李礼辉：数字技术迭代与数字金融战略
导读：1月19日，2024年中国国际服务贸易交易会系列活动——第七届中国金融科技创新大会在北京举行。会议旨在深入贯彻党的二十大和中央金融工作会议精神，以“加快金融科技创新，做好数字金融大文章，助力金融强国建设”为主题，聚焦金融科技与数字金融热点领域，解析国家战略、分享实践经验、展示创新成果、探索发展路径。大会现场启动了“数据要素X金融服务”生态合作行动计划，发布《中国金融科技发展概览》年度报告，展示142项“科创中国”金融科技创新大赛成果；揭牌成立“金科创新荟·金融科技工作者之家”并举办了“金融科技创新之夜”产业对接会。中国银行原行长李礼辉出席会议开幕式，并作《数字技术迭代与数字金融战略》的主旨报告。
过去的一年，生成式人工智能掀起了很大的热潮，特别是微软的OpenAI推出的ChatGPT取得了重大的进展，具有很大的市场影响力。去年11月，ChatGPT升级为Turbo，具有了多模态的能力，看得见，听得懂，又能够说话。我们可能需要特别关注的是人工智能的升级到底在哪些重要的方面将会给我们带来重大的影响。
我认为主要是三个方面。一是生成式AI启动了内容生产方式和人机交互方式的变革，可以从非结构化的数据格式中学习信息，生成新的内容，包括文本、视频、音频、图像和代码等等，可以适应各种任务。二是从通用的大模型扩展到垂直模型，也称为垂类模型，融入数字技术创新的不同领域，包括大数据、云计算、区块链和物联网，也包括自然语言处理，虚拟增强现实，人机交互和知识图谱，计算机视觉，生物识别，当然也包括机器人、空间技术、自动驾驶、智能金融等等，形成了以AI技术为核心的复杂体系。三是能够直接创造商业价值，最重要的是能够降低知识应用的成本，从而创造商业价值。可以自动执行任务，提高投入产出比；可以提升工业、物流、服务流程的自动化程度，节约边际成本；可以诊断生产经营各环节的运行缺陷，提升生产效率和管理效率。这方面的商业价值是非常明显的，去年一年全球AI聊天程序的访问数量超过了190亿次，其中ChatGPT所占的比重超过了76%。
对于智能金融，就生成式AI所具备的技术发展的可能性来说，现在应该还处在辅助和助理的早期阶段。有的机构预测，到2025年，生成式AI能够使券商的市场估值提高20%以上，可以使保险机构的市场估值提高18%左右。人工智能在金融业的应用，现在集中在两个方面：改进产品创新和客户服务，改进运营管理和风险控制。
AI的迭代升级将会给我们带来哪些方面的冲击和挑战？主要有四个领域。
第一，算力集中和算力竞争。
人工智能、大数据、人工智能都需要巨大的算力支撑，算力的竞争集中表现为AI模型水平的竞争。算力也在很大程度上决定金融的竞争力，智能化的信用评估、客户筛选、风险定价、风险控制、量化交易、投资顾问、保险精算、数字员工，以及能够链接C、B、F、G多端的供应链金融等，都需要数据、算力和模型的支撑。
算力建设需要持续投入巨大的财力人力，一定会导致算力的集中，算力竞争未来会是主要经济体之间国家级的竞争，以及科技巨头之间的竞争。
第二，数据共享与数据管控。
不同领域、不同场景对数据资源的要求并不一样，并非所有的应用场景都需要特大规模的数据，都需要大模型，应该是大模型和中小模型并行。立足于国家级和企业级的算力竞争，就要有国家级和企业级的数据支持。
2023年12月27号，《纽约时报》对OpenAI抓取版权保护的文本提出了诉讼，揭开了生成式AI环境下数据产权争端的序幕。
就我们国家来说，派生于行政体制、支付模式、地缘政治的数据鸿沟，有可能会影响我们国家顺利达成建设一流算力、一流AI模型的目标。一是科技共享模式的局限，可能影响数据资源的深度开发。在公共数据共享方面，我们还存在一些数据鸿沟，尚未彻底解决；互联网平台和金融机构之间的数据共享模式也还不太成熟，数据资源的价值不能充分挖掘。
地缘政治的冲突可能会影响全球数据资源供给的格局。美国等西方发达国家发展了几百年，依托长期发展累积而成的数据资源的优势，在诸多关键领域构建了西方主导的格局，比如美国的一个生物医学文献数据库，收集了70年以来70多个国家的5200多种生物医疗刊物的文献，每年递增30万到35万条记录，涵盖所有的生物医学领域。我们国家的生物医学数据库也在发展，但是跟美国相比目前还有指数级的差距。在地缘政治环境中，美国联合西方国家对中国设置的技术壁垒不断升级，现在是高端芯片和核心软件，下一步有可能会衍生到数字资源领域。
