4月14日上午,由工业和信息化部、四川省人民政府共同主办的2023(第一届)全国产融合作大会在四川绵阳隆重召开,来自政、产、金、服等领域1500多位代表围绕“产业数智转型 产融合作创新”主题深入交流。联通数字科技有限公司党委书记、总裁李广聚受邀以《数据筑基 科技创新-中国联通产融服务实践》为主题在“数据要素赋能产融合作论坛”发表演讲。

科技赋能,破局中小企业融资难题
“融资难”“融资贵”是中小企业发展中面临的一个共性难题。李广聚表示,解决中小企业融资难题应该从以下几个角度切入:一是从企业侧看,中小企业受自身条件限制,较难取信于银行,加大了融资难度;二是从银行侧看,中小企业信用识别难度更大,评估大型企业和中小企业付出同等代价,则中小企业信用评估的成本更高;三是从政府侧看,希望利用各类政策增强金融机构服务动力,同时引导金融资源向下沉市场倾斜,政府利用拥有的中小企业税收数据、工商登记数据、企业股东信息、个人信用情况等支撑信用贷款,赋能更多有潜力的中小企业,从而繁荣经济发展。那么,如何将这三方联动起来,真正破解中小企业融资难题,这时就需要技术侧的加入,只有企业侧+银行侧+政府侧+技术侧共同发力,才能将破解中小企业融资难的路径彻底打通。
近年来,联通数科坚持大数据、人工智能和区块链(简称“数智链”)能力自主研发,依托全国数据集中经验,数据治理和数据安全领先能力,深度服务政银企客户数字化转型,在数字普惠金融领域形成了横向产融服务平台+纵向政策性贷款一站式服务产品的综合能力。
其中,联通数智产融平台承担企业金融服务整体运行的数据采集、企业分析、信用评级以及银企撮合。平台汇集了工商、税务、社保、司法、不动产、知识产权、能耗等数据,已经在9省20余个地市落地,汇聚千万市场主体大数据信用画像,服务企业用户超百万。平台累计帮助中小微企业在疫情期间融资40多万笔,融资金额超5000亿元。以河南为例,平台贷款45.7%是没有抵押的信用贷,是真正依靠数据和模型支撑的信用贷款。联通创业担保贷产品是政策性贷款一站式服务产品的代表,通过依托“大数据+人工智能+互联网”等现代信息技术手段实现了贷款申请、受理、资质审核、信贷审批、放贷、贷后监管、贴息统计等环节全流程线上办理。宜昌市“创业贷”线上平台在2019年底运行后,放款规模从3亿多元上升至10亿元;2020年放款量突破到40亿元,2022年放款规模突破50亿元。四川省创业担保贷款线上服务系统,自2022年4月开始试点,截止2023年1月底,累计申请贷款1200多笔共计2.4亿元,累计放款330多笔共计约8000万元,带动就业人数超千人。
政策引领,加快数字中国建设进程
在会上,李广聚还提到今年值得大家关注的三个将对数字经济产生重要影响的变化。一是今年2月,中共中央和国务院印发了《数字中国建设整体布局规划》,统一了数字化建设的话语体系,将数字中国建设定义为中国式现代化建设的重要引擎、构筑国家竞争新优势的有力支撑。二是今年3月,国家宣布组建国家数据局。国家大数据局的设立,是推进数字中国建设的里程碑事件,进一步加速了建设进程、加大推进力度、扩大数字化产业市场规模,将会在数字经济发展中发挥重要作用。三是《关于构建数据基础制度更好发挥数据要素作用的意见》(也称《数据二十条》)的出台,为数字经济强劲了生产要素。但是,数据作为生产要素的理论体系仍需进一步完善,目前借助资本、土地等生产要素的理论模型推进交易所模式、进行确权尚有不甚顺畅之处,需要在实践中加快理论研究;数据要素资产化已具有现实可行性和现实价值,但短期内仍将处于探索阶段。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。