人工智能融合金融服务，金融生活走向完全自动化
文/陈根
随着科技创新力量的不断迸发，以科技推动产业发展、加快经济社会数字化转型升级成为全球共识。
其中，金融科技化成为社会的新近关切。金融与科技相互融合，创造出新的业务模式、应用、流程和产品，催生出新的客户关系，对金融机构、金融市场、金融服务产生了深刻影响。金融科技更因为互联网巨头的入局与布局，在过去的2020年被持续热议。
金融科技的发展离不开底层技术的发展，而人工智能则作为新一轮科技革命和产业变革的重要驱动力量，在金融科技化的过程中发挥着无可替代的作用。可以说，人工智能技术与金融业深度融合是金融科技大方向所指，用机器替代和超越人类部分经营管理经验与能力也将引领未来的金融模式变革。
智能金融是金融科技发展的高级形态，是在数字化基础上的升级与转型，是未来发展趋势，也将成为金融业的核心竞争力所在。但在智能金融引领金融生产根本颠覆的同时，也不断挑战着社会既有的法律、伦理和秩序，且亟待回应。
智能金融引领金融生产根本颠覆
当下，人工智能已经嵌入社会生活的各个方面，更是与金融具有天然的耦合性。智能金融的发展将有利于国家抢抓人工智能发展机遇，占领技术制高点，尤其是金融业的特殊性，势必对人工智能技术提出新的要求和挑战，以此来推动我国人工智能技术的突破与升级，提高技术转化效率。人工智能融合金融意义不言而喻。
与此同时，人工智能技术综合运用金融科技的大数据、云计算、区块链等技术，为未来金融业发展提供无限可能，是对现有金融科技应用的进化与升级，对金融业发展将会产生颠覆性变革。
智能金融的发展将有利于加强金融行业的适应性、竞争力和普惠性，极大地提高金融机构识别和防控风险的能力和效率，推动我国金融供给侧结构性改革，增强金融服务实体经济和人民生活的能力。
此外，相比互联网金融、金融科技，智能金融更具革命性的优势还在于对金融生产效率的根本颠覆。人工智能固然要高度依赖大数据与云计算，但是与数据深度挖掘运用不同，人工智能技术系统是用传感器来模仿人类感官获取信息与记忆，用深度学习和算法来模仿人类逻辑和推理能力，用机器代替人脑对海量数据快速处理，从而超越人脑的工作。这也将更精准高效地满足各类金融需求，推动金融行业变革与跨越式发展。
从现阶段智能金融的发展来看，在前台应用场景里，人工智能已然朝着改变金融服务企业获取和维系客户的方式前进。尽管金融服务企业已经在数据的使用上进行了有效的尝试，但人工智能依然为市场的重大创新提供了机会，包括智能营销、智能客服，智能投顾等。
比如，智能投顾就是运用人工智能算法，根据投资者风险偏好、财务状况和收益目标，结合现代投资组合理论等金融模型，为用户自动生成个性化的资产配置建议，并对组合实现持续跟踪和动态再平衡调整。目前，全国范围内，智能投顾已有试点，全面推广则有待继续探索。
相较于传统的人工投资顾问服务，智能投顾具有不可比拟的优势：一是能够提供高效便捷的广泛投资咨询服务；二是具有低投资门槛、低费率和高透明度；三是可克服投资主观情绪化，实现高度的投资客观化和分散化；四是提供个性化财富管理服务和丰富的定制化场景。
人工智能不仅仅适用于前台工作，它还为中台和后台提供了令人兴奋的变化。其中，智能投资初具盈利能力，发展潜力巨大。一些公司运用人工智能技术不断优化算法、增强算力、实现更加精准的投资预测，提高收益、降低尾部风险。通过组合优化，在实盘中取得了显著的超额收益，未来智能投资的发展潜力巨大。
智能信用评估则具有线上实时运行、系统自动判断、审核周期短的优势，为小微信贷提供了更高效的服务模式，也已在一些互联网银行中应用广泛。智能风控则落地于银行企业信贷，互联网金融助贷，消费金融场景的信用评审，风险定价和催收环节，为金融行业提供了一种基于线上业务的新型风控模式。
尽管人工智能融合金融目前整体仍处于“浅应用”的初级发展阶段，以对流程性、重复性的任务实施智能化改造为主，但人工智能技术应用在金融业务外围向核心渗透的阶段，其发展潜力已经彰显，而工智能技术的进步必然在未来带来客户金融生活的完全自动化。
风险与挑战，回应和倡议
人工智能融合金融让原有的金融服务体系进入从“人”服务到“机器”服务的时代，但智能金融在给行业带来无尽惊喜与期望的同时，也不断挑战着既有的法律、伦理和秩序。
比如，由于数据质量或算法的瑕疵引起投资者亏损的可能。其中，智能金融依赖于算法，而算法出现的过度拟合等程序性错误则可能引发蝴蝶式效应，造成系统性风险。
与此同时，智能金融的“尾部效应”和“网络效应”，使得金融机构增强获客能力、提高风控水平、降低成本，但两个效应叠加增加了金融体系的复杂性，将有可能放大风险的传染性和影响面，诱发更大的“羊群效应”，并且放大金融的顺周期性。
此外，金融决策依托于对大数据的智能处理，个人投资信息或敏感的公司数据的泄漏风险，却令个人隐私保护和数据安全问题凸出。算法的不透明性则带来歧视性的可能，当数据不完整、不具代表性、出现偏差时，则会影响决策结果。因此，金融机构有义务了解人工智能系统以及可能对客户产生的潜在负面影响，并要为算法造成的歧视承担责任。
面对智能金融应用带来的问题，需要政府、市场及社会形成多元、多层次的治理合力，降低智能金融的风险，最大程度促进人工智能技术带来的生产力解放，享受科学与理性决策的成果。
一方面，智能金融需遵守人工智能治理的一般原则，同时要考虑金融领域应用的特殊性，坚持创新应用与风险防范并重。一是要鼓励支持人工智能技术与金融产业模式的创新，二是要采取有效的监管措施。
从2019年至今，中国人民银行和中国银保监会发布的涉及人工智能在金融领域应用的相关政策和指导意见中，政策方向主要集中于监管收紧、技术促进和中小微企业贷款服务三方面。事实上，近年来，金融业务触网程度不断加深，业务场景日趋复杂，边界逐渐淡化，在繁荣发展的同时也为金融监管带来了挑战。P2P行业暴雷后，监管部门更加坚定了监管愈严的大方向。
同时，本着“堵不如疏”的原则，在监管力度加大的同时，监管创新也在跟进。2020年1月，人民银行发布了《金融科技创新监管试点应用公示（2020年第一批）》，以“监管沙盒”的形式通过沙盒工具，在模拟场景中对人工智能、区块链等技术以及银行API接口开放等模式，在金融业务中的应用进行弹性监管实验，降低了运营风险和技术不确定性带来的隐患，以试错的方式探寻金融科技下的监管更优解。
从趋势上看，监管仍将坚持收紧和创新两手抓的方针，对金融科技公司的业务范畴、数据规范等保持严格的监督，对新技术、新模式持有审慎的态度。科技公司将脱离金融服务业务，更加聚焦于技术输出，而市场与监管脱节的洪荒时代也一去不复返。
另一方面，目前全球许多机构都已经开始研究相应的对策以应对智能金融的伦理问题。美国银行成立委员会研究如何保证用户隐私。谷歌建议采用以人为中心的设计方法，使用多种指标来评估和监控，并广泛检查数据情况，以发现可能的偏差来源。加拿大财政部发布指导文件概述了使用人工智能的质量、透明度和公共问责制。
