随着中国经济转向以科技创新、产业升级和绿色转型为核心的高质量发展阶段，金融与实体经济的关系也发生深刻变化。与此同时，人工智能的浪潮也在重塑人文社科知识生产和应用的方式，如何运用技术并设计机制，令合作链条中的各方更能相互信任，进一步在最为恰当的场景中打磨技术，释放技术向善的更大潜力，同样需要以实践去回应。

不同层面的新质生产力，都需要新的方式去支持。上海交通大学安泰经济与管理学院金融学教授吴文锋近年来围绕资本市场发展、区域间供应链与营商环境、绿色金融和数字化转型等问题做出一系列研究，结合中国市场的特质给出了富有洞见的创新理论；而作为上海交通大学文科建设处处长、智慧人文社科中心主任，他又在“智慧文科”建设、文科实验室布局与跨学科平台搭建中，推动技术工具与人文社科研究深度结合，形成了创新的实践。

4月1日，吴文锋接受澎湃新闻记者专访时表示，无论是科技创新中的耐心资本培育，还是营商环境对资本跨区域流动的制度支撑，抑或数字化转型在供应链中的扩散、绿色金融中的政策传导与中介作用，都说明研究中国金融，必须从中国现实问题出发，在现实细节中发现新的机制、概念与路径。而人工智能则会迫使文科更清楚地回到自身的问题意识，文科教育也需要拥抱技术，与之在现实的生产生活场景中协同，去关注真正的思想洞察力和艺术创造力如何实现。

建立真正的风险共担和收益共享机制

记者：当前中国经济进入高质量发展阶段，金融服务实体经济，遇到了哪些新问题？与以往主要依赖规模扩张、杠杆驱动的发展阶段相比，有怎样的根本性变化？

吴文锋：首先，和以往依赖规模和杠杆的阶段相比，金融服务的逻辑发生了本质上的范式转移。具体来说，在以往阶段，金融的核心逻辑是集中居民储蓄，扩张投资规模。在这一阶段，经济高速增长的核心是要素投入，利用大规模、低成本的资本以及人口红利，扩大房地产、基础设施建设等投资规模，也支撑了中国成为“世界工厂”。而当前阶段，经济高质量发展的核心是全要素生产率提升。这种突破充满了不确定性，因而更加依赖资本市场对未来的不确定性进行动态定价和风险共担，构建起能够容纳失败、激励创新的金融生态。

由此，现阶段金融服务实体经济的新问题，就是金融供给与实体经济需求的“结构性错配”。

从金融供给的角度看，我们的金融体系擅长服务“已知的规模扩张”，如基建、地产和成熟制造业，有稳定的现金流和看得见的抵押物。以此为前提，就可以发放信贷，能够促进经济增长，无需在更精细的维度上去考虑。而当下，进入高质量发展阶段，实体经济的需求内核变成了科技创新、产业升级和绿色转型。这些新需求对应着三个典型特征：高风险、长周期和轻资产。这就带来了三个维度的“结构性错配”。第一，风险偏好错配。银行是“风险厌恶型”机构，其重要使命之一是为储户提供流动性支持。但在高杠杆经营和对存款安全性要求的客观条件下，银行很难有足够的资本和容错率接受科创企业的高失败率。第二，期限错配。科技研发从实验室到产业化，往往需要5-10年甚至更久。而银行信贷通常以1-3年为主，要求企业定期还本付息。这种“短钱长用”极易导致企业为了生存而放弃长期研发，或陷入“借新还旧”的流动性陷阱。第三，资产形态错配。科创企业的核心资产是专利、数据和人力资本，这些无形资产难以作为银行抵押物。

记者：要加快形成新质生产力，政策性金融工具无疑发挥着重要作用。在您看来，有哪些最为关键的问题需要解决，又可以如何进行机制设计？

吴文锋：有效市场需要结合有为政府。结构性货币政策方面，也有一些针对性做法。比如，发改委、科技部、工信部、财政部等部委与央行合作，根据所在产业、技术创新和盈利水平等，定向给出数十万家专精特新、高新技术企业的白名单。商业银行为白名单内的企业发放设备更新和技术改造等贷款，可获得央行的贴息。这相当于，央行提供更便宜的资金，帮助风险偏好低的商业银行，来支持新质生产力的发展。

而在更大的层面上，金融支持新质生产力，还是需要依靠资本市场。我们希望，能够引导资本市场更为有效地“投早、投小、投硬科技”。政策性金融工具支持新质生产力的过程中，最关键的问题在于，存在“既要培育耐心资本，又要防范道德风险”的情况。

