生成式人工智能與金融業變革：典型事實、潛在問題與應對策略

摘要：作為數字經濟時代前沿人工智能應用變革與創新的代表，ChatGPT對人類經濟社會發展產生著深刻影響。解析在ChatGPT支撐下金融領域的智能交互與個性化服務、數據驅動與決策支持、風險管理與合規監控等典型事實，梳理ChatGPT在金融領域的應用引發的金融勞動力的結構性沖擊、收入分配的失衡困境、數據應用的風險性挑戰等問題。進而提出以新型舉國體制推動生成式人工智能的自主性發展，并在金融業就業穩定與保障領域強化制度建設，劃定生成式人工智能在金融領域的應用邊界，強化以行業倫理來約束短期行為等措施，通過多重手段合力推動生成式人工智能與金融業務的融合創新發展。

關鍵詞：ChatGPT；人工智能；金融業；數字經濟

中圖分類號：F832.1" " 文獻標志碼：A" " 文章編號：1001-862X（2025）01-0115-011

一、引 言

習近平總書記在黨的二十大報告中作出了“世界百年未有之大變局加速演進”的重大判斷，科技革命引導下的產業變革成為這場“百年變局”的核心驅動力。隨著移動互聯網、超級計算、深度學習、大數據等多元化、前沿化技術的融合應用，人類獲得了重塑認知、變革世界的強大工具——生成式人工智能，作為諸多前沿數字技術“發明的發明”，人工智能在新時代新階段下對科技和產業的變遷發展產生了重大且深刻的影響，具有極強的“溢出效應”和“頭雁效應”，是推動中國經濟高質量發展的重要戰略性支撐資源，更是當代世界經濟發展的不可缺失的關鍵一環［1］。基于此，黨的二十大報告明確指出，要“加快發展數字經濟，促進數字經濟和實體經濟深度融合”，進一步為中國前沿技術發展指明方向。根據《“十四五”數字經濟發展規劃》，2025年數字經濟核心資產增加值占GDP比重將達到10%，因此，在政策引領和時代發展趨勢下，數字經濟前景廣闊。

2022年11月，美國OpenAI公司基于自然語言人機交互應用模型，開發出擁有近似（乃至超越）人類語言智能水平的ChatGPT（聊天生成型預訓練轉換模型）。從技術圖譜上來看，ChatGPT不同于傳統“分析式AI”（Analytical AI）專注事物分析的功能導向，而更加強調內容總結提煉、新知識的生成乃至實現趨勢預測，屬于典型的“生成式AI”（Generative AI）。作為基于大規模語言模型的系統交互產品，其在實踐應用中展現出了現象級的語言文本理解、推理和生成能力，有著極高的人機對話應用能力，一經推出，在上線5天內用戶數就突破100萬，兩個月的活躍用戶更是突破1億大關，是有史以來人工智能技術應用領域中最為成功且用戶最為廣泛的智能產品。

ChatGPT的底層技術支撐使得其更具有真切的現實特征，是極具效能的顛覆性技術，ChatGPT是人工智能技術賦能不同產業高質量發展的前沿陣地。作為現代經濟的核心，金融業在ChatGPT的影響下，也將產生重要的變革和影響。具體來看，ChatGPT可以通過更高位階的自動化模式來幫助投資者理解復雜的金融概念術語和技術流程，基于投資者的特殊需求和偏好曲線提供定制化智能投資服務，實現客戶滿意度和成本降低的雙重擬合。ChatGPT可以進一步優化“投資者—分析師—金融中介—上市企業”等多元化金融市場參與主體的信息配置格局，對海量的“非結構化—結構化”數據進行提取和分析［3］，切實在金融投資決策場景中降低信息不對稱，提煉金融特征事實背后的變遷規律，輸出有效可行的量化策略，引導要素的充分涌動和均衡發展。但需要注意的是，任何技術進步都是一把雙刃劍，ChatGPT與其他前沿技術發展所面臨的問題是相似的。ChatGPT對金融業的重塑實踐所帶來的困境，既有歷史上多次人工智能浪潮隱藏的“老問題”，也具有新的變化特點。如人工智能技術進步的“副作用”，會引發機器對人力的替代，這甚至可以追溯到凱恩斯的“技術性失業”上［4］：金融業的重復性勞動力極有可能會被替代，在特殊時期甚至可能會對社會穩定產生嚴重不利影響，如何在“機器—人力”之間的循環沖突中實現再平衡，是歷久彌新的話題。前沿技術下的AI發展，會形成新的“數據霸權”乃至“信息壟斷”，在金融業這樣“趨利避害”傾向較強的領域中，可能會造成新的不平等問題。

二、數字時代下的金融革命：ChatGPT賦能金融業的典型事實

在數字經濟時代浪潮中，ChatGPT代表前沿領域的人工智能技術，展現出強大的賦能能力，為經濟高質量發展提供了有效支持。生成式AI算法所代表的ChatGPT，在實際應用中已經廣泛滲透到各個行業和應用領域，其發展將引領全球范圍內許多產業迎來新一輪的范式轉移和技術升級。目前，美國已經有大量垂直小公司利用ChatGPT和GPT-4的API開發出各種垂直場景應用，中國的互聯網巨頭也正在基于ChatGPT或自主研發的大語言模型培育各類垂直應用。在眾多產業中，金融業作為國民經濟的重要命脈，其發展離不開技術的革新和支撐［5］，探索和刻畫ChatGPT對中國金融業的影響事實與作用機制，具有重要的理論創新價值和實踐指導意義。金融行業伴隨人工智能技術的快速發展正在迎來智能化革命，ChatGPT是最具代表性的自然語言處理模型，在金融領域具有極強的應用潛力和多樣化特征。本部分內容將針對ChatGPT在金融領域中的應用場景展開刻畫，如智能交互與個性化服務、數據驅動與決策支持、風險管理與合規監控的維度，并結合中國金融業機構的具體實現，為梳理ChatGPT賦能金融業的作用機制提供經驗。