智能金融的发展需要明确的指导方针和保障措施，以确保该技术的合理开发和使用，包括算法公平性和可解释性，稳健性等。
智能金融应用机构必须确保负责处理数据或开发、验证和监督人工智能模型的员工拥有有效的资格和经验，了解数据中可能存在的社会和历史偏差以及如何充分纠正这些偏差。金融机构还需构建内部政策和管理机制，以确保算法监控和风险缓解程序足够和透明，定期审查和更新。
金融服务的未来在于其充分应用并受益于新技术的能力。人工智能是一项新技术，它将使金融服务企业的前台和后台都产生颠覆性的变化，在金融市场的结构和监管方面产生重大转变，并在社会伦理道德方面提出急需解决的重大挑战。
理解和接受人工智能必然要经历一个长期的螺旋上升的过程，这是一段受经济、社会以及政治变革影响的过程，也是一段没有任何一家企业可以独自完成的过程。因此，唯有协作努力才能战胜这些挑战，才能解锁人工智能可以为企业和社会所带来的最大利益。
五个应用案例告诉你, 人工智能在金融行业做什么
银行、保险、互联网金融等领域的售前电销、售后客户咨询及反馈服务频次较高，对呼叫中心的产品效率、质量把控以及数据安全提出严格要求。智能客服基于大规模知识管理系统，面向金融行业构建企业级的客户接待、管理及服务智能化解决方案。在与客户的问答交互过程中，智能客服系统可以实现“应用-数据-训练”闭环，形成流程指引与问题决策方案，并通过运维服务层以文本、语音及机器人反馈动作等方式向客户传递。此外，智能客服系统还可以针对客户提问进行统计，对相关内容进行信息抽取、业务分类及情感分析，了解服务动向并把握客户需求，为企业的舆情监控及业务分析提供支撑。据统计，目前金融领域的智能客服系统渗透率预计将达到20%-30%，可以解决85%以上的客户常见问题，针对高频次、高重复率的问题解答优势更加明显，缓解企业运营压力并合理控制成本。
03
智能营销
改变传统营销模式，提供个性化营销服务
营销是金融业保持长期发展并不断提升自身实力的基石，因此营销环节对于整个金融行业的发展来说至关重要。传统的金融营销渠道主要还是以实体网点、电话短信推销、地推沙龙等方式将金融相关产品销售给潜在客户，这些营销方式容易产生对于市场需求的把握不够精准、使得客户产生抵触情绪，同时标准化的产品以群发的方式进行推送也无法满足不同人群的需要。智能营销主要通过人工智能等新技术的使用，对于收集的客户交易、消费、网络浏览等行为数据利用深度学习相关算法进行模型构建，帮助金融机构与渠道、人员、产品、客户等环节相联通，从而可以覆盖更多的用户群体，为消费者提供千人千面、个性化与精准化的营销服务。智能营销为金融企业降低了经营成本，提升了整体效益，未来在此领域仍需注意控制推送渠道、适度减少推送频率、进一步优化营销体验。
04
智能投研
克服传统投研模式弊端，快速处理数据并提高分析效率
当前，中国资产管理市场规模已超过150万亿元，发展前景广阔，同时也对投资研究、资产管理等金融服务的效率与质量提出了较高要求。智能投研以数据为基础、算法逻辑为核心，利用人工智能技术由机器完成投资信息获取、数据处理、量化分析、研究报告撰写及风险提示，辅助金融分析师、投资人、基金经理等专业人员进行投资研究。智能投研能够构建百万级别的研究报告知识图谱体系，克服传统投研流程中数据获取不及时、研究稳定性差、报告呈现时间长等弊端，扩大信息渠道并提升知识提取及分析效率，在文本报告、资产管理、信息搜索等细分领域形成广泛应用。智能投研的终极目标是实现从信息搜集到报告产出的投研全流程整合管理，基于更加高效优化的算法模型与行业认知水平，形成横跨不同金融细分领域的研究体系与咨询建议，并在金融产品创新设计方面提供服务支撑。
05
智能投顾
聚焦个人理财投资，有效降低交易成本并提升服务体验
智能投顾的概念始于2010年兴起的机器人投顾（Robo-Advisor）技术，2014年进入中国市场后，经历技术的不断升级与服务模式的逐步创新，渐渐为市场与公众所熟知并接受。根据预测，2019年中国智能投顾市场规模将达到642.9亿元，未来几年都将呈现快速增长的态势。
智能投顾按照投资期限、风险偏好、回报预期等维度，运用人工智能相关技术形成个性化的资产配置方案，同时辅以营销咨询、资讯推送等增值服务，相较于传统理财管理费率普遍降低80%，智能投顾在应用落地过程中不仅需要良好的算法平台与技术体系作支撑，更需要对大量行业与用户行为数据进行收集处理，国内互联网科技巨头与金融机构分别在技术端和数据端发力，结合各自优势推出符合中国客户的个性化产品。
和美人工智能平台是针对金融机构特点开发的一站式AI平台，助力金融/银行/企业快速、低成本构建AI应用和服务。提供海量数据预处理、大规模分布式模型训练、自动化模型生成及可视化数据标注功能、全面提升企业AI解决能力。支持Spark，TensorFlow，Keras，MxNet，Caffe等多种主流开源框架,帮助银行企业实现人工智能转型升级。
目前，和美信息人工智能平台方案已经在众多金融机构中实现了部署和应用，不仅带来了巨大效益也帮助他们构建了面向智能应用的高效IT基础设施，满足当下业务需求，提高客户使用效率与服务满意度的同时，重建新型商业逻辑，推动双方价值资源共享，逐步形成人工智能+金融行业的生态与市场格局。
和美信息您的金融电子化伙伴返回搜狐，查看更多
“人工智能＋金融监管”：试论金融科技监管的转型与重塑
作者周温涛系同济大学法学院硕士研究生。
内容摘要
金融科技的“颠覆性创新”推动了新时代金融业的转型升级，也预示着传统金融监管将迈向新的范式。技术驱动的金融创新容易引发技术风险、信息风险与合规风险。通过人工智能为金融科技监管赋能，可以打造技术驱动型监管科技，实现金融监管的转型与重塑。借鉴互联网金融监管和证券监管领域的实践经验，不难发现，人工智能在识别和应对系统性金融风险中更具优势。因此，应当探索技术治理与法律规制相结合的、人工智能技术驱动型的金融科技监管新范式，实现法律与技术的优势互补，从而实现金融科技的有效监管。
关键词：人工智能金融科技监管科技机器学习技术治理
引言：“人工智能＋金融监管”的提出
金融科技(Fintech)通过技术手段推动金融的“颠覆性创新”，实现了从互联网金融为代表的金融科技初级阶段到大数据、云计算、区块链以及人工智能为代表的金融科技高级阶段的跨越。技术驱动的金融创新冲击了传统的金融市场格局，为金融监管带来了巨大挑战。由此，监管科技(Regtech)应运而生。随着人工智能的理论和应用技术的日益完善，人工智能逐渐渗透到金融领域，其固有价值逐渐被人们发掘。人工智能通过机器学习实现知识体系的实时更新，可以创建标准化数据报告，也可以发出风险预警信号，从而提高监管能力，降低合规风险。人工智能在金融监管中的应用转变了现行金融监管范式，为解决监管滞后探索了新的路径。
