大模型引爆AI革命 机器会替代人吗？——访通联数据总经理蒋龙

“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。

据报道，中国在AI方面的学术产出，已经超越美国，位居世界第一。产业方面，中国已有不少较成功的AI公司，总体而言，美国仍稍微领先，我们在快速追赶。我相信，在不久的将来，中国的AI产业可望在很多方面领先全球。

中国基金报：为什么中国的AI能够有如此快速的发展？我们的优势和劣势分别是什么？您认为应如何扬长避短？

蒋龙：中国的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，以及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，中国的AI在很多方面快速赶上。我们最大的优势是中国人勤劳又智慧，尤其从小学开始就非常重视数学等基础学科。中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换成最终的产品和服务。

我认为，AI领域的基础研究和理论研究需要耐得住寂寞，受得了挫折。一个非常大的技术突破，需要很长时间的积累，而且中间过程可能看不到明显的收获。如果过度追求短期成果，可能会错失大的技术进步。

中国基金报：目前中国AI的基础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。但目前无论是产业化还是应用量，和领头羊仍有一定差距。但中国有很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。中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，因此中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，确实有很多积累。

“大模型为AI带来划时代变化”

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带来了哪些变化？

蒋龙：ChatGPT的使用效果很好，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。而世界上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，要解决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，但是，大模型本身每进步一点，它在所有场景中都会提升。因此我们可以期待，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优秀的大学毕业生，经过一段时间的专业训练，甚至可能成为某个领域的专家。Open AI创始人奥特曼就认为，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在投资中发挥的作用是否将超越HI（Human Intelligence,人类智能）？

蒋龙：AI和HI会在未来很长一段时间内共存。投研有大量非常复杂的逻辑分析和推理过程，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是否会在未来的某一天替代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什么，也通过同理心知道其他人可能需要什么，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，不可能成为人，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况？ 

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，很多的训练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。

但是，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工资，才能满足其衣食住行等多方面需求，而AI只需要用电。

但是，如果我们简单地从计算成本来看，AI优势可能需要再思考。毕竟，目前AI仍处于发展的初期，效率有待于进一步提高。现在无论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，两者耗费的成本是一样的；而人只需要用直觉“秒答”简单的问题，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，对于不需要深思熟虑的问题，可能只需要用大模型比如1%的算力或者参数来回答，从而大幅降低成本。

此外，大模型本身就是一个固定投入很大的项目，需要构建足够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企业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，大家把金融行业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），不需要自建大模型。

“AI大模型对金融行业影响深远”

中国基金报：本轮AI大模型热潮给包括金融行业在内的各行各业都带来了深远的影响。能否简单介绍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，金融是典型的智力劳动密集型行业，AI对金融行业的影响和帮助会非常大。

就拿资管行业来说，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，还能用不同的方法进行分析计算。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种是人没有考虑到的。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入到更有价值的事上。

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，能否简单介绍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需要的基础数据和另类数据。其中基础数据包括行情、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、高频数据等等。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。

工具则涉及包括数据分析、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的接受程度会有差异吗?

蒋龙：目前私募基金的积极性比较高。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程度上受益于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并不多，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风险心存疑虑。日前在全球AI与可持续投资论坛上，银监会原主席、证监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管应如何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。它学到了什么，内部以什么形式去表达，相互间如何影响，我们对其内部机制并不完全清楚。所以我们要特别小心。尤其是金融行业涉及国计民生，在应用大模型时存在的一些潜在风险，可能会对经济带来比较大的影响。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，大家可以小规模地探索，一旦涉及到大量的资金或其他资源时，应引入更多外部的参与者，共同分析如何规避大的风险。

中国基金报：现在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，作为一个很重要的研究课题。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风险，看在哪些地方跟人类价值观没有对齐。

中国基金报：目前是否有较具公信力的机构，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什么？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，以及监管机构从他们的角度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痛点和难点是什么？应如何突破？

蒋龙：首先投资的好坏不太容易判断。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况下做出更好决策？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的逻辑未必能被人完全理解，或者AI的逻辑我们不一定认可，在AI的答案需要很长时间才能验证的情况下，我们就更难相信它。而人和人交流时，即便彼此观点不同，依然可以共同对背后的逻辑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他领域更大。因此需要时间去证明它的价值。

AI是人类发展史上非常重要的工具，它对我们的影响非常深远。因此，我们应对其高度关注，一方面促进它的发展，让它为我们所用；同时对其所带来的风险也要有足够的重视。