2022年底，ChatGPT横空出世，引爆了新一轮 人工智能 （Artificial Intelligence，AI）革命，加速智能化时代的来临。9月，华为、腾讯、阿里接连高调发布AI战略及相关产品。以大模型生成技术为核心，AI正在成为下一轮数字化发展的关键动力，也为解决产业槽点，造成了全新的思路。

　　那么，AI、大语言模型在我国的发展现状咋样，其在资产管理领域的应用现状如何？未来又将如何影响甚至重塑整个资产管理行业？就此，日前中国基金报记者专访了上千家海内外知名投资机构的数字化合作伙伴通联数据的总经理蒋龙。

　　文字实录

　　“中国AI正快速追赶国际领先水平”

　　中国基金报：在您看来，目前中国AI的技术能力与国际领先水平相比处于什么水平？

　　蒋龙：中国AI虽然起步晚，但最近二三十年发展特别快。目前整体而言与国外的差距已经很小。

　　据了解，中国在AI方面的学术产出，已经超越美国，位居世界第壹。产业方面，中国已经有很多较成功的AI公司，总体而言，美国仍稍微领先，我们在快速追赶。我认为，在不久的将来，我国的AI产业可望在很多方面领先全球。

　　中国基金报：为啥我国的AI能够有如此迅速的发展？我们的优势和劣势分别是啥？您认为应如何扬长避短？

　　蒋龙：我国的AI领域和整个科技行业一样，起步较晚。相比之下，美国拥有深厚的学术研究基础，和从高校到风投再到产业的完善创新创业链条。

　　但改革开放后，我国的AI在很多方面快速赶上。我们最大的优势是我国人勤劳又智慧，尤其从小学开始就非常重视数学等基础学科。我国的高等教育发展得也非常不错，培育了庞大的高素质人群。再加上国家的引导，发展速度自然会比国外快一些。

　　同时，中国拥有庞大的应用场景和市场，为行业发展提供了很多机会。而且中国人特别擅长把技术转化成最终的产品和服务。

　　我认为，AI领域的条件研究和理论研究需要耐得住寂寞，受得了挫折。一个特别大的技术突破，需要很长期的积累，而且中间过程可能看不到明显的收获。如果过度追求短时间成果，可能会错失大的技术进步。

　　中国基金报：目前中国AI的条件设施的建设进展如何？

　　蒋龙：目前仍处于美国领先，中国快速追赶的阶段。

　　在算力底层核心—— AI芯片 领域，中国很大型科技企业已经在自研 AI芯片 ，例如，有公司国产 AI芯片 已经量产，并建立了很多大型计算集群，对外输出AI服务能力。但目前甭管是产业化还是应用量，和领头羊仍有一定差距。但中国有许多超算集群的整体算力，已经位居国际前列。

　　在数据方面，中美可谓并驾齐驱。我国的互联网发展非常快，在线上支付等很多方面甚至已经超过美国，因此我国的互联网积累的 海量数据 实际上不比美国差。

　　至于算法，中国也在快速追赶。毕竟美国大量的高校、学者在上世纪60-70年代就开始研究，的确有许多积累。

　　“大模型为AI造成划时代变化”

　　中国基金报：2022年底，ChatGPT横空出世，引爆了新一轮AI革命，你觉得大模型给AI造成了哪些变化？

　　蒋龙：ChatGPT的使用效果不错 的，给人很大震撼：计算机竟可以这么智能，有时甚至让人很难区别是人还是 机器人 。ChatGPT把AI从小模型时代带入大模型时代。

　　过去，我们会针对单一问题开发和训练一个小模型。而全球的问题是千变万化的。进入大模型时代，我们可以像训练人一样训练一个通用AI大模型；而不必像小模型时代那样，要处理一千个问题就要建一千个模型，标注一千个训练数据集。这是范式的变化，方式的变化，划时代的变化。

　　现在大模型未必能在所有场景中比小模型做得好，可是，大模型本身每进步一点，它在所有场景中都会提升。因此我们可以向往，大模型终有一天有望超过所有的小模型。

　　通用AI大模型可以被训练成一个卓越的大学结业生，经过一段时期的专业训练，甚至可能成为某个领域的专家。Open AI开创人奥特曼就认为，要不了多久，世界会出现一个知识量等于甚至超过全人类知识总和的超级AI大模型。

　　中国基金报：AI发展到今天，机器学习能力已经在很多方面超越人的学习能力，未来AI在投资中施展的作用是否将超越HI（Human Intelligence,人类智能）？

　　蒋龙：AI和HI会在未来很长一段时期内共存。投研有大量非常复杂的理论分析和推理过程，目前人在这方面肯定仍遥遥领先。但投资者现在可以把一些重复性的劳动交给AI去完成，把节省的时间去做更有难度和创造性的工作。

　　我相信未来AI的占比会越来越高，HI的占比会越来越低。随着AI的不断学习，其推理能力及运算能力会不断提升，逐渐成为某一个行业的中级专家。假以时日，AI对复杂问题的预判的准确率甚至可能比肩顶尖专家。这个过程可能需要几十年。

