学会声音 | 学会理事长沈坤荣：金融工具创新赋能“人工智能+”：内在逻辑、作用机制与实践路径
摘要：“人工智能+”是实现人工智能从“工具赋能”向“范式重构”跨越的战略部署，而金融工具创新是将国家战略目标转化为市场行为、确保“人工智能+”高效落地的内生动力。金融工具创新赋能“人工智能+”的内在逻辑沿袭“点—线—面”递进结构，从“点”层面看，支撑人工智能原始创新；从“线”层面看，加快技术与场景深度融合；从“面”层面看，推动创新生态系统构建。人工智能产业发展遵循内在的生命周期规律，而金融工具创新能够突破传统金融范式，提供与人工智能产业成长周期相匹配的系统性金融支持。面向人工智能产业初创期，通过构建涵盖识别与配置、柔性定价、信用创造与生态补偿的金融支持体系，破解“早期融资难”约束；设计涵盖风险分担、价值互联与资源配置的结构性支持工具，降低场景应用阻力，解决“中期成长慢”问题；创建涵盖耐心资本培育体系、制度赋能与标准共建的科技金融生态，覆盖人工智能产业全生命周期，打通“长期生态弱”堵点。为了加快金融工具创新赋能“人工智能+”，需要完善“政产投研”一体化金融创新体系，夯实支撑金融工具创新的制度基础，推进金融高水平开放，不断提升金融支撑“人工智能+”、服务实体经济高质量发展质效。
关键词：金融工具创新；“人工智能+”；科技金融；场景应用
基金项目：国家社会科学基金重大项目“推动经济实现质的有效提升和量的合理增长研究”（24&ZD044）。
引言
“人工智能＋”是实现人工智能从“工具赋能”向“范式重构”跨越的战略部署。2024年，“人工智能＋”首次被写入《政府工作报告》。2025年，国务院正式印发《关于深入实施“人工智能＋”行动的意见》，旨在通过强化人工智能发展的基础支撑能力，加快推动人工智能与重点领域深度融合，实现从技术突破向全要素赋能的关键跃升。党的二十届四中全会审议通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》（以下简称《建议》）进一步提出：“全面实施‘人工智能＋’行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业”。作为推动人工智能发展的中国方案，“人工智能＋”行动的实施，既是把握战略发展机遇的历史选择，也是新旧动能转换的必然路径。在以习近平同志为核心的党中央的坚强领导下，我国在全球人工智能领域的话语权不断增强。 根据中国互联网络信息中心（CNNIC）发布的第56次《中国互联网络发展状况统计报告》，2024年我国人工智能产业规模破7000亿元人民币，连续多年保持20％以上的增长率；世界知识产权组织报告显示，我国人工智能专利数量占全球比重为60％。
金融工具创新是确保“人工智能＋”高效落地的内生动力。科技金融位列2023年中央金融工作会议提出的金融“五篇大文章”之首。2025年，中华人民共和国科技部等七部门印发的《加快构建科技金融体制 有力支撑高水平科技自立自强的若干政策举措》强调：“做好科技金融大文章，统筹推进创业投资、银行信贷、资本市场、科技保险、债券发行等政策工具，为科技创新提供全生命周期、全链条的金融服务”。近年来，金融体系提供覆盖实体经济全生命周期的一揽子服务，推出“股贷债保租”等多元化金融工具，为实现高水平科技自立自强提供金融支撑。人工智能产业具备典型的高投入、长周期、轻资产等特征，而以有形资产抵押为主要方式的传统金融体系难以有效识别创新风险，构成企业融资的结构性障碍。因此，金融工具创新，特别是基于数据资产与算力资源等新型要素的质押融资和股债联动模式创新，成为降低资本成本、引导社会资源流向人工智能原始创新与场景应用的关键路径。为响应“人工智能＋”行动，金融体系正在加速构建适配新质生产力发展的多层次支持矩阵。例如，中国人民银行将科技创新和技术改造再贷款额度提升至 8000亿元，通过结构性货币政策定向支持产业智能化升级；商业金融机构积极推进产品创新，“中银科创算力贷”等贷款创新产品与万亿元级综合金融服务为企业算力基础设施建设提供保障；新型“政银担”合作模式建立了政府、银行与融资担保公司间的风险共担机制，为缓解科创企业的融资约束发挥重要作用。
