2024经济、科技与交叉科学研究国际峰会在沪成功举办|交叉科学|国际峰会|数学|经济学|顶尖科学家协会奖

2024年12月8日，“2024经济、科技与交叉科学研究国际峰会”在上海数学与交叉学科研究院召开，本次会议由上海数学与交叉学科研究院、复旦-斯坦福中国金融科技与安全研究院联合主办，由世界华人数学家大会、康奈尔金融科技中心、复旦大学保险应用创新研究院协办。

康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授丛林主持会议开幕式，他首先对各位专家和嘉宾的到来表示热烈欢迎，并隆重邀请知名数学家、菲尔兹奖获得者、上海数学与交叉学科研究院理事长丘成桐先生致开幕辞。

丘成桐先生在致辞中表示，当前世界正处于大数据与人工智能迅速崛起的关键时期，中美两国在科技创新领域分别取得了令人瞩目的成就。这不仅为双方深化合作创造了新机遇，也为全球科技发展注入了新动力。近年来，中国的科学家和工程师数量显著增长，相关研究成果层出不穷，正在深刻改变世界科技版图。丘先生希望，通过合作带来更多推动技术变革的动力，促进世界经济社会与科学技术的共同发展。丘先生认为，数学在人工智能和大数据领域发挥不可或缺的重要作用，数学不仅是算法和技术的核心基础，更是理解大数据深层含义的关键。许多曾被认为抽象的数学理论，如今已经成为解决科学、技术、经济与社会核心问题的具体工具。致辞最后，丘先生衷心祝愿本次大会成功举办，希望此次峰会能够加强人类与人工智能的深度互动，为未来科技和社会的发展带来新的启示。

斯坦福大学商学院Adams特聘教授Darrell Duffie以“美国采用中央银行数字货币的主要障碍”为题发表开幕式主旨演讲。Duffie教授首先从历史视角回顾了支付方式的演变，详细阐述了每种主要支付方式的基本特性，并重点分析了CBDC支付架构的技术特点与实现方式。在此过程中，Duffie教授结合中国作为首个使用CBDC的主要国家的经验，分析了支付服务提供商与央行的协作模式，并指出中美在支付体系上的差异。Duffie教授总结道，美国CBDC面临的主要障碍，包括立法阻力、快速支付系统替代性、技术瓶颈、信用卡跨行手续费、存款市场竞争状态等，政治和隐私问题也是影响美国CBDC的最大障碍。

开幕致辞结束后，复旦-斯坦福中国金融科技与安全研究院执行院长刘庆富教授主持了“金融科技与人工智能”主旨演讲环节。

哥伦比亚大学终身讲席教授、复旦大学国际金融学院学术访问教授魏尚进以“资本市场扭曲与创业者成本：来自IPO上市地选择的证据”为主题发表了主旨演讲。魏尚进教授首先系统性回顾了中国企业选择海外上市的现象，并指出资本管制、IPO审批程序及国内市场的制度性障碍，使得一部分中国企业倾向于在海外上市。研究发现，海外上市的中国企业面临明显的估值折扣，可以将其视作中国创业者为规避资本市场限制所愿意付出的成本。此外，魏尚进教授还指出，当资本外流面临限制、国内IPO暂停或股权投资限制增加时，海外上市企业的估值折扣会进一步加大。最后，通过对政策变动的反事实模拟，魏尚进教授还为中国资本市场改革提出了宝贵的政策建议，期待通过减少市场扭曲，提升资本市场效率，进而改善创业者的福利。

上海智能科学院院长、复旦大学浩清特聘教授、复旦大学人工智能创新与产业研究院院长漆远教授发表了以“生成式人工智能：从技术到应用”为主题的演讲。漆远教授将生成式人工智能的发展比作“新黄金时代的发现”，提出AI与科学正以“双螺旋驱动”的模式深度融合。在此过程中，科学推动了AI模型的演进，而AI则为科学研究提供了新的工具和方法。他还强调，复杂推理能力是人工智能迈向通用人工智能（AGI）的关键步骤。尽管现有的大语言模型在自然语言处理方面表现出色，但在逻辑推理和结构化问题处理上仍有不足。因此，漆远教授提及INF Neuro-Symbolic技术，该技术通过整合符号主义和连接主义的优点，大幅提升了模型在复杂逻辑推理任务中的表现，成为推动AI可信性和实用性的核心驱动力。最后，漆远教授总结了生成式人工智能的未来发展方向。他认为，复杂推理能力的突破将推动AI迈向通用人工智能，而生成式人工智能的应用将从数字世界逐步延伸至物理世界，从而彻底改变社会生产力格局。

