全球数字经济财税金融动态(2024年4月）

全球数字经济财税金融动态 阿里研究院2024年4月30日 目录 一、数字经济技术与产业前沿 1.世界银行：人工智能对数据开发利用的变革作用 2.谷歌DeepMind的新AlphaFold模型在药物发现领域的应用3.金融时报：蓬勃发展的人工智能需求威胁全球电力供应 4.波士顿大学教授CareyMorewedge等：汽车制造商如何应对自动驾驶汽车推广的阻力 5.OpenAI发布大语言模型GPT-4Turbo的最新版本 6.Meta发布其最新大语言模型Llama3的初期版本 7.世界经济论坛：数字化备件助力制造业解决供应链问题 8.斯坦福大学发布《2024年人工智能指数报告》 9.《全球银行与金融评论》：人工智能和机器学习在金融服务质保的四项创新应用 10.麦肯锡：量子技术的产业影响与投资趋势 二、数字经济财税政策与观点 11.国际组织及部分国家4月实施“双支柱”方案取得的新进展 12.安永：由审计师驱动、人工智能（AI）支持的数字审计 13.非洲税收征管论坛发布非洲国家对数字企业征税的政策简报 14.亚洲开发银行和亚太经合组织相继发布数字贸易报告 15.税收基金会发布《世界各地的数字税》报告 16.美国国家经济研究协会经济咨询公司：金额A对美国企业所得税收入的影响分析17.慕尼黑大学教授AndreasHaufler等：全球最低税对竞争的影响 18.波兰拉扎尔斯基大学BłażejKuźniacki教授：支柱二给非发达经济体带来的挑战 19.密歇根大学教授Avi-Yonah：如何应对投资协定对支柱二规则的挑战 三、数字经济金融政策与观点 20.国际清算银行推出探索跨境支付代币化的Agorá项目 21.数据平台PYMNTS：银行财报聚焦全面数字化转型 22.《全球银行与金融评论》：开放银行和跨境支付的进步与挑战 23.德意志联邦银行主席JoachimNagel：数字欧元的多维优点 24.区块链网站LedgerInsights：英国与欧盟在促进分布式账本技术发展领域的政策对比 25.彭博社：英国监管机构阐述金融服务领域适用人工智能（AI）的最新观点 26.香港金融监管局发表关于金融监管科技的见解 27.芝加哥大学博士AgustínCarstens等：Finternet——未来的金融系统 四、综合性财税金融资讯 28.部分经济体4月公布的财税政策（咨询）摘编 29.OECD发布《对工资征税（2024年版）》报告 30.OECD发布《无国界税务稽查倡议2024年度报告》 31.英国兰卡斯特大学教授SolPicciotto：《联合国国际税务合作框架公约》的设计图景 32.瑞士圣加仑大学教授Peter：多边主义是《联合国国际税务合作框架公约》成功的关键 33.英国卫报：德国、巴西、南非和西班牙四国部长呼吁对亿万富翁征全球财富税 34.IMF：亚洲经济增长和通胀削减的前景改善，但风险犹存 35.布鲁金斯学会发布《21世纪全球金融架构的改革》报告 1.世界银行：人工智能（AI）对数据开发利用的变革作用。（1）AI通过元数据增强（MetadataAugmentation）改变数据的记录方式。元数据（Metadata）是描述数据属性的数据，用来支持指示存储位置、历史数据、资源查找、文件记录等功能。元数据能确保研究人员找到最佳现有数据并从中获取知识。但元数据的可用性和质量是决定数据是否易于理解、可发现和可再利用的一个重要制约因素。记录数据和整理元数据的过程往往是一个手动、繁琐且耗时的过程，这导致许多数据集缺乏详细元数据来确保可访问性和再利用性，一直处于隐藏和未充分利用的状态。AI提供的元数据增强这一变革性解决办法有可能使元数据的生成和增强实现自动化。生成式AI可从调查报告和数据字典中自动生成摘要、介绍和主题思想，自动提取和生成关键词从而改进搜索结果。这有利于数据生产者、管理者和用户获得更丰富的元数据，从而提高数据的利用率和再利用率。