“人工智能＋金融监管”的新型监管范式的实践探索正处于爆发期。澳大利亚证券及投资委员会(ASIC)、新加坡货币当局(MAS)、美国证券交易委员会(SEC)等国际监管机构都尝试适用人工智能进行可疑交易识别，通过分析用户的交易轨迹、行为特征及关联信息更准确地打击金融犯罪活动。金融稳定理事会(FSB)于2017年发布«人工智能及机器学习在金融服务市场的发展对金融稳定的影响»认为应当提升人工智能和机器学习技术应用的可解释性，加强对相关创新的检测和评估。国务院«新一代人工智能发展规划»将金融列为人工智能应用试点的重要行业之一。工信部印发的«促进新一代人工智能产业发展三年行动计划(2018-2020年)»明确将大力拓展视频图像身份识别系统在金融领域的应用。但我们应当清醒地认识到，就目前而言，人工智能的应用尚未上升到监管科技的层面，更多的是行业探索和试点性实践。然而，随着技术能力和数据资源的加速累积，巨大的应用需求和开放的市场环境有机结合，人工智能研究及应用爆发式增长。可以预见的是，未来人工智能必然成为推动金融科技监管转型的”标配”。基于此，相关制度应当作出调整，适应人工智能对金融监管模式的转型与重塑。
一
金融科技的风险识别与监管挑战
由于建立在云计算、人工智能等技术的基础之上，金融科技兼具金融和科技的双重属性，由此也形成了二者交织混合的风险特性。金融科技的开放性、互联互通性、科技含量更高的特征，使得金融风险更加隐蔽，信息科技风险和操作风险问题更为突出，潜在的系统性、周期性风险更加复杂。由此，应当通过人工智能技术透视金融科技发展所面临的风险与挑战，从而在制度机制的构建上予以保护。
(一)风险识别
金融科技提高了金融机构的资源配置效率，使资金的提供者与需求者之间的连接费用大幅下降。但技术驱动的金融创新容易引发合规风险，科技的引入也使得金融、技术的风险更容易产生叠加效应，如此前的Ｅ租宝事件、俄罗斯ＭＭＭ金融互助社区的网络攻击事件等。故而应当正视其存在的风险，进而探寻人工智能与金融监管的深度融合。
第一，技术风险。金融科技的应用场景以信息技术为基础，其交易参数的设置、交易系统的操作等都隐藏着技术型风险。技术本身的缺陷可能导致系统无法正常运行，或引发数据泄露、身份识别不能等风险，如日本的Coincheck事件、Mt.Cox遭受攻击事件等，造成了难以估量的损失。当出现技术性失误且未被及时发现时，系统本身又缺乏自我更正错误的能力，按照这种错误继续执行，则需要付出更大的成本来修正所带来的负面影响。
第二，信息风险。我国互联网金融存在严重的信息不对称问题，金融机构与金融消费者之间、金融监管机构与金融机构之间的信息不对称性导致了金融科技的信息风险。金融消费者由于处于信息资源获取的劣势地位，在金融交易中更容易遭受损害，且难以有效维权。人工智能”去中心化”的信任机制虽然在一定程度上缓解了信息不对称所引发的市场低效，但也衍生出其他问题：一是科技的反匿名化隐藏着信息泄露的风险，从而可能导致金融消费者受到差异化待遇；二是随着金融科技应用场景潜入的多元化和碎片化，金融监管机构由于缺乏对等的数据技术而难以实施有效的监管。数据风险与信息安全风险的相互交织，使得金融机构的相对者对金融风险的识别和应对变得迟缓。
第三，合规风险。技术驱动下的金融创新不可避免地将原本规范的金融合同设计推至更高风险的领域。在法律法规缺位的情形下，金融交易的规则由交易者自行设计或制定(“智能合约”的出现)，其合规风险尤为突出。“智能合约”以计算机语言而非自然语言表述、执行合同，一是以计算机语言为载体的“智能合约”与无法与以自然语言为载体的法律规则一一对应，如无法有效解释诸如“合理”“最大努力”等术语，从而导致合约条款可能存在较高的法律风险；二是出现合同纠纷时，法律责任边界无法确定，即应当由智能合约的开发者，亦或是运行平台负责难以界定。此外，应当注意的是，法律规则的缺失也为违法犯罪活动留下了滋生空间，部分非法机构以“金融创新”之名，干着“违法犯罪”之实，导致社会的重大损失。
(二)监管挑战
恰当的监管有助于金融科技发展良好态势的形成。金融创新是突破金融监管形成的“金融抑制”而产生，又反作用于金融科技监管的转型与发展。实践中金融监管与金融创新之间的脱离体现为两方面：一是金融创新的速度总是超前于金融监管方式；二是监管法规总是滞后于金融创新的发展。
首先，我国的金融监管方式尚未脱离传统的“先发展后规范”的被动式监管模式。“放任自流”或“一刀切”的僵化治理思维既不关注当下金融市场的实际问题，也不适应未来金融市场的现实需求，与金融科技“日新月异”的创新驱动力背道而驰。随着金融科技推动的新金融业态的不断涌现，传统的被动式监管转向自动化监管的趋势已属必然。倘若不使用监管科技进行自动化监管，将难以应对未来可能出现的极端复杂的金融风险。以虚拟货币对发行与交易为例。虚拟货币的产生依赖于一堆复杂算法的特解，运算工具在寻求特解的过程中涉及庞大的数据计算；在虚拟货币交易的过程中，不可避免地会与其他平台或设备产生交流、通信，且涉及大量个人信息。数据与个人信息在交互过程中面临着多样的风险，而传统的监管模式因无法迅速演进、更新而使得前述风险处于监管空白地带，从而滋生各类违法行为。考虑到人工智能技术能够通过机器学习实现实时的、自动的监管与回应，因而可以将人工智能技术内嵌于监管机制，提高金融监管的及时性和精准性，借助人工智能建立既解决潜在市场风险，又融合金融创新特性的监管模式。
其次，监管法规存在不可避免的滞后性。监管法规通常是为了防范既有的或基于既有而可预见未来可能引发的问题所制定的，但金融科技的“颠覆性创新”完全打破了这样的规律。规则的制定者根本无法或者很晚才能识别创新的监管需求或相关问题，而仅仅依赖于稳定的并被假设为最优的监管规则，忽略金融创新所引发的不断变化的规则适用环境。由此，原有的问题刚刚得以妥善解决，新的问题又以前所未有的速度不断涌现，法规的制定陷入了“不断补漏”的死循环。因而，传统的立法模式已不能满足金融科技创新的需求。面对不断涌现的问题，倘若试图通过不断地制定新的正式规则予以解决，显然是不合逻辑的。人工智能可以通过类似事实推理进行风险识别并快速处理，同时监管机构应当及时总结并制定出风险防范规则原则，以供人工制度规则库的升级，减少合规风险的产生。由是，借助人工智能的规则推理重构金融监管法规的制定模式刻不容缓。
二
人工智能的金融监管实践
金融科技的创新对传统金融市场带来了多维度的冲击，金融与科技融合的不确定性带来了监管应对的“不知所措”。面对金融监管与金融科技的脱节，部分监管机构和监管科技企业创见性地尝试利用人工智能技术实现即时的、自动的金融监管。人工智能的监管科技在全局性分析方面更具优势，从而更好地识别和应对系统性金融风险。笔者择两例试探索人工智能在金融科技监管中的应用。
(一)人工智能与互联网金融监管
互联网金融呈现出多元复杂性，在跨界、融合、多元共存和多维度交互的过程中也存在许多交叉和并发的风险。推进人工智能在互联网金融领域的应用和发展，有利于落实国家人工智能发展战略规划，推动新时代金融业的转型升级。人工智能的机器学习能力具有良好的应变性，能够更好地构建互联网金融监管模型，如目前研发使用的“基于人工智能的反欺诈模型(ArtificialIntelligenceBasedAnti-fraudModel)”。
