王朝弟

原中国银保监会首席检查官

尊敬的肖钢主席，各位领导、各位同仁，大家好！我代表“治理篇”研究团队就《香蜜湖智能金融发展报告（2025）》“治理篇”的主要观点和内容向大家做一简要汇报，“治理篇”主要有三个部分。

一、智能金融治理机制建设概览第一，全球智能金融治理最新实践与发展方向。

近年来，全球智能金融治理已进入政策体系加速完善的关键阶段，主要需要解决三个方面矛盾：一是智能金融创新活力与有效监管边界之间的平衡；二是数据严格保护与开发利用之间的协调；三是国内治理规则与全球治理规则的衔接。

我们选取国际金融组织、发达国家在智能金融治理方面的最新成果，梳理了金融伦理理事会、国际资本协会及国际清算银行在智能金融治理方面的一些文件和规则，系统分析了美国、欧盟、英国、日本等发达国家在智能金融治理方面的良好实践和最新做法。

一是国际组织智能金融治理框架和指引。国际组织致力于围绕智能金融的应用前景、潜在问题、应对举措等建立监测、评估、管理框架，为各国具体治理提供指引。

二是美国智能金融治理规则。美国将智能金融治理纳入整体AI战略，利用其金融市场的国际地位巩固智能金融有关治理规则的影响力，强调兼顾效率、公平和安全。

三是欧盟智能金融治理规则。欧盟将金融领域AI应用列入高风险行业，暂未纳入“应用AI战略”第一批重点行业，强调完善智能金融治理体系。

四是英国智能金融治理规则。英国金融监管部门聚焦金融稳定来优化智能金融监管，并通过“监管沙盒”等机制在防控风险的前提下开展智能金融试验。

五是日本智能金融治理规则。日本加强对智能金融治理的调查研究，推出一系列细致全面、针对性强的报告，前瞻性引领智能金融治理政策。

第二，中国智能金融治理思路与最新动态。

中国智能金融治理政策动向方面。一是习近平总书记高度重视新一代人工智能发展，多次作出重要指示和重要论述。二是国务院出台《关于深化实施“人工智能+”的行动意见》，金融是“人工智能+”发展的重要领域，人民银行、金融监管总局、证监会也结合自身实践出台了专门的政策性文件。三是支持智能金融高质量发展，强化智能金融对重点领域的支撑。四是推动智能金融治理向全生命周期全流程动态监管转变，从尊重用户选择和推动普惠服务角度加强对老年人等特殊群体智能金融服务的监管力度。五是加强智能金融的标准化建设和评测工作。六是推出智能金融典型场景，发挥正面引导功能。

中国智能金融治理面临的挑战方面。中国智能金融治理主要面临五个方面的挑战：一是大模型技术性风险带来的挑战，包括模型幻觉、模型共振、算法偏见、可解释性等问题。二是智能金融统筹发展和安全的挑战，包括数据泄露、数据投毒、跨境数据流动等问题。三是金融消费者权益保护的挑战，包括误导营销、隐私泄露、服务质量、责任认定等问题。四是监管体系和监管能力不足的挑战，包括合规自动化工具、监管数字化智能化、监管资源瓶颈等问题。五是行业生态培育的挑战，包括行业多样性、普惠性、行业自律、AI伦理等问题。

第三，智能金融治理的机理、实践与展望。

一是充分认识智能金融治理的目标导向，主要有三个方面：①保障安全；②推进社会公平；③助力价值创造。

二是人工智能赋能智能金融治理的机理，主要有四个方面：①推进合规管理智能化；②打造一体化智能监管平台；③发挥金融科技企业协同作用；④鼓励包容审慎的先行先试机制。

三是人工智能赋能智能金融治理的实践，主要有四个方面：①推动合规管理智能化；②打造一体化智能监管平台；③发挥金融科技企业协同作用；④鼓励包容审慎的先行先试机制。

四是人工智能赋能智能金融治理的展望，主要有五个方面：①AI监管技术标准化建设；②构建跨部门数据共享与安全保证机制；③加强监管队伍AI能力建设；④支持AI辅助监管工具研发与试点应用；⑤深化国际交流与标准协同。

二、智能金融治理的新变量：金融大模型治理第一，AI大模型技术风险对智能金融治理提出新要求。

随着AI大模型技术迅猛迭代，金融业正经历从“信息化”向“智能化”的深度跃迁。传统治理模式以“事后监管、机构约束”为核心，而大模型的跨场景渗透、动态迭代特性，要求治理体系从被动应对转向主动适配，从单一维度管控转向多层面协同治理。

我们对数据、算力、算法等方面及新要求进行了系统梳理。在数据安全方面，生成式AI大模型训练依赖海量数据，其数据来源的广泛性、类型的复杂性远超传统AI模型，这要求金融机构建立覆盖数据采集、清洗、存储、使用、销毁的全生命周期治理机制。在算法方面，传统金融业务的决策逻辑相对清晰，而大模型的“黑箱”特性使得决策过程难以追溯，这与金融监管对“可解释性”的要求形成冲突，因此，治理体系需强制要求金融机构在关键业务场景中，对大模型的算法原理、变量权重、决策依据进行适度披露。在算力方面，大模型具有持续迭代能力，其通过实时数据反馈不断优化参数，可能导致模型性能在运营过程中发生漂移（如从合规状态演变为不合规）。这要求治理机制从“静态备案”转向“动态监测”。

第二，各部门出台治理要求。

网信办、工信部等相关部门出台了一系列政策，从数据安全、模型评测、治理框架等多方面提出治理要求。在数据安全方面，需对数据全生命周期实施合规管控，涵盖分类分级、来源合法、标注可追溯等要求。在模型评测方面，需通过第三方全面评估，覆盖生成内容标识合规性、动态风险监测及中小企业场景适配性等要求。在治理框架方面，需构建分类分级监管与多方协同体系，明确服务提供者、分发平台等全链条责任，并配套备案制度。

