2025数博会前瞻：郑小林教授深度解析AI时代的机遇与挑战
2025中国国际大数据产业博览会（简称数博会）即将于贵州贵阳启幕，本次大会将聚焦数据要素与人工智能的深度融合。在此背景下，浙江大学计算机学院教授、博士生导师，浙江大学人工智能研究所副所长，国家重点研发项目首席科学家郑小林教授，就AI技术创新、金融智能化实践、大模型安全、高校教育转型及数博会价值等核心议题发表了前瞻性见解，为智能时代的产业发展提供了宝贵的专业洞察。
算法与算力的平衡之道：构筑国产AI发展基石
郑小林教授明确指出，“算法创新与合理算力”是突破AI“卡脖子”限制的关键所在。他强调，在当前国产算力资源相对受限的背景下，算法创新并非一味追求算力规模的扩张，而是要通过精细化管理与架构创新，深度挖掘现有算力的潜力。这包括采用MoE（Mixture of Experts）模型优化，通过模型智能调度技术提升算力利用效率，以及在硬件层面实施分层缓存、混合精度训练和端云协同计算等策略，以实现算力的最优配置。
尤为关键的是国产算法与硬件的软硬协同优化。这意味着算法设计与计算框架的开发，必须针对国产芯片的独特性能进行深度适配。以近期推出的DeepSeek-V3.1模型为例，其采用的UE8M0 FP8精度格式，正是专为AI计算而设计。这种存储格式能有效适配国产芯片，在确保计算精度的同时，显著降低对芯片算力和内存的需求，为国产AI的发展提供了宝贵经验。郑教授总结，最终目标是构建一个覆盖芯片、框架、模型到应用的全面自主可控AI生态体系，确保我国在人工智能领域的战略独立性。
AI Agent驱动的金融变革：从“如何操作”到“想要什么”
在《智能金融：AI驱动的金融变革》报告中，郑小林教授前瞻性地预测，“以LLM（大型语言模型）为中心的操作系统将推动计算范式向意图式转变”。这种转变的核心在于，传统计算模式要求用户清晰地指令“如何操作”以达成目标，而意图式计算仅需用户表达其“想要什么”，系统便能自动理解并执行一系列复杂任务。
在金融这一高敏感、高价值领域，意图式计算的变革意义尤为深远。它意味着信贷审批将从人工审阅材料或基于静态规则，演变为自然语言描述的动态需求评估；投研分析人员无需编写复杂的查询语句，而是直接提出研究问题，系统将自动进行数据挖掘和报告生成；风险控制也将从配置固定的规则引擎，转向描述风险偏好，由AI系统实时识别并预警潜在风险。LLM作为底层的“智能操作系统”，能够深刻理解人类对金融服务的意图，并高效协调各类专业工具与数据平台，完成过去由人类耗时耗力完成的复杂金融任务。
以信贷决策为例，传统模式下的信贷审批依赖于静态规则和固定的评分卡。然而，AI Agent构建的动态评估系统则实现了根本性革新。郑教授提及，浙江大学与金智塔联合研发的多模态信息融合Agent，能够同步处理结构化数据（如财务报表、征信记录）、非结构化文本（如经营描述、行业分析）、图像数据（如经营场所、生产设施）以及流式数据（如社交媒体、供应链信息）。此外，与金融科技机构合作研发的动态风险评估模型，还能通过持续学习，实时更新借款人的风险画像，显著提升决策的精准性和时效性。郑教授强调，意图式计算并非简单地用AI取代人类，而是构建一个人类与AI协同进化的新生态。它将解放金融专业人士从繁琐的信息处理中解脱出来，使其能够专注于策略制定、创新业务模式以及复杂案例的深入分析，从而提升整个金融行业的运行效率和创新能力。
构建“攻防一体”的安全框架：保障金融AI的稳健运行
面对数据投毒、对抗攻击、模型窃取等日益复杂的AI安全风险，郑小林教授提出，在金融等高敏领域，必须构建一个内生于数据、模型、应用全链路的“攻防一体”深度防御体系。他强调，金融场景的高敏感性要求系统不仅能有效抵御攻击，更要具备内在的“免疫能力”。这意味着安全不再是系统部署后的“附加项”，而应作为贯穿数据准备、模型训练、应用部署全生命周期的“核心属性”。
这一框架的核心理念是“纵深防御”与“动态对抗”，具体可细分为三个层次：
1. 数据层防护
