李礼辉:数字技术迭代和数字金融战略

近日,中国财富管理50人论坛(CWM50)在北京金融街成功举办青年研究人才培养项目(第四期)启动仪式中国银行原行长李礼辉出席启动仪式并发表演讲。

李礼辉从数字技术迭代和数字金融国家战略角度,为青年学者们讲解了三个前沿话题:一是AI迭代与算力竞争,二是去中心化金融与国家金融安全,三是央行数字货币与国际货币金融格局。他表示,面对人工智能技术的迭代与升级,应该注意算力集中和算力竞争、数据共享和数据治理、AI对齐和AI信任。为此,需要建设全球领先的算力基础设施,建立良好的数据要素共享体系,建立可信可靠可控的数据安全制度。关于去中心化金融,应特别关注比特币等虚拟货币,以太坊去中心化金融协议、稳定币及非同质化代币(NFT),注意维护国家金融安全。关于央行数字货币,目前的格局是“快车道”上的数字人民币,“慢车道”上的数字美元,“急弯道”上的数字欧元,应该努力将数字人民币打造成为全球最好的央行数字货币。

以下为李礼辉演讲全文。


很高兴出席中国财富管理50人论坛第四期青年研究人才培养项目的启动仪式。刚才看了各位学员的信息表,有三个特点:一是大家很年轻,二是高学历,三是都在非常重要的岗位上工作。我相信这个项目一定能够为培养中国的人才做出特别的贡献。

今天我从数字技术迭代和数字金融国家战略角度,说三个大家也许会感兴趣的课题:第一,人工智能迭代与算力竞争;第二,去中心化金融与国家金融安全;第三,央行数字货币与国际货币金融格局。

一、AI迭代与算力竞争

AI迭代一个很重要的标志是,2022年11月30日微软的人工智能实验室OPEN AI推出了人工智能的聊天程序ChatGPT,两个月的时间里活跃用户突破1亿大关。大家都认为这是人工智能技术发展上的一个“奇点”。为什么说是迭代升级?大多数人认为,ChatGPT有基于超级算力的学习能力、逻辑能力和语言能力,它能够学习、掌握和应用大数据库中各门各类的知识,也能够学习、理解和使用人类的语言和表达方式。除了OPEN AI的ChatGPT外,这半年多来在人工智能方面还推出了很多新的产品,包括谷歌的Bard、百度的AI产品文心一言,等等。

我们如何评价AI的升级?我看过一些资料,有人挑选评定人类理性思维的4类经典测试任务,包括语义错觉类任务、认知反射类任务、证伪选择类任务、心智程序性任务共26道题目,做了一个测试,GPT-3.5的正确率为58%,GPT-4的正确率高达88%,高于应试人类62%的平均正确率。大家认为,像ChatGPT这样一个大语言模型确实能够提高论文写作、程序编写、语言翻译的效率,而且能够增强视频图片创作的效果。我是喜欢摄影的,最近看了一些网站上人工智能的摄影作品,可以把摄影作品做得尽善尽美。

这种人工智能的迭代升级所揭示的数字技术变局,对我国数字经济的发展可能造成的冲击和挑战到底在哪里?有三个方面可能是值得注意的。

第一,算力集中和算力竞争。算力竞争不仅集中在云计算、大数据领域,人工智能可能会是算力竞争最前沿的阵地。模型的本质是基于数据客观规律的发现和表达,通过模型的学习和深化,可以得到相对准确、可信、可用的预测结果。模型可以用于自然语言处理、计算机视觉、智能驾驶、医疗保健等。在金融领域,很多方面都会使用到人工智能,比如客户筛选、风险定价、风险管理、风险控制、投资顾问、保险精算、数字员工、供应链金融等。这些都需要算力,需要数据,也需要模型的支撑。

ChatGPT是个大数据的模型,需要很高的算力支持,需要投入巨大的财力、人力,势必导致算力的集中。我们要花得起钱,找得对人,还要耐得住寂寞。为什么说要耐得住寂寞?微软从2015年开始做大模型的研究,做了差不多7、8年的时间,投入巨大,去年年底才推出这个产品。我国的算力水平和美国比,在全球大概处在什么样的位置?我看了一些资料,总体上,大家认为我国现在处在全球第二的位置。美国和中国两个国家的算力占全球算力的60%左右。