各部门出台的人工智能治理办法主要包括：①《生成式人工智能服务管理暂行办法》（2023年），由网信办联合工信部、公安部等七部门发布。②三项大模型安全国家标准（2025年），包括《生成式人工智能服务安全基本要求》《预训练和优化训练数据安全规范》和《数据标注安全规范》，由全国网络安全标准化技术委员会发布。③《国家人工智能产业综合标准化体系建设指南（2024版）》，由工信部等四部门制定。④《新一代人工智能伦理规范》（2021年），由国家新一代人工智能治理专业委员会发布。⑤《中小企业数字化赋能专项行动方案（2025—2027年）》，由工信部等四部门发布。⑥《人工智能生成合成内容标识办法》，由网信办、工信部等四部门联合发布。⑦《数字中国建设2025年行动方案》，由国家数据局印发。⑧《政务领域人工智能大模型部署应用指引》（2025年），由网信办、发改委联合印发。

第三，AI大模型技术治理面临的困难与挑战。

我们从宏观、行业、微观三个层面分析AI大模型技术治理面临的困难与挑战。

从国家层面来讲，一是监管框架有待完善；二是监管协作有待加强；三是监管要求有待细化；四是监管技术能力滞后；五是投资者保护体系不健全。

从行业层面来讲，一是标准碎片化与评估工具缺失；二是模型同质性可能引发系统性风险；三是缺乏行业协同机制和统一标准；四是数据治理陷入两难困境。

从企业层面来讲，一是合规成本上升；二是定位难度提升；三是技术适配与业务需求错配。

第四，关于金融大模型治理的政策建议。

我们从四个方面对相关的政策建议进行了梳理。

一是构建分工协同的监管框架，主要有三个方面：①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；②完善金融科技创新试点的监管沙盒机制；③加强问责机制。

二是建立标准化的技术治理体系，主要有三个方面：①统一数据治理标准；②构建全流程测评体系；③推动算法透明化技术研发。

三是强化行业自律与生态建设，主要有三个方面：①发挥行业协会的桥梁作用；②加强人才培养与国际合作；③督促金融机构完善内部治理。

四是强化跨境协同治理机制建设，主要有两个方面：①推动数据跨境流动的规则互认与分类管理；②建立跨境监管协同与信息共享机制。

三、中小金融机构智能金融治理第一，我国中小金融机构智能金融发展概况。

在“十四五”期间，我国中小金融机构加快数字化转型，同时持续推进人工智能应用，发生了翻天覆地的变化。在防控风险、减量提质总体要求下，大量中小金融机构兼并重组，通过“农信改革”组建省级农商行、村改支等措施，重构了农村金融体系，缓解了技术投入的规模不经济等问题。也要看到，当前中小金融机构在金融大模型应用中呈现分化特征，机构间差异与区域失衡问题尤为突出。

目前，中小金融机构AI能力构建主要呈现以下四条路径：

一是自主研发。部分头部机构正积极布局自主可控的AI技术发展路径，其核心策略是推动全栈国产化与全面私有化部署，旨在牢牢掌握核心技术自主权，规避外部依赖风险。

二是与大型金融机构合作共建。大型金融机构与中小型机构共同建设行业大模型，向中小型机构输出AI应用经验和典型范式，或通过科技子公司承接中小型机构AI建设项目，共创行业AI应用良好生态。

三是与第三方金融科技企业合作共建。中小金融机构因技术储备与资源投入有限，与科技公司合作呈现“技术外包+场景适配”特征，既能规避自主研发的高成本与长周期风险，又能借助场景化定制实现技术的快速部署与应用。

四是合并重组谋转型。近年来，中小金融机构重组合并已成为实现资源共享、技术互补和业务协同发展的有效途径，也是推动数智化转型、提升市场竞争力的关键举措。

第二，中小金融机构智能金融发展面临的困难与挑战。

中小金融机构智能金融发展主要面临四个方面的困难与挑战。

一是战略规划不清晰，主要有五个方面：①业务定位尚需明晰；②组织管理架构有待优化；③对科技公司的依赖较强；④技术路线选择迷茫；⑤内部转型阻力较大。

二是资源投入有限，主要有四个方面：①资金投入有限；②算力成本高企；③复合人才缺乏；④技术供应商议价能力薄弱。

三是数据基础薄弱，主要有三个方面：①高质量数据集不足；②数据治理体系有待完善；③数据的地域局限较强

四是落地转化与生态严重不足，主要有三个方面：①场景落地重形式、轻实效；②行业生态参与度低；③客户信任培育困难。

第三，支持中小金融机构智能金融发展的政策建议。

围绕支持中小金融机构智能金融发展，我们提出四个政策建议：

一是立足中小金融机构自身实际，构建轻量化智能金融治理体系。主要有三个方面：①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；②深化组织变革，让业务部门更多参与业技融合；③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。主要有三个方面：①选择适合自身的AI建设模式与路径；②统筹成本与效益推进AI应用；③人才培养侧重“一专多能”，培养既懂金融业务又会操作AI工具的复合型人才。

三是破解数据短板，构建差异化数据支持体系。主要有三个方面：①机构自身数据治理“轻量化”；②可由相关监管机构牵头，帮助中小机构提升模型训练质量；③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，为中小金融机构智能化建设插上翅膀，推动中小金融机构全面升级和发展。主要有四个方面：①支持技术供给端通过专业分工提升服务能力；②完善“金融-科技”合作风险管理与分担机制；③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；④场景化试点推广与标杆复用。