金融支持科技创新的难点与对策

在复杂严峻的国内外形势变化下，金融服务国家科技创新呈现出新的趋势，面临四方面挑战：一是科创资金中专业化、市场化、国际化程度较高的外资规模有所下降；二是国有资金属性与科技创新底层逻辑不完全一致、与科创需求不完全匹配；三是长期资本退出渠道不畅；四是金融资本配置效率较低。

与会专家建议，在研发前期，要引导政府资金回归本源，专注初创期项目，健全优化激励、容错、让利于民机制； 在研发中期，强化企业在科技创新中的主体地位， 激励企业加大研发投入、设立企业风险投资基金（CVC）、加强中试平台建设。在研发后期，拓展长期资本退出渠道。

只有把握科学技术发展的自然规律，推动建立完整的金融支持科创的生态系统，才能更好地适应新时代科技创新的需求。

在新一轮科技革命和产业变革加速演进以及世界格局深刻调整背景下，各主要经济体均在寻求提升自身科技实力和自主性，科技生态体系趋向本土化。科技创新产业源于技术、长于金融、成于市场。把握科学技术发展的自然规律，金融体系才能够做到与科技创新的融合，更好地适应新时代科技创新的需求。

金融服务科技创新的新趋势

第一，外币基金募投有所下降。 今年上半年，外币基金募集422亿元，同比下降35.4%，外币基金投资规模对应出现大幅收缩。中国股权投资市场在募集端和投资端呈现从原有“两头在外”的美元模式转向以人民币为主的模式，投资对象也由互联网消费为主转向“专精特新”等科创企业为主。

第二，国资大量进入。 从VC/PE行业人民币资金供应结构来看，国资背景资金和具有国资属性的基金管理人占比逐渐提升。国资背景资金主要包括财政资金、社保基金以及地方政府引导基金。2023年第一季度，单只基金募资规模在10亿元及以上的基金中，国资背景管理人所管基金的总规模占比均超过70%。

第三，全面注册制改革支持科创资本退出。 在国家政策引导下，二级资本市场各板块均表现出对科创企业的大力支持。2022年以来，A股成为被投企业IPO主阵地，同时A股和港股近年来都转向重点服务硬科技实体企业，IPO项目的估值逻辑和盈利模式均发生结构性改变。2022年共有19家上市中企为VC/PE机构贡献了超50倍回报案例，其中科创板占11家，成为高回报案例最多的板块。全面注册制下监督机制更健全，企业端“撤材料”和破发、破净增多，是正常的市场调节现象。

金融服务科技创新的难点和弱项

第一，重视外资作用，吸引外资流入。 长期以来，外资对发现、支持和投向创新企业有着较强的敏感性。对于科创资金中专业化、市场化、国际化程度比较高的外资流动，要引起足够重视。科创领域的国际化仍是未来趋势，我国应致力于保持长期稳定增长的经济环境，以及开放透明可预期的政策制度，尽可能地吸引外资流入。

第二，政府投资基金的决策、激励和约束机制，与科技创新规律没有完全匹配。 一是存在资金分散化和重复性问题；二是多重目标限制了此类资金支持创新的能力和效率，基金定位有待进一步厘清；三是与科技创新需求的匹配问题。政府引导基金短期发挥了撬动社会资本的积极作用，但长期如何适应创投资金高风险特征、带动激发民间投资，有待进一步论证。

第三，长期资本退出渠道不畅。 创新资本、长期资本以及耐心资本并不是必然投资长达15或20年，中途可能会出现各种转让机会，但我国股权投资退出路径仍以IPO为主，限制了一级市场资本流动。对于IPO渠道而言，高科技创业企业上市条件的设置则会直接影响股权投资周期和退出门槛。

第四，金融资本配置效率较低。 中国不缺资金，金融资本服务科创的真正问题在于配置效率比较低。科创企业从最初萌芽期、种子期、成长期、成熟期，分别需要匹配天使资金、VC、PE和IPO等不同风险偏好的资金支持。在产业链条上，不同类型资金阶段性进入、退出，不断形成接力，实现资本高能化。目前国内投资萌芽期、种子期项目的天使资金明显不足，长期资本缺乏，大部分资金集中在银行体系，而银行资金的风险偏好比较低。

