---
title: "逐段通读新加坡 MAS《人工智能风险管理指引》：六章结构、十三类生命周期控制与草案到终稿的关键转向"
date: "2026-10-15"
description: "新加坡金管局 2026 年 10 月 7 日发布的《人工智能风险管理指引》共六章。本文逐段通读终稿正文及其脚注，对照 2025 年 11 月咨询稿与意见反馈答复，拆解 AI 定义与“影响测试”、董事会与高管职责、识别—清单—重要性评估三件套、十三类生命周期控制及智能体条款，归纳监管取舍逻辑，并给出银行可执行的落地清单。"
tags: ["新加坡MAS", "AI风险管理", "金融监管", "模型风险管理", "第三方AI", "智能体", "银行AI", "风险管理"]
schema_type: "Article"
references:
  - title: "Guidelines on Artificial Intelligence Risk Management for Financial Institutions（指引页面，2026-10-07）"
    url: "https://www.mas.gov.sg/regulation/guidelines/guidelines-on-artificial-intelligence-risk-management-for-financial-institutions"
    source: "Monetary Authority of Singapore（新加坡金融管理局）"
  - title: "Guidelines on Artificial Intelligence Risk Management（终稿 PDF）"
    url: "https://www.mas.gov.sg/-/media/mas-media-library/regulation/guidelines/bd/guidelines-on-artificial-intelligence-risk-management-for-financial-institutions/guidelines-on-artificial-intelligence-risk-management.pdf"
    source: "Monetary Authority of Singapore（新加坡金融管理局）"
  - title: "MAS Sets Out Supervisory Expectations on Responsible AI Adoption by Financial Institutions（新闻稿，2026-10-07）"
    url: "https://www.mas.gov.sg/news/media-releases/2026/mas-sets-out-supervisory-expectations-on-responsible-ai-adoption-by-financial-institutions"
    source: "Monetary Authority of Singapore（新加坡金融管理局）"
  - title: "The MAS AIRG: consultation draft vs final, clause by clause"
    url: "https://quaintitative.com/airg-draft-vs-final/"
    source: "Quaintitative（Gary Ang，曾主导 MAS AI 风险监管，独立解读）"
  - title: "The MAS AIRG: what the consultation feedback changed, and why"
    url: "https://quaintitative.com/airg-response-to-feedback/"
    source: "Quaintitative（Gary Ang，意见反馈答复解读）"
  - title: "The MAS AIRG: what changed"
    url: "https://quaintitative.com/airg-what-changed/"
    source: "Quaintitative（Gary Ang，终稿变化概览）"
# 注：本文件未写入 AIGC 隐式标识块。按现行标识要求，AIGC 元数据需包含 Label、ContentProducer、
#     ProduceID、PropagateID、ReservedCode1、ReservedCode2 等字段，其中 ProduceID / ReservedCode
#     须由标识服务平台逐篇签发，不能由作者或生成工具自行推定或编造。因此本文件暂留空位，须由作者
#     在取得平台签发的标识值后补充完整，方可发布。
---