目前多数文献聚焦于人工智能作为工具赋能金融创新、现代化产业体系建设与实体经济发展等方面的研究。在人工智能赋能千行百业的同时，金融体系对于促进科技创新与产业创新深度融合具有支撑作用，相关研究聚焦宏观与微观领域的金融创新对人工智能发展的影响。在宏观层面，通过银行设立科技支行、创设信用保护工具以及促进资本市场开放等方面建立多层次金融服务体系，逐渐实现从“输血者”向“造血者”的转变；还有部分研究从资本期限维度探讨公共金融服务与耐心资本的长期战略目标，为打破制度缺位、转化动力不足等桎梏，建立覆盖全生命周期的长期科技生态提供参考。在微观层面，已有研究探讨了创新补贴、税收优惠与银行信贷等传统科技金融政策工具的赋能路径与局限性，分析了企业“创新积分制”与衍生融资工具、公募不动产投资信托基金（REITs）、政府引导基金与战略资本等新型金融工具对产业发展的促进作用。 尽管围绕宏观金融体系与微观政策工具的研究取得一定进展，现有文献对金融工具创新如何赋能“人工智能＋”的探讨仍有不足。正如马克思所言：“资本调动科学和自然界的一切力量，同样也调动社会结合和社会交往的力量”，深入研究金融工具创新赋能“人工智能＋”的内在逻辑、作用机制与实践路径，对于弥合科技创新与金融供给之间的结构性错配、加快构建面向未来产业形态的科技金融生态具有重大意义。
金融工具创新赋能
“人工智能 ＋ ”的内在逻辑
金融工具创新赋能“人工智能＋”的内在逻辑沿袭“点—线—面”递进结构，从“点”层面看，支撑人工智能原始创新；从“线”层面看，加快技术与场景深度融合；从“面”层面看，推动创新生态系统构建。
(一)“点”层面：支撑人工智能原始创新
由于典型的高投入、长周期与高风险特征，人工智能原始创新面临严峻的资本供给结构性失衡挑战。首先，“0到1”的原始创新阶段具有极高的技术不确定性与失败率，与传统金融机构所依赖的抵押担保和现金流评估模式存在冲突，导致早期研发缺乏足量资金，难以跨越“死亡之谷”。其次，基础研究的巨大正外部性使其社会回报远高于私人回报，社会资本因难以独占创新成果而缺乏投入激励，导致资金集中于人工智能行业应用，而算法框架、底层芯片与开源平台等关键核心技术的融资效率不高。 人工智能相关领域融资分布情况如图1所示。最后，人工智能原始创新的核心价值高度依附于人才、知识产权与数据等无形资产，而现有金融体系缺乏有效的要素标准化估值和交易机制，大量创新潜力难以转化为可融资的资产。
图1 人工智能主要细分领域融资情况
注：根据IT桔子网站相关数据整理。
金融工具创新通过重构资本供给范式，为人工智能原始创新提供资本支撑。 风险投资、私募股权等权益性资本以其风险容忍和长期主义特征，成为支撑早期技术探索的耐心资本。需要指出，早期创新融资期限仍存在结构适配问题。例如，风险投资偏向于上市前融资；天使投资规模有限且地域集中。 面对科创企业对全生命周期金融服务的迫切需求，金融机构通过创新构建“母基金＋直投”投资组合分散高风险，并以股权增值为主要回报模式，更加适配原始创新非对称性回报的特征；政府引导基金、国家科学基金以及新型研发机构通过政府让利与风险共担机制，有效引导并撬动社会资本进入国家战略导向领域，弥补基础研究与基础设施建设的长期资金缺口，发挥“压舱石”与“稳定器”作用；知识产权证券化、科创企业股权激励计划以及基于未来技术许可收益权的金融合约等创新工具，将无形资产与人力资本转化为可交易的金融资产，从而突破传统融资的资产边界、完成创新要素的价值认证，为人工智能原始创新构建从探索、验证到价值实现的完整资本支撑体系。
