人类社会的经济金融发展史表明，经济强则国强，而金融强则经济强。在日前召开的中央金融工作会议上，习近平总书记首次提出“加快建设金融强国”，并指明了新形势下推动我国金融持续健康发展的重要方向。立足新时代新征程，我们只有坚持金融强国的战略视野、价值取向、政治站位、发展路径，才能更好地为我国金融腾飞插上“创新翅膀”，真正实现“金融若水，水善利万物而不争”。

一、缓解我国金融发展“大而不强”问题

深刻理解建设金融强国的重大意义，需要基于历史逻辑梳理其背后的演变线索。一方面，在国家战略与顶层设计层面，金融强国的提出意味着面对金融发展效率与安全的“跷跷板”，我国逐渐形成了更加清晰、精准的政策与治理思路。回顾历史，1997年第一次全国金融工作会议强调“化解金融风险、加快商业银行改革”，2002年第二次全国金融工作会议强调“继续推动国有银行改革，扩大金融对外开放”，2007年第三次全国金融工作会议强调“全面深化金融体制改革”，2012年第四次全国金融工作会议又突出“创新发展与化解风险相协调”，2017年第五次全国金融工作会议则聚焦“稳发展、强监管、防风险”，并初步形成了“金融是国家重要的核心竞争力，金融安全是国家安全的重要组成部分，金融制度是经济社会发展中重要的基础性制度”的战略定位。至今，在经历了多年改革探索之后，金融强国的理念中融合了众多成功经验，吸取了值得总结的教训，并使得金融体系的重要性、金融工作在国家治理中的地位、金融发展最终价值都得到进一步明确和提升。

另一方面，在经济社会发展的内生需求层面，金融强国的提出表明实体经济需求已经演变到新阶段。理论与实践证据都已表明，现代金融与经济增长之间具有极其紧密的关系。高效、发达和透明的金融体系有助于促进经济增长，同时经济的繁荣与发展反过来也会促使金融体系持续优化。当然，如果经济出现过度金融化或金融活动失控，也会产生金融风险乃至危机，进而影响经济增长。经过多年快速发展，我国已具有超大规模经济体的特征，经济规模、市场深度和广度、经济要素活跃度都达到较高水平，自然对金融服务能力提出了更高要求，迫切需要金融体系的支付结算、资金优化配置、风险管理、信息管理等基本功能更加“强劲”。

由此，可从两个方面理解金融强国的内涵。一是有效应对我国金融发展“大而不强”的问题。需要承认的是，当前我国金融业在许多规模性指标上已居于全球前列，金融体系建设取得了令人瞩目的成就，但在发展质量、结构配置、服务效率与效果等方面仍有不足之处，应对内外部风险冲击的抵御能力相对薄弱。因此，在世界百年未有之大变局下，我国金融业需要在高质量发展中，真正提升金融内在质效和综合竞争力。二是服务于“强国战略”的要求。党的二十大报告指出，要“全面建成社会主义现代化强国、实现第二个百年奋斗目标，以中国式现代化全面推进中华民族伟大复兴”，同时强调到2035年要建成教育强国、科技强国、人才强国、文化强国、体育强国等。对此，作为国民经济“血液”的金融也需将相应的强国战略作为自身的发展导向和目标。

二、四大重点环节支撑金融强国建设

结合现代金融规律与我国国情特点，在坚定不移走中国特色金融发展之路的前提下，建设金融强国离不开四个重点环节的支撑。一是要着力推动金融供给侧的优化。2019年，十九届中共中央政治局第十三次集体学习中首次系统提出金融供给侧结构性改革，强调要优化融资结构和金融机构体系、市场体系、产品体系，为实体经济发展提供更高质量、更有效率的金融服务。可见，金融供给既要重“量”更要重“质”，只有增加“有效金融供给”，减少低效甚至是“负效”的供给，才能使金融灌溉的“水源”更加充沛丰盈。二是要重视金融需求侧的匹配与培育。我国当前的金融需求更加多元化、立体化，如果金融发展不平衡不充分、无法满足合理金融需求，金融运行“绩效”就难以真正体现；同时，金融活动具有一定专业性和特殊性，也需要通过金融消费者教育等工作，培育更加健康的“有效需求”。三是要有稳定的环境要素保障。强有力的金融业必然不是外生的、人为的，而是具有内生活力的有机体系，这就离不开各类“金融生态环境要素”的保障，进而成为金融业茁壮成长的“优质土壤”。其中，货币金融环境、风险管理与监管环境、金融制度与文化环境等，都是建设金融强国的必备选项。四是要将坚持对外开放作为衡量金融发展质量的重要尺度。党的十八大以来，在以习近平同志为核心的党中央坚强领导下，我国金融改革开放取得新突破、呈现新局面。虽然开放也会带来新的风险与挑战，但只有在国际市场的“大风大浪”里经受住考验，金融业才能逐渐获得基于全球视野、国际水平的竞争力与生命力。

三、全面提升金融服务实体经济能力

持续优化金融服务实体经济的模式和路径，正是建设金融强国的核心主线，而金融供给与需求的高效对接即是重要抓手。强调金融服务实体经济的本质内涵，需要金融部门处理好与政府、企业、居民、国外部门的关系。其一，金融部门需要持续推动金融机构、金融产品、金融市场体系的结构优化与提质增效，增强自身的安全性、稳健性、弹性与韧性，减少金融运行的“亚健康”状态。其二，金融部门需要发挥好应有的基本功能，顺畅、高效推动金融资源的优化配置，服务于企业、居民等部门的正常需求，避免出现金融“血液”流动中的“堵塞”或“失血”。其三，金融部门还应不断提高对自身的要求，发掘并落实特色功能，给其他经济部门带来更多“增量价值”。例如，科技金融、绿色金融、普惠金融、养老金融、数字金融都是金融服务实体经济的创新重点。其四，金融服务实体经济并非单向的，最终目的在于形成金融部门与其他部门之间更加良性的共生、共享、共赢发展格局，因此要兼顾遵循市场规律与借助政策引导的合理协调。

就建设金融强国的环境要素来看，一是需为经济社会高质量发展创造良好的货币金融环境，不断丰富和应用多样化的货币政策工具，精准把握货币信贷供需规律和新特点，更加注重做好跨周期和逆周期调节的协同，更好地平衡长期与短期、宏观与微观的政策效果。二是不断提高风险识别与防控能力，增强金融监管有效性，依法将所有金融活动全部纳入监管，全面强化机构监管、行为监管、功能监管、穿透式监管、持续监管等，尤其是未来一段时间着重应对中小金融机构、地方债务、房地产金融、汇率等方面的潜在风险。当然，加强监管并非为了“消灭风险”，而是要更好地“管理风险”，因为风险也是与现代金融“肌体”共生的特殊资源，应把更多风险从“病菌”变为“益生菌”。三是将相关制度和规则作为重要保障，其中既有党对金融工作的领导这一最重要的优势与特色，也有金融相关法律法规、法治化环境、金融标准化、行业自律、信用环境等重要支撑，更要从中华优秀传统文化中汲取“精髓”助力中国特色金融发展。

