主 持 人：《金融时报》记者 史佳桐
特邀嘉宾：中国社会科学院国家金融与发展实验室副主任 杨涛
蚂蚁集团首席执行官 韩歆毅
福建星驿支付科技有限公司总经理 林坚
当下，人工智能（AI）技术深度渗透金融领域，持续重构支付行业的发展生态。作为金融流通的核心基础设施，支付行业迎来智能化转型的关键节点。AI技术在大幅提升支付效率、重塑行业核心竞争力的同时，也催生出了数据安全、智能风控等全新行业风险。为深度探析AI赋能支付行业的变革逻辑、发展趋势与潜在挑战，本报特邀行业专家围绕行业核心变化、竞争格局、风险隐患及发展平衡之道展开探讨，为行业规范化、创新化、安全化发展提供参考。
《金融时报》记者：近年来，“AI+”深入渗透金融行业，围绕支付领域，从当前观察来看，最深刻的变化是什么？这些变化背后有哪些驱动因素？
杨涛：从根本上看，最深刻的变化在于支付正从一个被动的、执行指令的金融工具，演变为一个主动的、内嵌智能决策的数字化多功能服务体。过去，支付的核心功能是完成货币价值转移，其角色终结于记账清算的那一刻。当前，在AI的驱动下，支付过程中能够快速同步完成身份核验、信用评估、精准营销匹配乃至风险管理等一系列复杂动作。这种变化的实质，是支付功能与链条的一次根本性重构，更使得支付开始承载连接、识别与决策的多元职能，成为数字经济中价值交换与信息交互的核心节点。
变化背后的驱动因素是多维度的。首先是数据要素的质变，支付产生的数据已从交易记录，扩展为涵盖行为序列、场景特征和社交网络的多维度信息，为AI大模型提供了丰富的数据“养料”。其次是用户对“即时性”的追求，这倒逼着必须依赖AI在保障安全前提下快速完成复杂运算。再次是监管对合规与风控的要求日益精细化，传统规则已难以应对，需要更具适应性的智能技术来支撑。最后是整个社会经济数字化转型的浪潮，要求支付这一底层基础设施具备更强的智能化，而AI恰好提供了这种可能性。这不仅是技术演进，更是功能需求的必然。
韩歆毅：我认为变化有以下几点：一是执行的载体会从人变成Agent。Agent会自主决策，会调用工具、API去执行任务。但在关键的节点，它会停下来和别的Agent或者和人确认。很关键的一点是全过程必须要可追溯、可审计。二是价值的载体会变成Token。AI时代的支付是7×24小时的，只要给它足够的Token，足够的算力。Token成为支付的关键载体。
林坚：“AI+”给支付行业带来最大最深刻的变化，主要体现在三个维度：一是运营效率升级，从人工操作走向智能调度。传统支付运营依赖大量人工，AI可接管标准化、重复性的调度与核验工作，将人力资源释放至商户经营赋能、产品创新等高价值环节。二是价值维度升级，从交易末端走向经营前端。依托AI大模型能力，支付行业基于真实交易流水，为商户提供消费者画像、商品趋势等经营洞察，辅助经营决策。三是风控逻辑升级，从规则响应走向模型预判。传统风控依赖静态规则，如今，AI大模型与智能体协同构建动态风控网络，在风险萌芽阶段即实现主动识别与自动干预。
《金融时报》记者：支付行业过去更多比拼的是渠道和规模，如今数字技术快速发展，未来支付机构的核心竞争力会发生哪些变化？
杨涛：过去支付行业的核心逻辑是典型的流量驱动，追求铺渠道、上规模，通过同质化业务的边际成本递减来获取优势。未来，这一逻辑将改变为技术与制度双轮驱动下的智能化程度竞争。支付核心竞争力不再仅仅取决于能处理多少笔交易，而在于能否在单笔交易中，以极低成本创造出更多价值。这种新型竞争力包括几方面。一是算法与模型的精准度和效率。支付机构需要构建能深度理解场景的垂直小模型，而非简单调用通用大模型。二是数据治理与贡献能力。能否在业务中形成数据闭环，让模型以更快的速度自我进化，将决定支付机构能否持续保持领先。三是常常被忽视的一点，制度能力将成为核心竞争力。这包括优秀的合规管理、数据伦理与隐私保护水平。只有将合规与信任作为核心竞争力的机构，才能走得更远。
韩歆毅：结合实践来看，AI支付要建立新的信任机制，包括整个商业生态建立起信任层；AI支付要做好赋能器，不仅助力模型厂商、头部企业，更要助力中小商户。最后，支付要制定开放的标准和协议，成为整个Agent商业生态的连接器。
