金融AI发展核心观点 - 金融AI正从试点探索迈向规模化应用，成为行业重塑的核心驱动力 [1] - 在金融AI加速推进过程中，需为AI创新设立合理、清晰的治理边界 [1] 金融AI进展的四个维度 - 资金投入层面：AI已成为金融机构战略投入的“主战场”，投入逻辑从简单的“工具采购”转变为深层次的“能力建设”，围绕算力、模型、数据、平台、智能体和业务系统改造进行系统性组合投入 [1] - 技术底座层面：AI已升级为金融机构的核心技术能力，呈现组件化、模块化、公共基础设施化特征，并全方位嵌入金融科技管理体系，为经营决策和业务提供价值 [1] - 应用规模层面：金融机构AI建设已进入“规模化价值兑现”阶段，2026年上半年银行业词元（Token）消耗从“百万级”进入“百亿级”，智能体由试点走向体系化部署，进入全方位应用 [1] - 政策层面：监管部门已出台相关文件，推动行业从“能用”走向“可管、可控、可追溯” [1] 金融机构AI推进需关注的三类风险 - 高质量数据集与专业知识资产的沉淀：算力可以购买，模型可以借鉴，但高质量的数据集无法由其他人提供 [2] - 端到端、体系化、工程化的实施能力：尤其是智能体可访问的数据、系统与操作权限，须实现有效管控与全生命周期治理 [2] - 建立有效的AI治理生态：技术是一把“双刃剑” [2] 金融AI治理路径建议 - 为金融AI创新设定清晰边界，给予“方向盘”和“红绿灯”机制，使AI在规定的跑道上探索尝试 [2] - 安全治理须建立双轨思维，既将AI纳入治理对象，也借助AI提升治理水平 [2] - 加强人在AI使用中的有效管理，人的工作重心须增加训练AI、监测AI，对AI异常进行处置、干预，包括最后复核AI的决策并承担最终决策责任 [2] - 金融行业须建立生态共治体系，AI可能带来的系统性风险包括网络安全、数据安全，还可能带来市场风险和流动性风险，单一机构不可能独立支撑、独立面对，需要全球协同和联动 [2] 金融AI与普惠金融 - AI不应成为“数字鸿沟”的新推手，而应为金融服务的普惠、公平与可得创造条件 [3]