數博對話 | 浙江大學計算機學院教授鄭小林:以AI Agent為代表的技術浪潮是一次範式革命
2025中國國際大數據產業博覽會(簡稱數博會)將於8月28日在貴州貴陽啓幕,在此之際,特別邀請浙江大學計算機學院教授、博士生導師,浙江大學人工智能研究所副所長,國家重點研發項目首席科學家鄭小林教授,圍繞AI技術創新、金融智能化實踐、大模型安全、數博會價值及高校教育轉型等核心議題進行分享,為產業與技術發展提供專業洞見。
問:您曾提出“算法創新+合理算力”是突破AI卡脖子限制的核心,您認為當前國產算法與算力的平衡*之道是什麼?*
*鄭小林:*算法創新是提升AI性能的關鍵驅動力。在國產算力受限的當下,更需通過MoE模型優化、模型智能調度等技術,挖掘現有算力潛力。而算力優化並非追求規模擴張,而是靠精細化管理與架構創新實現最優配置,比如分層緩存、混合精度訓練、端雲協同計算等。
尤為重要的是國產算法與硬件的軟硬協同優化——需針對國產芯片特性優化算法與計算框架,例如8月21日推出的DeepSeek-V3.1據説採用UE8M0 FP8精度格式,這一專為AI計算設計的存儲格式適配國產芯片,能在保障計算精度的同時,大幅降低對芯片算力和內存的需求。
歸根結底,我們需要構建覆蓋芯片、框架、模型、應用的自主可控AI生態體系。
問:您在《智能金融:AI驅動的金融變革》報告中預測“以LLM為中心的操作系統將推動計算範式向意圖式轉變”。請問在信貸決策、投研盡調等場景中,AI Agent將如何替代人類完成複雜任務?
*鄭小林:*傳統計算範式要求用户明確知道“如何操作”來實現目標,而意圖式計算只需用户表達“想要什麼”,系統會自動理解並執行復雜任務鏈。
在金融領域,這意味着:信貸審批從人機審核材料轉變為自然語言描述需求;投研分析從編寫複雜查詢語句轉變為直接提問研究問題;風險控制從配置規則引擎轉變為描述風險偏好。這種轉變的核心是LLM作為操作系統底層,能夠理解人類對金融服務的意圖,並協調各類專業工具和數據平台完成複雜的金融任務。
以信貸決策為例,傳統信貸決策依賴靜態規則和評分卡,而AI Agent構建的動態評估系統實現了根本性變革。浙江大學和金智塔聯合研發的多模態信息融合Agent,可同時處理結構化數據(財務報表、徵信記錄)、非結構化文本(經營描述、行業分析)、圖像數據(經營場所、生產設施)、流式數據(社交媒體、供應鏈信息);聯合金融科技機構研發的動態風險評估模型,還能通過持續學習更新借款人風險畫像。
但需明確,意圖式計算不是簡單地用AI替代人類,而是構建人類與AI協同進化的新生態——讓金融專業人士從繁瑣的信息處理中解放,專注於策略制定與複雜案例處理。
問:面對數據投毒、對抗攻擊、模型竊取等風險,在金融等高敏領域,您認為該如何構建“攻防一體”的安全框架?
*鄭小林:*我認為金融等高敏領域的安全框架,必須構建一個內生於數據、模型、應用全鏈路,且融攻防於一體的深度防禦體系。金融場景的高敏感性要求系統不僅“擋住攻擊”,更要具備“免疫能力”。這意味着安全不是部署階段的“附加項”,而是貫穿數據準備、模型訓練、應用部署全生命週期的“核心屬性”,框架核心是“縱深防禦”與“動態對抗”。
具體可分為三層:一是數據層防護,構建可信數據空間與高質量數據集;二是模型層防護,打造抗攻擊、透明可解釋、魯棒、公平、韌性的AI模型;三是應用層防護,建立“精準且可控”的安全護欄與持續監測響應的自恢復應用體系。
問:作為浙大教授,您認為高校教育應如何適應Agent驅動的技術浪潮?
*鄭小林:*作為一位身處科研與教學一線的教授,我深切地感受到,以AI Agent為代表的技術浪潮不是一般的工具革新,而是一次範式革命。它要求高校教育必須進行一場從理念到實踐的深層重構。高校教育絕不能只是被動地增設一兩門課程,而應主動重塑人才培養的體系,以適應甚至引領這場Agent驅動的智能時代。
Agent的出現,使得知識的獲取、整合乃至初級應用變得高度自動化。因此,教育的核心價值必須實現三大轉變:從“知識存量”競爭轉向“思維增量”競爭,從“個體學習”轉向“人機協同”學習,從“技能培養”轉向“素養塑造”。因此,高校需在課程體系、教學模式、評價機制、師資隊伍等方面開展全方位改革。浙江大學在2024年獲批國家教材建設重點研究基地(高等學校人工智能教材研究),在潘雲鶴院士的帶領下出版了新一代人工智能系列教材;開設了“人工智能基礎A/B/C”系列通識課程;浙江大學持續推動人工智能賦能“教”與“學”變革,成立人工智能教育教學研究中心,研製推出《大學生人工智能素養紅皮書》,以數智化賦能教育教學質量提升。
面對Agent驅動的浪潮,高校教育的應對之策不是小修小補,而是一場徹底的“範式轉移”。
問:2025數博會以“數聚產業動能 智啓發展新篇”為主題,從您的專業視角看,數博會在推動數據要素與人工智能技術融合創新方面,發揮着怎樣的作用?
*鄭小林:*我連續參加了好多屆的數博會,從最早的大數據主題到數據交易,再到更大的數據要素、數據資產、數據流通,到現在的數據要素與人工智能的融合創新,數博會是一個非常好的展示、交流、合作的平台。
今年的數博會是為數據要素化技術(如數據治理、數據資產化、高質量數據集加工等)和AI大模型(尤其是國產開源和垂直行業模型、Agent)提供展示和驗證的平台;也是連接數據供給方(政府、央企)、技術提供方(科技企業、AI公司)、應用需求方(金融、政務、工業等)及資本方,促進數據、技術、市場、資本高效對接的舞台;將強力推動AI與數據要素在具體產業場景的深度融合與落地應用,實現降本增效和價值轉化。
本次大會的成果,將進一步證明,隨着政策的完善、技術的迭代、應用場景的深化以及安全信任體系的構建,數據要素必將在更廣闊的範圍釋放其價值,驅動各行各業邁向智能化新階段。(林夢茵)