金融开放是建设金融强国的必由之路。与党的二十大报告提出的“稳步扩大规则、规制、管理、标准等制度型开放”相应，建设金融强国需要着力推进金融高水平开放，确保国家金融和经济安全。一方面，坚持金融“引进来”和“走出去”并重，使我国金融业真正走向全球“舞台”，高质量、高标准参与全球金融竞争，助力企业和居民更好地享受跨境、国际金融服务的便利，也使我国能够充分运用全球金融资源助力经济增长。另一方面，只有“稳步扩大金融领域制度型开放”，才能更好地稳定金融体系参与者的预期，增强国内外金融机构、长期投资者的信心，强化我国金融体系在日益复杂的国际环境下持续运行与应对冲击的能力。当然，金融开放难免遇到各种风险与挑战，包括新形势下如何“稳慎扎实”推动人民币国际化等，但也能“倒逼”提升我国的金融监管能力和水平，更好地融入乃至影响全球金融治理体系。

当前，面临数据要素产业从“粗放式”转向“集约式”“精细化”发展的重要节点，探索有效的生态建设成为重中之重。文章指出，有效的数据要素产业生态应该体现为“7+1”模式，即基础层、技术层、交易层、业务层、客户层、功能层、监管层等7个层次，再加上环境要素。

日前，上海发布《立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025年）》，尤其强调了促进供给、需求、服务等多元数商生态的健康发展。

根据上海数据交易所的界定，数商是指以数据作为业务活动的主要对象或主要生产原料的经济主体，是数据要素价值的发现者和价值实现的赋能者，是跨组织数据要素的联结者和服务提供者。我们看到，这也涵盖了数据产业链的主要参与者。当前，在数据要素市场建设中，与着眼于特定环节相比，更为关键的是应考虑整体生态模式的构建。

近年来，在推动经济金融高质量发展中，生态的概念越来越受到重视。例如，在人民银行《金融科技发展规划(2022-2025年)》中，就体现出众多关于金融生态要素，包括金融科技治理体系、数据要素潜能激发、新型基础设施建设、金融科技审慎监管、可持续发展基础等，这些显然都是保障金融科技健康发展的生态基础。

当前，面临数据要素产业从“粗放式”转向“集约式”“精细化”发展的重要节点，探索有效的生态建设更是重中之重。所谓数据要素产业生态，其核心思想应该是通过合理的激励相容机制安排，促使不同层次的产业参与主体合作共赢、协同创新，通过新技术、新规则、新模式，来优化产业链环境，改善产品和服务，提升数实融合的效率并降低成本、保障安全。

我们认为，有效的数据要素产业生态应该体现为“7+1”模式，即7个层次，加上环境要素。具体看，一是基础层，主要是服务于数据采集、数据存储、数据处理加工等产业链前段部分，涵盖了相关数据类企业，以及各类数据服务商、数据基础设施等。

二是技术层，主要是面向数据要素产业链运行特征的、专业化的技术解决方案落地，包括人工智能、区块链、云计算等，都可以更有效地用于解决数据产业链的痛点难点。

三是交易层。近期北京、贵州、上海等地相继发布推进数据要素市场发展的地方政策，其核心都是围绕数据交易市场建设展开。对此，如何统筹构建多层次交易市场，怎样以交易为抓手来实现数据资源持有权、数据加工使用权、数据产品经营权的“三权分置”，都还需要改革“闯关”。

四是业务层，即聚焦更加具体的产业应用场景，不断创新和落地数据分析、数据应用等产品，嵌入到不同实体经济细分产业中。例如在金融领域，小微金融、农村金融、供应链金融、绿色金融都亟需数据和技术支撑下的创新探索。

五是客户层，通过推动宏观经济与微观主体的数字化变革，优化数据要素产业链运行的内生动力，提高企业和居民对于数据要素的“有效需求”，从而使得数据要素产业链从源头上启动良性循环。

六是功能层。数据要素产业生态建设是否成功，最终还要落到其功能价值上，对此可以从不同经济部门角度来看。对企业部门而言，应使得产业内外的企业更好地互动融合，使各类企业数字化能力全面提升，改善生产效率；对居民部门而言，则不仅对居民数字生活、数字消费等带来改善，而且能使得居民真正享受数据要素分配带来的福利改善。对于政府部门、金融部门也应使其加快提升数字化能力和运行效率。

七是监管层。数据产业的健康发展离不开有效的监管模式，尤其是当产业边界仍然存在模糊的情况下，如何处理好不同部门之间、中央和地方之间、常规监管与非常规监管、监管与自律之间的关系，都存在诸多挑战。同时，监管重点也是处理好效率与风险的“跷跷板”，对数据要素产业发展给与合理的风险“容忍度”。

最后，环境要素则是指能够推动不同层级之间有效互动，促进数据要素全产业链有效运作的“润滑剂”，主要包括政策与规则等正式制度、伦理文化等非正式制度等。前者如上海方案提到的“创新数据产权范式，保障企业数据资源持有权、加工使用权、产品经营权，推动公共数据、企业数据、个人数据分类分级确权授权”，后者如在各方高度重视的金融科技伦理建设中，数据伦理已经成为主要抓手，需有效规范数据要素应用中的隐私保护、信息“茧房”、数据滥用等问题。

日前，中国人民银行副行长张青松在相关会议上指出，要“健全与各类科技型企业融资需求更相适应、业务更可持续的金融服务体系”。对此，我们看到近年来科技金融创新已有了令人瞩目的进展，但仍需进一步集聚各方力量、统筹推动。

我国科技金融发展的第一阶段，是1985年《中共中央关于科学技术体制改革的决定》首次提出设立创业投资、开办科技贷款。直到本世纪初，科技金融的抓手一是财政贴息支持的科技贷款，二是科技企业债券等债权融资，三是以股权投资为特色的风险投资。第二阶段则从2006年开始，涵盖银行信贷、资本市场、保险、担保、创业投资等的国家科技金融政策体系和协同机制初步形成。目前，科技金融探索则逐渐迈入新阶段，一方面地方科创金融改革试验区建设全面推进，为区域技术创新助力经济增长提供了良好环境，另一方面，科技金融的发展生态逐渐完善，为金融服务科技进步夯实了基础环境保障。

首先，新形势下商业银行需把科技创新作为信贷支持的重点，一是因为促进科技创新和提升全要素生产率，已成为实现中国式现代化的重要内容，支持科创也是银行服务国家战略、改善实体经济潜力的重要环节。二是科创企业普遍具有强专业、轻资产、少抵押、高成长、高风险的特点，很难获得有效的金融支持；虽然近年来银行不断创新科技金融产品和服务，知识产权质押、股权质押等模式接连涌现，但仍未从根本上解决科创企业的融资困境。三是伴随经济增长模式的变化，未来更具成长前景的经济部门，往往会与数字化、新技术相关，因此支持科创也是银行拓展蓝海、服务自身的未来。

