信息科学研究报告

来源：金融界网　　《信托公司财富队伍建设》系列研究报告　　深厚的学术造诣、前瞻的行业视野　　作者：罗皓瀚、陈飞旭、周楷钰 作者系西南财经大学信托与理财研究所研究员、普益标准研究员　　财富管理行业本质上是“人”的行业。从“以产品为中心”向“以客户为中心”转型过程中，人才将扮演关键角色。然而，财富人才队伍的建设道阻且长，与国际先进财富机构相比，现阶段国内信托公司财富队伍建设存在较明显的差距。在从“激励型人力资源战略”向“赋能型人力资源战略”转型过程中，在人才数量不足、人才结构失衡和人才素质亟待提升的多重挑战下，学习和借鉴国际先进经验的价值不言而喻。　　1. 信托公司财富队伍建设的现状与挑战　　财富管理业务在国内的快速发展导致了财富人才需求的激增，各类财富管理机构纷纷加快了财富队伍建设的步伐。根据中国信托业协会调研，全国68家信托公司基本都已设立财富管理相关部门。大部分信托公司财富管理部门人员在20~50人，也有部分信托公司配备了超过200人的财富队伍。财富部门人员较多的信托公司，一般在国内多个一二线城市设置了区域财富中心，呈现出从属地布局到全国布局的发展趋势，这是财富人才获得更多高净值客户并为其提供服务的重要举措[1]。此外，考虑到高净值人群的家族财富传承需求日益增大，家族信托业务的重要性日益凸显，对财富管理人员的专业能力和综合能力提出了更高的要求。我国信托公司财富队伍建设正如火如荼开展，近些年取得了不错的成绩，财富队伍不断壮大，人才素质逐渐提升，客户服务能力不断强化。但整体来看，放眼全球，反观自身，中国财富业务起步较晚，财富队伍建设落后于国际先进同行，仍面临较大的挑战，主要体现在以下四个方面。　　1.1. 财富队伍建设亟需顶层设计和整体规划　　“以客户为中心”是财富管理业务的基本理念。当前信托公司正值从“以产品为中心”向“以客户为中心”转型之际，组织架构、人才结构、客户服务、产品设计、网点渠道、内部管理和信息系统等方面都需要革新升级。然而，目前国内信托公司较为缺乏对财富管理业务准确的战略定位和整体规划，以及更进一步的财富人才发展规划与路径设计。人才队伍的建设欠缺目的性和针对性，难以保障人力、财力等资源的长期持续投入，难以让财富人才长期维系坚定转型的信念。　　1.2. 同业竞争激烈，信托财富团队稳定性有待提升　　在资管新规及其配套细则的引导下，越来越多的信托公司将财富管理建设放在“战略转型依托”的重要位置上。伴随各家公司财富中心的布局与铺设，信托公司对财富人才的需求也不断增长。同时，除信托公司外，银行、证券、基金、保险等金融机构也纷纷涉足财富管理行业，财富管理市场进入“群雄逐鹿”的时代。在激烈的市场竞争之中，财富人才成为炙手可热的焦点，各金融机构纷纷加码，以更高的薪酬或者更低的业绩压力来争取高素质人才的青睐。在丰富的选择面前，高素质人才会在不同机构间不断比较和筛选，这无疑增加了信托公司财富队伍的不稳定性。　　1.3. 财富业务转型亟需专业型、复合型人才　　资管新规以来，回归“受人之托，忠人之事”的本源成为信托财富管理的基本发展方向。财富业务逐步朝着以客户需求为导向，加强主动管理能力和客户服务体系建设的目标转型，由传统的信托产品销售转变为主动的资产配置，最终实现综合财富管理。另一方面，我国高净值人群不断增长，财富管理需求随之飞速扩张，且在数字化时代背景下出现新的变化。财富管理业务回归本源和客户需求的丰富与变化，使得信托公司对专业型、复合型财富人才的需求变得愈加迫切。然而，目前在信托业内，高素质财富人才（尤其是财富顾问）仍属稀有资源，现存以销售类人才为主的人才结构，很大程度上限制了财富管理业务的长远发展。　　1.4. 财富人才激励与晋升机制有待完善　　以业绩为核心的激励与晋升机制，难以支撑财富业务向“以客户为中心”转型。目前，大多数信托公司对财富人员的激励形式以财务激励为主，业绩是薪酬收入和职位晋升的主要依据。这样的激励与晋升机制虽然有助于公司财富管理业务规模在短期内迅速扩张，但也不可避免地带来了一些问题。一方面，单纯的财务激励存在明显的边际效用递减现象，当激励水平超过一定程度后，很难再继续调动人员的积极性；另一方面，“唯业绩论”考核维度过于单一，将诱导财富人员一味追求业绩结果，而忽略客户体验、客户服务质量等更加能够体现财富管理本质的内容。　　2. 财富队伍建设与人才培养的国际实践经验　　财富管理起源于瑞士，壮大于欧美。经过近300余年的发展，国际财富管理已趋于成熟，并成为众多金融机构最具盈利能力的核心业务之一。梳理国际上先进典型的财富管理模式，大致可以划分为三种：欧洲模式、北美模式和亚洲模式，对应的代表国家或地区分别为瑞士、美国和中国香港。　　2.1. 瑞士的财富管理模式：以瑞银集团为例[2]　　瑞银集团（UBS）是全球最大的财富管理机构，集团下设私人和公司客户管理、资产管理、私人银行、投资银行和私人产权五大部门，其中私人银行在2003年正式更名为财富管理。　　瑞银集团重视核心价值，将财富管理业务作为集团核心，业务核心则在于对客户需求的理解能力和自上而下的大类资产配置能力。在财富队伍建设方面，瑞银形成了三大团队互助协作的模式。客户经理扮演财富客户与专家团队之间的桥梁角色，客户经理团队负责及时了解客户需求，并反馈给财富经理团队或者各个领域的专家团队，然后将财富经理或专家团队的专业建议及时准确地向客户传达。除此之外，瑞银的市场研究、产品研发等中后台专业团队为前端财富团队提供必要的支持，以便为财富客户提供更优质和全面的服务。　　图表1：瑞银集团财富团队构成　　瑞银集团财富管理的成功经历对我国信托公司有很大的借鉴意义：根据岗位职责将财富人才划分至不同的团队，注重高素质财富顾问团队的建设，提高专业精度，增强团队间的交流互助，科学有效地为客户提供高质量财富管理服务。　　2.2. 美国的财富管理模式：以花旗集团为例[3]　　花旗集团的业务划分为两大板块：全球消费银行（GCB，针对个人投资者）和机构客户集团（ICG，针对机构投资者）。其中，GCB是银行、信用卡和财富管理领域的全球领导者，是花旗重要的增长引擎，财富管理业务遍布30多个国家。　　花旗将财富管理业务与传统的零售银行业务相分离，并在2004年专门成立财富管理部。财富管理部得到了集团充分的资源倾斜，由美邦全球股票研究部、美邦全球私人客户集团、花旗集团私人银行三个子部门组成，拥有大量全球顶级财富管理精英，在财富管理业务方面具备规模、智慧、稳定的“3S”优势。花旗财富管理部拥有一套科学且成熟的量化业绩考核机制，不仅重视业务量的增长，同时关注质的变化，考核维度包括客户贡献度、客户服务质量、风险控制、客户忠诚度等，并针对不同级别的财富顾问作了差异化调整，使考核结果更加客观公正，有助于充分地利用考核结果优化集团内部资源配置。　　花旗集团的先进经验也为我国信托公司财富队伍建设带来启发：首先，在集团整体战略层面，将财富管理业务置于核心地位，为财富团队配备顶级精英人才，并给予充分的资源倾斜；其次，设计科学合理的量化考核机制，引导财富人才向公司期许的方向发展。　　2.3. 中国香港的财富管理模式：以香港中银国际人寿为例[4]　　香港中银国际人寿成立于1998年，秉承“以人为本，客户至上”的理念，将专业和关怀融为一体。作为香港人民币保险市场的先驱，香港中银国际人寿多年来一直处于市场领先地位。　　首先，中银国际人寿注重锻造企业文化，秉持“以人为本”的核心价值观，与财富人才建立合作共赢的关系，从而提升财富人才的忠诚度。第二，中银国际建立了完善的人才培养体系，为财富人才提供实用高效的学习课程，并提供多元化的培训计划，包括导师计划、职业拓展计划、本地及海外会议、论坛、实地考察、培训课程等，以发挥人才潜能。第三，中银国际为财富管理团队提供有竞争力的薪酬福利，包括薪资、医疗保障、公积金、带薪年假、银行服务特权，房屋抵押利益等。第四，中银国际提供了双通道的职业阶梯，财富人才可以根据自己的偏好与潜力，在专业方向和管理方向之间灵活选择。最后，中银国际利用金融科技打造了独特的综合财富管理平台，全方位赋能财富人才的职业发展和业务开展。　　图表2：中银国际人寿财富管理团队职业阶梯　　中银国际珍惜与财富人才之间的关系，从多个维度开展财富队伍建设，值得我国信托公司参考和学习。首先，通过企业文化建设来提升财富人才的忠诚度，保持团队的稳定性；其次，以人为本，切实为财富人才的长远发展考虑，制定专业培训计划和最佳的职业发展阶梯，辅以令人满意的薪酬福利；最后，与时俱进，充分借助金融科技对财富人才进行全方位赋能。　　3. “内省外引”后的启发与建议　　从整体发展趋势来看，国内财富管理在业务战略、团队建设、产品类型、服务方式和内部管理等方面都会向国际先进做法靠拢。就财富团队建设而言，文化建设、人力资源战略转型、人才结构优化和人才赋能等四个方面可能是现阶段信托公司应该重点关注和向国内外先进经验学习的，这也将体现在团队建设的顶层设计、人才结构、人才引进、人才培养、薪酬与绩效考核、人才认证等具体规划和机制建设层面。　　3.1. 重视财富团队文化建设，增强团队凝聚力　　党的十九大报告指出：“文化是一个国家、一个民族的灵魂。”对于信托财富管理行业而言，文化也是其存在的基础和持久发展的动力。当前信托公司面临的财富队伍融合度低、团队稳定性欠佳问题，究其根本正是由于文化建设的缺失。深刻的文化共鸣和一致的价值观是团队凝聚力形成的关键，适逢信托财富管理行业转型发展之际，信托公司大力进行文化建设切中实际、恰逢其时、很有必要。正如前述中银国际，独特的、品牌化的公司文化能够吸引、存留与公司志同道合的优秀人才，并将之紧紧地凝聚在公司的战略目标之下，与公司携手共进。　　3.2. 从“激励型人力资源战略”向“赋能型人力资源战略”转型　　信托财富管理回归本源，对人才的综合素质提出了远超以往的高要求。高素质人才的稀缺性，引发了各信托公司乃至其他财富管理机构对人才的“哄抢”。单纯的财务激励不可避免地面临着边际效用递减的困扰，同时容易在业内形成涨薪抢人的恶性循环。另一方面，财富业务是一项综合性、跨领域的个性化服务过程，需要专业人才丰富的经验和专业知识积累，目前人才市场上也并无大量现存优质人才可引进。业务转型背景下，信托公司财富人力资源战略应从“激励型战略”转向“赋能型战略”，一方面利用金融科技打造综合性财富管理展业平台，为财富人才提供丰富的工具和坚实的系统支持；另一方面为人才提供稳定可预期的职业发展规划和广阔的发展平台，增强对优秀人才的综合吸引力，提升潜在财富人才的综合能力，为公司财富业务的长远发展储备“核心人才仓”和“潜在人才仓”。人力资源战略的转变非一朝之功，尤其需要信托公司人力部门转变观念，以持续推动人力资源战略的转型和完善。　　3.3. 从顶层设计出发，优化人才结构　　现存财富人才结构难以满足业务回归本源的需求，优化人才结构势在必行。从岗位分工的角度看，财富管理人才结构的优化应当是一个由上至下的过程，必须从顶层设计出发，做到有的放矢。首先信托公司需要制定财富管理业务的整体发展策略，基于整体策略明确业务条线的组织构架、职级体系和岗位分工，进而制定清晰的人才资源战略，确定业务发展所需的人才结构、人才胜任力模型等。一般而言，财富管理条线包含客户经理、财富顾问、产品开发、运营管理、金融科技、风险管控等一众岗位。梳理国际经验不难发现，财富顾问作为综合性财富管理方案的核心输出者，是整个财富管理服务流程中的“关键先生”，也正是当前国内信托公司的核心人才诉求。信托公司优化人才结构可采取核心优先策略，优先组建当前最亟需的财富顾问团队，与财富经理一道更好地服务客户个性化需求。　　从人才生命周期和人才经验积累看，信托公司也需要优化各类型人才配置，做到“以老带新”、“互补协同”，需要配置、培养和储备战略型人才、成熟型人才、创新型人才、管理型人才和新生人才，不断丰富和壮大人才队伍，做到人才的良性互动与循环。　　3.4. 举全司之力全面赋能财富人才　　高净值客户财富管理需求的复杂性，从需求端要求信托公司举全司之力全面赋能财富人才。首先，顶层设计和资源倾斜。谋定而后动，从全局出发调动全公司资源为财富业务的发展提供强有力的支撑。第二，培训赋能。针对目前财富人才综合能力尚且不足的情况，加强人才培训是财富业务谋求发展的必然选择，也是国际领先财富管理机构的普遍做法。培训内容需要紧跟市场需求的变化，以求在变动不羁的财富管理市场中建立并保持竞争优势。第三，中后台团队赋能。财富管理服务高度的复杂性，意味着需要前中后台人员高效协作，才能够持续满足高净值客户的需求，这一点在瑞银集团体现得尤为突出。第四，外部资源赋能。术业有专攻，当下社会分工不断精细化，信托公司无须全知全能。对于高净值客户的部分特殊要求，如法律税务、艺术品收藏等，信托公司可以借助外部专家赋能财富团队，在满足客户需求的同时降低成本支出。最后，金融科技赋能。当下金融科技已经进入实际落地应用阶段，利用金融科技赋能财富人才的效果日益凸显。　　综上，我们简述了信托公司财富队伍建设的现状及面临的主要挑战，并梳理了瑞银集团、花旗集团和香港中银国际人寿三个国际先进机构的财富队伍建设和管理经验。概括说来，我国信托公司应从文化建设、人力资源战略转型、人才结构优化和人才赋能等方面不断完善财富队伍建设。其中，财富人才的结构规划和优化是整体财富队伍建设的基础，下一篇我们将着眼人才结构规划，分析信托财富管理业务需要怎样的组织构架和职级体系，以及核心岗位需要满足怎样的胜任力要求。　　[1] 数据来源于《2020年信托业专题研究报告》.　　[2] 瑞银集团财富管理官网：https://www.ubs.com/global/en/wealth-management.html.　　[3] 花旗集团官网：https://www.citigroup.com/citi/.　　[4] 香港中银国际人寿官网：https://www.boclife.com.hk/en/wealth-management.html.

