银泰证券北大汇丰王小愚：中国AI投资具备三大优势，首要挑战在核心技术依赖与硬件短板

专题：财富领航征程丨金融新启航

　　中央金融工作会议指出，要做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章”，为推进金融高质量发展指明了方向。鉴于此，新浪财经年度策划《金融新启航》特别推出《财富领航征程》系列访谈栏目，深度对话金融机构高管、专家学者，共谋行业发展之道。

　　数字化时代背景下，金融科技正在以前所未有的方式和速度改变银行业服务格局，随着科技的不断突破与发展，一系列技术为商业银行带来全方位革新。那么，当前AI在金融领域最成熟的应用场景是什么？下半年金融科技领域将出现哪些颠覆性技术？本期《财富领航征程》对话北京大学汇丰商学院助理教授王小愚。

　　5G、人工智能（AI）与区块链的协同正在深度重构金融基础设施的架构与运行逻辑，在王小愚看来，三者的协同对金融系统基础设施的重塑体现在三大方面，即支付清算系统能够实现实时化与可信化、智能投顾与资产管理更加个性化与透明化、极大程度的有效破解供应链金融中信息不对称和合同不完整问题。

　　不过，王小愚也指出，上述三者的协同亦有可能增加技术的复杂性并加剧金融系统风险。例如，区块链的分布式账本需与AI的集中式训练框架兼容，而5G边缘计算节点又需与两者协同；性能上，区块链与5G的技术融合存在瓶颈——区块链低TPS（每秒交易数）与5G高吞吐需求矛盾。那么，在当前金融科技企业中，哪类企业最可能成为“5G+Al+区块链”生态的主导者？她认为主要集中于两类，一是具备技术整合能力的科技巨头，二是深耕垂直场景的产业金融科技服务商。

　　此外，谈及中国AI投资，她认为其优势在于场景驱动、政策支持与工程效率，未来破局的关键在于发展自主算力生态、构建确保数据安全与技术自主性的“主权AI”体系以及推动人机协同进化。但是，当前投资也存在明显的局限，首要挑战是核心技术依赖与硬件短板。

　　两类企业有望率先构建闭环网络，供应链金融将成技术融合爆发的核心细分领域

　　当前，5G、人工智能（AI）与区块链的协同正在深度重构金融基础设施的架构与运行逻辑，但技术融合也带来了复杂性与系统性风险的挑战。

　　在王小愚看来，5G提供低延迟、高速率、海量连接的网络环境，使得金融交易和数据传输更加高效；AI通过机器学习和大数据分析优化金融决策，提升风控能力；区块链则通过去中心化、不可篡改的特性增强金融系统的透明度和安全性。

　　她认为，5G、人工智能（AI）与区块链三者的技术协同对于金融系统基础设施的重塑体现在三个重要方面：

　　第一，支付清算系统能够实现实时化与可信化。5G提供毫秒级延迟和高速数据传输，支持跨境支付的实时结算（如传统SWIFT系统需1-3天，而融合技术可将时间压缩至秒级）；区块链确保交易不可篡改和全程可追溯，降低欺诈风险（如香港“贸易联动”平台试点案例）；AI通过实时反欺诈模型分析交易行为，例如支付宝风控系统利用AI降低盗刷率90%以上。5G、人工智能（AI）与区块链的协同能够实现“速度-安全-智能”的三角闭环，推动支付清算从中心化向分布式高效模式转型。

　　第二，智能投顾与资产管理更加个性化与透明化。智能投顾的核心，是用数据和算法，代替人工进行资产配置和投资建议的过程。它依赖AI技术分析用户风险偏好和市场数据生成个性化投资组合。与此同时，区块链记录所有交易流水，确保策略执行透明可审计。5G保障海量市场数据的实时传输，提升决策时效性。在此场景下，5G和区块链技术为核心AI技术在资产管理和投资策略的应用提供了数据和时效支持。

