How big are the risks behind the global AI investment boom? Latest assessments from financiers including Rubin and Zhou Xiaochuan
English text is being prepared.
Goldman Sachs Research estimates that global AI investment will exceed 1 trillion USD in 2026. At the 2026 Bund Summit, Robert Rubin argued that the probability of AI lending triggering systemic risk is very low, while Bank of America chief economist Irigoyen warned that the opacity of private credit is the biggest hidden danger. Nout Wellink, former president of the Dutch central bank, noted that about one-third of AI investment relies on debt financing, and about 30% of private credit funds come from banks, so risks may be transmitted back to the banking system in a roundabout way. Zhou Xiaochuan suggested studying the issue and preparing contingency plans, and stocking tools in the policy toolbox to respond to financial turmoil triggered by failed AI investments.
Body
文章主体
高盛研究部测算,2026年全球人工智能(AI)投资将超过1万亿美元。那么,规模庞大的AI投资热潮会把金融体系引向何处?在2026外滩年会上,多位国际金融界重量级人物给出不同侧重的回答。
警惕私募信贷领域暗藏隐患
高盛研究部8月发布的测算显示,2026年全球AI投资将超过1万亿美元;当前亦有观点指出AI投资规模已远大于互联网泡沫时期。对于这一现状会否导致系统性风险的疑问,美国第70任财政部长罗伯特·鲁宾(Robert Rubin)持否定态度。
他认为,仅就向AI相关活动放贷而言,“崩盘”的概率相当低。原因在于,美国金融体系目前状况确实非常好:大型银行的资本非常充裕,对AI相关企业的贷款主要由它们提供;资本不够充裕的区域性银行,并没有参与AI贷款业务。
“当然还有非银行贷款机构,所以存在一些问题,这些问题可能需要处理,我认为可能会有单个公司出现财务状况,但出现系统性风险的可能性大概率是非常低的。”鲁宾称。
美国银行全球首席经济学家克劳迪奥·伊里戈延(Claudio IRIGOYEN)同样提到了非银行贷款机构可能带来的金融风险。
“如果问金融体系还应当警惕什么,我的答案是:与私募信贷(即private credit,指非银机构直接向企业放贷、不经过公开市场发行的债权资产)相关的一切不透明之处。”
伊里戈延坦言,“雷曼事件”之所以发生,是因为银行没有理解那些重要参与者之间的交叉敞口;等银行意识到时,为时已晚。所以他认为,下一次危机不会来自完全不了解的某个东西——至少不会来自银行通常担心的那些风险;真正值得担忧的,是可见度最低的部分。
“市场似乎认为私募信贷的规模还很小,但最终出问题的,可能恰恰是这里。”伊里戈延判断。
“我会密切关注AI投资热潮中多大比重是依靠债务融资。”欧洲央行行长候选人之一、荷兰央行原行长克拉斯·诺特(Klaas Knot)从融资形态来观察AI投资热潮中可能存在的金融风险。他指出,AI投资似乎是一个既需要股权融资、又需要风险吸收能力的领域,目前AI投资大约有三分之一靠债务融资支持,“历史告诉我,这类数字通常只是下限,因为除此之外,往往还有表外承诺,而我们很难充分监测这些承诺。”