主持人朱荣涛汇报主持人朱开锋汇报王松波针对每位老师的课题给出指导意见王海燕对课题进行指导梁爽主持立项报告会并进行总结发言课题立项报告会现场为树立教师科研意识，提升科研素养，规范课题申报程序，提高立项通过率，3月17日下午，郑州市信息技术学校举行2021年郑州市教育科学研究课题立项报告会，郑州市教育科学研究所综合研究室专职科研员王海燕、兼职教研员王松波作为特邀专家参与了此次会议。会议由学校科研处主任梁爽主持。学校2021年申报的《新时代加强高中生党史教育的路径研究》、《立德树人视域下中职课程思政建设有效路径的实践研究》等14项课题的主持人从课题名称、研究背景、研究现状综述、研究目标和主要内容、主要研究方法、研究详细计划等方面进行了汇报。王松波针对每位老师的课题谈了自己的看法，并给出了指导意见。他说，老师在进行课题立项时，必须扎根教学过程，从实际出发找问题，不可空谈。在进行课题论证时，要做到有理有据，找到支撑自己观点的论据，研究对象要明确，研究内容要丰富。立项报告的填写要规范、行文需准确，做到先分析问题，再将出现的问题转换成研究课题，最终找到解决问题的办法。王海燕对郑州市信息技术学校浓厚的教科研氛围提出赞赏。对于老师们的项课题报告，她指出个别老师的报告存在论述内容重复、逻辑混乱等问题。她建议，要严格按照标准和格式书写，切不可篇幅过长且冗余。做课题要从自己的研究中找核心，找亮点，发掘更有深度的问题。在语句的表述上要用语规范，切忌口语化。要从不同的角度分析问题，扩充研究方式方法，内容上更加开阔。立项报告会持续了三个半小时。参会老师老师们纷纷表示，专家的指导及时解决了自己在日常教育科研工作中的遇到的诸多问题，对研究的课题有了更深层次的认识，对课题实施的操作方法有了更明晰的思路，是一次很宝贵的学习机会。梁爽在总结时说，近些年学校教科研氛围越来越浓厚，老师们科研积极性非常高，2021年学校申报郑州市教育科学研究课题中35岁以下年轻教师占比78.5%，形成了科研工作年轻化的趋势，这是非常可喜的局面。她希望老师们做科研要扎扎实实，要沉下心来，不作假，不伪造，真正把日常教育教学中遇到的问题纳入教科研的研究范围，利用好课堂主阵地形成真正有研究价值、有推广意义的教学成果，从普通教师向专家型教师大踏步地迈进。胡梦伊

发表在最近一期《科学》杂志上，题为：“量子计算硬件的材料挑战和机遇”的研究论文，由普林斯顿大学领导的一组国际研究团队，调查研究了量子计算硬件的研究现状，以说明科学家和工程师所面临的挑战和机遇。研究指出，材料方面的进展已经成为推动量子硬件发展的关键，该项最新研究概述了如果未来的量子计算机要超越我们今天使用的计算机的能力，则在制造量子计算机的硬件方面需要材料上的进步。该研究项目的支持来自美国国家科学基金会（NSF）、美国陆军研究实验室的分布式量子信息中心、Horizon 2020框架计划量子互联网联盟、奥地利科学基金、三星科学技术基金会、韩国首尔国立大学的创新先驱研究计划、美国能源部能源前沿研究中心下的量子物质研究所、美国能源部国家量子信息科学研究中心、二维晶体财团材料创新平台、人力资源机构发展研究与创新计划管理单位，以及苏黎世联邦理工学院博士后奖学金。传统计算机将信息的“比特位”编码为1和0，而量子计算机则通过创建“量子位”来轻而易举地越过这种二进制排列，量子位可以是复杂的、连续的量。以这种奇异的形式存储和处理信息，并最终达到“量子优势”，即量子计算机可以做传统计算机无法完成的事情，但这需要对底层材料具有进行复杂的控制。论文主要作者、普林斯顿大学大学电气与计算机工程教授、纳塔莉·德·莱昂（Nathalie de Leon）说：“在过去的20年中，量子技术的发展出现了爆炸式增长，最终从计算和仿真到网络和传感，各种各样的任务体现出了当前为展示量子技术的量子优势所做的努力。”直到最近，这项工作中的大多数都旨在证明量子设备和处理器原理，但现在是时候准备好应对现实的挑战。莱昂领导了新成立的量子优势联合设计中心（C2QA）的材料工作，普林斯顿大学在该中心中扮演重要角色。该中心由美国能源部资助，旨在开发量子信息系统的设计和制造。她说，“在上个世纪，经典计算硬件成为材料科学和工程领域的一个巨大领域时，我认为量子技术领域现在已经成熟了一种新方法，材料科学家、化学家、设备工程师以及其他科学家和工程师，可以通过这种新方法有效地带来他们的专长来解决这个问题。”论文通讯作者之一、IBM Quantum研究所科学家、汉熙·派克（Hanhee Paik）表示，该研究论文呼吁研究材料的科学家转向开发用于量子计算的硬件的挑战。她说：“近年来，在研究和工业领域，量子计算技术的发展一直在加速。” “要在未来十年继续前进，我们将需要用于量子计算硬件的材料和制造技术的进步，这与经典计算在微处理器缩放方面的发展类似。材料界将开始从事量子计算技术的研究。撰写本文的目的是向材料界全面概述在量子计算中的材料开发领域，并结合来自该领域的专家意见。”与量子平台上的噪音作斗争在过去的二十年中，量子计算硬件技术得到了发展，其目标是构建可以解决传统计算机难以解决的问题的系统。实现大规模系统的能力取决于材料科学、材料工程和新的制造技术的重大进步。量子计算机解决经典计算机难以解决的问题的潜力推动了硬件制造的进步。在实践中，实现量子计算机的主要挑战是通常多粒子量子态对噪声非常敏感，这不可避免地导致量子算法出错。当前材料平台固有地存在一些噪声源。为了实现基于这些技术的大规模系统，必须实现比迄今为止在可扩展平台中证明的错误率要低得多的错误率，或者完全设计一个新平台。这些活动将需要在材料科学和工程、新的制造和合成技术、以及新的测量和材料分析技术方面取得重大进展。该研究确定了当前限制五个量子计算硬件平台进展的关键材料挑战，提出如何解决这些问题的方法，并讨论一些新的探索领域。解决这些材料挑战将需要科学家和工程师采取跨学科的方法，超越量子计算领域的当前界限。量子计算机的核心是量子位，它们共同工作以产生出结果。这些量子位可以通过各种方式来制造，其中领先的技术是超导量子位、用光捕获离子制成的量子位、由当今计算机中发现的硅材料制成的量子位、在高纯度钻石的“色心”中捕获的量子位、以及受外来亚原子粒子表示的受拓扑保护的量子位。本文分析了与每种材料相关的主要技术挑战，并提出了解决这些问题的策略。如下图所示，左上角按顺时针方向：超导量子位、硅量子点、钻石色心、捕获的离子、和受拓扑保护的系统。左上：IBM超导量子位处理器的光学图像（插图：约瑟夫森结的卡通）；栅极定义的半导体量子点的SEM图像（插图：描绘约束电位的卡通）；紫外光致发光图像显示了钻石色心的发射（插图：缺陷的原子模型）；表面电极离子阱的图片（插图：限制在表面上方的离子卡通）；混合半导体/超导体的伪彩色SEM图像[插图：多面半导体InAs纳米线（橙色）上的外延超导Al壳的卡通（蓝色）。对于每个平台，研究说明选择特定材料的原因，调查当前对噪声和耗散源的理解，描述材料在缩放方面的局限性，并讨论潜在的新材料平台。尽管每种硬件技术的物理实现之间存在重大差异，但仍有几个共同的主题：材料选择是由异质性、杂质和可用材料中的缺陷驱动的。不良控制和特征化的表面会导致噪声和耗散，超出体积特性所施加的限制。扩展到更大的系统会引起新材料问题，这些问题在单量子位测量中并不明显。在这种情况下，该研究确定了感兴趣的三个主要材料研究前沿。首先，了解导致噪声、损耗、和退相干的微观机制至关重要。通过开发将量子位测量与直接材料光谱和表征相关联的高通量方法，可以加快这一速度。第二，到目前为止，已经探索了相对较少的固态量子信息处理的物质平台，并且发现新平台常常是偶然的。因此，重要的是要开发材料发现管道，以利用针对性的、合理的材料搜索、与旨在快速筛选与量子信息处理相关特性的高通量表征方法相结合。第三，有一些实质性问题不会影响单量子位运算，但会显示为扩展到更大系统的限制。这些平台面临的许多问题让人想起过去五年来互补金属氧化物半导体电子产品和半导体行业其他领域已经解决的一些问题，该行业采用的方法和解决方案可能适用于量子信息处理平台。随着从嘈杂的中型系统过渡到大规模的容错系统，材料问题对于未来几年的解决至关重要。量子计算是一项涉及计算机科学、信息科学、和量子物理学的根本性跨学科研究。现在，通过与材料科学建立新的合作关系和伙伴关系来扩展该领域的时机已经成熟。研究人员希望这些平台中的一个或多个最终能够成功，发展到量子计算可以解决当今机器无法解决的问题的阶段，例如对分子的行为进行建模并提供安全的电子加密。莱昂表示：“[该研究论文]是第一次对这种情况进行全面的整理，并解释每个硬件平台所获得的认知背后的原因。” “我们希望这种方法将使新进入该领域的人们有可能找到为此做出巨大贡献的方法。”参考：https://science.sciencemag.org/content/372/6539/eabb2823#量子计算机#

日前，《中国科技成果转化2020年度报告(高等院校与科研院所篇)》在全国出版发行。该报告由中国科技评估与成果管理研究会、国家科技评估中心和中国科学技术信息研究所共同编写。该报告以全国3450家公立高等院校和科研院所2019年科研成果转化数据为样本。结果显示，3450家高校院所技术开发、咨询、服务合同金额为933.5亿元，比上年增长22.9%;高校院所兼职从事成果转化和离岗创业人员数量为14210人，比上年增长23.4%。2019年成果转化合同金额达1亿元以上的有24个项目。其中东部地区承接了21个，中部、西部地区分别只有2项和1项。在承接最多项目的东部地区，科技成果产出合同金额排名前3位的是上海市、北京市、广东省，承接科技成果转化合同金额排名前3位的是上海市、广东省、江苏省。个人方面，2019年个人获得的现金和股权奖励金额达53.1亿元，其中现金奖励金额为30.9亿元，比上一年增长17.9%;股权奖励为22.2亿元。2019年高校院所奖励个人现金和股份总金额前10名如下表：高校院所以转让、许可、作价投资方式转化科技成果的平均合同金额排名前10名为：