第三，AI对齐与AI合成。AI对齐指的是AI系统的目标必须与人类的价值观和根本利益保持一致，这个概念已经得到全球的原则认可。但问题在于，在地缘政治环境中，人类的价值观和根本利益未必完全一致，AI对齐有可能会成为霸权国家价值观输出的技术工具。所谓的AI合成，是指应用深度学习、虚拟现实等生成类的算法制作图像、音频、视频、虚拟场景等深度合成内容。随着这方面水平的进化，深度合成的算法甚至可以对抗通用的技术性的甄别，可以制作高仿的拟真的声纹，深度合成的内容最大威胁在于可以模糊真实与虚假的边境。AI虚假已经被用于经济诈骗，诋毁个人信誉和企业的商誉；AI操纵则可能被用于操弄负面舆情，抹黑政治对手，破坏政治信任，激化社会矛盾。
第四，AI信任与AI安全。以生成式AI为代表的人工智能最新技术还处在起步阶段，相关算法和模型还不够清晰和透明。我们把不那么成熟的人工智能技术投入高风险的金融领域，有可能会放大现在的风险，并产生新的风险。所以，智能金融创新应该要以AI信任和AI安全为前提，实现符合伦理标准的金融平等，保障符合安全标准的金融效率，营造符合经济规律的创新模式。
在这样一种技术发展的形势下，我们应该怎么做？
一是建设布局合理、全球领先的算力基础设施。我们应该锚定全球领先的目标，软件和硬件并行，千万不要忽视软件。国家级与企业级联动，新中心与老中心集约集成。就具体的“东数西算”来说，应该平衡数据传输、数据存储、数据计算所需要的建设成本和营运成本，协调人力资源的配置。而且，建设算力基础设施需要国家队，也需要民营队。没有市场需求的技术创新是不可能变现的，人工智能的需求有个性化、多样化的特点，金融业务，包括商业银行、保险公司、证券公司、财富管理等，同一个领域的金融服务和管理的需求大同小异，智能金融模型的建设应该选择适当的商业模式，包括自研、租用、采购、外包等等，重要的是提高投入产出比。
二是建设高品质、高效率的数据要素共享体系。中央的数据二十条明确了数据产权制度、数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度的规范。现在重要的是落到实处，能够扩展数据的规模，提高数据的品质，促进数据流通，实现数据共享，充分发掘数据价值。重点是要把有关的体制机制建设好，增强数据要素的共享性和普惠性，提高数据要素的质量，有效防范和化解各个领域的数据风险，通过开放、合作，实现互利共赢。对于专利数据和版权保护文本，应该按商业化的路径实现数据共享。
三是建立一个可信、可控的数据安全制度。国家要建立AI信任制度和AI监管制度，在立法和执法层面明确禁止AI造假和AI欺诈。赋予合格企业，包括科创企业，AI信任的标志。要提升深度合成内容的鉴别技术，提供对抗AI虚假的公共服务。在国家的层级建立预防AI操纵的防火墙，维护数字经济时代的国家安全。可信的开源能够成为数字技术创新的可行路径，但是我们必须注意开源的AI模型和算法与生俱来的系统绑定和技术依赖，要把自己的事情做好，要鼓励优先采用国产的有自主产权的AI模型和AI软件。
四是建立一个安全高效的智能金融制度。金融业生成式AI的应用刚刚起步，如果过多依靠市场自律，可能会导致垄断、导致系统性行业风险，但是过于严苛的金融监管可能会抑制创新和产业发展。我觉得可以考虑的原则，一个是“高中”，一个是“初小”。“高”是引领创新，占领全球技术的高地,“中”是接地气的中国方案，“初”是有能力把风险消灭在萌芽状态,“小”是实现风险概率和风险成本的最小化。这就要求我们加快智能金融的监管创新。我补充一下肖主席提的观点，比如说制定法律法规，明确智能金融各参与方的责任边界，包括智能金融监管的基本原则、监管机构的职责和权限、金融机构的智能金融业务规范；建立穿透式、一体化、跨局域的智能金融协同监管系统，实现监管信息共享；建立智能金融技术审核认证制度，完善AI大模型的测试平台、工具、标准和方法；建立智能金融风险分析和监测系统，及时识别、评估并提前预警异常交易和市场操纵，主动预防系统性风险；允许在监管沙盒机制下试行智能金融业务突破性创新，累积监管经验和数据支持；积极参与构建数字经济国际规则和数字技术通用标准，加强智能金融国际监管协作和交流，在数字经济国际规则建设中争取中国的话语权，在数字技术通用标准建设中争取中国的“定位权”。