專題：財富領航征程丨金融新啓航
中央金融工作會議指出，要做好科技金融、綠色金融、普惠金融、養老金融、數字金融「五篇大文章」，為推進金融高質量發展指明瞭方向。鑑於此，新浪財經年度策劃《金融新啓航》特別推出《財富領航征程》系列訪談欄目，深度對話金融機構高管、專家學者，共謀行業發展之道。
數字化時代背景下，金融科技正在以前所未有的方式和速度改變銀行業服務格局，隨着科技的不斷突破與發展，一系列技術為商業銀行帶來全方位革新。那麼，當前AI在金融領域最成熟的應用場景是什麼？下半年金融科技領域將出現哪些顛覆性技術？本期《財富領航征程》對話北京大學滙豐商學院助理教授王小愚。
5G、人工智能（AI）與區塊鏈的協同正在深度重構金融基礎設施的架構與運行邏輯，在王小愚看來，三者的協同對金融系統基礎設施的重塑體現在三大方面，即支付清算系統能夠實現實時化與可信化、智能投顧與資產管理更加個性化與透明化、極大程度的有效破解供應鏈金融中信息不對稱和合同不完整問題。
不過，王小愚也指出，上述三者的協同亦有可能增加技術的複雜性並加劇金融系統風險。例如，區塊鏈的分佈式賬本需與AI的集中式訓練框架兼容，而5G邊緣計算節點又需與兩者協同；性能上，區塊鏈與5G的技術融合存在瓶頸——區塊鏈低TPS（每秒交易數）與5G高吞吐需求矛盾。那麼，在當前金融科技企業中，哪類企業最可能成為「5G+Al+區塊鏈」生態的主導者？她認為主要集中於兩類，一是具備技術整合能力的科技巨頭，二是深耕垂直場景的產業金融科技服務商。
此外，談及中國AI投資，她認為其優勢在於場景驅動、政策支持與工程效率，未來破局的關鍵在於發展自主算力生態、構建確保數據安全與技術自主性的「主權AI」體系以及推動人機協同進化。但是，當前投資也存在明顯的侷限，首要挑戰是核心技術依賴與硬件短板。
兩類企業有望率先構建閉環網絡，供應鏈金融將成技術融合爆發的核心細分領域
當前，5G、人工智能（AI）與區塊鏈的協同正在深度重構金融基礎設施的架構與運行邏輯，但技術融合也帶來了複雜性與系統性風險的挑戰。
在王小愚看來，5G提供低延遲、高速率、海量連接的網絡環境，使得金融交易和數據傳輸更加高效；AI通過機器學習和大數據分析優化金融決策，提升風控能力；區塊鏈則通過去中心化、不可篡改的特性增強金融系統的透明度和安全性。
她認為，5G、人工智能（AI）與區塊鏈三者的技術協同對於金融系統基礎設施的重塑體現在三個重要方面：
第一，支付清算系統能夠實現實時化與可信化。5G提供毫秒級延遲和高速數據傳輸，支持跨境支付的實時結算（如傳統SWIFT系統需1-3天，而融合技術可將時間壓縮至秒級）；區塊鏈確保交易不可篡改和全程可追溯，降低欺詐風險（如香港「貿易聯動」平臺試點案例）；AI通過實時反欺詐模型分析交易行為，例如支付寶風控系統利用AI降低盜刷率90%以上。5G、人工智能（AI）與區塊鏈的協同能夠實現「速度-安全-智能」的三角閉環，推動支付清算從中心化向分佈式高效模式轉型。
第二，智能投顧與資產管理更加個性化與透明化。智能投顧的核心，是用數據和算法，代替人工進行資產配置和投資建議的過程。它依賴AI技術分析用戶風險偏好和市場數據生成個性化投資組合。與此同時，區塊鏈記錄所有交易流水，確保策略執行透明可審計。5G保障海量市場數據的實時傳輸，提升決策時效性。在此場景下，5G和區塊鏈技術為核心AI技術在資產管理和投資策略的應用提供了數據和時效支持。
第三，上述三種技術的融合可以很大程度上有效破解供應鏈金融中信息不對稱和合同不完整的問題。
