AI 如何发力金融强国“十五五”规划：三条主线、六个发力面与三条安全边界

《规划》没有单设 AI 专项，却把 AI 嵌入了六大重点任务的每一环

AI 在金融强国的发力次序，由"可验证性梯度"而不是技术先进性决定

监管侧的 AI 优先级高于机构侧的降本，因为穿透监管是硬约束

真正稀缺的不是大模型，而是可共享的数据集与可审计的模型

2026 年 9 月 10 日，国务院新闻办公室举行"开局起步'十五五'"系列主题新闻发布会。中国人民银行副行长陆磊、金融监管总局副局长丛林、中国证监会副主席李超、国家外汇管理局新闻发言人、副局长李斌共同出席，介绍金融领域贯彻实施"十五五"规划、推动金融强国建设的有关情况。

发布会披露的核心信息是：在中央金融委统一部署下，中央金融办会同各金融单位制定的《金融强国建设"十五五"规划》（以下简称《规划》）正式出台。陆磊称其为"'十五五'时期金融工作的总体方略和具体谋划"。

一个问题随之而来：这份规划里，人工智能被放在了什么位置？更具体地说，AI 要怎么发力，才能真正推动这份规划落地，而不是沦为一句"科技赋能"的口号？

本文尝试回答这个问题。

素材说明：本文触发素材为微信公众号《中国银行业》杂志新媒体文章《【热点】国新办：《金融强国建设"十五五"规划》正式出台》（2026-09-10），文中发布会引述内容与该文一致（UNTRUSTED，未经独立核实）；政策事实来自中国政府网、国家外汇管理局发布的发布会文字实录、《中华人民共和国国民经济和社会发展第十五个五年规划纲要》公开文本等公开渠道；行业数据转引自公开媒体报道（同样未经独立核实）。本文分析框架、发力面划分与落地清单为作者基于公开信息的整理，不构成监管或合规意见。

一、先把《规划》读薄：一条主线、两个节点、六项任务

要谈 AI 怎么发力，先得知道要发力到哪去。

1.1 一条主线

《规划》坚持稳中求进工作总基调，坚持 "防风险、强监管、促高质量发展" 的工作主线，并突出一个次序：在有效防范化解金融风险、强化金融监管的基础上，在服务经济社会高质量发展过程中，实现金融业自身的高质量发展。

这个次序很关键——它意味着任何技术手段的价值排序，首先看它对风险与监管的贡献，其次才看对效率与增长的贡献。这与企业界习惯的"技术先提效"叙事存在根本差别。

1.2 两个时间节点

1.3 六项重点任务

《规划》系统明确了"十五五"时期金融强国建设的重点任务：健全金融宏观调控体系、全面加强金融监管、有效防范化解金融风险、积极有效服务实体经济、推动金融高质量发展、扩大金融高水平开放。

配套动作是：中国人民银行近日制定印发了《中国人民银行"十五五"改革发展规划》，并配套出台 9 份相关领域的行动方案，形成"1+9"政策体系。

二、AI 在《规划》中的真实坐标：不设专项，嵌入全局

翻遍发布会的职能表述，AI 没有被单列成一项任务。它出现在三个不同部门的口径里，位置各不相同。

再往上看一层，上位文件已经把方向定了。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》第十三章"全方位推进数智技术赋能"提出，全面实施"人工智能+"行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合；在数据基础方面，要求面向能源、交通、制造、教育、健康、金融等领域建设高质量数据集，建立人工智能训练数据合理使用制度；在基础设施方面，提出建设国家人工智能应用中试基地。同时，纲要在金融相关篇章中要求"强化科技赋能，加强新兴领域国家安全能力建设"。

叠加《国务院关于深入实施"人工智能+"行动的意见》，可以看到一条完整的政策链条：国务院定"人工智能+"总纲 → 五年规划纲要定数智赋能与金融数据集 → 《金融强国建设"十五五"规划》定金融领域的分工 → 部门规范性文件定安全底线。