当然，科创金融已成为银行竞逐的新赛道，要走出自身特色的发展模式，银行要有拥抱技术变革的积极性和专业储备，也需有产品模式、风控思路、生态建设等方面的创新。值得关注的是，银行并购贷款对支持科创企业发展仍有较大空间。对此，一是银行应把并购贷款纳入科创金融的全生命周期设计，在初创期和成长期，更多采用知识产权质押融资、供应链融资等，到成熟期则可综合运用并购贷款和其他工具。二是考虑到并购贷款的复杂性和风险性更高，且商业银行并购贷款人才相对匮乏，因此在专业团队建设、风险管理方面还需不断提升能力。三是银行还需更深入地了解科创特点，从而及时把握科创企业并购趋势，缓解相应客户资源储备的不足。

其次，资本市场要更好地服务科创企业，主要“抓手”是持续畅通创投机构“募投管退”全链条。虽然我国私募股权基金行业发展迅速，基金数量和管理规模均已居世界前列，但在“募投管退”中仍有难点。例如从“投”来看，当前可选的投资对象越来越多，但创投基金必须注重通过产业链深度研究选择投资标的，只有抓住真正具有创新能力的优质项目，才能获得好的估值和流动性。从“退”来看，一定程度上反映了GP（管理合伙人）的投资能力和投后管理水平，还会影响持续募资能力，当然，影响“退”的不仅是基金管理人的因素，而且有政策环境、投资者偏好等诸多外部因素。

为了进一步优化创投基金支持科创的能力，一方面必须努力拓展创投基金的中长期资金来源。因为，创业投资的周期通常需5-7年，这就需要大量长期资本的支持。海外创投的资金来源有养老金等保险资金、大学捐赠基金和各种家族财富，国内的长期资本则尚不成熟。着眼未来，要拓宽创投行业的长期资本来源，既需要稳定市场盈利预期，更需要政策和制度支持，包括政府的引导及贷款支持、特定资金的市场准入、创业投资市场的税收优惠等。另一方面，需努力创新和优化创投基金的退出机制。一是现有许多试点已逐渐推进，如基金实物分配、发展S基金和区域性交易市场等，但还应完善一揽子实施细则，包括交易所、登记清算机构的操作指引，及涉税政策处理等。二是拓展退出的常规渠道。除了IPO作为最重要的退出方式，还有并购交易、协议转让、回购、清算等多元化方式值得探索。三是从创投基金自身来说，也应不断完善退出管理机制、团队和专业性，完善业务的全流程闭环。

最后，无论是银行还是资本市场对科创企业的有效支持，都离不开风险的合理分担。这就需要动员各方力量，更好地进行风险识别、价值评估等；应实现有效的信息互动，尤其是构建跨行业、跨领域、跨层级的科创信息交流机制；把握各类机构风险分担与获得利益的平衡，打造长期共赢关系；探索利用大数据、人工智能、区块链等，尝试构造更高效的数字化风险分担模式。

目前，金融业的数字化转型已成为各国的大势所趋，在中国也是监管部门推动的重要改革方向。自从ChatGPT横空出世，这款人工智能对话机器人俨然成为了全球最热门的话题之一。ChatGPT虽然进一步凸显了人工智能的应用能力，但对于金融业来说，人工智能的运用仍然面临诸多挑战，使其较长时期内仍无法给金融业带来重大变革。

随着数字经济和数字社会建设深入推进，金融领域积累了大规模、高质量的数据，同时具有多维度、多元化的应用场景，为人工智能应用蓬勃发展提供了良好的契机。同时人工智能的使用也给金融领域带来了诸多机遇：

一是战略性问题。面人工智能在战略制定中的应用思路，正是感知、推理、决策，天然地有可能与金融机构综合或专项战略制定相结合，并且进行动态随机优化。

二是结构性问题。中国金融业任然还有诸多发展不平衡、不充分的结构性矛盾，这也为人工智能的“补短板”提出了要求。例如人工智能应用于财富管理领域，能否给家庭资产结构、金融资产布局失衡带来改变，直接影响到金融助力共同富裕的重大目标。

三是生产要素问题。数据和人才已成为重要的生产要素，是国家基础性战略资源。而人工智能与大数据相结合会激发更多活力，能够促进金融业改善数据“采、存、算、管、用”的全生命周期活动，推动数据要素到数据资产的转化。人工智能也可以成为提升员工能力的“智慧助手”，也可以通过构建“数字人”来弥补团队能力。

四是组织运营问题。在组织架构与运营能力过程中，可以充分利用人工智能打造自动化、智能化的运营模式，不断优化运营流程，创新运营模式，提升运营服务质量，降低运营成本。

五是服务能力问题。人工智能在定制化智能产品设计、客户全息画像服务精准营销、线上线下体验一致性等服务性方面，已经有了卓有成效的探索。

六是风险管理问题。人工智能一方面构建客户、业务和风险视图，动态全面反映风险全貌；另一方面，能够优化智能信用风险评估，实现风控向数控、智控的转变。

七是服务效果问题。一方面，近年来在金融业快速发展过程中，人工智能的使用价值体现已经对金融业全要素生产率的提升与转变，产生了非常深刻的影响。另一方面，人工智能应用可以对金融业在助力普惠、绿色、科技、共同富裕等方面还有诸多职责产生价值。

八是合作生态问题。在人工智能和大数据的加持下，有助于进一步改善金融机构外部生态。

虽然人工智能的运用能够为金融领域带来诸多机遇，但对于金融业来说，仍然面临诸多挑战：

一是数据治理。人工智能应用同样离不开高质量的海量数据，但金融机构的数据治理普遍处于起步阶段，数据低质量、数据孤岛、数据散乱等普遍存在，难以为人工智能提供充足的数据要素支撑。

二是场景的标准化。虽然人工智能的金融应用体现个性化、“千人千面”等特点，但长远来看在金融与技术的融合过程中，真正具有生命力的是标准化、通用型的金融科技创新场景，而非基于传统外包模式的差别化合作，这也是现有人工智能金融应用的制约之一。

三是技术与方案的高成本门槛。人工智能在金融活动中的技术应用与解决方案设置，通常具有较高的部署成本，难以适应广大中小金融机构的需要。

四是透明度与不可解释性。在机器学习领域，在输入数据和输出答案之间通常有被称为“黑箱”的不可观察空间。只有发展可解释、可信任的人工智能金融应用，才能实现用户信任、模型可审计性并降低风险。

五是组织内部协调。就金融机构应用人工智能等前沿技术来说，通常难以形成有效的“激励相容”机制，而促使内部利益主体达成共识，以最大效率地体现技术创新价值。

六是责任分担。引入人工智能之后，原有的金融机构业务流程中的权责相称，可能会出现一些新的模糊性，亟待从制度规则、业务实践、技术与业务、模型与人的关系等方面进一步探索。

七是合规性与伦理性。伴人工智能的金融应用存在更突出的合规压力。算法歧视、大数据杀熟、信息泄露等金融科技伦理挑战，也给人工智能应用带来困境。

总之，人工智能驱动金融业数字化变革的图景已经展开，为金融领域的发展带来了诸多机遇，但同时也带来了诸多挑战，人工智能亟待自我优化与持续“闯关”。

美国人工智能研究实验室OpenAI开发的对话机器人ChatGPT引起了国内外各界的广泛关注，并且掀起了一轮人工智能热潮。与此同时，金融业的数字化转型已成为各国的大势所趋，在我国也是监管部门推动的重要改革方向。因此，从ChatGPT入手深入分析人工智能在金融领域应用的状况、机遇与挑战，有助于更精准地实现科技助力金融高质量发展。

