21世纪经济报道 实习生 张长荣 记者 崔文静 北京报道在金融科技加速渗透的行业背景下，机构竞争的重心正悄然生变。 如今，从底层技术架构的数字化重构，到前端业务场景的智能化升级，金融科技已从“可选项”变为行业“必答题”——大模型、云计算等技术的规模化应用，不仅降低了中小机构的技术准入门槛，更让行业整体的技术底座逐步趋同。 “未来大中小机构在算法与算力上的差距必将逐步缩小，金融机构的核心竞争力也将随之转向数据。”恒生聚源总经理吴震操判断，对于规模相近、业务模式易同质化的机构，内外部数据的挖掘利用能力将成为竞争胜负手。 作为国内领先的金融、产业数据资讯服务提供商，恒生聚源的行业判断并非空穴来风——其不仅拥有聚源金融数据库、洞见智能投研、智能小梵、智眸风险预警系列等丰富产品线，更经过25年市场耕耘，在金融市场需求理解、产品设计、客户拓展及专业服务等领域，积累了扎实的实践能力与深厚经验。 基于对行业趋势的洞察，恒生聚源在2023年推出面向金融投研场景的大模型产品“WarrenQ”，随后，于今年发布AI友好型金融数据库AIDB。AIDB通过统一数据范式、简化查询逻辑及强化数据治理，可实现大模型对金融结构化数据的精准调取。 不过，恒生聚源的思考并未止步于数据基础建设。在其看来，相较于技术本身，未来金融AI发展的真正突破口，在于将技术与业务深度融合的“场景化应用”。 在这场大模型赋能金融行业的进程中，恒生聚源希望承担三大核心作用：立足数据公司本源，发挥数据要素企业的核心价值；以行业先行者身份，助力金融机构大模型落地；联合各方，共同探索商业模式创新。 而从长远来看，恒生聚源的目标不仅是成为技术服务提供者，更是AI时代金融行业的“智能信息服务伙伴”。为实现这一愿景，恒生聚源已展开精准布局，重点聚焦投研、财富管理、风险预警三个与金融机构核心业务紧密相关的领域。 21世纪：当前通用大模型在辅助工作中容易出现幻觉，应如何解决？个人投资者又该如何辨别信息？ 吴震操：AI幻觉是大模型固有的现象。目前常见的应对方式是让大模型结合外部信息进行结果优化。行业常用的“检索增强生成（RAG）”和“上下文工程”，通过检索获取外部知识，再结合大模型自身的推理能力生成内容。这样做一方面可以弥补大模型自身知识储备的局限，另一方面也可能帮助用户发现因自身知识或检索能力有限而未能获取的信息。 对于用户来说，在使用大模型时常需要判断信息的真实性，建议采取以下措施：第一，多对比不同的大模型。不同模型的训练数据和算法不同，输出的结论和分析角度也会有差异。 第二，对结果进行溯源验证。目前主流商业大模型平台通常会提供来源链接、参考文献或相关图表，用户应主动核查来源的发布时间及可靠性，以评估信息的时效性和可信度。 第三，可借助智能体平台自定义工具。目前不少智能体平台开放自定义功能，用户可根据自己的投资习惯和分析方法搭建专属智能体。 21世纪：面对机器逐渐替代部分基础岗位的趋势，我们应如何建立“人机协同”的工作模式？需要掌握哪些关键技能才能与机器深度合作而非被替代？ 展开全文 吴震操：大模型处理基础操作和日常重复性工作的能力会越来越强，这是技术发展的必然。但目前大模型仍有明显局限，无法完全替代人类。 首先，重大决策仍依赖人类。决策不仅需要足够多的背景知识、全局观和行业经验，更需要判断力和坚决的意志，而大模型仅依靠训练数据推理，缺乏真实场景经验，目前无法承担重大决策。其次，大模型尚不能替代人类在精准洞察和信息挖掘方面的作用，尤其是人际深度交流方面。大模型的信息来源局限于已有知识库或网络内容，无法及时获取第一手信息，也不具备第一时间对原始信息进行进一步探究、整合并影响决策的能力。 