4月10日，以“人工智能与金融未来”为主题的国民财富发展研究合作平台2025春季峰会在京召开。原中国银监会主席、中国证监会原主席尚福林，原中国银保监会副主席陈文辉，以及多名专家学者、行业领袖出席峰会，共同探讨AI赋能金融的创新路径与前沿趋势。

尚福林表示，当前，我国人工智能的发展态势良好，正处在加强人工智能布局、加快数字化智能化转型的历史机遇期。同时也要清醒看到，人工智能的算法“黑箱”、数据污染、模型缺陷等潜在风险问题不容忽视。特别是在金融行业应用时，应关注人工智能带来的效率提升与风险加剧的双重效应。

陈文辉指出，金融资源要更多地向AI领域倾斜，服务经济高质量发展。AI是一个全新的行业，里面有大量创新机会，业内可能更多的是一些充满幻想又充满创新精神的年轻人，他们需要钱，金融可以在这方面给予大量支持。

本次峰会还特设了“AI-FI”实验室成立仪式环节。在国家推进“人工智能+”战略的政策背景下，为推动AI在金融领域应用，由中国财富管理50人论坛学术指导，国民财富发展研究合作平台正式发起成立“AI-FI”实验室，旨在集聚“AI+金融”领域的金融机构、科技公司、科研院所等相关组织和业界专家，共同打造协同创新生态，促进金融高质量发展。

人工智能机遇与挑战并存

AI大模型以“技术奇点”重塑全球产业格局

国民财富发展研究合作平台理事长、孙冶方基金会理事长李剑阁出席峰会并发表致辞。他表示，当前，人工智能技术迅猛发展，AI大模型正以“技术奇点”之势深刻重塑全球产业格局，催生出“AI+产业”的协同创新生态，推动各行各业向智能化、生态化、绿色化方向跃迁。

对于对“AI+金融”深度融合与未来发展，李剑阁提出以下几点见解：一是紧紧抓住人工智能发展的重大战略机遇，主动谋划、把握方向、抢占先机；二是人工智能将深刻重塑金融行业生态格局，如何在推动技术创新的同时，确保金融系统的稳定与安全，需要人工智能方面的专家和金融界的专家密切合作，合力攻关；三是加大金融创新对人工智能产业发展的支持，培育壮大耐心资本，创新风险分担机制，丰富金融支持工具，探索更加灵活、多元化的融资渠道，为人工智能企业提供从初创期到成熟期全生命周期的金融服务。

在主旨演讲环节，中国财富管理50人论坛理事长、原中国银监会主席、中国证监会原主席尚福林阐述了人工智能赋能金融行业的机遇与挑战。金融业迎来人工智能行业应用的历史机遇，尚福林表示，人工智能技术的快速发展为金融智能化提供了技术支撑，实体经济的数字化转型是智能化金融发展的基础，提高服务实体经济的质效是金融业智能化发展的动力。

谈及人工智能对金融行业的影响，尚福林指出，人工智能可以增强交互体验、全面分析“画像”，通过动态风险评估替代静态抵押，实现风险评估从“静态指标”向“动态画像”的转变。同时，他进一步补充道：“人工智能正在改变传统物理服务模式，对依托密集的物理网点和客户经理的中小银行冲击最大。对银行今后的整个服务体系和服务结构会产生重要的影响，对这方面的影响还需要进一步地深入研究。”

人工智能应用提高效率的同时也会加剧风险。对此，尚福林指出，我国正处在加强人工智能布局、加快数字化智能化转型的历史机遇期，同时也要清醒看到，人工智能的算法“黑箱”、数据污染、模型缺陷等潜在风险问题不容忽视。面对这一问题，一方面，在技术上强化垂直领域的专业性，在技术基座基础上针对金融行业特点进行精细训练，对生成内容及时进行交叉验证，提升模型的准确性和可靠性；另一方面，监管机构应密切关注人工智能技术在金融领域的应用动态，增强对智能算法风险的穿透式分析能力，健全智能算法的规则制度，提升算法可解释性、透明性、公平性和安全性。

当天下午，中国财富管理50人论坛副理事长、原中国银保监会副主席陈文辉发表题为“积极迎接金融的AI时刻”的开场致辞。他表示，数字化浪潮已给并将继续给经济社会带来全方位的改造，不仅是对一些比较散的、小的行业有冲击，对于一些非常大的行业、非常传统的行业，可能也有着非常大的改造，而且有的改造可能是颠覆性的。

陈文辉进一步表示，AI技术的指数级提升，是数字化浪潮给经济社会带来新一轮改造的核心动力。“AI技术给经济社会带来的全方位改造，也是指数级的重塑与跃迁。AI的出现对于整个经济社会的改造不是一个简简单单的“+”概念，而是指数级的变化。”

此外，陈文辉指出，金融业正在进入AI时刻。一是AI技术正在金融业得到广泛应用，更多的是以内部赋能为主；二是AI技术在金融业的应用正在加速；三是2025年将是AI在金融业应用的转折之年；四是AI（特别是大模型）可能是各类金融机构实现质变提升的重要机会，因为DeepSeek在技术上的革新，使得它由少数机构专属转向普惠化生态共建；五是AI的全面应用是决定金融业生死存亡的关键之举，也是关键时刻。

