打通“金融-科技-産業”深度融合痛點難點-新華網
新華網 > > 正文
2024 05/27 08:03:37
來源:經濟參考報

打通“金融-科技-産業”深度融合痛點難點

字體:

  在新一輪科技革命和産業變革加速演進的大背景下,“科技-産業-金融”三者深度融合,構建富有競爭力的現代化産業體系,成為實現高質量發展的必由之路。在不斷加大賦能科技創新的同時,金融業也在探尋自身新質生産力的實踐路徑,而近年來人工智能等新技術的蓬勃興起,正在為金融業帶來顛覆性變革。

  金融活水滋養新質生産力

  近期,一系列政策文件密集&&,從多角度推動金融業支持培育新質生産力。

  4月,金融監管總局、工業和信息化部、國家發展改革委聯合發布了《關於深化製造業金融服務助力推進新型工業化的通知》。該文件明確提出,銀行保險機構要深入實施創新驅動發展戰略,助力推進新質生産力發展。

  5月,金融監管總局印發《關於銀行業保險業做好金融“五篇大文章”的指導意見》(下稱《指導意見》),旨在深入貫徹落實中央金融工作會議關於做好科技金融、綠色金融、普惠金融、養老金融、數字金融“五篇大文章”的決策部署,在中央金融委的統籌指導下,圍繞發展新質生産力,切實把金融“五篇大文章”落地落細,提高金融服務實體經濟的質量和水平。

  作為金融“五篇大文章”之首,科技金融是指服務於科技企業的金融體系,通過將信貸、債券、股權等金融資源進行整合,為科技企業提供符合生命周期的融資,實現金融資源與科技資源的有效對接,激發企業的科研活力,推動科學技術産業化,成為驅動科創企業發展的必需動力。《指導意見》強調,要聚焦卡點堵點提升科技金融質效,結合科技型企業發展規律和特點,為科技型企業提供全生命周期金融服務。

  在地方層面,近期已有江蘇、河南、陜西、新疆、安徽等多個省份的金融部門相繼發布與支持發展新質生産力相關的指導性文件。

  日前在石家莊正定舉辦的2024年“科技産業金融一體化”專項路演暨國家産融合作&&上線三周年交流活動上,工業和信息化部副部長辛國斌透露,“科技産業金融一體化”專項是産融合作工作的創新性探索。國家産融合作&&上線三年來,目前已累計幫助企業融資超過8300億元,入庫優質企業29萬餘家,入駐金融機構2400多家。

  據介紹,“科技産業金融一體化”專項由工業和信息化部會同證券交易所和各類投資機構自2021年起實施,引導各類資本投早、投小、投硬科技,為提高科技成果轉化和産業化水平構建持續穩定的創新投入機制。同年,國家産融合作&&上線,該&&是依託工業和信息化部及相關單位數據資源設立的非營利性公共服務&&,通過這一&&建立起科技産業金融協同合作機制,助力推動科技創新與産業創新深度融合。

  業內人士認為,新質生産力以全要素生産率大幅提升為核心標誌,特點是創新,關鍵在質優,本質是先進生産力。科研攻關、科技成果轉化等都離不開金融支持。推動金融更好地服務科技創新,做好科技金融這篇大文章,實現科技與金融相互促進、相互賦能,才能更好地助力新質生産力加快形成,強勁推動高質量發展。

  金融科技加快創新迭代

  在金融活水不斷滋養新質生産力的同時,金融業自身的新質生産力也在逐漸顯現。隨著金融科技的快速發展,金融機構一方面夯實數字化基礎能力,以大數據、雲計算、區塊鏈等數字科技為基礎,打造安全、合規、統一的技術&&底座,另一方面持續數字化服務創新,持續優化數字化服務流程,加快數字金融産品創新和迭代,激活金融服務新功能。

  北京市特聘專家楊曉靜介紹,廣義的金融科技指各類技術帶來的、能夠影響和改變金融市場、金融機構或金融服務的提供方式的創新。中國金融科技處於全球第一陣營,特別是在移動支付方面。中國人民銀行發布的2023年支付體系運行總體情況顯示,2023年銀行共處理電子支付業務2961.63億筆,金額3395.27萬億元,其中,移動支付業務總金額達到555萬億元,同比增長11.15%。今年3月,英國智庫Z/Yen集團與中國(深圳)綜合開發研究院聯合發布第35期全球金融中心指數報告(GFCI 35)顯示,深圳在金融科技發展水平方面排名繼續保持全球第四,僅次於紐約、倫敦和舊金山。