首先，虽然整个国家的经济转型和科技升级具有极强的正外部性，但任何单一的市场资本都缺乏足够长的投资周期和资金量支持这一投资，也无法内部化这一外部性。比如，如果基金经理或银行信贷员，面临年度利润考核，绝无可能去支持一个需要“十年磨一剑”才能解决卡脖子问题的芯片项目。这就导致市场失灵和耐心资本不足，也是必须引入政策性金融工具的重要原因。

然而，当近年来以政府引导基金或政策性银行为代表的政府资金大量参与股权投资时，人们发现同样存在难题：一方面，它们背负着“国有资产保值增值”的考核压力，这导致实践中倾向于设置“明股实债”条款，要求企业大股东回购或提供强担保。这看似降低了风险，实则将股权投资的长期风险转嫁回企业，扼杀了企业的创新试错空间；另一方面，如果考核周期过长且缺乏过程监督，如只看10年后的最终回报，就容易滋生“躺平”或利益输送的道德风险，由此带来的权责不对等、项目寻租和过度投资问题又会浪费宝贵的财政空间。

为此，关键解决路径在于，必须从人的角度出发，建立真正的风险共担和收益共享机制。例如，在风险方面，明确政府引导资金“劣后级”或“风险补偿池”的角色，并在这一过程中严格区分政策性亏损与经营性亏损，既通过完善尽职免责条款等方式让决策者敢于为不确定性买单，又对于明确的利益输送和道德风险问题加大处罚力度；而在收益角度，一方面可将考核指标从短期“财务回报率”转成长期“投成率”（如成功孵化上市或并购退出的项目比例）、产业链带动效应、关键技术突破等非财务指标，另一方面可以给予相关负责人更加市场化的激励，增强其主观能动性，避免“躺平”。

政府解决问题的手段不如市场灵活，地方政府股权基金进入市场，既要追求低风险，又要特定的区域和产业，导致目前存在一定重复无效的投资。由此，地方政府需要尽可能放权少干预，使企业和资金能够市场化运作，让投资更为有效。

一定程度上，政府也要解决市场做不到的事情，这时就不能仅用效率去衡量。总之，需要坚持有效市场和有为政府相结合，让市场在资源配置中发挥决定性作用。另外，将来若能通过人工智能大模型等手段，解决信息不对称，充分消除未来的不确定性，中央系统就能够及时反馈，集中力量办大事也可更行之有效。

先克服贸易壁垒，再解决投资壁垒

记者：您关于营商环境的研究，考察了城市营商环境对债券发行定价的影响，以及本地营商环境对异地风险投资吸引的影响。在您看来，如何理解营商环境在资本流动中的作用？

吴文锋：其一，营商环境是化解跨区域资本流动中“信息不对称”与“不确定性”的核心机制。资本跨区域流动的最大阻力在于信息壁垒和对未来风险的担忧。我们的研究证实，优化营商环境能显著降低企业面临的经营不确定性，并提升企业的信息透明度，这直接降低了企业在债券市场上的信用风险溢价和流动性溢价。同样，在风险投资市场，良好的营商环境能够平抑宏观经济政策不确定性带来的负面冲击，传递出当地企业发展环境的积极信号。

简单说来，大家如果普遍认为企业在此经营更加有效，愿意往这里投入资金，资金成本就会更低；而相对营商环境较差的地方，企业不成功的概率更大，相应投资者也会要求更高的风险溢价，对应利率就会更高。特别是，对我们在分析中重点关注的广大民营企业和初创企业而言，他们往往缺乏天然的信用背书，这种制度软环境的信号作用，对吸引非国有背景、距离更远的异地投资者显得尤为关键。

其二，营商环境实质上已构成了金融资源跨区域配置的基础性制度安排。现实中，营商环境已不仅是行政管理范畴的概念，而是深刻影响资本定价与流向的“金融基础设施”。我们的研究发现，在债券市场端，随着中国债券市场的市场化进程加快，特别是在资管新规鼓励打破刚性兑付和净值化转型的背景下，投资者对债券的定价正在摒弃传统的“刚性兑付”信仰，转而更加依赖影响企业经营活动和风险的各类因素。而营商环境作为影响企业经营的关键区域发展因素，其对降低债券发行利差的效应也变得更加凸显。

在风险投资领域，当前中国风险投资机构高度集聚于一线城市，形成了明显的风投中心城市。所以，对于占大多数非风投中心的城市而言，要想引导更多“耐心资本”跨区域流动，真正实现“投早、投小、投科技”，良好的本地营商环境是不可或缺的前提。

