地缘经济碎片化和全球经济重心的转移正在改变全球贸易格局。
人工智能在这一转变中发挥着作用，但一种风险正在显现：用于贸易的人工智能所训练的数据，已无法反映全球贸易的真实轮廓。
这意味着，快速增长的发展中经济体由于历史数据较少，可能被人工智能忽视，并被排除在全球贸易体系之外。
全球贸易所经由的通道正以前所未有的速度变化，其变化速度超过过去三十年的任何时期。这一转变已有充分记录，并正借助人工智能推进。然而，当前的风险在于，用于贸易的人工智能是按照一个已不复存在的贸易体系的运行轨道进行学习的，这将使部分参与者被永久排除在外。
2025年，美国自中国的进口下降了29.4%。同一时期，花旗银行的一项调查发现，65%的全球企业正在积极实现采购来源多元化，越南、印度、泰国和墨西哥正成为主要的新目的地。
人工智能进入贸易融资领域，带来了切实的前景：更快的承保速度、更低的处理成本，以及向传统模型会拒绝的企业提供信贷。这些收益是真实的。然而，一个尚未被足够大声提出的问题是：这些模型所学习的数据，反映的是过去的贸易版图，还是正在实时形成的贸易版图。
用于贸易融资的人工智能是基于哪些数据训练的？
目前，大多数贸易融资人工智能主要基于银行早已熟悉的通道中数十年的交易历史进行训练，例如中国至美国、欧洲至北美。这些通道拥有深厚且长期积累的数据。蒙特雷的中小企业出口商或胡志明市郊外的合同制造商，在数据中几乎没有此类历史记录。对于基于旧版图训练的模型而言，这些企业是不可见的。
这并非隐藏的问题。在全球增长最快的贸易区域东盟，银行至少拒绝了40%的中小企业贸易融资申请，理由包括信用记录不完整，以及借款人不符合既定的承保模板。全球贸易融资缺口达到2.5万亿美元，且几乎完全集中在交易数据最为匮乏的新兴市场通道。若人工智能基于现有数据而非应有数据进行训练，它可能使这一缺口永久化。
国际货币基金组织《全球金融稳定报告》明确指出了这一动态，警告称基于现有金融数据训练的人工智能模型往往会延续其中蕴含的偏见，形成一个自我强化的循环，使原本就服务不足的市场变得越来越难以服务。在贸易融资中，这一循环以特定地域的方式显现出来。由于数据库在建立时并未充分考虑这些通道，模型并不了解越南或蒙特雷。
人工智能如何可能固化全球贸易版图
基于旧数据训练的人工智能存在一个结构性问题：盲区会随时间不断累积。
当贸易融资模型对某一通道没有交易历史时，它会给出更高的风险评级。更高的风险意味着提供的融资更少。融资减少意味着完成的交易更少。交易减少意味着数据缺口扩大而非缩小。该通道始终无法积累准确认识所需的历史记录，因为模型自身的决策阻止了这些历史的形成。
这正是布鲁金斯学会在人工智能信用体系中所发现的动态：无法准确评估服务不足市场借款人的评分系统，会做出更为保守的决定，从而拒绝向这些借款人提供信贷；而这又阻碍了本可实现准确评估的交易历史的形成。该问题属于结构性问题，而非个别问题。
风险最高的贸易通道，恰恰是全球供应链正在转向的通道。一家越南服装制造商在三年内跨境收入从500万美元增长至2500万美元，这一故事任何经验丰富的人工承保人都会一眼认出。然而，基于不包含此类增长的通道训练的模型，只会看到历史数据的缺失，并将新颖性视为风险。
世界经济论坛的《TradeTech报告》指出，人工智能正在迅速重塑贸易融资，同时将包容性列为一项现实关切：来自发展中经济体的小型企业在正在构建的系统中被不成比例地排除在外。人工智能在既有通道中的应用速度，超过了在新通道中建设数据基础设施的速度。如果不有意弥合这一差距，它将被默认填补。
新兴市场通道建立交易数据足迹，从而进入当今所构建模型训练集的窗口是开放的，但并非永久开放。在印度、越南和墨西哥积累足够的数据历史之前就已固化的人工智能系统，会将其缺席视为风险的证据，而非新颖性的证据。这种损害难以逆转。
负责任的贸易融资人工智能需要满足哪些要求？
答案不在于放缓人工智能的应用。效率收益是真实的，而且行业需要这些收益。答案在于，在架构固化之前，审慎对待当下正在构建的模型中究竟纳入了什么。
需要同步推进三项工作。
第一，数据输入必须改变。贸易融资中的人工智能模型需要基于新兴市场通道的交易级数据进行训练，而不仅仅是银行数十年来已融资的通道。原始素材已存在于这些市场中运营的数字贸易融资平台所产生的交易数据之中。问题在于，构建这些模型的机构是否愿意主动寻找这些数据。
第二，可解释性必须成为一项要求，而非一项附加功能。当模型拒绝来自胡志明市或蒙特雷中小企业的贸易融资申请时，部署该模型的机构应当能够就存在哪些数据、缺失哪些数据，以及这种缺失实际意味着什么，对决策作出解释。无法解释其决策的人工智能，无法为其结果承担问责。
第三，这需要成为一项治理议题，而不仅仅是技术议题。当前关于贸易融资人工智能如何训练、数据来源为何以及学习识别哪些通道的决策，并非纯粹的商业决策。它们将在一代人的时间里塑造全球贸易的金融架构。因此，这些决策关乎公共利益，需要多边机构、监管机构和私营部门共同应对。
地缘经济碎片化已成为本十年最具决定性的风险之一。它可能使全球经济损失高达5.7万亿美元。若人工智能将旧的贸易版图嵌入新贸易版图的金融基础设施之中，则可能加深这种碎片化——这一次不是通过政治，而是通过代码。
