Sora，AI領域的革命性突破，彰顯非凡的視頻生成和物理仿真能力。其底層技術的演進和應用領域的擴展，爲金融業帶來前所未有的顛覆性變革。

2022 年 11 月，ChatGPT 上線 14 個月後，OpenAI 于 2024 年 2 月發布 Sora。Sora 可根據文本提示創作逼真的 1 分鍾視頻，實現視頻的無縫連接和拓展。

ChatGPT和Sora分別代表著生成式AI和視頻生成模型領域的巅峰之作。它們標志著人工智能技術發展的重要裏程碑，展現了AI不可思議的潛力。

一是啓動內容生産方式和人機交互方式的變革。生成式AI模型可以從非結構化數據格式中學習信息，生成新的非結構化內容，包括文本、音頻、視頻、圖像和代碼，能夠適應各種任務，從而對數字技術産業全鏈條産生重大影響。視頻生成模型Sora的核心底層融合了擴散程序Diffusion和轉換程序Transformer，底層技術的核心在于多模態感知、學習和交互的能力。Sora突破了文本交互的局限性，能夠感知、理解和模擬動態的物理世界，能夠與真實世界進行交互和學習。可以預期，多模態的人工智能將改變廣告、傳媒、動畫、影視行業的作業方式和商業模式，並且有可能加快基于視覺(而非雷達)的智能駕駛技術創新，基于基因圖譜和細胞圖像分析的智能生物醫學技術創新。AI數字代理程序被稱爲Co-Pilot(副駕)，可以代替主人執行知識學習、環境感知、行動規劃等任務。

人工智能技術蓬勃發展，從通用大模型拓展至垂直模型，涵蓋自然語言處理、計算機視覺、機器人等領域。它與數字技術（如大數據、雲計算）相融合，形成了以人工智能爲核心的複雜體系，應用于醫療、交通、制造業等各行業，爲社會創造價值。

AI模型直接提升商業價值，大幅降低知識應用成本。它們自動化例行任務，提高投入産出比，同時提高工業、物流和服務流程的自動化程度，節省邊際成本。此外，AI模型還能診斷運營缺陷，顯著提高生産和管理效率。

智能金融還處在輔助+助理的早期階段。一是改進産品創新和客戶服務。如工商銀行的數智交易系統覆蓋彙率、利率、商品交易的100多項業務場景，招商銀行的AI小招智能助理實現面向千萬級用戶的在線理財智能顧問服務，太平洋保險的數字員工能夠作爲私人助理提供日常辦公、軟件技能、知識問答、數據處理、專業場景任務執行等服務，國泰君安的君弘投資理財智能客服APP具備股票、期貨、期權、外彙、理財、融資融券、投資顧問等跨場景業務交付能力。二是改進運營管理和風險管控。如網商銀行的百靈系統應用人機互動技術實現百萬級用戶的個性化風險控制，平安産險的自然災害風險管理平台應用空間數據和衛星遙感影像服務遠程查勘、精准定損和快速理賠等多項場景，泰康保險的核保核賠服務平台和理賠識別平台能夠提供醫療影像和醫療病曆質檢、客戶健康評估、虛假理賠甄別等核心功能。

在數字金融領域，生成式、多模態人工智能技術有可能帶來新的改變。

智能金融機器人借助 Sora 底層技術，可完美複現真人交互，實現 99.9% 的人機保真度。通過動態感知和精准理解客戶語言、表情，機器人能准確判斷風險偏好和業務需求，以貼近人性的方式提供最優服務。告別冰冷機器客服，智能金融機器人有望爲櫃台服務增添一抹人性化的風景。

智能影像管理助力行業升級

Sora底層技術賦能智能影像管理系統，實現圖像管理全流程智能化。醫療保險可智能質檢病曆、影像，甄別虛假理賠；銀行可驗證票據、合同真實性，即時納入賬務系統，顯著提升服務和運營效率。

