恒生聚源总经理吴震操：“AI年代：从“面向数据核算“转为“面向核算的数据“｜AI领先者心声・2025
《科创板日报》1月15日讯（记者 黄心怡）ChatGPT横空出世以来，AI已浸透至经济、社会与日子的方方面面。刚刚曩昔的2024年，中外AI及大模型在技能与工业落地上取得了令人瞩目的发展。新的2025年，AI必将持续成为推进各职业革新的要害力气。
在2025新年降临之际，财联社携手旗下《科创板日报》，推出“AI抢先者心声・2025”新年特别报道。约请中外人工智能领军者与职业精英一起回顾曩昔一年AI范畴打破与立异；一起，展望新岁，深入探讨AI及其工业运用在未来的机会与应战。
恒生聚源总经理吴震操向《科创板日报》记者表明：
大模型年代的信息体系，正在从“面向数据的核算”转向“面向核算的数据”。关于传统数据库进行AI改造是充分发挥大模型才能最要害的要素之一。
传统的信息体系建造是“面向数据的核算”，即环绕“实体建模的数据库”树立事务体系。而在数智化年代，数据管理方法应当转变为“面向核算的数据”，即环绕大模型的推理和生成才能来增强企业的数据体系，让大模型根植于事务流和数据流之中，成为真实的企业大脑，完结数智化转型。
吴震操AI抢先者心声・2025全文如下：
2024年，国内大模型在笔直范畴不断拓宽，职业运用逐步深化。大模型关于公域和私域数据的需求也逐日剧增。可是，传统信息化体系的数据管理方法现已无法满意大模型在查找和推理上的要求。
企业在信息化过程中，经过对实际国际的实体建模，构成实体联系的结构化数据库。而企业的事务体系则是环绕着这些数据库进行建造，经过关于数据库的操作完结事务流程。在大模型年代到来之后，很多需求NL2SQL等手法让大模型能够直接读取和操作企业界的联系型数据库。可是大模型在运用联系型数据库时面对许多问题：表的结构规划未带着满足的语义信息，导致大模型无法将“自然语言语义”和“数据库语义”联系起来；不同事务体系之间，同类型的数据常常存在格局不一致、单位不一致、数据量纲不对齐等问题，极大地提高了NL2SQL使命的复杂度；当在大模型中输入数据中维度信息缺失或许错误时，无法完结NL2SQL的准确查询等等；
恒生聚源作为金融职业数智化的先行者，根据曩昔二十多年堆集的全量金融市场数据，立异规划了职业抢先的AI运用数据库“AIDB”。不同于典型的联系型数据库，它去除了常量表，库表结构根据“目标、主体、维度“三元组的规划，打破了金融数据运用和消费的技能壁垒，完结”直查“方法拜访金融目标数据，让数据在大模型运用场景下的获取与剖析愈加快捷高效。
现在，AIDB能够供给2000+高质量的中心金融目标数据，触及权益、债券、基金、指数、财政等事务，可供给时间跨度20年的数据。AIDB作为数据库基座，一方面支撑起合作方精准的NL2API以及NL2SQL服务，提高大模型对实时金融常识答复的精度与广度：NL2API运用准确率超越90%，自然语言发问全链路端到端准确率超越96%。另一方面，AIDB数据的三元组结构，能够快速转化为LLM练习所需的问答对结构高质量练习样本，用以支撑范畴大模型的微调。AIDB与恒生聚源另一款大模型运用产品WarrenQ相结合，完结了真实“语控万数”的才能。
展望2025年，大模型正在成为企业的常识库进口，一起AI智能体开端广泛地与企业的事务体系进行交互，逐步进化成为企业大脑。这就需求供给与之相匹配的高质量的、可被AI直接消费的事务数据。即环绕着大模型的推理才能，树立面向AI核算的新式数据库。数字化建造开端从“面向数据的核算“转向”面向核算的数据“年代。