一、人工智能发展现状及ChatGPT的地位

从宏观层面看，无论是“十四五”规划的顶层设计和数字经济发展规划，还是金融领域新版的金融科技发展规划和数字化转型指导意见，人工智能都被视为数字经济的核心驱动力、重点产业和数字底座。数字经济的高速发展为人工智能创造了良好的经济和技术环境；同时，人工智能作为关键的新型基础设施，也为拉动我国数字经济发展提供了新动能。综合看，开放共享的基础设施、聚焦落地的工具流程、多元广阔的应用场景，为人工智能蓬勃发展提供了良好的应用环境与市场空间。

从技术发展趋势来看，超大规模预训练模型无疑是当前人工智能技术发展的重点和热点领域，近两年迎来了大爆发和“军备竞赛”。总体来看，大模型表现出多模态、多技术、多能力和多应用的发展趋势，在理想实验室环境和垂直行业的真实环境中均展现了良好的应用效果，未来将形成大小模型与云边协同发展的智能体系。

同时，人工智能也对现有的伦理准则、社会治理带来了巨大的冲击和挑战。因此，如何实现人工智能的有效治理，成为近年来国内外各界的关注焦点。可以看到，国内外人工智能治理取得突破性进展，已从理念层面进入建章立制、落地实施阶段，发展可信AI成为核心内容。

应该说，当前人工智能已成为技术创新最重要的“催化剂”，而与ChatGPT相关的自然语言处理（NLP）被认为是人工智能皇冠上的“明珠”。我们看到，人工智能的发展历史，事实上是不断提升模型维度的历史，从人工专家写规则，到机器写少量规则，再到机器写大量规则，最后到迁移学习大模型。在此过程中，ChatGPT用文本学习方式来拓展领域，GPT-3即拥有5000亿单词、1750亿参数，最终在海量信息的支撑下，获得了功能的全面提升，但也存在内容可信、数据安全、落地成本高的挑战。

二、从金融需求角度看人工智能应用机遇

随着数字经济和数字社会建设深入推进，产生了大量的数据，为人工智能的建模、训练和应用提供了广阔的“土壤”。特别是在金融领域积累了大规模、高质量的数据，同时具有多维度、多元化的应用场景，为人工智能应用蓬勃发展提供了良好的契机。通过人工智能和金融领域客户服务、产品创新、运营管理、风险防控等业务场景深度融合，对金融服务全流程进行模式重塑和智能赋能，推动金融产品创新、流程再造、渠道融合和服务升级，拓展金融服务的广度和深度，成为金融数字化转型的重要源泉和驱动力量。

归根结底，人工智能的应用价值在于解决金融领域存在的问题，这就要从金融需求角度来进行剖析。具体而言，从金融业的中观和微观层面看，面临的困境一是战略性问题。面对日益复杂的经济金融形势，金融业机构的战略制定变得尤为重要，这不仅仅是机构“一把手工程”，更需要视野、逻辑、经验的有效结合，也需要及时有效地进行动态优化。人工智能在战略制定中的应用思路，正是感知、推理、决策，天然地有可能与金融机构综合或专项战略制定相结合，并且进行动态随机优化。

二是结构性问题。虽然我国金融业综合实力不断增强，但还有诸多发展不平衡、不充分的结构性矛盾，这也为人工智能的“补短板”提出了要求。例如人工智能应用于财富管理领域，能否给家庭资产结构、金融资产布局失衡带来改变，直接影响到金融助力共同富裕的重大目标。

三是生产要素问题。金融机构的可持续发展与数字化转型，都需要考虑要素投入的经济性、规模性、效率性，其中最核心的就是数据和人。一方面，数据已成为重要的生产要素，是国家基础性战略资源。金融业如何改善数据“采、存、算、管、用”全生命周期活动，推动数据要素到数据资产的转化，是当前面临的迫切挑战，而人工智能与大数据相结合则会激发更多活力。另一方面，金融科技人才也是稀缺资源，人工智能可以成为提升员工能力的“智慧助手”，也可以通过构建“数字人”来弥补团队能力。

四是组织运营问题。金融业数字化转型离不开组织架构与运营能力的保障，在此过程中可以充分利用人工智能打造自动化、智能化的运营模式，不断优化运营流程，创新运营模式，提升运营服务质量，降低运营成本，从而支撑综合化、智慧化的金融服务。

五是服务能力问题。金融机构的服务能力体现在多元化的产品、充足的市场分析能力、市场营销与渠道能力、客户维护与增值服务能力等。尤其是在定制化智能产品设计、客户全息画像服务精准营销、线上线下体验一致性等方面，已经有了卓有成效的探索。

六是风险管理问题。当前金融业面临的宏观与微观风险更加复杂，如能有效利用人工智能，可以在整合、分析大数据基础上，建立智能风控模型，成为识别风险、监测风险和控制风险的有效途径。一方面构建客户、业务和风险视图，动态全面反映风险全貌；另一方面，优化智能信用风险评估，实现风控向数控、智控的转变。

七是服务效果问题。人工智能在金融业应用是否高效，一是从金融机构自身看，二是从服务实体来看。一方面，近年来在金融业快速发展过程中，信息技术已经对金融业全要素生产率的提升与转变，产生了非常深刻的影响。人工智能的使用价值体现之一，就是能否进一步改善金融机构运行效率、优化财务指标。另一方面，金融业在助力普惠、绿色、科技、共同富裕等方面还有诸多职责，人工智能应用对其功能完善的价值如何，也需要进行考量。

八是合作生态问题。从开放银行到开放金融已经成为全球创新的主流，金融机构更需要与商业生态系统共享数据、算法、交易、流程和其他业务功能，为生态系统的客户、员工、第三方开发者、金融科技公司、供应商和其他合作伙伴提供服务，从而打造“智慧、开放、共享、敏捷、融合”为主要特征的数字金融生态。在人工智能和大数据的加持下，或许有助于进一步改善金融机构外部生态。

客观看，人工智能在组织运营、服务能力、风险管理方面的应用度更高一些，受技术和制度因素影响，在解决其他金融需求方面尚显不足。

三、金融业应用人工智能存在的挑战

ChatGPT进一步凸显了人工智能的应用能力，但对于金融业来说，仍然面临诸多挑战，使其较长时期内仍无法给金融业带来重大变革。

一是数据治理。金融业数字化转型的起点是做好数据治理，需要真正完善数据治理体系、增强数据管理能力、加强数据质量控制、提高数据应用能力。人工智能应用同样离不开高质量的海量数据，但金融机构的数据治理普遍处于起步阶段，数据低质量、数据孤岛、数据散乱等普遍存在，难以为人工智能提供充足的数据要素支撑。

二是场景的标准化。虽然人工智能的金融应用体现个性化、“千人千面”等特点，但长远来看在金融与技术的融合过程中，真正具有生命力的是标准化、通用型的金融科技创新场景，而非基于传统外包模式的差别化合作，这也是现有人工智能金融应用的制约之一。