政策建议

第一，研发前期，引导政府资金回归本源。

政府资金在科技创新链条中不可或缺，关键是要回归政府投资基金的底层逻辑。借鉴国际经验，政府投资基金有两类运作机制。一类是设立政府投资公司，投向特定的、早期尚未体现出成长性的、难以引进民间资本的战略性行业和项目。另一类是政府引导基金，完全由政府出资，交给市场机构管理，同样是投向早期科创项目。

为了能够发挥引导作用，需要有“让利于民”机制，提升民间投资人回报，才能发挥自驱力，引导资金尽可能投早投小。总体而言，政府投资要健全优化激励、容错机制，在保值增值、事后追责机制上要有新思路，延长投资回报年限，并推行让利于民机制，更好地与社会资本形成合力。

第二，研发中期，强化企业在科技创新中的主体地位。

一是激励企业加大研发投入，投早投小功能应该由大企业主导，同时要重视中小企业在创新体系中的内生性活力和动力。

二是鼓励激励龙头企业/大企业设立企业风险投资基金（CVC），通过产业链条建立产业群，针对供应链上的短板和弱项，在探索中发展，逐渐形成良性循环。

三是重视中试平台建设。从实验室产品到工厂产品，中间有一个“死亡峡谷”。建立中试平台，由行业的主要企业共同投资，有利于加强面向行业共性技术的研究和突破。

第三，研发后期，拓展长期资本退出渠道。

一方面，对于VC/PE等长期资本或者耐心资本的退出渠道需要进行补短板，包括股权转让和并购机制。我国转让服务基金（S基金）、并购基金和并购贷款还有很大发展空间。

另一方面，目前IPO仍是国内资本退出的重要渠道。全面注册制下，破发是正常的市场调节机制，要提高对其的容忍度，坚持市场化的改革方向，构建起有利于形成稳定市场预期的股票发行注册制度。

第四，推动建立完整的金融支持科创的生态系统。

致力于投早投小驱动原创的创新资本，不能仅靠市场投资结构的自我演化，财政资金、政府引导资金、保险和养老资金、创投类的慈善基金、商业银行等各类资金要匹配创新企业的各个时期。

对此，应该进一步完善各项融资制度，特别是优化配套政策支持力度，包括税收、差异化监管、退出机制，还要大量培育天使、创业投资等早期投资力量。

精选专家10个问答，速览企业知识库结合大模型的重点与难点

传统企业知识库在构建，应用，维护环节面临各种问题。构建环节的数据打标，后期知识库维护更新需要大量资源投入，在使用时，除了语义理解导致搜索不准确外，在召回相应文件后，还需要人工进行信息搜索总结。

那么结合实际的业务场景下，大模型是如何解决这些问题的呢？10个专家问答，从技术落地到模型选型，快速帮你了解企业知识库的建设重点。

分享专家｜曹阳 中关村科金资深AI产品总监

内容来源于爱分析网络研讨会，如获取专家完整版视频实录和课件，请在爱分析公众号内回复【1012】领取资料

Q1： 针对上万量级的文档问答，在使用的过程中，模型使用层面和模型回答层面可能会遇到哪些问题？

A1： 一个是前置处理，因为大模型的窗口是有 token 上限的，过长的内容可能无法全部输入。所以需要找到最相关的内容给到大模型，放到的 prompt 里面。这会涉及把相关内容组合到 prompt 里面，再给到大模型；第二是回答时如何找到相关内容，从耗时上来说还是比较可控，基本能控制到 200 毫秒左右，另外就是通过一些澄清机制，当某一问题答案能够链接到大量文档时，大模型需要通过澄清机制找到精确答案。例如询问某产品收益率时，大模型知识库能够在多个月报，季报中找到相关内容。此时，大模型会针对不同维度进行反问，如询问用户想要哪个时间段的数据。通过多轮问答的下钻机制，保证问题理解的准确性。帮助用户定位实际的问题，通过这种澄清和追问的能力去帮助客户明确他的提问内容，能够更聚焦地找到相关的最相关的文档和相关片段。

