文 | 中国金融网CFN 大河

2026年10月19日到22日，上海黄浦江边，外滩年会开了四天。主题叫“科技、地缘与全球经济”，但如果你只看议程表，会以为这是一场关于AI的专场研讨会——AI如何影响宏观经济、AI债务融资风险、AI金融治理、AI与生产率变革，几乎每一场圆桌的标题里都藏着那两个字母。

来自25个国家和地区的73位国际嘉宾确认出席演讲，19场外滩圆桌，12场闭门会。场面很大。但整场年会最值得记住的，不是AI被讨论了多少次，而是坐在台上的人，对同一件事给出了截然不同的判断。

AI叙事的分裂：需求在跑，供给还没到，风险已经在了

美联储原副主席科恩说了一句很直白的话：AI投资热潮对需求的拉动先于对供给的影响，正在增加通胀压力。翻译一下：钱和订单已经冲出去了，能提高生产率的实际产出还没跟上。欧洲央行首席经济学家莱恩补了一刀，AI全球供应链今年对欧元区贸易有提振，但程度不及美国。以色列央行原行长弗伦克尔说得更克制：AI对供给的影响可能很大，但不会在短期内显现；基于未来预期的资产估值已经在拉动需求，最终偏向推高还是抑制通胀，需要在这个框架下评估。

这几句话拼在一起，是一幅不太舒服的图景：市场在用“未来会更好”的假设给今天定价，但“更好”什么时候来、以什么方式来，没有人能给出时间表。

分歧出现在风险判断上。美国第70任财政部长鲁宾认为，美国银行体系整体健康，向AI放贷的大型银行资本充足，区域性银行基本未涉足，个别公司可能出问题，但引发系统性金融危机的概率极低。荷兰央行原行长诺特则明显更谨慎：据他掌握的数据，AI投资热潮中约三分之一来自债务融资，表外承诺往往意味着真实占比更高；美国消费对财富效应敏感，调整可能更快，影响可能更广。

鲁宾和诺特的分歧，不是谁更懂AI，是谁更愿意相信“这次不一样” 。

周小川的“预案”：在乐观者的房间里谈救助

10月20日，中国人民银行原行长周小川在“AI与生产率变革：技术跃迁下的宏观冲击”圆桌上，说了一段和现场气氛不太合拍的话。他的原话是：技术演进必然伴随部分投资成功、部分投资失败，但考虑到如今有如此巨额的资金流向人工智能及相关基础设施，一旦其中一部分失败，就可能引发金融动荡，并酿成危机，这就需要采取大规模行动支撑经济、对部分金融机构实施救助。因此应当开展研究并做好预案，在政策工具箱中储备相应工具。

周小川没有停留在“警惕风险”的层面。他指向的是风险爆发之后的处置机制。IMF在10月13日发布的《全球金融稳定报告》把AI相关资产价格回调列为三大突出金融风险之首，另外两项是主权债券收益率急剧上升和网络威胁。IMF货币与资本市场部副主任瓦姆瓦基迪斯说得很具体：一旦发生AI驱动的市场调整，初步回调可能暂时局限于科技板块，但连锁反应恐将波及更广泛的资产价格，并对实体经济造成打击。

周小川做的事情，是把IMF用模型算出来的概率，翻译成了中国金融监管语境下“谁来兜底、用什么兜底、什么时候兜底”的问题。他说“救助”，救的不是失败的AI公司，是被AI投资失败拖进不良资产池的金融机构。

同一场发言里，他还有一句容易被忽略的话：或许不应过于依赖行政手段来防范相关影响，而是应让价格调整反映正在发生的结构变化。在当前算力投资高度受地方产业政策驱动的背景下，这句话的指向相当明确——如果价格不能提前出清低效投资，金融体系迟早要用不良资产的形式买单。

刘珺的“四重错配”：先回答“谁担责”，再谈“怎么发展”

