贲圣林
浙江数字金融科技联合会会长、北京前沿金融监管科技研究院院长、浙江大学金融科技研究院院长、国际联合商学院首任院长与国际顾问委员会中方主席
9月18日 广西南宁
各位领导、各位嘉宾、各位朋友：
大家下午好！
非常高兴有机会在中国—东盟博览会期间，与大家共同讨论“AI驱动产业协同，共筑中国—东盟繁荣新格局”这样一个非常重要、也非常具有现实意义的话题。
我自己过去在国际金融机构工作多年，后来遵从我博士时候的初心，回到学界，来到浙江大学，从金融业的实践者转向大学的教育者、研究者和平台与生态建设者。这些年的一个深刻体会是：真正具有生命力的创新，越来越不是某一家企业、某一所大学或者某一个部门单独能够完成的。
尤其到了人工智能时代，这一点更加明显。
我们今天谈中国—东盟AI产业协同，很容易首先想到模型、算力、数据、场景。但我想提出一个判断：当前中国和东盟真正稀缺的，可能不仅仅是AI技术本身，而是把技术、产业、资本、规则、人才和市场有效连接起来的生态协同机制。
在这样的背景下，大学应该扮演什么角色？
过去，我们更多把大学理解为知识生产者、人才培养者。但面向人工智能这样高度跨学科、强应用、强治理、强国际化的新技术，我认为高校还应该进一步成为创新资源的连接者、产业问题的共同解决者、技术成果的转化者和国际合作生态的构建者与组织者。
如果用四个英文字母来概括，我想提出一个 “RISE（崛起）”框架：
R是Research，共同研究；
I是Innovation，协同创新；
S是Scaling，规模化落地；
E是Exchange，交流互信。
我想从这四个方面，谈几点高校参与中国—东盟AI产业协同的建议。
1
R——Research：从“信息差”走向“共同认知”，高校要成为区域合作的智力基础设施
中国和东盟开展人工智能产业合作，第一步是什么？
我认为，第一步不是急着回答“我们有什么技术可以输出”，而是共同搞清楚“对方究竟需要什么，我们各自发展到了什么阶段”。
东盟不同经济体之间差异很大。即使都在谈银行人工智能，有的机构已经开始规模化应用大模型，有的还停留在试点阶段；有的瓶颈在模型，有的真正的问题其实在数据，有的则受限于核心系统、组织机制、人才储备或者监管规则。有的在谈智能化，但有的还处在信息化、电子化甚至更早的阶段
如果这些问题没有搞清楚，技术供给和真实需求之间就很容易出现错位。
所以，高校首先可以发挥的是系统研究和知识整合能力。
最近，我们正在联合广西大学、新加坡Global Finance & Technology Network，也就是GFTN，开展东盟金融AI联合调研。我们想回答的不是简单的“有没有使用AI”，而是几个更具体的问题：银行的AI究竟发展到了什么阶段？从试点走向规模化应用，真正卡在哪里？是数据、算力、核心系统，还是业务价值和内部责任机制？监管机构最关注的风险又是什么？
目前我们已经设计了银行版和监管机构版两套多语言调查工具，重点关注AI成熟度、算力与系统、数据基础、安全治理、业务场景和组织准备度等问题。2026年7月底，我们已经在菲律宾开展了首轮调研，后续还计划进一步覆盖印度尼西亚、越南、泰国等市场。
我们的目标并不是简单收集几个国家的观点，而是希望逐步形成一套可以比较、可以持续更新的区域研究框架，把分散的市场观察转化为经济体画像、需求地图和典型案例。
GFTN原有的区域活动本身就强调通过多市场对话形成可比较的区域判断，其联合调研方案也提出将闭门交流、结构化问卷和案头研究放在同一证据链中。
因此，我的第一个建议是：
中国和东盟的高校可以共同建设面向重点产业的长期调查机制、案例库和需求地图，让产业合作建立在真实、连续、可比较的数据基础上。
高校在这里扮演的，不只是“写报告的人”，更应该成为区域合作的智力基础设施。