这条链条的第四环已经落地。2026 年 6 月 18 日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，文件开头的立法目的表述即为"深入贯彻《纲要》关于加快人工智能技术创新、加强人工智能治理的战略部署，落实《国务院关于深入实施'人工智能+'行动的意见》，推动数字金融高质量发展"。政策的意图非常清楚：先把安全边界划清楚，再放开手脚用。

理解了这个坐标，才能回答"AI 如何发力"——它不是要新开辟一个战场，而是要在《规划》既定的六项任务上，逐项找到"人工方式做不到、做不快、做不细"的环节。

三、为什么 AI 是"必答题"而不是"加分项"

金融业从不缺技术投入。判断 AI 是否属于"必答题"，要看是否存在不用它就无法完成的约束。

约束一：监管的"产能上限"

《规划》要求"金融监管严密有力"，金融监管总局提出全面强化"五大监管"，做到"长牙带刺、有棱有角"，并聚焦"关键人""关键事""关键行为"。同时要求"完善分类分级监管框架，扎实推进差异化监管"。

这里存在一个结构性张力：监管资源是线性增长的，而机构数量、产品复杂度、交易笔数是超线性增长的。穿透监管要求看到底层资产、真实交易对手、资金的完整链路，这种深度核查在人工模式下无法覆盖全部机构与全部时段。

出路只有两条：要么深度覆盖少部分（运动式检查），要么浅层覆盖全部（形式化报表）。AI 提供了第三条路：用机器做全量的浅层扫描与异常排序，用人力做少数高优先级的深度核查。这就是"精准高效"的技术含义。

约束二：风险形态从静态走向动态

金融监管总局在防风险方面重申"稳定大局、统筹协调、分类施策、精准拆弹"基本方针，并强调"下好先手棋、打好主动仗，健全全流程防控机制，做到对风险早识别、早预警、早暴露、早处置"。

"四早"对技术能力提出了硬性要求：早识别意味着要在弱信号阶段发现问题，早预警意味着要在指标恶化前给出判断，早暴露意味着要有勇气与技术手段穿透粉饰，早处置意味着要有可操作的预案匹配。传统季度报送与年度审计的节律，天然跟不上资产质量恶化与流动性迁移的速度。风险从"季度形态"变成"日形态"乃至"实时形态"，监测手段就必须同频。

约束三：服务要求的"长尾覆盖"

《规划》要求金融"积极有效服务实体经济"。金融监管总局的部署包括：强化"两重""两新""六张网"和"十五五"109 项重大工程等重点领域金融支持；推动优化科技领域金融资源供给，完善保险资金等"投早、投小、投长期、投硬科技"各项政策；发展商业养老保险，研究针对"两司两员"的专属普惠保险。

这些要求的共同特征是需要精细化定价与差异化服务：109 项重大工程需要逐个测算现金流与资金闭环；科技企业需要评价技术资产而非抵押物；"两司两员"这类新就业群体的专属产品，件均保费低、风险特征新，人工定价模型难以覆盖。长尾客群的单位服务成本若降不下来，普惠就只是口号。

判断

陆磊在 2026 年 9 月 18 日的中国—东盟金融合作与发展论坛上，对 AI 与金融的关系给出了一个更具分量的判断：人工智能正持续重塑金融机构业务逻辑和金融市场运行逻辑，"双刃剑"效应日益显现。他同时介绍了中国人民银行引导金融机构负责任使用人工智能形成的应用范式——"先外围后核心、先辅助后协同、先对内后对外"。

这段表述实际上给出了本文后续分析的两条基准线：一条是 AI 的作用范围已经触及"业务逻辑与市场运行逻辑"；另一条是推进方式必须遵循严格的次序，而不是全面铺开。

四、发力框架：三条主线 × 六个发力面

把《规划》的工作主线与 AI 的技术能力做交叉，可以得到一个相对清晰的发力地图。

五、六个发力面逐一展开

发力面一：把"四早"从口号变成流水线

风险防控的难点不在识别的算法，而在"识别的节律"与"处置的衔接"。AI 在这一面可以做四件事。

第一，弱信号的前置捕捉。 对地方中小金融机构而言，金融监管总局要求"有力有序有效防范化解风险，牢牢守住不'爆雷'底线"，并推动"减量提质、优化布局"。爆雷之前通常有长达数月甚至数年的征兆：股权质押异常的变动、关联交易的非正常增长、同业负债成本的异常抬升、管理层密集更替。这些信号分散在工商信息、司法信息、舆情、同业报价、监管报送等多个来源中，靠人工汇总几乎不可能形成连续序列；用模型做多源数据的时间序列聚合与偏离度打分，则可以把"察觉"提前到"预警"之前。

