网站开发哪个公司好,旅游网站建设规范,网络销售话术和技巧,wordpress媒体库搬家引言 2024 年 3 月 27 日下午#xff0c;在北京腾讯总部#xff0c;一场关于大模型与数据要素时代数字金融发展的深入讨论火热进行中。【TVP 走进腾讯#xff1a;大模型与数据要素时代的数字金融发展论坛】是在腾讯二十年发展历程和数字化实践的基础上#xff0c;进一步探索…引言 2024 年 3 月 27 日下午在北京腾讯总部一场关于大模型与数据要素时代数字金融发展的深入讨论火热进行中。【TVP 走进腾讯大模型与数据要素时代的数字金融发展论坛】是在腾讯二十年发展历程和数字化实践的基础上进一步探索科技如何引领高质量发展的重要尝试旨在探讨数字金融领域的前沿动态、技术创新和未来发展路径汇集了腾讯云 TVP 和行业头部机构的专家学者围绕着大模型和数据要素的发展趋势和最佳实践共同绘制数字金融的发展蓝图。 “科技创新逐渐成为一种新的变量引领整个企业高质量发展最大的增量。”主持人腾讯金融云商务总监 李舒君在开场时说道。本次论坛是对过去科技成就的回顾也是对未来创新方向的擘画。在这个大模型和数据要素不断演化的时代每一位参会专家都是自己领域中的领航者他们的实战经验和深入洞察将为本次论坛提供极具参考性和前瞻性的指引。 嘉宾致辞 在这场聚焦于大模型与数据要素时代的数字金融发展的论坛中腾讯云产业金融副总经理 吴悦宁的致辞为会议开启了序幕并对与会的领导和嘉宾在百忙之中抽出时间参加此次活动表达了感谢。同时
他提到腾讯金融也期望借助“TVP 金融行业大使”的奖项与更多的行业领导者合作共同为我国智慧金融做出贡献。
吴悦宁认为中国经济的转型为新质生产力的培育和形成提供了难得的机遇。他强调大数据、人工智能等新技术正在为多个行业赋能成为科技自立自强的先锋。吴悦宁还详细说明了国家层面出台的多项政策旨在推动大数据和人工智能行业的发展加快构建数据要素市场提升自主供给能力。最后他强调了数据和人工智能价值的核心在于应用并分享了腾讯在大数据和人工智能领域的实际应用案例同时期待与行业专家和学术界共同思考和探索共同努力推动新质生产力的发展。 新质生产力数据要素X与人工智能的融合之道 在吴悦宁的致辞后清华五道口“数字中国”项目高级主管、腾讯云 TVP 唐昕龙以丰富的数字化领域经验在论坛上就《数据要素 X 和人工智能视角下的新质生产力》进行了分享。他对“新质生产力”这一概念进行了深入讨论明确地将其与“数据要素 X”和“人工智能”联系起来。唐昕龙强调新质生产力不仅仅是一个高新技术的集合它还代表着在当前快速变革的社会经济环境中传统产业与新兴技术结合的创新发展路径。他认为新质生产力的发展对于推动社会生产力实现新的跃迁至关重要特别是在数据要素和人工智能技术迅猛发展的今天。 此外唐昕龙在演讲中还强调了数据资产的认定和应用对于企业及行业转型的重大意义。在去年年底中国国家数据局联合其他部委发布了数据要素 × 三年行动计划旨在放大、叠加、倍增数据要素的效应将数据作为关键的数字经济要素来推动高质量发展。例如有的企业和机构正在积极探索如何将数据资源进行评估和确认为资产进而用这些数据资产作为投资、融资和业务发展的基础。这一变革不仅限于高科技或互联网企业也逐渐影响到传统行业。他还提到数据资产在财务报表中的确认和入账对企业估值的潜在影响。如原本被视为轻资产公司的互联网企业通过确认数据资产可能在财务上展现出更加坚实的资产基础。他指出这种转变不仅提升了数据本身的价值也为企业带来了新的发展机遇和挑战。 接着他深入分析了“人工智能”在中国的发展趋势与应用指出中国和美国的不同表现。他提到美国的人工智能发展重点在于 C 端应用如文本、图像处理、视频内容创作甚至音乐制作等而中国则更加注重人工智能技术在产业垂直领域的深入应用旨在实质性提高不同产业的生产力。唐昕龙强调中国的这种“又沉又重”应用方式可能为产业提升带来更高的价值。此外他还提到各地政府正在积极推动“人工智能”策略深圳和上海等城市已经将其纳入“十四五”规划展现了国内对人工智能应用于产业发展的高度重视。 而中国的领先企业如腾讯正在专注于如何将其模型和技术应用于实际产业中例如金融行业、供应链金融和消费金融等以此推动行业的效率和发展。 