宜信唐宁人工智能治理从规则迈向实践要坚持智能向善
发布时间:2026年10月15日 10:29
人工智能治理从规则迈向实践,要坚持“智能向善”——宜信公司创始人、CEO唐宁的这一观点,出现在全球人工智能产业加速迭代、各国治理框架密集落地的关键节点。观察近年来国内金融科技领域从业者的公开表态,这一主张并不孤立,而是对当下行业共识的一种凝练:技术狂奔的时代,治理不能只停留在文本层面,更要在应用场景中落地生根。
先看时代背景。自2022年底生成式人工智能爆发以来,大模型的研发与应用呈现出明显的“中国速度”。国内头部科技企业相继推出自研大模型,垂直行业模型在金融、医疗、教育、制造等领域快速渗透。与此同时,监管体系也在同步构建:2023年8月,《生成式人工智能服务管理暂行办法》正式施行,成为全球范围内较早针对生成式AI的专门立法之一;此前2022年上线的《互联网信息服务深度合成管理规定》与2025年9月起施行的《人工智能生成合成内容标识办法》,则分别从内容安全与来源可追溯两个维度织密了规则网络。2025年4月,国家网信办等部门持续推进生成式人工智能服务的备案与安全评估工作,合规门槛不断提高。
国际层面同样如此。欧盟《人工智能法案》于2024年获得通过,采取基于风险分级的监管路径,对高风险和不可接受风险的人工智能应用施加严格义务;2024年7月,世界人工智能大会在上海发布《人工智能全球治理行动计划》,中国此前提出的《全球人工智能治理倡议》也在多个多边场合被反复重申。可以说,“有规则可依”已经不是问题,真正的难点在于规则如何转化为企业日常经营中的具体动作。
这正是“从规则迈向实践”的含义所在。唐宁作为宜信公司创始人,长期在财富管理、金融科技领域经营,宜信旗下的科技业务经历过中国金融科技从野蛮生长到合规整顿的完整周期。2018年以来,P2P行业的清退过程让整个金融科技行业深刻体会到,合规不是成本,而是生存的前提。有了这段行业记忆,金融科技从业者对人工智能治理的思考,往往带有强烈的实操色彩:治理不是写一份声明就能交差,而是要嵌入模型开发、数据管理、产品设计、客户服务的全流程。
“智能向善”这一表述,与我国科技伦理治理体系中的核心理念一脉相承。2022年,中共中央办公厅、国务院办公厅印发《关于加强科技伦理治理的意见》,明确将“增进人类福祉”“确保人工智能可控可信”等列为治理要求。对金融机构而言,“向善”至少包含三层实践含义。
第一层是数据与算法的合规使用。金融行业掌握大量个人信用信息,AI模型在信用评估、反欺诈、智能投顾等场景中的训练数据来源、用户授权范围、算法公平性,都是监管重点。《个人信息保护法》确立的“知情同意”与“最小必要”原则,要求企业在大规模部署AI之前完成数据治理的基础建设。宜信在其发展历程中多次提及合规与风控能力的建设,这与行业整体从“流量驱动”转向“合规驱动”的大方向一致。
第二层是防范技术滥用带来的新型风险。深度伪造用于诈骗、AI换脸盗用身份、不法分子借“智能投顾”之名行非法集资之实,这些案例在近年屡见报端。2024年以来,多地公安机关通报的利用AI换脸实施电信网络诈骗的案件表明,技术进步同样在为黑灰产赋能。从业机构提出“智能向善”,实际上是对行业自身的一种约束承诺:技术能力越强,越要设置防火墙。
第三层是弥合数字鸿沟,让AI红利覆盖更广泛人群。财富管理领域的AI应用,如果只服务于高净值客户,就会加剧服务可得性的不平等。一些机构尝试用AI工具降低投研、投顾服务的门槛,让普通投资者也能获得相对专业的资产配置建议,这被业界视为“向善”的具体落点。
当然,也需要保持一份清醒。口号与实践之间往往存在落差。当前国内AI治理仍面临几个现实挑战:算法备案与标识义务执行到什么程度,不同体量的企业差异很大;大模型的“幻觉”问题在金融建议场景中尚未彻底解决,错判的责任如何划分仍缺细则;中小机构的技术合规能力普遍薄弱,完全依赖自我约束并不现实。这些问题意味着,治理要真正“落地”,除了企业自律,还需要监管沙盒、行业自律组织、第三方审计等多种机制的配合。
从更宏观的视角看,唐宁的表态可以放在一个更大的叙事中理解:中国的人工智能治理正在经历从“追赶立法”到“塑造标准”的转变。2025年,我国推动成立了世界人工智能合作组织并落户上海,全球治理话语权的竞争日趋激烈。在这样的背景下,企业界的声音尤为重要,规则最终由千千万万个应用场景检验,企业的实践反馈决定了治理体系的成色。