我们与美国的差距到底有多大?未来的发展,我们和美国的差距是会缩小,还是会进一步扩大?这是我们需要考虑的问题。比如,英伟达生产的人工智能模块A100现在不允许向中国出口,H100性能更好也不允许向中国出口。我们缺乏最先进的芯片,如果美国进一步来卡我们的“脖子”,会带来怎样的问题?这是我们需要研究的。

第二,数据共享和数据治理。大语言模型能够成功,除了算力以外,另外一个因素是数据。美国的数据比我们好。有人说我国的数据总量超过了美国,但就大语言模型所需要的数据而言,美国可能比我们有更多的优势。美国为首的西方国家依托长期的积累形成的数据资源优势,在很多关键领域里我们目前还不一定能够比得上。比如在医疗健康领域,美国国立医学图书馆的MEDLINE数据库,是全球最权威的生物医学方面的数据库,它收录了1966年以来70多个国家和地区的3400多种有关医学和生物方面的文献,每年递增的记录30万~35万条。中国医学科学院于1994年推出了中国生物医学文献数据库。这个数据库和美国的数据库是可以共享的,如果什么时候不通了,我们的数据资源就可能受到限制。

大家可能都了解,现在美国在技术上对中国实施“小院高墙”的策略,就是对中国的技术封锁局限在很小的范围内,但是篱笆扎得非常的高。包括刚才提到的人工智能核心芯片,就不允许出口给中国。

在全球市场方面,美国等西方国家也正在对中国采取一些措施。前不久,我和企业界的一些人沟通,他们发现中国的很多产品卖不到欧洲去。欧洲有些国家甚至要求越南等国生产的产品,要有70%以上是本土制造的才能够进入欧洲的市场。在市场制裁方面,他们现在采取的措施叫“利刀细切”,在一块一块地切割我们原来占有优势的市场。好听一点叫“全球供应链生产链的重组”,其实就是切割中国的传统市场,肯定会对我国带来影响。

第三,人工智能发展方面需要重视的一个问题——AI对齐和AI信任。所谓“AI对齐”(AI Alignment),是指AI系统的目标必须和人类的价值观和根本利益保持一致。这句话没有错,但问题在于人类的价值观和根本利益未必是一致的,特别是在地缘政治环境中,AI对齐有可能成为霸权国家价值观输出的技术工具。如果一个大语言模型是日本人训练的,你问它钓鱼岛是属于哪个国家的?它会回答是中国的吗?

AI合成是指应用深度学习、虚拟现实等生成类算法制作图像、音频、视频、虚拟场景等深度合成内容。随着AI合成拟真水平的进化,深度合成算法甚至可以对抗通用的技术性甄别,可以制作高仿的拟真声纹。人们开始担忧AI虚假与AI操纵对社会构成的威胁。AI虚假已经被用于经济诈骗。“AI操纵”可能用于诋毁政权实体和政治人物。我们现在特别需要构建AI信任。

面对AI技术的迭代升级,我们需要做的有以下几点:

一是要建设布局合理、全球领先的算力基础设施。这里有两个问题:1)算力基础设施建设一直在说“东数西算”,“东数西算”在理论上可能是一种很好的安排,但实际上数据需要传输,西部未必有那么多的人力资源,这些都是需要考虑的。2)在建设算力基础设施的进程中,如何更好地发挥民营企业的作用?我认为民营企业在技术创新方面和国有企业相比并不一定做得就差,像华为这样的民营企业甚至做得更好。我们确实要更好地发挥民营企业的作用,同时进一步完善国有企业的体制机制。

二是建立一个很好的数据要素共享体系。中共中央、国务院在2022年12月发布了《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(“数据二十条”),这项政策非常好,我们要真正落实到位。

三是要建立一个可信、可靠、可控的数据安全制度。在数据安全领域,我们必须要对AI虚假和AI操纵提高警惕。同时,我们也应该积极参与全球AI标准的制定,争取在“AI对齐”中能够融入中国的因素。

与此同时,我们也要注意软件开源问题。软件开源已经成为一个普遍的数字技术创新路径。我们不可能拒绝开源,必须注意的是开源的AI模型仍会带来一些技术依赖和技术“绑定”,要引起我们的警惕。

