人民银行参事张健华：AI时代金融基础设施的三个层次

就金融行业而言，基础设施一直有明确的定义和范围。聚焦AI时代，首先需明确传统金融设施的定义是否被完全颠覆。事实上，基础设施的核心概念并未改变，它是保障金融体系运行的基础功能、组织架构，涵盖技术与各类制度安排。即便在AI时代，金融行业基础设施依然存在，只是呈现出新的特征。

第一个层次是传统金融基础设施，这一基础架构在AI时代仍持续发挥作用。

第二个层次是AI通用基础设施。AI技术本身具备专属的基础设施，如大模型、算力、数据库及大数据等相关设施，均属于通用人工智能基础设施的范畴。

第三个层次是AI时代的金融基础设施，其包含两个核心维度：其一，AI赋能传统金融基础设施。以支付清算、各类交易场所、中介机构为例，这些均是金融行业的核心基础设施。从微观层面看，金融机构的底层SaaS层可视为其内部基础设施；从行业层面而言，这类需为全行业提供公共服务、单一金融机构难以独立构建的公共品，便是典型的金融基础设施，AI技术正为这类设施赋予新的效能。算力、云服务等通用AI基础设施，已成为金融行业运行不可或缺的支撑。

金融行业对基础设施有着特殊要求，实现了在原有金融基础上的演进。目前尚未出现完全脱离现有金融体系、突破现有金融功能或实现金融功能颠覆性扩展的AI金融基础设施。当前AI在金融领域的应用，更多以赋能为主，虽存在一定变化，但仍未对行业产生颠覆，明确这三个层次的界限，是研究AI时代金融基础设施的关键前提。

AI的许多应用具有通用性，但金融行业的AI基础设施与其他行业的差异在于更高的安全性要求、更严格的数据隐私保护以及更严苛的系统运行稳定性标准。即便在未应用AI之前，金融行业对系统稳定性的要求就已远超普通行业，例如在安全保障场景需达到“5A”级别的稳定性。因此，金融行业的备份系统、灾备系统建设标准高于一般企业，这与金融行业资金规模大、数据价值高的特点密切相关。进入AI时代，金融行业面临新的挑战，如人工智能的大规模应用降低了欺诈的成本，这就需要通过公共基础设施建设来防范此类风险。总体而言，AI时代的金融行业基础设施与通用AI基础设施存在相关性，同时兼具行业特殊性与专属需求。

金融机构在开展AI应用时，最应防范哪些风险？

AI应用给金融机构带来的风险可从两个层面分析：

一是从机构微观层面来看，一方面，AI技术尚未完全成熟，金融机构在选择应用路径时可能出现偏差；另一方面，AI本身存在许多问题。例如模型幻觉，算法黑箱，模型不可解释等等都值得警惕。此外算法共振在监管层面也容易引发系统性风险，目前，零售端风控模型逻辑趋同，一旦出现问题，容易引发算法共振。同时，金融机构内部还存在人才培养不足、数据完整性与准确性欠缺等问题，这些都可能导致模型应用未达预期效果。

二是从行业宏观层面来看，核心问题在于如何界定成熟技术的应用边界，以及监管的介入程度与方式。当前AI技术更新迭代迅速，部分技术尚未成熟，监管部门秉持审慎态度，从防范系统性风险的角度出发实施监管。应指出，监管部门需密切跟踪技术进步，同步提升科技监管能力。现代金融体系对技术的依赖性日益增强，AI时代下，智能体大规模应用后，许多操作完全依赖系统自动完成，如果发生风险共振，风险传染速度将远超以往。以电子银行为例，美国硅谷银行倒闭时，一夜之间400亿美元通过手机银行被划转，而未来如果实现智能化操作，客户智能体可能在短时间内集中挤提，进一步加速风险扩散。

因此，无论是金融机构自身的能力建设，还是监管部门的监管能力提升，都是充分发挥人工智能正面作用的关键。总之，需充分利用AI在金融领域的价值，同时有效防范其负面效应。