事实上，人类与大模型并非对立，而是走向共存。这种共存不仅推动大模型能力不断进化，也会促使人类持续提升自身能力。因此，我们不必过度担忧大模型的发展，而应更主动地将其作为协作伙伴，建立深度合作关系。 21世纪：目前中小券商由于科技投入资金有限，往往依赖外部技术支持。如果多家机构采用相同或相似的外部技术，这是否可能导致服务或策略上的同质化？应如何应对可能出现的同质化现象？ 吴震操：这一问题并非中小金融机构独有，大型金融机构同样面临类似的挑战。当前，大模型的马太效应日益显著，未来市场上广泛应用的通用大模型可能会高度集中，推动形成“算法平权”和“算力平权”两大趋势。不同规模的机构在算法和算力方面的差距将逐渐缩小。 在这一背景下，机构在投资决策、市场研判等核心业务上的差异，将越来越取决于其在“取数、用数、算数”环节的能力。金融机构的核心竞争力，正在转向对数据的获取与运用能力。 因此，机构应重点从两个方向发力：一是获取更多更有价值的外部数据；二是深度挖掘和高效利用自身内部数据。尤其对规模接近、业务模式趋同的机构而言，数据的高效挖掘与利用能力将成为决定机构竞争胜负的关键。 高效运用内部数据，关键在于机构内部的数据治理能力。我们认为，未来商业场景中的大多数数据，不应仅服务于人类或传统业务系统，还应主动适配大模型的使用需求。 正是基于这一认识，我们今年推出了“AI友好型数据库”（AIDB）产品。AIDB通过一套系统化的数据治理方案和标准化市场数据指标体系，帮助机构优化数据供给，充分释放内部数据价值。 21世纪：随着大模型逐步落地，其规模化应用的问题也逐渐受到关注。AI智能体距离真正处理复杂、多步骤的金融投资决策流程还有多远？ 吴震操：目前，随着金融机构将更多传统业务流程交由大模型处理，“智能体+大模型”在金融场景的融合应用已进入关键实践阶段。 过去，受限于大模型的生成式特性，其难以独立承担复杂任务。行业普遍认为，涉及复杂金融工程的任务很难直接通过大模型完成。但智能体的引入改变了这一状况：它能够调用现有的金融工程模型、机构内部细分模型，并适配内部投资策略等，实现对既有专业工具的高效复用。在这一模式下，智能体、大模型与机构现有的金融工程体系和业务系统实现了有机融合，不再孤立运作。恒生聚源的金融智能体平台把大模型能力、业务系统逻辑和金融数据编织在一起，进一步提升投研和投顾的效率。 展望未来，大模型本身推理能力的提升也会朝着与金融工程模型融合方向不断演进。大模型技术能力的进一步提升，将推动金融工程模型持续迭代和效能升级。 21世纪：中国金融科技公司在人工智能应用方面有哪些优势？还可以从哪些方面提升？ 吴震操：当前国内在很多细分的工程场景下，例如图计算、联邦学习等技术已处于全球领先水平。在此基础上，我认为未来金融AI发展的突破口在于“场景化应用”。 推动场景化应用，可以依托资本市场与股权投资市场机制，建立科研成果向企业转化的有效通道。目前许多优秀成果仍在实验室阶段，若要实现价值转化，必须与实际金融场景深度融合，落地到具体业务环节中。 在此过程中，需打通科研力量、行业需求与资本之间的协同链路，明确各方角色与作用，共同推动优质科研成果从实验室走向企业实践、在行业领域落地生根。 除此以外，还可以扩大与海外金融机构及金融科技企业的交流合作。受益于风险资本的持续支持与推动，目前海外金融AI领域的场景落地实践已非常丰富。建议密切关注海外动态，与海外金融机构、金融科技企业开展常态化沟通。 21世纪：未来3-5年大模型发展会有哪些变化？恒生聚源希望发挥什么作用？ 