从智能客服到风险管理，从个性化服务到普惠金融，AI技术正在金融行业落地生花。

尽管前景广阔，但也不得不面对一个现实：AI在金融领域的应用依然处于发展的初级阶段，是否要“All in AI”？如何平衡效率与安全？AI与人的关系如何演变？这些都是摆在行业面前的一道道棘手难题。

民建北京市委金融委主任，北京航空航天大学经管学院金融系教授、金融大数据与金融工程研究中心主任李平表示，不能盲目地“All in AI”。她认为，大型机构可以着重关注大模型的研发，或者是基础架构开发。小型金融机构则可以专注于特定应用场景，聚焦于某个细分领域。

关于效率和安全的平衡问题，在李平看来，金融机构应加强与统计及计算学界的深度合作，学会运用数据隐私保护及加密技术，共同探索如何在提升效率的同时，确保安全性得到兼顾。

是否要“All in AI”？

随着ChatGPT、Sora等生成式人工智能的横空出世，全球范围内掀起了一股技术革新热潮。从科研机构、科技企业乃至传统金融机构一拥而上，纷纷加大对AI技术的研发投入。

在AI逐步渗透到金融领域各个方面的同时，一个备受争议的问题浮出水面：是不是所有金融机构都要全面拥抱人工智能的春天，是否要“All in AI”？

“不能盲目地All in AI”，李平称。

她提到AI“吞水”问题。据了解，AI模型在运行过程中，数据中心会产生大量热量，为了使其保持平稳运行，需要依靠大量的水资源进行冷却处理。

一项研究表明，一个用户向AI大模型提问10到50次，可能会导致500毫升的水资源消耗。如果数以万计的用户同时提问，背后的水资源消耗将难以估计。

除了水资源消耗惊人外，AI大模型还带来诸如电力消耗激增、碳排放增加等其他环境问题。

李平建议，无论是全国，还是北京，都应遵循“集中力量办大事”的原则。各个城市，特别是北京的各个区，应该统一规划和调配算力资源，以支持大型模型的运行。

李平认为，大型机构，尤其是科技公司和金融机构，可以着重关注大模型的研发，或者是基础架构开发。小型金融机构则可以专注于特定应用场景，聚焦于某个细分领域，即小模型，效果可能更好。

“我并不建议小型机构涉足大模型研发，因为很可能投入了大量资金却达不到预期效果。”李平称。

效率和安全如何平衡？

毋庸置疑，AI正在重塑整个金融行业的运作模式。然而，AI与金融的融合也面临诸多挑战。

李平认为，这其中仍存在许多待解决的问题，尤其是效率和安全的平衡问题。从学术界来看，大数据和人工智能等技术和模型在评估借款人信用水平及违约率方面无疑提供了很大助力。但后台数据怎么使用，以及如何保护借款人隐私也成为必须考虑的问题。

李平指出，当前，统计及计算学界正积极研究如何在确保数据保真的同时，又不损害借款人隐私，现在已有诸多研究成果。

她建议，金融机构或科技公司与统计及计算学界展开深入合作，运用数据隐私保护及加密技术，在确保不大幅损失信息的同时，还能注重隐私保护，共同探索效率与安全的平衡术。

同时，李平建议，监管层应从两方面着手：一方面，要加强相关技术的学习与应用；另一方面，需尽快制定出台相关政策，在监管效率与安全性之间找到恰当的平衡点。

AI与人的博弈

当前，虽然众多金融机构已经积极地将AI技术应用到日常业务运营中，但实际上AI技术还不够聪明，尚未达到高度智能化水平。

李平称，AI应用较多的还是客服领域，而且有时还显得比较笨拙。无论是在金融平台还是购物平台，与AI交流时发现，AI与人工客服提供的服务还有较大差距。

“这再次体现了AI与人类之间的博弈。由于语料的不同，在训练过程中，AI会产出不一样的结果。而AI本身难以判断这些语料的准确性，因此背后依然依赖于人类的智能。”李平称。

谈及AI会不会超越人类，李平认为AI主要是赋能人类，最终不会超越人类。

李平称，这背后仍是人类与智能之间的竞争。在AI尚未超越人类之前，人类需要不断变得更加聪明，并推出相应的标准。无论是政策制定者、科研人员还是开发者，最终都应学会驾驭AI，而不能被 AI 牵着鼻子走。

“AI+金融”走向何方？

根据国际数据公司（International Data Corporation）的预测，到2027年，全球金融业在人工智能的支出将达到970亿美元，复合年增长率为29%。这一数据凸显了金融行业在人工智能应用方面的巨大潜力。

展望未来，李平认为在智能客服、智能营销以及消费领域，AI还有很大的应用潜力和发展空间。对于银行业金融机构而言，比如信贷审批，特别是贷前和贷后的审查方面，还有着非常广阔的应用空间。

李平强调，关键还是在于如何在训练AI的过程中，通过人为提供语料等方式，进一步提升其智能水平。

“就跟我们人类一样，随着年龄的增长，获得的信息越来越多，然后自己也有了信息处理能力和消化能力，所以它的质量会越来越高。”李平表示。