最近，月之暗面Kimi K3.1 Pro的发布引起金融圈关注。从公开信息来看，这个参数规模达3万亿级的旗舰模型将金融作为主“战场”，成为全球金融智能体赛道上又一个角逐对象。
AI一天比一天惊人，金融机构同样“你追我赶”。那么，AI对金融体系到底意味着什么？这个问题，技术圈在问，北京金融街和上海外滩的金融机构也在问。
一边是国际大行用AI一年省下数十亿美元、国内大行智能体落地数百个场景；另一边则是全球财经官员警告AI投资热潮风险，银行家们则为“AI出错到底谁担责”争论不休。
这个全球追捧的好帮手，用着用着，可能正在悄悄换掉牌桌——它改变的不是金融的基础功能，而是运行节奏和连接方式。当效率账本和风险账本同时翻开，真正的问题早已不是“用不用AI”，而是规则能不能跟得上。
来自全球金融官员的提醒
“你们现在主要用AI做些什么工作？”在近期召开的2026外滩年会期间，记者常在会场外听到这样的交谈，也偶尔会收到类似的提问。而在会场内，AI是每一场讨论中绕不开的话题，参与讨论的是来自20多个国家的数百位财经政要、学者及商业领袖。这与去年的情景已完全不同。
与去年不同的还有AI的快速迭代，以及背后的投融资热潮。全球资本市场因AI而狂热，又因AI而恐慌，巨大的股价波动成为金融资源与AI深度绑定的真实写照。恰逢全球股债市场动荡，无论是专家、学者还是机构人士，他们对AI泡沫和金融风险的谈论热度并不亚于它带来的好处。
作为中国监管部门前官员，中国人民银行原行长周小川对此有着深入而前瞻的观察。他将AI相关投资分为三类：大模型及用于训练的算力和数据中心，AI应用，半导体、电力、液冷等支撑行业。
他认为，投资AI支撑行业相对安全，因为无论AI如何发展，都需要水和电；生产率提升则可能主要来自应用层。但他也强调：“对于技术演进，我们无疑会面临部分投资失败部分投资成功的局面，但考虑到如今有如此巨额的资金流向人工智能及相关基础设施，一旦其中一部分失败，就可能引发金融动荡，并酿成危机，这就需要采取大规模的行动来支撑经济，并对部分金融机构实施救助。因此，我们应当开展研究并做好预案，在政策工具箱中储备相应的政策工具，以应对这类动荡和影响。”
美国彼得森国际经济研究所（PIIE）非常驻高级研究员、IMF原经济顾问兼研究部主任皮埃尔-奥利维耶·古兰沙（Pierre-Olivier GOURINCHAS）也提醒，金融体系的脆弱性仍在累积，其中一部分与AI建设热潮有关。葡萄牙原财长、布鲁盖尔研究所非常驻研究员维托尔·加斯帕（Vítor GASPAR）也认为，AI带来的大量不确定性使资产估值极其困难，金融市场应预期“一段颠簸的旅程”。
欧洲央行原行长让-克洛德·特里谢（Jean-Claude TRICHET）则提示：“无论公共债务还是私人债务，余额总体上都高于2008年全球金融危机之前的水平，全球经济和金融依然脆弱，此时不能自满。”
在这个全球性话题中，美国是焦点。荷兰央行原行长克拉斯·诺特（Klaas KNOT）提示，AI投资热潮中约三分之一来自债务融资，而表外承诺往往意味着这一比例只是下限；美国消费对财富效应较为敏感，市场调整可能很快产生更广泛的影响。
美国第70任财政部长罗伯特·鲁宾（Robert RUBIN）对风险的判断则有所不同。他认为，美国金融体系目前相当稳健，向AI相关企业提供贷款的主要是资本充足的大型银行，地区性银行并未大规模涉足；在非银行贷款机构提供AI融资的情况中有一些需要处理的问题，个别企业可能经营失败甚至破产，但“爆发金融危机的风险极低”。不过，他也不忘强调，任何与AI相关的事情都伴随着“巨大的不确定性”，其中更令他担忧的是AI自身的安全问题。
