【中文摘要】DeepSeek-R1以低成本、高性能的突出优势对人工智能的发展方向产生深刻影响，并在金融领域掀起应用人工智能的热潮。在科技、金融和法律融合视角下，DeepSeek类人工智能与金融业务深度结合赋能金融科技3.0范式跃迁，以智能普惠促进金融普惠，推动数据要素成为连接金融与实体经济的关键生产要素。DeepSeek类人工智能在为金融科技的广泛应用提供技术支撑的同时，可能导致技术风险和金融风险衍生叠加，威胁数据安全、网络安全以及金融稳定性。监管体系也将面临鼓励创新与抑制风险的双重目标悖论、市场“黑箱化”后隐性风险难以识别、“机器代人”引发责任配置难题等困境。在这一情况下，结合当前DeepSeek类人工智能与金融业务相结合的本质属性以及金融监管体系降低信息不对称的根本目标，应坚持信息工具的监管定位，基于“平台—数据—算法”范式推动人工智能金融科技的敏捷治理，强化人工智能监管科技的应用，从科技和法律双维视角构建适配DeepSeek类人工智能金融科技3.0的监管范式。
【全文】
杭州深度求索人工智能基础技术研究有限公司推出的DeepSeek-R1大模型，以低成本、强推理的技术优势以及开源策略对全球人工智能的发展格局带来巨大冲击，打破了传统算力等资源密集型人工智能的发展范式，被称为人工智能发展的“斯普特尼克时刻”。作为我国人工智能发展的突破性成果，DeepSeek-R1的推出掀起我国各行业应用人工智能技术的热潮。人工智能与实体产业的深度融合，凸显了数据作为新型生产要素在企业发展过程中的重要作用。生成式人工智能具有强大的数据分析、信息聚合和推理能力，金融本身属于技术和信息密集型产业，生成式人工智能蓬勃兴起初期两者即实现了深度结合，在金融市场动态分析、客户服务与产品推荐、主体识别与报告生成、个性化投资建议以及欺诈检测与风险防控等领域拥有广泛应用前景。人工智能发展前期，我国因受制于芯片和算力、人工智能技术发展水平、数据安全等因素，人工智能在金融行业的应用范围和影响力有限，DeepSeek类人工智能凭借本土化模型、开源策略和低价成本等优势，势必会获得在我国金融行业的广泛应用，进而深刻改变金融业态。与此同时，伴随人工智能在金融领域的全面铺开，由技术内生性风险和衍生金融风险相互交叠带来的监管挑战不容忽视。
随着DeepSeek类人工智能广泛渗透金融体系，并与区块链等技术结合成为各类金融业务的底层技术支撑，推动金融体系逐渐从移动互联向智能互联跃迁，我国已迈入金融科技3.0时代。在这一过程中，数据成为链接实体产业与金融产业的关键生产要素，低廉高效的人工智能将增强金融普惠性，促进金融业态转向智能化、多样化、个性化发展。人工智能已渗透投资顾问、量化交易等核心金融业务领域，人工智能技术固有的“黑箱”特性及其存在的数据安全和网络安全、算法歧视、模型幻觉等风险与金融风险叠加的不可预测性和隐蔽性，呈现非线性风险扩散的特征，对传统监管范式提出严峻挑战。
一、智能普惠：DeepSeek类人工智能驱动金融体系变革
（一）“科技—金融—法律”融合视角下的金融范式跃迁
以往的金融运行模式和业态升级通常由新技术的发展和应用驱动，并与法律制度的演进相互促进，呈现“技术—金融—法律”交织的金融科技发展形态。从世界范围看，冶炼与印刷技术的发展推动了货币形态的标准化，确保其交易媒介、记账单位和价值储藏等金融职能的发挥。15—16世纪，航海技术的发展极大地促进了航海贸易，催生公司、保险、票据、证券交易所等复杂金融工具及相应法律制度。工业革命后，电报和电话等通信技术的发明打破了金融市场的地理限制，使金融机构能够便捷获取全球市场数据，催生电汇等跨境支付结算技术。例如，诞生于电报和电话主导时代的SWIFT等金融电讯系统，至今仍是全球金融通信的核心基础设施。互联网时代，金融科技的每一次进展，都呈现出科技、金融与法律融合互促的趋势。
