白硕：金融科技领域的资深专家。先后就读于清华大学、北京大学计算机系，是计算机科学理论专业人工智能方向博士，曾任中科院计算所软件研究室主任、国家网络安全管理中心技术管理处处长、上海证券交易所总工。现在担任恒生电子首席科学家、恒生研究院院长，中国计算机学会数字金融分会常务执委、中科院计算所兼职博士生导师。
人工智能，可能是时下讨论热度最高的一个话题。今年春节期间，OpenAI公司推出了文生视频大模型Sora，与此同时，苹果公司也放弃了自己的十年“造车梦”，集结火力转攻AI。
人工智能就是我们的未来吗？当下国内的AI又发展到了什么水平？带着这样的疑问，我们专访了恒生电子首席科学家、人工智能专家白硕。
Sora会给现实世界带来哪些改变？
记者：春节后OpenAI的文生视频大模型吸引了非常多的关注，金融界、学术界、媒体界都在讨论有关人工智能的未来。有人说，Sora的诞生是人工智能的又一个iPhone时刻，您认可这样的观点吗？您觉得Sora会给现实世界带来哪些改变？
白硕：Sora的出道应该说是一个不小的突破，文生视频能做到这样的体验、这样的技术是值得肯定的，之前国内外相同领域的系统也一直没有达到类似的水平。
Sora可以根据自然语言指令生成60秒钟的视频，我们可以看到灯火阑珊的街道上行走的时尚女性，也可以看到咖啡杯中破浪行驶的船只。这些视频不仅内容贴切扣题，而且还体现出一种对物理定律细致入微的遵从。
我觉得可以从几个层面去评价它：一是Sora应用本身在文生视频领域取得的一系列技术突破，这些变化是非常具有冲击力的。目前，我们已经可以看到Sora给文创、营销等场景带来的价值，未来我相信它还会继续进化。
二是它进一步实现了“语控万物”的愿景。Sora的诞生为我们打开了一种新的可能性，它揭示了视频作为语义根基的一个重要方面，给大模型带来了更加强大的“形象思维”能力。比如我对着机器说了一句话，机器把我的意图掰开揉碎之后，用一种图像和视频的方式呈现出来，而且效果还十分理想。未来自然语言在各个垂直领域（也包括金融领域）的语义根基，很可能就建立在若干个类似Sora这样的“世界模型”基础之上。
三是Sora带给我们Think Different的启示。我们要向Sora学习这种Think Different的决心和勇气，它不仅是一种技术上的成功，更是一种思维创新上的成功。它告诉我们自然语言指令标注和“有业务属性的优质数据”之间的有机结合，可能真的会打通某种关窍，产生新的可能，新的物种。
记者：2023年以来，随着OpenAI、谷歌、Midjourney等公司相继推出自己的AIGC应用，很多人认为通用人工智能AGI时代很快就会出现。在国内市场，我们也知道很多科技大厂包括百度、阿里、腾讯、华为等都相继推出了各自的人工智能大模型，恒生电子也有自己的大模型，科技界称之为“百模大战”。也有不少人关心，目前国内的人工智能究竟已经发展到了什么程度？它与海外的科技巨头相比，是不是真的有这么大的差距？
白硕：坦白地说，目前国内的人工智能水平和海外科技巨头相比还存在一定的差距，这种差距体现在算力和模型本身的原创性方面。我觉得我们要承认这种差距，大力支持国内开发原创性的算法，发展自有算力。
此外，我们看到国内出现了很多优秀的大模型，只是原创的算法没那么多。但这并不是说算法不是原创的就没有价值。通过高质量的特色数据，用目前通用的大模型框架和适当规模的算力，同样可以打磨出一个比较好的大模型，并不是说一定要从零开始造轮子。
另一方面，国内人工智能产业的发展，还可以更多地寻求相对优势，比如在技术实际应用层面的发展。将大模型在关键业务场景上应用好，用出效益、用出价值，这些地方就是我们可以重点发力的部位。作为金融科技公司，恒生电子也着重在大模型应用层面加大投入，助力大模型更好地应用落地于金融实际业务场景中，助力金融行业数智化升级。
解决AI算力瓶颈让AI的实现更加绿色环保
记者：您觉得AGI（通用人工智能）真正到来还需要多长的时间？如何去定义最终形态的AGI？
白硕：这个还很难判断，人工智能技术目前取得了一定的进步，我们可以说已经摸到（通用人工智能的）一些边了，但后续到底是用什么方式去把它（AGI）搞得更全面一点，常识性的错误少犯一点，关键是需要我们用更多的常识把AI武装起来。
这些常识（知识）可能连我们自己都意识不到，在一个人成长的过程中，这些常识（知识）都是靠日积月累学习出来的。机器也是一样的，AI也需要通过不断的数据学习，但是学习的速度（进展）挺难判断的。我觉得5年之内还做不到（通用人工智能），大概需要更多的时间，比如10年或者15年，我们可以一起期待一下。