在现行金融监管体制下，银行的应用相对较少，但诸如蚂蚁金服、度小满金融、京东金融等互联网金融公司在人工智能金融监管领域进行了积极的探索。以蚂蚁金服和度小满金融为例。蚂蚁金服依托阿里和蚂蚁的丰富场景构建机器学习平台，探索人工智能技术为多维度应用场景赋能，将自己定位为“TechFin公司”，而不是“FinTech公司”。在安全风控方面，蚂蚁金服以深度学习模型代替人工规则为主的体系，如在判断交易是否可信的领域，人工智能技术能够在尽可能减少用户干扰的情形下保持很高的安全性。当一笔交易被系统判断为不可信时，采用更为创新的GBDT＋DNN模型来确认是否被盗号，超越了以往的单个模型及GBDT＋LR的效果。度小满金融则依托百度集团在人工智能方面的技术优势，以金融大脑为核心，依托感知引擎和思维引擎，实现了金融机构的智能升级。度小满金融利用人工智能算法在数十万台服务器上实现高性能计算，通过机器学习实现风控技术。由是，我们可以清醒地看到，“金融级的人工智能”是实现互联网金融有效监管的必然趋势。
(二)人工智能与证券监管
在证券业实现从传统以经纪业务为主的证券经纪公司向为客户提供一揽子综合金融服务的全能型投行的转型中，金融科技创新起了举足轻重的作用。智能、高频的交易方式加剧了证券市场的复杂性，也考验着监管者的监管能力和监管资源。证券监管的规则供给速度远远低于金融创新的频率，人工智能监管工具的引入则为提高监管效率，节约监管成本提供了可能性。证券监管可以通过人工智能技术在更短的时间内识别异常交易并发出风险预警。诚然，人工智能的监管并非不受限制和绝对可靠，完全依赖于人工智能的证券监管后果必然是灾难性的。
目前人工智能技术在证券监管的应用主要体现为视觉识别技术、知识图谱、机器学习与深度学习、机器人技术等(如表1所示)。以证券交易所的“智能监管”为例。我国上交所深入研究运用机器学习技术，对投资者进行“全息高清”画像，试图实现对投资者的全方位图形化展示。同时，利用知识图谱技术对账户、交易、终端设备等进行多元维度的关联分析，进而更准确、高校地识别违法违规账户。日本外汇管理局(“JPX￣R”)和东京证券交易所(“TSE”)部署将NEC公司的“NEC高级分析—快速机器学习技术”和日立公司的”日立AI技术”应用于市场监测以发现市场操纵等不法行为。由是，人工智能技术之于证券的智能监管亦是最佳选择。
表1三
人工智能对金融科技监管的转型与重塑
传统的金融监管治理以行政治理为主，科技工具主义在很长时期被作为治理观念指导金融监管和合规控制。数字经济时代的风险防范和治理应当采取技术控制与法律控制相结合的综合治理机制。人工智能技术驱动型金融监管模式一方面要求监管机构应当树立技术治理的思维，人工智能不再作为监管工具，而是内化为监管科技本身的组成部分；另一方面则要求在法治框架下创新监管规则的构建路径，实现法律与技术的优势互补。
(一)内部：技术治理
人工智能促进监管科技治理的转型，将技术逐渐内化为金融科技监管的重要组成部分，一方面依托规则推理(RuIe-BasedReasoning)进行反事实地金融风险模拟，从而更好地进行系统性金融风险识别；另一方面通过案例推理(Case-BasedReasoning)学习既有的监管案例，以类似“判例法”思维评价新的问题并给出解决方案。由此，监管机构应当从“准入监管”转换到”行为监管”，完善监管科技的制度机制，以实现金融科技监管的重塑。
首先，建立基于人工智能的监管体系，提高监管效率，实现实时监管、动态监管。人工智能技术能够通过算法将场景化、碎片化的金融科技数据进行有效清洗，达到满足风险判定的需求，并通过机器学习实现对金融科技风险的初步评价和识别。将金融交易过程中的信息内容通过人工智能技术予以精准记录，摆脱传统监管中需要依托各方予以信息披露的烦琐流程，并简化了监管机构的审核工作，进而使监管机构能够将更多资源投入交易行为本身。因而，监管机构应当从传统的“准入型监管”脱离出来，更多地关注金融交易行为，在人工智能识别的基础上行使监管自由裁量权，进行人工二次判断，使得监管更加精准化。以证券交易所为例，监管机构的职能之一是防范市场操纵风险。以人工智能为基础的智能风控技术通过算法判定可能出现市场操纵行为并予以记录，此时监管机构仅需依其专业知识作出评定即可，而无需再依托传统监管机制中借助信息披露的形式，既提高效率，也更为精准。
其次，完善监管科技的基础机制，确保人工智能系统的安全性、有效性。人工智能驱动下的金融科技以信息技术为基础，技术信息的保护既是技术治理的基础，也是防范监管风险的必需。监管机构应当完善监管科技的制度机制，如技术的加密机制、脱敏机制等，通过技术手段和管理制度保障人工智能的安全性，进而确保人工智能驱动的金融科技监管基础信息的有效性。考虑到互联网金融公司对人工智能积极探索所形成的经验，应当推动构建行业内技术共享机制，进而推动监管科技的创新。就人工智能本身而言，应当完善其风险分析和预警机制。根据人工智能对既有风险问题的识别、分析和监管，划定金融科技的风险预警线(迹象)。当金融机构触及或可能触及预警线(迹象)时，监管机构能够即时介入并采取相关措施。
(二)外部：法律规制
金融科技监管转型和重塑的核心在于监管科技的法制化。诚然，规则监管在日新月异的金融创新面前捉襟见肘，但规范的缺失必然会给金融科技的发展带来额外的成本。从技术的角度而言，只要保证人工智能驱动下的金融科技监管的数据信息的安全性、有效性，确保人工智能在市场条件下自发而有效的信息配置，便没有法律法规治理的必要性。然而，人工智能的规则推理并非必然落在给定的规则框架内，规则解释的多义性、技术的破坏也可能会出现法律问题。因而，应当在法治框架下对人工智能驱动下的金融科技监管予以规制。
通过修订、解释等方式完善金融科技监管法律制度体系。法律法规的制定目的应当是为监管提供法律支撑，形成新的监管路径。人工智能通过算法对监管规则进行识别并分解为算法规则，在监管过程中运用规则推理形成有效判断和应对金融科技风险的规则库。对于人工智能自发推理出的规则应当及时判断是否落在既有规则框架内或是否必要对现有框架作出修订、解释，从而适应金融科技的创新。将金融监管法律法规嵌入人工智能技术，从而使法律法规的执行由人工智能的机器学习实现。需要说明的是，这种人工智能驱动的规则推理并不意味着法律规则的创造，而是通过技术治理发掘、解决法律问题的辅助手段，法律的修订和解释仍应由立法者作出。
人工智能驱动下金融科技监管的另一种法律规制路径则是加强法律原则的制定与适用。相较于法律规则，原则监管更具灵活性和效率性。法律原则强调对抽象性和所期望的监管结果的指导性，监管者被赋予自由裁量权。当人工智能通过机器学习推理规则时，只需判定新的规则是否与既有原则保持一致即可，而无需逐一修订、解释，使其被纳入既有规则体系。原则监管的侧面体现为对金融科技的包容性监管，通过宽松的规则治理环境鼓励金融创新，如英国金融管理局(FCA)制定的”监管沙盒(Regulatorysandbox)”计划、美国消费者金融保护局(CPPB)的”无异议函(No-actionLetter)”政策等。
