自中国人民银行启动金融科技创新监管试点工作以来，中国金融科技监管沙盒已在全国遍地开花，不断探索构建符合我国国情、与国际接轨的金融科技创新监管工具，覆盖行业多种核心技术和业务应用场景。

与此同时，中国人民银行会同市场监管总局、银保监会、证监会在上半年联合印发《金融标准化“十四五”发展规划》，提出要标准化引领金融业数字生态建设，包括稳步推进金融科技标准建设，系统完善金融数据要素标准，健全金融信息基础设施标准，强化金融网络安全标准防护，推进金融业信息化核心技术安全可控标准建设。

持续扩容的中国版金融科技创新监管沙盒实际运行情况如何？金融科技标准建设如何推进？各国在发展金融科技方面有呈现哪些共性和差异？上海财经大学金融科技研究院院长、央行（上海总部）金融科技创新监管试点项目评审专家韩景倜接受南都专访。

推进金融科技标准化建设

需要更加落地的执行标准

南都：中国版金融科技创新监管沙盒正在持续扩容，实际运行情况如何？有何完善建议？

韩景倜：目前还是有限范围内的试点，创新监管在不断往前推进，目的在于引导金融机构利用现代技术为金融提质增效，最终还是要营造一个安全、普惠的金融发展环境。例如在供应链金融领域，各大金融机构参与试点应用积极踊跃。试点有其示范作用，从可靠性、安全性出发来把握整体进程。

有了具体技术的应用，我认为要建立行业相关标准，推进金融科技标准化建设，因为现行原则性标准尚不足以完全指导行业具体应用落地。标准化工作是基础，且具有一定挑战性。在标准化建设的同时，着力研发与之配套的监管工具，是金融科技发展常态化、生态化的保证。

若只有原则性标准而没有具体细节，企业执行起来就比较麻烦。因此，需要更加落地的执行标准。制定标准也是一部分人在做，主要根据项目的全周期流程和可能出现的风险来制定。标准对企业来说是挑战也是机遇，既需遵守金融数据要素应用合规性，也不能影响金融体系的机体运行健康。

南都：国内的金融科技创新监管试点项目与国外的监管沙盒有何不同？

韩景倜：两者还是有区别的，国外监管沙盒提出的背景是英国的金融行为监管局，引入了“破坏性创新”，允许创新型的金融科技破坏现有的金融商业模式，促进金融领域内部的竞争，最终保障金融市场能够提供更为优质的金融产品以及金融服务。我们国内推行的金融科技创新监管试点应用，既与国际接轨，秉承柔性监管的理念，又符合中国国情、具有中国特色。旨在引导金融机构利用现代技术赋能金融提质增效，营造安全、普惠的金融创新发展环境。在对原有规则的破坏性创新方面，我们相对更加保守务实。

业务全球布局日益成为业内共识

中国是金融科技一大投资目的地

南都：在技术热点、产业应用、行业监管等方面，世界不同国家当前在发展金融科技方面有何共性和差异？

韩景倜：科技和金融两大元素一直以来是相辅相成的，金融科技本质是科技手段应用于金融活动，科技为金融效率的提升提供了手段与工具。反过来，科技逐步使金融活动发生变革。这已是自古有之。近年来全球金融科技快速发展，共性表现是产业规模迅速增长，包括基于资产和信用的交易，成交数和投资额都呈现出快速发展态势。从重点地区来看，在硅谷、纽约、伦敦、香港等城市，业务全球布局日益成为业内共识。从技术基础设施建设以及市场发展历程看，过去美国，英国、新加坡等是金融科技发展比较领先和集中的地区，现在中国正在带动亚洲成为金融科技投资的一大目的地，这是一个重要发展趋势。中国是高速成长的金融科技市场之一，主要因为经济体量大，市场消费主体多。中国正处于金融科技规模化创新的升级阶段，金融业和科技产业的资源要素进一步融合，战略性的新兴技术融合创新正在推动金融的合规化、高效化、个性化。中国金融科技从互联网金融起步，中间有一些风险教训，以金融科技技术方案为基础进行业务创新，覆盖投研、消费金融、普惠金融、供应链金融等各方面，支付、征信、风险管理等业务模块都在不断升级之中。这是中国金融科技发展表现出的特点和水平。

