導(dǎo)言：近年來石油石化行業(yè)經(jīng)歷了國際油價低位震蕩、傳統(tǒng)業(yè)務(wù)增長模式飽和、環(huán)保壓力加大及新能源替代等多重挑戰(zhàn)，利用互聯(lián)網(wǎng)技術(shù)和互聯(lián)網(wǎng)思維培育新的競爭優(yōu)勢和發(fā)展動能，應(yīng)成為該行業(yè)轉(zhuǎn)型升級的重要途徑。本文將對大數(shù)據(jù)及人工智能技術(shù)在國際石油貿(mào)易領(lǐng)域的應(yīng)用現(xiàn)狀及發(fā)展趨勢進行一些介紹。

一、“互聯(lián)網(wǎng) +”推進傳統(tǒng)油氣行業(yè)融合創(chuàng)新

2016 年年初，隨著谷歌公司旗下的人工智能程序“阿爾法狗”橫空出世，在不到 1 年的時間內(nèi)所向披靡橫掃世界圍棋界，人工智能、深度學(xué)習、大數(shù)據(jù)、云計算等迅速成為大眾耳熟能詳?shù)臒衢T詞匯。隨著我國經(jīng)濟發(fā)展進入新常態(tài)，經(jīng)濟增長的驅(qū)動力正在發(fā)生深刻變革，互聯(lián)網(wǎng)日益成為創(chuàng)新驅(qū)動發(fā)展的先導(dǎo)力量，人工智能、大數(shù)據(jù)、云計算的熱潮已經(jīng)或正在改變眾多行業(yè)的游戲規(guī)則、企業(yè)的經(jīng)營生態(tài)，以及大眾生活的方方面面。

近年來石油石化行業(yè)經(jīng)歷了國際油價低位震蕩、傳統(tǒng)業(yè)務(wù)增長模式飽和、環(huán)保壓力加大及新能源替代等多重挑戰(zhàn)，利用互聯(lián)網(wǎng)技術(shù)和互聯(lián)網(wǎng)思維培育新的競爭優(yōu)勢和發(fā)展動能，應(yīng)成為該行業(yè)轉(zhuǎn)型升級的重要途徑。未來，大數(shù)據(jù)將和地下資源一樣，成為石油石化企業(yè)“掘金”的富礦。誰有能力挖掘和分析大數(shù)據(jù)中蘊含的業(yè)務(wù)機會，洞察客戶需求變化，建立起基于大數(shù)據(jù)分析的市場交易和避險能力，誰就將會搶占產(chǎn)業(yè)競爭優(yōu)勢地位的先機。這里筆者將對大數(shù)據(jù)及人工智能技術(shù)在國際石油貿(mào)易領(lǐng)域的應(yīng)用現(xiàn)狀及發(fā)展趨勢進行一些介紹。

二、國際石油貿(mào)易領(lǐng)域信息化應(yīng)用現(xiàn)狀及技術(shù)發(fā)展趨勢

2.1　國際石油貿(mào)易領(lǐng)域信息技術(shù)應(yīng)用的 3 個階段

由于國際石油貿(mào)易具有經(jīng)營風險大、資金密集度高、經(jīng)營環(huán)節(jié)復(fù)雜、期貨和實貨兩個市場協(xié)同運作、對市場和經(jīng)營數(shù)據(jù)的時效性和準確度要求極高等特點，超出了其他傳統(tǒng)行業(yè)對信息處理的要求，使得高效集成的信息化平臺成為業(yè)內(nèi)企業(yè)關(guān)乎生死存亡的“剛需”，加之企業(yè)普遍資金實力較為雄厚，促使企業(yè)一直以來都是信息技術(shù)企業(yè)級應(yīng)用的先驅(qū)，也是最積極的開發(fā)者和使用者。歷史上，國際石油貿(mào)易領(lǐng)域?qū)π畔⒓夹g(shù)的應(yīng)用大致可分為如下 3 個階段。

