2025年深圳香蜜湖金融年会核心观点 - 本届年会以“识变局，开新局——促进粤港澳大湾区科技-产业-金融良性循环”为主题，聚焦于通过科技与金融的融合推动区域发展 [1][5] - 中国人民银行原副行长李东荣指出，人工智能相关投资快速增长，已成为社会和各行业普遍关注的焦点 [1][3][5][7] 人工智能投资趋势 - 斯坦福大学《2025年人工智能指数报告》指出，过去10年，与人工智能相关的投资增长近13倍，总体呈现快速增长态势 [1][3][5][7] - 2024年，人工智能总投资额增至2,523亿美元，较2023年增长了25.5% [3][7] 智能金融发展方向 - “让金融更智能”是未来科技发展方向，体现了“十五五”时期金融高质量发展的一个重要特征，智能金融将成为“十五五”时期数字金融发展的重要方向 [3][7] - “让智能更温暖”超越了技术本身，是科技与人文的交融，旨在使金融更有温度，体现了金融为民的本质要求 [3][7] 人工智能发展的政策与产业基础 - 支持人工智能发展的各项政策措施正在陆续落地实施，为技术发展提供了政策保障 [3][7] - 2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，指出到2030年，人工智能将全面赋能高质量发展，智能经济将成为我国经济发展的重要增长极 [3][7] - 当前中国人工智能技术已具备规模应用基础 [3][7] 中国人工智能的应用优势 - 人工智能应用产品创新不断涌现 [4][8] - 中国庞大而能力齐全的制造业智能化升级，将产生丰富的数据资源和广泛的应用场景，广泛应用场景是中国的独特优势 [4][8] - 相较于其他技术先进、财力雄厚的国家，中国拥有极具试验价值的应用场景和巨大的产品市场，这成为推动人工智能快速发展、赋能各行各业的关键因素 [4][8]

会议背景与主题 - 第二届“深圳香蜜湖金融年会”于2025年12月20-21日在深圳市福田区举行 [1][4] - 年会主题为“识变局，开新局——促进粤港澳大湾区科技-产业-金融良性循环” [1][4] 智能金融的技术架构选择 - 当前主流AI架构主要有两种：集中式平台化AI架构（“+AI”模式）和深度嵌入业务的新一代智能平台（“AI+”模式） [3][6] - “+AI”模式通过API/SDK对外提供服务，为目前多数金融机构所采用 [3][6] - “AI+”模式将大模型与多智能体技术深度嵌入业务，互联网银行及部分大型银行正朝此方向演进 [3][6] - 混合架构也普遍存在 [3][6] - 无论哪种架构，都离不开四大关键能力的支撑：数字基础设施、数据资产管理体系、算法平台和模型管理 [3][6] 大模型“幻觉”问题的金融级治理 - 针对大模型“幻觉”问题，提出了综合治理思路，涵盖数据侧、技术侧以及应用与安全侧 [3][6] - 在数据侧，需确保“喂给AI靠谱的料”，通过规范流程、整合异构数据、建立动态更新机制等手段，在安全前提下促进数据流通 [3][6] - 在技术侧，要“给AI安装校验器”，具体措施包括引入奖励机制内化金融逻辑、采用检索增强生成（RAG）技术增强可靠性、利用多智能体协同进行交叉验证与风险防范 [3][6] - 在应用与安全侧，需构建监管、技术、业务三维协同的安全防线，建立动态闭环的评估体系，并完善人工监督与追溯机制，确保人类主导地位 [3][6]

会议概况 - 第二届“深圳香蜜湖金融年会”将于2025年12月20-21日在深圳市福田区举行 [1][3] - 会议主题为“识变局，开新局——促进粤港澳大湾区科技-产业-金融良性循环” [1][3] 政策动态 - 金融被定位为“人工智能+”的一个重要领域 [1][3] - 中国人民银行、国家金融监督管理总局、证监会已结合自身实际出台了专门的政策以支持智能金融发展 [1][3] 行业发展挑战 - 当前智能金融发展面临五大挑战：大模型技术风险带来的挑战、智能金融统筹发展和安全的挑战、金融消费者权益保护的挑战、监管体系和监管能力不足的挑战、行业生态培育的挑战 [3][5] 治理目标导向 - 智能金融治理有三大目标导向：筑牢安全底线以防范系统性风险、促进公平普惠以保障金融消费者权益、服务高质量发展以激发创新价值 [3][5]

