文 /中国人民大学财政金融学院教授、国家金融研究院副院长 何青
中国人民大学财政金融学院博士研究生 陈东尧
2024年6月20日，国家主席习近平向2024世界智能产业博览会致贺信。习近平指出，人工智能是新一轮科技革命和产业变革的重要驱动力量，将对全球经济社会发展和人类文明进步产生深远影响。随着经济社会的发展与科学技术的进步，人工智能已经被广泛应用于生产生活中的各个领域。各国纷纷将人工智能发展纳入国家战略考量，期待其为经济发展提供新的增长点。人工智能作为引领这一轮科技革命和产业变革的战略性技术，对于培育和发展新质生产力、完善现代化产业体系、增强国际竞争新优势具有重大意义。
当前，全球人工智能发展进入快车道。2022年ChatGPT的问世，向世界展现了人工智能巨大的发展潜力与应用前景。在人工智能应用的赋能下，新产业、新业态、新模式正在催生出蓬勃的经济潜能。人工智能正深刻改变社会各个领域，金融业也不例外。从构建金融强国的核心要素看，现阶段我国金融机构的投融资功能、国际金融中心的竞争力、金融监管的效能，以及金融人才的水平与金融强国相比，仍存在一定差距。如何在人工智能应用爆发式增长的新纪元中，以人工智能赋能金融高质量发展、加快建设金融强国、提升服务实体经济的质效，是一个重大课题。因此，本文将探讨人工智能在金融领域的应用及其推动金融创新的作用，揭示人工智能如何通过实际场景和技术突破引领金融行业的变革。
“人工智能+”改变金融行业经营范式
1.数据结构化。人类生活在日常感知和探索环境时，会同时接收到多个互补、融合的不同模态的感官输入，如视觉、听觉、触觉等。这种多模态的信息更符合人类理解世界的方式，然而过去由于技术限制，研究人员在数据分析上主要依赖经过筛选和简化的结构化数据，这些数据无法全面反映世界的复杂性与多样性。同时，原始数据的收集和整理往往依赖人工操作，将原始数据进行结构化所需的时间和资源极为庞大。这种低效的过程不仅限制了可供分析的数据种类，也导致研究的准确性和全面性大大受限。
随着技术的进步，这种局限正在被打破。以ChatGPT-4o为代表的大语言模型，尤其是交互型多模态大模型，支持文本、音频、图像和视频等多种模态信息的输入和输出。这些模型不仅能够实时进行“类人”的理解和反馈，还能与用户进行实时交互，从而深刻改变数据分析的传统范式。
在传统金融投研中，信息搜寻往往耗费大量时间，而多模态大语言模型的应用则可以将分析师从繁杂的信息收集整理工作中解放出来，并将精力投入到更具增值性的任务中。在这个过程中，市场对于初级研究员的需求也将减少，行业研究员不断向学者化方向转型，在大模型的帮助下寻找投资因子、完善理论框架，进一步推动了金融研究的深度与广度。在数据获取准确性与全面性不断提升、获取成本和难度显著下降的驱使下，资本市场也将逐渐从弱有效市场向半强有效市场转型。
2.零样本推理能力。大型语言模型还可以通过零样本推理响应广泛的任务请求，即无需依赖大量特定领域的标注数据进行预训练，在面对新任务或新领域时，依然可以基于其丰富的语言理解能力和广泛的知识储备进行准确的推理与判断。这一过程通常通过用户输入简短的提示词即可实现。例如，一个训练有素的专门用于生成动物图像的模型可以通过理解和组合它所看到的其他动物的特征，生成《山海经》中所描述的珍奇异兽图像。
大语言模型凭借其强大的零样本推理能力，在经济金融领域的应用日益广泛并展现出显著成效。传统经济预测模型由于依赖历史数据进行预训练与参数调节，常常受到数据滞后、数据量有限和任务定义狭窄的限制，难以及时有效地应对经济环境的快速变化或新变量的出现，进而无法对未来的市场走势或宏观经济趋势做出及时、有效的预测。而大语言模型则可以灵活应对这些挑战，无需等待大量新数据的积累，便能迅速分析当下的经济形势，提供具有前瞻性的见解。
