2025年12月20-21日，由深圳香蜜湖国际金融科技研究院与数字金融合作论坛联合组织的第二届“深圳香蜜湖金融年会”在深圳市福田区成功举办。20日下午“让金融更智能，让智能更温暖”主题研讨会上，《香蜜湖智能金融发展报告（2025）》（以下简称“报告”）重磅发布。这是课题组连续第六年发布“智能金融发展报告”，本次《报告》重点研究2025年以来我国智能金融发展新进展、新趋势、新特点和新问题并提出对策建议。
《香蜜湖智能金融发展报告（2025）》
2025年，人工智能技术取得新进展，DeepSeek在年初的横空出世超出了人们的预期。在OpenAI等国际巨头一度引领全球人工智能潮流的背景下，DeepSeek凭借强大的技术实力（如 DeepSeek-V3在全球基准测试中展现的顶尖性能）与积极的开源策略异军突起。其在自然语言理解、代码生成等关键能力上迅速逼近国际领先水平，部分场景下甚至实现超越，打破了以往“国内模型普遍慢半拍”的印象，成为推动国内通用人工智能格局重塑的关键变量。“人工智能+”行动的深入实施，推动人工智能跃升为重塑新质生产力的关键力量，通过破解行业痛点释放全要素生产率的倍增效应。智能金融作为“人工智能+”行动在金融领域的应用，紧紧围绕做好金融“五篇大文章”，在助力构建高度适应性、竞争力、普惠性的现代金融体系和金融强国建设方面发挥了重要作用。
报告框架和主要内容
该报告为深圳香蜜湖国际金融科技研究院重大课题项目“中国智能金融发展报告（2025）”的研究成果，冠名《香蜜湖智能金融发展报告（2025）》，由中国证监会原主席、我院学术委员会主任肖钢牵头。《报告》共分为六个部分：
第一部分为技术篇，主要介绍2025年以来人工智能技术最新动态与发展趋势以及金融支持人工智能发展的情况与措施，由香港理工大学人工智能物联网研究院研究员李鸣牵头。第二部分为应用篇，从银行、保险、证券、科技公司和监管机构等应用场景，介绍我国智能金融应用新趋势、新亮点和新案例，由中国工商银行原首席技术官、我院学术委员会委员吕仲涛牵头。第三部分为专题篇，主要介绍人工智能与数据治理新机遇、智能数据治理的战略价值及全生命周期管理、智能时代数据治理面临的主要挑战和策略。第四部分为探索篇，主要对金融人工智能主流技术架构、解决大模型幻觉问题的金融级方案、金融机构模型选型与构建路径、金融云迈向深度智能融合新阶段等方面进行分析和展望。第三篇和第四篇均由中国金融传媒集团特聘高级专家、中国银行业协会原首席信息官、我院学术委员会委员高峰牵头。第五部分为港澳篇，介绍港澳在智能金融政策法规、应用案例和未来展望等内容，该部分为首次增设，既是本报告的一大亮点，也凸显粤港澳大湾区的特色，由香港证监会原主席、中国证监会国际顾问委员会委员梁定邦牵头。第六部分为治理篇，梳理2025年以来国内外智能金融治理的政策与监管行动，同时特别分析我国中小金融机构智能金融发展与治理面临的困难与挑战，提出相应对策建议，由国家金融监督管理总局原首席检查官王朝弟牵头。原中国保监会党委副书记、副主席周延礼主持报告发布会。
智能金融发展的四大新趋势和三个新挑战
《报告》指出，随着生成式人工智能技术的爆发性创新，进一步重塑了金融行业的技术图景，智能金融发展新趋势体现在以下四个方面：
一是在人工智能技术的基础研究方面，新一代大模型，如OpenAI o1、DeepSeek R1等，借助思维链（Chain of Thoughts）和多步推理机制，显著提升推理与泛化能力，能够解决复杂数学、法律和医学问题，为金融领域处理复杂业务场景提供了可能。
二是在人工智能产业发展方面，我国人工智能产业快速发展，2025年核心产业规模预计突破7000亿元，企业数量超4500家，人工智能产业已告别“百模大战”的粗放阶段，向头部大模型集中化、集约化发展。
三是在智能金融的应用方面，国内以DeepSeek为代表的生成式人工智能大模型的爆发式增长，深刻地影响了金融行业的创新路径和发展方向，催生了众多新模式、新业态，推动金融业向更高效、更智能、更普惠的方向转型升级。
四是在智能金融的治理方面，随着智能金融应用日益广泛，治理体系建设迫在眉睫。欧盟《人工智能法案》于2025年全面生效。美国则正式出台《美国AI行动计划》，以加速创新、升级基础设施、主导国际规则为三大支柱，标志着美国人工智能政策迎来关键转折点——监管思路从风险审慎转向竞速优先，核心意图在于重塑全球AI规则制定权。
