人工智能時代的金融

每一次技術變革都會給金融領域帶來技術、業務流程和組織人事的變革，并帶來相應的機遇與挑戰，以ChatGPT為代表的人工智能的快速發展也不例外。當人們或憂懼于人工智能可能帶來的裁員效應，或憧憬于人工智能驅動型高頻交易帶來的效率極大提升時，很可能會令很多更重要的議題失焦，比如算力基礎設施的建設，更適宜人工智能應用的業務流程和管理架構，以及相關業務倫理挑戰、風險管控和監管挑戰等等。

在人工智能時代，那些此前在全流程線上化、數字化、智能化方面走在前面的金融機構，將搶得更多的先機。金融機構間的競爭將越來越聚焦于IT部門的競爭。數據池的深度和寬度、算力的強弱、大模型的匹配度等，將是大小行之間拉開差距的主要決定因素。

當然，對不少金融機構來說，這也是自我賦能和彎道超車的機會。通過加強算力基礎設施建設和合適的大模型的引進，此前“閑置”的客戶和業務數據將得以發掘和翻新利用，業務流程將被再造以求更加合理順暢，并更好地適配客戶的需求。已經諳熟于數字化和智能化生存，并熱衷于在其工作和生活中應用大模型的高端年輕客戶，將更青睞那些能夠與其“算法”和“算力”更無縫對接的金融機構。

不過，硬幣的另一面是，如何兼顧那些在數字化和智能化征程中落伍甚至有掉隊風險的客戶。當年懷揣各種數字化改造和智能化轉型方案的工業互聯網公司，當面對連數控機床、傳感器和基本的聯網設備都匱乏的小微企業時，不得不從頭做起幫助客戶圍繞數字化和智能化進行各種軟硬件升級，然后才能輸出自己的解決方案進行更高水平的賦能。

金融機構也應該不忘脫虛向實的初心，以服務好實體經濟的姿態，以更大的耐心和能力去改造和賦能傳統產業。人工智能和大模型時代，金融機構不僅要從資金流的角度通過全流程金融和全場景金融對企業進行加持，還要主動對客戶進行數據和算力賦能，為其匹配合適的大數據模型，推進人工智能訓練，幫助企業挖掘和生成自身的數據資產，提升數字化管理和決策水平，在保證安全的基礎上提升人工智能在管理和決策中的應用密度。

這些努力和投入，將為傳統產業更好地“享受”現代金融服務打下堅實的基礎，反過來也將大大拓寬金融機構的服務和業務空間。在此過程中，如何更好地在有著大模型優勢的IT企業、有著更強的金融算力的金融機構和傳統產業之間，形成多贏的合作模式，還有待各方在實踐中勠力求解。

除了以資金流和數據流為傳統產業賦能，金融機構還有可能將傳統產業“閑置”的數據變成富礦。隨著數據越來越成為一種寶貴的資產，財富管理的外延也在不斷拓展，數據資產也日益成為金融機構拓展新業務的標的。在這場變革中，高凈值客戶的概念將會被重寫，財富管理市場的服務對象、業務模式和增值獲利模型也將被重構。圍繞數據資產的新型財富管理無疑有著很多想象的空間，同時也意味著很多的基礎工作。數據資產管理新賽道的競逐，涉及數據資產的界定和標注、交易規則的設計和實踐，以及交易市場的建設和管理，需要監管方和參與者通力合作。

監管方與市場參與者的通力合作，將更有利于人們應對人工智能時代金融領域可能出現的新風險與新挑戰。不過，當人們惴惴不安于人工智能“自我生成”的決策可能給金融交易和金融市場帶來的倫理和系統風險時，可能忽略了這樣一種可能性：如果應用得宜，大模型和數字孿生技術的應用，有助于人們更好地進行金融系統的壓力測試，更精準地預測哪些可能的風險點會更能帶來系統性風險，以及風險將以何種模式演進。

因此，以ChatGPT為代表的人工智能在金融領域可以預見的大規模應用，將給市場參與者和監管者同時帶來新的挑戰和機遇。監管方無疑需要與時俱進，通過人工智能的應用大大提升監管效率，同時也應以更包容的心態和市場參與者一起為人工智能驅動的金融領域創新留足空間。