เดือน: กุมภาพันธ์ 2026

孙大千（左）和许兴利认为，AI产业上最赚钱的不是新模型有多火爆，而是所累积下来的人才知识与数据。 （八打灵再也26日讯）人工智能（AI）不再停留在实验室，反之正在重塑各领域如学校、医院、机场等的每一道流程。它可以成为最可靠助手，也可能在关键时刻化作最强对手。浪潮已起且难回头，到底人类会否被 AI “统治”？ 在这场关乎人类前途的议题上，《南洋商报》专访了数字王国集团有限公司执行董事孙大千博士与代主席许兴利。两人既在产业一线打磨技术，也在企业内部推动以AI 为核心的重构。 对于人类最终会否被AI“统治”这一灵魂拷问，孙大千给出肯定答案：“会”。 关键在于“用在哪” 他随即补上一句，时间大概是20年。 他强调，这不是恐吓，而是一种提醒。大家唯有现在就学习并设定边界，才有资格在未来掌握主动权。 许兴利则强调，AI 已进入社会运行的核心位置，关键不在于“要不要”，而在于“怎么用、用在哪”。 孙大千之所以把“20年”作为警戒线，是基于一条清晰的现实脉络： （一）硬件平台已在场，无人机、无人船、地面作战机器人等系统持续上阵，规模一旦放大到成千上万台，不可能靠“一人一控”，群体化调度必然交给 AI。 （二）“AI中枢大脑”正在成形。各类战场控管系统已把复杂局面抽象为连续博弈，让算法以更快、更密的节奏做决策。 （三）风险意识已上升为国际议程，主要大国公开讨论军事 AI 规范，显示问题已从“会不会”转向“如何减害”。 他直言，如果此刻不学会使用AI，20年后只剩被动应对。 设定边界 制定规范 孙大千也认同AI教父幸顿博士（Geoffrey Hinton）所言：“人类从未与比自己更聪明的‘物种’共处过，AI正以一种全新的‘数字生命形态’出现。” 他直言，这是无可避免的事实，因此他认同AI界科学家在训练AI时把母性写进训练程序中，让AI系统把人类当“孩子”，以“不会伤害”为前提作训练。 他认为，与其把“终结者”当作遥远的隐喻，不如把今天当作分水岭，越早学习越早上手，这样才越有能力设定边界、制定规范、保留人类在叙事与判断中的主导权。 做好AI生意3条件 高效、可复制、长期稳定 AI能否变成一门好生意，取决于3件事能否同时成立，即效率要提升、做法要能复制做大，以及放到真实场景也要长期稳定见效。 许兴利以电影开拍前的“预演”环节为例，过去往往要做上数个月、动辄耗费数百万美元，如今接入 AI 后，几天就能出片，成本大减。 类似的效果已进入日常流程，但要把“省下的钱”变成人人看得见的现金流，关键在于把这套方法扩展到更多项目与更多环节，形成永续经济。 在他们看来，要把 AI 做成永续经营的生意，靠的不是哪一次爆红的模型，而是两样能长期积累的底盘，即专业知识和高质量数据。 孙大千把“知识”说得很直白。他指知识并非一串术语，而是把画面从“像”推到“可信”、从“好看”推到“被打动”的那点火候，如镜头怎么走、光从哪里落、节奏快半拍还是慢半拍，以及一整套严谨的质检门槛。 “这些基本功，正是专业团队与大众化生成工具之间的本质差距。我们的知识，就是这门生意得以长期经营的底气。我们掌握的不是一时的技巧，而是系统性的判断与流程。有了这些，才能指挥并约束 AI，按标准把每个环节做到位。” 他进一步说，“数据”则是下一代“世界模型”的燃料。要把 AI 养得更聪明，既离不开大量、干净、可用的三维素材，也离不开真实场景的使用反馈。 “为此，数字王国把30多年来积累的影像与 3D 资源逐一擦亮、清晰标注、系统入库，未来通过授权、租赁或出售变现。” 虚实融合“复现”逝者 谈及“虚实融合”的商业现实，他们指已故巨星邓丽君的数字人已成功登场，接下来，团队也在推进以数字人技术“复现”梅艳芳、张国荣，用新的美学与成本结构把“过去”的舞台带回当下，让虚拟与真人同台，形成新的观看体验与商业模型。 为迎接未来趋势，他们指数字王国将把过去30至40年的数字资产重组为高质量数据库，作为下一代模型训练的基石。 未来洗牌盘整 不重演“互联网泡沫” 近年来，AI课题的讨论度不断升高，市场出现了另一种声音，即AI会否重演2000年的互联网泡沫？ 孙大千直言，未来的AI产业会被重新洗牌和盘整，但不会崩盘。 他认为，AI产业结构已深入教育、医疗、金融、服务业乃至军事等领域。在这样的前提下，讨论“泡沫”不再是唱多或唱空，而是看效率能否做实、方法能否复制、应用能否落地。   复制带来稳定回报 因此他认为，与其说AI产业会泡沫破裂，不如说是秩序重组，赛点从“谁的模型更炫”，转向“谁能把方法复制到更多地方、形成稳定回报”。 他提到，美国市场大概率继续向少数巨头集中；中国在“研发与应用”之间保持投入与推进。等这一轮重整走完，AI产业就能进入可以永续经营阶段。 非“清场式淘汰”人类工作 每一波科技浪潮都绕不开同一个追问，人类的工作会不会被夺走，再落到AI上？ 孙大千认为，这不是“清场式的淘汰”，而是“岗位结构的重排”。 他以电影工业为例，AI能在多处制作环节提速，然而一部作品“好不好看、有没有情感”，最终仍由艺术家拍板。能为作品把关的工作，机器代替不了人。 放大到更广的劳动力市场，他反复强调，短期内AI不会整体取代人，可是会用AI的人，确实会取代不会用的人。 许兴利则把担忧落在“年轻人的基本功”上。 他说，如果教育与企业不尽快设计出“与AI共同学习与训练”的新路径，年轻人就可能少了必要的打磨过程，不是没有岗位，而是没有能力站上去。 …

