2022世界人工智能大会“数无疆·智无界”数据智能论坛精彩回顾|论坛|上海市|人工智能大会

　　2022年世界人工智能大会于9月1至3日在上海世博中心举行。世界人工智能大会(WAIC)由国家发展和改革委员会、工业和信息化部、科学技术部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会和上海市人民政府共同主办。

　　作为本届世界人工智能大会的合作伙伴之一,由数库科技主办,上海市城市数字化转型应用促进中心联合主办,智能投研技术联盟(ITL)、上海数据交易所、上海市人工智能行业协会协办,复旦大学人工智能创新与产业研究院、上海市经济和信息化发展研究中心、上海大数据联盟、华东师范大学长三角金融科技研究院、深圳数据交易有限公司、西南财大交子金融科技创新研究院支持的2022世界人工智能大会“数无疆 · 智无界”—— 数据智能论坛在上海世博中心拉开帷幕。

　　本次论坛邀请到了众多海内外金融、科技、产业、大数据知名专家学者、头部企业领袖等,从数据智能、数字经济、人工智能、量化投资等角度聚焦数字经济新热点、把握数据智能新风向,为专业观众多角度阐述数据智能在相关领域的创新变革与实践应用。

　　同时,中国基金报、21世纪财经、财联社、私募排排网、微吼、学说、亿欧网、韭圈儿、积募、今日人工智能、朋湖网、零壹财经、数据交易网、爱分析、数据猿、DataFunTalk、元宇宙与碳中和研究院等20多家媒体也同步转播了此次论坛盛况。

　　全网累计播放量达30万+

　　上海市经济和信息化委员会副主任张英女士为本次论坛致开幕辞。张英提到,我们正面临新一轮产业和科技革命,数据正成为新的生产资料,与算力、算法并列为新一代人工智能发展中国际公认的三大要素。此次论坛的举办为推动上海市人工智能产业向纵深发展具有重要的意义。

　　张英女士致开幕辞

　　在此背景下,“数无疆·智无界”主题分论坛以数据要素流通交易、数据应用场景、创新视觉切入,探讨数据流通规则,固化数据在智慧城市建设、金融智能投研等重点领域的应用。

　　为全面推进城市数字化转型,打造具有世界影响力的国际数字之都,张英表示,上海将进一步加快数据资源全球化配置,数据产业链全方位布局,数据生态全面营造,创建数据新供给、场景新需求、数商新业态,力争将上海打造成数据要素配置的枢纽之城,数据要素创新的活力之城,数据要素消费的产业之城。

　　数库科技创始人兼总裁沈鑫先生在题为《仰望星空 · 脚踏实地——以元素级创新驱动产业数字化》的演讲中提到,数据行业其实与探索宇宙有共通之处。如果人们真正想洞察整个宇宙,需要有元素级别的创新,是每一个数据点层面上的创新,而数库科技的产业链体系就是从每一个数据点,从每一个数据的元数据上开始高度的标准化、高度的精细化去创新。只有对元素级别的数据要素拥有非常深刻的洞察,才能真正的去探索数据的宇宙,从这个宇宙中去找到真理,真正意义上去实现更精准的预测和数据解析的能力。

　　沈鑫先生发表主题演讲

　　此次数库科技重磅推出的SAM 2.0 产业数字化平台便是这样的一款产品。它将所有的链细切成元产业链,每条元链、每个产品节点上都连接着大量丰富的数据,而所有与产品相关的价值信息、产能信息、产能指数、法律法规、政策等等相关的一系列数据都能够被堆砌到这个相关产品节点上。每一个产品节点都可被视为一个宇宙,这些小的“元宇宙”连接起来便形成了元链,而作为基本单位的元链就像乐高模块一样,为进一步解析塑造坚实底层,并通过信息的实时动态捕捉和连接,最终呈现出一个完整映射实体经济网络的数据结构。

　　沈鑫认为,数字化时代的数据公司有着特殊的使命——如何把使用数据的门槛降低,让过去非常高端的高级分析师才会使用的数据,逐步下沉到各个点上,赋能银行、政府以及各领域人员,让他们真正通过数据洞察市场。而这也是数库科技一直以来立志在做的——通过提升数据产能、降低数据边界使用成本,真正让数据进入千家万户,面向数字化时代的需求。

　　上海市浦东新区电子政务办处长徐瑾伦先生在题为《数智赋能:催生浦东城市智慧和价值再造》的演讲中提到“数字政府”是当前数字化转型一个关键。然而,一些地方之所以数字化转型不顺畅,其中很关键一个因素在于缺乏完备的数字底座去支撑政务服务、政府监管、城市运行。浦东在“十四五”数字化转型规划中,将建设一个统筹集约的数字底座作为面向未来的转型建设重要内容。该数字底座包括大数据、云计算平台、基础网络、物联感知以及网络安全、数据安全,包括区块链能力,AI能力。通过这些数字底座的运营服务和协同创新来支撑城市的运行、经济的运行、政务的服务和数字城市的再造。因此,浦东将集齐这七大要素,也就是:云、网、端、链、安、智、数。