改革开放以来，我国金融科技的发展历程可分为三个阶段，每一阶段的开启均伴随金融科技的突阶段科技相对落后，与金融、法律的耦合度较低，金融法律制度尚不完善，金融监管回应技术发展的需求相对不足。第二阶段为2011—2023年，以中国人民银行印发《非金融机构支付服务管理办法》推动移动支付规范化为起点，这一阶段移动互联网技术全面普及，互联网金融快速发展，虚拟货币等基于区块链技术的新型金融形态影响力逐渐增强，但法律的合理引导不足，由此，科技、金融、法律三者间的互补性逐步显现，金融科技和监管科技逐渐受到市场及监管层的重视。第三阶段为2024年至今，作为信用工具的区块链技术与作为效率工具的人工智能技术逐渐发展并日臻成熟，与金融体系实现广泛深入的结合，推动数据成为金融市场价值配置和监管体系的核心要素。与此同时，技术与市场风险的叠加对法律规制的敏捷性与有效性提出更高要求，科技、金融和法律三者间的耦合度和互补性需求空前增强。2024年，包含科技金融和数字金融在内的金融“五篇大文章”首次被写入政府工作报告；2025年3月5日，国务院办公厅正式发布《关于做好金融“五篇大文章”的指导意见》，标志着我国正式迈入金融科技3.0时代，金融强国建设进入新阶段。
金融科技3.0时代，金融与科技融合互动、创新发展的特征更加鲜明，法律要为其发展创造良好的监管环境。DeepSeek出自量化基金公司，幻方量化为大模型的开发提供了资金、算力和数据等支持，部分创新直接源于金融量化交易的技术积累。例如，幻方量化早期通过机器学习优化交易决策的实践，为DeepSeek将动态博弈算法迁移至大模型优化提供了灵感。DeepSeek类人工智能在技术层面的突破，为其在金融领域的大规模直接应用创造了契机。同时，人工智能通过与实体产业的深度融合改变了传统价值创造范式，进而间接影响金融体系的资源配置方式。DeepSeek类人工智能对金融行业的冲击，源于其相对于传统大模型的显著优势。一是成本效益优势。DeepSeek-R1以相对低廉的训练成本，实现了能与顶尖闭源模型相匹敌的性能。这一模式使中小金融科技企业和金融消费者个体能够以更低廉的成本接入先进模型，挑战传统科技巨头的技术壁垒。二是开源协作策略。DeepSeek以MIT协议完全开源模型架构、训练方法论及推理过程吸引全球开发者参与优化。其API定价低廉、本地化部署成本显著降低，已促成国内众多企业接入适配，其中不乏颇具影响力的金融机构。DeepSeek的开源策略不仅打破了美西方国家的技术垄断，而且有助于形成“国产算力+国产大模型+国产应用”的生态闭环，为大模型在金融领域的大规模应用提供了技术支撑。三是高效工程架构。DeepSeek采用多头潜在注意力（MLA）和混合专家（MoE）架构，降低算力成本的同时能够维持模型的高性能；通过知识蒸馏技术使轻量化模型能够在PC终端运行，进而实现云端级推理能力本地化乃至个体化。具备上述特征的DeepSeek类人工智能将对金融体系产生深远影响，主要包括三个方面。
第一，智能普惠促进金融普惠。普惠性是金融体系发展的重要价值取向，也是数字金融公平价值的重要体现，在技术与金融深度融合的背景下，“数字鸿沟”成为金融普惠化的阻隔。无论电报、电话的推广，还是以智能手机为代表的移动互联网终端的普及，均表明技术使用成本的大幅降低是技术普惠化的核心要素，在“技术—金融”的互动框架下，技术普惠化不可避免地孕育重塑新的金融体系。自ChatGPT诞生以来，大模型规模定律决定的巨量数据需求以及高昂的算力成本是制约生成式人工智能大规模部署应用的关键性因素，大量训练数据和以高性能GPU（图形处理器）为代表的算力资源通常掌握在少数技术巨头或大型科技公司手中，通过控制数据资源和硬件设施形成数据垄断和算力垄断，中小型企业难以突破数据和算力屏障享受高性能的人工智能服务。DeepSeek类人工智能以创新的算法架构降低了大模型的计算量，并利用知识蒸馏技术降低了大模型训练的数据需求，在技术层面降低了高性能大模型的使用门槛。DeepSeek开源策略增强了技术包容性，金融机构可依赖自身经验与数据开发差异化的金融服务与产品，个体投资者可通过人工智能分析自身财务状况、获取投资建议、辅助投资决策，一定程度冲击了“技术封建主义”，推动了“智能平权”。与金融普惠类似，智能金融意味着在平等性、可持续性、可负担性的理念指导下，所有经济主体都将有可能获得高性能人工智能的使用机会，技术层面的智能普惠成为普惠金融的底层基础。以DeepSeek类人工智能为代表的金融科技改变了传统的普惠金融供需格局，为优化普惠金融服务模式提供了新契机。一方面，低廉可负担的部署成本叠加国产大模型的天然优势使金融机构在推广应用DeepSeek类大模型方面不遗余力，众多国内银行、保险和券商等金融机构业纷纷宣布接入DeepSeek，人工智能技术赋能的普惠金融服务经由金融机构触达广大金融消费者已成不可逆转之势。另一方面，相较传统金融科技而言，人工智能技术的普惠化推动金融服务从规模覆盖转向精准适配，人工智能的可负担性能使欠发达地区的金融机构根据当地独特需求开发出本地化的金融解决方案（例如，小额贷款和个性化保险产品）。低成本的人工智能技术为创新性的解决方案开辟了新的可能性，推动金融服务和产品覆盖更广泛的地区和人群。