**MAS 指引终稿共六章，2027 年 10 月 7 日生效：第 3、4 章（治理、识别、清单、重要性评估）自 2027 年适用，第 5、6 章（生命周期控制、能力建设）须于 2028 年 10 月 7 日前达到。**

**最关键的转向是适用门槛：草案的“是否嵌入业务流程”被改为“影响测试”——只有 AI 表现不佳或不可用不太可能造成重大不利影响时，机构才可只执行基础治理政策。**

**风险重要性评估从“逐个模型”改为“以用例为锚”，至少覆盖影响、复杂度、依赖度三个维度；同一个模型放在不同用例里可以得到不同评级。**

**第三方 AI 是全篇收紧最多的部分：机构对外购 AI 承担首要责任，供应商自我声明不算数，剩余风险超出偏好就要限制、暂停或更换供应商。**

**智能体没有单独成章，却散布在定义、风险、清单、测试、监控各段：工具访问权限要入台账，护栏有效性要测试，推理过程和调用工具要监控。**

---

> 素材说明：本文以 MAS 2026 年 10 月 7 日发布的指引终稿为主要对象。由于 MAS 官网在写作时段对自动访问返回维护页，终稿正文（含全部 51 个脚注）系依据来源4 发布的逐段对照稿还原阅读；该对照稿由曾主导 MAS AI 风险监管、现已离职的 Gary Ang 制作，逐段标注终稿段落号与对应草案段落号。MAS 对咨询意见的答复，依据来源5 的逐主题解读。凡来源原文与事实，标注段落号（如 ¶4.12）或来源；凡本文作者的归纳、推论与银行映射，标注“本文分析”。
>
> 本站 2026 年 10 月 10 日已发布一篇概览，侧重四大期望与全球框架横向对照；本文不重复该部分，专注于条文本身的逐段解读。

## 一、文件全貌：六章结构与两段式时间表

终稿由六章组成（来源4）：第 1 章引言（定义、风险类型、生效时间）；第 2 章适用范围（终稿新增，吸收了草案的 ¶1.5–1.6 和附件）；第 3 章 AI 监督（董事会与高管）；第 4 章关键风险管理体系（识别、清单、重要性评估）；第 5 章 AI 生命周期控制；第 6 章 AI 能力与产能。

咨询期为 2025 年 11 月 13 日至 2026 年 1 月 31 日。来源5 记载，MAS 答复的附件 A 列出 95 家具名回复方，另有 40 家要求匿名，涵盖银行、保险、资管、行业协会、咨询公司和技术供应商。

时间安排写在 ¶1.8：指引自 2027 年 10 月 7 日生效，第 3、4 章自该日起适用，第 5、6 章须于 2028 年 10 月 7 日前达到。来源5 特别提示了 MAS 的一句附带要求：**高风险用例的控制应尽早落实，而不是等到 2028 年。**

| 章节 | 核心内容 | 适用时点 |
|---|---|---|
| 第 1 章 引言 | AI 定义、风险类型、生效安排 | — |
| 第 2 章 适用范围 | 影响测试、基础治理政策 | 2027-10-07 |
| 第 3 章 AI 监督 | 董事会 5 项、高管 7 项职责 | 2027-10-07 |
| 第 4 章 关键体系 | 识别、清单、重要性评估 | 2027-10-07 |
| 第 5 章 生命周期控制 | 数据至退役共十三类控制 | 2028-10-07 前 |
| 第 6 章 能力与产能 | 人员能力、技术基础设施 | 2028-10-07 前 |

## 二、范围：什么算 AI，谁可以“只做基础版”

### 2.1 定义：以“学习得来的前提”划界

¶1.3 把 AI 定义为“通过学习得来的前提（如所接收的数据或输入）推导输出的机器系统或模型”，输出包括估计、预测、内容、摘要、建议或决策。完全基于预设程序逻辑或规则的计算工具不算 AI。

脚注 6 给出了举例清单：机器学习（含监督、无监督、强化学习）、深度学习、自然语言处理、计算机视觉、生成式 AI（含大语言模型）、AI 智能体（含多智能体系统）都在范围内；规则系统、输出完全由人工设定公式决定的工具、不具备学习能力的 RPA 一般不算。来源5 补充，MAS 在答复中明确逻辑回归、梯度提升属于 AI，而非由数据推导的蒙特卡洛模拟不属于。

**本文分析**：这意味着银行的传统评分卡如果用逻辑回归拟合，同样落入指引范围；“这只是回归”不能作为豁免理由。

¶1.4 区分了三个层级：**模型**（把假设和输入转化为输出的方法）、**系统**（一个或多个模型加其他组件）、**用例**（模型或系统应用的具体业务场景）。后文大量条款正是按这三层分配义务。

### 2.2 集团适用与本地问责

¶1.2 规定，对受 MAS 并表监管或拥有关键信息基础设施的本地注册机构，指引按集团口径适用（脚注 4 明确包括银行和保险机构）。¶1.5 允许全球集团成员沿用集团框架，但前提是“这些框架满足本指引的期望”。新增的 ¶3.6 进一步要求：即便沿用集团框架，新加坡本地高管仍须负责，须能获得及时的报告与数据、有清晰的本地问题升级路径，并能向 MAS 证明自己如何履行监督职责。