　　徐瑾伦先生发表主题演讲

　　谈及浦东最著名的“家门口”服务,他提到,基础外网可以通达浦东36个街镇,1385个村居,遍布到浦东1200平方公里所有居民小区和自然村、社区,通过这样的基础网络,也就是数字底座七大要素之一的“网”,再加上云计算平台提供边缘算力和GPU算力,将模型通过云计算得到应用的结果后,实现让每一个老百姓在“家门口”就能享受到政务服务。

　　未来,作为今后生产力的要素,徐瑾伦希望数据这个要素能够按照市场化流动起来,通过多方加持,加强数据安全合规与管理,真正走入市场化运营。

　　J.P. Morgan亚太地区量化策略负责人Robert Smith先生在题为《Big Data and AI Strategies:AI for Investing》的演讲中提到,大数据在过去5-10年中为我们的量化方法带来了巨大的性能上的提升,也让我们在策略上取得了巨大的进步。我们通过解锁如此海量的数据获取大量有效信号。因此,当前人工智能技术起飞的另一个原因,就在于数据的可得性有了飞速的提高。

　　Robert Smith先生进行远程主题演讲

　　Robert Smith分别从以下三个应用领域:信号生成、风险、最优化为大家介绍了如何运用人工智能进行投资。

　　在演讲最后Robert Smith表示,J. P. Morgan在这一领域持续耕耘。我们一直积极推进人工智能技术在投资中的应用,我们对于这一领域的发展方向深感激动,并且期待5年后它将给我们带来更多令人兴奋的成果!

　　上海数据交易所副总经理韦志林先生在题为《数据交易实践与创新》的演讲中提到,上海发布了四大“新赛道”,在这个新赛道上,数据是最重要的新生产要素。数据要素的流通和交易过程目前大致存在三种状态:不敢、不能,不愿。因此,数据要素流通陆续出台配套政策,包括上海市的数据条例以及其他省市,都在为数据流通提供法律支撑。

　　韦志林先生发表主题演讲

　　韦志林认为,从目前来看,数据的流通大量还存在于场外。从场外到场内是一个过程,基于政策、技术、战略以及行业数字化转型的推动下,预估到2025年,场内的数据交易复合增长率会达到200%。如何推动场外交易向场内转移,在确保数据安全合规的前提下,让数据要素真正发挥它的作用,这是需要数据交易和数据流通领域的同仁们一起推动的。

　　韦志林表示,上海数据交易所的三年发展规划是要努力打造国家级数据交易所。在确定了“1+4+4”业务体系的基准下,以“不合规不挂牌,无场景不交易”为基本原则,上海数据交易所建立了数据交易的六项指引、七项规范。基于以上的交易体系和交易实践,还研发了新一套数据交易系统,通过该系统,可以看到相关数据产品的特点、特征、输出参数、交付形式、交付方式以及交付频率、交易支付方式等,这都是上海数据交易所在市场上首次提出的。

　　同时,上海数据交易所在6月22日深改委通过的数据要素基础制度的基础上做了一系列创新和探索。比如,通过“七个统一”(包括统一登记依据、统一登记机构、统一登记系统,特别是产生统一的登记证书,形成统一的登记效力等)来解决数据确权问题。韦志林表示,只有把数据资产、数据产品进行全国根登记体系,才能解决数据要素流通的壁垒和孤岛问题,也能够解决全国统一大市场在数据要素构建里的底层问题。而关于如何在确权的情况下保护数据资产的知识产权,韦志林表示,上海数据交易所已经和国家知识产权局一起推行数据知识产权的保护试点。

　　在数据资产入表方面,对于数据资源、数据产品、数据资产这三个阶段,上海数据交易所提出了自己的思路和建议,并在上海市国资委指导下开展市属国企数据资产化试点,这是上海数据交易所在数据要素流通领域里着力创新突破的关键点。

　　复旦大学管理学院信息管理与商业智能系教授、大数据流通与交易技术国家工程实验室常务副主任、上海数据交易所研究院院长黄丽华女士在题为《数据经济:重新认识数据的价值》的演讲中提到:我国的数字经济到今天已经进入了实质性阶段。在发展数字经济的同时,因为要发展数字经济,必须要有“数据”这一新型生产要素。然而,作为一个传统的企业如何利用数据产生价值?即,企业的数据价值等于一次价值+二次价值+资产化溢出价值。

