可不可以韩国电影完整版影片,浙大房汉廷：“无AI 无上市” 中国如何走出自身“AI+”路径？

　　文/新浪财经香港站 赵岚

　　在11月28日深交所、港交所、广期所共同举办的“2025年大湾区交易所科技大会”中，浙江大学国家战略与区域发展研究院智库领军人、研究员房汉廷，系统阐述了 AI 对资本市场的重塑。他表示，AI 将成为资本市场发展的核心引擎，从上市筛选、合规审核到全面的投资决策，AI将贯穿行业始终。同时预判“无 AI  无上市” 、未来AI将实现“对话交互” 到 “决策行动” 的跨越。认为中国丰富的应用场景将帮助类似DeepSeek的应用型企业向技术企业实现跃迁，这或是中国在AI竞赛中形成中国霸权的最有效的途径。

　　“我们现处什么时代？”

　　“人类文明就是三个时代，一个是肢能时代，第二是体能时代，第三就是智能时代。”

　　房汉廷解释，肢能时代是人类通过制造和使用工具解放手和脚，甚至牙齿也解放，人不再咬人、挠人；第二个阶段是工业革命带来的能源革命，使人类的体能被无限放大；第三个是智能革命，使人类的大脑和智慧被解放被放大。

　　“我们今天就处在这样的时代，这个时代正是75年前图灵测试提到的计算机与智能给我们带来的。”

　　1950 年，英国数学家艾伦·图灵发表了经典论文“Computing Machinery and Intelligence”《计算机器与智能》，奠定了现代人工智能的理论基础。论文系统地讨论了“机器能否思考”，当中提出了著名的“图灵测试”，验证“思考” 的核心是 “信息处理能力”，而非必须依托人类的大脑或生物躯体。

　　图灵认为，计算机只要能实现与人类等价的信息处理，就应被视为 “有智能”，并且乐观预测，“到 2000 年，一台存储量足够大的计算机，大概率能通过图灵测试”。

　　尽管 2000 年时这一目标并没有完全实现，但如今， ChatGPT、Deep seek 等丰富的AI模型已逐渐接近这一水平。

　　“无AI  无上市”

　　“未来会是什么样的场景？”房汉廷先给出了他的结论：“由AI公司和使用AI的公司共同组成的资本市场的群体。作为资本市场的监管者的交易所以及我们的服务机构，必然是AI的使用者，无AI，将来就没有立锥之地。”

　　据房汉廷观察，中国的AI产业，不论是AI技术公司还是AI应用公司，均处在行业快速上升期。

　　机构数据显示，2024 年中国 AI 核心产业规模突破 7000 亿元，年复合增长率超 20%，预计 2025 年产业规模将突破 8000 亿元；AI 应用层占比从 2023 年 35% 升至 2025 年 52%，成为最大增长点。

　　此外，资本市场政策也向AI方向倾斜。科创板、创业板、北交所 IPO 规则明确，AI 等新经济领域企业可缩短持续经营时间要求，从两年减至一年。中国证监会 2025 年重点工作也曾提及，IPO 资源向 “契合新质生产力” 企业倾斜，当中AI 技术或为重要衡量标准。

　　机构 AI 投资偏好明确。在目前的全球资本市场当中，AI 已成为企业叙事的核心，也是科技、医疗、金融行业业绩材料中提及频率最高的词汇。

　　“而未来你会看到在交易所上市的公司，可能无AI就没有上市。” 房汉廷表示。

　　“AI可解决传统资本市场的三个隐痛”

　　房汉廷认为，首先，在信息处理的效率上，传统资本市场的信息处理依赖人工与规则驱动，“不仅是慢，而且是对有些非结构化的高频数据难以进行有效的处理。”

　　第二，在决策模式上。过去金融机构是以经验驱动，存在着认知偏差，无法有效地挖掘数据信息。“比如AI风险的幻象或者说是致幻现象。“房汉廷举例。

　　AI 幻象是指人工智能系统，尤其是大语言模型，所生成的内容与真实数据不符、偏离用户指令或逻辑混乱的现象。由于训练数据不足或存在偏差，导致AI模型在知识盲区自行“脑补”，是AI 模型中普遍存在的技术局限。