（2）AI提供最相关的数据用于数据发现（DataDiscovery）。传统的数据发现系统通常依赖于词法搜索或关键字搜索，但是查找内容仅限于元数据中的确切关键字。同时，不熟悉专门术语的用户在使用这种基于关键字搜索的系统时，可能因不知道要搜索的确切术语而错过相关数据。因此，数据发现系统不仅应该对元数据进行索引，还应该理解术语之间的上下文关系，确保搜索结果全面且相关。诸如混合搜索、语义搜索、知识图谱和推荐系统等AI技术的实施可以显著增强数据发现系统，进而让用户能够花费尽可能少的时间找到他们需要的数据。（3）AI通过大语言模型优化数据使用情况评估。鉴于研究人员在界定或表述他们在文献中使用的数据方式上具有很大区别，因此衡量数据如何或是否被使用仍然是一个挑战。大语言模型可从非结构化文本中提取结构化信息，创建一个“数据使用数据库”，从而分析数据对信息传递和知识生成的影响，优化数据使用的评估方式。（4）利用AI生成合成数据（SyntheticData）突破数据传播的限制。隐私和安全问题限制了数据的有效传播。合成数据是通过算法、统计模型或AI生成的数据，而非真实的观测数据，例如，以敏感数据集为基础生成的不包含敏感信息但包含其他信息的数据。联合国欧洲经济委员会发布的《官方统计合成数据指南》表明，使用更先进的AI生成合成数据提供了创建真实数据的方法，合成数据既可为用户提供分析见解，也可最大限度地减少披露风险。 2.谷歌DeepMind的新AlphaFold模型在药物发现领域的应用。5月8日，谷歌旗下的最强AI研究机构DeepMind发布了其生物学预测工具AlphaFold的改进版AlphaFold3。该模型不仅可以预测蛋白质的结构，还可以预测几乎所有生物元素的结构。这一发展有助于加速药物发现和其他科学研究。目前，该工具正被用于鉴定从抗逆作物到新型疫苗的各种实验。DeepMind表示，AlphaFold3现在可以预测DNA、RNA和配体等分子的结构，该工具能提供比以往任何工具都更细致、更动态的分子相互作用画像。DeepMind首席执行官DemisHassabis表示：“生物学是一个动态系统，生物学的特性是通过细胞中不同分子之间的相互作用而产生的，你可以把AlphaFold3看作是我们向建模迈出的第一步。AlphaFold2帮助我们更好地绘制了人类心脏图谱，建立了抗菌素耐药性模型，但AlphaFold2系统只知道氨基酸，因此对生物制药的作用非常有限。”哥伦比亚大学系统生物学助理教授MohammedAlQuraishi对此表示赞同，同时指出，由于新版模型AlphaFold3原则上可以预测药物与蛋白质结合的位置，因此其将更有利于药物发现。据DeepMind称，旗下的IsomorphicLab已经在为此目的使用该模型，与制药公司合作尝试开发新的疾病治疗方法，AlphaFold3的预测准确率可以达到40%到80%以上不等。但不管准确率有多高，如果研究人员试图迈出第一步来回答一个问题，如哪种酶有可能分解水瓶中的塑料，那么使用AlphaFold3这样的工具要比使用X射线晶体学等实验技术有效得多。但需要注意的是，AlphaFold3也带来了新的风险，即扩散技术的使用导致模型有可能产生幻觉，或者生成看起来合理但实际上并不存在的结构。研究人员可通过在最容易产生幻觉的区域添加更多的训练数据来降低这种风险，但并不能完全消除风险。 3.金融时报：蓬勃发展的人工智能（AI）需求威胁全球电力供应。特斯拉CEO埃隆·马斯克表示，虽然去年AI的发展受到了“芯片限制”，但这项尖端技术的最新瓶颈是“电力供应”。亚马逊首席执行官AndyJassy表示，现在没有足够的能源来运行新的生成式AI服务。亚马逊、微软和谷歌母公司Alphabet正投资数十亿美元建设计算基础设施来增强其AI能力，其中包括通常需要数年时间规划和建设的数据中心，但一些最受欢迎的设施建设正面临容量限制。施耐德电气公司副总裁PankajSharma表示，对数据中心的需求一直存在，但从未 像现在这样强烈。