所以，Research最终解决的是“共同认知”问题。
2
I——Innovation：从“技术输出”走向“共同解决问题”，高校要成为协同创新的组织者
第二个关键词是 Innovation。
今天谈中国技术“走出去”，我觉得有一个问题特别值得警惕，就是不能简单理解为“我们已经有一个成熟产品，再把它复制到另一个市场”。
人工智能越往行业深处走，就越不是简单的产品输出。特别是在金融领域，一项技术能不能真正落地，既取决于算法和模型，也取决于当地的业务流程、数据条件、监管要求和组织能力。
所以，真正有价值的国际合作，应该从“输出一个产品”进一步走向共同定义问题、共同开发方案、共同验证效果。
广西恰恰为这种协同创新提供了非常好的场景。广西是中国面向东盟开放合作的重要前沿。随着中国—东盟贸易、支付和跨境资金往来越来越密切，金融开放带来的不仅是效率提升，也带来了更加复杂的跨境风险治理问题。
我们目前正与广西邕江实验室合作，探索AI赋能面向东盟的跨境反洗钱智能治理。
在这个项目中，我们没有简单从“AI能做什么”出发，而是先从监管和银行真正遇到的问题出发。我们把当前跨境反洗钱的一些痛点概括成三句话：
“看得见，不等于看得清；
管得多，不等于管得准；
报得多，不等于价值高。”
跨境交易背后往往涉及多个主体、多个账户、多条资金链和多个司法辖区。传统依赖单笔交易、单一账户和固定规则的方式，很难完整识别复杂的风险网络。这也是跨境支付很慢很贵的原因之一。
针对这些问题，我们正在探索一个“关联追踪—精准尽调—质量评估—规则进化”的闭环：通过AI把原来孤立的主体、账户和交易连接起来，形成风险网络；根据风险水平实施差异化尽调；从单纯追求可疑交易报告数量转向提高金融情报质量；同时根据新案例和监管反馈不断更新规则。
我认为，这个案例真正值得关注的不是某一个算法，而是背后的创新组织模式：
监管需求牵引、创新平台支撑、高校技术攻关、金融机构场景验证。
这可能也是未来中国—东盟AI产业合作非常重要的一种方式。
高校的优势不是代替企业做产品，也不是代替政府制定规则，而是能够站在技术、产业与治理之间，把不同主体组织起来，把一个问题从“能不能做”推进到“有没有用、敢不敢用、能不能持续用”。
因此，我的第二个建议是：
要更多围绕东盟真实产业和治理场景建设联合创新项目，让高校从技术供给者转向问题解决的组织者。
Innovation最终形成的是“共同能力”。
3
S——Scaling：从“单点出海”走向“生态出海”，高校要帮助创新实现规模化价值
第三个关键词是 Scaling。
创新最终还是要落地。
我在金融行业工作多年，一个很深的感受是：一项技术从实验室进入真实市场，中间往往隔着很长的一段距离。
一个好的科研成果，需要有人把它变成产品；一个好的产品，需要找到场景；进入海外市场以后，还必须解决当地合规、客户关系、实施服务、人才招引、本地伙伴甚至融资等问题。
所以中国科技企业进入东盟，不能只是“一个公司带着一个产品出去”，未来更重要的可能是生态出海。
大学在这里同样可以发挥非常重要的作用。
浙江大学一直有非常活跃的创新创业传统。我们不仅做研究，也非常重视将技术成果转化为企业、产品和真实解决方案。我们团队有自己孵化一些企业，当然也有很多合作企业，正在积极参与大型产业平台所构建的全球生态。
例如，华为金融领域近年来推出“融海计划”，核心逻辑就是通过平台企业与不同类型伙伴联合开发金融场景化解决方案，并依托全球销售、技术验证、本地伙伴和市场资源推动合作落地。我们也参与到了其中，“伙伴出海”并非单纯提供销售渠道，而是涉及联合方案、能力提升、市场推广、客户对接、本地伙伴、投融资以及运营支持等一系列能力。
这给我们一个很重要的启示：