动荡的美国大选、极端天气事件和新冠肺炎继续考验着人们的决心和韧性。人工智能、合成生物学、超大规模计算、机器人和太空任务等前沿技术也正在挑战着我们对人类潜力的假设。在全球封锁状态下，人们学会了如何在餐桌上工作，如何在空闲的房间里做决策，如何远程互相支持。但是这种改变才刚刚开始，人们比以往任何时候都更需要掌握技术趋势的潜在近期和长期影响。近日，未来今日研究所（Future Today Institute）发布了《2021 年科技趋势报告》，报告分析了多个行业的近 500 种科技趋势，并对未来一年将影响商业、政治、教育、媒体和社会的战略趋势做出了具体的描述。正如这份科技趋势所述，未来的世界将深受人工智能、5G、区块链等技术的影响。2021 科技趋势报告封面 （来源：FTI）20 世纪 20 年代始于混乱，第一次世界大战和西班牙大流感导致了灾难性破坏，但是无线电、冰箱、真空吸尘器、移动装配线和电子动力传输等技术奇迹产生了新的增长。这些场景与当今世界存在着太多惊人的相似之处。新的危机中，人工智能等一系列科技的力量带动了新的发展。由于人工智能现在已经被应用于大多数行业，在新版的科技趋势报告中，FTI 首先介绍了人工智能领域的发展趋势。趋势报告内容表明，人工智能正以惊人的速度从学术界转向企业。同时，以亚马逊网络服务、Azure 和谷歌云为代表的低代码和无代码产品，将渗透到日常生活中，使人们能够创建自己的人工智能应用程序，并轻松地部署它们。但是从另一方面看，人工智能社区仍然使用封闭源代码模式运行。研究人员不愿意公布他们的完整代码，导致透明度和再现性降低，问责制度模糊不清。研究报告还对中国的人工智能发展现状做出了一系列分析。分析认为，中国已经成为人工智能研发强国，并且明确指出中国日益增长的人工智能力量不是军事、经济和外交等方面的威胁。除了上述这些内容，报告还从多方面展示了人工智能领域未来的发展趋势。无论是对于人工智能企业、人工智能研究者，还是人工智能学习者，这都是一份比较详尽的报告。限于篇幅，学术头条精选了报告中关于人工智能的部分内容进行翻译，希望对读者有参考价值。报告更多亮点及全文，可在文末查看。人工智能科技趋势总览0. 人工智能综述0.1 关键见解人工智能代表了计算的第三个时代，通常它被定义为机器执行认知功能的能力与人类一样好或比人类更好。这些功能包括感知、学习、推理、解决问题、理解上下文、做出推理和预测以及锻炼创造力。0.2 突破性影响突破性研究、业务用例、数据爆炸式增长以及计算能力和存储的改进的融合正在推动人工智能的进步。从 2021 年到 2027 年，全球人工智能市场预计将以 42.2% 的年复合增长率继续增长。0.3 超级玩家Broad Institute、Clarifai、Clearview AI、DeepMind、Disperse、Graphcore、HiSilicon Technologies、Kasisto、LabGenius、Mohamed bin Zayed University of Artificial Intelligence、Niantic、Nvidia、OpenAI、OpenMined、Persado、PolyAI、Recursion、SenseTime、Scale AI、Syntiant。0.4 机器学习机器学习使用数据对如何实现既定目标做出预测和建议。机器学习的类型包括有监督的、无监督的和强化的。在监督学习中，算法使用训练数据来学习已建立的参数之间的关系。在无监督学习中，数据被提供给没有特定输出参数的算法。在强化学习中，一种算法通过重复运行计算来学习执行一项任务，以此来实现一个既定的目标。0.5 深度学习深度学习是机器学习的一个相对较新的分支。程序员使用特殊的深度学习算法以及大量的数据来实现系统的自主学习。深度学习的出现意味着越来越多的人类过程将被自动化。常见的深度学习类型包括卷积神经网络、递归神经网络、变压器神经网络和生成对抗网络 (GANs)。。卷积神经网络 (CNN) 是多层的，具有卷积层、汇集层和完全连接层。每个人使用数据执行不同的任务，输出是分类。递归神经网络 (RNNs) 是多层神经网络，在输入层、隐藏层和输出层之间移动和存储信息，多用来为预测建立序列数据模型。生成对抗网络 (GANs) 是无监督的深度学习系统，由两个相互竞争的发生器和鉴别器组成。变压器是一种神经网络架构，当单词出现在特定的上下文中时，它会学习单词的含义。0.6 强弱 AI人工智能有两种 — 弱 (或 “狭义”) 和强 (或 “广义”)，没有单一的标准来区分弱 AI 和强 AI。这对于研究人工智能发展的研究人员和必须对人工智能做出决策的经理来说是有问题的。事实上，我们已经开始看到现实世界中运行人工智能的例子。DeepMind 的一些项目已经证实了人工智能在某些领域比人类做得更好。虽然我们还没有看到拟人化的人工智能走出 DeepMind 的实验室，但我们应该把这些项目视为今天的弱人工智能和明天的强人工智能之间漫长过渡的一部分。1. AI 与企业1.1 MLOps 的兴起2020 年，一些增长最快的 GitHub 项目是 MLOps，即处理工具、基础设施和操作的项目。展望未来，MLOps 将描述一套结合机器学习、传统开发和数据工程的最佳实践。1.2 低代码或无代码机器学习机器学习正在转变，因为新平台允许企业利用人工智能的力量来构建应用程序，而不需要知道具体的代码。1.3 网络规模的内容分析由于先进的自然语言处理收集和分类，挖掘非常大的非结构化数据集现在变得更加容易。经过识别关键字的训练，特殊的算法可以快速地对信息进行排序、分类和标记。1.4 模拟同情和情感人工智能现在可以测量表示一个人情绪状态的生物标记，如焦虑、悲伤或眩晕。精确检测人类情感具有挑战性，但是拥有足够大数据集的公司正在开发精确的模型。图 | 通过测量某些生物标记，人工智能可以检测人们的情绪并做出相应的反应1.5 人工情感智能研究团队正在教授机器无条件的爱、积极地倾听和同理心。在未来，机器将令人信服地展示人类的情感，如爱、快乐、恐惧和悲伤。这项技术最终可能会出现在医院、学校和监狱，为病人、学生和囚犯提供情感支持机器人。在我们日益紧密联系的世界里，人们感到更加孤立。未来与大规模精神健康危机作斗争的政府可能会转向情感支持机器人来大规模解决这个问题。1.6 无服务器计算AWS、阿里巴巴云、微软的 Azure、谷歌云和百度云正在为开发人员推出新的产品，目标是让广大人工智能初创企业更容易、更实惠地将他们的想法推向市场。一些其他企业也正在加入这个领域。1.7 云中 AI人工智能生态系统中的企业领导者一直在竞相获取人工智能云共享，并成为远程服务器上最值得信任的人工智能提供商。企业客户可能会坚持他们最初的供应商，因为机器学习系统随着时间的推移，收集的数据越来越多，变得越来越好。1.8 边缘计算物联网及其数十亿台设备，加上 5G 网络和不断增强的计算能力，使得边缘大规模人工智能成为可能。在设备上直接处理数据在未来对医疗保健、汽车和制造应用非常重要，因为它可能更快、更安全。1.9 先进人工智能芯片神经网络长期以来需要大量的计算能力，需要很长时间来训练，并且依赖于消耗数百千瓦功率的数据中心和计算机。这一切都开始改变了。包括华为、苹果、微软、Facebook、Alphabet、IBM、英伟达、英特尔和高通在内的大型科技公司，都在开发新的系统架构和 SoCs，这意味着芯片更容易在人工智能项目中工作，并且应该保证更快、更安全的处理。图 | 三星的下一代 Exynos 芯片将有一个 AMD 图形处理单元 (GPU)1.10 数字孪生数字孪生是现实世界环境、产品或资产的虚拟表示，用于各种目的。随着低代码和无代码系统变得越来越普遍，公司应该能够构建和部署数字孪生来模拟一系列广泛的过程，这将导致现代化进程的支出减少。1.11 辨别真假在过去的一年里，研究人员展示了人工智能是如何被用来编写如此优异的文本，以至于人类无法分辨它是否机器编写的。事实证明，人工智能也可以用来检测文本是何时由机器生成的，即使我们人类无法识别伪造的文本。1.12 面向 ESGs 的自然语言处理企业社会责任标准必须量化并明确表述，但衡量绩效可能很困难，因为涉及许多无形资产或抽象概念。自然语言处理正被用于识别、标记和分类来自各种来源的关于公司 ESG 声誉的文档。1.13 智能光学字符识别一个持续的挑战是让机器认识到我们在写作中表达自己的各种方式。光学字符识别 (OCR) 以固定的、可识别的格式工作。但是，光学字符识别通常不够智能，无法识别不同的字体、独特的符号或只针对一家公司的电子表格字段。研究人员正在训练人工智能系统识别模式，即使它们出现在不寻常的地方。1.14 机器人过程自动化机器人过程自动化 (RPA) 可以自动化办公室内的某些任务和过程，并允许员工将时间花在更高价值的工作上。这是企业中最常用的人工智能技术。1.15 海量翻译系统Facebook 的人工智能实验室使用从网络上自动收集的 75 亿对句子来训练该模型。FastText 语言模型识别语言，无监督学习模型根据句子的含义匹配句子。目标是提高同声传译。图 | Facebook 推出了第一个不依赖英语数据翻译 100 种语言的人工智能模型 （来源：Facebook）1.16 预测系统和站点故障计算机视觉可以预测和识别物理位置的故障。高科技工厂、航空公司制造商和建筑工地使用图像识别系统来监控项目并自动警告问题。这是通过将现实世界的数据与数字双胞胎的数据进行比较来实现的。1.17 人工智能责任险当机器表现不好时，谁该受责备？例如，如果机器学习使一家公司容易受到向系统注入虚假训练数据的攻击者的攻击，会发生什么？这些问题可能会让一家公司面临诉讼风险。新的保险模式将有助于解决这些问题。保险商开始将人工智能纳入网络保险计划。1.18 操纵 AI 以获得竞争优势亚马逊、谷歌和 Facebook 在过去几年都因操纵搜索系统以优先考虑对公司更有利可图的结果而受到抨击。搜索算法的调整对互联网用户看到的内容有着重大影响，无论是新闻、产品还是广告。这也在一定程度上导致了针对这些公司的持续反垄断诉讼。1.19 全球投资 AI 热潮 全球都在竞相资助 AI 研究和收购 AI 初创企业。根据国家风险投资协会的数据，2020 年第一季度，285 家美国 AI 初创公司筹集了 69 亿美元。随着 Covid 成为全球流行病，投资减少了，但包括苹果、谷歌和微软在内的科技巨头仍在收购 AI 公司。1.20 算法市场大型科技公司、初创公司和开发者社区使用算法市场来分享和销售他们的作品。2018 年，微软斥资 75 亿美元收购 GitHub，这是一个流行的开发平台，允许任何人托管和审查代码，与其他开发人员合作，并构建各种项目。AWS 拥有自己的市场，提供计算机视觉、语音识别和文本的模型和算法，其销售者包括英特尔、CloudSight 和许多其他公司。1.21 100 年软件与其他工程工具相比，传统软件的保质期短且不可预测。这导致令人头痛的问题和昂贵的升级，通常会导致停机。自 2015 年以来，美国国防高级研究计划局 (DARPA) 资助了一百多年来使软件可行的研究。这些系统将使用人工智能来动态适应环境和资源的变化。他们需要一种新颖的设计方法，使用人工智能来发现和显示应用程序的操作以及与其他系统的交互。2. AI 与医疗、健康、科学2.1 AI 加速科学发现运行几个变量的实验通常需要对测量、材料和输入进行有条理的调整。研究生们可能会花费数百个乏味的小时反复进行小调整，直到找到解决方案，这是对他们认知能力的浪费。研究实验室现在使用人工智能系统来加速科学发现的过程。2.2 AI 首次药物发现新冠肺炎加快了人工智能在药物发现中的应用。一个国际团队在不到 48 小时的时间内合成了 2000 个分子的候选物，其中包括了一种 Covid 抗病毒药物 —— 这一过程可能需要人类研究人员一个月或更长时间。倡导者说，人工智能将使药物开发和临床试验更加有效，从而降低药物价格，为更个性化的药物铺平道路。AI 用于提高新药发现的速度和效率2.3 AI 改善患者护理新的医疗算法解决了美国的患者护理水平。不同的患者对症状的体验不同，他们的护理基于他们如何描述自己的症状以及医生如何解释这些症状。研究人员正在训练深度学习模型，并发现病人护理中的差距。2.4 AI 在医学影像中的应用放射学家和病理学家越来越依赖人工智能来帮助他们进行诊断医学成像。到目前为止，大多数获得批准的设备都增强了检查图像和进行诊断的过程。但是新兴的自主产品正在进入临床环境。