中国银行原行长李礼辉：AI迭代与算力竞争

作者｜中国银行原行长李礼辉

来源｜中国金融杂志

图片来源：由无界 AI工具生成

美国微软的人工智能实验室OpenAI于2022年11月30日推出的人工智能聊天程序ChatGPT，2个月内突破月活跃用户1亿大关，成为数字世界最受欢迎的产品，被称为人工智能技术发展的奇点。ChatGPT的全称是Chat Generative Pre-trained Transformer，可以理解为“具有生成能力、经过预训练的人机对话转换程序”。ChatGPT有基于超级算力的学习能力、逻辑能力和语言能力，能够学习、掌握和运用大数据库中各门各类的知识，能够学习、理解和使用人类的语言和表达方式，能够区分语境进行人机对话交流，能够完成撰写邮件、论文、文案、视频脚本、代码以及翻译等任务。2023年2月7日，微软将ChatGPT整合到Bing搜索引擎和Edge浏览器，解决负荷过载问题；3月14日发布GPT-4，建立文本到图像的映射关系，支持图片输入、表格输入和以图编程、据图写作等应用。

ChatGPT带动全球AI应用扩展。Google的Bard使用人工智能技术，将生成式AI融入电子邮件、图片编辑和在线工作工具，以前仅向美英开放，现在扩展到180个国家。2023年3月16日，百度推出生成式AI产品“文心一言”，可以用于商业文案制作、文学写作、数理推算、中文理解、多模态生成等场景。

OpenAI用于ChatGPT学习和预训练的数据基本上是开放和共享的，总体上获得了无断层的数据供给。ChatGPT能够领先同行脱颖而出，关键因素在于，OpenAI从2015年以来投入巨大财力、人力培育超级算力，终于形成AIGC（AI Generated Content/人工智能生成内容）的技术优势。有人最近做了一个测试，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，对ChatGPT进行测试，GPT-3.5的正确率为58%，GPT-4的正确率高达88%，高于人类62%的平均正确率。

ChatGPT的成绩应该能够证明，人工智能技术的创新和应用已经进入迭代升级的新阶段。AI迭代当然可以为开发者创造商业价值，例如目前ChatGPT Plus用户每月须支付20美元，OpenAI的市场估值大幅攀升。至于AI迭代对数字经济社会的贡献，则有待经济学家的评估和测算。

我们必须关注的是，AI迭代揭示的数字技术变局对我国数字经济发展可能造成的冲击和挑战。

一是算力集中与算力竞争

算力主要指数据计算的能力。人们一般认为，数字经济时代，数据成为生产要素，算力构成新生产力。作为基础设施的算力包括以服务器为中枢的硬件和以算法程序为核心的软件。2022年我国算力总规模达到每秒180E（1.8万亿亿次/1.8万京次）FLOPS（浮点运算），据说排名在美国之后居全球第二。

在数字技术应用中，人工智能、大数据、云计算都需要巨大的算力支撑，人工智能计算能力反映最前沿的算力。算力也在很大程度上决定金融竞争力。在金融领域，智能化的信用评估、客户筛选、风险定价、风险控制、投资顾问、保险精算、数字员工等，无不需要数据和算力的支撑。

算力基础设施的建设需要持续投入巨大的财力、人力，要花得起钱，找得对人，还要耐得住寂寞，这就势必导致算力集中。一是向主要国家集中，据非官方统计，美、中两国的算力占全球算力的60%左右。二是向资本巨头和科技巨头集中，绝大多数小企业自有的财力、人力不足以自建有价值的算力。

因此，算力竞争在很大程度上将是主要经济体之间的国家级竞争，以及资本巨头之间、科技巨头之间的企业级竞争。我们需要探讨的是，如何构建一个能够占领全球技术高地的国家级算力基础设施；如何构建一个技术可信任、资源可共享、商业可持续、市场主体可受益的算力生态圈。

二是数据鸿沟与数据治理

不同领域、不同场景的应用程序各有不同的性能、不同的覆盖范围，因而对数据要素各有不同的需求。并非所有的应用程序都需要预训练，都需要大规模的数据。但立足于国家级、企业级的算力竞争，就必然要求国家级、企业级的数据支持。要打造与ChatGPT媲美的生成式人工智能程序，就一定需要无断层、无障碍的数据供给。

问题在于，派生于行政体制、支付模式、地缘政治的数据鸿沟，将对我国的算力建设和算力产出构成实质性制约。

我国具有海量数据规模和丰富应用场景的优势，但公共数据资源的共享模式和移动支付数据的共享模式都不够完善，影响数据要素价值的深度开发。例如，涉及企业的信用数据和行为数据，分散在金融监管部门、金融机构、工商行政管理、税务、海关等不同的局域系统中，开放共享的水平不高，形成行政性的数据鸿沟。我国移动支付用户规模高达9亿，数字化支付成为主要数据入口，互联网平台拥有超大规模的个人数据和企业数据，但互联网平台与金融机构之间的数据关连、数据共享尚未达成成熟的模式，数据鸿沟有待填充。