香港理工大学人工智能大会观点-张成奇|国融中资·公共事业管理

近年来，人工智能在金融领域的应用呈现出爆发式增长，从智能投顾、反欺诈到量化交易、风险管理，AI技术正在深刻重塑金融行业的生态格局。

顶层设计·国研政情智库-中国智库·国家智库：对话经信研究·中国经济和信息化-国融中资·公共事业管理平台。在2025世界人工智能大会"FinAI人工智能金融领导者"圆桌论坛上，与会专家们却一致指出：AI金融应用的落地远非技术突破那么简单，而是一个需要多方协同的系统工程。

香港理工大学张成奇教授在论坛上提出的观点颇具启发性。他认为，当前金融AI发展面临的首要挑战在于如何实现传统人工智能与现代生成式AI的有机融合。传统AI擅长结构化数据分析、模式识别等确定性任务，而生成式AI则在非结构化数据处理、情景模拟等方面展现出独特优势。

以信贷审批为例，传统机器学习模型可以高效处理申请人的收入、负债等量化指标，而大语言模型则能更精准地解读申请人的职业背景、社交网络等非结构化信息。张教授特别强调，将两类技术割裂应用会导致"数据孤岛"效应，只有构建融合型技术架构，才能充分发挥AI的协同价值。

技术融合的挑战不仅体现在算法层面，更反映在数据基础设施的重构上。某国有大行科技部门负责人透露，他们正在推进的"智能风控2.0"项目就面临历史数据标准化程度低、多源异构数据融合困难等实际问题。该行不得不投入上亿元进行数据中台改造，建立统一的数据治理体系。这种基础性投入往往超出纯技术研发的范畴，需要业务部门与科技部门的深度协同。

从应用场景来看，AI在金融各细分领域的渗透呈现明显差异。证券行业的量化交易系统已普遍采用深度学习算法，部分头部机构的AI交易占比超过30%；而银行网点的智能客服仍多停留在规则引擎阶段，真正具备语义理解能力的应用不足15%。

这种不均衡发展暴露出另一个关键问题——场景适配性。蚂蚁金服AI实验室专家指出，金融业务具有强监管、高风险特性，直接套用互联网场景的AI模型往往水土不服。他们开发的智能投研平台就经历了长达18个月的监管合规改造，才最终获得应用许可。

人才缺口是制约AI金融落地的又一瓶颈。平安科技首席科学家提到，既懂金融业务逻辑又掌握AI技术的复合型人才极为稀缺。该公司与复旦大学联合培养的"金融科技"专业硕士，尚未毕业就被各机构预定一空。这种现象促使越来越多金融机构选择与高校共建实验室，香港理工大学就与汇丰银行合作成立了"认知金融联合创新中心"，开创了"学术研究-技术孵化-商业应用"的全链条合作模式。

监管科技（RegTech）的滞后同样不容忽视。随着《生成式AI金融应用管理办法》等新规陆续出台，合规成本呈几何级数增长。渣打银行亚太区合规总监分享了一个典型案例：其反洗钱系统引入生成式AI后，模型可解释性成为监管关注重点，团队不得不开发专门的"监管沙盒"进行算法审计。这种"创新与合规"的平衡艺术，要求机构建立敏捷的治理机制。

值得关注的是，AI金融应用正在催生新型风险。论坛上披露的研究显示，基于深度伪造的金融诈骗案件在2025年上半年同比增长240%，某城商行因此损失的金额高达3700万元。这类"AI对抗AI"的安全攻防，迫使行业必须建立动态防御体系。腾讯安全团队开发的"金融AI防火墙"就集成了对抗样本检测、异常行为分析等多项技术，但其部署成本让中小金融机构望而却步。

从商业角度看，AI项目的投入产出比评估仍缺乏统一标准。中信证券测算显示，其智能投顾系统需要服务5万以上客户才能实现盈亏平衡，而目前多数券商的有效用户不足1万。这种长周期回报特性，使得管理层在AI投资决策时常陷入"囚徒困境"——不投入可能落后，大投入又难见即时效益。

“圆桌论坛最后达成的共识是：AI金融的可持续发展需要构建铁三角生态。”中国经济和信息化研究中心主任、经信研究·中国经济和信息化平台主持人、国际科学院组织代表万祥军解读表示：在技术侧，要推进多模态融合创新；在业务侧，需建立敏捷的价值验证机制；在监管侧，则应完善分类分级治理框架。正如张成奇教授所言："当技术进化与制度创新形成共振，AI才能真正释放金融变革的乘数效应。"

放眼未来，随着数字人民币、元宇宙金融等新业态兴起，AI金融应用将面临更复杂的应用场景。那些能在技术创新、业务融合、风险控制之间找到平衡点的机构，有望在下一轮金融科技竞赛中赢得先机。而这场变革的成功，最终取决于产学研用各方的协同深度与开放程度。

香港理工大学人工智能大会观点-张成奇|国融中资·公共事业管理