编者按：2025年4月19日，第二届中国哲学社会科学实验室论坛在清华主楼接待厅举行。本次论坛以“数智技术赋能哲学社会科学实验研究”为主题，旨在汇聚相关哲学社会科学实验室建设单位，搭建“交叉、创新、开放、合作”学术共同体，以促进中国特色哲学社会科学实验室建设与合作。来自国内高校与科研机构的72家重点实验室负责人和相关专家学者160余人参加论坛，就“AI赋能实验室建设”、“AI赋能哲学社会科学学科创新”等核心议题开展分享交流。
中山大学大数据管理行为与决策实验室学术主任韦立坚以《产学研融合构建社会科学研究的数智技术中台》为题发表主旨演讲。本文根据韦立坚教授现场发言内容整理。
韦立坚发表主旨演讲
我们实验室从2017年开始筹划，根据中山大学提出的“大项目、大团队、大平台”的建设战略来推进。2018年，实验室主任王帆教授带领我和同事们成功申请到国家自然科学基金联合基金中心项目——基于大数据的地方金融安全智能预警与防控系统，获得了2450万总经费的支持，并组织了中山大学计算机学院以及全国十所高校的专家共同参与。根据项目要求，项目需要依托计算机学科和国家超级计算广州中心的超算资源，这促使我们开启了跨学科融合的探索之旅。在项目推进过程中，我们顺势组建了大数据中心，以此为基础上于2021年成功获批教育部首批哲学社会科学实验室（培育）。所以我们实验室是先有大项目，然后有大团队和大平台。
在实验室建设过程中，我们也面临着诸多挑战。我们实验室的研究涵盖金融、财务、会计、营销、旅游医疗健康管理和企业数智化转型等多个管理领域，各领域所采用的方法和工具还是存在不少差异的。技术中台通常包含数据、算力、算法等要素，然而现实情况是，最好的数据、最先进的大模型以及最强的算力大多掌握在业界，高校在这些方面相对薄弱。因此，我们深刻认识到产学研合作的必要性，通过与企业建立联合实验室，依托教育部实验室的平台优势，推动产学研互补发展，这也正是本次演讲主题的由来。
接下来，我是研究金融科技的，下面我以金融科技的研究为例，详细介绍一下我们构建的数据技术中台。从计算机科学架构的角度来看，一般分为“数据-算法-应用”三层，以人脸识别为例，通过先收集脸谱数据并进行数据治理、然后开发深度学习等算法进行识别，最后在门禁等场景进行应用。但在金融等社会科学领域，这种简单的三层构架并不适用。金融是一个复杂演化系统，我们首先要深入探究系统的特征和规律，以此为依据进行数据治理和算法设计。在此基础上，我们构建了基于实时数据的智能分析算法，用于预测和监测风险，并通过“情景-应对”的计算实验方法，在发现风险后对处置风险进行模拟决策。经过多年的项目研究，我们归纳出了一套适用于社会科学研究的“系统理论-数据治理-智能分析-情景模拟-领域应用”的计算分析构架，将数智技术深度融入其中。
数据是社会科学研究的基础材料，在金融数据获取方面，我们购买了多个商业数据库的公开数据，但仅靠这些远远不够，还需与业界紧密合作。我们与省市金融局的风险监测机构合作，获取了包含工商、司法、投诉等内部数据，这些数据为准确分析地方金融机构风险提供了有力支持。然而，数据类型繁多、处理量大，单靠金融研究的教授难以独立完成数据治理工作。因此，我们与国家超算广州中心合作，构建了金融大数据平台，实现了超大规模数据的安全访问和高效分析，有效解决了数据问题。
算力是数据处理和模型训练的关键。我们充分利用国家超算广州中心的算力资源，部署金融领域的各类分析系统。超算中心也借助我们的学术研究成果，将超算资源开放给金融机构使用，实现了超算赋能各类商业应用。在大模型训练方面，高校购买高兴能GPU存在诸多困难，因此我们与校友企业合作，该企业拥有英伟达在中国设立的AI创新赋能中心的合作资源。双方共同成立中山大学-善思开悟AI创新赋能联合实验室，企业购置了12台共96张可以互联互通的高兴能GPU集群，可以用于大模型的预训练和微调。我们将其与“天河二号”超级计算机的算力资源打通实现依托超算“星光云”进行算力纳管和统一调度，构建了“善思一号”超级智算平台，并成功部署了DeepSeek所有版本和Qwen2.5、Llama3等各类开源模型。此外，针对不同领域的专业性需求，我们正在构建专业知识库和领域智能体，如营销智能体、旅游智能体等。在复杂问题处理中，还可以采用多个智能体协同工作的工作流方式。
在仿真技术方面，我们部署了专业仿真工具，如MASON和AnyLogic等。以金融风险处置为例，我们通过对历史风险事件的反演来校准模型，通过改变投资者行为生成新风险情景，最后针对新风险情景制定应对预案，并成功这样的“情景-应对型”风险管理思想应用于股市流动性踩踏风险管理和网络信贷风险防控。以网络信贷风险防控为例，我们对P2P网贷失败的历史事件进行反演，在此基础上模拟网络小贷公司未来可能面临的风险，最后为小贷公司监管提供风险应对和制度设计的政策建议，并在广东省得到了实际应用。
最后，为了更好集成各项研究成果并进行集中展示，我们实验室构建了数据驾驶舱、智慧供应链管理平台、智慧决策剧场和人智交互机器人实验平台等重大设施，依托上述的数智技术中台开展工作。例如我们在金融领域在广东省和广州市金融局的指导下，实现了从计算资源、数据治理、智能分析算法、情景模拟分析、金融场景应用和金融科技企业的全流程合作，成立了中大湾谷风险管理技术实验室（联合研究平台），构建了一套完整的数智技术中台——地方金融数字化基础设施平台。这种模式不仅在金融领域取得了显著成效，在旅游和医疗健康管理领域也正在建设，未来在营销、财务、会计等管理领域也具有重要的推广价值。
