在 2025 世界人工智能大会（WAIC）期间举办的 “人工智能金融领导者论坛” 上，与会嘉宾达成核心共识：AI 与金融的深度融合绝非单纯的技术落地，而是涉及认知革新、制度调整、人才升级、生态共建的全链条系统重构。面对即将到来的金融新范式，行业需在突破技术边界的同时，牢牢守住 “稳定与信任” 的核心底线 —— 这一观点成为论坛热议的焦点，也为当前 “AI + 金融” 的发展指明了方向。

一、上海 “双向赋能”：构建 “AI + 金融” 的生态基石

作为全球金融中心与人工智能创新高地，上海正通过 “要素支撑、资本供给、场景落地” 三维发力，打造 “AI 赋能金融、金融反哺 AI” 的良性循环，成为全国 “AI + 金融” 融合的标杆城市。上海市委常委、常务副市长吴伟在论坛中披露了三大核心进展：

1. 要素支撑：机构与人才双轮驱动

金融机构集聚：全市持牌金融机构总数近 1800 家，外资金融机构占比达 1/3，为 “AI + 金融” 提供丰富的应用主体；

人才培育提速：推动 14 所高校成立人工智能研究院，定向培养 “AI 技术 + 金融业务” 的复合型人才，破解行业 “人才缺口” 难题 —— 据此前行业报告，2025 年国内 “AI + 金融” 人才需求缺口超 20 万，上海的高校布局正精准填补这一空白。

2. 资本供给：千亿元级基金矩阵护航

通过设立国家人工智能产业投资基金、上海人工智能母基金等，构建起千亿元级资本支持体系，一方面为 AI 技术研发提供资金保障，另一方面吸引全球金融科技 “独角兽”、头部金融机构科技子公司落户，形成 “资本 - 技术 - 产业” 的联动效应。例如，某国际 AI 风控企业凭借上海母基金注资，半年内就推出了适配国内中小银行的轻量化反欺诈模型。

3. 生态落地：场景驱动技术规模化应用

上海通过 “场景对接” 机制，推动 AI 在金融核心领域的落地：从跨境结算的智能汇率预测，到普惠信贷的实时风险定价，再到零售金融的个性化服务推荐，实现 “技术突破 — 场景验证 — 产业升级” 的闭环迭代。以某国有大行上海分行为例，其基于 AI 的跨境结算智能核验系统，将单据审核时效从 2 小时压缩至 10 分钟，错误率降至 0.1% 以下。

二、金融机构实践：从 “技术应用” 到 “组织重构”

论坛上，农业银行、摩根大通、浦发银行等机构负责人分享了 “AI + 金融” 的落地经验，核心逻辑已从 “用技术优化流程” 转向 “以 AI 重构组织”，凸显 “人机协同” 与 “人文关怀” 的平衡。

1. 农业银行：人机协同 + 人文关怀的 “双本原则”

农业银行行长王志恒提出，AI 应用需配套 “组织层面的适应性调整”：

流程与制度重构：针对 AI 落地，同步优化劳动组合、作业流程（如将信贷审批中的人工复核环节与 AI 初审环节衔接）、管理制度（如明确 AI 决策的责任边界），实现 “高效人机协同”；

双 “以人为本”：对外以客户需求为核心（如为老年客户开发语音交互的养老金查询功能），对内以员工体验为重点（如用 AI 辅助客户经理完成报告撰写，减少重复性工作），最终提升客户与员工的 “双获得感”。

2. 摩根大通：人才是 “AI + 金融” 的核心变量

摩根大通环球企业银行大中华区总裁黄健直言，银行在 AI 时代的竞争，本质是 “人才能力的竞争”，并明确两类关键人才需求：

复合型人才：既懂 AI 技术逻辑，又熟悉金融业务规则（如能理解信贷风控模型的算法原理，同时掌握企业财务分析知识）；

终身学习型人才：AI 技术迭代速度快，“学校所学技能仅能满足 30% 的工作需求”，员工需具备在不同场景中快速学习新技术、新理念的能力 —— 为此，摩根大通已在上海设立 “AI 金融学院”，定期开展算法、合规、业务融合的跨部门培训。

3. 浦发银行：“三端相向而行” 的融合逻辑

浦发银行董事长张为忠提出，AI 赋能金融不能 “单端发力”，需产业端（需求方）、技术端（供给方）、金融应用端（落地方）协同推进：

产业端需明确真实需求（如小微企业对 “快速信贷审批” 的需求）；

技术端需提供适配金融场景的解决方案（如轻量化、低 “幻觉” 的信贷模型）；

金融应用端需搭建落地载体（如对接产业数据的智能风控平台）；

三者需通过 “场景共创” 机制（如银行联合 AI 企业、产业链核心企业共建实验室），打破 “技术与业务脱节” 的困境。

三、生态协同：监管、产业、高校的 “全方位合作”

论坛嘉宾一致认为，“AI + 金融” 的系统重构离不开跨主体的协同，尤其是政府与监管的 “包容支持”，以及产业界与学术界的 “能力互补”。

1. 监管包容：为创新留足 “试错空间”

张为忠与中国香港理工大学人工智能讲座教授张成奇均提到，AI 在金融领域的落地存在 “不确定性”，需监管部门提供 “局部试点、可控创新” 的环境：

例如，对 AI 在普惠信贷、智能投顾等领域的应用，可通过 “监管沙盒” 机制，允许机构在限定范围、限定规模内测试，待验证安全性后再推广；

避免 “一刀切” 的监管政策，为不同类型金融机构（如大型银行与中小银行）提供差异化的 AI 应用指引。

2. 跨主体合作：打破 “数据与知识壁垒”

张成奇强调，“AI + 金融” 不是某一方的 “独角戏”：

金融机构需开放业务场景与数据（在合规前提下），为 AI 技术提供 “实战训练素材”；

AI 企业需深入理解金融逻辑，避免技术 “悬浮化”（如通用大模型直接套用至信贷场景导致 “幻觉”）；

高校需加强 “AI + 金融” 的交叉学科建设，培养既懂技术又懂业务的 “桥梁型人才”；

政府需搭建对接平台（如上海的 “AI 金融场景对接会”），推动各方资源整合。

四、总结：创新与底线的 “动态平衡” 是关键

此次论坛清晰传递出一个信号：AI 对金融的重塑已进入 “深水区”，单纯的技术突破不足以支撑行业变革，需同步解决 “认知跟不上技术、制度跟不上应用、人才跟不上需求、生态跟不上协同” 的系统性问题。

未来，“AI + 金融” 的发展路径将围绕两大核心展开：一方面，通过技术迭代（如低 “幻觉” 金融大模型、智能体工作流）、组织调整（如人机协同流程）、生态共建（如跨主体合作），持续释放 AI 的效率价值；另一方面，始终将 “稳定与信任” 放在首位 —— 无论是数据合规、模型可解释性，还是人才伦理培养，都需守住金融行业的核心底线。

正如上海在 “AI + 金融” 领域的探索所示，只有当技术创新、制度保障、人才支撑、监管包容形成合力时，AI 才能真正成为推动金融高质量发展的 “核心引擎”，而非引发风险的 “不确定变量”。这既是本次论坛的共识，也是行业未来前行的方向。