　　第三，是监管的滞后性。“我们的决策模式、监管方式可能既监管不了自己，也监管不了上市公司，监管的滞后性导致现在大部分的结果都是事后查办，很难实现实时预警和主动合规。” 房汉廷解释。

　　金融机构的AI价值重解：从“工具物”到“代理人”

　　房汉廷认为，AI可以解决传统资本市场运作中从业者道德风险与运营成本高昂的问题。

　　房汉廷指出，目前很多券商从业者所做的验证上市公司信息披露的工作，AI能够自动起草、验证并审核披露文件，“AI不仅能做到，甚至做得比人好，此外， AI 还 ‘不会撒谎’”。由于AI是基于客观数据执行既定规则，因此很难出现如人类般的主观的道德风险。

　　从量化效益角度看，AI 的降本增效作用尤为显著。据房汉廷观察，“传统模式下准备一份资本市场表格需耗费 180 个小时，成本介于 5 万至 100 万美元之间，而在 AI 技术支持下可节省 90% 的时间，成本也大幅下降”。房汉廷认为，这种效率与成本的优化，或许能够让资本市场的资源配置更趋合理。

　　在金融机构核心业务的深度赋能上，房汉廷认为，AI要作为投行券商的“深度助手”，而不是“简单工具”，“在某些方面它可能会成为投行的代理人。” 房汉廷表示。

　　传统投行依赖大量人力处理重复性工作，培养成熟专业人才通常需要二三十年周期，编制成本高昂。而当前兴起的 “AI 投行 +” 模式已展现出一定的优势。房汉廷表示，“AI通过自动化处理材料审核、数据核验等基础工作，不仅简化流程、提升效率，更能在精准度上超越传统人力模式。“

　　“AI+”下的监管生态：“瞭望塔”变“智驾舱”

　　从交易所角度看，房汉廷认为，全球不同地区的资本市场监管框架普遍存在前期预警不足的问题。“AI在监管这样一个场景上的应用，核心目标可能是从一个‘瞭望塔’变成一个‘自动驾驶舱’”。

　　房汉廷表示，监管最主流的对象就是上市公司，AI下的监管生态重要的变化是要从上市公司的事后监管走到早期的介入和前期的监管。“香港证监会做了一个模型叫做市场侦测模型，这个模型在测试过程当中能够发现二三十个早期盲点。这给我们提供了一个参考——监管价值。” 房汉廷认为，AI可以帮助交易所把好的公司筛选出来，而不是挂牌上市后出现风险再被大量处罚或除牌，“AI可以能够完成后端的查处到早期的介入这样一个工作。“

　　在机构合规流程优化方面，AI 也展现出降本增效、精准风控的显著价值。“科金公司和券商打造了一个证券业的垂直大模型，这个模型第一是可以多点检测，节省人力物力，还有就是精确和准确。”

　　这样的模型使监管报送、合规流程可以自动完成。AI驱动的合规大模型能够重构金融机构与监管机构的交互模式，金融机构从传统 “被动接受监管” 转向 “主动合规”，让监管要求内化为机构的日常运营准则，“所以慢慢地监管者和被监管者就走向了同一个目标，也就是合规。” 房汉廷表示。

　　金融“AI+”的未来方向

　　对于金融行业“AI+”的未来，房汉廷认为有三个场景将为资本市场带来巨大的作用。

　　第一，金融智能体将从 “对话式交互” 进化为 “决策式行动”。“目前人类的决策在 ChatGPT、DeepSeek 等 AI 模型面前已稍显滞后性与粗糙性”，房汉廷表示。

　　据记者观察，目前市场上涌现出大量的金融机构的AI产品，部分可自主完成投资组合优化、部分垂直应用于合规审核、交易执行等流程操作，但全流程且有“决策”功能的AI产品较少，相当部分的金融机构的AI产品其决策效率与精准度仍需人工查验。

