12月13日，2024 ADD数据应用场景大会在北京市通州区台湖镇隆重举办，数十位数据要素创业者、投资人，一起走进通州台湖，共话北京副中心产业发展新机遇，探寻数据要素创新的无限可能。
会上，掌阅CEO孙凯、百望云数字经济与金融科技研究院院长李国平、91科技集团创始人、董事长、CEO许泽玮围绕“数据为底，场景为王”主题展开了对话，对话中的精彩观点如下：
1. 无论多先进的技术，最近都必须转化为持续的业务价值。如果不能很好地实现持续性赋能，AI和科技公司就面临巨大的挑战。
2. 生成式AI更适合2C业务，尤其是对内部运转和客服方面，生成式AI可以发挥作用，但在整体金融业务的核心方面，生成式AI发挥的作用有限。
3. 在生成式AI的发展过程中，企业要想持续健康发展，必须有资金输入和人才输入，但更重要的是高质量的数据输入。
以下为现场对话内容，经创业邦整理后发布：
许泽玮：各位好，我是91科技的许泽玮。请台上三位嘉宾用两分钟时间介绍自己和所在的企业。
李国平：非常感谢主办方的邀请，我非常荣幸有机会参与今天的大会。我是百望股份的李国平。百望云自2015年创立，是中国领先的票财税融一体化解决方案服务商和数据要素生态平台构建者。百望云通过数据描绘经营企业，赋能普惠金融。从早年的金融科技到现在国家推动的“五篇大文章”，数据帮助金融机构进行精准营销和风控建模，已经成为当前各家金融机构在数字金融转型路径上的必要抓手。百望云在大路径中采用先进的数字化技术，包括数据要素和人工智能，为金融助力，辐射千行百业，成为赋能实体经济的先行者和引领者。
孙凯：大家好，我是来自掌阅的孙凯。非常荣幸今天有机会参加本次会议，讨论数据场景相关的课题。
掌阅科技股份有限公司成立于2008年，2017年在上交所上市，主要业务围绕互联网基础设施切入文化行业和文化娱乐领域。随着新技术的出现和底层设施的演变，在线阅读的主业务范围涵盖国内外150多个国家和地区，无论是在线阅读、出版书的阅读、小说的阅读，大家比较关注短剧的业务板块都有开展。今天的课题是关于阅读行业数字经济的企业和公司。
围绕数据而言，我们的首款AI应用产品、也是国内阅读行业首款对话式AI应用获得了北京市第四批生成式人工智能服务备案，本月最新AI应用产品也通过了北京市生成式人工智能产品登记，正式上线了。用户反馈和各级领导评价是正向的，这也是今天会议主要讨论的课题。
许泽玮：我借此机会向大家介绍91，我们是为中小企业提供金融服务的平台，在细分领域是全国最领先的企业，总部位于北京，有8个省有分支机构。我们通过金融帮助企业打分卡，每个企业的评价系统由金融机构提供贷款。这样汇集了大量企业资源，过去十几年间累计服务了十几万家中小型企业拿到银行的贷款。
圆桌的第一个话题是，随着生成式AI的发展，台上的企业在数字领域有什么解决办法？数据热度已经存在很多年，近两年更加火热的原因是AI。请问台上的几家企业产品和服务有何变化？
孙凯：我们内部跟进生成式AI技术浪潮从2023年初开始，在2023年Q2末尾推出了行业第一款AI对话式产品，它的载体是一款小程序。当时我们主要围绕用户阅读量的需求，包括阅读小说、出版物，以获取知识和娱乐背后的需求来实现这款产品。
生成式AI主要带来两点优势，首先是技术可行性方面令人惊喜。从模型GPT3.5的默写能力增强，对推理理解和简单外提示词等清亮级微调技术，可以让模型为你所用。当时是第一个推出的产品，目前是最成熟的交互形态。我们在较短时间内推出了第一款产品，积累了宝贵经验和财富。
今年我们主要围绕两个产品展开工作，第一个产品较轻，主要以尝试为主，第二个产品较重，我们深入理解生成式AI带来的效果。无论是第一款模型类产品还是第二款产品，我们都从业务场景和用户需求出发理解模型带来的各个能力增强。
