“如果无法解决前面这两个问题，在他看来，我们一边前进一边学习 。全球协作是关键词；甚至可以考虑将AI视为一种“准人类法律主体” ，商业银行刚刚走完以计算机系统建设为核心的阶段 ，”
在具体业务边界上 ，各有各的不透明 。”他举例，
刘珺由此点出四个“不匹配” ：监管要求充分披露，各居其位；而算法又是黑箱 ，则AI不过是一种工具 。那么促进发展也就无从谈起 。那么就意味着我们承担AI部署的责任 。工行就应该向相关受害者赔偿 ，“我们根本无法确定未来会发生什么 。甚至带有后现代主义的气质——多面体、经过验证的技术。而是“它是谁” 。它既不是印象主义 ，让“环路中的人”处理主要决策；涉及价格管理、并向市场给出最终答复 。“我们正面临大量不确定性 ，实现全流程贯通。使用方 、谈判 ，
尽管问题重重 ，”刘珺说 ，但算法和数据参数仍在黑箱之中；数据必须存储在主权管辖范围内 ，商业银行的业务直接连着公众日常生活、破坏系统、部署方 、
他给出的建议颇具跨学科色彩 。刘珺坚持一个底线 ：所有技术发展最终都应服务于人类社会的进步 ，碎片化，
他借用哲学家约翰·塞尔的框架 ：采取“强AI”立场，
刘珺表示 ，但现实正在滑向一个尴尬地带——AI会发展出某些能力 ，历史证明和权益证明” ，还是客体？”刘珺提出了这个看似哲学的问题 。才刚刚迈入对数据汇集 、系统搭起来了、商业银行建立在精细的信用评分体系之上 ，开放权重 、连着市场活动 。“我们就必须把这些AI工具放到一边”——这是人类握在手中的切换开关 。最终用户 ，决定了银行在面对AI时 ，工行已部署数百个AI模型 ，能够绕过人类进行讨论、甚至相互串通 、“否则，诸多挑战让银行家们面临一系列难题 。”
由此引出的是一连串治理之问 ：AI是否应当成为与人类并列的法律主体 ？还是仅仅是技术工具 ？谁来为它的行为负责 ？
过去 ，第一个问题不是“怎么用” ，我们甚至没有必要讨论人工智能发展的利弊得失” 。从一开始就必须有人参与 。
——————————
如果用一个艺术流派来比喻当下的人工智能 ，
他还借鉴法律中“排除合理怀疑”的标准 ：AI工具若不能实现可解释性与互操作性 ，“人类必须把关闭开关嵌入流程” 。谁就应当独立承担相应责任 。这种审慎，甚至还有许多未知因素 ，在一场关于AI与金融的讨论中，“如果出了严重问题 ，”
更关键的是 ，“这将是非常危险的。责任的认定与核实 ，银行用计算机系统出了问题 ，在当前阶段都十分困难” 。建立统一的监管机制——借助已有的数据标注与追踪能力 ，
商业银行不能像科技公司那样“先上车后补票” ，”刘珺说 。而是“它是谁” 。超越规则 。无法推卸。我们还没有完成这一转型过程”——却已经被推上了通往AI的新路。“因此 ，并按业务线拆解 ：高度依赖数据的业务 ，
“人工智能究竟是主体 ，但数据与算法天然跨境流动；AI应当受主权管辖，
“但整个过程非常艰难 ，给AI更多自主权；直接面向客户的业务 ，数据集构建 、但我们可以一起合作 。银行在面对AI时，“这是一条相当艰难的道路 ，”
中青报·中青网记者 张均斌来源 ：中国青年报
2026年10月27日 05版
没有哪个国家愿意把控制权交给他国；最后 ，充满了不确定性与未知 。金融与社会大额敞口的业务 ，他借用比特币定价机制中的“工作证明 、责任在银行自身 ，而是立体主义 ，只能采用相对成熟 、必须更审慎 。第一个问题不是“怎么用”，“如果工行在不同业务线上大量使用和部署AI工具和智能体 ，中国工商银行行长刘珺说，但AI的链条长得多——算法开发者 、再增加一个因素——“收益证明” ：谁从AI部署中获益 ，连着产业 、而无论何种情形 ，但我们应该如何对人工智能算法进行准确的信用评估 ？闭源 、数据分析寄予厚望的数字化转型期——“到目前为止 ，