另一个不容忽视的更深层次问题是，面对供需失衡、通胀压力等，全球央行也可能在AI热潮中面临更多困境。来自主要经济体的多位央行前官员提示：人工智能与劳动力市场及货币政策的相互作用非常值得关注。
能力的鸿沟
在技术安全与金融风险之外，当前全球热议的话题是：AI能替代什么，又能“留下”什么？各类主体应该如何应对？
试想一位投行分析师正打算写一份宁德时代的研究报告，智能体通过复盘财报表现、对比分析预期差、梳理未来路径等，报告即可按分析师论证观点的方式一键生成。这样的情景在全球金融圈早已不新鲜。而在银行业，这样的变化更是直接触达广大客户群体的。
从公开报道来看，摩根大通、美国银行、瑞银集团等国际大行在AI应用与效率提升方面的数据是惊人的。国内的趋势同样迅猛——截至上半年末，国有大行AI大模型落地场景已达数百个，日均交互词元（Token）达百亿级；头部券商国泰海通累计发布智能体1300多个、Skills 400多个……
在新加坡金融管理局副行长兼首席经济师爱德华·罗宾逊（Edward ROBINSON）看来：“金融从根本上说是一个信息处理系统。人工智能代表着这道信息处理前沿一次显著的外移。”他援引中国银行业的案例数据和新加坡实践表示，人工智能在改善中小企业贷款效率和违约率方面效果显著，同时能够带来相关机构收入、员工工资提升。
但这些数字的另一面，可能是员工的失业或转岗——在金融场景成为AI应用关键抓手的同时，金融高管和员工都需要为更剧烈的就业冲击做好充分准备。
在北京大学光华管理学院院长田轩看来，离数据越近的岗位越容易被AI替代，离人越近的行业则不容易被AI替代，前者比如交易员，后者则包括尽调、发掘创业者等岗位。
这也将深刻改变人才培养的模式。田轩表示，AI助推实现知识平权，但有几项能力是当前AI还做不了，也是商学院教育的重点：第一是提问的能力；第二是批判、判断、斟酌推敲的能力；第三是共情的能力。据他介绍，北大光华已在通过整合国内各大AI平台并设置光华Token免费发给学生。“但我也会提醒学生使用大模型时要敬畏边界。”
面对每一次技术革命，在看到巨大潜在收益的同时，还需要更多的冷静观察。一方面，金融机构不会一味投入而不考虑产出回报；另一方面，就像上一轮数字化浪潮一样，AI可以扩大金融的包容性、普惠性，但国家之间、机构之间禀赋的差异还将带来新的不均衡。就连工行行长刘珺都说，商业银行尚未完成数字化转型，就已踏上了一段充满未知的新旅程，这对从业者来说是非常艰难的。
“从资金投入看，AI已成为金融机构战略投入的‘主战场’；从技术底座看，AI已升级为金融机构的核心技术能力。”交通银行副行长钱斌表示，当前金融机构在AI的推进过程中，要让其发挥更好的作用，首先要看有没有高质量的数据集和专业知识资产的沉淀，其次看是否具备建立端到端、体系化、工程化的实施能力。
作为技术方案提供方，阿里云智能集团副总裁、新金融行业总经理张翅直言：金融行业场景需要的AI并不是作为一个工具，而是作为一个新的体系，而这个体系的核心是可信数据、可靠执行环境，以及可审计、可追溯的决策环境。
但罗宾逊指出了一个核心挑战：当前AI收益主要集中在大型金融机构，扩散到其余企业“比听上去难得多”，其中的症结是信息不对称——供应商对AI应用效果宣称难以核实、质量无法保证，失败只有投资后才能观察到。他举例说，新加坡金管局与业界推出的Pat Fin项目，正是为了把“发现的私人成本”转化为行业共享资源，让不同规模机构都能利用经过验证的解决方案和同行评议用例。
世界银行常务副行长兼首席行政官张文才则援引最近世界银行集团发布的新一期世界发展报告，指出了不少发展中国家在AI领域的现实困境。报告指出，人工智能有望让发展中国家在10年内完成原本可能需要100年才能实现的增长，但前提条件是这些国家要有足够的电力、互联、规模以及非常好的机构。因此，世界银行提出的方案是：推动小型AI工具在发展中国家使用，而不是用最前沿模型或者建巨型的数据中心。
