手动刷新

  智能金融—引领新时代金融大变革

  第二届中国金融科技创新大会

  时间:2018年1月20日(上午)

  地点:万寿宾馆

  主持人:尊敬的各位领导、各位来宾,女士们、先生们、朋友们:大家上午好!欢迎出席第第二届中国金融科技创新大会。本次大会由中国网络空间安全协会、金融科技创新联盟、中国工商银行、中国金融电脑杂志社、腾讯公司、百度公司、IBM(中国)联合主办。本届大会的主题是“智能金融——引领新时代金融大变革”。允许我向与会的领导和嘉宾介绍与会的领导,他们是:

  国家新一代人工智能战略咨询委员会组长、中国工程院原常务副院长、中国工程院院士 潘云鹤

  图灵奖获得者、中国科学院院士 姚期智

  中国保险监督管理委员会原培训中心主任、金标委原副主任于玫

  工业和信息化部信息化和软件服务业司处长 李琰

  中央网信办信息服务管理局金融信息处 张宁

  中国网络空间安全协会副秘书长 赵宏志

  金融科技创新联盟执行副理事长、中国工商银行信息科技部副总经理 孔兵

  金融科技创新联盟副理事长、国家开发银行信息科技局副局长韩国新

  金融科技创新联盟副理事长单位、中国农业银行科技与产品管理局副局长 钱宏

  金融科技创新联盟副理事长、中国银行金融技术创新办公室主任 王世辉

  金融科技创新联盟副理事长、中国建设银行信息技术管理部副总经理王申科

  金融科技创新联盟副理事长、交通银行信息技术管理部副总经理 张漫丽

  金融科技创新联盟副理事长、中国民生银行信息技术部总经理 牛新庄

  金融科技创新联盟副理事长、国泰君安证券股份有限公司信息技术部总经理 俞枫

  金融科技创新联盟副理事长、中国人寿保险(集团)公司总经理孙秀彬

  金融科技创新联盟副理事长、华为技术有限公司金融行业产品管理部部长伊志权

  百度金融保险业务联席总经理 王辉

  IBM中国首席技术官 程静

  微软(中国)CTO 黎江

  Accenture大中华区金融服务事业部董事总经理 陈文辉

  毕马威中国银行业主管合伙人 黄艾舟

  普华永道中国金融业管理咨询主管合伙人 张立钧

  亚太未来金融研究院执行院长 杜艳

  此外,来自金融科技创新联盟成员单位:中国农业银行、邮储银行、招商银行、中信银行、广发银行、华夏银行、光大银行、民生银行、浦发银行、平安银行、江苏银行、廊坊银行、郑州银行、重庆银行、乌鲁木齐银行、营口银行、华瑞银行、富民银行、新网银行、苏宁银行、农信银资金清算中心、中国人保、中国再保险集团、腾讯公司、蚂蚁金服集团、浪潮金融、华为公司、上海数据交易中心、众安科技、第四范式、云脑科技、国舜科技、中国电子信息产业发展研究院、招商局集团科技创新发展研究院、对外经济贸易大学、中国金融电脑杂志社等单位的领导和专家,微软、埃森哲、毕马威、普华永道等国际知名科技与咨询公司业务负责人出席本次会议。

  今天的会议还得到了媒体界的大力支持,新华社、中新社、中央电视台、人民日报、经济日报、金融时报、21世纪经济报道、第一财经日报等40多家媒体进行现场报道。中国电子银行网、金融界、数据猿、新华社中国财富网为本次大会提供专题报道。在此,让我们用热烈的掌声欢迎和感谢各位领导嘉宾的莅临,现在我宣布,2018中国金融科技创新大会正式开始!

  首先,请金融科技创新联盟执行副理事长、中国工商银行信息科技部副总经理孔兵先生致欢迎辞。

  孔兵:尊敬的潘院士,各位领导以及各位嘉宾,媒体界的朋友们,大家上午好!在此,2018年我们齐聚第二界金融创新大会,受金融科技创新联盟理事长李总委托,我代金融科技创新联盟向莅临大会的各位领导和嘉宾表示热烈的欢迎。向一致以来关心支持金融科技对各位表示感谢。

  …但是已经展现出蓬勃的生命力和较好的应用成果,金融科技创新,特别是未来业务上的优势,进一步在金融科技业务创新发展发力,在为客户提供金融服务上将构成,金融服务生态更加完善。

  为了推动国内金融科技的规范发展,促进金融行业与科技企业的深度融合,在中央网信办、工业与信息化部、人民银行有关部倡导下,互联网委员会倡议发起,截至目前,联盟有40多家成员单位,涵盖了主要的银行、证券、保险,以及互联网企业。很荣幸工商银行对首届理事长单位,金融科技创新联盟自己一成立以来,聚焦金融科技热点领域成立了云计算、大数据、区块链、数字普惠金融等专委会。先后成功举办了金融区块链、金融分布式架构,金融智能、数字普惠金融等一系列金融科技与创新研讨会。联合微软、埃森哲和毕马威组织发气首届科技金融创新大赛等一系列活动,为推动、产学研跨界合作营造良好科技进入生态,推动金融科技健康发展发挥了积极作用。

  在工作中金融科技创新联盟与国家信息工作部署主导,社会发展与成员单位创新实践需求,聚集正产学研各各方力量,致力于支持金融科技创新技术创新、产品创新,服务和商业末是创新,促成跨界、跨境合作。致力于加强金融科技理论,政策、策略、方法、案例等等重点问题研究,促进各方智慧共享、致力于促进金融科技前沿和关键技术创新。突破难点、热点问题。各成员单位通过搭建交流平台,进一步拓展了视野,分享了经验,凝聚力共识,有效聚合产业力量,促进了产业单位的交流与合作。

  各位领导、各位嘉宾,当前金融科技发展日新月异,基本形成以科技创新为驱动,以消费者保护为前提,以发展普惠金融为重点,以防范风险为核心,以标准规范为基础的金融科技发展共识,一直以来中一工商银行将持续深入开展金融科技研究创新应用工作,全面推进智慧银行战略。加速推动供给侧改革。增强金融服务实体经济领域,近年来,对于金融科技设计的主要技术领域,我行布局。其互联网金融、大数据、云计算取得一定的突破。在行内进行企业级应用,在区块链人工智能、物联网生物识别等领域均探索,进行试点性应用。

  后续进一步加强相关技术研究,拓展应用场景,充分借助先进科技手段,持续提升工商产品业务能力,加速推共我行信息化建设。我行进一步研究组建了互联网金融、大数据与人工智能、云计算、区块链生物识别,数字化银行七大创新实验室,后续将依托实验室深入开展新技术承担性研究和创新应用。

  实现新及时研究成果的价值导向,数字化、线上化和智能化发展的需要,各位领导、各位来宾,在国家部委指导下,在社会各界大力支持下,金融科技创新联盟继续本着开放、共享、合作、创新的创办宗旨,凝聚金融机构、科技企业、科研院所等多方资源,积极推动产学研跨界合作,力争为政府有关部门宏观决策和政策制定,为促进我国金融机构创新发展和数字中国建设作出积极贡献。

  同时工商银行业高度重视金融科技研究与应用工作,将继续通过各种形式加强与业界的交流与合作,共同建设艰巨包容性和竞争性的金融生态环境,提升金融服务实体经济的效率和质量。更好的为广大客户提供优质普惠金融服务。最后预祝大会圆满成功,谢谢大家。

  主持人:感谢金融科技创新联盟孔兵执行副理事长热情洋溢的欢迎致辞。金融科技创新联盟愿与业界各方携起手来,共同为促进我国金融科技创新发展和“数字中国”建设作出积极贡献。

  现在,有请本次会议的联合主办方代表百度金融保险业务联席总经理王辉致辞。

  王辉:尊敬的各位领导、各位来宾大家上午好,非常感谢组委会的邀请,我很荣幸能够代表百度金融与各位进行交流。百度整体做金融2015年12月14号我们成立了金融服务事业群组,所以在金融领域百度金融还是一个蹒跚学步的小朋友,但是我们非常感谢这个时代,人工智能时代来了之后,能够给我们提供一个更好的发展契机,也能够让我们有机会去跟金融机构、能够有更多的交流和合作。

  所以借这次金融科技创新大会的契机,我们去跟埃森哲公司联合发布了智能金融的报告,在此对整个报告的主办方和所有的同仁表示衷心的感谢。特别要感谢的是给我们整个报告的研发过程中分享的真知灼见的金融界的前辈和专家朋友们,希望这份报告推动人工智能技术和金融的结合。

  今天的主题是智能金融,我想分享几个观点:

  第一个观点智能金融必须是有规则、有边界的发展。2017年既是智能金融的元年,也是金融更加规范和发展的里程碑年,7月份全国金融工作会议到十九大到经济发布新一代新规和资管新资意见稿,强调服务实体经济第一原则,为防范划界金融服务、持牌经营,去整治干扰市场的行为去保护市场的利益。百度金融自成立一直建立支持和坚决贯彻执行,我们认为更加规范和科学的监管,创造良好有序的市场环境。

  第二个观点是智能金融是运用大数据和人工智能的技术真正深入到了金融价值链的核心和风险定价,这样一个转变能够有机会真正区市县以用户为中心的智能新生态。

  2017年智能金融不同电子金融时代,这些新时代强调以用户为中心,未来成就随怨、随时随地,这些标准基础解决金融街长期的难点,首当其冲的是获客,非常多的金融服务是相对比较低频,如何通过大数据和人工智能的手段,帮助金融机构更加精准的获取有效的客户降低成本,成为一个非常具有现实意义的命题。我们也跟非常多金融机构合作,在智能获客上取得非常多的进展和突破。

  百度金融做这个事情,来自于14亿用户APP和10亿的设备,数十亿全网数据,拥有覆盖中国95%的中国网民大数据的能力,这些能力能够勾画出学历、职业、年龄、收入等非常重要的画像,这些画像做非常重要的实验,在这些实验的基础上,我们能够为现有的有行业性的人进行服务,能够为非常多的无央行征信的人提供服务,这才能让普惠金融变成现实。

  第二方面风险定价方面,整个不管是有央行征信的记录,或者是央行征信记录比较薄,其实在互联网上的行为可以作为一个风险评价非常重要的补充输入,这些重要的补充的输入会让我们在反欺诈、和信用风险评价领域进行应用。针对金融行业的特点,我们推出大数据风控平台,借助百度大数据和人工智能技术,能够对已经有的央行征信的用户的行为进行一些有利的补充,对没有央行征信进行模拟画像,反欺诈建立了五百亿编的互联网络,识别欺诈的可能性。

  人脸在数上和商业运营商能够不断的进步,同时在智能客服上通过服务中心智能化的升级,使得一年多单此服务成本下降80%,这些在风控提升效率上,通过大数据和人工智能的技术,为金融机构提供驾驶,能够更好为金融机构进行好合作,为更多的用户提供更深更好的服务,这些是实实在在进行的应用,每一个新的应用依托大数据和人工智能的技术,实现以用户为内容的构建。

  开放金融,是百度金融在2017感受最深的关键词,我们跟中国农业银行开展战略合作,通过共建联合实验室、共建模型和信用分,进行反欺诈领域多方面的合作。进而共同打造金融大脑、构建了金融智能模型的生产运行和管理积极学习平台,可以人脸活体OCR的感知能力去支持人工智能技术在金融领域的落地,帮力用户体验人工服务。我们跟百信合作,打造出智能银行的智能直销的标杆。我们未来跟更多的直销银行、成商行还有小贷公司进行合作,打造更多的易扩展的系统。

  消费升级、资产证券化多条业务链上接受百度金融科技的能力,我们与南京银行、长安新生等多家机构开展多层次的合作,我们也相信这些合作会越来越广泛,也越来越深入。在去年的时候,我们也正式开展保险业务,所以在经历了两年战略工作之后,也能够跟我们同事拓展在保险领域的信息合作,保险领域不仅在效率提升上有非常多的机会,同时随着新业态的产生,可能有保险产品创新的可能性。比如说无人车、物联网,这些为金融科技广泛的发展提供非常多的空间。

  所以今天借这个机会跟大家分享三个观点:希望智能金融有规则有边界的发展,希望人工智能的技术和大数据的技术,推动智能金融,构建用户为中心的生态,必将是开放生态新的过程,所以我们非常感恩这个时代,也非常庆幸这个时代,希望跟在座的各位进行交流,谢谢大家!

  主持人:感谢王总的精彩致辞!接下来,有请本次会议的联合主办方代表IBM中国首席技术官程静致辞。

  程静:大家早上好!首先我向银行界和我们一起合作了二十多年的领导还有专家问好,因为很多银行界都是我们一起工作过二十多年的同事。我特别要向潘老师问好,我是浙大计算机系出来了,向您致敬。

  我代表IBM给大家共享一下,我们在金融科技这一领域IBM一些观点。整体来讲,大家知道互联网金融的引进,金融科技的蓬勃发展,其实在业界在银行界对银行业务带来很大的冲击,所以整个在过去的几年,Fintech这个主题是非常热,整个不同的银行界有以下四个模式进展Fintech的研究,比如说Ondeck还有Moven,利用往上的贷款,给中小企业提供贷款。第二是自己创造创新的实验室,进行科技的冷孵化,在这种企业里边,实际上花旗银行在全球创立了他们很多的创新实验室,包括在美国、墨西哥、以色列和新加坡,其实在这一块中国银行界也纷纷进行了很多行动,工行进行了相应科技腐化的实验室,去年成立了7大科研是,全部放在Fintech的研究上。

  第三种Fintech模式就是真的去投资,投资这样的Fintech公司。高盛在2016年和2017年投资了17家和15家专注注册在资本市场这样一个Fintech公司来进行合作。还有一种是产业收购的这种形式进行Fintech的合作形式。

  Fintech到银行来讲,我们到底是做银行的,我们不是说真的是做科研为主的这样一个企业。所以对于银行来讲,它的实质是怎样让银行的企业变成数字化的,更加适应新时代的这种新的需求。所以其实从整体来讲的话,银行从数字化角度出发。要从几个方面可以切入新型的主讲型,如何利用智能穿戴设备,互联网的互联互通,物联网的互联互通,以及大数据来进行渠道对客户进行这种比较贴心的,专属的,更好客户体验这样一种接触渠道。在这个渠道的数字化过程中,实际上AI技术,大数据分期的技术是至关重要的。

  企业的数字化,另外一个角度看到的是灵活的一个传统,这个企业怎么能够出来一个针对客户特性的,有针对性的传统的设计和推荐,以及定价。所有的这种推如新产品的推出,都是鉴于大数据的分析。

  后面是安全合规这一块,安全合规在全球的范围,它带来的对企业的负担和压力实际上是非常大的,因此你这个企业如何能够做到更加灵活的,全面的看到你这个企业经营情况,以及在合规的变革过程中,它有新的合规出来之后,银行怎么能够很快的确保你的企业在你相应的业务的管理方面能够满足合规的要求,这个大数据很多风险管控这方面的研究也是非常重要的一个领域。

  另外就是不对外,你动态生态环境,新的互联网趋势,我们有了新的金融生态环境。在新的金融环境里边,我们银行怎么能够把握住客户的交接点,大家知道现在移动支付非常厉害,但是大家一说到支付,好像看到的都是微信和支付宝,但是实际上大家知道吗?后台实际上是银行的支付系统,他们实际上很多后台的挂的挂靠的卡也好,挂靠的帐户也好,是我们银行的系统。但是对客户来讲,当他双十一上去支付的时候,他看不到我们银行在后面,所以新型生态环境里边,我们银行怎么说到这个渠道,产生收集客户的新型系统,新型的信息到我们银行,来让我们客户体验到我们银行服务的存在。 当然中后台也是非常重要的,一个领域。