该公司数据中心部门正在与芯片制造商英伟达合作，设计对AI工作负载进行优化的数据中心。当下，为应对不断加速的气候变化，世界各国需要履行可再生能源承诺。在此背景下，电力供应问题加剧了人们对最新技术热潮对环境影响的担忧。研究机构DgtlInfra预计，2024年全球数据中心建设的资本支出将超过2250亿美元。英伟达首席执行官黄仁勋表示，未来几年将需要建设价值1万亿美元的数据中心来支持生成式AI。即使系统变得更加高效，这种增长也需要大量电力。根据国际能源署的数据，到2026年，全球数据 中心的耗电量将增加一倍多，达到1000万亿瓦时，这一数字大致相当于日本一个国家的年度耗电量，而AI产业预计将“呈指数级”增长，其耗电量将至少是2023年需求量的10倍。国际能源署表示，政策的更新和技术的改进，包括效率方面的改进，对于减缓数据中心能源消耗的激增至关重要。为了满足AI电力需求，爱尔兰、荷兰等国已颁布政策限制新数据中心的开发。此外，电力瓶颈也引发了数据中心开发商对核能发电的兴趣，例如微软今年聘请了一位“加速核开发”总监。 4.波士顿大学教授CareyMorewedge等：汽车制造商如何应对自动驾驶汽车推广的阻力。自动驾驶汽车（AutomatedVehicle）可以大幅减少人为失误导致的死亡，从而提升道路安全水平。但是，高估自己驾驶技术的司机可能会推迟采用自动驾驶汽车。Carey教授等人的最新研究揭示了人类的利己主义 （Egotism）是阻碍自动驾驶汽车的一个偏见。研究显示，研究参与者认为自动驾驶汽车是值得信赖和安全的，但自己会比自动驾驶汽车和其他驾驶者更安全、更值得信赖，因而大多数人更喜欢自动化程度较低的汽车。但与此同时，参与者更倾向于为其他驾驶者提供自动化程度更高的汽车。为消除这种偏见，加速自动驾驶汽车的主流采用，Carey教授等人提出了五种方法：（1）宣传自动驾驶汽车对他人（如子女和父母）安全的益处，而不仅仅是以促销为目标。 （2）将自动驾驶汽车定位为人类驾驶员的补充，而非全面替代。人们不愿意将他们认为对其身份至关重要的任务自动化，因为手动完成任务会增强他们的自尊心。如果将自动驾驶汽车的市场定位设置为是对驾驶技能的补充，而不是替代，那么认同该观点的消费者就更有可能购买自动驾驶汽车。（3）提供关于人类驾驶汽车和自动驾驶汽车造成事故的确凿数据，如事故统计、燃料消耗或排 放等环境影响数据，可以提高自动驾驶的接受度。（4）帮助消费者了解和克服偏见。为消费者提供驾驶技能自我评估服务，可以让他们更准确地评估自己的驾驶能力，从而提高采用率。播放教学视频、提供个性化的驾驶能力反馈、在征得同意的情况下收集客户的驾驶数据并对驾驶安全性进行分类，可以减少人类驾驶者的利己主义偏见。（5）引入激励机制。保险折扣、税收减免、为采用自动驾驶汽车的消费者预留专用车道等激励措施，可能会让消费者减少对乘坐自动驾驶汽车所带来的损失（尤其是控制感）的关注。 5.OpenAI发布大语言模型GPT-4Turbo的最新版本。4月9日，OpenAI通过OpenAIAPI向开发者提供大型多模态模型GPT-4Turbo的最新版本GPT-4TurbowithVision。这一最新型号大语言模型保留了128000个Token上下文窗口（相当于大于300页的书籍或文档，Token通常用来表示文本数据中的一个单元），其训练数据截至2023年12月。与此前版本相比，新版本的主要区别在于它的视觉功能，可以理解图像和视觉内容，并针对有关图像的问题提供文本响应。在带有视觉功能的GPT-4Turbo出现之前，开发人员必须调用不同的模型来处理文本和图像。现在，开发人员只需调用一个模型，就能同时处理文本和图像，从而简化了流程，创建了更高效的应用程序，并为广泛的用例打开了大门。OpenAI分享了开发人员已经使用该模型的一些方式。例如，AI软件工程助理Devin用GPT-4Turbo更好地协助编码；健康和健身应用程序Healthify用其来扫描用户膳食的照片，并通过照片识别提供营