EVO厅

 

清华大学金融科技钻研院副院长 薛正华

引言：从前20年信息技术急剧发展，为各行各业带来了大量创新机遇。金融业一向是信息技术利用较为宽泛深刻的行业之一，金融科技也逐步成为新一代金融业发展方向之一。随着大数据、人为智能、5G等“新基建”进一步发力，从传统种植业、养殖业、造作业到其他各行各业都将迎来一场巨大的数字化刷新机缘，在这种大的产业环境下金融科技将会进一步朝着数字化、智能化方向发展，将会更大水平的赋能产业发展，更好的服求实体经济。

数字经济成为转型发展新引擎

我们在探求金融科技发展时，若是抛开大的产业环境，往往很难从宏观的角度把握趋向性的问题。

首先,我们回首一下近年来中国经济增长的情况。从前十年间，中国的GDP年度增长率逐步降落，综合业界专家的概想，能够从人丁、业务、发展模式、科技等几个维度分析原因：

一、劳动力供给增长显著放缓，老龄化趋向加沉。60岁以上人丁占比已经高达18.1%，而16~59岁的劳动力人丁数量则从2012年以来陆续降落。此表，用工成本不休上升，人丁盈利对GDP的贡献显著减退。

二、2001年中国参与世贸组织后，中国越来越多的产品销往全球，成为造作业大国，对表业务增长成为中国经济高快增长的沉要动力之一。但近年来，受中美业务摩擦以及逆全球化和业务；ぶ饕逖雒娴榷喑脸煞钟跋，业务对经济增长贡献率逐步降低，全球化盈利衰减。

三、从前以售卖地皮资源、浪费能源、就义环境以及游走于律例灰色地带等粗放式的、不规范的发展，随着有关司法律规的不休美满，难以维系。

四、多年来高快增长和规模扩张也给经济带来了结构性问题。企业产能过剩、创新动力不及、研发投入不够、产品附加值低等问题日益凸显，经济转型升级到了沉要时点。

五、从工业革命的角度来看，中国在从前几十年内实现了三次工业革命，补齐了短板，而西方国度用了300多年功夫，每一次刷新都为经济发展注入了强劲的动力。然而，时至今日，前几次工业革命为我们带来的后发优势盈利逐步减弱。将来必要更多的自主创新和引领性创新。

近年来，数字经济占GDP的比沉持续提高，中国信息通讯钻研院数据显示，2019年中国数字经济增长值规模达到35.8万亿元，占GDP比沉达到了36.2%。背后的重要原因之一就是信息技术的飞快发展，互联网、移动互联网、云推算、大数据、人为智能等信息技术在短短二十年功夫内陆续出现，每一次技术海潮都涌现出了一批批全球驰名的互联网企业，它们的高快发展刺激了本钱投入，造就了用户对互联网产品的采取度。同时，从政策的角度，也得到了国度的大力支持。从2017年到2020年，中央政治局陆续五年的集体进建涉及到了大数据、人为智能、区块链、量子等数字科技，党中央对数字技术和数字经济的高度器沉也推动了数字经济的急剧发展。

产业数字化发力

中国从前二十多年互联网和数字化的利用重要集中在C（Consumer）端，从搜索、电商、社交到生涯服务、出行等领域诞生了一大批互联网巨头。而近年来，随着信息技术的进一步发展和基础夯实，我国产业数字化的转型在加快推动。将来，产业数字化的发展将会打造数字经济新高地。这里，把一些行业的调研情况向各人做个汇报分享。

第一个例子起源于传统的种植业：无土栽培番茄，番茄从种植、采摘、分拣、物流到售卖，实现全流程自动化和数字化。在成长阶段，番茄所必要的液体肥料通过自动化设备供给，温棚里大量传感器感知环境的温度、湿度、光照等各项参数，自动节造设备凭据实时参数调节番茄所必要的最佳成长环境；凳植烧头炎远旨鸲际怯扇宋悄芡枷窦鸺际踔С。通过这种高度的自动化、数字化方式，每平米产量可高达70kg，而一万平米的场地仅必要五名人为，换句话说，五名工人能够支持350万kg的西红柿产量。相对于传统种植，自动化、数字化种植的产量和品质都是大幅度提升。中国工程院赵春江院士的团队在从事有关工作，他也在公开汇报中也指出，“目前中国的农业数字经济规模是5778亿元，预计到2025年可能达到1.26万亿元，抓住数字技术机缘，急剧发展农业数字经济，对农业高质量发展拥有沉要意思”。

第二个例子是某互联网电商公司在大力发展的数字化水产养殖解决规划。通过集装箱养殖和全方位数字化治理，增长养殖密度、断绝泥土、保险肉质安全和鲜美。集装箱内布有大量传感器，对水体温度、含氧量、氨氮浓度、盐度、浊度等进行实时监测分析，自动调控，确保水产在一个最佳环境成长。同数字化种植一样，水产的产量和品质大幅提升，这都是数字化时期下，传统行业发作出来的新机缘。

