2025年11月22日，“人工智能时代的数字金融创新发展”研讨会暨北京大学数字金融研究中心成立十周年庆祝活动在北京大学承泽园成功举行。当天下午就“AI在金融中的应用”进行研讨，由北京大学数字金融研究中心副主任沈艳教授主持，蚂蚁集团研究院院长李振华、上海新金融研究院副院长刘晓春、腾讯研究院副院长杜晓宇围绕主题展开分享。

蚂蚁集团研究院院长李振华

蚂蚁集团研究院院长李振华发表了题为《生成式AI在金融领域应用》的演讲，从技术趋势、应用进展与挑战应对三个层面阐述了人工智能与金融业深度融合的前景。他首先指出，大模型的出现标志着人工智能实现了从特定领域专家系统向通用智能的质变。与以往侧重于逻辑与推理的AI不同，新一代语言模型与多模态模型具备高度泛化能力，推动AI从“工具”向“智能体”发展。当前，技术发展正处于从人辅助工具到自主行动智能体的过渡阶段，2025年可称为智能体元年。智能体不仅能执行任务，还能主动规划、评估与反馈，并与其他智能体协同工作。未来，随着智能体与具身智能相结合，AI将有望像人类一样感知、判断并操作物理世界。他特别指出，中国AI优势不单依赖制造业的广度，而在于金融、医疗等高数据密度的服务行业。生成式AI的真正价值，在于对高频、非标准化的服务过程进行重构。金融作为数据最密集、信息化程度最高且资金支付能力最强的行业，将成为AI落地的关键阵地。

在应用层面，李振华认为，生成式AI已在客户服务、营销、财务、风控、投顾等多个金融场景中展开探索，但整体仍处于早期阶段。调查显示，超过七成的金融机构认可AI对生产力和客户体验的促进作用。不过，中国金融机构对AI的态度相对审慎，更关注业务增长而非单纯效率提升，这一特点在国有和大型机构中尤为明显。目前，银行是AI项目部署的主力，占金融行业相关投标金额的七成以上。他指出，AI赋能的关键不在于技术替代，而在于业务流程再造，因此其真正价值的释放需要一个较长的积累过程。随着智能体生态与智能体经济的形成，未来将催生全新的“Agent经济”，这需要建设包括智能体协作协议、账户管理与支付机制在内的新型技术基础设施。

针对AI在金融业发展中所面临的风险与瓶颈，李振华提出三方面应对策略：一是在专业严谨性方面，通过注入行业知识、增强专属数据以及推进大小模型协同，提升模型的确定性与可解释性；二是在安全与伦理层面，建立模型全流程加固机制，防范算法与数据共振风险，并构建可靠性评估体系；三是针对中小机构可能面临的“智能鸿沟”，通过“云+AI”的混合部署实现普惠应用，降低技术成本壁垒。他建议参考智能驾驶的L0至L5分级体系，建立基于人机职责程度与场景风险的分类分级监管框架。总体而言，他认为生成式AI正在推动金融业进入“智能体时代”。这既是一场技术革命，也是一次产业重塑，其真正价值在于深度嵌入业务流程，驱动组织效率与商业模式实现根本性变革。

上海新金融研究院副院长刘晓春

上海新金融研究院副院长刘晓春发表了题为《人工智能条件下金融数字化创新》的演讲。他回顾了过去二十年从互联网金融到人工智能的发展历程，指出当前银行业对AI应用持审慎态度，本质上是对技术实际效用的理性回归。他提出了金融创新必须具备的“三种技术”框架：首先是金融技术，即厘清资金安排、风险分担与收益分配的底层逻辑，这是创新的根本；其次是制度技术，即确立跨机构协作的协议与风险制约规则；最后才是科学技术，即AI等工具的应用。他强调，金融创新必须坚持金融属性，建立在扎实的统计学和金融学基础之上，避免陷入唯技术论的误区。在论述技术与人的关系时，刘晓春指出，尽管技术进步改变了业务流程和岗位结构，但并未减少对人力资本的依赖。AI的研发、算力支撑、数据治理、幻觉纠偏及最终责任承担，都离不开人的参与。更重要的是，金融业务面对的是具有博弈思维的人，纯线上的风控模型往往面临被反向破解的风险，而引入人工干预的信贷质量通常更高。因此，在追求降低人工成本的同时，必须避免片面追求人工替代，应始终基于对“人性”的理解来设计金融产品和风控体系。