二、去中心化金融与金融安全

第一,以比特币为代表的虚拟货币。比特币最贵的时候,1个比特币约为6万美元,现在1个比特币差不多是2万多到3万美元。比特币未来到底会怎么发展,可能还要进一步关注和研究。在虚拟货币价格最高位的2021年5月初,全球虚拟货币总市值一度高达2.55万亿美元,超过同期美元现金流通量,不能不引起重视。

第二,稳定币。这是一种锚定主权货币、以金融资产做支撑的数字货币。

第三,去中心化金融协议。以太坊力图打造去中心化金融优势,基于以太坊的去中心化金融协议涵盖稳定币、去中心化交易平台、借贷平台、资产管理平台、金融交易撮合平台等,建立了自动做市、自动清算机制,形成去中介、可自洽、可独立的链上金融体系。这对传统的以中心化为基础的金融体系可能会是一个很大的冲击。

第四,非同质化代币(NFT)。NFT是2021年《柯林斯词典》年度热词的第一名,通常是译作非同质化代币,也称为不可互替通证。它是一种唯一性的数字资产。现在是用于艺术品和一些收藏品的交易,未来会对我们带来多大的影响?我认为,它最大的经济意义在于构建了一种直通的商业模式。对于这种NFT要怎么认识,需要大家做进一步的研究。

对于去中心化金融,美国的策略是审慎的数字金融市场规范,我国是严格的数字金融风险管控。虚拟货币、去中心化金融协议到底会用什么样的方式冲击主权金融监管的边界和金融基础设施的边界,会对我们造成多大的影响?未来面对去中心化金融,我国应采取什么样的策略?这是需要深入研究的。

三、央行数字货币与国际货币金融格局

第一,数字人民币是中国法定的央行数字货币,处在“快车道”上。数字人民币占流通中人民币的比例,一年前是万分之几,现在到了千分之几,发展的速度非常快,所以说数字人民币处在“快车道”上。

第二,数字美元现在处在“慢车道”上。美国有足够的创新能力。为什么它现在没有推出法定的数字美元?我认为它可能在考虑三个问题:一是权衡隐私保护。因为央行数字货币一定会降低隐私保护的强度。二是权衡私人数字货币。2019年,脸书(Facebook)推出了Libra(天秤座私人数字货币),后来更名为Diem,仍然没有得到审批。美国到底是会由美联储来发行法定数字美元,还是会允许私人机构发行数字货币?这个可能也是它正在权衡的问题。三是权衡全球的货币霸权。维护美元的货币霸权地位是美国最重要的经济目标之一。到现在为止,不论是中国的数字人民币,还是其他的数字货币,还不能够对美元的货币霸权地位构成直接的冲击。

第三,数字欧元现在处在“急弯道”上。欧洲很想建立一个独立的、自主的货币金融体系,他们做了很多努力,包括成立单一欧元支付区等,都取得了一定的进展。但是俄乌冲突、通货膨胀等对欧元带来了很大冲击,从而也对数字欧元带来了很大冲击。欧洲面临着以下几个问题:一是货币政策矛盾和财政政策的矛盾,到现在还不能够得到很好的解决;二是欧洲国家加深了对美国的经济依赖;三是欧盟的经济自主、政治独立、金融方面的自主独立发展都受到很大影响。

我希望大家更加关注以国家实力为支撑的国际货币金融的格局。我们一直在说人民币国际化,现在的人民币在全球支付和全球储备中所占的比重都是百分之2点几,没有超过3%;虽然排名在第5位,但所占的比重还是很低的。在全球货币金融格局中,人民币虽然有了很好、很快的发展,但现在可能还谈不上替代。如何把数字人民币打造成全球最好的央行数字货币,数字人民币的国际化道路要怎么走?希望大家做进一步的研究。


问答环节

Q:您刚才讲的都是很超前的。我刚才听您讲央行数字货币(CBDC),我这两年也在研究CBDC的进展,主要是数字欧元和数字美元。CBDC以后涉及到一些国际监管问题,包括跨境之后的国际监管。最近DIS和IMF提出了加密监管框架,技术已经在进行实验了。国内在这方面好像还没有进行研究。想请教一下,数字人民币走向国际,不管是跨区域或跨国别,从技术上或治理上要如何监管?至少从研究的角度想听一下您的建议。