2.5 自然语言处理算法检测病毒突变自然语言处理 (NLP) 算法通常用于文本、单词和句子，被用来解释病毒的遗传变化。蛋白质序列和遗传密码可以使用自然语言处理技术来建模，并且可以像在文字处理软件中写单词和句子一样进行操作。麻省理工学院的研究人员使用自然语言处理对病毒逃逸进行建模，通过在突变发生前使用这种模型，公共卫生官员可以制定策略，并潜在地防止新的病毒传播。2.6 无测试诊断多个研究院所的科学家们及健康科学公司 ZOE 共同开发一个应用程序来研究 Covid 症状并跟踪病毒的传播。它收集并使用人工智能来分析来自 400 万全球贡献者的数据，以发现新的症状，预测 Covid 热点，并最终预测 Covid 病例，而无需物理测试。图 | 美国食品和药物管理局（FDA）批准第一个提供诊断决策的自主人工智能系统 IDx-DR。2.7 蛋白质折叠2020 年 11 月，DeepMind 的人工智能发布了一项重大公告：它成功地从蛋白质的氨基酸序列中确定了蛋白质的 3D 形状。预测蛋白质结构一直困扰着生物学家。AlphaFold 此前曾击败过其他团队，但它在去年的 CASP 上工作得如此之快、如此之准确，以至于它预示着这项技术将在不久的将来被其他科学家定期使用。2.8 梦想交流科学家发现了如何在清醒梦者之间建立双向沟通渠道。清醒梦者意识到自己睡着了，可以控制自己的梦境。并基于现有研究证明，做梦时有新的方式发送和接收实时信息。2.9 思维探测深度神经网络被用来使用无线信号分析情绪状态。研究实验室正在开发新技术来解读我们的思想。这有商业含义：人力资源部门可以决定员工对公司政策的真实看法，律师可以决定陪审员在案件中的倾向，房地产经纪人可以判断购房者的严重程度。3. AI 与消费者3.1 零用户界面现代界面能够以更少的直接动作为我们做更多的事情，但仍然吸引着我们的注意力。零用户界面 — 承诺优先考虑这些决定，代表我们委托它们，甚至根据情况自主地为我们回答。许多这种无形的决策将在没有直接监督或来自人们的投入的情况下发生。3.2 消费者级 AI 应用已经出现了从专业研究人员使用的高度技术性的人工智能应用程序到面向精通技术的消费者的更轻量级、用户友好的应用程序的转变。新的自动化机器学习平台使非专家构建和部署预测模型成为可能。平台希望在不久的将来，我们将使用各种人工智能应用程序作为我们日常工作的一部分，就像我们今天使用微软办公软件和谷歌文档一样。3.3 无处不在的数字助理数字助理 (DaS) 使用语义和自然语言处理以及我们的数据来预测我们接下来想要或需要做什么，有时甚至在我们知道要问什么之前。新闻机构、娱乐公司、营销人员、信用卡公司、银行、地方当局、政治活动和许多其他人可以利用 DAs 来显示和传递关键信息。阿里巴巴的天猫精灵使用自然语言处理3.4 虚假娱乐深度REFACE 是一个面部交换应用程序，可以将您的面部变形为名人的身体，并创建 GIF 在社交媒体上共享。Jiggy 是一个能让任何人跳舞的假货。就目前而言，它们都产生了看起来像被操纵过的图像和礼物。但是随着技术变得如此容易使用，我们还要多久才能区分真假？3.5 个人数字双胞胎许多初创公司正在构建可定制、可培训的平台，能够向你学习 —— 然后通过个人数字双胞胎在网上代表你。在不久的将来，包括健康和教育在内的一系列领域的专业人士可能会拥有数字双胞胎。4. AI 与研究4.1 封闭源代码代码对于可再现性、可问责性和透明度非常重要，并且是推动更大的人工智能社区改进的关键。但是当学术研究人员发表论文时，他们通常不会包含所有的代码。给出的理由是：他们使用的代码与其他专有研究混合在一起，因此无法发布，这也正是企业的做法。4.2 框架整合谷歌的 TensorFlow 和 Facebook 的 PyTorch 是研究人员使用的两个流行框架，不同框架的相对流行通常反映了商业应用领域的趋势。在过去的四年里，Facebook 似乎取得了进展。在提到研究人员使用的框架的会议论文中，75% 引用了 PyTorch，161 位发表的 TensorFlow 论文比 PyTorch 论文多的研究人员中，55% 的人转向了 PyTorch。4.3 培训模型的成本训练一个模特要花很多钱。几个变量影响这些成本，所有这些成本在过去几年都有所增加。对于较小的研究团体和公司来说，成本是难以承受的。人工智能领域的一些人转而允许大型科技公司预先培训和发布大型模型。4.4 自然语言处理基准通用语言理解评估基准是用于训练、评估和分析自然语言理解系统的资源集合。人类基线分数为 87，自然语言处理系统在 2020 年 8 月增至 90.6，超过人类。SuperGLUE 基准是对更困难的语言理解任务、改进的资源和新的公共排行榜的新度量。预计到 2021 年底，这一新的基准也将被超越。SuperGLUE 将在 2021 年底被打破4.5 机器阅读理解对于人工智能研究人员来说，机器阅读理解一直是一个具有挑战性的目标，但也是一个重要的目标。MRC 使系统能够在筛选庞大数据集的同时阅读、推断意义并立即给出答案。2019 年，中国的阿里巴巴在接受微软机器阅读理解数据集 (简称 MARCO MS) 测试时表现优于人类。4.6 AI 自我总结新的 AI 模型可以总结科学文献，包括关于自身的研究。艾伦人工智能研究所 (AI2) 在语义学者中使用了这个模型，语义学者是一个人工智能驱动的科学论文搜索引擎，提供人工智能论文的简短摘要。这项工作之所以令人印象深刻，是因为它能够准确高效地压缩长论文。4.7 无培训 AI训练机器人做不止一件事是困难的，但是一种新的模型在一个游戏中让相同的机器人手臂相互对抗。这是多任务学习的一个例子，一种深度学习模式，在这种模式下，机器在进步的同时学习不同的技能。OpenAI 的模型允许机器人解决新的问题，而不需要再培训。4.8 图形神经网络图形神经网络 (GNNs) 构成了一种特殊类型的深度神经网络，它对图形作为输入进行操作。神经网络被用于检测气味 —— 在分子水平上预测气味 —— 以及广泛的化学和生物过程。例如，布罗德研究所的研究人员使用它们来发现没有毒副作用的抗生素化合物。4.9 联合学习联合学习是一种将机器学习推向边缘的技术。这是由谷歌研究人员在 2016 年推出的一个新框架，它使算法可以在不损害用户隐私的情况下使用手机和智能手表等设备上的数据。这个领域的研究急剧增加。4.10 GP 模型高斯过程是许多现实世界建模问题的黄金标准，尤其是在模型的成功取决于其忠实表示预测不确定性的能力的情况下。得益于神经网络的改进，全球定位系统变得更加精确和易于训练。4.11 GPT-3 的影响GPT-3 是由 OpenAI 在去年发布的，但是 AI 表现出强烈的反穆斯林偏见。在该模型的许多使用案例中，穆斯林暴力偏见始终如一地、创造性地出现。这是偏见如何潜入我们自动化系统的又一个例子。如果不加以控制，随着人工智能的成熟，它将在整个社会造成问题。4.12 Vokenization像 GPT-3 这样的模型是在句法和语法上训练的，而不是创造力或常识。人类以多层次、多维度的方式学习，因此一种称为 vokenization 的新技术通过将语言 “标记” 与相关图像进行上下文映射，来外推仅包含语言的数据。4.13 机器图像完成如果一个计算机系统可以访问足够多的图像 —— 比如说，数百万张 —— 它就可以修补和填充图片中的漏洞。这种能力对于专业摄影师以及每个想拍出更好自拍的人都有实际应用。随着这种技术变得司空见惯，将会有重大的偏见和其他陷阱需要克服。4.14 使用单个图像的预测模型计算机视觉系统变得越来越智能。神经网络可以从单一的彩色图像预测几何形状。这项研究有一天将使机器人能够更容易地在人类环境中导航 —— 并通过从我们的肢体语言中获取线索来与我们人类互动。零售业、制造业和教育背景可能尤其相关。4.15 远程学习的无模型方法梦想家是一种强化学习 (RL) 代理，它使用世界模型来学习长期预测，通过模型预测采用反向传播。它可以从原始图像中创建模型，并使用图形处理单元 (GPU) 并行从数千个预测序列中学习。这种新方法使用一个想象的世界来解决长期任务。4.16 实时机器学习人工智能面临的一大挑战是构建能够主动收集和解释数据、发现模式和整合上下文并最终实时学习的机器。对实时机器学习 (RTML) 的新研究表明，使用连续的数据流和实时调整模型是可能的。这标志着数据移动方式和我们检索信息方式的巨大变化。4.17 自动机器学习一些组织希望摆脱传统的机器学习方法，这种方法既耗时又困难，需要数据科学家、人工智能领域的专家和工程师。自动机器学习 (AutoML) 是一种新的方法：将原始数据和模型匹配在一起以揭示最相关信息的过程。谷歌、亚马逊和微软现在提供大量的自动产品和服务。4.18 人机混合视觉没有人类的帮助，人工智能还不能完全发挥作用。混合智能系统将人类和人工智能系统结合起来，以实现更高的准确性。微软研究人员提出了潘多拉，一套用于理解系统故障的混合人机方法和工具。潘多拉利用人类和系统生成的观察来解释与输入内容和系统架构相关的故障。4.19 神经符号研究人员正在研究使用神经网络将学习和逻辑结合起来的新方法，这种网络将通过符号来理解数据，而不是总是依赖人类程序员为他们排序、标记和编目数据。符号算法将有助于这一过程，这最终将导致一个健壮的系统，不总是需要一个人来训练。4.20 通用强化学习算法研究人员正在开发可以学习多项任务的单一算法。2020 年 1 月，DeepMind 发表了一项新的研究，表明强化学习技术如何可以用来提高我们对心理健康和动机的理解。4.21 持续学习目前，深度学习技术正在帮助系统学习以类似人类可以做的方式解决复杂的任务。他们需要一个严格的顺序：收集数据，确定目标，部署算法。这个过程需要人，并且可能很耗时，尤其是在需要监督训练的早期阶段。持续学习更多的是关于自我调节和增量技能的培养和发展，研究人员将继续推进这一领域可能的极限。4.22 Franken 算法的扩散虽然一个单一的算法可能很容易描述和部署，如预期的那样，算法系统一起工作有时会带来问题。开发人员并不总是事先知道一个算法将如何与其他算法一起工作。有时，几个开发团队在独立地处理不同的算法和数据集，一旦部署完成，他们只能看到彼此的工作。对于 Facebook 这样的大公司来说，这尤其具有挑战性，因为它们在任何给定的时间都有数十亿个算法在一起工作。4.23 专有的、自主开发的 AI 语言Python、Julia、Lisp 标志着人工智能生态系统的未来可能会出现分裂，这与当前 iOS/Android 的竞争或长期的 Mac/PC 战争并无不同。企业会发现在人工智能框架和语言之间切换越来越成本高昂和困难。5. AI 与人才5.1 AI 人才流失人工智能研究人员从学术界流失到公司的速度惊人。原因很简单：薪酬待遇。顶尖学者获得丰厚的薪水和福利，他们可以在类似的终身环境中工作，这种环境是精心培养的，以代表他们在学术界的经验。今天挖墙脚的部门，可能会抢夺未来 AI 专家的未来。没有伟大的学者，谁来培养下一代创新者？5.2 AI 大学专门致力于人工智能的新机构正在世界各地推出。在阿拉伯联合酋长国，新的人工智能大学于去年成立。MBZUAI 是世界上第一所研究生水平的研究型人工智能大学。