她進一步指出，其中，區塊鏈能夠存儲並實時分享供應鏈全流程數據（如京東「京保貝」平臺實現貨物溯源），以區塊鏈技術為背景的智能合約可以保證結算在合約條件滿足後自動完成，有效的規避合同雙方的違約情況，節省了第三方認證，貨款拖延，及違約追責等問題所產生的時間和人力成本。AI則基於歷史數據評估中小企業信用風險，替代傳統抵押擔保模式，為供應鏈網絡上的公司打開了更多的上下游合作渠道和新的合作方式。在此基礎上，5G的加入保證實時採集到的物流、倉儲數據（如傳感器監控貨物狀態）能夠以更快的速度上傳區塊鏈網站，實現信息的動態分享。
此外，從挑戰方面看，王小愚直言：「5G、人工智能（AI）與區塊鏈的協同有可能增加技術的複雜性並加劇金融系統風險。」
具體來看，一方面，5G、人工智能（AI）與區塊鏈技術融合存在架構複雜性，三者的技術棧差異導致整合難度高。例如，區塊鏈的分佈式賬本需與AI的集中式訓練框架兼容，而5G邊緣計算節點又需與兩者協同。另外，在性能上，區塊鏈與5G的技術融合存在瓶頸——區塊鏈低TPS（每秒交易數）與5G高吞吐需求矛盾。
另一方面，技術融合也可能增加金融體系的整體風險。如AI算法共振，即機構普遍採用相似AI模型（如LSTM預測市場），可能引發「羊羣效應」放大市場波動（如2024年美股閃崩事件中AI拋售鏈式反應）。技術融合後潛在攻擊面擴大，如智能合約漏洞與AI決策黑箱結合，可能導致自動化金融攻擊（如DeFi平臺閃電貸攻擊）。此外，在監管方面，去中心化金融（DeFi）跨境流動與主權監管衝突，如何為技術融合提供合規建議仍有待思考。
那麼，當前金融科技企業中，哪類企業最可能成為5G+Al+區塊鏈生態的主導者？王小愚對此表示：「最可能主導生態發展的企業主要集中於兩類，一是具備技術整合能力的科技巨頭（如螞蟻集團、騰訊、IBM），二是深耕垂直場景的產業金融科技服務商（如微衆銀行、京東科技）。」
在她看來，兩類企業憑藉技術、數據與生態協同優勢，有望率先構建閉環網絡，而供應鏈金融將成為技術融合爆發的核心細分領域。
首先，科技巨頭依託其龐大的用戶基數、跨場景數據資源及全棧技術儲備，能高效打通5G（實時數據傳輸）、AI（動態風控與決策）、區塊鏈（信任機制）的技術鏈路。頭部科技公司不僅提供技術底座，更有能力構建開放平臺，吸引第三方開發者共創生態，形成「技術-數據-場景」的正向循環。
其次，互聯網服務商通過聚焦細分場景，在特定領域建立技術護城河。以供應鏈金融為例，京東「京保貝」融合5G物聯網設備實時採集倉儲物流數據，區塊鏈確保供應鏈信息不可篡改，AI動態分析供應商庫存週轉率替代傳統抵押擔保，使中小微企業孖展通過率提升47%。此類企業雖規模不及巨頭，但對產業「Know-How」的理解更深，能快速實現技術商業化落地，成為生態中不可或缺的「毛細血管」。
中國AI投資在工程效率等三方面有優勢，首要挑戰是核心技術依賴與硬件短板
2025年下半年，金融科技領域的顛覆性創新將集中於哪些方向？王小愚認為，主要集中在以下三大方向，即「決策流程由多智能體系統深度接管；消費和投資範式實現普惠突破；支付清算網絡借CBDC橋接走向無摩擦化」，以上技術突破與商業模式變革正通過具體案例加速落地。
在決策智能化領域，基於大語言模型的多智能體系統正從輔助工具升級為金融決策核心引擎，例如各大銀行部署的對話交互智能體已整合投研、風控等跨部門知識，覆蓋同業利率調整、大額資金覈查等200餘個場景。美國銀行（BOA）虛擬助手Erica的年交互量突破20億次，通過自然語言指令執行復雜轉賬與投資操作，標誌着金融服務從「人機協作」向「智能體自治」的範式遷移。與此同時，情感計算技術深度融入行為金融學框架，馬上消費金融的AI貸後策略系統通過微表情與語音情緒分析，動態優化催收話術，使逾期回款率提升；Capital One的虛擬助手Eno則依據用戶情緒波動實時調整信用卡爭議解決方案，顯著提升客戶滿意度。