三是技术与方案的高成本门槛。人工智能在金融活动中的技术应用与解决方案设置，通常具有较高的部署成本，难以适应广大中小金融机构的需要。据国盛证券的研究估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM（大型语言模型），训练成本介于200万美元至1200万美元之间。

四是透明度与不可解释性。所谓可解释性，就是在一项行动认识或决策过程中，需要从中获取充足的、可理解的信息，从而帮助做决策。而在机器学习领域，在输入数据和输出答案之间通常有被称为“黑箱”的不可观察空间。只有发展可解释、可信任的人工智能金融应用，才能实现用户信任、模型可审计性并降低风险。

五是组织内部协调。就金融机构应用人工智能等前沿技术来说，通常难以形成有效的“激励相容”机制，而促使内部利益主体达成共识，以最大效率地体现技术创新价值。对此，如何在技术方案自身优化迭代的同时，努力通过规则设计来优化组织协调模式，也是人工智能绕不开的挑战。

六是责任分担。金融机构的产品设计与业务运行具有一定特殊性，也存在各类复杂风险。因此，基于风险可控和金融消费者保护的逻辑，任何金融活动都需要有清晰的责任分担机制。当引入人工智能之后，原有的金融机构业务流程中的权责相称，可能会出现一些新的模糊性，亟待从制度规则、业务实践、技术与业务、模型与人的关系等方面进一步探索。

七是合规性与伦理性。伴随着金融科技的快速发展，各国的监管都在与时俱进，面对动态演变的监管原则与模式，人工智能的金融应用存在更突出的合规压力。同时，算法歧视、大数据杀熟、信息泄露等金融科技伦理挑战，也给人工智能应用带来“阴影”，仍需深入探索如何用“负责任”的科技创新打造“有温度”的金融服务。

总之，人工智能驱动金融业数字化变革的图景已经展开，但这并非一帆风顺，仍面临众多重大挑战，亟待自我优化与持续“闯关”。

美国人工智能研究实验室OpenAI开发的对话机器人ChatGPT引起了国内外各界的广泛关注，并且掀起了一轮人工智能热潮。与此同时，金融业的数字化转型已成为各国的大势所趋，在我国也是监管部门推动的重要改革方向。因此，从ChatGPT入手深入分析人工智能在金融领域应用的状况、机遇与挑战，有助于更精准地实现科技助力金融高质量发展。

一、人工智能发展现状及ChatGPT的地位

从宏观层面看，无论是“十四五”规划的顶层设计和数字经济发展规划，还是金融领域新版的金融科技发展规划和数字化转型指导意见，人工智能都被视为数字经济的核心驱动力、重点产业和数字底座。数字经济的高速发展为人工智能创造了良好的经济和技术环境；同时，人工智能作为关键的新型基础设施，也为拉动我国数字经济发展提供了新动能。综合看，开放共享的基础设施、聚焦落地的工具流程、多元广阔的应用场景，为人工智能蓬勃发展提供了良好的应用环境与市场空间。

从技术发展趋势来看，超大规模预训练模型无疑是当前人工智能技术发展的重点和热点领域，近两年迎来了大爆发和“军备竞赛”。总体来看，大模型表现出多模态、多技术、多能力和多应用的发展趋势，在理想实验室环境和垂直行业的真实环境中均展现了良好的应用效果，未来将形成大小模型与云边协同发展的智能体系。

同时，人工智能也对现有的伦理准则、社会治理带来了巨大的冲击和挑战。因此，如何实现人工智能的有效治理，成为近年来国内外各界的关注焦点。可以看到，国内外人工智能治理取得突破性进展，已从理念层面进入建章立制、落地实施阶段，发展可信AI成为核心内容。

应该说，当前人工智能已成为技术创新最重要的“催化剂”，而与ChatGPT相关的自然语言处理（NLP）被认为是人工智能皇冠上的“明珠”。我们看到，人工智能的发展历史，事实上是不断提升模型维度的历史，从人工专家写规则，到机器写少量规则，再到机器写大量规则，最后到迁移学习大模型。在此过程中，ChatGPT用文本学习方式来拓展领域，GPT-3即拥有5000亿单词、1750亿参数，最终在海量信息的支撑下，获得了功能的全面提升，但也存在内容可信、数据安全、落地成本高的挑战。

二、从金融需求角度看人工智能应用机遇

随着数字经济和数字社会建设深入推进，产生了大量的数据，为人工智能的建模、训练和应用提供了广阔的“土壤”。特别是在金融领域积累了大规模、高质量的数据，同时具有多维度、多元化的应用场景，为人工智能应用蓬勃发展提供了良好的契机。通过人工智能和金融领域客户服务、产品创新、运营管理、风险防控等业务场景深度融合，对金融服务全流程进行模式重塑和智能赋能，推动金融产品创新、流程再造、渠道融合和服务升级，拓展金融服务的广度和深度，成为金融数字化转型的重要源泉和驱动力量。

归根结底，人工智能的应用价值在于解决金融领域存在的问题，这就要从金融需求角度来进行剖析。具体而言，从金融业的中观和微观层面看，面临的困境一是战略性问题。面对日益复杂的经济金融形势，金融业机构的战略制定变得尤为重要，这不仅仅是机构“一把手工程”，更需要视野、逻辑、经验的有效结合，也需要及时有效地进行动态优化。人工智能在战略制定中的应用思路，正是感知、推理、决策，天然地有可能与金融机构综合或专项战略制定相结合，并且进行动态随机优化。

二是结构性问题。虽然我国金融业综合实力不断增强，但还有诸多发展不平衡、不充分的结构性矛盾，这也为人工智能的“补短板”提出了要求。例如人工智能应用于财富管理领域，能否给家庭资产结构、金融资产布局失衡带来改变，直接影响到金融助力共同富裕的重大目标。

三是生产要素问题。金融机构的可持续发展与数字化转型，都需要考虑要素投入的经济性、规模性、效率性，其中最核心的就是数据和人。一方面，数据已成为重要的生产要素，是国家基础性战略资源。金融业如何改善数据“采、存、算、管、用”全生命周期活动，推动数据要素到数据资产的转化，是当前面临的迫切挑战，而人工智能与大数据相结合则会激发更多活力。另一方面，金融科技人才也是稀缺资源，

人工智能可以成为提升员工能力的“智慧助手”，也可以通过构建“数字人”来弥补团队能力。

四是组织运营问题。金融业数字化转型离不开组织架构与运营能力的保障，在此过程中可以充分利用人工智能打造自动化、智能化的运营模式，不断优化运营流程，创新运营模式，提升运营服务质量，降低运营成本，从而支撑综合化、智慧化的金融服务。

五是服务能力问题。金融机构的服务能力体现在多元化的产品、充足的市场分析能力、市场营销与渠道能力、客户维护与增值服务能力等。尤其是在定制化智能产品设计、客户全息画像服务精准营销、线上线下体验一致性等方面，已经有了卓有成效的探索。