记者：行业和产业更多是通过供应链组织起来。从公共政策方向看，推进区域协调发展，如何在资金流之外，把产业链、供应链等一并纳入考虑？

吴文锋：我们发现产业链和供应链不仅是企业间的生产关系网络，更是资本流动的“探路者”和“黏合剂”。因此，从公共政策的方向看，在推进区域协调发展的政策设计中，应摒弃将资金流、产业链、供应链分而治之的传统思维，转而构建“以供应链为先导、以资本流动为深化、以产业链协同为目标”的政策框架。

在供应链中，上下游企业之间已由市场中多次博弈形成了信任关系。由供应链而来的信任关系，可以延伸到资金链。这就是先贸易后投资的跨区域化路径。也有助于克服区域之间的明显差异，建设全国统一大市场。

从中央政府角度看，在建设全国统一大市场的过程中，可根据“先易后难”原则来制定分阶段和多层次的政策支持体系，首先着力破除商品流动障碍，推动区域间供应链关系的形成与深化；当区域间供应链网络逐步完善后，推动资本等对信息与风险更敏感的生产要素，沿着供应链网络进行跨区域合理有序流动配置。也就是说，先克服贸易壁垒，再解决投资壁垒。

从地方政府角度看，招商引资不应仅盯着“资本落户”，而应优先推动本地企业融入国内区域间分工体系，实现从“招商引资”向“链网培育”的发展理念转变。通过引导本地企业与异地企业建立供应链关系，不仅可降低外地企业未来到本地投资的成本，也能为本地企业“走出去”创造条件。温州就是一个很好的例子，并不硬性强调本地GDP增长，而由温州走出的企业，融入了全国乃至全球的产业链，最后也总要回馈本土。

记者：关于企业数字化转型，您研究了客户公司数字化转型如何沿供应链扩散，以及数字化转型对制造业企业创新提质增效的促进。在您看来，这对应怎样的能力扩散机制？自上而下的治理和支持的方式又需要如何转变？

吴文锋：企业数字化转型，实质是企业基于数字技术的全面创新实践，即利用数字技术对其经营模式及业务组织的全面重构和改造。

从扩散机制去看，其往往是核心企业作为创新源向供应链网络扩散，并成为其供应链上下游企业数字化转型的动力及资源。这种情况下，企业推进数字化转型需要战略层面推动和执行层面落实。

比如，上游企业若能够在治理层与其客户企业建立链接，如共同股东、共同董事等，并在执行层面有较强的学习和吸收能力，将能够较好地承接客户企业数字化转型。从数字化转型和创新的关系上看，扩散数字化转型既能够赋能企业内部封闭式创新，也能赋能企业外部开放式创新。

这与供应链也有深切的关系。从数字化的角度看，企业很容易形成两极分化。大企业有能力推进数字化，只要沿着比较正确的路径去走，一定会走到前面。而小企业没有能力推进数字化，会越来越被落在后面。因此，我们希望，能够通过供应链上的合作，由大企业带动小企业数字化。比如，大企业要求小供应商线上提交相关内容，否则不能合作，这样小企业如果不进行数字化，相应成本就会更高。以此，推动小企业数字化转型，进入大企业的供应链之中。

在金融政策方面，中小企业目前可享受一些科技创新政策的支持，如贷款优惠和税收优惠等，但更倾向于设备更新而不是软件升级。另外，中小企业也需要具备数字化的研发能力，而不是只能依赖一套系统。因此，国家层面可以做一些政策倾斜，在设备更新之外，也为中小微企业在数字化方面提供针对性的优惠，如税前抵扣和贷款利率贴息等。重要的是，相比大企业，中小微企业转型更快更灵活，其所需资金虽然占比较大，但资金总量也并不大，这类优惠所实现的效果更易被看到，有利于及时止损。

中国的金融创新，“稳”字当头

记者：金融在防风险和促实体之间如何权衡，您有多项研究都在关注这一线索。为什么当下这类权衡尤为重要？中国的金融研究，是否也正在发生相应的范式或方法的改变？

吴文锋：为什么当下这类权衡尤为重要？这和前面的问题其实一脉相承。在高速增长期，经济蛋糕快速做大，金融的核心任务是动员储蓄、扩大投资，此时风险往往可以被增长所掩盖或稀释，因此“效率”优先是合理的。但进入高质量发展阶段，经济增速放缓，存量债务的还本付息压力凸显，系统性风险的阈值显著降低，对稳定的需求随之上升。与此同时，支持科技创新和产业升级，意味着金融必须去拥抱那些失败率较高、信息较不透明的早期项目。如果金融体系自身都不稳定，就更没有服务新质生产力的能力。

