機(jī)構(gòu)建立涵蓋金融AI系統(tǒng)的統(tǒng)一備案平臺(tái)，前瞻識(shí)別并預(yù)警AI風(fēng)控模型可能對(duì)實(shí)體經(jīng)濟(jì)造成的非理性拒貸或過(guò)度授信風(fēng)險(xiǎn)，有效辨別算法歧視對(duì)特定行業(yè)或群體的不公平待遇。第二，推動(dòng)“合規(guī)即服務(wù)\"模式。在AI金融產(chǎn)品快速生成與迭代的過(guò)程中，模型行為與規(guī)范之間的偏離風(fēng)險(xiǎn)不斷增加。要推動(dòng)監(jiān)管機(jī)構(gòu)與金融機(jī)構(gòu)共建自動(dòng)化合規(guī)審查平臺(tái)，融合《中華人民共和國(guó)銀行業(yè)監(jiān)督管理法》《中華人民共和國(guó)個(gè)人信息保護(hù)法》《中華人民共和國(guó)數(shù)據(jù)安全法》等法規(guī)條款，對(duì)AI模型進(jìn)行可解釋性檢查。第三，建立監(jiān)管沙箱，增強(qiáng)技術(shù)包容性。結(jié)合金融科技應(yīng)用試點(diǎn)要求，積極探索“數(shù)字貨幣\"“人臉識(shí)別支付”以及“分布式數(shù)據(jù)庫(kù)\"等試點(diǎn)應(yīng)用，完善監(jiān)管沙箱實(shí)施機(jī)制，支持企業(yè)在監(jiān)管機(jī)構(gòu)設(shè)定的安全邊界下進(jìn)行模型測(cè)試與評(píng)估，實(shí)行“容錯(cuò)機(jī)制”。制定金融AI模型的可解釋性標(biāo)準(zhǔn)、風(fēng)險(xiǎn)容忍度與算法審計(jì)準(zhǔn)則[26]，為金融機(jī)構(gòu)和服務(wù)對(duì)象提供合規(guī)預(yù)期，降低創(chuàng)新帶來(lái)的不確定性風(fēng)險(xiǎn)，營(yíng)造有利于科技賦能實(shí)體經(jīng)濟(jì)的監(jiān)管環(huán)境。

五、結(jié)語(yǔ)

當(dāng)前，中國(guó)經(jīng)濟(jì)正處于結(jié)構(gòu)重塑與動(dòng)能轉(zhuǎn)換的關(guān)鍵階段，實(shí)體經(jīng)濟(jì)亟待更高效、更精準(zhǔn)、更包容的金融供給。人工智能技術(shù)的廣泛滲透，正為金融體系注入全新的運(yùn)算邏輯、決策范式與服務(wù)模式，推動(dòng)金融實(shí)現(xiàn)“懂產(chǎn)業(yè)、通數(shù)據(jù)、重效率\"的系統(tǒng)性重構(gòu)。人工智能的深度嵌入并非自動(dòng)帶來(lái)效率提升和公平普惠，它面臨數(shù)據(jù)壁壘尚存、風(fēng)險(xiǎn)識(shí)別滯后、制度保障缺位等現(xiàn)實(shí)瓶頸。特別是在推動(dòng)金融服務(wù)實(shí)體經(jīng)濟(jì)的關(guān)鍵環(huán)節(jié)，仍存在資源錯(cuò)配、機(jī)制脫節(jié)、供需錯(cuò)位等結(jié)構(gòu)性問(wèn)題。要破解這些瓶頸，必須跳出“技術(shù)看技術(shù)”的局限，從全局謀劃制度保障、生態(tài)協(xié)同與場(chǎng)景牽引。

