專訪清華周道許：AI于金融是一把“雙刃劍”，如何握住劍柄？

圖片來源：攝圖網

全文共3635字，閱讀全文約需8分鐘

“放”不是放任，“管”不是管死。監管的目標是營造一個“鼓勵創新、包容審慎、底線明晰”的發展環境。

本文首發于21金融圈未經授權 不得轉載

作者 |唐婧

編輯 |曾芳

排版|黃玥

當前，人工智能正以前所未有的廣度與深度，重塑金融行業的生態與邏輯。從風險定價到普惠信貸，從智能監管到生態構建，AI在賦能金融提質增效的同時，也帶來了算法黑箱、數據鴻溝與新型系統性風險等深刻挑戰。

2025年8月，國務院發布《關于深入實施“人工智能+”行動的意見》，明確指出要大力推進人工智能的規?；?、商業化應用，推動其與金融等重點領域深度融合。2025年12月召開的中央經濟工作會議又提出，要深化拓展“人工智能+”，并完善相關治理。而金融作為數據密集型行業，正是這一戰略部署的關鍵落點。

在此背景下，金融業與人工智能將碰撞出怎樣的火花？其發展的未來空間與治理邊界何在？圍繞上述問題，21世紀經濟報道記者專訪了清華大學五道口金融學院金融安全研究中心主任、北京市“十五五”規劃專家咨詢委員會專家周道許。

周道許認為，AI在金融領域的應用遠未觸達天花板，其角色正從輔助工具向協同乃至自主決策演進，并將推動行業從“經驗驅動”邁向“數據驅動+算法驅動”的新范式。正如開車需要交通規則，“AI+金融”的發展也需要清晰、靈活、前瞻的監管框架。

清華大學五道口金融學院金融安全研究中心主任、北京市“十五五”規劃專家咨詢委員會專家周道許

以治理促發展，為“AI+金融”鋪設更穩健的跑道

《21世紀》：中央經濟工作會議連續四年提到人工智能，今年的提法是要深化拓展“人工智能+”，并完善相關治理。在您看來，金融業的人工智能治理具體應從哪些方面展開？

周道許：AI已從技術探索階段進入系統性融合與規范發展的新周期。金融業作為數據與科技雙密集型行業，其AI治理應圍繞“可控、可信、可持續”展開。具體而言，可以從幾個關鍵維度著手。

首要任務是構建“算法合規與透明”機制。AI決策不應成為“黑箱”，尤其在信貸審批、風險評估、投資建議等環節，需建立算法備案、解釋性說明與第三方審計制度。事實上，自2024年起，我國已在部分金融機構試點“算法說明書”制度，要求關鍵AI模型具備可追溯、可解釋、可驗證的特征。

其次是數據治理與隱私保護。AI的效能依賴高質量數據，但數據濫用、泄露、歧視性使用等問題也相伴而生。這要求我們嚴格執行數據安全法和個人信息保護法，推動金融數據分類分級、授權使用與脫敏處理，并積極探索“數據可用不可見”的隱私計算技術在金融場景的落地。

再者，需要建立一套動態的風險監測體系。AI可能引發模型同質化導致的順周期行為、輿情驅動下的算法共振等新型系統性風險。我們建議，監管機構與金融機構可共建“AI風險儀表盤”，以實時監測模型偏差、數據漂移、異常決策等關鍵風險指標。

最后，倫理規范與責任認定的完善至關重要。當AI決策造成損失時，責任主體如何界定？應推動建立“人類最終負責”的基本原則，明確AI開發、部署、使用各方的法律責任，并探索制定金融AI倫理指南，從源頭上防止算法歧視與公平缺失等問題。

總而言之，治理不是限制發展，而是為“AI+金融”鋪設更穩健的跑道。我們的理念正在從“先發展后治理”轉向“邊發展邊治理”，甚至是“以治理促發展”。

《21世紀》：目前AI主要應用于金融行業優化流程和對外服務，其作用仍是輔助性的，尚無法取代人的決策。展望未來，您認為AI在金融業的應用還有哪些空間和潛力？

周道許：AI在金融領域的應用遠未觸達天花板。當前其角色確實是“輔助”，但未來將逐步走向“協同”甚至“自主”。這種演進可能會在幾個方向上打開新的空間。

一個方向是從“流程優化”走向“決策重構”。目前AI多在客服、核保、反洗錢等流程環節發力，未來則可能在投研、資產配置、信貸定價等核心決策中扮演更關鍵角色。例如，基于多模態大模型的“金融大腦”，能夠整合宏觀經濟、行業動態、企業輿情等多源信息，為投資決策提供全天候、多維度的智能支持。

另一個方向是從“單點應用”走向“生態協同”。AI將推動金融與產業、政務、社會數據的深度融合，構建“場景金融智能體”。比如，基于AI的供應鏈金融平臺可以實時分析產業鏈上下游企業的經營數據，自動觸發授信、放款、風控流程，從而實現金融活水的精準滴灌。

還有一個重要方向是從“被動響應”走向“主動預見”。AI在風險預警、欺詐識別、市場波動預測等方面已展現優勢，未來將進一步實現“提前干預”。例如，利用時序預測模型和復雜網絡分析，系統有望提前數周識別區域性金融風險的傳導路徑，為監管部門提供寶貴的決策預演時間。

