陸磊：從生成式 AI 視角理解金融發展和貨幣當局的作用

作者：陸磊

來源：新金融評論

原文標題：《面向數字時代的金融發展和金融治理》

AI 模型可大致分為決策式 AI 和生成式 AI 兩類。其中，生成式 AI 即通過學習數據中的聯合概率分佈，歸納分析已有數據後進行全新創造，這一技術預計將於 2-5 年內進入生產成熟期。GPT 思維與貨幣當局的認知決策邏輯高度一致，“意圖捕捉”“承認未知”“敢於質疑”等 GPT 思維內容完全符合金融發展與金融治理持續優化的基本要求。借用生成式 AI 的思路來研究金融問題，或許有助於形成金融發展和金融治理的有效技術路線。
——陸磊 中國金融四十人論壇（CF40）成員、國家外匯管理局副局長

本文為作者於 4 月 4 日在 2023 中國金融學會學術年會暨中國金融論壇年會上發表的主題演講。

圖片來源：由無界 AI工具生成

黨的二十大擘畫了全面建設社會主義現代化國家、以中國式現代化全面推進中華民族偉大復興的宏偉藍圖。我想從實際工作出發，以“面向數字時代的金融發展和金融治理”為題，就中國金融服務現代化的形勢和趨勢談幾點初步思考。

第一，拓展認知：從生成式 AI 視角理解金融發展和貨幣當局的作用

2023 年起，以 OpenAI 為代表的人工智能，將引領今後 10 年的數字革命。AI 模型可大致分為決策式/分析式（Analytical）AI 和生成式（Generative）AI 兩類。

決策式 AI 是根據已有數據進行分析、判斷、預測，主要應用模型包括用於推薦系統和風控系統的輔助決策、用於自動駕駛、人臉識別和機器人的決策智能體。

生成式 AI 是通過學習數據中的聯合概率分佈，歸納分析已有數據後進行全新創造。根據 Gartner《2022 年人工智能技術成熟度曲線》報告，預計生成式 AI 將在 2-5 年內進入生產成熟期，發展潛力與應用空間巨大。2025 年，生成式 AI 產生的數據將佔到所有數據的 10%，而 2021 年生成式 AI 產生的數據不到所有數據的 1%；30% 的大型組織出站消息將由生成式 AI 生成；50% 的藥物發現與研發將使用生成式 AI；2027 年，30% 的製造商將使用生成式 AI 提高產品研發效率。

GPT 思維在金融發展領域的契合度。令我震撼的不僅是 Gartner 的報告，更有微軟研究院關於通用人工智能（AGI）的最新報告，其中所反映的 GPT 思維與貨幣當局的認知決策邏輯高度一致。在構成 GPT 思維的六要素中，存在“意圖捕捉”“承認未知”“敢於質疑”三項內容，這完全符合金融發展與金融治理持續優化的基本要求。任何工作能否有效完成基本基於三個要素——能否掌握事情全貌（承認未知）、能否梳理現存癥結（敢於質疑）、能否明確目標意圖（意圖捕捉）。

比如，關於跨境資本流動、政策溢出效應的研究，它在中央銀行的決策模型中，作為 n 維向量中的一個組成部分而存在；但是在外匯領域的決策模型中，我們的思維會拓展到 n×m 維矩陣。這就是說，我們不再把跨境資本流動作為影響經濟增長的穩定性以及流動性變化的原因，而是作為 m 個經濟體各自存在 n 維變量的一個決策結果加以衡量。3 月 30 日，基於大型語言模型（Large Language Model）專為金融領域打造的 BloombergGPT 發布，實際上就是矩陣思維在“開源模型 + 高質量垂直數據”基礎上的運用。

貨幣當局履行確保實體經濟和金融體系穩健運行等職能的行為，可以理解為生成式信息。從全球各經濟體貨幣當局的主要職責出發，中央銀行需要通過調節流動性等指標，以達到維護幣值穩定、保持價格穩定、促進經濟發展、保障金融安全、維護金融秩序等多個目標。貨幣當局的全部工作，可以理解為面對 n×m 維矩陣，通過自身決策與操作，生成新的政策變量（p）——這就是生成式信息。目的是，在權衡取捨中，為整個系統注入穩定性，並平衡市場預期。因此，我們不妨想象，在 n×m 維平面矩陣上，形成了加入政策變量系統的第三維數據空間。更有意思的是，政策向量會影響到 m 個國家、n 維經濟變量的瞬時或滯后變化。