（一）數據要素驅動：ChatGPT對金融業變革的決策模式優化支持

ChatGPT在金融領域通過深度學習與自然語言處理技術的結合，展現出從多層數據解析到市場預測與投資決策優化的全鏈條智能化能力，為金融機構提供更精準、高效的洞察與策略支持。ChatGPT通過其基于Transformer架構的深度學習模型，實現對“市場—交易—客戶”多層數據的處理。模型在利用自注意力機制的同時還關注輸入序列中不同位置的信息，以更好地歸類、清洗和輸出海量數據。通過對大規模金融數據的訓練，ChatGPT獲得對復雜的金融數據進行有效表示的能力，包括對時間序列數據和非結構化數據的處理，為金融機構提供更全面、深刻的市場洞察力，超越了傳統技術的水平。ChatGPT的數據智能化涉及對“結構化—非結構化”數據的處理，表現出對自然語言處理（NLP）的強大支持。通過對大量金融文本數據的學習，模型理解并解釋金融專業術語和業務流程，利用詞嵌入技術、實體識別等NLP技術，提高對金融數據的理解深度，使得ChatGPT在洞察市場動態方面更為精準，為金融機構提供更準確的決策依據。在金融數據預測領域，ChatGPT依賴于其深度學習與識別技術，對歷史記錄及特定情境信息的學習，能夠模擬客戶群體需求的變化趨勢以及風險事件的發生模式。這一過程是利用分析時間序列數據并學習對關鍵事件的敏感度來完成的，從而為金融機構提供更加精確的市場走勢預估。應用深度學習技術使模型能夠更好地應對金融市場中的復雜性和不確定性。在投資決策優化方面，ChatGPT利用深度學習和強化學習等手段促進了與金融機構及其客戶的互動。它接收來自這兩方的信息輸入，基于這些輸入不斷調整和完善自身的投資組合管理策略。整個過程中涉及的技術細節包括但不限于參數調優、策略迭代等，確保了模型能夠在多變的市場環境中持續進化。

ChatGPT與相關技術的深度融合，通過對大規模金融數據的處理和自然語言生成能力，顯著提升了金融機構的數據分析效率與決策支持能力，同時為投資者提供更智能化的市場洞察工具，推動金融行業邁向高效數字化轉型。目前，ChatGPT在增強金融機構的數據分析能力方面已得到廣泛的應用，尤其是在金融領域內。江蘇銀行的技術團隊與Codex技術的結合應用取得了顯著成效。通過將ChatGPT和Codex相融合，該團隊實現了多方面的技術進步，讓銀行快速掌握其分支機構的運營狀態，借助ChatGPT強大的自然語言處理功能，對分支機構數據的理解變得更加高效；同時，Codex的編碼解碼技術進一步提升了從數據中提取有價值信息的能力，銀行管理層通過由ChatGPT生成的概覽報告，及時獲取各分支機構的財務狀況及運作效率等重要指標，為銀行提供全面且精確的數據洞察力，通過對數據進行深入剖析并建立預測模型，為決策者提供定制化的建議。由此可見，ChatGPT通過對歷史資料及市場動態的學習，可以預測未來的經濟走向，為銀行的戰略規劃提供有力支撐。此外，由于Codex具備優秀的理解編碼金融信息的能力，能向ChatGPT輸送更為精準的數據，進而提升了最終策略建議的質量。新加坡金融科技公司長橋集團的PortAI應用則展示了在金融科技行業中基于OpenAI GPT框架的創新。PortAI的“萬字研報，秒劃重點”的瞬時總結能力，為投資者提供快速把握重點的工具。利用ChatGPT的自然語言生成，PortAI能夠在短時間內生成簡潔而具體的研究報告，幫助投資者更迅速地了解市場動態和項目重點，在海量數據的金融環境中具有重要價值，為投資者提供了高效獲取信息的途徑。

從技術角度來看，這些應用案例涉及對大規模金融數據集的處理與學習過程。通過廣泛吸收金融文本中的知識，ChatGPT構建起對于該領域專業術語及市場動態深刻的理解能力。而Codex所采用的編碼解碼機制，則保證了即便是面對復雜多變的金融信息時也能高效地進行處理。特別是在PortAI的應用場景下，通過對大量研究報告和金融新聞的學習，該模型能夠快速準確地提煉出關鍵要點，其背后離不開對ChatGPT生成式語言模型的深入運用。此類技術的進步不僅提升了金融機構處理數據的能力，同時也為投資者提供了更加智能化的支持工具，幫助他們洞察市場趨勢并做出更為合理的投資選擇。這一系列創新為金融業帶來靈活和高效的解決方案，推動金融行業朝著更數字化、智能化的未來邁進。

（二）服務便利驅動：ChatGPT對金融業變革的智能優化支持

ChatGPT在服務質效方面的核心創新在于其基于Transformer架構的深度學習模型，通過多層自注意力機制與深度強化學習技術，結合多平臺整合能力，實現了對復雜金融問題的精確解析、個性化服務的動態響應及多渠道智能互動的高度優化。該模型采用多層自注意力機制，幫助ChatGPT有效地解析自然語言中的復雜結構和語境。通過預訓練與微調的過程，ChatGPT在金融領域積累了豐富的專業知識，能夠深入且準確地解決用戶提出的金融問題。在智能互動及信息傳遞方面，ChatGPT的自然語言處理技術通過對大量金融文本數據的學習，能夠準確理解行業術語，還能精確捕捉到金融領域的特定語境，從而提供更為精準且可靠的答案。ChatGPT在生成流暢對話方面的優勢，通過對上下文敏感性的把握，讓用戶的交互體驗更加接近真實的人際溝通，增強了交流的自然感。為了滿足個性化金融服務需求，ChatGPT還運用深度強化學習等先進技術。基于用戶歷史交互數據建模，系統更好地識別每位用戶的獨特偏好和風險容忍度。其過程包含了模型參數的在線學習與即時更新，即使是用戶需求發生變化，也能迅速做出個性化響應，為金融機構提供更加智能化和定制化的服務策略。在服務渠道方面，ChatGPT的應用范圍涵蓋多種即時通訊工具、社交網絡平臺以及金融機構自身的應用程序。在技術層面，模型需與各平臺API進行整合，并確保在不同環境下保持性能的一致性。通過學習適應多種接口和平臺，ChatGPT在不同的渠道上均展現出更高的靈活性和智能性，同時根據用戶的個人喜好提供定制化的互動體驗。