  “由於強大的消費者市場驅動的科技進步和崛起,海量的用戶需求提供了大量可落地的商業場景和商業模式,中國一直是全球最大的金融科技市場之一,我們在移動支付、金融反詐及身份識別、消費金融領域的發展領先全球,相關領域的企業、人才、技術也正積極‘走出去’運營,融入和影響著全球産業鏈。”楊曉靜説。

  隨著以大模型為代表的人工智能(AI)技術加速迭代升級,這一滲透力和顛覆性極強的技術也在改造和重塑金融業。作為多項國際國內互聯網金融及大數據應用相關專利發明人,楊曉靜的工作經歷剛好見證了AI技術在金融業發展歷程的三個階段。據她介紹,2010年至2014年,AI主要用於分析統計,她創辦的公司利用相關技術幫助資産管理機構進行績效及交易分析;2015年至2020年,互聯網海量非結構化數據(包含地圖時空數據)為機器學習提供了基礎,AI可以用於找到新的投資因子,涌現出了百度等互聯網企業與資管機構合作發行大數據基金的行業創新;2020年之後,應用的涌現集中在大模型疊加金融領域的專屬知識,並用Agent(智能體)來承載智能投顧、智能客服,從而真正替代了部分生産力。

  “美國開放人工智能研究中心(OpenAI)將金融視為技術落地首選,先是與摩根士丹利合作推出了基於GPT-4的機器人投資顧問,又于5月14日發布GPT-4o之後,與美國知名論壇、美股散戶大本營Reddit合作,使得OpenAI能利用社區內容來訓練模型,引發資本市場廣泛關注。”楊曉靜介紹,從國內的布局情況來看,工商銀行、農業銀行等多家銀行已推出自研大模型&&輔助智能風控、智能運營等場景,一些面向個人用戶的互聯網證券&&,例如東方財富、同花順也都在網信辦備案,發布了金融對話大模型。

  防控風險更好推動科技創新

  業內人士認為,以金融創新撬動科技創新,推動生産方式向更智能化、高效化、綠色化、安全化的方向發展,是新質生産力的核心驅動力之一,但在金融科技創新過程中,把控其與風險防控、價值效能與資源投入的平衡關係,是金融業發展新質生産力的痛點與難點。

  “在金融大模型發展的第一階段,監管落地完善、業態覆蓋豐富,從銀行、保險到證券等領域技術的供應方積極性也高,應用成果顯著。”楊曉靜告訴記者,但也存在短板和隱憂,比如大模型等核心技術和應用,其實來自於基礎知識和理論的突破,而在這方面我國生態配套和長期投入還不夠完備,另外,相關領域的人才培養也剛剛起步,這兩個短板關係到能否持續領先,亟須引起關注。

  更為重要的是,金融行業對風險管理和安全性要求非常高,需高度關注模型風險監管、用數安全和倫理治理三大關鍵點。首先,模型風險需要有技術應用規範和監督。大模型具有複雜結構和非常多參數,可解釋性、安全性等方面都面臨挑戰。比如模型應給出公正、透明、安全的結論,否則會造成技術信任風險。

  其次,安全用數很關鍵。金融數據含有高價值、高敏感的信息。比如跨境金融場景中,包含了用戶的個人隱私信息、企業信息、經濟活動信息,需要嚴格遵守《非銀行支付機構監督管理條例》來使用數據。比如在流出端,支付機構也需盡量確保共享個人信息的“最小必要”,雖然短期看會帶來一些大模型結果不佳等問題,但長期看,數據在一個統一標準下進行開發流動,才能長治久安,不斷提升行業服務水平、促進業務創新。

  第三,倫理治理和可問責性要加強。金融領域要求嚴謹,但大模型有智能幻覺,比如金融大模型在證券市場中,面向個人投資者做出虛假的、誤導投資的投顧服務,就會造成嚴重的經濟損失。算法如果造成財産損失,能否被問責?這些問題都要未雨綢繆,事先厘清。

  “縱觀歷史,每一次産業革命都始於科技創新、成于金融創新、興于産業創新,金融創新牽引新技術持續投入産業體系,促使産業發生跨越式變革。”辛國斌在前述活動中説,當前新一輪科技革命和産業變革深入發展,要深刻把握新時代推進新型工業化的基本規律,不斷推動金融創新適配科技成果轉化和産業化需求,因地制宜培育發展新質生産力,加快建設以科技創新為引領、以先進製造業為支撐的現代化産業體系。(記者 吳蔚)

【糾錯】 【責任編輯:冉曉寧】