9月11日，2026金融AI场景创新大会现场，对外经济贸易大学金融学教授、博士生导师江萍带来主旨分享《做好金融"五篇大文章"——人工智能大模型应用的价值与风险治理》。作为学者代表，她从政策脉络、价值逻辑、风险治理三大维度，为一线机构的实践分享做理论铺垫，剖析大模型赋能金融行业的机遇与现实挑战。

江萍教授谈到，短短两年时间，大模型已经从少数人接触的新鲜事物，快速渗透到大众工作与生活。类比当年ATM机对银行业的改造，AI并非简单造成岗位失业，更多是推动岗位能力转型。看待国内金融大模型落地，需要立足本土政策主线，理解产业发展底层逻辑。

她梳理，国内存在金融“五篇大文章”与“人工智能+”行动两条关键政策主线，并在20252026年形成交汇。金融业之所以成为大模型规模化落地的优选场景，源于三大现实条件：金融行业数据资源富集、产业支付能力充足、整体监管体系完备，能够约束技术应用不跑偏。目前“五篇大文章”已经实现规模体量快速增长，贷款、债券规模持续走高，政策制度框架基本成型，行业接下来的核心命题，是从“做大规模”转向“提升质效”，而大模型正是实现提质增效的重要抓手。

在价值逻辑层面，江萍提出大模型对金融行业带来三层底层变革，这不是简单效率提升，而是行业层面的质变。

第一是重构成本结构，客服、审核、报告生成等环节由人力密集转向算力密集，服务边际成本大幅下降，为普惠金融服务长尾客群提供现实基础;

第二是革新信息处理能力，大模型可以大规模解析专利、ESG、舆情等非结构化数据，破解科创、绿色资产“看不懂、评不准”的行业痛点;

第三是升级业务决策模式，从固定规则引擎走向推理决策+自动执行的智能体模式，重构整体业务流程，而不只是优化单点环节。

依托三层价值逻辑，大模型可以深度作用于科技金融、绿色金融、普惠金融、养老金融、数字金融五大领域。从宏观视角看，大模型能够缓解金融固有的信息不对称难题，有望突破金融服务“成本-覆盖-质量”不可能三角，引导资金精准流向科技创新、绿色转型等重点方向，更好服务新质生产力。

机遇之下，风险同样不容忽视。江萍将金融大模型风险划分为微观、中观、宏观三个层级：

微观机构层面：模型幻觉、数据隐私泄露、第三方外包集中度风险、黑箱带来问责链条断裂;

中观市场层面：模型同质化催生羊群效应、顺周期放大市场波动、算法带来新型金融排斥、基础模型供应商形成“大而不能倒”风险;

宏观系统层面：新的系统性风险传导路径、监管套利、算力供应链安全、人才就业结构冲击。

她提出治理四大支柱：

坚持统筹发展与安全，落实包容审慎、分类分级原则;

健全全流程模型治理制度，将算法备案、压力测试、人工复核嵌入业务流程;

坚持以技术监管技术，强化风险早识别早处置;

补齐金融AI复合型人才能力底座。

对比欧盟、美国监管路径，江萍表示，中国走的是场景牵引、发展安全并重的道路，试点与沙盒并行。我们面临独特命题：要在全球最大金融应用场景之中，同步完成AI规模化创新与制度治理建设，没有现成国际经验可以直接照搬。

展望从数字金融迈向智能金融的行业未来，她抛出圆桌环节的三大核心思考题：

一线业务中大模型带来的成本、信息、决策模式变革是否真实落地?

试点效果亮眼但规模化推广遇阻，技术、制度、组织分别该承担什么样的责任?

智能金融更适合机构自研、服务商交付还是产学研协同模式，人才组织如何适配?

“大模型不会让金融换道，但会让做好金融‘五篇大文章’的路更宽。”江萍总结，金融“五篇大文章”回答金融服务的对象与方向，人工智能大模型则提供实现服务的全新能力，二者叠加，便是智能金融的未来。