在金融科技不断创新的背景下，在强调技术治理的同时，法律规制也不容忽视。由是，金融监管机构在新型监管模式之下应当实现双重角色：一是作为人工智能技术治理机制的创造者，通过完善多种信息技术机制，确保人工智能的监管效率；二是充当监管规则原则的制定者和植入者，通过立法加强法律原则在金融监管中的适用，并将所制定的规则原则植入人工智能之中，以供其深度学习以自动适应监管规则的升级。惟其如此地，才能在以创新与变革为核心的金融科技监管时代倒逼金融监管模式的转型与重塑，实现对金融科技风险的有效监管。
结
语
传统的金融监管体系是技术发展相对稳定的基础之上所形成的被假设为最优的规则和原则。金融科技的”颠覆式创新”突破了传统金融监管范式的藩篱，使金融监管一度失灵，或用力太轻，或用力过猛。面对金融科技所形成的风险与监管挑战，运用人工智能推动金融监管的转型和重塑才是正道。故而，应当采取技术治理与法律规制相结合的创新监管模式，建立基于人工智能的监管体系，依托机器学习实现规则推理和案例推理，并加强法律原则的制定与适用，进而实现金融科技风险的有效监管。但是如何真正实现监管科技与传统监管模式的有机统一?人工智能驱动下的金融科技监管的运行体制和程序规范是怎样的?如何有效衔接内部的技术治理与外部的法律规制?等等问题，则是需要进一步研究解释的。
上海市法学会欢迎您的投稿
fxhgzh@vip.163.com
往期链接
>《上海法学研究》集刊2019年第9卷——2019世界人工智能大会法治论坛文集
来源：《上海法学研究》集刊2019年第9卷（2019世界人工智能大会法治论坛文集）。转引转载请注明出处。
原标题：《“人工智能＋金融监管”：试论金融科技监管的转型与重塑》
人工智能产业发展现状与四大趋势
随着全球新一轮科技革命和产业变革孕育兴起，人工智能等数字技术加速演进，引领数字经济蓬勃发展，对各国科技、经济、社会等产生深远影响，已成为驱动新一轮科技革命和产业变革的重要力量。近年来，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速，正在加快与千行百业深度融合，其“头雁”效应得以充分发挥。此外，全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识。
一人工智能的内涵与产业链
（一）人工智能的内涵
人工智能（ArtificialIntelligence）作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，自1956年首次提出以来，各方对其界定一直存在不同的观点。通过梳理不同研究机构和专家学者提出的相关概念，关于“人工智能”的内涵可总结如下：人工智能是指研究、模拟人类智能的理论、方法、技术及应用系统的一门技术科学，赋予机器模拟、延伸、扩展类人智能，实现会听、会看、会说、会思考、会学习、会行动等功能，本质是对人的意识和思想过程的模拟。
图1：人工智能内涵示意图
来源：火石创造根据公开资料绘制
（二）人工智能的发展历程
从1956年“人工智能”概念在达特茅斯会议上首次被提出至今，人工智能发展已经历经60余年，经历了三次发展浪潮。当前全球人工智能正处于第三次发展浪潮之中。
第一次浪潮（1956－1980年）：训练机器逻辑推理能力。在1956年达特茅斯会议上，以“人工智能”概念被提出为标志，第一次发展浪潮正式掀起，该阶段的核心是：让计算机具备逻辑推理能力。这一时期内，开发出了计算机可以解决代数应用题、证明几何定理、学习和使用英语的程序，并且研发出第一款感知神经网络软件和聊天软件，这些初期的突破性进展让人工智能迎来发展史上的第一个高峰。但与此同时，受限于当时计算机的内存容量和处理速度，早期的人工智能大多是通过固定指令来执行特定问题，并不具备真正的学习能力。
第二次浪潮（1980－2006年）：专家系统应用推广。1980年，以“专家系统”商业化兴起为标志，第二次发展浪潮正式掀起，该阶段的核心是：总结知识，并“教授”给计算机。这一时期内，解决特定领域问题的“专家系统”AI程序开始为全世界的公司所采纳，弥补了第一次发展浪潮中“早起人工智能大多是通过固定指令来执行特定问题”，使得AI变得实用起来，知识库系统和知识工程成为了80年代AI研究的主要方向，应用领域不断拓宽。
第三次浪潮（2006年至今）：机器学习、深度学习、类脑计算提出。以2006年Hinton提出“深度学习”神经网络为标志，第三次发展浪潮正式掀起，该阶段的核心是实现从“不能用、不好用”到“可以用”的技术突破。与此前多次起落不同，第三次浪潮解决了人工智能的基础理论问题，受到互联网、云计算、5G通信、大数据等新兴技术不断崛起的影响，以及核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展跨越了从科学理论与实际应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。
图2：人工智能的三次发展浪潮
来源：火石创造根据公开资料绘制
（三）人工智能的产业链
人工智能产业链分为三层：基础层、技术层以及应用层。基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。
图3：人工智能产业链
来源：火石创造根据公开资料绘制
二全球人工智能产业发展现状
（一）人工智能产业规模保持快速增长
近年来人工智能技术飞速发展，对人类社会的经济发展以及生产生活方式的变革产生重大影响。人工智能正全方位商业化，AI技术已在金融、医疗、制造、教育、安防等多个领域实现技术落地，应用场景也日益丰富。人工智能的广泛应用及商业化，加快推动了企业的数字化、产业链结构的优化以及信息利用效率的提升。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据相关统计显示，全球人工智能产业规模已从2017年的6900亿美元增长至2021年的3万亿美元，并有望到2025年突破6万亿美元，2017－2025年有望以超30％的复合增长率快速增长。
图4：2017－2025年全球人工智能产业规模（单位：亿美元）
数据来源：火石创造根据公开资料整理
（二）全球主要经济体争相布局，中美两国占据领先位置
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。从全球各国人工智能企业数量来看，美国人工智能企业数量在全球占比达到41％，中国占比为22％，英国为11％，以上三个国家的人工智能企业数量合计占到全球的七成以上。
图5：全球人工智能企业数量分布
数据来源：中国信通院，火石创造整理
（三）公共数据集不断丰富，关键平台逐步形成