ChatGPT通過自然語言處理和生成技術在我國金融機構的廣泛應用，不僅推動了智能客服、知識管理和員工培訓的數字化升級，還在文案生成和業務流程優化方面顯著提升了效率，為金融行業的服務體系帶來了全方位的智能化變革。ChatGPT在我國迅速融入金融服務體系，并為銀行業帶來顯著的革新與進步。一個突出的例子是浙江農商聯合銀行，該行成為了全國首個接入百度“文心一言”（類似ChatGPT的產品）接口的銀行機構。雙方的合作聚焦于“智能對話技術升級轉型”，通過廣泛部署生成式人工智能技術，將其應用于智能客服、數字員工、虛擬營業廳、知識管理系統及員工培訓等多個數字化場景。貫穿整個服務流程，突破物理空間和時間限制，向客戶提供更加智能化且個性化的金融服務體驗。在此過程中，基于ChatGPT的自然語言處理能力構成了生成式AI技術的核心，使銀行通過智能客服提供更接近真實交流的服務體驗，以滿足客戶多元化的需要。借助ChatGPT強大的文本生成功能，數字員工與虛擬營業廳可以更加靈活地回應用戶提問，給出定制化的財務建議。此外，在構建知識庫以及開展員工教育方面，ChatGPT所具備的自然語言理解能力使得信息傳遞更為高效，培訓內容更加貼近實際工作需求。招商銀行是另一家運用ChatGPT技術的金融機構，該行在文案自動化生成方面進行了深入探索。利用ChatGPT強大的文本生成能力，招商銀行加速了其金融產品及服務相關文案的創作過程。這些文案涵蓋了從功能介紹文檔到市場推廣材料乃至項目提案等多種類型。借助ChatGPT的技術支持，所產出的內容更具創意性，更加精準地滿足目標群體的需求。在提升文案整體質量的同時，還加快了金融服務與產品的迭代速度。技術層面而言，這一應用依賴于對大量金融領域特有文本數據的學習，使ChatGPT能夠準確掌握行業術語、產品特征以及客戶需求等關鍵信息，通過對自然語言生成模型進行優化調整，確保最終輸出的文字既符合專業標準又易于理解。自動化的寫作流程讓文案制作變得高效快捷，也保證了內容的一致性和準確性，減少人為因素可能導致的錯誤。更重要的是，它釋放了員工的時間和精力，讓他們將更多注意力投入具有更高戰略價值的工作，為銀行業務的發展開辟新路徑。

（三）風險平滑驅動：ChatGPT對金融業變革的合規監控優化支持

ChatGPT通過深度學習與自然語言處理技術，在金融風險管理中實現精準分析、實時預測與個性化建議，顯著提升了金融機構在復雜市場環境中的風險識別與應對能力，為構建智能化、動態化的風險管理體系提供了關鍵支撐。在金融領域，ChatGPT通過強大的自然語言處理（NLP）和深度學習能力，為金融機構實現風險平滑提供關鍵支持。第一，通過深度學習算法，ChatGPT使用大規模的結構化和非結構化數據進行訓練，其中包括歷史市場數據、財經新聞和社交媒體評論，賦予ChatGPT對復雜市場情境的理解能力，使得模型能夠實時分析新數據，捕捉市場波動、信用問題或操作風險的關鍵信號。第二，ChatGPT的自然語言生成能力，能夠以人類語言風格生成風險報告，為團隊內的不同部門提供了共享風險信息的橋梁。該技術細節涉及模型對生成語言的深入理解，金融從業人員能夠更直觀地理解風險的性質和潛在的影響因素，更有針對性地采取風險控制措施，實現風險的平滑分布。第三，ChatGPT的情境分析與預測功能依托于其處理時間序列數據的能力。通過深入學習歷史信息，模型能夠識別潛在的風險趨勢及市場事件。此過程涉及大規模數據的處理以及對深度學習算法的定制化調整，提高模型在預測未來風險場景時的準確性，促進風險的有效管理。第四，ChatGPT提供個性化建議的能力源自其對海量客戶資料的學習。通過對個人歷史記錄的深度挖掘，系統理解每位投資者的行為模式、風險承受能力和財務目標。此技術的關鍵在于從龐大數據庫中提煉并解析單個用戶的重要屬性，制定符合個體需求的投資策略和風險管理方案，實現資源的優化配置。綜上所述，ChatGPT的應用為金融行業帶來了更加智能、即時且個性化的風險管理工具。借助深度學習、自然語言處理等先進技術，加速決策流程，降低金融機構所面臨的風險水平。

ChatGPT通過深度學習和自然語言處理技術，將復雜法規解讀與合規風險監控自動化，以實時更新和精準識別能力，顯著提升金融機構在動態合規環境中的監管效率與標準化水平。在合規性監督領域，借助深度學習算法的支持，ChatGPT解析大量的結構化與非結構化合規信息，涵蓋法律文檔、審計報告及監管公告等，能迅速把握并闡明法規的具體要求，為金融機構提供精確的合規指導。實踐中，ChatGPT運用自然語言處理技術來解讀法律文本，識別其中的核心條款與規定，幫助金融機構更全面地掌握合規要求，減輕人工審閱大量文件所帶來的負擔。面對法律法規的變化，該系統能夠快速響應，通過持續學習最新的法律規定更新其合規建議，確保金融機構能夠及時符合最新的法規標準。此外，ChatGPT在合規監控中也能夠識別和解釋交易記錄、行為模式，以自動化輔助金融機構甄別潛在的合規風險。在反洗錢（AML）、反恐怖融資（CTF）以及內部交易監控方面，模型通過分析大量非結構化數據，識別可疑的交易模式和異常的資金流動，提高合規監控的效率，減少主觀判斷的裁量權，確保合規標準的一致性和準確性。

