从国有资本运营视角看人工智能技术：影响、趋势及应对策略-sbobet利记官网

近期，以chatgpt为代表的人工智能技术引起了广泛热议。本文结合国有资本运营公司实际，对人工智能技术的影响与发展趋势进行了系统研究。主要研究结论有：（1）运营公司主要通过财务投资和技术应用两个渠道参与人工智能实践。（2）金融ai已有成熟应用，未来重点关注量化、投研、投顾领域；ai技术正推动现代企业效率提升和数智化转型，存在较大潜力。（3）深度学习大模型范式的技术红利推升话题热度，但通用人工智能尚未实现，人工智能能否掀起新一轮工业革命关键在于智能制造。同时，提出三点建议：一是应用人工智能技术提升资本运营能力；二是科学、系统投资布局人工智能前沿；三是加强与人工智能技术头部企业的战略合作。

近期，chatgpt及人工智能领域备受关注，投资热度迅速升温。比尔·盖茨认为“其意义不亚于互联网和个人电脑的诞生”，微软ceo纳德拉形容为“堪比工业革命的影响，将所有人带入数字化浪潮”。在此事件背景下，本文立足运营公司视角，研究和回答了三个方面的问题。（1）人工智能与国有资本运营公司业务哪些关联？本报告进行了梳理。（2）人工智能技术的快速发展有哪些影响和启示？本文重点分析了人工智能代表性技术在金融和产业领域^〔1〕的应用价值和影响。（3）人工智能是否预示新的工业革命的开端？本文对相关发展趋势进行了研判。最后，结合运营公司实际，提出了初步的应对策略。

一、人工智能与运营公司业务关联度分析

人工智能（ai）是一个相对笼统的泛化概念，一般指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。从技术端看，机器学习（ml）是实现人工智能的核心，即利用计算机基于数据构建模型并进行分析和预测。当前，大数据、云计算的快速发展以及机器学习深入方向即深度学习（dl）的突破正推动人工智能实现跃阶，数据、算力、算法成为人工智能的三大核心要素。

人工智能与运营公司业务紧密关联。一方面，人工智能作为有望引领未来的关键科技已上升到国家战略层面，如中国、美国分别出台《新一代人工智能发展规划》《国家人工智能研究和发展战略计划》，力争在新一轮科技竞争中掌握主导权。国有资本运营公司承担着支持实体经济与助力战略性新兴产业发展的使命职责，应当在服务落实国家战略、实现关键核心技术自主可控、强链补链方面发挥积极作用。另一方面，人工智能应用领域与运营公司业务布局存在交集，存在融合度进一步加深的潜力。

运营公司参与人工智能实践有“投”与“用”两大渠道。一是“投”，即通过财务性投资帮助人工智能企业成长、助力战略性产业核心竞争力提升。二是“用”，即以人工智能sbobet利记官网的技术支持国有资本运营事业。

二、人工智能代表性技术的应用及影响

鉴于运营公司业务布局与金融高度相关，并且承担服务实体产业的功能，下文从金融和产业两个角度分别分析人工智能代表性技术的应用价值及影响。

（一）金融业务领域

人工智能技术因其在结构化数据，及文本、语音、图像各类非结构化数据的挖掘与处理等方面所具备的出色能力，已成为促进金融科技发展的重要手段和推动金融行业数字化转型的关键力量。当前，金融人工智能正处于快速产业化应用阶段，逐步赋能产品、营销、风控、投研、客服及内部管理等全链业务领域，在解决人工成本高、大数据挖掘能力弱、信息不对称、业务流程同质化等传统金融行业痛点方面价值凸显，助力金融行业高效运营、增量业务、控制风险与优化体验。

整体来看，金融人工智能技术全景可分为基础层、通用层和应用层三层架构。其中，基础层提供底层软硬件和计算能力，通用层包括人工智能技术手段和模型方法，应用层为具体的行业场景。

图表1 金融人工智能全景架构

1.基础人工智能技术已得到广泛覆盖

就银行、证券、保险三类主体，身份识别、智能风控、智能营销、智能客服、智能合规、智能运营均已落地应用，采纳度和成熟度较高。例如，针对识录、校核、转接、提交等同质性重复工作和远程操作，均能有效缩短周期、提高准确性，减少人工投入和资源浪费；在投顾方面，均能根据客户特征提供个性化的选择方案。不同行业的需求和融合度有所差异。银行业务人工智能应用度较高，对用于精准吸储、信贷风控的分类、判别等学习技术有深度需求；证券和保险领域人工智能技术应用度参差不齐，相对而言仍有较大空间，投资、投研、投顾等有望成为增长点。

