伴随AI、大数据等数字技术加速向金融 、绿色产业渗透 ，传统可持续投资长期面临的风险定价难、估值难
、资产转化难等痛点，正在迎来新的破解思路 。

10月21日
，在2026金融街论坛年会“融智.融绿.融新——金融创新构建未来可持续投资新生态 ”分论坛上，来自券商、保险 、科技企业
、研究机构、支付平台 、法律行业的嘉宾齐聚现场 ，围绕AI技术创新
、算力基础设施建设、金融科技数智化升级等议题展开深度研讨。

与会嘉宾一致认为
，推进可持续投资发展，离不开“融智 、融绿
、融新”三者协同 ，人工智能技术正在持续拓宽传统可持续投资的边界
，为长期资本投向绿色转型、前沿科创 、算力基建等未来产业提供全新的工具底座，但期限错配
、风险错配、制度衔接不畅等深层次矛盾 ，仍有待金融创新持续破局
。

可持续投资面临结构性错配难题

论坛现场
，中国社科院金融研究所发布《中国金融创新与可持续投资发展报告》。报告数据显示，我国广义责任投资规模已经突破50万亿元 ，绿色信贷在其中占据主要比重
，与此同时，多家上市公司披露2025年度可持续发展报告 ，披露占比接近50%，市场规范化 、透明化程度持续提升 。

规模稳步扩容的同时
，可持续投资的结构性短板也逐步凸显
。张跃文在解读报告时指出，可持续投资项目天然带有周期长、收益后置的特征 ，不少项目的环境
、社会效益要在十年甚至更长周期内逐步显现
，短期财务回报偏弱。与此同时，项目价值评价维度多元 ，除财务指标外
，气候影响、减排成效 、生态效益等非财务指标量化难度大，信息识别链条复杂 ，“漂绿
”“软绿”等虚假宣传风险持续存在 。

在他看来
，长期资本供给不足
、产融产品适配度不高、估值定价体系不完善 、投融资工具衔接与退出机制不畅
、专业服务供给欠缺，是制约行业发展的五大薄弱环节
。50万亿的体量证明市场基础已经形成 ，但可持续投资想要持续扩容
，不能只依靠规模增长，必须依靠金融创新补齐现存短板 ，搭建起风险识别、责任分担 、顺畅退出的完整机制。

中央财经大学金融创新与风险管理研究中心主任顾炜宇进一步剖析了落地过程中的核心矛盾 。他提出，绿色项目
、未来产业天然存在双重错配难题：一方面是期限错配
，产业从技术孵化到形成稳定收益，往往要经历5到10年的漫长培育周期 ，但市场上多数市场化资金的考核周期、存续周期相对较短
，耐心资本供给不足；另一方面是风险错配，前沿赛道技术路线迭代快 、市场变数多 ，整体风险水平偏高
，而能够承接长期高风险的资金体量有限，资金供给结构和产业风险特征难以匹配
。

上海全应科技有限公司创始人
、董事长兼CEO夏建涛从产业一线视角补充 ，硬科技企业的发展分为研发攻关、中试验证 、规模化放量三个阶段。中试验证是技术从实验室转向商业化的关键过渡期
，这个阶段项目尚未形成稳定现金流，却需要持续大额投入 ，容易出现估值倒挂、接续资金难以为继的情况 。此外
，科创企业核心价值集中在专利
、算法、数据模型等柔性无形资产，和银行信贷偏好土地 、厂房等有形抵押物的授信逻辑不相契合 ，容易形成融资堵点
。

AI为可持续投资打开新空间

无论是期限
、风险的结构性错配，还是柔性资产的授信困境
，根源都指向传统金融风险评估与定价体系的能力局限。很多具备长期产业和社会价值的绿色、科创项目，因为风险动态多变 、价值难以量化
、信息核验难度大 ，在原有评估框架下难以形成可信的定价依据
，很难进入投资机构的备选池 。与会嘉宾认为，AI所具备的动态风险识别、精细化分层评估能力 ，恰好可以弥补这一短板
，为突破传统可持续投资的边界提供可行路径。

AI对可持续投资边界的拓展，最先体现在绿色资产的风险保障环节
。中意财产保险有限公司首席执行官 、董事总经理袁颖晖谈道：“AI的背后是算力 ，算力的背后是电力
，电力供给离不开储能，而储能产业规模化落地则亟需保险提供风险保障。 ”

他指出 ，2026年全球清洁能源总投资预计达2.2万亿美元
，近半数资金需要通过金融体系落地，保险正是让银行
、基金敢于布局长周期绿色项目的重要支撑 。现实的缺口十分突出
。国内电化学储能每年3000亿元资本性支出里 ，仅有不足三成项目配有保险保障。袁颖晖认为，保险业需要转变定位
，从事后赔付者转向项目全周期的产业赋能者，依托AI动态定价模型搭建储能风险治理体系、建立承保白名单 ，实现风险前置排查 、实时监测
、动态调价 。借助这套数智化风控方案
，原本难以定价、缺少风险兜底的储能资产，具备可保基础 ，得以纳入金融资本的投资视野
。

同时
，AI正在从效率工具，逐步转变为可持续投资风险治理 、业务重塑的关键。中国银河证券股份有限公司党委委员、副总裁罗黎明结合一线业务经验 ，分享了AI重构金融业务流程
、夯实数据底座的实践 。他介绍
，当前国内大模型Token消耗规模快速攀升，智能体、业务模型已经深度嵌入衍生品交易 、客户服务等场景
。以衍生品询报价业务为例 ，银河证券此前依托自研小模型
，将过去需要4名员工维护上千个客户微信群
、单次询报价耗时15分钟的流程，压缩至1秒响应 ，签约周期从两周缩短至2分钟，业务承载能力显著提升。而AI客服的应用
，也让其线上问答准确率由65%提升至95%，人工转接率大幅下降 。

算力基建则依托AI快速发展 ，本身也成为可持续投资的新兴赛道
。行云科技股份有限公司董事长张文表示
，算力属于典型的重资产、强金融属性赛道，产业建设往往需要5—10倍的金融杠杆支撑。当前算力需求快速上行 ，但行业风险同样不容忽视
，国内机房空置率偏高 、芯片迭代速度快
、电费成本压力较大，直接照搬不动产授信模式并不适配 。金融机构应当跳出传统评估思路 ，综合考量资产规模、机房运营效率 、设备迭代风险与长期成本压力
，探索贴合算力资产生命周期特征的融资模式。