全球数据流量持续快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，为企业提供海量图片、语音等数据资源和相关服务。公共数据集为创新创业和行业竞争提供优质数据，也为初创企业的发展带来必不可少的资源。优势企业例如Google、亚马逊、Facebook等都加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内已有近40个各类AI学习框架，生态竞争十分激烈。中国的代表企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。
（四）人工智能技术飞速发展，应用持续深入
近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、智能语音、自然语言处理等领域广泛应用，相继超过人类识别水平。人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。AI在医疗、制造、自动驾驶、安防、消杀等领域的应用持续深入，特别是新冠疫情以来，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。
三全球人工智能产业发展趋势
（一）算法、算力和数据作为人工智能产业的底层支撑，仍是全球新一代人工智能产业的核心引擎
算法、算力和数据被全球公认为是人工智能发展的三驾马车，也是推动人工智能发展的重要基础。在算力层面，单点算力持续提升，算力定制化、多元化成为重要发展趋势；计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级，类脑芯片、量子计算等方向持续探索智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业。在算法层面，Cafe框架?CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT－3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，催生了专业的技术服务，数据服务进入深度定制化阶段。
（二）全球新兴技术持续孕育涌现，以人工智能为核心的集成化技术创新成为重点
随着全球虚拟现实、超高清视频、新兴汽车电子等新技术、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术互为支撑。这意味着以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。例如：人工智能与汽车电子领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统；人工智能与虚拟现实技术相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境等。
（三）新基建春风与场景赋能双轮驱动，全球泛在智能时代加速来临
在新冠肺炎疫情成为全球发展“新常态”背景下，全球主要经济体均面临经济社会创新发展和转型升级挑战，对人工智能的运用需求愈加迫切，纷纷推动人工智能与实体经济加速融合，助力实现新常态下产业转型升级。一方面，全球大力布局智能化基础设施建设和传统基础设施智能化升级，推动网络泛在、数据泛在和应用需求泛在的万物互联生态加速实现，为人工智能的应用场景向更多行业、更多领域、更多环节、更多层面拓展奠定基础；另一方面，AI应用场景建设成为国内外关注和紧抓的关键举措，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地优势和发展特点的人工智能深度应用场景，探索智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式创新和业态创新，同时典型场景建设也吸引了全球资本市场的重点关注，泛在化智能经济发展时代即将到来。
（四）全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识
随着全球人工智能发展步入蓬勃发展阶段，人工智能深入赋能引发的挑战与风险广受关注，并在全球范围内掀起了人工治理浪潮。2019年6月，二十国集团（G20）批准了倡导人工智能使用和研发“尊重法律原则、人权和民主价值观”的《G20人工智能原则》，成为人工智能治理方面的首个政府间国际公约，发展安全可信的人工智能已经成为全球共识。此后，全球各国纷纷加速完善人工智能治理相关规则体系，聚焦自动驾驶、智慧医疗和人脸识别等重点领域出台分级分类的监管措施，推动人工治理从以“软法”为导向的社会规范体系，向以“硬法”为保障的风险防控制度体系转变。与此同时，面向人工智能治理体系建设和打造安全可信生态的相关需求，围绕着安全性、稳定性、可解释性、隐私保护、公平性等方面的可信人工智能研究持续升温，其理念逐步贯彻到人工智能的全生命周期之中，基于模糊理论的相关测试技术、AI结合隐私计算技术、引入公平决策量化指标的算法模型等新技术陆续涌现，产业实践不断丰富，已经演变为落实人工智能治理相关要求的重要方法论。
原文标题 : 全球视野下人工智能产业发展现状与四大趋势
区块链技术在金融场景的应用
原标题：区块链技术在金融场景的应用习近平总书记2019年在中共中央政治局就区块链发展现状及趋势进行第18次集体学习时强调，要高度重视区块链的集成应用在新的技术革新和产业变革中重要作用，要加大投入，攻克一批关键核心技术，将区块链作为我国核心技术自主创新的重点突破口。加快区块链技术与人工智能、大数据、物联网等最先进的信息技术以及与实体经济进行深度融合，创新解决中小企业贷款融资难、银行风控难、部门监管难的“三难”问题。这无疑将区块链的应用与创新又提升到一个更新的高度，指明了进一步发展的方向。区块链技术综合了数学、密码学等多学科专业知识，其应用的基础是数字化，而金融业天然就是数字的集成体，因此，区块链技术在金融业有着广泛和深度应用、融合的基础。
区块链技术在构建社会信用制度体系中的应用
区块链技术是一项信用技术，基于区块链技术设计的社会信用制度体系可以有效克服当前信用体制中的不足，区块链形成的各种信息不是某一组织或机构收集汇总而成的，而是依赖互联网技术、综合运用密码学、数学等多门学科在虚拟空间自动形成的，没有管理者或中心管理的概念，交易双方直接发生交易，解决了社会信用制度体系中过高的交易成本、管理成本及中心化管理模式可能带来的风险，其构成的信任机制比中心化管理模式下的信用管理机制更完善，可信度更高。区块链中由于每个参与者都可以在第一时间掌握到链上所有信息，因此，基于链上信息的透明性和公开性，大家容易形成一个共识观点，有效地解决了社会信用制度体系中信息不对称问题。智能合约的功能则使得交易双方在执行交易行为过程中，借助智能化等技术手段，根据交易进度自动进行交易结果的执行，克服社会信用制度体系中人为、主观的故意违约行为。因此，积极发展区块链技术有利于重构社会信用制度体系。
