过去20年信息技术快速发展，为各行各业带来了大量创新机会。金融业一直是信息技术应用较为广泛深入的行业之一，金融科技也逐步成为新一代金融业发展方向之一。随着大数据、人工智能、5G等“新基建”进一步发力，从传统种植业、养殖业、制造业到其他各行各业都将迎来一场巨大的数字化变革机遇，在这种大的产业环境下金融科技将会进一步朝着数字化、智能化方向发展，将会更大程度的赋能产业发展，更好的服务实体经济。
数字经济成为转型发展新引擎
我们在探讨金融科技发展时，如果抛开大的产业环境，往往很难从宏观的角度把握趋势性的问题。
首先,我们回顾一下近年来中国经济增长的情况。过去十年间，中国的GDP年度增长率逐步下降，综合业界专家的观点，可以从人口、贸易、发展模式、科技等几个维度分析原因：
一、劳动力供给增长明显放缓，老龄化趋势加重。60岁以上人口占比已经高达18.1%，而16~59岁的劳动力人口数量则从2012年以来连续下降。此外，用工成本不断上升，人口红利对GDP的贡献明显减退。
二、2001年中国加入世贸组织后，中国越来越多的产品销往全球，成为制造业大国，对外贸易增长成为中国经济高速增长的重要动力之一。但近年来，受中美贸易摩擦以及逆全球化和贸易保护主义抬头等多重因素影响，贸易对经济增长贡献率逐渐降低，全球化红利衰减。
三、过去以售卖土地资源、浪费能源、牺牲环境以及游走于法规灰色地带等粗放式的、不规范的发展，随着相关法律法规的不断完善，难以维系。
四、多年来高速增长和规模扩张也给经济带来了结构性问题。企业产能过剩、创新动力不足、研发投入不够、产品附加值低等问题日益凸显，经济转型升级到了重要时点。
五、从工业革命的角度来看，中国在过去几十年内完成了三次工业革命，补齐了短板，而西方国家用了300多年时间，每一次变革都为经济发展注入了强劲的动力。然而，时至今日，前几次工业革命为我们带来的后发优势红利逐步减弱。未来需要更多的自主创新和引领性创新。
近年来，数字经济占GDP的比重持续提高，中国信息通信研究院数据显示，2019年中国数字经济增加值规模达到35.8万亿元，占GDP比重达到了36.2%。背后的主要原因之一便是信息技术的飞速发展，互联网、移动互联网、云计算、大数据、人工智能等信息技术在短短二十年时间内连续出现，每一次技术浪潮都涌现出了一批批全球知名的互联网企业，它们的高速发展刺激了资本投入，培养了用户对互联网产品的接纳度。同时，从政策的角度，也得到了国家的大力支持。从2017年到2020年，中央政治局连续五年的集体学习涉及到了大数据、人工智能、区块链、量子等数字科技，党中央对数字技术和数字经济的高度重视也推动了数字经济的快速发展。
产业数字化发力
中国过去二十多年互联网和数字化的应用主要集中在C（Consumer）端，从搜索、电商、社交到生活服务、出行等领域诞生了一大批互联网巨头。而近年来，随着信息技术的进一步发展和基础夯实，我国产业数字化的转型正在加速推进。未来，产业数字化的发展将会打造数字经济新高地。这里，把一些行业的调研情况向大家做个汇报分享。
第一个例子来源于传统的种植业：无土栽培番茄，番茄从种植、采摘、分拣、物流到售卖，实现全流程自动化和数字化。在生长阶段，番茄所需要的液体肥料通过自动化设备供给，温棚里大量传感器感知环境的温度、湿度、光照等各项参数，自动控制设备根据实时参数调节番茄所需要的最佳生长环境。机械手采摘和番茄自动分拣都是由人工智能图像识别技术支持。通过这种高度的自动化、数字化方式，每平米产量可高达70kg，而一万平米的场地仅需要五名人工，换句话说，五名工人可以支持350万kg的西红柿产量。相对于传统种植，自动化、数字化种植的产量和品质都是大幅度提升。中国工程院赵春江院士的团队正在从事相关工作，他也在公开报告中也指出，“目前中国的农业数字经济规模是5778亿元，预计到2025年能够达到1.26万亿元，抓住数字技术机遇，快速发展农业数字经济，对农业高质量发展具有重要意义”。
第二个例子是某互联网电商公司正在大力发展的数字化水产养殖解决方案。通过集装箱养殖和全方位数字化管理，增加养殖密度、隔绝泥土、保障肉质安全和鲜美。集装箱内布有大量传感器，对水体温度、含氧量、氨氮浓度、盐度、浊度等进行实时监测分析，自动调控，确保水产在一个最佳环境生长。同数字化种植一样，水产的产量和品质大幅提升，这都是数字化时代下，传统行业爆发出来的新机遇。