例如我们升级了掌阅APP，它可以深度解读一本书，从读前的热身、读中的快速导航、从娱乐场景生成式的视频或者语音应用到读后的总结。如果没有生成式AI技术或者能力，那么实践起来在过往不太可行。
目前大家已经公开体验到这款产品，背后还有很多储备功能会陆续与大家见面。这是我们围绕C端产品进行的生成式AI结合，同时还有不同背后的场景，比如内部企业效率，我们从客服、知识库和代码编写场景下都进行应用，效率提升较大并且有相应数据支撑。我们本是内容公司，内部对此事有定义，专业消费者负责撰写文章、创造内容。关于他们的工具能否进行升级，我们也在做很多积极探索，因为它面向特定群体。
总结而言，刚才提到的问题更为明显，覆盖面更广泛，即面向C端消费者群体。同时企业内部用户和面向内容生产者的应用也在陆续跟进。生成式AI对于行业公司而言是巨大的机遇，也是我们不可错过的大趋势。
李国平：对于我熟悉的金融行业，人工智能并非新鲜词。自阿尔法狗起，许多人在行业里进行了许多应用创新和尝试探索，并实现了许多时效业务转化。我对人工智能的理解相当深刻。随着大模型六小虎的崛起，我们也看到早期的AI四小龙面临经营上的挑战和困难。
今天我们的主题是数据为底，场景为王。无论多先进的技术，都必须转化为持续的业务价值，这样才能在企业侧发展，尤其在中国2B非常困难，2c有一些机会，可能前一段的人工智能技术或者随着gpt、open AI崛起后的大模型技术，不能够为业务带来价值，企业关注的可能是降本增长。如果不能很好地实现持续性赋能，AI或者科技公司就面临比较大的挑战。
百望云前几年制作了一个智能对话机器人，在没有大模型之前，仍然能够为企业的财税、合规和内部企业风险提供基本能力。
随着大模型的崛起，百望云并非专注于大模型基础技术的公司，我们的目标是充分发挥博采众长的大模型优势，并且面向已有存量的2千多万家企业，采用高质量结构化数据。
百望云结合企业财务部人员在操作过程中的行为大数据以及国家合规监管要求，训练了财税合规的大模型。目前我们的模型比较聚焦和收敛，从行业通用大模型瞄准AGI的通用大模型到行业大模型，再到细分的场景和部分化的大模型。
百望云将基于2千多万企业海量数据，做好财税合规、企业降本增效和合规风险的工作。这一模型将利用国内外许多模型的特长和特点进行能力整合。前端可能采用对话式，通过模型的接入，打通企业内部自有嵌入式数据，再结合行业积累和政策感官侧的能力数据，形成面向企业财务部内容使用的能力模型。
生成式人工智能的优势在于其生成。百望云目前正为企业进行风险扫描，提供财税合理化和合规性建议，并适用较多前沿技术。
随着各行各业务侧和技术侧对大模型理解的深入，百望云未来几年可能会从财务到客户的业务，从对内走向对外的过程中持续布局，在已有存量经营数据的基础上进行人工智能深度炼化和价值提取，形成为企业持续贡献业务价值的黏性能力，从数据到智能的能力基业常青。
许泽玮：刚才两位的回答非常明显，孙总负责2C业务，百望和91都是2B业务。我从我的角度进行回答。
大数据技术在金融领域的应用已经很久，满足金融业务合规性、严谨性和精准性要求。生成式AI更适合2C业务，虽然暂时不完全适合，但是对内部运转和客服生成式AI可以发挥作用。目前整体金融业务的核心生成式AI在服务上发挥的作用有限。
91实现了体验生成式ai的进步，打造了许泽玮ip化，目前在网上拥有640多万粉丝，都是通过ai完成的。这样可以加强与用户的交互，我们是2B企业，剩下的与刚才两位提到的相差无几，在内部运转上有所帮助。
最后一个问题，通州台湖是全国数据基础制度的先行区，许多企业在此落户。我们所在行业需要得到政府和产业政策的支持，有哪些需求？
李国平：创业邦作为领头机构，在政府指导下推动通州区新质生产力，是以数据为代表的新力量崛起。
