中国银行原行长李礼辉：数字金融创新的核心是可信任、主动防范并跨越AI陷阱

由北京市通州区人民政府指导，《财经》杂志、财经网、《财经智库》主办的“《财经》年会2025：预测与战略暨2024全球财富管理论坛”12月13日至15日在北京举行。12月14日，中国银行原行长李礼辉在论坛上表示，养老金融属于双向延伸的金融业务，可以成为一个超大群体、超长周期、超级规模的金融市场。财富管理赋予养老金融保值增值、财富传承的重要职能。

中国银行原行长 李礼辉

与此同时，李礼辉指出，新智能时代数字金融创新的核心是可信任，能够主动防范并跨越AI陷阱。一是实现人机交互可信任的拟人化。二是实现非结构化数据处理可信任的精确性。三是实现金融智能体(Financial-Agent)可信任的专业性。例如，在市场分析、风险评估、投资顾问、财富管理、量化交易、产品定制和内部审计等专业领域，提供行业最佳流程、最佳标准的专业数据支持，培育具有自主感知、学习、行动和决策能力的金融智能体。

在李礼辉看来，财富管理的数字化不只是数字标签，而是由数字技术迭代创新引发的根本性变革，必须抓住重点，推进制度创新。“一是完善数据共享机制；二是完善财富管理市场结构；三是立足于金融业长远发展战略，深入评判新准则对我国金融市场发展的正负面效应，在制度设计上力求趋利避害；应该按照长周期真实性的原则，对不同类别、不同久期的投资产品建立合理的估值方法，支持金融市场优化金融资源配置。”

以下为部分发言实录：

很荣幸参加《财经》年会和全球财富管理论坛。我就打造数字化财富管理新生态说几点个人的认识，请各位批评指正。

一、养老金融大市场中的财富管理。

我国正在加速进入老龄社会。目前约3亿国人、10年后约4亿国人退休，退休前有10-20年的养老金融培育期，退休后有近20年的养老金融延续期。显然，养老金融属于双向延伸的金融业务，可以成为一个超大群体、超长周期、超级规模的金融市场。

财富管理赋予养老金融保值增值、财富传承的重要职能。人民银行2021年12月发布的《金融业从业规范》定义：财富管理即贯穿于人的整个生命周期，在财富的创造、保有和传承过程中，通过一系列金融和非金融的规划和服务，构建个人、家庭、家族与企业的系统性安排，实现财富创造、保护、传承、再创造的良性循环。全方位的财富管理包括财富管理产品、保险规划、资产配置、退休规划、法律风险规划、税务筹划、不动产投资规划、收藏品规划以及家族财富传承等，其中财富管理产品包括投资产品和保险产品。

财富管理同样是个长周期、大规模的市场。据中国银行业协会数据，中国个人可投资资产规模2022年RMB 278万亿元，年复合增速7%，2024年底将超过300万亿元；可投资1000万元以上的高净值人群316万，年复合增速11%。

我国的财富市场存在结构性缺陷，长周期财富管理产品太少，家族财富管理和财富传承服务尚在试水，是明显的短板。

二、新智能时代中的数字金融创新。

数字社会进入新智能时代，AI前沿技术不断刷新。一是从结构化(Structured-Data)到非结构化(Unstructured-Data)。以前只是结构化文本，现在的生成式AI大模型可以学习和理解非结构化数据，生成新的非结构化内容，包括文本、音频、视频、图像和代码，适应多种任务。二是从单模态(Unimodal)到多模态(Multimodal)。以前只是单一文本模态，现在的GPT-4o、o1等大模型具备文本、视觉、语音多模态组合的感知、学习和交互的能力，已经突破文本交互的局限性，能够感知、理解和模拟动态的物理世界。三是从助理(AI-Assistant)到代理(AI-Agent)。以前只是AI辅助和助理，正在研发的具身智能体集成神经网络、知识工程和控制论技术，通过遴选行业最佳流程、最佳标准的专业数据优势和算力优势，培育在不同场景中的感知、学习、行动和决策的代理能力，甚至可以超越一般水平的生产力。四是从推断(AI-Inference)到推理(AI-Reasoning)。以前只是AI推断和验证，未来依托全量数据、高维算法和超级算力的优势，有可能形成比人类最高级智慧更广阔的推理空间、更高深的科学猜想，成为科学发现与技术发明的新范式。