  所以整体来讲,Fintech对我们银行来讲,关注点如何让银行在新时代进行数字化的转型。我们讲转型过程中,讲Fintech的时候,大家谈到很多关键技术,ABCT,以下的技术深入发展对未来金融行业发展产生深远的影响深度学习、全民加密、认知流程自动化,还有行为修正这样一个相关的技术,认知的数据湖,以及硬件加速和量子计算这块。下面对全面加密这块和硬件加速这块进行一些共享。

  首先大家都知道IBM的Watson技术,里边谈到了对图象识别这块,比如说Watson对上面这个图片,它能够识别这个图片,得到结论是绿色一个鸟在碗里头,IBM这个技术被用在什么地方?比如一个电影发展出来以后,怎么把这个电影通过Watson进行宣传,不是人进行拆借。这个技术用在里面,比如说票据的识别,比如在ATI,进行危险犯罪的时候,用图象识别的技术能够进行报警,这是深度学习这一块的技术。

  同态加密技术这块,现在我们觉得非常重要的。是IBM一个研究院的弗雷格在2009年提出来,现在我们看到把它进行大量的商业的使用。为什么这个很重要?因为大家知道,银行对数据的隐私性和安全性是最关键的。这个隐私加密的数据在银行内部使用是没有问题的。但是当我们进入到新的社会,真的进行AI合作的时候,外部的大量的数据是非常关键的,利用协同合作是非常关键的。怎么让你加密了数据,可以在不解密情况下,让外部公有云合作方进来,进一搜索,进行合作。同时我们客户的隐私又不会被破坏,所以同态加密就是要一个技术,能够让我们对加密的企业数据拿到外部合作的时候,在加密状态进行搜索,进行利息的计算。这些东西也是非常关键的。

  量子计算,大家都知道现在非常热,中国在量子计算投入非常大。我一个同学的弟弟在中科院毕业,他在芝加哥是终身的量子物理学的教授,放弃了他教授工作回到中国来研究量子计算,所以量子计算肯定是未来非常热的主题。是增强智能计算里边非常重要的一个未来计算的系统。

  IBM在今天的CES里面给大家宣布了50个量子位这样一个计算能力,它们会把我们原来普通的计算,如果你想找到最优的途径,找到最低价,最大值,用每一条数据进行扫描比较,但是不管怎样,你要便利所有的数据进行搜索才能够拿到最后的结果,通过量子计算非常快的奠定基础。把AI复杂算法的情景会带出实际的商用的效果。

  IBM量子计算在云上提供了20个量子位这样一个计算能力,任何一个人都可以上云端进行使用,这里边到现在为止已经有6万多个用户在使用了,有1700多万个计算的实际操作。

  下面对于整个AI在银行业的驱动力,以及市场的使用的最主要的游行,我做一个大概的展示。这里面包括比如说我们做AI,在一个企业做AI,我们会有很多的经验,成功也好,失败的也好,我们在里面汲取很多经验。这里面包括如何有更广泛的数据,在企业级能够有更多的引导性的支持,来更快挖掘业务的价值回报,这里边还包括成功的企业,它要做AI的话,认知银行它要有最关键的成功特制。

  如果做AI,在企业上做AI,IBM研究院在三个方面进行研究,底层包括行业运算平台,下面是核心AI能力,视觉、听觉自然语言、对话交互,还有学习。上面是个面对我们银行,真的能够带来价值的这样一个核心应用。

  主持人:希望用更精彩的内容在更短的时间做呈现,会议是一个开始,我们私下有更多的接触。接下来进入第二环节,报告。相信也是很多人非常期待的。

  刚刚过去的2017年是中国人工智能领域发展的关键之年。从政府工作报告到中共十九大报告,人工智能发展上升到国家战略高度。随后,《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018—2020年)》等一系列政策规划的推出更是让人工智能的发展有了明确的时间表和路线图,人工智能产业步入“快车道”。

  下面让我们以热烈的掌声欢迎国家新一代人工智能战略咨询委员会组长、中国工程院原常务副院长、中国工程院院士潘云鹤先生发表主旨演讲。潘院士演讲的题目是《人工智能走向2.0》。

  潘云鹤:中国金融界的各位领导、各位专家,各位代表大家上午好!非常荣幸参加中国的金融创新科技大会,今天来讨论一下中国人工智能一个新的规划,我的题目是人工智能走向2.0。

  大家知道人工智能是60几年以前,由一批著名的教授斯坦福大写的McCarthy、麻省理工的Minsky教授、卡内基梅隆大学的Simonet等等他们在美国提出的人工智能概念,这个概念指让机器像人那样的认知思考学习,让计算机模拟人的智能。

  从70年代开始,人工智能基本上典型理论,综合起来有这么几个理论,包含机器定理证明机器翻译专家系统、博弈,当时主要的用树搜索的方法进行博弈。模式识别,刚才讲到的面孔识别、语言识别,现在用的最多的是这个方面发生的很快。学习现在也变成一个主要的理由,机器人形成了不同的学派,有符号学派、连接学派、行为学派等等。人工智能这60年的发展都是模拟人的智能行为,这新的发明都是人的不同的智能行为。

  到了2015年,中国工程院在研究智能城市、智能医疗,发现人工智能又将变得很热,而且将有巨大的变化,为什么?我们可以看这三方面的变化,第一方面社会跟人工智能的需求有变化。如果讲70年代的人工智能,七个理由,当然现在人工智能所取得的成就还是七个领域,60年代面对的成果。现在提出了很多新的问题。像智能城市,智能医疗,智能交通。智能游戏,无人驾驶,智能制造。如果是我们智慧城市用原有的方法进行研究,那是很难让这个城市智能化。如果我们还是用70年代那时候专家系统去研究智能医疗的话,那也很难让医疗系统智能化。因为医疗系统不仅仅是医生,是医院的管理,是医院所有的数据的综合,包括制药系统、丰富医疗系统、加密的健康系统,在一起才能形成智慧医疗。

  智能交通也是这样,智能交通现在走的很前面的是道路的车辆的检测,技术的自动化。但是整个智能交通实现,要靠抽、漏和各种各样的管理系统形成一个整体的系统才能实现它。所以看到这个需求毕竟和60年以求很不一样了。

  第二信息环境剧变。60年以前的信息环境,几十个人围绕着一个计算机,现在一个人拥有很多计算机,我们走到哪里往往带着几个计算机走路。然后害羞互联网,移动计算,有超级计算,有穿戴设备等等。这个环境和60年代以前环境大变化

  第三个人工智能的基础和目标也发生很大的变化,我们现在的人工智能是一个数据驱动算法,但是现在的数据变了,我们变得大数据,多媒体数据,传感器网数据,还有很多AR,VR。研究人工智能的专家改造,人工智能的目标需要修改,我们不能让计算机变得和人一样聪明,在某些领域可以超过人,但是毕竟机器的智能和人的智能本质上是不一样的。他们的算法也不一样。他们两者的关系就好象,我们可以让技术比人更快,但是人的两跳腿还是有自己的,走的不容易。人的大脑引进的智能,就是到人工智能现在这个阶段发展到非常厉害的时候,也不能完全替代大脑。

  很多专家认为,我们必须把机器智能和人的智能融合在一起,互相之间形成一个强大的智能系统,我们用现有的互连网络,让千千万万在计算机上连机器智能和人的智能,还在一起群体智能,我们可以干更多的事情。因此从这三个方面出发,我们判断人工智能必将走向新一代,我们必须用这样一个视野来看看我们人工智能的发展,才不会斤斤计较细小的细节。我们既要完成我们很仔细的算法,又要把握人工智能总体发展方向。这个想法得到了党和国家最领导人的肯定,因此中国在2017年7月份,颁布了《新一代人工智能发展规划》,指明了中国的人工智能是瞄准新一代人工智能进行发展的,同时继任老一代人工智能的优点,我想讨论一下,人工智能走向2.0时代,背后重要的原因是整个世界变了,我们世界已经从原来的二元空间进入到新的三元空间,我们原来的世界可以分为人类社会空间和物理空间,一个叫P,一个叫H。

  但是近几年,信息的力量迅速壮大,所以除了P、H以外,我们又出现了一个新的空间,叫信息空间(C),因此我们PH变成了CPH。这个中间如何进行壮大的?50年代以来的变化,我们看到50年代以前,我们那时候我们有很多书籍,我们才会交流,我们还有电子,我们甚至有了计算机,但是所有这些处理信息和传统信息的行为,都有一个特征,这些信心是人发出来的。开始把这些信息互联,我们有了互联网,有了移动通讯有一个搜索。我们看到这些信息没有离开,但是管家我们有了第三种,我们发了很多卫星导天上,这些卫星一天24小时每小时3600秒都不停的向地球传出来数。但是到目前为止,我们只能够处理这些数据的10%,还有80以上的数据无法进行处理。我们还布置了很多的摄象头,阿里王健跟我讲,杭州的智慧交通称为城市大佬,最后发现杭州一个有50万个摄象头,几乎每两里地有一个摄像,这就是现在破案效率非常高的重要原因。

  这些也是不停的向他人输送大量的信息,而这些信息基本都无法处理,只有碰到了问题才找一大批人能用计算机和人去识别它。所以我们进入新的世界,这些世界我们有很多RFIT,我们都知道二维码,这些都产生了大量的数据,我们把这个时代称为大数据时代,什么是大数据时代,不仅是数据。是这些数据不是人发出来的。在这样一个世界中间,信息快速膨胀,所以我们判定这个事件一定要面向大知识世界,如果大数据时代步走向大知识时代,反而有很多麻烦。我们把数据变成知识,才能给人类的认识和控制人类有一个极大的提高。

  我们看看这些空间的变化,带来哪些变化。我们说数据有点就够了,原来在PH两元空间中间,我们人类社会认识是物理空间,他们是什么?他们怎么变化,他们变化以后也预计会形成一个什么样的结果。这些都是他们总头,我们把它成为自然科学。然后人类社会强要改变这个人类社会,我们找房子,找城市。如果去改造,改造的程序是什么样,改造以后会产生哪些后果?这些后果应该怎样进行正面的对付它。我们把所有的这些知识都称为工程技术。

  然后我们人类社会还了解我们人类社会自己,我们的了解,我们自己有哪些愿望,怎么产生我们的经济行为?这些经济行为中间,我们怎样消费,怎么生产,怎样赚钱。所以有这些,我们把它称为社会科学,是人类表现我们自己的科学。中国有一个科学院,有一个工程院,有一个社会科学院。我们的学科找这三个进行分配。但是现在不同了,我们出现了一个信息空间。我们发现可以通过信息空间,对管理世界进行新的观察,我们可以同时看到几千公里,或是几万公里发生的事情。我们看到他宏观和微观的情况,还可以看到过去看不到的事情。

  我们可以通过传感器,通过多媒体的大数据,通过人机交互能够重新来认知我们世界很多没有印象的东西。后来我们又发现,我们可以通过信息空间来改造我们这个管理空间,现在不是无人机,我们讲现在研究飞机第三代机,第四代机。如果无人机早出现十年,我相信第五代大部分推迟。无人机的出现,完全改变了空转的作用。无人的船,无人潜艇,无人船改变规矩。无人车将是在城市的交通走向一个新的境界。然后我们相信无人车必将在一起才能发挥更大的作用。

  我们后来为此发现,人类了解我们人类社会自己。几年以前做了人口普查,据说用了几千万的人力,用了半年时间我们才搞清楚,多少人,这些人分布在哪些地方。他们是在干什么?他们都大的年龄,我相信五年以后我们在做人口普查,应该50个人一个信息就够了。可以用电子商务,可以用医院数据,可以用太多的数据,排在一起最后为每一个人画一个画像,腾讯每一个玩游戏的人都有一个画像。我相信今后的年画里,应该为每一个刊物提供金融画一个画像。

  我们通过信息空间,可以更加亲切的了解我们人类自己,我相信经济学将有一个很大的联系。实际自然科学、工程科学,在一个新的空间出现以后,都会有很多新的变化。现在很多变化还没有来到,但是我们开始了,所以我们快到了,信息空间的变化,给我们的各种渠道提供了很多新的途径和方法。使得科学和工程和社会影响出现巨大的变化,这些变化我们已经认识到刚刚开始。

  同样金融我相信也是这样一个问题。法律也是这样一个定义。

  而且我们还看到,不但原有的门类出现很多新的促进和方法,我们还是出现很多新的能力,科学的能力。比如说我们家菜刀的清晰的了解到,一个城市是怎么运行的?我们的城市虽然有三千年认知五千年的力士乐,最近中国的考古学家发现《梁祝》有五千年的历史了。全世界的考古学家在两个月以前,研究这件事情。但是我们一直不知道,采用的是密集型的全网,我们有城市的规划,城市的道路,城市的交通,城市的经济。

  我们的规划,自己画一个规划,实际上批准了,全世界的人们照着这个规划去做,其实并不是这么回事,最后出现的结果,实际上模块最多人实现,还有一块是全市人民自己进行实现的。这是一个巨大的系统。现在三元的世界中间,我们也许能找到新的方法。同样的环境生态系统,健康医疗系统,他们都是很多科学问题,将来很多工程问题,将来很多社会问题。所以我们估计今后会出现一些新的研究门类,这些门类就是研究副热聚系统,这些计算把它称为人工智能2.0,包含我们后来国家称为新一代人工智能。

  这就是人工智能2.0的内容,在我们国家新一代人工智能发展规划的时候看到,人工智能2.0的观点、理论和技术,将研究大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统。它的应用将来原来的区块领域之外,走向智能的城市,智能的制造。

  第二部分人工智能2.0的技术初露端倪

  人工在2.0进来已经有很多初露端倪的概念,大数据上的深度学习+自我博弈进化技术,AIpha GO出现以后,大家都认为这是大数据的技术,其实除了大数据,它的字母技术是非常重要的。后来果然出现了AIpha Zero,它完全不是依靠布局的大数据,依靠自我博弈,自己进行学习。计算机和计算机下棋很快。结合在一起形成巨大的能力。

  实际Deepmind不惧怕AIpha GO,为数据中心的积淀作出了很重要的贡献。它把中国数据中国智能系统等120个变量,使谷歌的用电效率提升了15%,就这几亿美元。

  我们知道中国的数据中心耗电量也是很大的,2015年耗了1000亿度电,相当于三峡水电站每日的发电量,如果只有15%,这个钱也是很大的数字。人工智能上边一点不难做到。

  第二群体智能,现在已经成为研究很重要的一个方面,群体智能前年第一期就发表了文件,研究群体智能,群体智能分为众包、工作流等等。实际上群体智能已经开始发挥了很重要的作用。眼神科学家连接眼镜的显示,科学家不知道这个人机功能是怎么分类的,他只知道其中一部分。人机太多了,因此就号召全世界知道这些知识的科学家,在这个人机上涂颜色,你知道哪几个功能就投哪个颜色。当然对颜色进行了归并。最后全世界145个国家,16个参与了这家工作,形成了人类迄今为止最高水平的对视神经的认识。成功的还有苹果APPSTORE等等,还有Wiki百科等等。 今后这样的行为会越来越多,我们必须要在人工智能中间发展成这一个软件和技术。

  第三端人机一体化技术导向混合智能。人机之间应该有更好的配合,才能把两重理念结合在一起。基本的理念和大脑的理念都是如此。我们这里举两个例子,一个是肌肉的力量,把机械和肌肉放在一起,让机械随着手臂的摆动而摆动,让它的力量而增加了。右边是普遍使用的达芬奇机器人,智能外科手术刀,外科医生可以很仔细的看着病灶,最后很精确的为病人进行开刀。我问过郑医生,我说你用了以后感觉怎样?他说非常好。很多手术比人做的更加精妙,很精确。所以这是不人的能力和计算机的能力综合在一起。

  第四个端倪,跨媒体推理已经兴起,刚才IBM的博士已经介绍了IBM的照片,这就是一个跨媒体的例子,变成一个命题,把一种媒体转向另一种媒体。这种技术,这种水平实际上是十分重要的一种智能行为。大家知道多媒体技术,已经出现了大概有几十年的时间。但是始终是每一种媒体自己行为,最多把这个媒体形的概念,指向一个文字一个词汇。但是人和计算机的决大的不同之处就在于,人是可以灵活的运用各种媒体。 这些照片可以看看。

  无人系统迅速发展,这里有无人系统两个,一个是迄今为止机器人很高水平的人。还有一个是做自主无人系统,不是模拟人,让现有的机器稚嫩化。我们可以看到这个效果更直接,更实用,能够更量大量化的进行推动。

  中八之所以走到人工智能这一步,开始了信息化的系统,很多人认为信息化实现了三部分:一个是数字化、一个是网络化、第三是智能化。几年以前中国政府提倡网络化,那时候已经进入到网络化时代。

  我们可以看到当前在国家规划的指导下,中国的很多省市和企业都纷纷的制定本区域、本单位的新一代AI发展规划,摩拳擦掌,准备大干一番。我们相信中国人工智能技术和产业的快速发展正在不可阻挡的大步的到来。我讲完了,谢谢各位!