金融的本質是“經營風險”，而AI的核心是“理解規律”。二者的深度結合，將推動金融從“經驗驅動”邁向“數據驅動+算法驅動”的新范式。

直面新型風險，AI的深度應用需要“交通規則”

《21世紀》：從金融安全的專門視角看，AI的深度應用也為金融體系帶來了前所未有的新型風險。當下哪些安全風險是最需要警惕的？對此您有何對策？

周道許：AI如同一把“雙刃劍”，在提升效率的同時，也引入以下幾類新型風險，亟需高度警惕：

一是模型風險與算法共振。如果多家金融機構采用相似的AI模型，可能導致“集體誤判”，在極端市場環境下引發系統性踩踏。2023年某量化基金因算法同質化導致巨虧，已經敲響了警鐘。對此，應推動模型多樣性評估，鼓勵差異化算法設計，并建立“算法壓力測試”機制。

二是數據污染與對抗攻擊。AI模型依賴訓練數據，但這些數據可能被惡意注入噪聲或偽造樣本，導致模型決策失效。例如，欺詐分子利用生成式AI偽造人臉、語音、交易記錄以繞過風控系統的情況已經出現。因此，必須積極發展對抗訓練、異常檢測、動態驗證等“AI安全防御技術”。

三是倫理失范與公平缺失。算法可能放大歷史數據中存在的偏見，導致“數字歧視”，例如對某些群體授信額度普遍偏低。應當通過“公平性審計”流程，結合公平性約束算法等技術手段與多元評審機制等制度設計，雙管齊下予以應對。

此外，法律滯后帶來的“監管灰色地帶”也不容忽視。而AI的迭代速度遠超法規更新節奏，建議積極推行“監管科技（RegTech）”，利用AI來監控AI，實現實時、精準、穿透式監管，并加快出臺《人工智能法》及相關金融AI實施細則。

金融安全是國家安全的重要組成部分。在AI時代，我們必須樹立“技術安全與金融安全一體化”的理念，構筑覆蓋“技術—數據—模型—應用”的全鏈條防護體系。

《21世紀》：在兼顧AI賦能金融提質增效和風險可控的雙重目標方面，金融監管能做什么？如何在“放”與“管”之間找到平衡？

周道許：平衡“放”與“管”，本質上是平衡“創新”與“安全”。近年來，我國金融監管在鼓勵創新與防范風險方面已取得積極成效。未來，為實現創新與安全的動態統一，監管可以從以下幾個方面進一步發力。

一方面，可以深化“監管沙盒”與創新試點。在可控環境中允許金融機構測試AI新產品、新模型，監管部門同步觀察風險、積累經驗、優化規則。北京、上海、深圳等地已開展多批金融科技沙盒試點，未來應擴大范圍、深化場景，尤其在普惠金融、綠色金融、養老金融等戰略領域鼓勵探索。

另一方面，應積極發展“智能監管平臺”。利用AI技術提升監管效能，實現“以技管技”。例如，構建“全國金融AI監管數據庫”接入關鍵模型運行日志；開發“監管智能體”自動識別違規模式與風險傳導路徑；建設“跨市場風險預警系統”以打破數據孤島。

同時，實施“分級分類監管”也至關重要。根據AI應用的風險等級、影響范圍、技術成熟度，采取差異化的監管要求。對低風險AI工具（如智能客服）可采取備案制，對高風險AI系統（如自主交易模型）則需實行準入制與持續監測。

“放”不是放任，“管”不是管死。監管的目標是營造一個“鼓勵創新、包容審慎、底線明晰”的發展環境。正如開車需要交通規則，“AI+金融”的發展也需要清晰、靈活、前瞻的監管框架。

重塑課程體系，培養駕馭AI的“戰略型人才”

《21世紀》：當AI承擔越來越多分析甚至決策工作時，金融行業對人才的要求也會進一步提高。作為一名高?？蒲腥藛T，您認為高校金融人才培養路徑應該如何與時俱進、作出對應的改變？

周道許：AI不會取代金融人才，但會取代不懂AI的金融人。教育的本質是面向未來，而未來屬于那些懂金融、懂科技、更懂社會的復合型人才。因此，高校培養體系必須從“知識傳授”轉向“能力重構”。

具體而言，課程體系需率先重塑，強化“金融+科技+倫理”的三維融合。傳統金融學課程需要嵌入Python、機器學習等實用模塊，同時應開設“AI倫理”“算法治理”等前沿課程，以此培養學生科技向善的價值觀。

在這一基礎上，必須推動“產學研用”的深度融合。高校應與金融機構、科技公司、監管部門共建實驗室與實訓基地，鼓勵學生參與真實AI金融項目，從需求分析、模型構建到合規評估，進行全程實戰訓練。

而最終的目標，是注重“批判性思維與創新領導力”的培養。AI擅長執行，但人類擅長提問、批判與創造。金融教育必須加強復雜問題求解、系統思維、跨界溝通等軟技能的訓練，從而培養出能夠駕馭AI、而不僅僅是操作AI的“戰略型人才”。