具体说来，权衡意味着不能一边倒，是考验治理的能力。中国的金融市场，从未发生影响到实体经济发展的系统性风险。其中就有底线思维。比如，中国的期货市场，所有监管做法都比海外市场严格很多，包括涨跌停板的限制等。对应就是要防风险。但风险防控过度，发展就会受限。

市场的效率和稳定之间往往天然存在矛盾：比如，为了提高市场效率，需要激励投资者生产和交易信息，但由此带来的高频交易又可能会放大价格波动，反而对实体经济产生负面影响。因此，对政策制定者来说，更重要的不是一味强调效率或稳定，而是明确知道天平两侧的收益和成本，以及承担这些收益与成本的群体类别，才能做出符合当时需要的最优选择——或者说实现效率和稳定间的理性交换。

我们的研究发现，债券市场偏离度监管这类“新型稳定性监管”，一方面提高了市场的稳定性，另一方面也牺牲了部分定价效率。现实中，这也是一种权衡。如果基金公司要以超过偏离度的价格买入，就需要进行报备。报备有利于监管治理。虽然交易报备似乎并不市场化，但同时也意味着，进行交易是被允许的。

不仅是中国，全世界的金融研究都在经历一场深刻的“从理想模型到现实约束”的范式迁移。例如，在美国，新冠疫情期间美联储行使的“最后流动性提供者”的角色，就超越了教科书对央行的定位；特朗普多次对时任美联储主席鲍威尔施压的行为，也同样与传统理论中有关央行绝对独立性的观点形成了明显的冲突。

中国金融市场的总体框架没有照搬西方，而是有自己的特色。比如刚才提到的，我们的各种政策考虑“稳”字当头，是在中国独特的制度背景下形成的。那么，对金融市场的监管，对金融制度的设计，又有哪些学理可以从中总结？举例说，我从2021年开始关注地方政府债务问题。我们发现，地方政府一直说要压缩地方债，但地方债并没有减少。这背后是地方政府的隐性担保。从金融层面理解，就会感到奇怪，因为地方政府隐性担保实力在下降，财政收入是在减少的，还款的风险增加。按这个道理，金融市场中，应该能看到地方平台发债变少，定价变贵。但这一现象并没有发生。我对此观察和思考的结果是，这背后有金融的支持。地方政府有很多地方金融资源，比如地方银行。除了地方财政担保外，还有金融担保。进一步再看，就会意识到，财政风险和金融风险也交织在一起。因此，我就和合作者提出，财政金融要协同治理，撰写了《财政金融协同视角下的地方政府债务治理——来自金融市场的证据》。无论如何，还是从问题开始，要去发现问题，才能去真正做研究。

记者：您在对绿色债券的研究中发现，绿色债券发行不仅影响发行人，也会对承销商形成溢出效应。在绿色金融方面，中国是否也积累出一些具有特色的经验或理论，能够进入一般性的学术研究讨论？

吴文锋：在国际主流学术视野中，对绿色金融的探讨大多是在“发行人”和投资人两端进行，比如讨论是否存在“绿色溢价”。其中关键原因是，欧美国家绿色金融的发展，起源于“自下而上”的体系。目前，欧盟国家从先前的市场驱动向政府主导的“自上而下”体系转变。而在中国，绿色金融正是在“自上而下”的政府引导下发展而来，因此能够为绿色金融的学术领域提供独特样本。

其中，承销商起到的作用非常值得关注。我们的研究发现，在政策引导的背景下，在绿色债券市场中，以承销商为代表的金融中介，不仅是被动的市场参与者，更是绿色政策传导和资金引导的关键枢纽。承销商成功承销绿色债券，能够向市场释放自身具备业务能力、有积极绿色形象的强烈信号。这种信号能产生显著的溢出效应，直接帮助承销商获取更多市场份额。

这样的实践意味着，并不是通过西方式的市场化，而是通过券商的机制，中国也能够达到金融支持绿色发展的目的。如果简单移用西方的绿色金融的做法，中国市场可能会产生更多“漂绿”的情况。现实中，中国推进绿色金融，也有一个渐进过程，并非立刻要求全部投资于绿色，而是从50%逐步规定到100%，可以给市场反应时间，让各方逐渐跟上。