第二，非法金融活动与金融黑灰产的识别。 金融监管总局提出"深入实施防范和打击非法金融活动总体战""重拳整治金融'黑灰产'"。这类活动的对抗性最强——对手会主动规避规则。AI 的价值在于把识别规则从"静态特征"升级为"行为序列"，并对抗对手的对抗（模型迭代速度决定攻防节奏）。需要清醒的是，这是一场持续对抗，不存在一次性解决方案；考核指标应是"识别时效"与"误伤率"的持续改善，而不是"是否清零"。

第三，跨境资金流动的异常识别。 国家外汇管理局提出"持续健全外汇市场'宏观审慎+微观监管'两位一体管理框架"，"加强外汇业务真实合规监管，严厉打击虚假欺骗交易、地下钱庄等违法违规行为"。跨境资金的分拆、构造、循环等手法，在单笔层面往往合规，只有把交易网络、主体关系、时点分布合起来看才暴露异常。这是一类典型的"图问题"，恰是 AI 擅长的领域，也是"提升外汇管理数智化水平"最实在的落点。

第四，反洗钱与反欺诈的自动化升级。 传统规则引擎的误报率长期偏高，导致大量人工核查消耗在无效线索上。将模型用于线索排序（而非直接定性），可以在不降低覆盖面的前提下，把人工产能集中到高价值线索上。这里有一条重要原则：模型负责排序与提级，人负责定性处置——这是可验证性要求决定的，后文会展开。

发力面二：AI 自身风险必须进入风险管理体系

这是最容易被低估的一面。多数机构在讨论"AI 如何赋能风险防控"时，默认 AI 是纯粹的工具；但一旦模型开始影响一笔贷款是否通过、一笔交易是否拦截、一个客户是否被列入可疑名单，模型本身就成了风险来源。

金融监管总局的《指导意见》从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等方面提出 32 项意见，其中几条对风险管理条线尤其关键：

• 治理架构：董（理）事会指定专门委员会对人工智能开发应用管理负责，统筹制定发展规划；
• 全生命周期：建立覆盖需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的管理体系；
• 高风险应用：涉及资金交易、资产评估、信贷审批、承保理赔、风险管理等场景，应履行严格准入程序，并建立人工监督、干预和退出机制；
• 数据边界：姓名、身份证号、手机号、银行卡号等个人信息和隐私数据，不得用于生成式人工智能模型训练和优化；
• 新型风险：防范提示词注入、数据泄露、身份越权、工具滥用等。

对应到风险管理实践，意味着三件事要补齐：

一是模型清单的扩容。传统模型台账覆盖评分卡、PD/LGD、压力测试等计量模型；AI 时代要扩展到生成式应用、智能体、第三方模型，甚至员工自行接入的外部工具，并记录版本、验证状态、到期时间、依赖关系与退役计划。

二是模型风险 2.0 的方法论。原有验证方法（区分度、稳定性、回溯测试）对大模型往往失效——同一个提示词在不同时点可能给出不同答案，输出是自然语言而非分数，稳定性与可复现性都需要重新定义。行业尚无统一标准，这恰恰是风险管理条线需要主动补位的地方。

三是算法权力的防范。有研究观点指出，"生成式人工智能具有内在的技术缺陷，导致数字金融平台从算法应用向算法权力风险嬗变"。当算法同时承担流量分配、定价、风控、催收等多项职能，且其内部逻辑难以被外部审计时，算法就具备了事实上的规则制定权。对这种权力，仅靠事后投诉与抽样复核远远不够，需要在应用准入阶段就明确算法的权限边界：它能决定什么、不能决定什么、哪些决策必须留痕、哪些必须人工确认。