科技与金融的融合探索数字金融的五大领域 紧接着CCF TF 数字化转型与企业架构 SIG 主席、腾讯云 TVP 王超也在演讲中提出了他对数字金融及其在当前金融科技领域中的重要性的深刻见解。作为中国计算机学会大数据专委会的一员王超老师拥有丰富的金融科技产品研发经验包括云存储、电子认证、大数据及 AI 等领域。他曾参与组织国家金融科技应用创新试点并牵头多项重大项目目前专注于云计算、大数据、人工智能等技术在金融领域的应用。 王超的演讲主要围绕《以数字金融为支撑做好金融五篇大文章》展开。他首先提到数字金融应当被视为金融五篇大文章的技术底座涵盖硬件技术如云计算以及各类软件和数字技术包括 AI 技术。 数字金融不仅面向银行提供服务而且涵盖广泛的非银金融机构是金融机构数字化转型的基础。王超解释了五篇大文章的概念包括科技金融、绿色金融、普惠金融、数字金融和养老金融。这些方面涉及金融领域的不同部分其中数字金融作为基础涉及硬件技术、软件技术和 AI 技术等但核心都建立在数字金融化的技术之上。例如科技金融不仅依靠银行还需要资本、基金等多方面的支持绿色金融则围绕节能减排技术实现高质量的发展普惠金融的发展受益于互联网公司的大数据模型和建模已在老年人群体中广泛应用。养老金融则是对个人养老服务的重视。 最后王超还讨论了数字金融在金融数据采集与整合、数据计算与处理、数据算法与建模等方面的应用。他特别强调了数据应用与保护的重要性指出金融行业需要平衡数据共享和个人隐私保护以及数字金融如何帮助实现无场景不数据无场景不金融的愿景。 零售信贷生命周期管理大数据风控的实战经验与策略 在应用落地方面睿智科技解决方案总经理 王文香带来了《零售信贷全生命周期大数据风控的最佳实践》的分享。王文香曾任职于 FICO 和 IBM在金融科技行业深耕 18 年。在探讨零售金融时王文香特别指出中国零售金融市场的巨大规模即2023 年末达到的 80.9 万亿人民币其中住房贷款、个人经营性贷款和消费金融贷款占据了市场的大部分。 她详细描述了不同金融机构在零售金融市场中的角色和地位如银行、互联网金融平台、消费金融公司和汽车金融公司等。王文香特别强调了这些机构在风险管理和产品创新上的不同策略。她还提到了数字金融市场的不同参与者从大型银行到小贷公司每个机构都在尝试通过创新的金融产品和服务来应对市场挑战。王文香深入探讨了金融机构如何进行有效的风险控制并特别强调了大数据技术的关键作用。她提出了几个关键领域来优化金融机构的全面风险管理体系 ● 风控体系的构建这个体系应该充分利用大数据技术。风控体系的根基在于有效地利用内部和外部数据并将这些数据整合到风险评估和管理决策中一个全面且灵活的风控体系包括数据采集、系统平台支持、决策科学体系的建立和专业团队的构建
● 决策科学体系的搭建 构建一个精细化的决策科学体系对于风险管理至关重要。这涉及到使用先进的分析和建模技术来支持更准确和科学的决策过程。这个体系应该能够提供清晰的风险评估帮助金融机构更好地理解和管理其贷款组合的风险。
● 风险评估模型的应用 能够捕捉和分析大量数据从而提供对潜在风险的深入洞察。这些模型需要定期更新和优化以确保它们反映市场的最新趋势和变化
● 数据驱动的风险管理通过利用大数据和高级分析工具金融机构可以更准确地识别风险并采取预防措施
● 风险管理的持续优化风险管理是一个持续的过程需要金融机构不断地评估和调整其策略和工具以应对市场的不断变化。 金融行业的AI新时代探索大模型技术的实用化与前景 大模型技术的出现为数字金融的发展注入了新的活力也为我们提供了更加广阔的思考空间和实践平台。近一段时间以来腾讯全面拥抱了大模型技术特别是腾讯混元大模型它致力于打造“从实践中来到实践中去”的实用级大模型。在这个背景下非常值得探讨的是大模型在金融场景中的发展路径和未来的布局。为了深入理解这一主题 腾讯云大模型专家 张翔带来了《大模型的认知与实践》的专题分享深入探讨大模型在金融领域的应用现状和前景。
