中国网财经11月14日讯(记者 朱玲)“未来金融机构的竞争力，很大程度上取决于你的数据库有多大，算力有多强，在此基础上训练出的金融垂类模型有多优。” 日前，在2023金融街论坛年会“科技助力金融业高质量发展”平行论坛上，北京金控董事长范文仲如此表示。
范文仲认为，金融有两个趋势：一是数字的资产化，二是金融的智能化。就金融的智能化而言，当前金融行业的智能化趋势日益凸显，智能金融新范式的加快普及发展，助推实体经济发展的转变，提高了金融的服务效率，延伸了金融服务的半径，拓展了金融服务的类别，降低了金融交易的成本，优化了风险管理方式，扩大了普惠金融的覆盖面和受益面。
去年以来，由于ChatGPT普及和推广，人工智能再次掀起了巨大的浪潮，受到了各界广泛的关注。范文仲表示，可以预见这种生成式的AI技术、大模型的建立将会对各个行业造成深远的影响。
“传统的金融机构还在靠分支机构获客、靠员工提供投资和银行服务。未来金融机构的竞争力，很大程度上取决于你的数据库有多大，算力有多强，在此基础上训练出的金融垂类模型有多优。”
范文仲认为，可以预见未来金融的竞争将是以“数据+算力”竞争为基础的大模型和算法的竞争，以及客户智能服务能力的竞争。
但范文仲也指出，人工智能大模型的发展需要突破两大瓶颈：一是数据，二是算力。这两个要素既耗费资源又耗费资金。“现在很多人都认为只有大公司才能做大模型，小公司没有可能。但我们认为，只要发挥我们的体制机制优势，推动实现技术创新和制度创新，完全可以实现小公司做大模型。”
从数据来看，范文仲指出，人工智能大模型的训练越来越依赖合格数据的提供，中小企业要发展人工智能技术往往缺乏数量足够大的多模态数据集，也无法保证数据来源的合法合规性，数据的可用度不高。
对此，他提出三条建议：一是依托数据要素市场建设，打造公共多模态的人工智能训练用大数据集。二是探索解决数据涉及的知识产权合规性问题。建议从法律法规层面进行研究，在知识产权部门的支持下先行先试，逐步出台明确训练用数据集合规性问题的规章制度。三是提高数据训练集的可用度。建议政府规划专项资金和引导政策，对数据清洗加工、人工标识和校准等相关产业进行扶持，构建产业生态。
从算力来看，范文仲指出，随着数字经济时代的全面开启，算力作为基础支撑，赋能作用日渐凸显。然而，我国算力市场发展面临以下挑战：第一，高质量算力资源不足且较为分散，进一步支撑人工智能大模型训练存在一定难度，并且逐步成为当前新的“卡脖子”问题。 第二，现在基于算力需求多样化、碎片化的特点，算力资源供需错配。第三，算力基础设施的建设，属于重资产和资本密集型的行业，前期投入大，技术迭代快，建设门槛高，要建设运营需要巨大的时间成本和资金成本，远远超出了中小企业的承受范围。
对此，范文仲建议：一是大力发展聚合计算的先进技术，科学组合不同类型的算力单元，实现计算密度、性能和效率的大幅提升。
二是打造统一的算力交易和调度平台，智能统筹调度城市以及周边的各类算力，为中小企业训练大模型提供价格低廉的普惠算力。 三是加大金融财政支持，进一步降低中小企业算力和数据的使用成本，涵养和培育持久的算力和数据流通生态。