2.1.1　第一階段：桌面客戶端程序 + 中央數(shù)據(jù)庫的傳統(tǒng)數(shù)據(jù)庫時代

國際石油貿(mào)易行業(yè)的 ERP 系統(tǒng)被稱為 ETRM系統(tǒng)（Energy Trading and Risk Management）。早在 20 世紀90 年代初，當 ERP 系統(tǒng)對于大多數(shù)中國企業(yè)還僅僅是個模糊的概念時，國際石油貿(mào)易領(lǐng)域的先驅(qū)企業(yè)便已為業(yè)務(wù)發(fā)展需要，踏上了企業(yè)級應(yīng)用的研發(fā)之路。

1992 年，花旗銀行使用 Visual Basi+SQL Server 架構(gòu)開發(fā)了業(yè)內(nèi)首個ETRM系統(tǒng)，隨后近 30 年，業(yè)內(nèi)企業(yè)普遍采用類似的桌面客戶端程序 + 中央數(shù)據(jù)庫架構(gòu)，或外購或自主研發(fā)步入了信息化時代。

2.1.2　第二階段：網(wǎng)頁版客戶端 + 分布式數(shù)據(jù)庫時代

2008 年金融危機使得國際油價從黃金10年的牛市高峰迅速跌落，企業(yè)的盈利能力和傳統(tǒng)經(jīng)營方式遭受挑戰(zhàn)，國際石油貿(mào)易領(lǐng)域的盈利模式和交易方式日趨復(fù)雜，企業(yè)內(nèi)部也有了進一步挖潛增效的要求。傳統(tǒng)的 ETRM 由于效率低下已無法滿足企業(yè)需求，恰逢信息技術(shù)獲得長足發(fā)展，網(wǎng)頁版客戶端 + 分布式數(shù)據(jù)庫成為企業(yè)更為青睞的架構(gòu)。

2.1.3　第三階段：人工智能 + 大數(shù)據(jù) + 物聯(lián)網(wǎng)的“互聯(lián)網(wǎng) +”時代

2014—2016年期間，國際油價再次從100美元/bbl以上跌落低谷，與此同時“阿爾法狗”開創(chuàng)的人工智能時代震撼世人，互聯(lián)網(wǎng)企業(yè)呈幾何級數(shù)增長，促使業(yè)內(nèi)意識到面對風云變幻的市場，亟須通過更高的技術(shù)手段來提高風險控制和預(yù)警體系能力，提前掌握風險動態(tài)，應(yīng)用大數(shù)據(jù)和人工智能技術(shù)實現(xiàn)風險資產(chǎn)的實時全量監(jiān)控，提高交易能力，提升交易信息的搜集、清洗和分析能力，以捕捉潛在的套利機會和新的業(yè)務(wù)增長點。

2.2　國際石油貿(mào)易領(lǐng)域信息化應(yīng)用現(xiàn)狀

國際石油貿(mào)易領(lǐng)域的信息化應(yīng)用一直以來存在兩條主線：一條是 ETRM 主線，以收集整合管理內(nèi)部數(shù)據(jù)為主，旨在提升企業(yè)內(nèi)部執(zhí)行效率、提升風控預(yù)警能力。這條路線國際石油貿(mào)易領(lǐng)域的企業(yè)介入較早，已形成諸多成功案例。比較成功的有維多公司（Vitol，全球四大大宗商品貿(mào)易公司之一）自主開發(fā)的Vista ETRM 系統(tǒng)，維多公司憑借該系統(tǒng)提供的強大信息共享和整合能力，在石油國際貿(mào)易市場叱咤風云數(shù)十載，幾乎從無敗績。另一方面投資銀行在油價黃金十年期間深度介入石油的期貨、期權(quán)、場外掉期等衍生品交易，也擁有市面上最好的 ETRM 系統(tǒng)，其中的佼佼者當屬JPMORGAN( 摩根大通銀行 ) 自主開發(fā)的Athena（雅典娜）系統(tǒng)，JPMORGAN 憑借 Athena 系統(tǒng)強大的風控能力，成功躲過 2008 年金融海嘯的侵襲，成為當時為數(shù)不多逆勢盈利的大型投資銀行之一。

