自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。
为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。
以下是氪信科技CEO、粤港澳大湾区数字经济研究院计算金融CTO工作室负责人朱明杰在全球青年科技领袖峰会的精彩演讲，由云现场整理。
非常高兴又回到TR35的会场，我今天讲的从AI人口到AI人才，其实刚才卢老师老师讲了很多技术的东西，接下来还有几位讲了关于现在这么热的一个话题下面很多的一些，我相信在技术上面会讲很多的东西。
因为ChatGPT这件事如此的火，所以出来讲还是特别谨慎的，因为一不小心可能就过时了。我更多想讲讲这件事情跟大家过去、现在和未来相关的一些东西，以及我的一些经历和思考。
我给自己多介绍一点，20年前我参与了上一波的信息技术的革命，当时的搜索和推荐，那时候我在微软研究院去做的那件事，当时为了跟Google打仗，微软决定自己做搜索引擎，而且把原来在Bing之前，不知道有多少人暴露年龄，最早微软的搜索叫Windows Live Search，后来做的不够好，改成了Bing Search，今天有了ChatGPT以后，它叫New Bing了，所以就是这样一个历史。
ChatGPT出来以后，我们真正做计算机行业的人应该对它非常激动的，去年10月30日它正式放出Demo的时候，我当时发了一套朋友圈，我说这应该是2022年最重要的一件事，你要知道我们公司在上海，去年这个时候我在上海，去年还有很多其它的事情。你可以想象一下，我们本身对这个事情的一个感受。
今天在这个会场上面，关于通用大模型的一些工作，我相信大家已经听了很多很多，不管是美国还是在北京，大家已经谈了很多的东西。我想讲今天对我们的深层次的一些影响，尤其是对行业的一些影响，到底会怎么样。
我讲从AI的人口到AI的人才，这件事今天我们在这个活动上面毕竟都是年轻人为主，我看了现场不管嘉宾还是观众，大家都是非常年轻的。这个是我2017年初的时候，当时在OpenAI的时候，那时候跟着王强老师，原来我们新东方的王强老师，那时候跟OpenAI在做交流，OpenAI那个时候的团队非常年轻，那时候我非常意外，我说他们如此的年轻，基本上就是博士没有毕业或者快毕业。
当时他们的想法，其实就是用通用人工智能这件事情，我是认可那条路的，但是我不知道要多久能做出来，我其实当时很打鼓，我觉得他们可能坚持不到做出来那一天。没想到这么几年过去了，疫情3年一过，结果人家这个出来以后，当时那帮他们可能连中文不太懂的，因为像王强老师经常给我们推荐书，不管是中文还是英文，他可能是我认识非常有文化的一个人，今天你看所有的这些东西都失去了一些意义了。
我就觉得这么大的一些变化，每天大家都看人工智能好像真的是，以至于前几天很多人联名要抵制暂停这个研究，听得好像真的是终结者未来要过来一样。但是我们客观上来讲，第一个我们要承认这件事确实发展的很快，另一方面对我们的生活影响到底是什么，我们不能光看说很多的进展，每天都有新闻，你也不知道到底发生了什么事情，大家预期都很高。
我觉得现在大家一致的是它是一个新一次的工业革命，这次工业革命以后各个行业都开始卷，在我们这个AI公司服务金融行业，跟金融行业有很多很好的朋友，我觉得尤其是中国的金融行业有个什么特点，它们的潜在意识特别强，特别焦虑，东西一出来以后也是很快的传导，我觉得可能也是因为第一波大家对这个事情的关注，跟年后很多中国公司股价涨的特别快有关系，金融又离的比较近，所以特别焦虑。