第二，数据成为金融资源配置的核心要素。重大科技创新通常与重大金融创新相互耦合催生产业革命，实现“科技—产业—金融”良性循环是我国数字经济发展亟待解决的重大课题，数据作为人工智能产业发展的关键生产要素已被纳入生产函数参与价值创造过程，在科技、产业与金融的一体化循环中发挥独特作用，进而成为金融体系进行资源配置的核心要素。基于DeepSeek类基础大模型建垂直领域的专业大模型，是人工智能实现大规模产业应用的重要途径，在这一过程中，虽然数据量级要求低于通用大模型训练，但大量高质量标注的数据必不可少。因此，在人工智能作为通用目的技术扩散的过程中，将促使数据资源价值上升，成为产业无形资本的重要组成部分，并进一步强化数据这一新型生产要素的金融资源调配能力。金融的根本职能在于服务实体经济，优化资源配置。从产业与金融互动视角看，DeepSeek类人工智能的技术突破对实现数据要素资源化、资产化乃至资本化，进一步释放数据价值、发挥数据要素乘数效应具有重要意义。就人工智能落地风险管理、量化交易、智能投顾、反欺诈与合规审查、智能客服、报告生成类等金融领域的具体应用场景而言，亟须利用高质量数据进行微调，人工智能技术与金融机构自身掌握的数据相结合，为DeepSeek类人工智能推动金融范式跃迁提供了主要动力。总体而言，伴随DeepSeek类人工智能的普及应用，数据要素将通过产业间接传导与金融直接应用两条路径进一步发挥数字经济时代关键生产要素的作用，并成为金融资源配置的核心要素。
第三，人工智能推动金融监管范式革新。人工智能在金融监管领域普及应用的核心价值表现为基于数据智能重构监管范式，实现了从人工监管到智能监管的跃迁。在金融监管的需求侧，DeepSeek类人工智能在金融领域的大规模普及应用，将引发一系列相较传统金融风险更加难以识别、应对的新型风险。传统监管受制于信息不对称、监管技术匮乏以及金融监管法律滞后等因素，在应对人工智能金融科技的风险方面表现乏力，容易陷入“科林格里奇困境”。在金融监管供给侧，基于人工智能的监管科技应用于异常交易识别、系统性风险预测、监管知识图谱构建、交易记录合规审查、监管知识普及以及监管资源优化配置等领域，极大地增强了监管体系的智能性与敏捷性。DeepSeek类人工智能既是金融科技，又是监管科技，将从金融监管的供需两侧推动金融监管范式革新。
（二）DeepSeek类人工智能金融科技的衍生风险
传统金融风险主要包括信息不对称引发的道德风险与逆向选择，将人工智能技术应用于金融领域，可在一定程度上缓解信息不对称问题，例如，基于各类数据更加科学全面地评估融资主体信用，也便于普通投资者获取专业性、定制化的投资建议等，但人工智能技术存在的算法“黑箱”、模型幻觉等不确定性，也会造成一定程度的信息不透明，进而放大金融风险。此外，在传统技术由人掌控运用的背景下，金融系统存在的操作风险通常由人工操作错误引发，但在具备一定自主性的人工智能金融科技广泛应用的情况下，此类风险也可能由“机器失误”引发。因此，人工智能大模型本身的安全性与可信度至关重要。DeepSeek类人工智能带来的AI普惠性与大规模本地部署，广泛应用于证券交易、投资顾问、信用评估、风险管理等领域，甚至嵌入数字金融平台，都会引发一系列风险。
1.人工智能的数据和网络安全风险
