股市配资复旦大学南土国际金融政策圆桌会第12期暨“迎接AI时代系列”第1期举办

【羽扇观金工作室】股市配资

5月11日下午，复旦大学南土国际金融政策圆桌会第12期暨“迎接AI时代系列”第1期在复旦大学经济学院新楼1706室举行。本期圆桌会以“AI时代的金融人才核心竞争力：基于金融实务工作的思考”为主题，邀请来自基金管理、金融科技、金融教育与人工智能等领域的业界专家和学界教师展开交流，围绕人工智能快速发展背景下金融行业的岗位变化、能力重构、风险治理与人才培养等问题进行深入研讨。活动由复旦大学国际金融研究中心主任杨长江主持。

杨长江在开场中指出，人工智能正在对金融行业产生持续而深刻的影响。从金融机构运营、合规审查到投研交易和客户服务，AI技术已经不再只是辅助性工具，而是正在改变金融工作的组织方式和能力要求。面对这一趋势，金融教育需要重新思考“培养什么人、如何培养人”的问题。复旦大学南土国际金融政策圆桌会此前已围绕数字金融、宏观金融形势等主题开展系列讨论，本期活动则开启“迎接AI时代系列”，希望通过业界、学界和跨学科专家的对话，为金融人才培养和学科建设提供更具现实感的问题意识。

王珂发言

南方基金管理股份有限公司交易管理部总经理王珂围绕“AI时代金融人才的核心竞争力”作主题发言。她结合金融交易实践指出，AI技术迭代速度极快，许多曾经具有创新性的系统框架都可能在短时间内被新模式替代，对AI的理解与应用方式也会不断的发生变化。理解AI可能不能停留在“使用软件”或“调用工具”的层面，而应将其视为可以协作、需要管理和约束的“伙伴”“同事”或“下属”。因此，未来金融人才的重要能力，是能够围绕具体业务场景构建AI团队进行多角色协同，通过有效的分工合作共同完成任务。

王珂进一步提出，学生需要培养量化金融研究的能力。她以交易参数建模、量化交易场景和运营体系数字化为例指出，AI已经显著降低了量化研究与使用的成本，从而使量化可以从少数高频交易场景下沉到金融机构更广泛的运营和服务体系，有效的提升这些场景的运行效率。模型的构建以及执行算法编程都可以借助AI来完成，但模型是否在生产环境可用，仍需要人来判断。除技术能力外，她还强调历史、哲学、心理学等基础训练的重要性，认为在AI承担大量执行性任务后，人仍然需要承担解释、沟通的工作以及担负责任。

萧岚发言

深圳市财富趋势科技股份有限公司副总裁萧岚从金融科技公司的实践出发，分享了AI对金融机构业务流程和人才结构的影响。她指出，金融科技行业同时面对IT与金融两个高度受AI冲击的领域，压力尤其突出。当前，AI已经进入券商智能投顾、资管投研、固收交易、基金风险预警、运营分发和客服等多个场景，大量标准化、重复性工作正在被高效替代。但AI不会淘汰真正具备复合能力的金融科技人才，真正会被淘汰的是无法理解AI、无法驾驭AI、同时又失去金融本质判断力的人。

萧岚认为，AI时代的金融人才应完成三方面转变。第一，从“数据搬运者”转向“逻辑裁判”，即不再只是整理财报、撰写周报或计算指标，而是能够判断AI生成结果的假设、偏差和逻辑漏洞。第二，从“写代码的人”转向“人机协作的翻译者”，能够把业务问题转化为AI可以理解和执行的任务。第三，从“规则执行者”转向“原则判断者”，在合规、风控和投资者适当性等场景中理解规则背后的立法精神和责任边界。她强调，金融科技公司的系统设计目标，不是让AI替代人类判断，而是把重复、标准化的工作交给AI，使金融从业者能够把精力投入到逻辑判断、复杂沟通和责任承担中。

王小钊发言

Hi-Finance/Hi金融创始人兼CEO王小钊结合金融教育和行业观察指出，AI已经从可选工具变成金融从业者必须面对的基本条件。在投资端，个人量化会成为新的趋势，从机构投资与交易越来越多的走向个人端。在服务端，AI并不会完全取代金融行业中人与人之间的信任关系。金融服务本质上仍然涉及客户理解、需求识别、信息解释和关系建立，尤其在面对客户、投资者和合作伙伴时，人的沟通能力、叙事能力和信任构建能力仍有不可替代的价值。

王小钊还指出，AI会放大个体之间的信息差、认知差和执行力差异。能够熟练使用AI的人会更快积累优势，而不会使用或不愿使用AI的人可能更快陷入平庸。他认为，未来金融行业可能更加依赖具有鲜明专业或能力标签和善于打造专业信任能力的人才与机构，资源也可能向更具识别度和影响力的节点集中。成为信息的节点，打造自己的认知框架，借助AI工具提升信息处理效率，最终变成他人值得信赖的合作伙伴，是不变的金融市场人际之间的协同机制。

曾剑平发言

复旦大学智能与创新学院副教授曾剑平从人工智能安全角度分析了AI进入金融场景后可能带来的新型风险。他指出，AI在金融行业中的广泛应用，不仅会提升效率，也会使AI系统自身的安全问题与传统金融风险发生叠加。传统金融风险包括信用风险、市场风险和操作风险，而AI系统还涉及数据投毒、隐私泄露、模型幻觉、算法偏见、责任归属和系统性依赖等问题。由于金融业务高度依赖数据和模型，一旦AI系统的数据来源、模型假设或调用接口受到干扰，风险传导可能更隐蔽、更复杂，也更容易形成大范围暴露。