吴震操：我们预计未来三到五年大模型发展将逐步显现三大变化：首先操作层面将实现关键突破，逐步替代大量繁琐工作；其次人机交互模式将发生深刻变革，人类可通过日常自然语言直接与业务系统交互；此外，行业IT建设将显著变化，“大模型+智能体”能让过去需大量IT人员的开发实现低/无代码化，这类工具普及后可助力业务人员自主操作、盘活资源，大幅释放业务团队能力与生产力。 与此同时，大模型发展也面临新的挑战，例如“幻觉”问题、数据安全与伦理风险等。金融作为“国之重器”，在大模型应用过程中，必须强化审核与监管机制，我们亦期望与监管部门共同探索合规路径。 在大模型赋能金融行业的进程中，恒生聚源希望承担三大核心作用： 其一，立足数据公司本源，发挥数据要素企业的核心价值。聚焦金融数据的流通与赋能，助力金融行业充分激活数据价值。 其二，以行业先行者身份，助力金融机构大模型落地。恒生聚源作为金融行业大模型早期实践者，近年已完成大模型训练、产品品牌构建，积累了丰富经验与教训。我们期望将这些经验转化为行业资源，助力金融机构在数字化转型中高效推进大模型落地应用。 其三，联合各方，共同探索商业模式创新。当前行业对大模型的认知多停留在“降本提效”，我们更愿联合金融机构、监管部门等共同探索其对金融机构商业模式、客户服务渠道与方式的变革价值，最终共创全新商业模式——这也是恒生聚源面向行业长远发展的目标。 21世纪：恒生聚源成为“智能信息服务伙伴”的具体路径是什么？哪些领域会优先突破？ 吴震操：在数据要素市场化的大背景下，恒生聚源明确“数商”定位，形成“金融、科技、AI”三大核心标签。我们期望能够落地更多应用到投资研究、财富管理及风险预警等具体业务场景中，真正融入客户的业务流程、提供信息支持与参考，未来将主要聚焦三个领域： 一是投资研究领域。过往数据厂商多仅对知识初步加工，核心原因是投研与投资策略高度多样化——不同从业者有独特风格，难以标准化，因此行业多提供半加工的中端形态数据。而人工智能时代，借助大模型可深化知识加工，还能依据机构及投研人员的个性化偏好，协助提取所需信息、生成符合其风格的深度研究数据与阶段性成果。因此，我们认为，未来5至10年将是研究类数据的蓬勃发展期。 二是财富管理领域。我们不仅拥有传统金融工程基础设施，还积累了海量高质量数据。我们期望在人工智能时代从两方面提供支持：一是为用户优化资产配置、提升投资能力提供信息支持；二是赋能投资顾问，为实现财产增值提供研究支撑。 三是风险预警领域。风险与流动性、投资、交易活动紧密相关。未来，我们将依托AI技术进一步助力金融机构提升风险预判、评估能力。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 晓枫说 文 | 晓枫说 在全球气候治理与😴能源革命的双重浪潮下，海运业这条全球贸易的“动脉”——正经历🌟一场静默却深刻的革命。 IMO数据显示，航运业约占全球🙌温室气体排放量的2.89%，其脱碳进程直接关乎《巴黎协定》目⭐标的实现。随着碳强度指标（CII）、欧盟排放交易体系（ETS😀）从政策蓝图转化为实际成本，一场围绕技术路线、运营模式与商业🤯逻辑的全面竞赛已然拉开帷幕。在这场全球性的转型中，以ABB、😀瓦锡兰为代表的国际技术提供商，以中国船舶集团、中远海运等中国💯领军企业及众多中小创新型科技企业，共同勾勒着“全船电气化”为❤️血脉、“系统智能化”为神经的未来船舶蓝图。这幅跨国产学研协同🙌绘制的蓝图描绘了清晰的愿景，但其落地之路却布满需要全球行业共😉同应对的复杂挑战。 一、系统重构：电气化是底层逻辑变革🤗，而非简单动力替换 事实上，行业认知正经历一个深化的过🙌程——船舶电气化的核心，并非仅是安装一套电池组那么简单，其本🙄质是从“机械驱动”向“电力驱动”的范式转移，是对船舶能源分配🚀与推进系统的彻底重构。 