引言
2024 年 3 月 27 日下午，在北京騰訊總部，一場關於大模型與數據要素時代數字金融發展的深入討論火熱進行中。【TVP 走進騰訊：大模型與數據要素時代的數字金融發展論壇】是在騰訊二十年發展歷程和數字化實踐的基礎上，進一步探索科技如何引領高質量發展的重要嘗試，旨在探討數字金融領域的前沿動態、技術創新和未來發展路徑，彙集了騰訊雲 TVP 和行業頭部機構的專家學者，圍繞着大模型和數據要素的發展趨勢和最佳實踐，共同繪製數字金融的發展藍圖。
“科技創新逐漸成爲一種新的變量，引領整個企業高質量發展最大的增量。”主持人騰訊金融雲商務總監 李舒君在開場時說道。本次論壇是對過去科技成就的回顧，也是對未來創新方向的擘畫。在這個大模型和數據要素不斷演化的時代，每一位參會專家都是自己領域中的領航者，他們的實戰經驗和深入洞察，將爲本次論壇提供極具參考性和前瞻性的指引。
嘉賓致辭
在這場聚焦於大模型與數據要素時代的數字金融發展的論壇中，騰訊雲產業金融副總經理 吳悅寧的致辭，爲會議開啓了序幕，並對與會的領導和嘉賓在百忙之中抽出時間參加此次活動表達了感謝。同時
他提到，騰訊金融也期望藉助“TVP 金融行業大使”的獎項與更多的行業領導者合作，共同爲我國智慧金融做出貢獻。
吳悅寧認爲，中國經濟的轉型爲新質生產力的培育和形成提供了難得的機遇。他強調，大數據、人工智能等新技術正在爲多個行業賦能，成爲科技自立自強的先鋒。吳悅寧還詳細說明了國家層面出臺的多項政策，旨在推動大數據和人工智能行業的發展，加快構建數據要素市場，提升自主供給能力。最後，他強調了數據和人工智能價值的核心在於應用，並分享了騰訊在大數據和人工智能領域的實際應用案例，同時期待與行業專家和學術界共同思考和探索，共同努力推動新質生產力的發展。
新質生產力：數據要素X與人工智能+的融合之道
在吳悅寧的致辭後，清華五道口“數字中國”項目高級主管、騰訊雲 TVP 唐昕龍，以豐富的數字化領域經驗，在論壇上就《數據要素 X 和人工智能+視角下的新質生產力》進行了分享。他對“新質生產力”這一概念進行了深入討論，明確地將其與“數據要素 X”和“人工智能+”聯繫起來。唐昕龍強調，新質生產力不僅僅是一個高新技術的集合，它還代表着在當前快速變革的社會經濟環境中，傳統產業與新興技術結合的創新發展路徑。他認爲，新質生產力的發展對於推動社會生產力實現新的躍遷至關重要，特別是在數據要素和人工智能技術迅猛發展的今天。
此外，唐昕龍在演講中還強調了數據資產的認定和應用對於企業及行業轉型的重大意義。在去年年底，中國國家數據局聯合其他部委發佈了數據要素 × 三年行動計劃，旨在放大、疊加、倍增數據要素的效應，將數據作爲關鍵的數字經濟要素來推動高質量發展。例如，有的企業和機構正在積極探索如何將數據資源進行評估和確認爲資產，進而用這些數據資產作爲投資、融資和業務發展的基礎。這一變革不僅限於高科技或互聯網企業，也逐漸影響到傳統行業。他還提到數據資產在財務報表中的確認和入賬對企業估值的潛在影響。如原本被視爲輕資產公司的互聯網企業，通過確認數據資產，可能在財務上展現出更加堅實的資產基礎。他指出，這種轉變不僅提升了數據本身的價值，也爲企業帶來了新的發展機遇和挑戰。
接着，他深入分析了“人工智能+”在中國的發展趨勢與應用，指出中國和美國的不同表現。他提到，美國的人工智能發展重點在於 C 端應用，如文本、圖像處理、視頻內容創作，甚至音樂製作等，而中國則更加註重人工智能技術在產業垂直領域的深入應用，旨在實質性提高不同產業的生產力。唐昕龍強調，中國的這種“又沉又重”應用方式，可能爲產業提升帶來更高的價值。此外，他還提到各地政府正在積極推動“人工智能+”策略，深圳和上海等城市已經將其納入“十四五”規劃，展現了國內對人工智能應用於產業發展的高度重視。
而中國的領先企業，如騰訊，正在專注於如何將其模型和技術應用於實際產業中，例如金融行業、供應鏈金融和消費金融等，以此推動行業的效率和發展。
科技與金融的融合：探索數字金融的五大領域
緊接着，CCF TF 數字化轉型與企業架構 SIG 主席、騰訊雲 TVP 王超，也在演講中提出了他對數字金融及其在當前金融科技領域中的重要性的深刻見解。作爲中國計算機學會大數據專委會的一員，王超老師擁有豐富的金融科技產品研發經驗，包括雲存儲、電子認證、大數據及 AI 等領域。他曾參與組織國家金融科技應用創新試點並牽頭多項重大項目，目前專注於雲計算、大數據、人工智能等技術在金融領域的應用。