曾剑平强调，学生和金融从业者需要具备基本的AI素养，理解AI系统的数据层、算法层、模型层和应用层各自可能存在的风险。他指出，AI模型本质上仍是概率模型，模型幻觉和偏差在短期内难以被彻底消除，因此不能以“AI会给出答案”为由削弱基础知识训练。相反，只有具备扎实的学科知识，人才有能力判断AI结果是否合理。他还以智能体调用网页数据的实际尝试为例说明，当前AI Agent在标准化接口、数据调用和任务执行方面仍存在边界，预算、容错率和具体场景都将影响其实际可用性。人机协同的关键，是清楚知道哪些任务可以交给AI，哪些任务仍需要人进行结构化设计和最终判断。

王龙发言

复旦大学经济学院助理教授王龙则从一线教学和课程改革角度分享了AI时代金融教育面临的现实难题。他指出，AI工具的快速发展正在改变教师与学生之间的关系。一方面，学生在多门课程和多种场景中使用AI，某些具体工具的掌握甚至可能快于教师；另一方面，教师需要思考如何在金融课程中加入AI内容，使学生既能掌握传统金融理论，又能理解AI在资本市场、投研分析和金融服务中的应用边界。

王龙认为，当前金融教育至少面临三重挑战。第一，如何把AI真正融入金融课程内容，而不是简单增加技术元素。第二，如何使用AI助教、AI批改和线上线下混合教学等工具，同时避免教学变成形式化负担。第三，如何在AI普遍参与作业和论文生成后，重新识别学生的真实学习能力和投入程度。他指出，AI时代的课程改革不能只靠一两门课程完成，而需要经济金融学科与计算机、人工智能等学科形成更系统的合作机制，也需要业界对人才能力需求提出更具体的反馈。

王晓虎发言

在现场教师补充发言环节，国际金融系教授王晓虎围绕AI与金融本质、金融教学改革等问题作了进一步讨论。他认为，对于“AI将替代金融大部分工作”的判断需要更加审慎。AI的发展未必意味着金融工作的简单消失，反而可能促使金融回到更基本的问题。例如，从股票市场来看，金融资产定价的基础并不是单纯的价格波动，而是企业成长、风险共担和利润分配。若完全脱离股息、现金流和企业基本面，股票市场就容易被理解为纯粹博弈场所。由此出发，他认为，AI和量化投资的发展可能使市场更有效地捕捉套利机会，而当套利机会不断被消除后，金融定价仍需回到资产收益、企业成长和风险补偿等基本逻辑。

王晓虎还结合自身研究指出，在金融资产波动率等问题上，人工提取的简洁模型并不一定弱于机器学习模型，某些稳定规律本身就存在于金融数据之中。AI可以提供新的工具，但不应使人忽视金融学最基础的理论问题和模型判断。他进一步谈到，AI进入课堂后，教师面临“应用导向”与“基础训练”之间的张力。学生往往更希望快速掌握可以立即使用的工具，类似“剑宗”的路径；而课程体系更强调从编程语言、计算机体系结构等基础内容学起，类似“气宗”的训练。如何在工具快速迭代、学生重视即时应用、教师强调长期基础之间取得平衡，是当前金融+AI教学改革必须面对的现实难题。

宋军发言

国际金融系副教授宋军则从培养方案和教学大纲调整角度介绍了金融+AI方向建设中的具体问题。她表示，AI系列活动的开展，与学院正在推进的课程体系改革密切相关。AI内容加入后，金融方向培养方案需要进行相应调整。相较于原有金融方向约140多个学分的课程结构，金融+AI方向课程学分达到170多个，增加的30多个学分主要对应计算机相关课程，涉及十余门较为硬核的计算机课程。这样的安排有助于夯实学生的技术基础，但也明显增加了学生学习负担。

宋军指出，金融+AI人才培养既不能停留在较浅层的工具应用，也不能简单把大量计算机课程机械叠加到金融培养方案之上。真正需要解决的问题，是在扎实基础训练与可承受学习压力之间找到合理均衡，使学生既具备必要的计算机和人工智能基础，又能够将其真正运用于金融问题分析和业务场景之中。她表示，未来还需要与学校和相关院系进一步沟通，在课程衔接、学分安排和应用场景设计上继续优化，使金融+AI方向能够更好落地。

在随后的讨论环节，现场教师和同学围绕金融+AI课程体系、双学位培养强度、基础训练与应用能力之间的平衡、AI方向实习就业路径等问题展开交流。与会嘉宾普遍认为，AI能力的培养不应停留在工具层面的“会用”，而应进一步上升到组织结构、工作流程和问题解决体系的重构。对于金融学生而言，扎实的金融基础、必要的编程与数据能力、对AI工具边界的理解，以及将业务问题转化为可执行任务的能力，将共同构成未来竞争力的重要来源。

杨长江发言

杨长江在总结中表示股市配资，本场圆桌会的讨论比预想更加具体和深入。来自业界的嘉宾提供了金融实务一线对AI冲击和人才需求的真实观察，来自人工智能和经济学院的教师则从技术安全、课程改革和人才培养角度提出了重要问题。AI时代并不意味着金融教育可以削弱基础训练，也不意味着金融人才只需学习工具操作。恰恰相反，越是在AI快速迭代的背景下，越需要重新理解金融本质、技术边界和人的判断责任。未来，“迎接AI时代系列”圆桌会将继续围绕人工智能与金融行业、金融教育、金融治理之间的关系开展讨论，为复旦经济学院推进跨学科人才培养和回应时代变化提供更多思考。

长富资本提示：文章来自网络，不代表本站观点。