　　不过，房汉廷依旧看好金融智能体发展潜力。金融智能体或可凭借全量数据处理、即时风险评估等逐步承接更复杂的金融任务。“这个时间不会太长” ，房汉廷表示。

　　第二，AI 的深度应用将实现多模态，帮助解决跨境监管协同问题，打破资本市场信息处理边界与地域限制。

　　房汉廷举例，“互联网、人工智能等新锐企业早期多流失海外，国内投资者错失成长收益”，如果 AI 技术提供新的解决方案，有文本、语音、视频等丰富的多模态数据，通过跨境数据互通与监管协同，贯穿上市审核、信息披露、交易监测、合规监管等所有环节，或许可以实现对新锐企业成长潜力的评估，优化上市筛选机制，为优质创新企业留在国内市场创造条件。“面对潜在风险，应当‘让子弹多飞一会儿’，不必过度恐慌，给创新企业与市场足够的成长空间。” 房汉廷表示。

　　第三，治理体系的完善。AI 可以通过隐私计算等技术，实现 “数据可用但不可见”，即在不泄露原始数据隐私的前提下，打通不同机构、不同区域的数据壁垒；同时，AI 可以自动识别敏感信息并进行分级保护，匹配数据安全与使用需求，既保障投资者、上市公司等主体的数据隐私，又能为资本市场的数据分析、风险监测等提供合规数据支撑。

　　房汉廷认为，当前中国在数据隐私保护与数据孤岛破解方面采取了 “边施工 边建设” 的适中路径。既不同于美国的 “更开放” 模式，也区别于欧盟的 “更谨慎” 态度，但同时他也提示“不应强化过度治理，避免束缚市场活力”。

　　针对行业关注的算法黑箱与可解释性问题，房汉廷建议，未来需在监管上预留更宽松的调整空间。通过技术创新与制度设计结合，逐步提升算法透明度，不违背 AI 技术发展规律，又实现有效监管。

　　“Ai+”下的监管讨论

　　“第一，就是对监管机构。“房汉廷强调，AI 的监管效能远胜千军万马的人类监管，人类监管常面临能力瓶颈，但AI或许能突破。”监管机构需主动拥抱技术变革，将 AI 全面融入资本市场建设，比如发展监管沙盒、鼓励AI在合规场景的创新应用等。“

　　第二，针对金融机构的监管。房汉廷提出，金融机构需要加大 AI 基础设施投入，重点推进平台治理、技术建设、人才队伍培育，尤其要重视 AI 智能体的发展。“未来的金融生态，将是‘金融大脑 + 若干平台 + 终端’的架构，平台与终端在某种程度上可实现‘无脑化’，核心依赖金融大脑提供的数据支持与决策支撑。”

　　“只要场景足够丰富 应用公司也能变成AI技术公司”

　　房汉廷认为，中国目前的AI 产业发展历程已有一些明确的启示。“以杭州 DeepSeek 为例，其最初并非专注大模型研发的技术公司，而是聚焦量化交易的 AI 应用企业。”

　　今年名声大噪的DeepSeek，凭借其在量化交易中对AI技术的实践和持续打磨，成功实现从 “技术应用” 到 “技术创造” 的跨越。或许应用场景并非技术研发的 “附属”，很可能是驱动技术突破的动力。

　　“中国只要给出足够多足够强的应用场景，很多应用型的公司也会变成创造AI技术公司。“房汉廷表示。“我们有更好的迭代优势，更大的场景应用，这可能也是中国的优势” 。

　　以全球视角看，部分国家侧重技术理论研究，追求‘从 0 到 1’的理论突破，但中国是以大量的产业场景、消费场景，为 AI 技术提供了天然的试验场。一些应用公司在落地过程中会直接面对真正的市场需求，因此在技术技术上能够精准获取优化方向，通过持续的场景反馈进而推动算法迭代和模型升级。

　　在房汉廷看来，这种 “场景驱动技术突破” 的路径 “也可能是中国在AI这场未来竞争当中形成中国霸权的最有效的途径。”