图片来源/摄图网授权
金石开财经
■中国经济时报记者孙兆
金秋十月，北京金融街再度成为中国金融改革与科技创新思想碰撞的前沿阵地。在日前闭幕的2026金融街论坛年会上，人工智能与金融业双向互动成为焦点议题。
接受中国经济时报记者采访的业内人士表示，一方面，金融要做好产业“供血方”，构建覆盖人工智能企业全周期的融资体系，解决人工智能企业轻资产、长周期、高投入、算力耗资大的融资痛点。另一方面，人工智能落地金融业，模型黑箱、算法偏见、数据安全等风险随之显现，需要建立全生命周期治理、分类分级监管机制，为人工智能在金融场景应用划定规则边界。
破解人工智能企业融资难题
中国人民银行行长潘功胜在2026金融街论坛年会上表示，要进一步完善人工智能企业融资支持体系，聚焦核心技术创新、“人工智能+”等重点领域，提升金融对科技创新的支持强度和多元化水平。
人工智能产业具备投入大、回报周期长、算力耗资巨大的鲜明特征，大量初创人工智能企业很难依靠抵押贷款获得银行信贷支持。在此背景下，如何适配产业特点调整金融服务模式，为人工智能企业搭建全链条资金支撑体系，成为金融机构亟待破解的首要课题。
前海开源基金首席经济学家杨德龙对中国经济时报记者表示，一方面，要在投资周期上给予更长时间的支持，做耐心资本，不追求短期回报，同时在风险控制上作出相应调整，解决人工智能企业“融资难、融资贵”的痛点。另一方面，金融机构对于具备核心竞争力以及发展潜力的人工智能科技企业，要给予一定的资源倾斜，提高风险容忍度，支持人工智能企业长期发展。特别是对部分人工智能龙头企业面临高投入、短期难以形成回报的现状，要实事求是开展研判。
但仅依靠信贷投放远远不够。
招联首席经济学家、上海金融与发展实验室执行主任董希淼对中国经济时报记者表示，人工智能产业投入大、回报周期长，应理顺间接融资与直接融资的接续关系，形成股权资本、产业基金、银行、保险等接力服务的生态。早期可由股权资本承担技术甄别，成长期银行以投贷联动或算力信用贷介入，成熟期对接资本市场及资产证券化工具。同时，做好专项风险补偿和分层风险分担等安排，这可能比单纯提高不良容忍度更可持续，但也要注意避免运动式下沉。
“银行可尝试对算力采购合同、算力调用数据、知识产权和经营流水交叉验证，使技术信用转化为可定价的金融信用，类似以算力账单替代传统抵押物的探索，比如推出‘Token贷’等产品。”董希淼说。
疏通长期资本通道
长期资本是人工智能产业长周期研发的关键“活水”，但值得注意的是，当前，险资、母基金等长期资金布局人工智能赛道，仍面临不少制度堵点。如何破除机制约束，引导这类耐心资本持续流向科创前沿，意义尤为突出。
董希淼表示，保险资管和母基金具有长期资金属性，但受偿二代二期资本占用和内部短期考核约束，保险资金长期配置意愿受到一些约束。可考虑在考核上设置与项目存续期匹配的滚动评价窗口，允许长周期考核而非单一年度评价回报，并在资本回报核算中对耐心资本给予差异化权重。
“在资本结构上，可用政府引导基金与险资结构化分层过渡，由引导基金承担劣后或中间层风险，险资以优先层或夹层进入，并推进政府孵化与险资接力;在退出上健全S基金和并购基金等工具，使长期资本在项目成熟后有序让渡。这些安排能否奏效，还取决于退出可预期性和风险定价是否合理。”董希淼说。
“人工智能的发展离不开金融支持。很多人工智能企业在发展初期属于轻资产模式，缺少固定资产，难以通过抵押贷款从银行获得融资，这就需要引入风险投资予以支持，这也是人工智能与金融双向互动的重要体现。”杨德龙补充表示，人工智能项目研发周期长，对长期资金具备一定吸引力，保险资管、私募基金这类长期资本与之较为匹配。但人工智能项目本身需要具备发展潜力，只有充分发挥民营企业的领先优势，才能吸引这类长期资本投入。
筑牢风险防控安全底线
金融在为人工智能产业输血赋能的同时，人工智能技术大规模落地金融业务，也催生了全新的风险挑战。中国证券监督管理委员会副主席刘浩凌表示，人工智能赋能资本市场高质量发展，要统筹好发展和安全，既不能因技术红利漠视风险，也不能因风险止步不前。
在多重风险叠加之下，如何平衡创新发展与风险防控，成为监管制度设计的核心命题。
中央财经大学副教授刘春生对中国经济时报记者表示，要坚持包容审慎监管，避免“一刀切”;还要落实分类分级监管，对于低风险场景，可以适当放宽创新空间，而信贷、智能投顾这类高风险业务，则要严格管控。
“要落实全生命周期治理，覆盖模型从开发、上线迭代到下线的全流程，压实金融机构的主体责任。此外，要划定清晰的规则边界，既要给技术留出试错的空间，也要守住金融安全和消费者权益的底线。”刘春生说。
“制定人工智能金融规则，平衡未必是寻找创新与风控之间的静态中点。”董希淼认为，可根据业务场景重要性、应用规模、对客户影响度、模型依赖度等划分风险等级：直接面客、涉及资金定价、影响信用记录或交易执行的高风险场景，适用较严格准入、人工复核和可解释性要求;一般场景和内部赋能场景可适度放宽透明度和审批层级。同时，可用“监管沙盒”和容错机制为未知保留空间，对经批准、限定范围、充分披露的试点给予差异化风险容忍，但不宜将容错理解为对未经许可冒险的豁免。规则前置未必抑制创新，往往让可解释、可追溯、可问责的应用获得更顺畅落地通道，同时把不可追溯的黑箱应用挡在系统性重要场景之外。
总 监 制丨杨玉洋车海刚
监 制丨陈 波刘卫民
审 核丨周子勋 发 布丨申双艳
热门跟贴