文/新浪财经香港站 赵澜
11月28日，在深交所、香港联交所、广州期货交易所联合举办的“湾区交易技术大会2025”上，大型智库浙江大学国家区域战略发展研究院研究员方汉庭系统详细地阐述了人工智能对资本市场的重组。他表示，人工智能将成为资本市场发展的核心驱动力。人工智能将应用于整个行业，从上市审查、合规审查到综合投资决策。同时预测“人工智能不会出现在市场上”，未来人工智能将实现从“对话式对话”到“决策行为”的跨越。中国丰富的应用场景相信有助于让像DeepSeek这样的应用型公司成为科技公司。这可能是最有效的中国在人工智能竞争中塑造霸权的有效途径。
“我们现在处于一个什么样的时代？”
“人类文明在三个时代之间存在分歧：初级与时代材料，第二代与时代材料，第三代与知识时代”。
范·亨廷老先生明确地阐述了人类的创造和人类的生存、自由和馅饼的极端运动时代，以及包括人物在内的各种困难。第二阶段是工业革命引发的能源革命，无限放大人类的体能。第三阶段是智能革命，解放和放大人的大脑和智慧。
“今天我们正处在这样一个时代，是由计算机和75年前图灵测试中提到的智能带来的。”
1950年，英国数学家阿兰·图灵发表经典论文《计算机器与智能》，奠定了理论基础现代人工智能的发展。本文系统分析了“机器能思考吗？”这个问题。他提出了著名的“图灵测试”，证明“思维”的基础是“信息处理能力”，并不一定依赖于人脑或生命体。
图灵认为，只要计算机能够进行与人类相当的信息处理，就应该被认为是“智能”的，并且“到2000年，具有足够存储能力的计算机将能够完成图灵测试”。通过考试的机会很大。”他乐观地预测道。
这个目标在2000年还没有完全实现，但现在ChatGPT、Deep Seek等丰富的AI模型正在逐渐接近这个目标的水平。
“没有人工智能，就没有清单”
“我们的未来会怎样？”方汉庭首次总结：“资本市场群体由AI公司和使用AI的公司组成。作为资本标记监管机构、交易所和服务机构必须成为人工智能用户。没有人工智能，未来就没有立足之地。”
在方瀚霆看来，中国的AI产业正处于快速增长期，无论是AI技术公司还是AI应用公司。
据机构数据显示，2024年我国核心人工智能产业规模预计突破7000亿元，年复合增长率超过20%，2025年产业规模预计突破8000亿元。人工智能应用层占比将从2023年的35%提升到2025年的52%，将是最高增长点。
此外，资本市场的政策也向AI倾斜。科创委、创业板和北京证券交易所的IPO规则是明确的。人工智能等新经济领域的企业可以将连续运营要求从两年减少到一年。中国证监会on 2025 年的关键任务还指出，IPO 资源将向“符合新生产力”的公司倾斜，人工智能技术可能成为一个关键标准。
机构投资者对投资人工智能的偏好显而易见。在当今的全球资本市场中，人工智能是公司故事的中心，也是科技、医疗保健和金融行业业绩文件中最常提到的词。
“未来，没有人工智能就无法上市的公司就会上市，”范亨廷说。
“人工智能可以解决传统资本市场的三大隐性问题。”
方汉庭认为，首先在信息处理效率方面，传统资本市场信息处理依赖于人工的基于规则的流程。 “一些非结构化、高频数据不仅速度慢，而且难以有效处理。”二是决策模式。迄今为止，金融机构已我们根据经验行事，由于认知偏差而未能有效地从数据中提取见解。 “比如人工智能的风险，比如幻觉现象等幻觉。”方汉庭举例说。
人工智能错觉是指人工智能系统，特别是大规模语言模型生成的内容与真实数据相矛盾、用户指令存在偏差或逻辑混乱的现象。由于训练数据不足或有偏差，人工智能模型会自行“填补”其知识盲点。这是人工智能模型的常见技术限制。