人工智能大学由哈佛大学和加州大学洛杉矶分校共同创建，是一个机器学习和人工智能培训的在线项目。图 | 斯坦福大学自然语言处理课程的注册人数是 2004 年的 10 倍5.3 对 AI 的需求正在增长多年来，人工智能人才的需求超过了供应。在美国，去年与人工智能相关的职位发布比与人工智能相关的职位查看多近三倍。虽然学校正在增加项目，增加招生，增加班级，但对人工智能技能的新需求太多，训练有素的工人远远不够。随着需求的增长，招聘过程需要更长时间，成本也越来越高。5.4 企业 AI 实验室人工智能实验室遍布世界各地，集中在北美、欧洲和亚洲。Facebook、谷歌、IBM 和微软运营着 62 个致力于人工智能研发的实验室，其中大多数在美国以外，因为可以接触到人才。5.5 面试 AI识别系统现在可以用来观察你被面试的情况，并衡量你的热情、坚韧和沉着。算法分析数百个细节，如你的语气，你的面部表情和你的习惯，以最好地预测你将如何适应一个社区的文化。6. AI 与创造性6.1 辅助创造力生成性敌对网络 (GANs) 的能力远远超过生成深度伪造视频。研究人员正在与艺术家和音乐家合作，以产生全新的创造性表达形式。从合成非洲部落面具到建造幻想、虚构的星系，人工智能被用来探索新的想法。6.2 用于内容的生成算法“野蛮司法” 在 YouTube 上播出，由一名合成记者弗 Fred Sassy 担任主角，他看起来很像前总统特朗普，只是声音和发型不同，足以逃避法律挑战。剧集中出现了 Gore，Mark Zuckerberg，Jared Kushner 和其他人的虚假人物。6.3 从短视频生成虚拟环境Nvidia 正在教人工智能从短视频剪辑中构建逼真的 3D 环境。该方法建立在以前对 GANs 的研究基础上。自动生成的虚拟环境可以用于幻想和超级英雄电影，并可以降低电视制作和游戏开发的成本。图 | 创意工作室 SoKrispyMedia 制作以战斗中的棍形人物为特色的短片。它依靠实时渲染来获得逼真的结果6.4 自动化版本控制总部位于瑞士的塔梅迪亚的记者们在他们国家 2018 年的选举中，一个名为鸢的决策树算法生成了自动化的文章，详细描述了私人媒体集团旗下 30 家报纸覆盖的每个城市的投票结果。这些文章有一个特殊的署名，提醒读者它们是由一种算法写的。随着更多实验的进行，我们预计新闻和娱乐媒体公司将开发同一内容的多个版本，以覆盖更广泛的受众或大规模制作大量内容。6.5 自动语音克隆和配音类似人工智能和描述性人工智能在内的人工智能公司的承诺使得克隆声音成为可能。这意味着很快你可能会在电影中看到像 Phoebe Waller-Bridge 这样的明星，还会听到她用自己的声音说葡萄牙语。然而，这项技术显然有黑暗的一面，导致了语音诈骗的出现。图 | 自动点唱机是一个神经网络，它产生音乐，包括初级歌唱，作为各种流派和艺术家风格的原始音频6.6 自动环境噪声配音人们一直在训练计算机观看视频，并预测我们物理世界中相应的声音。这项研究的重点正在麻省理工学院的计算机科学和人工智能实验室进行，应该有助于系统理解物体在物理领域是如何相互作用的。许多项目正在进行中，以使自动生成声音、视频甚至故事情节变得更加容易。7. AI 与安全7.1 AI 民族主义政府正在对并购和投资活动实施新的限制，以确保公司开发的人工智能不会帮助外国对手。去年，美国参议院提出的一项两党法案被称为 “永无止境边境法案”，该法案明确将人工智能界定为美国和中国之间的一场竞赛。美国众议院通过了永无止境边境法案7.2 国家 AI 战略新一波国家将在 2021 年和 2022 年推出国家人工智能战略。中国通过了新一代人工智能发展计划，设定了新的基准，要在 10 年内成为世界上占主导地位的人工智能玩家。在美国，许多公共和私人团体代表国家独立研究人工智能的未来。然而，这些努力缺乏机构间协作和协调努力，以精简目标、成果、研发努力和资金。7.3 作为关键基础设施的 AI政府研究人员正在探索引领关键系统应用人工智能开发的方法：公路和铁路运输系统；发电和配电；和消防车等公共安全车辆的路线预测。人们不再回避人工智能系统，而是对使用该技术来预防灾难和提高安全性产生了新的兴趣。7.4 基于国家的防护和法规从自动驾驶汽车事故到通过虚假信息活动干扰选举，再到通过面部识别和自动监控增强的政治镇压，过去几年的重大事件极大地缓解了人工智能的危险。对于一项触及人类方方面面的技术来说，现在几乎没有防护存在，各国都在竞相开发和发布自己的人工智能战略和指南。7.5 监管 DeepFake美国和其他地方将在 2021 年出台新的措施来监管深度假货的生产和分销。夏威夷州议会的一项法案试图禁止未经授权的 DeepFake 应用程序和工具。如果通过，DeepFake 将被视为 C 级重罪。这些倡议可能会遇到禁止 DeepFake 侵犯言论自由权的争论。7.6 让 AI 自我解释计算机科学家、记者和法律学者越来越担心人工智能系统不应该如此神秘，监管机构正在密切关注。总的来说，必须克服一些挑战。要求人工智能透明可能会泄露公司的商业秘密。要求系统在工作时解释他们的决策过程也会降低输出的速度和质量。在未来的几年里，不同的国家可能会颁布新的规定要求 AI 自我解释。7.7 新战略技术联盟国家间新的战略技术联盟将有助于推动未来的研发，但也可能使现有的地缘政治联盟紧张或加剧紧张局势。可能的合作伙伴包括美国、德国、日本、印度、韩国、英国、法国和加拿大 —— 剩下中国和俄罗斯将分别合作。后两个国家已经宣布了卫星和深空探测技术联盟。网络战将在未来十年改变战争艺术7.8 新型军工联合体在过去的几年里，美国一些最大的人工智能公司已经与军方合作，推进研发并提高效率。事实上，没有外部公司的帮助，公共部门无法推进其技术。另外，还有很多钱可以赚。7.9 算法战争未来的战争将以代码形式进行，使用数据和算法作为强大的武器。当前的全球秩序正在由人工智能塑造，在人工智能研究方面领先世界的国家在开发至少包括一些自主功能的武器系统。8. 中国的 AI 规则8.1 中国人工智能现况如果你认为中国是一个复制而不是创新的国家，那就再想想。中国是人工智能的全球领导者，在许多领域都取得了巨大的进步。企业和政府已经合作制定了一项全面的计划，到 2030 年使中国成为世界主要的人工智能创新中心，并且已经朝着这个目标取得了重大进展。中国比西方有着不可思议的优势。这也给了中国三大公司百度、阿里巴巴和腾讯超能力。总的来说，它们被称为最佳可得技术，它们都是该国资本充足、高度组织化的人工智能计划的一部分。中国人的回报不仅仅是典型的投资回报，中国公司也期待知识产权。总部位于中国的人工智能初创公司现在占全球人工智能投资的近一半。8.2 受中国教育的研究人员突起总部位于保尔森研究所 (Paulson Institute) 的智库宏论道 (MacroPolo) 的一项新研究显示，受中国教育的研究人员主导了著名的国际人工智能会议神经科 (NeurIPS) 接受的论文。宏论道促进了美中之间的建设性合作。近三分之一的论文来自中国 —— 比任何其他国家都多。图 | NeurIPS 接受的论文有近三分之一的论文来自中国9. AI 与社会9.1 伦理冲突2020 年 12 月 2 日，谷歌伦理人工智能团队的共同创始人 Timnit Gebru 发布了一条推特，说她被解雇了。她因在偏见和面部识别方面的开创性研究而闻名，在更广泛的人工智能社区中广受尊重。Facebook 成立了一个独立的监督委员会，有权否决内容审核准则，甚至否决马克扎克伯格本人。2021 年 1 月，该委员会对有争议的内容做出了第一次裁决，推翻了它所看到的五起案件中的四起。但 Facebook 上每天都有数十亿条帖子，还有数不清的内容投诉 —— 这意味着监督委员会以传统政府的速度运作。我们预计 2021 年会有更多的道德冲突。图 | 算法偏见的先驱研究者 Timnit Gebru9.2 环境监测关起门来发生的事情可能不会保密太久，高管们应该警惕新的环境监控方法。麻省理工学院的科学家发现了如何使用计算机视觉来跟踪室内的数据，这对从事敏感项目的公司来说可能不是好消息。从事信息安全和风险管理的人应该特别注意计算机视觉的进步。9.3 市场整合随着人工智能生态系统的繁荣，大量收购也意味着整合。大公司现在早在初创公司成熟之前就将其抢购一空。只有九家大公司主宰着人工智能领域：美国的谷歌、亚马逊、微软、IBM、Facebook 和苹果，中国的百度、阿里巴巴和腾讯。在投资方面，高通、腾讯、英特尔投资、谷歌风险投资、英伟达、Salesforce、三星风险投资、阿里巴巴、苹果、百度、花旗和智能手机为增长提供了大量资金。9.4 分散人工智能生态系统跨越数百家公司。他们正在构建网络基础设施、定制芯片组和消费应用等。与此同时，大量的政策团体、倡导组织和政府正在制定指导方针、规范和标准以及政策框架，希望能够指导人工智能的未来发展。因此，生态系统在两个方面是分散的：基础设施标准和治理。9.5 AI 偏见问题众所周知，人工智能有一个严重的多方面的偏见问题。随着计算机系统越来越擅长决策，算法可能会将我们每个人分成对我们来说没有任何明显意义的组，但可能会产生巨大的影响。越来越多的数据在你不知情的情况下被收集并出售给第三方。随着时间的推移，这些偏见会自我强化。随着 AI 应用越来越普遍，偏向的负面影响会更大。9.6 有问题的培训数据开发人员社区中遇到了一些挑战。即已经很难从真实的人那里获得真实的数据来训练系统，并且随着新的隐私限制，开发人员选择更多地依赖公共的数据集，这些数据集可能存在问题。9.7 AI 捕捉欺骗行为AI 正被用来捕捉欺骗行为。ECRI 研究所的 CrossCheq 使用机器学习和数据分析来寻找招聘过程中的夸张和误导信息。哥本哈根大学的研究人员创建了一个机器学习系统，以 90% 的准确率发现论文中的作弊行为。9.8 针对弱势群体的算法测试经过正确训练的机器学习系统可以帮助找到失踪的儿童并发现虐待行为。问题是，这些系统使用来自弱势群体的数据来进行培训。图像识别是一个特别棘手的挑战，因为研究人员需要大型数据集来完成他们的工作，经常是未经同意使用图片。9.9 AI 故意隐藏数据斯坦福大学和谷歌的研究人员发现，旨在将卫星图像转化为可用地图的人工智能隐瞒了某些数据。最初，他们使用了一张网络没有看到的航拍照片。最终的图像看起来非常接近原始图像。但是在更深入的研究中，研究人员发现原始图像和生成图像中的许多细节在人工智能制作的地图中是不可见的。事实证明，系统学会了将原始图像的信息隐藏在它生成的图像中。9.10 未曝光的 AI 事故2018 年和 2019 年众多 AI 相关事故中，只有少数成为头条。但还有无数次没有导致死亡的事件公众并不知道。目前，研究人员没有义务报告涉及我们数据或人工智能过程的事故或事件，除非违反了法律。虽然大公司必须告知消费者他们的个人数据是否被盗，但它们不需要公开记录算法学会基于种族或性别歧视他人的情况。9.11 数字红利人工智能将不可避免地导致全球劳动力的转移，导致许多行业的失业。牛津大学人类研究所的研究人员、今日未来研究所的研究人员和前美国总统候选人杨安泽都发表了概述不同版本的 “数字红利” 的著作 —— 这是公司向社会偿还部分人工智能利润的一种方式。9.12 信任优先人工智能系统依赖于我们的信任。如果我们不再相信他们的成果，几十年的研究和技术进步将会付诸东流。政府、企业、非营利组织等各个部门的领导者必须对所使用的数据和算法有信心。建立信任和问责制需要透明度。此外，雇佣伦理学家直接与经理和开发人员合作，并确保开发人员本身是多样化的，代表不同的种族、民族和性别，将减少人工智能系统中固有的偏见。人工智能在多个维度上影响着每一项业务。人工智能是大多数组织的基石，从员工自动化到数字化，再到员工分配等等。人工智能也是创新和创造过程的添加剂。创新团队可以利用深度学习来开发新产品，了解市场，预测即将发生的事情。特别是随着无代码和低代码应用程序变得更加广泛，创新团队将为决策管理、一般性头脑风暴和产生新想法的强大方法构建强大的系统。同时，人工智能又面临了许多风险。新法规可能会抑制研究、创新和产品开发。地缘政治紧张和人工智能民族主义将开始以新的方式引导外国投资。面部识别中的偏见应该是大家都关心的。应开发风险模型来确定可信的近期情景，以便领导者能够相应地调整策略。最后，这份报告还涵盖了包括 5G、区块链在内的其他众多领域的技术趋势，但是由于篇幅所限，在这里不能一一翻译整理，感兴趣的朋友可以查看报告完整版：https://futuretodayinstitute.com/trends/（原报告篇幅较多，解读内容难免有纰漏，请大家多指正

