以安全为盾，以数智为锋

——探索资管行业人工智能合规创新发展新路径

张东  平安理财有限责任公司党委书记、董事长

摘要：本文立足投研、风控、运营等业务实践，探索以“自主可控技术底座、业务风控协同开发、内外数据隔离管理”三大框架为支撑的发展路径，从模型层、数据层、业务操作层、外部生态层四个维度构建全链条治理体系。随着人工智能技术渗透率持续提升，资管行业可协同共建标准化行为准则，推动创新合规共生共进，服务行业高质量发展。

随着“人工智能+”行动在金融领域纵深推进，大模型技术正以前所未有的速度融入资产管理业务全链条。从投研决策到财富服务，从运营管理到风险防控，人工智能的赋能效应正在重构资产管理价值创造逻辑。然而，技术红利和治理挑战始终如影随形。模型幻觉可能导致投资判断偏差，算法黑箱削弱决策可解释性，数据流通潜藏隐私泄露风险——这些新型课题对资管行业的合规治理能力提出了更高要求。

2026年6月印发的《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》（金发〔2026〕8号，以下简称《指导意见》）为行业划定了清晰的政策坐标：安全是底线，创新是动力，二者不可偏废。在坚守安全合规底线的基础上深化技术应用，实现创新和规范协同共进，已成为资管行业共同的发展命题。

一、时代新局：核心竞争力从“使用人工智能”转向“用好人工智能”

人工智能与金融业的深度融合是大势所趋，但当前人工智能治理、风险管理和运营体系建设，尚难以匹配应用规模、发展速度和复杂性的快速提升。普华永道研究显示，数据安全和隐私保护已成为金融机构人工智能应用的首要挑战。《指导意见》的出台，从顶层制度层面将人工智能治理提升为系统性安排，标志着人工智能领域的竞争已从“是否使用”转向“能否用好”。

传统资产管理业务模式在长期发展中积累了多重内生瓶颈。以银行理财为例：一是人力瓶颈。截至2026年6月末，银行理财市场存续规模33.66万亿元，存续理财产品5.12万只，存在管理难度大、复杂程度高等挑战。从投研到运营、从风控到合规，全流程高度依赖人工处理海量非结构化信息，对行业提质增效形成一定制约。二是效率受限。银行理财的资产配置能力既是禀赋也是挑战，在风控端实现对全资产、全周期的实时监控和前置预警仍有难度，风险识别的及时性和覆盖面存在短板。三是管理成本高企。在产品存续管理、估值核算、监管报表等后台链路中，大量标准化、重复性操作仍依赖人工，既拉高了人力成本，也制约了业务响应速度。

人工智能大模型技术的突破性进展，为破解上述瓶颈提供了全新路径。在投研领域，人工智能实现了非结构化信息的快速提取和智能研判，将研究员从信息收集工作中解放，使其聚焦于高价值判断；在风控领域，人工智能赋能风险信号的全天候监测和前置预警，显著提升了风险识别的及时性和覆盖面；在运营领域，人工智能自动化处理释放了人力效能，降低了操作误差和管理成本。技术赋能红利清晰可见，行业拥抱人工智能已成必然趋势。

然而，机遇和挑战始终并存。大模型幻觉问题可能生成看似合理但偏离事实的输出，在投资决策中易引发判断偏差；算法黑箱特性使模型决策逻辑难以追溯和解释，对合规审计和监管报送构成挑战；人工智能驱动的自动化交易在提升效率的同时，也放大了算法共振、闪崩等交易风险。此外，模型推理过程中涉及海量数据交互，客户隐私、数据合规、知识产权等问题日益凸显。面对创新深化与合规守底的平衡考验，行业既不能因噎废食、错失技术变革窗口，也不能盲目冒进、突破风险底线。

二、数智为锋：以人工智能重塑资产管理核心价值链，探索智能化转型落地路径

人工智能技术的价值在于对业务场景的深度赋能。平安理财有限责任公司（以下简称平安理财）坚持以业务价值为导向，围绕资产管理业务全链路，将人工智能深度嵌入核心业务流程，从投研体系、财富管理、合规风控、运营管理四个领域系统推进智能化落地。