发力面三：穿透监管的技防转型

金融监管总局明确"加强科技赋能，切实提升穿透监管能力"，并在"强监管"部分提出聚焦"关键人""关键事""关键行为"、完善分类分级监管框架、扎实推进差异化监管。

这一面有三条可操作的技术路径：

路径一，资金链路的穿透。 穿透的本质是沿着资金流追溯最终投向与最终风险承担者。多层嵌套、通道叠加、交叉持有的场景下，人工追溯的成本随层级指数上升，而图计算与链路推断可以显著降低边际成本。

路径二，报表与业务的交叉验证。 监管报送数据、财务数据、业务流水、外部公开数据之间的逻辑一致性检验，适合由机器做全量初筛，把不一致项交人工核查。这类工作的价值不在于"发现造假"，而在于提高造假成本——当一致性检验成为常态，粉饰的技术门槛与时间成本都会上升。

路径三，行为序列的异常识别。 "关键人""关键事""关键行为"的表述，指向的是对人和行为组合的监控。传统的"关键岗位轮岗+离任审计"是周期性手段，AI 可以将其升级为连续性监测，把"事后追责"部分前移为"事中提示"。

需要同时说明的是，穿透监管的技防转型有一个前提：监管侧与被监管侧的数据标准必须可比。否则再强的算法也只能在各自的数据孤岛里做局部优化。这也是"金融领域高质量数据集"被写入国家五年规划纲要的现实原因。

发力面四：差异化与分级监管中的资源分配

《规划》要求"完善分类分级监管框架，扎实推进差异化监管"。分级监管的核心问题是：有限的监管资源如何在高风险机构与低风险机构之间分配。

AI 在这一面的作用是提供"风险画像"的证据基础——把机构按风险特征分层，而不是按规模或类型一刀切。同时，金融监管总局提出"深入研究不同类型的机构'能干什么、不能干什么'，厘清经营边界和行为'红线'"，并要求"引导金融机构深耕主业、错位发展"。

从监管科技角度看，这意味着监管规则本身正在从"统一规则"走向"规则参数化"：同一套监管框架，对不同类型的机构配置不同的阈值与容忍度。规则参数化对系统能力的要求远高于纸质规则，这也是监管科技投入的必要性所在。

此外，还有一种值得关注的制度设计。有研究观点提出，应对金融科技创新"设立监管沙盒和'非共识创新'专门通道"，为"甘坐冷板凳"的金融基础设施攻关提供制度性保护。沙盒的意义在于把创新风险限制在可观测的边界内，而边界的可观测性依赖于数据采集与监测能力——仍然回到技术底座。

发力面五：五篇大文章与 109 项重大工程的精细化经营

金融监管总局明确推动金融机构统筹做好"五篇大文章"，并加大对促消费、扩投资、稳企业、稳就业以及科技创新等领域金融支持，强化"两重""两新""六张网"和"十五五"109 项重大工程等重点领域金融支持。

发力面六：机构转型与开放协同

转型侧。 金融监管总局要求引导金融机构"树牢正确政绩观、经营观、业绩观、风险观，切实摒弃规模情结，推动由追求速度和规模向以质量和效益为中心转变"，并"大力整治'价格战'、违规返佣、'高息高返'等行为"，全面推行保险业"报行合一"和非车险综合治理。

从"规模"转向"质量效益"，本质是经营决策的目标函数要变。目标函数从"规模最大化"变成"风险调整后的收益最大化"，对数据颗粒度与测算频率的要求会成倍上升。精细化定价、客户分层、渠道成本核算、产品全周期损益分析，这些工作在没有自动化工具时无法常态化运行。AI 在机构转型中的角色，是让"精细化"从年度专项变成日常动作。

开放侧。 国家外汇管理局提出持续构建"更加便利、更加开放、更加安全、更加智慧"的外汇管理体制机制，并明确"着力提升外汇管理数智化水平"；同时提出健全外汇政策评估、外汇生态评估和银行外汇业务合规与审慎经营评估三个评估体系，实现政策从供给、评估到改进的动态优化。