近日，由中国互联网金融协会金融科技发展与研究专委会和浙江大学互联网金融研究院组织撰写的《“一带一路”金融科技发展指数研究报告》正式发布。金融科技作为科技驱动的金融创新，日益成为数字化时代世界各国金融发展与产业布局的焦点领域。为客观全面评价“一带一路”沿线国家金融科技发展情况，助力发挥金融科技在推进沿线国家普惠金融体系建设、统筹做好疫情防控和经济恢复等方面的积极作用，中国互联网金融协会金融科技发展与研究专委会联合浙江大学互联网金融研究院组成专项课题组，历时半年撰写形成8万字的研究报告。该报告构建了“一带一路”金融科技发展指数，并结合指数分析就如何推进“一带一路”金融科技发展提出政策建议。“一带一路”金融科技发展指数包括金融科技产业、金融科技用户和金融科技生态3个分项指数，由金融科技上市企业规模等23个指标组成。综合考虑数据可得性和国家代表性，专项课题组选取63个“一带一路”沿线国家作为研究样本。考虑到相关数据更新时间、频率差异和疫情等原因，按照“就近就新”原则，数据截至2020年2月，部分数据为来源数据库的最近一次更新。指标权重计算采用“基于打分规则学习的层次分析法”，并同步使用变异系数法等研究方法对权重结果进行交叉验证。【来源：中国网客户端】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

2月25日，由中国营养学会组织编写的《中国居民膳食指南科学研究报告(2021)》(以下简称《报告》)正式发布。中国营养学会杨月欣理事长首先对报告研究工作情况进行了介绍。她指出，为了更好地修订《中国居民膳食指南》制定新版膳食指南，充分利用营养素和食物食物与健康的科学研究成果，中国营养学会成立《中国居民膳食指南》科学报告工作组，在2016版《食物与健康-科学证据共识》基础上，汇集近年来国内外有关膳食指南进展、膳食与健康研究的新证据，分析我国居民膳食与营养健康现况及问题，为修订《中国居民膳食指南》提供强有力的科学依据。中国营养学会副理事长、中国疾控中心营养与健康所所长丁钢强代表《中国居民膳食指南》科学报告工作组，从中国居营养与健康状况研究、食物与健康科学证据研究、国外膳食指南研究等三个主要方面，对《报告》主要内容进行了详细解读。一、《报告》分析了我国居民膳食与营养健康现况及问题《报告》指出，我国的营养保障和供给能力显著增强，人民健康水平持续提升，居民营养不足与体格发育问题持续改善，主要表现在居民膳食能量和宏量营养素摄入充足，优质蛋白摄入不断增加，居民平均身高持续增长，农村5岁以下儿童生长迟缓率显著降低，这些都是食物供应充足、膳食质量提高的主要贡献。受社会经济发展水平不平衡、人口老龄化和不健康饮食生活方式等因素的影响，我国仍存在一些亟待解决的营养健康问题。一是膳食不平衡的问题突出，成为是慢性病发生的主要危险因素。高油高盐摄入在我国仍普遍存在，青少年含糖饮料消费逐年上升，全谷物、深色蔬菜、水果、奶类、鱼虾类和大豆类摄入普遍不足。二居民生活方式明显改变，身体活动总量下降，能量摄入和消耗控制失衡，超重肥胖成为重要公共卫生问题，膳食相关慢性病问题日趋严重。三是城乡发展不平衡，农村食物结构有待改善。农村居民奶类、水果、水产品等食物的摄入量仍明显低于城市居民，油盐摄入、食物多样化等营养科普教育急需下沉基层。四是婴幼儿、孕妇、老年人等重点人群的营养问题应得到特殊的关注。五是食物浪费问题严重，居民营养素养有待提高。二、《报告》汇集分析了膳食与健康研究的新证据在《食物与健康—科学证据共识(2016)》的基础上，工作组进行了近5年证据更新，收集了30余种不同食物(及加工食品)与健康、膳食模式与健康、身体活动与健康等国内外科学研究文献，参照世界卫生组织(WHO)指南及GRADE评价体系，进行证据评价，提出了我国食物与健康证据评价方法和结论推荐意见，并组织了几十位营养学、医学、流行病学等学科的专家进行了分析讨论，综合评价了200余条食物与健康的科学建议、膳食模式与健康的科学推荐以及身体活动与健康的科学指导。《报告》显示，随着社会经济的发展和居民膳食模式、生活方式的明显改变，各种类食物摄入量过高或过低与疾病风险之间的关联已有较多的证据，《报告》中汇总了与主要健康结局风险降低相关联的膳食因素主要有：全谷物、蔬菜、水果、大豆及其制品、奶类及其制品、鱼肉、坚果、饮水(饮茶)等，证据等级均为B级。过多摄入可增加不良健康结局风险的膳食因素主要有：畜肉、烟熏肉、食盐、饮酒、含糖饮料、油脂等，证据等级均为B级及以上。《报告》中还特别强调了膳食模式的重要性。近年来，膳食与健康的关系已从单一营养素或单一食物转向膳食模式与整体健康状况或疾病风险关联的研究。平衡膳食模式是根据营养科学原理和居民膳食营养素参考摄入量而设计的。长期遵循平衡膳食模式，是健康长寿和预防膳食相关慢性病的重要基石，并可以降低全因死亡风险。中国人群不同膳食模式对健康结局的影响研究结果显示，以多蔬菜水果、多鱼虾水产品、经常吃奶类和大豆制品、适量的谷类和肉禽类、烹调清淡少盐为主要特点的江南地区模式，代表了东方健康膳食模式。具有这些膳食特点的地区，人群发生超重肥胖、2型糖尿病、代谢综合征和脑卒中等疾病的风险均较低。《报告》还提供了维持健康体重和身体活动与健康关联的证据。有证据证明体重过低或过高都会对健康产生明显的影响，证据等级为B级。目前有充足的证据表明，身体活动不足可导致体重过度增加，多进行身体活动不仅有利于维持健康体重，还能降低肥胖、2型糖尿病、心血管疾病和某些癌症等疾病发生风险和全死因死亡风险，改善脑健康，其推荐等级均为A级。三、《报告》汇集研究了世界各国膳食指南关键推荐《报告》中通过对世界各国46个英文版本的膳食指南全文、91个来自不同国家(地区)的膳食指南图形进行梳理，汇集研究了相关关键推荐、食物信息和消费指导的信息。各国指南推荐条目中关键词出现的频率最高的十个关键词如下：“蔬菜/水果”“盐/钠”“脂肪”“糖”、“体育运动”“水”“奶及制品”“谷物”“鱼”“食物多样性”。世界各国膳食指南越来越更加关注膳食模式的平衡、合理及健康，不同地区和国家根据各自的膳食特点，为了预防和控制疾病，提出不同的健康膳食模式，如地中海饮食模式、DASH饮食模式、美式健康膳食等。《报告》采用文献检索综述的方法阐述了国内外具有代表性膳食模式和健康关系研究结果。四、《报告》聚焦健康中国建设，提出落实合理膳食行动政策建议。一是以循证为依据，更新膳食指导性文件。在充分考虑我国不断变化的营养与健康状况和突出营养问题的基础上，以循证营养学为手段，以科学证据为指引，充分考虑公共政策发展趋势，定期修订《中国居民膳食指南》，以满足人民健康发展的需要。二是以问题为导向，基于全方位影响因素干预的理念，以平衡膳食为核心，提出了精准化营养指导措施。三是以慢病预防为目标，全方位引领健康生活方式。特别强调，肥胖已成为威胁我国居民健康的首要危险因素，成为多种慢性病(包括癌症)的共同病理基础。健康生活方式的倡导与落实离不开健康的食物消费环境。四是以营养导向为指征，构建新型食物生产加工消费模式。将营养与健康理念贯穿于食物生产、加工、烹调、选购、进餐的各个环节和体系中，营造健康的食物消费环境。五是以营养人才队伍建设为举措，宣传和践行健康中国。各级政府应把加强营养职业人才(注册营养师、公共营养师、营养指导员等)培养和队伍建设，全民营养周、健康生活方式行动等宣教活动，作为落实合理膳食行动、实现健康中国行动目标的重要措施。《报告》聚焦我国居民营养与健康状况的主要关键问题，以膳食营养和生活方式与健康的科学研究结果为证据，为膳食指南修订提供重要参考和科学依据。来源：中国新闻网审读：喻方华

（报告出品方/作者：中金公司）一、发起金融科技子公司，布局数字化科技子公司简介，至今有 12 家金融科技子公司金融科技子公司纷纷成立，以兴业银行最早。兴业银行旗下兴业数金成立最早，其次为 平安集团旗下金融壹账通。截止 2021 年初，包括汇丰银行在内一共有 12 家银行建立了 金融科技子公司。这其中，成立时间较早的兴业数金、金融壹账通、招银云创、光大科 技、建信金科等均建立了自己的官网展示了详细产品。从持股比例来看，除了最早的兴 业数金、平安金融壹账通外，其他科技子公司均由母行 100%控股。其中，光大科技承担 了光大云缴费的全部业务，是光大云缴费公司的 100%控股股东；平安金融壹账通为平安 集团旗下金融科技子公司，是平安银行的兄弟公司，经营内容与其它科技子公司承担母 行科技研发任务、对外输出同业的性质类似。从业务拆分来看，目前公布详细产品的金融科技子公司主打银行相关的数字化解决方案， 部分银行会利用自身资源拓展到智慧政务、智慧保险等领域。拆分业务来看，银行数字 化转型（集约化管理、风控能力、核心系统流程审批等）和开放银行的转型（API 开放平 台，5G+等）是银行科技子公司最主要的解决方案。国有四大行如建行、工行，重点布局 领域在智慧政务、核心系统数字化解决方案，股份行如兴业数金着重于输出云服务能力 给同业中小银行，而对于金融壹账通一类背靠平安集团拥有丰富保险领域布局的金融科 技子公司，重点布局领域包括了智慧保险（车险、财险、保险营销）等业务。银行 IT 解决方案分类及分布式架构趋势银行的 IT 系统庞大，主要可分为银行业务系统、银行资源管理类系统和银行销售渠道类 系统，对应着不同的解决方案。业务类解决方案主要包括核心业务系统、支付与清算、 中间业务、信贷操作、互联网银行等，管理类解决方案主要包括企业资源管理、商业智 能/决策支持、风险管理、反欺诈、金融审计和稽核、客户关系管理等，渠道类解决方案 主要包括渠道管理、柜台系统、银行卡系统、电话银行/呼叫中心等1。但是随着交易量的 扩大，银行的 IT 系统在实现了数字化的同时，也在追求分布式部署。