（一）投研体系智能化重构

投研能力是资产管理公司的核心竞争力。传统投研模式面临信息碎片化、研判滞后、覆盖广度不足等痛点。平安理财围绕价值创造主线，持续强化以资产配置和组合投资为“双支柱”的投研能力体系，打造“工业化、平台化”的投资管理模式。在固收系列产品中，通过“人机结合+多元策略”在波动交易中增厚收益，同时借助机器模型计算选择最优质期限和券种进行配置，捕捉债券的资本利得机会。

在信息处理端，人工智能发挥处理海量非结构化数据的优势，实现对研报、公告、新闻、宏观数据等多源信息的结构化整合，大幅提升信息整合效率。在辅助决策端，人工智能模型辅助生成投研报告初稿，交由投资经理核对，同时提升量化信号筛选和因子挖掘效率。在组合管理端，人工智能赋能组合归因分析和风险敞口监控，实现投资决策的事前模拟、事中跟踪和事后复盘。

“工业化、平台化”的投资管理模式需要根据场景嵌入立体的人工智能能力。为此，平安理财形成以“数字员工EVA进行单兵赋能”和“人工智能工作流进行平台赋能”的双轮驱动模式，可根据不同投研场景调用丰富的人工智能服务，提升整体投研能力。

（二）财富管理智能化赋能

财富管理是资产管理公司连接客户的桥梁，也是探索差异化发展的重要阵地。截至2026年6月，银行理财客户数量已达1.5亿，差异化需求持续增长，传统财富管理模式的底层逻辑已难以适配规模和用户数量的跃迁。

平安理财应用人工智能Agent多智能框架，通过人工智能流程自动化（AI+RPA）替代渠道数据报表生成、客户标签更新等重复性工作；利用知识图谱构建“渠道—客户—产品”关联网络，自动识别高潜力合作渠道和匹配产品，在客户陪伴、产品适配等环节提供智能化支持，辅助业务团队快速响应市场需求。在消费者权益保护领域，一方面通过人工智能识别夸大收益、隐瞒风险、误导性表述等违规内容，从源头防范销售误导风险，维护消费者权益；另一方面以公众号为阵地，通过人工智能辅助生成投教材料，定期发布监管政策解读、理财知识科普等内容，并以“传统文化+人工智能科技”双轮驱动，打造沉浸式反诈体验、智能服务等多元场景，打通投教“最后一公里”。

（三）合规风控智能化提效

合规风控是业务稳健运行的基石。平安理财建立了覆盖事前、事中、事后全产品周期的智能风控体系。事前阶段，借助人工智能分析对主体/行业/区域利差、内部评级、额度、持仓等多维信息，通过主体利差走势、行业/区域利差对比，快速形成内部评级报告，实现风控规则数字化、标准化。事中阶段，依托人工智能对投资交易行为进行实时监测，自动识别异常交易模式和风险信号，实现风险识别前置化、动态化。事后阶段，人工智能赋能风险事件归因分析和整改跟踪，形成风险管理闭环。智能化手段不仅提升了风控效率和覆盖面，而且将风险管理从“人防”升级为“技防+人防”的协同模式，有效弥补了传统风控在覆盖广度和响应速度上的不足，使风控能力和业务发展节奏相匹配。

（四）运营管理智能化提效

平安理财通过数字员工EVA，搭载前沿大语言模型、量化数据库、金融知识库等多重技术，实现人工智能和业务人员交互协作。数字化员工可自动执行日常任务，将产品存续管理、文档管理、估值核算等后台链路中大量标准化、重复性业务通过人工智能批量处理，实现自动归档、自动核对、自动报表生成等功能，有效降低人工操作误差和管理成本。同时，人工智能辅助合同审查、监管报表填报等场景，进一步提升运营合规性和效率。在实践中，注重将人工智能能力和现有运营系统深度融合，通过流程再造实现从“人操作、人工智能辅助”到“人工智能操作、人审核”的模式升级。运营环节的智能化改造释放了人力效能，将运营人员从重复劳动中解放，转向异常处理和流程优化等高价值工作，为前台业务创新提供了坚实的后台支撑。

