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“Warr🙌enQ”，随后，于今年发布AI友好型金融数据库AIDB。AI⭐DB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A⭐I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