文章核心观点 人工智能是决定未来国家实力的核心技术，其竞争集中表现为算力竞争，主要是中美之间的国家级和企业级竞争[1][13][30] 中国坚持独立自主、节约高效的发展道路，硬算力与软算力并进，通用模型与垂直模型并举，具备可持续发展的实力[1][16][19] 技术创新的价值需通过市场实现，中国拥有全球最大的制造业、服务业数字技术市场需求和应用场景，这是其主要优势[1][16][19] 构建安全高效的智能金融生态是数字经济时代的重要任务，需从金融模型、金融智能体、数据共享和AI竞争四个维度推进[2][20] 金融模型：可靠性与经济性 - AI技术正从单模态迭代至多模态，最新大模型具备文本、视觉、语音多模态组合的感知、理解、学习、模拟和交互能力，应用于金融业能创造直接商业价值[2][20] - 多模态智能金融机器人可动态捕捉、即时感知客户语言和表情，准确判断其风险偏好和业务诉求，克服机器服务冰冷的问题[3][21] DeepSeek OCR具有视觉压缩功能，可将文本token数量压缩至10%，能精确识别商业票据、征信报告和合同文本，提取关键信息[3][21] - 生成式AI的算法创新未能消解安全风险和技术缺陷，包括数据投毒、参数窃取、模型幻觉、模型歧视、算法共振、隐私泄露及解释性难题[3][21] - 智能金融创新的基石是可信任，中短期内不要求模型具备解决复杂问题的高超能力，而需统筹安全与效率，注重算法与场景的匹配[4][22] 金融模型需满足高可靠性、可解释性和经济性要求[4][22][23] - 通过海量数据预训练行业级金融模型并持续调优，再定制企业级模型，可有效降低模型开发的边际成本，提高投入产出比[5][23][24] - 智能金融创新需从根本上改革体制、重构流程、再造底层系统，监管应刚柔并济，遵循“高中初小”原则，并构建价值共生生态[5][24] 金融智能体：AI替代与法律地位 - AI技术正从助理（AI-Assistant）迭代至代理（AI-Agent），最新的具身智能体（AI-Agent）能培育在不同场景中的感知、学习、交互、行动和决策的代理能力[6][25] - 金融智能体（Financial-Agent）依托行业最佳流程和数据支持，适用于市场分析、风险评估、投资顾问、财富管理、量化交易等高价值领域，已开始在金融机构中部署并替代人类员工的部分岗位[7][26] - AI替代正从劳动密集型岗位延伸至知识密集型岗位，例如百度的数字信贷经理智能体撰写尽职调查报告，时长由1天减少到1小时，数据准确性超过98%[7][26] 有金融高管认为智能投资顾问可能替代60%以上的投资顾问岗位[7][26] - 深度智能化将改变金融业人力资源结构：更多经营管理岗位需匹配懂AI、懂金融的复合型人才；更多专业性、技术性岗位将被金融智能体替代；更多操作性、劳动密集型岗位将外包给数字化服务企业[7][26] - AI替代的速度和深度取决于智能体的专业性和可靠性、金融监管的评估审核以及劳动就业观念和政策的容纳[8][27] 必须加快制度创新，明确金融智能体的法律地位、行为边界、与客户的法理关系以及管理者的决策责任，并建立评估审核制度[9][27] 数据共享：数量与质量 - 金融是数据密集型行业，数据的质量和数量决定智能金融的实际能力，数据环境是最重要的智能金融生态环境[10][28] - 当前数据共享存在三大短板：公共数据局部行政分割；非公共数据（如超过9亿移动支付用户产生的数据）流通不畅；行为数据集开发应用不足[10][28] - 公共数据开放共享需着力解决行政分割问题，按照“原始数据不出域、数据可用不可见”要求，以模型、核验等形式提供，政府应建立数据平台打破数据孤岛，如浙江、福建、深圳等地已采取行动[11][29] - 非公共数据共同使用需着力解决流通不畅问题，通过创新技术手段推动私密信息匿名化，并推进按市场化方式“共同使用、共享收益”的新模式，支持金融机构与各类“数据大户”建立市场化数据分享机制[11][29] - 需建设专业化的数据集数据库，从五个相互关联的维度（足够数量、结构完整、质量达标、统计准确、专业细分）建设产业数字金融数据库，并建立集中统一、互联互通的数据应用系统[12][30] 一家互联网大厂正策划牵头兴建金融业一体化数据库[12][30] AI竞争：硬实力与软算力 - 据非权威数据，2024年底中国算力规模约占全球的26%，美国约占37%[1][14][19] 美国启动“星际之门”计划，未来4年计划投资5000亿美元用于AI基础设施建设[1][14][19] 中国选择硬算力软算力并行，投资1万亿元用于AI基础设施建设[1][14][19] - 2024年12月26日，深度求索发布并开源DeepSeek-V3，通过算法创新显著节约资源、提升有效算力[14][31] 测试证明其与OpenAI的GPT-4o性能不分伯仲，但训练成本远低于后者[14][31] DeepSeek V3.2通过引入稀疏注意力（DSA）机制，使API价格降低50%以上[14][31] - 美国对中国封锁高端芯片和光刻机技术，制裁中国先进企业，并将DeepSeek模型定义为“对手AI（adversary AI）”，企图构建去中国化的AI围城[16][32] - 在AI领域，美国的主要优势在于全球领先的高端芯片核心技术，而中国的主要优势在于全球最大的制造业、服务业数字技术市场需求和应用场景[16][32] - 开源模式有利于AI普惠，例如阿里开源的Qwen3-Omni模型具备原生多模态能力，支持119种文本语言、19种语音输入语言、10种语音输出语言，其能力可与Google的Gemini2.5 Pro媲美[17][34] 但需注意外国软件开源潜在的技术系统绑定和断桥风险[17][34]