（五）三层架构支撑全场景落地

业务场景的智能化落地，离不开坚实的底层架构支撑。平安理财为人工智能落地搭建了三层架构（见图1）。

图1  平安理财人工智能的三层架构

一是自主可控技术底座。将核心技术自主可控原则贯穿于模型部署、算力调度、数据存储等关键环节，通过构建自主可控的技术基础设施，有效降低对外部技术的过度依赖，从底层筑牢技术安全防线。自主可控是指在开放合作中牢牢把握技术主导权，确保关键能力不受制于人。

二是业务风控协同开发机制。打破业务部门和风控部门的传统壁垒，建立“业务提出需求—风控同步介入—技术联合开发”的协同机制，确保人工智能应用在立项之初即嵌入合规和风控考量，实现安全和效率的同步设计而非事后补救。该机制有效避免了“先开发、后合规”的传统弊端，将风险治理前移至开发起点。

三是内外数据隔离管理体系。针对资产管理业务涉及大量客户敏感信息和市场机密数据的特点，建立严格的数据分类分级和内外隔离管理体系，明确不同数据的访问权限和使用边界，从制度层面防范数据泄露和合规风险。同时，建立数据全生命周期管理机制，覆盖数据采集、存储、使用、共享、销毁各环节，确保数据流转全程可控。

三层架构相互支撑、协同发力，为全场景智能化落地提供了坚实的技术和制度保障，确保人工智能应用既“跑得快”又“跑得稳”。

三、安全为盾：全链条风险识别和人工智能长效治理体系建设

人工智能的稳健发展离不开完善的治理体系。技术创新越深入，风险治理越应前置。人工智能风险必须纳入全面风险管理体系，针对模型开发、业务应用、内部管理和外部生态的全链条风险点，构建权责清晰、分级可控的长效治理机制，确保人工智能应用始终在安全合规的轨道上运行。

（一）模型层：破解幻觉和黑箱难题，实施分级分类管控

大模型技术固有的幻觉问题和黑箱特性，使其在金融场景的应用面临特殊挑战。在投资决策场景中，模型幻觉可能导致对市场信息的误判；黑箱算法的不可解释性易使模型输出难以追溯和审计。

针对上述风险，平安理财实施人工智能分级分类管控策略，从源头划定模型应用边界。根据应用场景风险等级，将人工智能应用划分为三个管控层级（见表1）。

表1  人工智能应用分级分类管控体系

差异化管控既释放了人工智能在低风险场景的效率红利，又从源头对冲了模型失控风险，实现了安全和效率的动态平衡。

（二）数据层：筑牢数据安全防线，强化权限和操作留痕管控

数据是人工智能应用的燃料，也是合规风险的高发领域。资产管理业务涉及大量客户敏感信息，在人工智能模型推理过程中，存在客户隐私信息合规风险、跨生态数据流通泄露风险，以及低质量数据污染模型输出导致决策偏差的风险。

2026年5月，美国上市银行Community Bank向美国证券交易委员会（SEC）主动提交8-K文件，披露该行员工将大量客户敏感数据上传至未经授权的人工智能应用，引发监管调查。类似事件揭示了一个现实挑战：在金融机构加速拥抱人工智能的过程中，员工不经意的操作可能触发严重的数据泄露，人工智能工具的泛化使用正在侵蚀传统数据安全管控的边界。

因此，人工智能应用的第一道关口便是建立数据安全防线。在数据访问层面，明确数据分类分级标准和访问权限矩阵，严格实行最小必要原则。在操作管控层面，建立全流程操作留痕机制，对数据调取、结果输出等关键环节实施全程记录，实现业务操作全程可追溯。在数据质量层面，建立数据质量评估和清洗机制，定期对数据进行检验，从源头保障数据安全和质量，为模型稳健运行提供可靠基础。