(二)“线”层面：加快技术与场景深度融合
人工智能技术与应用场景深度融合的过程叠加多重异质性风险，导致“1＋N”体系仍存在传统技术逻辑与场景应用不匹配等问题，影响人工智能应用规模化落地。一是技术风险与市场风险交织。人工智能解决方案在实验室环境下的性能与在复杂开放的实际场景中的稳定性之间存在适配鸿沟，科研机构研发的先进技术往往重技术指标、轻实际应用，中小企业不仅存在场景应用痛点，而且难以找到稳定的技术供给。同时，市场对新模式的接受时间和程度存在高度不确定性。根据佩蕾丝的相关研究，为了降低人工智能创造性破坏对市场造成的冲击，金融部门需要随着生产部门进行变革。二是数据与合规风险凸显。产业场景应用依赖大量产业数据，涉及数据所有权、算法透明度及行业监管合规等新型风险，产生的连锁反应可能造成项目中断或巨额罚金。三是产业链协同风险放大。人工智能嵌入往往需要改造现有生产流程、重塑供应链关系、匹配新型技能人才，任何环节的滞后都会导致整体效能无法实现，因而产业协同的失败风险远超单项技术风险。
面对产业场景应用的风险图谱，传统单一债权融资无法有效识别和定价风险，造成供需结构不匹配，而金融工具创新通过风险配置机制进行结构性管理。产业投资基金和企业风险投资积累深厚的产业认知与生态资源，能够深度评估技术与场景的匹配度，并通过提供战略协同等非金融支持主动降低产业链上下游的协同风险，其股权投资特征能够承担前期的高失败率。针对数据、合规及运营中的特定风险，科技保险、算法责任险等新型保险产品将难以量化的风险以标准化合约形式转移至保险市场。对于已产生稳定现金流的成熟融合模式，资产证券化、收益权质押等结构化金融工具将项目未来的特定收益转化为可交易的金融资产，从而实现项目风险与发行人自身信用风险的隔离，吸引风险偏好较低但追求稳定回报的养老金与保险资金等耐心资本。综上，通过风险识别、分层、转移与重组，金融工具创新将原本融资难的高风险项目塑造为不同风险收益特征的金融产品，精准匹配多元资本的投融资需求，打通人工智能从技术能力到产业生产力的转化通道。
(三)“面”层面：推动创新生态系统构建
创新生态系统构建从经济的均衡状态出发，通过企业技术创新破坏平衡，不同部门间学习、竞争与协作，最终达到新的相对均衡状态。当前，人工智能创新生态系统构建面临要素重组与资源互换等主要挑战。一是新型基础设施存在融资瓶颈。大规模开放数据集、普惠性算力网络等关键基础设施与算法测试验证平台等中试平台具有典型的公共产品属性，建设投入巨大且商业回报缓慢，导致社会资本不愿涉足、形成新型基础设施建设资金缺口，制约创新效率提升。二是人才、知识、数据、资本等创新要素流动存在壁垒，未能形成帕累托有效配置，削弱了创新生态系统的网络效应与知识溢出效应。例如，产学研合作可能因为目标差异与利益分配机制缺失而停留在论文、专利层面，合作成果难以落地应用，高校和科研机构存量专利亟待盘活；一体化数据资源体系尚未建立，“数据孤岛”现象长期存在。三是市场激励与长期社会价值存在错配。短期逐利资本集中于易变现的商业模式，忽视了对人工智能治理效能与安全可控等影响可持续发展的战略性领域投入，导致人工智能创新生态系统发展失衡。