　　中国基金报：那么AI是否会在将来的某一天替代HI？

　　蒋龙：不能说替代，只是一些人不愿意做的事，AI会逐步参与，甚至全面接管。但总有一些事是AI能做，但不会让它去做的。例如产品设计，我们人深刻的知道我们想要啥，也通过同理心知道其它人可能需要啥，便能设计出从物质上和精神上满足我们人类需求的产品。而AI只能作理性推理，可能永远无法理解人对事物的渴望。

　　尽管未来AI不排除也会有需求和欲望，那么它也只会成为新的物种，不会成为人，也无法真正理解人。正如人类可以饲养动物，但我们是无法真正理解动物的。

　　中国基金报：AI大模型的使用是否存在先发优势或后发劣势的情景？

　　蒋龙：不会很明显。因为大模型训练分预训练和实际使用两个阶段。在预训练阶段，很多的练习数据来自互联网的公开信息；然后需要在和AI对话的场景中进行训练，对AI的计算结果作标注，让AI逐渐正确理解人的指令。AI大模型的后进者一方面可以很方便地用公开数据作训练；另一方面可以借鉴先进者的经验，训练效率可能会更高。

　　可是，如果能构建一个新的场景，例如，ChatGPT在几个月内积累了过亿的用户，或某个机构在某个行业的研究上率先使用大模型，同时让大量用户去使用，就能从用户的聊天记录中获取新的数据并进行标注，则会在特定的应用场景中占据先发优势。

　　中国基金报：那么目前用AI和HI，哪个性价比更高？

　　蒋龙：目前来看 AI总体上有优势，但优势不够突出。毕竟请人需要付足够高的薪水，才能满足其衣食住行等多方面需求，而AI只需要用电。

　　可是，如果我们简单地从计算成原本看，AI优势可能需要再思考。毕竟，目前AI仍处于发展的早期，效率有待于进一步提高。现在甭管是回答一个简单问题还是复杂问题，大模型都需要经过复杂的运算才能得出答案，两者耗费的成本是同样的；而人只需要用直觉“秒答”容易的问题，对复杂问题则要思考更久。不过，未来大模型对简单问题和复杂问题可能会有所区分，对于不用深思熟虑的问题，可能只需要用大模型好比1%的算力或参数来回答，从而大幅下降成本。

　　另外，大模型本身就是一个固定投入很大的项目，需要构建充分的算力并使用大量的数据。一旦模型建成，随着应用场景和使用次数的增加，后续成本会逐渐摊薄。目前大型金融机构会更积极地拥抱大模型，因为他们的业务量大、应用场景多，总会有一些场景能用得上，并在几年内收回成本。而中小型金融机构则会等待和观望，毕竟其有限的业务场景可能在未来3-5年未必用得上大模型。因此，我们也非常期待大型公司能够在这个阶段积极投入，共同探索一些路径，去驱动技术进步，再带动中小企业的应用。

　　中国基金报：那么中小企业怎么才能跟上AI的大潮？

　　蒋龙：大型金融机构往往会走自研或和大厂合作研发的道路，自建大模型并用内部数据，其成本会较高。中小机构则可用像通联数据这样的科技公司建立的行业通用大模型，大家把金融领域的各种知识和理解都灌输到这个模型里，中小机构需要时只须调用我们的API（Application Programming Interface，应用程序编程接口），不用自建大模型。

　　“AI大模型对金融领域影响深远”

　　中国基金报：本轮AI大模型热潮给包含金融领域在内的各行各业都造成了深远的影响。能否简单讲解AI大模型对于金融机构有何价值？

　　蒋龙：AI主要是高效解决脑力劳动的问题，金融是典型的智商劳动密集型行业，AI对金融领域的影响和帮助会非常大。

　　就拿资管行业而言，AI可以赋能从数据分析到投资决策，再到风险控制及服务客户的几乎各个业务流程。例如，现在要做货币政策分析，需要自己从数据库中提取数据，做成EXCEL表格，再生成图表、计算、分析，最终形成研报。有了大语言模型，我们只须告诉它我们要做货币政策研究，它就能把各种相关数据收集整理好形成表格，还能用不一样的要领进行研究分析计算。它未必能像专家那样基于经验和直觉去过滤掉不重要的信息，但它能够推演去更多的可能。最终的结果是AI可能会得出10种可能，其中5种是可能性较小的，同时可能会有2-3种是人没有考量到的。这是对人非常有益的补充，也是大模型现在就能做到的。AI通过高效地处理海量的信息，能够帮助投资人节省时间和精力，从而把更多的时间和精力投放到更有价值的事上。

　　中国基金报：通联数据是上千家海内外知名金融机构的数字化合作伙伴，能否简单讲解通联数据主要为金融机构提供哪些服务？

　　蒋龙：通联数据主要为金融机构提供数据和工具两种产品。

　　数据产品主要是机构投资者期望的条件数据和另类数据。其中基础数据包含行情、上市公司财务数据、债券和基金基础数据，及各种事件变动数据、高频数据...。另类数据则是一些宏观经济、行业及区域经济相关的供投资者判断市场变化的特色数据。

　　工具则涉及包含数据分析、投资研究、投资管理及风控等。在投资管理全流程中的每一个环节，我们都会提供相关的工具。我们的使命是AI赋能投资，致力于提供投资、研究、管理、风控一体化的智能平台。

　　中国基金报：目前，公募、私募、保险资管、银行理财等不同类型的资产管理机构对 AI的接受水平会有不同吗?