### 2.3 影响测试：全篇最重要的改动

草案曾以 AI 是否“作为业务流程的组成部分”来决定机构适用完整框架还是基础要求。终稿 ¶2.1–2.3 改为：**默认所有机构适用第 3 至 6 章的完整框架；只有当 AI 服务或工具表现不佳或不可用，不太可能对机构、客户或其他利益相关方造成重大不利影响时，才可只执行基础治理政策。** 判断时要考虑对机构的财务、运营、监管、法律、声誉影响，以及对客户在公平、道德和消费者保护方面的影响（¶2.3）。

¶2.4 列出六类通常可走基础路径的用法：辅助起草或润色客户邮件；为内部参考总结文件或会议纪要；为内部参考初审文件；为内部参考生成公式、图表；用图像生成工具设计营销或内部材料；用聊天机器人帮员工查找内部制度。脚注 13 保留一个条件：使用者在使用输出前应审阅和核对。

¶2.5 规定基础治理政策至少包括六项：明确 AI 监督责任（如指定一名高管）；允许与禁止的用途（如禁止把机密或客户信息输入公共 AI 工具）及必须人工复核的情形；经批准的 AI 工具清单及新工具审批流程；员工培训；定期合规检查；定期及触发式复核机构是否仍符合 ¶2.3 的条件。来源5 记载，MAS 在答复中还明确：**即便尚未使用 AI 的机构也需要基础政策**，主要是为了管理影子 AI。

**本文分析**：门槛从“用得深不深”改成“出事后果重不重”，是从技术视角转向风险视角。对银行来说，几乎所有面客、授信、反洗钱、交易相关的 AI 都会落在完整框架内；能走基础路径的，基本只剩“仅供内部参考、人工复核后才用”的办公辅助。

## 三、治理：董事会、高管与本地问责

### 3.1 董事会（或其授权委员会）的五项职责

¶3.4 规定董事会负责：（a）批准并定期审视 AI 风险管理的总体治理方式，包括 AI 使用的战略方向和关键框架；（b）确保 AI 风险被明确纳入风险偏好框架，包括定性表述和适当的定量指标；（c）明确董事会与高管的职责分工；（d）确保自身对 AI 有足够理解，能够有效监督和挑战；（e）定期审视上述安排是否跟上 AI 发展和机构风险状况变化。

脚注 18 给出了风险偏好的示例：定性方面可写明愿意接受的 AI 风险类型与程度、禁止的用途类别；定量方面可设定 AI 相关事件数量或财务影响阈值、依赖单一供应商的重要用例数量、突破性能阈值的重要用例数量。来源5 记载，草案中“在重大时才纳入风险偏好”的限定被删除，**所有 AI 风险都要纳入**；MAS 同时说明，董事会不需要具备动手层面的技术专长，但必须理解到足以挑战的程度，不能以专家意见替代自身判断。

### 3.2 高管的七项职责

¶3.5 列出高管职责：有效实施框架；定期检讨框架有效性；在全生命周期制定策略与控制；明确各条线职责，包括负责识别、清单与重要性评估的控制职能；建立 AI 事件与阈值突破的内部升级流程；及时向董事会报告重大 AI 风险；配备称职人员和充足资源。脚注 20 定义 AI 事件为“底层 AI 系统或模型发生故障、失灵或表现不佳的事件”。脚注 19 以三道防线为参考：一线为开发者与使用者，二线负责独立挑战与验证，三线（内审）提供独立保证。

### 3.3 不强制设 AI 委员会

草案曾要求 AI 风险敞口重大的机构设立专门跨部门委员会，终稿 ¶3.3 删除了这一要求：机构可以新设集中职能，也可以由现有风险职能管理 AI 的增量风险，只要能确保各职能间一致、协调地管理 AI 风险。脚注 16 以跨部门委员会或职能间沟通渠道作为示例。