金融AI治理：关键是谁来担责
如果说技术门槛在各个行业具有普遍性，那么金融的一个特殊性在于它极低的容错率。
AI既能以更低成本扩大金融服务覆盖面，也带来决策黑箱、责任真空与模型同质化等新风险。国泰海通证券首席信息官俞枫表示，AI不会改变金融市场的基本功能，但会改变其运行节奏和传导机制，这可能使得市场运行逻辑从人与人的博弈变成人与机器、机器与机器的博弈。
“作为商业银行从业者，我们只能采用相对成熟、经过验证的技术，因为我们的业务直接涉及广大公众的日常生活。我们参与产业发展，也参与市场中的各种经济活动，因此不能完全依赖尚未成熟的前沿技术。所以，我们首先需要关注的问题，也是必须解决的问题，就是人工智能的身份定位困境，即人工智能究竟是主体，还是客体？人工智能是否应当成为与人类并列的法律主体，还是仅仅作为一种技术工具？”刘珺认为，这一问题还将引出新的问题：AI应用过程中，究竟由谁承担责任？
香港金融管理局副总裁阮国恒则指出，“情境挑战”是金融领域AI治理的关键挑战：银行并非只把技术视为提高生产力的手段，而是将其上升为董事会层面的战略议题，其实质是围绕技术重构商业模式。
换句话说，AI之于金融机构早已不单单是一项提升生产力的工具，而是变成了一个新的“战场”。俞枫直言，AI可能会改变行业竞争的基础——原来券商建立在牌照、规模、人脉方面的优势，以后可能会被大数据、AI抵消，谁能把自己全链路的业务数据/数据集、专业能力等形成资产，并且把这些资产通过AI能力进行放大、加速并提供差异化、个性化的服务，这可能是未来的趋势。
但这是否也意味着，如果许多机构依赖相似的模型和数据，人工智能会让市场压力更快发生、更加同步？系统性风险会否变得更不可控？
欧洲50集团主席洛伦佐·比尼·斯马吉（Lorenzo BINI SMAGHI）“一针见血”地指出：目前对人工智能的讨论多停留在局部均衡视角，而缺少一般均衡视角——即将到来的世界不是“人类选择是否信任人工智能”，而是人人拥有智能体且需要获得智能体的信任，智能体之间也要彼此建立信任，金融机构的客户可能更相信自己的智能体而不是银行或监管者。
“目前我们对这样的局面还不具备管控能力。”他进一步表示，对于金融机构及监管者来说，终极难题或是如何调教智能体，以及应该向智能体输入什么信息，让它意识到可能存在尾部风险。在这个过程中，一个关键是如何像人类薪酬机制一样为智能体建立激励机制，这仍是一个待解难题。
刘珺举例说：“在过去，如果你是一名银行从业者，使用某一套计算机系统开展业务，那么相关责任就由你来承担。你不能推卸自己的责任，也不能对公众声称：这套计算机系统不是我开发的，所以我不承担责任。但是，在人工智能的整个开发和应用过程中，涉及许多不同环节，相关责任可能涉及算法开发者、程序员、部署方、使用方，以及最终用户。各方处于不同的环节，那么最终究竟应当由谁承担责任？而人工智能算法在某种程度上又存在黑箱问题，因此，责任的认定与核实，在当前阶段都十分困难。”
在他看来，如果无法解决前面这两个问题，那么AI促进银行业发展也就无从谈起。而他给出的答案大致可以总结为：“谁获益谁担责”。他提出建议和设想：人类是否能够将人工智能视为独立的准法律主体，并将AI金融治理与人类主体的治理以及现有市场参与者的治理体系结合起来，从而建立一套统一的治理机制？
如果说这些方案仍然任重道远，眼下一个亟须回答的问题是：当一个地区的银行所用外地甚至外国开发的模型出现问题，该怎么办？毫无疑问，协作比以往任何时候都紧迫——监管者与金融机构要协同合作，各国之间更要尽早启动跨境磋商与标准协调。这一点，国际国内的行业人士已有强烈共识。
鼎合网配资提示：文章来自网络，不代表本站观点。
