2018年11月16日，巴布亚新几内亚首都莫尔兹比港，太平洋上的海风徐吹，慵懒的阳光洒落在“太平洋探索者”号邮轮的甲板上。彼时，岸上一群身着特色民族服装，弹奏着传统乐器，载歌载舞的当地居民，正在热情欢迎来自全球21个经济体的工商领导人，讨论数字化将会给他们、以及全球居民们的生活带来哪些重大改变。
在本次峰会中，宜信公司创始人、CEO唐宁受邀参加了“数字化、创新、颠覆与包容性增长”论坛，分享了科技如何能够让金融变得更加包容、高效，科技赋能中国新经济的实际案例，以及母基金如何将社会资本与科技创新完美进行对接。
数字化是已经到来的未来
今天的社会已经被数字化深深地改变，从零售到医疗，从金融到企业服务，数字化仿佛把生活从30迈直接加速到了90迈，我们从未经历过如此多的创新和颠覆。每一家企业都有可能被新技术颠覆，同时，每一家企业也都可能有数字化的机遇。
唐宁在论坛中就讲到，“数字化也正是创建了12年的宜信战略重塑所着眼的一个重要目标。作为一家中国领先的金融科技公司，科技已经把我们的金融服务彻底改变，现在可以做很多的事情。比如普惠金融服务；再比如保险科技，一些寿险公司也都开始电子化，我们开始分析它们的产品到底具有什么样的功能，如何能给小企业和个人提供保障，使技术能更好地为商务提供服务。”
参加同场论坛的UL公司是一家有着悠久历史的美国公司。当时的保险公司需要做产品的测试，所以UL最初的目标就是要打造一个安全的世界。他们在美国各地测试产品，后来推广到全球，每年对产品的测试达到220亿次。在过去很多年中，UL的服务基本没有变化。
但在本次论坛上，UL公司总裁Terry因为在16日早晨和唐宁会过面，便幽默地表示UL从今天早晨开始要做金融评估的服务了，当然实际上，该公司确实在开始使用互联网和扫描器，数字化深入改变了UL长期的运作方式，对产品的取样测试也和之前完全不一样了，基本实现了数字化。
无论是对中国的金融科技公司，还是美国长达百年历史的认证公司来说，数字化都是一次躲避不开的创新和颠覆。
监管和安全不是减速器，而是高效保障
有时候速度的提升往往会带来另外一个问题，那就是安全。随着中国的大数据、人工智能、数字化的快速发展，监管的发展速度似乎有些滞后，但整体的趋势是正在逐渐追赶上来，有些人认为这将会对数字化的进步带来阻碍，对此唐宁有他的观点。
“我认为监管对技术、对金融的管制是非常必要的，否则一些不良的企业就会在市场上发出很多声音，而真正的好企业反而声音被淹没了，最终这些不良的企业会抓到很多市场机会。”唐宁在峰会上表示。
“在过去几年当中，中国的消费者都非常愿意来分享他们的数据，但这其实是具有风险的，消费者现在也越来越开始意识到分享数据的风险。我认为数据的拥有权问题是一个很严肃的话题，我们希望在这方面能够制定一个规章制度，到底谁可以拥有这些数据？其实应该是消费者本身拥有这个数据。如果一个公司需要数据来做应用的话，应该从消费者个人那里申请这个数据，然后在得到他们的允许后才可以和其他的公司分享客户的数据。我想在今后的十年当中，这个问题将会变得非常重要。”
过去很长时间，一些大的公司掌管整个市场，但一些基础设施方面却始终没有建立起来。
唐宁就认为，“下一个十年，我们应该在建设各种软性的基础设施上下大力气，今后的增长应该是包容性的增长，而不是只有一两个公司做的非常好，并利用垄断优势来推动他们的公司赢家通吃。我们应该建立包容性的模式，在良好的监管环境下，营造非常有生气的土壤、生态，让成千上万的小微生意都可以做得很好，和这些大公司一起成功。”
最近几年，金融监管也正在朝向这个方向发展，不论是征信体系，还是资金托管存管制度。另外，一个有效的市场，需要各参与方明确自己的定位，是运动员？还是裁判员？那些从根本上来说有利益冲突的又做运动员、又做裁判员的模式很难持久。
宜信的包容性金融实践已卓有成效
本次唐宁参加APEC工商领导人峰会之前，是从新加坡飞过来的。在前一天早上，新加坡金管局邀请他作为国际咨询顾问与其他业界领袖一起闭门研讨，重点谈到了数据的基础设施管理以及数据的电子化。大家一致的观点是，数据确实是有价值的资产，数据流动的方式，以及如何获取数据，如何管理数据，都对企业的成功非常重要，但我们实际上还没有在技术的基础设施层面上做好准备。
“技术实际上是中性的东西，也不是好的，也不是坏的。好的东西如果是好的人来使用，就会带来好的方面；如果是坏人使用，则很可能会被乱用。所以技术不是意味着信任，实际上只有使用者本着为社会做好事的目的使用技术，才能对人类有益的，所以在今后，我们需要在这方面花很多时间来看如何建立数字化的基础设施，而且面向所有的人。”
讲到数字化，就不得不谈到人工智能，在很多的领域，也包括传统金融，大家都在谈是否很快人工就会被AI所取代，对此唐宁的看法是：人工智能将在很多方面帮助我们，使得我们能够获得一些人类所无法媲美的能力，但最终我们还是需要投资经理人，用财务专业经验来做出整体决断，确信机器推荐的模型后面的金融逻辑，而不是依赖黑盒子。
例如在美国加州的森林火灾中，智能浏览系统可以实时播报旧金山的路况，但当选择某条畅通的道路时，却发现是因为路上有火情所以才显示畅通。所以我们必须要有办法知道怎样从大数据噪音当中识别出真正的信息，这是需要人工干预，还是需要机器的识别呢？目前看还是需要人为去做的。
尽管还存在着各种问题，但人工智能等新技术也确实在中国正高速地被应用，“实际上，技术目前对于中国的帮助已经非常巨大。举一个例子，目前农村的企业家在农业生产方面会使用APP，如农田灌溉需要多少水？需要施多少化肥？这些信息都是由APP来决定的，这就是大数据。最佳的实践是来自于彼此互相间的学习，而且通过这样一个过程，我们能够收集到更多的数据，而且是相关的数据、有用的数据。其实很多时候我们讲的大数据、海量数据并不是特别有用，因为可能会充满着噪音，我们需要的是相关性很高的数据，是用途划分的数据。”唐宁分享了科技赋能新经济在农业领域的实践。（夏芈卬)