（一）加强大数据建设，推进数字中国战略。一是切实强化大数据的建设步伐，推动数字资源的共享机制建设，打破数据部门所有、集团所有，实现全社会数据资源的数字共享，保障源头数据的真实性，夯实区块链应用基础。二是积极推进人工智能的应用，大量的社会信用信息处理完全依赖自然人是不可能实现的，因此必须借助于数字员工，要提升“区块链+社会信用”管理的自动化程度。三是加强区块信用云的建设，区块链嵌入社会信用秩序后，其链的长度和宽度均会无限制的扩大，这需要有大容量的云来保证。因此，建设区块信用云也是实现区块链+社会信用的前置条件之一。四是积极引用物联网技术，在传统的信息流、资金流交互的基础上，通过引进物联网技术，将物流信息也及时运用到区块信用链当中，实现资金链、信息链、物流链的相互验证，提升区块信用链的可靠性。
（二）淡化中心管理理念，强化社会管理约束。区块链技术的一个重要特征是去中心化，但是作为一个层级管理体制下的国家治理体系，完全去中心化既不现实也不必要，因为社会信用中的技术管理与约束并不能完全替代社会信用中的法律、制度、行政等管理，区块链在信用管理中的定位只能是从技术手段来发挥作用。当然，区块链技术在社会信用管理中发挥作用，必定会淡化过去的强中心管理的模式与地位，通过区块链的技术约束来降低中心化管理的任务、职责，从而构建以区块链技术控制为手段，淡中心化信用管理的新的社会信用管理体制与体系。区块链嵌入社会信用管理不是完全去中心化，因为对信用的管理有很多信息、要求、政策还要中心或机构发出。因此，信用管理运用区块链技术就是要提升中心化机构间能够达成共识，形成一种联盟，将所有的信用信息在全网发布与共享。
（三）重构管理技术基础，嵌入区块链技术与思维。区块链技术及区块链思维与传统的技术与思维有了本质性差别，将区块链技术嵌入社会信用管理体系，必须对其管理的基础技术进行重新构思与设计。一方面是要将区块链思维理念的引入，要确立去中心化、淡中心化的目标，要更多地通过技术手段来解决社会信用管理中的痛点，要更多地交给市场来增强社会信用的约束力；另一方面是要从最基础的“链”建设开始，实行标准化的区块链管理技术，通过大量的“公链”建设，从而形成越来越大的“区块链”，使“链”的功能越来越强大，内容越来越丰富，而这些都是建立在严格的技术基础上。
区块链技术在小微企业融资中的应用
由于技术等原因，银企信息不对称，商业银行难以根据数据资料对拟服务的小微企业的信用肖像进行精准刻画，导致商业银行在支持小微企业上缺少底气和信心。小微企业供应链金融的出现对小微企业的融资问题起到一定程度的缓解作用。但是当前小微企业供应链金融也存在信息不对称，产生的贸易真实性风险、操作失误产生的操作性风险、供应链金融业务低效率风险、链条较长导致人力成本过高风险等问题。区块链技术的应用可以透视小微企业供应链金融风险点与风险源。任何数据只要存储在区块链上，都会打上时间戳，确保所有的交易活动都能够按照时间顺序被准确地记录，从而使得所有的交易活动都可以被有效地追溯，信息也无法篡改，金融机构据此可以建立透明的融资账本，破解供应链上下游小微企业进行融资时信息不对称风险。而区块链技术中大量的权利义务均等的节点共同组成点对点的网络，任何节点都有数据库管理权利，同时也负责向其他节点传播数据变动情况，所有的节点数据都必须保持一致，数据篡改成本很高，这种中心化的分布式存储结构以及不可篡改可以解决小微企业供应链信息造假风险。此外，智能合约的存在，在借助特定的编程将部分人工操作进行电子化的同时，将人工审核的数据对接到区块上进行自动审批核实，不同的系统进行分散部署，数据直接进行加密，借助智能合约将数据与系统二者建立勾稽关系，即提高了业务效率也降低人工成本。因此，完善区块链技术可以有效控制小微企业供应链金融风险。
（一）加快基础设施建设，综合各类技术应用。目前区块链在金融业的应用还处于起步阶段，区块链大规模应用还有赖于金融科技基础建设。比如区块链可以防止信息被篡改，但无法保证源头数据的真实性，同时金融科技包括区块链、大数据、人工智能、物联网、云计算等技术，单一区块链技术在支持小微企业供应链金融的作用有限，需要综合运用其它技术。所以应该积极加强金融科技基础设施建设，切实加强大数据体系的建设，通过大数据的广泛运用，提高区块链数据的获取度，增加数据维度，从源头上解决数据的真实性问题；要加快在线签署和数据自动化建设，推进物联网技术的发展，实时记录获取相关信息，进行贷后风险管理，鼓励人工智能技术发展，帮助区块链在小微企业供应链金融中形成科学决策；此外，还需发展区块链技术应用所需的各类硬件，提高数据的流转、传输效率与速度。
（二）加大技术研发力度，丰富区块链应用场景。一是确定区块链技术的主攻方向，加大投入力度，联合高校、企业以及社会各类区块链技术研究院攻克关键核心技术，提高区块链技术的共识机制效率，扩大区块内存容量，提高高频处理效率；二是加强区块链标准化研究，提升国际话语权和规则制定权，进一步打通创新链、应用链、价值链；三是积极培育新业态、新模式，支持骨干区块链企业打造一批可复制、可推广的典型案例，加快区块链支持小微企业的应用推广；四是提高区块链支持小微企业技术成果落地，政府、行业协会等社会主体积极创造机会，降低区块链支持小微企业从技术到成果的转化难度。
（三）重视专业人才培养，加快法律法规建设。一是应加强顶层设计，推进“政产学研用”一体化人才模式的持续发展，对区块链人才发展提出规划、标准；二是鼓励不同地区之间的区块链人才流动，加强与国际的接轨；三是对已有的从业人员和培养的人才进行能力评价，打破现有人才市场存在的能力不匹配问题，并提供区块链人才良好的就业平台。在法律法规方面，结合区块链的特点和应用前景以及小微企业供应链金融发展的实际，构建区块链技术法律制度，应根据区块链技术的运行特点，从技术安全、数据安全、场景应用安全、业务规范等多个角度构建、完善法律法规，具体明确技术开发、使用、管理等各环节的各方参与者权利义务、责任范围、归责原则、救济措施等，预防和降低潜在的技术风险给此类本源性技术发展和应用带来的负面影响。
区块链技术在普惠金融中的应用
区块链技术的点对点的网络模式，具有高度的自治性和开放性，金融机构通过发展区块链技术可以将金融服务逐渐渗透到偏远地区，惠及更多的中低端客户，契合普惠金融“普及”要义。区块链这种点对点的分布式记账系统，在区块链上进行的任何一条交易，其内容都会在全网范围内进行传播，受到节点的认可后，交易信息被记录到链上，这些被记录的信息都得到共识，从而在很大程度上保证了信息的真实性和有效性，降低了信息不对称所带来的风险。区块链技术允许金融机构能够从个体日常生活轨迹中获得完整的个人信用情况，评估个人的信用水平，实现风险的可控性，提高了普惠金融的商业性。因此，发展区块链技术有利于提高特殊人群的金融供给。
