打通“金融-科技-产业”深度融合痛点难点
在新一轮科技革命和产业变革加速演进的大背景下，“科技-产业-金融”三者深度融合，构建富有竞争力的现代化产业体系，成为实现高质量发展的必由之路。在不断加大赋能科技创新的同时，金融业也在探寻自身新质生产力的实践路径，而近年来人工智能等新技术的蓬勃兴起，正在为金融业带来颠覆性变革。
金融活水滋养新质生产力
近期，一系列政策文件密集出台，从多角度推动金融业支持培育新质生产力。
4月，金融监管总局、工业和信息化部、国家发展改革委联合发布了《关于深化制造业金融服务助力推进新型工业化的通知》。该文件明确提出，银行保险机构要深入实施创新驱动发展战略，助力推进新质生产力发展。
5月，金融监管总局印发《关于银行业保险业做好金融“五篇大文章”的指导意见》（下称《指导意见》），旨在深入贯彻落实中央金融工作会议关于做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章”的决策部署，在中央金融委的统筹指导下，围绕发展新质生产力，切实把金融“五篇大文章”落地落细，提高金融服务实体经济的质量和水平。
作为金融“五篇大文章”之首，科技金融是指服务于科技企业的金融体系，通过将信贷、债券、股权等金融资源进行整合，为科技企业提供符合生命周期的融资，实现金融资源与科技资源的有效对接，激发企业的科研活力，推动科学技术产业化，成为驱动科创企业发展的必需动力。《指导意见》强调，要聚焦卡点堵点提升科技金融质效，结合科技型企业发展规律和特点，为科技型企业提供全生命周期金融服务。
在地方层面，近期已有江苏、河南、陕西、新疆、安徽等多个省份的金融部门相继发布与支持发展新质生产力相关的指导性文件。
日前在石家庄正定举办的2024年“科技产业金融一体化”专项路演暨国家产融合作平台上线三周年交流活动上，工业和信息化部副部长辛国斌透露，“科技产业金融一体化”专项是产融合作工作的创新性探索。国家产融合作平台上线三年来，目前已累计帮助企业融资超过8300亿元，入库优质企业29万余家，入驻金融机构2400多家。
据介绍，“科技产业金融一体化”专项由工业和信息化部会同证券交易所和各类投资机构自2021年起实施，引导各类资本投早、投小、投硬科技，为提高科技成果转化和产业化水平构建持续稳定的创新投入机制。同年，国家产融合作平台上线，该平台是依托工业和信息化部及相关单位数据资源设立的非营利性公共服务平台，通过这一平台建立起科技产业金融协同合作机制，助力推动科技创新与产业创新深度融合。
业内人士认为，新质生产力以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力。科研攻关、科技成果转化等都离不开金融支持。推动金融更好地服务科技创新，做好科技金融这篇大文章，实现科技与金融相互促进、相互赋能，才能更好地助力新质生产力加快形成，强劲推动高质量发展。
金融科技加快创新迭代
在金融活水不断滋养新质生产力的同时，金融业自身的新质生产力也在逐渐显现。随着金融科技的快速发展，金融机构一方面夯实数字化基础能力，以大数据、云计算、区块链等数字科技为基础，打造安全、合规、统一的技术平台底座，另一方面持续数字化服务创新，持续优化数字化服务流程，加快数字金融产品创新和迭代，激活金融服务新功能。
北京市特聘专家杨晓静介绍，广义的金融科技指各类技术带来的、能够影响和改变金融市场、金融机构或金融服务的提供方式的创新。中国金融科技处于全球第一阵营，特别是在移动支付方面。中国人民银行发布的2023年支付体系运行总体情况显示，2023年银行共处理电子支付业务2961.63亿笔，金额3395.27万亿元，其中，移动支付业务总金额达到555万亿元，同比增长11.15%。今年3月，英国智库Z/Yen集团与中国（深圳）综合开发研究院联合发布第35期全球金融中心指数报告（GFCI 35）显示，深圳在金融科技发展水平方面排名继续保持全球第四，仅次于纽约、伦敦和旧金山。