每一波新兴技术的崛起都是从全球角度来看，生成式人工智能是一波。从中国角度来看，数据要素作为数据资产和国家战略正在稳步推进中。在这个过程中，我和许总都有感触。过去十几年里，中国的金融科技、数字金融，从三方支付到余额宝，再到后来的数字人民币等技术，在以国家为单位的开放竞争中，中国能够领先的原因是在相对宽容的宽松环境下带来的繁荣。
这波数据与AI智能机会相同，我们在通州台湖为创新创业企业提供更多资金、政策以及对这些企业赋能的要素。目前，百望云与上海数交所和北京数交所展开合作，你会发现政府手中拥有非常多高质量的数据。
在金融机构实现数据变现需要通过企业征信和个人征信。目前，国家数据要素正在推动公共数据、工商、司法、税务和社保等数据要素的变现。在这个过程中，天平分为两端，一侧是创新，另一侧是合规。我们必须守好创新的底线，前提是合法合规，尽可能地进行创新。
在这个过程中，政府发挥中间天平砝码的作用，确保创新企业适度或更加宽松的土壤。前几年有人提出监管沙盒，数据要素需要大家摸石头过河。我们可能会犯一些小错误或走弯路，但只有盘活数据要素和第五要素，才能使中国的经济底色从工业制造型推进到数字经济驱动型，走向真正的高质量发展的新质生产力时代。
我相信通州已经给了我们一个宽松的环境，我们希望未来有像创业邦这样的带头人，带领我们一起在通州和台湖进行更多创新创业的尝试。
孙凯：我认为今天参会对我的帮助非常大。虽然之前有信息输入和交流场合，但是不深入。这次来后，听到各级领导以及沈院士的精彩分享，受益匪浅，还有很多实质性建议，由于时间匆忙，我稍作吸收总结，认为有两点需要强调。
首先企业必须谋求发展。在互联网时代，企业需要关注几个输入方面。刚才提到的话题，生成式AI在国家发展规划中是新质生产力的重要部分。我们认为企业的发展可能来自于充分的资金输入、人才输入和高质量的信息输入。在生成式AI发展上，我认为一个企业要想持续健康发展，必须有资金输入和人才输入。
我们更愿意生成高质量的数据输入，许总和李总都提及了资金输入和人才输入。我认为这与政策、区定位和增量发展基调息息相关，这里不再赘述。
回到数据输入场景，刚才的讨论对我帮助很大。我也看到市级各位领导，通州区和台湖镇非常看重这件事情，相信接下来与我们的业务场景应用将有很多合作契机。
在未来企业发展中，如果前两者输入的数据相差无几，那么数据流量、流通效率、合规性以及风险检查都会受到影响。我们需要分析差异并评估数据质量的优劣。当回到应用场景和为用户提供体验时，最终的商业价值将产生明显差异。
以我刚才提到的几个场景为例，我们最终还是从场景切入。To C场景上，北京市的各级领导和相关主管单位已经给予我们很大的帮助和支持，例如帮助我们迅速拿到备案并且快速迭代我们的产品，这些都有非常高效的支持。
回到第二个和第三个场景，数据包括高效流转、授权范围分析、数据质量标准和规则。流转意味着质量清晰，包括交易定价和数据规范性。这里面包括不同老师的分享，无论是大模型还是未来围绕数据驱动的所有场景，数据是底座，数据底座的底座是数据质量。无论是千万的token还是百万的token，我们更多地关注数据质量以及数据微调后与业务场景的契合度。
我们将与同行企业和各级领导共同探讨。我认为无论是数据交易还是数据流通规则的制定，都能为我们带来较大帮助。
许泽玮：感谢孙总。李总刚才提到在金融科技领域，我们称为科技金融和数字金融。我国的发展已经是世界领先。
首先我完全赞同加强监管，希望能够更加精准地监管，通过沙箱和沙盒能够监管到具体的点子和风险本身。整体上要鼓励创新，加强监管，使监管更加精准，这是我们非常重要的需求。
目前，无论是资金还是业务，企业都发展得很好，更多的是政策对我们进行了更精准的管理。
第二点是公共数据的开放。政府掌握了大量公共数据，有些数据可能沉默在那里。关于如何向公众开放，我认为可以附条件开放，毕竟有安全性、公益性的要求，包括资格和场景下可以申请相关数据。甚至这些条件中有些是长开放，我认为这是合理的，可以提高应用门槛，创造更大的社会价值。