针对上述结构性瓶颈，金融工具创新通过契约设计与市场机制实现资源配置、风险定价和治理参与功能，有效引导、激励多元参与主体，推动分散的生产要素与孤立的生产部门协同整合，主导创新生态系统演进方向、促进创新生态系统持续优化。一是金融工具创新的资源配置功能通过引入政策性金融工具和战略性长期资本，定向为算力、数据等新型基础设施建设提供低成本耐心资金，加快构建支撑创新生态系统的数字基座。二是金融工具创新的风险定价功能通过设计激励相容的交易结构加快创新要素融通。在政府层面，美国《拜杜法案》规定由联邦政府资助的高校科研项目产生的专利所有权由政府转移至高校，大幅提高了高校科研人员参与必要科技成果转化活动的激励；中国国家知识产权局面向10余个省市设立知识产权运营基金，以市场化方式促进高校专利向产业界转化。在企业层面，企业期权激励与跟投机制吸引并绑定顶尖人工智能人才；基于数据信托架构的融资模式，在保障隐私权益的前提下推动数据要素的价值释放。三是金融工具创新的治理参与功能推动环境、社会和公司治理（ESG）投资原则与多层次资本市场深度融合。 绿色科创债、社会影响力投资基金等金融工具将人工智能项目的伦理准则、社会效益与长期风险纳入明确的投资决策体系，引导资本流向符合可持续发展目标的人工智能应用，重塑创新生态系统的价值导向。此外，活跃的并购市场与IPO不仅为早期投资者提供多元化退出路径，更促进技术、人才与商业模式在创新生态系统内的重组与优化，加速企业优胜劣汰与技术迭代。
金融工具创新赋能
“人工智能 ＋ ”的作用机制
习近平总书记在中央全面深化改革委员会第二十五次会议上强调：“要聚焦金融服务科技创新的短板弱项，完善金融支持创新体系，推动金融体系更好适应新时代科技创新需求”。人工智能产业发展遵循内在的生命周期规律，人工智能赋能经济社会各行业各领域离不开与成长周期相匹配的系统性金融支持。金融工具创新通过创新工具设计与机制安排突破传统金融范式，缓解人工智能全生命周期面临的关键金融约束。针对人工智能早期技术孵化、中期场景应用与长期生态构建等不同发展阶段，通过差异化金融工具创新有效应对“不敢投”“不愿用”“不可持续”等深层次挑战，为“人工智能＋”注入持续金融动能。
(一)破解“早期融资难”约束：构建面向人工智能产业初创期的金融支持体系
人工智能产业初创期是人工智能技术从理论构想到商业价值实现的关键跃迁期，也是创新链条中最需要金融支持却又最难获得传统金融服务的环节。初创企业项目的核心价值通常依赖于创始人的创新能力、技术路径与数据资源，具有高度无形性和难量化性等特征。传统金融体系依赖历史财务数据与有形资产抵押，其投资逻辑难以适配人工智能初创企业发展需要，由此形成市场失灵。因此，面向人工智能产业初创期的金融工具创新，其根本作用并非单一资金供给，而是构建涵盖风险识别与配置、柔性定价、信用创造与生态补偿的金融支持体系，显著降低“0到1”阶段的制度性交易成本与试错成本，引导耐心资本完成对颠覆性技术的初始投资，让更多初创企业跨越“死亡之谷”，为“人工智能＋”奠定坚实的微观基础。上述关于人工智能产业初创期的金融支持体系相关作用机制具体如图2所示。
图2 构建面向人工智能产业初创期的金融支持体系
1.风险识别与配置机制
在缺乏硬性财务指标的情况下，市场化分层配置与政策性风险共担重构人工智能早期融资的风险识别机制。一方面，风险投资机构凭借对人工智能技术的市场认可度、团队能力的全面评估及市场潜力的前瞻性分析，将高风险的初创企业项目打包成投资组合，通过分阶段注资与股权比例动态调整实现风险与收益匹配，初创企业项目因此获得与其技术成熟度相适应的资本支持。另一方面，政府引导基金通过设立风险补偿资金池与社会资本共担早期风险，既提升市场化投资机构的积极性，又将政策导向内嵌于资本市场风险配置过程，有效破解人工智能早期发展的风险集中难题，为初创企业构建更加精准、高效的风险识别与配置体系。
2.柔性定价机制
当具备潜力的初创企业项目被初步识别后，面临的核心挑战是初始定价，而科技创新公司债与优先股等混合型金融工具提供了解决方案。2025年，债券市场设立“科技板”，旨在提高科创企业融资效率、促进发行主体结构多元化。在发行科技创新公司债时，企业能够与金融机构直接约定募集资金使用方式等条款，即使企业未盈利依然能够获得资金支持；股权投资机构通过完善创新风险分担机制，降低企业融资成本与创新风险，在获得发债募资额度的同时提高企业核心竞争力。此外，优先股条款通过赋予投资者在清算优先权及股息分配等特定条件下的转换或回购权利，在不确定环境中实现资本安全与激励创业的动态平衡。