科技企业出海，真正需要的不是一个单点资源，而是一整套生态能力。
高校可以在其中发挥三方面作用：一是帮助企业更早理解当地需求和监管环境；二是连接本地高校、政府、金融机构和合作伙伴；三是通过人才、研究和案例帮助解决方案实现本地化。
我过去也一直有一个观点：中国企业国际化不能只是把国内成熟模式原封不动复制出去。真正的全球化，是既要有能力“走出去”，更要有能力走进去、融进去、留下来。
所以第三个建议是：
中国—东盟AI产业合作要从单一企业出海，进一步走向平台化、生态化、本地化的协同出海。高校可以成为其中的重要连接节点。
Scaling最终创造的是“共同价值”。
4
E——Exchange：从“项目往来”走向“长期互信”，高校要成为民间外交的重要桥梁
最后一个关键词是 Exchange。
AI合作最终不仅是技术问题，也是信任问题。
一个国家愿不愿意使用另一个国家的AI技术，一个金融机构愿不愿意把重要业务交给外部技术伙伴，背后其实都是信任。
而信任很难通过一次会议、一个订单建立起来。
相比政府合作和企业合作，大学有一个很独特的优势：大学天然具有长期主义。
一届学生毕业以后还有下一届，一个研究项目结束以后还可以继续合作，一个教师的合作关系往往可以持续十年甚至二十年。
这些年来，我们一直非常重视这种“长期连接”。
比如我们与印度尼西亚的金融服务管理局OJK有良好交流，与BINUS University建立了正式合作关系，在金融科技、人才培养等方面开展交流；与泰国玛希隆大学也持续开展师生交流、学术合作和互访；在东南亚金融监管和金融科技领域，我们也一直积极与当地监管部门、金融机构和专家建立联系。这样的合作，看起来可能不如一个重大项目“轰轰烈烈”，但时间越长，其价值越明显。
因为中国—东盟未来真正需要形成的，不只是技术合作，还包括三种信任：
技术上的互信、规则上的互信，以及人与人之间的互信。
高校恰恰可以成为这种互信非常重要的建设者。
所以我的第四个建议是：
进一步把高校交流、联合研究、教师互访、学生培养、专题培训和联合办会纳入中国—东盟AI产业合作体系，把一次性项目关系逐渐转化为长期伙伴关系。
Exchange最终积累的是“共同信任”。
最后，我想再回到今天的主题。
“AI驱动产业协同，共筑中国—东盟繁荣新格局”，我理解其中最重要的关键词，其实不是“AI”，而是“协同”。
技术本身不会自动产生协同。
真正的协同，需要不同国家之间共同理解问题，需要不同机构之间共同解决问题，需要创新成果真正进入产业，也需要长期交流所积累起来的信任。
在这个过程中，我认为高校至少可以做好四件事：
Research——共同研究，以研究形成共同认知；
Innovation——协同创新，以创新形成共同能力；
Scaling——生态落地，以规模化形成共同价值；
Exchange——持续交流，以交流形成共同信任。
四个词放在一起，就是 RISE。
这个“RISE”，我想不仅是人工智能产业的成长，也应该是中国—东盟合作层次的共同跃升。
从“我有什么技术”走向“我们有什么共同问题”，
从“输出产品”走向“共同创造能力”，
从“单个项目”走向“产业生态”，
从“一次合作”走向“长期伙伴”。
未来，大学不能只在象牙塔里讨论AI，也不能只满足于发表论文、培养学生。我们要更加主动地走进产业、走进真实场景、走向国际社会。
连接科技与产业，连接中国与东盟，连接今天的问题与未来的机会。
中国与东盟不是谁单方面“赋能”谁，而应该在相互学习中共同提升，在优势互补中共同创新，在开放合作中共同创造价值。
我想，这也正是大学参与中国—东盟AI产业协同最值得承担的一份责任。
让我们一起RISE，共筑中国—东盟更加开放、创新、互信和繁荣的未来。
谢谢大家。
END
