5月29日下午，复旦大学南土国际金融政策圆桌会第13期暨“迎接AI时代系列”第2期在复旦大学经济学院新楼举行。本期圆桌会以“人工智能进展及对金融业的影响与思考”为主题，邀请来自人工智能、金融实务、产业投资和金融教育等领域的专家学者展开交流，围绕人工智能技术演进、产业应用场景、金融行业变革、风险治理与人才培养等问题进行深入研讨。活动由复旦大学国际金融研究中心主任杨长江主持。
杨长江在开场中指出，人工智能是当前经济社会发展中最受关注的议题之一，正持续影响金融行业的组织方式、业务流程和能力结构。复旦大学南土国际金融政策圆桌会此前已围绕数字金融、宏观金融形势等主题开展系列讨论，并于近期启动“迎接AI时代系列”。上一期活动主要从金融实务工作出发，讨论AI时代金融人才的核心竞争力；本期活动则进一步从人工智能技术进展、产业应用和金融研究教学等维度展开讨论，希望通过跨学科、跨领域对话，为理解AI时代金融业变化提供更加系统的视角。
复旦大学计算机与智能创新学院教授、博士生导师张军平作题为“人工智能进展及对金融业的影响与思考”的主题报告。他从人工智能发展脉络切入，回顾了人工智能从图灵自动机理论、达特茅斯会议、专家系统、统计机器学习，到深度学习、大语言模型和智能体工具的发展历程。他指出，人工智能并非近期才出现的新概念，而是经历了长期积累、阶段性低谷和多轮突破的技术体系。近年来，ChatGPT、DeepSeek等大模型快速发展，推动人工智能能力边界不断拓展，也使AI从专业研究领域加速进入产业实践和公众生活。
张军平认为，当前人工智能的发展主要建立在高质量数据、强大算力和深度学习模型结构之上。随着大模型和智能体工具不断演进，自主编程、流程封装和任务自动化能力正在提升，文科和金融学生使用AI的门槛也在明显降低。只要能够清楚描述任务、设计流程并与模型有效交互，就可以借助AI完成较复杂的程序生成、内容生产和数据处理工作。在产业层面，人工智能正广泛进入制造业、自动驾驶、故障检测、产品设计、内容创作等场景，推动生产流程和产业组织方式发生变化。
谈及金融行业，张军平指出，人工智能可以应用于智能营销、智能客服、实时反欺诈、自动化信贷审批、机器人流程自动化、合同审核、合规监管、智能投研和量化交易等场景，有助于提升金融服务匹配效率和风险识别能力。但他同时强调，AI进入金融领域也必须重视成本、解释性、数据孤岛和安全风险等问题。大模型训练和推理需要大量算力，深度学习模型往往缺乏足够解释性，不同金融机构之间的数据也存在隔离。在金融业务中，模型幻觉、数据投毒、对抗攻击和模型假设误用都可能带来严重后果，因此AI金融应用既要关注效率提升，也要建立必要的风险治理和责任边界。
浦东新区政协常委、国家高层次海外特聘专家、原浦东新区金融局副局长花蕾结合金融行业和公共部门工作经验指出，金融可能不是受AI冲击最大的行业，但一定是受影响最深的行业之一。金融从一开始就高度依赖数据、信息、模型和市场参与者之间的互动，金融理论也常常建立在信息、预期和市场行为等基础之上，而这些正是AI擅长处理的领域。因此，AI对金融行业的影响具有内在必然性。
花蕾认为，AI不会让金融行业消失，因为金融服务最终仍然服务于人，资源配置、风险承担、信任建立和交易安排仍然需要围绕人的需求展开。她从金融实务出发指出，未来金融行业中的核心能力可能集中在两类岗位：一类是能够理解客户、传递愿景、建立信任的销售能力；另一类是能够快速处理数据、价格和市场信号，在高度不确定环境中形成判断的交易能力。AI可以替代大量流程性和重复性工作，但很难完全替代人的直觉、人格特质、情感理解和信任构建能力。
花蕾进一步指出，AI时代每个人都需要更认真地思考自身天赋和职业定位。过去经济景气时，很多人可以随波逐流进入较稳定岗位；但在技术快速变革的背景下，父母、老师和前辈都很难准确判断五年、十年后哪些工作仍然存在。学生真正需要回答的是自己适合做什么、真正想做什么，以及需要哪些能力和“敲门砖”进入相关赛道。她以语言能力为例指出，若语言只是翻译工具，确实容易被AI替代；但如果语言代表一种认知方式和理解世界的边界，就不会轻易消失。AI会替代许多流程性工作，也会推动人更快回到真正重要的问题本身。