　　第三，上述三种技术的融合可以很大程度上有效破解供应链金融中信息不对称和合同不完整的问题。

　　她进一步指出，其中，区块链能够存储并实时分享供应链全流程数据（如京东“京保贝”平台实现货物溯源），以区块链技术为背景的智能合约可以保证结算在合约条件满足后自动完成，有效的规避合同双方的违约情况，节省了第三方认证，货款拖延，及违约追责等问题所产生的时间和人力成本。AI则基于历史数据评估中小企业信用风险，替代传统抵押担保模式，为供应链网络上的公司打开了更多的上下游合作渠道和新的合作方式。在此基础上，5G的加入保证实时采集到的物流、仓储数据（如传感器监控货物状态）能够以更快的速度上传区块链网站，实现信息的动态分享。

　　此外，从挑战方面看，王小愚直言：“5G、人工智能（AI）与区块链的协同有可能增加技术的复杂性并加剧金融系统风险。”

　　具体来看，一方面，5G、人工智能（AI）与区块链技术融合存在架构复杂性，三者的技术栈差异导致整合难度高。例如，区块链的分布式账本需与AI的集中式训练框架兼容，而5G边缘计算节点又需与两者协同。另外，在性能上，区块链与5G的技术融合存在瓶颈——区块链低TPS（每秒交易数）与5G高吞吐需求矛盾。

　　另一方面，技术融合也可能增加金融体系的整体风险。如AI算法共振，即机构普遍采用相似AI模型（如LSTM预测市场），可能引发“羊群效应”放大市场波动（如2024年美股闪崩事件中AI抛售链式反应）。技术融合后潜在攻击面扩大，如智能合约漏洞与AI决策黑箱结合，可能导致自动化金融攻击（如DeFi平台闪电贷攻击）。此外，在监管方面，去中心化金融（DeFi）跨境流动与主权监管冲突，如何为技术融合提供合规建议仍有待思考。

　　那么，当前金融科技企业中，哪类企业最可能成为5G+Al+区块链生态的主导者？王小愚对此表示：“最可能主导生态发展的企业主要集中于两类，一是具备技术整合能力的科技巨头（如蚂蚁集团、腾讯、IBM），二是深耕垂直场景的产业金融科技服务商（如微众银行、京东科技）。”

　　在她看来，两类企业凭借技术、数据与生态协同优势，有望率先构建闭环网络，而供应链金融将成为技术融合爆发的核心细分领域。

　　首先，科技巨头依托其庞大的用户基数、跨场景数据资源及全栈技术储备，能高效打通5G（实时数据传输）、AI（动态风控与决策）、区块链（信任机制）的技术链路。头部科技公司不仅提供技术底座，更有能力构建开放平台，吸引第三方开发者共创生态，形成“技术-数据-场景”的正向循环。

　　其次，互联网服务商通过聚焦细分场景，在特定领域建立技术护城河。以供应链金融为例，京东“京保贝”融合5G物联网设备实时采集仓储物流数据，区块链确保供应链信息不可篡改，AI动态分析供应商库存周转率替代传统抵押担保，使中小微企业融资通过率提升47%。此类企业虽规模不及巨头，但对产业“Know-How”的理解更深，能快速实现技术商业化落地，成为生态中不可或缺的“毛细血管”。

　　中国AI投资在工程效率等三方面有优势，首要挑战是核心技术依赖与硬件短板

　　2025年下半年，金融科技领域的颠覆性创新将集中于哪些方向？王小愚认为，主要集中在以下三大方向，即“决策流程由多智能体系统深度接管；消费和投资范式实现普惠突破；支付清算网络借CBDC桥接走向无摩擦化”，以上技术突破与商业模式变革正通过具体案例加速落地。

　　在决策智能化领域，基于大语言模型的多智能体系统正从辅助工具升级为金融决策核心引擎，例如各大银行部署的对话交互智能体已整合投研、风控等跨部门知识，覆盖同业利率调整、大额资金核查等200余个场景。美国银行（BOA）虚拟助手Erica的年交互量突破20亿次，通过自然语言指令执行复杂转账与投资操作，标志着金融服务从“人机协作”向“智能体自治”的范式迁移。与此同时，情感计算技术深度融入行为金融学框架，马上消费金融的AI贷后策略系统通过微表情与语音情绪分析，动态优化催收话术，使逾期回款率提升；Capital One的虚拟助手Eno则依据用户情绪波动实时调整信用卡争议解决方案，显著提升客户满意度。