3.信用创造机制
一方面，为进一步拓宽初创企业项目的融资渠道，债权类工具基于对信用的重新定义与拓展，将企业的核心无形资产转化为抵押物。例如，传统知识产权质押融资模式通过构建融合技术评估与市场前景分析的综合评估框架，对企业数据资产入表、专利应用性与通用模型评估后实施信贷决策。另一方面，为规范引导并解决评价标准碎片化问题，2024年科技部办公厅印发《“创新积分制”工作指引（全国试行版）》，通过构建企业“创新积分制”核心指标体系，对企业创新能力进行量化，降低金融机构与股权投资机构评估成本，引导资源向科创企业集聚。因此，遵循“积分变信用、积分创优惠”原则，推动“积分＋”金融工具创新，有助于提高创新资源可得性。
4.生态补偿机制
政策性金融工具发挥构建安全底线与引导激励方向的双重功能。一方面，通过建立国家及地方融资担保基金，对早期风险投资给予风险保障，降低投资人的最大可能损失，增强其向前沿领域进行探索性投资的意愿。另一方面，政府部门通过向企业发放科技创新券等补贴工具，将一次性拨付资金转变为可在指定创新生态系统内流通支付的数字化权益凭证。这种转变不仅提升财政资金使用的精准性与效率，而且将财政支出与金融工具结合、实现基于财政资金预期支付能力的证券化。
(二)解决“中期成长慢”问题：设计降低场景应用阻力的结构性支持工具
在中期成长阶段，人工智能作为赋能技术具有场景依赖性与系统协同性，企业面临从“实验室”到“应用场”的转化瓶颈。传统金融工具聚焦企业的资产负债表，难以应对跨组织交易活动中的结构性障碍。因此，针对中期成长阶段的金融工具创新，通过设计涵盖风险分担、价值互联与资源配置的结构性支持工具，提高资本市场制度的包容性、适应性，降低场景应用阻力、形成网络效应，为“人工智能＋”加速渗透提供结构化金融支持。 结构性支持工具情况具体如图3所示。
图3 设计降低场景应用阻力的结构性支持工具
1.风险分担机制解决“敢不敢用”的信任问题
当人工智能企业向传统应用场景提供解决方案时，需求方面临技术效能不足与投资沉没的风险，而技术方则承担长开发周期的现金流压力与回款不确定性。通过新型保险与支付工具等金融工具创新，将交易双方的非系统性风险分散至更具风险承载能力的金融体系中，为人工智能技术与应用场景深度融合搭建信用桥梁、破解合作困局。从技术需求方看，“政府采购＋金融保险”产品能够激发创新动力、实现风险分担。政府部门通过采购人工智能产品、构建购销平台等方式，向金融市场传递人工智能应用信号；通过配套推出首台（套）保险，降低因技术不达预期造成的需求方使用风险。从技术供给方看，按效果付费的专项融资能够提高创新的可持续性、降低信用风险。金融机构依据项目合同的里程碑条款与验收凭证，在技术方完成目标比例后提供对应的资金额度。该工具将技术方的融资可得性与项目进展挂钩，确保研发投入的可持续性。
2.价值互联机制解决“资本如何持续高效注入”的协同问题
通过股债联动工具与数字化供应链平台等金融工具创新，将静态债权关系与动态股权价值深度联结，在人工智能产业链各主体间建立长期利益纽带，形成具有共同目标的金融协同网络，进而降低协同成本、加速解决方案的规模化落地。从股债联动工具看，金融机构在向人工智能企业提供项目贷款的同时，获得未来入股该企业的股权。此举将金融机构的收益与人工智能企业的长期成长挂钩，不仅增加金融机构提供资金意愿，而且能够利用其资源助力项目对接与风险管理，将技术提供方、场景应用方与资本供给方组成利益共同体。从数字化供应链平台看，中征应收账款融资服务平台基于区块链技术，将核心场景应用企业对人工智能服务商及其上下游供应商的应付账款转化为可融资的数字化信用凭证。因此，核心场景应用企业的强信用沿产业链向上穿透，精准滴灌至为人工智能项目配套的供应商，将分散的参与主体连接至资金协同网络，进而盘活人工智能产业链的流动性。