在商業模式層面，資產代幣化與合規DeFi的融合正推動投資民主化進程。新加坡Project Guardian試點中，星展銀行將價值1.2億美元的商業地產拆分為鏈上代幣，投資者最低以1000美元即可認購份額，並通過智能合約實現季度自動派息；嵌入式金融生態則進一步模糊場景邊界——微信支付與微衆銀行在打車場景中實現「先乘後付」秒級授信，違約率僅0.8%。
在跨境清算方面，依託多邊央行數字貨幣橋（m-CBDC Bridge），中國、阿聯酋與泰國央行系統實現互聯互通，企業跨境貿易結算從T+3縮短至10秒，成本壓降60%，2025年6月試點交易額突破2200萬美元，這些新的技術和商業模式預示金融科技正邁向三維重構。
談及人工智能未來的發展趨勢，王小愚認為，其技術演進將從「大模型」向「智能體」（AI Agent）轉變，具備感知、決策與執行能力的代理系統將流行起來，有望自動化企業日常決策；同時，模型推理能力（如數學、編程、科學問答）的突破將加速科研領域的應用（如蛋白質摺疊、藥物發現）。
在產業落地方面，她表示，垂直深化與硬件融合是主要方向：成本低、部署靈活的行業專用小模型將在醫療、金融等領域爆發，替代部分通用模型；AI也將深度融入硬件，推動邊緣計算設備（如醫療機器人、自動駕駛）和本地化推理的發展（如人形機器人量產）。在國際上，競爭格局則可能呈現中美路徑分化：美國依託通用模型構建生態壟斷（如微軟Azure+OpenAI），而中國則聚焦「應用優先+產業協同」，通過智能製造、金融科技等場景優勢實現技術反哺。
現如今，我國在人工智能技術應用層創新活躍，王小愚認為，中國AI投資的優勢在於場景驅動、政策支持與工程效率，未來破局的關鍵在於發展自主算力生態（加速國產芯片與量子計算）、構建確保數據安全與技術自主性的「主權AI」體系（如行業專用模型工廠）、以及推動人機協同進化。
她強調，其投資的最大優勢則在於擁有豐富多樣的應用場景與高效的產業協同能力，這得益於全球最完整的工業體系（製造業佔全球增加值30%），為AI在智能製造（如質檢準確率超99.8%，人工成本降70%）、金融風控等領域的落地提供了堅實基礎，形成了獨特的「AI+行業Know-How」競爭力。
「強大的政策支持（如‘人工智能+’寫入政府工作報告）與市場驅動形成雙輪並進，地方政府積極建設智算中心，企業也積極響應（如阿里開源模型衍生超9萬應用，北京備案大模型達105款）。」王小愚表示，突出的技術性價比與工程化能力也是關鍵優勢，本土創新顯著降低（如DeepSeek-V3訓練成本僅為GPT-4的1/10），並在小模型（SLM）技術上取得領先，能以更低能耗實現媲美大模型的性能。
然而，當前投資也存在明顯的侷限性，王小愚認為，首要挑戰是核心技術依賴與硬件短板，高端芯片（GPU/TPU）嚴重依賴進口制約了算力自主，且在基礎理論創新方面相對不足（前沿模型數量15個顯著低於美國的40個），仍以應用層創新為主；其次，商業化模式尚未成熟，大模型在智能客服、企業服務等領域多采用免費策略，可持續盈利模式仍在探索；同時，數據安全與隱私法規的不完善也增加了多模態AI生成虛假信息等風險，影響技術信任度；最後，人才結構與算力資源分佈失衡，高端研發人才集中於頭部企業，中小型企業面臨複合型人才短缺，且超過80%的智算中心集中於北上深杭等少數城市，制約了區域協同發展。
