1月23日消息，螞蟻集團數(shù)字科技事業(yè)群（以下簡稱“螞蟻數(shù)科”）近日舉行媒體溝通會。會上，螞蟻數(shù)科CTO王維分享了對當下技術熱點的思考，他表示，AI與數(shù)據(jù)是相生相伴的共同體，高質量的行業(yè)數(shù)據(jù)才能使大模型在產(chǎn)業(yè)發(fā)揮更大價值。螞蟻數(shù)科將進一步拓展數(shù)據(jù)相關技術的布局，以加速助力產(chǎn)業(yè)數(shù)字化邁入下一階段。

面對全球掀起的新一輪AI浪潮，王維明確表示，“螞蟻數(shù)科不會直接做大模型”，但是一方面會把大模型技術與行業(yè)垂類場景做結合和應用落地，另一方面會在數(shù)據(jù)的安全合規(guī)、融合匯聚、流通與運營、應用等技術層面重點投入，幫助企業(yè)更高效地挖掘和使用高價值的數(shù)據(jù)。

王維 圖源：螞蟻集團公眾號

王維曾擔任螞蟻集團首席架構師、支付寶CTO，領導建立了支付寶交易支付的核心系統(tǒng)。2023年8月，王維出任螞蟻集團數(shù)字科技事業(yè)群CTO，轉身向toB領域。

以下是Q&A實錄，經(jīng)編輯：

Q：王維是老朋友、新面孔了，從螞蟻集團首席架構師、到支付寶CTO，現(xiàn)在又來到數(shù)科作為CTO，從toC業(yè)務到toB業(yè)務的基礎支撐，你認為不同目標下的最大區(qū)別是什么？

王維：大家好，今天是第一次以數(shù)科CTO的身份跟大家見面。過去十幾年，我一直在支付寶的技術崗位上，到2023年8月份才來到數(shù)科。這幾個月對我而言，充滿著好奇和新鮮感，也充滿對未來的期待和思考。

我過去做工程師寫代碼，更多是去解決toC業(yè)務的問題，但今天轉身toB直面產(chǎn)業(yè)，對我來說感受還是非常復雜的。我歸納一下，三個方面：

第一，在支付寶業(yè)務發(fā)展過程中，技術大多是助力本身的業(yè)務發(fā)展和領先；但是在數(shù)科，需要考慮更多的是如何讓技術成為一個好產(chǎn)品、好商業(yè)；

第二，支付寶是一個相對成熟的業(yè)務，很長一段時間里，技術直面解決效率、工程化以及如何更好敏捷迭代的問題，而數(shù)科要面對的是客戶在產(chǎn)業(yè)數(shù)據(jù)流轉、融合加工中剛碰到或者還沒有碰到的問題，我覺得這也是工作思維的變化；

第三，技術同學都有點理想主義，我是做架構師出身，所以希望技術的系統(tǒng)規(guī)劃非常好、設計非常美妙，也非常相信技術能夠改變世界，但這會面臨一個現(xiàn)實，客戶不一定需要你提供很牛的技術，而是具體解決他一個問題，我覺得這個難能可貴。

最后總結一下，過去我對CTO這三個字母的理解：“C”是責任擔當，“T”是技術廣度和深度，“O”是領導力。今天在數(shù)科CTO的崗位上，我認為“C”還是責任擔當，但是“T”是技術遠見，需要用技術定義更多未來的問題，“O”更多的是商業(yè)思考和綜合思維，不僅僅是從技術的角度考慮問題，還要從產(chǎn)品、業(yè)務、市場綜合角度考慮問題，我覺得這也是未來更多的自我鞭策。

Q：對企業(yè)而言，數(shù)字化的本質是要實現(xiàn)或提升數(shù)據(jù)價值，進入大模型時代，數(shù)據(jù)智能又重新被關注到，從技術角度講，今天在講的數(shù)據(jù)智能和大數(shù)據(jù)時代有什么區(qū)別？相應需要有哪些技術布局？數(shù)科是怎么做的？

王維：今天，大模型給了很多行業(yè)一個很大的機會點就在于，把過去那些不太容易使用的、不太容易加工的數(shù)據(jù)價值更好的挖掘出來。但是我個人有一個觀點：不要迷信大模型這個技術本身，因為在那些我們服務的產(chǎn)業(yè)場景中，用好中模型和小模型，把那些沒有被更好利用的數(shù)據(jù)進行融合加工，它所創(chuàng)造的價值將非?？捎^。

螞蟻數(shù)科不會直接做大模型，但是一方面會把大模型技術與行業(yè)垂類場景做結合和應用落地，另一方面會在數(shù)據(jù)的安全合規(guī)、融合匯聚、流通與運營、應用等技術層面重點投入，幫助企業(yè)更高效地挖掘和使用高價值的數(shù)據(jù)。

Q：去年開始AI發(fā)展被整個行業(yè)關注，而螞蟻數(shù)科過去更為人熟知的是區(qū)塊鏈、隱私計算等技術，面向未來，作為CTO，會否更多關注AI技術或者能否跟我們分享一下技術布局？

王維：AI是一個很大的話題，螞蟻集團已經(jīng)在大模型層面做了比較大的布局，數(shù)科希望把螞蟻大模型與行業(yè)結合，去解決垂類行業(yè)或者場景中所面臨的不同問題。

此外，過去一些不能被標準化的產(chǎn)品和服務，也許在大模型時代能夠通過更低成本、更便捷的方式服務客戶，更加SaaS化的方式在垂類場景中廣泛應用。

還有一點我覺得變化比較大，大模型適合去解決那些比較通用的效率性問題，比如它可以解決很多人的任務，但是不能完全取代很多專業(yè)工作中所需的能力。所以這個時候我們要看哪些垂類的行業(yè)場景中，它的效率和任務能夠被清晰定義，具備大模型“易于解決”的特征。

最后我想說，大模型技術肯定會不斷迭代和演進，今天做方向性很強的斷言未必明智，我們不能低估了它，也不要高估了它，更多還是在當下解決行業(yè)和客戶中碰到的具體問題。

一方面，數(shù)據(jù)量將在大模型時代被無限放大；另一方面，數(shù)據(jù)只有被有效利用和流動起來，企業(yè)級客戶才能充分獲得AI進步帶來的價值。因此，數(shù)據(jù)挖掘、處理、安全等問題如果不被解決，大模型應用會有難以逾越的鴻溝。