12月20日，中國金融傳媒集團特聘高級專家、中國銀行業協會原首席信息官、深圳香蜜湖國際金融科技研究院學術委員會委員高峰，在2025深圳香蜜湖金融年會上表示，“數據治理失效”已被納入金融系統性風險評估體系，傳統依賴人工、靜態、結構化邏輯的數據治理模式，在AI驅動的“數據洪流”面前已全面失靈。他指出，2024年全球銀行AI生成數據量較三年前激增470%，而監管要求同步收緊，金融業數據治理正站在從“人治”向“智治”轉型的歷史關口。

高峰強調，這場轉型不是技術選型問題，而是生存命題。當大模型以毫秒級速度生成研報、處理理賠、執行交易，若缺乏與之匹配的智能治理能力，金融機構將面臨合規失控、操作風險爆發與數據價值枯竭的三重危機。唯有構建以AI為核心引擎的全生命周期治理體系，才能在指數級增長的數據生態中守住安全底線、釋放創新動能。

治理滯后失靈已成系統性風險誘因，傳統模式陷入結構性困境

國際清算銀行數據顯示，2024年全球銀行業AI生成數據量較2021年激增470%。這些數據不再局限于結構化表格，而是涵蓋客戶交互日志、多模態影像、模型行為軌跡等高動態、實時生成的信息流。然而，當前多數金融機構的數據治理體系仍基于人工錄入、批處理校驗和靜態合規邏輯構建，難以應對毫秒級風控、微秒級交易等智能場景需求。

現實案例觸目驚心：某證券公司因無法實時處理高頻交易數據流，單日損失超3000萬元；某支付平臺因未留存AI反欺詐系統的瞬時決策鏈，違反《個人信息保護法》，被央行罰款650萬元。更嚴峻的是，2024年金融監管總局已將“數據治理失效”正式納入系統性風險評價指標——這意味著治理能力不足不再只是內部管理問題，而是可能觸發全行業風險傳導的關鍵節點。

與此同時，治理投入與產出嚴重失衡。國有大行年均數據治理投入超20億元，但傳統模式的投資回報率（ROI）僅為1.5倍。大量資源消耗在重復清洗、人工對齊和跨系統協調上，卻難以轉化為業務價值，暴露出舊有范式的結構性困境。

從“人治”到“智治”的三大重構，數據治理進入新范式

面對危機，高峰提出，金融業必須完成三重根本性轉變：從“人找數據”到“數據找人”，從靜態合規到動態價值創造，從“以數治數”到“AI治數”。

首先，AI正在重塑數據生態。某大型商業銀行通過語義分析1億條客戶交互日志，使高端理財產品配置率提升35%；某保險公司利用AI圖像識別新增1500萬個結構化定損特征點，顯著提升理賠精準度與反欺詐能力。這表明，大模型不僅能提升數據質量、打破數據孤島，更能深度釋放數據價值。

其次，新型數據資產催生治理新命題。據銀行業協會統計，AI已衍生出37類新型金融數據，其中“模型行為日志”“客戶意圖向量”“風險特征嵌入”三類治理缺口最為突出。更復雜的是權屬界定——AI生成數據涉及原始提供者、模型開發者、平臺運營方等多方權益，2024年一家量化基金就因數據歸屬不清遭SEC重罰，凸顯制度空白的現實風險。

最后，治理主體與方式發生質變。傳統“人主導、AI輔助”模式正轉向“AI執行、人監督”；治理范圍從結構化數據擴展至全模態；價值定位從成本中心升級為價值引擎。在此背景下，“數據治理智能體”（DGA）應運而生——它不是工具，而是具備感知、決策、執行與學習能力的自治引擎，可自動完成標準制定、質量監控與資產推薦，實現治理效率的數量級躍升。

直面五大挑戰，構建可信、可持續的智能治理體系

高峰指出，當前智能數據治理面臨五大挑戰：技術適配難、權屬界定難、安全隱私風險加劇、算法倫理偏見顯現、治理投入ROI周期長。對此，他提出六大策略：

一是構建敏捷、智能、可持續的技術架構，支持多模態、高并發數據處理；

二是建立“原生+衍生+生成式”數據的復合權屬認定機制，明確各方權利邊界；

三是打造融合加密、脫敏、訪問控制的立體安全防護體系；

四是構建生成式數據倫理治理閉環，確保算法公平、透明、可問責；

五是培養兼具業務理解、技術能力與合規意識的復合型人才；

六是制定科學合理的長期資源投入計劃，避免碎片化、短期化投入。

此外，高峰補充道，技術落地需匹配合適架構。當前金融AI呈現“+AI”（平臺化疊加）與“AI+”（內核原生）雙軌并行，而大模型“幻覺”問題則需通過高質量數據供給、RAG增強生成、多智能體交叉驗證及人工監督機制三層聯動解決。云智能化亦成為關鍵支撐，端云協同部署既降本又增安，推動金融從“工具賦能”邁向“內核重塑”。

高峰指出，智能時代的數據治理已無退路，它既是金融機構應對大模型沖擊必須完成的“必答題”，也是釋放數據要素價值的關鍵“加分題”。唯有推動治理模式從傳統的“數據治理”向以AI驅動的“數據智治”實現質的躍遷，金融業才能在洶涌的AI浪潮中夯實數據基礎，真正支撐起數智化轉型與智能金融的深度落地。