奇富GPT和美國運通基于深度學習技術的創新應用，通過智能征信解讀與交易異常檢測，不僅提升了金融機構在信貸風險控制與欺詐防護中的決策能力，還推動了金融服務的智能化和安全性發展，彰顯出深度學習技術在金融領域的多元價值。具體來看，奇富科技目前基于金融行業通用業務研發了中國首個金融語言大模型——“奇富GPT”。該模型基于深度學習算法，專注于通用金融業務，特別是在信貸領域的風險控制方面取得了顯著成果。在信貸風險控制中，奇富GPT倚仗其強大的自然語言處理和深度學習能力，準確捕捉客戶真實意圖，在自建客戶畫像的基礎上，為銀行機構提供智能征信解讀。提高了金融機構對客戶信用情況的全面性理解，為用戶提供個性化的信貸流程，加強了金融服務的智能化。在風險控制這一關鍵環節，奇富GPT的應用進一步展現了其優勢。通過大規模數據的深度學習，該模型能夠更全面、高效地理解和判斷客戶的信用情況，為金融機構提供更靈活的業務決策方式。其中智能征信解讀對于提高風險控制的準確性，加速業務流程具有重要意義。與此同時，美國運通也采用深度學習技術，通過引入長短期記憶網絡（LSTM）增強的遞歸神經網絡（RNN），構建了專項應對交易異常的深度學習模型。這一模型在處理大量“結構化—非結構化”交易信息中，將特定細分市場的欺詐檢測準確性顯著提高6%，為客戶提供一流的防詐保護和服務。

三、ChatGPT發展情境下中國金融業提質增效的潛在問題

（一）金融業勞動力的“結構性”沖擊

技術創新驅動的失業問題始終是經濟學領域的重要議題，在人工智能（AI）浪潮的推動下，這一議題展現出新的復雜性。［6］生成式AI技術以ChatGPT為代表，其潛在的勞動市場沖擊引發了廣泛的關注和爭論。在傳統的經濟學分析框架中，技術替代效應多依賴于任務的可分解性和規則性。Autor等提出的ALM框架中［7］，自動化技術對勞動市場的主要影響集中在程序化任務的替代上，即那些可以通過明確規則加以表述并交由機器完成的任務。其技術邏輯導致技能鏈條低端的勞動者在自動化進程中面臨較大的替代風險，技能鏈條高端的勞動者則因其任務的復雜性和非標準化屬性而相對受到保護。然而，這一經典邏輯框架在生成式AI的語境下顯然面臨挑戰。有別于傳統的機械自動化技術，生成式AI的發展呈現出對勞動市場影響的雙向擴展：一方面，它在低端重復性勞動中的應用效率顯著提升；另一方面，通過對大規模數據的訓練和語義理解，生成式AI具有高度的任務適應性和泛化能力，能夠勝任復雜性較高的高技能任務。雙向替代趨勢標志著勞動市場的技術風險正從“低端向高端”遷移。基于此，傳統的技術—技能保護邏輯需要被重新審視。

生成式AI技術的核心在于其知識生成能力，是由深度學習模型的特性所驅動的。深度學習通過大規模數據訓練，從非結構化信息中提取隱性知識結構，構建復雜任務的邏輯映射。使得生成式AI在功能實現上具有高度靈活性和廣泛適應性。與傳統自動化技術相比，生成式AI突破了“任務分工”的傳統經濟學假設，其影響已不再局限于特定任務的替代，而是重塑勞動市場的任務結構。傳統經濟學理論通常假設勞動市場由低端任務、中端任務和高端任務組成，技術替代效應主要集中在中低端任務上，導致勞動市場“空心化”。而生成式AI的知識生成特性改變了這一動態：其在高技能任務中的替代效應可能導致“梯級替代”現象，低端任務被基礎AI技術取代，而中高端任務因生成式AI的普適性進一步受到沖擊。這種趨勢挑戰了勞動市場的“技能兩極化”假設，在整體上拉平技能分布，形成“技能再分配”的新格局。［８－１２］

同時，技術優化在金融領域的主要目標常被定義為提質增效，然而，僅關注技術升級忽略了金融實踐中多元文化聯結的核心作用，可能導致對制度設計關鍵維度的忽視。制度設計中“價值擬合”的重要性，尤其體現在低端重復勞動的金融咨詢與營銷業務中，這類業務不僅需要處理顯性任務，還需要涵蓋大量的默會知識（Tacit Knowledge）與人際交互的隱性維度。人際交互活動本質上具有情感性與非理性特征，表現為交互中所需的“潤滑”行為以及對金融客戶隱性需求的識別，處理方式高度依賴于實踐中的“暗知識”，是難以量化或形式化的隱性經驗與情感互動。在金融業務中，非理性因素往往主導決策過程，比如業務處理機制的煩冗協商、多邊權衡，以及實踐中難以精確建模的隨機性和復雜性。生成式AI（以ChatGPT為代表）雖然具有強大的數據處理與任務泛化能力，但“工具理性”屬性使其在應對金融咨詢與營銷業務中的非理性因素時有顯著的局限性。ChatGPT的運行邏輯基于明確規則和數據模式，無法直接捕捉和處理高度依賴情境與隱性文化內涵的信息，導致在這類任務中的出錯概率顯著提高，技術自限性使其在金融領域的部分低端業務替代性受到內在約束。

基于大歷史觀的視角來看，技術革命對勞動市場的長期影響呈現出顯著的動態特征。盡管ChatGPT的普及可能引發短期內結構性（技術性）失業，但歷史經驗表明，勞動市場往往通過崗位再創造實現自我修復和再平衡，核心在于技術對勞動分工的重新定義以及技術互補職業的涌現。例如，在生成式AI推動下，新的職業形態如“AI金融架構師”“金融信息提示工程師”等，會逐步填補傳統崗位消亡所帶來的空缺，并推動就業結構的重塑。然而，從結構性失業到新崗位的過渡過程中，勞動者技能再配置的社會成本不可忽視，主要體現在兩個方面：一是，勞動者需要時間完成對前沿技術的適應與學習，導致重新進入勞動市場的時滯效應；二是，由于技能與崗位需求的不完全匹配，摩擦性成本將進一步加劇就業市場的不確定性。