**本文分析**：MAS 放松的是“形式”，收紧的是“举证”——机构可以不设委员会，但必须能说明自己的结构如何实现统一视图。对银行而言，真正的检验点是：能否在一张表上回答“全行有多少重要 AI 用例、各自风险如何、谁在负责”。

## 四、识别、清单与重要性评估：第 4 章的三件套

第 4 章是 2027 年 10 月就要达到的部分，也是后续所有控制的基础。¶4.1 要求三件事都采用一致、稳健的方法，并按评估出的重要性施加相称控制。

### 4.1 识别：控制职能是“最终裁决者”

¶4.2 要求识别覆盖所有业务与职能条线，并且**至少覆盖重要第三方服务商所提供服务中内嵌或用于交付服务的 AI**。脚注 21 举例：并未以 AI 名义销售、但含有 AI 功能的 SaaS 也在其内。¶4.3 规定识别可由业务部门执行，但须指定一个控制职能保持独立监督，并作为“某项用途是否构成 AI 的最终裁决者”。

新增的 ¶4.4 直面现实：机构应确保**未被识别的 AI 使用所带来的剩余风险**仍在风险偏好之内；如因供应商披露不足或影子 AI 而无法全面识别，应识别由此产生的风险并采取缓释措施。脚注 22 列举了缓释手段：明确告知员工允许与禁止的 AI 用途（包括内嵌 AI 功能和公共 AI 工具），以及升级网络监控、数据防泄漏等技术控制。

### 4.2 清单：可以“尽可能准确”，但必须能互相关联

¶4.5–4.6 要求在可能或可行的范围内维护准确的 AI 清单，自定更新频率，可扩展现有清单或单独建立。清单须与机构其他清单建立关联，脚注 23 举例：使用一致的数据资产标识关联数据目录，使用一致的供应商标识关联第三方或外包登记册。

¶4.7 列出可采集的属性：用途与描述、批准的使用范围（如法域）、模型类型、所用数据、依赖关系、生命周期状态、风险重要性评级、模型审查状态、关键角色（如负责人、开发者）、关键文档链接。脚注 25 专门为智能体补充：**智能体专属标识、可访问的工具与系统、其组成部分、为管控风险施加的护栏**。

### 4.3 重要性评估：以用例为锚的三个维度

¶4.10 要求按用例评估风险重要性，同时考虑所用系统和模型的风险；脚注 26 补充要考虑支撑或交互该用例的系统、模型之间的依赖。¶4.11 要求同时评估**固有风险**（施加控制前）和**剩余风险**（施加控制后），剩余风险须在部署前满足风险偏好。

¶4.12 规定至少三个维度：

1. 影响：AI 失败、失灵或表现不佳对机构（财务、运营、监管、声誉）和客户（公平、道德、消费者保护）的后果，以及所处理数据的性质与敏感度。
2. 复杂度：技术性质、应用新颖程度、所用数据、输出的可解释性；对第三方 AI，还要考虑机构对其技术与数据的可见程度。
3. 依赖度：相关决策或输出对 AI（含第三方 AI）的依赖程度，包括授予的自主程度以及人工参与或监督的程度。

来源5 记载了 MAS 答复中的三点澄清：不规定三个维度的合成公式或“高风险”的统一阈值；对技术不熟悉或对第三方模型缺乏可见性的机构，可以合理地把复杂度评得更高、测得更严；**专属于高重要性 AI 的控制，按固有风险而非剩余风险触发**。¶4.13 规定由控制职能制定评估框架，并裁决或批准各用例的评级。

**本文分析**：“按固有风险触发”这一点很容易被忽略，却决定了工作量。它意味着银行不能通过“我们已经加了人工复核”把一个授信模型降级为非高风险，进而绕开独立验证和应急预案；人工复核只影响剩余风险是否可接受，不影响该用例是否需要高风险级别的控制。

## 五、十三类生命周期控制：第 5 章逐类拆解

¶5.1 要求覆盖用例、系统或模型从构想到退役的全生命周期（脚注 27 引用 ISO/IEC 22989 的定义）。¶5.2 允许按重要性相称实施；因供应商披露不足等现实约束无法实施时，应识别风险并采取限制使用等缓释措施。脚注 28 专门规定了试点和分阶段上线：可以偏离标准控制，但须有明确政策，如时间与用户限制、成功标准、严密监控和范围合规。

