具备专家知识的智能客服、能辅助投资分析的智能助手、利用大数据技术实时反诈的风控系统……如今，人工智能（AI）技术正在悄然扎根金融业，不断释放出新的生产力。近日，北京市特聘专家杨晓静在接受《中国电子报》记者专访时表示：“生成式人工智能（AIGC）技术的问世标志着金融人工智能发展已从提效、赋能，进入部分替代产能的新阶段。”

杨晓静践行将技术优势与金融业务结合，在成功创业之后，又领导了多个知名互联网证券及理财产品的策划和创新，创造出多个技术及商业模式的行业第一，并积极参与行业标准制定。展望金融AI的未来，她指出：“未来，大模型技术或将在金融行业率先落地。要真正产生价值，必须做到既深入了解行业的本质需求，又有技术转化能力。”

“AI+金融”已进入部分产能替代阶段

金融是典型的数据密集型、技术密集型行业，对技术创新高度敏感，被认为是最能够与AI进行结合并产生价值的领域之一。

“金融人工智能的发展历程可被划分为三个阶段：提效、赋能以及部分替代产能，即自动化（Robot）、信息化（Smart）和智能化（Intelligent）。”杨晓静指出，在第一阶段，AI主要用于自动化分析统计；到了第二阶段，智能金融能力主要体现在智能投研，在这个阶段，互联网海量非结构化数据为深度学习提供了参数基础，AI可以归纳出新的投资因子，帮助投资者优化投资决策；而随着生成式人工智能（AIGC）技术的问世，应用的涌现集中在大模型叠加金融领域的专属知识，比如OpenAI与摩根士丹利推出智能投顾，标志着进入了部分生产力替代的阶段。

技术转化能力是AI落地的关键

成果转化是科技创新转为新质生产力的关键。在杨晓静看来，“AI+金融”要产生价值，必须要做到既深入了解行业的本质需求，又有技术转化能力。

“‘+’代表赋能，这要求新时代金融从业者具备跨专业、跨学科的知识能力，能够在不同领域之间进行有效的沟通和整合。从业者一方面需要能够结合业务知识洞察行业发展痛点，进行深入的分析和研究；另一方面，还要具备数字化技能，包括数据分析、人工智能等方面的知识，从而能够顺应新兴科技趋势，提出创新角度、赋能行业发展。”杨晓静说道。

作为信息工程专业出身，又在金融领域深耕多年的“斜杠青年”，杨晓静与金融科技的故事可以追溯到2010年。彼时，量化投资方式已占据欧美基金市场规模的约1/3，而在我国却仍处于起步阶段。瞄准这个机会，杨晓静毅然放弃英国金融机构的高薪工作，选择回国创业，立志做出适合中国市场的投资决策支持工具。

此后她又加入知名互联网企业，持续创新推动中国证券及理财行业的数字化和智能化。她领导团队推出了我国第一个面向个人用户的智能基金配置产品、第一个用搜索数据辅助投研的公募基金、第一只大数据量化对冲基金、第一个智能估计可转债新债上市价格的方法等。其中，一项创新成果融合百度LBS地图时空数据和人工智能的机器学习技术，推出了国内资本市场首款以自动化分析为特色信用债分析服务，并在4个月内实现了国内5000亿元信用债的自动监控，极大地帮助了对内外部客户的资产管理进行风险管理，并受到证监会等监管层的高度好评。据了解，其创新成果已为超过1亿名个人用户创造出了普惠价值。

“未来，大模型技术将沿着多模态智能、具身智能、科学推断推理（AI for research）等方向长期发展，最终实现通用人工智能。AI for research也将成为‘AI+金融’的重要方向，通过更多的数据学习，帮助金融机构理解全球经济的运作规律及行业兴衰原因，挖掘出新的增量机会。”杨晓静说。

做负责任的AI产品

近期，杨晓静参与了国家层面AI大模型相关技术要求和测试方法标准的评审，希望通过一系列行业标准和规范的制定，构筑AI时代多层次的技术保障。她表示：“AI在金融领域的应用并非一片坦途，在提高金融机构服务质量和效率的同时，也带来了数据安全、模型风险、伦理责任治理等方面的挑战。”

“智能化最终的意义还是服务人。”杨晓静认为，科技本质上是工具，其真正价值在于解决我们面临的各种问题。杨晓静提醒说，大模型要求较多参数，但金融行业数据管理要求非常高，必须依法、严格遵守数据流动的各项监督管理条例和规定，做到“安全用数”。此外，大模型结果不都具备可解释性。算法如果造成财产损失，能否被问责？这亟须技术标准和规范。“金融行业分析预测类模型容错率低，有长尾风险，特别是在投资顾问领域还需要解决问责问题。”杨晓静说道。

“新技术的核心价值是场景化下的创新应用。作为从业者，我们有责任，也有义务打造负责任的产品，让人民真正享受到AI技术所带来的便捷和便利，让科技成果从‘书架’走向‘货架’。”杨晓静说道。