中国外汇 | AI赋能金融的机遇与挑战·专题报道：跨境支付中的人工智能模型风险控制

要点 人工智能可提升跨境支付效率，但也会带来算法黑箱、数据安全、操作及系统性等风险。需通过强制备案、可解释性模块、数据境内存储、人机并行等管控措施，保障人民币跨境支付体系安全高效运行。

作者 | 朱超 首都经济贸易大学金融学院教授，北京市国际金融学会秘书长

来源 |《中国外汇》2026年第12期

在人民币国际化不断深化的过程中，人工智能（AI）已成为跨境支付体系升级不可或缺的技术支撑，既助力数字人民币跨境场景落地，丰富人民币国际化实现路径，也提升跨境服务普惠性，让更多中小外贸主体享受到高效便捷的支付服务。以大数据、机器学习、自然语言处理、计算机视觉、图计算、深度学习为代表的AI技术，凭借在数据处理、模式识别、动态决策、流程自动化等方面的突出优势，正加速渗透到人民币跨境支付全链条环节。与此同时，AI模型自身存在的算法黑箱、数据依赖、动态迭代、跨域传导等特性，也衍生出算法风险、数据安全风险、操作风险、系统性金融风险等新型风险挑战。在此背景下，梳理AI在人民币跨境支付中的应用场景，剖析模型应用过程中面临的各类风险隐患，对于维护国家金融安全具有重要意义。

AI在人民币跨境支付中的应用场景

围绕人民币跨境支付，AI技术可覆盖业务前端、中端、后端与创新领域，提升效率、降低成本和提高风控水平。

身份核验与跨境交易监控

“了解你的客户（KYC）”身份核验是跨境支付的第一道关口。人工审核不仅效率低下，还容易出现信息录入错误、关键信息遗漏等问题，差错率高。同时，部分不法主体通过多层嵌套壳公司、隐匿关联关系等方式规避审核，人工核查难以实现股权穿透与受益所有人识别。AI可通过光学字符识别（OCR）、自然语言处理（NLP）、图计算、生物识别的多技术融合，构建起全流程智能化身份核验体系。其中，OCR技术可自动识别护照、营业执照、报关资质、税务登记证等证件信息；图计算技术能够构建企业股权链、控制链、关联关系网络；生物识别技术通过人脸、指纹等方式完成跨境主体身份实时比对。这意味着通过AI技术可实现对隐匿关联方、壳公司、制裁主体的精准拦截，筑牢跨境支付第一道安全防线。

跨境资金流动具有跨区域、跨账户、链条长、手法隐蔽等特点，人工难以实时跟踪海量跨境交易，对多账户小额拆分、跨机构串联、跨境循环转账等典型洗钱模式识别能力不足。AI通过图神经网络（GNN）技术可自动识别多账户小额拆分后集中划转、跨境循环转账空转、虚假贸易背景资金空转等典型洗钱模式。与此同时，AI可通过时序模型学习正常跨境交易的金额、频次、流向、时段、对手方类型等特征，对异常时间段、敏感国家/地区资金往来、高风险主体交易、交易频次突变等异常情形预警。

优选支付路由，优化调度人民币跨境清算速度与稳定

AI以实时通道评估模型为核心，打造跨境支付多通道智能路由体系，实现路径动态最优选择。AI系统同步监测人民币跨境支付系统（CIPS）、环球银行金融电信协会（SWIFT）、各国本地清算系统、数字人民币跨境桥等支付通道，实时比较费用（手续费、汇兑成本）、时效（预计到账时间）、合规风险（国别制裁、通道稳定性、监管要求）并实时调整路由策略。这样可以减少传统跨境支付高度依赖SWIFT等固定通道的问题。优化的通道选择也可以缓解小币种跨境支付汇率波动成本高、通道不稳定等问题。

AI还可以通过流量预测模型、智能轧差算法、动态优先级调度，实现CIPS系统智能优化。基于长短期记忆（LSTM）模型，深度分析历史交易数据，包括交易量、交易时段、交易国别、交易类型等特征，预测清算峰值，调配算力，保障高峰时段系统平稳运行。在智能轧差与净额结算环节，AI算法自动匹配跨境收付指令，可通过净额结算减少实际清算资金规模，提升清算效率。系统还可以根据资金用途紧急程度（如救灾资金、关键民生物资贸易、紧急跨境投融资）自动排序清算队列，保障重点交易、紧急交易。

