意見領袖 | 新金融聯盟NFA

　　作者：李禮輝 中國銀行原行長

　　“新智能時代，數字金融創新的核心是可信任，能夠主動防范并跨越AI陷阱，讓客戶信得過，市場信得過，政府信得過。數字金融創新并非是給傳統體制、傳統流程加上數字化外套，而是從根本上改革體制，重構流程，再造底層系統。”12 月 22 日下午，在四十人高級金融學院和新金融聯盟主辦的“數智銀行家 2024 年會——數驅銀行、智領未來”上，中國銀行原行長李禮輝在主題演講時表示。

　　李禮輝強調，實現金融智能體可信任的制度性前提有三句話：一是明確金融智能體的行為邊界；二是明確金融機構管理者的決策責任；三是明確金融智能體與金融客戶的法理關系。這些問題解決了，才能確保在高度復雜的場景中達到可信任的專業水準。

　　本年會由四十人高級金融學院常務副院長、新金融聯盟秘書長吳雨珊主持。中國人民銀行科技司司長李偉、工商銀行首席技術官呂仲濤、光大銀行副行長楊兵兵也發表了精彩演講。華夏銀行原行長張健華、郵儲銀行資產負債部總經理劉麗娜主持兩場圓桌對話，共探銀行數智化突圍路徑。百余位歷屆校友、學術導師與聯盟理事參加年會并展開熱烈交流。

中國銀行原行長 李禮輝

　　“數智銀行家”培養計劃已成功舉辦了5屆，我在此深表祝賀。對于建立可信任的智能金融生態，我談幾點認識。

　　一、可信任的金融創新

　　數字社會進入新智能時代，AI前沿技術不斷刷新，我歸納了四個轉變。

　　一是從結構化（Structured-Data）到非結構化（Unstructured-Data）。以前只是結構化文本，現在的生成式AI大模型可以學習和理解非結構化數據，生成新的非結構化內容，包括文本、音頻、視頻、圖像和代碼，適應多種任務。

　　二是從單模態（Unimodal）到多模態（Multimodal）。以前只是單一文本模態，現在的GPT-4o、o1等大模型具備文本、視覺、語音多模態組合的感知、學習和交互的能力，已經突破文本交互的局限性，能夠感知、理解和模擬動態的物理世界。

　　三是從助理（AI-Assistant）到代理（AI-Agent）。以前只是AI輔助和助理，正在研發的具身智能體集成神經網絡、知識工程和控制論技術，通過遴選行業最佳流程、最佳標準的專業數據優勢和算力優勢，培育在不同場景中的感知、學習、行動和決策的代理能力，甚至可以超越一般水平的生產力。

　　四是從推斷（AI-Inference）到推理（AI-Reasoning）。以前只是AI推斷和驗證，未來依托全量數據、高維算法和超級算力的優勢，有可能形成比人類最高級智慧更廣闊的推理空間、更高深的科學猜想，成為科學發現與技術發明的新范式。

　　智能金融盡管已經得到了很好的發展，但數字金融的智能化還處在輔助+助理的早期階段，主要應用于改進產品創新和客戶服務，改進運營管理和風險管控。人們特別關注生成式AI的技術陷阱，包括AI幻覺、模型歧視、算法趨同、隱私泄露等。

　　AI幻覺是指模型生成的內容與事實不符，編造數據，虛構事件。模型歧視指模型輸出的結果出現對某些群體的集體性偏見、差評和政策限制。算法趨同指在不同機構的量化交易之類的智能金融程序中，由于算法邏輯趨同出現相同的市場趨勢預測，執行相同的市場交易策略，導致單邊化市場交易，可能引發暴漲暴跌的市場危機。因此，新智能時代，數字金融創新的核心是可信任，能夠主動防范并跨越AI陷阱，讓客戶信得過，市場信得過，政府信得過。

　　一是實現人機交互可信任的擬人化。例如，多模態的智能金融機器人具備意圖識別能力，可以動態捕捉、即時感知、正確理解客戶的語言和表情，準確判斷客戶的風險偏好和業務訴求，采用具有人性溫度的表達方式為客戶提供可信任的服務方案，解決機器服務冰冷的問題。這將顯著提升金融業的服務品質。

　　二是實現非結構化數據處理可信任的精確性。例如，應用文本、視覺、語音多模態組合技術，在健康醫療保險業務中對病歷和醫療影像進行專業水準的質檢和分類，核準健康評估，識別醫生字跡，辨別聲紋，甄別虛假理賠；在銀行前中后臺對各種票據、合同等非結構化數據進行真實性審核和自動化錄入，甄別克隆票據或虛假合同，確認財務信息百分之百正確并即時提取記賬。這將顯著提升金融業的運營效率。

　　三是實現金融智能體（Financial-Agent）可信任的專業性。例如，在市場分析、風險評估、投資顧問、財富管理、量化交易、產品定制和內部審計等專業領域，提供行業最佳流程、最佳標準的專業數據支持，培育具有自主感知、學習、行動和決策能力的金融智能體。實現金融智能體可信任的制度性前提主要是：明確金融智能體的行為邊界，明確金融機構管理者的決策責任，明確金融智能體與金融客戶的法理關系，確保在高度復雜的場景中達到可信任的專業水準。這將顯著提升金融業的專業化水平。