“人工智能+”在金融行业的核心应用场景
1.智能客服。在数字化时代，客户期待获得即时、个性化、高效的服务体验，而大语言模型技术的崛起为实现这一目标提供了全新的可能性。
大语言模型出现之前，智能客服存在以下局限性。首先，传统智能客服只能对预设的问题和关键词进行反应，无法根据用户的特定需求提供个性化的回答。同时，传统智能客服无法理解与用户对话时上下文信息之间的内在联系与区别，导致人机的交互体验较差。此外，传统智能客服知识运维成本高，当产品特性、政策更新或者市场变化时，需要人工更新知识库和规则，这种依赖大量手动维护的方式不仅成本高、效率低下，而且容错率低。而大模型则能较好地解决上述问题。此外，大模型结合情绪识别技术，能够根据用户的语言表达推断其情绪状态，从而进行灵活地调整和应对，增强用户满意度和黏性。
在政策推动、市场需求增多和技术应用落地等多方位因素驱动下，中国智能客服与营销软件市场持续增长，发展空间广阔。根据第一新声研究院测算，2022—2027年中国智能客服市场将维持增长态势，2023年整体市场规模为39.4亿元，预计到2027年将达到90.7亿元，2022—2027年复合增长率达到22.6%。电商、消费零售、金融、生活服务是智能客服应用规模最大的四个行业，2023年市场应用规模占比超过整体市场70%以上。
2.智能风控。当前我国金融业态的多元化程度不断提高，金融机构之间的相互渗透加深，金融产品的结构日趋复杂化。在这样的行业背景下，提升金融监管的能力和效率对于加快构建金融强国具有积极意义。在人工智能、大数据等技术的支持下，金融监管的手段更加丰富，其质效也得到了大幅度的提升。以支付系统为例，洗钱网络通常通过复杂性金融交易规避传统的监控手段。国际清算银行（BIS）的研究表明，人工智能能够通过强大的数据分析和模式识别能力，发现异常交易和隐藏的犯罪行为，从而大大提升洗钱犯罪的监管效率和精确度。
此外，互联网大数据具有高维、稀疏、非结构化、时效性非常强的特点，金融机构通过自监督学习、异构图神经网络、长短期记忆网络等技术对互联网大数据进行剖析，赋能贷款风险识别、投后管理等业务领域。据头豹研究院测算，2022年中国智能风控行业的总收入达到545.5亿元（见图1），未来随着人工智能等技术的日益成熟和广泛应用及市场需求的持续增长，智能风控的市场规模有望在2027年达到1661.4亿元。
3.舆情监督。社交媒体的不断发展使得网络舆论环境变得更加复杂和多元化，网络信息呈现井喷式发展态势。金融市场的变化往往受到政策、市场情绪、媒体报道、网络信息等因素的影响，传统的监控手段已经无法满足对海量信息快速准确监控的需求。利用图像识别、爬虫等技术，人工智能可以从多个渠道实时收集大量的非结构化文本数据。通过自然语言处理（NLP）技术，人工智能能够理解和分析这些文本数据并对海量信息进行降噪处理，进而识别出可能在未来导致市场波动的重要驱动因素。人工智能舆情监控应用能够帮助金融机构和监管者及时捕捉潜在风险信号，进而提高对市场动态的反应速度和决策能力。
例如，“无极舆情通”作为一款专注于全媒体舆情监测分析的AI软件，通过接入百度大脑AI开放平台的情感倾向分析技术接口，实现了百万自媒体舆情信息的快速收集，实现自媒体数据覆盖率与准确性的大幅提高，帮助企业全面了解目前所处的行业现状并进行发展预测。
4.智能投顾。国际证监会组织（IOSCO）于2017年发布的《金融科技研究报告》将智能投顾定义为运用云计算、大数据、智能算法等技术，根据客户不同的投资需求、风险偏好，为其提供自动化、智能化、定制化的投资组合管理服务。以ChatGPT为例，其底层架构基于自然语言处理的Transformer模型，通过深度学习算法对大量通用领域和特定领域的数据进行训练，训练集包括金融领域的专业术语、投资策略等知识。在生成文本时，ChatGPT基于上下文信息进行连续推理，并可利用思维链（Chain-of-thought，CoT）技术，在复杂推理任务中显著提升其推理表现，并形成最终的投资建议供投资者参考。