（三）业务操作层：明确权责边界，健全全流程应用安全规范

人工智能在业务操作层面的风险，往往源于人和人工智能的互动方式。人工智能决策权责边界模糊，可能导致责任追溯困难；员工过度依赖人工智能输出，可能弱化专业判断能力；高风险应用场景未履行前置审批流程，可能绕过合规管控，形成操作风险。

解决上述问题的核心在于明确边界：人工智能始终扮演辅助工具角色，最终决策权和责任归属始终由人承担。例如，人工智能生成产品运作报告，模型根据产品持仓变动、市场行情等信息自动生成初稿后，投资经理须逐项核对产品净值、持仓数据和估值系统的一致性，并做复核确认。全流程应用安全标准已被规范，针对不同业务场景制定差异化的使用规范和复核机制。高风险场景严格履行前置审批流程，确保人工智能应用在上线前经过充分的风险评估和合规审查。同时，通过定期培训强化员工的人工智能素养和风险意识，防范过度依赖和不当使用，推动人工智能工具在业务场景中的规范化应用和全周期合规管控。

（四）外部生态：统筹外部技术风险，强化顶层治理和应急响应

第三方人工智能外包技术存在不可控风险，外部开源工具可能潜藏安全漏洞。例如，2026年3月，安全公司对主流人工智能插件市场2857个插件进行安全扫描，发现341个插件含有恶意后门，占比达到12%。此外，算法攻击等新型威胁日益严峻。这些外部生态风险往往超出单一机构的管控范围，需要从顶层治理层面统筹应对。

管控外部技术风险，须入口标准和底线机制两手抓。在入口处压实业务主体管理责任，明确外部技术引入的评估标准和审批流程。针对第三方合作机构，建立严格的准入评估和持续监测机制；针对开源工具，建立安全审查和漏洞跟踪机制。同时，建立突发风险应急响应机制，针对算法攻击、模型失效、数据泄露等突发场景制定应急预案，确保风险事件发生时能够快速响应、有效处置。

四、共生共赢：共建行业标准化人工智能发展路径，探索合规创新共生新格局

（一）发挥大型机构责任担当

部分大型机构在人工智能应用实践中已经积累较为丰富的经验，可在行业治理中发挥示范引领作用。这既是履行行业责任，也是推动行业整体治理水平提升的必要路径。同时，建议同业间建立常态化经验交流机制，通过行业研讨、白皮书发布、标准共建等多种形式，共享治理经验和实践成果，带动行业整体能力提升。特别是在人工智能治理框架、模型评估方法、数据安全规范等关键领域，大型机构可率先形成可参照的实践标杆，降低中小机构的探索成本和试错风险。

（二）共建行业基础设施

人工智能治理的底层基础需要全行业共同补齐。当前，行业在人工智能模型评估标准、数据安全规范、算法审计方法论等方面尚未形成统一共识，在一定程度上制约了治理效能的发挥。全行业应统一行动，依托监管指导和行业协会，共同推动人工智能合规治理底层基础建设。可探索建立行业统一的人工智能模型评估和备案标准，明确模型准入和持续监测要求；推动数据安全合规标准的行业共识，形成可操作的数据分类分级规范；探索建立行业级算法审计和风险评估机制，为人工智能应用的合规性提供客观、可量化的评估依据。通过逐步形成行业共识的治理标准，为各类资产管理公司的人工智能治理提供清晰指引。

（三）锚定中长期发展愿景

人工智能和资产管理业务的融合是一项长期工程，需要战略定力和持续投入。随着“十五五”规划纵深推进，人工智能有望在智能投研、精准风控、个性化财富管理等方向实现更深层次突破，为资产管理行业高质量发展注入持久动力。同时，随着多模态大模型、智能体等前沿技术的成熟应用，资产管理公司的服务模式和竞争格局将迎来更深层次的变革。全行业应以更开放的姿态拥抱技术变革，以更严谨的态度守住合规底线，在创新和规范的动态平衡中探索数智化发展新格局，共同书写资产管理行业人工智能合规和创新共生发展的新篇章。