佰富彩 |-IOS/安卓通用版/手机app下载v8.8.6

四措并举 改善优质房企资产负债表******

　　王丽新

　　日前，央行、银保监会联合召开主要银行信贷工作座谈会，提及“引导优质房企资产负债表回归安全区间”。从中央经济工作会议提出“有效防范化解优质头部房企风险”，到此次的“改善优质头部房企资产负债表”，同时继续强调落实保交楼金融支持、“金融16条”、差别化住房信贷政策等内容，可见政策层面对优质头部房企的深切关注。在笔者看来，接下来，地产金融支持性政策将在多维度快速展开，一方面会真正覆盖到有优质资产却被“误伤”的房企，使其迎来弹性扩表的机会；另一方面，资本市场将更好地发挥资源配置功能，“改善优质房企经营性和融资性现金流”，既要多措并举引导合规房企获得融资性现金流，也要恢复企业内生造血能力，稳住经营性现金流，最终实现保优质主体的目标。笔者认为，会议提到的四项举措可有效改善整个行业的资产负债表。

　　举措之一是“资产激活”，这与保交楼行动目标一致，主要针对出险房企及潜在出险房企，助其盘活资产，回归正常经营。具体而言，一可通过保交楼专项借款等增量资金支持存量项目复产复工；二当支持对房企间项目收并购，引导需求端政策配合来增强项目去化和处置资产力度；三是远期或可期待支持发行商业地产类ABS、REITs等方式盘活持有型物业，释放房企此前沉淀大量资金的重资产项目的流动性。

　　举措之二是“负债接续”，这与当下房企已经在落实的债转股、存量债券展期等缓解房企债务压力的方向一致，主要缓解未出险房企短期还债压力，防止出险房企数量增加。比如当下内房股采用较多的支持房企在发生债务违约前置换要约，以新债换旧债以及合理展期，给予房企“以时间换空间”的机会。

　　举措之三是“权益补充”即股权融资支持，这是改善优质房企资产负债表的最有效手段，也是加速行业风险出清的“助推器”。上市房企股权融资开闸优势有三，一是没有债务利息，融资成本低；二是不会新增有息债务，剔除预收账款后的资产负债率不会提升，避免重走“高杠杆、高负债、高周转”的“旧三高”老路，为行业高质量发展夯实基础；三是股权融资直接拉升权益资本，能优化资产负债结构，引新股东入局后，若资源能与房企现有业务整合发展，可助推房地产业向新发展模式平稳过渡。

　　举措之四是“预期提升”，这与“稳销售、增信心、扩投资”一脉相承，是行业复苏的持续动力。供给侧方面支持房企融资，目的也是引导企业经营现金流回归常态。结合近期多部门的积极表态，预计需求端利好政策还将进一步释放，尤其可能聚焦在激活换房等改善性需求的购买力方面，使其成为楼市销售的新生力军。交易增加，企业资金状况得到改善，交付的项目逐步增多，购房者消除担忧，市场有望联动好转，实现良性循环。

　　当然，改善房地产行业资产负债表不能一蹴而就。可喜的是，积弊已久的“旧三高”时代已经远去，“第三支箭”落地的广度和力度不断提升，随着居住消费需求不断升级，房地产行业开发与运营并重的新时代将来临。

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)

　　（文图：赵筱尘 巫邓炎）