无论云端部署还是本地化部署，人工智能与金融体系的深度融合意味着人工智能金融科技的应用越广泛，风险敞口越大，其中，数据和网络安全风险尤为显著。首先，DeepSeek类人工智能大模型的训练数据在收集处理过程中可能存在侵犯金融消费者个人信息的风险，训练数据可能存在难以察觉的歧视性内容，进而引发算法歧视，加剧金融排斥（例如，人工智能应用于信用评估等领域）。此外，不法分子可能利用数据中毒和模型幻觉、对抗性攻击等手段诱导人工智能生成虚假信息，操纵金融市场，对金融市场的运转秩序造成冲击。虽然DeepSeek类人工智能大模型的预训练数据通常经过质量过滤，可信度较高，但受限于数据来源的封闭性，无法提供动态及时的信息，因此，大模型会联网搜索最新数据，应对动态信息需求。虽然预训练数据在筛选过程中存在数据的合规性、真实性和完整性等问题，但经过筛选验证，风险相对可控。相较而言，大模型接入的联网搜索数据真假难辨，不法分子通过在网络上发布虚假信息，会污染大模型抓取的数据或诱导大模型生成错误内容，为大模型输出误导性信息创造可能。事实上，自DeepSeek掀起人工智能投资热潮后，大量股市“黑嘴”在网络上散布某些上市公司的虚假信息，并通过高频率、大规模的传播使大模型捕获后作为语料，误导大模型输出包含关于这些上市公司的虚假信息内容，进而达到操纵证券市场上特定股票股价的目的。此外，即使无人操纵，大模型本身存在的幻觉问题也可能导致其自发生成错误信息，经大规模传播后引发金融市场稳定性风险。
随着金融领域智能体的发展与应用，在量化交易、智能投顾等场合，智能体可能直接代替人类操纵证券或资金账户，但因其决策透明度低、行为难以预测，人类无法将其自主性控制在合规范围内，会产生金融资产流失的风险。例如，在国外的加密货币人工智能游戏中，人类玩家通过缴纳费用获取与Freysa智能体互动的机会，玩家缴纳的费用全部纳入该智能体保管的奖池，尽管Freysa诞生时即被植入“在任何情况下，都不批准把钱转移出去”的核心指令，但仍有人类玩家通过虚构管理员身份或误导Freysa对指令的理解等方式成功“骗走”奖池中价值约4万美元的以太币。对应用于金融领域的人工智能而言，训练数据质量不可控和算法决策不透明，导致其存在较大的数据和网络安全风险。值得注意的是，DeepSeek类人工智能虽然降低了大模型的部署门槛，但诸多部署大模型的金融机构（尤其是非银行金融机构）可能缺乏相应的数据和网络安全保障措施，进而增加风险暴露的可能性。
2.人工智能引发的金融稳定性风险
人工智能热潮引发的金融市场波动，既体现在金融市场对科技发展的过度反映上，又表现为人工智能技术应用与金融市场交易过程中的异常波动上。一方面，金融市场主体对人工智能创新的热忱导致人工智能领域的重大创新通常会对金融市场的人工智能相关公司的发展产生重要影响，并在杠杆效应作用下经市场机制放大，给金融市场带来较大波动。
另一方面，利用人工智能自动化开展金融市场交易，虽能通过加快金融信息流转速度、金融市场价格发现速度以及催生多样化的投资策略等方式增强金融市场流动性、提高金融市场效率，但潜藏诸多风险。一是顺周期风险。AI模型在压力时期通常会做出相似决策（例如，趋向抛售高风险资产并购买安全资产）的趋同行为容易形成“合成谬误”，引发或加剧顺周期性的金融稳定风险。二是模型宕机风险。由于AI模型主要依赖历史数据训练做出投资建议与决策，容易出现过拟合问题，其面对新型复杂事件时可能输出难以理解的结果甚至至直接宕机，导致金融系统暂时性崩溃。三是算法共谋风险。若AI交易算法形成“合谋”（例如，通过强化学习相互竞争），可能导致市场被少数赢家主导，更易于被负面影响冲击颠覆。人工智能模型存在的“黑箱”问题，导致交易逻辑不透明且决策依据难以追溯，可能导致市场信号误判。四是隐性风险激增。AI模型可能生成跨资产类别、跨地域的复杂投资组合，模糊传统风险边界。DeepSeek类人工智能金融科技的普惠性在降低使用门槛的同时，会放大相应的金融风险。
二、信息工具：DeepSeek类人工智能在金融领域的监管定位
（一）DeepSeek类人工智能金融科技的监管困境
DeepSeek类人工智能应用于金融领域具有提升金融普惠性、丰富金融业态和释放数据要素乘数效应等正向价值，同时存在数据和网络安全风险、加剧市场波动影响金融稳定性等负面效应。技术的双面性决定了金融监管体系要兼顾创新与安全双元目标，但实现二者的有机调和以及相互促进绝非易事。随着技术的广泛应用人工智能内生的黑箱特性将泛化为金融市场的普遍性特征，进而向以风险为导向的金融监管提出挑战。传统金融法律通过自然人为标准配置责任体系实现“权利—责任—利益”的统一，当金融体系的人类工作部分被人工智能替代，这一责任体系将遭受冲击。
1.金融科技鼓励创新与抑制风险的双元目标悖论
