王洪章

中国建设银行原党委书记、董事长

各位领导、各位专家，大家下午好！

非常感谢深圳香蜜湖国际金融科技研究院邀请我参加数字金融和绿色金融融合发展研讨会，我认为这个会议非常重要。

现在确实形势比较严峻。2000年，我国二氧化碳的排放量不到40亿吨，2024年达到126亿吨，占全球总量的33%，其中电力的排放量占40%以上。最近几年我国原子能和风电发展很快，占总发电量的比重由4%上升到15%，发达经济体大概占17%。我国碳排放超过了发达经济体的总和，2023年比发达经济体高15%。发达经济体一半的发电量源于可再生能源和核能，所以发达经济体GDP增长0.7%，但是他们的排放量是下降的。习近平总书记提出“30、60”的目标，可能碳达峰不到2030年就实现，但总体上“30、60”的目标是很严峻的。

应对全球气候变化，金融业责无旁贷。“五篇大文章”中，数字金融和绿色金融融合发展是个重要选项，是个不断深化的过程。有五个方面的内容供大家参考。

一、融合发展是个质的改变和能力的升级

多年以前，我们关注金融服务绿色经济，重点是在融资方面支持节能减排，环境保护和自身融资数量的增加。后来发现自身的能力、水平存在缺陷，绿色经济所面临的挑战已不仅仅是具体的实体和项目占绿色比重。2019年绿色信贷余额是9.9万亿，2024年增长至36.6万亿，但是相比四、五百万亿绿色融资需求，满足率还不到10%。尽管我们现在的年增速目标达到20%，但和需求相比仍然杯水车薪。

在实践工作当中，绿色金融所面临的挑战主要涉及银行自身技术的改变，特别是外部信息的全面性和数据的准确性，靠现有的融资方式已经无法解决绿色金融的有效性和可持续性。所以金融的数字化转型这一趋势深刻推动了绿色金融与数字金融的融合发展，是高质量发展的必然选择，需要提高这方面的认识。

融合发展的核心价值在于数字金融为绿色金融提供技术底座和核心驱动力，绿色金融为数字金融提供价值、导向和广阔场景，构建一个高度、准确、透明、普惠、可度量的绿色金融生态。融合发展可以解决实践中碰到的一些问题，主要包括四个方面：

解决绿色金融识别难。数字金融通过大数据+人工智能识别+物联网+区块链，实时核验等技术的深度应用，实现可度量，破解绿色金融发展中长期存在的信息不对称难题。并且可以驱动绿色金融产品创新和服务模式的优化，这种融合在实践中已经逐渐可以应用，而且展现出比较广泛的前景。

解决环境效益量化难。这是金融外部信息的准确性问题。数字金融可以整合卫星遥感、物联网的传感器、AI算法，精准测算出碳足迹与环境效益，加上企业环境报告，这样可以对绿色金融提供可验证的评估结果。比如物联网的传感器，在机器设备上加一个传感器，所有的数据可以通过计算机显示出来。

解决资金穿透难。金融企业采用和推广区块链技术，确保资金流向透明，并不可篡改。过去的信贷管理中有一种方式是封闭运行，但实际上企业融资后每一笔贷款是很难追溯的，通过区块链技术可以解决这个问题。

解决项目分散、融资难。绿色金融项目涉及千家万户，不仅是公司，个人客户也会涉及，以前要做到普惠很不容易。现在数字平台、移动支付，将绿色金融融入小微企业与个人生活场景，可以做到这一点。

二、融合发展的路径选择

要完成金融的数字化转型，使数据更加全面真实和普惠。构建绿色金融数字化平台，需要建设统一的数字化的绿色金融标准。今天中午见到马蔚华同志，他和我讲，他们正在开发绿色金融标准，已经纳入全国6200多万个企业。他说绿色金融标准已经制定出来了，在座的可以和马行长进行交流，绿色金融标准在他那里是不是已经突破了。

