金融信息系统作为国家关键信息基础设施,直接关系到国家经济、社会的正常运行。我国金融信息化过去长期依赖进口设备和系统,这不仅需要花费巨额的外汇,更涉及到我国金融业的安全可控。防止发生系统性金融风险是金融工作的根本性工作,必须加强金融行业的信息基础设施建设,稳步推进金融IT基础设施国产化。
“像人不能缺少生理发展的每一个阶段一样,技术发展的每一步都要打下基础,要下苦功夫,笨功夫,不能急功近利。”近日,中国工程院院士、中科曙光董事长李国杰在出席由金融科技创新联盟主办的“金融IT基础设施国产化技术研讨会”上表示,金融IT核心设备的国产化是场“持久战”,不能寄希望于短期弯道超车。
李国杰认为,从总体上看,我国企业在技术储备上与国外龙头企业还有相当大的差距,对发展高端产品的长期性和艰巨性要有清醒的认识。金融业务对安全、性能和可靠性都有很高的要求,可能是实现国产化最难攻克的堡垒之一。实现金融IT的国产化有一个从外围到核心的发展过程,要卧薪尝胆才能掌握其核心技术。
“突破有竞争力的关键技术要靠企业,牵住牛鼻子的力量是市场。”我国科研队伍的精兵强将集中在大学和科研机构的国家重点实验室,然而工程性的技术创新是在成本、时间、兼容性、标准、人力等强约束条件下的创新,没有走出实验室的科研人员难以理解这些约束条件。李国杰强调,只有企业科技人员才能解决与市场密切相关的技术突破。
“金融IT国产化最大的困难不是缺乏研发经费或技术起点低,而是企业没有试错的机会。”李国杰指出,纵观世界历史,后发国家从产品低端走向产品高端,几乎没有一个国家不是先利用国内市场保护来培育自主高端产品。完全靠企业参与全球“公平竞争”,仅以市场作为调控手段并不可行。德国和美国赶超英国,日本的明治维新都采用了关税保护政策。
“政府采购”是培育国内高端技术的重要的途径之一。李国杰介绍,目前国内通行的支持政策是当国内研发制造的产品与国外产品性能和可靠性相当时,可以优先采用国内产品。但如果没有不断地试用,产品就没有改进的机会,那么实现金融IT国产化就会遥遥无期。金融部门的决策者胆子应该更大一点,监管部门对国产化带来的不可避免的问题,应有更大的包容性。可以采用联机备用的方式给国产关键设备和软件更多的试用机会。国家科技主管部门应组织全国的优势科技力量,以企业为主体,攻克高性能、高可靠性金融核心设备的关键技术。
对于信息基础设施,安全可控十分关键。李国杰提出,不同领域的竞争形势不同。国防领域没有必要与国外的系统兼容,可以发展自己独立的产业生态系统;而无线通信领域从3G开始可以三分天下;人工智能和物联网领域,还没有形成垄断企业,可以考虑走独创的道路,争取引领潮流;对已经形成垄断生态系统的领域,生态系统的兼容性不可忽视。对不同的领域,应考虑走不同的国产化道路,不能搞一刀切的“本本主义”。如果千篇一律,强行采用一种模式,要么安全可控实现不了,要么影响产业发展和广大用户的利益。
李国杰认为,发展产业有两个基本要求,一个是安全可控,一个是用户体验。因此要实现金融IT国产化需要两条腿走路,自主研发与引进吸收再创新两种路径并举,这两条路走好了都可能成功,实现殊途同归。在加强自主创新的同时,我们也要强化国际合作。关于金融行业的安全可控和国产化,李国杰强调,不但要以安全保发展,还要做到以发展促安全。发展与安全是一体之两翼,安全问题要在发展中解决。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。