图表2 金融人工智能应用场景

2.量化投资、智能投研、智慧投顾迎来发展机遇

量化投资通过数量化方式及程序化计算进行决策，在控制风险的前提下实现收益最大化交易。人工智能与量化投资天然契合，通过模型训练处理大数据信息，代替人为的主观判断，具有纪律性、系统性、稳定性、依概率的特征，推动回测实证向实时决策转型。例如，全球最大资管贝莱德集团围绕其核心系统阿拉丁推出包括投资sbobet利记官网的解决方案在内的一系列sbobet利记官网的技术支持平台，建立人工智能实验室，构建风险管理的护城河。截至2022年末，贝莱德整体管理规模为8.6万亿美元，人均资产管理规模约为4.3亿美元。

智能投研在人工智能的加持下搜集、整理和解读宏观经济、资本市场中的海量信息。通过算法进行数据挖掘并根据实时经济数据迭代优化模型，从而对标的的发展趋势和风险进行预测，达到优化投资决策并实时监控风险的目的。例如，利用本文抓取和自然语言处理技术从新闻中提取市场情绪因子，并与产业链体系、企业图谱深度结合，可以形成对市场预期的综合判断。

智慧投顾以资产组合理论等金融投资理论搭建数据模型和算法，依据投资者的风险偏好、财务状况和收益目标，为客户自动生成个性化投资建议，并持续跟踪和动态调整投资组合。相较于人工投顾，智能投顾融合客户画像分析、投资分析算法、投后自动化管理为一体，具有科学性强、自动交互、个性定制、费用更低的优势，在买方市场下有较大的想象空间。

（二）产业投资领域

1.生成ai：助力效率提升的生产方式

生成ai（aigc）是文本、图像、音频等内容自动化生成的人工智能技术集合，包括内容孪生、内容编辑、内容创作三个层次的能力^〔2〕，涵盖多种深度学习模型。生成对抗网络（gan）于2014年提出，主要原理为：包含生成器和判别器两个相互竞争的神经网络，能够输出与源输入极为相似的新内容，例如ai换脸技术、图片转换技术等^〔3〕。变换神经网络（transformer）由谷歌于2017年提出，奠定了迄今为止在网络规模数据训练模型中的最高地位，核心算法是attention机制。两种最流行的基于transformer架构的自然语言生成技术（nlg）是bert和gpt，谷歌2018年发布的bert有3.4亿个参数，openai在2020年发布的gpt-3参数量则高达1750亿个，基于gpt-3改进的gpt-3.5即为chatgpt的技术基础。此外，近年来还提出clip模型（2021），diffusion扩散模型（2022）等。

图表3 aigc应用全景图

早期aigc在文本创作领域应用，按照固定模式提取语义或参照模板生成结构化内容，之后逐渐向音频、图像生成等领域推广，目前基于大模型非结构化协作等高度自由创作已具备落地空间，跨模态应用是未来发展趋势^〔4〕。

可以看到，“aigc ”以其真实性、多样性、组合性、创新性的生产方式，有望帮助企业提高生产效率，提供丰富、可交互的内容,特别是在制造、研究、设计、咨询、媒体、编程等领域提升价值创造。例如，“aigc 制造”赋能降本增效，“aigc 传媒”推动人机协同生产，“aigc 教育”赋予材料新活力，“aigc 娱乐”拓展虚拟空间，aigc正渗透到生产生活的各个领域。不过，aigc的效能高度依赖经验学习，目前来看尚不具备颠覆性的创新能力；同时，作为“黑盒”模型，可解释性差也是其弱点。

2.决策ai：企业管理数智化转型的助推器

决策ai泛指由人工智能实现动作控制、风险管理、运营规划、产品营销等复杂决策的技术集合，在获取环境信息后，人工智能行为和环境能够实现动态交互。本质上，决策ai替代行业专家从数据中挖掘业务规律并进行决策。

决策ai是实现企业数据智能的关键技术。决策ai在互联网领域率先落地，最典型的代表是通过推荐系统实现智能营销，包括协同过滤算法、基于标签推荐算法、组合推荐算法等。目前，决策ai已助力企业在判别、预测、预警、营销、运营等多领域转型。例如，能源领域，石油化工企业借力ai算法实现开采精准识别和设备安全预警；制造业领域，应用于产品研发、产线质检、排程优化等环节；医疗领域，提供药物研发、疾病筛查、个性化诊疗、高维基因数据分析新方案。着眼未来，决策ai还有巨大的应用和提升空间。

三、人工智能发展趋势分析

运营公司负有服务国家战略和助力战略新兴产业发展的功能，分析人工智能的长期发展趋势，对于公司前瞻性、战略性布局相关领域具有参考价值。

从原理上看，当前chatgpt爆火缘于深度学习大模型的技术红利。深度学习是人工智能从学术到落地的分水岭，其本质是包含多个隐层的深度神经网络结构（dnn），通过组合低层特征形成更加抽象的高层特征表示，以深入发现数据规律^〔5〕。深度学习演化出许多不同的网络拓扑结构，包含卷积神经网络（cnn）、递归神经网络（rnn）、长期短期记忆网络（lstm）、生成对抗网络（gan）、变换神经网络（transformer）。其中，基于transformer的大模型路线逐渐成为学界与业界的发展共识，chatgpt即是基于transformer架构及人类反馈强化学习训练的语言类大模型。不过目前来看，大模型存在训练成本高、对新增知识自动学习能力弱、无因果可解释性等短板。

