应用、数据、人工智能结合，生态化推动生产力发展
作者：盘和林 浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员
近日，科技部等六部门联合印发了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》。随后科技部又公布了《关于支持建设新一代人工智能示范应用场景的通知》，发布了人工智能十大应用场景，包括智慧农场、智能港口、智能矿山、智能工厂、智慧家居、智能教育、自动驾驶、智能诊疗、智慧法院、智能供应链。人工智能和应用融合发展的路径逐渐清晰。
为何要通过政策面推动人工智能应用领域的发展，这是由诸多因素说决定的：
其一、人工智能的发展依托于应用。人工智能技术被公认为驱动传统产业发展的重要推力，是未来提升人类物质世界生产力水平的主要方式。但人工智能的发展方式和其他传统科学技术并不相同。近20年的人工智能依托于机器学习算法的普及。人工智能通过“吃数据”（通过算法进行数据训练）的方式来提升智能水平。互联网和物联网虽然能够产生大量数据，但这些数据由于数据本身异构性，复杂性，往往很难被特定人工智能所使用。所以人工智能的发展是先有应用，然后通过应用回收数据，利用数据来训练人工智能提升智能水平的发展方式。人工智能的发展土壤本身就不在实验室，而在于实际的应用当中。可以说没有实际应用，就无法推动人工智能技术水平的发展。
其二、人工智能和实体产业结合，能够解决实体产业的难点痛点，并提供产业优化的数智化方案，推动产业数智化转型。人工智能是一种实际的应用技术，也是解决实际问题的一种思路，人工智能能够解决现实产业实践过程中的难点痛点。但传统企业在利用人工智能工具的时候往往缺少思路。此时，通过应用试点的方式，能够起到示范性作用。可以通过人工智能应用试点，推出一些较为成熟的人工智能应用方案。
其三、人工智能和产业结合，可以打造新产品、新业态和新商业模式，以拓宽实体企业经营思路。比如人工智能和家居结合的智慧家居，就为家居产品提供了很多附加功能，智能门锁、智能语音控制、扫地机器人等智能化产品飞入寻常百姓家，拉动了新的需求。人工智能不仅对实体企业有存量上的优化，更是通过创新来缔造经济增量。
其四、将有限的人工智能产业资源定向投放到示范应用当中，集中力量寻求突破。人工智能的人才是有限的，而人工智能应用领域广阔，行业非常细分，同样是视觉神经网络，可以应用在自动驾驶，可以在工厂质检，也可以在管道运维，也可以在监控视频抓取，也可以结合MR技术实现虚拟应用。所以应用试点也是为了防止资源过度分散，以集中的资源来形成几个整体化的人工智能应用集成。将人工智能企业的单点技术突破融合为整体解决方案，从而提升人工智能技术应用的实用性。
其五、面向未来的人工智能发展生态。弱人工智能实现应用，融入到具体的场景当中，提升人工智能的实际使用率，同时在人工智能应用过程中回收数据，以数据强化人工智能的智能水平，推动人工智能从弱人工智能向强人工智能转变。当实现强人工智能，再将强化的人工智能应用到其他领域，扩大应用范围。继而再从相关应用中回收数据，实现人工智能应用的多元化。在这个过程中，人工智能应用推动应用普及，应用普及产生智能水平提升所必须的数据，数据强化人工智能，人工智能再推动新应用的普及。人工智能应用和数据之间形成相互强化的正反馈循环，形成人工智能可持续发展的整体生态。
综上，诸多关于人工智能应用的文件发布，说明我国管理层已经找到了发展人工智能技术的现实路径。政策将进一步推动人工智能应用落地和普及，而在此过程中，政府一方面将强化制度供给和配套硬件基础设施的供给，另一方面将以实际应用的示范效应，来引导人工智能技术的发展，并最终实现提升生产力水平的目标。
