“现在还属于‘战国时代’ ， 我们同行不是冤家 ， 现在是属于跑马圈地野蛮生长的状态 ， 大家还没有到竞争的时候 ， 而是合作 。 这个市场还没有完全成熟 ， 每一个人的贡献都是对整个行业的贡献 。 ”李晓林说 。
但毫无疑问 ， 大家都意识到这是个重要的机会 。 以“可信AI”中的隐私技术走向来看 ， 业界普遍认为 ， 发展趋势从以单节点部署模式走向分布式架构模式 ， 未来支撑更大规模、更大量级的建模对技术要求将非常高 ， 这一点要在数据量庞大的金融领域实现应用也更加明显 。
工行大数据与人工智能实验室资深经理强锋和团队在开展业务中 ， 常遇到的问题是：工行总行和各地分行提供隐私计算、联邦学习、联合建模的解决方案 ， 常遇到营销类、风控类、信贷类、审批申请判断类模型 。 “这一方面要怎样合法合规引入到外部数据 ， 另外一方面是通过可信技术 ， 更好把数据价值赋能给业务方向 ， 比如银行业务、内监管平台建设等 。 ”
这些需要不同协议层面平台的打通 ， 技术硬件层面的互通 ， 比如产学研联盟实现开源的互联互通等 。 “联盟内 ， 通过开放协议、开放标准来确保各种任务进程和安全合规 。 ”李晓林称 。
这背后也涉及到业务场景不断变化 ， 数据获取方式和要素的演化 ， 数库科技创始人、总裁沈鑫认为 ， 数据智能发展到今天 ， 数据串联变成了基础 ， 量、准、质已经是三大关键标准 ， “没有办法把数据的质量提升 ， 算法再强 ， 数据的数字化应用场景效果也未必会好；生产力不仅仅取决于算法和算力 ， 还取决与数据要素本身 。 ”
这也是欧洲科学院外籍院士、悉尼大学教授陶大程提出的问题 ， 具备可解释性 ， 人工智能才能有更广泛的场景应用和赋能 ， “一定程度上来说 ， 正是因为标准的缺失 ， 导致人工智能的应用落地受到了限制 。 ”