Kaiyun体育APP官方下载 - 体育赛事全景体验 / 乒乓球俱乐部专栏 / 正文

风暴vs王牌伤病报告特尔施特根拒绝转交伤病报告2024年高尔夫行业

2025-08-11乒乓球俱乐部专栏阅读 41

　　2025 年 8 月 2 日下午，上海交通大学上海高级金融学院在北京举办“AI 创智时代的最好投资”主题论坛暨 MBA 全新课程升级发布会。论坛上，倪海英发布全新高金 MBA 课程体系，该体系将课程分为三大模块，还将推出三个课程项目，助力学员成为 AI 时代产业组织者。张拳石教授指出人工智能发展面临的挑战及团队的关键成果，建议转向“机理导向的评测”。圆桌论坛上，四位嘉宾围绕“投资自己、投资产业、投资北京”分享 AI 实践探索、应用挑战等观点。此次发布会展示了高金 MBA 在商科教育 AI 化转型成果，未来

　　关联问题：AI如何重塑商业逻辑？高金MBA课程有何创新？AI发展面临哪些挑战？

　　当AI重构商业逻辑、重塑产业格局，我们如何在这场变革中成为赢家？2025年8月2日下午，上海交通大学上海高级金融学院（SAIF）在北京环球金融中心成功举办“AI创智时代的最好投资”主题论坛暨交大高金MBA全新课程升级发布会。来自科技界、教育界、产业界的专家学者齐聚一堂，共同探讨AI时代下的教育变革、产业重构与企业发展新路径。天弘基金互联网金融部高级业务经理、交大高金25级北京班学生徐浩男担任本次论坛主持。

　　论坛伊始，上海交通大学上海高级金融学院金融研究院助理院长、MBA项目执行主任倪海英带来了“怎样的学习在AI创智时代是有效的”的主题分享，并正式发布了全新升级的高金MBA课程体系。

　　倪海英指出，AI正在重塑商业逻辑和产业格局，MBA教育必须在危机中寻找机遇，真正拥抱AI，而不仅仅是“邀请几位人工智能教授来授课”。高金过去一年多的探索，目标是构建将AI知识体系与商科教育深度融合的教学模式，让学生不仅是工具使用者，而是以金融杠杆撬动科技创新的产业组织者。

　　她提到两篇最新研究作为背景：一是大学教育回报的代际差异研究，表明有工作经验的学习者在回到课堂后能实现更高的复合增长溢价；二是近期一篇即将发表于顶级期刊《Management Science》的普惠金融研究，基于与蚂蚁生态相关的数据进行实证分析，显示金融科技在提升金融可得性、改善低参与率与资源不均衡问题方面具有显著作用。这些研究启示商科教育的核心任务：将工作经验、金融工具与技术创新叠加，产生远高于单一学习的复合效应。

　　对于“AI时代商科到底要教什么”这一问题，倪海英指出，高金已率先行动，积极探索AI与商科教育的深度融合，形成了理念与实践并重，关注成果转化的教学体系。

　　为此，高金创新性地将MBA课程分为三大模块。“风险共担，躬身入局”模块秉持“在实战中成长”的理念，通过深度参与真实企业项目，承担真实角色的实践，系统提升科技创新与产业协同的实战水平。“培养可迁移的技能”融合了AI理论学习、工具实操与标杆企业参访等形式，帮助学员实现“懂原理、善整合、控风险”的能力跃升。“构建有价值的AI应用生态”模块依托交大AI优势，通过AI前沿交叉论坛、学联AI俱乐部、金二代AI夏令营等形式的活动，打造开放联动的AI学习生态圈，为学员提供长期成长的平台。

　　倪海英还介绍，近期高金MBA将推出三个课程项目。其中，“AI4U”项目包含“Summer Bootcamp”与“人工智能及认知框架”课程，涉及大模型发展、机器学习、深度学习、人形机器人等AI核心应用和前沿理念，帮助学员构建全面的AI认知体系和技术应用能力。“AI4leader”项目涵盖AI战略思维、AI交互核心、AI Agent与工作流重构等课程，着重培养用AI思维识别问题，寻找解决方案，引领组织变革的能力。“AI4All”项目则立足于AI与产业深度融合的需求，引导学员参与科技成果转化、人工智能商业应用、前沿科技实践及企业并购实践的全流程。

　　最后，倪海英强调，“要成为AI时代的产业组织者，需要具备能预判趋势的洞见力，让产业落地的共创力和可持续增长的抗险力，这要求新一代管理者以投资者视角评估科技价值，用创业者视角在技术浪潮中找到破局点。”高金的这套全新AI课程，是我们实现从技术突破到产业落地的有力抓手。