整个金融体系当中，绿色金融标准目前还是不统一的，但是融合发展可以解决这个问题。通过场景建设，打通政务数据（环保、能耗、气象），企业运营数据，物联网实时数据，供应链上第三方数据，形成“绿色数字画像”。

这些数据的取得需要在数字转型中给予准确的设计，包括数据采集标准、环保效益算法标准、信息技术数据模块等，可能涉及到企业、社会、环境各个方面。现在实际操作中不一定完全准确，做到完整性更困难。比如碳排放的监测和核算方面，2023年，全球企业范围3的碳排放量是范围1和范围2总和的26倍。范围3的碳排放数据边界非常大，来源广泛，长期面临核算完整性缺失。在发达国家，也没有完全解决这方面的问题，今后我们可以通过融合发展和数字化转型来解决这个问题。（范围1：直接排放，范围2：间接排放，范围3：价值链上下游活动的间接排放）

在数字化基础上能实现绿色金融的智慧管理。前两天参加了一个科技论坛，我认为，现在的趋势一是电子化，二是数字化转型，最终目的应该是智慧化转型。金融业正在处于数字化转型当中。数字化转型之后，主要的问题是解决金融科技功能和能力上的升级和飞跃，让数字具备感知、分析、判断和决策的能力，利用自然语言系统的机器学习，自动生成标准化的绿色标签认定。通过智慧化的转型使精准的定价和风险控制成为可能，这是我们做研究、做理论和做实际操作需要努力的方向。比如建立数字化风控模型，将与绿色金融有关的各类数据纳入数控模型中，实施实时监控。

还要做好融合发展压力测试，实现可持续发展，现在很多银行之所以出现问题，就是压力测试不够，包括房地产金融。很多中小银行没有做这方面的压力测试，一笔开发性贷款（包括按揭贷款）做压力测试以后，才能确保这笔贷款出去以后能够经受经济周期的考验。

三、依靠金融科技解决深层次问题

碳市场分析与预测方面，碳价波动受多重因素的影响。传统的计量模型基于历史价格数据和线性平稳假设，预测精度是有限的。数字金融技术可以通过多模态框架整合政策文本、突发事件及市场行为，驱动分析模式从经验判断转向智能决策。

绿色项目甄别与审核方面，涉及相关标准和细分项目等问题，数据口径存在一些差异。绿色评估认证体系又不健全，传统的尽调审核模式消耗大量的人力、物力。借助金融科技的大模型部署智能识别和智能审核系统，能够节省人力，压缩尽调周期，提高准确性。

风险预警和控制方面，企业的洗绿、飘绿的隐蔽性很强，有时候没有办法去斟酌，特别是金融专业对绿色金融的了解范围不是很宽，这种隐蔽性很难发现。金融机构在气候环境和企业行为数据的获取上难度非常大，对环境风险的预测判断和反应，金融存在一些滞后性。尽管现在数字化转型进展比较快，但也无法及时得到完整和准确的数据。通过数字技术能够将风险管理升级为预见性治理，构建智能风控体系。实时风控响应时间达毫秒级，有实践证明，不良贷款率可降低15%-20%。比如，结合卫星影像和计算机视觉技术，实时监控生产单元的排放情况，交叉核验，企业报告的真实性就可以得到验证。

绿色金融产品创新与服务升级方面，数字金融能通过数据穿透、智能定价等方式，形成多元化自行演进的绿色金融产品工具生态体系，弥补产品不足的问题，这里有一个重要前提是商业金融机构的综合化转型要到位。商业银行业务流程自动化率能达到85%以上，运维成本节约12%-15%。针对特定群体客户转化率提升能30%，个性化服务覆盖率达80%以上，这些成熟的技术可以为绿色金融创新产品，提供综合金融服务。