在这一领域，东西方的技术路径呈🤯现出有趣的对比与融合。ABB力推的车载直流电网（DC Gri😢d）概念，与西门子能源的直流港口方案、瓦锡兰的混合动力解决方💯案等代表了欧洲的技术思路，其核心优势在于构建了一个高度集成化🤗的“能源平台”。相较于传统交流电系统，直流电网能减少高达10😉-20%的能源转换损耗，并显著节省设备空间与重量。更重要的是🤯，它作为一个开放的架构，能够灵活兼容当前的锂离子电池、正在兴🙌起的甲醇/氨燃料电池以及未来的新型储能技术。这种设计哲学，为😅船东提供了至关重要的“技术中立性”和“面向未来”的弹性，有效😂规避了因过早押注单一绿色燃料技术而导致的资产搁浅风险。 😉 视线回到国内，中国船舶集团在高端邮轮、大型液化天然气（LN👏G）船等领域展现的系统集成能力，以及宁德时代在船舶用锂离子电😉池、钠离子电池方面的技术创新，则体现了中国在产业链中后端的快😊速追赶。特别是宁德时代针对内河航运推出的“船舶动力电池系统”😁，已应用于长江流域等多艘电动船舶，展示了中国在特定应用场景下😘的市场化突破。 市场的选择清晰地揭示了现实的转型路径。😡根据挪威船级社（DNV）的统计，混合动力方案在新造船与改装船🎉市场中占据重要地位。这反映了行业在理想与现实间的权衡：混合动👍力作为关键的过渡技术，允许船舶在排放控制区（ECAs）和港口👍内实现“零排放”静音航行，以满足局部最严苛的法规并提升企业C😢SR形象，同时在开阔水域依靠主发电机保障续航与经济性。中远海😎运集团在旗下多艘大型集装箱船上实施的混合动力系统改造项目，正🥳是这种务实路径的体现——通过在现有船队上进行技术升级，而非全👍部新建，以更具经济性的方式推进减排。 然而，技术的先进😂性无法自动跨越经济的鸿沟。核心挑战在于，这套系统重构所带来的🤩高昂初始资本支出。一艘采用先进直流电网和电池系统的新造船，其🙄建造成本可能比传统船舶高出20%-40%，绿色溢价最终需要在😆整个价值链中被消化。这催生了新的商业合作模式，例如一些航运公🤔司开始与货主签订包含“绿色溢价”的长期运输合同，或寻求绿色金🙌融的支持。技术的普及速度，将不取决于其技术指标的巅峰，而取决😘于其全生命周期成本的竞争力。在这方面，中国银行、进出口银行等😆金融机构对绿色船舶提供的优惠利率贷款，以及一些中国船厂推出的😢“能源管理合同”模式，正在尝试通过金融创新来降低技术应用的门🥳槛。这种技术+金融的整体解决方案，可能成为推动技术普及的重要😀助力。 展开全文 二、从自动化到自主化：数据驱动🥳运营模式的范式转移 智能化是脱碳的另一大支柱，其价值远🔥超节省人力，其终极目标是通过数据驱动，实现全局能效最优和运营😡模式的重塑。 趋势正从“单船自动化”迈向“船岸一体化智🎉能运营”。ABB Ability™、瓦锡兰的船舶效能管理系统😁（EMS）等代表了西方公司在软件平台和系统集成方面的传统优势🚀。这意味着，传统的船长和轮机长角色正在演变，他们与岸上的专家😍团队共同构成一个“数字船队”的运营中枢。这种模式不仅能优化单😂船航速、航线以减少燃油消耗（据估计可带来5-10%的能效提升🙄），更能实现预测性维护，大幅降低故障停航风险。而中国公司则从🙌不同维度切入：华为的5G技术、船载通信模块和云服务正在为智能😡航运提供数字基础设施；上海国际港务集团打造的“智慧港口”系统😴，通过优化船舶在港口的作业效率，间接减少了船舶的等待时间和排⭐放；而国内诸如百舸新能这样的众多中小创新型企业，也在围绕船岸😁一体模式、新能源动力系统等加快研发和产业化进程。 