区块链到底该怎么玩？我们跟诺贝尔经济学奖得主聊了聊

来   源：21世纪经济报道

编者注：原标题为《区块链到底该怎么玩？中国经济未来怎么走？我们跟诺贝尔经济学奖得主聊了聊（万字干货）》。本文作了不改变作者原意的删减。

导读： 12月5日，由中央广播电视总台粤港澳大湾区总部和南方财经全媒体集团主办、21世纪经济报道承办的“创新与开放的中国资本市场——2019南方财经国际论坛”在广州市保利洲际酒店隆重召开。来自监管层、全球主要证券交易所、海内外知名经济学家、全球主流投资机构、大型企业界的代表群贤毕至，共同探讨资本市场创新与开放的新挑战、新机遇。

2011年诺贝尔经济学奖获得者托马斯•萨金特教授就人工智能和大数据为主题发表了主旨演讲，他指出，在人工智能、区块链技术和数字货币等创新领域，中国都处于相对领先位置。随后的对话环节，中国平安首席科学家肖京与他就相关议题进行了深度探讨。

对话经济学诺奖得主托马斯·萨金特

“在人工智能和数字货币领域，对于中国来说，已经相对领先。”在本次论坛的“诺贝尔奖专场”上，2011年诺贝尔经济学家得主、纽约大学经济学教授托马斯·萨金特发表演讲时表示。

托马斯·萨金特指出：

“从传统经济学角度来看，亚当斯密崇尚自由贸易，并十分重视专业化，而这需要一个足够大的竞争市场。中国这样的国家，进行改革开放与更多的国家进行贸易沟通和交往便是很好的，因为市场容量足够大，可以让各方发挥自己的长处。”

然而，大型市场也存在一些困难和挑战。

首先是交通运输方面的成本问题，这需要更多的资源，能够将商品自由运输，其次是通讯和沟通的费用，相对昂贵。

此外，这其中还存在着信用风险。

托马斯·萨金特表示：

“总会有人想着去盗窃别人的东西，让彼此产生不信任。有时候做出的一些承诺，并没有如期履行，这样会造成不诚信。加上验证和执行的费用，让贸易变得很困难。”

“如果能够将这些问题都解决，就能够创造更多的经济价值，所以我们要鼓励和创造这些新的技术，人工智能、区块链就是非常好的技术，它能够做很多关键性的任务。”

2011年诺贝尔经济学家得主、纽约大学经济学教授托马斯·萨金特

对于区块链技术，他认为，区块链作为一种数据结构，可以通过一种大家彼此信任的方式进行记录，每个人的交易都能够记录下来，包括收入以及支出的账款。

而人工智能与区块链技术又存在着明显的不同。

托马斯·萨金特表示：

“区块链是确定性的，不是随机性的，它也是永久性，这些记录没有办法改变，同时它是记录独特密码的算法，能够记录独一无二的事实，它不会有任何的模糊性，是非常准确的。”

然而，人工智能则具备一定概率性、随机性的特点，能够很好地猜测未知现实。

托马斯·萨金特表示，在这个领域中，新的成果正不断涌现：

“人工智能和区块链，两个技术各有不同，又相互互补。随着区块链的进一步发展，我们既可以高效分享，还可以有效保护隐私。”

托马斯·萨金特对话肖京： 中国在人工智能和数字货币领域相对领先

在演讲结束之后，对于区块链、人工智能等的发展趋势，托马斯·萨金特和中国平安首席科学家肖京还进行了专场对话。

专场对话现场

人工智能和区块链的未来

肖京： 区块链是基础架构，具备高效、不可篡改的特点，人工智能则能提供一些可见的预测，可以帮助我们更好更高效的决策，完成任务。这两种技术互补。目前区块链比AI更火，请问实际应用区块链有哪些障碍和挑战？

托马斯·萨金特： 讲到区块链，人们觉得这是很惊天动地的想法。但如果开一家大公司，其实也需要在公司不同的部门之间进行分享。我们用计算机的时候，其实电脑程序内部也做了计算机本身的分享和验证。如果你深挖下去，区块链的想法没有一开始说的那么惊天动地，其实不同的公司或者国家本身也有这样分享的机制。