構(gòu)建面向高質(zhì)量發(fā)展的智能金融體系，關(guān)鍵在于實(shí)現(xiàn)三重躍升：一是從功能驅(qū)動(dòng)到價(jià)值導(dǎo)向的躍升，以“看得懂企業(yè)、算得清風(fēng)險(xiǎn)、投得準(zhǔn)項(xiàng)目\"為目標(biāo)，增強(qiáng)金融服務(wù)的主動(dòng)性和適配性；二是從技術(shù)迭代到制度護(hù)航的躍升，推動(dòng)算法審計(jì)、數(shù)據(jù)治理和倫理規(guī)范協(xié)同演進(jìn)，筑牢智能化金融發(fā)展的底線；三是從單點(diǎn)突破到系統(tǒng)躍遷的躍升，鼓勵(lì)多層級(jí)金融機(jī)構(gòu)聯(lián)動(dòng)實(shí)體產(chǎn)業(yè)，打造以場(chǎng)景為牽引、以數(shù)據(jù)為資產(chǎn)、以智能為紐帶的服務(wù)閉環(huán)。智能金融從工具創(chuàng)新邁向體系重構(gòu)，在服務(wù)國(guó)家戰(zhàn)略、激活新質(zhì)生產(chǎn)力中發(fā)揮支撐作用，形成金融服務(wù)與科技創(chuàng)新“合力”，為推動(dòng)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展注入持久動(dòng)能。

注釋：

(1)數(shù)據(jù)來(lái)源于國(guó)家數(shù)據(jù)局發(fā)布的《數(shù)字中國(guó)發(fā)展報(bào)告（2024年）》，https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202504/t20250430_5012953.htm。

(2)“杰文斯悖論”是指當(dāng)技術(shù)進(jìn)步提高了使用資源的效率(減少任何一種使用所需的數(shù)量)，但成本降低導(dǎo)致需求增加，令資源消耗的速度不減反增。

(3)數(shù)據(jù)來(lái)源于民政部發(fā)布的《2023年民政事業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》，https://www.mca.gov.cn/n156/n2679/index.html。

(4)數(shù)據(jù)來(lái)源于新華社發(fā)布的“個(gè)人養(yǎng)老金開戶人數(shù)已超6ooo 萬(wàn)”，https://www.gov.cn/lianbo/bumen/202406/content_6956354.htm。

(5)事實(shí)性幻覺(jué)又可以分為事實(shí)不一致（與現(xiàn)實(shí)世界信息相矛盾)和事實(shí)捏造(不存在的事實(shí)，無(wú)法根據(jù)現(xiàn)實(shí)驗(yàn)證信息準(zhǔn)確性）。

(6)“提示詞工程師”是指促進(jìn)大模型更好理解用戶、與用戶的意圖對(duì)齊，通過(guò)提示詞引導(dǎo)大模型更好輸出內(nèi)容，調(diào)整模型使其輸出更符合人們的意圖。

參考文獻(xiàn)：

[1]中央金融工作會(huì)議在北京舉行[N].人民日?qǐng)?bào)，2023-11-01(1).

[2]中共中央關(guān)于進(jìn)一步全面深化改革推進(jìn)中國(guó)式現(xiàn)代化的決定[N].人民日?qǐng)?bào)，2024-07-22(1).

[3]胡俊，李強(qiáng)，劉穎琛，等.金融科技賦能與銀行貸款配置：芝麻和西瓜能一起撿嗎[J].會(huì)計(jì)研究，2024(8):86-101.

[4]丁鑫，周曄.數(shù)字化轉(zhuǎn)型與銀行信貸配置—基于銀行貸款投向?qū)嶓w經(jīng)濟(jì)的視角[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2024(3)：193-216.

[5]張駿，郭娜.銀行金融科技對(duì)實(shí)體企業(yè)融資效率的提升效應(yīng)——基于銀企關(guān)聯(lián)視角的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)與管理研究，2025(5)：37-55.

[6]廖高可，李庭輝.人工智能在金融領(lǐng)域的應(yīng)用研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2023(3)：141-158.

[7]Berg T，BurgV，GomboviA，et al.On the Rise ofFintechs:Credit Scoring Using Digital Footprints[J].The Review of Financial Studies，2020(7):2845-2897.

