當聯合國大會開始討論人工智能是否可能觸發金融危機之際，《金融時報》9 月下旬刊發專欄，剖析 AI 給本就脆弱的銀行體系帶來的新型風險。這場危機的觸發邏輯並非科幻作品裡的失控 AI，而是現代金融體系長期隱藏的結構性弱點，正在被技術放大。同月在劍橋舉辦首屆全球智能監管黑客松，由國際清算銀行前總裁阿古斯丁・卡斯滕斯與英國金融行為監管局主席阿什利・奧爾德聯合召集，近 300 支團隊連同數十個東西方監管機構共同推演：當機器迭代速度超越法規更新時，金融監管應當如何運轉。
銀行往往憑藉多元化資產組合，認為自身風險已經分散。但 AI 揭示，金融系統的脆弱性並不體現在資產負債表上，而是藏在底層運維體系：雲服務商、第三方軟件、模型輸出結果，以及嵌入自動化決策中的各類假設。看似錯落如森林的金融體系，在壓力衝擊下會迅速表現為單一作物式的同質化風險。
卡斯滕斯指出，大部分 AI 相關金融風險不在央行傳統監管邊界之內，集中體現為銀行業對雲服務商的高度依賴。傳統監管框架擅長核查資本充足率、財報披露等指標，卻難以巡查支撐這些數據運轉的無形基礎設施。監管者如同工程師發現大橋建立在未知斷裂帶上，風險焦點不再只是金融機構本身，而是機構之下的機器機房。有資深監管者直言，監管只能在現有法定權限內盡可能創新執法，法律修訂滯後、技術飛速演進，使得監管執法不得不臨場應變。
傳統監管長期追求 AI 模型的可解釋性，要求算法事後說明決策邏輯。如今這一思路正在退讓，監管重心轉向監控系統壓力下的運行結果，並部署緊急熔斷機制。二者本質差異明顯：可解釋性重在事後溯源；結果導向的風控，則保證系統在極端衝擊下能夠被緊急關停，即便模型本身無法被完全解讀。
AI 金融風險的核心不是模型預測出錯，而是相關性行為。多家機構採用相近算法、相同數據集與一致激勵目標，單一模型錯誤就會演變為市場羊群效應。市場踩踏不需要人為串通，大量主體使用同類 AI 工具同步調倉，就足以引發共振。如同鳥群集體轉向，並非每只鳥都有統一規劃，只是局部信號趨同，而這種良性同步在壓力環境下會迅速轉化為系統性風險。
劍橋黑客松的初衷，不只是梳理 AI 風險，更是嘗試由監管方自研智能監測工具，追蹤資金流動、市場羊群行為、欺詐風險和智能投顧業務。監管不再只要求機構披露模型細節，而是打造能跟上機器速度的監控系統。但這套方案存在天然短板：政府監管系統算力、敏捷度不及私人機構，監管資源有限、決策偏謹慎；市場主體迭代更快，對試錯容忍度更高。應急熔斷機制也存在短板，緊急系統往往只能在事故發生後才完成壓力驗證。
有意思的是，本次黑客松不少創新思路來自印度、巴基斯坦、盧旺達、肯尼亞、阿聯酋等非西方監管機構。資源有限反而倒逼監管因地制宜，拓展監管想像力。但局部監管優化，又會在系統其他位置催生新漏洞。英格蘭銀行已經將雲服務商列為關鍵第三方主體納入監管，這意味著金融穩定的邊界持續向外延伸，每新增一處監管範圍，就會新增一組風險管控難題。
歷史反復證明，文明不斷搭建更快的系統，再花費數十年學習如何避免系統崩塌。AI 未必一定會引爆金融危機，但複雜系統往往在信心最足、透明度最低處發生崩潰。金融本就依靠杠杆、相關性與中介信任運行，AI 壓縮判斷時間，一次算法錯誤還來不及上報，就已經被機器反復放大。金融監管的真正挑戰，不是創新與風控的取捨，而是跳出舊有監管習慣，直面體系內部看不見的依賴關係。監管的目標，是在衝擊到來前完成風險設計，而不是等待危機發生後被動驗證脆弱性。
