近日，中国银行原行长李礼辉出席第七届中国金融科技创新大会并作《数字技术迭代与数字金融战略》的主旨报告。

李礼辉表示，人工智能的升级将会带来重大的影响，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的迭代升级将会在四个领域带来冲击和挑战，一是算力集中和算力竞争；二是数据共享与数据管控；三是AI对齐与AI合成；四是AI信任与AI安全。在数字技术发展的形势下，我们应该采取四种战略，一是建设布局合理、全球领先的算力基础设施；二是建设高品质、高效率的数据要素共享体系；三是建立一个可信、可控的数据安全制度；四是建立一个安全高效的智能金融制度。

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。

一、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。

二、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”。