3.资源配置机制解决“资源如何整合”的配置问题
习近平总书记指出：“要充分发挥市场在科技资源配置中的决定性作用”。标准化、可交易的金融工具将离散的技术价值与商业潜力转化流动性资产，通过构建服务于产业的资本流通体系降低市场的搜寻成本与决策摩擦，引导社会资本高效流向关键核心技术领域，进而解决规模化扩张的资本配置效率瓶颈、推动人工智能从“技术应用”迈向“场景实现”。从人工智能指数化工具看，垂直领域的人工智能产业指数及交易所交易基金不仅为市场提供透明的信息渠道，更将产业投资转化为低门槛、高流动性的标准化产品，吸引长期资本大规模涌入，优化场景应用的资本来源与期限结构。从无形资产的流动性转化工具看，知识产权证券化与算力券等财政金融工具将专利权或算力基础设施进行结构化处理，通过发行资产支持证券（ABS）促进技术优势转化为可交易的金融资产，为加速创新循环、降低技术采纳门槛以及提高资产流动性提供金融支持。
(三)打通“长期生态弱”堵点：创建覆盖全生命周期的科技金融生态
“人工智能＋”进入平稳运行的成熟期后，制约长期增长的瓶颈日益凸显。与此同时，短期市场资本追逐盈利能力而非长期价值，不仅难以支撑人工智能底层技术与包容性创新的长周期投入，而且缺乏将长期社会价值内化为金融信号的制度设计。因此，深入实施“人工智能＋”，需要创建覆盖全生命周期的科技金融生态，培育壮大耐心资本，构建支撑技术发展与场景应用的制度基础与评价标准覆盖全生命周期的科技金融生态系统如图4所示。引导人工智能创新生态系统向更具韧性和竞争力的方向演进。
图4 创建覆盖全生命周期的科技金融生态
一方面，构建耐心资本培育体系。长期金融工具构成人工智能创新生态系统的“金融压舱石”，通过提供跨经济周期的确定性资本供给，降低技术获取成本与创新风险，系统促进科技创新与产业创新深度融合。例如，“人工智能＋”高度依赖高端芯片、底层框架与公共数据集等具有较长回报周期的基础设施，需要通过政府引导基金、政策性开发性金融工具以及新型基础设施REITs等政策金融工具，形成撬动超长期、低成本社会资本投向人工智能基础层与薄弱环节的“杠杆效应”，筑牢人工智能产业发展根基。同时，设立专注于基础软件与核心硬件的国家级长期投资基金，以股权投资形式支持关键技术研发；发行新基建专项债，为国家级算力网络与数据平台建设提供低利率资金；探索将大型智算中心资产证券化，通过公募REITs、资产证券化等方式盘活优质资产，在引入社会资本的同时完善并购投资退出渠道，实现投资良性循环。
另一方面，加快制度赋能与标准共建。通过创新标准建设工具，将制度性的标准与评级转化为影响企业估值和市场竞争力的量化指标，推动金融手段与创新激励紧密结合，破解“有标准难落地”困境，形成持续吸引优质资本的人工智能创新生态系统。一是发展标准符合融资工具。这类工具将遵循行业标准的技术转化为即时融资需求，激励企业从被动的合规者转变为主动的标准建设者。例如，当行业在数据操作与模型安全等方面形成标准与认证体系后，商业银行向通过人工智能算法安全认证的企业提供标准合规贷款并给予显著利率优惠；债券市场支持发行标准建设专项债，募集资金用于支持场景测试平台和认证体系建设。二是构建治理评级驱动的多维金融场景。在政府采购中，将评级结果作为评审权重或资格门槛；在公开上市审核中，将高评级作为简化流程的重要依据；在投资决策中，主权基金、养老金等长期资本将治理评级纳入投资组合的决策过程。
金融工具创新赋能
“人工智能 ＋ ”的实践路径