港澳智能金融发展现状 - 港澳地区智能金融已覆盖银行、证券、保险、跨境金融和电子支付五个领域 [3][7] - 香港在推进人工智能应用于传统金融时，采取包括区块链在内的多层次、多架构技术融合策略，并非单纯依赖大语言模型 [3][7] 香港金融科技应用与监管实践 - 目前“大数据”仍是香港金融科技应用基础，“大模型”只是其中一环 [3][7] - 香港自2019年起已在监管中引入“大数据”分析、专家系统、机器学习等多种技术手段 [3][7] - 监管机构在核心业务中优先使用可验证、可追溯的底层真实数据，而大模型多用于辅助性、后台类工作 [3][7] 人工智能在金融业务中的应用与审慎态度 - 由于大模型存在“幻觉”风险，在金融监管及业务场景中必须对AI保持审慎态度 [3][7] - 生成式人工智能在涉及客户直接交互的前台业务中应用较为谨慎，主要集中于后台的风险管理、数据分析等支持性环节 [3][7] - 最终决策仍需由风险管理委员会及风险官结合个人经验与多维度数据进行判断，不能完全依赖模型输出 [3][7] 香港智能金融发展的核心理念 - 香港在智能金融发展上保持高度开放态度 [3][7] - 在客户端及核心业务中需要严格保证数据真实、风险可控，确保金融体系安全稳定 [3][7]

中国人工智能与智能金融发展现状与基础 - 中国人工智能技术已具备规模应用基础 其支撑因素包括政策支持力度不断加大 人工智能相关投资快速增长 应用产品创新不断涌现 以及技术和应用的成本与门槛不断降低 [1] - 金融行业的人工智能应用已取得显著进展 从技术本身 金融应用场景及金融在经济活动中的职能地位来看 当前中国智能金融的发展基础已经具备 [1] - 尽管人工智能仍存在可解释性不足和算法偏见等技术缺陷 但这些问题被视为发展中的问题 预计在“十五五”时期 智能金融将成为数字金融发展的重要方向 [1] 智能金融发展的关键路径与建议 - 需高度重视智能金融应用中的信息安全问题 认识到信息技术在提高效率的同时必然带来新的风险 [1] - 需加快智能金融的生态构建 生态建设的本质是金融更好地服务于“国之所需、民心所盼” 金融机构应夯实数字化基础 打破数据孤岛 不盲目追求“大而全” 而是通过开放、信任与合作构建生态体系 [1] - 智能金融的监管需不断适应其发展需要 应充分发挥标准的基础性和引领性作用 在国家人工智能标准体系总体框架下 持续推进金融行业人工智能应用标准体系建设 [1] - 发展智能金融需把握主动并结合实际 以为金融业务带来实质性帮助和提升为目标 具体措施包括夯实数据底座 加强合作 以及根据实际需求选择适合自身的人工智能发展道路 [1]

论坛背景与主题 - 第二十二届中国国际金融论坛于2月19日-20日在上海举行 [1][5] - 论坛主题为“数字经济时代的智能金融生态构建” [1][5] - 西班牙对外银行（BBVA）中国区总裁李蕾出席并发表演讲 [1][5] 行业趋势与宏观环境 - 数字技术正以前所未有的速度重新定义金融的边界 [3][7] - 中国正系统推进一场以服务实体经济为根本、以风险防控为基石、以制度创新为引领的深刻金融变革 [3][7] - 在金融科技治理、数据要素流通、人工智能规范化应用及数字人民币探索等领域，中国走在全球前列，为智能金融发展奠定了坚实的制度基础 [3][7] - 在“双碳”战略引领下，具有中国特色、面向世界的绿色金融体系日臻完善 [3][7] 公司（西班牙对外银行BBVA）战略与业务 - 西班牙对外银行是一家拥有超过160年历史的国际银行集团，深耕亚洲、欧洲、拉美等多国市场 [3][7] - 公司始终致力于成为连接国际资源与本地需求的协作伙伴 [3][7] - 在绿色金融方面，自2018年以来，公司已累计投放超过3000亿欧元用于可持续融资 [3][7] - 公司承诺在2025至2029年期间再投放7000亿欧元支持绿色与社会可持续项目 [3][7] - 公司愿以全球经验与本地洞察，助力中国金融的高质量发展 [4][8] - 公司计划将伊比利亚半岛百年传承的稳健经验与中国市场的深刻变革相融合，持续提升在华发展质量 [4][8] 未来展望与合作倡议 - 构建安全、智能、可持续的金融生态是共同使命 [4][8] - 期待与各方共同建设具有韧性的未来金融生态 [4][8] - 目标是为实体经济高质量发展贡献更大力量 [4][8]