　　在商业模式层面，资产代币化与合规DeFi的融合正推动投资民主化进程。新加坡Project Guardian试点中，星展银行将价值1.2亿美元的商业地产拆分为链上代币，投资者最低以1000美元即可认购份额，并通过智能合约实现季度自动分红；嵌入式金融生态则进一步模糊场景边界——微信支付与微众银行在打车场景中实现“先乘后付”秒级授信，违约率仅0.8%。

　　在跨境清算方面，依托多边央行数字货币桥（m-CBDC Bridge），中国、阿联酋与泰国央行系统实现互联互通，企业跨境贸易结算从T+3缩短至10秒，成本压降60%，2025年6月试点交易额突破2200万美元，这些新的技术和商业模式预示金融科技正迈向三维重构。

　　谈及人工智能未来的发展趋势，王小愚认为，其技术演进将从“大模型”向“智能体”（AI Agent）转变，具备感知、决策与执行能力的代理系统将流行起来，有望自动化企业日常决策；同时，模型推理能力（如数学、编程、科学问答）的突破将加速科研领域的应用（如蛋白质折叠、药物发现）。

　　在产业落地方面，她表示，垂直深化与硬件融合是主要方向：成本低、部署灵活的行业专用小模型将在医疗、金融等领域爆发，替代部分通用模型；AI也将深度融入硬件，推动边缘计算设备（如医疗机器人、自动驾驶）和本地化推理的发展（如人形机器人量产）。在国际上，竞争格局则可能呈现中美路径分化：美国依托通用模型构建生态垄断（如微软Azure+OpenAI），而中国则聚焦“应用优先+产业协同”，通过智能制造、金融科技等场景优势实现技术反哺。

　　现如今，我国在人工智能技术应用层创新活跃，王小愚认为，中国AI投资的优势在于场景驱动、政策支持与工程效率，未来破局的关键在于发展自主算力生态（加速国产芯片与量子计算）、构建确保数据安全与技术自主性的“主权AI”体系（如行业专用模型工厂）、以及推动人机协同进化。

　　她强调，其投资的最大优势则在于拥有丰富多样的应用场景与高效的产业协同能力，这得益于全球最完整的工业体系（制造业占全球增加值30%），为AI在智能制造（如质检准确率超99.8%，人工成本降70%）、金融风控等领域的落地提供了坚实基础，形成了独特的“AI+行业Know-How”竞争力。

　　“强大的政策支持（如‘人工智能+’写入政府工作报告）与市场驱动形成双轮并进，地方政府积极建设智算中心，企业也积极响应（如阿里开源模型衍生超9万应用，北京备案大模型达105款）。”王小愚表示，突出的技术性价比与工程化能力也是关键优势，本土创新显著降低（如DeepSeek-V3训练成本仅为GPT-4的1/10），并在小模型（SLM）技术上取得领先，能以更低能耗实现媲美大模型的性能。

　　然而，当前投资也存在明显的局限性，王小愚认为，首要挑战是核心技术依赖与硬件短板，高端芯片（GPU/TPU）严重依赖进口制约了算力自主，且在基础理论创新方面相对不足（前沿模型数量15个显著低于美国的40个），仍以应用层创新为主；其次，商业化模式尚未成熟，大模型在智能客服、企业服务等领域多采用免费策略，可持续盈利模式仍在探索；同时，数据安全与隐私法规的不完善也增加了多模态AI生成虚假信息等风险，影响技术信任度；最后，人才结构与算力资源分布失衡，高端研发人才集中于头部企业，中小型企业面临复合型人才短缺，且超过80%的智算中心集中于北上深杭等少数城市，制约了区域协同发展。