单证审核与申报自动化

跨境人民币收付申报是外汇管理的核心环节，涉及信用证、提单、报关单、发票等多类单证处理，以及交易信息录入、监管编码匹配、申报表提交、对账等一系列操作。传统模式下需要部分人工录入单证信息和匹配货物贸易、服务贸易等监管编码，难以适配跨境电商等新业态的批量、高频申报需求。AI将机器人流程自动化（RPA）、NLP、监管规则引擎等技术深度融合，快速读取和处理信息，还可以对非结构化单证信息进行结构化转化，与监管规则匹配合规校验，从而促进跨境单证审核与申报流程自动化。

数字人民币跨境智能结算

传统跨境结算依赖代理行网络，清算链条长、信任成本高、手续费用高、到账慢，难以实现货权转移与资金支付同步履约。数字人民币作为法定数字货币，为跨境结算提供了全新路径，AI与智能合约、物联网技术结合，进一步释放数字人民币跨境结算优势。AI可将结算规则嵌入智能合约，预先设定交货、质检、付款等条件，如物流单签收、仓单入库等结算条件，通过物联网设备（全球定位系统GPS、仓单传感器）实时采集履约数据，一旦满足条件，系统自动划转数字人民币，实现履约即支付，无需人工干预。这有效减少了违约风险和中间费用，推动人民币跨境结算更加高效、安全、可信。在多边贸易、跨境电商等场景中，该模式已逐步进入试点应用阶段。在清算环节中，系统对接多边央行数字货币桥（mBridge），AI自动完成数字人民币与新加坡元等其他央行数字货币交换，清算效率大幅提升。

智能结售汇时点与跨境头寸管理

汇率波动下外贸企业难以把握结售汇最佳时点是跨境交易面临的风险之一。传统模式下，企业缺乏专业汇率分析能力与工具。人工开展汇率对冲操作存在滞后性、主观性，无法适配实时波动的汇率市场，中小微企业因缺乏专业外汇团队，汇率风险管理能力更为薄弱。AI可建立汇率预测模型、自动套保算法，构建智能化汇率风险管理体系，帮助企业降损增效。模型还可根据企业风险偏好，自动推送结汇、售汇最佳时机，锁定贸易收益。在自动对冲执行环节，中小微企业可以借助模型在无需配备专业外汇团队的情况下实现专业化汇率风险管理，稳定企业经营预期。

银行、支付机构开展跨境人民币业务，需要维持在岸与离岸人民币头寸平衡，保障清算支付需求。AI以资金流预测模型、动态头寸调度算法为核心，在主要离岸中心实现跨境流动性与头寸智能化管理，提升银行跨境人民币头寸利用率，减少流动性风险事件发生，为大规模人民币跨境支付稳定运行提供资金保障。

AI模型应用于跨境支付的主要风险

AI在跨境支付领域的应用，在提升效率、优化服务的同时，也因技术特性、业务场景、跨境规则、监管差异等因素，衍生出算法风险、数据安全风险、系统性金融风险与操作风险等四类风险，制约AI合规应用的推广和快速迭代。

算法风险

算法风险是AI模型最核心、最直接的风险，源于模型自身的技术特性与局限性，直接影响风控效果与业务稳定性。一是算法黑箱风险。深度学习、神经网络等复杂AI模型决策过程高度非线性、内部逻辑难以直观呈现，形成典型的算法黑箱。在跨境支付场景中，如果模型拒绝一笔跨境交易、发出风险预警或通过准入申请时，业务人员、客户与监管机构可能难以清晰理解决策依据，无法开展有效复核、审计与解释，这既不符合金融消费者权益保护要求，也难以满足监管穿透式核查需求。二是模型偏差与过拟合风险。AI模型训练依赖历史数据，若历史数据存在样本不平衡、区域差异、国别特征、时代特征变化等问题，模型会习得固有偏差；而过拟合会让模型过度模仿历史数据特征，对新型、未知风险模式识别失效。三是AI幻觉风险。生成式AI在处理单证文本、监管规则、合同条款等信息时，可能出现“幻觉”，编造不存在的规章制度、条款或监管要求。若将虚假信息直接用于跨境合规判断，会导致机构误判业务合法性、违规开展高风险业务，或错误拒绝正常交易，引发合规处罚、客户纠纷与声誉风险。四是模型迭代滞后风险。跨境支付领域欺诈、洗钱、规避监管等手法持续翻新，呈现高度动态化、隐蔽化、复杂化特征，虚拟货币跨境流转、隐蔽贸易融资、新型拆分交易等手法不断出现。若AI模型训练数据更新不及时、迭代周期过长、未同步接入新型风险样本，会降低对新型风险的识别能力。