  主持人:非常感谢,大家去猜测、去努力、去交流,我们以后拭目以待,接下来有请图灵奖获得者、中国科学院院士姚期智先生发表主旨演讲。姚院士演讲的题目是 《中国金融科技发展的机遇和挑战》,大家欢迎!

  姚期智:尊敬的潘院长,尊敬的各位领导、各位嘉宾,今天非常荣幸能够有机会来参加这个盛会。所以想和大家有机会能够交流,谈关于中国金融科技发展的机遇和挑战。

  科技用在金融产业当然不是一个新鲜的事情,很多年以来,金融产业它就运用各种的信息技术、计算机技术来帮它处理各种工作,为什么过去的这几年,金融科技突然之间变成了一个重人所瞩目的现象?我是一个计算机科学家,在我们院里面也有一个教授的队伍,现在在从事关于金融科技的工作。所以我今天特别想对于这个问题从一个计算机科学家的角度来看这个现象。这跟以前到底变化在什么地方?

  在开始讲以前,我想先把答案讲出来,就是因为以前的时候,信息技术用在金融产业里面,基本上它就像是一个很笨的工作的人,他能做大量的工作,但是不太有什么智慧。现在不一样的地方,就是我想刚才潘院长已经提到过,就是计算机科学,包括人工智能,在过去的四五十年里面,累计了非常多的知识技术,而且在最近又发生了一些非常重大的一个突破。所以突然之间计算机科学的技术,突然间成熟起来,配合到其他的一些因素,包括硬件、软件,还有社会的发展。使得计算机科学的技术,它能够从后台走到前台,所以它的所能够做的事情,不像以前一样,以前是说我们原则上这些事情我们都会做。我们请逆袭计算机公司或者是科学家就我们把这个事情能够按照指示去做好,但是现在最近这一些发展,知识的累计。使得一些在金融产业里面,大家一直觉得非常想做的事情,但是听起来根本不可能做到的事情,现在突然之间从不可能变成可能,所以今天在对这个问题我想主要演讲,我想分成两部分:

  第一部分就谈一谈在中国金融科技发展面临的挑战。第二面对这些挑战,用院里面所做的项目来展示一下到底是什么样的事情?以前不能够做。听起来根本不可能做。但是现在计算机科学技术的发展,使得它能够做。这里面包括有人工智能的发展,也包括了一些大家平常不太听到,但是默默在金融科技转型里面发挥作用,刚才陈总也提到一些跟它讲的有相融合的地方。

  讲到中国金融科技有什么样的机遇?我们最好还是从美国的金融产业、金融科技发展和我们做一个对照,确实是中国的金融产业发展的比较晚,但是也就是因为这个晚,所以我们走一个具有独特特色的一个道路,所以我们先看看非常传统的金融产业,它的圣地在美国。金融产业在美国有非常多年的历史,它有很多的金融产品,无数的金融产品。这里面的好处是有很长的历史,所以当好的一个机构,能够对于它的安全性、它的制度都比较完善。但是它的一个问题是,效率相对来讲不是那么好。所以一个人有钱,一个投资者他想要把这个资金能够用出去,能够到达资金用户,中间可能要经过好几个,甚至是十几个中介,这些中介所做的事情还有的是销售,有的是推出一些金融的产品。那么来减低这些金融的风险,所以它整个过程里面,就变得非常没有效率。或者是我们在看个金融科技和支付在美国,他们在十多年前,看一些商学院那些案例,我想他们那时候都觉得自己非常的自满,觉得比如说在中国的话要做这样的支付或者是挑战,中国没有一个基础的架构,所以看起来美国的系统对这些事情能够做得比较好。

  经过十多年以后,现在美国创新理念大家都是在抱怨,说美国支付的成本太高,不方便。所以开始向中国进军,看看我们有什么事情他们可以借鉴。

  谈一下在美国待过的人都知道,在美国的报税的系统是非常麻烦的,里面的规则多得不得了,美国的监管系统,中介也是非常多。要把一个事情,一个商业做的可规可矩,浪费很多资源在这里面,这些事情在中国的金融来讲,几乎可以说是没有的,或者是正在起步的一个阶段,所以中国的金融科技从这些年的发展,它在效率上是没有问题的,是非常好的。但是中国的金融系统新的金融产业最核心的问题,它的风险控制的问题。在我们互联网金融产品非常的多,我们的互联网的保险有几毛钱的保单,自动的理赔,我们可以做到。这些在美国所谓不能做到。但是我们刚才提到,在美国他觉得中国做得有些事情根本不可能,为什么?因为在美国有一种相当完善的,相当全面的一个系统,就能够对于每一个消费者有一个相当可观的评价,像这种系统在中国还是没有建立起来的,所以在中国做很多的事情,信贷方面需要采用一种在没有这种系统的情况下,就需要用一种借贷型的数据源做这个事情。

  所以这件事情可以说是非常创新的,所以我想在金融产业里面,在金融科技里面,中国它有相当大的创新性,因为这个不是说在别人的模式上来做一些改变,而是说在中国的金融现状之下,需要为了解决中国特有的一个问题,中国能够自己发展出一些和西方不同的方式,而且做的非常成功。成为西方羡慕的对象,中国在信贷以外的还有各种电商,小额消费信贷、供应链、金融这里面都做了很多的一个创新,每一个人在这条链子上如何重新获利,如何变得更有效率。但是相对的来讲,这里面有了这个危险性,就比较大了。

  所以我们对于中国的金融科技的现况,我们已经有一些相当高兴得理由,因为我想我们发展出一条非常特殊的道路,这里面也有特殊的问题。所以在中国可以说现在给了我们一个时机,能够直接的进入下一代的金融产业,所以我们在中国有足够的市场,有足够的科技。可以发展出一个系统,能够有足够的创新和足够的竞争力。在这些年里面,中国在互联网,在AI的研发上,这个在技术上,在基础设施上都给了我们一个在金融科技发展的条件,现在运用到金融上给了非常好的机会。

  把刚才我们所谈到的总结起来,中美在金融科技发展的差别,在美国比较更像在一个成熟的市场,保守前进,你主要的是不要踩到别人脚上,不要产生冲突的问题,相对来讲在中国等于高速的进入一个未知的领域。给了我们一些空间来作为我们特殊的发展。所以所面临的一个挑战,基本上在很多的商业事情上,核心问题就是风险和效率,比较起来中国金融科技发展面临的核心问题就是在风控上面的问题,怎样建立一个系统,能够产生一个很好的协同性的信任的系统,而不是说在前些年的一些理念,有很多的不安全性,能够制造出整个社会、整个金融生活里面的不安全性。像这些事情若干年以后,达到别人在几十年做的事情,这是一个相当复杂的工作。因为这里面牵扯到各方面的利益,所以企业来讲怎样能够减低风险,能够安全。对个人来讲怎样保护大家的隐私,我们怎样来监控这个金融的运作,社会来讲怎样让整个社会理念数据不会被少数人所垄断,而能够为整个社会服务,所以这些彼此之间有它的矛盾性的存在,所以表面上看起来这是一个复杂的事情,是不是要安全的话就一定要损害效率。

  这件事情简单看来,这四步完全没有办法能够又有效率又有方法。使得在于这件事情上能够达到非常好的效率和安全上,都能够达到影响的情况。所以核心问题里面一个方法,我们所需要解决的问题,就是怎样的一种政策,然后在怎样把所有的数据都能够让它很好的协同整合起来,能够帮助我们加快研发的速度。

  到底计算机科学它在这里面怎样能够解决我们刚才所提到的问题?简单提供三个内容的案例,在我们院里面所做的事情。第一点是人工智能和大数据的技术,它在对于控制风险里面的一个项目,然后第二个是关于怎样能够运用密码学的原理,在分布式计算里面作出一些能够保护隐私的技术,同时第三个案例也是在关于隐私方面监管之间,所能够做到的一些事情。

  第一个举例关于用人工智能来处理风控的问题,中国缺乏集中的信用体系,大家不放心把这个工作拿给哪个特殊的企业做这个信用的评估,同时没有好的系统之下,这些欺诈集团不但是个人欺诈,而且现在它的这种黑色的产业链都已经形成了,有组织的、专业分工的、变化多端的欺诈方式。传统的方法来对付这种欺诈,从这些欺诈的过去的行为发现它的问题,这样制造出一些规则来,或是加上一些黑名单,防止这些欺诈集团的运作。但是这样子一种比较粗糙的措施,逐渐丧失掉了作用。因为像这些欺诈集团,他们对于这些只要有一个规则,都有小方法来避免,能够让它过关。即使比如说像人工智能,这么好的一种技术,欺诈集团也可以运用这种技术,它来找出现在系统的漏洞做这件事情。所以我们更需要的是认证的非常完善的,而且是能够接近实时的,如果等到搜集了很多数据,然后建了模以后,这个欺诈集团欺诈的方式换了一个样子,所以你必须要有一个对于从来没有见过的欺诈方法,你也事先有预警,能够发现它的存在,这就是你在人工智能上,你需要用最高端的技术,甚至是一些还在研发的技术来做这件事情。 当然这里面还有很多其他的类似的一问题。

  我们院里面做的一个项目,就是运用大数据和机器学习来建造的一个反欺诈平台,这里面基本上就是你要用上亿的用户的群体,然后你用无监督群体的行为方式来发现这些群体运作的一个分析。因为有很多欺诈的方式,你表面上是看不出来的,你需要有从很大很大的数据里面,都有互相的关联性。比如你发现有一些人,他的行为非常的相象,这种基本上虽然看起来像是不同的人。但是他其实代表的可能是欺诈集团的同一批人,这种需要用一种高端的无间度群体分析的机器学习来做的事情,就是很好的利器。

  这里面有很大的资源,你要分析上亿上十亿的数据来做,同时还有别的问题,比如说您所做这件事情,你要说哪个人,你说他们是一个欺诈集团,你不但是需要说你自己从你的分析里面,觉得他们一定是一个欺诈集团,同时你的因为像现在的深度学习,很多的是没有一个解释的方法,所以在这里面我们不只是要能够反欺诈,而且我们需要跟用户能够讲出一个道理,为什么这些人是一个欺诈集团。

  第二个例子关于隐私,保护隐私是很重要的。金融交易里面有各种方面,银行用户等等。你们彼此之间需要大家给出一些数据,这样的话你才能够达到一个做商业行为的目的,但是大家都不想泄露自己的隐私,所以有没有办法大家都不需要让别人知道你任何的隐私,把你所需要做的事情,你那个计算能够做出来。这个有点像今天听到的一个加密的计算,还要任何的计算,我们都希望能够有一个方法,大家基本上不需要泄露数据,而能够达到你整个商业行为能够完成的效果,这件事情听起来不可能,从信息理论里面,可以证明说这件事情做不了,这个看起来不可能的事情,但是在计算机科学里面,这过去三十年这是一个很大的领域,基本上可以不泄露任何的隐私,而你能够达到目的。

  这里面讲最典型的例子,两个亿万富翁,今天在这里面肯定很多,想要知道哪个人有钱,你是比万大还是比万小,你们两个人经过一番谈话之后,你们知道说哪个人比较有钱,但是你除了这个信息之外,别的什么都不知道,你知道他比你有钱,不知道比你有钱多少,可不可能。这是不可能的,他就证明给你看,但是计算机科学这是一个整个多方安全计算,是一个很大的题目。有很多漂亮的理论说这件事情可以做。但是一直到最近,都还没有一个真正把这个事情在系统上实现下来,因为它的整个架构非常大,现在不管是区块链还是保护隐私来讲,将来一定要处理我们解决金融科技里面重要的问题。

  最后讲一个关于隐私的事情,大家对区块链听到很多,区块链就是公开的帐户,把所有的商业行为,一个一个在布置上写出来,让整个世界都能够公认,但是你要做商业的话你不希望这个帐户每个人都知道你所干的什么事情,大家想说在区块链上需要加密,要有适当的权限来做项目。但是你如果作为一种最严密的加密,就是等于说你每一个人里面所记的东西,别人都不知道,根本看不到,也不知道你是不是在乱讲,那你怎么办?像这种事情,政府绝对不能够允许这种事情,所以一定要有一个监管的方式。我们有一个本科学生,做设计,做了一个隐私跟监管的结合,所以政府监管把哪个作为监管的对象,在区块链上把他交易做什么事情,用加密的方式上来以外,同时也要寄一个加密的文件给监管单位。把这个区块链上所谈的事情,你要完全一样的内容报告给监管人。

  但是你怎样能够防止一个欺诈的人,他把这两件事情,他写完全不相关的,他不能去骗钱监管单位。但是你还是想要保密事情还是想要做,所以有没有办法能够让大家都放心,它这个人没有欺骗,所在账户上写的交易和监管机构的报告这两个事情是一样的。这个是一个很漂亮的技术,这也是三四十年在计算机科学里面密码学里面做的,这个叫零知识的证明。他能够证明说,这两个信息是一样的,但是你不知道它这里面是什么东西。这当初他们提出这个有一个很好的解释的方法说,我是一个数学家,我现在证明了了不起的,我解决了什么东西,我想要有人替我验,想找几个朋友,我证明这个东西,我会不会碰到有一些道德不好的人,他来抢了我这个东西?他看了以后,马上写一个报告,所以说我有没有方法,能够对这个世界上证明说,我已经解决了行业痛点问但是不告诉他这里面AI技术,我们有一个方法让大家知道一些事情是对的,除了这个之外你不泄露任何的信息。把这件事情听起来不可能,但是这件事情也是计算机科学技术里面一个很大的成就之一。这件事情现在已经开始在美国有一些大学跟一些学院把这个事情来做。这种零知识证明,推断在我刚才的问题上。

  这些技术计算机科学家,本身大家自己对于自己所做的工作满意,从这个境界变成对世界有一个直接很大的,在金融世界里面能够有运用,有影响的一个事情。这个就是能够使得我们计算机科学家的技术,能够从后台走到了前台。所以我们大家都觉得非常的重要,我们也相信,像金融科学这个事情,在中国金融产业里面,我们必须要能够和美国在这方面、在最先进的技术上需要能够处在领先的地位,这个就是和AI为什么取代领先地位是一样的。这属于国家的战略安全的考虑上,具有非常大的意义。

  谢谢大家!