党的二十届四中全会通过的《建议》指出：“营造具有全球竞争力的开放创新生态”。为了加快金融工具创新赋能“人工智能＋”，需要深化金融市场化、制度化改革，完善“政产投研”一体化金融创新体系，夯实支撑金融工具创新的制度基础，推进金融高水平开放，不断提升金融支撑“人工智能＋”、服务实体经济高质量发展质效。
(一)完善“政产投研”一体化金融创新体系
加快人工智能技术与经济社会各行业各领域、各种应用场景深度融合，需要完善“政产投研”一体化金融创新体系，打破政府部门、产业链、金融体系与研究机构等各类主体间的壁垒，明确各方在金融创新链中的功能定位，构建资源互补、风险共担的战略协同体系，形成支撑“人工智能＋”的系统合力。
第一，强化政府部门的战略规划与风险分担功能。一是强化战略引领，明确不同领域的支持重点与政策工具，牵头设立并市场化运营“人工智能＋”产业引导基金，引导社会资本投向基础技术与硬科技。二是创新公共风险分担机制，推动政府引导基金以“母基金”架构运作，充分发挥财政资金撬动社会资本的“杠杆效应”，对投向高风险领域的“子基金”提供风险补偿；完善融资担保基金与保险资金运行机制，促进社会资本流入关键核心技术领域。三是构建激励相容的长期制度环境，加快基础性制度供给，重点推进数据资产确权与算法知识产权保护等领域的立法保障与标准制定，为数据质押融资、知识产权证券化等金融创新提供坚实的法律保障。
第二，加快人工智能场景开放与协同发展。一是实施场景开放计划，鼓励制造业、医疗、能源等行业进行智能化改造，为人工智能解决方案创造测试环境，由此形成金融资本评估技术前景的关键依据。二是构建产业链金融科技平台，鼓励金融机构充分发挥专业优势和科技服务能力，将产业链上下游的贸易信用转化为可融资的电子信用凭证，提升产业链供应链韧性。三是鼓励企业风险投资与金融资本联合发起产业共创基金，专项投资人工智能产业关键核心技术，探索产业资本与金融资本深度融合新模式。
第三，推动金融体系的服务转型与产品创新。一是鼓励金融机构在研发阶段推出以知识产权为核心的专项贷款，在成果转化阶段发行带有认股权证的科技创新债券，在规模化阶段探索基于稳定盈利的资产支持融资。二是支持创业投资与私募股权机构践行产业投资策略，在提供资金的同时为企业对接产业资源与战略客户，助力人工智能创新生态系统构建。三是推动公开资本市场优化上市标准，增强企业关键技术指标的包容性，提供高效的价值实现平台。四是通过实施并购投资与S基金（私募股权二级市场基金）等方式，畅通耐心资本的退出渠道。
第四，发挥研究机构与智库的支持作用。一是建立人工智能技术评估的第三方标准体系，联合高校与研发机构开发数据质量、系统安全与伦理合规的评估框架，评估结果可作为金融机构投资决策与风险定价的重要参考。二是鼓励高校设立科创基金，与社会资本联合支持科研成果转化落地，利用校友资源及智库成果集聚创新要素、形成正反馈效应。三是加强科技金融交叉学科建设，聚焦“科技＋金融”复合型人才培养，为加快构建科技金融体制提供人才支撑。
(二)夯实支撑金融工具创新的制度基础
金融工具创新的有效性与可持续性离不开健全的制度基础与完善的市场环境。为了降低金融工具创新赋能“人工智能＋”的不确定性，需要加快建设规范高效的数据要素市场，健全知识产权评估与服务体系，完善“人工智能＋金融”监管范式，筑牢资本、数据、技术等要素高效流通根基。
第一，加快建设规范高效的数据要素市场。数据是数智时代的关键生产要素，其资产化与合规流通是金融工具创新的前提。在保障安全与隐私的前提下，要选择重点区域与行业开展制度试点，系统性探索数据资产的确权登记、价值评估与合规交易的数据市场规则。同时，要推动建立数据信托与数据银行等新型机构，在明确各方权利义务的基础上，促进多源异构数据的授权使用，推动数据要素在合规框架内真正转化为可量化、可交易的金融资产。