（二）金融業收入分配的“失衡性”困境

20世紀80年代以來的經驗數據表明，前沿技術創新應用帶來的效率提升和經濟效益改善并沒有推動勞動力群體的“共同富裕”。［1］世界范圍內的經驗來看，機器自動化與技術進步盡管提高了生產效率，但對勞動者收益保障和提升的覆蓋面而言十分有限。 ［1３］在較長的歷史時期內，世界主要國家的“資本—勞動”收入結構基本保持穩態（即“卡爾多典型事實”）。然而，進入互聯網時代后，上述穩態根基逐漸被動搖，主要體現在勞動回報水平的下降而資本回報率的上升［1４］。上述典型事實的變化，可以歸因為技術進步的推動。［4］人工智能技術應用的推廣過程本質上是資本深化的過程，將更突顯資本要素的重要性，并拉開資本要素和勞動要素的回報率差距。金融業是信息技術密集型行業，現階段的前沿技術變革（如ChatGPT）會對金融業收入分配格局產生不可忽視的影響。

以機器技術進步為代表的技術革命對勞動力市場的沖擊并不鮮見，但數字經濟時代下的體制機制和人口變遷也許會使生成式AI產生不同的影響。［1５］ChatGPT的發展在勞動力市場中形成具有明顯偏向的技術焦點偏移。一方面，金融行業中可以被ChatGPT替代的職業勞動力會進一步沉降至更低生產率的金融部門中，這類勞動力會出現顯著乃至斷崖式的收入下跌。在短期內，被“優化”的勞動力難以迅速吸收新技術實現勞動力階層的“向上浮動”，轉而只能被迫“向下競爭”，會進一步惡化金融市場中原本就被新技術擠壓的低技術勞動群體的收入水平。另一方面，ChatGPT是具有“超”資本密集型特點的數字技術，有較高的準入門檻。生成式AI的成功運用，能夠指數級提升企業的利潤水平：英偉達借助Open AI的ChatGPT和DALL-E2等大型語言模型發展的東風，市值自2023年以來漲幅最高達到60%；微軟宣布在必應搜索和瀏覽器中嵌入ChatGPT插件后，市值當天就暴漲800億美元，新式人工智能技術的應用在提升行業資本回報率的能力方面效果顯著。需要注意的是，在金融業勞動者群體中，ChatGPT帶來的勞動力結構性沖擊會傳遞到不同勞動群體的收入分化上：一方面，ChatGPT在“莫拉維克悖論”的路徑下，對金融業中高層的勞動者群體產生顯著的替代效應，收入明顯下降，同時這類群體會被“驅趕”沉降至更低層次的崗位中進行競爭，惡化了低層次崗位的競爭和收入水平（盡管ChatGPT可能并不會直接過度沖擊低層次崗位工作領域）；另一方面，在自動化技術迅速推進的時代，自動化技術更多的是沖擊低端勞動力市場及其收入水平，中高層勞動力職位及其收入仍處在穩定的維持階段（勞動收入結構呈現出“倒金字塔”型結構分布）。而ChatGPT的應用在互聯網“贏者通吃”的馬太效應支撐下，社會財富會迅速向掌握最前沿數字技術創新的更少數高階層群體集聚。導致原有穩定理想的“橄欖型”收入分配布局結構被ChatGPT嚴重破壞，展現出收入布局結構的“中空”缺失，“頂層—低層”收入群體之間的鴻溝進一步拉大。

以生成式AI為代表的ChatGPT技術應用為全社會帶來巨大的工作便利和收益空間，但突破式的人工智能創新會導致收入分配差距擴大，在勞動力市場上的利益流失問題將比過往更為嚴重：具有良好高等教育背景和技術能力的中青年群體面臨著較大的替代風險和收入下跌，這類群體會轉移至低層次勞動力市場展開競爭，對教育水平和收入水平“雙低”群體形成更為嚴重的侵蝕效應，這種情況同過往的典型研究會有所不同。［1６］

（三）金融業技術數據應用的“風險性”挑戰

任何技術進步都是一把雙刃劍，作為生成式AI的典型代表，ChatGPT的運用能夠有效提升用戶福利，提升工作質效，但同時也是一系列風險源的溫床。已有學者對現階段實體經濟“數字化轉型”可能帶來的危害表示擔憂，與傳統研究文獻認為數字化技術有助于改善信息不對稱不同，賀超等的研究認為數字技術的發展與應用反而會使原有的“數據鴻溝”進一步擴大。［１７］從表面上看，企業內部的決策體制機制已經從“經驗直覺驅動”向“數據算法驅動”深度轉變，但智能模式背后的算法和規則的定義權依舊在管理層，企業內部管理者的決策空間和自主性甚至比以往更大。披上了“數據+算法”的外衣后更加隱蔽且極具破壞力，導致企業內部經營的不穩定性陡增［１８］，這對采用ChatGPT的金融業企業來說更是如此。

除了ChatGPT內嵌的算法能夠被企業內部管理者利用之外，算法本身的可解釋性流失同樣會為金融業企業帶來威脅。ChatGPT是基于Transformer的典型深度學習模型，與以往神經網絡語言模型不同的是，ChatGPT引入了自注意力機制（Self-Attention Mechanism），內部的算法構造可見度很低（黑箱算法）。基于此，ChatGPT的技術架構和要素編排復雜度降低了模型的可解釋性，對于高風險、風險傳染網絡化突出的金融業而言，具有較大的危害性（缺乏可解釋力的分析和決策部署影響極容易在金融系統中造成“黑天鵝”事件），即便在低風險金融業務場景中，ChatGPT也會面臨模型驗證診斷困難的治理風險。當前，ChatGPT的最新進展（ChatGPT-4）已經突破了純文本類型的信息輸入限制，能夠接受圖像要素的輸入，形成了典型的“跨模態生成”機制。在已有的ChatGPT-3中，已經發現大量的歧視性（涉及大量性別、人種、膚色等）輸出內容 ［１９］，這類有偏向的算法用于程序化推動金融業務的開展，將造成大面積金融歧視和虛假信息問題［2０］，與“金融+科技”下的普惠理念背道而馳，無法有效提升金融服務實體經濟的能力。

