4月11日，由中国人民大学国际货币研究所（IMI）、北京雁栖湖应用数学研究院（BIMSA）联合主办，中国人民大学深圳金融高等研究院、中国人民大学金融科技研究所共同协办的“大金融思想沙龙”（第274期）暨“BIMSA智能经济论坛”（第2期）在线上举办。

本次研讨会由北京雁栖湖应用数学研究院数字经济实验室研究员、博士生导师韩立岩主持。会议特别邀请中国人民大学财政金融学院应用金融系主任、教授吴轲发表主题报告，国家金融与发展实验室副主任杨涛，清华大学至善书院院长、北京雁栖湖应用数学研究院数字经济实验室研究员汤珂，复旦-斯坦福中国金融科技与安全研究院执行院长、复旦大学经济学院教授刘庆富，中国民生银行风险管理部巴塞尔协议III及智能风控管理中心处长刘吕科等专家围绕“人工智能赋能金融：效率提升与风险治理”共同展开研讨。

吴轲表示，当前AI正从问答助手向自主调用工具的Agent形态演进，在投研、风控、决策等场景潜力显著，但也带来信息泄露、越权调用等新型风险。未来应警惕过度数据挖掘、算法合规、版权侵权、AI Agent安全及劳动力冲击等风险，同步推进技术应用与风险治理，在效率、准确性与安全之间取得平衡。

杨涛认为，当前大模型在金融领域面临多重自身层面的制约：在技术层面，模型幻觉、准确性不足等问题仍较突出，易引发错误决策；在监管与客户层面，算法黑箱使得责任追溯困难，消费者信任难以建立，而模型同质化倾向可能加剧金融市场的系统性与稳定性风险。此外，科技伦理与价值对齐问题也不容忽视。面向未来，他认为，应从更高层面完善治理与保障机制：加快健全相关法律法规与标准体系；夯实数据、算法、算力基础，建立权威的第三方评估评价机制；强化金融消费者保护，提升监管智能化水平；针对智能体支付等前沿应用场景，需推动技术规则、理论政策等快速研究并有效应对。

汤珂指出，大模型作为信息提供方，可高效完成金融信息的提取与理解，显著提升行业效率，但需警惕联网使用带来的前瞻性偏误风险。为此，他提出四点核心看法：一是人工智能算法能够突破传统线性因子模型的局限，优化因子设计，克服均值方差测量难题，提升选股效果；二是大模型必须具备可解释性，并融入经济学理论知识；三是保障数据安全、遵循人工智能伦理规范是人工智能在金融领域获得更多应用的核心前提；四是金融领域应采用人机协同框架，但应由人类承担最终决策责任。

刘庆富认为，“十五五”时期，数字金融正从数据驱动向“模型驱动+可信治理”的新阶段演进。金融大模型需满足准确、真实、可控、安全四大要求。多模态数据的应用已在气候风险测度、遥感期货定价、财务舞弊预警识别等场景深度赋能金融业务。针对AIGC时代的虚假信息泛滥问题，他表示，金融机构应构建包含顶层设计、数据治理、模型治理与内容治理四位一体的可信AI应对体系。此外，AIGC虚假信息治理要以提升质量与完善监管为目标，坚持发展与安全并重；治理重心应从单纯的内容管控转向落实主体责任，从真假判断转向“可识别、可追溯、可问责”；通过落实源头强制标识、平台强化审核、模型合规监管及提升公众素养，实现“四端”协同发力。

刘吕科表示，大模型正从获客营销向风险管理纵深推进，不仅能有效缓解信息不对称、提升运营效率，同时也逐渐成为对抗“黑灰产”的防御工具。然而，目前大模型的应用仍存在现实挑战，主要面临数据合规、算法伦理偏见及权责界定三大难题。尤其是在授信审批中，由于大模型无法独立承担不良贷款的追责，当前仅能作为辅助决策的“体检报告”。展望未来，大模型技术的业务落地需与社会大趋势同步，其发展高度取决于社会接受度与配套措施的完善。最后，他充分肯定了吴轲教授的论文符合业务实际，指出国标行业划分存在局限，实际风控仍需依赖人工复核，建议增加压力情形下的分类稳定性考察；同时，提议进一步探讨基于知识图谱构建企业关联风险指数。（改革网）

（以上为专家个人观点，不代表供职单位。）