AI在金融领域的价值创造与落地路径 - AI推动金融业从技术应用升维至价值创造，银行风控审核因AI介入准确率提升至90% [1] - 大模型在金融领域渗透率达35%，从大模型到智能体是AI向生产力落地的必然路径 [2] - 金融智能体是撬动金融新质生产力的有力工具，多智能体协作实现证券APP从“人找功能”到“服务找人”的转变 [1][2][8] 保险与资管行业的AI赋能 - AI推动传统保险业务流程智能化升级，从“精准定价”和“风险防范”两大核心环节赋能保险公司 [1] - 资管行业需围绕“以人为本”，运用数字化智能化手段优化投资者需求画像，挖掘新资产新价值 [3] - 资管机构需将社会资本配置与科技驱动经济升级对接，解决资金同质性与需求差异化矛盾 [3] 银行业AI应用实践与挑战 - 城商行面临净息差收窄等挑战，AI已从成本中心转变为服务、营销与价值创造的核心，成为“弯道超车”关键 [4][5] - 不同金融机构应选择适配自身的AI演进路径，从场景应用入手或构建“金融大脑” [5] - 大模型在供应链金融中智能分析合同将准确率提升至90%以上，极大提升人工审核效率 [8] 区域金融合作与科技金融发展 - 上合组织国家数字金融水平差异显著但互补空间广阔，需加强数字基础设施互联与政策协同 [5] - 京津冀地区研发投入强度高于全国平均水平，科技金融体系需深化区域政策协同与完善早期资本供给 [6] - 构建中国特色科技金融体系需发挥银行主渠道作用、完善投贷联动、畅通直接融资渠道 [3][6] AI金融的风险与治理 - 需关注大模型“幻觉”问题带来的法律风险，建立算力、算法、数据层面与人类价值观对齐的治理机制 [7] - 银行面临算法不可解释性、数据伪造及AI成为核心引擎后的系统性安全风险 [7] - AI审批贷款存在问责机制难题，业界普遍采用与传统方式结合的过渡方案，谨慎控制生成式AI应用范围 [8]