记者：无论营商环境、供应链、数字化转型，还是绿色金融、政策性金融工具等，都和“新质生产力”有很强关联。宏观方面，对于回应中国式现代化和新质生产力发展，金融学是否也扎根本土，提出了一些新的概念、问题和研究路径？

吴文锋：全球化的金融市场之中，钱可以自由流动，基本的原理本身是通用的，没有地区之别。但在中国的场景下，金融理论如何应用、延伸和发展，还是有具体和特别之处。

中国在传统中就有商会，很大程度上解决了信任的问题。当下，也要和中国的制度背景结合。我们要研究政府在其中如何起作用。比如，区别于传统货币政策的“结构性货币政策”体系，研究者不仅要研究其总量效应，更要深入剖析支农支小再贷款、科技创新和技术改造再贷款等工具如何精准引导金融资源流向“新质生产力”的薄弱环节。又比如，财政金融协同治理。西方的财政和金融是各自独立的，在实践中不可能有所协同。而中国的研究者则需要抓住这一特质，进一步展开分析。

习近平总书记提出，为了提供高质量金融服务，金融系统要着力做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。这“五篇大文章”之中都有非常值得研究的问题。研究者需要得到数据，从细节入手，去做严谨的研究，得到一些有意义的结论。由此，才会得到中国本土的金融研究的新方法和新手段。

智慧文科是让学生掌握根本的思想和核心的能力

记者：人工智能带来的知识生产方式的改变，对文科建设产生了怎样的影响，比如学科边界、评价机制，乃至人才培养模式，等等？反过来，在接入技术工具的同时，如何确保文科仍然保有自身的问题意识，让人文引领技术？

吴文锋：上海交通大学提出要建设“智慧文科”，发展路径是“交叉融合，智慧互联”。

人工智能对文科会有很大的影响，包括人才培养、研究方法等方面。以往我们的研究，是从数据中发现一个独特现象，再用理论去解释。而到了人工智能时代，直接把批量的数据放进数据库，研究者就可运用人工智能去发现问题和寻找规律。

我们一定要主动迎接这一巨变。所谓“智慧文科”，也是我们在运用自己学校的优势。首先，设立实验室是重要的做法。上海交通大学凯原法学院是2002年才成立的，远没有法学专业的“五院四系”历史悠久。我们搞了智慧司法实验室，入选第二批教育部哲学社会科学实验室名单。其中，运用人工智能，对于律师和法官来说，可替代很大一部分助手性质的工作。过往法官一年要判三四百个案子，觉得很辛苦，但未来一年能够判三千个案子。在这一情况下，学院不可能培养将来势必失业的职业人才。我们的学生不能去做传统的律师和法官，而是要掌握根本的思想和核心的能力。机械性的操作容易被取代。而思想、艺术等方面，是无法被代替的。

实验室方面，我们安泰经济与管理学院的数字化管理决策实验室，更是国家级文科实验室，做的是管理决策。还有人文学院的中华文化基因智能实验室，运用人工智能来更快地识别和整理出土文物。设计学院有空间智能与虚实融合实验室，结合可穿戴设备，让虚拟景观融入历史建筑等。而心理学院是交叉学科，筹建了未来心智实验室，借助智能模型，可以进行心理学与人工智能的交叉研究。

在实验室之外，我们也推进文科大模型，开展“智慧文科”项目。比如，设计学院的老师运用人工智能，做古建筑的修复。运用大模型，可以根据不同年代、材料和结构等，得到批量化的解决方案，而不是每次都重新做方案设计。而国务学院的老师，收集美国国务院解密的档案，用大模型去梳理美国外交的决策过程和决策历史。

另外，人工智能时代，文科最大的优势就是有场景和数据。文科与理工科进行合作，文科没有算力，模型也是理工科做的，文科依靠的是自己的场景和数据。这方面就需要进行数据的收集和整理，但数据库如何共享和授权，还需要有机制的支持。这一步我们还在推进当中，希望通过校级的平台，达成信任合作。

记者：在您看来，青年社科学者自身最需要养成的能力和品质是什么，为此需要进行怎样的学术研究训练？

吴文锋：做研究就是要去做最真实最重要的问题，要用最标准和前沿的方法，才能得到中国特定场景下的切实答案。青年学者要把眼光放远，坚持长期主义会得到更多益处。另外，要强调的是，研究者需要了解中国问题。很多人是从论文到论文、从书本到书本，对中国本身并不了解。我们做金融市场研究的一个好处是，数据就是可见的现实，问题主要从数据中去发现。但与此同时，我们也要到祖国大地上去了解问题，才能够做好研究。