经济学家宋清辉：AI在金融业广泛应用是大势所趋_风闻

●AI在金融业的广泛应用是大趋势，同时伴随着一系列挑战和风险。

著名经济学家 宋清辉

【沪港通锦囊】AI在金融业广泛应用是大势所趋

自“深度求索”公司今年1月20日正式发布DeepSeek-R1模型以来，内地非银行金融机构加速拥抱中国人工智能（AI ）大模型。今年春节长假后首周，国金证券、华福证券等券商相继宣布接入DeepSeek。据不完全统计，截至今年2月15日，至少有30家券商、23家基金公司、4家保险公司，以及7家期货公司披露“已经或计划接入DeepSeek”。

在我看来，金融机构对上述AI的密集部署绝非偶然，而是市场经济规律与技术发展趋势共同作用下的必然结果。作为经济学家，从经济学视角分析，这股浪潮的涌现，蕴含着降低成本、提高效率以及弥补技术短板等多重考量，或预示着AI技术将在中国金融业的高质量发展进程中扮演愈加重要的角色。

首先，AI的低训练成本，为金融机构，特别是中小型机构拥抱AI技术提供了经济可行性。传统AI模型的训练往往耗资巨大，资金实力雄厚的头部金融机构尚可承受，但对于数量庞大的中小型金融机构无疑是一笔沉重的负担，阻碍了其在AI领域的布局。AI的出现，大大降低了AI技术的门槛，使得更多金融机构能够以相对经济的方式，获取先进人工智能的赋能，从而享受技术红利，提升自身竞争力。

打造专有模型 符数据安全需要

其次，AI支持本地化部署，亦契合了金融机构对数据安全与专有模型的需求。金融行业是数据密集型行业，数据安全至关重要。尤其在数据合规监管日益趋严的背景下，金融机构对数据本地化存储和处理的需求日益迫切。AI支持本地化部署的特性，使得金融机构能够将大模型与本地数据深度融合，在保障数据安全的前提下，打造出更具针对性的专有模型。这种专有模型或能够更好地适应金融机构自身的业务场景和数据特点，从而更精准地赋能风险评估、客户画像、产品创新等关键环节，从而提升AI应用的有效性和安全。

提升数据分析和风险评估效率

最后，是AI在数据分析、风险评估、客户服务等金融核心业务领域的巨大潜力。AI技术在海量数据处理、智能决策支持等方面展现出不俗的能力，或能够有效提升金融机构在风险管理和价值创造方面的效率和水平。例如，在风险评估领域，AI可以利用大数据和机器学习算法，更精准地识别和预测信用风险、市场风险、操作风险等，帮助金融机构优化风险控制策略；在客户服务领域，AI可以赋能智能客服系统，提升客户服务效率和质量，降低人工成本；在数据分析领域，AI可以快速挖掘海量金融数据中的潜在规律和趋势，为投资决策、市场营销等提供有力的数据支持。

展望未来，AI大模型在金融业的广泛应用，或将为中国金融业的高质量发展注入强劲动能，并带来深刻的变革。然而，我们也必须清醒地认识到，AI在金融领域的应用并非一帆风顺，其发展也面临着诸多挑战和潜在风险。

一方面，数据安全和隐私保护仍然是AI金融应用的首要挑战。金融数据往往涉及大量的敏感信息，一旦泄露或被滥用，无疑将对金融机构和客户造成巨大损失。因此，金融机构在应用AI大模型时，必须高度重视数据安全和隐私保护，并建立完善的数据安全管理体系，同时还应严格遵守数据合规监管要求，确保数据采集、存储、使用等各个环节的安全。

监管滞后是AI金融发展瓶颈

另外，监管滞后和法律空白亦是制约AI金融健康发展的瓶颈。众所周知，当前AI技术在金融领域的应用尚处于发展初期，相关的法律法规和监管框架相对滞后，因此存在一定的监管空白。我认为，此举可能会导致一些金融机构在AI应用方面存在「监管套利」行为，或者出现新的金融风险难以有效监管。因此，监管部门需要密切关注AI技术在金融领域的应用发展动态，并及时完善监管框架，明确AI应用的合规边界和监管要求等。唯有如此，才能够为AI在金融领域的应用发展保驾护航。

AI在金融业的广泛应用是大趋势，它能够为金融业带来前所未有的发展良机，但也伴随着一系列挑战和风险，因此我们不得不未雨绸缪，提前加以应对。

作者为著名经济学家宋清辉，著有《中国韧性》。