如今，随着国家新兴数字基础设施的推进和5G、云计算、大数据等模块的成熟，人工智能产业发展的“养料”日益丰富。

根据产业链上下游的关系，人工智能分为基础层、技术层和应用层。总体来说，我国人工智能产业链已经初步形成，但存在结构性问题，主要集中在技术和应用层面，基础层的不足较为突出。底层基础技术和高端产品主要被欧美、日本等国家垄断，在AI芯片、智能传感器等领域相对薄弱，尤其是高端芯片领域。国际科技巨头已经基本构建了产业生态，而中国核心技术相对匮乏，高端芯片严重依赖进口。技术层是以基础理论和大数据为基础，面向细分领域应用开发的技术；技术层容易向产业链上下游扩张，适合粗放式布局。一系列成果的取得与政策和资金的出台有着密切的关系。

2017年，国务院发布《新一代人工智能发展规划》，将金融列为人工智能应用试点示范和产业智能升级的重要领域之一。2019年，中国人民银行发布的《金融科技发展规划》明确提出，要稳步推进人工智能技术与金融业务的深度融合。这些政策文件为人工智能在金融领域的应用提供了良好的政策环境。

12月10日，第五届智能金融国际论坛暨2020年度金融试点节在北京举行。关于金融业的发展，原银监会副主席发表了四点看法。“金融技术的核心是人工智能和区块链”。加强人工智能在金融领域的应用，无疑对整个行业的发展具有重要意义。

12月11日，由新浪财经主办的2020中国银行业发展论坛智能金融峰会在北京举行。中国互联网金融协会会长、中国人民银行原副行长李东荣出席会议并讲话。李东荣在讲话中提出了人工智能在金融领域应用应坚持的四个基本原则，即遵纪守法、以人为本、安全可控、权责明确。

在安全性和可控性方面，要加强人工智能开发者、用户等相关方的能力建设和行为规范建设，确保相关人员具备人工智能金融应用所需的专业能力、业务知识和工作经验。加强理论研究、模型测试、安全评估和审计体系建设，不断提高智能金融系统的透明度、可靠性和可控性，逐步实现可追溯性、可靠性和可审计性。根据分级分类管理的思想，结合具体应用场景，确定相应级别算法模型的可解释性程度，技术黑箱不应作为缺乏可解释性的理由。做好技术供应商的尽职调查、风险隔离和退出管理，不断提高技术实力和运维能力，避免过度依赖单一供应商。

人工智能细分为各种金融场景，在风险管理场景中起着至关重要的作用。在金融行业，有一句话叫时间就是金钱。有时候差别只有几秒钟，资产的涨跌可能几十万甚至几百万。因此，对于风险案例，风险控制人员可以使用人工智能算法来分析案例历史，并识别任何潜在的问题。这涉及到使用机器学习来创建一个精确的模型。财务专家可以跟踪具体的趋势和波动，提前预测可能出现的风险，然后做好资产管理和配置。

在防范欺诈方面，人工智能的潜力不可低估，一些企业也在积极e