特別需要重視的是，作為典型的生成式AI，ChatGPT能夠在動態交互情境中對標的用戶進行高效的、大面積的操縱行為。如在通過“定制化”方式對ChatGPT進行虛假信息交互時，ChatGPT能夠有效應變生成多維度的虛假信息，通過心理誘導的方式對標的用戶（群體）進行算法操控，大型語言模型在交互情境下的“涌現能力（Emergent Abilities）”會顯著強化“合成式深度偽造”的仿真程度，對不具備充分金融知識的群體（中國這類群體尤為廣泛）形成高維度的操縱打擊，即通過算法來“說服”消費者購買（低品質）金融產品和服務乃至進行金融詐騙（可能比傳統的電信、金融詐騙更加精準高效）。這種新型的“數據投毒”將在金融業形成難以估量和偵測的“算法妨害”效應。［2１］

（四）金融業創新環境的“趨利性”扭曲

自互聯網金融發展以來，政府部門、學術界與企業界期待“新技術應用+金融”的深度結合，甚至將互聯網金融作為“第三種金融融資模式”［2２］。然而在實踐中，互聯網金融將線下的金融小貸企業“搬遷”至線上互聯網中，本質上僅是“渠道式創新”，自身的創新金融體征有明顯的邊界約束限制，卻鼓吹金融應用大數據技術實現“去中介化”，最終形成泡沫衍生問題。金融科技概念成為金融與前沿數字技術創新融合的主流，這種前沿數字技術創新形成的小貸金融產品也可能有“普而不惠”的困局，甚至通過金融產品創新擊穿了已有的金融監管體系，最終因觸及高杠桿紅線而遭遇整頓。

對前沿技術的關注并努力塑造有效的政商、技術基礎條件是近年中國政府創新改革活動中的重要內容：多個地方政府部門積極鼓勵推動元宇宙的發展，并更加關注“元宇宙+金融”的結合［2３］。2022年末以來，隨著ChatGPT浪潮的掀起，人工智能成為地方政府政策支持以及業界關注的重點對象，以“生成式人工智能+金融”的新導向新路徑成為政府部門的“新寵”。在企業層面，金融創新的技術（政策）風口出現了短時期的大幅度轉向：從較早時期的區塊鏈到元宇宙，再切換到ChatGPT。這三類技術都是具有高度前沿性的數字技術創新，從設想、創新、應用和推廣均需要大量的基礎設施投入和制度變革配套，且這類技術風口所指向的底層技術邏輯的差異明顯，并不能簡單互通或共享，這意味著企業要進行大的轉向，拋棄原有的技術設備和制度設計以另起爐灶，對理性的企業而言調整成本較大，此類企業對上述前沿數字技術缺乏深入應用和設備布局，更多的是希冀概念炒作來占領市場獲取利潤。

以ChatGPT發展歷程為代表，生成式AI具有顯著的長周期、寬口徑、深層次的創新特征，目前依賴全球性的互聯網“超級企業”來實現。目前，中國的生成式AI發展仍處于初級階段，無論硬件設施抑或是軟件配套都是如此，發展出具有中國本土特色的生成式AI產品還具有相當大的挑戰。在軟件配套上，現有的生成式AI及其各類型的訓練算法，乃至是支撐ChatGPT的Transformer架構等，均源自于國外大型企業的技術團隊，相比之下，中國本土企業在技術應用創新上的貢獻度則很低。從制度上來看，ChatGPT的算法和架構設計在很大程度上實現了開源，但中國企業在缺乏核心技術的條件下一旦對這類資源過度依賴，后續實踐中面臨“卡脖子”的風險便會陡增，在 ChatGPT領域實現“彎道超車”并深度賦能中國金融業高質量發展的難度會進一步加大。在硬件設施上，算力作為人工智能發展的“發動機”，是數據處理和模型迭代的基礎，訓練大型生成式AI模型時需要海量的算力，中國在算力層面的硬件支撐（如高端芯片）有短板，也在很大程度上擠壓了生成式AI的發展空間。

由此可見，在現有的金融業創新變革領域中，“金融+科技”的熱潮更多展現出“追熱點”提升市場影響力的路徑，在此過程中，將國外典型突破性技術“素材”嵌入國內的金融工具（制度安排），通過“削足適履”的方式得到新金融業態，由此證明其在中國實踐中的適用性與先進性，并將其作為中國金融機構（制度）演進與改革進程中的重大突破口，這種“植移主義”可能會導致如下問題：中國金融創新的核心技術發展軌跡折射出濃厚的“跟隨策略”，隨著國外前沿技術的風口“轉向”拋棄原有的技術路線，可能造成政策錯配與資源使用低效。當前“ChatGPT+金融”的技術路線浸染著濃厚的短期思維，這種金融創新方式或許在短期內能夠獲得青睞并風靡一時，卻可能無法正確引領中國金融業變革與高質量發展。

四、關于ChatGPT服務金融業的政策思考

“ChatGPT+金融”使金融功能的載體由傳統的物理介質蝶變為虛擬形態，核心依然是金融的一種，只是改變了金融功能的實現路徑。ChatGPT的出現揭示了這樣的特征：生成式AI正在比肩乃至超越人類生物智能的道路上飛速進展，它既能優化金融業的生產方式、分析范式，又可能帶來諸如失業、貧富差距拉大、信息隱私等一系列社會乃至法律風險，這需要政府部門探索出趨利避害的最優政策方案。有鑒于此，本文梳理若干政策建議，為中國金融頂層設計提供參考。