另一條主線是近年來興起的人工智能交易主線。自動交易已經(jīng)在全球金融市場上廣泛應(yīng)用，最近5年里，逐漸有些公司將人工智能技術(shù)應(yīng)用到模型運算中，通過模型的自主學(xué)習，開始進行帶有人工智能算法的自動交易。自動交易最主要應(yīng)用在股票市場和外匯市場，大部分公司能有較為不錯的市場回報。最近幾年一些基金公司和投行將自動交易引用到證券和信用領(lǐng)域，但是到目前為止沒有能夠得到穩(wěn)定的收益。能源市場應(yīng)用自動交易的基金并不是很多，主要是由于能源市場產(chǎn)品是有時間結(jié)構(gòu)的，基本面的變化會對價格結(jié)構(gòu)產(chǎn)生影響，模型的套利應(yīng)用實踐效果不佳，僅有個別銀行依然利用自動交易在流動性好的能源市場進行交易，能源公司由于監(jiān)管和模型盈利不穩(wěn)定等因素，基本不參與自動交易領(lǐng)域。

通過調(diào)研，我們發(fā)現(xiàn)市場上人工智能應(yīng)用還處于比較低級的階段，大部分公司依然采用量化交易作為基礎(chǔ)進行交易，盡管其廣告或者網(wǎng)站中描述了很多高大上的技術(shù)，但一般只是噱頭，吸引投資者，實際交易模型比較簡單，以量化模型為主。

部分公司在模型上采用了一些人工智能技術(shù)，也主要是簡單的統(tǒng)計套利和數(shù)學(xué)模型挖掘，更為深層的深度學(xué)習和神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)各個公司依然處在研發(fā)階段。據(jù)了解，很多銀行在神經(jīng)網(wǎng)絡(luò)人工智能研發(fā)過程中遇到的最大問題是模型解釋。與簡單模型比較，通過復(fù)雜神經(jīng)網(wǎng)絡(luò)人工智能進行交易后，無法解釋為什么盈利和虧損，很難得到公司和監(jiān)管機構(gòu)的認可。

2.3　國際石油貿(mào)易領(lǐng)域信息化應(yīng)用的發(fā)展趨勢

如前文所述，國際石油貿(mào)易領(lǐng)域一直以來都是信息技術(shù)企業(yè)級應(yīng)用的先驅(qū)，業(yè)內(nèi)企業(yè)基本均已建立起較為成熟的 ETRM 系統(tǒng)，形成并積累了大量質(zhì)量較好的基礎(chǔ)數(shù)據(jù)，在數(shù)據(jù)收集的時效性和準確性方面打下了良好基礎(chǔ)。根據(jù) IBM 數(shù)據(jù)治理成熟度評估模型的評估標準，業(yè)內(nèi)普遍已跨越了初始階段和基本階段，處于主動管理階段或量化管理階段初期。

基于既往的基礎(chǔ)，加之人工智能和大數(shù)據(jù)技術(shù)的突破性發(fā)展，國際石油貿(mào)易領(lǐng)域的企業(yè)開始嘗試進入“人工智能 + 大數(shù)據(jù) + 物聯(lián)網(wǎng)的互聯(lián)網(wǎng) +”的第三階段。

與前兩個階段相比，該階段有 3 個新訴求：第一個訴求是不滿足于對現(xiàn)有內(nèi)部已有經(jīng)營管理數(shù)據(jù)的簡單處理和共享，希望通過更深入的數(shù)據(jù)挖掘及整合，繼續(xù)提高內(nèi)部的執(zhí)行效率和風控預(yù)警能力；第二個訴求是希望改變以往對外部數(shù)據(jù)的碎片化獲取和共享方式，尤其是對不可量化的外部信息（突發(fā)事件、新聞報道、大眾輿情等）深度挖掘和整合，應(yīng)用人工智能算法幫助企業(yè)進行經(jīng)營決策的優(yōu)化；第三個訴求是希望通過挖掘和整合內(nèi)外部信息，通過人工智能算法為一線交易員提供交易輔助決策，甚至更進一步，開發(fā)人工智能交易模型，在市場上斬獲更多利潤。

三、石油貿(mào)易領(lǐng)域人工智能平臺建設(shè)與典型應(yīng)用場景

3.1　大數(shù)據(jù)分析技術(shù)的應(yīng)用背景

國內(nèi)石油貿(mào)易企業(yè)通過持續(xù)不斷的引進與開發(fā)業(yè)務(wù)和財務(wù)信息系統(tǒng)，形成了大量系統(tǒng)管理的內(nèi)部數(shù)據(jù)，數(shù)據(jù)質(zhì)量較高，為進一步經(jīng)營管理分析打下了良好的數(shù)據(jù)基礎(chǔ)，目前外部數(shù)據(jù)尚未通過平臺進行統(tǒng)一管理，較為分散。