  主持人:非常荣幸,本次大会邀请到潘云鹤院士、姚期智院士到会指导,也非常感谢两位专家对金融科技创新联盟给予的支持,也希望将来两位专家有更多机会对联盟工作给予更多指导。下面有请两名专家上台,由金融科技创新联盟向两位专家赠送顾问荣誉牌匾。

  其实真正要站台的两位院士为金融科技创新联盟,非常难得邀请两位,而且做了很精彩的主旨演讲,为了让你们能够继续支持我们,给予我们更多的关注和指导,所以我们今天一定要给你们赠一个顾问牌,有了这个牌了有名正言顺的身份,你们和我们是一家人,一定要照顾好我们这家人。接下来让我们同样请上我们的授牌嘉宾:

  金融科技创新联盟执行副理事长、中国工商银行信息科技部副总经理:孔兵

  金融科技创新联盟副理事长、国家开发银行信息科技局副局长:韩国新

  通过授牌成为相亲相爱的一家人。有请!

  随着对两位院士授牌仪式的开启,进入到下一个环节。根据《金融科技创新联盟章程》的规定,经有关企业提交申请,经联盟常务理事会审议通过。决定吸收中国再保险(集团)股份有限公司等 7家 单位为金融科技创新联盟理事单位。

  首先进行的是联盟新晋副理事长单位授牌仪式,请上两家单位,他们是:

  中国再保险(集团)股份有限公司CIO 冯键

  第四范式(北京)技术有限公司创始人、首席执行官 戴文渊

  邀请金融科技创新联盟领导上台授牌

  金融科技创新联盟执行副理事长、中国工商银行信息科技部副总经理:孔兵

  金融科技创新联盟执行副理事长、中国银行金融技术创新办公室主任:王世辉

  接下来举行的是金融科技创新联盟新晋理事单位授牌仪式,邀请五位单位代表,他们是:

  百度金融-金融科技事业部总经理 石立权

  IBM公司副总裁、金融行业总经理 郭仁声

  杭州云脑科技有限公司 CEO 张本宇

  北京国舜科技股份有限公司董事长兼总经理 姜强

  浪潮金融信息技术有限公司CEO、总经理 孙成通

  邀请金融科技创新联盟领导上台授牌,他们是:

  金融科技创新联盟副理事长、中国建设银行信息技术管理部副总经理:王申科

  金融科技创新联盟副理事长、交通银行信息技术管理部副总经理 张漫丽

  尊敬的各位领导、各位来宾、女士们、先生们,朋友们,正在参加的是2018第二届中国金融科技创新大会,目前进入下一个报告发布环节,首先有请报告发布方之一

  百度公司百度金融保险业务联席总经理王辉介绍

  王辉:各位来宾好,又上来跟大家去分享一下跟Accenture合作的报告。非常有机会百度金融在2015年年底开始做业务的时候,我们首先选择的一个领域其实是教育信贷领域,当时选择教育信贷这个领域的核心原因,在于我们会发现非常多的年轻人更加需要能够去有更加普惠的金融服务,能够去实现他们梦想,我们服务非常有有梦想,改变自自己人生,提高自己能力的年轻人,他们学了很多职业技能,包括IT,包括语言,美容美发、挖掘机等等。

  这过程中也碰到非常多挑战,来源于如何更好的去识别和判定欺诈风险,基于这个不停的去在金融领域里面进行探索,也摸准自己立足于大数据和人工智能的技术,与更多的金融机构合作进行做这个智能金融这样一个利弊。所以这份报告的发布,更多的是我们在过去两年多的时间里面的对于市场上的观察,对于监管的定位,还有对于我们自己业务的一些反思,所以整个报告分成了四个部分:第一个部分AI篇,试图通过自己的理解去定义智能金融的智从何来?未来又在何方?自己也觉得,人工智能的技术包括这个信息科学的技术有三个特征。金融的特点是三个I,第二个大密集的教育。第三个是确权,三个A和三个I。

  AI篇回顾了创新的企业,梳理了大的趋势。在共进篇这里面,我们去看到了整个人工智能和金融的结合,对整个生态产生的一些变化和引领一些格局,这里面发现有三个比较重要的特征。第一个是市场垂直细分,构成了局部的先行者,第二个是服务能力升级。参与的角色都在发生一些蜕变。我们经常讲一句话,也许你的竞争者都不是你现在看到的,他们在发展的路上。很多跨界融合和跨界合作产生非常多业态,业态让我们这个市场变得更加的有活力。

  第三个是生态全面开放,多维深度合作。和中国四大银行分别成立了战略合作的机会,所以这些都是我们能够看到的开放融合的一些新的方向。所以在共进篇里面我们回顾了整个生态,基于人工智能和金融之间的结合进行了一些演变。

  智胜篇,是报告里相对丰富的篇章,我们回顾了人工智能、区块链、云计算、大数据四个技术,可能在金融领域的应用,我们在应用篇发了比较多的篇幅去阐述,不仅是在支付领域,在个人信贷领域,在企业信贷领域,财富管理领域,资产管理领域,还有保险领域都做了一些现有应用的回顾和未来应用的展望。这些应用和展望在中国和在美国其实发展的阶段和发展的层次不太一样。2017年被称为智能金融元年是非常重要的特征,看到几家中国在信贷领域智能的公司能够去美国上市,当然也会受到监管的制约,信贷领域说到全链条的智能化,线上的发展。企业信贷领域一直都是比较难的难题,我们看到有非常多的人,依托于生态的优势和传统的银行进行合作,能够在企业信贷领域能够做非常多的创新,百度在这上面做了拓展,百度有60万中小企业服务,可能是百度的广告主,也可能是百度的联盟商户,所以我们开发的广告贷这样产品的时候,其实可以给中小企业有一个线上受信额度,最高达到几千万,也是秒批,这些都是利用生态和技术优势做一些渐进式的创新。

  财富管理领域,大家谈智能投顾,更多智能初步成型,为未来刚性的打破和真正实现去资产配制提供非常好的政策环境和非常好的良好市场环境,在资产管理领域里面,我们也做了一点点尝试,这个领域其实还是非常的高深,人工智能和大数据这个领域结合更多在细分领域里面做了一点点探索,比如在资产证券化里面,我们看到消费信用这个发展非常快速,所以作为一个新的资产类型,可以作为资产管理领域一个非常重要的新的资产类别,我们也能够通过基于大数据对于个人得征信能够对资产进行更加有效的分析和定价,所以我们也发了不同的基于消费金融的ABS,另外ABS还可以跟技术进行结合,我们也尝试用区块链的技术,把整个ABS环节各方能够上架,让整个交易和确权更加便捷。

  保险是相对比较难的领域,我们友商也在这里面进行了探索,人工技术和人脸技术自动投保等等这些提供效率,还是依托于新的生态能够做一些新的尝试,包括刚才说的无人车或者是无人机等等这些新型保险产品的创新,所以在应用这个环节里面,我花了相对比较多的篇章,更重要的是在应用里面我们尝试去总结人工智能和金融之间,他们结合里面有哪些策略,一维度看到效率和效能,另外一方面看到的是通用和垂直,所以这样两个维度把整个业务分成四个象限,不同的象限里面其实策略和打法不太一样,有些做标准,有些做生态,有些做数据的。所以这个其实也是想能够跟业内进行一些探索。

  最后一个篇章,未来篇。我们除了去展望一些新的发展动能,和新的一些格局以外,更多的是对于科技安全,行业监管、生态合作和社会责任四个方面提出一些发展的践言,希望引起一些讨论和共鸣,所以这个报告是整个业内围绕人工智能和金融领域一次相对比较大胆的尝试,也是我们基于自己相对有限的经验和浅显的认知,能够做出来一点点贡献,更多希望能够引发更多的人关注和参与到这个话题里面来,我们希望这个话题能够有更多的在现实中的意义,以及在理论上一些探讨,非常感谢各位,有任何问题欢迎会后多做交流,谢谢!

  主持人:本报告智能金融联合报告和AI共进是三家单位共同发布的,接下来让我们有请埃森哲大中华区事业部董事总经理 陈文辉

  陈文辉:王总把报告的内容已经详细的跟大家去介绍了。首先新的一论技术革命正在席卷全球,中国服务金融业在全球范围内,在数据化转型的速度可以说数一数二的,金融科技发展的规模和前景都不可小觑,我们金融和科技更加深入的融合,我们应用更加深入的发展的阶段。所以称为智能金融阶段。互联网、物联网多元异构超大规模的数据已经成为一种独特的战略资源。而区块链、云计算、人工智能在数据搜集、获取、归集、分析能力实现跨越式的提升,为行业发展孕育了一个无限的可能性。

  在这个背景底下,相关的基础信息、行为数据、统计数据可以说是无处不在。这些数据使得一个真正的以客户为中心的互联互动的生态系统得以形成,这个生态系统能够为客户不间断的提供动态的,无限推动需求场景的服务,而且称之为活服务。我们可以从埃森哲在全球调研的数据可以看到,客户对于金融服务业的概括,有67%的用户为了更好的获取个性化的服务,他们愿意授权金融机构去获取他们的个人信息。有71%的客户在进行银行业务的时候,希望可以获得自动化、机器人的辅助性服务。也有31%的客户愿意从登上平台或是搜索引擎去购买跟银行相关的金融产品。

  我觉得希望可以提一个,其实金融科技是金融创新的概念,我们利用科技的一个本职,希望可以创新金融。所以围绕着以客户为中心的理念,金融可以提供更丰富、便捷个性化的服务。这一步是金融服务的提升,金融服务的再发明和再(英文),未来发展趋势应该有以下三个步伐:金融服务和非金融服务的提升更加模糊,围绕用户的衣食住行多方面的需求,金融机构和非金融机构的服务领域会相互渗透。甚至客户无意的感知数据的存在。数据化应用逐步加强,用户可以随时随地的体验到数字化和商业化融合在一起活服务。

  第三金融服务无处不在,嵌入客户随时随地生活场景当中。这跟刚才说的活服务是一脉相承的。金融机构想在数据化时代保持增长的势头,需要创新思维的常态,面对着传统和非传统竞争对手的压力,今天金融机构在文化、组织和预测性各方面着手,取得传统运作模式的组织,能够不断的创新的引擎。埃森哲逐步完善了全方位的创新架构体系,包括了埃森哲研究部、创投基金、技术研究院、数据工作室、创新中心和客户中心六个部分。

  在过去几年,在座有很多金融机构已经参与到我们在上述的创新的设计当中,怎样以科技来提升金融创新的议题,在2018年开始,我们与大家畅谈中国金融发展趋势,由百度金融和埃森哲携手推出的一份报告,总结了金融科技发展和应用者探索未来智能金融新时代发展的方向。这报告当中我们尝试回答一系列的问题,智能金融有着怎样的特征?智能金融已经有了哪些应用?效果如何?在智能金融时代中国金融业面临怎样的一个挑战?生态中的各方应该如何应对才能共赢,技术问题希望大家可以在报告当中找到突破的答案。我们希望展开一系列的讨论。

  最后我衷心希望本报告带给大家分享成果,共同助力未来的蓬勃发展。谢谢!

  主持人:感谢报告与AI共进,智胜未来两个领导对报告的介绍。两个发布单位的领导都演讲。接下来就再次请上发布单位的两位领导百度金融和埃森哲,有请两位。要不清上的金融科技创新联盟的秘书长江艾芸女士,由三位一起为我们启动智能报告发布仪式,有请!

  现场的朋友可以跟我做五个数的倒计时,结束的时候一起来发布这个五四三二一!启动。与AI公斤、智胜未来报告今天在这里正式发布,三位代表已经在这里站在大家的面前,请三位代表合影留念。我手上拿到了这份报告,今天我们会场应该是之前有过打印的版本,但是人数太多了,时间很匆忙,所以没有足够得份数,后续在百度金融的主页和埃森哲公司的主页,和微信相关媒体上搜到相关的信息。

  希望大家在这份报告当中能够了解一下与AI共进 智胜未来为我们提供的有意思层面的内容。非常感谢大家一路对我们的支持,今天上午的活动到现在进行的非常成功,践于成功的进行,门外有茶歇。就不再进行集中的会议休息,如果有需要补充能量的可以在门外这边。

  下面这个环节是我们圆桌论坛,欢迎我们今天年会的主题,在这个环节请上嘉宾主持,亚太未来金融研究院执行院长杜艳女士。

  杜艳:非常高兴有这样一个时间在这样一个安静的空间内,我们能够一起来回望一下过去,更重要的是我们一起来聊聊未来。

  应该说从2013年中国进入了互联网金融元年,当时这个词开始诞生,然后当时三部委发文的时候,对互联网金融有一个阐释,提到几个业态,互联网银行、保险、证券、基金等等。后来在2015年左右的时候,我们泊来另外一个词,开启了Fintech时代。刚才主持人也说了,今年实际上又进入了一个新的元年叫智能金融,你会看到回望过去的时候,我们会发现整个金融市场在经过一个不断的演进的过程,不同名词背后有着不同的内涵,金融由来两个东西:一个是政策,一个是技术。下一步围绕更多的技术,不可避免会涉及到政策和监管的问题,我们来聊聊未来。

  首先,请教各位,陈总,埃森哲这边。你们开启了这份报告,我想如果说来看一下您觉得过去更多的,在谈互联网金融,那时候更多是渠道金融和场景金融,你会发现,对2C端的变革,远远胜于对2B端的变革,更多在移动支付,在投融资领域有了更多新兴业态,它的创新会更积极,如果我们瞭望一下未来,在Fintech时代,尤其是今天我们甚至在谈到智能金融时代了,未来的变革更多驱动力来自于哪里?更多张力哪些地方爆发?

  陈文辉:万变不离其宗,还是以客户为中心,客户的诉求,在市场的影响力,随着技术的发展提升越来越大。金融机构必须适应不管是2B,还是2C,客户在生态系统方面的一些需求,包括我们在报告里提的随时随地随然随序,听起来是C的概念,其实在B里面也可以。客户的影响力以及他们对于金融不管是渠道还是什么时候能够获取,什么时候能够得到效率最高低成本最低的服务,这个是其中的关键,我认为金融机构还是要关注自己客户的诉求是怎样的,这个是第一个。

  第二个刚刚就是科技发展本身,我是有去好好的利用科技,当然用科技不是为了用科技来用科技,比如说区块链,我们其实很多场景中可以用区块链,是否用区块链比其他技术产生效率降低成本?这个是一个关键。这在后面可以这样讲,我们怎样好好利用科技?我希望鼓励金融机构可以跟Fintech更多的合作。作生态系统里面我有不同的合作方式,可以申请这类合作,可以参与,可以是投资等等,这些等等都可以去驱动一个未来得发展。我就讲这两点。

  黎江:智能金融和互联网金融还有以前我们银行界、金融界信息化主要区别,以前在信息化时代,我们很多还是有我们流程驱动,业务为主并驱。互联网更多是场景驱动,这块在智能金融的时候,我们是数据驱动,数据驱动的时候从我和客户接触过程中,感觉到首先要改变对数据的认知,国内的金融街自己拥有交易数据,包括和我们一些商务方面的数据,但是客户行为的数据,新数据都很缺,因为现在的数据不仅仅是我们传统的,我们金融界所产生的数据。现在是客户在产生数据。现在是新的像照片,像影像、录像,甚至像一些虚拟现实等等这些新的数据,这些数据实际上伴随着我们的图象识别,伴随着语音识别,很多新的这样人工智能的技术,能够创造很多新的金融指数、金融算法、金融工具。所以我们确实感觉到在国内,虽然在金融界仅追互联网公司的时候,新的一论智能金融扑面而来,而且它的来和我们的撞击不是传统业务上,是在一些新数据,是在一些新的类型上。包括特别在智能空间、数字空间等等这些新的领域,包括区块链的应用。带动了大量的需求,政策是滞后的,政策是慢慢的不断的完善的。

  杜艳:智能金融阶段,从2013年到2015年这个阶段,发展互联网金融时代,您觉得它的内涵上有什么核心的不同?未来更大的机遇期,或是未来更核心的驱动力在哪里?可能不在仅仅是一个从线下到线上这样一个转变。包括渠道的转变,物理网点的转变,可能在互联网时代,更多强调是互联网+,更多是一个渠道的变革。你是从线下迁移到线上一个过程,在未来,这个迁移其实已经发生了很长一段时间之后,那未来更重要的Fintech的核心爆发力,要关注哪些东西?Fintech,包括智能金融精华点,有什么不同?