陆磊在东盟论坛上则给出了区域协同的三个方向：加强合作共同研判人工智能衍生的新型金融风险，交流模型全生命周期管理、算法风险防控实践经验；围绕场景共建、成果共享加强协作；在基础设施共建共享方面深化合作，探索共建多语种金融高质量数据集、智能算力安全共享机制、多模态金融垂域大模型矩阵。

这三个方向透露了一个重要判断：在金融领域，AI 的竞争不完全发生在机构之间，也发生在生态与标准层面。数据集的语种覆盖、算力的跨境共享机制、垂域模型的标准接口，这些属于公共品范畴的能力，靠单一机构无法完成。

六、共享底座：为什么"基地+生态"优于"自研闭环"

一个现实问题是：AI 能力该由谁来建？

中国银联主办的国家人工智能应用中试基地（金融领域）提供了一个参照。据报道，该基地自 2025 年启动建设，2026 年 7 月发布阶段性成果，形成"1+6+N"体系：

• "1"：1 个统一的中试基地门户，采用"一门户六中心"架构；在模型中心、数据集中心、应用中心三大中心包含 11 个模型、14 个数据集、59 个示范应用，现已上架各类内容 61 项，六大中心共计整合核心资源 145 项；
• "6"：六大自主可控核心能力，涵盖可信共享智算平台的算力调度能力、金融高质量数据集的数据能力、金融垂域大模型的模型能力、金融安全特色防护服务的安全保障能力、金融人工智能标准体系的标准化能力，以及提供模型训练环境及测评能力的中试沙盒；
• "N"：依托底层技术底座孵化的标杆场景、标准化解决方案与示范应用集群，覆盖智能支付、普惠金融、消费拉动、风控合规、质效提升五大领域。

（以上数据转引自公开媒体报道，未经独立核实。）

这个结构值得注意的地方在于：它把"算力—数据—模型—标准—测评"作为公共底座，把"场景"留给机构。这与人行系统提出的"集约高效、共建共享"理念一致，也印证了陆磊讲话中提到的"推动建设国家人工智能金融应用中试基地，组织开展金融领域'数据要素'试点"。

为什么共享优于自研闭环？三条理由：

成本。 金融垂域模型的价值来自行业数据与合规约束，而非通用能力。每家机构重复投入算力与数据清洗，边际收益递减而总成本线性叠加。

安全。 分散建设意味着安全水位由最弱的一环决定。共享底座可以统一安全护栏、统一测评标准，把"最低标准"抬高。基地明确提到"构建 AI 安全双向共治体系，搭建大模型安全护栏"。

标准。 模型之间的互操作性、数据集的口径统一、测评方法的可比性，都依赖标准。单一机构无法制定标准，只能服从标准。

七、三条安全边界：什么不能越过

AI 的发力不是无限的。结合政策文本与实践观察，至少有三条边界。

边界一：可验证性梯度决定应用次序

中国人民银行总结的应用范式是"先外围后核心、先辅助后协同、先对内后对外"。这条次序不是保守，而是由技术特性决定的：AI 在金融领域最大的风险不是"答错"，而是"错得难以察觉"。

陆磊在东盟论坛上对此有一句精准的表述：人工智能可学习研判人类行为底层逻辑，但人类难以穿透其内部决策过程，这种"不对称理解"可能给金融行业带来深层次挑战。算法黑箱、模型幻觉是这种不对称的具体表现。

因此，判断一个 AI 应用能否进入下一个阶段，标准不是模型效果好不好，而是输出是否可被独立验证：

边界二：人在价值判断与伦理决策中的不可让渡

《指导意见》明确要求高风险应用建立人工监督、干预和退出机制。陆磊的表述是"既充分激活人工智能在海量数据处理、复杂模式识别、多模态内容生成方面的潜能，也充分发挥人在价值判断、伦理决策、创新创造等方面的核心优势"。

这句话划出了一条分工线：

• 人不能替代机器做的：海量数据处理、复杂模式识别、多模态内容生成、7×24 小时一致性执行；
• 机器不能替代人做的：价值判断、伦理决策、创新创造、责任承担。

判断一个机制是否形式主义，看三个证据：干预是否发生在决策前而非事后追认；干预是否留有理由与责任人；干预比例是否被独立抽样复核过。若人工干预率长期为 0 或接近 100%，都说明设计出了问题。