| 控制类别 | 条文 | 最值得注意的要求 |
|---|---|---|
| 应急预案 | ¶5.3 | 高风险用例须有回退方案，并在多种运行条件下测试可行性 |
| 数据管理 | ¶5.4 | 适用性、代表性、质量、分类、安全、隐私、可审计与血缘七项 |
| 透明与可解释 | ¶5.5–5.6 | 程度随用例重要性而定，并考虑受众需要 |
| 公平 | ¶5.7–5.8 | 机构自行定义“公平”，开展公平性评估并记录 |
| 人工监督 | ¶5.9 | 关注自动化偏差与决策疲劳，监督者须有权干预 |
| 第三方 AI | ¶5.10–5.11 | 首要责任在机构，自我声明不算数，八项评估事项 |
| 选型 | ¶5.12–5.13 | 选择更复杂的模型须记录理由并权衡幻觉等风险 |
| 评估与测试 | ¶5.14–5.15 | 设定可量化阈值，生成式与智能体须测护栏有效性 |
| 技术与网络安全 | ¶5.16 | 网络隔离、最小权限、插件与 API 管控 |
| 可复现与可审计 | ¶5.17 | 独立第三方能理解并复现评估测试过程 |
| 部署前审查 | ¶5.18–5.22 | 高重要性用例须正式独立验证，另需安全审查与红队 |
| 部署后监控 | ¶5.23–5.24 | 分级阈值、漂移监测、事件管理、高风险设“熔断开关” |
| 变更与退役 | ¶5.25–5.26 | 按变更性质分级，自动更新须从严，退役须安全移除 |

以下选取对银行影响最大的六类展开。

### 5.1 数据管理：把“压力情景”写进代表性

¶5.4 的七项要求中，代表性要求训练和测试数据覆盖 AI 实际使用的一系列真实条件，**包括压力条件**；数据质量要求定期监测异常、漂移和潜在偏差；数据安全要求在退役或不再需要时及时销毁或脱敏训练数据、模型制品和输出；可审计要求记录数据来源、选择、处理与血缘，以及如何判定数据适用且具代表性。¶5.4 还要求检查现有数据治理能否应对 AI 数据的种类与体量。

### 5.2 人工监督：把“自动化偏差”列为风险

¶5.9 要求监督程度与用例重要性相称，并**明确要求考虑随着 AI 速度与规模增加而出现的自动化偏差和决策疲劳**。四个要点是：职责与升级流程、监督人员的能力与干预权、从设计之初就支持人工监督（包括在满足预设可靠性或准确性条件时把输出升级给人工复核）、记录并定期复盘人工监督决定与干预（包括事件和未遂事件）。脚注 37 说明，无论是“人在回路中”还是“人在回路上”，只要机构评估认为需要人工参与，均适用。

**本文分析**：这一条对“人工复核”这种常见控制提出了质疑——如果复核人每天要看数千条 AI 建议，复核本身就会流于形式。银行需要用抽检复盘、分歧率统计等方式证明人工监督是有效的，而不只是存在的。

### 5.3 第三方 AI：全篇收紧最多的一段

¶5.10–5.11 明确：**使用第三方 AI 最终是机构自己的决定，机构对其使用承担首要责任**，包括对利益相关方的影响和对合规能力的影响。合同须让机构以与风险相称的程度看到 AI 的引入及后续更新；机构须在自身用例中（包括使用自有数据）测试第三方 AI，并以补偿性测试弥补供应商披露不足；须记录如何测试并判定其适用。如剩余风险无法控制在风险偏好内，应考虑**限制或暂停该服务，或更换供应商**。

评估事项共八项：第三方 AI 透明度、供应链评估（含开源模型的来源与训练数据完整性）、集中度风险、变更管理、应急预案、法律协议（如性能保证、数据保护、审计权、引入或更新 AI 时的通知、引入 AI 前征得机构同意）、员工能力、复杂度。关于透明度不足，¶5.11(a) 允许参考**独立且称职的第三方**出具的认证或外部评估，并在括号中写明“不是自我声明”。脚注 38 规定，机构对第三方 AI 进行修改或微调时，开发环节的控制同样适用。

