10月23日，中國人民銀行原行長周小川在2025外灘年會圓桌討論時表示，人工智能（AI）對貨幣政策的影響還需要更長時間的觀察和研究。他同時指出，對于金融系統別是銀行系統，AI在過去幾十年信息化、IT化的基礎上提供了新的發展機會，并可能帶來較大邊際變化。

周小川指出，從金融的角度看，AI是在信息處理、IT和自動化基礎上又一次新的邊際變化。“這是一個很大的邊際變化”他表示，AI在銀行業支付、定價、風險管理和市場推廣方面發揮著重要作用。從銀行主要業務看，支付業務基本都是數據處理；存款、貸款都依賴大數據分析和模型來定價；風險主要基于數據處理和模型計算；市場營銷也很大程度上依賴數據。

周小川指出，AI應用于金融系統有良好基礎。過去銀行系統、金融系統積累了海量數據，這些數據可用于機器學習、深度學習，使傳統模型轉向智能推理模型。銀行與其他行業有所不同，銀行較少使用多模態或生成式技術，主要依賴大數據分析和推理模型，因此有其自身特點。基于這一特點，銀行未來結構會進一步向這個方向發展，并由此帶來一個現象——銀行從業人員規模會顯著受到影響和減少。

據周小川介紹，國際清算銀行（BIS）曾專門討論過AI相關模型是否對貨幣政策產生影響，最終結論是影響尚不明顯。一方面，AI可以在物價和微觀行為的數據收集、處理、模式識別和推理方面影響貨幣政策決定。另一方面，貨幣政策基本上屬于慢變量，隨經濟周期或經濟變化而調整。

“貨幣政策不可能對每天的蔬菜價格變化做出響應，而且響應太快也可能引發不必要波動。”周小川表示，對于慢變量需要慢處理。

在周小川看來，通過機器學習或深度學習金融穩定數據、金融機構健康性的歷史變化，推理預知金融不穩定風險的出現，是一個重要探索方向。分析歷史事件、泡沫積累、“明斯基時刻”的出現、事后處理及對錯評估等需要更廣泛運用AI處理非結構性數據、多模態信息，甚至考慮社會情緒。

周小川指出，從監管部門的角度，希望各類金融機構和活動在運用AI時應提供透明、可解釋的模型。但實際上隨著AI發展，機器學習、深度學習必然帶來模型的黑箱特性。未來監管可能需要面對黑箱模型所產生的結果和行動，來調節或監管金融市場。

周小川還指出，如果AI模型大量運用短期高頻數據，學習結果可能是高頻、短期、技術性的，可能與金融穩健和宏觀調控所需要的面向基礎面、長遠穩定性的要求不一致。