所以，在2月初的时候，我们招行一位领导朋友就跟我打电话，他们当时写一篇品牌的文章，请的记者老师写的，觉得不满意，记者老师的知识体系比较老，两天之后他就要出一篇关于亲情的文章，想把一本书《自私的基因》那本书写进去，他觉得可能记者老师一个晚读不完这个书，并且写成文章的，说要不让AI来试试。
我当时做了一个预期管理，我说现在只能写平庸的文章，你要超过记者，那感觉所有的任务都可以完成了。他们下午就把他们品牌的人派过来，我们一起去调了一些关健词，在ChatGPT上去做了一个工作，后来就是AI写的。
这个东西写出来以后，他们自己的收获说是超乎了他们的预期，很有意思，其实我没有什么概念，我是一个做技术出身的人，做了这么多年的机器学习和AI，我想不到有一天竟然能帮助我的朋友们去做内容的输出，尤其是像我们本身很多其它的技能是短板，比如说情商、很多艺术创作的这些东西。
今天靠着AI，我自己的生产力就得到了一个很大的提升。比如像PPT里面后面的很多图片我都直接用机器生成的，最后一下就省掉了我很多做PPT的工作。这件事在这一行业大家都开始焦虑，怕的是会被颠覆掉，你可以想象一下金融行业连品牌文章这件事都可以被AI替换掉了，还不是说传统的八股文或者说一些乱七八糟的东西，这个东西都能被颠覆，还有什么东西做不到呢。
正因为这个事情，我们被动的被打了一个广告，很多金融机构的朋友就跟我们一起探讨，就说能够做什么样的事情，他们提了很多问题。有几个有代表的，一个是说今天的金融机构它做的是什么，其实是给人家信心，你把你的钱给他管，我今天说怎么去把我的钱给人家管，我靠什么来做这样一个决定，大部分人今天靠的是朋友，你信得过的朋友去推荐的。
比如说，像招商银行有2万个财富顾问，一个财富顾问他能服务多少人，今天大家之所以对招商有信任，肯定不是说我搜了一下招商还是工行，或者是说蚂蚁的东西，我在网上搜了一下，我就决定说几百万的理财去买它，或者说我买了一个信托或者是保险，就做这样的一个决定了，一定是会有一个很长的沟通的过程。
这个过程其实是大家互相交换了一个价值观，今天银行也好，保险也好，这么行业里面这些人，其实是人肉经过培训以后，把这个机构他们的知识和价值观通过很费劲的交流方式，输出给受众的客户，这个过程你想多长时间，我觉得至少得1个小时，很少有人说我就一个小时跟人聊了以后，我就决定做什么东西，这意味着他们做这件事情，杠杆是很小的。
你想2万个顾问，他一天能服务多少人，这意味着绝大部分人是得不到这样的一个服务的。在中国可能最顶尖的做财富管理的管理者，就跟我提出来说他们觉得自己可能会被颠覆掉，未来可能是有不同价值观的一些入口级的应用，会被这个东西加上以后去做一个，我不再需要那么多的人了，但是我可以用这个东西去服务很多的人，这其实是一个思考，这个东西都是在进展中的东西。
今天我这个里面没有什么技术相关的东西，我觉得可能跟大家都有关系，新的工业革命来了以后，我们能做的事情一下子整个就扩展开了。另外还有一个例子，比如说风险的管理，一个做风险审核的人，人当然是很聪明的，你给他足够的培训、培养，再给他足够的数据，他去做很多的研判工作，他也要花很多的时间，但是他能得出来一个很好的结论，但是人的问题还是一样，他的效率太低，所谓的效率就是他只能同时掌握一个case，这个case时间有限，8个小时得下班，可能中间还有其它的，会有其它的一些风险。
今天说AI的能力极大的扩张了以后，我们原来很多的业务上的一些东西，它其实是可以被深度的去改造。以前我们讲AI，2016年AlphaGo刚出来，大家对AI有很高的期望，说AI是电力是什么什么，但是那个时候它的能力还没有到那个程度，大家就会觉得挺失望的。今天它真的具备了这样的一些能力，至少是一个潜力，有这样一些潜力以后，业务上真的能够把它像电一样，有了电驱动的各种电器，而不是以前手工去做很多事情的一些机会在这边，这个机会应该是在发生的事情。
