觀點一：雙循環格局下中國數字經濟發展勢頭強勁、前景廣闊。

數字經濟科技解鎖生產瓶頸這是一個不爭的事實?？萍甲鳛榈谝簧a力的作用是加速度的，以“數據+算力+算法”來推動生產力的發展，以此為技術基礎的數字經濟正在以超出想象的速度帶來生產力的變革，突破一個又一個瓶頸。

需求是經濟的源動力和主引擎。中國即將成為全球最大的消費市場，自然也是全球最大的需求源泉，所以我們提出內部大循環這個概念在邏輯上本身是成立的。 

中國還是數字經濟最多元化的場景提供者和最前沿技術的最佳試驗場。無論是G端、C端還是B端，中國都是數字經濟場景的富礦和數字經濟應用的海洋。 

新經濟格局的國內大循環是吸引國際科技的重力場，而雙循環與數字經濟開放和交互是相得益彰的。數字經濟是雙循環新經濟格局重要的支撐力量。

觀點二：數字經濟具有集成性、非線性衍進、變異突變和低預測性的特征。

集成性：數字經濟對數據資源的整合有著高度的渴求。在數據匯聚和融合的帶動下，我們會發現，資本、人力等其他要素資源也需要隨之進行有效的整合，這會進一步加速數據資源的集成。 

非線性：數字經濟時代，增長是多維度的、結構性的，是非線性的。數字經濟的特征在于數據資源的集成帶來經濟產出的非線性增長，其投入產出在數字化邏輯下形成“1×1>1”的效果。

突變性：數字經濟的突變性和低預測性，源于經濟活動的虛擬化程度在加深，它的多元化程度也在加深。數字經濟看的是一個系統，它不是價值鏈、供應鏈、產業鏈，它是產業系統、價值系統、供應系統。數字經濟時代，信息交換是高頻進行，這種非線性因果關系作用下，熱點頻出的同時也容易轉瞬即逝，而突變、變異的概率會大大提升。 

觀點三：大數據之“大”在于數據的整體性，而筒倉和信息繭房效應制約大數據分析工具的充分利用，分割的數據難以成就大數據“大”的優勢。

數字經濟要大數據能“大”得起來才行，不僅是體量上的“大”，更重要的是維度層面的“大”。如果數據資源相互割裂、壁壘高企，那么這一重要生產要素的作用和范圍就會大打折扣，其應用水平和對全社會的賦能也必然受到巨大制約。

筒倉效應就是缺乏橫向溝通，深層次原因是信息發現和信息交換的成本比較高，所以大家就變成數據的“不知用、不能用、不好用、不給用”。要破解筒倉效應，要降低數據信息的發現成本和交換成本，充分運用科技手段，加強數據治理，促進信息共享和融合。 

繭房效應的產生，客觀上是由于推薦算法具有“正反饋”的特點，機器學習本身對相關性的“剪取”導致選擇的固化，所以我們大家都喜歡聽到跟我們觀點一樣的聲音。要打破繭房效應，需要引入一定的隨機性和靈活性，有些時候要從多個來源檢索數據的真實有效性。

觀點四：聯邦學習對數據保密和大數據運用的兼顧和平衡。

因為數據方面有隱私保護，不同機構無法有效地分享，限制了模型的可用，導致模型效果大打折扣。同時，傳統的大數據建模合作方式要求數據以明文形式集中進行存放，擴大了數據集中泄露風險。為解決這些問題，業界涌現出聯邦學習、多方安全計算、可信執行環境等解決方案。

觀點五：算法和模型存在系統性風險特征，一旦“黑盒子”的算法出現問題，則風險是系統性的。

近些年模型和算法在金融領域被廣泛應用的實踐，很多模型是“黑盒子”，一旦算法出現問題，會對整個金融體系和實體經濟產生系統性的沖擊。原因大體有三：

首先是數據及模型本身存在局限性和滯后性，各類預測模型都是借助歷史數據來預判未來的風險和趨勢。其次是模型使用存在一定的同質性和關聯性。最后是金融機構對模型的依賴過高。

所以，我們在深入推進科技賦能的同時，也要深刻認識到科技并非萬能。需綜合運用系統量化、人工研判和其他風險管理手段，平衡好各類工具和風險經驗的關系。 

觀點六：數據風險和網絡風險等新質風險與傳統風險的特征和管理方法是不一樣的，需要辯證繼承傳統理論，革故鼎新。

數據是新時代的資產，網絡是新時代的渠道，對于數據和網絡風險的管理本質依然是資產管控和渠道管控。因此，應對數據風險和網絡風險等新質風險，需要辯證繼承傳統理論，革故鼎新。不能以低維方法應對高維問題，不能以傳統思維處置新質風險；而必須以數字化思維和手段去解決數字時代的風險和問題。