数字金融的智能化已经起步，但就人工智能技术发展的可能性来说，目前还处在辅助+助理的早期阶段，主要应用于改进产品创新和客户服务，应用于改进运营管理和风险管控。

已经发现的生成式AI技术陷阱包括AI幻觉、模型歧视、算法趋同、隐私泄露等。因此，新智能时代数字金融创新的核心是可信任，能够主动防范并跨越AI陷阱。

一是实现人机交互可信任的拟人化。例如，多模态的智能金融机器人具备意图识别能力，可以动态捕捉、即时感知、正确理解客户的语言和表情，准确判断客户的风险偏好和业务诉求，采用具有人性温度的表达方式为客户提供可信任的服务方案，解决机器服务冰冷的问题。这将显著提升金融业服务品质。

二是实现非结构化数据处理可信任的精确性。例如，应用文本、视觉、语音多模态组合技术，在健康医疗保险业务中对病历和医疗影像进行专业水准的质检和分类，核准健康评估，识别医生字迹，辨别声纹，甄别虚假理赔；在银行前中后台对票据、合同等非结构化数据进行真实性审核和自动化录入，甄别克隆票据或虚假合同，确认财务信息百分之百正确并即时提取记账。这将显著提升金融业运营效率。

三是实现金融智能体(Financial-Agent)可信任的专业性。例如，在市场分析、风险评估、投资顾问、财富管理、量化交易、产品定制和内部审计等专业领域，提供行业最佳流程、最佳标准的专业数据支持，培育具有自主感知、学习、行动和决策能力的金融智能体。实现金融智能体可信任的制度性前提主要是：明确金融智能体的行为边界，明确金融机构管理者的决策责任，明确金融智能体与金融客户的法理关系，确保在高度复杂的场景中达到可信任的专业水准。这将显著提升金融业专业化水平。

三、数字化财富管理的制度创新。

财富管理的数字化不只是数字标签，而是由数字技术迭代创新引发的根本性变革，必须抓住重点，推进制度创新。

第一，完善数据共享机制。

AI大模型能力取决于参数规模、数据集品质、有效算力3大要素，适用“规模定律”。通用大模型的参数量可超过万亿量级，垂直模型的参数量可达百亿量级。金融是数据密集型行业，可信任的金融数据取决于准确性、完整性、一致性和时效性。

中美两国都是数据大国，但数据资源结构不同。美国依托科学技术长期发展累积的信息资源，在知识和学术领域具有数据优势。我国依托人口规模和互联网经济超越式发展堆积的信息资源，在市场交易和公民行为领域具有数据优势。海量的市场交易和公民行为数据是我国数字经济、数字金融发展的宝贵资源。

我国的公共数据存在行政分割的问题。例如，涉及居民和企业的财务数据和行为数据，分散在不同的局域系统中，共享程度不高。我国的非公共数据存在流通不畅的问题。例如，全国移动支付用户超过9亿，数字化支付成为主要的数据入口，但数据大户与金融机构之间的数据关联、数据共享尚未达成成熟的模式。

数据的价值在于其真正成为生产要素。

重点之一是公共数据的开放共享，解决公共数据开放不足、行政分割的问题。国家建立集中统一的公共数据库和互联互通的公共数据应用系统。公共数据按照“原始数据不出域、数据可用不可见”要求，以模型、核验等产品和服务形式向社会提供，加大供给使用范围。

重点之二是个人数据和企业数据的共同使用，解决个人数据和企业数据保护不力、流通不畅的问题。完善个人信息保护机制，推动个人信息匿名化处理，保障信息安全和个人隐私。推进非公共数据按市场化方式“共同使用、共享收益”的新模式，支持金融机构与“数据大户”建立市场化的数据分享机制。

重点之三是建立数字资产市场，着力解决数据产权落地、数据资源配置优化的问题。数据集和数字化资产可以在数据交易和数字资产市场中获得认证、定价并进行交易，实现所有权或使用权的转让。应用区块链、人工智能技术建立可信的认证工具，实现数据可信、产权可信、授权可信、合约可信、法人可信。