六是风险管理问题。当前金融业面临的宏观与微观风险更加复杂，如能有效利用人工智能，可以在整合、分析大数据基础上，建立智能风控模型，成为识别风险、监测风险和控制风险的有效途径。一方面构建客户、业务和风险视图，动态全面反映风险全貌；另一方面，优化智能信用风险评估，实现风控向数控、智控的转变。

七是服务效果问题。人工智能在金融业应用是否高效，一是从金融机构自身看，二是从服务实体来看。一方面，近年来在金融业快速发展过程中，信息技术已经对金融业全要素生产率的提升与转变，产生了非常深刻的影响。人工智能的使用价值体现之一，就是能否进一步改善金融机构运行效率、优化财务指标。另一方面，金融业在助力普惠、绿色、科技、共同富裕等方面还有诸多职责，人工智能应用对其功能完善的价值如何，也需要进行考量。

八是合作生态问题。从开放银行到开放金融已经成为全球创新的主流，金融机构更需要与商业生态系统共享数据、算法、交易、流程和其他业务功能，为生态系统的客户、员工、第三方开发者、金融科技公司、供应商和其他合作伙伴提供服务，从而打造“智慧、开放、共享、敏捷、融合”为主要特征的数字金融生态。在人工智能和大数据的加持下，或许有助于进一步改善金融机构外部生态。

客观看，人工智能在组织运营、服务能力、风险管理方面的应用度更高一些，受技术和制度因素影响，在解决其他金融需求方面尚显不足。

三、金融业应用人工智能存在的挑战

ChatGPT进一步凸显了人工智能的应用能力，但对于金融业来说，仍然面临诸多挑战，使其较长时期内仍无法给金融业带来重大变革。

一是数据治理。金融业数字化转型的起点是做好数据治理，需要真正完善数据治理体系、增强数据管理能力、加强数据质量控制、提高数据应用能力。人工智能应用同样离不开高质量的海量数据，但金融机构的数据治理普遍处于起步阶段，数据低质量、数据孤岛、数据散乱等普遍存在，难以为人工智能提供充足的数据要素支撑。

二是场景的标准化。虽然人工智能的金融应用体现个性化、“千人千面”等特点，但长远来看在金融与技术的融合过程中，真正具有生命力的是标准化、通用型的金融科技创新场景，而非基于传统外包模式的差别化合作，这也是现有人工智能金融应用的制约之一。

三是技术与方案的高成本门槛。人工智能在金融活动中的技术应用与解决方案设置，通常具有较高的部署成本，难以适应广大中小金融机构的需要。据国盛证券的研究估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM（大型语言模型），训练成本介于200万美元至1200万美元之间。

四是透明度与不可解释性。所谓可解释性，就是在一项行动认识或决策过程中，需要从中获取充足的、可理解的信息，从而帮助做决策。而在机器学习领域，在输入数据和输出答案之间通常有被称为“黑箱”的不可观察空间。只有发展可解释、可信任的人工智能金融应用，才能实现用户信任、模型可审计性并降低风险。

五是组织内部协调。就金融机构应用人工智能等前沿技术来说，通常难以形成有效的“激励相容”机制，而促使内部利益主体达成共识，以最大效率地体现技术创新价值。对此，如何在技术方案自身优化迭代的同时，努力通过规则设计来优化组织协调模式，也是人工智能绕不开的挑战。

六是责任分担。金融机构的产品设计与业务运行具有一定特殊性，也存在各类复杂风险。因此，基于风险可控和金融消费者保护的逻辑，任何金融活动都需要有清晰的责任分担机制。当引入人工智能之后，原有的金融机构业务流程中的权责相称，可能会出现一些新的模糊性，亟待从制度规则、业务实践、技术与业务、模型与人的关系等方面进一步探索。

七是合规性与伦理性。伴随着金融科技的快速发展，各国的监管都在与时俱进，面对动态演变的监管原则与模式，人工智能的金融应用存在更突出的合规压力。同时，算法歧视、大数据杀熟、信息泄露等金融科技伦理挑战，也给人工智能应用带来“阴影”，仍需深入探索如何用“负责任”的科技创新打造“有温度”的金融服务。

总之，人工智能驱动金融业数字化变革的图景已经展开，但这并非一帆风顺，仍面临众多重大挑战，亟待自我优化与持续“闯关”。

日前，国家发改委创新和高技术发展司负责人表示要“大力推动数字产业创新发展”，并“支持平台企业在引领发展、创造就业、国际竞争中大显身手”。在新形势下，迫切需要推动平台经济与平台企业的价值回归，更好地助力经济增长与社会发展。

所谓平台企业，通常被认为是拥有数字技术优势的全球性大型技术公司，可直接向消费端用户提供搜索引擎、社交网络、电子商务，或数据存储和处理等IT平台，并为其他公司提供基础设施服务。在实践中，如美国的谷歌、亚马逊、脸书和苹果，以及我国的阿里巴巴、腾讯等，往往被认为是平台企业代表，也常被称为“大型科技企业”“大型互联网平台”“大型金融科技平台”等。

平台企业是平台经济发展的代表，其主要特点一是外部性。平台经济具有“网络外部性”的特殊性质。比如，支付清算组织就是典型的平台经济模式，其中支付消费者越多，支付终端对于商户的价值就越大；而安装支付终端机的商户越多，支付产品对消费者的价值也越大。二是多归属行为。如果平台没有实施排他性交易行为，消费者可以购买多个竞争性平台的产品或服务。三是定价策略，在平台经济的双边市场中，定价的焦点是将用户的网络外部性内部化，为交易平台的双边吸引尽可能多的用户，从而实现共赢。

在实践中，平台企业的发展给现代经济社会带来了“双刃剑”效果，因此在理论和政策上也不断遭遇挑战。例如，一是面临市场竞争治理。2022年下半年欧盟先后批准发布《数字市场法案》和《数字服务法案》，旨在进一步限制部分科技巨头的反竞争行为，规范欧盟数字市场秩序。我国诸多数字平台企业快速发展，在大幅改善经济效率、增进社会福利的同时，也带来新的反垄断与治理挑战。二是面对社会责任治理。事实上，基于平台经济的数字化变革更应该充分体现出社会责任、可持续性等特点，从而弥补传统经济模式的治理缺失，然而事实并非总是如此。三是面临金融科技治理。平台企业往往通过复杂的资金流、信息流介入到金融领域，或许会产生复杂嵌套的产融结合、资本运作模式。对此，近两年的平台治理也着眼于构建有效风险“防火墙”，使得平台企业金融业务、技术服务、数据支撑等各自权责明晰，减少交叉地带风险积累。

应该说，在经历了治理整顿之后，我国平台企业与平台经济逐渐走上了可持续发展的规范轨道，并且亟待跨越服务消费数字化阶段，更好地助力产业数字化转型。新发展格局以现代化产业体系为基础，经济循环畅通需要各产业有序链接、高效畅通。通常认为，现代化产业体系包括发达的制造业、强大的战略性新兴产业、优质的服务业等，而平台企业在其中大有可为。