香港大学协理副校长，香港大学经管学院副院长、金融学讲座教授林晨发表了以“AI能够促进性别平等吗？”为主题的演讲。林晨教授指出，性别歧视在许多领域中都广泛存在，尤其是在男性主导的领域如围棋和国际象棋中，女性的参与度和表现长期处于劣势。林晨教授介绍了其与合作者在围棋培训机构开展的自然实验结果，在此实验中，研究团队利用人工智能教师教授学生学习围棋，并采用比赛胜负和机器学习算法来识别学生的表现。研究表明，与人类教师相比，人工智能教师不仅显著提升了学生的整体表现，更有效地缩小了男女学生之间的成绩差距。他指出，在我国大力推动教育信息化和科技赋能教育的背景下，人工智能技术为教育的公平性、质量和可持续性提供了切实可行的解决路径。

明亚基金总经理丁玥女士主持了第一场圆桌讨论，来自投资领域的四位嘉宾围绕“金融科技投资”这一主题展开了深入讨论。

Amino Capital创始人李强先生从生成式AI和区块链的结合切入，分析了金融科技如何为投资领域创造新机会。他指出，生成式AI目前面临的重要问题在于，如何保护内容创作者的权益，只有通过激励机制的创新才能真正释放技术潜力。他进一步探讨了中美风投市场的差异，强调美国以硅谷为核心，40%的风投集中于创新能力强的初创期企业，而中国则依托政府的组织能力引导资本布局，这为两国资本市场的发展提供了不同的动力来源。

勤智资本创始人及董事长汤大杰汤大杰先生强调，金融科技的价值在于底层技术对产业的深远影响。他特别提到，AI的终极目标可能在于推动生命科学的发展，比如加速生物医药的成药进程。他结合个人十余年的投资经验总结道，成功的投资需要“专业”和“专注”，而后者尤为难能可贵。他指出，创始团队是否愿意以实际资金投入而非无形资产注资，是判断项目潜力的重要指标。

华院计算创始人及董事长宣晓华先生则从企业实践出发，分享了公司在金融风险管理与量化投资领域的经验。他提到，大语言模型在智能客服等领域已经显示出显著价值。在谈到AI对金融行业的影响时，他表示，AI在资产配置和风险管理中的应用日益深入，但要在投资领域实现突破，仍需结合企业的基本面信息与极端数据。他认为，AI的介入将为量化投资提供更强有力的支持，这是一个值得长期关注的领域。

来自富国基金的基金经理金泽宇先生从实际数据出发，剖析了AI在投资策略优化中的现实挑战与潜力。他指出，AI基金产品在回撤方面的表现较为明显，其收益更多来自风险补偿而非阿尔法收益。他提到，金融市场的复杂性往往使历史经验无法完全预测未来走势，例如近年来小市值股票的表现与传统认知相悖。展望未来，他认为，AI技术需要突破对历史数据的依赖，通过深度学习与市场洞察结合，才能实现真正的投资策略升级。

会议最后，主持人丁玥女士对讨论进行了总结。她指出，金融科技正逐步从技术辅助工具发展为行业核心驱动力，各位嘉宾的发言充分体现了技术与实践的融合。此次圆桌论坛不仅展示了金融科技的广阔前景，也为投资领域的创新提供了启发性思路，为行业从业者应对未来挑战指明了方向。

随后，美国华盛顿大学商学院Norman J. Metcalfe金融学讲席教授宋阳主持了“绿色金融与数字经济前沿”的主旨演讲环节。

复旦大学特聘教授、复旦大学保险应用创新研究院院长陈诗一发表了题为“光伏扶贫在中国的实践与成效”的主旨演讲。陈诗一教授指出，光伏扶贫作为中国政府“精准扶贫”工程中的一项创新政策，不仅可以为贫困家庭提供长期稳定的收入，还能促进低碳经济转型。陈诗一教授研究发现，光伏扶贫项目切实提高了偏远贫困地区家庭的收入水平，尤其对于低收入家庭与低教育程度家庭的政策效果更加显著，这种政策还可以减少二氧化碳和一氧化碳排放。最后，陈诗一教授展望了光伏扶贫政策的未来发展方向，认为随着技术的不断进步和市场的成熟，光伏扶贫将会发挥更大的作用，尤其是在应对气候变化和推动绿色发展的背景下，光伏扶贫将为能源转型和减贫提供有力的支持。

新加坡国立大学可持续与绿色金融研究院院长Sumit Agarwal教授在会上发表了有关信贷市场和借款者行为新见解的演讲。Sumit Agarwal教授的研究基于特有的金融科技数据集，涵盖超过800万用户的交易记录，该平台为用户提供无息现金预支服务，并允许用户自愿支付小费或选择即时现金发放。在演讲中，Sumit Agarwal教授聚焦借款者对高利率贷款的接受度及背后的经济和认知因素，深入探讨了消费者行为对信贷市场的影响。在演讲中，Sumit Agarwal教授呼吁提高消费者的金融教育水平，通过优化政策设计，帮助消费者在复杂金融环境中做出更明智的决策。他强调，只有通过共同努力，才能更有效地提升金融市场的效率和公平性，最终改善消费者的福祉。