首先张翔对大模型技术的发展路径进行了深入的分析指出大模型的快速进步和趋向多模态的发展趋势强调了这些模型能够处理复杂的数据类型如音频、视频并越来越接近于人类的理解方式。大模型的发展正越来越快模型的迭代加速标志着 AI 技术迈向更高级别的智能。 对于大模型在金融领域的实际应用场景张翔列举了多种金融场景中的大模型应用例如舆情管理、内部知识管理、风险控制等展示了大模型技术如何深入到金融行业的各个方面。值得注意的是张翔强调了“提示词工程”的重要性这是利用大模型技术的关键环节。通过精准的提示词可以引导大模型提供有用的输出从而更好地适应特定的业务需求。他提到这种技术已被广泛应用于多个国外知名 App比如游戏 NPC 和文本编辑辅助。在金融领域这种技术同样具有广泛的应用前景例如在风险评估、客户服务等领域。另外他还提到 “搜索增强型”(RAG)模型的概念。这种模型通过结合搜索技术增强了大模型处理长文本和复杂数据的能力为金融分析和决策提供了更强的支持。 在谈及企业如何利用大模型时张翔指出企业应根据自身需求和资源选择适合的模型规模并强调了透明性和可解释性在模型应用中的重要性还需要对模型进行持续地优化并建立相应的技术、人才和数据基础以支撑模型的应用。 在现场提问中张翔还回答了关于“大模型可信度”的问题。他表示首先要考虑的是大模型的透明性和可解释性。要解决这个问题依赖于模型厂商对模型价值进行的强化训练和相应措施。实际应用中首先要确保模型不会对产业品牌或公司品牌提出危害性问题这需要通过安全隔离的措施来实现。其次要确保模型回答的相关性即问题的预期回答范围。可以通过 RAG 等工程手段对常见问题进行聚类和限制使得模型的回答在预期范围内。 对于不同结果的出现主要原因可能是由于模型训练时使用的数据集的时间基线不同。例如使用 10 年前的数据集训练模型可能会回答出 10 年前的信息。此外存在所谓的“模型幻觉”即模型可能会产生不准确的回答。针对特定领域的问题可以通过数据范围的限定结合工程应用提高准确度并在回答中明确引用的数据出处。 数据要素引领生产力数据要素市场化的深度解析 论坛的最后腾讯金融云大数据专家 刘继峰带来了《腾讯云金融云数据要素市场化实现路径及实践探索》的主题分享。他强调了新质生产力概念在当前时代的重要性其中包括科技、人和要素三个要素特别是数据要素在生产力中的核心地位。 首先刘继峰提到国家层面的数据政策特别是“数据二十条”为数据的所有权、使用权和收益权提供了法规基础。这一政策强调了数据流通和利用的重要性这是实现数据要素高质量流动的关键。接下来他提到财政部关于数据资产入表的政策这标志着数据交易将被纳入税收体系。他还提及国家数据局的成立它将负责整体的数据基础设施和制度建设。刘继峰强调数据局对于 12 个重点行业和 300 个场景的聚焦是对数据质量和行业应用的重视。 对于企业而言特别是在金融领域刘继峰阐述了如何构建和利用数据平台。他提出满足监管合规和业务发展需要数据处理平台应具备“1024”的能力其中“1”代表多数据源统一汇聚到湖内及数据经过整合后具备权威性、准确性及一致性的能力“0”代表数据灵活及弹性的部署能力可以部署在云主机、裸金属、容器及物理机“2”代表两种批量和实时两种数据处理方式“4”代表四种服务形态批量视图类、API 类、实时类、图形化类四种服务能力。他还强调了物理入湖和逻辑入湖两种入湖方式对多发人实体机构的重要性。此外他提及了数据开发治理一体化平台通过技术手段解决开发和治理两张皮的问题提升数据开发效率、跨域协同难推进等问题。 刘继峰分享了两个国家级数据要素市场化的样板工程案例。第一个是某市的案例腾讯云联合合作伙伴支撑某市大数据集团构建公共数据运营平台实现公共数据授权、确权、加工、评估、流通全流程要素能力助推企业智改数改并完成某省首批企业数据资源入表工作为产业公共数据授权运营提供实践经验。第二个是某省的金融综合服务平台它解决了小微企业融资难题通过技术手段提升了数据的可用性和时效性优化了贷款和理赔流程。他强调这些案例展示了数据平台在公共服务和金融领域的应用潜力。 最后刘继峰介绍了腾讯云的数据产品和服务如何与这些国家级政策和实践相结合包括湖仓一体化数据平台、数据开发治理一体化产品以及数据安全可信的基础设施。这些工具和服务展现了腾讯在数据要素领域的能力和对数据安全、监管合规的重视。 结语 随着此次论坛的圆满结束我们不仅深入探索了大模型与数据要素更见证了传统产业在数字化浪潮中的蜕变与重生。展望未来我们坚信数据作为新型生产要素将继续推动新质生产力的蓬勃发展为传统产业的数字化升级注入强大的动力。腾讯云 TVP 将继续与行业携手共同探索数字技术的边界将智慧和创新的力量带入每一个行业共创一个更加繁荣和智能的未来。 现场花絮集锦