依托平台经济模式，可以大幅度降低不同经济主体的合作成本，促进大规模协作经济的扩张，生产能力与效率得以共享，从而实现更节约的时间、更优化的资源配置、更灵活的就业等。这使得经济活力得以进一步激发，商业服务更加便捷，创业生态更加完备，实际上有助于改变传统经济发展中的扭曲，促进生产与服务的普惠性。

当然，新形势下平台企业也需要常态化、动态优化的监管保障，旨在优化平台企业数据治理，实现数据保护与数据运用的平台；实现交易更加透明和可追溯，提升参与者的信任与信心；促进平台产业链服务的标准化，提升平台服务的“多归属性”；持续跟踪和改善平台企业的综合风险管理等。

总之，经济社会数字化变革已是大势所趋，在规范发展的前提下，需进一步发挥平台企业对经济社会高质量发展的重要作用，使其成为支撑数实融合的核心力量。

引言

根据国家统计局发布的《数字经济及其核心产业统计分类（2021）》，数字经济主要包括数字产业化和产业数字化两部分，二者存在相互耦合、相互促进的关系。这一关系表现在银行业，即为银行科技服务商和商业银行的关系。目前银行科技服务商、银行业金融科技服务商、银行IT服务商、金融技术服务商、银行技术外包公司等，都是为商业银行等金融机构提供技术产品与服务的科技公司。本文基于普遍性、准确性等原则，统一使用“银行科技服务商”这一表述。

金融科技兴起之前，商业银行与科技服务商的合作集中在技术外包领域，商业银行通过契约将内部系统建设委托给外包公司。当前，银行科技服务商提供的产品和服务不局限于单一操作系统或ATM等硬件设施，还涉及商业银行信贷管理系统或其他核心系统的搭建、内部组织架构的数字化设计与维护、信贷业务的开展与风险管理及社会级和赋能型的数字化绩效管理平台等。购买银行科技服务商的技术解决方案已经成为我国商业银行最常见的外部协同创新模式。

从个体角度看，商业银行将购买银行科技服务商的技术解决方案作为最优选择，利用科技公司的技术优势，解决商业银行研发实力薄弱的问题，助力银行数字化转型。但是实际效果可能会受到商业银行业务模式、组织架构、人才基础、数字化目标等因素的影响，从而呈现“差异化”的特点。为此，研究数字经济背景下科技服务商对商业银行的异质性影响具有重要的意义。

为此，后续文章的安排如下。第二部分为文献综述与研究假设；第三部分为研究变量与研究方法；第四部分为实证结果及分析；第五部分为基于门限回归模型的进一步分析；最后为总结和建议。

......

学术论文全部内容请详见附件。

当前，推动共同富裕已经成为促进我国经济社会可持续发展的重要“抓手”。习近平总书记在2021年第20期《求是》杂志撰文指出，促进共同富裕的重大举措包括：提高发展的平衡性、协调性、包容性；着力扩大中等收入群体规模；促进基本公共服务均等化；加强对高收入的规范和调节；促进人民精神生活共同富裕；促进农民农村共同富裕。党的二十大报告指出：“中国式现代化是全体人民共同富裕的现代化。共同富裕是中国特色社会主义的本质要求，也是一个长期的历史过程。我们坚持把实现人民对美好生活的向往作为现代化建设的出发点和落脚点，着力维护和促进社会公平正义，着力促进全体人民共同富裕，坚决防止两极分化。”

这些都进一步指明了当下促进共同富裕的重要着力点。与之相应，除了公共服务均等化、高收入的规范之外，金融要素在其余领域也都大有可为。同时需要看到，伴随数字化、新技术的演进，金融体系、金融活动自身已经发生了日新月异的变化，金融科技已经全面改变了金融产品与服务模式，提升了金融服务的“精准性”与“适配性”，当然也带来新的风险与挑战。在此，我们基于前瞻视角，全面探讨在金融数字化变革的大势中，如何更好地融合、支持并践行共同富裕目标。

实际上，在人民银行发布的《金融科技发展规划（2022-2025年）》中，也突出强调了金融科技应对数字鸿沟的重要职责。尤其是提出“强化金融无障碍服务水平”，“通过体验学习、尝试应用、经验交流、互助帮扶等手段提升用户数字素养，着力弥合因智能技术运用困难导致的数字鸿沟问题，让广大群众更好共享金融科技发展成果”，“优化线下服务流程、简化办理手续、改善服务体验，运用智能移动设备延伸金融服务触角，为偏远地区、行动不便、有沟通障碍的人群主动上门或远程办理金融业务，不断提升金融服务深度、广度和温度”等，这些都表明金融科技与共同富裕目标已经在诸多改革层面形成共识。

一、金融科技直接助力 共同富裕重大举措落地

以推动科技、产业、金融协调发展来增强经济内生动力。经济增长动能的弱化，天然就会抑制共同富裕的“蛋糕”，因此增长仍然是当下最重要的问题。近年来我国互联网发展突飞猛进，但是全要素生产率的提升还有所不足，仍需努力提升技术对于经济增长的贡献度，这也意味着“互联网+”亟待进一步下沉。根据国家统计局对于数字经济核心产业的分类，在数字产业化与产业数字化发展中，后者成为重中之重。与之相应，在服务产业数字化方面，一方面，金融科技创新应该跳出C端（消费者、个人用户）模式局限，全面探索面向B端（企业或商家）、G端（政府）的创新；另一方面，不仅利用新技术改善金融产品和服务，而且更进一步推动科技金融体系变革，促使新金融功能全面支持科技研发、成果流转与应用的全产业链。

以创新数字金融模式应对经济结构失衡。目前，我国的区域结构、产业结构等还存在不平衡的问题，金融科技的功能应该是更加有效、合理地进行资源配置，特别是在结构优化方面体现价值。例如，某些有条件的落后地区，反而可以把握自身资源禀赋、体现后发优势，积极拓展大数据新业态，与之相应的金融服务也应当更加数字化、智能化；而数字化时代的地方金融改革，同样可以探索跨行政区域的配置，更好地与区内外产业实现有效“排列组合”。再如，金融科技与供应链金融相结合，能更好地服务弱势产业链以及产业链的弱势主体。其中，通过探索大数据技术与高性能计算、边缘计算等领域的融合，可有效解决供应链中企业信息数据统计与分析中的难点；人工智能技术融合于供应链企业运营管理的每个环节，能更好地推动企业智能提升；区块链技术可高效地缓解融资问题中无法解决的信息困境，进而提升供应链金融业务的效能。

以数字普惠金融探索支持小微与促进就业。2016年，20国集团（G20）框架下普惠金融全球合作伙伴（GPFI）发布的白皮书认为，“数字普惠金融”泛指一切通过使用数字金融服务以促进普惠金融的行动。首先，通过支持小微企业健康发展，进而增加就业，正是普惠金融服务共同富裕的重要方面，也才有可能帮助更多低收入群体迈入中等收入群体行列。具体就科技手段的着力点看，从金融供给，可以推动金融机构数字化与产品线上化、构建全新的产融生态、促进政策性金融资源的精准触达；从金融需求看，则可为小微企业进行数字化赋能（人才、管理、机制、能力），推动其标准化、规范化发展；从金融“土壤”看，则是把数字化融入综合风险管理与保障机制、大数据征信体系、激励相容机制建设等；从其他要素看，则可利用新技术应对小微企业应收账款难题、改善营商环境、降低运营成本等。其次，支持创业也是应对就业的途径之一。据国家统计局公布的数据，2022年12月，全国城镇调查失业率为5.5%，其中16～24岁、25～59岁人口调查失业率分别为16.7%、4.8% ，且2023年高校毕业生规模将达到1158万人。可见目前年轻人面临更加突出的就业难题，如何利用数字金融与金融科技工具支持其理性创业，也是题中应有之义。最后，还要考虑数字普惠金融如何更好地支持巩固脱贫攻坚成果、有效防止返贫等问题。