文章核心观点 - 中国人民银行原副行长李东荣在第二十二届中国国际金融论坛上表示，我国人工智能技术已具备规模应用基础，金融行业人工智能应用已取得显著进展，智能金融在“十五五”时期将成为数字金融发展的重要方向 [3][6][9] - 演讲者就智能金融发展提出了四点思考，包括高度重视信息安全、加快生态构建、监管需适应发展、以及为金融业务带来实质性提升 [3][4][10][11][12][13] 我国人工智能技术发展基础 - **政策支持力度不断加大**：党和国家高度重视人工智能发展，2024年4月中共中央政治局就加强人工智能发展和监管进行集体学习，2024年8月国务院发布《关于深入实施“人工智能+”行动的意见》，提出到2030年智能经济成为重要增长极，到2035年全面步入智能经济和智能社会发展新阶段 [6][21] - **相关投资快速增长**：斯坦福大学《2025年人工智能指数报告》指出，过去十年人工智能相关投资增长近13倍，2024年全球人工智能总投资额增至2523亿美元，较2023年增长25.5% [6][21] - **应用产品创新不断涌现**：国家数据局数据显示我国人工智能专利数量占全球六成，中国信通院报告指出截至2024年三季度我国人工智能企业数量超5300家，全球占比达15%，形成完整产业体系 [6][21] - **技术成本与门槛降低**：例如DeepSeek的发布降低了各行各业应用AI的成本，同时我国人工智能开源生态发展壮大，推动技术走向普惠 [6][21] - **人才生态快速构建**：人工智能人才规模以28.7%的年复合增长率快速增长 [11][25] 金融行业人工智能应用进展 - **行业是信息化坚定推动者与受益者**：金融行业发展史是信息化驱动的进化史，从手工操作到电子化、系统集中处理，行业一直是科技创新应用的推动者和受益者 [7][22] - **行业政策持续支持**：人民银行2019年《金融科技发展规划2019-2021》将“稳步应用人工智能”作为重点任务，近年发布了《人工智能算法金融应用评价规范》等标准，2024年底七部委联合发布的《推动数字金融高质量发展行动方案》要求加快人工智能等技术规范应用 [7][22] - **行业发展基础牢固**：金融行业信息化程度高，数据资源丰富，银行业日均交易数据量已达PB级，且资金优势明显，2024年国有六大行金融科技投入总计1254.59亿元，较2023年增长2.15% [7][22] - **行业应用不断深入**：智能客服提升体验并降低成本，智能投顾提供精准服务，AI量化交易以毫秒级速度改写市场规则，智能风控提高风险防控效率和准确性，金融智能体成为新的推动力量 [7][22] 关于智能金融发展的思考 - **高度重视信息安全问题**：信息技术应用具有两面性，在提高效率的同时带来新风险，金融信息安全风险随科技发展而演变，当前需关注模型幻觉、信息污染、算法黑箱、可解释性不足、算法歧视等已知风险，更需警惕未发现或不可预知的风险（如智能手机AI权限过高查询账户余额的争议） [10][24] - **加快智能金融生态构建**：金融生态建设本质是更好服务于民（“国之所需要、民心所盼，正是金融所往”），金融机构需夯实数字化基础，打破数据孤岛，不盲目追求“大而全”，通过开放、信任、合作构建生态体系 [3][11][18][25] - **监管需适应发展需要**：监管机构坚持“技术中性”原则，努力实现“不缺位、不越位”，需着力解决算法不可解释、公平性差、黑箱等问题，推进金融应用标准制定与执行，并应用监管沙盒，在国家人工智能标准体系框架下推进金融行业人工智能应用标准体系建设 [4][12][19][26] - **为金融业务带来实质性提升**：首先需夯实数据底座，推动内部跨部门、跨领域数据合规共享，提高数据质量，统一标准，搭建数据融合平台；其次需加强金融机构与科技公司合作；最后需符合实际需求选择适合自身的发展道路，国有大行应探索行业大模型，绝大多数尤其中小金融机构应聚焦特定业务场景，从小规模起步选择合适的AI模型 [4][13][19][27]

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]