Q2：对于向量数据库的选择有什么建议？

A2： 目前向量数据库的差异性不是很大，已经是较为成熟的技术方案，更多应该关注embedding模型，例如把文本内容或者表格内容向量化，基于不同的内容或者不同的语言，选用的模型都会有一些差异。

Q3：在大模型提示词字数的要求下，如何做到精炼且准确的知识文本分割？

A3： 知识文本的分割需要按照一定的维度去分割，比如最开始是按页分，接着可以按字数分，然后可以按照段落语义分。以及分割过程中会有版面解析，解析之后能知道内容是表格，图片还是文字，可以结合文档内容类型去分。关于切片的处理，比如说内容是一个跨行、跨页的表格，需要解析成一个整体，然后对这个表格单独进行处理。在召回过程中也会做一些优化，根据不同场景的差异化策略，来判断切片召回是按照段落召回，还是按照句子召回。

Q4：大模型支持的知识库有没有什么更好的一些搜索实现的方式？

A4： 第一个是从整个处理流程上来看，首先对文档进行解析，解析的结果是否高质量，其实会对答案造成比较大的影响。输入的prompt其实是解析后的一个片段，输入的片段解析质量越高，应答的准确率是越高的。对比不同的模型都会有这个表现，高质量的解析内容上，它的应答准确率会比较高，在低质量的解析上它相对会比较低，而且差异还是很大。第二是说做向量化，比如说开源有很多向量化的模型，选择使用哪个，以及多长的内容去做向量化都会影响到最终检索和召回的准召率。比如在召回的方案上，利用组合式的方案，分步多级的，不同情况会做差异化的处理，这样能确保在召回上做得更加精准。

Q5：不同场景下所需要的模型、提示词工作内容、微调训练都会不同吗？

A5： 基于客户的业务诉求，比如有的客户希望原文回复，不做任何的总结和修改，就要通过提示工程去做控制。有的客户希望总结，且涵盖的内容越多越好，或者希望内容精简等。需要基于场景做一些策略。例如在金融场景里面，客户问到更偏业务的问题，或者是偏理财的问题，就可以做一些场景化的任务，核心是场景会涉及到推理或者运算，这种推理和运算并不是大模型的强项。那就可以把前期信息获取做好，然后再做包含逻辑推理或者计算的处理，这样能达到更好的一个效果。

Q6：如果想做带有主动营销性质的智能客服，问答知识库可以支持吗？是否需要AI Agent能力把任务拆解为回复问题和营销引导？

A6： 营销引导有两种思路，一种是把整个营销的过程，在策略系统进行配置，然后命中不同的场景下，走不同的策略流程。在每个策略的节点下，可以基于大模型，例如类似投顾助手，基于客户的特征、产品的特征、市场理念这些知识的融合之后，形成推荐的话术。另一种是把话术构建在 agent 的流程里面，agent 执行的过程中会将不同的子场景，大概需要关注的流程要点进行动态地调用，确认场景之后调用，然后 agent 按流程去执行，这种方式使用成本比较低，但是稳定性不高。所以还是建议把营销的话术，在话术师做流程的过程中，直接加进去，同时结合预设的流程方案，可能会比做 agent 的可控性会更好一些。

Q7：文字知识应用效率的提升主要体现在哪里呢？

A7： 文档管理：一键批量上传多种格式的表格和文档，按文件夹及标签分类管理，方便快速准确地处理大量文档，效率翻倍知识问答：化繁为简，告别靠关键词检索的方式查找答案，问答形式精准定位问题和答案，并可溯源和查看原文摘要总结：智能分析复杂文档，1分钟可提取100页文档关键信息，准确率超90%，快速生成高质量文档摘要，辅助更快速、更高效的阅读并理解文档QA生成：根据提问自动分析文档内关键信息生成QA知识文档形式，用问题和答案强化内容提炼