以金融科技改善消费金融与财富管理。一方面，随着前沿技术应用的快速发展以及细分消费场景的深入开发，消费金融服务机构不断改善业务流程中的智能支付、信用评分、智能催收、智能客服、风险管理、反欺诈识别等多环节，服务客群不断拓展，这有助于促进新型消费、提高消费水平，改善居民的“获得感”。当然金融科技加上消费金融，并不能靠刺激“非理性消费”来过度扩张，而应构建更加持续的消费金融生态，这些显然与共同富裕的目标相对应。另一方面，实现共同富裕也强调要拓宽居民财产性收入渠道，使更多群体能够获得财产性收入，金融科技创新对此也作用突出。例如，互联网理财的快速发展，使得更多普通老百姓能够参与到各类金融投资中；而智能投顾通过技术增效、降低门槛、降低道德风险，则使得投顾服务不仅面向高净值人群，而且使普通人也能享受智能理财的便利。

以文化金融与科技融合来服务人民精神生活。“十四五规划”明确指出要“实施文化产业数字化战略”，数字文化经济的变革将成为文化产业发展的主线，配合以创意经济和版权经济等，会为文化产业发展打开新的广阔天地。与之对应，依靠金融科技创新，新型文化金融也能更加有效地解决信息不对称、搜寻成本、匹配效率、交易费用、规模经济、风险控制等难题，并可能在中小微文化企业融资、文化产品资本化等领域实现新的突破。综合来看，传统文化金融服务体系依托新技术进行改良之后，一方面可助力文化产业金融落地，促进文化市场化发展；另一方面推动文化事业金融创新，促进文化公共事业的大发展，最终还是为了给公众带来更好的精神层面享受。

以金融科技助力乡村振兴。据国家统计局统计，2022年全国城镇居民人均可支配收入49283元，农村居民人均可支配收入20133元，城乡收入差距明显。金融科技在解决城乡差距方面有诸多着力点，尤其是电子支付创新。例如，人民银行部署将移动支付服务进一步覆盖至农村地区，以日常支付服务、农产品分销服务等为切入点，重点解决农村地区支付服务数字鸿沟等问题，提升农村地区支付便利化水平。

二、防范金融科技风险 加强消费者保护

金融科技全面改变了金融运行模式，特别是其互联互通性、开放性、科技含量高等特征使得金融风险隐蔽性、广泛性、传染性、突发性特征更加明显。金融产品创新快速演变，再加上信息科技本身极强的专业性，使得金融风险更加隐蔽复杂，潜在的信息科技风险和操作风险更加突出。因此，在推动金融科技服务共同富裕的过程中，首先需要实现其自身的健康发展，避免给共同富裕带来负面影响。对此，需要进一步增强监管科技风险防范能力。完善金融科技风险的动态监测和早期预警，切实提高金融科技的风险识别和预判能力，强化对金融科技风险情景分析、应急处置、危机预防、预案储备和长期评估，维护金融安全稳定。

同时，加强金融消费者保护，也是金融支持共同富裕的重要保障。当前，为了防止金融消费者权益受到损害，除了要安排好常规性的消费者保护措施之外，更应当重视系统性、体系性、制度性监管问题。因为，一旦出现这样的风险，对金融消费者的伤害将更加难以弥补。例如，P2P网贷市场的兴衰、股市违规行为带来的市场波动等，不仅没有为居民财产性收入“添砖加瓦”，反而使众多老百姓出现财产损失。

因此，在共同富裕的目标引领下，应该逐渐把金融消费者权益保护从后台的辅助性工作，转变成为规范金融科技创新的重要前置工作。在金融产品与服务的供给侧应实施严格的“穿透式监管”，增加违规成本，在需求侧则要加强对用户的宣传教育以及救济政策。尤其是在互联网时代，金融消费者的群体差异性越来越大，更需要全面优化金融宣传教育，通过多元化、便捷化、结构化设计，使得公众能够理性认识金融、理解金融、应用金融。具体有三方面重点：一是紧跟金融科技的迭代发展，推动金融理论知识的完善与更新，更准确地指导实践。二是在金融知识应用层面，探索多种信息触达形式，努力嵌入公众的日常生活场景中，使之能够潜移默化地接受新知识。三是帮助用户树立正确观念，即学习金融知识并非只是为赚大钱，而是旨在培养金融风险识别意识与财富管理基础能力。

三、优化数字化新型金融基础设施 与金融科技生态

正如经济社会发展离不开道路、桥梁、机场、港口等基础设施，金融也离不开基础设施支撑。狭义的金融基础设施主要指支付清算体系，包括支付系统、中央证券存管、证券结算系统、中央对手、交易数据库等。广义的金融基础设施，则还包括货币体系、数据服务体系、征信体系、技术基础与设施、监管与合规、金融消费者保护、财务与会计、金融文化等。只有不断完善数字化时代的新型金融基础设施，才能促使金融活动更加高效、合理运行，从而更好地给实体经济赋能。例如，浙江台州通过建设金融服务信用信息共享平台和小微企业信用保证基金，运用各类信息交叉验证等方式，有效缓解了小微企业融资难、融资贵问题。河南兰考围绕“普惠、扶贫、县域”三大主题，充分利用数字技术，显著提高了农户贷款获得率。这都是在夯实基础设施的前提下，更好地实现金融科技服务实体的场景落地。

完善金融科技生态是重中之重，这也是为了促进金融效率与效益的提升，更好地服务于社会生产、分配、交换与消费。实际上，金融科技生态意味着参与主体丰富多样，而且能够维持足够的互动性与活力。如麦肯锡曾发布报告认为，金融科技产业发展生态包括运营和基础设施，产品和服务与综合解决方案。同时，健康生态还离不开治理规则与伦理约束。例如，当前数据要素治理正处于“向左走、向右走”的关键点，既需要打破“数据孤岛”，又要避免数据滥用和加强数据信息保护。再如，新技术可能存在黑箱和信息不对称，即便在生产与商业模式中体现出高效，也可能忽视人性与负外部性，所以需要构建金融领域科技伦理标准规则等，促进“技术向善”，避免“技术向恶”。

对于健康发展的金融科技，其核心价值一是“普”，真正使符合条件的客户都能得到适度金融支持，从而改善自身境遇与增加致富途径。二是“惠”，通过技术与模式创新，拓展金融服务边界，降低门槛并提高效率。可以说，这为金融支持共同富裕带来强大动力。