“由于强大的消费者市场驱动的科技进步和崛起，海量的用户需求提供了大量可落地的商业场景和商业模式，中国一直是全球最大的金融科技市场之一，我们在移动支付、金融反诈及身份识别、消费金融领域的发展领先全球，相关领域的企业、人才、技术也正积极‘走出去’运营，融入和影响着全球产业链。”杨晓静说。
随着以大模型为代表的人工智能（AI）技术加速迭代升级，这一渗透力和颠覆性极强的技术也在改造和重塑金融业。作为多项国际国内互联网金融及大数据应用相关专利发明人，杨晓静的工作经历刚好见证了AI技术在金融业发展历程的三个阶段。据她介绍，2010年至2014年，AI主要用于分析统计，她创办的公司利用相关技术帮助资产管理机构进行绩效及交易分析；2015年至2020年，互联网海量非结构化数据（包含地图时空数据）为机器学习提供了基础，AI可以用于找到新的投资因子，涌现出了百度等互联网企业与资管机构合作发行大数据基金的行业创新；2020年之后，应用的涌现集中在大模型叠加金融领域的专属知识，并用Agent（智能体）来承载智能投顾、智能客服，从而真正替代了部分生产力。
“美国开放人工智能研究中心（OpenAI）将金融视为技术落地首选，先是与摩根士丹利合作推出了基于GPT-4的机器人投资顾问，又于5月14日发布GPT-4o之后，与美国知名论坛、美股散户大本营Reddit合作，使得OpenAI能利用社区内容来训练模型，引发资本市场广泛关注。”杨晓静介绍，从国内的布局情况来看，工商银行、农业银行等多家银行已推出自研大模型平台辅助智能风控、智能运营等场景，一些面向个人用户的互联网证券平台，例如东方财富、同花顺也都在网信办备案，发布了金融对话大模型。
防控风险更好推动科技创新
业内人士认为，以金融创新撬动科技创新，推动生产方式向更智能化、高效化、绿色化、安全化的方向发展，是新质生产力的核心驱动力之一，但在金融科技创新过程中，把控其与风险防控、价值效能与资源投入的平衡关系，是金融业发展新质生产力的痛点与难点。
“在金融大模型发展的第一阶段，监管落地完善、业态覆盖丰富，从银行、保险到证券等领域技术的供应方积极性也高，应用成果显著。”杨晓静告诉记者，但也存在短板和隐忧，比如大模型等核心技术和应用，其实来自于基础知识和理论的突破，而在这方面我国生态配套和长期投入还不够完备，另外，相关领域的人才培养也刚刚起步，这两个短板关系到能否持续领先，亟须引起关注。
更为重要的是，金融行业对风险管理和安全性要求非常高，需高度关注模型风险监管、用数安全和伦理治理三大关键点。首先，模型风险需要有技术应用规范和监督。大模型具有复杂结构和非常多参数，可解释性、安全性等方面都面临挑战。比如模型应给出公正、透明、安全的结论，否则会造成技术信任风险。
其次，安全用数很关键。金融数据含有高价值、高敏感的信息。比如跨境金融场景中，包含了用户的个人隐私信息、企业信息、经济活动信息，需要严格遵守《非银行支付机构监督管理条例》来使用数据。比如在流出端，支付机构也需尽量确保共享个人信息的“最小必要”，虽然短期看会带来一些大模型结果不佳等问题，但长期看，数据在一个统一标准下进行开发流动，才能长治久安，不断提升行业服务水平、促进业务创新。
第三，伦理治理和可问责性要加强。金融领域要求严谨，但大模型有智能幻觉，比如金融大模型在证券市场中，面向个人投资者做出虚假的、误导投资的投顾服务，就会造成严重的经济损失。算法如果造成财产损失，能否被问责？这些问题都要未雨绸缪，事先厘清。
“纵观历史，每一次产业革命都始于科技创新、成于金融创新、兴于产业创新，金融创新牵引新技术持续投入产业体系，促使产业发生跨越式变革。”辛国斌在前述活动中说，当前新一轮科技革命和产业变革深入发展，要深刻把握新时代推进新型工业化的基本规律，不断推动金融创新适配科技成果转化和产业化需求，因地制宜培育发展新质生产力，加快建设以科技创新为引领、以先进制造业为支撑的现代化产业体系。