  张立钧:这个面很大,覆盖面很多。李总也提到,过去几十年是阶段性的变化,最早的IT+金融,现在是前几年互联网+金融,现在讲智能+金融,这样您讲的,前几年更多的是一个渠道的创新,甚至连场景的应用其实都是不够的,更多的是把金融产品,从线下颁到线上,这过程当中线上应用的需求慢慢倒逼,比如我们去开发新的产品,到现在的新一轮的智能+金融,这里面有几个方面的元素的变化,一个是大家都提到了,您也提到了,关键还是科技的核心,科技在这里面其实越来越成熟,聚焦在几样东西,我最近几个月,包括周一周二在亚洲金融论坛上面,我提了一个公式,IABCD等于二次方。ABCD大家都知道,I是什么?IOT,再过两年,物联网会把所有的这些东西给串起来。光有我们讲数据是原材料,这个C是一个算例,它的制造的能量。

  然后AI是一个算法。它是一个工程的工艺在这里面,你还是需要通过现在讲是移动互联网,未来是再加上物联网,整个把这些从信息价值的传送、储存最后给连接起来。 但最后得到一个效果是什么?E,体验。这个体验的提升是指数级的升华,为什么我说它是一个二次方?它所带来的这个体验,而这个体验不单单只是说陈总提到的客户,我相信我们在座的每一位都很清楚,光是客户的体验是不够的。用户的体验、我们从业者的体验,监管的体验都必须要提升。这个过程当中,我们老是讲中国的医疗体系改革不能考虑病患的感受,考虑到医生的感受,他们体验的提升。所以我们认为这些科技的元素,它在成熟的过程当中,所以这公司里面体现两块东西,一个是科技本身的进步,另外一个就是最终在应用层面,应用到哪些我们讲主要的受用者,这些受用者的体验,如何去提升?我觉得这是从纯粹的一个互联网金融到智能金融一个变化的过程当中,两个主要的核心的元素的变化。

  杜艳:之前是存在经消失,过去我们存在物理世界,现在借助各种技术的设备一直云,让它存在经消失让它改变,我们有了另外一个世界,那个世界保留所有的痕迹,存在既被记录。这个过程就爆发出巨大一个,刚才院士们也讲了,跟原来的数据一维数据,我想象文化,在这样一个世界里边,世界已经改变了,用户的行为已经改变了,用户对感知的体验,对产品要求的体验也改变了,我想问,未来AI和大数据结合以后,有可能在金融哪些领域或者是哪些服务的环节,最可能会得到比较快速的和比较显著的这种改变?各位觉得在哪块方面取得比较快的突破,或一是哪些方面的场景,或者是哪方面的环节?

  黄艾舟:去年开始,所有的银行界意识到技术的变革,就像大家一直说的一样,银行一直也是在拥抱技术,并不是存在说技术颠覆金融。我想2018年就是银行开始一个爆炸性的开始实用技术,并且更好的跟我们刚才讲的这些ABCD去融合的过程,现实来说,确实也看到虽然很多银行已经宣布自己进行了AI的布局,或者说是Fintech布局,但是实际上在场景中,就是实际应用到非常透彻应用这个场景,还并不特别的多,包括区块链技术,你们看到应该是几个银行在自己系统内的一些往来,或一是一些比较单一的,比如这种场景适用了这种技术,包括AI,其实AI范围很广,可能细到咱们说,自然语言识别,或一是机器学习,其实到这块我们还没有看到一个有爆点的,或者说广泛应用的在银行中的应用。放眼2018年,看到比较快可能有存储掉的,一个可能是自然语音识别这块,尤其是我们也在做,包括我们自己在内,也做这种尝试。银行信贷业务,信贷业务不可避免,包括投研也是,会接触大量的信息,如何识别有用的信息,形成有质量的信贷报告,解放这些客户经理,信贷人员的时间,不要千篇一律的写这个报告,快速的发现这些从广泛的新闻各种材料里去抓取这些信息,形成一些预警的点,另外形成摘要性的报告。这可能在今年就是一个可能被广泛应用的一个。

  杜艳:您说的是基于全球还是中国市场?

  黄艾舟:全球沃森已经在做这个事情,在美国大量应用这个,因为那个识别主要是英文,所以我们现在其实也判断出未来对中文的识别。我能看到可能在今年有一个应用开始出现。而且这个应用相对来说我觉得是比较朴实的。

  杜艳:比如说银行来举例,服务于银行哪一端业务?

  黄艾舟:信贷的审批,贷后管理。有智能投研,也就是说去分析年报,很快的就能摘出来年报关键的信息,形成很有价值的摘要,类似这些都是。

  程静:我同意黄总说的这个,从AI到银行业落地业务方面,我们看到比较大的发展趋势,风险相关这块领域,可能说信贷,整个这一块管理,每一个行都面临着这个挑战,坏账率都在提升,怎样把整个信贷生命周期全部能够用智能化进行预测,尤其是当时说的很朴实,看到客户潜在有问题了,如果提前发现的话,起码弥补损失的机会还是有,所以AI在这块肯定是非常重要的。

  还有反洗钱,尤其是跨境反洗钱,一带一路走向国际的拓展,在国外有一些国际性的银行,尤其是中国走向国际化,北美对这种监管风险是非常严格的。反洗钱这块,我觉得AI的技术是能够发挥非常大的力量的。我还可以有一些置疑这方面,投入很多。

  还有一个领域,其实大家都赞成,KYC相关的。说白了AI怎么能够带来更好的客户体验,刚才几位老总都再说客户、用户的驱动。回报的价值,我们银行其实有非常宝贵的数据给客户,互联网的公司也有很多数据相比来说这两个数据的差异性,互联网的信息这是国际上分析的,各大企业拥有了信息现在依然占信息量80%,20%可以在互联网上。互联网信息很多,可能真实性,怎么能够认准来自哪个实体人物和实体阶层,这两个方面的数据结合让你对客户有一个比较完整的认知是非常重要的,怎样把你视角和应用,拓展到公有云上的信息,能够进行(英文),在金融领域还是有很多要做的。

  黎江: 我们在预测智能金融的时候,实际上智能金融有两种意义,一个是主动驾驭人工智能,驾驭这些技术,另外社会上有大量的Fintech创业公司,他们在不断的在肢解,不断把传统的业务变成新的业态,变成新的模式。变化最快的不是金融机构内部用一个智能化的手段就如何成为一个爆发点,更多在创业公司里面涌现很多新的创业的模式。而我们金融业又有点象互联网行业一样,又成了跟随着。因为我们在AI方面,思路还是在原来一个组织架构内、原来的流程内,还是把AI像区块链一样当做一个数据库,当做一个工具,当做一个提高效率的手段。我不认为有任何可能的爆发点,AI和区块链和很多,不仅仅是提高效率,更重要的是金融机构和客户,金融机构跟上下游很多的生产关系。那么再回到我们金融机构怎么能更好的主动的驾驭人工智能,或者是智能金融。我看到国外有很多金融机构,重新给客户做画像,重新在做对产品的画像,因为现在的产品跟原来的产品在智能金融时代不一样。同时也在做,甚至交易员,甚至智投。包括在投资领域买方跟卖方投研收入结构发生变化,为什么?因为人工智能到了。

  可以看到,在国际上特别在投资领域,AI的爆发点来了没有,来了。如果我们还认为说还没来,那是因为我们自己不知道,所以我觉得因此在智能金融这块,我们又看到,很多国际上的机构,也要经过好几次的转型。重新在一个新的人工智能时代,重新认识自己的客户,重新认识自己的产品,重新认识自己的投研的信息这些来源,怎样快速引入外部的数据来源,怎样和外部新的这些Fintech公司,开始对接起来。这些方面已经是很明显落地的趋势。

  陈文辉:首先一个原来的问题是问您,我觉得AI上有很多跨行业的公司在里面,其实金融业里面的保险金融银行跟市场,跟风险有关的,反欺诈,这些都是可以应用的场景。我想讲的是纯上市,在金融科技创新大赛里有一个影像分析的公司,我们就讨论了,可不可以在一带一路上面去看有哪些项目发展的情况是怎样的,从微信的图象可以利用AI去分析,到底那块地使用率,它的使用情况是怎样的,甚至比如说一些农业的贷款,可以利用智能看一下农业生产情况如何,AI的应用大家可以放眼跨行业上面的应用,回来看看有没有一些使用的东西。

  张立钧:二十几年前,我是在美国留学的时候,曾经有一堂课,因为我学的金融工程,在牛大的时候,那一堂课讲到神经网络系统,我们曾经尝试想用这些模型预测一些股市变化,很难做到当时;因为不管是从大家知道数据,AI三个核心词数据、算法、算例都达不到。现在回国二十多年以后,我们帮一些客户做一个什么方面的东西,是刚刚大家提到那个欺诈跟风控。比如说我们做客户画像,我们现在做客户画像,原来的传统大家知道,这里如果有做银行,对公模型的,你对于你的对公客户,交易对手有大量的财务数据去建这个模型叫什么?PDI,LGD模型。违约损失率,然后在这里面找潜在的损失,现在我们用的数据,除了这些传统的财务数据,会用大量的这种社交网络数据。那这些社交网络数据过程当中,你要做一个什么动作?我们叫给数据打标签,打标签过程当中什么概念?是在做一个聚类分析,因为通过这个不同的客户,但是在某个特征上面有类似的特征。然后再让数据自动学习,你会发现很多一个同质性的问题。

  二十几年前到二十几年后,我在当时学那个东西,到现在应用,可以看到AI应用的一个成熟度的变化。

  杜艳:那也就是说,到风险管理到定价,整个交易环节上可能都会发生一个比较深刻的变革,尤其现在对金融机构来说KYC。KYC迄今为止各种的规定还是采用的比如说面签必须是纸质,可能在归置的制定上可能有一些突破,允许你非现场。

  刚才提到数据的问题,也提到金融未来跟场景的结合,以前金融跟场景是分离的,单独的物理场所里面去完成。客户找银行服务一定会找银行,现在大家找APP去完成这个服务。所以金融跟场景的融合进入深度融合的时代,大家不会到网点进入到一个需求服务。另外大家谈到一个问题,就是数据,数据已经是越来越成为金融最核心的生产资料。在AI时代,你会发现新的格局已经在发生改变了,我想问,这是未来包括去年2017年发现一个新的趋势,几大行和BATG等等新的融合,新的结合。想问,对未来哪一者,拥有大场景公司一定拥有大数据,拥有场景的公司以及拥有大数据的公司决策权还有能力。数据、算法、算例,拥有算法的公司会成为更有优势的一方?在这个过程中,金融机构和Fintech类的机构,和外包类的机构,他们之间的关系会有什么样子新的变化。

  我想竞合的格局跟未来不一样。你们怎么看未来?哪一方会有更多的话语权,金融我们会觉得,有的时候李总提到一点,其实新的爆发点不是在内部,而是在外部。是不是金融会变成一个只是拥有牌照核心竞争力,会更多变成后台。其他的核心竞争力可能被其他Fintech的公司去分拆掉,分解掉。最后便成了一个合规通道。一个牌照通道,怎么看?

  张立钧:其实这个问题非常好,这里面包含了很多问题,我其实在您的这个问题上面,再提出一个问题抛给大家,也是我们普华在去年白皮书上面也提到,金融科技带来很多好处的时候,同时也有很多的挑战,其中一个挑战就是赢家通吃的模式在金融行业可行吗?因为大家知道传统的金融,即使在座的四大行所占的市场份额多少,50%左右,都不到。但是你去看任何的一个互联网的细分领域,往往都是两家机构就垄断了90%的市场。

  而且我们这个趋势已经在发生,你看我们现在在零售端的支付,两家巨头已经占领了90%几的份额,未来金融行业会是这样一个趋势?您可能提到数家通吃,我说赢家通吃模式可不可行。我没有说绝对对,还是绝对懂。另外您说道的确实是未来是传统的这些大不能倒的金融机构,还是说大家知道在金融危机之后,全球的金融稳定委员会建立了这个所谓的大而不能倒,四大行,还有国际上面的大行。但是你知不知道,最近在刚刚两个月前,FSB出来新的白皮书,未来在新的金融科技的体系上面大而不能倒系统性的金融机构可能不是工行,可能不是花旗银行,会是谁?就是您讲的这些拥有大数据,或者说拥有算法的这些机构。我举个例子,我们科大讯飞是全球公认的语音,自然处理这块做的很好。

  假设未来,大家都知道,智能终端未来在语音,不是视觉,不是打字,语音是最自然的人沟通的方式,如果未来只有一家金融机构控制了给我们所有的一家技术公司,给所有的金融机构提供技术解决方案。它才是大而不能倒,或者是系统性重要风险的一个机构。所以FSB在两个月前白皮书里面,呼吁全球的监管机构,要跳出传统的思维,去看现在你的生态圈里面,哪些大数据的公司,哪些AI的公司不管是在语音,人脸识别的技术上面,他是不是会未来成为赢家通吃的一家机构?