对于金融业如何拥抱AI，陈文辉给出以下几点建议：一是要充分树立数字化转型的战略，数字化战略一定是一个一把手工程，树立全员的数字化意识；二是加大AI人才的培养和使用，需要更多具有AI技术背景的专业人才进入行业，甚至担当主要负责人角色；三是高度关注AI运用可能带来的风险，包括AI幻觉的风险、算法歧视等，需高度关注和密切跟踪；四是金融资源要更多地向AI领域倾斜，服务经济高质量发展。

从章鱼的神经元到人工智能

代理式人工智能浪潮或将来临

中国工程院院士、鹏城实验室主任、北京大学博雅讲席教授高文从专业角度分享了目前人工智能的前沿变化。在演讲的开始他便指出：“人工智能几乎每天都有变化。”

着眼于深度神经网络的发展，高文表示：“深度神经网络的基础模型非常简单，就是章鱼的神经元，然后把它数学化、数字化、可计算化的结果。”深度神经网络到现在为止有三个比较重要的里程碑，2006年到现在，我们已经几乎完成了两次浪潮，可能正在开始步入第三次浪潮。

对此，高文阐释道：“第一次浪潮叫做判别式人工智能，……判别式人工智能的本质是一个分类器设计，如果去做语音分类就可以得到语音识别系统，图像分类就是图像识别系统，视频分类就是视频理解系统，文字分类就是机器翻译，它就是一个分类器。”

“第二次浪潮是我们今天正在经历的大语言模型，即生成式人工智能。判别式人工智能和生成式人工智能基本原理是不一样的，判别式人工智能是一个分类器，生成式人工智能要做的是预测器，它要预测下一个是什么，和算命差不多，生成式人工智能其实就是一个‘算命大仙儿’。只是这个‘大仙儿’不是拍脑袋决定，而是用以往的历史数据训练后进行预测。”

高文指出，现在生成式人工智能还在火热更新中，更新的更多是顶层架构怎么组织，从今年春节前后到现在几乎每天都有变化。“DeepSeek几乎改变了生成式人工智能的生态，一是因为选择了开源，二是因为把性能做到了极致。……DeepSeek成功的很大一个原因是因为背后有金融在做后盾。”

对于众人关心的下一次浪潮，高文表示，下一次浪潮大概率是代理式人工智能或者叫助理式人工智能，谷歌日前前瞻性地布局了Agent2Agent交互协议。“当然还会有下一次物理AI，现在要想生成的东西更有立体感、更有真实感，物理模型一定要对。”

最后，高文总结道：“我们现在正处在人工智能比较关键的一个时期。以前我们说互联网包括人工智能是一个技术，但是目前人工智能是一个时代，你一定要拥抱这个时代。在拥抱时代的同时，一定要把自己的认知调整到一定的高度，这样对未来才会有好处。人工智能创业者需要更多金融对技术进行宽松扶持，这样中国的人工智能就有戏了。”

银行机构纷纷布局AI大模型应用

行业共建、共治推动“AI+金融”发展

具体到金融机构对于人工智能的应用方面，多家银行机构相关负责人探讨了对人工智能的见解，并介绍了各行的实践与应用情况。

中国工商银行首席技术官吕仲涛表示，在大模型出来之前，工商银行已经建立了企业级人工智能的技术体系。大模型出来之后，工商银行建成了全栈自主可控的工银金融大模型技术平台体系，支撑大小模型协同应用。其中，应用推理部署上，部署了2000多个大小模型协同的矩阵，服务不同的应用场景。业务应用上，已经赋能20多个业务领域，落地了200多个场景。

在实践探索中，工商银行深化对DeepSeek这样的基础大模型的应用认识，对部分应用场景可以直接利用DeepSeek模型+外挂知识库应用范式实现比原来用其他模型效果确实有提升，例如智能量化策略生成，可借助DeepSeek量化经验和代码能力，自动生成更全面、逻辑更严密的策略代码。

中国银行首席信息官孟茜指出，中国银行按照通用能力筑基、垂直场景深耕、前沿技术突破的思路，已经构建起了涵盖机器学习、专有的小模型和大模型三层的人工智能应用体系。中行在总分行已经落地了员工合规问答、智能研发、智能办公、智能风控、智能营销等诸多领域有数十个场景。

对于银行业如何拥抱人工智能，孟茜提出三个“共治”和三个“协同”：算力基础的共治、行业模型的共治、数据行业集的共治，场景和技术的协同、业务和科技的协同、组织和技术的协同。未来的金融从业者或将转型为AI训练师与策略的指挥官，需要掌握数据解读、模型调优以及伦理审查等复合的技能，由行业专家去处理更加复杂和情感类的任务，实现人与智能的优势互补。

浦发银行副行长丁蔚介绍称，浦发银行从战略、技术、应用三大层面发力，推出了全行的数字化转型策略，今年已经在智慧营销、智慧风控、智能服务、高效运营、精准管理，这五大领域启动了十项应用工程。 同时，浦发银行将人工智能能力纳入到企业级架构的顶层设计中，布局构建起领先的大小模型融合的一站式模型服务平台和应用体系平台。

对于大模型在银行业的应用出现的问题，招商银行首席信息官周天虹提出以下几项应对措施：一是使用大语言模型主要是用开源模型，开源模型的引入过程一定是要有管理的；二是大语言模型引入以后要在一个具体的领域发挥作用，通常是要进行后训练，对于大语言模型后训练必须要建立规范的流程，要有相应的系统、平台来进行管理；三是对于大模型生成的内容都要进行监督，一个是用算法监督，一个是用人工监督，首先要把算法监督这个工作要做深做实，另外在关键的业务环节人是不能缺位的。