国际清算银行：实验室与观察者
国际清算银行（BIS）从三个方向研究人工智能。其货币与经济部分析这项技术的经济影响及其对货币政策和金融稳定的意义。F部分第四章已介绍其架构的BIS创新中心（BIS Innovation Hub）构建原型，将这项技术应用于中央银行和监管机构的任务。设于巴塞尔的各委员会则研究这项技术如何影响其所监管或监督的机构。1
对BIS观点最全面的阐述见于Annual Economic Report 2024（《2024年年度经济报告》）第三章，标题为“Artificial intelligence and the economy: implications for central banks”（人工智能与经济：对中央银行的影响）。该章认为，这项技术可以提高整个经济的生产率，将改变金融体系的运作方式，中央银行应当自己使用这项技术，同时为此建立相应的专业能力和数据基础设施。该章还呼吁各中央银行在分享知识和工具方面开展合作，而BIS自荐为承担这一角色的天然平台。2在随后几年中，BIS又发表了多篇论文，涉及大语言模型在中央银行业务中的使用、人工智能对通货膨胀和劳动力市场的影响，以及中央银行内部的人工智能治理。它还建立了一个实践社群，供各中央银行交流经验。3
创新中心的若干项目直接应用这项技术。Aurora项目的成果于2023年公布，该项目测试了在合并来自多个机构和国家的数据时，机器学习和隐私增强技术能否更有效地识别洗钱网络。该项目利用合成支付数据发现，跨机构的网络分析所识别出的可疑活动远多于单家银行的监控，同时产生的误报更少。4Gaia项目利用大语言模型从企业报告中提取与气候相关的数据，监管机构需要这些数据来评估银行投资组合中的气候风险。其他项目涉及网络韧性、为打击金融犯罪而进行的支付数据分析，以及利用生成式模型对价格数据进行分类以用于通货膨胀分析。5
巴塞尔银行监管委员会（BCBS）和金融稳定理事会（FSB）则从监管角度研究这一主题。巴塞尔委员会于2024年发布了一份关于金融数字化的报告，研究了人工智能、云计算以及大型科技公司的进入给银行及其监管机构带来的风险。6金融稳定理事会于2024年11月发布了关于人工智能对金融稳定影响的报告。该报告将第三方依赖和服务提供商的集中度、因使用相似模型和数据而产生的市场相关性、网络风险以及模型风险确定为主要脆弱性，同时指出主管机关用于监测这些风险的数据存在缺口。7这些出版物使巴塞尔在一场原本由美国和中国的科技公司以及布鲁塞尔的立法者主导的辩论中拥有了发言权。
注释
- 关于BIS和创新中心的组织架构，参见F部分第一章和第四章。待核实。 ↩
- BIS, Annual Economic Report 2024，巴塞尔，2024年6月，第三章，“Artificial intelligence and the economy: implications for central banks”。待核实。 ↩
- 2024年以来发表的关于中央银行业务中人工智能的BIS Papers和BIS Working Papers；BIS创新中心关于其人工智能相关项目的报告。现状待核实。 ↩
- BIS Innovation Hub Nordic Centre, Project Aurora: the power of data, technology and collaboration to combat money laundering across institutions and borders，2023年5月。另参见E部分第三章。待核实。 ↩
- BIS创新中心，Gaia项目报告（2023年和2024年）；关于Raven项目、Hertha项目和Spectrum项目的报告。名称、日期和结果待核实。 ↩
- Basel Committee on Banking Supervision, Digitalisation of finance，2024年5月。待核实。 ↩
- Financial Stability Board, The Financial Stability Implications of Artificial Intelligence，2024年11月14日。待核实。 ↩
仅供一般参考。本文不构成法律或税务意见，不能替代针对个案的咨询，亦不建立律师与客户之间的委托关系。本文反映截至 十月 2026 的法律状况。