2025年中央经济工作会议落幕,“创新科技金融服务”被写进部署清单。这句话背后,是人工智能作为通用性技术,正以前所未有的深度重塑经济运行的现实。智能经济不再是未来学家的预言,而是此刻正在发生的产业革命。从大模型研发到传统产业“智改数转”,技术迭代的速度远超很多人的想象。但钱怎么流向这些轻资产、长周期的前沿领域,却成了一道待解的难题。最近,中国金融四十人论坛研究人员苏哲在一篇讨论科技金融的文章中,把智能经济和金融供给的关系掰开揉碎了讲,其中关于融资错配和安全治理的观察,值得细读。
站在国家战略的视角,金融活水引向智能经济,本质上是在给新质生产力输血。当前正处在新旧动能转换的关键节点,传统增长引擎动能衰减,把资本引向大模型研发、智能产业培育,推动传统产业的数字化、智能化改造,是为经济增长注入新动能的必然选择。这事得这么看:金融不再是被动的输血者,而是主动的布局者。从支付清算到风险管理,从资产定价到客户服务,数智技术已经嵌入金融运行的全链条。大型金融机构加速布局人工智能大模型,金融业自身的数字化转型正在向更高效、更强智能的方向演进。如果金融机构只把智能经济当成一个放贷对象,而不是自身数字能力升级的契机,那可能会错失在技术变革中锻造核心竞争力的窗口。
把视野拉到全球竞争格局,人工智能的竞争已经从实验室跑到了产业应用赛道。美国依托成熟的风险投资与多层次资本市场,为创新企业提供强力资本支撑;欧盟凭借深厚的工业基础与政策性金融工具,寻求规则与应用的差异化优势。我国拥有超大规模市场、完备产业体系和海量数据资源的叠加优势,但要把这些优势转化为现实的产业竞争力,离不开金融服务的精准度和韧性。有一种读法认为,科技金融的较量,本质上是大国博弈的战略主动之争。谁能在金融赋能智能经济上率先形成高效、安全的闭环,谁就能在国际分工中占据更有利的位置。金融业只有主动将创新融入智能经济发展大局,在服务科技企业的过程中强化自身的数字能力、风控能力与生态运营能力,才能在全球科技竞争浪潮中站稳脚跟。
问题出在哪?一个核心矛盾是,人工智能企业的特征和传统金融的风控逻辑对不上。人工智能企业普遍具有轻资产、高投入、长周期、高风险的特征,核心价值更多体现在技术专利和高素质人力资本方面。对于快速成长的企业而言,可抵押的实物资产少,现金流不够稳定,融资难、融资贵是常态。值得拎出来的是,适应前沿技术长周期研发的长期资本供给依然不足。很多资金宁愿在成熟领域打转,也不愿进入早期硬科技,这背后是考核机制和风险偏好的错位。一家专注大模型研发的初创公司,可能手握多项核心专利,团队都是顶尖算法研究人员,但因为缺少厂房、设备这些传统抵押物,很难从银行获得足够的信贷支持。无形资产价值评估与定价机制尚不健全,知识产权质押融资的覆盖面有限,这导致金融资源在智能经济关键领域流转不畅。
要破这个局,就得深化金融供给侧结构性改革,构建适配智能产业全生命周期的服务体系。打通资金跨期配置的堵点,形成“贷、股、保、债”联动的融资体系,打造适应科技企业发展各阶段特征的多元金融服务模式。在间接融资方面,强化结构性货币政策工具的精准滴灌,引导金融机构大力支持初创期和成长期企业,将专利质量、研发投入等纳入授信评价体系的重要考量指标。在直接融资方面,进一步增强多层次资本市场融资功能,探索知识产权质押、认股权贷款等工具,大力培育耐心资本。这事得这么看:耐心资本不是一句口号,而是需要制度设计去保障的长期承诺,让资本愿意陪企业走过长达五到十年的研发周期,而不是只追求短期的财务回报。
当大模型加速赋能金融业态,复杂的非传统安全风险也在滋生。算法黑箱、模型幻觉可能会影响金融资产定价与投资决策的准确性,引发金融风险。在信贷审批中,如果算法模型存在隐性歧视或数据偏差,可能会导致不公平的信贷决策,进而引发系统性风险。此外,数据隐私保护、算法可解释性不足、责任边界模糊等问题日益凸显。现有的监管与治理框架相对滞后,如果等到风险爆发再出手,代价可能难以承受。苏哲在文章里提到,需要建立“制度规范+技术支撑”双轮驱动的安全治理体系。制度层面,要将人工智能伦理与风险治理纳入金融机构公司治理,建立差异化的技术模型分级分类管理机制。技术层面,持续推进对抗性测试、隐私计算和可解释性算法攻关,确保智能决策可追溯。监管部门探索“沙盒监管”等模式,完善常态化风险监测预警机制,在包容试错中提升防范系统性风险的能力。有一种读法认为,安全治理不是给创新戴紧箍咒,而是为智能经济的健康发展铺设轨道,让技术在可控的范围内释放最大效能。
推动金融赋能智能经济发展,最缺的是什么?是既精通金融业务底层逻辑又深谙算法模型技术的复合型、实战型人才。当前,该领域高端要素供给不足,人才培养体系与智能经济快速发展的现实需求尚不适配。很多高校的人工智能专业偏重技术研发,金融专业又缺乏对智能技术的理解,导致市场上既懂AI又懂金融的跨界人才千金难求。此外,受限于资金投入规模、数据资产积累和品牌吸引力不足,中小金融机构在人工智能布局和数字底座建设上与大型机构相比存在较大差距,不利于构建多层次、广覆盖的智能经济金融服务体系。这事得这么看:解决这个问题不能只靠市场自发,需要统筹推进金融领域算力网络与数据要素市场建设,在保障数据安全与隐私合规的前提下,打破数据孤岛,推动公共数据、产业数据与金融数据的高效聚集和有序流通。不同部门的数据不互通,会导致风控模型的效果大打折扣,比如税务部门掌握的企业纳税数据、海关的进出口数据、电力部门的用电数据,如果能够安全合规地向金融机构开放,将极大提升智能风控的精准度。
加快建立金融机构与高校、科研院所的联合培养机制,着力打造一批实战型人才队伍,是补齐要素短板的关键。发挥好政府、金融机构、科技企业与科研院所的各自优势,促进创新链、产业链、资金链和人才链深度融合,才能形成开放共享、可持续发展的智能经济生态。从更长远的视角看,科技金融的适配程度,将直接决定我国在未来智能经济版图中的位置。
智能经济时代的金融赋能,是一场跨周期的耐力赛,不是短跑。它需要金融供给侧结构性改革的深化,需要“人工智能+金融”融合应用的拓展,更需要安全治理和生态要素的同步夯实。当金融活水能够精准滴灌到智能经济的根系,新质生产力的参天大树才可能长成。这不仅是金融业自身高质量发展的机遇,更是赢得全球科技竞争主动权的关键落子。
本文基于(刘李星:武汉大学董辅礽经济社会发展研究院)发表于:光明网《推动金融赋能智能经济发展》一文解读。
—— 名家智库-党建培训讲师_党课讲师邀请_干部培训师资_党员培训课程_宏观经济专家_党性教育培训 ——
电话:010-68998188
微信:
邮箱:cmsa@cmsa.org.cn
免责声明:本网站所提供的信息仅供参考之用,并不代表本网站赞同其观点,也不代表本网站对其真实性负责。如需转载或引用,请自行核实相关内容。如有关于作品内容、版权或其它问题,请与我们联系。