李礼辉:关于央行数字货币。目前在研究进展方面,新加坡可能做得比较好。新加坡更侧重于研究批发型的央行数字货币。中国的数字人民币,目前应该说还是零售型为主的央行数字货币。新加坡研究批发型的央行数字货币是希望新加坡未来能够成为全球的数字金融中心或者成为一个央行数字货币中心。

央行数字货币肯定是区分国家的。比如中国的数字人民币要到新加坡去使用,能还要解决很多问题。一是技术层面的。有关国家关于央行数字货币的技术架构、技术标准必须是互认互通的,互认才能互通。二是制度层面的。在货币制度、外汇管理各个领域都需要达成一个新的协调。目前,中国参与了“多边央行数字货币桥”(M-Bridge)的项目,中国大陆、香港、泰国、阿联酋等几个国家参加了,目前范围不是特别大,取得了一些初步的成就。希望能够在技术上和制度上搭一个桥梁,让有关国家的央行数字货币能够联通起来。G20在2021年开了一个会议,他们仍然认为,通过数字创新解决全球支付上的难点和痛点是未来金融改革创新的一个重要领域。总体上说,这是符合前进方向的。正如我刚才所说的,中国的数字人民币作为中国的央行数字货币或者叫主权数字货币,是发展比较快的。但是,其他大的经济体在央行数字货币方面还是发展比较慢的。数字欧元现在碰到了很多的阻力和障碍。数字美元现在还没有积极推进。在研究央行数字货币的同时,建议大家对所谓的稳定币,对虚拟货币,也要做进一步的研究和分析。

 

Q:我们怎样看待对于人工智能AIGC的监管态度?我们最近也看到,这次对于人工智能的监管速度相对来说比较快。2013、2014年,当时在移动互联网发展了很长时间之后,监管根据一个一个的落地场景逐渐进行监管,这次我们看到AIGC在大模型真正做出很多成果之前就已经有人工智能生成等内容的监管方法。国外对我们也算是步步紧逼。之前只对我们禁用了A100和H100,现在A800和H800也想禁用。AIGC的发展,很重要的是需要有商业场景的落地,想请教您如何看待监管在这种内外夹击下的态度?

李礼辉:简单说一下我的主要观点。

第一,对于AI大模型。比如说大语言的模型,像ChatGPT这样的模型肯定需要一些特别大的数据才能够很好地回答各种各样的问题,才能够做图形的识别等等。我个人认为,就AI的模型来说,可能需要大模型,也可能需要一些中模型,也可能需要一些小模型。对于中国来说,可能大模型会需要很高的算力,需要很多的比如几千个甚至几万个A100、H100的芯片组合,但对于小一点的模型可能不一定需要那么大的算力来做支撑。

第二,任何的科技创新,包括AI方面的创新都需要满足市场的需求,没有市场需求的所有创新都是不可能变现的。我们的市场分了不同的层次,所以我们可能需要不同的模型。

第三,如果说每家类似的机构、差不多的机构都去做一个自己的模型,就整个社会来说,它可能是投入产出比特别低的一种模式。比如今天在座的有很多学员来自银行,银行的管理需求、服务需求是大同小异的,工商银行和中国银行、浦发银行不会有特别大的区别,哪怕是很大的银行和很小的像微众银行这样的网络银行来说,在满足客户的需求和风险管控方面并没有太大的区别。在这种情况下,如果每一家银行都做一个自己的模型,大的银行当然有这个财力,但就全社会来说不一定是合算的。所以,我个人认为,在大模型的建设方面,国家应该要引导一种正确的路径。观察大模型的结构,按我的了解可以把它分成三个层级:基础层的,所有的银行都可以基本一致,基础层可以统一开发,统一训练;中间这一层是可以调整、调适的,可以做一定小训练、微训练或微调整的;最上面一层是面对客户、面对市场的一层。如果说金融业所用的模型,能够相对集中统一开发,同时根据不同银行的需求做一些必要的调整来满足不同场景、不同客户的需求,可能会是一种比较经济的、比较可靠的策略。

在AI的监管方面,对于AI对齐、AI虚假这方面要加大监管力度,这应该是技术层面的事。在整个市场的领域,在行为的监管方面,当然我们要有足够的措施,能够真正建立一个中国特色的“AI信任”,让能够得到信任的这些机构、产品和系统占领中国的市场,同时对那些可能会有各种各样负面问题的AI系统能够进行有效的管控。

 

文字整理:米田

责任编辑:张柯柯

2023-09-25 17:34