6月19日，在新金融联盟、金融城主办的第十届“融城杯金融科技创新案例评选”启动仪式上，中国银行原行长李礼辉阐述了他对数字金融创新的思考。

　　他表示，在当前超高速发展的数字金融智能化创新进程中，需要强调金融模型的安全和可信。

　　李礼辉在现场回答数字金融发展需要兼顾安全与高效、创新与风险。对此，李礼辉提出“高中初小”原则。他认为，若满足相关原则，对风险容忍度可适当放宽。

　　李礼辉

　　在活动的演讲环节，李礼辉表示，要做到金融模型的安全和可信，需考虑多方面因素。

　　首先是高可靠性。金融机构部署AI模型，必须配置先进的安全技术工具，做到既能抵抗恶意攻击，又能避免偶发性的安全隐患。

　　对此，李礼辉提到几个“特别注意”事项：用于市场分析和预测，特别注意克制模型幻觉；用于客户筛选和分层，特别注意避免模型歧视；用于量化交易和投资顾问，特别注意防止算法共振；用于身份识别和验证，特别注意抵抗AI虚假；用于线上线下客户服务，特别注意消解机器冰冷感等。

　　其次是可解释性。他说，尽管要做到这点现在还有困难，但若能展现完整的推理路径和逻辑，把模型行为转化为可理解规则和可视化过程，则有可能实现从结果正确向过程可解释的跨越。

　　再次是合法性。李礼辉认为，金融智能体适用于市场分析、风险评估、财富管理、量化交易、产品定制、内部审计等专业化比较突出的领域。

　　技术上，需提供行业最佳流程、最佳标准的数据支持，培育具有自主的感知学习行动和决策能力的金融智能体，确保复杂场景中达到可信任的专业水准。

　　制度上，需要确立金融智能体法律地位，明确金融智能体行为边界，明确金融机构管理者的决策责任。

　　最后是经济性。在他看来，行业智能化创新，需要通过垂直模型实现。金融业涵盖银行、保险、证券、投资、财富管理等不同领域，不同领域的金融产品、金融服务、金融管理等需求大同小异，若通过海量数据预训练行业级金融模型并不断调优，再根据不同机构、不同单位需求调试差异化应用，定制企业级金融模型，可降低模型开发边际成本，扩展模型应用范围。

　　李礼辉表示，在软算力建设方面，应支持有实力的科技企业与金融机构深度合作，引领开发行业级的金融模型和应用软件，为中小金融机构提供企业级金融模型服务和软件服务。硬算力建设方面，应实现可信技术协同和可靠资源共享，通过共建数字金融生态圈，实现高效率、低投入、个性化的数字金融创新。

　　李礼辉回答李礼辉强调，可信任数字金融，是要让监管机构能看得明白，要让市场信得过、客户信得过。“你做的系统，监管机构看不明白，你也用不了。”

　　对于数字金融治理，李礼辉提出，要建设安全高效的数字金融创新制度。数字金融创新，并非是给传统体制、传统流程加上一个数字化外套，而是从根本上改革体制、重构流程、再造底层系统。假如执行过于严苛的监管，可能抑制创新和产业发展。

　　他认为，可考虑采纳“高中初小”的原则——“高”是占领全球技术高地，“中”是全球领先的中国方案，“初”是有能力把风险消灭在萌芽状态，“小”是实现风险概率和风险成本最小化。

　　李礼辉进一步表示，要加快数字金融监管创新。要完善法律法规，明确数字金融业务规范；完善一体化穿透式金融监管系统，降低监管成本的同时降低被监管成本；要完善数字金融审核制度，完善AI平台的测试标准和方法；还要完善数字金融市场风险分析和监测系统，从而在未来智能化的数字化市场交易中，能够有效管控异常交易和市场操纵。

　　对于如何兼顾好创新与监管，李礼辉回答李礼辉同时强调，风险也不能不管。“不管就可能发生很大风险。比如2017年七部门叫停代币发行融资，这种类似于赌博去中心化金融投资，一旦任其进一步发展，可能就有很大的问题。”

　　李礼辉告诉