数字金融发展现状 - 数字金融在人工智能赋能下正经历从量变到质变的飞跃，打破传统金融服务的时空限制，使服务更普惠、高效和智能 [1] - 今年以来DeepSeek的崛起实现AI平权，大部分金融机构开始接入大模型，中小金融机构也具备应用AI能力，推动银行、证券、保险等行业生态创新和效率提升 [7] - 一季度金融机构科技投入呈现差异化：银行业增速放缓但更注重投入产出比和人才建设，证券业投资强度最高（因基数较低）且更重视精打细算 [7] 技术应用与市场机遇 - 金融数据市场建设深化，金融机构探索数据空间基础设施以激活数据要素，推动流通和价值释放 [8] - 开源模型降低训练成本，MCP和A2A协议减少协议成本，金融、医疗、电商等行业将快速应用大模型与小模型配合的范式 [8] - 智能体未来市场规模可能达15万亿美元，金融大模型成为数字普惠金融的关键助推器 [8] 风险与治理挑战 - 大模型存在幻觉风险，算法黑箱可能阻碍穿透式监管和风险管理溯源，需警惕模型共振引发的顺周期系统性风险 [9] - 中小机构对大型科技公司依赖加强可能放大风险，技术平权对大小机构影响差异及消费者权益保护复杂性待研究 [9] - 需构建生成式AI金融应用治理闭环，严格执行AI算法备案制度，细化《生成式人工智能服务管理暂行办法》的金融场景实施细则 [10] 监管与生态建设方向 - 金融机构应审慎适配业务场景技术，减少对科技公司依赖，通过人机协同将大模型纳入风控机制并保留关键节点人工干预 [11] - 监管部门需包容审慎，应用创新监管工具，分级分类管理不同业务场景风险，加强监管科技建设并额外约束科技公司 [11] - 需探索智能体应用分级制度、指令数据合作生态及"AI+云"服务模式，完善行业大模型技术标准以缩小技术鸿沟 [12] 数据要素与产业融合 - 需完善数据要素权属、定价、交易等理论实践，推进数据资产入表、证券化等金融化路径 [13] - 加快构建金融行业可信数据空间，打破机构间及与监管部门的数据孤岛，平衡隐私保护与数据可用性 [13] - 推动数字经济与实体经济深度融合，落实研发费用加计扣除政策，促进传统产业转型升级，培育科技-产业-金融良性循环生态 [12]