（一）加强区块链技术应用，提高业务办理效率。金融机构现有的业务环节基本都依靠人员操作，如信贷审批、贷前、贷后管理等，效率低、成本高、管理难以统一，为此金融机构应该在信贷业务审批和数据采集审查环节强化区块链技术应用，降低信贷业务审批的复杂度以及人工与网点的成本，简化金融机构信贷业务办理流程。同时，在贷前、贷后业务审查办理环节加强区块链技术应用，借助区块链技术，利用其本身直接建立信任的特点，获得公开透明的信用数据，可以直接点对点的获得所需数据。贷款在发放之后，可以根据公开的数据，合理地管理银行贷出去的资金，能有效地使金融机构信贷业务贷前审批、贷后管理统一。此外，积极发挥区块链技术在普惠金融风险控制中的作用。金融机构信贷业务最大的问题在于信息不对称，而根据交易数据，采用分布式账本，则在每个节点上保存唯一、真实的一个账本副本，监督交易的合法性，同时也可以共同地为其作证，无法篡改数据，这样根据真实数据进行风险评判可以打破信息不对称。
（二）加强风险防范控制，保障区块链技术应用安全。很多金融机构虽然已经开始应用区块链技术，但是技术应用可能对现有金融体系带来一定的挑战，区块链技术的金融行业应用标准由于缺乏先例与实践检验，区块链技术的通用标准还未确定，其标准化领域存在空白。因此，区块链技术在普惠金融中的运用和推广过程中，对现有经济结构带来的变革与挑战存在较大不确定性，金融机构原有的风险管理体系并没有进行调整。为此，首先，国家有关部门需要加大政策规范的调查研究，尽快出台针对区块链技术在普惠金融中应用的技术规范，推动金融机构建立与之相适应的、有效的风险防控体系。其次，地方金融监管部门应与“一行两会”地方派出机构保持良好的沟通，建立如信息共享、定期召开联席会议等紧密的联动机制，联手加大对区块链技术应用于普惠金融中的各种潜在问题和风险的监管和治理力度。再次，在条件成熟的地方可探索引入“监管沙盒”模式，增进监管机构与被监管对象的良性互动，降低未知风险的发生率。最后，金融机构在探索应用区块链技术的同时，需要对应用带来的风险进行系统的评估，并对风险防控体系作出必要的适应性调整以增强其风险防控能力。
区块链技术在信托行业中的应用
将区块链技术与信托行业发展结合起来研究，一方面是由于信托行业与区块链技术都基于信任机制这一主题，信托行业需要以信任机制为基础，而区块链技术有利于信任机制的增信建设；另一方面，信托行业中的积弊已经严重挑战行业生存底线。信托公司的信息披露不充分，委托人对信托公司信托制度了解不足，影响委托人对信托公司的信任与信心。信托公司过多的着眼即期利润，而对于引入大数据、区块链、人工智能等金融科技手段不多、力度不大。信托业内部控制能力相对较低，委托人的资金安全得不到根本的保障。在资管新规以及信托管理能力不足的影响下，信托信任缺少刚性保障。区块链技术是救赎、振兴信托行业一剂特效良药。区块数据具有开放特征及共识机制，参与者可以共享区块数据，这样既可以降低信息共享交易成本，也可以减轻信息交易负担，基于信息绝对安全的前提下，各参与主体可以最快、最低成本实时享受各种信息，而且由于各参与主体授权不同，可以避免不良信息的干扰。透明、真实、快捷的信息，利于委托人全面了解信托项目的运行质态，从而基于了解的基础上的信任度会大幅度提升，而且正是链上数据真实、可靠，由此形成的经营报告、设计的信托产品提供的信息等等，委托人可以不受任何欺骗而进行决策。区块链实质上是分布式记账，具有记账和信息溯源作用，而信托好多产品特别是公益的信托产品，如慈善信托等，委托人捐款完全可以数字化表现，符合区块链技术对数字化的要求，区块链技术就可以有效地解决资金流转全过程及来龙去脉，使资金的运用完全处于委托人的监督之下。在区块链的智能合约条件下，委托人只要履行了义务，系统会严格按照事先约定的条件执行，从而保证了委托人的权益不受伤害，这在家族信托、慈善信托等其作用更为明显与突出。为此应该积极发展区块链技术，赋能信托行业。
（一）搭建信托线上平台，提升信息的透明度。搭建信托企业线上管理平台，提升信息透明度。信托公司自身应加强线上平台建设，运用区块链原理，充分加强公司本身的信息披露，让委托人能对公司有一个全面、深度的了解。同时，应借助线上平台，让委托人能够掌握信托公司的技术运用能力与水平，特别是区块链等新一代技术应用程度，从而增加委托人对信托公司的信任度。应为委托人掌握借款人、信托产品底层资产的真实情况，便于作出正确的风险判断。应搭建线上咨询系统，为委托人提供良好的沟通及专业引导，赢得委托人更多的理解与信任。
（二）提升信托业数字化程度，防范各类风险。信托业引用区块链技术必须以提升信托业数字化整体程度为前提，区块链技术是以互联网和数字化为前置条件的，没有信托业及全社会的数字化，区块链是无法发挥作用的，信托项目风险也无法得到有效防范。一是应积极引用大数据，通过大数据的引用，提升与借款人信息的对称度，对服务对象进行全面综合的评估，相互验证，取得最全、最真实的企业资料，提升决策科学性；二是应积极引用物联网，通过物联网技术的运用，将物流、资金流、信息流综合应用，由此形成的数字流加上区块链技术的融合运用；三是应积极引用人工智能，提升管理的自动化水平，区块链运用过程中会产生大量的数据信息，而这在人工操作下是无法实现快捷的，只有依赖“数字员工”、人工智能等手段，让一切算法、结果瞬间成为现实才可能；四是应积极加强信托云的建设，以适应日益增加的数据量；五是应基于与服务企业系统打通，运用区块链技术，实时掌握企业所有信息的变动，并根据信息构建预警指标体系，对企业的任何风险苗头都能及时掌握。
（三）深化信托业体制改革，加快转型升级步伐。技术的创新与运用既要有相应的场景，同时对相应的体制与机制提出新的要求。信托业引用区块链等技术，必然要对原有的体制与机制创新产生巨大的影响。因此，一是树立全新的理念，即以科学技术驱动信托业加速前行，重视用技术手段解决信托业发展中难点与痛点；二是立足于长远目标，制定金融科技嵌入信托业发展的战略，克服急功近利、短视行业，从培育企业核心竞争力的角度来引用区块链等新技术；三是着力懂技术、懂金融的复合型、“高精尖”人才的培养与引进，为技术的运用提供必要的人力资源；四是加大金融科技投入，加大“金融科技+信托”的融合应用研究，构建适合信托业健康发的金融科技发展体制与体系。总而言之，金融市场的发展与交易的便捷、信息对称、成本的降低有直接关系，区块链是基于共识机制构建的分布式共享数据解决方案，具有去中心化、共识机制、智能合约、可追溯性以及不可篡改性等特点，区块链技术创新的金融模式可以脱离中介进行点对点的直接交易，降低金融交易成本、提高金融交易效率，快速地为交易双方建立信任关系，真正实现交易双方信息对称。区块链技术的优势可以推动金融市场由间接金融向直接金融转化，封闭金融向开放金融转化，真正促进金融市场进一步发展。
（作者系迪普思数字经济研究所所长、江苏银行总行董事办高级会计师）
(责编：张宏莉(实习生)、王震)分享让更多人看到