当然，人工智能的发展也离不开基础研究和基础设施。基础研究主要集中在算法层面，当前机器学习、深度学习理念下新算法模型不断涌现，需要研发更加高效的算法来助推人工智能技术提升。而基础设施主要体现在算力层面，当前东数西算、云网融合、双千兆等数字基建推进，都为我国人工智能应用普及奠定了坚实基础。
大数据、人工智能到金融科技
随着信息技术的快速发展和全球化经济的不断推进，大数据、人工智能和金融科技已成为推动现代金融行业变革的重要力量。这些技术的结合和应用不仅改变了传统金融服务的方式和范式，还为金融机构提供了更高效、智能和个性化的服务。本文将深入探讨大数据、人工智能在金融科技领域的应用，并探讨其对金融行业的影响。
首先，大数据在金融科技中的应用为金融机构带来了巨大的机遇。通过收集、整理和分析海量的金融数据，金融机构能够更准确地评估风险、识别市场趋势并做出相应的决策。例如，通过对历史数据和实时市场数据进行深度学习和模型建立，金融机构可以利用预测模型来预测股票价格、外汇波动等。此外，大数据还可以用于客户画像和个性化推荐，在产品设计和营销方面为金融机构提供更加精准的指导。
其次，人工智能在金融科技中的应用为金融机构提供了高度智能化和自动化的解决方案。通过机器学习、深度学习和自然语言处理等技术，金融机构可以自动化地进行风险评估、欺诈检测、信贷评级等任务。例如，机器学习算法可以分析客户的历史交易数据和行为模式，自动判断是否存在异常或可疑交易，并及时采取相应的措施。此外，聊天机器人和虚拟助手的应用也使得金融机构能够实现24/7的客户服务和支持。
最后，金融科技的发展对金融行业产生了广泛而深远的影响。首先，金融科技推动了金融服务的数字化和在线化进程，使得消费者能够更加便捷地进行支付、转账、投资和贷款等操作。同时，金融科技也促进了金融创新和新兴市场的发展。例如，移动支付、电子商务和区块链等技术正在改变传统金融体系的格局，为无银行账户、小微企业和发展中国家的金融包容性提供了新的机会。
然而，大数据、人工智能和金融科技的应用也面临一些挑战和风险。首先，随着数据规模的快速增长，数据的质量和安全性变得尤为重要。金融机构需要采取有效的措施来确保数据的准确性、完整性和保密性，以防止数据泄露和滥用。其次，人工智能和机器学习算法的透明度和可解释性也是一个关键问题。在金融领域，决策的透明度和可解释性对于合规性和风险控制至关重要。因此，如何设计和开发可以解释和验证的人工智能模型成为金融科技领域的研究重点。
为了应对这些挑战，金融机构和监管机构需要加强合作，建立适应新技术的监管框架和政策。监管机构应制定合理的数据隐私和安全标准，确保金融机构在大数据和人工智能应用中遵守法律法规。同时，监管机构还可以与金融机构合作，共同开展对新技术的评估和验证，以提高模型的可解释性和稳定性，减少金融风险。
综上所述，大数据、人工智能和金融科技的结合正在改变金融行业的面貌。它们为金融机构提供了更高效、智能和个性化的服务，促进了金融创新和金融包容性的发展。然而，应用这些技术也面临着一系列挑战和风险，如数据隐私和安全、模型的可解释性和道德伦理问题。通过加强监管合作、制定适当的政策和规范以及注重伦理和社会责任，我们可以最大程度地发挥大数据、人工智能在金融科技中的潜力，实现更加稳健和可持续的金融发展。
人工智能是智慧农业新风口
可以预期，以AI为代表的新一代信息技术将深刻影响智慧农业发展，用人工智能赋能农业成为一大命题。农业机械化已经让大田的粮食生产从体力劳动中解放出来。未来，农业信息化会让农民成为更体面的职业。