一说到垂直行业去落地，就有很多的问题，通用的一个大模型，尤其是对一个行业来说，大家是不能接受胡说八道的。现在大家都知道ChatGPT特别擅长一本正经的胡说八道，这也是我说的我的情商需要AI来帮我补足，很多回答其实我借助它回答比我自己讲的要好很多，因为它让人觉得舒服，但它不一定专业，这件事情在很多领域是不可接受的，比如医疗卫生领域，它其实都有这样一个问题。
所以，今天我们可以说ChatGPT它是训练出来了一个通用的劳动力，它是一个机器的人，我让机器画了一个比较Low level的工作的AI是什么样子，可能只愿意给它付个电费。我们今天说行业的可信专业的，又能合规的一个AI模型，当然我让AI画了一个比较高端的，金融尊贵的AI模型，它画出来这样一个形象，还是要感谢AI让我做PPT的时间少了很多。
通用大模型再到垂直落地，这两个问题绕不过去的，我们现在要解决的就是这个事，刚才又发布了一个大模型，他们在英文金融资料上有很多数据，它的专业性我相信一定会做的很好，这件事情就带来说我们需要专业的大模型，专业大模型和通用大模型的区别，相当于是一个普通的大学生变成了一个专家，它变成了一个律师，变成了一个金融的专家，变成了一个医生，这件事跟我们人做的培养其实是一样的一件事。
当然这里面绕不开的最关键的两个问题，如何把金融的业务知识教给AI，你要做一个垂直领域专业的AI模型，今天我们很多是这种数据，而且很多数据是你必须得强制内置在这里面的，相当于它是强规则的，这种东西怎么去融合给领域上的模型，今天地球上现在还没有找到这样一条路，今天即使是OpenAI和微软内部，大家也没有找到，这是一个待解决的问题。
另外，我今天有了这个行业的模型以后，面对这个场景上的需求，我如何去改造它，这件事带来另外一个话题，不是说我今天随手做了一个大模型，我什么都不知道，就把它带到一个新的领域里去改造，这是不可能的，这个就是我们今天说要把行业真正去升级到新的AIGC时代，这是两个绕不过去的槛。
对于我们来说，我们过去做了7、8年的一些经验，核心要解决的问题就是金融的知识，今天可能Broadridge给大家提供了一个思路，他们建了几百亿参数通用的一个金融Model，问题还有很多，孤岛的数据，比如说在金融机构里面，很多自己家的信息不想让别人知道的，尤其在中国，这些事情怎么去解决，场景上很多发生的一些数据，怎么去教会AI去干这些事。
包括最重要的，今天你要从一个普通的人变成一个人才，其实相当于把专家的经验到AI身上去，要把专家的经验如何教会它训练，去做这些事情。但是我们现在在一些领域上已经做了一些工作，所以我们提出来说Credit AI的一个概念，今天在专业领域上的AI，一定是要可信的，一定是可控的，这个是我们的一个例子，在金融的帐户风险上面做的工作，我们这个预训练好了这样一个模型，去帮助原来做这个事情的人。
因为AI的等等其实一秒钟可以处理的交易和帐户的能力是远远超过人的，所以我们大概做了一个估算，相当于一万个审核员帮他同时做这样的事情，能够快速的部署，迅速让它达到降低绝大部分的风险的能力。
未来我们在不同的行业会出现各种各样不同的垂直的基于通用大模型加上垂直模型的应用，把AI变成一个个不同的AI人才，今天讲的TR35都是评选的人类的人才，可能未来哪一天要评选AI人才，所以说未来世界到底怎么样，我让AI画了几个不同的场景，未来人类会有什么样的可能，可能是我们不太想要的未来或者说赛博朋克的未来以及星辰大海的未来，这个未来到底会成什么样，AI画了不同的选择，当然我觉得也依赖于今天我们在座的各位和我们从事相关行业和各个行业的不同的朋友们大家的努力和选择，谢谢大家。