Q8：如何应对LLM幻觉？实际应用场景如果回答出错，要如何处理才不会误导用户？

A8： 避免产生幻觉（Hallucination）倾向的外挂知识库技术是中关村科金聚焦大模型领域形成的四项核心技术能力之一，以平衡大模型的风险防范与价值创造。幻觉倾向是指大模型经常生成一些看似合理、实在不符合事实的语句。有时杜撰出来的信息一看便知真假，有时则让人一时无法分清事实。幻觉是目前大模型的一项固有属性，中关村科金通过外挂知识库在很大程度上杜绝该现象。通过外挂知识库的形式，把事实性知识的流程性知识都放在领域知识中台内，大模型用来做抽取、调度和生成，然后下游业务系统通过API获取结果，以保证业务知识的实时性、可靠性。在知识问答的过程中，中关村科金知识助手提供可溯源功能，基于该功能，用户可直接定位回答内容的原文，以便轻松核验回答内容。

Q9：中关村科金现有的大模型是经过预训练的吗？还是通用型？预训练的周期是多久？增量训练吗？

A9： 中关村科技领域大模型主要是基于开源的通用大模型，对参数进行一段时间的微调（增量训练、指令微调）后使其满足具体场景需求，再投入使用。

Q10：企业智能知识库的建设路径中有哪些要点？

A10： 第一，对于知识总量有限、专业性要求不高的企业，可以采用“通用大模型+提示工程”。直接使用通用大模型，针对企业具体的场景需求，由业务专家探索出提示词，此时企业需要的是一套灵活好用的提示词管理工具。

第二，对于长尾碎片知识（如SKU）较多的企业，需要在通用大模型的基础上，外挂领域知识库，针对具体场景、企业特有的问题可以让大模型去知识库里找答案，最后再在提示词的引导与约束下返回输出结果，形成“通用大模型+领域知识库+提示工程”的形式。

第三，对于领域常识总量大的企业，需要构建企业专属的领域大模型，将领域里的通识输入到大模型的“大脑”里，既保持通用的常识和推理，又具备领域内的专业知识和技能，让大模型由本科生变成领域专家，也就是“领域大模型+领域知识库+提示工程”的方式。

相关问答

科技成果转化的难点和痛点?

谢邀。科技成果转化的难点和痛点如下:难点:科技成果与需求脱节。即科研院所存在的科技考核体系与考核指标,导致科技成果与市场需求脱轨。缺乏专业的技术人...

如果在科技伦理方面约束严谨的话，促使人工智能自主研发科技需要突破什么难点?

先进的科技与伦理一直都是个纠缠不清的问题,科技的发展也始终会伴随着伦理相关的问题,这种问题主要还是从人类的伦理观念上边做处理,人类的伦理道德,又像各种...

超高音速武器的设计难点在哪里?

谈高超音速武器,有些人的理解是:飞得快的导弹,5倍音速以上,就是高超音速导弹。这肯定不对。如果单纯飞得快就是高超音速导弹,东风21、26、31、41、5B、白...1...

开题报告中的关键难点及拟采取的解决措施怎么写

[回答]在新的发展阶段,经济全球化、贸易自由化、管理信息化、竞争激烈化、社会多元化,已成为对政府改革的必然要求。为进一步转变政府职能,改善行政管理,...

开题报告中的关键难点及拟采取的解决措施怎么写

在新的发展阶段,经济全球化、贸易自由化、管理信息化、竞争激烈化、社会多元化,已成为对政府改革的必然要求。为进一步转变政府职能,改善行政管理,...

加强安全生产方面还有哪些薄弱环节-懂得

加强安全生产方面薄弱环节有:1.意识方面;对于生产中可能造成的隐患没有足够的意识。2.管理层面;领导制定的管理制度不够健全。3.监督层面;实施监督...

浙教版八年级下数学和科学分别有什么难点?数学和科学哪一门...

[最佳回答]不好意思,我学的是人教版的

科学小实验,要稍微难点的,六年级的.把步骤都写清楚了要快急...

[最佳回答]实验效果不明显的原因及分析1.1制作、观察人体口腔上皮细胞临时装片实验效果不明显的原因①实验时学生不能把细胞很好取下来.书上要求实验前用清...

为什么今年大家都在做全面屏手机?关于全面屏的种种技术难点是如何解决的?

个人觉得,国内几大厂商都有实力做全面屏,像三星S8那样的全面屏应该都能做,只是需要技术攻关,这里说的攻关也就是憋口气加把油的事,但是像夏普那样的全面屏还...

材料基因工程发展的重点和难点-盖德问答-化工人互助问答社区

觉得