数据安全风险

跨境支付涉及大量交易主体信息、资金流向、交易轨迹、金融数据，数据安全风险突出。AI模型经常性的调取和传递数据易威胁数据安全。一是敏感信息泄露风险。跨境支付数据涵盖个人身份信息、企业股权信息、资金流向、交易对手、贸易信息等敏感内容。数据泄露不仅侵害个人隐私、企业商业秘密，还会被不法分子用于诈骗、洗钱、恐怖融资等违法犯罪活动；跨境资金流向数据外泄，还可能被外部势力用于监测我国经济活动、分析金融运行态势，危害国家金融安全。二是数据跨境合规冲突风险。AI模型训练、运行需要跨境调取、传输、处理数据，容易触发多国在数据主权、个人信息保护、金融信息监管、数据出境等方面的合规冲突，从而引起监管处罚、业务限制等风险。三是数据篡改与污染风险。外部攻击者可通过篡改交易数据、注入恶意样本、伪造单证信息等方式对AI模型实施“数据投毒”，使模型学习到错误的风险特征和交易模式，导致风控失效。

系统性金融风险

AI模型的规模化、同质化应用，会在宏观层面引发系统性金融风险，影响跨境金融市场稳定。一是决策趋同与羊群效应风险。若多家金融、支付机构采用架构相似、训练逻辑相近、数据源趋同的AI模型，他们的决策和行为可能在无意中趋同，容易在跨境资金布局、风险判断、结售汇操作上形成算法驱动的羊群效应。当汇率、利率等市场因素波动时，机构会集中增持/减持跨境资产、集中调度资金、集中开展结售汇，加剧外汇市场、货币市场、债券市场波动，形成顺周期行为，引发市场超调。二是风险快速跨境传导风险。跨境支付通道高效便捷、资金流转速度快，在极端市场环境下，局部风险可通过AI驱动的支付链路快速跨境传导，从单一机构、单一市场蔓延至多个国家和地区，形成区域性甚至全球性金融波动。大规模跨境资金集中流动，会冲击外汇市场稳定、影响跨境流动性安全。三是基础设施集中度风险。CIPS、核心AI风控系统、清算平台等关键基础设施是人民币跨境支付的支柱，集中度高、关联性强。一旦核心AI系统、CIPS节点遭遇攻击或底层算力、平台、网络出现故障，某一单点故障也可快速沿支付链路扩散，影响整条跨境支付链条稳定，对整个人民币跨境支付体系造成冲击，形成全局性系统性安全隐患。

人机对接的操作风险

部分机构在智能化转型中，过度压缩人工岗位、弱化人工审核与复核职能，片面追求自动化率，导致员工风险识别经验退化、应急处置能力下降。当AI模型出现异常、遭遇新型风险或极端场景时，人工无法及时有效补位，形成操作风险漏洞，可能引发误判、漏判、流程失控等问题。

跨境支付中AI风险的管控建议

2021年，中国人民银行发布《人工智能算法金融应用评价规范》 （JR/T0221—2021），规定了AI算法在金融领域应用的基本要求、评价方法、判定准则。欧盟于2024年颁布《人工智能法案》（AI Act），核心在于建立一套基于风险分级的监管体系。2026年4月17日，美国联邦存款保险公司（FDIC）、货币监理署（OCC）与美联储联合发布修订后的模型风险管理指引。这些规定已基本确立了可解释、可追溯、可问责、禁止黑箱的核心监管指引，为跨境支付AI风险管控提供明确方向。