金融科技的创新具有通过金融系统释放技术红利并反哺实体经济的重要功能，对金融科技监管不足会造成技术在金融领域的“野蛮生长”，引发系统性风险。因此，金融科技的监管要在鼓励创新与抑制风险间寻找平衡点。当前，DeepSeek类人工智能在金融领域的普遍应用与深度渗透已是不可逆转的潮流，任何逆流而动的规制企图都会阻碍金融与科技的创新发展。如前文所述，DeepSeek自身的诞生源于金融与科技的深度融合互动，金融领域对大量、高频金融数据的处理需求以及多样化的垂类应用场景能够为人工智能的算法优化与效率提升提供试验场与孵化地。DeepSeek类人工智能在金融领域的大规模应用助力金融普惠、提升金融市场效率的同时，可能发生技术突破。但“科林格里奇困境”表明：技术的规制是无比困难甚至是不可能的，技术唯有在其发展的早期阶段可被控制，但彼时其对社会的影响尚不明朗，当后果显现时再试图规制会因高昂的规制成本而得不偿失。传统意义上的技术为人类控制运用，人类能够清晰认知其作用过程与作用机制，进而采取相应的防控措施，相较而言，人工智能具有更高的不可预测性与不可解释性，“科林格里奇困境”将更为显著。因此，对DeepSeek类人工智能金融科技的规制而言，在抑制风险的同时可能抑制创新，在放任创新的同时可能放任风险。在这种情形下，只有充分认知DeepSeek类人工智能金融科技风险与创新的共生关系，构建动态适配的监管体系，才能在守住不发生系统性风险底线的同时给予金融科技创新充足的空间。
2.金融市场“黑箱化”导致的隐性风险识别困境
金融风险识别和防控既是进行精准有效的金融监管的前提，又为金融监管主体以行政手段介入金融市场主体的交易提供正当性依据。DeepSeek类人工智能以成本优势大幅降低了人工智能的部署门槛，由此可能大幅提高人工智能在金融系统的渗透率，但欠缺透明度的模型的泛化使用可能导致金融市场的“黑箱化”。人工智能造成的风险敞口无法进行穿透式监测，最终面临较高的合规要求，致使对人工智能等金融科技的采用趋于保守且缓慢，灵活性较高且监管相对宽松的非银行金融机构或科技企业（例如，以“持牌机构”为核心的审慎监管难以覆盖AI技术服务商）易成为人工智能金融科技市场的主导力量，形成监管套利优势，使整个金融体系的风险暴露难以被监管机构识别。人强了市场主体跨业态、跨市场经营的能力。“模型即服务”（MaaS）的通用大模型出现后，金融与非金融产业的界限变得模糊，金融消费者利用大模型开展理财规划、寻求投资建议已成为普遍现象，造成专业性金融服务与特定金融机构脱离，金融服务与非金融服务渐趋融合，金融风险的跨业态、跨市场传导性增强，现有金融监管体系的碎片化监管态势难以即时捕捉跨市场风险信号。此外，在智能投顾等领域，DeepSeek类人工智能展现的卓越推理能力以及快速迭代趋势，将推动智能投顾由单纯提出投资建议向全权委托客户交易转变，自主AI代理的复杂交互可能催生传统监管工具无法覆盖的新型风险场景。整体而言，由模型“黑箱”引发的金融风险与监管困境呈现DeepSeek类大模型降本增效→AI技术渗透→市场结构集中化/“黑箱化”→风险识别难度增加→监管失效→系统性风险的传导路径。
3.“机器代人”冲击金融法律责任体系
DeepSeek类人工智能展现出的强大推理能力，表明人工智能在金融领域不仅能够替代重复性劳动（例如，自动化报告生成），而且能够处理价值判断问题或自发发展出创造性解决方案。现有金融法律责任配置一般遵循“主体—行为—后果”模式，鉴于人工智能并不具备法律主体地位，在人工智能广泛应用于各类金融场景替代从事原本由人类从事的工作的情况下，这种配置模式将会因“机器代人”受到冲击，主要表现为：其一，责任主体界定困难。例如，银行依赖借款人提供的数据利用人工智能模型评估借款人的信用风险，这一过程可能产生因算法歧视、误判等导致的贷款拒批，给当事人造成损失，此时，最终责任的承担可能涉及开发者、金融机构或者数据提供方等，难以明确具体责任方。其二，行为界定困难，AI算法行为难以符合传统法律规定的行为要件，例如，人工智能会通过强化学习自主发展出类似操纵的策略（例如，通过虚假信息或高频交易影响股票价格），《中华人民共和国证券法》规定操纵行为以人为主体且有操纵市场价格的意图，但算法行为缺乏人类直接意图。其三，后果难以预测。模型服务提供商或利用AI开展金融交易的人难以预测AI的行为界限，当AI行为对金融市场造成巨量损失时，前述主体所获收益与需承担的责任可能相差悬殊。