內(nèi)部數(shù)據(jù)方面，已普遍通過信息系統(tǒng)實現(xiàn)業(yè)務(wù)執(zhí)行層面的數(shù)據(jù)管理，但在數(shù)據(jù)分析層面仍然存在一些問題：（1）手工數(shù)據(jù)收集整理、報表編制工作量較大，占用了分析人員大量的工作時間；（2）數(shù)據(jù)顆粒度較粗，即風控部門、財務(wù)部門獲得的數(shù)據(jù)經(jīng)過匯總合并后，匯總合并前的基礎(chǔ)明細數(shù)據(jù)無法獲得；（3）不同部門對同一名稱的指標在理解上和統(tǒng)計口徑上存在歧義，指標統(tǒng)計口徑不一致。

外部數(shù)據(jù)則面臨著如下問題：（1）數(shù)據(jù)來源眾多，缺乏權(quán)威數(shù)據(jù)源的清晰定義；（2）數(shù)據(jù)管理分散，基本面數(shù)據(jù)多分散存儲，技術(shù)面數(shù)據(jù)多通過第三方行情軟件實時查看，缺乏統(tǒng)一的數(shù)據(jù)管理平臺；（3）數(shù)據(jù)積累少，基本面與技術(shù)面數(shù)據(jù)均未形成長期有效積累機制，數(shù)據(jù)完整性及精準度難于控制；（4）數(shù)據(jù)獲取難，商情數(shù)據(jù)多通過信息提供商終端、Excel 插件及郵件傳輸?shù)膱蟾孢M行獲取，數(shù)據(jù)獲取的時效性和自動性難以保障。

因此，匯聚所有數(shù)據(jù)來源，通過大數(shù)據(jù)分析技術(shù)建立機器學(xué)習、人工智能模型，深入挖掘數(shù)據(jù)價值成為業(yè)內(nèi)企業(yè)迫在眉睫的需求。

3.2　石油貿(mào)易人工智能平臺的典型應(yīng)用場景

經(jīng)過深入調(diào)研，針對業(yè)務(wù)運作中的痛點及難點問題，國內(nèi)石油貿(mào)易智能化建設(shè)方案中調(diào)整并確立了大數(shù)據(jù)分析技術(shù)的 4 個典型應(yīng)用場景，即：基于人工智能平臺的輔助交易決策平臺、大數(shù)據(jù)信用風險評估及預(yù)警平臺、標準化報告智能分析、合同解析。

3.2.1　基于人工智能平臺的輔助交易決策平臺

此應(yīng)用場景平臺由數(shù)據(jù)處理模塊、交易策略模塊、風險管理及績效考核模塊 3 個子模塊構(gòu)成（圖 1）。

（1）數(shù)據(jù)處理模塊。采用 Hadoop/Spark 的大數(shù)據(jù)分析技術(shù)實現(xiàn)外部數(shù)據(jù)的收集、處理、深度挖掘分析，并和結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一整合、集中展示。自動收集并整理的數(shù)據(jù)包括：大宗商品及外匯供需關(guān)系的數(shù)據(jù)，金融市場實時數(shù)據(jù)，公司收到的研究報告，宏觀經(jīng)濟數(shù)據(jù)及其他對市場有影響的政策，影響區(qū)域性市場的政治事件、重大新聞、天氣，網(wǎng)上輿情數(shù)據(jù)等。模塊中的技術(shù)難點是對非結(jié)構(gòu)化數(shù)據(jù)的處理及分析，例如分析重大突發(fā)事件對油價的影響。為此基于大數(shù)據(jù)，通過建立人工智能模型，對歷史類似突發(fā)事件進行全面擬合，最終對市場未來走勢計算出概率，進而輔助交易決策。

（2）交易策略模塊。通過設(shè)計開發(fā)向?qū)降牟呗陨善?，便于交易員迅速開發(fā)并回測交易策略。基于數(shù)據(jù)處理模塊中的大數(shù)據(jù)平臺及人工智能模型，為交易策略提供由非結(jié)構(gòu)化的內(nèi)外部數(shù)據(jù)（政治事件、重大新聞、天氣等）所生成的影響因子（人工智能模型計算出的概率）指標。