目前，我国智能投顾市场仍处于起步阶段，与海外发达市场差距明显。未来AI赋能智能投顾已是趋势，AI嵌入金融产品将极大程度提高服务效率，增强投资者使用意愿。根据Statista数据，中国智能投顾资产管理规模持续增长，2022年中国智能投顾资管规模近1.29亿美元（见图2）。
“人工智能+”引领下的金融创新成效
从目前中国的产业结构来看，战略性新兴产业和未来产业的比重仍然较低。在这种情况下，从“存量”的角度出发，推动传统行业转型升级同样重要。人工智能金融应用正不断推动着行业变革，显著提升了服务效率和用户体验感、降低了运营成本，并在推动金融普惠方面展现了巨大的社会影响力。
1.降低运营成本和提高生产率。人工智能通过自动化流程大幅减少了人工依赖，促进内部业务协同，赋能存量业务增长，提升了金融机构的全要素生产率。2023年11月8日，人民银行发布《机器人流程自动化技术金融应用指南》，旨在指导机器人流程自动化（RPA）技术在金融领域的应用，引导金融机构合理运用RPA技术打造环节无缝衔接、信息实时交互、资源协同高效的业务处理模式，更好地支撑数字化业务快速发展。中国工商银行2023年报显示，其RPA技术应用范围已经覆盖37个业务领域。在运营管理、风险防控、客户营销等人员劳动密集、手工操作集中、重复性较多的业务领域中，RPA技术得到了深度应用。工行数字员工建设持续深化，已完成创建13个综合型数字员工及1000余个流程自动化数字员工，成功实现为员工减负赋能。
在国际金融市场上，摩根大通开发生成式人工智能模型用于分析和解读美联储公告中的政策导向。花旗集团利用生成式人工智能评估美国资本新规影响。高盛集团正着力推进多个项目以期将生成式人工智能融入业务实践，最为成熟的项目包括用英语指令编写代码、生成文档等。摩根士丹利利用机器学习识别个性化投资策略，提供“最佳行动”建议。德勤全球金融服务业团队测算，到2026年，预计各类投资银行将实现27%的效能提升，前台员工效能预计将提升27%~35%。
2.推动普惠金融与金融高质量发展。2023年10月，国务院印发《关于推进普惠金融高质量发展的实施意见》，明确了未来五年推进普惠金融高质量发展的主要目标，并提出了一系列政策举措。其中提出，支持金融机构深化运用互联网、大数据、人工智能、区块链等科技手段，实现数字化转型，打造健康的数字普惠金融生态。在此背景下，大量研究指出，金融科技创新对于缓解小微企业融资约束具有积极作用。以度小满为例，基于人工智能、金融云、区块链和物联网等底层架构，度小满搭建了金融大脑，运用情感计算、关联网络和知识图谱等技术，进行感知引擎和决策引擎运算，大数据处理能力实现日均100亿次计算，智能风控模型年均上线10万条策略，通过对征信报告的深度解读，识别出40多万维风险指标，信贷风险降低25%，RPA机器人替代信贷审核中六成以上重复性工作，无感率达99.2%。
综上所述，人工智能正在全方位重塑金融行业。通过提升服务效率、降低运营成本和推动金融普惠，人工智能不仅帮助金融机构优化了内部流程，还为更多社会群体提供了前所未有的金融服务。随着技术的不断进步，人工智能在金融行业的应用前景将更加广阔，不仅将进一步提升金融服务的智能化和自动化，还将推动整个金融行业向着更加普惠、更加高效的方向发展。
人工智能金融应用面临的挑战
1.人工智能自身的局限性。人工智能虽然在多个领域展现了强大的能力，但仍然存在一些明显的局限性。首先，生成式人工智能的核心能力是基于大量已有数据通过概率模型进行模仿和预测，因此人工智能生成的内容缺乏真正的创造力和深度思考，无法脱离已有数据的框架，无法独立产生新颖或颠覆性的观点。