重点之四是弥补数字鸿沟，着力解决数字经济时代小微企业和弱势群体数字服务获得难、信息落差大的问题。扩大数字接入渠道，扩大数据共享范围，提高数字服务的可得性和易用性，降低数字服务成本，让公共数据更容易获得、更容易理解，切实改进与平民百姓密切相关的数字服务。

第二，完善财富管理市场结构。

间接融资与直接融资的比例，G20国家为3:7,我国是7:3；资本市场的外资持股占比，美国超过20%，英国超过50%，我国只有个位数。数字化财富管理呼唤更高水平的金融市场开放。应该吸引具有证券投资、财富管理专业特色的全球一流金融机构到中国设立分公司或子公司，设立家族财富管理和财富传承服务的专业机构，加快形成头部金融机构为主的具有国际竞争力的财富管理中心。

健全资本市场功能，发展长久期投资产品，支持养老资金、财富资金入市，发挥养老资金和财富资金长期投资的优势。培育耐心资本，加大战略性新兴产业、先进制造业、新型基础设施等领域投资力度，建立未来产业投入增长机制，服务新质生产力发展。

借鉴国际上的成功经验，大力拓展家族传承的财富管理。一是优化个人和家庭的资产配置规划，合理设计和安排金融资产投资、不动产投资、收藏品投资的资产结构和时序结构；二是优化家庭和家族的财富传承规划，合理设计和安排家族财产继承的税务策略和法律事务；三是优化家族和企业的财富再创造规划，合理设计和安排家族投资增值、家族产业升级、家族人才培养的发展方向和行动方案。

第三，探讨长周期真实性的财务会计准则。

财政部决定，我国从2018年起执行“国际财务报告准则第9号：金融工具”（IFRS9），符合条件的保险公司可从2021年起执行；从2023年起执行“国际财务报告准则第17号：保险合同”（IFRS17），符合条件的保险公司可从2026年起执行。

IFRS9是管金融工具因而是资产端的准则，金融资产由原准则的四分类，改为按“合同现金流特征”和“业务模式”，分为“以摊余成本计量的金融资产(AC)”、“以公允价值计量且其变动计入当期损益的金融资产(FVOCI)”“以公允价值计量且其变动计入其他综合收益的金融资产(FVTPL)”的三分类，债务工具的减值规则由“已发生损失法”变更为“预期信用损失法”。这将对不同分类的金融资产在财务报告期的价值表现带来不同影响。

IFRS17是管保险合同因而是负债端的准则, 要求将原准则按收付实现制确认的保费收入，改为按履行保险合同义务的每一期间确认保险服务收入并剔除投资成分，并要求损益表以利源形式列报，新准则下的保险服务收入不再是销售保单收取的保费。这将对储蓄型、保障型、资管型等保险产品在财务报告期的价值表现带来不同影响。

对于金融机构来说，财务会计准则不仅是会计核算和财务报告的规范，而且是市场定位和经营行为的导引。新准则出台后，第一步影响金融企业的财务报告表现和市场估值，第二步影响金融企业的产品策略、风险偏好和资产负债配置，第三步影响金融企业的发展战略。当越来越多的金融企业受限于财务会计准则而改变市场定位和发展战略时，一个国家的经济金融结构也可能受迫转向。

我国采纳基于欧洲的财务会计准则体系，这是我国经济与全球接轨的台阶。需要研究的是，美国保持自己的财务会计制度体系，并不执行IFRS17；日本允许企业自行选择是否执行IFRS17。

养老金融和财富管理负债端和资产端的存续周期都很长，财务会计准则强调当期财务报告的真实性，未必能体现长周期真实性的要求。在IFRS9和IFRS17规则下，金融机构资产端和负债端对市场波动的反映都更加敏感，资产与负债的长久期缺口扩大，产品策略的选择余地缩小。应该立足于金融业长远发展战略，深入评判新准则对我国金融市场发展的正负面效应，在制度设计上力求趋利避害；应该按照长周期真实性的原则，对不同类别、不同久期的投资产品建立合理的估值方法，支持金融市场优化金融资源配置。

海量资讯、精准解读，尽在新浪财经APP