技术引领，策略升级：腾讯云与你共探数字金融新篇章

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。

吴悦宁介绍了腾讯最具价值专家（TVP）这一荣誉称号的意义。它不仅是对在信息技术领域做出突出贡献的专家的认可，还是对引领行业信息技术创新和变革的先驱们的感谢和鼓励。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。