李礼辉：算力竞争将是主要经济体之间的竞争以及资本巨头、科技巨头之间的竞争_新浪财经

股市瞬息万变，投资难以决策？来#A股参谋部#超话聊一聊，[点击进入]

专题：2023全球财富管理论坛

　　“2023全球财富管理论坛”于12月7日-8日在北京举行。中国银行原行长李礼辉出席并演讲

　　李礼辉指出，我国财富管理市场处在早期发展阶段，目前主要集中在财富管理产品的领域。未来有待拓展的财富管理领域有三个，一是如何优化个人和家庭的资产配置规划，合理设计和安排金融资产投资、不动产投资、收藏品投资和资产结构，有关的资产结构和时序结构，二是如何优化家庭和家族的财富传承规划，合理设计和安排家族金融、银发金融、产业金融、财产继承的税务策略和法律税务，三是如何优化家族的财富和企业财富的再创造的规划，合理设计和安排家族投资增值、家族产业升级、家族人才培养的发展方向和行动方案。

　　关于资产管理中心以及财富管理中心的评价，李礼辉认为，目前还没有形成一致性的指标体系。“我自己觉得，以量取胜，后来者往往难以超越，以值取胜，后来者可能后发先至出奇制胜”。

　　“北京是财富管理的后发区，在财富管理集聚区的发展策略上，不能求取规模类的指标，当前更重要的是关注品质类的指标”，李礼辉强调，要规划专业性的财富管理中心大战略，比如在引进机构、人才和技术方面，要更加关注在个人和家庭的资产配置规划、家庭和家族的财富传承规划、家族和企业的财富再创造规划等领域的能力和优势。

　　谈及AI迭代可能造成的冲击和挑战，他总结了四个方面。

　　一是算力集中与算力竞争。李礼辉说，能够支持AI大模型的算力基础设施建设需要持续投入巨大的财力人力，这就势必导致算力的集中，算力竞争将是主要经济体之间的、国家级的竞争以及资本巨头之间、科技巨头之间的企业级的竞争。算力竞争集中表现在AI模型的竞争，算力也会决定金融业的竞争力，因为智能化的信用评估、客户筛选、风险定价、风险控制、量化交易、投资顾问、保险精算、数字员工、供应链金融等等都需要数据算力和模型的支撑。

　　二是数据共享与数据治理。不同领域不同场景应用程序各有不同的性能、不同的覆盖范围，因而对数据资源AI模型各有不同的需求，并非所有的应用场景都需要特大规模的数据，都需要特大规模的大模型，但是立足于国家级、企业级的算力竞争，就必然要求国家级和企业级的数据支持。

　　他说，地缘政治冲突可能会影响全球资源供给的格局，美国等西方国家依托长期发展累计而成的数据资源优势，在诸多关键领域构建了西方主导的数据资源的供给格局。但我国也走得很快，“我们需要警惕的是，在地缘政治环境中，美国联合西方国家对中国设置的技术壁垒不断升级，现在是高端芯片和核心软件，下一步有可能衍生到数据资源领域”。

　　三是AI对齐与AI合成。AI对齐是指AI系统的目标必须与人类的价值观与根本利益保持一致，这个概念得到了全球的原则认可，但问题在于人类的价值观和根本利益未必一致，在地缘政治环境中，AI对齐有可能成为霸权国家价值观输出的技术工具。AI合成是指应用深度学习、虚拟现实等生成类算法制作图象、音频、视频、虚拟场景等深度合成内容。深度合成算法甚至可以对抗通用的技术性甄别，深度合成的内容可以模糊真实和虚假的边界，AI虚假已经被用于实施经济诈骗，用于诋毁个人信誉和企业商誉，AI操纵可能被用于操弄负面舆情，摸黑对手，激化社会矛盾。

　　四是AI信任与AI安全。偏于审慎的观点认为，生成式AI目前还处在起步阶段，相关的算法和模型仍不够清晰不够透明。李礼辉介绍，几个技术缺陷亟待解决，比如模型技术的黑箱，它的算法你看不清楚，它的最核心的技术掌握在极个别人手里，模型学习的局限，模型决定输出的时候对一些群体造成歧视，模型输出幻觉，模型输出假的东西但看起来跟真的一样。模型算法趋同，特别在量化交易中这种算法的趋同结果的趋同可能会导致单边的交易破坏整个市场。机器服务冰冷，它给你说的是机器说的话，而不是人说的话，隐私保护薄弱，还有关键第三方依赖等等。很多人认为我们如果把还不成熟的人工智能技术投入高风险的金融领域，可能放大现有的风险并产生新的风险。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。