来源5 记载的答复要点：对“知名供应商”不设安全港；机构无需追踪每一次更新，但合同须让其看到可能影响性能或风险的变化，若供应商可在未经事先审查的情况下更新模型，应采取加强监控等补偿控制；AI 重要性按用例评估，与外包重要性不是一回事，第三方 AI 不会自动成为重大外包安排，两套框架需结合使用。

### 5.4 评估测试与部署前审查：护栏要被测试，不只是被列出

¶5.14 要求识别关键风险并设定清晰、可量化的阈值，阈值须由业务负责人、开发者和审查者共同商定并记录；测试方法列举了样本外与跨时间测试、敏感性分析、稳定性分析、子群体分析、压力测试（含边缘情形和对抗测试）、误差分析和基准比较。¶5.15 新增要求：**生成式 AI 与智能体的测试须覆盖其关键失败模式以及相应护栏的有效性**。脚注 46 点名生成式 AI 要重点测试幻觉、有害或偏见内容、数据泄露和对抗攻击。

¶5.19 规定高重要性用例部署前须接受**正式独立验证**，验证者须独立于开发与部署团队，并对开发者形成有效挑战，覆盖设计的概念合理性、数据适用性与质量、实施完整性、评估测试结果、可解释性与公平性、假设与局限。¶5.20 允许非高重要性用例采用同行评审等其他书面审查。¶5.22 还要求部署前的技术与网络安全审查，包括按最小权限原则审查 API、插件和第三方服务，上线前完成检查清单，并开展漏洞评估、渗透测试和红队演练。

### 5.5 部署后监控：把智能体的“推理与行动”纳入监控

¶5.23 要求对所有已部署 AI（含第三方 AI）持续监控，频率和强度与重要性相称。监控指标可包括稳健性、稳定性、数据质量、公平性，并考虑设置**分级阈值（如预警线）**；须检测数据漂移、概念漂移和整体模型漂移；**在相关情况下，还应监控使用 AI 的工作流中的信息流与决策路径，如推理过程、采取的行动、使用的工具**。高重要性 AI 应考虑设置“熔断开关”或覆盖机制（脚注 29 解释为在超出风险容忍度时迅速停用 AI 的机制）。文档方面，对生成式 AI 或智能体可考虑记录提示词与模型响应、适用的模型版本和推理过程。

¶5.24 删除了草案中的全组合层面定期审视，改为按用例重要性确定复检频率；高重要性用例须定期由独立方复检。触发复检的情形包括：相互关联的 AI 系统出现问题、监控告警、重大变更，以及监管或技术环境出现新风险。

### 5.6 变更管理：自动更新须从严

¶5.25 要求建立按变更性质和用例重要性判断变更重要程度的框架（脚注 49 列举训练数据、架构、关键假设、使用范围、对下游系统的影响），重大变更须在实施前重新审查和审批；对**可能在未经事先审查的情况下发生重大变更**的高重要性用例，须采取加强监控等补偿控制。版本控制不仅要覆盖代码，还要覆盖数据、参数、超参数等关键制品，支持回滚。对设计为自动更新的 AI，须有严格的启用理由，明确哪些可自动更新（如重新训练、调整超参数）、哪些不可以（如核心架构）。¶5.26 要求退役时考虑依赖关系、数据保留、安全移除和利益相关方通知。

## 六、能力与基础设施：使用者也要“称职”

¶6.1 把能力要求从开发和部署人员扩展到**使用 AI 的人员**，资源配置与用例风险状况相称。来源5 记载，MAS 在答复中明确 AI 培训与能力建设是监管期望，而不仅仅是良好实践。¶6.3 要求技术基础设施（如 GPU、网络、内存、安全数据管道）满足性能、可扩展性和韧性需要，并参照科技风险管理指引。