第三个例子是造作业，无需赘言，始终维持着极高的自动化水平和数字化水平。将来高端造作，更必要高度数字化技术的支持，从前我们持久受造于数控机床等高精度、高端造作技术限度，无法急剧转型升级为造作强国。近年来，通过国度大力支持和专业人才的不休致力，这一状态也在得到扭转。

第四个例子是无人驾驶这样的新兴行业，它真正实现了数字孪生，即：数字世界和物理世界的同步映射。汽车在行驶过程中，依附车身大量传感器对路况实时监测，并与路路两侧的有关设备实时通讯和推算，领导汽车运行，实现车路协同。汽车自身运行参数、路路监测了局、行车规划等实现了全面数字化、自动化。随着技术不休进取，其安全性和行驶效能都将大幅超过近况。

回归金融行业，近年来中国金融科技中发展最快的领域之一是移动支付和普惠金融，其性质就是钱币数字化和信贷全流程数字化Ｇ沂只吹姆奖，使得扫码付款、转账等支付行为很快就渗入到了公共生涯的方方面面。在信贷方面，传统金融信贷所必要的上门解决、提交资料等复杂、麻烦流程，通过手机上APP进行单一操作即可高效实现。金融机构的后盾系统凭据用户的各类数据对其进行诓骗鉴别和信誉风险定价，险些绝大部门环节都实现了自动化和数字化。

现阶段，金融业务数字化水平比力高的还是在幼我端。但是，将来随着种植、养殖、造作、交通、零售等各个产业的数字化大幅提升，也会天然带头金融业务在企业端的高度数字化。其原因是，产业数字化所产生的大量数据会成为金融机构评价企业风险的沉要凭据。例如：若是相识一个造作企业的供给链数据、设备运行数据、水电数据、物流数据等根基上就可能判断企业的原资料成本情况、出产情况、销售情况等经营信息，这些都是对企业进行风险定价的沉要凭据。

新时期的科技基石

近年来，信息技术发展迅猛，云推算和大数据技术日趋成熟，利用也日益宽泛。而人为智能则处于一日千里的发展之中。出格是，以深度进建为代表的人为智能联结学派，在图像鉴别合成、语音鉴别合成、天然说话理解技术均获得了沉大突破，大大推动了人为智能的发展。另一方面，以大规模知识图谱为代表的人为智能符号学派，注沉机械的推理能力，也在肯定水平获得了进展。下面这幅图展示了人为智能在金融科技的利用，能够看出，大量金融科技创新利用重要是由于人为智能在基础技术获得了沉要进展。所以，我们肯定要器沉基础技术、主题技术的持续钻研和推动。

AI赋能金融科技创新

清华大学金融科技钻研院经过多年持续钻研，与业界科技公司共同合作，在人为智能与金融结合的数字虚构人领域获得了肯定的成就，并成功利用于EVO厅信息的智能一体化信贷产品，使贷款面审环节齐全通过AI来实现。数字虚构人能够与面审者进行自由、流畅、专业的深度对话。这背后蕴含了语音鉴别与合成、金融场景语义理解、虚构人唇动与表情合成等技术，难题在于所有这些技术要在毫秒内共同共同实现；这是技术上的难度，此表，我们还集成了上百个金融业务场景模型，对借贷人问题回覆的合理性进行验证，对提问进行最优解答，对对话过程进行诓骗测试和分析，对还款能力进行实时评估等。模型融通了金融业务模型与用户生理学模型，这类模型同样也必要在毫秒级内响应，不然，很难保险对话的流畅性和面审的主张。数字虚构人可能援手金融机构缓解大量服务人员所从事的劳动密集型工作，大幅降低劳动力成本。将来，随着大面积推广使用，将会给金融业的服务方式带来很大变动。

AI为什么在近些年发展迅快？一个重要原因是深度进建技术的沉大突破，当然也蕴含数据的爆炸式增长以及算力的提升。今年岁首，OpenAI颁布了GPT-3的有关信息，这款说话模型对0.5万亿个词汇和1750亿参数进行了训练，在自动问答、新闻撰写、诗歌创作等领域的阐发再一次刷新了纪录。然而，深度进建并不愿定是AI钻研的唯一蹊径，出格是在逻辑推理方面到目前为止还是比力弱的。以知识图谱技术为代表的符号学派也是一条值得索求的蹊径，通过知识系统的构建，赋能机械思虑的大量钻研实际工作在积极发展中。在我们钻研的另一个方向中，我们尝试对全球金融事务进行分类，针对每一类型的事务进行分析建模，逐步形成AI对各类事务产生后行业所受影响的判断。这项钻研一方面利用深度进建技术抽取、解析信息，另一方面利用知识图谱构建实体和事务之间的关联关系。通过不休堆集案例，不休优化模型，以期达到较好的成效。钻研目前还在致力和尝试中，还有大量工作必要去进一步深刻发展。

从前二十年信息技术的发展，为蕴含金融业在内的大量行业带来了创新刷新机遇。随着“新基建”的进一步发力，金融科技将朝着数字化和智能化方向进一步发展，产业端也将迎来一次更大的数字化创新刷新机缘，这将给金融科技带来更辽阔的利用场景和施展空间，从而推进金融科技更大水平的赋能产业发展，更好地服求实体经济。