这是AI安全的基石。需要构建可信数据空间，确保数据的来源、传输、存储和使用全程可追溯、可审计。同时，通过严格的数据治理流程，确保高质量数据集的构建，以抵御数据投毒攻击，保障模型训练的源头纯净性。
2. 模型层防护
目标是打造抗攻击、透明可解释、鲁棒（抵御对抗攻击）、公平且具备韧性的AI模型。这涉及到模型架构的设计优化、训练过程中的安全增强技术（如对抗训练、差分隐私）、以及事后模型行为的可解释性分析，确保模型决策的公正性和可靠性。
3. 应用层防护
在AI应用部署阶段，需要建立“精准且可控”的安全护栏，对AI服务的输入输出进行严格校验和过滤，防止恶意指令或数据注入。更重要的是，要建立持续监测和响应的自恢复应用体系，能够实时发现异常行为，并自动化地进行防御和恢复，从而形成一个动态的、主动的安全闭环。
郑教授强调，只有将安全防护融入AI系统设计的每一个环节，才能真正保障金融AI在高风险环境中的稳健运行和可信应用。
高校教育的转型之路：迎接Agent驱动的智能浪潮
作为身处科研与教学一线的教授，郑小林深切感受到，以AI Agent为代表的技术浪潮，并非一次简单的工具革新，而是一场深刻的范式革命。他认为，高校教育绝不能仅仅被动地增设几门相关课程，而必须主动重塑人才培养体系，以适应甚至引领Agent驱动的智能时代。
Agent的兴起使得知识的获取、整合乃至初级应用变得高度自动化。这要求高校教育的核心价值实现三大关键转变：
- 从“知识存量”竞争转向“思维增量”竞争：传统教育侧重于知识的传授与记忆，但在信息爆炸和AI辅助的时代，更重要的是培养学生批判性思维、创新能力、问题解决能力以及跨学科融合的能力。
- 从“个体学习”转向“人机协同”学习：未来的工作和学习将是人类与AI Agent紧密协作的模式。教育需要教会学生如何有效地与AI工具交互、利用AI增强自身能力，而非将其视为对立面。
- 从“技能培养”转向“素养塑造”：除了专业技能，更应注重培养学生的人工智能伦理素养、数据素养、计算思维以及终身学习能力，使其成为能够驾驭未来智能社会的全方位人才。
郑教授分享了浙江大学在这一变革中的积极实践。2024年，浙江大学获批国家教材建设重点研究基地（高等学校人工智能教材研究），在潘云鹤院士的带领下，出版了新一代人工智能系列教材，为全国高校提供了范本。同时，学校开设了“人工智能基础A/B/C”系列通识课程，旨在普及AI知识，提升全体学生的AI素养。浙江大学还成立了人工智能教育教学研究中心，并研制推出《大学生人工智能素养红皮书》，以数智化赋能教育教学质量提升，展现了高校在应对AI浪潮中的前瞻性和主动性。
郑教授总结道，面对Agent驱动的浪潮，高校教育的应对之策不是小修小补，而是一场彻底的“范式转移”，通过深层重构，培养适应未来智能社会需求的创新型人才。
数博会：推动数据要素与人工智能融合创新的重要平台
郑小林教授作为数博会的多年参与者，亲历了其从大数据主题到数据交易，再到数据要素、数据资产、数据流通，以及现在数据要素与人工智能融合创新的演进历程。他认为，数博会是一个极佳的展示、交流与合作平台，其价值体现在多方面：
- 技术展示与验证平台：为数据要素化技术（如数据治理、数据资产化、高质量数据集加工等）和AI大模型（特别是国产开源模型、垂直行业模型和AI Agent）提供了集中展示和实际验证的机会。
- 生态连接与资源整合：数博会成功连接了数据供给方（政府、央企）、技术提供方（科技企业、AI公司）、应用需求方（金融、政务、工业等）以及资本方。它搭建了一个高效对接数据、技术、市场与资本的舞台，促进了各方资源的优化配置。
- 促进深度融合与落地应用：通过集中展示与交流，数博会强力推动了AI与数据要素在具体产业场景中的深度融合与落地应用，帮助企业实现降本增效，加速数据价值的转化。
郑教授坚信，本次大会的成果将进一步证明，随着政策的日益完善、技术的持续迭代、应用场景的不断深化以及安全信任体系的逐步构建，数据要素将在更广阔的范围和更深远的层次上释放其巨大价值，从而有力驱动各行各业迈向全面智能化新阶段。数博会正是这一历史进程中的一个重要里程碑。
