李禮輝：Sora會給金融業帶來哪些改變？

中新經緯2月25日電 題：Sora會給金融業帶來哪些改變？

作者 李禮輝 中國銀行原行長

2022年11月30日，微軟的OpenAI推出ChatGPT，14個月之後的2024年2月16日，OpenAI的Sora面世。Sora能夠根據用戶的文本提示製作1分鐘的高保真視頻，並可實現視頻的無縫連接和擴展延申。

ChatGPT可能是目前最先進的生成式AI大模型，而Sora則是目前最先進的視頻生成大模型。這是人工智能技術迭代的里程碑。

一是啓動內容生產方式和人機交互方式的變革。生成式AI模型可以從非結構化數據格式中學習信息，生成新的非結構化內容，包括文本、音頻、視頻、圖像和代碼，能夠適應各種任務，從而對數字技術產業全鏈條產生重大影響。視頻生成模型Sora的核心底層融合了擴散程序Diffusion和轉換程序Transformer，底層技術的核心在於多模態感知、學習和交互的能力。Sora突破了文本交互的侷限性，能夠感知、理解和模擬動態的物理世界，能夠與真實世界進行交互和學習。可以預期，多模態的人工智能將改變廣告、傳媒、動畫、影視行業的作業方式和商業模式，並且有可能加快基於視覺(而非雷達)的智能駕駛技術創新，基於基因圖譜和細胞圖像分析的智能生物醫學技術創新。AI數字代理程序被稱爲Co-Pilot(副駕)，可以代替主人執行知識學習、環境感知、行動規劃等任務。

二是從通用大模型擴展到垂直模型(垂類模型)。人工智能基礎研究和應用研究融入數字技術各領域，包括大數據、雲計算、區塊鏈和物聯網，包括自然語言處理、虛擬增強現實、人機交互和知識圖譜、計算機視覺、生物識別，也包括機器人、空間技術、生物醫學、光電技術、自動駕駛等等，形成以AI技術爲核心的複雜體系。

三是直接創造商業價值。AI模型能夠直接降低知識應用的成本，從而創造商業價值。可以自動執行例行任務，提高投入產出比；可以提升工業、物流、服務流程的自動化程度，節省邊際成本；可以診斷生產經營各環節的運行缺陷，提升生產效率和管理效率。

智能金融還處在輔助+助理的早期階段。一是改進產品創新和客戶服務。如工商銀行的數智交易系統覆蓋匯率、利率、商品交易的100多項業務場景，招商銀行的AI小招智能助理實現面向千萬級用戶的在線理財智能顧問服務，太平洋保險的數字員工能夠作爲私人助理提供日常辦公、軟件技能、知識問答、數據處理、專業場景任務執行等服務，國泰君安的君弘投資理財智能客服APP具備股票、期貨、期權、外匯、理財、融資融券、投資顧問等跨場景業務交付能力。二是改進運營管理和風險管控。如網商銀行的百靈系統應用人機互動技術實現百萬級用戶的個性化風險控制，平安產險的自然災害風險管理平臺應用空間數據和衛星遙感影像服務遠程查勘、精準定損和快速理賠等多項場景，泰康保險的核保核賠服務平臺和理賠識別平臺能夠提供醫療影像和醫療病歷質檢、客戶健康評估、虛假理賠甄別等核心功能。

在數字金融領域，生成式、多模態人工智能技術有可能帶來新的改變。

一是實現人機交互高保真的人性化。例如，應用多模態Sora底層技術的智能金融機器人有可能做到動態捕捉、即時感知、正確理解客戶的語言和表情，準確判斷客戶的風險偏好和業務訴求，採用具有人性溫度的表達方式爲客戶提供最優的服務方案，從而解決機器服務冰冷的問題。智能金融機器人不僅可以替代生硬的機器客服，而且有可能成爲櫃檯服務的一道風景。

二是實現圖像管理全流程的智能化。例如，應用Sora底層技術的智能圖像管理系統應用於健康醫療保險業務，可以對客戶的病歷和醫療影像進行醫療專業水準的質檢和分類，覈准健康評估，甄別虛假理賠；應用於銀行業務，可以在前臺和中後臺對各種票據和合同進行真實性審覈，甄別克隆票據或虛假合同，正確提取數據並即時納入賬務系統，提高服務品質和運營效率。

人工智能的算力水平取決於算力硬件、算法軟件和數據資源。算力基礎設施包含算力硬件和算法軟件。科技有國界。算力競爭將是主要經濟體之間的國家級競爭，以及資本巨頭之間、科技巨頭之間的企業級競爭。