　　在主题演讲环节，上海交通大学副教授张拳石以“神经网络是否可以被严谨地解释清楚？Scaling Law是否会成为大模型永远的桎梏？”为题，分享了目前人工智能发展的瓶颈与突破方向。

　　张拳石教授指出，人工智能虽然在近年来快速发展，但仍面临两大核心挑战：模型逻辑的可解释性和Scaling Law的局限性，由此而产生的评测、训练与推广问题，成了AI产业亟待解决的三大难题。他同时提醒，在端到端训练神经网络的过程中，如果我们只惩罚模型输出，而不惩罚底层机理，AI在技术层面很难有所突破。

　　关于能真正打破Scaling Law的方法，张教授团队取得了关键技术成果——严格证明大模型的复杂决策逻辑可以被解释为稀疏的交互逻辑。这种神经网络的交互呈现出四个特性，首先是无限拟合性，即无论怎样遮挡输入样本，基于交互概念的符号逻辑模型均可精确拟合出神经网络在遮挡样本上的输出。第二是稀疏性，神经网络往往只建模少量的显著交互，而大部分交互都是数值效用接近于0的噪声。第三是样本间的迁移性，神经网络在同一类别的不同样本上往往建模了相似的显著交互。第四是模型间的泛化性，面向同一任务的不同神经网络往往建模了相似的交互。

　　张教授强调，要真正突破大模型的限制，企业和科研机构必须从“结果导向的评测”转向“机理导向的评测”，在训练中保留可泛化的逻辑概念，从而提升神经网络的健康度与市场落地能力。这一研究方向为未来AI技术的可持续发展提供了新思路。

　　在随后的圆桌论坛上，四位来自产业、科研与创业前沿的嘉宾围绕“投资自己、投资产业、投资北京”展开了深入讨论。

　　碳路先锋科技有限公司创始人兼CEO王春翔分享了他在电力交易与碳交易领域的AI实践探索。他指出，大模型在处理海量数据和动态交易规则时容易产生“AI幻觉”，需要在模型设计、数据选择等多个环节提高准确性。为此，公司采用RAG（知识检索增强生成）技术连接知识库，提升模型的可解释性与准确性。

　　此外，他表示，AI时代个人竞争力源于主动拥抱变革，通过持续学习构建新思维和新能力。交大高金全新升级的MBA课程体系，旨在培养面向AI时代的复合能力，能助力个人在此轮商业范式转变中赢得未来。

　　京东科技高级经理杨恺博士则从金融风控的角度出发，分析了大模型的实际应用与挑战。他认为，风控领域是较早拥抱AI的行业，大模型的引入不仅是技术上的升级，更是工作模式的变革。

　　在企业金融方面，传统依赖专家审批的模式难以规模化，导致中小微企业融资困难。杨恺团队利用AI技术把不同专家的经验沉淀下来，通过解读财务报告，分析运营状况，汇总舆论信息来判断企业的现状和未来，提升风险识别能力，辅助专家决策。

　　对于提升个人竞争力，杨恺也坦言，未来会有很多工作被AI替代，但当下我们仍需抓住重点：首先找到自己的核心价值，再利用AI等技术放大优势、引领变革。他同时提醒，应警惕高估技术短期影响，而低估其长期效应的思维，保持持续进化的心态。

　　在“企业如何让AI落地”的核心问题上，某国央企人工智能与智慧运营中心副总表示，在这场AI浪潮中，要想全面拥抱AI，必须是企业层面的推进，创始人或一把手亲身参与。在变革过程中，需要先明确AI技术具备的能力及产生的结果，再围绕AI调整组织架构、业务流程、IT系统，这才是以AI为中心的思维模式和设计模式。

　　作为圆桌主持人，上海本原智数科技有限公司创始人、交大凯原法学院校友李逆勇也结合自身创业与行业观察，分享了对AI时代数据服务与产业落地的思考。

　　他指出，企业能否完成大模型化转型，关键取决于两点：一是数据就绪度，若企业数据仍停留在纸质或线下形态，难以支撑模型化转型；数字化、结构化程度越高越容易切入AI。二是行业容错率，当前大模型仍存在“幻觉”问题，若行业对准确率要求极高（如99.99%），短期内并不适合，而客服、营销等容错度较高的场景更适合先行落地。

　　对于未来格局，李逆勇认为数据服务行业将呈现“强者恒强、赢者通吃”的趋势，并简要梳理了数字资产发展的三步路径：从原始数据到高质量数据（数据标注企业）、从高质量数据到数据资产（数据交易所）、再到数据资本化（金融机构）。他总结道：“数据质量决定模型上限，数字资产价值链正在形成从采集、标注到交易和金融化的完整闭环。”