宏观经济与改革路径 - 2025年前三季度中国GDP同比增长5.2%，比上年同期加快0.4个百分点，10月份规模以上工业增加值、社会消费品零售总额等主要经济指标表现良好 [2] - 当前工业经济面临“量价背离”困局，呈现持续时间长、PPI降幅深、影响范围广等特征，挑战包括内需不足、产能过剩、外部环境复杂 [2] - 2026年需依靠改革与科技双轮驱动，从优化供给、扩大内外需、稳定预期、强化产业链安全四方面扭转局面 [2] - 中国制造业全球占比达32%，出口价值链上移，针对出口结构优化的建议包括推动人民币合理升值、差异化降低出口退税并投向科创、提升劳动力回报等六点 [3] 资本市场与金融改革 - “十五五”时期金融需以法治为基础、双创新为支柱支撑高质量发展，资本市场需深化认知、资金端、制度三大改革 [1] - 改革目标是从“融资者中心”向“投资者权益保护中心”转型，具体三重目标是“排雷”防控风险、建设财富管理市场、打造国际金融中心 [1] 粤港澳大湾区发展 - 粤港澳大湾区应打造“科技创新-产业创新-金融创新”三创循环先导区，利用香港国际金融中心、深圳科技金融策源地、珠三角产业基地的独特优势 [3] - 建议发挥香港资源链接作用、强化深圳科创金融创新、构建跨境“科技-产业-金融”生态链，实现创新资源自由流动 [3] - 建设大湾区示范区的五点建议包括补齐研发投入短板、推动“四链”融合、优化科技金融创新环境、探索有效循环路径、加大国家政策支持力度 [4] - 科技金融需从资金提供者转变为风险承担者与创新伙伴，中国已形成全周期政策体系，贷款、股权融资、科技保险等支持成效显著 [4] 人工智能与金融融合现状 - 人工智能技术给金融产业带来深刻变化，AI与金融融合已进入大模型驱动新阶段，慢思考、蒸馏、智能体、多模态等技术突破重塑服务模式 [5][7] - 多智能体协同正覆盖金融业务全生命周期，当前机构聚焦内部赋能并探索对客应用，2025年典型案例显示多智能体端到端智能化已覆盖营销、风控等全流程 [7] - 全球AI大模型呈现“美国领跑、中国崛起、多国布局”格局，当前形成“全栈能力构建-开源生态-应用市场-算力支撑”闭环创新体系 [6] - 港澳智能金融经历“数字化-线上化-智能化”演进，形成多层次生态，在银行、证券、保险等行业均有突破，智能投顾、风控等产品不断涌现 [8] 智能金融的支持体系与挑战 - AI技术路径频繁换道、迭代快的特性冲击传统估值体系，增加投融资难度，金融支持面临价值预期模糊、技术路径不确定等挑战 [6] - 构建适配的金融支持体系建议包括：提升金融产品适配性，开发知识产权质押贷款等定制化产品；壮大早期投资规模，完善退出机制；增强AI适配的风险防控能力；提升投后服务质效 [6] - 通过构建多层次金融体系、完善全周期投融资机制、创新风险评估与退出机制、强化产业培育，以提升金融支持质效 [6] - 智能金融发展需避免技术与业务“两张皮”，既要布局前沿技术，也要建立健全风险防控体系，确保创新在规范轨道推进 [7] 数据治理与风险防控 - 大模型重构数据生态为金融数据治理带来机遇，行业已形成“合规助基-协同提效-资产创值-生态扩展”阶梯式路径 [7] - 智能数据治理与数据治理智能体构成治理基石，但仍面临技术适配、权属界定、隐私保护、伦理风险、成本压力五大挑战 [7] - 针对数据治理挑战的破局方案包括：推动技术与大模型融合、明确数据权属、强化隐私保护技术、健全伦理规范、共建共享降本、培养专业人才 [8] - 金融大模型的跨场景、动态迭代特性要求治理从被动应对转向主动适配、协同治理，中小金融机构智能转型面临战略模糊、资源不足等挑战 [8] “十五五”时期智能金融展望 - “十五五”期间金融业面临高效运营海量资金、实现资金优化配置的压力，需加快数智化、市场化、国际化转型 [9][10] - 模型、算力、数据三大效率革命正重置智能金融底层逻辑，算力效率是应对技术封锁的关键，数据效率核心是从被动存储转向主动智能利用 [10] - 中国人工智能技术已具备规模应用基础，政策支持力度加大，相关投资快速增长，应用产品创新不断涌现，应用门槛降低 [11] - 金融行业人工智能应用已取得显著进展，智能客服、投顾、风控、量化交易等广泛落地，金融智能体应用为发展积累经验 [11] - 95%美国企业AI投入未产生实质回报，核心问题是技术与业务体系不适配，AI大模型尚未嵌入业务流程，迁移学习可破解数据孤岛，增强适配能力 [12] - 金融全生命周期蕴含海量AI场景，需探索智能体、联邦学习等技术落地方式，AI应用应立足业务需求，注重实用性 [12]

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]