20年后人类被AI统治? 专家:先学才有主动权 Read More »

（美联社） （纽约29日讯）华尔街对人工智能(AI)的短暂试探已变成一场持久的纠缠，而且这一过程正开始影响策略构建、风险识别和资金流动。 生成式人工智能不再只是一个令人好奇的对象。ChatGPT问世仅不到三年，人工智能正从支持性角色转向“副驾驶”。 大语言模型为金融人士总结财报电话会、识别市场异常、草拟研究报告，并推动投资组合决策。大多数应用虽然只是静悄悄推出，但如果把它们结合起来看，会发现华尔街的投资决策在制定、验证，实施方式上正在发生根本性变化，现在还只是早期。 “我们正在朝着一个数字化的未来迈进，在这个未来中，AI和生成式AI渗透到投资价值链的每一个环节，而且很可能还会持续下去，”专注于全球基金管理的研究机构CREATE-Research的总执行长阿敏·拉詹表示。 “一旦这些早期采用者展现出真正可量化的成果——我认为有些已经开始了——那么其他人就会迅速跟进。” CREATE-Research上月发布的对资产管理公司的调查显示，近30%的机构投资者已经部署或正在采用生成式AI。受访对象的全球资产管理规模总计38兆美元（约161兆令吉）。 投资决策提醒 在摩根资产管理，大语言模型被嵌入到该公司内部投资平台Spectrum中。一个新功能会跟踪投资组合经理持有某只股票的时间是否与其预估的最佳持有期相符。如果持有时间过长或过短，系统会发出提醒，不是直接干预，而是提示基金经理评估行为是否合理。 Spectrum还可以生成一批可能因政策因素（例如国会立法）而受益或受损的公司。它会标记分析师的预测与市场共识或与公司自身预测之间的偏离程度。 最终决策仍由基金经理做出，但机器现在已成为会议桌上的一员。 梳理财报文件 在Robeco，公司将大型语言模型用于前端流程——梳理监管文件、财报电话会记录以及社交媒体，寻找投资主题变化的早期信号。最初只是帮助起草致投资者信的模型，如今已发展到生成交易信号和设计投资产品。 今年10月，该公司推出了Robeco机器动态主题ETF，这是一款围绕AI识别的主题变化构建的ETF。 该公司的陈迈克（译音）表示：“我们正在运行多个研究项目，测试生成式AI是否能提取阿尔法，或预测公司基本面”。 当然，问题也会存在。不同模型可能给出不一致的结果，这就要求人类继续参与、检查逻辑并做出最终判断。此外，模型升级也会带来逻辑变化，而且难以追踪。比如上个月还能得出明确回答的问题，今天再问，可能得到不同答案。可解释性仍然有限。 “这就像走进大海，”摩根大通AI策略师狄龙·爱德华兹说，“你不会一下子跳进去。得一步一步来。” AI颠覆资管行业 更多公司跃跃欲试准备加入AI竞赛。在CREATE的调查中，近三分之二受访者认为资产管理是最有可能被AI颠覆的行业，这个领域长期以来依赖人类通过大量数据分析来形成投资观点。 “现在人们已经理解，大型语言模型在总结文本信息方面非常有用，但这些摘要其实并未充分发挥大语言模型在推理方面的能力，”麻省理工学院金融学教授罗闻全表示。“我们目前仍处于大型语言模型重塑金融服务业的初始阶段。”   资讯来源: https://www.enanyang.my/news/20250729/Finance/941990