三是监管滞后。 “我们的决策模式和监督方法可能不允许我们监控自己或我们的上市公司。监督的延迟性质意味着大多数后果都是在事后调查和解决的，因此很难实现实时警报和主动合规，”范亨廷解释道。
重新诠释人工智能在金融机构中的价值：从“工具”到“代理”
方汉庭认为，人工智能可以解决传统资本市场运营人员的道德风险和运营成本高的问题。
方汉庭表示，人工智能可以自动起草、验证和审查披露文件，目前许多证券专业人士都在这样做，以验证上市公司的信息披露情况。 “人工智能不仅能做到，而且比人类做得更好。更重要的是，人工智能不会说谎。”由于人工智能根据客观数据执行既定规则，因此不太可能出现人类所具有的主观道德风险。
从数量效益来看，人工智能对于降本增效的作用特别大。方瀚霆表示，“在传统模式下，创建一个资本市场的形式需要180个小时，成本在5万到100万美元之间。在人工智能技术的支持下，y，我们节省了90%的时间，成本也大幅降低。”方汉庭认为这与ista效率是一致的：成本优化有潜力让资本市场资源配置更加合理。
在全面强化金融机构核心业务方面，方汉庭认为，人工智能不应该是一个“简单的工具”，而应该成为投行、券商的“全面助手”。 “在某种程度上，它可能是投资银行的代理机构。”黄狩猎先生说道。
传统投资银行依靠大量人员执行重复性任务。培养一支成熟的专业劳动力队伍通常需要20至30年的时间，而且培训成本很高。目前新兴的“AI+投行”模式显示出一定的优势。方汉庭表示：“人工智能不仅通过自动化材料审核、数据验证等基本任务来简化流程、提高效率，而且性能优于传统人类模式ls 的准确性。”
“AI+”的监管生态：“瞭望塔”变“智能驾驶舱”
从外汇角度来看，范亨廷认为，全球不同地区的资本市场监管框架普遍缺乏预警。 “应用人工智能监控此类场景的一个中心目标可能是从‘瞭望塔’转变为‘自主驾驶舱’。”
方汉庭表示，监管最重要的对象是上市公司。人工智能下监管生态的一个重要转变是从对上市公司的被动监管转向早期干预和主动监管。 “香港证监会创建了一个模型，称为市场发现模型。该模型在测试过程中可以检测到20至30个点的早期盲咳。这将提供基线监管价值。”方汉廷认为，人工智能可以帮助交易所淘汰优秀的公司，而不是在上市后出现风险时受到严厉处罚或退市。“人工智能c完成后端调查、早期干预等任务。”
从优化机构合规流程的角度来看，人工智能在降低成本、提高效率、精准管理风险等方面也展现出巨大的价值。 “中关村科技有限公司和证券公司共同打造了证券行业的大规模垂直模式。该模型可以一开始就进行多点检测，节省人力物力，并且可靠、准确。 ”
该模型允许自动完成监管备案和合规流程。合规模型人工智能驱动的规模可以重塑金融机构与监管机构之间的互动模式。金融机构可以从传统的“被动接受监管”转向“主动合规”，将监管要求纳入日常经营指引。 “监管机构和受监管方正在慢慢地朝着同样的合规方向迈进进球，”范亨廷说。
金融“AI+”未来发展方向
对于“AI+”在金融行业的未来，方瀚霆认为，有3种场景将对资本市场产生重大影响。
首先，金融情报将从“对话”演变为“决策行动”。 “目前，与 ChatGPT 和 DeepSeek 等人工智能模型相比，人类的决策有些缓慢和笨拙，”方汉廷说。
据记者观察，目前市场上已经出现了大量面向金融机构的人工智能产品，有的可以独立完成投资组合的优化，有的则可以垂直用于合规审查、交易执行等流程。然而，具备完整处理和“决策”能力的人工智能产品却很少。大量金融机构AI产品决策效率和准确性仍然需要人工检查。