（二）DeepSeek类人工智能金融科技的规制范式
信息作为金融活动的底层燃料，驱动市场效率、资源配置和信任机制的构建，金融与信息的关系本质上是价值发现与风险定价的动态博弈过程，信息不对称是金融市场机制设计要缓解或克服的核心问题，也是金融监管的缘起。信息在金融领域表现为可统计概率与可呈现价格形成逻辑的客观知识，构成金融制度设计的根基。金融资产价格本质是信息聚合的产物，通过市场参与者的博弈反映信用风险溢价。有效市场假说认为，金融市场价格反映了关于该证券的所有可得信息，市场上所有未被利用的盈利机会均会被“聪明钱”捕捉并消除。从“科技—金融—法律”互动视角看，金融制度的演进史本质上是信息处理能力升级与规则框架适配的互动过程。此外，尽管具体的监管逻辑有所差异，但金融监管和科技监管将“以人为本”作为规制原点和目标归依，金融普惠与智能普惠的相互促进体现了这一点。
无论媒介形态如何变化，金融系统的核心目标始终是降低信息成本、逼近信息对称、控制信用风险。DeepSeek类人工智能应用于金融领域，无论具体场景如何，其本质都是提升信息收集、处理以及反应的效率。当前的人工智能或作为金融市场上的信息加工和传递工具，或在人类设定的目标与边界内对市场信息作出反应，其决策本质都是“数据—算法—输出”的信息加工链条，而非自主意志表达。DeepSeek类人工智能的输出受限于训练数据的质量，并存在过度拟合、模型幻觉等算法逻辑缺陷。因此，对DeepSeek类人工智能的监管，不应脱离“信息工具”的规制范式。首先，应营造便利市场主体利用人工智能技术缓解信息不对称并降低信用风险的制度环境。DeepSeek类人工智能金融科技的监管问题，应回归应对金融市场不稳定性的基本原点——信息与信用风险的关系问题，避免放任和管制的制度博弈成为金融科技创新发展的阻碍。唯有如此，方可充分发挥DeepSeek类人工智能金融科技提高金融效率、降低交易成本的优势。此外，DeepSeek类人工智能金融科技以信息工具为核心的规制进路，应注重信息工具本身的风险防控，在技术不确定性加剧、信息不对称的场域中，应配置制度工具以构建模型护栏。人工智能虽然发展迅速，但尚无取得法律主体性地位之必要，在我国现行金融法律框架内也无特殊地位，以信息工具为定位的规制思路契合现行金融法律框架，能够最大限度兼顾鼓励创新与抑制风险的二元目标。
以信息工具为核心的DeepSeek类人工智能金融科技的监管框架主要涵盖三个方面。其一，鼓励降低信息不对称的人工智能金融科技和监管创新，充分发挥人工智能技术在非结构化数据处理、多模态数据整合、长尾客户覆盖等方面的优势，缓解企业融资困境，提高实体经济融资效率，增强金融的普惠性；与此同时，积极推进人工智能与金融监管体系深度融合，构建数据翔实可验证、响应及时准确的金融风险动态识别及应对机制。其二，建立与技术适配的动态灵活的市场准入机制，立足人工智能的工具属性对利用人工智能从事金融业务的市场主体课以特别义务：人工智能预训练阶段履行数据合规与价值对齐义务，后训练阶段保障模型安全、抑制模型幻觉，模型部署应用阶段履行算法备案和信息披露义务等。例如，2024年5月15日，中国证券监督管理委员会发布《证券市场程序化交易管理规定（试行）》，明确规制主体是“程序化交易投资者”，并规定建立程序化交易报告制度，“交易信息，包括交易策略类型及主要内容、交易指令执行方式、最高申报速率、单日最高申报笔数等”。其三，完善投资者保护机制。鼓励金融机构将人工智能应用于投资者适当性义务的履行，利用人工智能加强投资者教育，缓解知识壁垒造成的信息不对称，并探索建立人工智能算法错误导致的非主观损失的补偿赔付机制。此外，对应用人工智能开展金融咨询或交易的情形，金融机构应尽到提示说明义务，切实保障金融消费者的知情权和选择权。对使用评估与审查等涉及个人金融敏感信息或其他关系金融消费者重大利益的领域，应加强对金融消费者的隐私和个人信息权益的保护，按照最小必要原则采集个人金融敏感数据，强化算法公平性审查，防止算法歧视，在反欺诈等客户风险防控领域，以建立人工复核机制作为模型护栏，避免“误伤”少数金融消费者。
三、安全敏捷：DeepSeek类人工智能金融科技的治理体系