林坚：未来，支付机构的核心竞争力将集中体现在技术自研、场景服务、合规运营三个方面。一是技术自研能力是底层壁垒，通用大模型难以精准适配支付行业需求，支付机构只有深挖交易数据、研发行业垂直大模型，才能打造独有的技术“护城河”。二是场景服务是价值核心，行业存量竞争下，传统标准化收付通道已难以适配多元产业场景需求，如星驿支付打造鲁班超级AI智能体、慧徕店AI收银等创新产品，就是将AI能力深度嵌入全链路场景，提升服务质效。三是合规运营是基础支撑，完善的智能风控体系是支付机构稳健经营的关键。
《金融时报》记者：AI能够提升支付效率，但也可能带来新的风险。在创新和变革中，支付行业值得关注的风险有哪些？
杨涛：需要高度警惕的风险，可以归结为技术原生风险、系统性风险以及跨业风险三个层次。
首先，技术原生风险直接来源于算法本身。一是身份认证体系遭遇根本性挑战，深度伪造技术已能逼真地复刻人脸、声音，甚至合成视频，这使得“所见即所得”的身份验证基石被动摇。二是模型的脆弱性，对抗样本攻击可诱使风控模型作出错误判断，这种攻击隐蔽且可自动化，传统防御手段难以完全招架。更值得深思的是“算法黑箱”带来的治理困境，当一次支付被拒绝，如果背后的原因无法被清晰解释和追溯，不仅损害消费者权益，也潜藏合规隐患。
其次，系统性风险则体现在算法同质化上。当行业内众多机构依赖相似的算法逻辑和外部数据训练其模型时，一个微小的、未被发现的漏洞或数据污染，就可能导致市场参与者几乎在同一时刻作出相同的错误决策，引发瞬时、传染性的流动性风险或信用风险，其破坏力远超传统风险事件的累积。
最后，跨业风险不容忽视。AI使得支付与消费信贷、保险、理财的边界日益模糊，智能服务在提升体验的同时，也可能诱导过度借贷或不当投资，形成跨市场、跨行业的风险传递。这对现有分业监管框架提出了新的课题，需要各方从全局视角进行审视和应对。
林坚：一是模型自身的“黑箱”风险，AI决策依赖概率统计，在复杂交易中可能产生偏差，需通过监控与人工复核确保结果可控可靠。二是“黑产”攻击手段同步升级，深度伪造、智能绕过等新型欺诈对传统风控构成挑战，倒逼支付机构加速技术迭代，将安全能力转化为竞争壁垒。三是数据使用边界需审慎把握，AI依赖数据“喂养”，但采集范围、使用授权需在创新与保护间平衡，以“最小必要、用户知情”为原则，让数据挖掘运行在阳光之下。四是创新节奏须与合规主动对齐，技术迭代快于法规更新是常态，支付机构应将合规前置到产品设计阶段，让创新在规则之内有序生长。
《金融时报》记者：随着AI深度参与支付流程，支付行业应该如何平衡效率、创新与安全？
杨涛：实现平衡的核心，不是在效率、创新与安全之间做静态取舍，而是要构建一套多元化、动态演进的新型治理体系，这需要技术、制度与生态三管齐下。首先，在技术治理层面，要积极拥抱监管科技与合规科技。例如，通过监管沙箱为创新提供安全试错空间，利用隐私计算实现数据“可用不可见”，部署可解释人工智能让算法决策过程透明可审计。其次，在制度治理层面，必须明确底线与责任。需要加快厘清数据权属、算法备案、模型评估的标准与流程，让责任的确定有法可依。要确立算法公平性与非歧视原则，对消费者权益形成有效保护。制度的透明与稳定，是给创新以清晰预期、给安全以刚性约束的根本。此外，在生态治理层面，支付行业需要从单打独斗走向共建标准。推动形成共享的黑名单机制、漏洞信息通报平台和应急协同预案，防止风险在机构间隐匿传染。同时，需要产学研各方共同加强基础研究与人才培养，提升对支付领域新型风险的理解与应对能力。
林坚：AI深度参与支付流程后，效率、创新与安全并非此消彼长的“三角博弈”，而是可以协同共进的统一体系。AI提升效率也放大风险敞口，需建立从数据采集到交易执行的端到端防护体系，确保每笔交易在安全边界内运行。AI的核心价值在于将人力从重复判断中解放，实现决策与自动化处理，但必须以安全为前提，让“快”建立在“稳”的基础之上。技术迭代快于监管完善，创新不能“先跑再合规”，应将合规要求植入研发全流程，让创新在规则边界内探索。安全划定底线，效率衡量能力，创新决定上限。
配资之家提示：文章来自网络，不代表本站观点。