（3）風險管理及績效考核模塊。風險管理方面設(shè)計了包括風控報告（實現(xiàn)每日風險報告及各維度管理信息報告）和量化風險管理（Va R 值計算和壓力測試計算）的綜合性統(tǒng)計分析報表，并開發(fā)了可按照公司管理架構(gòu)，計算業(yè)務(wù)盤位及盈虧（逐級穿透至交易層面），支持實時盤位顯示和遠期計價分析?？冃Э己朔矫?，除了傳統(tǒng)的收益波動分析和凈值回撤管理外，還包括了風險分解、交易風格分析、業(yè)績評價及歸因分析等內(nèi)容（圖 2）。

3.2.2　大數(shù)據(jù)信用風險評估及預(yù)警平臺

國際石油貿(mào)易領(lǐng)域的大型公司通常擁有數(shù)以千計的客戶群體，動態(tài)客戶跟蹤和預(yù)警工作量巨大。目前業(yè)內(nèi)通行的信用管理模式是總部和地區(qū)公司兩級客戶信用人員的不定期走訪客戶，一年進行一次梳理和重審，客戶信用管理人員平時通過訂閱的客戶信息報告及搜索客戶相關(guān)新聞等方式，了解客戶資信變化情況，這顯然是相當被動和低效的管理模式。應(yīng)基于大數(shù)據(jù)分析和預(yù)警，對行業(yè)趨勢進行分析和判斷，再結(jié)合公司與客戶間的交易數(shù)據(jù)、客戶財務(wù)數(shù)據(jù)，以及客戶經(jīng)理反饋的信息，對客戶進行全面跟蹤，動態(tài)分析客戶資質(zhì)變化情況，才能提前預(yù)警問題發(fā)生，降低重大事件的反應(yīng)時間。

大數(shù)據(jù)信用風險評估及預(yù)警平臺的設(shè)計架構(gòu)包括數(shù)據(jù)獲取及預(yù)處理、客戶全息視圖、風險監(jiān)測及評估、風險預(yù)警及管理、模型及指標管理。與以往的信用風險評估體系相比，該平臺在技術(shù)實現(xiàn)方案上有3點創(chuàng)新：

（1）對于外部非結(jié)構(gòu)化數(shù)據(jù)（互聯(lián)網(wǎng)輿情）的數(shù)據(jù)分析。首先采用爬蟲工具和 API 接口全面收集網(wǎng)絡(luò)輿情、機構(gòu)數(shù)據(jù)和各類專業(yè)評級報告，使用 NLP 語義識別技術(shù)將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，再將生成的結(jié)構(gòu)化數(shù)據(jù)進行字典訓(xùn)練，形成預(yù)警數(shù)據(jù)倉庫。

（2）信用風險模型建模。充分開展大數(shù)據(jù)梳理和挖掘，在風險評估及預(yù)警模型中引入多元化風險因素，豐富風險識別點，提升模型表現(xiàn)。將風險指標分為系統(tǒng)性指標和非系統(tǒng)指標兩類，系統(tǒng)性指標包括宏觀信息和中觀信息，非系統(tǒng)指標包括財務(wù)異常、經(jīng)營異常、征信異常、行為異常、司法異常等。

（3）增加企業(yè)關(guān)聯(lián)關(guān)系圖譜，提升模型敏感度。國際石油貿(mào)易領(lǐng)域企業(yè)交叉持股、合資公司、子母公司、總分公司的情況非常多，核心企業(yè)的財務(wù)數(shù)據(jù)和定性信息是信用風險的主要關(guān)注范疇，關(guān)聯(lián)企業(yè)或個人的信用狀況會在很大程度上影響該主體的信用風險，因此創(chuàng)建企業(yè)關(guān)聯(lián)圖譜，在評級體系中納入所識別的關(guān)聯(lián)關(guān)系將有效提升評級模型的敏感度。