王超的演講主要圍繞《以數字金融爲支撐，做好金融五篇大文章》展開。他首先提到，數字金融應當被視爲金融五篇大文章的技術底座，涵蓋硬件技術如雲計算，以及各類軟件和數字技術，包括 AI 技術。
數字金融不僅面向銀行提供服務，而且涵蓋廣泛的非銀金融機構，是金融機構數字化轉型的基礎。王超解釋了五篇大文章的概念，包括科技金融、綠色金融、普惠金融、數字金融和養老金融。這些方面涉及金融領域的不同部分，其中數字金融作爲基礎，涉及硬件技術、軟件技術和 AI 技術等，但核心都建立在數字金融化的技術之上。例如，科技金融不僅依靠銀行，還需要資本、基金等多方面的支持；綠色金融則圍繞節能減排技術，實現高質量的發展；普惠金融的發展受益於互聯網公司的大數據模型和建模；已在老年人羣體中廣泛應用。養老金融則是對個人養老服務的重視。
最後，王超還討論了數字金融在金融數據採集與整合、數據計算與處理、數據算法與建模等方面的應用。他特別強調了數據應用與保護的重要性，指出金融行業需要平衡數據共享和個人隱私保護，以及數字金融如何幫助實現無場景不數據，無場景不金融的願景。
零售信貸生命週期管理：大數據風控的實戰經驗與策略
在應用落地方面，睿智科技解決方案總經理 王文香帶來了《零售信貸全生命週期大數據風控的最佳實踐》的分享。王文香曾任職於 FICO 和 IBM，在金融科技行業深耕 18 年。在探討零售金融時，王文香特別指出中國零售金融市場的巨大規模，即2023 年末達到的 80.9 萬億人民幣，其中住房貸款、個人經營性貸款和消費金融貸款佔據了市場的大部分。
她詳細描述了不同金融機構在零售金融市場中的角色和地位，如銀行、互聯網金融平臺、消費金融公司和汽車金融公司等。王文香特別強調了這些機構在風險管理和產品創新上的不同策略。她還提到了數字金融市場的不同參與者，從大型銀行到小貸公司，每個機構都在嘗試通過創新的金融產品和服務來應對市場挑戰。王文香深入探討了金融機構如何進行有效的風險控制，並特別強調了大數據技術的關鍵作用。她提出了幾個關鍵領域來優化金融機構的全面風險管理體系：
● 風控體系的構建：這個體系應該充分利用大數據技術。風控體系的根基在於有效地利用內部和外部數據，並將這些數據整合到風險評估和管理決策中，一個全面且靈活的風控體系包括數據採集、系統平臺支持、決策科學體系的建立和專業團隊的構建；
● 決策科學體系的搭建： 構建一個精細化的決策科學體系對於風險管理至關重要。這涉及到使用先進的分析和建模技術來支持更準確和科學的決策過程。這個體系應該能夠提供清晰的風險評估，幫助金融機構更好地理解和管理其貸款組合的風險。
● 風險評估模型的應用： 能夠捕捉和分析大量數據，從而提供對潛在風險的深入洞察。這些模型需要定期更新和優化，以確保它們反映市場的最新趨勢和變化；
● 數據驅動的風險管理：通過利用大數據和高級分析工具，金融機構可以更準確地識別風險並採取預防措施；
● 風險管理的持續優化：風險管理是一個持續的過程，需要金融機構不斷地評估和調整其策略和工具，以應對市場的不斷變化。
金融行業的AI新時代：探索大模型技術的實用化與前景
大模型技術的出現，爲數字金融的發展注入了新的活力，也爲我們提供了更加廣闊的思考空間和實踐平臺。近一段時間以來，騰訊全面擁抱了大模型技術，特別是騰訊混元大模型，它致力於打造“從實踐中來，到實踐中去”的實用級大模型。在這個背景下，非常值得探討的是大模型在金融場景中的發展路徑和未來的佈局。爲了深入理解這一主題，
騰訊雲大模型專家 張翔帶來了《大模型的認知與實踐》的專題分享，深入探討大模型在金融領域的應用現狀和前景。
首先，張翔對大模型技術的發展路徑進行了深入的分析，指出大模型的快速進步和趨向多模態的發展趨勢，強調了這些模型能夠處理複雜的數據類型（如音頻、視頻）並越來越接近於人類的理解方式。大模型的發展正越來越快，模型的迭代加速，標誌着 AI 技術邁向更高級別的智能。