记者：有人说在算力、算法和大数据领域，中国的数据可能有更大的比较优势，您认可这样的观点吗？
白硕：作为互联网大国，中国的大数据有一定的优势。但对于AI来说，原始数据是不够的，它需要优质数据。互联网自然环境下产生的数据谈不上优质数据，这里就涉及大量的数据清洗、加工、标注等技术工作，这也对我们的大数据人才提出了更高的要求。大数据对于中国而言，既是一种机遇也是一种挑战。
记者：如何去解决AI算力瓶颈的问题？
白硕：面对算力瓶颈，短期内可以通过建立算力联盟来应对。特定的AI使用群体可以联盟方式共享算力资源。尤其是在训练环节，算力消耗大，但从单个用户看重复使用率不高，联盟方式有利于削峰填谷，充分利用现有算力。通过算力联盟，可以实现资源的优化配置，提高算力的使用效率，缓解算力瓶颈的问题。
中期来看，可以通过平行替代的方式来应对算力瓶颈，即用国产算力替代受到禁运的进口算力。随着我国在半导体技术上的不断突破，国产算力的性能和稳定性都在逐步提高，完全有能力替代进口算力。
长期来看，解决算力瓶颈的根本途径，在于研发所需算力规模更小、系统开销规模更小的AI训练和推理算法，即低资源AI模型。这种模型可以在保证性能和精度的同时，大幅度降低对算力的需求，从根本上解决算力瓶颈的问题。这要求算法框架上有本质的创新和改进。如果这方面实现了突破，比如说不借助面向AI专门优化的GPU就可以在通用CPU上跑AI模型，那将从根本上改变现有的算力供需格局，同时也将使AI的实现更加绿色环保、造福人类。
记者：AI的发展可以串联千行百业，比如AI+金融、AI+医疗、AI+教育，我们知道恒生电子是科技金融领域一家非常优秀的企业，它是如何将AI应用到金融层面，更好地赋能金融科技的发展？
白硕：恒生目前的重点在大模型应用。金融行业有其特有的行业属性，这对我们来说是一个很大的挑战。
比如在金融领域有很多专业化的要求，一个专业性问题，你告诉客户一个错误的答案，由此引发的后果可能是比较严重的，因此金融行业对回答的内容和服务的质量要求非常高，数据的专业化和准确性非常重要。这个不像是和一个聊天的大模型对话，大家可以相互调侃，它输出的结果大家可能不会特别在意。但金融大模型输出的结果是要提供给实际金融业务的，在这种场景下就不能出错，避免出现知识幻觉。
金融行业有着严格的监管合规要求。金融行业的监管对数据流动、身份（例如是否持牌经营）等有明确限制。恒生通过大模型中控平台“光子”，将公开数据和金融机构的私有数据，像运营、合规、交易等系统产生的数据和一些特色数据，有效地连接起来，形成一个有机的整体。
年轻人如何把握AI时代的红利？
记者：AI时代，飞速的发展会给年轻人或者创业者带来哪些机会？我们当中的一些读者也非常想把握AI时代的红利，对于这些年轻的创业者，您作为行业里面的专家能否提供一些建议？
白硕：创新创业是值得鼓励和保护的。但普通创业者如果直接和那些拥有“重型装备”的大厂，或者和那些资本重型加持的团队去正面作战是不明智的。在AI基础设施建设上，创业的机会可能不是太多。但整个大模型基础设施很庞大，它会有各种配套环节，创业者如果能抓住一个配套环节把它做精做透，那也是很好的。
另外，技术的变化飞快，创业者需要经常去预判产业发展的潮流，避免被时代的车轮碾轧。
我看到有些年轻人在利用AI制作内容，比如AI授课或者其他的一些AI应用，他们不是造轮子，而是直接把轮子拿过来用。将基础大模型与应用场景、特色数据结合起来，我觉得这是AI创业很好的点。
记者： 中国要发展人工智能，并从中走出自己的OpenAI、英伟达或者微软可能需要几代人的共同努力，对于那些有志于发展中国人工智能的学子而言，您对于他们又有哪些建议和期许？
白硕：对于想要从事AI基础设施建设的学子来说，深入学习人工智能底层的一些基础学科是至关重要的。但对于大多数学子来说，未来学计算机可能不是最关键的。
过去想构造一个东西，可能需要做很多的编程工作，在这之前要学习很多编程、数学、统计的知识。随着大模型技术的发展，AI的门槛会越来越低。未来，大部分的人都不再需要编程，技术鸿沟已经完全弥合。我们只要学会如何使用人工智能，再发挥自己的想象力，通过描述就可以实现很多梦想，这是AI的一个发展趋势。
现在的人工智能，已经不是纯粹地学一门技术这样一个概念了，而是了解未来的一种生活方式，并不是每个人都要成为人工智能专家，而是要根据这种趋势，站在未来的角度反过来去思考我们需要什么，为未来的智能化生存做好准备。