周小川：从目前的讨论来看，人工智能很可能会

周小川：从目前的讨论来看，人工智能很可能会显着增加而不是缩小收入分配差距|一揽子财政政策|养老金|收入分配|小元气_网易手机 数据图表。本文来源：新华财经、蓝鲸新闻。该帐户接受提交。投稿邮箱：jingjixuejiaquan@126.com 周小川谈养老金。蓝鲸新闻10月24日讯（记者石宇）我国安全保障体系遵循三岗结构，但发展不平衡。如何实现三大支柱协调发展？在近日举行的2025外滩年会“多层次养老保障中政府、市场、社会的协调”圆桌论坛上，中国人民银行原行长周小川分享了自己的观点。 “金融和养老的联系非常紧密。”周小川首先表示。 “养老金改革的研究可以从多方面入手或从不同的子系统开始。目前，不同观点之间的沟通协调以及最终如何优化制度还有很多工作要做，这也导致了一些意见的分歧。”他表示，一些观点主要集中在养老金水平问题上，认为随着人均GDP达到目前的水平，养老金待遇也应该相应提高。另一个角度，特别是从金融角度，更关心资金从哪里来。如果没有金融的支持， 无论设计多好，实施起来都困难重重。因此，无论设计什么框架，问题都是如何筹集资金并使用它们。三是从投资角度。如果实行前期积累，尽管全球金融市场出现波动，通过投资实现保值增值的潜力仍然很大。第四个是注重公平视角，把养老金作为收入再分配的重要渠道。此外，周小川还从三大支柱的关系角度提出疑问，“什么结构最好？支柱之间如何连接？这些子系统从根本上来说很难整合？”他认为，通过深入研究，借鉴国际经验和教训，运用系统分析方法，可以更好地将它们结合起来，产生更多的体系。在圆桌对话中，周小川也分享了他对第一、第二支柱的看法。关于第一支柱，周小川表示，中国的第一支柱与经济合作与发展组织（OECD）和世界银行定义的第一支柱在概念上并不完全一致。中国的第一支柱不仅仅是伴随的、底线支出。其效益计算公式主要与工资挂钩缴费期限和缴费基数，并有上限和下限。不久前，领取养老金的最低缴费年限从15年延长至20年。这表明我们的支柱 1 包含强大的精算和缴费相关成分，本质上并不纯粹是支柱 1。当然，中国定义自己的三支柱体系是可以的，但在进行国际比较时，如果口径不同，就很容易造成混乱和误解。周小川认同“强制使用第二支柱可以带来好处”的观点，并表示，20世纪90年代，针对香港回归后设计的新养老金制度，当时推出了强制性“强积金”（强制性公积金计划），这就引出了一个重大问题：要高度重视资金来源。我们认为第一个支柱非常重要，不仅因为人口覆盖面广，而且因为也是因为当前刺激消费的问题。第一支柱覆盖大量人口。为了鼓励消费，有人主张增加养老金，但这应该直接涉及到“钱从哪里来”的问题。有人认为没有钱就可以靠财政赤字，但事情远没有那么简单。在中国，很多企业主实行“部门负责制”。负责社会保障的部门可能不直接负责财政平衡，而负责财政的部门将严格考虑预算约束。这必然涉及到是否提高贡献率，或者寻找新的平衡点等问题。此外，周小川指出，很多关于养老保障的讨论忽视了企业的利益和感受。企业必须追求效率和竞争力。如果他们携带过多的 a b社会保障缴费困难，因此无论是竞争力还是不可避免地会削弱。因此，企业会通过不同渠道向主管部门举报，这可能会导致社保缴费率降低——这个现实原因是不可否认的。当然，有人指出，前进的方法之一是大幅延长退休年龄。但企业也对此有所担忧：年长员工的劳动生产率可能不同，可能会休更多病假，而企业可能不愿意甚至试图避免。因此，制定政策时应充分考虑企业的实际情况和反应。最后，关于人工智能的影响，周小川指出，从参与讨论判断，人工智能很可能会显着增加而不是缩小收入分配差距。但目前尚未建立有效的渠道和机制来分配资源。