边界三：自主可控与责任归属

《指导意见》确立"坚持谁使用谁负责"，压实金融机构作为金融服务提供方、人工智能技术使用方的主体责任；同时"坚持自主可控"，持续提升人工智能相关技术、设备自主可控水平，提高对业务经营发展有重大影响的关键平台、关键软硬件的自主研发能力。

这条边界对风险管理条线的直接含义是：第三方模型不能成为责任的转移通道。使用外部模型时，机构仍然对结果负责，因此必须在准入环节就明确供应商失效时的替代方案与退出路径，而不能把"供应商能力"当成自己的风险缓释手段。

八、落地建议：机构侧的六项行动

把上述分析转化为可执行动作，建议从六项入手。

行动一：做一次 AI 应用清单的全面盘点。 范围要覆盖业务系统内嵌模型、生成式应用、智能体、第三方服务、员工自行接入的工具。清单不全，后续一切无从谈起。

行动二：建立按可验证性分级的上线规则。 把"可验证性等级表"写入内部制度，明确每一级允许的自动化权限与人工复核要求，并与高风险应用的人工监督、干预、退出机制对齐。

行动三：把模型风险方法论升级列入年度计划。 针对大模型输出的不可复现性、自然语言输出难以量化等问题，形成内部的验证与监控方法，哪怕先在少数场景试点。

行动四：为"十五五"重大项目建立资金闭环视图。 结合"两重""两新""六张网"和 109 项重大工程的支持要求，把项目现金流、资金流向、进度数据整合为可核验的视图，让贷后管理从"看报表"升级为"看行为"。

行动五：优先参与共享底座而非重复自建。 评估接入行业数据集、算力共享与中试测评资源的可行路径，在算力、数据、测评三方面减少重复投入，把自身资源集中在场景与业务理解上。

行动六：把 AI 素养纳入关键岗位的能力底线。 委员能说清本机构前三大 AI 风险及触发条件；风险管理团队能在一次会议内对一份模型验证报告提出实质性质询；重大 AI 事件在约定时限内完成上会审议。这三条可作为年度自评基线。

九、结语

《金融强国建设"十五五"规划》给出的是一份"总体方略和具体谋划"。它的七个目标关键词——协同有效、合理优化、严密有力、精准高效、质效提升、完备齐全、稳步扩大——共同指向一个要求：金融体系要在不增加系统性风险的前提下，把服务质量与监管精度同时提升一个量级。

从人工方式的角度看，这是一个自相矛盾的要求：更严的监管通常意味着更高的成本，更细的服务通常意味着更低的效率。AI 是打破这个矛盾的主要技术路径，但它不是无条件生效的。

它生效的条件是三条：发力方向与规划主线对齐（防风险与强监管优先）、应用次序由可验证性而非先进性决定、责任、伦理与安全边界先于效率目标划定。

这三条做到了，AI 才真正是"发力"；做不到，它就只是又一次技术投入，并在下一次风险事件中被重新审视。

作者毕超，金融行业风险管理从业者。本文仅代表作者个人观点，不构成任何机构立场，亦不构成监管或合规意见；具体落地请以监管机构正式文件为准。

常见问题

Q1：《金融强国建设"十五五"规划》里有没有专门的人工智能章节？

A1：从国新办发布会的表述看，规划没有把 AI 单列为一项独立任务，而是分散嵌入各职能条线：金融监管总局的"加强科技赋能，切实提升穿透监管能力"、国家外汇管理局的"提升外汇管理数智化水平"、中国证监会的"提高交易结算等基础设施安全性和科技化水平"。AI 的定位是可被各条线调用的公共能力层，而非独立目标。

Q2：规划提出的"1+9"政策体系指什么？

A2：指中国人民银行制定印发的《中国人民银行"十五五"改革发展规划》，以及配套出台的 9 份相关领域行动方案。按公开报道，这一体系为现代中央银行建设、金融数字化改革与金融高水平对外开放划定了核心框架。

