4月10日金融一線消息，以“人工智能與金融未來”為主題的國民財富發展研究合作平臺2025春季峰會在京召開。中國財富管理50人論壇理事長、原銀監會主席、證監會原主席尚福林出席并發表主旨演講。

　　尚福林表示，當前，我國人工智能發展的總體態勢良好，正處在加強人工智能布局、加快數字化智能化轉型的歷史機遇期。算力、算法和數據是大模型應用的三大支撐要素。同時也要清醒看到，人工智能的算法“黑箱”、數據污染、模型缺陷等潛在風險問題不容忽視。特別是在金融行業應用時，應關注人工智能帶來的效率提升與風險加劇的雙重效應。

　　尚福林指出，算力效率的提升是基礎。大模型需要依托由高性能計算芯片、存儲和網絡共同構成算力集群。硬件投入大、訓練成本高一直是在行業普及應用的重要制約因素。特別是中小銀行科技投入能力明顯不具優勢。這種局面隨著DeepSeek的出現，通過算法優化，減少了對高算力硬件的依賴，打破了“堆算力、拼資本”的大模型發展路徑。大大減輕了金融機構特別是中小機構的資本投入壓力，為彌合技術差距提供了機會。

　　數據安全可靠與隱私保護是關注焦點。人工智能讓數據的應用價值凸顯，也讓數據的安全防護變得更加復雜。一方面，持續加強數據的隱私安全保護。金融機構和科技企業需要共同研究數據在采集、存儲、傳輸和使用過程中的安全性問題。要在保障安全和隱私前提下，推動金融與公共服務領域信息互聯互通，釋放數據要素潛能。另一方面，關注數據污染。金融機構每天都在處理海量的數據和復雜的交易，信息的準確性和可靠性至關重要。在金融行業，信息污染風險同樣存在。如果虛假信息被灌入訓練模型，有可能污染模型的訓練數據。一旦部署到金融交易、風險分析當中，可能會引發連鎖反應，造成難以估量的損失。

　　提高模型算法的透明性和可解釋性是關鍵。深度學習模型目前還存在不可解釋性，輸出的結果難以解釋和追溯，增加了監管的難度。訓練數據中的偏差會導致算法輸出的不公平或錯誤。人工智能工具是根據過去的數據進行訓練的，可能無法準確反映現實和預測未來。人工智能驅動的高頻交易提升市場反應速度的同時，也放大了波動性。當多數人工智能策略采用相似風險模型時，這種同質化響應可能會加速放大負面反饋循環，進而加劇金融脆弱性。此外，需要強調一點，在模型訓練中，還要充分體現國家的政策導向和相關要求。

　　尚福林強調，需要積極采取措施。一方面，在技術上強化垂直領域的專業性，在技術基座基礎上針對金融行業特點進行精細訓練，對生成內容及時進行交叉驗證，提升模型的準確性和可靠性。另一方面，監管機構應密切關注人工智能技術在金融領域的應用動態，增強對智能算法風險的穿透式分析能力，健全智能算法的規則制度，提升算法可解釋性、透明性、公平性和安全性。