對於大模型在金融領域的實際應用場景，張翔列舉了多種金融場景中的大模型應用，例如輿情管理、內部知識管理、風險控制等，展示了大模型技術如何深入到金融行業的各個方面。值得注意的是，張翔強調了“提示詞工程”的重要性，這是利用大模型技術的關鍵環節。通過精準的提示詞，可以引導大模型提供有用的輸出，從而更好地適應特定的業務需求。他提到，這種技術已被廣泛應用於多個國外知名 App，比如遊戲 NPC 和文本編輯輔助。在金融領域，這種技術同樣具有廣泛的應用前景，例如在風險評估、客戶服務等領域。另外，他還提到
“搜索增強型”(RAG)模型的概念。這種模型通過結合搜索技術，增強了大模型處理長文本和複雜數據的能力，爲金融分析和決策提供了更強的支持。
在談及企業如何利用大模型時，張翔指出，企業應根據自身需求和資源選擇適合的模型規模，並強調了透明性和可解釋性在模型應用中的重要性，還需要對模型進行持續地優化，並建立相應的技術、人才和數據基礎以支撐模型的應用。
在現場提問中，張翔還回答了關於“大模型可信度”的問題。他表示，首先要考慮的是大模型的透明性和可解釋性。要解決這個問題，依賴於模型廠商對模型價值進行的強化訓練和相應措施。實際應用中，首先要確保模型不會對產業品牌或公司品牌提出危害性問題，這需要通過安全隔離的措施來實現。其次，要確保模型回答的相關性，即問題的預期回答範圍。可以通過 RAG 等工程手段，對常見問題進行聚類和限制，使得模型的回答在預期範圍內。
對於不同結果的出現，主要原因可能是由於模型訓練時使用的數據集的時間基線不同。例如，使用 10 年前的數據集訓練，模型可能會回答出 10 年前的信息。此外，存在所謂的“模型幻覺”，即模型可能會產生不準確的回答。針對特定領域的問題，可以通過數據範圍的限定，結合工程應用，提高準確度，並在回答中明確引用的數據出處。
數據要素引領生產力：數據要素市場化的深度解析
論壇的最後，騰訊金融雲大數據專家 劉繼峯帶來了《騰訊雲金融雲數據要素市場化實現路徑及實踐探索》的主題分享。他強調了新質生產力概念在當前時代的重要性，其中包括科技、人和要素三個要素，特別是數據要素在生產力中的核心地位。
首先，劉繼峯提到，國家層面的數據政策，特別是“數據二十條”，爲數據的所有權、使用權和收益權提供了法規基礎。這一政策強調了數據流通和利用的重要性，這是實現數據要素高質量流動的關鍵。接下來，他提到財政部關於數據資產入表的政策，這標誌着數據交易將被納入稅收體系。他還提及國家數據局的成立，它將負責整體的數據基礎設施和制度建設。劉繼峯強調，數據局對於 12 個重點行業和 300 個場景的聚焦是對數據質量和行業應用的重視。
對於企業而言，特別是在金融領域，劉繼峯闡述瞭如何構建和利用數據平臺。他提出滿足監管合規和業務發展需要數據處理平臺應具備“1024”的能力：其中“1”代表多數據源統一匯聚到湖內及數據經過整合後具備權威性、準確性及一致性的能力；“0”代表數據靈活及彈性的部署能力，可以部署在雲主機、裸金屬、容器及物理機；“2”代表兩種批量和實時兩種數據處理方式；“4”代表四種服務形態，批量視圖類、API 類、實時類、圖形化類四種服務能力。他還強調了物理入湖和邏輯入湖兩種入湖方式對多發人實體機構的重要性。此外，他提及了數據開發治理一體化平臺，通過技術手段解決開發和治理兩張皮的問題，提升數據開發效率、跨域協同難推進等問題。
劉繼峯分享了兩個國家級數據要素市場化的樣板工程案例。第一個是某市的案例，騰訊雲聯合合作伙伴支撐某市大數據集團構建公共數據運營平臺，實現公共數據授權、確權、加工、評估、流通全流程要素能力，助推企業智改數改，並完成某省首批企業數據資源入表工作，爲產業公共數據授權運營提供實踐經驗。第二個是某省的金融綜合服務平臺，它解決了小微企業融資難題，通過技術手段提升了數據的可用性和時效性，優化了貸款和理賠流程。他強調這些案例展示了數據平臺在公共服務和金融領域的應用潛力。
最後，劉繼峯介紹了騰訊雲的數據產品和服務如何與這些國家級政策和實踐相結合，包括湖倉一體化數據平臺、數據開發治理一體化產品以及數據安全可信的基礎設施。這些工具和服務展現了騰訊在數據要素領域的能力和對數據安全、監管合規的重視。
結語
隨着此次論壇的圓滿結束，我們不僅深入探索了大模型與數據要素，更見證了傳統產業在數字化浪潮中的蛻變與重生。展望未來，我們堅信，數據作爲新型生產要素，將繼續推動新質生產力的蓬勃發展，爲傳統產業的數字化升級注入強大的動力。騰訊雲 TVP 將繼續與行業攜手，共同探索數字技術的邊界，將智慧和創新的力量帶入每一個行業，共創一個更加繁榮和智能的未來。
現場花絮集錦