  黎江:很喜欢听张总讲话,他知道答案,但是以问题的方式来问出。我想刚才那个问题提的很好,我们今天一天的会议实际上也是金融机构和创业公司一种竞合方面新的尝试,因为我觉得今天的会议就非常的低调。以前我们国内金融机构,因为我们是后发优势,瞄准的对象都是财富五百强,都是全球顶级的银行证券、保险基金的机构。因此我们的金融机构可以说跟国际上的大机构的合作有经验。但是跟小微的创业公司合作没有经验。不知道怎么跟他们打交道,不知道怎么把他们的一些技术、方案,一些特长融合到我们金融机构的内部去。而由于我们的金融机构,又有很烦琐的采购流程,什么招标等等这些很复杂,不要说小微企业,创业企业了。就像我们这样的企业,其实打起交道来也是很不容易的。

  杜艳:不知道怎么打交道,在不知道打交道的前提,愿不愿意打交道。

  黎江:怎么能够搭一个舞台,然后让我们的金融机构可以更走进我们的金融创新的企业。更去更快的培育科技的金融科技,人工智能的生态,而不是所有的东西都是把它当一个技术,就像以前似的,科技部去把它调研,然后自己开发。然后自己去实施一个东西,这个东西已经过时了。在我们内部这种体制机制下,等你搞成了,我觉得意义也不是太大。所以怎么能够让我们金融机构和我们的国内的双创体系更能够有机的结合,我觉得这是一个很巨大的挑战。如果这个问题能解决得好,我觉得您讲的晶合的状况,能够很好的解决。一家金融机构跟互联网公司结合,落地也是很难的。

  杜艳:进入另外一个环节,刚才在前面所有话题中谈的是技术,但是我觉得可能如果未来Fintech跟技术更强的融合,要走的顺一点,要走的长一点的话。其实更大的挑战除了技术方面的挑战,以及包括数据地数据的挖掘等等这些方面,其实还是技术的问题。除了这方面的挑战之外,还有很重要一点,一文化、理念、组织管理这些方面的挑战。不仅仅说这几个词,更重要的是要变的是基因,不是浅层次的改变。这个来自一个机构内部深刻的变革能力、驱动能力。涉及到另外一个基础设施,过去中国更多在互联网方面的弯道超车,一你市场非常大,用户红利非常大。之前服务各方面又是落后的,所以让你有了一定的超越。未来真正进入技术比拼,以及理念、文化生态系统比拼的时代。刚才李总提到一个词叫生态系统,研究深刻起源于之前做的研究,不仅仅是说拿一个技术当一个技术,拿一个金融机构,拿一个金融产品等等。已经不是这样碎片化做设计了,在做的是未来得Fintech的生态系统设计,所以这一块,因为各位都不仅仅是服务于中国,而且你们服务于全球的。我想各位在这块上,你们有深刻的一个感知。

  我想问一下。大家都知道这是一个痛点,金融机构来说怎么能够更好的转变?大家知道病灶哪里?怎么做,有没有一些药方给到大家。我知道这是有问题的,怎么做?能不能告诉大家一下。

  黄艾舟:讲一些我的观察,尤其从2017年开始,很多银行金融机构已经把自己科技的职能开始子公司化,这是挺好的一个尝试。因为原来就像刚才各位老总谈到的,在座原来信息化时代,那可能都是有一个具体要求。立一个项目,做一个系统解决一下这个问题。那现在的无论是叫互联网时代也好,还是AI时代。其实很明显的,就是说初创企业也好,我们这些大的互联网公司,它能够很好的占据这个市场,获得很好的市场。就是因为它的一个敏捷开发的体系。用产品经理的思维一次一次很快的去进行这个迭代。而这种迭代在大型的金融机构来说,几乎是很难完成的。因为您一到立项到完成。这里头在变。所以我看到很多银行在做这个尝试,成立自己的科技子公司。专门来做这个事情。

  那他们就可以用互联网公司的这种敏捷开发,快速迭代,不断的产品经理这种思维做一些新的东西。包括跟行里头,或者跟自己金融企业里头现有的场景的一些需求的看法。包括我也看到很多咱们现在的微重、蚂蚁,持拍照的民营企业,有互联网金融的银行,很明显的看到,技术和和业务是基本五五分的一个比例。不是技术作为一个业务的辅助,甚至很多需求的提出都是技术来提出的。这个对于大的金融机构来转型的话,可能也需要有这种,比如科技的子公司,或者是不是一个部门的方式来改变这个。这是我的一个观察。

  黎江:我们也看到很多金融机构,现在和外部的科技公司成立联合实验室,或者是共同的创新实验室。我觉得这也是一个好的探索,但是这个探索不要局限在技术跟产品上,就像杜院长讲的很重要,其实金融机构不仅仅需要技术,技术是花时间花资金,但是怎么能够更好的了解创业生态的人才、资本,还有很多它背后的各方面的资源的整合,比单纯的技术去更重要。

  另外我觉得现在金融机构可能也要在更多的,还要在体制上要更突破。 因为我们看到国外很多竞争机构,通过资本或多或少的参股、控股,都和现在新的科技机构是有很多的血缘,他们很清楚的了解现在科技发展到什么状态,将来什么时间达到大规模推广的这样一个时机,掌握这些时间点掌握的都比较好,这些方面我觉得金融机构也善于这方面的学习。

  另外一点刚才我也同意发言讲的,我们金融机构还是要更好的拥抱互联网。现在所有的技术都不是原理在数据中心在开发中心搞的这些东西。假如你不上互联网,你缺少跟真正互联网公司的博弈,缺少这种持续性快速的迭代的话,你和他们的差距还会大。所以任何东西,不管是区块链+互联网,人工智能+互联网,包括IOT等等,都是将来是在互联网上形成的生态而不是长在数据中心内部的生态。

  张立钧:举个例子,有一家国内领先的零售银行老总,我就问他你为什么搞直销银行,直销银行在80年代末,90年代初,互联网产生的时候,美国成立第一家直销银行的时候,传统的银行没有互联网,所以通过新的渠道简单的产品,特定的客户群体,现在中国大多数的银行,现在你的手机银行,早就已经做到了。为什么还要直销银行?他给我一个理由,即使在它这家银行已经是中国最好的银行,如果他去推动科技的改革,都很难。因为体制的问题,刚刚各位提到你也提到理念的问题。所以想通过直销银行作为一个试点,不管是从整个,管理机制、理念、薪酬体系、人酬,这样才能在体系里面运作。就像许多银行讲的双核、双数库,双流程这些概念。

  陈文辉:我们很多小股东希望把转型的问题汇集成体系,体系是一个因素,从观念上面大家首先要理解,你刚才讲的生态系统。我们报告里面也提到一个生态系统的各种参与方,我觉得一个很重要的观点就是说,要作为生态系统里边的所有参与方,我们的大型的传统的机构,大家都希望成为那个生态系统里面所有参与方。除了监管机构之外,其实每一个机构应该发挥自己的长处,变得更专业化。有了这个观念改变,我认为回答里边的问题,未来的生态系统应该既有竞争又有合作。而不是两家独大的一个情况,关键还是传统机构的观念改革。

  杜艳:回到一开始那个话题,对金融来说一个来自于技术本身,另外一个来自于监管。我们知道说今年实际上从去年开始已经暴风骤雨式的监管。监管本身也在很强的影响和改变这个市场的格局。我想最后花一点点时间,各位除了对技术之外,能不能给整个生态系统的建设留一句话,因为生态系统的建设,除了基层的这些基础的公司的参与之外,监管决策指导,甚至顶层的设计必不可少,对中国的监管说一句话,如何构建健康良好的Fintech的发展生态的话,你们想说一句什么样子的话?

  程静:我觉得监管和决策者在这种时代,应该给我们更多企业更多的空间去发挥,而不是设障碍。

  陈文辉:知己知彼,拥抱科技。可以用大数据、用AI做一些日常的判断。

  张立钧:在数字化的世界,不管是产品、主体,客户更模糊化。没有边际,同样的,我们的监管要转型,要数字化的理念,然后再用到数字化的手段。相信在座也知道,来鼓励创新,控制风险。

  黎江:希望金融科技创新大会,要不断的办,而且看了一下今天参会很多都是金融企业科技部门,实际上希望下次能够是业务部门,零售部门,我们的公司部门,我们的行长,他们来积极的参与,希望更多的科技公司能够参加以后的金融科技创新大赛。

  黄艾舟:我觉得新的时代对监管的要求肯定是越来越高了,我们希望看到的监管应该是一个有前瞻性的监管。而不是事后出了事亡羊补牢的监管,这样可能是对于行业有更大的促进,应该是指方向,或一是有一些前瞻性的。

  杜艳:非常感谢,我们这一个环节圆桌回到此结束!最后有两句话:一个是这个世界已经改变,这个世界从来不是我们眼见为实的结局这样子一个物理世界,其实人类的想象力在不断的打开,我们世界的边界。世界是很丰富和多元的,甚至我们可能要重新定义这个世界,什么叫现实的世界?什么叫虚拟世界?我们以前把现实定义为眼见为实,后来发现实际上在另外一个空间世界里,虚拟世界里可能具有更强的生命力,它可能跟我们现在展现的世界不同,这在于说我们现在的痛苦,现在很多痛点,现在转型很多难度,正是因为在这两个世界的跨越过程中,从现实到虚拟世界一个迁移过程中,是不是虚拟世界,这个我认为是需要重新定义的。

  另外一个我觉得对于金融,包括对于什么叫经济学,什么叫货币等等。很多的概念,很多的认知,我们可能都需要重新去定义它的内涵,以及它的边界。所以这是一个全新的世界,给我们打开广阔的空间,在数据和AI驱动的未来,所有的从业者能够创造更多的奇迹,创造更美好的金融的世界。谢谢各位!

  时间:2018年1月20日(下午)

  地点:万寿宾馆

  主持人:尊敬的各位嘉宾、女士们、先生们、朋友们下午好!今天的活动为期一天,我们上午进行了年会的五个环节,分别是主办方和联合主办方的致辞,我们院士发表的主旨报告,颁牌仪式和智能金融联合报告和“AI共进 智胜未来”得发布,希望你们有所收获。

  接下来抓紧时间进入第一环节,金融科技创新发布会,在这个环节有九家单位的代表就科技创新金融创新为我们做一些实质性的分享,每位嘉宾的演讲时间是20分钟,接下来就让我们掌声有请我们的第一位演讲嘉宾,他的发布单位是中国工商银行,主题是《中国工商银行新技术研究及创新应用情况》

  赵开山:各位领导、各位嘉宾,大家下午好!我是赵开山,非常荣幸借这个机会跟大家交流分享一下,工商银行在创新应用方面的一些成果。我们准备了一个工商银行的短片,大概五分钟,让大家看一下。(视频) 通过一个视频短片给大家介绍了工商银行在2017年在新技术,包括一些主要工程,包括的生产运营方面做了一些介绍。 争取进入今天分享主要的内容,工商银行在技术研究和创新应用的情况。

  我们预判时代在不断的进步跟发展,我们现在金融行业所面临的外部的环境也发生了翻天覆地的变化,首先社会生产的方式在发生翻天覆地的变化,个人消费的习惯模式也有很大的不同。现在整个金融服务的话,朝这个所谓的数字化、线上化智能化方向在发展,为了应对三化的趋势,工商银行其实对于商业银行来讲,是未来必须要打造,所谓发展的核心理念,还有优质化的能力,还服务供给的能力。洞察分析的能力,快速响应创新发展,风险控制等保证的能力。为了形成这些能力,工商银行自己也采取了相应的一些措施,三个方向为主要的抓手:第一个从2014年开始我们推进实施IP效率转型,将原有的大核心为核心的系统向未来主机核心加开放平台,要双核心,通过几年工作的推进也取得非常大的成效。

  二是现在技术进步非常的快,大数据云计算、人工智能等等,新兴的技术为银行业务创新发展,业务的变革等等提出了一些新的智能。像我们这些专家领导,在论坛的时候大家也提到,技术是一方面,传统的国有商业银行如果是石英当前时代的发展,能够更好的服务实体经济,服务人民群众日益变化更加丰富金融平台,从自己内部的组织机制和管理方面,其实也要做相应的适应和挑战,今年2017年也是做了非常大的变革,将我们网络金融同步出来,这是适应网络化做的调整。

  我们行其实是成立了七大创新实验室,我们行领导要求2017年让我们先期投入300人的规模,从事研究工作,未来三年希望我们五百人的专职人员去从事相应的创新应用。2017年也是我们整个创新实验室成立的第一年,也是我们自己不断的创新摸索的一年。整体上来讲,对于金融科技相应一些技术领域,我们也做了一些布局,大概其分为四个方向,第一从我们来看对这个技术应该是已经了解的比较深入的了,同时已经在我们企业内部进行企业级的应用,这里面包括所谓的分布式技术,大数据跟云计算。同时对于这个物联网,生活识别,区块链和API和量子通讯这块,对于核心技术进行了充分的掌握,同时在我行内部进行了相应一些应用试点。

  对于人工智能、图计算、GPU、虚拟现实、增强现实,在我们行也做了验证的工作,为后续在我们行里面进行相应的一些业务应用,提前做好技术储备。同样在人工智能方面,我们现在具有一些应用场景的储备,在进行新技术研究和创新的同时,也非常关注信息安全跟我们所谓智能运维领域方面的同步的进步。尤其现在这个信息技术发展比较快,尤其金融创新比较多。新的情况下,新的风险其实也应运而生,如何应用一些新的技术,对风险进行相应的比较有效的管控,这个也是非常突出的,或者是非常重要的课题。2017年我们也跟新吸纳的一个团队,我们开展前瞻性的拟态防御,进一步构造,保证在金融安全方面,能够更好的满足实际的需求,同时在运维方面我们也做了相应一些研究性的工作。

  下面给大家概要的介绍一下,第一是分布式技术体系,要在我们行里面,通过近几年的摸索,对分布式数据库,分布式服务,分布式构建等等,得到一些积累,打造了一些技术平台,通过这些技术平台可以快速的将我们分布式技术,向我们产品线或者是在研发过程中提供相应的支持。对于线上化发展趋势,对非线性增长的,或者说是对于交易量不可预测这种情况下,能够快速的灵活的支撑情况下,应该说有一个比较好的支撑了。今年在我们所谓的双十一大促,和我们行里面进行预约等等,其实都发挥了非常好的作用。同时从科技本身来讲,从科技的研发队伍,也减轻了很大的压力。

  在大数据方面,其实这么多年一直是在深度的,或者想用好全行这么多年的数据,打造两库一平台为核心架构的大数据服务理论这么一个体系,两库一平台,我们所谓结构化数据,就是我们数据仓库。对于非结构化数据图片视频、音频文档,我们所谓集团的信息库,通过两库对这个相应的结构化分析化数据进行相应的存储加工。同时为支持实时的这种大数据分析的情况,在于平台构建了五个流数据平台。我们现在对于大数据在线实时加工数据这么一些处理,目前我们大数据分工,服务于全行各个业务领域,在我们所谓的客户营销,通过客户画像可以为客户提供相对来讲比较精准的技术服务的推荐。同时在我们风控领域,发挥了比较好的作用。同时比如说像电信诈骗等等,也是在当中进行实时的拦截,具体的数据像2017年大概应该是识别出来的诈骗的案件。

  对于云计算的话,将努力的建设Iass跟Pass的平台,Iass也做了落地,同时我们在行率先建了Iass云平台,在我们所谓的到付,还有微信包等方面,建了相应的应用。我们现在应该是有万级容器的规模。当然了就是从我们实际的应用,在我们行应用效率还可以,但是整个的进行的规模,跟阿里公有云比还是要弱一些。我们2017年在全行做了重点的突破,因为我们也知道现在在所谓的消费互联网金融领域,消费银行应该是被互联网金融公司,比较被动。在产业互联网方面,应该其实还有广阔的空间可以去进一步的探索,在产业互联网方面的话,去植根到所谓产业互联网,物联网技术应该是非常重要的抓手。某种技术跟相应的一些工业、农业、商业等等消费领域进行融合集成。可以加速相应的信息的交换,信息的融合。同时对我们风险防控应该有更好的措施和手段。

  今年也做了一些业务方面的探索,在我们行内信用卡分期,车押贷款,原对车押,车辆管理还是松散,在行里面各种案件,比如说有骗汽车贷款,有把这个车贷款以后,可能二手市场卖掉。车押从这来讲,份额也是比较大,确实也存在风险。车押我们用了物联网技术,通过滚动的跟踪,可以实时的看到我们现在车押车辆分布情况,然后有没有进入到敏感的这个区域,都会进行实时的报警。中小微企业风险防控这块都做了有利的探索,同时我们在2018年继续深入去扩大物联网应用,同时可能在座的也有一些科技企业,或者是金融同业,我们也希望在这个领域可以跟在座的同仁或者是公司的话,大家做进一步深入一些探索跟合作。

  区块链这块做了一些,打造了自主的所谓区块链平台,申请了十一项专利,然后有两个试点,一个跟我们贵州的拆迁款的事,还有一个在雄安新区,智慧森林的建设,整个来看效果还是比较理想的。因为其实用的比较简单,就是应用区块链技术的不可篡改的特性,保证所有的整个交易的过程,司机的划归过程都是可回溯的,从事这方面工作的人做了这方面的保护,生物识别做了一些探索,也跟大家分享一下。现在市面上对于刷脸也好,生物识别技术还是存在着潜在的风险,或者说案件方面的隐患,在这方面对于生物识别技术应用的话,一直把它作为一个辅助方面的,一种辅助认定的手段。如果说未来真的是通过耍脸进行强卫证的话,还是需要加强。现在指纹登陆,通过刷脸调整信用额度,在我们这拥有了一些应用。大家登陆手机银行,可以用到有一个比较好的功能,就是语音识别,比如说你汇款,只要打开工商银行手机的融E信客户端,我要汇款给谁,整个功能就激活了,收款人,收款金额自动在交易的界面里面进行分析,收到短信的话就实现汇款功能,便捷。

