近年來，金融科技的發展對經濟社會的發展產生了深刻影響。今年10月30日至31日，中央金融工作會議在北京舉行。會議首次提出，加快建設金融強國。此外，會議還提出，做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。金融科技的創新和應用也面臨著新的機遇與挑戰。

在此背景下，未來金融科技應用場景有哪些值得重點關注？數據資產將為金融業帶來哪些想象空間？金融業又該如何擁抱新技術潮流？近日，由成都市錦江區人民政府主辦的12345產業建圈強鏈“蓉易見”系列活動金融科技專場在成都舉行。《每日經濟新聞》記者對參加此次活動的國家金融與發展實驗室副主任、研究員、博士生導師楊濤進行了專訪，他從多個角度分享了對于這些問題的看法。

對于時下熱門的人工智能大模型，楊濤認為，金融業擁抱AI大模型，首先要明確AI大模型的定位和服務，應避免對其“短期高估”和“長期低估”。在他看來，“短期高估”容易導致一哄而上、盲目跟風；如果“長期低估”，則可能會錯失發展機會。

金融科技應用場景在三個方向具有較大潛力

今年10月30日至31日，中央金融工作會議在北京舉行。會議首次提出，加快建設金融強國。楊濤認為，隨著“加快建設金融強國”的提出，金融功能、要素和市場被寄予了更高的發展要求，需要不斷地通過創新來適應經濟社會發展的內生需求。

他表示，數字化正在促使有限的經濟資源從效率相對較低的領域向效率較高的領域轉移。新的發展形勢下，需要抓住金融科技的核心元素，使之適應國家政策趨勢以及經濟社會發展內在規律，同時形成可持續的商業模式，保障好風險底線，這將成為未來金融發展的重點。

NBD：您認為，在當前的發展趨勢下，金融科技未來在哪些應用場景中可能會具有比較大的價值和潛力？

楊濤：金融科技的應用場景很多，其中有三個方向值得重點關注。

一是關注金融機構。幾乎所有的金融子行業都在積極地擁抱數字化和金融科技，因為這是適應競爭環境的必然選擇。其中，銀行業作為最前沿的一個子行業，擁有豐富的資源和場景，具有很大的應用金融科技的空間和需求。其他金融子行業，如證券業、保險業、信托業等，也需要對標國際一流機構，不斷去提升自己的數字化和金融科技的能力。

二是關注金融業務功能。我們通常認為金融有融資、投資、支付結算、風險管理、信息管理等功能。在這些功能中，融資是最基本的需求，也催生了最多的創新，比如互聯網金融、消費金融、供應鏈金融等等，體現了金融科技的價值。

比如在投資方面，金融科技可以解決信息不對稱、不標準、不透明等問題；在風險管理方面，大數據、人工智能、云計算等技術可以幫助金融機構和客戶更好地管理風險，防范和應對網絡安全、數據隱私、道德風險等；在信息管理方面，金融科技可以解決信息不對稱、提高信息質量、提升信息效率等，這些基于信息管理的創新也具有很大的意義。

三是關注金融價值落地。央行提出的中小微、農村、綠色、供應鏈四大場景，既是中國經濟發展的重點和難點，也是金融科技重要的應用領域。

其中，中小微企業作為普惠金融的核心內容，融資需求很大，但也面臨很多困難，比如信用評估、風險控制、成本效益等，需要基于數據和技術去進行信用評估、風險管理、服務模式等方面的創新。

農村金融也有很多困境，比如信息不足、服務不便、風險不低等，這些都需要金融科技來改善，比如基于信息化、標準化、數字化打造農業產業鏈、農產品(000061)數據庫、農村金融服務等。

