“AI+金融”的下一站：新場景、新風險與新生態

“人工智能落到金融領域，在經歷過一段時間的探索之后，未來有哪些重點的方向？”2026年5月19日，中國社會科學院國家金融與發展實驗室副主任楊濤在首屆金融街·金城坊論壇上，提出這樣一個問題。

當AI（人工智能）、大模型、Agent（智能體）、區塊鏈、算力和數據等新技術進入金融體系后，將如何改變金融的基礎設施、服務方式、風險邊界和未來生態。中國銀行原副行長王永利、工銀科技有限公司副總經理侯志榮，中國科學院計算技術研究所副所長、處理器芯片全國重點實驗室主任陳云霽分別從各自的角度進行了分享。

重點方向

在楊濤看來，在實踐層面，人工智能對金融的影響至少體現在三個層面。第一，人工智能深刻影響金融業的基本要素，包括機構、產品和市場，因為這些要素與信息轉移密切相關。第二，人工智能會影響金融功能，包括支付結算、資金跨期配置、風險管理和信息管理。第三，人工智能改變了金融服務方式，一方面拓展金融服務范圍，另一方面提高金融供給與需求之間的精準匹配度。

對于人工智能在金融領域的未來重點方向，王永利認為，“AI+金融”的應用場景很多，“AI+支付”這一場景可能是影響更廣泛、更深刻的方向之一。區塊鏈和智能合約已經推動“交易即結算”的機制出現，而AI尤其是Agent的發展，又使得Agent之間直接交易、直接支付快速發展。當前市場上已經出現類似X402等支付協議，并派生出多種支持Agent支付的協議體系，雖然形式大同小異，但都指向Agent支付。

王永利進一步指出，Agent支付尤其需要關注跨境場景。如果只是在一國范圍內運行，自主可控或使用區塊鏈都相對可行，但跨境支付是否能使用聯盟鏈、私有鏈或某一國家、某一機構控制的鏈，還是只能依靠無國界、全球化、7×24小時運行的公鏈，是必須回答的問題。同時，鏈上支付還需要結算貨幣。比特幣、以太坊等鏈生資產由于價格劇烈波動，難以承擔真正的流通貨幣功能，更適合作為數字資產。

因此，市場逐漸轉向與法幣掛鉤的穩定幣。但王永利提出，如果穩定幣本質上是法定貨幣在鏈上的代幣，那么是否一定需要穩定幣作為中間形態，還是法定貨幣可以直接上鏈，需要進一步研究。

對于“AI+金融”過去3年的進展，侯志榮總結為三點。第一，思想啟蒙基本完成，金融從業者理解了預訓練、RAG（檢索增強生成）、Agent等概念，也知道它們可以與哪些金融場景結合。第二，技術和人才準備基本就緒，特別是在銀行業，大中型銀行已經具備一定技術能力，有些銀行建立了自己的企業級大模型體系，另一些銀行也可以借助科技公司完成場景建設。第三，業務價值初步驗證，大模型在前臺、中臺、后臺的降本增效方面發揮了作用。

但侯志榮同時指出，雖然大模型帶來了提質增效，但尚未改變商業銀行的運行邏輯、市場競爭方式和盈利模式。與移動互聯網時代相比，近3年AI對銀行業的改變還不夠大。移動互聯網改變了銀行渠道和支付方式，而目前大模型尚未讓普通客戶明顯感受到金融服務發生根本變化。

Agent編程能力的出現正在改變創業和研發組織方式。過去創辦科技企業往往需要融資和團隊，但現在一些創業者可能只需購買Token（詞元）、調用大量Agent編寫程序，就能啟動公司。這種“一人公司”或高度自動化創業模式，可能改變高科技企業早期融資的節奏，使天使輪投資進入企業的時點發生變化。

這種趨勢不僅影響軟件開發，也可能影響芯片設計。陳云霽指出，傳統芯片企業需要大量研發工程師，而他們正在研究如何讓一個人甚至沒有人也能完成芯片設計。他認為，未來大量App（移動應用程序）開發可能走向由少數人調度大量Agent完成的模式。

在算力方面，陳云霽認為，Token消耗正在以極快速度增長，并帶來巨大的算力需求。未來算力需求仍會持續上升，最終電力可能成為決定性因素。

風險與機遇

在風險方面，王永利稱，新技術出現時容易形成跟風投入。當前大量機構各自投入、本地化部署、分散建設，未來應加強專業分工、合作共享。他建議，金融領域必須進一步細化Agent的法律和監管責任邊界。

侯志榮則從金融機構角度強調，數據、算力、模型三大要素各自帶來不同挑戰。數據方面，金融業希望釋放數據價值，但隱私保護和安全要求極高，發展與安全之間矛盾突出。算力方面，除了供應鏈安全之外，還存在業務連續性風險。未來金融服務如果構建在算力運行基礎上，一旦算力出現問題，業務就可能中斷。模型方面，Agent可能出現認知邊界超出人類理解、價值判斷與人類不一致、幻覺、自我進化等風險。因此，金融機構必須使AI應用水平與生產力發展水平相適應。

陳云霽從數據、模型和算力三個角度補充風險。算力方面，中國面臨的主要是供應鏈風險。數據方面，他認為個人隱私風險非常突出，因為大模型可能比親人更了解用戶。用戶在生活、事業、學術等方面不斷向大模型提問，模型服務方理論上可以掌握大量高度個人化信息。因此，未來個人大模型是在云端運行，還是個人本地部署一個私有模型，是值得思考的問題。關于模型，人必須保持主體性，大模型、Agent或skill（技能）都應被視為工具，所有決策都需要人的確認或事先授權。

楊濤認為，新技術風險可以分為幾類：一是技術本身風險，如可解釋性、黑箱問題、AI數據投毒等；二是金融應用風險，如算法同質化是否會帶來市場波動；三是價值對齊、倫理等長期風險。

對于“AI+金融”的生態建設，王永利認為，AI、數據和數字化帶來的問題不是單個個體可以解決的，而需要社會層面重新思考。用戶使用大模型越多，模型對用戶認知越深；同時，數字化業務中大量數據由用戶行為產生，但數據所有權往往歸業務經辦方。未來當數據真正成為重要資產并產生價值時，如何平衡兩者之間的關系，是需要考慮的問題。

侯志榮認為，“AI+金融”最終要形成智能金融服務新生態，主要包括數據生態、技術生態和業務生態。數據生態方面，公域數據已相對充分，下一步關鍵在于釋放私域數據價值。技術生態方面，需要從芯片、框架、模型到應用軟件形成完整體系，也需要全國算力網等新型基礎設施。業務生態方面，金融與非金融場景的邊界、金融服務形態和金融組織形態都可能發生演變。

（作者 胡艷明）

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。

胡艷明

金融市場新聞中心資深記者 主要關注銀行、銀行理財子、央行、銀保監會、融資租賃、消費金融等金融領域。