在自❤️主航行这一前沿领域，西方公司如康士伯与Yara合作的“Yar😍a Birkeland”项目引人注目，而中国的进展同样值得关💯注。交通运输部水运科学研究院牵头制定的智能船舶技术标准，青岛🙄无人船基地的测试验证平台，以及系统科技有限公司等企业在自主避😍碰、智能靠离泊等关键技术上的突破，显示中国正在构建自主可控的🔥技术体系。特别是中船重工第716研究所开发的“船海智云”工业👏互联网平台，已应用于数百艘船舶，实现了设备健康管理、能效优化😂等功能的国产化替代。 然而，这片“新蓝海”也充满了“暗👏礁”。 一是法规与责任的空白。当智能系统做出决策导致事😅故时，法律责任的界定是全球监管机构面临的崭新课题。IMO正在🤔制定的《海上自主水面船舶（MASS）规则》进展谨慎，便反映了😡这一复杂性。而中国机构和企业也正积极参与相关国际标准的制定，🤩这种技术标准话语权的竞争，其重要性不亚于技术本身的竞争。 🤩 二是网络安全的致命脆弱性。高度互联的船舶使其成为网络攻击⭐的高价值目标，2020年某大型集装箱航运公司遭遇的网络攻击导🤔致全球业务中断，已为全行业敲响警钟。 三是人机协作的挑😢战。船员角色将从操作者转变为系统管理者和监督者，这一转型需要❤️体系化的培训和文化适应，对航海教育体系提出了全新要求。 🙌 三、脱碳的终极拷问：绿色燃料的抉择与全球基础设施的协同 🤗 领先的电气化平台解决了绿色能源的输送和分配问题，但最根本🔥的挑战在于——绿色能源本身从何而来？这引出了脱碳征程中最具争😊议和不确定性的领域。 目前，液化天然气（LNG）、甲醇🤔、氨、氢等选项构成了一个充满竞争的“燃料罗生门”。马士基巨资😁投入绿色甲醇船舶，中远海运集团积极探索氨燃料动力技术，而一些😜欧洲船东则看好LNG的过渡作用，每一种选择都面临“Well-👏to-Wake”（从油井到螺旋桨）全生命周期碳排放的严格审视😆。因此，船舶电气化系统的真正绿色成色，最终取决于为其供电的能🙄源来源是否在全生命周期内真正清洁。 更深层次的矛盾是“🌟鸡与蛋”的全球基础设施困局。船东不愿投资某类绿色燃料动力船，🙌因为全球加注网络几乎为空白；能源公司不愿投资数百亿美元建设全🤯球加注站，因为市场上对应的船舶数量不足。破解这一死结，单靠市😍场力量远远不够。 在这方面，中国依托其强大的基建能力，😊在国内长江流域、珠江三角洲等内河航道沿线加快建设船舶充电、加🤗注设施，这种“先内河、后沿海、再远洋”的渐进式基础设施布局策😆略，为技术验证和商业模式探索提供了宝贵的试验场。然而，要将这⭐种国内经验复制到全球航线网络，仍面临巨大的投融资和国际协作挑🙄战，亟需强有力的国际政策协调（如全球性碳税机制）、巨额的基础❤️设施投资以及形成行业共识的标准体系。这已超越技术范畴，成为对🔥全球治理智慧的考验。 然而，我们必须清醒地认识到，技术😡方案的成熟只是漫长征程的起点。未来的成功将不取决于任何单一国⭐家或公司的技术突破，而取决于整个全球生态系统的协同进化，比如🚀技术路径的多元化与融合，能否形成尊重不同国家、不同航线条件下😀的技术选择，促进东西方技术方案的交流互鉴，而非形成新的技术壁🙌垒；比如商业模式的创新与共赢，能否建立合理分摊绿色溢价、覆盖😀全生命周期成本的商业模式，确保发达国家和发展中国家的船东都能😊"用得起"绿色技术；再比如治理体系的包容性与有效性，在IMO😴等多边框架下，能否构建平衡环保雄心、技术可行性和经济承受力的🎉国际规则，等等。 可以说，未来十年，海运业这艘巨轮将航😂行在技术的“星辰大海”与现实的“惊涛骇浪”之间。这场转型，既💯是对人类工程智慧的考验，更是对全球合作精神与商业创新能力的终🚀极测验。唯有产业链上下同舟共济，方能在可持续发展的航道上行稳⭐致远。返回搜狐，查看更多