粤浦科技产业发展集团助理总裁兼上海总经理韩毓祥则从产业投资和传统资产运营角度，讨论了AI与实体资产之间的关系。他指出，自己长期关注地产投资、城市资产、产业投资和商业资产运营，这些领域看似与AI距离较远，但在房地产和存量资产持续承压的背景下，传统行业反而更需要通过新技术提升效率和价值。真正值得关注的问题不是“AI+地产”是否足够新颖，而是AI能否帮助传统资产提升回报、降低成本、优化运营。
韩毓祥认为，AI赋能传统资产至少有三类场景。第一是数据增信和金融资源配置。过去银行做抵押贷款时，更关注抵押物和主体信用，但园区、商场和商业资产的真实运营数据并未被充分利用。如果能够将客流、租金、能耗、商户经营和物业管理等数据结构化，并用于风险定价，就可能帮助金融机构更准确判断资产质量，改善融资效率。第二是商业空间的动态优化。商场招商和铺位布局过去高度依赖经验，而通过人流轨迹、消费行为和业态数据分析，可以更准确识别冷区和热区，并据此优化租金定价和商户布局。三是AI辅助管理。通过AI识别传感器数据异常模式，优化能耗和运营管理，并有效减少人为应付考核和巡检形式化问题。AI可以从海量传感器数据中识别异常模式，不再依赖简单的人工监督，而是从数据异常中发现问题。由此，AI对于传统产业的真正价值，不在于是否使用了大模型或智能客服，而在于是否切实降低成本、提高效率、提升资产价值。他强调，从实体资产到数字技术，关键不是概念包装，而是让AI真正进入产业本身，解决真实问题。
复旦大学经济学院国际金融系副教授、副系主任宋军从金融研究和教学改革角度分享了思考。宋军指出，金融学一方面重视理论，另一方面高度依赖实证、数据和实践。从Markowitz均值方差投资组合理论、计量金融到大数据金融，每一次技术迭代都会推动金融理论和金融实践的发展，因此金融与AI具有天然的关联。生成式大模型、多模态数据分析、机器学习和自主智能体等技术，正在为传统金融研究提供新的方法工具，也推动资产定价、市场效率、风险管理等经典问题产生新的研究角度。
宋军认为，金融+AI改革既要推动方法更新和课程创新，也要避免“为了技术而技术”。在研究中，如果只强调前沿算法而缺乏真正的金融机制和问题意识，就难以形成有价值的研究；在教学中，如果只是简单在传统课程末尾加入AI内容，也难以产生实质作用。未来金融人才培养应坚持金融是核心、AI是工具，在夯实现金流贴现、风险定价、资产组合等金融基础的同时，引入金融大数据分析、机器学习、大模型应用、量化投资和智能风控等内容，培养既懂金融、也懂技术，并具有逻辑思辨能力的复合型人才。
在现场问答环节，有同学就大模型提示绕开安全规则、人工智能监管和模型安全边界等问题向张军平请教。张军平回应指出，大模型内部确实存在规则和安全约束，但由于数据规模庞大、交互方式复杂，不同规则组合可能产生意想不到的路径，用户通过特殊提示或多轮对话，有可能改变模型搜索路径并绕开部分限制。这本质上仍与组合复杂性有关。与传统网页系统相比，大模型的数据规模和交互复杂度更高，安全挑战也更加突出，需要监管、技术和应用方持续跟进。
杨长江在总结中表示，本期圆桌会从人工智能发展史、技术前沿、产业赋能、金融应用、风险治理到金融研究和教学改革，进行了多维度交流。人工智能不是一个简单工具，而是正在改变产业组织、金融业务和人才培养方式的新变量。对于金融学科而言，既要关注AI带来的效率提升和应用拓展，也要警惕模型幻觉、数据污染、解释性不足和技术滥用等风险。未来，“迎接AI时代系列”圆桌会将继续围绕人工智能与金融行业、金融教育和金融治理之间的关系开展讨论，为复旦经济学院推进跨学科人才培养和回应时代变化提供更多思考。