## 七、从草案到终稿：放松了什么，收紧了什么

| 方向 | 条款变化 | 依据 |
|---|---|---|
| 放松 | 删除强制设立跨部门 AI 委员会 | ¶3.3、脚注 16 |
| 放松 | 清单只需“在可能或可行范围内”准确 | ¶4.5 |
| 放松 | 删除“证明（attestation）流程”的具名要求 | ¶4.3、¶4.9、¶4.13 |
| 放松 | 删除全组合层面的定期汇总审视 | ¶5.24 |
| 放松 | 时间表改为 12 个月加 24 个月两段 | ¶1.8 |
| 收紧 | 适用门槛改为影响测试，完整框架成为默认 | ¶2.1–2.3 |
| 收紧 | 所有 AI 风险纳入风险偏好，删除“重大时”限定 | ¶3.4(b) |
| 收紧 | 董事会须批准 AI 使用的战略方向 | ¶3.4(a) |
| 收紧 | 识别须覆盖供应商内嵌 AI 和影子 AI | ¶4.2、¶4.4 |
| 收紧 | 第三方 AI 首要责任、自我声明不算数 | ¶5.10–5.11 |
| 收紧 | 生成式与智能体须测试护栏有效性 | ¶5.15 |
| 新增 | 集团适用与本地高管问责 | ¶1.2、¶3.6 |

来源5 的作者给出的概括是：MAS 在负担过重或难以执行的地方让步，在原则性问题上坚持。**本文分析**：放松的几乎都是“形式与流程”（委员会、证明流程、固定频率），收紧的几乎都是“范围与责任”（谁要遵守、谁来负责、外包出去的风险算谁的）。这是一种典型的结果导向监管：机构可以自选做法，但必须能证明有效。

## 八、智能体条款汇编

终稿没有为智能体单设一章，相关要求分散在各处（本文汇总）：

| 环节 | 条文 | 对智能体的要求 |
|---|---|---|
| 定义 | 脚注 6 | AI 智能体（含多智能体系统）明确在范围内 |
| 风险 | ¶1.11 | 工具访问可能导致未授权或错误行动，被攻陷可大规模外泄数据 |
| 参考框架 | 脚注 11 | 可参考 IMDA《智能体 AI 治理示范框架》 |
| 清单 | 脚注 25 | 记录智能体标识、可访问工具与系统、组件、护栏 |
| 测试 | ¶5.15 | 覆盖关键失败模式与护栏有效性 |
| 监控 | ¶5.23(a) | 监控推理过程、采取的行动、使用的工具 |
| 文档 | ¶5.23(d) | 可记录提示词、响应、模型版本与推理过程 |
| 第三方 | 脚注 40 | 首次使用外部智能体时需更详尽的测试与安全检查 |

来源5 记载，MAS 在答复中澄清风险讨论旨在提高认识，并不限制任何 AI 技术或用例，只要风险在机构偏好范围内得到处理；MAS 计划另行就智能体专项指引征求意见。

**本文分析**：¶1.11 把智能体风险界定为“预设目标与智能体如何把目标转化为行动之间的偏离”，这为银行设计智能体控制指明了重点——不只是审核输出，而是约束和记录**行动**：它能调用哪些工具、每次调用是否在授权范围内、能否事后完整重建它为什么这么做。

## 九、对我国银行的启示（本文分析）

**本节全部为本文分析**，MAS 指引仅适用于新加坡金融机构。我国银行如在新加坡设有机构，需直接对照执行；其他银行也可将其作为成熟的参照框架。

1. **先做“三件套”，再谈生命周期。** MAS 把识别、清单、重要性评估放在第一阶段，是因为没有这三件事，后续控制无从分级。建议银行以用例为单位建台账，字段参照 ¶4.7 与脚注 25，并通过统一的供应商标识与外包登记册打通，便于看清单一供应商集中度。
2. **用“影响测试”重新划分低风险清单。** 把“仅供内部参考、人工复核后使用”的办公辅助单独归类，执行基础政策；其余一律进入完整框架。避免把面客、授信、反洗钱相关的 AI 以“只是辅助”为由降级。
3. **高风险控制按固有风险触发。** 授信、定价、反洗钱监测、面客建议等用例，即使已有人工复核，也应按高风险安排独立验证、应急预案和熔断机制。
4. **重写第三方 AI 合同条款。** 参照 ¶5.11(f)，在采购合同中加入引入或更新 AI 时的通知义务、引入前征得同意、审计权、性能保证和数据保护条款；对无法提供独立评估的供应商，以自有数据开展补偿性测试并留档。
5. **证明人工监督有效。** 统计复核人员与 AI 建议的分歧率、复核耗时和抽检差错率，用数据回应 ¶5.9 对自动化偏差与决策疲劳的关注。
6. **智能体平台预埋三类能力。** 工具调用的授权清单、行动级日志（可重建推理与调用过程）、可一键停用的熔断开关。这三项同时覆盖了 ¶5.23 的监控与文档要求和脚注 25 的清单要求。

