本次2024 FinTechathon深圳国际金融科技大赛——西丽湖金融科技大学生挑战赛，是一场面向金融科技前沿技术领域的学生团队竞赛活动，致力于推动国内外高校学生探索金融科技领域的技术应用创新，促进政、学、企三方交流，全面提高学生的创新能力、实践能力和就业竞争力。过往五届共吸引超5000余名来自海内外知名高校的学生参赛，成功在行业内掀起科技创新浪潮。今年大赛依旧围绕人工智能、区块链、金融产品经理三大赛道，多维挖掘高校学生的优秀金融科技创新成果。

为了帮助同学们深入了解金融科技前沿成果，尽快熟悉和理解赛题赛制，10月15日，本届大赛的线上技术公开课上线。微众银行区块链首席架构师张开翔、微众银行人工智能资深研究员范涛、微众银行DRAM工作室负责人刘江围绕区块链、人工智能、金融产品经理等话题展开了主题分享，并介绍了各赛道赛题赛制的相关细节，给大家带来了一系列参赛小锦囊和高分秘籍，在线回答了同学们最关心的问题。以下为本期公开课直播精华内容整理：

微众银行区块链首席架构师张开翔：“揭秘区块链赛道高分秘籍”

本届大赛的区块链赛道主题是半开放赛题，旨在鼓励参赛选手基于FISCO BCOS平台及微众区块链系列开源技术，结合金融科技或数字金融领域的真实场景，设计并开发一套区块链系统。

张开翔首先介绍了几个历年来的优秀案例，包括面向AIGC创作的文化数字产品运营平台、面向区块链的细粒度数据权限管理系统、面向隐私保护的医药大数据可信流转溯源方案等。从而对于议题进行了解释。即，需寻找具有实际应用价值且可能更为有趣的落地场景。

张开翔指出：“当前热议的'数字化'实则是一个逐步演进的过程。曾经，我们必须亲自前往银行柜台使用存折取款。反观如今，当你踏入银行，会发现传统的栏杆式柜台已不复存在，取而代之的是机器人与自助柜员机提供的便捷服务。当前正涌现的新数字场景，如VR眼镜、AI技术的融入，使体验更加数字化与沉浸。因此你们的作品可尝试向未来稍作延伸。不妨设想，如何结合区块链、AI、VR及其他数字化技术，创造一个多元化、有趣且创新的场景。”

而对于作品内容，张开翔列举了多个例子，其中对于智能合约的数字资产类型也做了举例讲解，

何为份额型资产？举例来说，微信零钱便是一种份额型资产。假设我有100元零钱，消费了5元后，剩余95元。这95元与未被消费的5元在本质上并无区别，都属于同一份零钱的一部分，这便是份额型资产的一种体现。某些财富或资产，如股票期权，也可能属于份额型。

那么，何为不可分割资产呢？一个钻石、一辆汽车、一枚戒指或一张图片，这些物品在物理形态上是不可分割的。当它们被数字化并上链后，便成为了数字资产。对于这些资产，可以转让其所有权，也可以进行出租，甚至可以进行二次开发和使用。然而，它们的不可分割性和独特性依然保持不变。

张开翔从大赛评委的角度提出，评委更希望看到选手拿出一些在具备实用价值的前提下有新意、好玩的作品。例如去年北邮团队提供了一个面向AIGC创作的文化数字运营平台，结合区块链去给作品确权、流转，就很有设计新意及实用性。对于作品“创新性”。参赛者应从当下时代出发，或是立足于作为年轻人的期望。比如，思考未来工作中，年轻人如何享受或使用金融服务，从中挖掘创新点。会让作品更加出色。

微众银行人工智能资深研究员范涛：“金融领域AI Agent和联邦大模型”

Agent是一种面向应用端的大模型解决方案。我们可以将大模型视为一种通用的能力，在将其适配到各个具体领域或场景时，需要构建一个针对特定任务的Agent。这一背景实际上体现了大模型能力与领域知识、具体场景相结合的产物，形成了一种具有实际应用形态的产品形态。

围绕AI Agent，范涛举了多个场景。

场景1：客服

在当今社会，我们能接触到的各类客服电话，其中不少是由机器人拨打的。这些机器人电话之所以能让用户在接听时不感到反感，甚至愿意继续交流，背后蕴含了众多技术。这些技术包括如何根据用户需求匹配最合适的语音对话形式，以及如何准确识别用户的意图等。这些都是客服机器人在其工作流程中需要完成的任务。

场景2：营销

营销无疑是整个互联网领域中极为关键的一环。通过为产品提供精准的市场定位，可以找到最适合的目标人群，并投放最契合的内容。在此过程中，我们可以观察到两个重要的主题：一是创意素材的生成，二是目标客群的精准定位。

随着大模型的兴起，无论单模态还是多模态，都提供了强大的工具和能力。在文案、创意以及图文、视频等内容的生成方面，大模型展现出了非凡的潜力。同时，在为云产品找到精准目标客群方面，也应充分利用大数据和人工智能技术，实现千人千面的个性化营销推广。

这其中会涉及一些隐私问题，特别是数据隐私，包括平台方、广告平台方以及业务侧相关的数据。如何在保护隐私的同时进行有效的营销呢？

实际上，人工智能领域给出的例子往往与营销场景紧密相关。例如，在营销素材生成方面，大模型在视频风格化、背景替换以及多图合成视频等方面展现出强大的能力。本次大赛围绕生成式技术（例如生成大量图片和人脸）来探讨如何规避机器作弊的问题，并研究系统如何对抗或识别此类风险。

进入大模型时代，大模型的落地仍面临一个关键问题，即如何将大模型与领域数据相结合。为此范涛介绍了一种新的技术——联邦迁移大模型。该技术旨在将大模型的通用能力与本地数据进行融合，通过学习，生成一个本地的小模型。在此过程中，大模型不仅能指导小模型的训练，保护隐私，还能使小模型继承大模型的通用能力。