Sora，AI领域的革命性突破，彰显非凡的视频生成和物理仿真能力。其底层技术的演进和应用领域的扩展，为金融业带来前所未有的颠覆性变革。

2022 年 11 月，ChatGPT 上线 14 个月后，OpenAI 于 2024 年 2 月发布 Sora。Sora 可根据文本提示创作逼真的 1 分钟视频，实现视频的无缝连接和拓展。

ChatGPT和Sora分别代表着生成式AI和视频生成模型领域的巅峰之作。它们标志着人工智能技术发展的重要里程碑，展现了AI不可思议的潜力。

一是启动内容生产方式和人机交互方式的变革。生成式AI模型可以从非结构化数据格式中学习信息，生成新的非结构化内容，包括文本、音频、视频、图像和代码，能够适应各种任务，从而对数字技术产业全链条产生重大影响。视频生成模型Sora的核心底层融合了扩散程序Diffusion和转换程序Transformer，底层技术的核心在于多模态感知、学习和交互的能力。Sora突破了文本交互的局限性，能够感知、理解和模拟动态的物理世界，能够与真实世界进行交互和学习。可以预期，多模态的人工智能将改变广告、传媒、动画、影视行业的作业方式和商业模式，并且有可能加快基于视觉(而非雷达)的智能驾驶技术创新，基于基因图谱和细胞图像分析的智能生物医学技术创新。AI数字代理程序被称为Co-Pilot(副驾)，可以代替主人执行知识学习、环境感知、行动规划等任务。

人工智能技术蓬勃发展，从通用大模型拓展至垂直模型，涵盖自然语言处理、计算机视觉、机器人等领域。它与数字技术（如大数据、云计算）相融合，形成了以人工智能为核心的复杂体系，应用于医疗、交通、制造业等各行业，为社会创造价值。

AI模型直接提升商业价值，大幅降低知识应用成本。它们自动化例行任务，提高投入产出比，同时提高工业、物流和服务流程的自动化程度，节省边际成本。此外，AI模型还能诊断运营缺陷，显著提高生产和管理效率。

智能金融还处在辅助+助理的早期阶段。一是改进产品创新和客户服务。如工商银行的数智交易系统覆盖汇率、利率、商品交易的100多项业务场景，招商银行的AI小招智能助理实现面向千万级用户的在线理财智能顾问服务，太平洋保险的数字员工能够作为私人助理提供日常办公、软件技能、知识问答、数据处理、专业场景任务执行等服务，国泰君安的君弘投资理财智能客服APP具备股票、期货、期权、外汇、理财、融资融券、投资顾问等跨场景业务交付能力。二是改进运营管理和风险管控。如网商银行的百灵系统应用人机互动技术实现百万级用户的个性化风险控制，平安产险的自然灾害风险管理平台应用空间数据和卫星遥感影像服务远程查勘、精准定损和快速理赔等多项场景，泰康保险的核保核赔服务平台和理赔识别平台能够提供医疗影像和医疗病历质检、客户健康评估、虚假理赔甄别等核心功能。

在数字金融领域，生成式、多模态人工智能技术有可能带来新的改变。

智能金融机器人借助 Sora 底层技术，可完美复现真人交互，实现 99.9% 的人机保真度。通过动态感知和精准理解客户语言、表情，机器人能准确判断风险偏好和业务需求，以贴近人性的方式提供最优服务。告别冰冷机器客服，智能金融机器人有望为柜台服务增添一抹人性化的风景。

智能影像管理助力行业升级

Sora底层技术赋能智能影像管理系统，实现图像管理全流程智能化。医疗保险可智能质检病历、影像，甄别虚假理赔；银行可验证票据、合同真实性，即时纳入账务系统，显著提升服务和运营效率。

算力引擎驱动着人工智能，由算力硬件、算法软件和数据资源组成。算力基础设施（硬件和软件）至关重要。算力竞争成为国家和企业巨头的经济战场，决定着科技主导权。

在数据资源方面，中国与美国对比，各有长短。

依托长期发展累积而成的数据资源优势，美国等西方发达国家在知识和学术领域构建了西方主导的数据资源供给格局。例如，美国国立医学图书馆的Medline是全球最权威的生物医学文献数据库，收录1950年以来70多个国家和地区出版的5200多种生物医学期刊的文献，每年递增30万-35万条记录，涵盖基础医学、临床医学、环境医学、营养卫生、职业病学、卫生管理、医疗保健、微生物、药学、社会医学等细分领域。中国医学科学院1994年投产的“中国生物医学文献数据库CBM”与Medline相比，存在指数级的差距。

中国拥有庞大的人口和成熟的移动服务市场，使其成为全球领先的数据资源中心。丰富的市场交易和公民行为数据为数字金融的发展提供了强大的基础。

必须注意数据共享模式的局限可能影响数据价值的深度开发。例如，涉及居民和企业的财务数据和行为数据，分散在金融机构、金融监管、工商管理、税务、海关等不同的局域系统中，共享水平不高，形成行政性数据鸿沟。又如，中国的移动支付用户规模高达9亿，数字化支付成为主要的数据入口，互联网平台拥有超大规模的个人和企业数据，但互联网平台与金融机构之间的数据关联、数据共享尚未达成成熟的模式，数据共享的效率不够高，数据资源的价值未能充分发掘。

知识产权保护塑造了生成式 AI 数据应用。2023 年 12 月 27 日，OpenAI 因抓取受版权保护文本而被纽约时报起诉，凸显了数据产权争论。

AI模型赋能金融创新，demanding 数据资源的优化。多模态人工智能和普惠金融应用均依赖于高效、高质的数据共享体系。

中共中央、国务院《关于构建数据基础制度更好发挥数据要素作用的意见》(数据20条)明确了数据产权制度、数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度的规范。提高数据品质，扩展数据规模，促进数据流通，实现数据共享，发掘数据价值，保护数据安全，是发展数字经济的动能。重点是完善数据要素市场体制机制，填平数据鸿沟，增强数据要素共享性、普惠性，提高数据要素供给数量和质量，有效防范和化解各种数据风险，深化开放合作实现互利共赢。

谨慎的数字安全观点认为，生成式AI模型和视频生成模型等AI技术尚未成熟，算法和模型缺乏透明度。在金融领域部署这些技术可能加剧已有风险并产生新风险。

因此，金融创新必须以AI信任和安全为基础，确保伦理和公平，并遵循经济规律。只有这样，才能实现安全的金融效率和创新模式。

优化均衡监管，促进金融创新与风险防控并行。技术创新应追求“高中”，引领产业先机。风险管控则力求“初小”，防范风险于未然并最小化影响。

这就要求加快智能金融监管创新。例如，制定法律法规，明确智能金融各参与方的责任边界，包括智能金融监管的基本原则、监管机构的职责和权限、金融机构的智能金融业务规范；建立穿透式、一体化、跨局域的智能金融协同监管系统，实现监管信息共享；建立智能金融技术审核认证制度，完善AI大模型的测试平台、工具、标准和方法；建立智能金融风险分析和监测系统，及时识别、评估并提前预警异常交易和市场操纵，主动预防系统性风险；允许在监管沙盒机制下试行智能金融业务突破性创新，累积监管经验和数据支持；积极参与构建数字经济国际规则和数字技术通用标准，加强智能金融国际监管协作和交流，在数字经济国际规则建设中争取中国的话语权，在数字技术通用标准建设中争取中国的“定位权”。

-对此，您有什么看法见解？-

-欢迎在评论区留言探讨和分享。-