尽管技术快速发展，但从整体来看，目前人工智能发展仍处于弱人工智能阶段。业内普遍认为，人工智能的演进过程，可划分为弱人工智能、强人工智能、超级人工智能三个阶段。弱人工智能（ani，也称狭义人工智能）是在特定领域执行任务的智能系统，几乎所有已出现的人工智能都属于这一范畴，如自动驾驶汽车、alpha-go、人形机器人等，从应用情景划分，产品包括文本类、语音类、视觉类和其他类。强人工智能（agi，也称通用人工智能）拥有较为全面的智慧能力，能够像人类一样思考和决策。超级人工智能（asi）是计算机能力超越人类的人工智能阶段。从算法原理和效果检验来看，chatgpt仍属于弱人工智能系统，但也标志着人工智能大模型的范式进入新的阶段，ai能力从感知逐渐向理解、推理跃升。随着理论研究的持续深入和实体产业的加速布局，通用人工智能的实现有望提速，但客观而言还有较远距离，具体取决于数据、算法、算力的综合因素。

人工智能能否掀起第四次工业革命，关键在于智能制造领域。纵观历史，工业革命本质上是制造业生产力的突变，第一次工业革命蒸汽机成为主要动力实现生产规模化，第二次工业革命以电动机发明为标志实现生产电气化，第三次工业革命依赖于计算机、互联网技术实现生产自动化。因此，人工智能如果能够在制造业领域取得关键突破，第四次工业革命则有望来临，实现生产智能化。智能制造受到各国高度重视，如德国“工业4.0”计划、美国“先进制造业”战略、“中国制造2025”规划等。从数据来看，2022年，我国高技术制造业增加值同比增长7.4%，对规模以上工业增长的贡献率为32.4%，工业新动能引领作用增强。

四、应对策略

结合运营公司实际，在人工智能应用日益广泛的趋势下，初步建议如下：

（一）应用人工智能技术提升资本运营能力

随着当前运营公司试点转入持续深化改革阶段，提升资本运营能力对公司实现高质量发展有重要支撑。人工智能与运营公司业务天然契合，在不少业务板块中均具有应用场景。建议参考一流金融机构的经验做法，探索加强人工智能技术应用，提升运营公司资本运营能力。

（二）科学系统投资布局人工智能前沿领域

随着人工智能技术的快速发展，出现了一批新的科技企业，资本市场对于具有核心技术的科技企业也给出了较高估值，投资者也获得了丰厚回报。建议加强人工智能技术趋势的跟踪研究，通过基金运作等方式，在人工智能前沿产业领域进行前瞻性、战略性布局，制定科学、系统的投资计划，推动人工智能关键核心技术创新协同攻关，促进人工智能产业强链补链。建议支持企业在人工智能的基础领域加大研发投入，特别关注数据中心和数字reits等数据产业、算力芯片业、智能制造产业，助力国家抢占核心科技的制高点。

（三）加强与人工智能技术头部企业的战略合作

人工智能技术具有很强的专业性，头部企业、科研机构技术储备充分，先发优势明显。chatgpt引起投资热潮，微软已宣布新增100亿美元扩大与人工智能研究实验室openai的合作关系，谷歌紧急投资了chatgpt竞品，百度、360、阿里巴巴与科大讯飞等企业也纷纷宣布推出同类项目计划。通过与头部企业、科研机构的战略合作，引进先进人工智能技术，有助于发挥“头雁”效应，为相关业务发展提供持久动力，把握技术变革出现的新机遇。

（国新咨询）

注释

〔1〕 客观而言，人工智能对经济社会、生产生活包括安全伦理等多个方面具有综合性的影响。基于研究目的，本文主要关注和讨论金融、产业相关领域。

〔2〕 中国信通院,京东探索研究院.《人工智能生成内容（aigc）白皮书》，2022。

〔3〕 例如，2022年伦敦大学学院的研究人员基于人工智能结合3d打印技术，重现了梵高已丢失的画作。

〔4〕 中金公司研究部，《ai十年展望（五）：从chatgpt到通用智能，新长征上的新变化》，2023。

〔5〕 从底层逻辑来看，人脑多数活动本质上归结为复杂函数的广义计算问题，而万能近似定理表明,深度神经网络在一定条件下能够近似任何可测函数，从而意味着人工智能有较高的理论智慧上限。