大家都讲直接融资难，间接融资的比重仍然占80%以上，这个局面并没有得到根本性的改变。根本性的改变，首先是商业银行要转型，加大直接融资机制和制度的转型力度。二是产品和工具的创新，需要通过数据的穿透和智能定价，形成多元化、自行演进的绿色产品创新和绿色工具生态体系的建设。没有数字金融的创新，靠凭空想象创造产品和工具是不可能的。三是绿色金融的普惠性，技术上完全可以解决现在小微快贷、智能化客服、智能化产品销售基础上的普惠问题，市值较大的金融机构和股份制商业银行已经解决这些问题了。

普惠的绿色金融包括，传统的绿色信贷与债券，还有碳排放权配额及其衍生品，以及连接消费端的碳普惠机制。根据最新政策规划，碳市场配额有偿分配将成为成熟市场的标配，这些复杂的机制设计和高频的交易需求，需要强大的数字金融基础设施作为支撑。

四、“数字金融+绿色金融”融合的潜在风险与挑战

能源的消费悖论。AI模型训练与部署的高能耗特征与绿色金融追求的低能耗、低碳化目标存在明显矛盾。大数据现在鼓励商业银行的数据中心建在西部，因为发电量和算力增加以后耗电量是很大的。国际上专门有一个统计数据，数字中心的耗电量，2024年是4150亿度，2030年到9450亿度。碳排放2024年1.8亿吨，2035年预计可能到3.5亿吨。

数据治理和安全风险。绿色金融项目往往涉及行业中多级供应链，次级供应商数据仍依赖企业实体自主填报，ESG数据散见于企业各部门，缺乏统一采集标准，现阶段数字金融工具与企业现有系统难以无缝对接。

算法歧视导致的金融资源错配风险。评估在地区之间、企业之间可能会产生算法歧视和系统性排斥，数字金融对大规模、多维度、标准化的数据有依赖性。即使我们从概念上认可ESG，但是ESG真实的数据能不能被有效地量化，我认为现在还很难。另外，数字金融绿色金融短期的绩效导向也影响或抑制金融机构投入的积极性。

合规和监管的挑战。金融数字技术的快速发展往往超越了现有金融监管框架的更新速度，可能形成监管滞后。另外，绿色金融数据，包括数字金融本身，实质上缺乏第三方校验标准和验证工具。我们在海外设机构的时候，首先AI的建设需要经过监管部门批准，然后才能开发产品。在AI技术没有得到监管部门批准的时候，相对应的产品就不能用，不能发，国内还没有做到这一点。另外，无法通过现有的审计架构实现跨境的绿色债券。碳足迹的追踪，数据流动和数字金融协同，使传统的属地管理、属地监管会增加合规的成本。

五、应对困局的几点建议

第一，绿色算法研发与能效提升。一是支持研发绿色金融专用数字芯片，采用存算一体架构优化数据存储和处理方式；二是推动数据中心等基础设施采用清洁能源电力供应。

第二，数据治理能力升级。在数据获取方面，鼓励金融机构、科技企业、科研机构间构建ESG数据协作网络，确保数字金融在符合法律和治理的要求下释放最大潜力；在数据安全方面，法律层面需明确数据采集边界与跨域流转权限，建立绿色金融数字模型安全认证制度。

第三，保证金融公平性和价值导向长期性。一是避免出现数据霸权；二是金融机构要在短期财务压力和长期社会责任之间寻找平衡。

第四，合规保障机制创新。构建覆盖算法研发等全生命周期动态合规评估机制；嵌入绿色金融特有的环境效益验证模块；引入第三方审计机构，对数字模型的算法、数据和决策过程进行独立审查；建立跨区域、跨部门的联合监管机制，强化对碳数据跨境流动、绿色资产数字定价等复杂场景的协同治理。

第五，复合型人才培养。金融机构要完善数字和绿色金融复合型人才教育培养体系，储备人才，加强不同业务条线和专业背景人员的跨部门交流协作；加强与高校、科研院所的产学研合作，开展“数字+绿色金融”定向培养项目及复合技能认证。金融监管部门或行业协会可以搭建绿色金融数字知识共享平台，提供开源工具包与典型案例库，降低技术应用门槛。

就讲到这里，谢谢大家！