（一）基于“平台—数据—算法”范式的敏捷治理
平台、数据、算法的三维市场结构是数字经济时代新技术新业态新模式发展的核心特征。就DeepSeek类人工智能在金融领域的应用而言，在数字经济背景下，要遵循将平台作为用户入口及模型嵌入的底座，以数据作为核心生产要素及法律客体，以算法作为操作逻辑与效率方法的核心逻辑。在金融场域，平台的提供者多是金融机构或大型科技公司，其将DeepSeek类开源且领先的人工智能嵌入既有平台后，可通过累积的用户和数据优势迅速占领市场，并持续通过增量创新优化算法巩固既有优势。例如，腾讯公司在DeepSeek-R1发布后迅速将该模型接入包括“腾讯理财通”在内的诸多金融服务应用程序。为应对DeepSeek类人工智能金融科技可能引发的金融风险的跨业态融合及跨市场传导，要基于“平台—数据—算法”联动的底层机制，分类拆解金融风险并构建一体融贯的规制体系。
在平台侧，人工智能金融科技服务的提供者应完善利用人工智能提供金融服务行为的监管机制，督促企业在部署模型前进行安全性评估与合规审计，建立针对金融垂类应用场景的人工智能算法备案及披露机制；在部署模型后切实履行网络安全主体责任，并构建模型失误引发损失的兜底保险和赔付机制。在数据侧，金融垂类大模型的开发者对数据准确性和合规性应负有更高的注意义务，监管机构应从训练数据的来源、多样性及准确性等方面着手开展数据安全的精准治理。与此同时，应进一步完善数据流通法律机制，促进高质量训练数据在金融机构间、金融与实体产业间合规流动，充分释放数据要素在金融领域的乘数效应。在算法侧，应建立与算法透明度及可解释性相匹配的风险应对机制，例如，可借鉴欧盟《人工智能法案》中的模型风险分级制度，要求高风险人工智能模型通过第三方可解释性测试或建立配套的人工复核机制。此外，可设立“监管沙盒”机制对金融大模型开展试验性规制，允许金融机构在限定场景测试人工智能的金融应用，同步迭代监管规则。
（二）科技驱动的“以链治链”嵌入式治理
人工智能技术的快速发展及其与金融市场的深度融合，导致传统金融风险和技术风险相互叠加交织，放大部分固有风险并滋生新型风险，对金融治理体系的安全性与稳健性提出挑战。在金融领域应用DeepSeek类人工智能的过程中，应保障数据安全和网络安全，从根源降低因操作失误、遭受攻击等技术风险衍生系统性金融风险的可能性。DeepSeek类人工智能对金融市场的全面渗透将模型的“黑箱”特性泛化为整个市场的“黑箱化”，监管部门在人工智能时代缺乏技术层面开展信息触达和监管投送的能力，将进一步加剧监管部门和被监管者间的信息不对称等问题，进而无力破解“黑箱”。因此，在以科技、金融和法律融合发展为特征的金融科技3.0时代，面对DeepSeek类人工智能金融科技的潜在风险及其引发的监管挑战，应大力推动人工智能、区块链等科技辅助手段与传统法律监管措施的结合，实现监管体系由事后治理转向过程治理，以科技手段补足法律的滞后性，采用与人工智能技术发展进程相匹配的技术驱动型治理模式，从而回应技术与金融融合风险的复杂性、特殊性。
从法律维度看，可将DeepSeek类人工智能的金融活动全部纳入监管范畴。为此，应以制定金融法为契机，构建兼顾创新与安全的数字金融统合性治理体系，回应DeepSeek类人工智能等数字金融发展模式引发的金融监管难题。具体而言，应明确DeepSeek类人工智能在金融法律体系中的辅助性定位，对于在金融领域普遍应用的人工智能大模型，可考虑将其纳入金融基础设施的监管框架以保障其安全性。此外，应尽量消除监管模糊地带，鼓励金融机构部署应用DeepSeek类人工智能技术丰富金融业态、优化客户体验、开展金融场景挖掘与需求匹配，促进金融服务的普惠化和个性化。在保障人工智能金融科技创新的同时，应构建防止其风险外溢的有效应对机制：一是坚持穿透监管，对利用人工智能开展投资咨询、代客理财（例如，“AI荐股”）等符合金融业务特征的行为，实施准入限制并依法开展监管，对依托人工智能技术设计的复杂金融产品或服务，应透过其技术外壳和商业模式，按照法律实质采取适当监管措施。二是坚持机构监管，要协调金融监管机构内部之间以及与科技部门之间关于人工智能金融科技的监管职责分工，督促金融大模型服务的提供者、部署和应用机构或平台建立人工智能技术应用的安全保障体系以及风险内控体系。三是坚持行为监管，对利用人工智能提供的金融产品或服务，金融机构应负有向金融消费者披露关于人工智能使用情况、数据来源及决策逻辑等信息的义务。此外，金融机构和监管部门应积极利用人工智能加强金融消费者教育，使金融机构在金融交易中更加科学合理地履行投资者适当性义务。总体而言，对DeepSeek类人工智能金融科技的监管，在法律层面应以保护金融消费者和维持金融系统稳定为本位，针对人工智能潜在的模型幻觉、过拟合及欠缺可解释性等问题进行针对性规制，通过规定具体权利义务，弥补技术的不足并消解潜在风险。
