中国银联专家解读：AI赋能支付产业的三大维度与安全发展路径

徽声在线记者 | 林晓阳

在当下科技浪潮中，AI赋能金融已然成为备受瞩目的核心议题。在2026WAIC（世界人工智能大会）盛大举办期间，国家人工智能应用中试基地（金融领域）发布了阶段性成果。中国银联董事长董俊峰在活动致辞中明确指出，当前人工智能与金融的深度融合已成为行业发展的必然趋势，可以预见，“AI + 金融”领域蕴含着极为广阔的发展空间。

对于支付行业来说，人工智能正引发一场意义深远的变革。这场变革不仅涉及业务模式的创新，更关乎整个行业生态的重塑。

中国银联智能化创新中心总经理华锦芝在接受徽声在线采访时表示，当下金融行业正处于从“传统服务模式”向“智能生态体系”转变的关键节点。支付行业正面临着诸多方面的严峻挑战：

其一，传统业务流程和风控模式在应对日益复杂多变的欺诈手段时，逐渐暴露出明显的滞后性。完整的“感知—检测—研判”链条在部分机构中尚未实现有效贯通，导致风险防控存在漏洞。例如，一些新型欺诈手段利用技术漏洞和人性弱点，绕过传统风控环节，给金融机构和用户带来损失。

其二，AI技术本身具有资金密集、技术密集的显著特点。中小机构在算力获取、数据加工、模型训练等关键环节存在明显短板。由于资金有限，难以投入大量资源用于建设先进的算力设施；在数据加工方面，缺乏专业的技术和人才，导致数据质量不高；模型训练也需要大量的数据和计算资源，中小机构往往难以满足这些条件。这使得行业的智能化转型门槛整体偏高，许多中小机构在智能化转型道路上举步维艰。

其三，支付场景正变得日益复杂多样。支付终端不再局限于传统的手机，而是向AR眼镜、车载系统等新形态不断延伸。这对技术架构和服务形态提出了全新的更高要求。例如，AR眼镜支付需要实现快速、准确的识别和交互，车载系统支付则要考虑驾驶过程中的安全性和便捷性。

然而，在为行业带来挑战的同时，人工智能也为支付行业的发展注入了强大动力。华锦芝认为，从中国银联的实践来看，AI对支付产业的赋能可以归纳为三个重要维度：

在效率维度，通过引入AI技术，业务的自动化水平能够得到显著提升，响应速度也会大幅加快。例如，在支付清算环节，AI可以自动处理大量的交易数据，减少人工干预，提高处理效率和准确性。

在体验维度，智能体支付的探索正在推动支付从单一的“工具”向“智能伙伴”演进。未来的支付将不仅仅是完成交易，还能为用户提供个性化的服务和建议。比如，根据用户的消费习惯和偏好，推荐合适的支付方式和优惠活动。

在风控维度，AI技术能够突破传统规则引擎的局限，使风险识别更加精准和具有前瞻性。通过对大量数据的分析和学习，AI可以及时发现潜在的风险因素，并采取相应的措施进行防范。例如，在防范信用卡欺诈方面，AI可以实时监测交易行为，识别异常交易并及时阻止。

“综合来看，人工智能应被视为关键的新质生产力。其意义不仅在于解决某一单点的痛点问题，更在于为支付产业的底层逻辑重构提供新的可能，推动金融服务向智能化、场景化、普惠化方向持续升级。”华锦芝说道。

在AI与金融深度融合的过程中，金融安全也引发了行业的广泛关注和深入讨论。国家金融监督管理总局今年6月发布的《关于银行业保险业人工智能安全开发应用的指导意见》（下称“《指导意见》”）明确要求，金融机构开发应用人工智能应坚持谁使用谁负责、自主可控、务实高效及安全发展的原则。这一原则为金融机构在应用AI技术时提供了明确的指导方向，确保金融安全与技术发展能够协调共进。

对此，华锦芝向徽声在线分享了中国银联在平衡金融安全与技术发展方面的探索实践：

一是做实中试验证环节。让AI模型在真实的业务场景中接受检验，将创新节奏与风险把控纳入统一的治理框架。通过在实际业务中运行AI模型，及时发现模型存在的问题和不足，并进行优化和改进。同时，建立完善的风险治理框架，确保创新活动在可控的风险范围内进行。

二是平衡数据安全与AI能力释放。金融数据具有高度的敏感性和重要性，金融数据不出域是刚性约束。然而，AI模型对数据有着强烈的需求，这两者之间存在客观的张力。中国银联采用了全链路私有化部署路线，通过算力池化等多种手段，降低中小机构在不触碰数据安全红线的前提下应用AI的门槛。例如，通过算力池化，中小机构可以共享算力资源，无需自行建设大规模的算力设施，既满足了AI模型对算力的需求，又保障了数据安全。

三是推进垂域大模型协同建设。通用大模型在金融支付场景中往往精准度不足，难以满足金融行业的特殊需求。中国银联联合多方合作伙伴，不断迭代金融支付垂域大模型，力求输出标准化、可复制的技术范式，降低全行业的重复投入。通过垂域大模型的建设，可以提高金融支付领域的智能化水平，为行业发展提供有力的技术支持。

《指导意见》还提出，按需布局建设自主可控、安全高效的智能算力底座，鼓励有条件的大型金融机构向中小金融机构输出算力服务，支持同业探索基础设施共建共享。这一举措有助于优化算力资源配置，提高算力利用效率，促进金融行业的整体发展。

在当前算力成本偏高的背景下，如何平衡技术发展成本与商业可持续性，成为了大型金融机构需要面对的重要问题。算力资源的投入和运营成本高昂，如果不能有效控制成本，将影响金融机构的智能化转型进程和商业利益。

针对算力资源投入大、运营成本高的痛点，中国银联云计算中心总经理何朔告诉徽声在线，中试基地按照金融行业集约化运营思路，发挥产业公共平台规模效应，统一搭建底层算力基础设施。承担硬件采购、日常运维、技术升级等固定投入，摊薄各家金融机构自主建设算力平台的高额成本，化解行业共性投入难题。例如，通过集中采购硬件设备，可以获得更优惠的价格；统一进行日常运维和技术升级，可以提高效率，降低成本。

同时，广泛联动产业链生态伙伴，共建金融专属共享算力池、支付场景高质量数据集与金融垂域专用模型，构建算力、数据、模型三位一体的共享服务模式。中小金融机构可按需弹性使用算力、数据以及配套AI服务，大幅压缩其智能化改造开支。这种共享服务模式有助于实现资源的优化配置，提高行业的整体竞争力。

“以集约共建、资源共享实现技术普惠，在稳步推进金融AI创新落地的同时，保障产业长期良性、可持续发展。”何朔如此总结道。