2025年12月，国家金融监督管理总局发布《银行业保险业数字金融高质量发展实施方案》，提出“充分发挥数字技术和数据要素的双轮驱动作用，赋能金融服务提质增效”。当前，以“ABCDE”技术矩阵为核心的数智技术，正推动数字金融从“要素对接”向“生态共生”演进，亟需构建与数智化趋势相适应的“数据—技术—监管—生态”四维协同发展范式，助力数字金融向新提质。

一、数智技术推动数字金融价值逻辑重构

围绕覆盖面不足、场景适配性弱、信息不对称等长期痛点，数智技术正以多维度、全链条赋能方式，重构数字金融的服务模式、效能边界与价值逻辑。

服务模式从“单点割裂”到“全场景协同”。数智技术打破数字金融“工具赋能”“单点业务数字化”的传统局限，构建起以技术为纽带、场景为核心的协同模式，通过搭建一体化技术中台，整合多业务数据与能力模块，实现跨场景需求精准捕捉，推动金融服务从“被动供给”向“主动适配”转变。

效能边界从“局部覆盖”到“全域普惠”。边缘计算与智能终端的结合，加速数字金融服务下沉至农村、偏远地区，破解传统金融“物理网点不足”的困境。同时，大数据信用评价模型降低了对抵押担保的依赖，针对小微主体、个体工商户等群体，聚焦经营流水、纳税情况、线上行为等构建用户画像，有效解决其“融资难融资贵”问题。

价值逻辑从“规模导向”到“质效优先”。数智技术强调“精准赋能、质效优先”的价值逻辑。在价值创造上，AI投顾、智能风控等技术降低了运营成本，引导金融机构向低收益普惠业务倾斜资源；在价值传递上，数智技术赋能金融服务与实体经济需求精准匹配，推动金融资源直达实体经济薄弱环节，实现“数字金融—产业发展—民生改善”的价值闭环。

二、数智技术赋能数字金融的现实瓶颈

尽管技术潜力持续释放，但受技术适配、场景协同、监管体制、生态支撑等因素制约，数字金融向新提质仍面临多重障碍。

一是数据协同面临“壁垒—安全—标准”三重困境。数据分散于政府、金融机构和企业等多元主体，主体间数据壁垒明显；跨领域数据标准不统一，导致数据格式异构，直接影响AI模型应用效果。同时，数据安全与隐私保护的刚性要求，进一步压缩数据共享空间。

二是技术适配存在“场景—能力—成本”三重短板。数字金融覆盖支付、信贷、投顾、跨境结算等多元场景，业务逻辑与风险特征差异显著，现有技术整体适配性不足。部分金融机构的AI模型沿用单一业务逻辑，难以适配多场景融合需求；中小金融机构受制于算力、成本与研发能力约束，难以构建覆盖全场景的数智化体系，数字鸿沟持续拉大。

三是合规伦理面临“创新—监管—伦理”三重挑战。数智技术应用在提升金融效率的同时，催生算法黑箱、算法歧视、数据泄露等合规风险。部分消费信贷模型因训练数据偏差，对低收入群体、青年群体形成隐性歧视；算法决策的自主性、复杂性导致风险溯源难、责任界定难，增加合规管理成本。同时，技术迭代速度远超监管政策更新节奏，针对AI投顾等新兴业态的监管规则尚不健全。

四是生态支撑存在“人才—配套—联动”三重缺口。数字金融数智化转型亟需复合型人才，但相关供给明显不足；第三方技术运维、合规审计与风险缓释等配套服务体系尚不健全，难以支撑复杂场景创新。同时，金融机构、科技企业、政府部门、实体产业之间协同机制不健全，存在技术壁垒、利益分歧，制约“技术赋能—金融服务—场景落地”的闭环。

三、数智技术驱动数字金融高质量发展的路径创新

推动数字金融向新提质的关键在于，应在拓展应用场景的同时，同步构建与之相适配的风险识别与治理体系，推动数字金融从“工具应用”迈向“生态重构”。

（一）以数据治理夯实数智金融运用基础

一是建立“政务—金融—产业”一体化数据协同机制，在安全可控前提下推动数据破壁共享，打造垂直领域可信数据空间，实现数据“可用不可见”，为跨场景金融服务提供源头活水。

二是构建数据价值评估与分级赋能体系。构建涵盖数据质量、稀缺性与应用价值的数据评估与分级赋能体系，将分散的数据资源转化为可计算、可评估、可支撑决策的数据资产，提升数字金融服务质效。

（二）以技术适配优化数智金融应用方式

一是分场景优化数智模型设计。围绕消费信贷、财富管理等场景，聚焦风险特征与决策逻辑差异，分类构建“AI+行为分析”“AI+资产配置”等模型体系，推动通用算法向场景化模型转变。

二是构建“大机构引领+中小机构联动”的技术赋能机制。鼓励国有大行、头部科技金融企业联合科研院所共建数智技术中台，通过SaaS模式向中小城商行、村镇银行输出成熟风控模型、算力资源、场景解决方案；并依托公共智算中心降低算力使用门槛，为中小金融机构提供低成本算力支持，降低大模型训练与应用门槛。

（三）以技术监管回应数智金融风险挑战

一是探索“监管沙盒+算法审查”监管模式。针对AI投顾、区块链跨境融资、数字资产交易等新兴业务，划定沙盒监管范围，允许金融机构在可控环境内试错，实时监测业务数据，动态评估风险。

二是健全算法全生命周期审查机制，明确算法备案清单，引入第三方机构开展算法审计，破解“算法黑箱”难题，防范算法歧视与合规风险。

三是搭建多方协同治理平台，细化数据泄露、算法滥用等情形的认定标准与责任边界，实现“创新不越界、监管不缺位”。

（四）以协同生态提升数智金融治理韧性

一是强化行业自律约束。发挥行业协会桥梁作用，制定AI金融伦理规范与自律准则，明确算法歧视、数据泄露、模型滥用等行为红线标准，引导相关主体开展数智技术应用；

二是推动技术标准统一。聚焦数据治理、算法评估、跨境数字结算等核心领域，制定统一技术标准与评测体系；

三是“政校银企”共建实训平台。开设AI风控、区块链金融等实操课程，定向培养复合型人才，为生态建设提供智力支撑。

编辑|谢邦彦

· 转载请注明作者及来源《科技与金融》杂志。

· 如需获取转载、合作、采访等需求请到微信公众号菜单栏-商务合作，获取相应信息。

· 您亦可在知网、今日头条、南方号等相关平台上关注我们。