Q3：为什么说 AI 在监管侧的优先级高于机构侧的降本？

A3：《规划》坚持"防风险、强监管、促高质量发展"的工作主线，突出在有效防范化解风险、强化金融监管的基础上实现金融业自身高质量发展。这是一个明确的次序，意味着技术手段的价值排序首先要看对风险与监管的贡献。此外，"严密有力""精准高效"是硬约束，人工模式下已触及产能上限。

Q4：什么是"可验证性梯度"？

A4：本文提出的一个判断方法：AI 应用能否进入决策链，不取决于模型效果多好，而取决于其输出能否被独立验证。输出可被外部数据直接核对的，可自动执行；可被人工复核但成本较高的，可做排序与建议；依赖内部推理、难以复核的，只能内部参考。这也是"先外围后核心、先辅助后协同、先对内后对外"这一应用范式背后的技术逻辑。

Q5：中小机构资源有限，如何参与 AI 应用？

A5：优先接入行业共享底座而非重复自建。国家人工智能应用中试基地（金融领域）已发布"1+6+N"成果体系，包含算力调度、金融高质量数据集、金融垂域大模型、安全防护、标准体系与中试沙盒六类能力，面向行业开放服务。中小机构把资源集中在场景与业务理解上，通常比自建通用能力更划算。

Q6：AI 应用到什么程度就必须建人工干预机制？

A6：按监管要求，涉及资金交易、资产评估、信贷审批、承保理赔、风险管理等高风险场景，应履行严格准入程序并建立人工监督、干预和退出机制。判断机制是否有效，看三点：干预发生在决策前而非事后追认、干预留有理由与责任人、干预比例被独立抽样复核。

Q7：模型风险管理与传统模型风险管理的最大差别是什么？

A7：传统模型多为量化模型，可用区分度、稳定性、回溯测试等方法验证；大模型输出是自然语言，同一输入在不同时点可能给出不同结果，稳定性与可复现性需要重新定义，且第三方模型的引入会进一步增加验证难度。行业尚无统一标准，这是风险管理条线需要主动补位的领域。

事实来源

• 分析素材（UNTRUSTED，未经独立核实）：微信公众号《中国银行业》杂志新媒体文章《【热点】国新办：《金融强国建设"十五五"规划》正式出台》，2026-09-10，https://mp.weixin.qq.com/s/fCDGEq31xrYUQErY4VLauA 。
• 政策事实（公开信息）：国务院新闻办公室"开局起步'十五五'"系列主题新闻发布会（2026-09-10）文字实录（国家外汇管理局网站发布）；中国政府网《金融强国建设"十五五"规划》正式出台（新华社，2026-09-10）；《中华人民共和国国民经济和社会发展第十五个五年规划纲要》第十三章及金融相关篇章公开文本；《国务院关于深入实施"人工智能+"行动的意见》；国家金融监督管理总局《关于银行业保险业人工智能安全开发应用的指导意见》（2026-06-18，32 项指导性意见）及其立法目的表述。
• 行业动态（转引自公开报道，未经独立核实）：中国人民银行副行长陆磊在中国—东盟金融合作与发展论坛上的讲话（2026-09-18，涉及"先外围后核心、先辅助后协同、先对内后对外"应用范式、国家人工智能金融应用中试基地、多语种金融高质量数据集、智能算力安全共享机制、多模态金融垂域大模型矩阵）；新华网《国家人工智能应用中试基地（金融领域）阶段性发布活动启幕》（2026-07-20）及中证网相关报道（涉及"1+6+N"体系、11 个模型、14 个数据集、59 个示范应用、145 项核心资源）；中国金融新闻网《"十五五"时期金融新质创新力研究》（2026-09-17，涉及金融科技竞技场、监管沙盒与"非共识创新"通道、算法权力风险）；《证券日报》关于多地"十五五"专项规划的报道（2026-09-21，涉及《广西金融业发展"十五五"规划》"人工智能+金融"创新高地等）。
• 文中发力框架、可验证性等级表、六项行动清单与 FAQ 为作者基于公开信息的整理，非监管原文表述。

（内容由AI生成，仅供参考）