2018年11月16日，巴布亞新幾內亞首都莫爾茲比港，太平洋上的海風徐吹，慵懶的陽光灑落在“太平洋探索者”號郵輪的甲板上。彼時，岸上一群身著特色民族服裝，彈奏著傳統樂器，載歌載舞的當地居民，正在熱情歡迎來自全球21個經濟體的工商領導人，討論數字化將會給他們、以及全球居民們的生活帶來哪些重大改變。
在本次峰會中，宜信公司創始人、CEO唐寧受邀參加了“數字化、創新、顛覆與包容性增長”論壇，分享了科技如何能夠讓金融變得更加包容、高效，科技賦能中國新經濟的實際案例，以及母基金如何將社會資本與科技創新完美進行對接。
數字化是已經到來的未來
今天的社會已經被數字化深深地改變，從零售到醫療，從金融到企業服務，數字化仿佛把生活從30邁直接加速到了90邁，我們從未經歷過如此多的創新和顛覆。每一家企業都有可能被新技術顛覆，同時，每一家企業也都可能有數字化的機遇。
唐寧在論壇中就講到，“數字化也正是創建了12年的宜信戰略重塑所著眼的一個重要目標。作為一家中國領先的金融科技公司，科技已經把我們的金融服務徹底改變，現在可以做很多的事情。比如普惠金融服務；再比如保險科技，一些壽險公司也都開始電子化，我們開始分析它們的產品到底具有什么樣的功能，如何能給小企業和個人提供保障，使技術能更好地為商務提供服務。”
參加同場論壇的UL公司是一家有著悠久歷史的美國公司。當時的保險公司需要做產品的測試，所以UL最初的目標就是要打造一個安全的世界。他們在美國各地測試產品，后來推廣到全球，每年對產品的測試達到220億次。在過去很多年中，UL的服務基本沒有變化。
但在本次論壇上，UL公司總裁Terry因為在16日早晨和唐寧會過面，便幽默地表示UL從今天早晨開始要做金融評估的服務了，當然實際上，該公司確實在開始使用互聯網和掃描器，數字化深入改變了UL長期的運作方式，對產品的取樣測試也和之前完全不一樣了，基本實現了數字化。
無論是對中國的金融科技公司，還是美國長達百年歷史的認證公司來說，數字化都是一次躲避不開的創新和顛覆。
監管和安全不是減速器，而是高效保障
有時候速度的提升往往會帶來另外一個問題，那就是安全。隨著中國的大數據、人工智能、數字化的快速發展，監管的發展速度似乎有些滯后，但整體的趨勢是正在逐漸追趕上來，有些人認為這將會對數字化的進步帶來阻礙，對此唐寧有他的觀點。
“我認為監管對技術、對金融的管制是非常必要的，否則一些不良的企業就會在市場上發出很多聲音，而真正的好企業反而聲音被淹沒了，最終這些不良的企業會抓到很多市場機會。”唐寧在峰會上表示。
“在過去幾年當中，中國的消費者都非常愿意來分享他們的數據，但這其實是具有風險的，消費者現在也越來越開始意識到分享數據的風險。我認為數據的擁有權問題是一個很嚴肅的話題，我們希望在這方面能夠制定一個規章制度，到底誰可以擁有這些數據？其實應該是消費者本身擁有這個數據。如果一個公司需要數據來做應用的話，應該從消費者個人那里申請這個數據，然后在得到他們的允許后才可以和其他的公司分享客戶的數據。我想在今后的十年當中，這個問題將會變得非常重要。”
過去很長時間，一些大的公司掌管整個市場，但一些基礎設施方面卻始終沒有建立起來。
唐寧就認為，“下一個十年，我們應該在建設各種軟性的基礎設施上下大力氣，今后的增長應該是包容性的增長，而不是只有一兩個公司做的非常好，并利用壟斷優勢來推動他們的公司贏家通吃。我們應該建立包容性的模式，在良好的監管環境下，營造非常有生氣的土壤、生態，讓成千上萬的小微生意都可以做得很好，和這些大公司一起成功。”
最近幾年，金融監管也正在朝向這個方向發展，不論是征信體系，還是資金托管存管制度。另外，一個有效的市場，需要各參與方明確自己的定位，是運動員？還是裁判員？那些從根本上來說有利益沖突的又做運動員、又做裁判員的模式很難持久。
宜信的包容性金融實踐已卓有成效
本次唐寧參加APEC工商領導人峰會之前，是從新加坡飛過來的。在前一天早上，新加坡金管局邀請他作為國際咨詢顧問與其他業界領袖一起閉門研討，重點談到了數據的基礎設施管理以及數據的電子化。大家一致的觀點是，數據確實是有價值的資產，數據流動的方式，以及如何獲取數據，如何管理數據，都對企業的成功非常重要，但我們實際上還沒有在技術的基礎設施層面上做好準備。
“技術實際上是中性的東西，也不是好的，也不是壞的。好的東西如果是好的人來使用，就會帶來好的方面；如果是壞人使用，則很可能會被亂用。所以技術不是意味著信任，實際上只有使用者本著為社會做好事的目的使用技術，才能對人類有益的，所以在今后，我們需要在這方面花很多時間來看如何建立數字化的基礎設施，而且面向所有的人。”
講到數字化，就不得不談到人工智能，在很多的領域，也包括傳統金融，大家都在談是否很快人工就會被AI所取代，對此唐寧的看法是：人工智能將在很多方面幫助我們，使得我們能夠獲得一些人類所無法媲美的能力，但最終我們還是需要投資經理人，用財務專業經驗來做出整體決斷，確信機器推薦的模型后面的金融邏輯，而不是依賴黑盒子。
例如在美國加州的森林火災中，智能瀏覽系統可以實時播報舊金山的路況，但當選擇某條暢通的道路時，卻發現是因為路上有火情所以才顯示暢通。所以我們必須要有辦法知道怎樣從大數據噪音當中識別出真正的信息，這是需要人工干預，還是需要機器的識別呢？目前看還是需要人為去做的。
盡管還存在著各種問題，但人工智能等新技術也確實在中國正高速地被應用，“實際上，技術目前對于中國的幫助已經非常巨大。舉一個例子，目前農村的企業家在農業生產方面會使用APP，如農田灌溉需要多少水？需要施多少化肥？這些信息都是由APP來決定的，這就是大數據。最佳的實踐是來自于彼此互相間的學習，而且通過這樣一個過程，我們能夠收集到更多的數據，而且是相關的數據、有用的數據。其實很多時候我們講的大數據、海量數據并不是特別有用，因為可能會充滿著噪音，我們需要的是相關性很高的數據，是用途劃分的數據。”唐寧分享了科技賦能新經濟在農業領域的實踐。（夏羋卬)
?