《报告》认为，在人工智能技术蓬勃发展情况下，以大模型为代表的人工智能技术对金融行业应用带来诸多挑战，衍生出一些新的问题值得我们深入思考，新挑战体现在以下三个方面:
一是全球人工智能治理体系尚未完全建立，不同国家和地区在治理理念和路径上存在差异，这为智能金融的全球化发展和国际合作带来不确定性。
二是尽管大模型等技术带来了巨大机遇，但其应用仍面临技术复杂、训练推理成本高、应用开发难度大等问题。
三是数据安全、算法偏见、伦理规范以及监管适应性，是智能金融健康发展需要重点关注和解决的问题。
智能金融治理的原则和建议
《报告》认为，要坚持以人为本，构建人机协同的金融服务生态。人工智能的价值在于“赋能”而非“替代”。在金融领域应用人工智能技术，不是要取代人类的判断和决策，而是要通过技术手段提升金融服务效率，增强风险防范能力，拓展服务边界，最终实现以人为本的金融创新。人工智能应成为金融从业者的“智慧助手”，而非替代人类判断的“决策独裁者”。智能金融的应用可让人工智能辅助员工处理繁琐的数据整理与事务性工作，让员工有更多精力专注于客户服务、策略制定等更具价值的工作，提升员工的工作效率和职业发展空间。这种“人机协同”模式不仅避免了技术失业风险，更释放了金融从业者的创造力。
《报告》重点关注智能金融治理中金融大模型治理与中小金融机构智能治理两个方面，并提出相关政策建议。一方面，《报告》针对金融大模型治理提出四条政策建议。
一是构建分工协同的监管框架。制定金融行业实施“人工智能+”行动的指导意见，全面部署人工智能+金融的路线图与时间表。完善金融科技创新试点的监管沙盒机制。强化跨部门协同与央地联动，在部分地区先行先试金融科技创新产品。加强问责机制，明确大模型应用的全链条问责要求。
二是建立标准化的技术治理体系。统一数据治理标准，制定金融大模型数据治理指南，明确数据采集的“最小必要”原则、数据清洗的质量标准、数据存储的安全等级。构建全流程测评体系，制定金融大模型测评规范，涵盖模型研发、上线、迭代全流程。推动算法透明化技术研发，鼓励研发“可解释AI”技术，例如通过可视化工具展示大模型决策的关键路径，或简化复杂算法为“白盒”模块。
三是强化行业自律与生态建设。发挥行业协会的桥梁作用，制定行业自律公约，明确大模型应用的伦理准则、风险防控最佳实践、数据安全保障要求等。加强人才培养与国际合作，推动高校开设“金融AI治理”、“金融数据安全”、“AI 伦理与监管”等交叉学科课程，培养既掌握金融监管知识，又理解大模型技术原理的专业人才。督促金融机构完善内部治理，建议金融机构设立“AI伦理委员会”，负责审核大模型应用的合规性与伦理风险，否决可能损害消费者权益或引发系统性风险的项目。
四是强化跨境协同治理机制。推动数据跨境流动的规则互认与分类管理。积极参与国际金融数据治理规则制定，在金砖国家、“一带一路”沿线国家间推动金融数据“白名单”制度，明确可跨境流动的数据类型、条件及监管责任，确保数据流动“可控可溯”。建立跨境监管协同与信息共享机制，依托全球金融稳定理事会（FSB）、国际清算银行（BIS）等平台，推动主要经济体签署金融大模型跨境监管合作备忘录，明确监管职责划分、信息共享范围及联合执法流程。
另一方面，广大中小金融机构数字化智能化转型，关系到我国加快建设智能经济和智能社会的全局，也是衡量“人工智能+”金融行业行动成效的重要内容。因此，要多举措并举，大力支持和帮助中小金融机构发展智能金融。《报告》针对支持中小金融机构智能金融发展提出四条政策建议。
一是立足中小金融机构实际，构建轻型化智能治理体系。提升金融机构高管层AI认知水平，做好业务战略设计与技术、数据底层的统一。深化组织变革，让业务部门更多参与业技融合。建立合适的策略，不过度依赖外部技术输出。
二是聚焦资源约束痛点，规划适配性资源投入路径。选择适合自身的AI建设模式与路径。统筹成本与效益推进AI应用。人才培养侧重“一专多能”。
三是破解数据短板，构建差异化数据支持体系。机构自身数据治理“轻量化”，聚焦核心数据的清洗与整合。可由相关监管机构牵头，探索在数据标准化脱敏处理后，将具有行业代表性的公共数据集上传至行业云，帮助中小机构提升模型训练质量。探索构建差异化模型混合部署模式，助力中小金融机构平衡效率与安全。
四是构建普惠生态，跨越中小机构智能鸿沟。支持技术供给端通过专业分工提升服务能力。完善“金融-科技”合作风险管理与分担机制。推动行业基础设施建设，通过普惠共享降低中小金融机构AI应用成本。场景化试点推广与标杆复用。