[8]KhandaniAE，KimAJ，Lo A W.Consumer Credit-Risk Models via Machine-Learning Algorithms[J].Journal of Banking Finance，2010(11):2767-2787.

[9]Zhang X，Han Y，Xu W，et al.HOBA:A NovelFeature Engineering Methodology for Credit CardFraud Detection with a Deep Learning Architecture[J].InformationSciences，2021，557:302-316.

[10]歐陽(yáng)日輝.生成式人工智能與金融業(yè)深度融合：理論機(jī)理及發(fā)展路徑[J].求索，2024（1)：57-65.

[11]沈坤榮，林劍威.人工智能賦能產(chǎn)業(yè)變革的機(jī)制與推進(jìn)路徑[J].經(jīng)濟(jì)縱橫，2025(1):55-65，136.

[12]肖凱元.人工智能賦能耐心資本：現(xiàn)實(shí)價(jià)值和路徑探索[J].經(jīng)濟(jì)學(xué)家，2025(3)：56-66.

[13]政府工作報(bào)告—2025年3月5日在第十四屆全國(guó)人民代表大會(huì)第三次會(huì)議上[N].人民日?qǐng)?bào)，2025-03-13(1).

[14]陳國(guó)富，丁珂.科技金融政策助力企業(yè)降低供應(yīng)鏈風(fēng)險(xiǎn)——基于“促進(jìn)科技與金融結(jié)合試點(diǎn)\"政策的實(shí)證分析[J].上海經(jīng)濟(jì)研究，2025(5)：90-104.

[15]沈坤榮，李敏.以綠色金融賦能人與自然和諧共生的中國(guó)式現(xiàn)代化[J].學(xué)習(xí)與探索，2025(1)：58-68，176.

[16]張勛，萬(wàn)廣華，張佳佳，等.數(shù)字經(jīng)濟(jì)、普惠金融與包容性增長(zhǎng)[J].經(jīng)濟(jì)研究，2019(8):71-86.

[17]周利，馮大威，易行健.數(shù)字普惠金融與城鄉(xiāng)收入差距：“數(shù)字紅利\"還是“數(shù)字鴻溝\"[J].經(jīng)濟(jì)學(xué)家，2020(5):99-108.

[18]何宗樾，宋旭光.數(shù)字金融發(fā)展如何影響居民消費(fèi)[J].財(cái)貿(mào)經(jīng)濟(jì)，2020(8):65-79.

[19]顧冬冬.數(shù)字技術(shù)賦能高質(zhì)量充分就業(yè)：作用機(jī)理與路徑選擇[J].經(jīng)濟(jì)學(xué)家，2025(4)：24-35.

[20]Huang L，Yu W，Ma W，et alA Survey on HallucinationinLarge Language ModelsPrinciples，Taxonomy，Challenges，and Open Questions[J].ACM TransactionsonInformationSystems，2025(2):1-58.

[21]戚聿東，沈天洋.人工智能賦能新質(zhì)生產(chǎn)力：邏輯、模式及路徑[J].經(jīng)濟(jì)與管理研究，2024(7)：3-17.

[22]李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業(yè)短債長(zhǎng)用[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022(10):137-154.

[23]沈坤榮，林劍威.鏈\"島\"成\"陸\"：公共數(shù)據(jù)開放的技術(shù)創(chuàng)新效應(yīng)研究[J].管理世界，2025(2):83-104.

[24]殷杰.生成式人工智能的主體性問(wèn)題[J].中國(guó)社會(huì)科學(xué)，2024(8):124-145，207.

[25]Anagnostopoulos I.Fintech and Regtech:Impact onRegulators and Banks [J].Journal of Economicsand Business，2018，100:7-25.

[26]Moharrak M，Mogaji E.Generative AI in Banking:Empirical Insights on Integration，Challenges andOpportunitiesinaRegulatedIndustry[J].International Journal ofBank Marketing，2O25(4):871-896.

（責(zé)任編輯 夏夢(mèng)麗)