由 Chiranjivi Chakraborty 和 Ruchi Bhatia 撰写：在位于孟买金融区的印度市场监管机构总部内，官员们正在利用人工智能技术来监管那些全球最精明的交易者。

据知情人士透露，在一个普通的工作日里，数十名分析师会聚集在屏幕前，使用人工智能工具分析海量数据（包括股票交易量、衍生品持仓情况以及算法交易信息），以识别其中的异常行为。他们还会监控社交媒体和论坛上的可疑股票推荐信息及促销内容，并将这些信息与实际交易活动进行比对，以发现潜在的“拉高出货”（即通过虚假信息操纵股价的）阴谋。

上个月，印度证券交易委员会（SEBI）就成功采取了一次执法行动：在监控系统发现新推出的收盘拍卖机制中的可疑交易行为后六天内，该机构立即对摩根大通（JPMorgan Chase & Co.）的一个部门展开了调查。这位不愿公开姓名的知情人士表示，人工智能和机器学习工具生成的警报是促成此次行动的关键因素之一。虽然监管机构在没收相关非法收益后解除了交易禁令，但调查仍将继续进行。

这一案例展示了印度证券交易委员会在人工智能应用方面的努力——该机构正利用这项技术来发现潜在的不正当行为和新兴风险。在面对市场规模不断扩大（衍生品交易总额已达近 4 万亿美元）、高度复杂的交易环境以及海量社交媒体信息（其中包含大量错误信息）的情况下，监管机构亟需借助新技术来应对这些挑战。尽管资源有限，但人工智能技术有望帮助监管机构更好地应对日益复杂的市场环境。全球最大的期权交易机构在监管打击后面临新的现实“人工智能（AI）是一个真正的‘公平器’，”Pankit Desai说道。他拥有25年的网络安全解决方案开发经验，同时也是总部位于孟买的Sequaretek Pvt.公司的联合创始人。“如今，监管机构无需再花费数年时间才能展开调查；最糟糕的情况下，也只需几小时或几天就能形成完整的证据链。”不过，印度证券交易委员会（SEBI）的发言人并未对相关采访请求作出回应。

Jane Street公司的事件进一步凸显了SEBI加强监管的紧迫性。2025年7月，SEBI指控这家量化交易公司操纵了Nifty银行指数，暂时禁止其进入市场，并要求其退还据称属于非法所得的数十亿卢比。Jane Street公司否认了这些指控；在该公司缴纳了相关款项后，监管机构的禁令也随之被解除。

这一事件凸显了监管机构在打击日益复杂的交易策略时所面临的困难。因此，SEBI及印度各大证券交易所加快了自动化监管系统的建设步伐——随着印度期权市场持续吸引全球投资者，这些努力显得尤为重要。

据知情人士透露，这些监管措施主要集中在机器学习技术的应用上。该技术有助于更精准地识别异常交易行为，并将首次公开募股（IPO）的审核流程提速高达70%。此外，SEBI的工程师和分析师团队规模也从五年前的约20人扩大到了如今的200多人。

监管机构也将这项技术应用于社交媒体领域——社交媒体一直是针对该国1.4亿散户投资者的市场操纵工具。据一位知情人士透露，印度证券交易委员会（SEBI）每月会向包括X、Instagram和Telegram在内的平台发送多达7,000份请求，要求这些平台删除虚假信息；这一数量比疫情期间的水平增加了约40%。该人士还表示，这一系统已帮助删除了超过10万个社交媒体视频。

这项监管工作的筹备已经持续了多年。2019年，SEBI开始在其位于孟买Bandra Kurla地区的总部投资建设本地数据中心，该数据中心于2021年正式投入使用。同年，SEBI也开始部署其自主研发的人工智能工具“Sudarshan”（该工具的名称源自印度教神祇的武器）。不过，据另一位熟悉该项目但要求匿名的知情人士称，早期版本的“Sudarshan”在处理大规模语言数据时存在问题（这些语言模型容易产生错误或“幻觉”）。

尽管如此，监管工作仍面临诸多挑战。其中最突出的是“数据污染”问题：即通过篡改人工智能模型的训练数据来影响其行为。由于外部数据源（尤其是可能包含机器生成内容的社交媒体数据）存在风险，SEBI在使用这些数据时容易受到恶意信息的影响，从而危及模型的准确性。此外，由于全球图形处理芯片供应紧张，SEBI的自主研发系统在扩展处理能力方面也受到限制。

“人工智能应该被视为一种辅助工具，而非独立的监管手段，”与金融机构有密切合作的AI初创公司Deep Algorithms Solutions的创始人JP Mishra表示。

因此，SEBI仍需依赖人工审核人工智能系统生成的结果，并对相关决策进行必要的调整，以确保其符合监管规定并能够通过法律审查。

在亚洲各地，监管机构也在探索如何利用人工智能技术，同时努力制定必要的治理标准以确保这些技术的负责任使用。Asifma公司的技术与运营负责人Rishi Kapoor表示：“亚洲是一个差异很大的地区，各地的监管机构在人工智能应用方面仍处于不同的发展阶段。”

他补充说，那些适用于整个行业的责任同样也适用于监管机构。“这意味着必须确保数据的安全性（即数据保密），必须建立完善的模型管理机制，并在适当的层面对相关风险进行分类与管理。”