AI如何在市场冲击中威胁金融稳定？欧洲央行与美联储真正担心什么

欧洲央行（ECB，欧元区央行）和美联储（Fed，美国中央银行）并不是在说：AI一定会制造下一场金融危机。它们真正担心的是一种“有条件的系统性风险”：AI能让单个机构更快、更高效，但如果许多银行、基金、交易平台同时依赖相似模型、同一批数据、少数云平台或外部AI供应商，整个金融系统可能变得更同步、更容易同向波动 。

在市场冲击中，这种同步性可能把原本分散的风险管理动作，变成相关性很高的集体卖出、流动性变薄，以及共同的运营或网络故障 。

核心问题不是AI，而是“同步化”

欧洲央行2024年5月《金融稳定评估》的专题文章认为，生成式AI可能对金融体系产生重大影响；它带来的收益和风险，取决于机构和整个系统如何处理数据、模型开发与部署等问题 。美联储也用类似框架看待AI：这是一项快速演进的技术，风险和收益正在变得更具体、更清晰，监管者需要确保相关风险得到管理 。

AI的好处并不难理解。央行和金融稳定理事会（FSB，协调国际金融监管政策的机构）的材料都提到，AI可用于改进风险评估、资本和流动性管理、运营效率、合规、客户服务和数据分析 。

问题出在下一步：如果大量机构使用相似工具、依赖同一类外部服务，或对同一组信号作出反应，个体层面的“优化”就可能变成系统层面的“共振” 。

欧洲央行最警惕什么

1. AI供应商过度集中

欧洲央行特别关注“集中度”。2024年一场欧洲央行演讲指出，一个关键风险是，AI创造的大部分价值可能被少数主导AI生态的公司获取 。放到金融体系中，欧洲央行2024年5月的稳定性分析进一步警告：如果AI被广泛使用，而供应商又高度集中，运营风险，包括网络风险，就可能具有系统性 。

这就是典型的“共同故障点”。如果许多银行、基金或市场基础设施公司依赖同一个模型提供商、云平台或数据管道，那么一次服务中断、一次被污染的更新、一次网络攻击或一组有缺陷的数据，就可能同时影响多家机构，而不是停留在个别公司的内部问题 。

2. 市场中的羊群行为

集中风险在市场交易中的表现，就是羊群行为。有金融稳定评估材料警告，如果缺乏适当防护，大规模使用AI可能带来网络集中风险、羊群行为，并推高市场相关性 。

在平稳时期，相似的AI建议看起来可能只是“效率更高”。但在抛售中，它可能变成顺周期放大器：如果很多系统同时建议降低风险敞口、增加流动性缓冲，或减少做市（也就是减少向市场提供买卖报价），市场深度就会下降，价格波动也可能更剧烈 。

3. 模型、数据和部署方式失灵

欧洲央行还强调，AI对金融稳定的影响取决于数据质量、模型开发和部署选择 。这意味着AI治理不只是IT部门的问题，也是金融稳定问题。

一个模型在正常行情中表现良好，并不代表它能正确理解罕见冲击。更关键的是“部署方式”：同样一个错误输出，如果只是内部预警，影响有限；如果直接触发交易、信贷、资本或流动性管理动作，就可能被放大为实际市场行为 。

美联储最警惕什么

美联储关注的方向与欧洲央行有重叠，但经常从监管、第三方风险和网络韧性切入。美联储关于金融体系中AI的讲话指出，监管者需要在AI能力不断演进时，确保相关风险被妥善管理 。

1. 对第三方AI服务的依赖

美联储研究发现，小银行与大银行之间的AI技术差距可能正在扩大，而为金融机构提供第三方AI服务的非金融公司数量和多样性可能有限 。这指向一个集中度问题：中小机构可能更依赖狭窄的供应商生态，大型机构则可能更容易获得先进AI能力 。

另一篇美联储论文把第三方服务提供商称为金融体系中的“隐藏网络断层线”，认为它们可能制造系统性风险 。如果再叠加AI供应商集中，科技供应商就可能在压力时期成为风险传导通道 。

2. 网络攻击、深度伪造和欺诈

网络风险是美联储特别强调的通道。2025年，Michael Barr表示，AI驱动的深度伪造可以复制一个人的完整身份，并有可能大幅强化身份欺诈；他还指出，网络犯罪分子正越来越多地转向生成式AI 。更早的美联储讲话也警告，随着技术进步和金融体系更加互联，网络威胁可能变得更具破坏性，网络事件也可能产生更广泛的系统性影响 。

在市场压力下，信任和验证会变得格外重要。AI辅助欺诈、虚假通讯或身份攻击不一定要直接推动每一种资产价格，才会造成不稳定；它们只要扰乱身份认证、支付、沟通或客户信心，就可能在信息本来已经高速流动的时候进一步添乱 。

3. AI参与决策本身

美联储工作人员关于生成式AI与金融稳定的论文指出，人类越来越依赖AI收集信息并辅助决策，有时把它当作副驾驶，有时则使用更自主的系统 。一旦AI输出嵌入交易、流动性管理、风险评估或银行运营，模型错误就不只是报告上的一个数字，而可能通过实际行动传导出去 。

一次市场冲击可能如何被AI放大

一个可能的压力路径并不复杂：

1. 冲击出现。 价格下跌、波动率上升、令人不安的信息扩散，或关键技术供应商遭遇网络事件。许多机构同时用相似AI工具、数据源或外部供应商处理这次冲击 。

2. AI驱动的反应开始趋同。 风险系统可能建议降低敞口、卖出相似资产、提高流动性缓冲，或减少做市。稳定性研究警告，缺乏防护的大规模AI使用可能强化羊群行为和市场相关性 。

3. 反馈循环加快。 卖出和流动性撤退会进一步压低价格，而新的价格下跌又会进入下一轮风险信号。政策分析曾警告，AI可能放大错向风险并加快金融危机传播速度 。

4. 共同基础设施变成传导通道。 欧洲央行警告，集中的AI供应商可能让运营和网络风险具有系统性；美联储研究也把第三方服务提供商识别为网络风险断层线 。

5. 信任在最糟糕的时候受损。 深度伪造、AI辅助欺诈或网络攻击可能破坏身份验证和信心，而这恰恰发生在机构、客户和交易对手最需要可靠信息的时候 。

如何降低风险

降低风险的办法，正好对应这些风险通道。金融机构和监管者不能只看单个AI模型，还要绘制共同依赖关系：哪些机构依赖同一家云平台、同一类预训练模型、同一批数据供应商或同一个外包服务链条 。

其次，要在压力情境下测试AI系统，特别是那些会进入交易、授信、资本和流动性管理流程的系统。欧洲央行的分析显示，数据质量、模型设计和部署方式，决定了AI输出究竟只是建议，还是会自动变成行动 。

第三，网络安全和第三方韧性必须被放在核心位置。美联储网络安全报告称，其监管政策和检查程序覆盖IT风险管理、网络安全、运营韧性和第三方风险管理 。欧洲央行的逻辑也类似：某个工具在单家机构内部看似可控，但如果大量机构以同样方式使用它，或依赖同一批供应商，它就可能制造系统性脆弱性 。

结论

欧洲央行和美联储并没有把AI视为必然的危机触发器。它们真正警惕的是：AI被广泛采用、供应商集中、模型难以验证，并且许多机构以高速对同一信号作出反应时，金融稳定风险会升高 。

换句话说，AI的优势也可能成为压力时期的弱点。速度、规模和优化能力可以帮助单个机构更快反应；但在市场冲击中，它们也可能带来相关性更高的卖出、更薄的流动性、网络扰动，以及系统信任更快流失 。