在數據資源方面，中國與美國對比，各有長短。

依託長期發展累積而成的數據資源優勢，美國等西方發達國家在知識和學術領域構建了西方主導的數據資源供給格局。例如，美國國立醫學圖書館的Medline是全球最權威的生物醫學文獻數據庫，收錄1950年以來70多個國家和地區出版的5200多種生物醫學期刊的文獻，每年遞增30萬-35萬條記錄，涵蓋基礎醫學、臨牀醫學、環境醫學、營養衛生、職業病學、衛生管理、醫療保健、微生物、藥學、社會醫學等細分領域。中國醫學科學院1994年投產的“中國生物醫學文獻數據庫CBM”與Medline相比，存在指數級的差距。

依託人口數量、市場規模和移動服務率先發展的優勢，中國在市場交易和公民行爲領域已經形成全球領先的數據資源供給格局。海量的市場交易和公民行爲數據是中國數字金融發展的寶貴資源。

必須注意數據共享模式的侷限可能影響數據價值的深度開發。例如，涉及居民和企業的財務數據和行爲數據，分散在金融機構、金融監管、工商管理、稅務、海關等不同的局域系統中，共享水平不高，形成行政性數據鴻溝。又如，中國的移動支付用戶規模高達9億，數字化支付成爲主要的數據入口，互聯網平臺擁有超大規模的個人和企業數據，但互聯網平臺與金融機構之間的數據關聯、數據共享尚未達成成熟的模式，數據共享的效率不夠高，數據資源的價值未能充分發掘。

必須注意地緣政治環境對數據資源供給的限制。美國聯合西方國家對中國設置的技術壁壘不斷升級，現在是高端芯片和核心軟件，下一步有可能延伸到數據資源領域。

必須注意知識產權保護對數據資源應用的限制。2023年12月27日，紐約時報對OpenAI抓取版權保護文本提起訴訟，揭開了生成式AI技術環境下數據產權爭端的序幕。

不同場景的AI模型對數據資源各有不同的需求。無論是應用多模態人工智能技術實現智能金融迭代，還是應用大數據打造短長尾的普惠金融，都要求建設高品質、高效率的數據要素共享體系。

中共中央、國務院《關於構建數據基礎制度更好發揮數據要素作用的意見》(數據20條)明確了數據產權制度、數據要素流通和交易制度、數據要素收益分配製度、數據要素治理制度的規範。提高數據品質，擴展數據規模，促進數據流通，實現數據共享，發掘數據價值，保護數據安全，是發展數字經濟的動能。重點是完善數據要素市場體制機制，填平數據鴻溝，增強數據要素共享性、普惠性，提高數據要素供給數量和質量，有效防範和化解各種數據風險，深化開放合作實現互利共贏。

在數字安全方面，偏於審慎的觀點認爲，以生成式AI模型和視頻生成模型Sora爲代表的人工智能最新技術處於起步階段，算法和模型不夠清晰不夠透明，將尚不成熟的人工智能技術投入高風險的金融領域，可能放大現有風險併產生新的風險。因此，智能金融創新必須以AI信任與AI安全爲前提，實現符合倫理標準的金融平等，保障符合安全標準的金融效率，營造符合經濟規律的創新模式。

對於智能金融創新，過多依賴自律可能導致壟斷和行業風險，過於嚴苛的監管則可能抑制創新和產業發展。可考慮的原則是：技術創新力求“高中”，“高”是引領創新佔領高地，“中”是接地氣的中國方案；風險管控力求“初小”，“初”是有能力把風險消滅在萌芽狀態，“小”是實現風險概率和風險成本的最小化。

這就要求加快智能金融監管創新。例如，制定法律法規，明確智能金融各參與方的責任邊界，包括智能金融監管的基本原則、監管機構的職責和權限、金融機構的智能金融業務規範；建立穿透式、一體化、跨局域的智能金融協同監管系統，實現監管信息共享；建立智能金融技術審覈認證制度，完善AI大模型的測試平臺、工具、標準和方法；建立智能金融風險分析和監測系統，及時識別、評估並提前預警異常交易和市場操縱，主動預防系統性風險；允許在監管沙盒機制下試行智能金融業務突破性創新，累積監管經驗和數據支持；積極參與構建數字經濟國際規則和數字技術通用標準，加強智能金融國際監管協作和交流，在數字經濟國際規則建設中爭取中國的話語權，在數字技術通用標準建設中爭取中國的“定位權”。(中新經緯APP)

本文由中新經緯研究院選編，因選編產生的作品中新經緯版權所有，未經書面授權，任何單位及個人不得轉載、摘編或以其它方式使用。選編內容涉及的觀點僅代表原作者，不代表中新經緯觀點。

責任編輯：張芷菡