“數字金融的創新將會為長期經濟增長提供新的動力。”8月26日，北京金融控股集團有限公司董事長范文仲在國際金融報首屆金融科技創新論壇上表示，展望未來，數字金融發展有兩大新趨勢值得高度關注和積極推動，一個是數字的資產化，一個是金融的智能化。

【資料圖】

數據資產屬性尚未充分體現

“數字的資產價值挖掘將大大提升社會經濟資本水平，提供經濟增長的新引擎。”范文仲指出，數據作為一種核心要素資源，雖然具有普遍的使用價值，但資產屬性還沒有充分體現。只有實現確權、流通和交易后，才會從社會資源轉變成可以量化的數字資產，后續通過進一步金融創新，進而演變為生產性的數字資本，真正釋放其內在價值。

他認為，從原始數字資源、到數字資產、再到數字資本的不斷演進，正是數字經濟發展的核心目標，也將為未來中國經濟增長提供強大的資本來源，這才是真正的供給側改革。“但實現這個目標并不容易，需要做好很多基礎性工作”。

范文仲分析道，首先要做好企業數據確權基礎性工作，對數據資源進行盤點梳理，推動建立企業數據資產報表體系。按照不同的維度對企業數據資源進行分類，可分為管理數據、生產數據、應用數據等三大類數據，其中前兩類數據屬于企業自有數據，權屬較為清晰；第三類數據，具有較高的市場價值，但權屬往往存在爭議。企業應按照不同維度建立數字資源的管理報表體系，如數據地圖或數據字典，并明確主責部門和主責崗位，設立首席數字官，進行統一的數據資源規劃管理。

其次，實現企業數據評估入表，挖掘資產價值。目前，在模擬企業數據資產入表探索中存在兩個痛點：一是如何對數據資產進行準確評估。目前有成本法、收益法、市場法，在沒有交易的情形下，只能用成本法定價，成本法的基礎是可靠計量；在有交易的情形下，可用收益法定價；在大量反復的交易情形下，可用市場法定價，它們之間相輔相成，可從成本法先起步。二是如何進行數據資產入表。對于不交易的數據資產計入無形資產，對于交易的數據資產計入存貨，但對于只交易使用權、不交易所有權的數據資產該如何計價？“我們認為它更傾向于無形資產。國際上關于數據資產入表的探索還比較滯后，建議我國在此領域進行持續創新”。

此外，先試點后推開，穩妥推進企業數據開發利用試點工作。企業數據資源的開發利用，在很多領域尚無先例可循和法規支撐。為了穩健推動創新，建議優先選取數據資源豐富的國有企業或是在數據治理方面有一定基礎的中小企業作為試點，同時在會計、法律、評估等領域邀請頭部專業中介機構參與聯合創新。建議在數據要素市場建設基礎好的地區開展試點，不斷完善配套制度建設，待成熟之后再向全國推廣，逐步建立起更為廣泛的數字經濟基礎設施和制度體系。

小公司也可訓練大模型

“金融智能化將是未來的核心競爭力，小公司也可以訓練大模型。”范文仲直言，未來金融機構的競爭力將是數據庫有多大、算力有多強等，建立在通用大模型基礎上的金融垂類專業模型，注定會取代那些標準化強、重復性高、有明確程序規范的傳統銀行、證券和保險業務。

但是，當前人工智能大模型的發展，需要突破兩大瓶頸問題：一是數據，二是算力。這兩個要素既耗費資源，又耗費資金。“很多人認為只有大公司才能訓練大模型，小公司沒有可能，表面上看確實如此。但是我們認為，如果能夠發揮體制機制優勢，大力推動技術和制度的創新，小公司也完全有可能訓練大模型”。

為解決中小科技企業面臨的數據難題，范文仲提出了三條建議：

一是建設公共多模態人工智能訓練用大數據集。從國家層面建設統一的大數據集，歸集包括書籍、期刊、論文、公文、新聞、會議、劇本、圖片、報表、語音、視頻等各類高質量數據。建議進一步發揮北京國際大數據交易所獨特的公信力作用和數據資源匯聚能力，加強與各類數據源機構的合作，向廣大人工智能機構提供統一高效的數據服務。

二是探索解決數據涉及的知識產權合規性問題。人工智能模型訓練所用的部分數據，可能存在知識產權爭議，例如書籍、期刊、論文等。建議從法律法規層面進行研究，在知識產權部門的支持下先行先試，逐步出臺明確訓練用數據集合規性問題的規章制度。

三是提高訓練用數據集的可用度。人工智能模型訓練用的數據集來源分布廣泛，格式千差萬別，質量參差不齊。為了達到人工智能大模型訓練的要求，原始數據需要經過多次清洗加工，訓練過程還需要進行人工標識和校準，上述工作均需專業人員完成。建議政府規劃專項資金和引導政策，對相關產業進行扶持，構建產業生態，助力人工智能發展。

記者 王瑩

編輯 陳偲

責任編輯 孫霄

—— / 好文推薦 / ——

點亮“在看”，你最好看！ (*╯3╰)

關鍵詞：