英银警告AI风险或放大全球金融脆弱性
AI正在进入金融体系的“底层”。
它带来的问题，也不再只是模型会不会出错、企业会不会失业。英国央行行长、金融稳定理事会（FSB）主席贝利近日向G20财长及央行行长发出警告：前沿AI模型可能与高通胀、高利率、金融市场高杠杆等既有风险相互叠加，把原本分散的脆弱点连接起来。
这意味着，AI风险正在从科技行业议题，逐渐变成金融稳定问题。
过去几年，金融机构大量引入云计算、第三方软件、AI模型和自动化系统，效率确实提高了，但另一面也越来越明显——整个金融体系正在共享更多基础设施。
一旦其中一个关键节点出问题，影响可能远比单家机构宕机更大。
AI攻击正在改变金融系统的风险边界
贝利特别提到了一种场景：多家金融机构，或者多个机构共同依赖的技术供应商，同时遭遇系统性中断。
这其实是传统金融监管比较难处理的一类风险。
银行、券商、支付机构通常都会建立自己的灾备体系，但如果大家使用的是同一家云服务商、同一套软件组件，甚至依赖相似的AI基础设施，那么“各自做好备份”未必意味着整个系统安全。
一个供应商出现问题，可能同时传导到几十家甚至上百家金融机构。
这和传统信用风险不同。
信用风险通常可以沿着债权债务关系追踪，而技术风险可能通过基础设施直接横向扩散。AI又进一步放大了这种复杂性，因为模型不仅负责分析，还越来越多地参与交易、风控、客服、身份验证和运营决策。
系统连接越深，故障的传播速度就越快。
更棘手的是，攻击者也在用AI
贝利提到，AI驱动的网络攻击和虚假身份欺骗能力正在快速增强。
这一变化已经让传统的网络安全逻辑变得没那么稳固。
过去，一次大规模网络攻击需要较强的技术能力和人力投入。生成式AI普及之后，攻击者可以利用自动化工具生成钓鱼内容、伪造身份、寻找系统漏洞，甚至针对不同目标动态调整攻击方式。
对于金融机构而言，最麻烦的并不一定是“AI黑客”直接攻破核心系统。
身份欺骗可能才是更现实的入口。
如果AI能够生成高度逼真的语音、视频、邮件和身份信息，那么过去依靠人工审核建立起来的一些安全机制，成本效益会迅速下降。
这会进一步推高金融机构的安全投入。
而安全投入增加本身并不是坏事，问题在于金融系统必须在效率和冗余之间找到新的平衡。
AI估值狂热，也可能变成金融风险
贝利的担忧并没有停留在网络安全。
他还把AI热潮推高的高估值、主权和私人信贷压力，以及不断累积的市场杠杆放在了一起。
这条逻辑其实并不复杂。
AI带来资本开支周期，芯片、数据中心、云计算和电力基础设施获得大量投资。企业为了抢占AI市场需要融资，投资者则愿意按照更高的增长预期给相关资产估值。
只要盈利预期持续兑现，这套机制可以不断循环。
但如果某个时候AI投资回报低于预期，或者利率长期维持高位，问题就可能反过来。
高估值资产下跌，融资成本上升，企业削减资本开支，相关供应商订单下降，信用市场重新定价。
如果此前市场已经存在较高杠杆，调整就不会只是股票跌几个百分点那么简单。
这也是为什么FSB会把AI放到金融稳定框架下讨论。
AI本身未必是风险源头，它更像一个新的放大器。
高利率环境让这个问题更敏感
目前全球金融体系并不是在一个低风险环境里迎接AI。
高利率、高债务、财政赤字以及资产估值偏高等因素，本身就在增加金融市场对冲击的敏感度。
当AI投资继续吸引大量资金时，它一方面可能提高生产率，另一方面也可能把资本进一步集中到少数科技公司、芯片厂商和数据中心项目。
资本越集中，市场预期就越重要。
一旦预期发生反转，资产价格的调整也可能更加集中。
对于加密市场而言，这套逻辑同样值得观察。AI、加密资产和风险资本如今共享一部分资金来源，也共享相当程度的风险偏好。当宏观流动性收紧时，相关资产往往容易出现同步波动。
所以AI与金融稳定之间的关系，实际上已经超出了传统科技行业的边界。
贝利提出“裸机备份”，是在提醒金融机构别把鸡蛋都放在云里
面对这种风险，贝利建议金融机构部署与主网络物理隔离的“裸机”备份系统，以便在遭遇灾难性网络攻击之后恢复运营。
这个建议听起来有些传统，却恰恰说明问题所在。
金融科技正在不断追求云化、自动化和集中化，而安全体系有时候需要反过来——保留一套不那么先进、甚至看起来有些笨重的独立系统。
关键时刻，它可能比最复杂的AI系统更有价值。
未来金融机构的灾备体系，可能不再只是“服务器坏了怎么办”，而是要回答：如果核心网络被攻击、第三方供应商同时中断、身份认证系统遭到欺骗，甚至AI决策模块本身失效，金融机构还能不能继续运转？
这已经是金融基础设施层面的问题。
AI金融化之后，监管也得换一种思路
过去监管AI，更多关注模型透明度、数据隐私和消费者保护。
现在情况正在变化。
当AI深入银行、证券、支付以及资产管理之后，监管机构需要关注的就不仅是单个模型是否安全，还包括整个金融系统是否过度依赖某一家技术供应商、某类模型或者某套基础设施。
这和云计算时代的系统性风险有些类似，但AI的自主决策能力让事情更加复杂。
未来真正需要防范的，可能不是某一个AI模型犯错，而是数百家金融机构在相似的模型、数据和基础设施上同时做出错误反应。
那时候，局部故障就可能变成市场事件。
AI正在成为金融体系的新生产力，也正在成为新的风险传导层。
对于监管者和金融机构而言，真正的挑战不是阻止AI进入金融市场，而是在效率越来越高的同时，给整个系统留下足够的“断电开关”和安全冗余。
