“双碳”目标下AI,科技助力金融创新发展策略研究

李懿雄

（北京易特创思科技有限公司，北京 100027）

我国低碳产业链、低碳市场体系急需快、准、好地健全起来，在各社会经济力量中，碳金融为各项碳产业的发展、碳供应链的规范和碳价值链的评估等提供更专业、更标准的碳金融产品服务。而人工智能技术（AI）在碳金融的应用能够让碳金融产品服务在大数据分析、营销、风控、投研、投顾、保险、身份核验和客服等落地场景中更加智能化、高效化和低风险化，在加强对低碳经济发展提供金融助力的同时，还能加速金融行业自身实现数字化经营模式的转型，更好地参与到未来“双碳”目标下金融市场的竞争中，提升自身竞争实力。

碳金融指的是低碳金融，从广义上而言，是为了实现“双碳”目标而展开的所有金融服务的总称，低碳金融主体包括银行、证券、金融中介和保险等。从狭义上而言，碳金融指的是为控制二氧化碳排放方面的技术与产业提供直接投融资、贷款类和碳权交易等金融活动的总称。从碳金融概念中可以看出碳金融的所有金融工具与活动都具有更明确的指向性，即必须围绕“双碳”目标来提供与开展，属于一种“靶向药”，因此碳金融比绿色金融理念更直接、更具有可操作性，实质上能够将绿色理念具体化、金融化，更有助于对“双碳”目标的支持。

碳金融是实现“双碳”目标的重要杠杆之一。低碳产业、碳经济发展必须要依靠市场手段来解决，金融行业是市场手段的运用主体、最主要的社会资金供给者。我国在过去已经积累了丰厚的碳金融发展的基础与经验，即绿色金融服务的快速发展、绿色金融体系趋于健全都为低碳经济的全力启动提供了巨大的驱动力。根据相关数据统计，2018 年我国已经跻身为全球气候相关绿色债券发行规模最大的市场，绿色债券存量规模在当年就已达到了8132 亿元，2020 年我国商业银行发放的本外币绿色贷款规模达到了11.95 万亿元人民币，解决了低碳企业发展极大的资金需求[1]。到2020 年末，我国本外币绿色贷款余额约12 万亿元，存量规模居世界第一；
绿色债券存量规模达到8132 亿元，居世界第二；
泛ESG 基金总规模增长较快，其中节能环保和绿色低碳行业基金数量占比超过70%[2]。

综上可见，我国绿色金融已经初具相当规模，且体量巨大，为碳金融的发展奠定了发展基础。2021 年浦发银行更是单独为申能碳科技有限公司创新了全国首单关于国家核正自愿减排量和碳排放权组合的质押融资产品。同时也会有更多关于碳中和的绿色债券、绿色贷款和碳排放权金融服务等将会陆续上线，未来碳交易市场也将成为碳金融发展的一大重点，即通过对碳排放权的有偿分配，来激活低碳行业的竞争活力，促进“双碳”目标的精准快的实现。总体而言，碳金融对碳产业具有精准催化与约束作用，能够通过提供优惠碳金融产品、智能化碳排放权金融服务来精准化催化低碳排放产业链、供应链和价值链的发展，而同时也能够利用信贷等金融杠杆来约束高碳排放企业。

2017 年5 月，中国人民银行成立金融科技委员会，在《中国金融业信息技术“十三五”发展规划》中，将人工智能、大数据、区块链和云计算等新型信息科技作为未来金融科技的重点发展方向。2019—2021 年金融科技将从加强金融科技统筹规划、人才队伍建设和体制机制完善，强化人工智能、云计算、大数据和身份认证体系等信息科技的应用场景落地，提升数字化风控能力，赋能金融服务提质增效等方面着陆。

其中AI+金融行业的“双剑合璧”优势显著，不断促进目标群体从C 端转移到B 端。2018—2022 年我国AI+金融行业模式主要包括大数据服务、智能风控、智能投研、智能投顾、智能保险、智能营销和智能客服等应用场景，分别占比为30.3%、29.5%、9.1%、8.3%、8.3%、6.8%、3.8%和3.9%[3]。由此可见，大数据金融分析服务和智能风控仍是AI+金融模式需求的重点领域。