不过，方汉庭仍然看好金融智能的发展潜力。金融情报专业人员可以依靠全面的数据处理和实时风险评估等技术，逐步承担更复杂的金融任务。 “这段时间不会很长，”范亨廷说。
其次，应用人工智能的全面实施将实现多模态，有助于解决跨境监管协调问题，打破资本市场信息处理的地域限制和局限性。
方汉庭举例说：“很多互联网、人工智能行业的创业公司早期都出口到国外，国内投资者正在错失成长机会。” AI TeSi Knology可以提供文本、音频、视频等丰富多模态数据的新解决方案，通过跨境数据共享和监管协调，或许将成为可能评估初创企业成长潜力，优化报价审核机制，为优质创新企业留在国内市场创造条件。 “面对潜在的风险，我们不应该过度恐慌，‘让’子弹飞得远一点，给创新企业和市场足够的成长空间。”范亨廷表示。
三是完善治理体系。人工智能可以通过隐私计算等技术实现“可用但不可见的数据”。这意味着您可以在不损害原始数据隐私的情况下克服不同机构和不同地区之间的数据壁垒。同时，人工智能可以自动识别敏感信息并进行分层保护，满足数据安全和使用需求。不仅保护投资者和上市公司的数据隐私，还为资本市场的数据分析、风险监控等合规数据支持提供支持。
方汉庭认为，池NA目前在保护数据隐私、破解数据孤岛方面采取的是“边建设边建设”的温和路径。虽然这与美国“更加开放”的模式和欧盟“更加谨慎”的立场不同，但也警告“不应加强过度治理，以免抑制市场活力”。
针对业界对算法黑箱和可解释性问题的担忧，方瀚霆建议未来监管方面应该有更多的回旋余地。技术创新与系统设计相结合，可以逐步提高算法的透明度，不违背人工智能技术的发展规律，实现有效监控。
“Ai+”中的规则探讨
“首先是监管机构，”方汉庭说，他强调人工智能的监管效率比数千人的人工监管要好得多。人类的视力往往面临能力b人工智能可以克服这些瓶颈。 “监管机构需要拥抱变革，将人工智能充分融入资本市场建设，包括开发监管沙箱、鼓励人工智能在合规场景中的创新应用。”
二是金融机构监管。方汉庭建议，金融机构应加大对人工智能基础设施的投入，重点关注平台治理、技术建设、人才队伍建设，特别是推动人工智能代理人的发展。 “未来的金融生态系统将被定义为‘金融大脑+多平台+终端架构’。平台和终端在某种程度上可以‘无脑’，本质上依赖于金融大脑提供的数据和决策支持。” ”
“如果场景足够丰富，应用公司也可以成为AI科技公司。”
方汉庭认为，当前的发展历程有明显的发现。中国人工智能产业发展历程。 “以杭州深思科技为例，它原本是一家专注于量化交易的人工智能应用公司，而不是一家专注于大模型开发的科技公司。”
今年声名鹊起的DeepSeek，通过在量化交易中落地并不断完善人工智能技术，成功实现了从“技术应用”到“技术创造”的跨越。也许应用场景不仅仅是技术研发的“附录”，而可以成为技术进步的驱动力。
“只要中国提供充足、强大的应用场景，很多应用型企业就会成为生产人工智能技术的企业。”方汉廷说。
全球范围内，一些国家注重技术理论研究，追求“0到1”的理论突破，而中国为人工智能技术提供了天然的试验场与众多工业和消费场景相结合。一些应用公司在部署过程中直接面对实际的市场需求，因此可以在技术上获得准确的优化方向，并通过不断的场景反馈对算法进行迭代和建模。文件更新。
在方汉庭看来，这种“基于场景的技术进步”路径“也可能是中国在未来人工智能竞争中形成霸权的最有效途径”。 ”
CuSina财经官方Ent
我们每天24小时播放最新的财经新闻和视频。更多粉丝福利，请扫描二维码关注我们（新浪财经）