  API开放平台,打造更加这么一个开放互联融合的金融生态,我们现在推出一个API的平台,通过这个平台可以很方便的跟工商银行,一些金融工商服务进行集成,然后我们也非常支持,也欢迎一些银行也好,或者说咱们的金融界的工联也好,依托于工商银行API平台可以进行场景的创新,进行二级开发。在人工智能方面,实际上今年上午也在讲,人工智能这东西并不是什么新的东西,这从5几年出来以后的话,大家有时候在用,可能现在阿尔法狗出来以后,元年也好可能大家都在关注。再几年,现在深度学习等等这些方面,我们现在所谓的神经网络,当时就是进行电子银行交易的实时的反欺诈这么一个处理。同时我们当然也所谓的工信要智,智能客服,实际上就是一些转到我智能客服,通过我智能客服可以对客户提供专业的金融知识的服务,和解答。2017年我们也做了大量的人工智能方面的探索,像IBM,还有第四态势做了产品方面的一些合作和探索。

  同时也基于人工智能的产品,把开元产品拿来以后,消化吸收学习,打造自己人工智能的平台,做一些落地。刚才2017年做一些智能投顾,我们2017年自己AI投,智能投顾产品,客户的话用我们AI投的话,通过我们手机银行可以很方便,根据客户自己完了以后,根据客户的能力会给你推出一揽子积极购买人的计划,像那些收益的这么一些情况。然后整体上效果还是挺好。

  由于时间的一些问题,和大家做一些概要的交流和分享,工商银行我们也必须要拥抱金融科技,应该是以更加开放的心态,进行所谓合作和相应的一些共同的探索。然后这里面也希望在接下来的时间里面,我们一直是持一个开放的态度,非常欢迎在座的科学界的同仁,或者说咱们金融行业的同仁,能够在未来一段时间跟我们保持沟通联系,然后大家一起进行金融科技探索的实践。

  主持人:接下来请上我们第二家发布单位,中国农业银行,发布主题:《中国农业银行以金融科技创新助力“三农”金融服务转型发展》。

  汪湛:非常荣幸这么好的机会跟大家分享农行在创新应用方面的工作。开始我的分享,我分享共分为四个方面的内容:

  第一部分是和大家一起看一下三农金融服务的机遇和挑战。第二部分是农行前期探索与实践。第三三农综合服务平台—惠农E通。最后未来的展望与愿景。进入第一个部分叫做三农金融的服务机遇和挑战。

  十九大报告里面明确指出:农业、农村、农民的问题,关乎到民生的大问题。我们党一定要把三农问题作为下一步工作的重中之重,这是我们一个政策导向。同时我国现在正在做着乡村振兴一个战略,也在紧密的进行着农村供给侧结构改革的工作,同时中央一号文件持续的连续的锁定和三农有关的一些问题。这是我们一些背景,好的消息从基础建设的角度来分析,农村的信息化程度在不断的提高,同时农村网络环境大幅度的提升。农村人口结构和收入都在持续的优化,但是我们还是面临着重大的一个挑战和问题。那就是三农地区获客成本比较高,而且利润很低。服务可获得性非常差,信用体系不完善。基于这样一个大的环境,大的机遇,怎样面对挑战解决这些问题?金融科技是我们最好的切入点。

  这里讲的是我们中国农业银行通过多年的总结、实践,探索出来的互联网三农金融服务有哪些模式。一共有以下五个模式,第一就是电商加涉农,第二个是商业银行线上化服务,这里边我行或者是邮储银行,在三农地区有深入开展工作的这样一些银行为代表。第三个就是以农业的龙企业为代表的农业产业链加在线金融的一个模式。第四种模式是以农产品交易市场加供应链金融的。最后一个P2P,众筹。以上这五种模式共同构成了互联网三农的金融服务模式。

  我行除了做好本质的商业银行现象化的工作之外,还要致力于为以上提到的五种模式,搭建我们的平台,提供我们的支撑。以上讲到是整个我们面对的机遇与挑战,农行前期做了哪些探索与实践?主要含两个方面的内容,第一是我们大力发展互联网金融规划,形成了一个长效规划,这个规划也是为三农搭建平台。搭建舞台,我们的长期规划其实说来很简单,就是三大平台五大产品线。也叫五大产品体系,三大平台呢分别是我们的社交生活平台,电子商务平台,金融服务平台。五大产品体系就是网络支付,网络融资等等。基于我们的三大平台,五大产品体系。为我们的个人客户和我们的企业客户,提供一个开放用户体系,提供我们金融服务。我们的三农用户,实际上涉农个人企业都是包含这里边的。所以我们服务三农不是凭空出现的,而是基于农行总体的,拓展金融规划实现的。所以农行整体的互联网金融规划为三农服务搭建很好的平台。

  第二个方面就是前期的准备工作,实际我们做了很多金融科技的创新和试点,回头把这些创新试点更好的应用到三农应用里面去,举个例子,比如说区块链,区块链部分我们搭建了农行区块链技术平台。支持了整个雄安新区一个拆迁款的补偿和发放,移动互联方面我们构建了开放用户体系,我们新买的掌20担任的交易量破亿。人工智能方面,我们和百度联手构建了一个金融大拿,业内筛先推出了安全边界的刷脸服务,提供了语音导航,在里面都有,再就是大数据方面,大数据方面我们推出了数据网贷等等现代产品。每月7000万的用户推送精准的营销的信息,云计算方面我们也是和华为开展一个联合创新,建设了新一代的基础架构云计算的平台。 这些在金融科技方面的创新试点很好的位我们服务三农积累了经验,打下一个基础。

  下面是第三部分我们打造的惠农E通的平台,也是中国农业银行一号工程,也是在服务三农金融科技支撑上的最佳的实践。这里面简单介绍五方面的内容,一个是简要介绍,二是平台是干什么,三是有哪些应用,第四个是技术特点,第五个是应用效果。先说一下我们简要的介绍,惠农E通平台实际上就是农业银行,立足于服务三农的历史使命,想抓互联网+的发展机遇,创新推出的互联网金融服务三农的综合平台,大家看到这个图里边,实际上实际的生产场景就是生产+流通,包括生产、库存、配送、订单,我们平台更好的完美的线上化,我们平台和外部的平台做对接。

  在我们平台下,又有三大产品线,三别是惠农E贷、惠农E付、惠农E商,每个产品下有五个子产品,共同支撑着惠农E通平台。这样可以实现农产品的进程和工业品的下乡,从功能的角度来讲,其实我们简单来说,就是两方的一个联合,一个是实际供销层关系,我们把它线上化,把场景嵌入到应用当中去,同时把我们中国农业银行的服务,包括我们电商服务和传统的金融服务,创新的金融服务。把它全方位的融合到管家服务里面去,这样的话就是我们整个惠农E通平台的功能定位。实际上就是把那些供销层的关系,和我们金融服务完美的结合在一起,有场景有服务,有流量。

  在座很多专家可能对整个惠农E通的平台并不是非常了解,我简单的介绍一下,他有哪几种服务的一个场景,这个可能大家平时很好接触到的,主要是有四大场景,第一就是互联网+产业链的模式,这模式就是以农业产业的龙头企业作为一个核心连接他上下游集群,形成这样一个闭环。第二个模式就是互联网+农产品交易市场的一个模式。实际上这个模式就是发挥我们现在在各个省,各个市里面大量存在的农产品交易市场为核心的一个辐射效应,建立稳定的交易市场金融生态圈。

  第三个是互联网+县域流通模式,把握电子上午进农村示范县,实现了刚才提到的农产品集成,供应商下乡。

  第四个是打造平台服务场景,互联网+惠农通,完美的结合金融服务最后一公里的问题。

  以上就是我们提到的服务场景,这些服务场景靠什么实现?靠金融科技的支撑,现在给大家简单的介绍一下,惠农E通平台应用到哪些金融科技?有哪些技术特点,很多也是我们独有的。这里面重点说五个部分,第一部分是云+端的技术架构,提到场景化,实际就是面向农村的商超卫生站专业市场等等,提到迅猛化,就是电商多种服务为一体的,这里面可能是智能集聚,也可能是简单的APP。线上线下融合,是说店面付等多种的支付方式,贴近农户的一个使用习惯。

  技术特点第二点,将移动互联优势与农行安全支付体系结合,推进三农服务的移动化。这块实际上我们是多次的一个介绍,是农行搭建了一个安全体系的金字塔,这个金字塔几乎拥有我们市面上看到的,所有的认证方式。但是不仅仅是大而全,而且应用上还是嵌入我们场景,上有简单的加密,还有软Token等等,我们把这些认证手段结合到服务三农的平台里面去,为用户提供了便捷的惠农通采购、惠农贷款等等方面的服务。实际上客户永远保持一个在线的连接的状态,金融服务随时随地可获得的。

  我们为惠农服务点和农户打造专属的APP,安全可靠的基础上实现农村发展的新模式。基于区块链的互联网电商融资产品“E链贷”,我们获得了突出贡献奖,以总分排名第一的成绩。利用区块链的公开透明,不可篡改,这么一个特点,将整个点上流通电子商务、供应链融资、在线支付企业ERP行业外的系统,联结在一起。造成了一个互信的模式,信用可控的生态联盟,这个在去年5月份我们是放出了第一笔贷款。

  第四就是利用数据资源的一个优势,通过大数据的技术提升风控,获客能力。农业银行推出了数据网贷、E链贷在线供应链产品,刚才介绍了E链条一贷,现在介绍一下数据网贷,通过核心企业和上下游经销的关系,实时一个完美的数据获取,实现从贷款的申请到发放到最后不超过一分钟。人工智能方面我们做了一下的尝试,其实农行在整个商务识别技术里边相对来讲比较容易探索,我们人脸识别采用了红外识别的技术,我们识别成功率达到98%,识别在0.0秒以内,这个也在三农的一些开户,商户的开户里面得到了应用,在我们ATM也正在做一个很大的推广。大家可以去尝试。

  还有就是客服的智能化,这个实际上2015年用到了三农领域的智能客服里边去,人工的转流率,分流率。现在已经达到了超过60%,说完了整个金融科技在惠农E通的应用,我们来谈一下整个惠农E通平台的应用效果,2017年可以说惠农E通平台是硕果累累的一年。当2017年底整个惠农E通贷款余额超过150亿,惠农E商累计上线商户是151亿,交易金额超过了250亿,惠农E付使用场景进一步完善,在21万惠农通完成了互联网的升级。同时我们开展铺会金融服务的具体实践和做法,得到了政治局常委汪洋的高度赞扬,刊登《国内动态清样》上的《农行搭建电商平台探索破解“互联网+”农业难题》报道得到了国务院副总理马凯的肯定,等等一些成绩。

  虽然获得了这些成绩,实际上在三农领域的探索还是有广阔的场景,未来的展望和愿景,我们这里面介绍的非常简单,无论是服务三农还是服务城乡,实际上我们永远离不开我们一些基础设施的建设。所以说这些后续的创造,还是依赖于整个农业银行金融科技具体的应用和实践,我们现在想把基于我们金融大脑,就是我们的农行金融大脑支持上面的重点应用,比如说客户画像,比如说智能投顾,比如说金融评价等等,实际上打造是一个中国农业银行的智能银行,而我们的惠农E通平台,我们服务三农,包括我们金融科技服务三农,都是要依赖于我们的金融大脑,依赖于我们整个中国农业银行智能银行的一个建设。这是我们对未来的一个展望。,“拥抱金融科技创新,助力乡村振兴战略”。 最后你需要我都在,欢迎大家使用中国农业银行互联网金融服务,谢谢大家!

  主持人:接下来有请第三家单位,中国银行,发布主题:《金融科技助力商业银行业务发展》

  中国银行:大家上午好,非常荣幸在这边向大家报告一下我们银行在人工智能技术方面的一些实践和探索情况。今天论坛的主题是智能银行,所以智能银行、智能金融,所以今天主要也是报告一下我们在人工智能方向下面的一些工作。我来自我们行新成立的金融技术创新办公室,我们这个部门是2016年8月份成立的,到现在才一年多。当时行党委给我们新部门的定位主要是希望能对新的一些技术进行一些跟踪和研究,应用和推广。这里面其实我们想主要面向一个痛点,其实是为了解决现在整个商业银行风险偏好和金融科技创新这种风险激进这两者之间的不平衡的问题。

  众所周知,商业银行作为整个国民经济和金融体系的压槽石,整个风险非常保守,所以对于一些新的科技的发展,通常情况下商业银行它是比较保守的,但是这两年随着像人工智能、区块链这些新技术的出现,可以看到互联网的公司,这些新兴的科技巨头,在科技创新方面,包括科技创新在金融领域的应用方面其实是非常进取,非常激进。银行怎么能够协调这两者?所以我们当时成立这个部门想法就是希望在我们行,与我们部门为抓手来做一个创新的沙盒。我们行所有金融科技非常新的这些东西,能够一个可控的局部的范围内进行先行先试,我们当时定下来的一些分享,包括区块链人工智能、大数据、人工互联、生物识别,我负责人工智能相关的工作,人工智能这个技术就像刚才工行的领导已经讲过了,其实历史是非常悠久的技术,当然我们也看到最近这五六年,随着深入学习,增强学习,特别是阿尔法狗为标志的成果出来以后,整个技术呈现加速发展的趋势。包括在这个语音,在图象,在自然语言处理,这些通常让人很难去解决的一些领域上面,现在这两年下来都有一些非常突破性的进展。

  我们这边做人工智能的工作,我们选取的角度可能稍微和同业的想法不是太一样,我们看到在语音图象这些方面上,现在已经有一些非常成熟,非常完善的一些成果出来。对于像我们行来说,我们自己在去研发这些相关的科技成果,其实并不是一个合适的做法。所以对于这一类的成果,比方刚才同业的领导都提到了,比方人脸的识别,比方声文的识别,包括一些智能的客服,这些更多的我们行也是通过和外部的这些研发力量合作,吸收引进了这些方式来做。我们这个办公室这边想做的事情,其实是想做在人工领域方面可能对我们有帮助,但是不是很适合直接从外面拿来就能用的这样的技术方向。具体来说我们做一些涉及到模型区块链的时候,应用到这些数据,这些数据受到强监管的,不能够随意的能够和外面的公司去交流,或者比方说有一些方向我们可能研究出来的模型本身包含自己行的知识产权的,这种事也不是很合适的方式,对这些来说,我们希望能够在一定程度上和外部机构合作的同时,能够最大限度的在我们行把这个技术用起来。所以今天讲两个比较具体,我们在做的两个场景:

  第一个场景应用人工智能技术提升我们的效率。这个场景是我们行现在在运营方面,就是运营的智能化方面一个比较具体的探索,这个场景为什么自己做的?这里面包含了很多客户信息,这些受到强尖端。

  第二部分应用人工智能技术预测金融市场的初步探索,我们做这个模型的时候涉及到大量的业务的知识产权,所以这一类的工作我们很难通过引进吸收合作的方式能够去做。

  所以我先介绍一下SWIFT分报这块,我们行每天从SWIFT接入一些报问,头寸电进入我们行之后根据报的内容需要进行一个分发,有一些报文可能在北京分行,有一些到山东分行。现在业务的痛点在于,我们现有的这些系统,只能根据明确固定的规则处理这个分报,比方看一些报文的书报行,或是57、58特定的场次,决定这个报文分发到那个分支机构去,这种典型的基于规则,基于明确的运用规则来做的系统。它的问题在于,一旦遇到非标模式,比方说有一些场次允许用资产语言写的附言。导致我们生产上大约每天有500批的报文,这个看起来不是很多,其实在我们整个业务处理里边,这是非常消化我们人力资源的。