3.2.3　標準化報告智能分析

針對中短期的交易類型，交易員多通過報告信息從宏觀整體的層面了解當前市場消息及觀點，借助于大數(shù)據(jù)技術(shù)手段自動收集、統(tǒng)一管理及展示報告內(nèi)容，并通過人工智能技術(shù)對報告信息進行解讀，對市場熱點、趨勢、風險進行快速評估分析及預(yù)警，對業(yè)務(wù)經(jīng)營具有重大意義。

標準化報告智能分析的設(shè)計架構(gòu)見圖 3。模塊功能實現(xiàn)思路為：（1）收集報告非結(jié)構(gòu)化數(shù)據(jù)以及和報告數(shù)據(jù)關(guān)聯(lián)度較高的結(jié)構(gòu)化數(shù)據(jù)，部分非結(jié)構(gòu)化的文本數(shù)據(jù)被加載到專門的人工注釋中，用于模型注釋器的培訓(xùn)；（2）模型注釋器先由領(lǐng)域?qū)＜沂止俗⑸俨糠终Z料，生成模型，再由模型進行新文本的自動標注，再由人工評估并修正模型標注結(jié)果，進一步訓(xùn)練改進模型，提高性能；（3）訓(xùn)練有素的模型注釋器被部署到數(shù)據(jù)處理平臺用于文本信息提取，從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，并構(gòu)建到知識圖譜中；（4）在知識圖譜中完成知識推理，輸出的結(jié)構(gòu)化數(shù)據(jù)形成培訓(xùn)數(shù)據(jù)，并在模型實驗室中加載，用于機器學(xué)習模型訓(xùn)練。

3.2.4　合同解析

國際大型石油貿(mào)易公司每年簽署的實貨貿(mào)易合同均數(shù)以萬計。國內(nèi)各公司當前合同審核的標準模式為業(yè)務(wù)部錄入合同后，進行合同會簽審核，在審核過程中法務(wù)部負責合同進行整體審核，各部門審核與其相關(guān)的部分。該操作中面臨一些難點，如審核檢查需要手工比對，占用大量時間；且因?qū)徍巳藛T業(yè)務(wù)能力不同，質(zhì)量難于把控；合同審核風險難于追蹤記錄及統(tǒng)計分析等。

因此，為了加快合同審核速度，統(tǒng)一提高全系統(tǒng)合同審核水平，提升對合同的整體風險分析及把控能力，合同解析模塊功能通過如下路徑實現(xiàn)：（1）選取不同合同類型的樣本合同，將其非結(jié)構(gòu)化數(shù)據(jù)部分通過文字識別和自然語言分析技術(shù)進行預(yù)處理，再以此數(shù)據(jù)為基礎(chǔ)建立合同標準庫模型，通過模型自學(xué)習對模型進行訓(xùn)練；（2）當有新的合同審核需求時，標準庫模型將從文檔級別、子句級別進行語義比較，對于重點條款進行詳細比較和差異檢測；（3）自動初檢后的合同交人工復(fù)檢，同時由人工提供反饋，以對模型進行持續(xù)不斷的深度訓(xùn)練。

四、結(jié)束語

石油石化產(chǎn)業(yè)與互聯(lián)網(wǎng)的“聯(lián)姻”將從產(chǎn)業(yè)鏈的各個環(huán)節(jié)，挖掘出互聯(lián)網(wǎng)技術(shù)“1+1 ﹥ 2”的乘數(shù)效應(yīng)。從企業(yè)外部來看，兩者的結(jié)合將極大地促進能源供應(yīng)和消費的互動，更精準地對接市場需求，從而提高供給質(zhì)量和效率。業(yè)內(nèi)企業(yè)如能利用大數(shù)據(jù)技術(shù)完成海量消費數(shù)據(jù)的采集、篩選、分析和挖掘，最終實現(xiàn)數(shù)據(jù)驅(qū)動的精準能源供給，將能更好地滿足用戶個性化的用能需求，增強客戶信任度和忠誠度。從企業(yè)內(nèi)部看，大數(shù)據(jù)分析技術(shù)的應(yīng)用將有助于企業(yè)提高工作效率，節(jié)約運營成本，更充分地整合和利用資源。有理由相信，傳統(tǒng)能源行業(yè)在“互聯(lián)網(wǎng) +”的助力下，將會促進行業(yè)轉(zhuǎn)型，實現(xiàn)改革、開拓、創(chuàng)新的發(fā)展新局面。