以上是我的第一個認識，通過數字時代人工智能思維範式以理解金融業與貨幣當局。

第二，底層邏輯：新發展理念在數據行業和金融部門的實踐引領

立足新發展階段，貫徹新發展理念，構建新發展格局，推進高質量發展，是金融業服務中國式現代化的根本遵循。結合數字時代持續演進和金融部門的動態發展，成功之處都在於秉承了創新、協調、綠色、開放、共享的新發展理念，統籌了發展和安全。

一是多部門共同推進的協調式創新。從人工智能突破式發展看，軟硬件協調推進，相互反饋促進了創新的落地落實。OpenAI 在自然語言處理模型和多層變換器的開發運用絕非孤軍突進，英偉達為了加速生成式 AI 開發及部署推出 3 款全新推理 GPU，分別擅長 AI 視頻、圖像生成和大型語言模型的推理加速。簡言之，算力支撐了基於信息處理的智能決策。在金融部門，我們曾經面臨的諸多挑戰，比如是否聚焦主業、參控金融機構是否存在道德風險、理財業務中的相互嵌套是否推動實體部門融資便利抑或提升了成本，如何同時實現經濟穩定性和金融體系穩定性，實際上同樣需要協調式創新——金融基礎設施現代化、跨機構跨部門業務創新、準確高效的中央銀行數據處理加以識別。否則，很容易出現以個例判斷總體的有偏估計（biased estimation）。

二是開放和共享將成為人工智能時代金融服務現代化的鮮明特徵。技術和數據的開發和應用將推動現代化建設的創新協同和開放共享。3 月 1 日，ChatGPT 開發商 OpenAI 宣布開放 API（應用程序接口），旨在推動技術開放共享，這顯著降低了相關應用的開發成本，實現普惠和共享。金融發展面臨的課題亦然。從上世紀 60 年代 Goldsmith 和 McKinnon、Shaw 等人提出的金融發展理論以來，金融服務向更多客戶開放，普惠金融成為發展的重要價值取向，並已經成為金融業半個多世紀以來的主流。

三是綠色和安全是信息密集型部門發展的永恆主題。算力是 AI 的核心競爭力，能耗是主要制約因素，信息安全保護是倫理與規制命題。正面的案例是，新的芯片技術可以使能耗大幅度下行；反面的案例是，曾經的數字資產挖礦造成能耗指數級上行。前者的生命力與後者的“熵增”決定了各自的前途命運。面向數字時代，金融業的發展同樣面臨著綠色和安全的現實要求。更高效率的自我發展和更高質量服務綠色產業是金融部門的使命；確保金融市場穩定，不發生系統性風險是底線要求。

第三，前瞻思考：順應時代潮流的金融發展和金融治理

如果我們借用生成式 AI 的思路來研究金融問題，或許有助於形成金融發展和金融治理的有效技術路線。

在金融發展領域。一方面，所有金融機構及其服務對象實際上面臨的是 n×m×p 維立體決策空間。各國的多元經濟變量與政策變量構成了一切經濟主體的生存空間和約束條件，由此形成更加科學有效的投融資和風險管理決策。另一方面，信息處理和數據生成的便捷與低成本趨勢，有助於顯著降低融資服務環節的交易費用。

在金融規制領域。一方面，可能在不遠的將來，依據資本充足率、撥備覆蓋率的傳統管理手段的重要性將讓位於針對流動性、欺詐和誤導等金融監管新規制。另一方面，根據實時數據識別風險和行為錯誤，預調與微調才能從紙面落於實處，事中事後監督管理的重要性或將真正強於准入管理。

在貨幣當局領域。基於算力與適當的目標值，穩定幣或全球性穩定支付手段將突破以往的數字資產，成為一種真正在技術上可行、購買力更趨穩定的世界性流通手段。一國貨幣政策所形成的外溢效應可以實時預期並為金融市場所對沖。以存款搬家為代表的硅谷銀行（SVB）和瑞士信貸型負債端衝擊在力度和頻度上或許會更加頻繁，因此，流動性管理與預期管理應進一步成為貨幣當局的主要考慮因素。

綜上，數字時代為金融發展帶來了新的思路和方法，也給金融治理賦予了新的挑戰和工具。如果科學發展和技術進步是我們面對的不可逆轉趨勢，那麼金融學術研究、金融部門發展和政策實踐勢必面臨新的要求，由此推動金融業高質量發展，為中國式現代化提供更好的支持和保障。