当最前沿的技术与最古老的产业相遇，会激荡出怎样的变革？日前，国内首款农业AI对话机器人发布，诸如“土豆出现烂根怎么办”“某地西瓜行情怎么样”“帮我找个杨梅采购商”这些问题都将得到回答。可以预期，以AI为代表的新一代信息技术将深刻影响农业发展，抓住人工智能这个智慧农业新风口成为一大命题。
农业AI应用正加速铺开。本世纪初，其在国内已露端倪，既有耕、种、收等智能机器人，也有病虫害探测、土壤墒情测报智能系统。近年来，具有自主知识产权的传感器、无人机、农业机器人等日臻成熟，出现在越来越多的农业场景中。2020年，农业农村部、中央网信办印发《数字农业农村发展规划（2019—2025年）》，提出加快农业人工智能研发应用。自ChatGPT发布以来，认知大模型技术持续进化，国内类似产品不断推出。在此背景下，农业领域大模型产品的推出自然不足为奇。
人工智能的农业应用非常广泛，涉及感知、决策、控制、作业等，农业AI对话机器人只是其一。传统农业的特点是靠天吃饭，而我国的智慧农业发端于物联网设备和与其对应的农业信息化系统，通过监测和改善生长环境，使农业生产更稳定可控。如今，叠加新一代信息技术，农业数据要素将持续发挥作用。比如，借助猪脸识别，结合声学特征和红外线测温，从猪的体温、叫声等可及时判断猪是否患病，从而预警疫情，科学养殖。
智慧农业是用科技武装农业，并牵引资本、人力、土地等多种生产要素。很多国家都把智慧农业作为优先发展方向，全球智慧农业呈现出两大特征。一是高度集成。各种设备与技术高度集成，物联网、大数据、人工智能、云计算等叠加交融，形成了智能生产系统。国土面积只有4万多平方公里的荷兰，就是在设施农业中集成智慧农业，每公顷能产出54.4吨蔬菜，是我国的2.4倍。二是数据融通。不只应用在生产领域，而是打通生产、加工、流通、销售环节，建立大农业数据库，实现产销高效对接。有的国家在此基础上建立农业展望制度，直接影响期货市场走势，拥有了主导世界农产品市场的战略武器。
现阶段，人工智能可以成为农业生产强有力的辅助，但远不足以完全替代人和人的决策。这与其发展程度有关。一方面，有数据，缺智慧。行业数据、社会数据、企业数据难以有效融合，缺少针对农业大数据的深度挖掘和分析利用，预测预警和配置资源等核心功能还远未发挥。另一方面，有示范，缺规模。由于门槛高、价格高，目前应用局限在少数主体上，不少地方存在增量不增效、技术脱离实际等问题。此外，人工智能的核心是数据、算法和算力，但是农业生产对象具有生物特性，比较效益又低，数据采集难、算法要求高、算力资源缺，导致落地难度大。
人工智能赋能农业是好事，但也急不得。大国小农是我国的基本国情、农情。再高大上的技术，农民和农企都面临是否用得上、用得起、用得划算的问题。一方面，他们追求增产、提质、节本，需要导入智能装备；另一方面，又有求稳心态，对短期成本收益敏感，对新技术应用有迟疑。可见，新技术落地不是一蹴而就的，要不断迭代优化，从而突破盈亏平衡点。要从实际出发，积极探索应用场景，打造内容丰富、模式多样、载体多元的解决方案，降低用户成本，务求实效实用。
农业机械化已经让大田的粮食生产从体力劳动中解放出来。未来，农业信息化会让农民成为更体面的职业。推动智慧农业发展，政府应聚焦农业公共基础数字资源建设，通过政策引导数字技术的产业应用。科研院所要把工程科技与农业生产相结合，研发攻关更多接地气的产品。各类资本则要以长期投资的耐心支持经营主体。农民和农企则要抓住新一轮信息技术机遇，提升品质、做强品牌，实现增值。