　　黄丽华女士发表主题演讲

　　企业业务系统可称为“内生系统”,企业在日常经营生产中积累了很多数据,这些数据有三种理论上的应用:理解发生的事物、做预测性分析和应用指导性。三种应用有三种价值,第一,业务流程修改改善;第二,公司有创新,形成了新产品;第三,公司将来创造很多商业模式,从而形成新的竞争优势。这就是数据在企业内部的价值,即数据的一次价值。而数据量、数据质量、应用场景及所能覆盖的用户数、应用的程度以及该应用对公司未来发展战略关联程度这五个因素,则决定了数据的内部价值。公司在有限的数据中如何提升价值?黄丽华认为,主要可以通过提高数据质量、提高数据分析能力(尤其是建模能力)、提高数据应用场景和关联度、开发更多应用场景以及增加用户使用的覆盖面。

　　但并非数据量越大,数据的价值就持续不断增长,学术界普遍将其定义为S型数据价值增长曲线,增长到一定程度该曲线就会趋缓。如何冲破S型曲线上“数据的饱和点”?黄丽华认为,当内部数据价值趋于饱和时,为了进一步提升企业从数据中获取的价值,企业可采购其他数据,也可将自有数据作为产品放到市场上交易,从而产生数据的二次价值。企业通过把数据产品化、资产化,从而可以追求数据的资产化溢出价值。因此,一次价值+二次价值+资产化溢出价值共同组成了数据的完整价值。当然,数据价值的发挥还需要相应的国家,包括政府部门相应的制度和规则,因此,黄丽华认为,从政府到技术公司、到应用的企业、到数据交易流通,各界都需共同努力。

　　平安国际智慧城市政企超脑事业部副总经理程纪华先生在题为《AI赋能经济治理》的演讲中提到:目前在智慧城市建设中信息化、数字化实践比较多、应用比较好的是在经济治理领域的尝试,然而,面对错综复杂和快速变化的经济形势,仍然存在数据及时性不够、指标集成性不足、分析针对性不强、结果前瞻性不够这四类问题。

　　程纪华先生发表主题演讲

　　程纪华认为,数据大脑(智慧大脑)的重要作用主要有三方面:预警、预测和战略管理。平安智慧城市利用社会化大数据和人工智能算法,发现可以表征经济趋势特征的先行指标来反映经济走势,同时基于区域经济结构和特征构建经济指标知识图谱,灵活适用于不同应用场景的经济理解。在此基础上,能够实现对GDP指标的预测,并预警风险,助力政府中长期和短期调度手段精准发力实现经济工作目标的达成。

　　程纪华提到,人工智能并非最终能够替代人工,它更多的是通过大数据和人工智能手段解决政府经济治理和经济调度方面的短板,做好风险管理,我们的模型是开放式的,更多时候我们也需要有经验的政府经济专家来使用模型、训练模型,让专家经验和模型算法形成合力,实现1+1大于2的效果。

　　贝莱德建信理财副总经理、首席投资官祝国桥先生在题为《AI在金融行业中的应用》的演讲中提到:40年前,如果计算机能够把标普500的财务数据整理清楚,并系统化地利用股价变化和一些财务指标关系选择投资标的,那就可能产生可观的超越标普500的超额收益。而现在,在智能手机上,很多APP已经可以实现三四十年前行业领先的技术,简单的财务数据处理已经很难为投资人带来超越基准的超额收益了。

　　祝国桥先生发表主题演讲

　　科技赋能投资在应用层面是有难点的。在祝国桥看来,首先,这需要投资管理人不断开发新的数据源、提高算法。但任何一个数据源和算法都会慢慢被更多人发现,而逐渐失去其独有的价值。因此这需要投研人员不断创新,寻找独特的数据源和分析角度,不断更新和迭代算法。其次,在借助前沿科技赋能投资的过程中,还不能完全依赖于历史数据来构建模型,这需要投研人员通过前瞻性的视角来构建算法。

　　“现在不同类型的投资方法的界限已经变得模糊了,很多传统的基本面投资团队开始引入数据科学家,利用数据分析来帮助投资经理捕捉一些他们以前不关注的角度;市场上也有很多量化策略投资团队逐渐引入对市场有较深洞见的人才,来帮助他们构建算法和模型。未来,这些不同的投研方法还会有进一步的融合。”祝国桥表示,相信在不久的将来,可以看到更多、更广、更优秀的科技赋能投资的案例出现。

　　明汯投资合伙人、投资总监解环宇发先生表了题为《未来已来——人工智能开启量化投资新篇章》的主题演讲,从AI与量化投资的发展进程谈起,再结合AI核心三要素拆解人工智能在量化投资的应用和实践,最后围绕如何打造高效迭代量化投资AI框架为大家展开阐述。

