AI如何重塑货币政策与金融风险格局？周小川、肖远企深度解析

界面新闻记者 | 杨志锦
界面新闻编辑 | 王姝

‘我当年做银行柜员时，解决客户问题常需请教同事，耗时一两小时是常事。如今借助AI，柜员能更高效地响应客户需求。’10月23日，国家金融监管总局副局长肖远企在2025外滩年会上，以自身经历切入AI对金融服务的变革。

肖远企指出，当前银行柜台业务的自动化程度显著提升，客户深度参与服务流程，AI不仅优化了客户体验，更成为柜员解决问题的‘智能助手’。这一转变背后，是AI技术对金融行业效率的全方位重塑。

AI如何影响货币政策？市场已现‘唇形交易’

在‘金融领域的AI治理与国际合作’圆桌讨论中，中国央行原行长周小川以美联储主席鲍威尔的记者会开场白为例，揭示AI对金融市场的隐性渗透。今年，鲍威尔的开场语（如‘Good afternoon’或‘Hello everyone’）被市场视为货币政策风向标，甚至引发华尔街机构部署AI系统实时分析其唇形——当捕捉到‘g’音（舌尖抵住上颚）时，系统自动触发国债期货空头头寸，因‘Good afternoon’常预示鹰派言论；若识别到‘h’音（嘴角拉伸），则加仓风险资产，因‘Hello everyone’可能传递鸽派信号。

‘这种基于AI的‘唇形交易’现象，本质是市场对政策信号的极端敏感化。’周小川分析称，AI虽能提升数据收集与模式识别的效率，但货币政策作为慢变量，其调整周期远长于技术响应速度，‘IT与AI或许能更精准判断形势，但对货币政策的直接影响仍需长期观察。’

AI预警金融风险：从‘明斯基时刻’到黑箱挑战

周小川进一步指出，AI在金融风险预警中具有潜力，但落地应用仍存距离。他以‘明斯基时刻’（经济繁荣后因过度乐观和债务高企导致资产价值突然崩溃的转折点）为例，强调金融不稳定风险常爆发于短期，如2008年全球金融危机与硅谷银行倒闭事件。‘若能通过机器学习分析历史数据、金融机构健康性变化，或许能预知风险爆发时点，但目前AI处理非结构性数据（如社会情绪）的能力仍有限。’

从监管角度，周小川提醒，AI模型的黑箱特性可能带来透明度问题。‘监管希望金融机构提供可解释的模型，但机器学习必然导致结果难以追溯。此外，若AI过度依赖短期高频数据，可能与宏观调控所需的长期稳定性要求冲突。’

AI在金融行业的三大应用与四类风险

肖远企总结，AI在金融行业的应用主要集中于三大领域：

• 中后台运营智能化：覆盖数据收集、加工、客户评估等环节；
• 客户交流优化：通过AI实现营销、维护与问题解答的个性化；
• 金融产品创新：降低机构运营成本，同时为客户提供更精准的服务。

与此同时，AI应用也带来四类增量风险：

• 模型稳定性风险：业务高度依赖模型，其可靠性至关重要；
• 数据治理风险：涉及数据来源选择、质量把控与事后监测；
• 集中度风险：行业可能过度依赖少数技术提供商，导致市场集中；
• 决策趋同风险：标准化模型与数据可能导致行业决策同质化，引发‘共振’效应。

本次年会由中国金融四十人论坛（CF40）与清华大学联合主办，主题为‘拥抱变局：新秩序·新科技’，聚焦AI等技术变革对金融体系的深远影响。