區塊鏈投資過熱導致「劣幣驅逐良幣」，合規企業因競爭壓力退出市場
當前，人工智能在金融領域最成熟的應用場景是什麼？王小愚對此表示，其主要集中在信貸風控、反欺詐監測兩大方向。
在信貸風控領域中，AI通過機器學習分析支付流水、供應鏈數據甚至行為特徵等替代性數據，構建動態信用模型，有效破解了傳統金融依賴抵押物和財務報表的侷限。典型案例包括銀行採用聯邦學習技術聯合多機構訓練風控模型，將不良率控制至行業低位；螞蟻集團「芝麻信用」整合生活場景數據，覆蓋超1億徵信白戶人羣，將信貸審批從天級縮短至分鐘級。
在反欺詐場景中，AI通過實時分析交易模式、設備指紋和生物特徵，使欺詐識別準確率較傳統規則引擎提升40%以上，如SWIFT系統利用AI優化跨境欺詐監測效率，金融壹賬通則通過微表情識別強化遠程面審風控。
談及AI對理財服務的影響，王小愚認為，生成式AI可以將晦澀的條款、市場風險轉化為可視化報告與交互式問答（如招行AI投顧自動生成「股債平衡組合波動模擬動畫」），並基於用戶瀏覽停留時長、提問頻次等行為數據實時調整解讀深度，使普通投資者理解複雜產品的效率提升3倍。
「更重要的是，AI建立認知偏差干預機制——當用戶追逐高收益產品時，系統自動推送歷史回測對比（如‘近十年持有比特幣超1年者虧損概率達82%’的模擬圖表），或通過強化學習識別非理性模式（如頻繁調倉用戶觸發‘冷靜期’彈窗），從源頭破解‘賣方美化信息、買方盲目決策’的惡性循環。」王小愚表示，上述變革正推動理財服務從「信息黑箱」走向「透明共治」，但需警惕數據濫用風險。
當AI投資建議與用戶主觀偏好衝突時，王小愚認為，需建立人機協同的分級響應機制。針對風險偏好錯配（如保守用戶被推薦股票基金）、認知偏差強化（如堅持投資高波動加密貨幣）或倫理價值觀衝突（如ESG投資者拒接軍工股）等場景，可採取分層服務策略，即基礎層提供透明化對比（展示用戶選擇與系統建議的波動率差異），干預層對高風險行為觸發強制冷靜期。同時通過偏好-算法動態校準機制，短期允許手動調整參數，長期利用強化學習跟蹤用戶實際行為修正模型。監管層面需借鑑歐盟《AI法案》的算法可解釋要求，國內實踐則通過在監管沙盒中保留人工複覈接口，防止完全自動化誤判。
談及區塊鏈投資的熱度是否會出現減弱的情形，王小愚指出，當前區塊鏈投資領域確實存在技術創新價值與投機炒作行為的混雜。
根據國家網信辦2022年以來的整治行動，累計關閉了1.2萬個誘導虛擬貨幣投資的違規賬號，清理超5萬條「輕鬆賺錢」類誤導性信息，並關停105家鼓吹炒幣、挖礦的網站平臺。她認為，此反映出市場對區塊鏈概念的脫離技術本質，演變為以高回報為誘餌的投機陷阱。《人民日報》亦多次警示，當前區塊鏈的「虛熱」並非源於技術落地，而是集資圈錢和估值炒作，尤其大量ICO項目僅以「區塊鏈」為包裝進行孖展工具創新，與技術創新無關。此種過熱直接導致「劣幣驅逐良幣」——合規企業因競爭壓力退出市場，而空氣幣、傳銷幣項目卻通過市場操縱短期獲利，扭曲了行業的價值評估體系。
對於區分技術革新與投機炒作的關鍵點問題，她認為，其在於需區分區塊鏈和電子貨幣的功能性與證券化傾向。其中，技術創新項目中不承諾金融回報，而炒作項目則直接關聯收益派息、拉盤承諾，甚至繞過監管發行「證券型代幣」。真正的技術革新應公開技術路徑並接受行業檢驗。例如，金融區塊鏈合作聯盟（深圳）開源的FISCO BCOS平臺，為監管機構提供可審計的鏈上數據，提升反洗錢效率。反觀炒作項目，多回避技術細節：代碼未開源、節點中心化，或誇大TPS（每秒交易數）性能卻無法承載高頻交易（區塊鏈天然不適合高頻場景）。
責任編輯：潘翹楚