　　解环宇先生发表主题演讲

　　在解环宇看来,人工智能核心三要素在量化投资中都至关重要,三要素有效协同有助于量化投资策略持续高效迭代,如某一要素出现明显短板,则有可能错失高速发展机遇。

　　第一个核心要素是数据。金融数据因低信噪比、时序单调性,比其他行业的数据更复杂。我们在制造模型的时候,尤其强调避免过拟合,同时处理金融数据时要非常注重逻辑。

　　第二个核心要素是算法。算法(也可以称之为模型)无疑是整个量化投资的核心,一般有因子挖掘模型、预测模型、组合优化及交易算法模型三种。其中,因子挖掘模型里有逻辑因子挖掘和算法因子挖掘两类,而预测模型则涵盖注重可解释性的线性模型和可端到端的深度学习模型及统计学习、机器学习模型,组合优化及交易算法模型包括传统的均值方差模型和比较前沿的强化学习模型。

　　第三个核心要素是算力。“模型的算法依赖算力,我们每一年在高性能计算集群的投入非常巨大,未来我们会进一步扩建计算集群,现在每个月都要做一次规划,为未来半年、甚至一年算力扩张提前做好准备,这样才能为各种算法模型的训练提供充足的资源保障。”解环宇表示。

　　解环宇演讲中还展示了其正在推行的量化投资AI框架,在他看来一个较为成熟的量化投资AI平台应该具备两大特质:前瞻性和高效迭代,前者体现在较为完善的顶层设计上,后者体现在多项目的协同推进中。

　　最后,解环宇呼吁更多的人才关注量化投资领域。在他看来,量化投资与人工智能归根结底还是“人”,这一个个工程的背后凝结的是人的才智和汗水。

　　在最后的圆桌论坛环节中,数库科技高级副总裁范珺劼作主持,与上海数据交易所副总经理韦志林,路博迈董事总经理、中国量化投资总监周平,明汯投资合伙人、投资总监解环宇,微众银行AI投研负责人、资深人工智能科学家殷磊围绕“数智时代下的生产力变革”这一热点话题展开高质量讨论。

　　在圆桌论坛上,韦志林分享了上海数交所的创新制度以及数据关键的角色和作用,韦志林提到,一对多、多对一可以提高数据交易效率。数交所承载的这一交易平台,作为一种公益的机构,推动了数据要素流通,同时提高了数据流通的效率问题,解决了公有价值问题以及前期性条件里面的安全性、合规性的问题,因为数交所完整的规范体系能够为所有数据产品的合规性与安全性在交付和交易过程中的安全提供保障。

　　韦志林先生发表精彩观点

　　与此同时,周平分享了基于人工智能的量化所需要、所感兴趣的数据特征。周平认为,在量化投资的发展过程中,最早使用的主要是公司财务数据、交易相关数据和分析师相关数据,这些数据因为和资产价格有着密切相关性,以及是天然的结构化数据,到今天仍然是大部分量化机构所采用的中间核心数据。然而金融危机后,随着更多机构的进入,一些策略开始失效,因此也使机构需要引入更多数据来做预测或是在现有数据上使用新的方法。周平提出,可以把数据分为两类,即和短期市场情绪相关的数据以及非结构化的信息,而现在量化所使用的信息,和任何预测资产价格相关的信息都被认为是重要的,但真正用来预测资产价格的信息是非常少的。

　　周平先生发表精彩观点

　　对此,解环宇表示最重要的对于预测或者收益有帮助的数据还是标准化数据,因为从处理难度到所涵盖的信息量都非常大,这些数据是通过大家实际交易出来的结果,具有很强的代表性。

　　解环宇先生发表精彩观点

　　随着讨论的愈加深入,殷磊分享了在银行业务场景中如何更好地基于互联网思维使用数据。殷磊表示,微众银行在科技化和数据化层面走得比较往前一些,在数据使用上主要用于做风险和做投资。虽然AI+大数据在风险层面上的应用已经相对成熟,但是在一些场景下传统数据很难捕捉。而如何把控好做下沉的程度和坏账率的程度,这是非常重要的平衡,在这个平衡里打破这个平衡或者把这个平衡往下移,非常重要的手段就是数据,以及处理数据的技术。在投资方面,微众银行主要是做利率和信用两大块,以固收为主,在这个市场里非常重要的标的是跟踪国家利率以及企业信用风险。“在跟踪国家利率上,对于宏观指标把控是非常重要的。微众银行通过非常多的高频指标去映射中国宏观经济,这是微众银行在做利率跟踪方面目前做的一些初步探索。”殷磊介绍道。