綠色是中國經濟優化發展的重要戰略目標，也是全球共識的重要著眼點。綠色金融需要運用金融科技來解決一些問題，比如綠色項目的標準化、信息不對稱、服務不透明等。

供應鏈金融是最高層次的產融結合，金融科技的加持可以使整個產業鏈的金融需求和金融供給融合在一起，也可以提升產業鏈的效率和安全性。

NBD：您如何看待當下國內金融科技的創新水平和國際競爭力？

楊濤：金融科技的發展受到多方面的影響，綜合來看，中國金融科技近年來快速發展，在全球體現出了一定的價值和競爭力，但在核心的競爭力和動能方面仍有不足。

從供給側的技術視角來看，中國的技術驅動型創新并不突出，因為我們的底層技術創新和應用能力還不夠強大，一些金融科技專利只是基于業務和場景的創新，而不是真正的技術創新，這方面與國際領先的國家有著較為明顯的差距。

從需求側的客戶偏好視角來看，中國的金融科技創新有一定的特色，尤其是在服務于C端的領域，比如移動支付、互聯網金融等，這些都是基于客戶需求的創新，也體現了中國金融科技的價值。但是在服務于B端的領域，比如支持產業升級、數字經濟發展等，中國的金融科技創新還有很大的空間和潛力，這也是當前我們討論金融科技創新的重點之一。

從監管和政策視角來看，金融作為一個特殊行業，既要考慮效率也要考慮安全。因此，金融科技的發展需要有合適的監管和政策的支持，無論中國還是海外，面對金融科技的新生事物，監管和政策都會出現一些波動和調整，這是正常的。我們希望未來的監管和政策能夠更加穩定、持續和平衡，更好地把握效率和安全的平衡點。

數據資產入表將為金融業帶來巨大想象空間

今年，隨著財政部印發《企業數據資源相關會計處理暫行規定》，“數據資產入表”成為市場熱議話題。楊濤認為，如果未來既能在財務上認定數據資產，又能形成行業共識資產，那么無論對于企業還是對于金融為企業提供融資創新，都將帶來巨大的想象空間。

同時，他還強調，要使數據真正成為金融業變革的核心力量，需要實現數據要素鏈、數據資產鏈與數據價值鏈“三鏈融合”。

NBD：在您看來，“數據資產入表”以及“三鏈融合”將對金融業帶來哪些影響？

楊濤：我認為，數據的融合將對金融業產生很大影響，無論是從獲得客戶的角度還是提升自身管理的角度，都有很大的發展空間，主要可以從以下幾個方面來看。

首先，我國要提升發展質量，就要推動經濟數字化轉型。企業要實現高質量發展，就要擁抱數字化，有效地管理數據，實現精細化管理，這樣既能提升自身的綜合能力，也將為金融機構提供更穩定的客戶基礎。

第二，除了管理好數據要素，企業還可以探索數據要素到數據資產的轉換，如果得到金融機構的認可，就可以利用數據資產做金融創新。比如說，我們過去基于知識產權這種無形資產做了很多質押融資的創新，那么基于數據資產也可以做更多創新。這樣可以改善金融服務企業的方式，也可以為金融機構開辟更多的業務增長空間。

第三，對于金融機構自身來說，數據治理也是很重要的。雖然金融業的數據質量和管理水平相對較高，但仍有不足。比如說，數據和業務之間的關聯性還不夠強，如何進行數據挖掘，使之有效地為業務創造價值，這就是一個重要的挑戰。如果能夠完善銀行的數據治理，就可以提升銀行的服務效率和能力。

第四，如果金融機構的數據要素可以“入表”，并且得到同業的認可，那么對于金融機構的運營也會帶來復雜的挑戰，因為會改變資產負債表的結構。當然，這一系列的變化并不是一蹴而就，還有很多障礙需要克服。

金融業擁抱AI大模型，先要明確其定位和服務

“技術解決了金融的生產方式，但另一方面我們也要充分考慮技術的安全性挑戰。”楊濤指出，對于當前大家熱議的“生成式AI大模型”，當運用到金融這樣一個垂直行業的時候，內容可信、數據安全、落地成本等問題也會撲面而來。