算力引擎驅動著人工智能，由算力硬件、算法軟件和數據資源組成。算力基礎設施（硬件和軟件）至關重要。算力競爭成爲國家和企業巨頭的經濟戰場，決定著科技主導權。

在數據資源方面，中國與美國對比，各有長短。

依托長期發展累積而成的數據資源優勢，美國等西方發達國家在知識和學術領域構建了西方主導的數據資源供給格局。例如，美國國立醫學圖書館的Medline是全球最權威的生物醫學文獻數據庫，收錄1950年以來70多個國家和地區出版的5200多種生物醫學期刊的文獻，每年遞增30萬-35萬條記錄，涵蓋基礎醫學、臨床醫學、環境醫學、營養衛生、職業病學、衛生管理、醫療保健、微生物、藥學、社會醫學等細分領域。中國醫學科學院1994年投産的“中國生物醫學文獻數據庫CBM”與Medline相比，存在指數級的差距。

中國擁有龐大的人口和成熟的移動服務市場，使其成爲全球領先的數據資源中心。豐富的市場交易和公民行爲數據爲數字金融的發展提供了強大的基礎。

必須注意數據共享模式的局限可能影響數據價值的深度開發。例如，涉及居民和企業的財務數據和行爲數據，分散在金融機構、金融監管、工商管理、稅務、海關等不同的局域系統中，共享水平不高，形成行政性數據鴻溝。又如，中國的移動支付用戶規模高達9億，數字化支付成爲主要的數據入口，互聯網平台擁有超大規模的個人和企業數據，但互聯網平台與金融機構之間的數據關聯、數據共享尚未達成成熟的模式，數據共享的效率不夠高，數據資源的價值未能充分發掘。

知識産權保護塑造了生成式 AI 數據應用。2023 年 12 月 27 日，OpenAI 因抓取受版權保護文本而被紐約時報起訴，凸顯了數據産權爭論。

AI模型賦能金融創新，demanding 數據資源的優化。多模態人工智能和普惠金融應用均依賴于高效、高質的數據共享體系。

中共中央、國務院《關于構建數據基礎制度更好發揮數據要素作用的意見》(數據20條)明確了數據産權制度、數據要素流通和交易制度、數據要素收益分配制度、數據要素治理制度的規範。提高數據品質，擴展數據規模，促進數據流通，實現數據共享，發掘數據價值，保護數據安全，是發展數字經濟的動能。重點是完善數據要素市場體制機制，填平數據鴻溝，增強數據要素共享性、普惠性，提高數據要素供給數量和質量，有效防範和化解各種數據風險，深化開放合作實現互利共贏。

謹慎的數字安全觀點認爲，生成式AI模型和視頻生成模型等AI技術尚未成熟，算法和模型缺乏透明度。在金融領域部署這些技術可能加劇已有風險並産生新風險。

因此，金融創新必須以AI信任和安全爲基礎，確保倫理和公平，並遵循經濟規律。只有這樣，才能實現安全的金融效率和創新模式。

優化均衡監管，促進金融創新與風險防控並行。技術創新應追求“高中”，引領産業先機。風險管控則力求“初小”，防範風險于未然並最小化影響。

這就要求加快智能金融監管創新。例如，制定法律法規，明確智能金融各參與方的責任邊界，包括智能金融監管的基本原則、監管機構的職責和權限、金融機構的智能金融業務規範；建立穿透式、一體化、跨局域的智能金融協同監管系統，實現監管信息共享；建立智能金融技術審核認證制度，完善AI大模型的測試平台、工具、標准和方法；建立智能金融風險分析和監測系統，及時識別、評估並提前預警異常交易和市場操縱，主動預防系統性風險；允許在監管沙盒機制下試行智能金融業務突破性創新，累積監管經驗和數據支持；積極參與構建數字經濟國際規則和數字技術通用標准，加強智能金融國際監管協作和交流，在數字經濟國際規則建設中爭取中國的話語權，在數字技術通用標准建設中爭取中國的“定位權”。

-對此，您有什麽看法見解？-

-歡迎在評論區留言探討和分享。-