外部看，互联网金 融的快速发展、亿级的客户规模、快速交付的需求使得银行不得不加大对于系统支持能 力的提升，但是传统核心系统是集中式系统，存在“IOE”的技术瓶颈架构无法自主可控 （“I”是 IBM 的小型机、“O”是 Oracle 的数据库，“E”是 EMC 的存储）、成本高昂， 而分布式架构在海量支撑、自主可控、低成本、弹性伸缩方面有很大优势，因此各家银 行纷纷进行分布式部署的进程。云服务商业模式分可以分为 SaaS/PaaS/LaaS，按服务器部署方式分可分为私有云/公有云 /混 合云 ，收费 方式以开发 费和运 维费两部 分构成 。 按商业模式分类： SaaS： Software-as-a-Service（软件即服务）是运营商运行在云基础设施上的应用程序，如浏览 器；PaaS：Platform-as-a-Service（平台即服务）是把客户采用的开发语言工具，或者应 用程序部署到供应商的云基础设施上；IaaS：Infrastructure-as-a-Service（基础设施即服务） 是对提供计算基础设施包括处理 CPU、内存、存储、网络和计算资源，用户能够在此之 上部署和运行任意软件，包括操作系统和应用程序。按部署方式分为私有云/公有云/混 合云，公共云是多个用户在同一服务器上一起工作并共享资源；私有云与公共云类似， 区别在于个人客户可以共享私有云服务平台的所有资源。混合云：借助基于私有云和公 共云的广泛资源，混合云解决方案要求服务提供商与他们的客户合作以设计定制项目1。二、头部科技子公司评估：着重产品、技术、客户、盈利对于金融科技子公司的衡量，主要参考：产品种类广度（多领域解决方案）；产品的自主 科技含量（是否有主打科技产品）；获取客户的能力（服务客户类型和数量）；盈利的能 力；行业话语权（参与行业标准制定等）。产品种类的广度：背靠银行集团，科技子公司从银行相关科技产品出发，拓展到其 它领域如保险、资管等，形成涵盖领域广泛的科技产品种类。产品种类的广度关注 科技子公司是否拥有多领域的产品。产品的自主科技含量：关注科技子公司是否拥有核心的自主科技产品，如主打的科 技产品等、专利含量、获奖情况等。获取客户的能力：作为 toB 的科技企业，科技子公司获取公司客户的能力直接关联 着银行的科技实力是否可以成功商业化。重点关注客户的订单数量、单笔订单的销 售额等。盈利能力：关注科技子公司创造利润的能力，ROE 水平。行业话语权：金融领域科技服务由于其行业敏感性，具有复杂的信息安全合规设计， 成为行业协会或者监管层面的安全标准制定者可以增强科技子公司在提供金融科技 服务的竞争优势，相比于其它背景的服务商具有信息安全合规设计能力的优势。业务覆盖地域：关注科技子公司的业务开展的地域，在除中国外在海外也有业务开 展。兴业数金：关注中小同业，以银行云为核心解决方案兴业数金作为最早的银行科技子公司，以向中小银行输出银行云技术为主。兴业数金作 为最早涉足金融科技子公司的企业，在五年的发展过程中形成了成型的商业模式。作为 兴业银行的科技内核与创新孵化器，兴业数金全面负责兴业银行的科技研发和数字化创 新工作。与此同时，为同业商业银行提供云计算、人工智能、开放 API、流程机器人、 区块链等前沿科技产品与服务。截至 2020 年，兴业数金中小金融机构累计签约 395 家， 累计上线实施 241 家。客群拓展上，包含城商行、民营银行、村镇银行等各类客群；产 品服务上，新一代系统群全面替换升级稳步推进，已完成 146 家客户上线。创新业务领 域，开放平台已推出 12 大类共 341 项金融和科技 API 接口服务。智慧银行方面，RPA 流 程机器人在智能营销、信息披露、对公开户、资产托管、交易盯市、报表制作报送等场 景落地，累计上线机器人超 500 个。在成效显著的经营成果之外，兴业数金还参与了部 分行业标准的制定，包括参与编写《云计算技术金融应用规范技术架构》等三项标准， 这成为了兴业数金输出解决方案能力上的有一大优势，也就是对于金融安全技术标准的 理解和开发能力。平安金融壹账通：覆盖多个金融板块，侧重于智慧开放平台和区块链开发依托于平安集团，平安金融壹账通解决方案涵盖银行、保险、资管，以智慧开放平台和 区块链应用作为核心科技。平安壹账通为第一家成功上市的金融科技子公司，上市以来 营收同比均显著增加，2017-2020 年的总营收分别为 5.8 亿元、14.1 亿元、23.2 亿元、33.1 亿元，其经营模式由前期的首次开发的收入和后续运维的收入两方面构成。但与此同时 由于较高的研发支出，利润一直处于亏损状态，2017-2020 年的净亏损分别为 6.07 亿元、 11.96 亿元、16.61 亿元、14.1 亿元，净利润亏损有下降趋势。平安壹账通的业务较为依 赖母行的资源，这是所有金融科技子公司的共同现象，从财报中显示来自母行的营收占 比达到了 40%-50%左右，相比于其它银行金融科技子公司来讲依赖程度已经较低。平安 壹账通也将平安集团视作自己最为重要的客户伙伴，其 IT 基础设施，包括云服务器等需 依托于平安集团的整体 IT 系统。截至 2020H1，金融壹账通全球专利申请累计 4,327 项， 其中境外专利申请 945 项，已服务全国 600 余家银行。从其主打科技产品可以看出，银 行智能化转型中的智能开放平台 Gamma O 平台和“壹账链”区块链平台是其主打的科技 产品。建信金科：创立时间短，以银行核心系统、智慧政务为重点作为四大行中的首家金融科技子公司，建信金科重要区别点在于银行核心系统搭建能力 和政府智慧政务服务能力。建设银行一直将金融科技作为重点的发展方向之一，实践了 包括“建行云”、“5G+智慧银行”、“建行裕农通”等数字化转型。建信金科主要承载建行 的科技研发和对外输出需求，在建信金科的客户中有着大量的政府端客户，包括政策性银行如国开行、地方政府如陕西省政府等。尤其是在创立早起的项目中，建信金科更多 扮演着建设银行中科技研发的承担着和协助建行进行科技输出的角色，与建设银行总行 和各省市分行一起参与到项目中。建信金科的主要输出能力在于对于银行核心系统的打 造和智慧政务平台。银行核心系统方面，建设银行自身通过多年努力建立了“新一代核 心系统”，在 2017 年上线。建信金科利用“新一代核心系统”的开发经验，将核心系统 的开发能力输出同业。在最近披露的建信金科的营收能力上，其总营收不断增长，净利 润在 2020H1 回正。微众银行：科技驱动的互联网银行，金融科技应用的范本科技赋能微众银行高效经营。微众银行是由腾讯牵头发起设立的中国首家互联网银行， 由腾讯、百业源和立业等多家知名企业发起设立。微众银行没有网点，依托于腾讯微信 的生态环境，完全以科技驱动发展，并且已经实现了常态化的盈利。微众银行科技底蕴 深厚，在科技研发支出、科技人员占比等指标均与互联网公司如 BAT 看齐，并且构建了 以 ABCD 为核心(分别指人工智能 AI、区块链 Blockchain、云计算 Cloud Computing、大数 据 Big Data)的金融科技基础服务能力。例如，微众银行推出全球首个联邦学习底层技术 平台（FATE），作为一种基于数据隐私保护的人工智能底层算法，已全面开源并捐献给全 球知名的 Linux 基金会；主导研发的区块链底层技术开源平台 FISCO BCOS 则汇聚了上万 名社区成员，并成功帮助合作伙伴在生产环境落地超过数十个应用案例，成为最大最活 跃的国产联盟链开源生态圈，同时成为国家级区块链服务网络（BSN）中首个国产联盟链 底层平台。三、科技子公司定位：瞄准金融机构数字化转型市场业务定位：服务母行、输出同业科技子公司以服务母行作为短期目标，长期致力于输出同业。银行科技子公司在初期以 服务本行业务为主，包括承接母行的数字化转型任务，承担母行数字化研发的任务。代 表银行如工行、农行，其金融科技子公司主要承接本行的云计算、大数据、5G 等关键数 字化转型技术的研发和实施。随着科技服务能力提升，科技子公司会逐渐过渡到输出同 业作为主要营收来源，代表银行如兴业数金、平安壹账通，其输出同业银行及其他金融 机构的数量每年来不断提升。作为集团综合经营的科技拼图，科技子公司短期仍将依赖母行。以建行为例，建行先后 在期货、租赁、金融不良资产、投资银行、保险等业务布局，建信金科作为金融科技子 公司是其首个在科技领域独立经营的子公司。在 IT 基础设施和客户资源方面，科技子公 司在未来的相当一段时间内仍将保持依赖于母行的状态，例如云服务器需要租用母行的 云服务设施；大部分客户来自于与母行有合作关系的银行或金融机构。兴业数金与“银银平台”。兴业银行的“银银平台”成立于 2007 年，是公司在国内 率先推出的金融同业合作品牌，为各类中小金融机构提供财富管理、支付结算、科 技输出等内容的综合金融服务。截至 2019 年末，“银银平台”累计与 372 家商业银 行建立核心业务信息系统合作关系。得益于“银银平台”积累的丰厚技术基础和客 户资源，兴业数金得以将中小企业 IT 解决方案输出给中小银行。平安金融壹账通与“平安云”。平安壹账通在底层依托于平安云的基础设施，同时也 是平安云在金融解决方案上输出的重要端口。例如对于某城商行在早期时采用自建 IDC 模式，但随着用户激增原有数据中心已不能满足业务的高速增长的问题时，可 以采用混合云部署模式，将一部分核心交易系统部署在自有 IDC 中，而高速增长且 有高并发场景的业务部署在平安云金融专区，平安云对其提供云计算能力，从而解 决问题1。建信金科与建行“新一代核心系统”。建行“新一代核心系统”自 2011 年开始打造， 2017 年全部上线，基于 X86 服务器进行部署。截至 2017H1，建设银行部署在 X86 云上的应用已达 83%，在业务量年均增长 33%的情况下保持主机资源使用率零增长， 并且经受了“双十一”等考验2。建信金科正是整合了“新一代核心系统”部署的全 套经验，在给同业银行完成系统项目时，会与建行核心系统进行共享，包括租用建 行的云服务器等等。远期目标：瞄准金融机构数字化市场的潜力金融机构数字化转型需求迫切。中国宏观经济进入到中速增长阶段，国内国外双循环体 系形成，客户结构和客户需求也发生深刻变化。中小微类企业成为 B 端重要目标客群； 人均收入和消费支出增长维持高位，年轻客群储蓄消费习惯出现代际变化；政府公共治 理引入社会企业参与，不断助力智慧政务，释放了大量政府端数据资源、社会资源等。 所有金融机构都在加紧数字化转型推进，作为金融机构的中流砥柱，银行也在积极进行 线上化转型，离柜交易比例提升到 90%以上，而网点数量却不升反降，银行机构加速推 进数字化转型以应对目标客群获取经营的长尾化、场景化和智能化的特征。目前商业银 行科技投入占营收比例大多在 2%-4%之间，显著低于互联网银行的 8%或以上，考虑未来 银行资产扩张、科技投入比例提高，银行数字化转型带来的科技需求市场也是在高位增 长阶段。金融机构数字化转型需求较大，云解决方案成为重要应用领域。中国人民银行继 2017 年成立金融科技委员会后，于 2019 年 8 月再度印发《金融科技（FinTech）发展规划（2019 –2021 年）》，充分凸显了中国对于金融科技领域的积极关注和大力支持。银行作为金融 机构中的中流砥柱，云解决方案正在成为其数字化转型中的重要领域。云计算技术的核 心理念在于资源共享与弹性调配，而银行的信息系统每天需处理和分析海量信息数据， 对具备强大数据运算与同步调度能力的云计算有着天然需求。