【环球网财经报道 记者谭雅文】当银行的风控审核因AI介入而准确率提升至90%，当证券APP通过多智能体协作实现从“人找功能”到“服务找人”的转变，人工智能在金融领域的价值创造成为正在发生的现实。在近日举行的2025金融街论坛年会上，金融科技大会作为论坛年会特定版块，与金融街论坛同期举行，“AI+金融”如何从技术应用升维至价值创造，成为各方专家热议的焦点。
据了解，“2025金融科技大会平行论坛——AI+金融专题论坛”由中国民主建国会北京市委员会金融委员会、首都经济贸易大学北京数字经济发展研究院、中关村金融科技产业发展联盟合作承办，论坛以“智领未来金融科技创新”为主题，在中关村金融科技特色产业园举办。
AI向生产力落地
谈到“人工智能+保险”，十三届全国政协委员，原中国保监会党委副书记、副主席周延礼表示，人工智能技术的应用推动传统保险业务流程智能化升级，不仅提升业务效率与服务质量，更是从“精准定价”和“风险防范”两大核心环节赋能保险公司，解决传统保险定价粗放、风控滞后的痛点，有利于推动保险产品创新与个性化定制。
周延礼认为，未来应当从加强数据整合、建立数据标准、提升数据质量、加强风险防范等方面加强数据治理，并推动保险机构与高校科研机构合作培养复合型人才，筑牢数字保险发展根基。
据十四届全国政协委员、科技部原副部长李萌介绍，当前大模型在金融领域渗透率达35%，而构建金融智能体的关键在于吃透各场景需求与痛点。他强调，智能体虽非新概念，但大模型时代赋予其新内涵与新能力，而Agentic AI（自主规划智能体和多智能体协同）未来或成为社会基本单元。发展大模型、智能体与AI的核心价值，在于推动智能体微观价值形成正向循环，并向宏观价值延伸，最终提升行业乃至全社会全要素生产率。他指出，从大模型到智能体，是AI向生产力落地的必然路径，金融智能体更是撬动金融新质生产力的有力工具。
谈到人工智能具体落地技术细节方面，美国国家科学院院士、美国哈佛大学统计系终身教授、清华大学统计与数据科学系教授刘军认为，人工智能的落地必须与统计学和数据科学深度融合。他指出：“单纯依赖大数据而缺乏严谨的统计思考可能导致模型偏差与决策失误，统计与数据科学是AI落地的钥匙。”
新加坡国立大学和南洋理工大学客座教授、原新加坡金融管理局学院院长、原新加坡金融管理局银行机构监管署长白士泮预测，“智能代理”支付是掌握未来机器经济的咽喉，必须构建起机器可授权、可追责、能结算的全新支付体系。他建议新加坡将“监管沙盒”升级为“协议沙盒”，通过多方对新协议与新风控进行压力测试，从而在这场变革中抢占先机。
金融机构的探索实践
“当前，我国科技金融发展成效显著，金融支持科技创新的政策力度不断加大，金融产品和服务体系持续优化，资本市场创新活力加速释放，为科技型企业发展提供了更加多元的金融服务。但仍面临融资结构偏重间接融资、银行风控与科创企业特性不匹配等问题。”民建北京市委副主委、中央财经大学金融学院教授郭田勇谈到，未来需立足国情，构建具有中国特色的科技金融体系。一是充分发挥银行主导的间接融资体系的主渠道作用；二是提升银行服务科技创新能力；三是完善投贷联动机制；四是更好发挥政府投资基金作用；五是畅通科技型企业直接融资渠道。
对于资管行业而言，业内认为机构需围绕“以人为本”，挖掘新资产新价值。民建中央青年委主任、国家金融监督管理总局资管机构监管司副司长蒋则沈表示，当前我国资管行业迈向新轨道，面向未来五年，资管机构需围绕“以人为本”，将社会资本配置与科技驱动经济升级对接，挖掘新资产新价值；运用数字化智能化手段，优化投资者需求画像，解决资金同质性与需求差异化矛盾；夯实专业能力基础，将成熟经验纳入科技辅助，推动行业提质升级。