现在我们面临的一个情形，是可以把事情做得更好、更有效率，交易更简便，可是有很多的国家不愿意做，这是他们自己掌控的一个权力。事实上，有很多金融管理机构对这个技术感兴趣，我觉得中国央行的技术已经做得很好，他们对区块链也比我更加了解。

肖京： 很多人担忧区块链技术的真实性、有效性和透明性问题，是因为他们加入区块链技术后，不知道如何进行有效验证？

托马斯·萨金特： 这个问题通常都会发生。有了一个新的技术，有些人可能会在那里看着电脑，挠着头搞不清楚，但也会有人会觉得这个技术真棒。我觉得区块链技术有很多优点，但也有很多问题需要解决，所有新出来的技术都是这样。

肖京： 如果比较一下区块链和比特币的话，比特币并不是特别的有效，从金融服务的角度我们需要非常高的效率？

托马斯·萨金特： 是的，因为人们正在想如何把它变得高效，在操作方面是不是有一个更好的方法，区块链给我们带来很好的交易方式，可是我们可以把它变得更好。

肖京： 中国央行正在开发数字货币支付，同时美国的Facebook等公司也在研发新的技术，这也是一个非常强大的数字货币模式。你觉得Facebook的Libra有没有机会存留下来，因为它最近还没有通过听证会。很多政府不允许数字货币出现，特别是私营公司管控数字货币，这样的数字货币有没有突破口？

托马斯·萨金特： 中国可以好好研究一下。数字货币是和信用体系息息相关的，比如存款或者买保险，还是会有自己的一些存款信息和其他的信用信息。美国的银行，还有美国的金融机构都在做这个事情，政府机构也在研究这个问题，我们能不能有相关的管理系统、管理流程体系和这个技术匹配。

创新的应用场景

肖京： 刚才讲到一个应用——供应链金融，有没有例子可以跟我们分享一下？

托马斯·萨金特： 很多的创新和创意都来自于银行界，来自于金融行业、金融机构。这是一个很好的良性互动，从科学的角度、数据的角度，以及金融机构和普通人的角度，把他们联系起来了，因为整个系统创造出一个非常好的一种技术。我们以前的技术觉得好像就像玩具一样，其实并不是，我们现在已经广泛使用了，有很多的经济学教授、金融机构、银行业的从业者，他们都拥抱了这些新的技术。

肖京： 神经网络是AI中的一个技术，在金融行业使用AI技术的时候，是不是有一些不同点？在美国非常多的在AI上面的投资，不管是对冲基金、还是银行。对于传统的金融行业，商业银行、保险行业使用AI技术的公司并没有那么多，你觉得呢？

托马斯·萨金特： 我没有一个很好的答案。简单来说在一些老的行业，可能会有一些大银行，已经垄断了整个行业，没有那么强的竞争性，也没有那么很好的创新性。可是有一些新的加入者，他们会看到有新的机会点，愿意承担风险，使用新的技术。这都是在反复出现的情形，在美国也是这样。

在1950年代的时候，美国人造的车是最好的，1980年代末最好的车不是在美国生产，大部分是在日本生产，它不会熄火，而且车价更加低。讲到创新，讲到行业结构，1980年代的日本造车企业更加有竞争性，他们对美国的汽车行业造成了很大的威胁，我在每一种行业都看到这种情形。

肖京： 在很多的领域深度的学习都有进展，但在金融服务业，特别是传统的经济预测，或者量化交易，这些方面他们还是使用早期的模型，比如用一些参数比较稳定的可解读的模型，还没有开始使用深度学习的算法，您觉得这是不是好的研究方向？

托马斯·萨金特： 这是一个很好的想法。现在有人已经开始研究，包括一个朋友，他是深圳的一个教授，他正在建一个模型，这个模型非常实用，它是交易模型，但是过程当中有一个非常复杂的算术算法，有很重要的一部分用了深度学习和模拟器，用得非常的巧妙。他是很聪明的一个中国数学家，已经把深度学习用于模型建设，这是一个非常好的前景。如果你有机会了解阿尔法狗打败最强棋手，它是怎么做到的？这其中就包括学习的方法，这个模式编得非常巧妙。