一是大模型。认为最近大火的“Chat GPT”的属于自然语言处理领域最新的研究成果；我们熟知的“Alpha Go”属于视觉智能领域，人工智能下一个发展方向很可能是在决策智能领域。而“冒烟指数”在某种程度上是几个方面的综合，或许有向决策领域发展的可能，辅助决策的人工智能产品还是非常有前景的。
二是信用监管。信用监管是监管是公共部门的一个行为，所以还是要严格依法监管，依法规制。从信用的发现机制来看，“冒烟指数”目前能够做到穿透、主动发现、评估、预警、全息画像、态势感知等，实际上是与信用发现机制完全符合的，在很大程度上提高了信用监管的效率，降低成本，提高精准度。从信用的约束机制（或叫激励和约束机制）来看，信用监管要在法律框架内去监管，而法律监管中的证据问题，“冒烟指数”所得出的数据结果目前应该还不能直接作为处罚依据或司法证据。一方面是法制不能随着数字技术与时俱进，有一定滞后性；另一方面可能由于“冒险指数”的成果可能更多的还只能起到预警或辅助的作用。
三是“冒烟指数”或大数据评估与传统信用评估之间的关系问题。传统的评估很多时候是委托评估，存在资本市场利益输送的可能。而大数据评估实际上是更加量化主动的，更多是相关性分析而不是因果分析，不依赖于内部数据。二者之间还是有很多的不同的地方。从评估的结果来看，当前无法判断哪个更好。未来数据量和维度越来越越多，大数据有可能做到比传统评估更加精确的。
金信网银数据总经理石磊有关“冒烟指数在监管科技领域的探索与实践”的发言整理：
石磊总经理首先对“冒烟指数”的源起与发展做了介绍，其次从学术研究、产业落地角度分享了“冒烟指数”在监管科技领域的创新探索与实践；最后对“冒烟指数”目前面临的主要问题及机遇提出了思考。
在“冒烟指数”的源起与发展部分，石磊总经理介绍到，“冒烟指数”的设计源于2012年-2014年间我国P2P平台非法集资风险的集中爆发。2014年，北京市金融局与金信网银共同探索，尝试用大数据及人工智能的思想与方法进行非法集资风险的监测预警，以实现“打早打小”的目标。随着对e租宝、善林金融等重大非法集资案件的成功预警实践，“冒烟指数”不断优化迭代，其应用范围从非法集资领域的监测预警拓展到网络传销、非法放贷、金融诈骗、场外配资等多个非法金融活动领域，进一步拓展到信用监管领域，包括园区企业的信用监测、平台经济、校外培训、私募等行业领域的信用评估等方面；其应用地域从北京拓展到全国，并结合各地风险特征衍生出“海豚指数”、“赣金鹰眼”、“悟空指数”等；其服务对象包括公安部、银保监、证监、中国互金协会、公安经侦、地方金融监管局、行业协会、产业园区、金融机构及大型企业等。
石磊总经理指出，“冒烟指数”对非法集资风险的监测预警主要围绕非法集资的特点，从非法性、利用性、社会性、投诉性和特征性五个维度构建了 80 多个核心指标，综合对非法企业非法集资风险进行提前的预测评估。其中涉及到数据的采集、非法集资主题数据库的搭建（包括企业基础数据库、监管信息、企业经营信息如人员招聘、广告推广、宣传等、金融风险的舆情库、非法集资相关领域的知识库）、对多元异构数据的分析挖掘与语义理解提取、指标体系构建、风险模型的搭建、风险主体的识别与锁定等过程。“冒烟指数”（ 0- 100 分）的分值大小表示风险大小，分值越高代表企业风险越大，并通过大数据监测预警平台，可以实时监测整个地区企业的风险等级、风险动态、企业的主要风险点及企业风险画像，通过量化评分，最终实现风险的量化分级预警，深度了解一个企业的实际风险。目前已为全国的 21 个省级 103 个市体、 361 个区县级的相关监管部门在持续提供服务，监测范围也是覆盖了金融、理财、私募、养老等 22 个重点的风险业态，持续监测全国 2000 多万家的企业主体，实现了有效辅助监管部门更好地进行分类的化解处置，实现打早打小，防范化解金融风险。
目前，金信网银通过对“冒烟指数”的长期优化迭代，已经构建起了企业大数据分析建模的 AI 智能中台，积累了企业全息的公开情报资源库，形成了丰富的企业标签知识库，搭建了一批成熟的“冒烟指数”模型。虽然各个行业领域不同，但风险监测的底层逻辑是一致的，因此通过运用积累的资源，“冒烟指数”逐步拓展应用范围，在不同业务场景加以探索和实践。
对“冒烟指数”在监管科技领域的创新探索与实践部分，石磊总经理提到，目前有关“冒烟指数”的学术论文有 100 多篇，主要聚焦在金融风险、监管科技和经济犯罪三个方面，涉及，共富、营商、养老、平台经济等方领域的研究。“冒烟指数”的方法和逻辑在这些领域的认可为拓展到更多相关领域提供了支持。
在信用监管领域，当前已经在园区招商及园区企业的信用监管方面做了一些探索。针对园区管理者的痛点，在前期，我们搭建了入驻审批系统，把一些已经有风险的企业尽量能化解到园区之外，禁止入驻；在企业入驻经营的过程中，我们持续对园区企业进行相关风险监测；针对园区企业融资难、融资贵、寻找优质投资标的难、放贷款难、评估标的质量难等痛点，我们引入“冒烟指数”构建信用园区集成风险管理平台，从企业基本情况、履约能力、经营活动、遵纪守法、社会责任等方面去搭建园区企业信用监管模型，帮助园区监管部门及园区管理者对这些企业进行一些针对性的服务，为园区招商和信用监管提供支撑。
在风险监测领域，建立了金融风险的主题库，监测范围包括了这种非法集资、网络传销、非法放贷，覆盖了投资理财、私募、养老、电商、房地产等。通过冒烟指数对这些领域的风险量化评估，形成全息风险画像，分级分类预警，证据固化留存，辅助监管部门去及时发现掌握相关的风险主体线索。
在综合服务，围绕着金融服务，如私募相关的一些领域服务，从前期的联合审批，私募的登记备案，到事中的综合监管，到事后的综合对私募企业的综合服务，形成一套完整的体系，基于公开的数据及政府的相关的数据、政务数据进行融合提取，建立相关的私募监管与服务指标，最终实现私募的入驻、体检、风险监测及私募的综合服务，包针对“冒烟指数”目前面临的一些问题和机遇提出了一些思考。如“冒烟指数”如何与近期出现的训练模型进行有效的融合，以更好地去用于信用监管或金融风险监管等领域？“冒烟指数”的大数据相关性思维和逻辑与监管逻辑的因果性关系如何有效辩证处理，以发挥其更大的优势，使其更加精准可靠？“冒烟指数”提供的主要是预测参考，未来大数据分析挖掘是否可以直接作为证据使用，给相关监管或系统评估机构直接提供一个决策参考?这些都是值得深思及努力探索的方向。