其次，人工智能目前难以对生成的内容进行合理性检查或提出质疑。由此带来的一个显著问题是人工智能可能会编造出虚假内容，称为“幻觉”。这些虚假的信息可能在表面上看起来非常可信，但却缺乏事实依据。尤其是在金融、法律或医疗等高风险场景中，人工智能无法自发验证内容的正确性及可能带来的严重后果。此外，人工智能的输出往往受到源数据质量的影响。生成式人工智能通过学习大量数据，设置与调整内部参数，但如果源数据中存在偏见或错误，人工智能会将这些偏见放大，输出带有偏见的内容。这种问题使得人工智能在处理敏感问题时，可能会带来不公正或不准确的结果，影响社会公平和伦理。同时，由于生成式人工智能模型运行需要超大算力，这不仅增加了计算成本，还可能带来碳排放增加等环境问题。
最后，人工智能虽然表现出强大的交互能力，但其情感理解能力仍然无法和人类等同，这使得它在某些需要高度情感敏感性的场景中表现不足。无论是金融、教育还是医疗领域，人工智能的情感缺失使得它无法完全替代人类进行复杂的情感沟通和深度服务。
2.人工智能应用带来的风险与挑战。人工智能的广泛应用也伴随着新的风险，尤其是在金融稳定性、网络安全与隐私保护等方面。首先，人工智能应用依赖于少数几种算法，可能会加剧市场波动和顺周期性风险。例如，人工智能可能助长市场的羊群效应、流动性囤积及金融机构的挤兑。最早引发2008年金融危机并放大传染的并非规模最大的机构，而是金融网络中与其他机构联系紧密的机构。
其次，为了满足客户的多元化需求，生成式人工智能在智能投顾、普惠金融用户画像识别等场景中需要使用大量隐私数据，信息泄露风险较高。如果在使用智能投顾服务时，客户提供的数据被用于进一步的模型训练与参数微调，私人数据可能被模型记录下来，并在与其他客户的交互中被不当泄露，进而泄漏个人隐私并威胁财务安全。此外，人工智能的普及还可能带来更加复杂的网络攻击，需要加强对大型语言模型程序系统漏洞的防范。
同时，生成式人工智能自身能力的局限性也可能对客户的财产安全构成威胁。由于模型的输出具有一定的随机性，模型出现“幻觉”的可能性始终存在，并可能对用户的决策造成负面影响。此外，生成式人工智能的“技术黑箱”问题使客户无法了解智能决策背后的信息和逻辑，进而难以自行判断并完全信任其生成的内容。这种不透明性可能导致客户做出高风险决策，带来严重的安全、合规和监管风险。
未来展望与发展建议
首先，金融机构需要制定全面的发展策略，推动人工智能技术与各类金融业务的深度融合。具体策略包括构建数据驱动的决策体系、完善智能投顾与自动化资产管理功能、推动人工智能驱动的风控体系建设等。
其次，监管部门应发挥积极的引导和规范作用，制定与“人工智能+金融”相关的支持政策与监管框架，促进人工智能在金融行业的健康、有序发展。同时，有关部门还需完善政策框架和工具体系，创新金融产品和服务模式，加大财政货币政策对科技创新企业的精准支持，完善对科技型企业全生命周期的金融服务。
最后，政府还应加强与高校、研究机构的合作，推动金融科技领域的人才培养与技术创新，并积极参与全球金融科技标准的制定和推广，确保中国在全球金融科技竞争中保持领先地位，推动中国人工智能技术和金融服务的国际化布局。
展望未来，随着人工智能技术的不断突破，量子计算与人工智能、区块链技术的融合，将为金融行业带来全新的发展机遇，中国的金融科技行业将有望在全球市场中获得更强的竞争力，并持续引领未来金融科技发展的潮流。
本研究受国家自然科学基金面上项目（72473146）和中国人民大学科学研究基金项目（中央高校基本科研业务费专项资金资助）（24XNN005）
（此文刊发于《金融电子化》2024年11月上半月刊）
热门跟贴