（一）完善“新型舉國體制”戰略制度驅動生成式人工智能自主式發展

充分發揮社會主義制度集中力量辦大事的優良傳統，引導人力、物力、財力等資源的協同配合，匯聚全國之力攻關生成式AI的創新和應用。當前生成式AI發展處在高度變動期，技術變革走向的不確定性較大。因此，在我國政府利用產業政策、財稅政策等多重工具手段支持生成式AI發展時，不宜簡單對標國外特定技術產品，而應更加關注鼓勵多元化的技術和產品競爭。特別需要注意的是，我國政府借助“新型舉國體制”賦能生成式AI的發展，不是政府部門直接參與和指導企業技術創新的過程，而應當將更多的資源注入到支持競爭和創新的環境氛圍營造上。還應重視生成式AI的基礎設施建設。一方面，政府應注重強化計算機算力支撐體系的建設，以滿足生成式AI技術在金融領域的需求。加大對芯片、量子計算等領域的企業專項基礎研發支持，制定相關產業政策和財稅政策，提供資金支持和優惠政策，促進其技術研發和產業化進程。同時，推行“數字新基建”項目，如寬帶建設和大數據綜合試驗區，提升算力供應的技術水平，降低算力供應的成本，為金融領域的生成式AI應用提供更強有力的支持。另一方面，培育中國自主的開源平臺和社區，推動基礎軟件和創新環境生態“向下扎根”，培養良好的開源創新環境。在金融行業中，政府應特別關注金融科技領域內開源軟件的發展。通過激勵金融機構、科技企業和高等院校等多方力量參與到開源項目的貢獻與合作之中，共同推進金融領域的技術創新。政府可以采取提供財政資助和政策優惠的方式，鼓勵機構采用并貢獻開源軟件項目，促進金融科技行業的協作創新及資源共享。此外，政府應當建立相關法規體系，為開源技術的創新發展營造有利環境，給予必要的法律保障，激發更多主體間的創新合作，充分釋放開源創新在整個產業鏈中的活力。這一系列措施能夠提升中國數字技術研發開放平臺在全球范圍內的影響力，提升中國在生成式人工智能領域的國際地位與競爭力。

（二）增強金融業就業穩定與保障的制度建設

生成式AI技術的廣泛應用，挑戰了傳統勞動市場的技能分布格局，對現有的收入分配體系和社會保障機制提出了新的要求。政策可以從勞動市場的適應性、社會保障體系的動態化以及經濟結構的協調性三個方面加以應對。首先，職業轉型支持體系的設計需圍繞技術進步的動態特性展開，建立高度靈活且能動態適應的勞動市場培訓機制。政策應通過設計系統化的技能再培訓計劃，確保勞動者能夠掌握生成式AI應用所需的核心能力。在具體實施中，培訓體系需具有模塊化與動態化特點，根據行業需求快速調整培訓內容，充分考慮不同勞動者的教育背景與技能基礎，避免資源浪費或不匹配問題。其次，針對收入分配格局因技術應用產生的顯著變化，政策需優化現有的收入再分配機制，設立針對生成式AI應用的增值收益調節工具，通過財政工具對技術驅動型企業的增值收益進行適度調節，形成技術發展紅利的再分配通道。再次，社會保障體系的擴展與調整需超越傳統的低收入群體覆蓋范圍，向更高收入水平的勞動者延伸，應對生成式AI技術引發的結構性失業與收入不穩定問題。因此，政策設計需在現有保障體系的基礎上，引入“收入損失補償機制”，以覆蓋因技術變革導致的中高端勞動者收入下降風險。社會保障體系應探索多元化支持形式，從單一的現金補助轉向包括低息貸款、創業支持與社會服務在內的綜合性支持模式，降低勞動者的適應成本與轉崗壓力。最后，勞動市場配置的優化需要通過跨行業資源的協同整合實現。勞動市場的有效配置需以跨行業協作為基礎，構建貫穿多領域的資源整合機制，推動勞動者在不同行業間的流動與適應能力。鼓勵跨行業培訓計劃與聯合就業平臺的建立，提升勞動者的技能遷移效率，減少跨行業流動的障礙。同時，協同機制還需注重勞動者技能與崗位需求的匹配性，保障勞動市場資源的高效配置與經濟結構的穩定發展。

（三）劃定ChatGPT在金融領域作用的“四至范圍”

在應對生成式AI（如ChatGPT）在金融領域中的潛在風險時，政策設計需要以明確的監管目標和全方位的執行框架為基礎，特別是針對金融歧視、資源錯配、數據霸權等關鍵問題，制定具有高度針對性和可操作性的治理措施。應優先推動人工智能技術標準的快速落地，針對大型數字企業的跨界金融業務實施更嚴格的分級分類監管［２４］。監管部門應明確其研發機構與運營管理者的法律責任，要求其提供詳細的算法備案文件與風險評估報告，建立獨立的算法安全審查委員會，對算法潛在的歧視性、誤導性與操縱性進行深度驗證與監控。在現有法律框架下，監管機構應明確虛假信息的識別與處置流程，細化對生成式AI輸出內容的審核標準，并要求相關機構在產品設計與運營階段嵌入信息過濾機制，防止不當信息的擴散。推動建立統一的金融領域虛假信息防控平臺，整合多方資源與技術能力，實現對潛在虛假信息的實時監測與動態響應。對惡意操縱或誤導性信息傳播行為，監管部門需制定嚴厲的處罰機制，強化行業規范的威懾力，維護金融市場的信息安全與穩定性。在數據安全與隱私保護層面，政策制定需聚焦于生成式AI技術的數據治理問題，特別是針對ChatGPT在金融領域處理高敏感數據時的潛在風險，提出更高的合規要求。監管部門需明確技術研發機構的數據安全保護義務，要求其在數據收集、存儲與處理的全生命周期內確保數據脫敏與加密措施的實施，同時限制未經授權的數據跨境傳輸行為。建立國家級金融數據安全審查機制，采用定期檢查與動態追蹤相結合的方式，加強對生成式AI技術數據使用過程的全面監管。為應對生成式AI在金融場景中的“數據投毒”問題，需指導技術研發機構構建強大的數據防御機制，確保算法輸入數據的真實性與完整性，避免惡意數據對算法運行結果的系統性影響。針對ChatGPT可能造成的金融消費者權益損害，政策應明確保護消費者在生成式AI技術應用中的基本權利。監管部門推動金融消費者保護體系的建設，重點關注消費者在生成式AI交互中的知情權與選擇權。技術研發機構需對ChatGPT生成內容的可靠性與潛在風險進行明確標識，確保消費者能夠在充分知情的基礎上做出金融決策。

