当下，以大模型为代表的新一代人工智能（AI）技术产生了智能效应，与各行业深度链接、同向赋能。从2025外滩年会到2025金融街论坛年会，“人工智能+金融”成为热议的重点议题之一。
记者从这些会议获悉，多家金融机构正在深入布局“人工智能+”相关行动，推动相关场景应用不断扩围。与此同时，金融管理部门也在研究编制“人工智能+金融”政策文件。业内人士普遍认为，在推进“人工智能+金融”创新试点的同时，相关风险挑战也需予以高度重视。
应用扩围 “人工智能+金融”布局渐深入
人工智能引领新一轮技术革命，不论是银行、保险还是证券基金，都在深入布局“人工智能+”。今年以来，这一态势尤其明显，以银行为例，从“数字化”进阶到“智能化”，“人工智能+”行动已成为重要抓手。例如，工行今年发布《领航AI+行动计划》，招行在中报提出以“AI First”引领数智招行建设。
人工智能与金融业务场景的融合也逐渐深化。根据中国建设银行最新发布的三季报，其体系化推进人工智能应用建设，金融大模型已累计支撑347个业务场景，优化“帮得”客户经理智能助理、授信审批等场景功能，重点推进网点员工问题智能响应、财富管理“虚拟专家”等标杆场景建设，优化经营管理模式，赋能员工，提升服务客户体验。
在2025金融街论坛金融科技大会上，兴业银行首席信息官唐家才介绍称，兴业银行在2025年初发布兴业银行“人工智能+”行动方案框架（2025-2027年），推进AI在各领域落地。“我们也将人工智能应用情况作为一个考核指标，加入到了全行业务条线的考核指标中，激励大家更好地拥抱AI、应用AI”，唐家才说，行动方案框架发布后，取得了不错的效果，AI智能体数量相较年初有大幅增长。
唐家才还透露，不满足于AI的“点状应用”，兴业银行正在“体系化、全流程”推进智能化改造，深度探索AI在业务全链路中发挥最大价值。“我们希望将一些重点项目打造成全行的标杆项目，并辐射带动一批业务流程的优化。”他说。
据国泰海通首席信息官俞枫介绍，国泰海通前瞻布局，全面升级“ALL in AI”人工智能应用战略，创新算力、模型、数据三大举措，落地千亿级参数垂类大模型，2025年推出行业首个全AI智能APP“灵犀”，推动大模型在智能服务、投顾、投研等九大领域全面应用。
引导发展管理部门释放政策信号
金融机构布局升温，金融管理部门也着力推进“人工智能+金融”健康稳妥发展。
实际上，在国务院于今年8月底发布的《关于深入实施“人工智能+”行动的意见》中就对推动金融领域人工智能应用提出明确要求。近日，金融管理部门在相关论坛也透露出下一步引导发展的方向和举措。
在2025成方金融科技论坛——“数据驱动智慧为民”论坛上，中国人民银行科技司副司长李兴锋围绕“数据驱动智慧为民”主题，分享了深化运用金融科技，推动金融数字化、智能化转型，助力金融高质量发展的思考。“深化‘人工智能+’，印发实施深化运用金融科技推动金融数字化智能化转型的通知，研究编制‘人工智能+金融’政策文件，组织建设金融领域国家人工智能行业应用中试基地，切实激活金融服务新动能。”李兴锋说。
在2025金融街论坛年会金融科技大会资本市场金融科技论坛上，中国证监会党委委员、副主席李超表示，新一轮科技革命正在加速演进，作为战略性新兴技术的人工智能，正在深刻改变资本市场的生态和运行模式，要规范应用人工智能技术，规避可能带来的风险，要加强数据安全保障和业务风险防控，合规开展业务，切实保护好投资者的合法权益。
李超说，要聚焦高价值应用场景，推动业务技术深度融合。探索开展“人工智能+资本市场”金融科技创新专项试点，加强风险控制和容错包容。在符合国家和行业要求，风险可控的情况下，持续深化人工智能在关键业务场景的研究与应用，推动创新服务模式的规模化应用，探索更多的“成功经验”，写好“数字金融”这篇大文章。
驾驭创新相关风险挑战需关注
值得注意的是，随着“人工智能+金融”不断推进，一些随之产生的风险也引发了业内人士的关注，这些风险对金融机构以及金融监管均提出挑战，需予以重视。
从金融机构角度而言，金融监管总局副局长肖远企在2025外滩年会上表示，在微观层面，单家金融机构主要面临模型稳定性风险和数据治理风险，前者因AI应用高度依赖模型支撑业务拓展而凸显重要性，后者则涉及数据来源选择、质量把控及事后评估监测等关键环节。
在2025金融街论坛年会“数智化时代下的金融风险防控与协同治理”平行论坛上，农业银行总法律顾问赵廷军也表示，人工智能应用在推动银行业经营模式变革、提升风险防控能力的同时，也带来了新的挑战、提出了新的要求。
“数据质量的高低、模型设计的合理性以及算法的科学性，直接决定了人工智能应用的有效性与安全性，一旦数据、模型或算法自身存在缺陷，便可能导致错误的用户画像或错误的信贷决策等，从而衍生出新的金融风险。”赵廷军说。
而从金融监管角度而言，中国人民银行原行长周小川在2025外滩年会上指出，各类金融机构和活动如果运用AI，应提供透明、可解释的模型。但实际上AI的发展，特别是机器学习、深度学习，必然带来模型的黑箱性，未来，监管可能需要面对黑箱模型产生的结果，进行调节或监管金融市场。另外，如果AI模型大量运用短期高频数据，学习结果很可能也是高频、短期、技术性的，可能与金融稳健和宏观调控所需要的面向基础面、长远稳定性的要求不一致，这个问题确实需要认真对待和解决。