第三个例子是制造业，无需赘言，始终维持着极高的自动化程度和数字化程度。未来高端制造，更需要高度数字化技术的支撑，过去我们长期受制于数控机床等高精度、高端制造技术限制，无法快速转型升级为制造强国。近年来，通过国家大力支持和专业人才的不断努力，这一状态也正在得到改变。
第四个例子是无人驾驶这样的新兴行业，它真正实现了数字孪生，即：数字世界和物理世界的同步映射。汽车在行驶过程中，依靠车身大量传感器对路况实时监测，并与道路两侧的相关设备实时通信和计算，指导汽车运行，实现车路协同。汽车自身运行参数、道路监测结果、行车规划等实现了全面数字化、自动化。随着技术不断进步，其安全性和行驶效率都将大幅超越现状。
回归金融行业，近年来中国金融科技中发展最快的领域之一是移动支付和普惠金融，其本质便是货币数字化和信贷全流程数字化。货币数字化带来的便利，使得扫码付款、转账等支付行为很快就渗透到了大众生活的方方面面。在信贷方面，传统金融信贷所需要的上门办理、提交材料等复杂、麻烦流程，通过手机上APP进行简单操作即可高效完成。金融机构的后台系统根据用户的各种数据对其进行欺诈识别和信用风险定价，几乎绝大部分环节都实现了自动化和数字化。
现阶段，金融业务数字化程度比较高的还是在个人端。但是，未来随着种植、养殖、制造、交通、零售等各个产业的数字化大幅提升，也会自然带动金融业务在企业端的高度数字化。其原因是，产业数字化所产生的大量数据会成为金融机构评判企业风险的重要依据。例如：如果了解一个制造企业的供应链数据、设备运行数据、水电数据、物流数据等基本上就能够判断企业的原材料成本情况、生产情况、销售情况等经营信息，这些都是对企业进行风险定价的重要依据。
新时代的科技基石
近年来，信息技术发展迅猛，云计算和大数据技术日趋成熟，应用也日益广泛。而人工智能则处于日新月异的发展之中。特别是，以深度学习为代表的人工智能联结学派，在图像识别合成、语音识别合成、自然语言理解技术均取得了重大突破，大大推进了人工智能的发展。另一方面，以大规模知识图谱为代表的人工智能符号学派，注重机器的推理能力，也在一定程度取得了进展。下面这幅图展示了人工智能在金融科技的应用，可以看出，大量金融科技创新应用主要是由于人工智能在基础技术取得了重要进展。所以，我们一定要重视基础技术、核心技术的持续研究和推动。
AI赋能金融科技创新
清华大学金融科技研究院经过多年持续研究，与业界科技公司共同合作，在人工智能与金融结合的数字虚拟人领域取得了一定的成果，并成功应用于XPJ的智能一体化信贷产品，使贷款面审环节完全通过AI来实现。数字虚拟人可以与面审者进行自由、流畅、专业的深度对话。这背后包含了语音识别与合成、金融场景语义理解、虚拟人唇动与表情合成等技术，难题在于所有这些技术要在毫秒内共同配合完成；这是技术上的难度，此外，我们还集成了上百个金融业务场景模型，对借贷人问题回答的合理性进行验证，对提问进行最优解答，对对话过程进行欺诈测试和分析，对还款能力进行实时评估等。模型融通了金融业务模型与用户心理学模型，这类模型同样也需要在毫秒级内响应，否则，很难保障对话的流畅性和面审的目的。数字虚拟人能够帮助金融机构缓解大量服务人员所从事的劳动密集型工作，大幅降低劳动力成本。未来，随着大面积推广使用，将会给金融业的服务方式带来很大变化。
AI为什么在近些年发展迅速？一个主要原因是深度学习技术的重大突破，当然也包括数据的爆炸式增长以及算力的提升。今年年初，OpenAI公布了GPT-3的相关信息，这款语言模型对0.5万亿个词汇和1750亿参数进行了训练，在自动问答、新闻撰写、诗歌创作等领域的表现再一次刷新了记录。然而，深度学习并不一定是AI研究的唯一路径，特别是在逻辑推理方面到目前为止还是比较弱的。以知识图谱技术为代表的符号学派也是一条值得探索的路径，通过知识体系的构建，赋能机器思考的大量研究实践工作正在积极开展中。在我们研究的另一个方向中，我们尝试对全球金融事件进行分类，针对每一类型的事件进行分析建模，逐步形成AI对各种事件发生后行业所受影响的判断。这项研究一方面利用深度学习技术抽取、解析信息，另一方面利用知识图谱构建实体和事件之间的关联关系。通过不断积累案例，不断优化模型，以期达到较好的效果。研究目前还在努力和尝试中，还有大量工作需要去进一步深入开展。
过去二十年信息技术的发展，为包括金融业在内的大量行业带来了创新变革机会。随着“新基建”的进一步发力，金融科技将朝着数字化和智能化方向进一步发展，产业端也将迎来一次更大的数字化创新变革机遇，这将给金融科技带来更广阔的应用场景和施展空间，从而促进金融科技更大程度的赋能产业发展，更好地服务实体经济。