（四）以行業倫理機制建設約束“技術+金融”下的短期性行為

在“ChatGPT+金融”背景下的政策制定，要高度關注金融創新中可能引發的倫理風險、技術應用的制度缺陷以及資源錯配等核心問題，構建全面、前瞻性的治理框架以引導生成式AI與金融行業的深度融合，推動技術在監管、倫理和市場機制下實現高質量發展。必須構建覆蓋全行業的倫理框架，將社會責任、公平原則以及公共利益作為技術應用的核心約束條件，確立金融機構與技術研發機構的職業倫理標準。該框架應特別注重隱私權保護、數據安全與透明性，明確規定算法設計與數據處理過程中的合規要求，確保技術在全生命周期內符合法律與倫理的雙重規范。金融機構應系統性評估ChatGPT等生成式AI可能對弱勢群體、邊緣化群體及市場公平競爭環境帶來的影響，從源頭上防范算法偏見與資源分配不公所引發的社會不公問題。在倫理框架的構建中，監管機構需將企業社會責任嵌入金融與技術企業的核心戰略決策體系，通過激勵性與強制性制度工具確保金融創新不僅注重利潤增長，更關注社會資源的合理配置與普惠金融的落地實施。為避免金融與前沿技術結合過程中“概念哄抬”與套利行為的泛濫，政策制定者需在現有法律框架下強化技術應用的制度化監督，實施多維度的監管政策抑制短期化的市場投機行為。金融機構與技術企業在技術導入與產品創新階段需接受強制性監管審查，明確報告技術創新是否存在“削足適履”地嵌入國外技術資源以構建適配中國市場的偽創新行為。監管機構需針對生成式AI應用中的資源錯配與政策失效問題設立風險預警機制，動態監測技術在實踐中的具體表現，特別是對相關技術浪潮“風口轉向”時所產生的資源浪費與市場波動保持高度警覺。在多方協作的基礎上設計前瞻性的調整機制，在技術應用初期即注入穩健性和靈活性，確保生成式AI技術在中國金融業的深度融合過程中避免過度依賴外部技術資源而失去自主發展能力。在監管體系的完善中，優先建立嚴格的動態監督機制，對ChatGPT在金融行業的使用進行全生命周期監管，明確其在算法開發、模型訓練及實際應用各環節中的合規義務。監管機構采用分級分類的監管策略對不同金融場景中的技術使用進行差異化約束，在高風險場景中運用生成式AI技術能夠得到足夠的審查與約束。特別是針對數據密集型金融服務，實現金融機構對用戶數據的全程安全管理，防止數據濫用與隱私泄露。

參考文獻：

［1］張磊.人工智能國際規則博弈態勢、共識分歧與中國“話語勢能”建構［J］.新疆社會科學， 2024（4）： 119-133.

［2］喻國明學術工作室.元宇宙視域下Web3.0重塑媒介發展新生態［J］.江淮論壇，2022（5）：128-133.

［3］鄧云峰，張年華.善用其器：人工智能技術應用與公司市場價值——基于中共二十大數字中國建設的微觀識別［J］.金融經濟學研究，2023（1）：100-112.

［4］蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業［J］.數量經濟技術經濟研究，2019（5）：3-22.

［5］唐松，伍旭川，祝佳.數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［J］.管理世界，2020（5）：52-66，9.

［6］孟現玉.風險社會理論下人工智能時代的失業風險與法律治理［J］.鄭州大學學報（哲學社會科學版），2024 （4）：56-63.

［7］Autor D H，Levy F， Murnane R J. The Skill Content of Recent Technological Change：An Empirical Exploration［J］. The Quarterly Journal of Economics， 2003（4）：1279-1333.

［８］Autor D H，Dorn D.The Growth of Low-skill Service Jobs and the Polarization of the US Labor Market［J］. American Economic Review，2013（5）：1553-1597.

［９］Chui M，Manyika J，Miremadi M. Four Fundamentals of Workplace Automation［J］. McKinsey Quarterly，2015（3）：1-9.

［1０］Acemoglu D，Restrepo P. Robots and Jobs：Evidence from US Labor Markets［J］. Journal of Political Economy，2020（6）：2188-2244.

［1１］王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據［J］.經濟研究，2020（10）：159-175.

［1２］Furman J，Seamans R. AI and the Economy［J］. Innovation Policy and the Economy，2019（1）：161-191.

［1３］Stevenson B. Artificial Intelligence，Income，Employment，and Meaning［M］．The Economics of Artificial Intelligence：An Agenda. University of Chicago Press，2018.

［1４］Karabarbounis L，Neiman B. The Global Decline of the Labor Share［J］. The Quarterly Journal of Economics，2014（1）：61-103.

［1５］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］.管理世界，2021（7）：130-144，10.

［1６］Acemoglu D，Autor D.Skills，Tasks and Technologies：Implications for Employment and Earnings ［J］.Handbook of Labor Economics，2011（4）：1043-1171.

［１７］賀超，丁怡帆，馬云飛.企業數字化轉型與資本市場穩定——基于“數據權力”加劇股票“同跌同漲”的經驗證據［J］.金融經濟學研究，2023（4）：７４－９１.

［１８］郭斌.論智能物聯與未來制造——擁抱人機物融合群智計算時代［J］.人民論壇·學術前沿，2020（13）：32-42.

［１９］張欣.生成式人工智能的算法治理挑戰與治理型監管［J］.現代法學，2023（3）：108-123.

［2０］陳永偉.超越ChatGPT：生成式AI的機遇、風險與挑戰［J］.山東大學學報（哲學社會科學版），2023（3）：127-143.

［2１］汪壽陽，李明琛，楊昆，等.ChatGPT+金融：八個值得關注的研究方向與問題［J］.管理評論，2023（4）：3-11.

［2２］謝平，鄒傳偉.互聯網金融模式研究［J］.金融研究，2012（12）：11-22.

［2３］陸岷峰.元宇宙技術及其在金融領域的應用研究［J］.南方金融，2022（7）：66-74.

［２４］趙精武，王鑫，李大偉，等.ChatGPT：挑戰、發展與治理［J］.北京航空航天大學學報（社會科學版），2023（2）：188-192.

（責任編輯 吳曉妹）