像智能风控体系被金融行业普遍认为是未来最有价值的应用场景，对信贷业务、反洗钱和绿色金融风险分析等都有较大助益。以信贷业务为例，利用知识图谱技术、身份认证系统和机器学习等人工智能技术，能够做到贷前准入信息审核、信用评估、反欺诈和定价模型审批；
贷中借助行为评分模型来实现额度智能化调节与实时监控预警；
贷后借助催熟模型进行智能催收等。智能保险体系主要作用于承保环节中的风险精算、评估与定价上，以及核保理赔环节中反欺诈风险防控，为完善风险定价系统及极速理赔系统提供技术支持；
智能投顾依托大数据技术和人工智能技术来构建智能算法模型和机器人代理投资理财的方案组合与推荐，普遍应用于证券市场中对客户投资偏好、风险承受能力、财务状况及市场状况等进行智能分析，可以帮助用户，为其推荐更贴切的理财目标[4]。智能支付系统应用于金融全行业中，运用生物信息识别技术来支持支付平台十分广泛，银行卡、支付宝和微信等扫码与指纹支付、人脸识别支付和智能语音转账等便捷用户支付体验。智能客服系统能够利用知识图谱技术、自然语言理解技术、推理技术和自动问答技术等24 h 解决客户提出的常理性问题，能够极大程度缓解人工客服的工作压力，也能够让人工客服的工作从被动转型转为主动型，更加精准与及时地为客户主动提供个性化的金融服务。

3.1 完善AI+碳金融的顶层设计

碳产业和碳金融目前还处于探索状态，虽然碳产业类型如雨后春笋般出现，但是碳金融业务的认定标准、方法和碳核算标准都不统一，导致企业“漂绿”“注水”的现象层出不穷，使得低碳企业与碳金融机构之间存在较大的信任危机，增加了金融机构识别、风险评估的成本与难度。同时碳企业信息披露存在不规范、不齐全的问题，导致环境监测数据不完整、不可靠。这些负面因素都会影响人工智能的应用效果，因此要想更有效地落实AI+碳金融的场景模式，首先就要优化顶层设计，从制度、标准、方法和流程等层面上规范与约束低碳产业参与碳市场、金融市场等行为，从而更好地指导与规范AI+碳金融的智能化、数字化产品与服务。比如金融机构只需根据碳功能系统算法模型，输入绿色项目年供电量、年供热量和供热煤耗等参数，系统就会自动计算出绿色项目需要达到的减排指标，包括二氧化碳减排量、标准煤节省量和氮氧化物削减量等，从而支持碳排放权交易，激活碳市场的活性，从而让绿色金融服务更加精准、专业和高效，并能够有效提高对新兴碳产业的风险防控能力[5]。

具体优化层面包括：①金融监管机构要对碳金融业务核算与评估标准作进一步完善，统一绿色金融项目认定方法与程序，缩小各机构之间沟通的口径差异，提高绿色金融数据准确性。同时利用人工智能等信息技术来搭建数据自动报送系统，来提升绿色金融识别、评估和核算等服务效率，也能够有效对“漂绿”企业进行约束与监管。②金融机构要建立成熟的ESG 信息披露机制、ESG 管治架构、客户ESG 风险评估及分类管理框架。国内金融机构要探索出更符合国内低碳产业发展特点与规律的ESG 评价指标体系和评级标准，并拓展ESG 风险管理维度，要将低碳企业经营、道德和社会责任等风险类型纳入其中。③金融机构还要不断更新低碳产业涉及的金融科技和产品需求目录，标准化设计绿色业务流程，梳理人工智能、云计算和大数据等技术在各业务流程环节中的需求。以绿色信贷为例，需要细化人工智能+绿色信贷业务的环节与需求，包括绿色客户识别技术需求、业务绿色识别技术需求、环境效益测算需求、环境监测预警需求、监管统计报送需求和存量业务嵌入需求等，以此来依靠模型算法、识别逻辑来健全绿色业务标准化筛选机制，关联环保信息公示平台，多维度评估低碳企业环境效益测算指标，从而从顶层设计上让“漂绿”“注水”企业无所遁形，也能够加速多元化AI+碳金融应用场景实现精、准、快地落地。

3.2 碳金融市场建设，创新碳金融产品

人工智能等新一代信息技术还有助于金融机构整合碳金融资源，通过大数据分析、智能分析与精准定位来推出具有创新性的碳金融产品，打造多元化的碳金融市场。比如依托人工智能技术构建ESG 遴选模块或绿色产品遴选模块、多标准绿色智能识别工具，来优化整合有价值的碳资产，围绕“双碳”目标，创新ESG 金融产品。还可以结合区块链技术来创建ABS 底层资产池、与ESG 相挂钩的债券和碳减排债券等，实现信息披露标准化、透明化，推动绿色低碳债券市场的成熟。在个人低碳消费的信贷领域，可以结合AI+大数据来制定个性化的绿色消费行为特征的画像，然后根据个人绿色信用评定机制来推动低碳消费类信贷产品的创新。结合云计算、区块链技术来为企业拓宽低碳投资渠道，运用人工智能等技术来为低碳偏好的企业研发适合的低碳投融资产品，并制定完善的资金追踪监控智能体系和激励机制，来降低金融机构的信贷风险。