如果说周小川谈的是AI投资失败之后的金融后果，工商银行行长刘珺谈的是AI进入金融业务之后的责任真空。

刘珺在“金融领域AI治理：关键议题与可行路径”圆桌上提出的问题听起来像哲学：AI究竟是主体还是客体？是准法律主体，还是纯粹的技术工具？责任在算法开发者、部署方、使用方和终端用户之间怎么划分？算法黑箱之下，问责和验证都非常困难。

他点出了四重错配：信息披露上，监管要求充分披露，但算法和参数在黑箱里；数据存储上，数据要求本地存储，算法天然跨境流动；主权上，没有国家愿意把AI控制权交给别国；信用评估上，银行有成熟的评分体系，却不知道怎么给一个模型打分。

刘珺给出的方案带有很强的工行色彩：“收益证明”——谁从AI部署中获益，谁就独立承担相应责任。他的逻辑很朴素：如果工行的大量业务线部署了AI，收益进了工行的资产负债表，那么出了问题，工行就应该向受害者赔偿、向市场给出答复。在具体业务边界上，工行的做法是分层的：高度依赖数据的业务给AI更多自主权，直接面向客户的业务让人做主要决策，涉及价格管理和重大金融敞口的业务从一开始就必须有人参与，而无论哪种情形，人类必须把关闭开关嵌入流程。

这不是技术问题，是治理的先后顺序问题。当53.5%的银行已经上线大模型应用的时候，刘珺把“谁担责”放在了“怎么发展”前面。这个顺序如果反了，AI跑得越快，责任的空洞就越大。

11%的监管工具和三分之一的债务：能力鸿沟比风险本身更硬

外滩年会上还有一个数字，比任何关于AI前景的争论都更值得停下来看一眼。

世界银行常务副行长兼首席行政官张文才在圆桌上披露：世界银行调查显示，仅11%的新兴市场金融监管机构在使用AI监管工具，约一半机构表示没有足够的人员和工具进行有效监管。各经济体监管能力存在两种速度，有的已处于前沿，有的完全没有工具；同时还存在对少数几家云服务商和模型提供商的过度依赖。

11%。这意味着，当AI投资以千亿美元级的规模涌入金融体系的时候，绝大多数新兴市场的监管者手里没有能看懂这些风险的工具。IMF呼吁各国“限制AI、私人信贷及其他非银行金融部门的杠杆和流动性错配”，但限制的前提是能看见。一个连AI监管工具都没有的监管者，很难看见风险在资产负债表之外积累的样子。

诺特的三分之一债务融资数据，和这11%的监管工具覆盖率，构成了同一个问题的两面：风险已经在债务结构里积累，而监管的视力还没有跟上。黄益平在同一场对话中提到的“循环承诺”风险——大型科技公司做出巨额采购承诺，上游供应商随之扩张，一旦承诺无法兑现，市场可能急剧调整——恰恰是这种“看不见的杠杆”最典型的形态。

外滩的江风会吹散很多会议上的漂亮话

2026外滩年会上的金融声音，不是一首关于AI的合唱。

有人在算AI拉动需求的通胀效应，有人在算债务融资的集中度，有人在算监管工具的覆盖率，有人在问AI出了事谁来赔。这些声音放在一起，指向的是一个比“AI能不能提高生产率”更难回答的问题：金融体系正在被要求为一场它既无法定价、也无法监管的技术革命，提前准备一套它还没有设计出来的压力测试。

周小川说“要有预案”，刘珺说“先解决谁担责”，张文才说“11%的监管者在用工具”，诺特说“三分之一靠借债”。把这些话按逻辑排下来，结论是清楚的：AI对金融体系最紧迫的挑战，不在技术层，在制度层。预案、责任归属、监管能力、杠杆透明度，四件事没有一件能靠更多的算力或更大的模型解决。

外滩的江风会吹散很多会议上的漂亮话。但那个11%，和那个三分之一，会在未来几年里反复出现，直到有人真的把工具箱打开，发现里面要么有东西，要么空空如也。