蚂蚁集团副总裁、蚂蚁数科AI业务总裁余滨进一步谈到，当前城商行面临净息差收窄、营收增速放缓、同质化竞争加剧及大型银行挤压生存空间的挑战，AI已从“试试看”走向“必须做”，并从成本中心转变为服务、营销与价值创造的核心，成为城商行“弯道超车”的关键。
余滨强调，不同金融机构应选择适配自身的AI演进路径，预算有限的区域银行可先从场景应用入手或升级AI手机银行，有条件的银行可将AI作为一把手工程构建“金融大脑”。
在成果发布环节，民建北京市委金融委主任，首都经济贸易大学北京数字经济发展研究院二级教授、常务副院长李平提到，在全球金融加速数字化转型的背景下，上合组织国家虽数字金融水平差异显著，但互补空间广阔，为区域合作提供了重要机遇。当前合作面临基础设施不均衡、监管体系不统一以及跨境支付体系割裂等突出瓶颈，亟需加强数字基础设施互联与政策协同。
李平指出，北京凭借其科技、政策、国际化生态等优势，可在数字货币与跨境结算、数字基础设施互联、普惠金融与绿色金融协同、数据安全与监管共建等重点方向发挥引领作用，构建上合组织数字金融合作新格局。
民建北京市金融委副主任兼秘书长，中国科学院大学经济与管理学院金融系副主任郭琨指出，京津冀地区研发投入强度高于全国平均水平，科技金融体系在政策协同、市场建设和产品创新方面已取得重要进展，对区域科技创新与产业融合的支撑作用日益凸显。当前体系仍面临政策协同落实不足、早期资本供给短缺、多层次市场衔接不畅以及金融产品适配性不够等结构性挑战。她认为，需通过深化区域政策协同、完善早期资本供给体系、畅通多层次资本市场衔接、提升科技金融产品与服务的适配性等举措，更好地推动科技创新和产业创新深度融合，为京津冀高质量发展注入新动能。
共议AI金融商业模式
记者从圆桌对话环节了解到，与会专家普遍认为，人工智能正推动金融业从技术工具应用层面向商业模式本质变革迈进，这一过程机遇与挑战并存，亟需在积极创新的同时，构建起与之匹配的风险治理体系。
北京大学计算机学院教授、元宇宙技术研究所所长陈钟从学界角度，提供了冷静的观察。他在肯定大模型在算力优化方面仍有巨大潜力的同时，提醒业界需要关注后续发展动能，特别是要夯实数据采集、利用和加工的能力基础。他警示要预案外部科技巨变可能对金融业产生的颠覆性冲击，这种冲击的力度或许不亚于互联网带来的变革。关于风险与挑战以及未来应对，他直指问题的核心——大模型的“幻觉”问题源于其计算本质，而面客场景的法律风险尤为突出。他强调需要综合运用大模型和软件工程方法，在算力、算法、数据三个层面建立与人类价值观对齐的治理机制。
青岛银行首席信息官杨斌系统地阐述了银行面对的三重风险：算法的不可解释性与欺骗性、数据伪造问题，以及AI成为核心引擎后的系统性安全风险。他特别强调，无论AI如何强大，最终都必须坚持人机协同与流程回滚，确保决策责任明确到人。
华福证券首席信息官李宁从证券行业的角度，形象地描述了证券APP从“工具时代”的功能菜单堆砌，到通过知识库优化进入“核心业务阶段”，再到如今出现“AI原生APP”的商业模式变革，指出这种新型APP彻底摒弃了层层菜单的设计，通过多智能体协作，根据客户画像和交互习惯，以对话式、图像化的方式提供个性化服务，实现了从“人找功能”到“服务找人”的根本转变。
北京银行软件开发中心副总经理王曦以供应链金融这一核心业务为例，说明了大模型在审核贸易融资合同方面的突破——通过智能分析不同制式的企业合同，将准确率提升至90%以上，极大提升了传统人工审核的效率。关于风险与挑战以及未来应对，他指出常被忽视的算力供应链安全问题和体制机制挑战，特别是AI审批贷款的问责机制这一现实难题。他透露，目前业界普遍采用与传统方式结合的过渡方案，并严格遵守监管要求，谨慎控制生成式AI在面客场景中的应用范围。