他認為，技術進入金融領域是關鍵環節，既要注意避免短期內高估技術帶來的影響，同時也不要在長期內低估其影響。

NBD：在當前生成式AI大模型發展階段，您認為金融業應該如何運用大模型？

楊濤：金融業想要擁抱AI大模型，首先要明確AI大模型的定位和服務。嚴格意義上看，與AI大模型相關的服務主要分為三類：第一類是底層通用的模型，目標是打造基礎設施；第二類是行業應用大模型，即在底層通用大模型的基礎上，針對行業特征構建適合該行業的大模型；第三類是具體的AI產品或應用，利用底層或通用大模型，提供具體的應用支持，目前來看，大多數玩家只具備第三類的能力。

從金融機構自身的需求出發，機構對AI大模型的態度和應用與機構本身的規模有很大關系，大中小型金融機構之間存在明顯的差異。

大型金融機構資源充足，面對這種風口，往往會投入一些資源進行探索。因為這關乎技術底層設施，如果探索失敗，也只是承擔一定的成本損失，但如果不去探索，未來可能會在這條賽道上迅速落后。所以大型金融機構的參與主要是出于中長期的戰略布局，短期內的需求并不迫切。

對于中型金融機構而言，可能有更多的想法，或者是為了提高業務經營的自動化和智能化，或者是為了尋找一些“殺手锏”的應用，快速改變業務模式。

小型金融機構可能更多是因為數字化轉型的壓力，但資源又十分有限，難以進行深入的探索，所以往往是與技術企業或大模型企業合作，作為一個合作場景共同改善數字化基礎，提升未來的競爭力。

如果再深入到具體的業務層面，我個人認為還是要降低預期，就像當初面對區塊鏈的時候，很多人以為會立刻產生顛覆性的效果，但實際上更多只是在某些方面帶來了改進。

我們要清楚，AI大模型的核心是語言和信息處理，而金融機構擁有海量的信息文本，如果利用適合這個行業特征的大模型來處理，顯然會節省大量的成本。再比如，金融機構運營注重中臺建設，核心是提高運營的自動化和智能化，這方面大模型也能發揮作用。另外，金融機構員工在面對客戶咨詢時，有時專業水平可能不夠，這時候利用大模型提供一些智能輔助，也是有價值的。

所以綜合來看，我覺得在金融這個特殊行業，目前為止AI大模型所展現出的價值主要還是集中在邊緣改善上。如果金融機構能夠與技術企業合作，共同解決一些痛點，應用程度就會更高。如果缺乏能力，可能就要降低預期。至于更長遠的價值，還需要一個過程才能實現。

NBD：您所提到的待解決的“痛點”，具體是指哪些？

楊濤：一是數據問題。沒有專業化的數據集，要想有效地進行訓練其實是很難的，這也是大家都已經認識到的問題。

二是算力問題。現在因為芯片硬件等原因，很多國內大模型受到算力上限的制約。

三是風險管控問題。AI大模型本身可能會給垂直行業帶來一些風險，比如在金融這個特殊領域的應用，必須配備專家，引入監督，針對特定的數據來進行訓練，不能隨意訓練，這是我認為最重要的風險因素。

四是監管與政策問題，這是AI大模型應用最重要的問題。因為當面對金融科技創新的時候，最擔心的是不透明、不可控，而AI大模型的核心是算法，而算法本質上是個黑箱。如何讓算法在金融領域應用的時候盡可能做到可解釋、可審計，對于未來從業者而言是個重要的挑戰。無論是供給者還是需求者，都需要客觀地看待這些挑戰和障礙。

總之，對于金融業來說，面對AI大模型這樣的新技術，既要避免“短期高估”，也要避免“長期低估”。如果“短期高估”，容易導致一哄而上、盲目跟風；如果“長期低估”，一旦產生顛覆效應，就會錯失發展機會。