“坚持智能向善”不是一句口号,而是一张需要持续填写的答卷。它要求企业在商业效率与社会责任之间寻找平衡,要求监管在鼓励创新与防范风险之间动态校准,也要求公众在享受技术红利的同时保持基本的辨别能力。人工智能的治理实践没有终点,规则与场景之间的每一次碰撞,都会生成新的经验。对宜信唐宁以及所有身处这场变革中的从业者而言,真正的考验不在发表观点的时刻,而在此后漫长的经营日常里。
先看时代背景。自2022年底生成式人工智能爆发以来,大模型的研发与应用呈现出明显的“中国速度”。国内头部科技企业相继推出自研大模型,垂直行业模型在金融、医疗、教育、制造等领域快速渗透。与此同时,监管体系也在同步构建:2023年8月,《生成式人工智能服务管理暂行办法》正式施行,成为全球范围内较早针对生成式AI的专门立法之一;此前2022年上线的《互联网信息服务深度合成管理规定》与2025年9月起施行的《人工智能生成合成内容标识办法》,则分别从内容安全与来源可追溯两个维度织密了规则网络。2025年4月,国家网信办等部门持续推进生成式人工智能服务的备案与安全评估工作,合规门槛不断提高。
国际层面同样如此。欧盟《人工智能法案》于2024年获得通过,采取基于风险分级的监管路径,对高风险和不可接受风险的人工智能应用施加严格义务;2024年7月,世界人工智能大会在上海发布《人工智能全球治理行动计划》,中国此前提出的《全球人工智能治理倡议》也在多个多边场合被反复重申。可以说,“有规则可依”已经不是问题,真正的难点在于规则如何转化为企业日常经营中的具体动作。
这正是“从规则迈向实践”的含义所在。唐宁作为宜信公司创始人,长期在财富管理、金融科技领域经营,宜信旗下的科技业务经历过中国金融科技从野蛮生长到合规整顿的完整周期。2018年以来,P2P行业的清退过程让整个金融科技行业深刻体会到,合规不是成本,而是生存的前提。有了这段行业记忆,金融科技从业者对人工智能治理的思考,往往带有强烈的实操色彩:治理不是写一份声明就能交差,而是要嵌入模型开发、数据管理、产品设计、客户服务的全流程。
“智能向善”这一表述,与我国科技伦理治理体系中的核心理念一脉相承。2022年,中共中央办公厅、国务院办公厅印发《关于加强科技伦理治理的意见》,明确将“增进人类福祉”“确保人工智能可控可信”等列为治理要求。对金融机构而言,“向善”至少包含三层实践含义。
第一层是数据与算法的合规使用。金融行业掌握大量个人信用信息,AI模型在信用评估、反欺诈、智能投顾等场景中的训练数据来源、用户授权范围、算法公平性,都是监管重点。《个人信息保护法》确立的“知情同意”与“最小必要”原则,要求企业在大规模部署AI之前完成数据治理的基础建设。宜信在其发展历程中多次提及合规与风控能力的建设,这与行业整体从“流量驱动”转向“合规驱动”的大方向一致。
第二层是防范技术滥用带来的新型风险。深度伪造用于诈骗、AI换脸盗用身份、不法分子借“智能投顾”之名行非法集资之实,这些案例在近年屡见报端。2024年以来,多地公安机关通报的利用AI换脸实施电信网络诈骗的案件表明,技术进步同样在为黑灰产赋能。从业机构提出“智能向善”,实际上是对行业自身的一种约束承诺:技术能力越强,越要设置防火墙。
第三层是弥合数字鸿沟,让AI红利覆盖更广泛人群。财富管理领域的AI应用,如果只服务于高净值客户,就会加剧服务可得性的不平等。一些机构尝试用AI工具降低投研、投顾服务的门槛,让普通投资者也能获得相对专业的资产配置建议,这被业界视为“向善”的具体落点。
当然,也需要保持一份清醒。口号与实践之间往往存在落差。当前国内AI治理仍面临几个现实挑战:算法备案与标识义务执行到什么程度,不同体量的企业差异很大;大模型的“幻觉”问题在金融建议场景中尚未彻底解决,错判的责任如何划分仍缺细则;中小机构的技术合规能力普遍薄弱,完全依赖自我约束并不现实。这些问题意味着,治理要真正“落地”,除了企业自律,还需要监管沙盒、行业自律组织、第三方审计等多种机制的配合。
从更宏观的视角看,唐宁的表态可以放在一个更大的叙事中理解:中国的人工智能治理正在经历从“追赶立法”到“塑造标准”的转变。2025年,我国推动成立了世界人工智能合作组织并落户上海,全球治理话语权的竞争日趋激烈。在这样的背景下,企业界的声音尤为重要,规则最终由千千万万个应用场景检验,企业的实践反馈决定了治理体系的成色。
“坚持智能向善”不是一句口号,而是一张需要持续填写的答卷。它要求企业在商业效率与社会责任之间寻找平衡,要求监管在鼓励创新与防范风险之间动态校准,也要求公众在享受技术红利的同时保持基本的辨别能力。人工智能的治理实践没有终点,规则与场景之间的每一次碰撞,都会生成新的经验。对宜信唐宁以及所有身处这场变革中的从业者而言,真正的考验不在发表观点的时刻,而在此后漫长的经营日常里。





