經濟學家宋清輝

自「深度求索」公司今年1月20日正式發布DeepSeek-R1模型以來，內地非銀行金融機構加速擁抱中國人工智能（AI ）大模型。今年春節長假後首周，國金證券、華福證券等券商相繼宣布接入DeepSeek。據不完全統計，截至今年2月15日，至少有30家券商、23家基金公司、4家保險公司，以及7家期貨公司披露「已經或計劃接入DeepSeek」。

在我看來，金融機構對上述AI的密集部署絕非偶然，而是市場經濟規律與技術發展趨勢共同作用下的必然結果。作為經濟學家，從經濟學視角分析，這股浪潮的湧現，蘊含着降低成本、提高效率以及彌補技術短板等多重考量，或預示着AI技術將在中國金融業的高質量發展進程中扮演愈加重要的角色。

首先，AI的低訓練成本，為金融機構，特別是中小型機構擁抱AI技術提供了經濟可行性。傳統AI模型的訓練往往耗資巨大，資金實力雄厚的頭部金融機構尚可承受，但對於數量龐大的中小型金融機構無疑是一筆沉重的負擔，阻礙了其在AI領域的布局。AI的出現，大大降低了AI技術的門檻，使得更多金融機構能夠以相對經濟的方式，獲取先進人工智能的賦能，從而享受技術紅利，提升自身競爭力。

打造專有模型 符數據安全需要

其次，AI支持本地化部署，亦契合了金融機構對數據安全與專有模型的需求。金融行業是數據密集型行業，數據安全至關重要。尤其在數據合規監管日益趨嚴的背景下，金融機構對數據本地化存儲和處理的需求日益迫切。AI支持本地化部署的特性，使得金融機構能夠將大模型與本地數據深度融合，在保障數據安全的前提下，打造出更具針對性的專有模型。這種專有模型或能夠更好地適應金融機構自身的業務場景和數據特點，從而更精準地賦能風險評估、客戶畫像、產品創新等關鍵環節，從而提升AI應用的有效性和安全。

提升數據分析和風險評估效率

最後，是AI在數據分析、風險評估、客戶服務等金融核心業務領域的巨大潛力。AI技術在海量數據處理、智能決策支持等方面展現出不俗的能力，或能夠有效提升金融機構在風險管理和價值創造方面的效率和水平。例如，在風險評估領域，AI可以利用大數據和機器學習算法，更精準地識別和預測信用風險、市場風險、操作風險等，幫助金融機構優化風險控制策略；在客戶服務領域，AI可以賦能智能客服系統，提升客戶服務效率和質量，降低人工成本；在數據分析領域，AI可以快速挖掘海量金融數據中的潛在規律和趨勢，為投資決策、市場營銷等提供有力的數據支持。

展望未來，AI大模型在金融業的廣泛應用，或將為中國金融業的高質量發展注入強勁動能，並帶來深刻的變革。然而，我們也必須清醒地認識到，AI在金融領域的應用並非一帆風順，其發展也面臨着諸多挑戰和潛在風險。

一方面，數據安全和隱私保護仍然是AI金融應用的首要挑戰。金融數據往往涉及大量的敏感信息，一旦洩露或被濫用，無疑將對金融機構和客戶造成巨大損失。因此，金融機構在應用AI大模型時，必須高度重視數據安全和隱私保護，並建立完善的數據安全管理體系，同時還應嚴格遵守數據合規監管要求，確保數據採集、存儲、使用等各個環節的安全。

監管滯後是AI金融發展瓶頸

另外，監管滯後和法律空白亦是制約AI金融健康發展的瓶頸。眾所周知，當前AI技術在金融領域的應用尚處於發展初期，相關的法律法規和監管框架相對滯後，因此存在一定的監管空白。我認為，此舉可能會導致一些金融機構在AI應用方面存在「監管套利」行為，或者出現新的金融風險難以有效監管。因此，監管部門需要密切關注AI技術在金融領域的應用發展動態，並及時完善監管框架，明確AI應用的合規邊界和監管要求等。唯有如此，才能夠為AI在金融領域的應用發展保駕護航。

AI在金融業的廣泛應用是大趨勢，它能夠為金融業帶來前所未有的發展良機，但也伴隨着一系列挑戰和風險，因此我們不得不未雨綢繆，提前加以應對。

作者為經濟學家，著有《中國韌性》。本欄逢周一刊出。