北京大学汇丰商学院院长王鹏飞教授发表了题为“资产泡沫、研发与内生增长”的演讲。王鹏飞教授首先回顾了历史上几次著名的资产泡沫事件，并由此引出与合作者构建的包含股权泡沫和金融摩擦的无限期内生增长模型。在该经济模型中，家庭和最终商品、中间商品和研发这三个主要的生产部门构成了整个经济体的框架。王鹏飞教授通过严谨的理论模型推导，揭示了资产泡沫通过多种机制促进研发和长期经济增长，特别是股权泡沫因直接提升企业市值而在推动经济增长方面效果更为显著。

在第二场圆桌讨论环节，合远基金创始人、总经理管华雨主持了“产业与技术融合创新”主题的圆桌讨论。

上海信豪科技有限公司总经理王天碧先生就数据资产的确权、政策展望、以及数据资产的变现和应用等问题交流观点。他认为，数据资产的确权、流转等需要结合各地方的现实情况，并基于不同行业的现状与痛点形成有效赋能。他同时指出，不同企业具有不同历史使命和角色担当，因此在数据资产领域的突破需要结合企业核心技术及其在行业深耕下积累的领域知识，并实现数据结合需求。

围绕我国程序化交易与主要发达国家之间的差异，上海证券交易所研究员徐广斌先生分享了个人见解，提出我国程序化交易起步相对较晚且占比较低。他认为，差异主要来自三方面：第一，境外做市商发展成熟，大量使用程序化交易；第二，境外多中心市场结构为程序化交易带来巨大发展空间；第三，境外存在的暗池与另类交易系统有利于高频交易。境内则以单中心为主、做市商处于初步发展阶段、注重投资者保护，在程序化交易发展上相对稳妥。徐广斌先生还认为，AI可以增强程序化交易的风险管理能力、创新交易策略以及提升算法编码效率等，但同时也要重点关注可解释性、可靠性、羊群效应、竞争垄断等潜在风险。

上海交通大学特聘教授、智能计算研究院院长葛冬冬就大数据对运筹学的发展助力交流观点。他指出，运筹学作为一门交叉科学能够有效吸收各领域的发展优势，如算力增强、解决问题范围扩大等。基于此，葛教授进一步解释了目前我国与国外大模型的差距，主要在对于复杂建模的处理能力不足、且在同等算力条件下底层基础运算执行效率低等方面，未来需要对国内生态环境进一步改善，努力保障相关产业的发展得到大力支持，从而在源头上解决问题。

最后，上海财经大学经济学院院长、上海数学与交叉学科研究院访问教授周亚虹主持会议闭幕式及闭幕主旨演讲。

清华大学社会科学学院经济学研究所汤珂教授发表了以“教机器学习经济学”为题的主旨演讲。汤珂教授首先指出，传统的经济学模型在面对复杂的现实世界时，常常难以应对结构性变化和不确定性，因此需要寻找新的方法来提升传统模型的适用性和预测效果。迁移学习技术（Transfer Learning）就是一种有效的解决方案，其能够通过利用源领域训练的模型，加速在目标领域的学习过程，并已在计算机视觉等领域取得了显著成功。汤珂教授及其合作者探索将该理念引入经济学领域，结果发现，迁移学习框架在期权定价方面的表现优于传统的随机波动模型和深度学习模型，且能够展现出更强的鲁棒性和适应性。最后，汤珂教授总结道，我们不仅要关注如何利用机器学习改进经济模型的预测能力，还应关注如何通过数据反馈不断完善经济理论。

帝国理工学院教授、RFS执行主编Tarun Ramadorai以“自动化时代的人类金融建议”为题作主旨演讲。Tarun Ramadorai教授通过混合型机器人在零售金融咨询中发挥作用的实际案例，分析了人类顾问如何在高度自动化的环境中发挥补充作用。研究发现，高质量的人类顾问可有效帮助客户应对资本市场波动，尤其是在市场低迷期，显著提高了客户的信任和服务留存率。但是，低质量的顾问往往在市场表现不佳时才与客户沟通，这导致了较低的客户满意度和更高的流失率。Tarun Ramadorai教授最后总结道，在高度自动化的金融服务中，人类顾问仍具有不可替代的作用，特别是在提升客户满意度和应对行为偏差方面。为实现AI与人类智慧的最佳结合，他呼吁行业决策者在推广自动化技术的同时，充分利用人类顾问的软技能优势，实现技术与服务的协同效益。