此外，人工智能等技术还可以支持绿色ABS 等资产进行跨境交易，并对交易过程实现全流程管理，对于交易资产、数据信息传输和企业信用等进行智能化、数据化和立体化的评估与审核，同时人工智能等金融科技还可以用于跨境绿色项目溯源、登记、确权、认证、对接、结算和穿透监控等业务环节中，从而大大降低交易风险和成本。人工智能结合区块链技术还可以清洁能源市场搭建透明化、标准化和智能化的交易平台，便于生产商与购买方实现在线安全、高效地交易。

3.3 构建碳金融数据中心，加强全生命周期管理

智慧算力与先进信息科技在处理、识别和分析海量碳金融数据与提供智能化、个性化和多元化金融服务中的作用越来越突出，有助于实现高效归集处理大数据、深度绿色金融服务维度的目的。人工智能技术则起到提高计算速度、提升数字性能的作用，有助于对绿色金融海量数据进行快速精准的处理，为绿色金融产品开发与落地提供算力支持。AI 智能算法突破传统机械算法的限制，构建“数算器”概念，可实现业务数据的秒级计算、秒级处理。而机器学习技术能够不断自动获取新知识与技能，从而不断改善自身性能，常被用于挖掘、分析样本数据的规律，并且用规律来预测未知风险。因此通过数据与算法的高效应用，引入宏观因子、行业及周期性因子，能够构建对AI+绿色金融场景数据采集、分析的数字化授信与全生命周期的风控模型，改善数据质量，提高数据来源的全面性、时效性和真实性。

3.4 提高AI+碳金融应用场景的高智能化水平

目前AI+碳金融的应用场景全面普及率与高智能化水平较低，很多金融机构及人工智能系统研发公司在AI+碳金融的应用场景功能的研发与设计上都浅尝辄止，导致对人工智能的应用都停留在初级阶段。比如有些金融机构所开发或购买的智能投顾系统智能化水平不高，导致风险测评维度较窄，用户画像分析比较片面，不能将客户家庭资产负债比率等动态化因素考虑到风险偏好选择与风险承受能力等分析中，也就无法实现针对不同客户群体开展个性化的智能投顾服务[6]。同时所能应用的场景也比较单一，也就决定了智能投顾系统不能完全取代财富顾问等人工服务。

因此金融机构要联合人工智能技术研发公司、高校科研力量来改进低智能投顾系统的局限性，也就是数据沉淀及算法模型的问题，依托前沿的大数据技术、人工智能分析技术等来获取深度充足的数据储备，精准分析绿色用户画像，并制定以客户为中心的长期稳健回报型的投顾方案，以此来构建千人千面的智能投顾模式。还比如人工智能生物识别技术、交互技术等也有待提高，像交通银行在2021 年联合江苏南大电子信息技术股份有限公司研发我国首个AI+金融全面融合的智慧型服务机器人——“娇娇”，凭借智能语音、智能图像、智能语义和生物特征识别等全方位人工智能技术能力实现了精准触达客户、灵活交互和智慧语言理解等高智能机器人功能，大大提升了用户体验。因此各金融机构要通过与高校科研团队、人工智能技术研发公司等力量，让人工智能技术得以在更多生态化场景中实现深耕、精耕，为不同绿色客户群体、碳产业类型创造更新的智能化增值服务。

3.5 监管机构充分介入，智能化监管与激励考评

金融监管部门可以利用人工智能、大数据等技术来对金融机构碳金融相关业务数据进行全过程、实时化和智能化统计、评估、监测与审计，提高对碳项目及资产环境可实现效益的风险量化评估与测算的效率，还可以结合区块链技术来精准识别分析碳项目、碳资产的来源与认定过程，以此来从外部实现反洗绿的监督效果。同时人工智能、云计算等技术又能够帮助监管机构对金融机构实现智能化评估与激励政策的落地，通过指标模型化、自动采集定量指标、智能完成评价流程和评价数据化视图呈现等方式来完成对绿色银行及绿色信贷绩效的综合客观评价，从而根据这些可靠的评定结果来指导金融机构碳金融信贷产品的革新和碳减排金融工具的运用。

利用人工智能、区块链等技术还能构建碳排放信息披露机制与碳排放核算机制，帮助金融机构监管碳排放企业和行业相关数据，并为其提供数据共享通道，便于金融机构更好地规避碳金融产品相关信用风险、洗绿风险等。此外金融监管机构还能够利用AI 等金融科技技术来对金融机构开展系统性环境风险与压力测试，维系整个碳金融行业的环境安全。

在“双碳”目标背景下，AI+碳金融的模式也逐渐深入铺展开来，通过研发与改进人工智能技术水平来帮助金融行业构建多功能、广维度和智慧型的数字化碳金融服务体系，包括绿色主体的认定、绿色项目识别、融资对接、金融数据统计、信息披露和评价等，以此来解决绿色金融业务的信息不对称、服务成本过高和效率过低等问题。运用人工智能、大数据和区块链等前沿科技技术，还能够实现绿色金融信贷业务的智能化识别和环境效益测算，为碳产业提供全面、智能和专业的金融服务。