刘晓春进一步阐述了技术与业务适配的重要性，指出没有一项技术能够全盘解决所有金融环节的问题。他深入分析了银行业务的独特性：银行是基于客户身家性命托付的特殊信用机构，交易的是权益而非实体商品，且客户行为具有极强的目的性。因此，技术应用必须符合这些业务逻辑，区分替代性应用与赋能性应用。他以区块链为例，指出其在信贷风控中往往无效，但在解决双人复核、防篡改等制度性环节中则具有重要价值，关键在于找到技术与业务性质的契合点。最后，刘晓春强调成本效益是金融创新的基本底线。金融机构的本质是经营风险并获取收益，而非进行单纯的技术研发或烧钱竞争。面对快速迭代的新技术，机构应算好经济账，善用适配技术以获取最佳规模效应，避免盲目跟风。他总结道，历史上鲜有银行因技术落后而倒闭，失败多源于经营管理不善，因此保持理性的经营思维和管理能力，才是金融数字化创新的核心所在。

腾讯研究院副院长杜晓宇

腾讯研究院副院长杜晓宇以《人工智能大模型在金融业的应用》为题，深入探讨了大模型技术的最新发展趋势及其在金融行业的应用前景。他指出，随着Google Gemini 3、Nano Banana 4等新一代大模型的发布，AI在生成与推理能力上实现了显著跃升，证明“规模定律”依然有效。与此同时，中国在工程化优化方面所取得的进展，也展示了以较低算力实现高性能的可能性，引发了业界对东西方技术路径的对比与反思。杜晓宇进一步提出，大模型的发展也带来了投资泡沫的争议，因为高昂的算力和数据成本是否能带来与之匹配的商业回报，仍需持续验证。特别是在金融行业中，大模型的部署不仅是一项技术决策，还是成本与效益的权衡。他强调，模型能力的持续提升，离不开预训练、强化学习与后训练三者构成的完整技术链条。

在金融业的具体应用方面，杜晓宇指出，目前银行业处于大模型应用的领先位置，但整体仍处于从辅助性工具向核心业务逻辑逐步拓展的阶段。金融机构目前多将大模型用于代码助手、知识检索、文本审核与智能客服等场景，但未来将在风控、营销、远程银行等核心业务中发挥更大作用。他特别提到“世界模型”的发展路径，认为其对物理世界的理解能力将在欺诈识别与异常检测中发挥重要价值。杜晓宇也指出，国内银行在推进大模型应用时普遍遵循“风险可控、内部提效、辅助决策”三大原则，但仍面临数据碎片化、投资回报难以评估、组织协同效率不高等现实挑战。对此，他建议金融机构坚持以ROI为导向，避免盲目投入，尤其提醒中小银行不宜一哄而上自建大模型。在支付领域，他举例说明了大模型与支付结合的新趋势，如Agent间免密支付、数据代扣等，但也强调需关注token成本与支付手续费之间的商业可行性。最后，他强调，在技术迭代不断加速的今天，金融业更应保持理性，注重人才培养与制度建设，真正让技术为业务赋能。

北京大学数字金融研究中心副主任沈艳

沈艳教授在总结中表示，三位嘉宾的分享共同构成了关于AI在金融领域应用的“思想三部曲”。她提炼出三个值得深入思考的议题：第一是AI的实际效用问题，当前行业热度虽高，但在推动业务实质增长与全要素生产率提升方面，证据仍不充分，收益更多集中于AI制造端而非应用端；第二是马太效应，需警惕资源进一步向头部机构集中，强调应通过技术部署帮助中小机构跨越智能鸿沟；第三是对“AI泡沫”的理性认知，呼吁行业在热潮中保持冷静，避免盲目跟风。她最后寄语，未来的数字金融创新不应以工作消失为代价，而应致力于解决社会不平等，创造出更多能够吸纳就业的业务场景。