　　二、可信任的數據共享

　　AI大模型能力取決于參數規模、數據集品質、有效算力3大要素，適用“規模定律”。通用大模型的參數量可超過萬億量級，垂直模型的參數量可達百億量級。

　　金融是數據密集型行業，金融數據的有效價值取決于具體的真實性、充分的一致性和可靠的時效性。數據具有時間空間兩個維度足夠的延展性，才可能具備統計學的意義。一個經濟周期的數據加上最新的即期數據，才能準確反映特定行業、特定領域、特定企業的生命周期變化的趨勢。

　　我國在市場交易和公民行為領域具有數據優勢。海量的市場交易和公民行為數據是我國數字經濟、數字金融發展的寶貴資源。

　　我國的公共數據存在行政分割的問題。例如，涉及居民和企業的財務數據和行為數據，分散在金融機構、金融監管、工商管理、稅務、海關等不同的局域系統中，共享程度不高，影響數據價值的深度開發。

　　我國的非公共數據存在流通不暢的問題。例如，全國移動支付用戶超過9億，數字化支付成為主要的數據入口，但數據大戶與金融機構之間的數據關聯、數據共享尚未達成成熟的模式，數據價值未能充分發掘。

　　中央的“數據20條”制定了數據產權制度、數據要素流通和交易制度、數據要素收益分配制度、數據要素治理制度的規范。2023年8月，財政部制定了關于數據資源入表的會計準則。

　　數據的價值在于其真正成為生產要素。

　　重點之一是公共數據的開放共享，著力解決公共數據開放不足、行政分割的問題。國家建立集中統一的公共數據庫和互聯互通的公共數據應用系統，打破數據孤島。公共數據按照“原始數據不出域、數據可用不可見”的要求，以模型、核驗等產品和服務的形式向社會提供，加大供給使用范圍。

　　重點之二是個人數據和企業數據的共同使用，著力解決個人數據和企業數據保護不力、流通不暢的問題。完善個人信息保護機制，規范采集使用個人信息行為。同時創新技術手段，推動個人信息匿名化處理，保障使用個人信息數據時的信息安全和個人隱私。推進非公共數據按市場化方式“共同使用、共享收益”的新模式，支持金融機構與互聯網平臺企業、交通運輸企業、物流企業、數據分析加工企業、征信機構、行政部門、公共服務機構等“數據大戶”建立市場化的數據分享機制，為產業金融、普惠金融業務提供數據支持。

　　重點之三是建立數字資產市場，著力解決數據產權落地、數據資源配置優化的問題。數據交易和數字資產市場的交易品包括數據集、數字化資產和資產化數據。數據集和數字化資產可以在數據交易和數字資產市場中獲得認證、定價并進行交易，實現所有權或使用權的轉讓。在數據交易和數字資產市場中，認證是關鍵環節。應用區塊鏈、人工智能技術建立數字信任機制，可以建立可信的認證工具，解決數據和數字資產所有者的確權問題，實現數據可信、產權可信、授權可信、合約可信、法人可信。

　　重點之四是彌補數字鴻溝，著力解決數字經濟時代小微企業和弱勢群體數字服務獲得難、信息落差大的問題。擴大數字接入渠道，擴大數據共享范圍，提高數字服務的可得性和易用性，降低數字服務成本，讓公共數據更容易獲得、更容易理解，切實改進與平民百姓密切相關的數字服務，包括行政審批、公共服務、看病就醫、智能城市等等。

　　三、可信任的數字金融治理

　　數字金融創新并非是給傳統體制、傳統流程加上數字化外套，而是從根本上改革體制，重構流程，再造底層系統。

　　金融創新須以金融安全為前提，實現符合倫理標準的金融平等，保障符合安全標準的金融效率，營造符合經濟規律的創新模式。

　　第一，行業級垂直模型與企業級垂直模型融合發展。用海量數據預訓練行業級垂直模型并持續調優，再根據不同價值觀、不同需求調適差異化應用，定制企業級垂直模型和任務級垂直模型，可以降低模型開發的邊際成本，擴展垂直模型的應用范圍。金融業涵蓋銀行、保險、證券投資、財富管理等領域，同一領域的金融服務和金融管理的基本需求、基本原則大同小異，采用行業級和企業級垂直模型融合發展的技術路線，同時選擇適當的商業模式，有利于實現高效率、低投入、個性化的金融創新需求。

　　第二，建設安全高效的數字金融創新制度。過于嚴苛的監管可能抑制創新和產業發展。可考慮的原則是“高中初小”，“高”是占領技術高地，“中”是全球領先的中國方案，“初”是有能力把風險消滅在萌芽狀態，“小”是實現風險概率和風險成本最小化。

　　這就要求加快數字金融監管創新。一是完善法律法規，明確數字金融各參與方的責任邊界，包括數字金融監管的基本原則、監管機構的職責和權限、金融機構的智能金融業務規范。二是完善一體化、穿透式的金融監管系統，共享多方監管數據，執行一致化的合規標準，覆蓋所有的金融機構，穿透不同領域的金融市場和金融業務，實現金融監管全流程智能化，降低監管成本和被監管成本。三是完善數字金融技術審核認證制度，賦予合格企業數字信任標志，完善AI模型的測試平臺、工具、標準和方法。四是完善數字金融市場風險分析和監測系統，有效管控異常交易和市場操縱。

　　(本文作者介紹：一個高質量的新金融政策研討和行業交流平臺。)