“數(shù)字金融的創(chuàng)新將會為長期經(jīng)濟增長提供新的動力?！?月26日，北京金融控股集團有限公司董事長范文仲在國際金融報首屆金融科技創(chuàng)新論壇上表示，展望未來，數(shù)字金融發(fā)展有兩大新趨勢值得高度關(guān)注和積極推動，一個是數(shù)字的資產(chǎn)化，一個是金融的智能化。

數(shù)據(jù)資產(chǎn)屬性尚未充分體現(xiàn)

“數(shù)字的資產(chǎn)價值挖掘?qū)⒋蟠筇嵘鐣?jīng)濟資本水平，提供經(jīng)濟增長的新引擎?！狈段闹僦赋?，數(shù)據(jù)作為一種核心要素資源，雖然具有普遍的使用價值，但資產(chǎn)屬性還沒有充分體現(xiàn)。只有實現(xiàn)確權(quán)、流通和交易后，才會從社會資源轉(zhuǎn)變成可以量化的數(shù)字資產(chǎn)，后續(xù)通過進一步金融創(chuàng)新，進而演變?yōu)樯a(chǎn)性的數(shù)字資本，真正釋放其內(nèi)在價值。

(資料圖片)

他認為，從原始數(shù)字資源、到數(shù)字資產(chǎn)、再到數(shù)字資本的不斷演進，正是數(shù)字經(jīng)濟發(fā)展的核心目標，也將為未來中國經(jīng)濟增長提供強大的資本來源，這才是真正的供給側(cè)改革?！暗珜崿F(xiàn)這個目標并不容易，需要做好很多基礎性工作”。

范文仲分析道，首先要做好企業(yè)數(shù)據(jù)確權(quán)基礎性工作，對數(shù)據(jù)資源進行盤點梳理，推動建立企業(yè)數(shù)據(jù)資產(chǎn)報表體系。按照不同的維度對企業(yè)數(shù)據(jù)資源進行分類，可分為管理數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、應用數(shù)據(jù)等三大類數(shù)據(jù)，其中前兩類數(shù)據(jù)屬于企業(yè)自有數(shù)據(jù)，權(quán)屬較為清晰；第三類數(shù)據(jù)，具有較高的市場價值，但權(quán)屬往往存在爭議。企業(yè)應按照不同維度建立數(shù)字資源的管理報表體系，如數(shù)據(jù)地圖或數(shù)據(jù)字典，并明確主責部門和主責崗位，設立首席數(shù)字官，進行統(tǒng)一的數(shù)據(jù)資源規(guī)劃管理。

其次，實現(xiàn)企業(yè)數(shù)據(jù)評估入表，挖掘資產(chǎn)價值。目前，在模擬企業(yè)數(shù)據(jù)資產(chǎn)入表探索中存在兩個痛點：一是如何對數(shù)據(jù)資產(chǎn)進行準確評估。目前有成本法、收益法、市場法，在沒有交易的情形下，只能用成本法定價，成本法的基礎是可靠計量；在有交易的情形下，可用收益法定價；在大量反復的交易情形下，可用市場法定價，它們之間相輔相成，可從成本法先起步。二是如何進行數(shù)據(jù)資產(chǎn)入表。對于不交易的數(shù)據(jù)資產(chǎn)計入無形資產(chǎn)，對于交易的數(shù)據(jù)資產(chǎn)計入存貨，但對于只交易使用權(quán)、不交易所有權(quán)的數(shù)據(jù)資產(chǎn)該如何計價？“我們認為它更傾向于無形資產(chǎn)。國際上關(guān)于數(shù)據(jù)資產(chǎn)入表的探索還比較滯后，建議我國在此領域進行持續(xù)創(chuàng)新”。

此外，先試點后推開，穩(wěn)妥推進企業(yè)數(shù)據(jù)開發(fā)利用試點工作。企業(yè)數(shù)據(jù)資源的開發(fā)利用，在很多領域尚無先例可循和法規(guī)支撐。為了穩(wěn)健推動創(chuàng)新，建議優(yōu)先選取數(shù)據(jù)資源豐富的國有企業(yè)或是在數(shù)據(jù)治理方面有一定基礎的中小企業(yè)作為試點，同時在會計、法律、評估等領域邀請頭部專業(yè)中介機構(gòu)參與聯(lián)合創(chuàng)新。建議在數(shù)據(jù)要素市場建設基礎好的地區(qū)開展試點，不斷完善配套制度建設，待成熟之后再向全國推廣，逐步建立起更為廣泛的數(shù)字經(jīng)濟基礎設施和制度體系。

小公司也可訓練大模型

“金融智能化將是未來的核心競爭力，小公司也可以訓練大模型。”范文仲直言，未來金融機構(gòu)的競爭力將是數(shù)據(jù)庫有多大、算力有多強等，建立在通用大模型基礎上的金融垂類專業(yè)模型，注定會取代那些標準化強、重復性高、有明確程序規(guī)范的傳統(tǒng)銀行、證券和保險業(yè)務。

但是，當前人工智能大模型的發(fā)展，需要突破兩大瓶頸問題：一是數(shù)據(jù)，二是算力。這兩個要素既耗費資源，又耗費資金?！昂芏嗳苏J為只有大公司才能訓練大模型，小公司沒有可能，表面上看確實如此。但是我們認為，如果能夠發(fā)揮體制機制優(yōu)勢，大力推動技術(shù)和制度的創(chuàng)新，小公司也完全有可能訓練大模型”。

為解決中小科技企業(yè)面臨的數(shù)據(jù)難題，范文仲提出了三條建議：

一是建設公共多模態(tài)人工智能訓練用大數(shù)據(jù)集。從國家層面建設統(tǒng)一的大數(shù)據(jù)集，歸集包括書籍、期刊、論文、公文、新聞、會議、劇本、圖片、報表、語音、視頻等各類高質(zhì)量數(shù)據(jù)。建議進一步發(fā)揮北京國際大數(shù)據(jù)交易所獨特的公信力作用和數(shù)據(jù)資源匯聚能力，加強與各類數(shù)據(jù)源機構(gòu)的合作，向廣大人工智能機構(gòu)提供統(tǒng)一高效的數(shù)據(jù)服務。

二是探索解決數(shù)據(jù)涉及的知識產(chǎn)權(quán)合規(guī)性問題。人工智能模型訓練所用的部分數(shù)據(jù)，可能存在知識產(chǎn)權(quán)爭議，例如書籍、期刊、論文等。建議從法律法規(guī)層面進行研究，在知識產(chǎn)權(quán)部門的支持下先行先試，逐步出臺明確訓練用數(shù)據(jù)集合規(guī)性問題的規(guī)章制度。

三是提高訓練用數(shù)據(jù)集的可用度。人工智能模型訓練用的數(shù)據(jù)集來源分布廣泛，格式千差萬別，質(zhì)量參差不齊。為了達到人工智能大模型訓練的要求，原始數(shù)據(jù)需要經(jīng)過多次清洗加工，訓練過程還需要進行人工標識和校準，上述工作均需專業(yè)人員完成。建議政府規(guī)劃專項資金和引導政策，對相關(guān)產(chǎn)業(yè)進行扶持，構(gòu)建產(chǎn)業(yè)生態(tài)，助力人工智能發(fā)展。

記者 王瑩

編輯 陳偲

責任編輯 孫霄

—— / 好文推薦 / ——

點亮“在看”，你最好看！ (*╯3╰)

關(guān)鍵詞：