　　蒋龙：目前私募基金的积极性相当高。国内私募尤其是量化私募，其管理规模及投资回报的提升很大水平上受益于AI。因此，他们对新的技术非常关注，也会在大模型方面作很多的尝试。

　　公募基金目前还是以基金经理进行主动投资为主，AI的使用也以辅助人为主。

　　保险资管和银行理财因为之前在主动方面的积累其实不多，他们更多的考虑是在宏观、行业层面用AI作辅助分析。

　　“AI大模型风控任重道远”

　　中国基金报：最近一些事件让大家对量化投资的危险心存疑虑。日前在全球AI与可持续投资论坛上，银监会原主席、中国证券监督管理委员会原主席尚福林表示，要持续加强对AI发展的穿透式监管，对此您怎么看？您认为对于AI投资这一创新模式的监察管理应怎样在鼓励创新与防范风险之间寻求平衡？

　　蒋龙：目前，AI大模型很多的工作机制，我们还不是特别了解。它学到了啥，内部以什么形式去表达，相互间如何影响，我们对其内部机制其实不完全清楚。因此我们要特别小心。尤其是金融领域涉及国计民生，在应用大模型时存在的一些潜在风险，可能会对经济造成比较大的影响。因此不能一味追求效率，一旦出现潜在风险就可能是重大影响。

　　但我们不能因噎废食。创新值得鼓励，大伙可以小规模地探索，一旦涉及到大量的钱财或其它资源时，应引入更多外部的参与者，共同分析如何规避大的危险。

　　中国基金报：如今是否有成立类似行业联盟的组织，共同制定一些标准，或寻找好的路径去解决这些问题？

　　蒋龙：有的。学术界已把如何管理好AI，使之符合人类的价值观偏好及伦理，身为一个很关键的研究课题。例如OpenAI，在每一个模型构建完之后，会花很长的时间去评测模型的危险，看在哪些地方跟人类价值观没有对齐。

　　中国基金报：目前是否有较具权威的机构，去测评相关风险？

　　蒋龙：现在技术上还不是完全成熟，这是比较大的问题。到底我们应如何监管？监管的内容和范围是啥？这些问题还不太明朗。所以大家就一边在组织形式上进行讨论，另一方面在技术上尝试和研究。

　　科技进步和产业发展往往会跑在监管的前面。因此，需要加强监管和行业参与者的交流，通过对技术创新的普及和推广，和监管机构从他们的视角谈谈新的技术可能会涉及的金融风险，大家共同探讨，参照过往经验和案例，共同解决相关问题。

　　中国基金报：在您看来，AI赋能投资当前面临的主要槽点和难点是啥？应如何突破？

　　蒋龙：首先投资的好坏不太简单判断。正如我们评价一位基金经理是否优秀，是看他一年的业绩还是三年业绩？多长时间比较合理？这本身就是一个难题。同理，如何验证AI能帮助我们在消耗同样资源的情景下做出更好决策？这和AI赋能 移动支付 不同，扫码支付比付现金方便，用户一用就知道。因此，AI在投研领域的应用需要更长的时间去验证其效果，发展自然会比较缓慢。

　　其次，AI的理论未必能被人完全理解，或AI的理论我们不一定认可，在AI的定论需要很长时间才能验证的情景下，我们就更难相信它。而人和人交流时，即便彼此观点不同，仍然可以共同对背后的理论进行推理去说服对方。AI在金融领域的应用被认的难度会比其它领域更大。因此需要时间去证明它的价值。

　　AI是人类发展史上极为重要的工具，它对我们的影响非常深远。因此，我们应对其高度关注，一方面增进它的发展，让它为我们所用；同时对其所造成的危险也要有充分的注意。

　　版权声明：本次活动内容的所有文字、图片和音频、影像资料，版权均属主办方所有，任何媒体、机构或个人未经主办方授权不得以任何方式（含文字、摘录等）公开发布，中国基金报保存追究法律责任的权利。

　　免责声明：嘉宾言论系个人观点，不代表平台意见。为保护版权，文章中的嘉宾言论未经允许请勿转载或引用，也不得进行任何有悖原意的截取、删节或更改。文章所述观点均为当时观点，不代表对将来的预测，如因为发布日后的各种因素变化而不再准确或失效，平台及嘉宾所在机构均不承担更新义务。内容信息来源于公开资料，平台及嘉宾所在机构对这些信息的准确性及完整性不做任何保证。投资者应自行承担投资行为的危险与后果。