破除算法黑箱

算法监管是AI风险管控的核心，确保算法透明、公平、安全、可控。一是实施高风险AI强制备案制度。将跨境支付中智能路由、反洗钱风控、CIPS清算调度、智能结售汇、智能单证申报等高风险AI应用纳入强制备案范围，要求机构向监管部门提交模型架构、训练数据、算法逻辑、测试报告、风险预案等材料，未经备案不得上线运行。二是落实可解释性要求。严格禁止纯不可解释深度学习模型独立上线，核心金融决策AI模型必须搭载沙普利值解释（SHAP）、局部可解释模型（LIME）等可解释AI模块，实现决策依据量化呈现。通过LIME生成单客户、单交易专属决策说明，清晰列明审批通过/拒绝、预警/放行的核心原因与因子权重，满足监管审计与消费者权益保护要求。三是建立定期模型审计机制。委托第三方专业机构开展算法公平性、安全性、准确性、稳定性审计，重点核查模型偏差、过拟合、歧视性、漏洞隐患等问题，对审计发现的问题限期整改，确保模型持续合规运行。四要定期更新训练数据、优化模型参数，并提供参数说明，尤其是深度学习参数。

守住金融主权与数据安全

数据监管以维护国家金融主权、保障数据安全、合规跨境流动为核心，严守数据安全红线。一是坚持核心数据境内存储。人民币跨境支付交易数据、资金流向数据、客户核心信息、风控模型数据等金融核心数据，必须存储在境内，不得擅自出境。二是规范数据跨境流动。确需数据跨境传输的，必须按照国家规定开展数据安全评估、风险评估、合规审核，履行审批程序，确保符合境内外数据监管规则，避免合规冲突。三是强化数据安全防护。对敏感数据实施脱敏、加密处理，建立数据访问权限管理、操作留痕、异常监测机制，防范内部泄露、外部窃取、数据篡改；建立数据投毒监测与防御体系，保障训练数据与运行数据真实、干净、可靠。

确保支付系统稳定运行

系统与稳定监管要聚焦基础设施安全、应急处置、风险缓释，防范系统性风险。一是建立算法熔断与限流机制。针对AI驱动的集中交易、结售汇、资金调度等行为，设置动态熔断、限流阈值，防止AI模型一致决策引发顺周期行为、冲击汇率与市场稳定。二是核心系统人机并行、保留人工切断开关。CIPS、核心风控、智能清算等关键系统实行AI与人工并行运行模式，保留人工紧急切断、干预、切换的权限，确保极端情况下人工可接管系统，避免算法失控。三是分散基础设施风险。优化核心系统、清算节点、AI平台布局，避免过度集中，提升系统冗余度与抗风险能力，防范单点故障引发全局性风险。

坚持AI辅助、人工终审原则

明确AI不得替代人工最终审核，对于大额交易、高风险国家/地区交易、敏感主体交易、异常交易等高风险情形，必须经人工复核、授权后方可处理，确保人工对关键程序的控制权。

权衡模型更新与监管力度，保持与模型供应商、用户密切沟通

AI正飞速发展，模型迭代迅速。新颖的技术可能需要不同的管理方式。我们不能故步自封，以落后的监管阻碍技术进步。创新是金融服务的必要组成部分，监管指引不应成为金融机构接触新型、不断发展的工具和技术的障碍。监管机构必须在应对新出现的风险与预期收益之间权衡，同时维护金融体系的安全。

定制化供应商产品及其他第三方产品（包括数据、参数值或完整模型），也会给模型验证及其他模型风险管理工作带来挑战。至少在大模型发展初期，金融机构不能完全依靠自主研发模型，需要从供应商处获取底层代码、原始数据及建模方法。所以，需要充分掌握供应商模型，包括其理论合理性、设计架构、训练数据与运行表现，从源头管起，持续开展监测。当定制修改模型时，金融机构也需对各项定制调整内容做好穿透测试和效果评估，践行可解释、可追溯、可问责原则。

随着AI技术持续迭代、跨境支付体系不断完善、监管规则日益健全，金融机构、支付机构与监管部门应协同发力，平衡技术创新与风险防控、效率提升与安全稳定、开放发展与主权维护，持续优化AI模型应用与风险管控机制，充分释放金融科技赋能价值，保障人民币跨境支付体系安全高效运行，助力人民币国际化行稳致远，维护国家金融安全与金融稳定。

（本文为国家社会科学基金重大专项“推进人民币国际化的重大意义、发展路径和制度举措研究〔24ZDA044〕”的阶段性成果）

（来源：中国外汇）