2023年金融科技行业有哪些值得关注的前沿技术？日前，北大光华度小满金融科技实验室联合《麻省理工科技评论》中国研究团队发布了《2023年金融科技趋势展望》，提出了生成式人工智能、因果推断、图计算、科技伦理治理、链上分布式金融应用、隐私计算、图计算、虚拟数字技术、自动机器学习和云上能力升级等十大技术趋势。


(资料图片仅供参考)

报告研究团队访谈了多位金融科技行业的技术专家、关注人工智能技术应用的科研学者，以及相关企业。“大模型是数字经济时代智能信息处理的基础设施。”清华大学人工智能研究院常务副院长孙茂松认为，如果将它的能力放在金融行业中去处理原有的任务，性能和效果将会有显著的提升。

度小满CTO许冬亮表示，“当前，金融行业数字化、智能化转型正在加速，数据和人工智能技术是关键驱动要素，人工智能技术在金融行业的应用必将革新金融行业的现有服务模式。基于图计算、多模态等技术对于大数据的深入理解和洞察，降低了金融机构风险管理的成本，扩大了服务人群的边界；因果推断、AutoML（自动化机器学习）等技术让业务决策更智能，情感计算、数字人等技术让金融服务更有温度，提升了用户的服务体验。”他认为人工智能在金融行业的应用潜力目前可能只发挥了不到1%，随着技术商业应用成熟度的不断提升，人工智能技术将改变金融行业价值链的每一环节。

具体看，十大技术趋势分别是：

一，生成式人工智能。报告认为生成式人工智能是新一代生产力工具。在金融领域中，通过指令，生成不同风格的文字、语音、视频，以及生成一种类似于金融资产标的内容，是它最基本的应用。生成式人工智能在金融业务落地层面有一定的辅助价值，从生成过程和结果角度来讲，带有创造性质。

二，因果推断。近两年，关于因果发现，或称作因果表征学习（Causal Representation Learning）的研究和应用逐渐变得更加活跃。报告认为在金融行业中，因果模型是智能营销的关键手段，能促成最大化全局营销效率。但金融数据非常复杂，一定需要对金融数据的性质有一个很深入的认识，再将目前的分析方法做一定的调试修改，才可以把系统背后的因果性找出来。

三，多模态情感计算。报告认为在金融场景中，情感计算有助于了解客户的真实情感表达，可以收集客户情感信息、识别客户情感变化，并作出相应的决策指导，对于提升金融企业的服务质量和效率，起到了重要的辅助作用，长期应用在客户服务、催收等场景中。

四，图计算。报告认为，图计算技术在金融行业最清晰的应用效果是智能信审、资金流向查询和金融数据可视化。金融行业每天都有海量的、关联的、动态时序数据产生，利用图技术，业务人员可以毫秒级得到查询结果。利用图计算技术，可以在金融场景中实现实时地找到最完整的路径。

五，自动机器学习。在金融领域，自动机器学习（AutoML）技术，极大地简化了从数据到模型的过程，提高了模型产出的效率和质量，同时也降低了机器学习的门槛，让没有该领域专业知识的人员也可以使用机器学习来完成相关工作。

六，科技伦理治理。近两年，中国对于AI伦理、安全、法律法规方面高度重视，将科技伦理治理提到新高度。数据治理和AI伦理规范将被提到新高度，同时法规与行业呼吁金融机构要做科技伦理建设的第一责任人。

七，链上分布式金融应用。分布式金融技术，以及基于区块链上的应用，核心价值在于这套应用的可编程性。无论是资产、标的、价值传递、操作流程、后续服务，全部都尝试通过数字世界可编程的方式或者软件形式来实现，成本极低、通用性强。完全基于链上编程的金融业务或许存在漏洞、或许遇到数字货币、金融危机等相关的挑战，但这并不影响中国金融机构，甚至非金融机构，在技术方向与业务应用价值上的探索。

八，隐私保护计算。未来，隐私保护计算的技术演进方向为综合考虑安全性和效率，打造通用统一性——密码技术学者开发设计更加高效、实用和更“通用”的算法，工程师加速实现方案和协议在实现层面的优化和硬件加速。

九，数字虚拟技术。虚拟数字人，无疑是当前虚拟数字技术最清晰的一个产品路径。在金融场景中，为迎合新时代年轻人的数字世界玩法、创造更有活力的品牌形象，诸多金融机构近一年纷纷推出数字品牌代言人，引领场景营销新方式。利用物联网、移动通信技术突破物理网点限制，建立人与人、人与物、物与物之间智慧互联的服务渠道，打造“无边界”的全渠道金融服务能力。

十，云上能力升级。金融机构在过去几年已经充分体会到了云计算带来的业务增益效果，云计算切实解决了算力需求、真正帮金融机构将算力成本降下来。未来几年，云计算能力在金融机构内部的底层基础设施地位不动摇，也是其数字化转型的基础保障能力之一。（经济日报记者 马春阳）

关键词：