自2022年末ChatGPT横空出世，到2025年初DeepSeek发布推理大模型，人工智能的浪潮以远超预期的速度席卷全球，呈现出“中美两国双雄并进、多方参与”的竞争格局。而在金融领域，科技早已不是“要不要用”的问题，而是“怎么用、用在哪、会带来什么后果”的深层命题。
金融科技通常被概括为“ABCD”：人工智能（AI）、区块链（Blockchain，及其衍生的数字货币）、云计算（Cloud Computing）和大数据（Big Data）。其中，数据确权正成为未来最核心的治理难题之一。笔者自2017年在伦敦大学学院（UCL）计算机系学习期间，便开始关注以人工智能为代表的金融科技研究，并在当年系统研究了自然语言处理技术在金融中的应用。以下是笔者在后续的博士研究过程中，围绕人工智能与金融交叉领域观察到的几个重要趋势，以兹探讨。
在近期的一系列研究中，笔者注意到人工智能(AI)时代下的公司金融正与劳动经济学发生深度的、结构性的交融。传统公司金融主要研究资本结构、投融资决策、公司估值、治理机制、并购重组等问题。而如今，西方主流学术界越来越关注公司金融与劳动经济学的交叉——这也正是笔者在美国马里兰大学访问交流期间具体研究的领域之一。这一趋势背后有两个相反的推力。一方面，人工智能的发展不仅优化了企业的技能劳动力结构，还显著增加了对高技能人才的雇佣，推动企业从低技术向高技术转型。另一方面，人工智能也在取代部分就业。以自动驾驶为例，网约车司机在中国基层扮演着就业的“稳定器”角色，一旦被大规模替代，将对社会民生造成巨大冲击。这个矛盾意味着：未来的公司金融研究，必须把“人”的因素放回模型中央。企业如何平衡技术替代与人力资本升级？政策如何引导人工智能在不破坏就业韧性的前提下提升效率？这些问题将成为学术和实务的共同焦点。
与此相关的另一个趋势，体现在信息生产与审核领域。人工智能正在深刻改变信息生产和审核的方式——它一方面将人们从繁琐的案头写作中解放出来，另一方面也可能导致信息披露的失真。积极的一面是，人工智能能够显著提升资本市场信息披露的及时性和自动化程度，降低人为错误。智能化处理大幅减少了传统人工操作中的录入、计算差错，提高了会计核算的精准度。同时，智能算法可以识别异常模式（如潜在的财务舞弊迹象），在一定程度上增强了对人为操纵的防范能力。然而，新的挑战也随之而来。如果用于会计核算的人工智能算法存在缺陷或数据偏见，可能导致披露的会计信息不准确。此外，数据隐私、网络安全以及过度依赖机器决策所带来的法律合规压力，都是不可回避的伦理与安全问题。数据确权、算法问责、审计可解释性，正在成为财务信息披露研究的新前沿。
企业创新层面，人工智能(AI)的影响同样是多层次的。AI正在从多个维度深刻影响中国的企业创新：促进创新数量与质量的同步提升，推动传统制造业向智能化、数字化转型，以及重塑企业经营管理模式。这被认为是未来十年以上的确定性趋势。然而，一个关键问题仍然悬而未决：中国人工智能的盈利模式究竟是什么？除了“降本”之外，它所带来的“增量”在哪里？这个问题不仅关乎技术，也关乎金融如何为创新定价、如何识别值得投资的AI企业、如何评估AI专利的真实价值。
值得思考的是，DeepSeek（深度求索）并非出自传统互联网巨头，而是脱胎于中国顶尖的量化私募基金公司——幻方量化。这揭示了一个深层规律：金融领域对算力的极致追求，可以直接转化为基础技术的研发能力。幻方量化早在2020年就开始大规模布局AI算力，搭建了“萤火一号”和“萤火二号”高性能算力集群，这套为高频交易打造的算力体系为后续DeepSeek大模型的研发与训练提供了重要支撑。与此同时，量化公司聚集了大量数学、物理、计算机科学背景的研究型人才，他们擅长从低信噪比的环境中处理海量数据，并秉持数据驱动的思维方式——这种文化被完整地带入了DeepSeek的研发中。这给我们一个启示：金融中的资产定价、算法研究方向，完全可以反哺科技发展。我们既要看到风险投资家能够筛选出优质公司、通过金融手段促进企业成长；也要看到量化交易对科技生产力的直接推动作用，因为量化交易的底层逻辑正是数学算法与计算机实现。
在人工智能与金融深度融合的时代，金融经济学愈发强调服务于实体经济和国家发展战略。我们应当看到，除了算法交易直接推动科技生产力提升之外，风险投资对创新企业的有效甄别、人民币国际化的稳步推进等，同样将深刻影响我国综合国力与全球竞争力——这正是迈向“金融强国”的应有路径。期待更多同仁聚焦人工智能时代的中国金融议题，在公司金融与劳动经济学交叉、会计信息披露、AI创新定价与量化反哺科技等方向上持续深耕，共同为我国金融体系的高质量发展贡献力量。
本文作者宗峻麒，中国人民大学财务与金融领域博士研究生，研究方向为公司金融、信息披露、人工智能与企业创新。2025—2026年在美国马里兰大学史密斯商学院开展博士阶段联合培养。硕士毕业于英国伦敦大学学院（UCL），获计算机金融硕士学位；本科毕业于英国谢菲尔德大学，获金融数学一等荣誉学士学位，并获谢菲尔德毕业生卓越成就奖；同时获南京工业大学数学与应用数学学士学位。2018—2022年，先后在清华大学国家金融研究院、北京大学新结构经济学研究院从事政策研究工作，参与财政部与国家开发银行相关课题研究。