第二，健全知识产权评估与服务体系。人工智能领域的核心资产为算法、软件著作权与专利组合，而无形资产价值评估标准体系有待完善、评估方法有待优化、专业评估机构相对匮乏，构成制约股债融资的主要障碍。为此，要制定市场化专业化的知识产权价值评估标准规范，完善基于产业实践与技术前沿的估值方法，形成市场公认的评价标准。要以更大力度推行企业“创新积分制2.0”，进一步优化核心指标，加快多元化场景应用，实现对初创企业的精准赋能。要大力发展知识产权交易平台与专业化运营机构，积极探索标准化、规模化的知识产权证券化模式，有效盘活初创企业优质资产。
第三，完善“人工智能＋金融”监管范式。 “人工智能＋”要求监管体系同步更新，实现规范发展与创新激励的平衡。一是推动建立与人工智能技术特征相适应的监管体系，明确算法应用的责任边界、数据交易的权属分类以及新型金融业务的监管归属。二是积极发展监管科技，鼓励采用监管沙箱等工具，对复杂的智能投顾与算法信贷等模型实施动态监管。三是推动人工智能赋能金融监管风控，利用机器学习与可视化分析等手段搭建市场资金监测平台，应用人工智能通用技术完善智能风控体系，形成金融赋能人工智能创新与人工智能增强金融安全的良性循环。
(三)推进金融高水平开放
金融高水平开放是加快建设金融强国的必然要求和加快形成更大范围、更宽领域、更深层次的全面开放新格局的重要组成部分。在世界地缘格局重塑和金融秩序深刻调整的背景下，金融服务业开放、金融市场互联互通、人民币国际化、金融监管协作等金融对外开放举措不仅为科创企业拓宽国际融资渠道，而且促使国内提升金融服务水平和金融创新能力，有利于降低交易与合规成本，为金融工具创新提供丰富的落地场景。要坚持“引进来”和“走出去”双向发力，稳步扩大金融领域制度型开放，不断优化科技金融生态。
第一，吸引境外投资者参与资本市场。为了弥补颠覆性技术创新早期投资的融资缺口，需要系统性利用全球优质金融资源。一是进一步优化合格境外有限合伙人（QFLP）等跨境投资机制，放宽金融业外资准入条件并简化流程，吸引全球顶尖风险投资机构、产业资本和主权财富基金直接投资人工智能基础研究与场景应用。二是以自贸试验区、自由贸易港为试点，参考国际高标准金融领域相关规则，鼓励国内金融机构设立合资子公司或专项基金，引入硬科技估值与知识产权融资等领域的先进金融工具，通过示范效应带动国内整体金融服务能力提升。三是实施“双向资本开放”策略，高效链接全球长期资本与产业资源。
第二，完善人工智能企业出海的跨境金融服务。随着我国人工智能解决方案逐渐落地应用，高端制造向“微笑曲线”两侧延伸，需要加速完善人工智能企业出海的金融配套，打造高端智造产融协同生态。一方面，联合国内外优质投资机构建立跨境联投基金，筛选具有高增长潜力的项目，为企业提供关键技术突破与产品迭代升级的资金支撑；鼓励政策性银行与跨境金融机构协同配合，为企业提供涵盖项目融资、出口信贷与汇率风险管理在内的跨境金融综合解决方案。另一方面，充分发挥金融机构资源优势，支持证券公司及投资银行在海外设立分支机构，为出海企业提供上市辅导、并购咨询与债券发行等服务，协助企业完成并购交易并降低并购成本，加速人工智能企业全球化发展。
第三，健全境内外金融市场互联互通机制。一是加快金融产品创新与金融服务升级，推动粤港澳大湾区“跨境理财通”、沪深港通、QDII、QFII 等联通产品持续优化，更好满足投资者多元化金融需求。二是加强境内外数据互联与信任机制建设，开发跨境数据验证平台应用场景，推动银行、证券、保险等多领域数据互通，提升跨境业务效率；完善跨境征信合作，建立统一的信用评估体系，为境内外企业融资提供便利。三是优化人民币跨境投融资机制，着力提升人工智能领域跨境贸易结算中人民币使用占比，支持发行以人民币计价的人工智能债券，不断提升我国金融市场在国际科技金融体系中的话语权与影响力。