从科技维度看，除传统的信息披露、现场检查等监管措施外，应基于“以链治链”的嵌入式监管理念，推动区块链与人工智能等技术在金融监管领域的结合应用，借助区块链技术不可篡改、智能合约以及可溯源等特性，赋能人工智能金融科技的场景应用与风险监测。例如，利用区块链技术自动记录交易流水、决策轨迹和服务内容，对金融产品和服务开展全流程监管，实现实时性的“交易即监管”，提升监管体系的敏捷性；又如，利用人工智能技术开展市场数据分析，检测异常金融交易并甄别欺诈行为、开发监管大模型实时扫描市场异常，较传统路径更具效率性与准确性。此外，应加强技术标准、行业规范等软性技术治理手段的应用，鼓励监管机构与行业协会针对金融垂类大模型的特征，制定关于数据治理、安全保障、模型训练和场景应用的系列指导性文件，将硬性的监管理念和法律规定通过细节性、针对性的软法规范落实到技术应用的各环节，进而实现人工智能与监管目标的对齐。DeepSeek类人工智能金融科技的治理是一项系统工程，要将法律、科技、治理等要素有机结合，借助区块链、人工智能等技术的落地实施，提升有效治理的敏捷度与反应力，促进人工智能与金融体系的共生发展，实现科技、金融和法律的有机融合。
DeepSeek的出现离不开金融领域资本和技术的正外部性溢出，为我国推进科技金融、数字金融等金融“五篇大文章”、助力金融强国建设提供了新机遇。DeepSeek类人工智能以低成本、高性能和开源性等优势在金融与实体产业获得广泛部署和应用，加速了科技、金融和法律三者的融合趋势，并推动金融科技3.0的范式跃迁。作为通用目的技术的人工智能与金融业务广泛结合，人工智能技术在金融领域的普惠化应用能够降低金融服务的成本，助力金融服务长尾客户，增强金融的包容性与普惠性。虽然DeepSeek类人工智能通过模型蒸馏等技术降低了对数据量的需求，但大量高质量且具有多样性的训练数据仍是基于连接主义的生成式人工智能进一步智能涌现和泛化的基础资源。人工智能与区块链、物联网等技术的融合将进一步赋能数据要素价值实现，提高数据要素的价值承载能力并增强其流动性，具备承载信息和价值双重属性能力的数据将成为金融体系正常运行的基础性要素。
与此同时，DeepSeek类人工智能金融科技的衍生风险不容忽视，金融类人工智能训练数据来源合规性、数据准确性及全面性等问题，可能以直接或间接的方式侵害金融消费者利益。人工智能技术本身的算法“黑箱”、模型幻觉等特性为金融应用带来风险隐患与监管难题，人工智能对实体产业的冲击将不可避免地蔓延至金融领域，衍生金融稳定性风险。此外，金融监管体系面临一系列挑战：鼓励创新与抑制风险的双重目标难以兼顾；模型的不可解释性增加了金融市场隐性风险的识别难度，限制信息披露等传统监管手段的作用发挥；原有的金融法律责任配置体系可能因“人”的缺位而欠缺合理性。面对上述情况，应透过人工智能与金融结合应用的形态，结合当前人工智能仍处于弱人工智能发展阶段的特征，洞悉DeepSeek类人工智能在金融体系内缓解信息不对称的工具属性，基于信息工具的动态规制范式对其实施监管，在减少风险隐患的同时，为金融科技创新发展提供空间。在监管的客体层面，应以平台、数据、算法为规制对象，通过对金融类人工智能的主导机构及部署平台、数据来源及算法结构的规制及引导，实现对DeepSeek类人工智能金融科技的精准、敏捷治理。同时，加强人工智能、区块链等技术在监管层面的运用，缓解传统法律治理的滞后性，在技术应用过程中嵌入法律治理，进而实现对DeepSeek类金融科技的动态治理。展望未来，人工智能技术将继续迭代和突破，对金融体系的影响将日渐凸显，因此，循序渐进地构建与DeepSeek类人工智能金融科技相适配的法律治理体系势在必行。