技术最关键的是实现效率提升

深化数据综合运用还需完善立法

南都：在金融科技领域，区块链、大数据、人工智能、云计算、联邦学习、隐私计算等技术方案目前主要解决了哪些关键问题？还存在什么不足？

韩景倜：在金融科技领域，经常提到ABCD。A即人工智能，B即区块链，C即云计算，D即大数据，也有加上E即广义电子商务、G即5G通信，一起凑成ABCDEFG。甚至也有加上M，即市场热炒的元宇宙。其中包含像机器学习、联邦学习和隐私计算等，其实都属于人工智能和大数据板块里的具体技术。金融的本质是对资产从时间到空间维度进行再配置，人工智能、区块链、云计算及大数据这些技术最关键的就是实现基于信用的效率提升。具体不同场景下可实现的功能也不一样。例如由于千人千面，具体针对某一位客户时使用人工智能推荐算法就是为了提高效率。算法有效性主要取决于一是数据的质量，需要从大量非结构化数据和冗余数据中沙里淘金；二是算法模型的可行性，模型预测结果和实际结果是否有差异，一般通过机器学习模型不断自我纠正。企业利用算法模型实现客户画像，想找到类似容易违规或出现坏账的特定群体就更加容易。

有些问题是发展过程中客观存在和一定会遇到的，大家都在根据不同地域和行业进行探索。不同水平的机构实力和投入也存在差距，但只要提出来问题，大家都会去发挥各自优势攻关，比如在深化数据综合运用方面，现行的金融机构还没有完全做到数据不出域、可用不可见的要求，这方面还存在提升空间。既要保证数据安全，同时也要让数据要素能够发挥生产要素职能，产生经济社会价值。对此一是要不断完善相关立法和制度建设，二是要构建探索更加安全可信的数据运营环境和数据加工算法。

另一项个人认为目前更关键的难题是金融科技人才短缺。金融科技企业人才需求很高，但是人才培养输出跟不上。尤其对于高校来说，如果课程设置不合理，就难以满足企业的真实需求，在人才供应方面，单个学校每年50位毕业生很难解决社会实际需求。不过我认为，目前很多院校都在新建扩建金融科技专业，人才短缺问题在近四五年之内有所缓解。

金融科技人才培养分短期和长期

专业建设需紧跟市场变化和企业需求

南都：金融科技人才培养现状如何？存在什么问题？

韩景倜：现在很多院校都设置了金融科技本科专业，特别是财经类院校。全国有一个金融科技虚拟教研室，上海财经大学作为初始团队成员积极参加了该项目，各地综合类院校的管理学院、金融学院也都纷纷参与。金融科技虚拟教研室覆盖面广，在人才培养、课程设置等环节起到了示范、引领、推广的关键作用。

金融科技人才培养需要分短期和长期两个阶段看。金融科技人才培养的知识结构设计，要能解决当下的问题，还要能解决远期的问题。这也是两难选择，作为企业急需的技术业务人才，就是聚焦当下的业务场景和具体应用，比如区块链开发、大数据运营。但是从长远发展看，我们需要的人才是对各类金融业务场景、计算机知识结构、数据算法应用、以及项目流程管理有充分的了解，要不然无法推进行业的前进和迭代。我认为，师资队伍的建设和课程体系的设计应该注重多元化。

在金融科技类本科专业建设方面，大家有共识，有热度，市场需求迫切。但是金融科技类专业的属性还有争议，有人认为属于应用经济学领域，即金融专业，有人认为属于统计学领域，有人认为应该属于计算机领域，或者说信息管理、管理科学与工程。我认为还有待进一步探讨，目前上海财经大学的课程设置更偏向于管理科学的信息管理方向。因为上财信息管理培养的就是在经济领域里的计算机应用人才，金融科技同样是在把先进技术应用到金融领域。课程设置还要考虑到市场变化，企业用人需求也不尽相同，金融类人才和计算机编程人才各有所需。专业建设应紧跟企业需求，保证专业人才的持续性输出。

出品：南都大数据研究院

采写：林芯芯