人工智能在金融行业的应用模式、挑战风险与未来方向.pdfVIP

学术大视野学术大视野

THESCHOLARLYVIEWTHESCHOLARLYVIEW

人工智能在金融行业的应用模式、挑战风险

与未来方向

伦敦政治经济学院金融系何岸

【摘要】

随着相关技术日渐成熟，人工智能在金融行业的应用场景更加丰富，将实现从外围

业务向核心业务转变，对金融行业产生深远影响，但这一过程也伴随着一些困难和风险，需

要国家加强监测和政策预研储备。未来人工智能在金融行业应用可能采取决策中枢大模型

与专业执行垂直模型协同的多智能体联合运作分工模式。应积极鼓励人工智能多种技术路

线协同发展，同时加强相关规范监管政策储备，扎实稳妥推进“人工智能+金融”重大课

题的研究落地，持续深入做好金融“五篇大文章”，助力金融强国建设。

【关键词】

人工智能模式机制普惠金融风险管理

【中图分类号】【文献标识码】

F832/TP18A

【DOI】

10.16619/ki.rmltxsqy.2025.08.009

从ChatGPT到DeepSeek，人工智能（AI）技术在加速自身迭代的同时，持续推动各领域转型升级。

[1]

2024年中央经济工作会议部署开展“人工智能＋”行动，加快人工智能技术研发和应用，推动其与千行

百业深度融合，为经济发展注入新的动能与活力。金融行业具有信息数据密集、人才智力密集、利润丰

[2]

厚、业务场景及展业流程多样复杂等特征，该领域人工智能应用潜力巨大。2023年中央金融工作会议强

调，金融要为经济社会发展提供高质量服务，做好科技金融、绿色金融、普惠金融、养老金融、数字金融

[3]

五篇大文章。本文结合人工智能大模型在金融行业应用现状，分析由以预测为基础的决策支持到以全权

代理为特征的自主决策的人工智能在金融行业落地的应用模式，进而分析人工智能在金融行业应用的挑战

风险与未来方向。

人工智能在金融行业的应用模式

Chatbot该模式以对话、搜集和生成能力为基础，以辅助外围工作为主要形

态。现有的AI大模型在金融行业的应用主要集中于金融机构的外围业务，如用人工智能大模型进行报告生

成、客户体验及活跃度优化、合成数据生成与营销，等等。对于金融核心业务的涉及深度仍然有限。这是

由于相关应用功能的实现大多基于交互对话、信息整理和内容生成等Chatbot模式。随着以DeepSeek为代

表的具备更强逻辑预测能力和自主学习能力的智能助手（Copilot）模式，乃至未来更加智能的自主代理

年第期年第期学学术前沿术前沿

202508103

学术大视野学术大视野

THESCHOLARLYVIEWTHESCHOLARLYVIEW

（Agents）模式的出现，金融行业人工智能应用将为错误，提升量化产品稳定性。

更加深入，其重塑效应也将更加明显。三是基于全面动态分析推理能力助力提升风

Copilot该模式以推理预控水平。传统的金融风控往往依赖于人的经验和脑

测能力为基础、以决策支持为主要形态。随着AI