根据 IDC 中国统计数据显 示，2019 - 2023 年中国金融云解决方案市场复合增长率为 40.2%，2023 年市场规模预 期达到 35.9 亿美元。拆分金融 IT 服务的市场竞争：产业链上作为上层的解决方案提供商，按供给主体分类面 对来自互联网和传统 IT 服务商的竞争。过去中国金融 IT 解决方案市场以 IT 解决方案商 主导；随着金融机构上云进程的不断深入，市场角逐重心逐渐转向金融云解决方案，各 类服务商纷纷进场，互联网系云服务商、银行系子公司、传统 IT 服务商三类构成了金融 云解决方案市场的初步格局。银行在技术上的竞争远不及互联网巨头的自主科技能力， 但是就银行领域，其基于已有的银行系统部署经验，对于复杂银行业务与系统之间协同 性、银行数字化转型的需求理解与设计上，相比于科技巨头等从一般性解决解决方案到 行业性解决方案的进入路径来讲，具有更加资深的部署开发经验和将需求大规模数字化 转型的统筹设计能力。在客户资源拓展上，银行科技子公司也有着得天独厚的业内从业 优势，其母集团与众多中小型银行有着更强的关系纽带，可以依托于母集团进行大范围 客户获取。金融机构尤其是以银行为代表，对于信息技术革新的要求相比于其它类型企 业更加追求稳健，监管更加严格，因此银行体系出来的科技子公司在监管上也具备更深 入的信息安全标准了解，对于以稳定安全作为第一要求的银行衔接更加自然。传统 IT 服 务商如宇信科技等，与银行系、与互联网系的云服务商并非纯粹的竞争关系，而是有很 多合作关系，可以共同推出解决方案，负责部署及开发工作等。互联网系金融 IT 服务提供商以阿里云、腾讯云为主。阿里云具有自研的计算操作系统飞 天系统，自 2009 年起，由王坚带领团队完成技术攻坚，并随后实现云服务从对内实现对 外输出，与此同时开始全球布局，如今在全球市场格局中成为头部的公有云服务商。阿 里云也有着广泛的客户基础，在金融领域的解决方案应用于银行、保险、券商等各个领 域，重要的客户包括上海银行、邮储银行、南京银行、天弘基金、众安保险、中国太平 等，在 IDC 的金融云服务商排名中阿里云也名列前茅。 南京银行和阿里云共同打造了“鑫云+”。在整个“鑫云+”互金平台应用架构的底层 IAAS 层使用的是阿里云的飞天云系统，PAAS 层则全面使用了蚂蚁金服的分布式中间 件以及关键技术分布式数据库，最上层南京银行构建了账户服务、产品管理、投资、 理财、客户中心等三十几个应用。传统 IT 解决方案服务商市场份额分散，以长亮科技、宇信科技等为头部企业。2019 年中 国金融业 IT 解决方案市场继续维持较高的增长速度，核心系统、信贷管理、商业智能等 子市场竞争较为激烈1，市场中除了具备丰富经验的传统优势厂商，同样存在积极拓展业 务范围、跨界进入的新玩家。从竞争格局看，文思海辉金信、宇信科技、神州信息等厂 商仍保持领先地位。其中头部公司长亮科技解决方案以银行的核心业务系统为主、宇信 科技以银行的信贷业务系统解决方案为主、神州信息以金融信创和监管科技为主。从营 收来看，长亮科技、宇信科技的营收规模 2019 年在 13 亿元/27 亿元，而神州信息破百亿 达到 101 亿元；毛利率看，以软件开发为主要营收占比的长亮科技毛利率更高，达到 52%， 其软件开发占比达到 92%。实际上互联网系、IT 解决方案服务商、银行系科技子公司存 在相互合作的关系，处于一种既是竞争对手又是合作伙伴的关系当中，在金融 IT 解决方 案领域主要的大客户都是银行系统，除 IT 解决方案服务商以外均会承担集团内部数字化 转型的任务。以长亮科技为例，在云服务领域均与华为云有着深度的合作关系，在 2020 年 9 月发布了基于鲲鹏生态打造的“分布式银行核心业务系统”；另一方面长亮科技与商 业银行在管理系统方面有着多重合作，2019 年中标中国邮政储蓄银行、辽宁省农信、广 州银行、东莞银行等核心系统咨询及建设项目，其第八代核心系统具备多种适应技术， 包括金融云、人工智能、大数据、OpenAPI 能力等，支持高并发海量数据处理和良好的 横向扩展能力，完全不依赖于任何特定硬件服务器和系统软件，真正做到了全面的去“IOE” 和支持完全国产化。估值：市场空间大，头部科技子公司尚处高增长阶段，费率具备下降空间，短期内以 P/S 估值从市场空间来看，未来金融机构 IT 解决方案市场具备相当潜力。目前银行科技子公司头 部企业主要客户均为同业银行，国内银行科技投入占总营收的比例约 2%-3%，头部银行 占比更高，但相比于科技企业、互联网银行和美国头部银行的 8-9%比例仍然有较大上升 空间。向前看，银行科技投入占营收比例指标仍然处于上升阶段，逐渐成为成本科目的 重要一项，预计 2021E-2030E 有望达到 3%-5%。拆分科技投入，大部分用于自身科研团 队研发支出、人才支出，部分投入到外部供应商，银行 IT 解决方案供应商所在市场属于 额外部分支出，Gartner 数据显示以合同协议为方式的金融行业数字化项目 IT 服务支出占 据金融机构总 IT 支出的占比数据在 30%左右。根据银保监会数据银行总资产规模 2020 年在 319 万亿元，2021E-2030E 之间假设总资产规模以 8%左右的速度扩张，与名义 GDP 同频变化，银行业总营收与总资产比值由于银行发力中间业务收入有望提升到 3%以上， 科技投入占总营收比例随着数字化转型的不断深入有望提升至 5%左右，银行科技投入第 三方 IT 支出占比随着更多的银行增强内部 IT 部门替代第三方服务依赖将降至 20%左右， 得到 2020 年银行 IT 第三方解决方案市场在 750 亿元，在 2023E 突破千亿元，2030E 达到 1800 亿元以上，10 年内 CAGR 达到 9.4%，市场空间较大。可比公司估值：A 股对比长亮科技和宇信科技，美股对比 Q2、FIS 等，头部科技子公司 处于营收高增长阶段，三费支出仍然具有下降空间。以平安金融壹账通为例，其 2018/2019 同比增速分别为 65%/42%，尚处在盈利高增长阶段，销售/研发/管理费用占比均高于国 内 A 股可比公司长亮科技/宇信科技；从美股看，FIS/Fiserv 分别为在美国上市的美国本土 金融机构 IT 解决方案供应商，但市值上远超金融壹账通，Q2 的业务领域及核心指标与金 融壹账通更加接近。在估值上以 2020 年末为节点，对比 A 股可比公司平安壹账通在 P/S 上享有高估值，在美股与可比公司相同。鉴于银行科技子公司模式相近，均处于营收高 速增长，销售/研发/管理支付较高的阶段，该情况适用于 P/S 的估值。估值范围：A 股/美股可比公司估值范围来看，估值与盈利能力及增速、公司业务类型高 度相关。A 股可比公司集中在金融机构第三方 IT 解决方案领域，包括长亮科技、宇信科 技、神州信息等；美股可比公司集中在金融机构第三方 IT解决方案领域，包括 Q2/FIS/Fiserv 等。A 股上市金融机构第三方 IT 解决方案服务商中基本净利润均为正，具有高成长性， 采用 P/E 估值；美股上市金融机构第三方 IT 解决方案服务商中部分企业如 Q2 净利润为 负但是同时享有高 P/S 估值，FIS 及 Fiserv 等 IT 解决方案巨头业务增长稳定。头部具有上 市机遇的银行科技子公司在未来相当长的一段时间内享有营收上的高增长，营收规模在 20-40 亿元范围，对比 A 股及美股可以参见对应的高成长性的金融机构第三方 IT 解决方 案服务商。因此估值范围确定重要指标确定包括：总市值、营收及净利润规模、营收及 净利润增速、销售毛利率、客户数量和客单价、收费模式等。以 2020 年末为例，头部银 行科技子公司可比公司为金融 IT 解决方案公司，净利润为正在 A 股上市的可比公司 P/E 估值范围在 45x-55x，净利润为负在美股上市且毛利率范围与银行科技子类似的可比公司 P/S 估值在 10x-20x 之间。详见报告原文。（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）精选报告来源：【未来智库官网】。

来源：澎湃新闻报告：64%的高校和47%的中小学认为信息孤岛普遍存在澎湃新闻记者 程婷“当前我国的区域教育主管部门和学校，大部分都已基本建成教育信息化平台，但64.2%的高校和47.1%的中小学依旧认为信息孤岛普遍存在。”4月20日，在第二届MEET教育科技峰会上，由国家教育行政学院联合腾讯研究院发布的《迈向更好的教育：未来教育的技术发展空间报告》（以下简称“报告”）中提到了上述这组数据。报告指出，越来越多新技术涌入教育领域，为实现更加公平更有质量的教育创设了便利条件。但随着科技迭代的高速性与教育体系演化的低速性之间差距的拉大，数字技术与教育在效率提升、技术普及、信息孤岛等方面的矛盾也显现出来，亟待解决。同时，未来，数字技术仍将是教育发展的重要推力。在疫情的影响下，“停课不停学”让技术与教育融合成为常态。报告显示，全国80%的学校开展了线上教学，尤其在中小城镇和农村，有90%的学校进行了线上教学。53%的教育工作者认为教育信息化有效提升了教育质量，63%的教育工作者认可技术对公平的正向作用。而小城市和农村对数字技术能有效支持教育质量和公平方面的认同度均高于大中城市及乡镇。报告截图。但与此同时，数字技术在教育领域的应用中所具有矛盾的属性也逐渐显现。报告显示，超过52%的教师认为教育信息化提高了教学和管理效率，但也增加了自身工作量。报告还称，当前我国的区域教育主管部门和学校，大部分都已基本建成教育信息化平台，但64.2%的高校和47.1%的中小学依旧认为信息孤岛普遍存在。根据报告，有八成的教师认为有必要定期进行信息技术教学培训。因此，在教育信息化环境下，需对老师有针对性地开展以深度融合信息技术为特点数字化培训，培养教师利用信息技术开展个性化教学的能力，增强教师在信息化环境下创新教育教学的能力，使信息化教学成为教师教学活动的常态。未来教育技术的发展需立足于真实的个性化需求报告指出，要真正实现信息技术与教育教学的深度融合、创新发展，从而推动教育的内生性变革，需要从理论、政策与实践不同层面处理好教育科技与人的关系，实现平衡发展。在理论空间，应融合数据主义与人文主义，建立数字化教育的平衡发展目标，避免极端导致的异化；在实践空间，需高效协同的分工，实现机器教学与人工教学的平衡发展；在政策空间，应通过制定包容性的制度，实现监管与开放的平衡发展。报告还指出，在未来教育技术的研发、使用和迭代过程中，需要特别关注技术与人之间的相关性，要着力应对技术层面上包括门槛的进入、技术服务和技术安全等问题。国家行政学院副院长于京天还特别提出，未来教育技术的发展还需立足于真实的个性化需求。一是立足于教师的个性化需求，结合教师对技术的诉求以及个性化教学规律进行平台开发；二是立足于管理者的个性需求，通过打通信息孤岛，精准服务教师与学生，切实减少使用者的精力耗散；三是立足于学生的个性化需求，在不局限于课程提分的需求下，深入挖掘学生的兴趣和特长，帮助学生集中注意力。“未来教育，仅靠技术方是不可能实现的，而是需要技术开发者、教育研究者、教育政策制定者以及一线的教育管理者、教师和学生的深度合作，方能共同推动教育信息化的高质量发展。”于京天说。