文章核心观点 - 第二届中国智能金融论坛在北京举办，主题聚焦于中国智能金融、全球地缘政治变局与金融安全 [1] - 科技创新与金融变革的深度融合被视为推动中国经济高质量发展的必由之路 [1] - 智能金融是生产要素和风险逻辑的系统性变革，需要多方协同推进 [1] - 全球地缘政治变化、国际金融体系演变以及人工智能与金融安全是论坛专题讨论的核心议题 [2][3] 全球地缘政治变局与科技金融 - 全球经济正经历动能转换和产业链重构，地缘政治变化使科技力量在国际竞争中的战略地位更加凸显 [1] - 科技资本的成长推动了金融市场规则的变革，但也带来了金融泡沫等新的风险与挑战 [1] - 当前美欧关系面临结构性裂变，大国主导格局日益凸显，面对复杂的国际局势，中方应坚持客观分析与积极应对 [2] 全球金融治理与人民币国际化 - 在当前国际金融体系中，美元体系面临高债务和政策不确定性的挑战，而人民币国际化则存在机遇 [2] - 加速人民币国际化需要进一步强化其投资货币功能 [2] - 在全球金融格局转变中，中国既是受益者也是规则推动者，应强调金融开放与风险防控并重 [2] - 中国应积极打造全球金融中心和绿色金融领先地位，同时坚持自主创新并深化国际合作以应对复杂外部环境 [2] 人工智能、智能金融与金融安全 - 人工智能的发展使网络安全与智能金融紧密相连，中国企业应积极参与全球科技治理 [2] - 人工智能与区块链技术正在深刻变革金融业，同时也带来系列风险和挑战，需要进一步完善监管机制和数据安全 [3] - 以金融为核心的智能金融，已在农业监管、医疗健康和数据运营等领域取得实践进展，有助于提升风险管理能力并维护金融稳定 [3] - 实现金融高质量发展需要协同推进技术创新、安全保障和人才培养 [3] 产学研协同与人才培养 - 智能金融的发展需要高校、政府、企业多方协同推进 [1] - 西南财经大学将依托金融科技、人工智能等交叉领域，加强平台建设与社会服务，积极参与金融安全与全球治理 [1] - 奇安信集团将深化校企合作，推动人才年轻化和产学研创新，助力智能金融与金融安全实践 [2] - 论坛期待持续汇聚青年力量和创新成果，为行业发展贡献智慧 [2]

公司荣誉与市场地位 - 万得自研的“Alice投资顾问智能助手”在“2025年人工智能大模型金融领域创新应用大赛”中，从170多个申报项目中脱颖而出，荣获解决方案赛道“标杆奖”，标志着其正式跻身中国金融AI领域领先行列 [1] - 该解决方案在2024年度的同类活动中，曾以“AliceFC”之名斩获“创新应用案例类优秀奖”，实现了从“创新典范”到“行业标杆”的跨越 [3] 产品定位与核心价值 - Alice投资顾问智能助手旨在赋能财富管理，通过智能化工具帮助投资理财顾问告别重复性操作，使其能更专注于客户服务，提升专业价值和核心竞争力，成为行业数智化时代的“超级顾问” [3] - 该产品致力于推动智能化金融服务与财富管理场景化的深度融合，成为引领行业发展的新典范 [1] 产品功能与核心亮点 - **深度分析**：自动整合与分析基金、理财、股票等各类金融产品的实时行情、财务数据、盈利预测、风险收益、行业观点，提供全面的智能解读 [6] - **资产配置**：依据客户画像和需求，快速生成个性化资产配置方案，运用蒙特卡洛模拟收益区间，并自动形成图文报告，支持多渠道一键分享 [6] - **ETF图谱**：覆盖主流指数，提供详细的构成、权重、跟踪误差、申赎机制、费率结构等专业解读，旨在帮助理财师成为ETF专家 [6] - **报告生成**：自动采集金融市场数据，智能分析事件影响、产品对比和波动率，快速生成结构化报告、图表和摘要，并支持定时推送，以提升工作效率 [6] - **智能代理**：通过Agent功能，允许用户零代码搭建专属AI工作流，实现自动化采集、分析及信息推送，使个性化服务更精准高效 [6] - 产品提供投顾资讯通、资配助手、股票分析师、基金诊断、理财诊断、私募诊断、保险诊断、智能速配、产品擂台、ETF自助通等具体功能模块，覆盖财富管理全场景需求 [4] 未来发展方向 - 公司将持续深化金融大模型与智能投顾的融合创新，致力于让AI赋能更专业的服务，创造更大价值，并携手行业伙伴共同推动中国金融数智化转型迈向新高峰 [6]