人工智能给养老金体系带来新的效率和GDP增长。这也是一个亟待研究、与企业考量密切相关的课题。 “希望社会各界人士和研究养老金的政策制定者能够更多地关注企业的感受和诉求。” ■周小川谈“治理与国际合作”，国家监管总局副局长肖元启表示，目前人工智能在金融领域的应用还处于早期阶段，其作用仍是辅助性的，无法替代人的决策。中国人民银行前行长周小川表示，银行很少使用多模态或生成技术，主要依靠大数据分析和识别模型。基于这一特点，未来的员工数量将会受到影响并减少。 “人工智能在支付、定价等领域发挥着重要作用、银行业的风险管理和营销。对于人工智能效率的提升是否会给金融机构内部人员安置带来压力，肖元奇认为，目前还没有出现金融机构纯粹因为人工智能应用而出现人员安置压力的案例。以柜员服务为例，人工智能是一种补充工具，不能取代柜员与客户之间的个性化互动。在信贷、保险等关键领域 定价、损失评估和精算，仍然离不开人们的专业判断。协助行政工作取得重大进展。周小川指出，在人工智能的影响下，管理也在发生巨大变化。以反洗钱和反恐融资系统为例，这是最常见的可以利用大量数据进行分析的领域线索并查明金钱和恐怖主义融资活动。利用破案数据进行机器学习和深度学习，模型会逐步完善，发现规律，在管理中会发挥很大的作用。这个地方已经取得了很大的进展。 “人工智能可以在价格和微观行为的数据收集、处理、模式识别和推理方面影响金融政策决策。如果能够通过机器学习和深度学习从金融稳定的历史数据和金融机构健康状况的变化中预测金融不稳定的发生，我认为这是一个非常重要的方向。”周小川说道。值得注意的是，监管机构往往期望各种金融机构和活动在使用人工智能时能够提供透明且可解释的模型，但实际操作可能有所不同。周小川指出，机器学习和深度学习必然导致BLck 模型的盒子性质。未来，可能需要控制黑箱模型产生的结果和行动来规范或管理金融市场。 “如果AI模型大量使用短期高频数据，学习结果很可能是高频化、短期化、技术性的，可能不符合金融稳定和宏观调控所要求的基本面和长期稳定性要求。”周小川表示，需要注意两个风险。肖远启认为，人工智能应用带来的风险与人工智能应用所带来的风险类似。 通过历史上一些重大技术革命在金融领域的应用。目前可能很难确定，但从历史角度看，过去几轮技术革命主要带来的是金融领域的风险增加和边际风险。尽管风险发生的原因、路径和形式发生了变化，但风险的主金融业面临的风险，如信用风险、市场风险、流动性风险和操作风险，并没有发生革命性的变化。具体到本轮AI革命给金融领域带来的风险，肖元奇认为，可以从宏观和微观两个层面观察：对于单个金融机构来说，首先是模型稳定性的风险。 AI应用的轮转高度依赖模型来支撑业务扩展，因此模型的稳定性和可靠性变得重要；二是数据管理风险。它涉及到数据源的选择、数据质量的控制以及接下来的分析和监测方法，这些都是数据管理方法。这两类风险对个别机构都至关重要。对于金融行业来说，一是集中度风险。金融行业可以依赖一批技术开发能力强、稳定性高的服务商能力，以及在人工智能模型技术方面的大量资源投入。同时，大型金融机构在资源投资方面可能比小型机构更具优势，这可能导致市场集中度提高；其次，存在决策趋同的风险。由于使用的模型和数据相对标准化和集中，金融机构可以自行收敛，从而导致行业整体决策的同质化。门槛过高，会产生“共振”效应。 ■ 扫描二维码加入团队，参加全年至少12场精彩闭门研讨会 特别声明：本文由网易自媒体平台“网易号”作者上传发布，仅代表作者观点。网易仅提供信息发布平台。 注：以上内容（如有的话，包括图片和视频）由网易HAO用户上传并发布，网易HAO是一个社交媒体平台，仅提供信息存储服务。