　　区块链投资过热导致“劣币驱逐良币”，合规企业因竞争压力退出市场

　　当前，人工智能在金融领域最成熟的应用场景是什么？王小愚对此表示，其主要集中在信贷风控、反欺诈监测两大方向。

　　在信贷风控领域中，AI通过机器学习分析支付流水、供应链数据甚至行为特征等替代性数据，构建动态信用模型，有效破解了传统金融依赖抵押物和财务报表的局限。典型案例包括银行采用联邦学习技术联合多机构训练风控模型，将不良率控制至行业低位；蚂蚁集团“芝麻信用”整合生活场景数据，覆盖超1亿征信白户人群，将信贷审批从天级缩短至分钟级。

　　在反欺诈场景中，AI通过实时分析交易模式、设备指纹和生物特征，使欺诈识别准确率较传统规则引擎提升40%以上，如SWIFT系统利用AI优化跨境欺诈监测效率，金融壹账通则通过微表情识别强化远程面审风控。

　　谈及AI对理财服务的影响，王小愚认为，生成式AI可以将晦涩的条款、市场风险转化为可视化报告与交互式问答（如招行AI投顾自动生成“股债平衡组合波动模拟动画”），并基于用户浏览停留时长、提问频次等行为数据实时调整解读深度，使普通投资者理解复杂产品的效率提升3倍。

　　“更重要的是，AI建立认知偏差干预机制——当用户追逐高收益产品时，系统自动推送历史回测对比（如‘近十年持有比特币超1年者亏损概率达82%’的模拟图表），或通过强化学习识别非理性模式（如频繁调仓用户触发‘冷静期’弹窗），从源头破解‘卖方美化信息、买方盲目决策’的恶性循环。”王小愚表示，上述变革正推动理财服务从“信息黑箱”走向“透明共治”，但需警惕数据滥用风险。

　　当AI投资建议与用户主观偏好冲突时，王小愚认为，需建立人机协同的分级响应机制。针对风险偏好错配（如保守用户被推荐股票基金）、认知偏差强化（如坚持投资高波动加密货币）或伦理价值观冲突（如ESG投资者拒接军工股）等场景，可采取分层服务策略，即基础层提供透明化对比（展示用户选择与系统建议的波动率差异），干预层对高风险行为触发强制冷静期。同时通过偏好-算法动态校准机制，短期允许手动调整参数，长期利用强化学习跟踪用户实际行为修正模型。监管层面需借鉴欧盟《AI法案》的算法可解释要求，国内实践则通过在监管沙盒中保留人工复核接口，防止完全自动化误判。

　　谈及区块链投资的热度是否会出现减弱的情形，王小愚指出，当前区块链投资领域确实存在技术创新价值与投机炒作行为的混杂。

　　根据国家网信办2022年以来的整治行动，累计关闭了1.2万个诱导虚拟货币投资的违规账号，清理超5万条“轻松赚钱”类误导性信息，并关停105家鼓吹炒币、挖矿的网站平台。她认为，此反映出市场对区块链概念的脱离技术本质，演变为以高回报为诱饵的投机陷阱。《人民日报》亦多次警示，当前区块链的“虚热”并非源于技术落地，而是集资圈钱和估值炒作，尤其大量ICO项目仅以“区块链”为包装进行融资工具创新，与技术创新无关。此种过热直接导致“劣币驱逐良币”——合规企业因竞争压力退出市场，而空气币、传销币项目却通过市场操纵短期获利，扭曲了行业的价值评估体系。

　　对于区分技术革新与投机炒作的关键点问题，她认为，其在于需区分区块链和电子货币的功能性与证券化倾向。其中，技术创新项目中不承诺金融回报，而炒作项目则直接关联收益分红、拉盘承诺，甚至绕过监管发行“证券型代币”。真正的技术革新应公开技术路径并接受行业检验。例如，金融区块链合作联盟（深圳）开源的FISCO BCOS平台，为监管机构提供可审计的链上数据，提升反洗钱效率。反观炒作项目，多回避技术细节：代码未开源、节点中心化，或夸大TPS（每秒交易数）性能却无法承载高频交易（区块链天然不适合高频场景）。