诺特认为,非银行金融中介的风险源自其负债结构与银行的根本不同,这些具体的风险包括流动性错配、流动性需求突然激增导致的羊群行为、局部存在的隐性杠杆等。
本质上来看,诺特指出,非银机构(需要流动性时),往往会转向银行寻求融资,目前私募信贷约三成资金就来自银行,因此,银行与非银机构的关系更接近“共生”, 风险也可能通过迂回路径重新传导回银行体系。
那么货币政策制定者应如何应对这一潜在风险?诺特指出,首先要填补数据缺口并事前备好危机管理工具。
“从某种意义上来说我们很幸运。”诺特认为,原因在于,过去非银行金融中介风险事件发生在货币政策高度宽松的环境中、资产购买能够成为有效应对手段;如今中央银行更多时候是从上方而非从下方接近通胀目标,也就是说,在需控制通胀的情况下,中央银行提供流动性必须审慎。由此也要求政策制定者进行更多的事前思考。
“估值调整某个时点一定会发生”
总的来看,伊里戈延认为,AI对经济的影响,主要由需求驱动。因为这本质上是一轮投资热潮,受益最明显的是那些深度嵌入AI生态供应链的国家;这轮热潮同时推高了金融资产估值,并通过财富效应影响消费。
从投资的另一个重要维度来看,伊里戈延指出,AI生态的每一个环节,从能源生产商、芯片生产商到云计算和模型,本质上都带有“赢家通吃”型市场特征。因此,每家公司都在投资,都希望赢下市场、扩大份额。
“这意味着,从个体理性的角度看,它们必然过度投资,因为不可能所有公司都成为赢家。”伊里戈延称,到某个时点,市场必须回答一个问题:投资放缓,究竟是因为一批公司退出了竞争,还是因为最终需求没有最初想象的那么大?而一旦市场出现调整,它会立刻通过财富效应传导至美国的消费。
“这可能是我今天要讲的最大的金融风险之一。”伊里戈延强调,目前没有人知道现在这些公司的估值是否合理,在多重均衡状态下,如果股市出现调整——无论调整有没有合理依据、调整本身都会发生,就会通过财富效应直接影响消费。
人民银行原行长周小川也提到,在全球AI技术演进过程中,有些投资会成功、有些投资会失败,考虑到当前有巨额资金流向AI及相关基础设施,一旦部分(投资)失败,可能引发金融动荡。(在这种情况下)就需要采取大规模行动来支撑经济,并对部分金融机构实施救助。
“因此,我们应当开展研究并做好预案,在政策工具箱中储备相应政策工具,以应对这类动荡和影响。”周小川强调。
工商银行行长刘珺指出,商业银行的业务直接涉及广大公众的日常生活,涉及产业发展,涉及市场上的各类活动,因此只能采用相对成熟、经过验证的技术,而不能完全押在尚未成熟的前沿技术上。同时,在应用AI过程中,需要解决AI本身的主客体定位以及责任划分问题。
“过去,如果银行从业者用了某套计算机系统开展业务,就需承担责任——银行从业者不能推卸,也不能对公众说‘这套系统不是我开发的,所以我不负责’。”刘珺谈到,在AI开发与应用过程中,环节很多:算法开发者、程序员、部署方、使用方,一直到最终用户,各方处在不同环节,加上算法本身在一定程度上是“黑箱”,因此,最终责任如何认定与核实?应由该来承担?这是当前阶段难以界定的问题。
他建议,如果把AI视为类人的“准法律主体”,把AI金融治理与人类主体治理、现有市场参与者治理体系结合起来,就有可能建立一套统一的治理机制。对AI应用的监管,他指出,可以把AI运行中产生的数据轨迹与现有市场参与者的相关数据整合起来,纳入同一体系,实现统一管理和全流程贯通,覆盖从最初环节到最终环节。
“因为我们确实拥有数据标注技术,也具备追踪能力;把AI纳入考虑之后,利用现有机制就有可能解决系统性风险的验证与识别问题。”刘珺称。更进一步来看,将工作量证明、历史证明、权益证明、收益证明四个因素结合起来,就有可能识别并清晰界定AI在某项业务活动中最终承担什么责任。
“如果工商银行在不同业务线上大量部署AI工具和智能体,而全部收益都进入工商银行的资产负债表和损益表,那就意味着我承担AI部署的责任;一旦出了严重问题,我就应当向相关受害者赔偿,并向市场给出最终答复。”刘珺举例提及收益归属明确之后,责任主体也就随之明确的思路。
刘珺指出,工商银行在具体实践中,就是把这条规则落到业务分档上:对高度依赖数据、不直接面对客户的业务,给予AI较大的自主权,后果由机构承担;对直接面对客户的业务,保留较大规模的人工团队,主要决策由人在“环路”中作出;对涉及价格管理、金融与社会敞口较大的业务,人从流程起点就必须在场。
综合自外滩峰会、新华财经
(文章来源:券商中国) 正文中部 内嵌广告