| 时间窗口 | 建议完成事项 |
|---|---|
| 当前至 2027 年 4 月 | 发布 AI 定义与识别规则，完成首轮用例盘点与影子 AI 排查 |
| 2027 年 4 月至 10 月 | 董事会批准治理方式与风险偏好，完成重要性评估方法与首轮评级 |
| 2027 年 10 月起 | 第 3、4 章正式适用；高风险用例优先补齐验证、应急与监控 |
| 2028 年 10 月前 | 第 5、6 章全面达标，完成第三方合同重签与人员培训 |

## 十、局限与待观察

第一，指引是监督期望而非法规，具体执行口径将体现在 MAS 的日常监管中。第二，MAS 没有规定重要性评估的合成公式和“高风险”阈值，各机构的评级尺度可能差异很大，后续是否会出现行业基准值得观察。第三，智能体专项指引尚在规划中，本文汇编的智能体条款只是现阶段的最低要求。第四，本文对终稿正文的阅读依赖来源4 的逐段还原，如有出入，以 MAS 官网原文为准。

延伸阅读：[新加坡 MAS 落地 AI 风险管理指引：四大期望、一年过渡期与全球四大监管框架横向对照](https://bi-chao.com/articles/mas-ai-risk-management-guidelines-2026)。

## 常见问题

Q: MAS 指引什么时候开始适用？

A: 指引于 2027 年 10 月 7 日生效。第 3、4 章（治理、识别、清单、重要性评估）自该日起适用，第 5、6 章（生命周期控制、能力建设）须于 2028 年 10 月 7 日前达到（¶1.8）。MAS 同时提示高风险用例的控制应尽早落实（来源5）。

Q: 哪些机构可以只执行基础治理政策？

A: 只有当所用 AI 表现不佳或不可用，不太可能对机构、客户或其他利益相关方造成重大不利影响时（¶2.3）。典型例子是仅供内部参考、经人工复核后才使用的起草、总结、制图等辅助用途（¶2.4）。

Q: 外购的 AI 出了问题，责任在供应商还是银行？

A: 指引明确使用第三方 AI 是机构自己的决定，机构承担首要责任（¶5.11）。供应商的自我声明不能替代独立评估；剩余风险超出风险偏好时，机构应限制、暂停或更换供应商。

Q: 加了人工复核，能把高风险用例降为低风险吗？

A: 不能。据来源5 记载的 MAS 答复，专属于高重要性 AI 的控制按固有风险触发；人工复核影响的是剩余风险能否接受，而不是该用例是否需要独立验证、应急预案等高风险控制。

## 事实来源

1. **MAS 指引页面**（来源1，官方）：2026 年 10 月 7 日发布；适用于所有金融机构和全部 AI 形态；2027 年 10 月 7 日生效。
2. **MAS 指引终稿 PDF**（来源2，官方）：六章正文与 51 个脚注，本文段落号均指终稿编号。
3. **MAS 新闻稿**（来源3，官方）：四项监督期望；分阶段实施；指引与意见反馈答复同时发布。
4. **Quaintitative《The MAS AIRG: consultation draft vs final, clause by clause》**（来源4，独立解读）：终稿逐段与脚注全文，以及与草案的逐字对照和变化说明。
5. **Quaintitative《The MAS AIRG: what the consultation feedback changed, and why》**（来源5，独立解读）：MAS 意见反馈答复的逐主题梳理；95 家具名与 40 家匿名回复方；按固有风险触发；不设安全港等澄清。
6. **Quaintitative《The MAS AIRG: what changed》**（来源6，独立解读）：终稿相对草案的主要变化概览。

**本文推论部分（非来源表述）**：各节“本文分析”段落、第七节最后一段、第八节汇编表的归纳方式与最后一段、第九节全部内容、第十节第二至第四点。

**本文不构成监管要求、合规意见或法律意见。**

*（内容由AI生成，仅供参考）*