  这也导致,同时也带来一些后果,比方处理的实效性比较低,有些时候可能因为这种人工处理比较慢,导致不能很快的被处理。包括比方说处理的标准不统一,因为这件事程度上依赖于自身的经验,所以不同的人有时候对分报处理结果可能也是不一样的。我们做了一件事情,就是我们和我们行的支付清算部合作了,我们从这个生产方面拿了大概四万多笔的历史的报文。这些报文在历史上都是不能够直接被系统分出去的。我们也知道,这些报文在正确的最终投向应该是什么样的?这个数量虽然不是很多。因为现在比方说在图象,在语音这些上面,大家做的数据集这数据是上亿条的数据,其实我们一个体会就是,在银行内部的很多AI的深度应用里边,其实未必是需要几亿条的数据,因为我们要处理的这个问题本身的复杂性,并没有像人脸识别,像语音识别这些问题这么难,即便四万多笔的比较小的数据,大概就是我们半年左右生产方面的一个数据。这个数据我们用现在的一些新的分布的情景网络的模型,也可以做到97%以上的准确率,这个准确率我们也比了一下,和我们生产商,现有的人工相比是一个可以媲美的准确率。

  这个场景虽然不是很大,但是我们发现,其实这样的场景在银行里面是大量出现的,这一类场景确实很难统一被一个简单的模型来做,是有很多的领域知识在里面,我们当然也做了一个简单的适用版的东西,根据报文一些综合的信息去做,给出最终投向的一个指向。

  报告一下我们做的第二小的场景,这个场景希望想象一做最终的事情是希望应用人工智能的技术,为重为实现系统化的交易提供支持,一个交易的系统通常包含三个模块,其中交易执行的模块主要涉及到正确的、迅速的把交椅指令下到相应的对应的交易所,或者是场外这些机构。这件事情相对比较容易,因为确定性的一些东西,现在像路透、澎礴都在做这方面的工作。

  我们现在有一些阶段性的成果,主要在基准生成模块,回看市场的信息,给出未来的一个交易方向和交易强度的建议,这个模型我们就不展开讲,主要给各位报告一下我们现在一些阶段性的成果。基于生成的模型,谈谈整个交易的想法,第一个叫基金风格的模型,这个偏向于对收益率进行一个放大,相对于原有的技术资产来说,第二个模型是稳健风格的模型,这个考虑了回撤、波动率更精细的一些其他的风险的考量。这个图在2017年的时候模型回撤的结果,这个绿色的线条一是基础资产,这支基础资产从2017年1月份一直到12月份左右,整个一个价格走势。我们做出来的这条蓝色的线,是激进风格这个模型的收益率,可以看到收益率方面比较稳定的跑沿。收益率并没有突出的表现,整个模型的收益稳定性是非常强的。我们当然也做了一些测算,比方说这个年化收益、上幅比例,

  做这个模型,把整个手里的数据分了三块,第一块是用2004年到2014年的数据驱做一个模型训练,第二块2015年到2016年做了模型的筛选,第三块我们就是这几年展示的,2017年到11月份的数据,这模型完全没有看过的数据做了一个回撤。在欧元、美元每五分钟我们这个模型给出一个信号。可以看到两个激进和稳健哪个可以跑赢那个资产的。

  除了美元和欧元,还有B向资产的,所以我们也看了一下在资产上面,日元整体再一个向下的过程,如果我们用我们这样的模型跑一下回撤,依然得到一个正收益。这是在五分钟和十分钟级别。除了日元,市场上还有一类货币,像澳元,或者是加元,这些货币被认为是商品货币,所以我们也做了一下。这是在澳元上面,五分钟和十分钟级别回撤的结果。

  除了外汇以外,我们也试了一下在像贵金属品种上面也看到一些类似的规律,最后我想说一下,我们做的这个工作其实在学术界是一个比较被争议的工作,就是我们看过很多学术界对于用人工智能这样的方法论去做金融投资,到底是不是一个可能的做法。包括我们直接去猜某一个资产未来得走势,是不是一种科学的做法。这里面对它的购并很大程度上来源于,即便现在狠心的一些算法拿出来,把现在这些不管是股票,还是外汇,还是债权各种各样的金融资产数据扔到这个模型里边,很难看出好的收益曲线。我也看过很多学术界对这方面的批评。我想说的是,我们当学术界有很多它的看法,我们的看法是,这件事情恐怕不是简单的就是一个把很新的一个技术方向,扔一堆数据进去就跑出一个很好的模型,这件事我们觉得它的难度并不在于算法和这个设计本身,比方我们现在用深度学习或者是强化学习这些很新的各种各样的算法去做,这本身确实是很难直接作出一个好的结果,这种我觉得比较难的一点,其实在于所谓的领域知识上面。就是对于这支资产或者是很多资产,我们在做的时候我们到底认为只是一组随着时间轴上面的价格序列,只是一组数据,还是有别的东西。如果我们认为是前者的话,确实这个工作最开始的时候,也是遇到很大的问题。

  但我们觉得这件事可做在于,他有很多的对于金融数据特性的理解,这些理解其实是一些非常依赖于实际的领域知识的。所以这件事情和那些图象语音这些识别不太一样的地方。对图象来说我可以把那张图看成是一个三维或者是四维一个矩阵,然后做一下变换就可以了。但是对这一类工作来说是比较难的一件事情,所以我们能做到这个程度,也并不是因为我们在发网上有特别突出的成就,其实更主要的依赖于我们行在外汇,在贵金属这方面积累了常年的一些业务经验和知识,我们觉得这是最宝贵的东西,这是商业银行做人工智能相关工作的时候,相比于外面的,不管是国外的谷歌、微软还是国内的BAT,这是我们商业银行特有的优势。

  我们也在探索的初期,做了一些交易,在运营上面做了一些小的工作,内部的这些AI除了交易运营以外,我们现在也还在和行业的部门和我们分行的探讨去做一些信贷的风控,做更多的这一类的,更广泛的场景AI。除了这个以外,我们也觉得其实未来银行为客户提供服务的可能一种新的方式也是可以是AI制的方式。我们现在的银行为客户提供了服务,在手机银行,或是在其他渠道上面更多还是我们自己银行服务内容的堆砌,我们对于客户也做了画像的工作,也做了细分。这个客户本身的使用习惯,对他的偏好,对这些方面的理解其实我们认为还再一个比较初级的阶段。

  未来我们觉得银行对客户提供的服务就是一个为客户领养的AI,AI每天和你在一起,不断的去学习你的喜好,去学习你的整个的情况是什么样的,帮助你去更好的使用银行提供各种各样的金融服务。这样AI未必是长成一个引起人或者是什么样的东西,可以在你手机里,也可以在你车里,可以在各个使用的,这些背后就是整个银行通过自己内部强大的运营能力所给它提供的服务支持,这也是我们未来的一个愿景。

  以上就是我的报告,谢谢大家!

  主持人:下面有请国泰君安证券的领导,发布主题:《君弘灵犀智能化服务》。

  国泰君安:我们证券行业大家一直在探索,我想分享一下国泰君安推出的“君弘灵犀”。

  首先介绍一下国泰君安证券,二十多年来形成自己特有的文化,以风控为本,追求专业的文化。基于这样一个企业文化,所以我们信息技术发展有这么一个很好的路来做很多的创新。中国领先的综合金融服务商,下面我要介绍的“君弘灵犀”这个服务体系重要的载体。

  国泰君安是目前市场上比较领先的中国金融服务商,未来希望能够进一步提升我们对市场,对资产的一个把握定价能力,成为一定的信贷投资银行。

  为什么讲“科技+服务”?资本市场很多,服务的客户有1.3亿左右,大部分是零到50万的资产,这个讲是非常宏大的这么一个客户群体,对他们服务应该讲采用传统的人工服务,基本上是没法来覆盖的,把数字跟大家在交流一下,最后提出来“科技+服务”,所以公司对我们科技定位比较高,是我们战略支柱之一,也是估值核心竞争力,希望通过我们为企业赋能,解决我们智能服务的问题,我们服务追求四个方面:一个跨条线,第二个全用户旅程,第三个商业价值传递,最后普惠金融服务。

  刚才我们公司提出来要经济服务的这么一个服务体系,怎么来打造这么一个目标?讲讲我们的认识,潘院士也提到我们进入人工智能2.0的时代,我个人认为还是一个弱人工智能时代,第二个本身还是有很多的人工帮他,他自己没有办法帮他来做,做综合性的感知,所以我们认为是一个弱人工智能时代,最大的特征不能替代人,只是帮助人。所以我们是定位,就是说我们能够提供智能服务,帮助我们投资者来解决我们投资者一些所需。所以具体来说,我们希望通过人机同行的方式,辅助我们客户解决问题。我们智能引擎、我们的技术服务。

  现实情况下我们一个投顾目前服务客户的是500多人,大部分客户83%的客户,处在一个比较方法状态,存在很大的服务缺口,如果真把比较好的投顾要服务三千多人,这个怎么办?所以我们只能通过我们线上、线下一个融合,我们来通过自主服务解决这么一个缺口。

  所以基于这么一个想法,国泰君安发布了一个国泰君安智能化服务的品牌,这个品牌解决什么问题?解决三个用户痛点,投什么?怎么投?为何投?用户在投资过程中比较关心的,也是比较困惑的。怎么来做?所以我们建了一个投资辅助的决策平台,就是给客户用的。或者说给我们自营用的,具体来说我们通过用户数据,包括用户画像给他提供所需的服务。为什么叫“君弘灵犀”?我们想达到心有灵犀一点通,我知道你需要什么,具体来说我们提供了五个方面的核心的业务功能,包括证券交易,包括我们理财产品,包括支撑内容,包括我们客户服务,具体来说我们很多客户所需要的一些服务的内容。这方面罗列的一些,希望通过这个帮助大家在投资决策过程中,有人帮忙。

  这个服务体系里面最核心的一个,就是落地,全用户里程,要达到全仓比,伴随服务的过程,什么是伴随式服务,在你需要的时候我就出现。具体来说有三个服务层次,一个进行技术的服务,我们智能客服,包括我们98%的智能客服来回答,8%提供人工的客服。第二我们能够提供投资服务,从我们整个仓位管理到帐户分析,是100级的。针对客户不同的种类,小白投资者,他们很需要服务内容。所以我们这个“君弘灵犀”这个服务,就是来践行提出来的全用户旅程、全场景、伴随式的服务。

  这几年的国泰君安实践,给予我提供的君弘服务的,证券来说,我们发展非常可观的,更重要的我们在这一年多的时间里边,我们推出40多项智能的服务。通过我们APP,把我们价值、把我们服务送达给客户。包括我们最早注册的帐户分析,指纹登陆,包括去年底推出来的量化掘基、移动雷达等等。我们作出有特色的是资讯分析,他们希望得到投资的工具,我们帮助客户了解同样的一个股票,类似的历史上某个股票类似的走势,对他有一些参考,我们不帮他做决策,但是我们希望带给他一些帮助。

  总的来说,我们智能化服务有六大特色,第一个特色有大数据,四年前已经做好大数据的平台,我们能够提供海量客户的用户数据跟行情数据,能够提供每秒钟两万米的运算,也比较大量的一个客户吞吐能力,人工智能发展这么多年,我认为大数据还是非常重要的,大数据是能够可用的一个大数据平台。第二个是机器学习,通过向量模型、知识图谱等技术,快速的解读海量的研究报告,判断行情,跟踪一些热点投资者,提供一些股票的策略,帮助投资者来做好服务。第三个是标签体系,可以服务于各个场景,很多场景的基础就是这个标签体系。200多家的基础业务运营指标,除了用户专项还有用户指标的专项。第四个就是我们智能匹配,大家知道,真正能把服务做成个性化、场景化、智能化,有一个很重要的,把相应的服务、产品进行智能化的匹配,我们现在整个匹配的准确率要高于90%,我们有50万以上的业务推荐的规则已经产生了。可以给我们的用户用事实的资讯、行情、产品,营销的这么一个转化的数据,进行实时的匹配。

  第五个特色是量化策略,我们提供了具有十二年的分钟级的数据,能够提供回测的服务,帮助投资者作出量化策略的自我的选择,地六个旧是语义分析,其实我们现在智能客服应该说能力非常强,加到我们自己的机器学习,我们可以从海量当中提取特征做很好的语义处理。

  总的说,国泰君安这么一个智能化的服务的体系,应该讲是我们在实践智能化服务过程中的载体,也是我们探索智能化应用的一个很好的例子,希望对大家有所启发,谢谢!

  主持人:除了我们银行,证券公司也给大家分享叫智能投顾,这是我在2017年作为一个C端,作为客户听到的一个词,之前跟银行一个朋友交流,你看我们行推出的智能投顾,我买了,我用了,但是我赔钱了。这个事情很正常,现在金融科技行业正在发生着一种变革,我现在也把不好卖到底处于哪个阶段,处于青春的叛逆期,还是人生的第一个叛逆期。总之我们知道,只要大家相信,作为一门社会科学或者是社会科技,就一定会好。期待在未来,在大家的拥抱之下,我们一定会有一个好的结果,当然这个过程需要大家更加的努力。

  接下来有请本环节下一个发布单位百度公司。 带来的主题:《百度金融用科技践行普惠梦想》。

  百度公司:首先给大家问个好,各位领导,各位媒体朋友,大家下午好,我来自百度金融,今天想跟大家分享的这个题目是用金融科技践行普惠梦想,讲这个课题之前。

  先简单介绍一下百度金融,大家对百度金融的了解不是很多。我们是在2015年12月份在内部成立了百度金融事业群组,在过去的两年时间里,我们实际上在圆一个梦想,为什么百度会去做金融,因为我知道每天在百度上可以看到,有数千万去搜索教育培训。可是在数千万的人当中,当他们面临高昂学费的时候,很难迈进培训的大门。这时候我们看到了用户的需求,我们想通过金融的手段来去支持这些学子的求学梦想。也是希望能够帮助到他们通过金融的支持学会更多的知识,在未来圆自己的梦想。 在过去两年当中,大专以下学历的用户有130万提供金融服务,其中有超过38万大专以下的学生发放50亿的贷款。

  在金融科技迅速发展的今天,我们在科技在金融当中的应用,已经经历了三个阶段,第一个阶段我们称为金融科技的1.0时代,也是在20世纪后半段的时间,我们计算机在金融领域的广泛应用,也提升了我们应有的效率。第二个阶段当我们迈进到21世纪的时候,物联网的出现。很多金融公司,我们运用互联网的技术,把互联网作为载体,在移动支付和线上服务上有了突飞猛进的进展。最近两年,从2015年开始,我们又看到人工智能新的一波的技术浪潮扑面而来。我们正在迈进智能金融的时代,也就是我们所说的智能金融3.0的时代,运用人工智能技术,可以拓展服务的边界,进一步提升客户的体验和服务的效率。

  百度金融背后是强大的百度的AI的能力以及生态布局。大家知道我们有自主研发的语音识别,自然语言处理,图象识别,以及AR、VR深度学习等等技术。在过去18年的数据积累当中,我们已经拥有了万亿级的搜索数据,数十亿的图象视频的数据。同样百度也是中国最大的GPO的集群,有超大型神经网络,以及数十万台服务器,给我们做人工智能提供强大的算力。在人才方面,其实大家也看到,我们不断的引进全世界顶尖的AI人才,有数千名AI研发工程师,在各个领域不断的探索,提升我们AI的能力。同时我们也开放了80多项核心AI能力和37万,超过37万的开发者和合作伙伴,每天调用我们AI平台达到两亿以上。

  在计算能力和人工智能算法以及大数据的支撑下,我们更有能力把它落实到金融的场景,我们说AI最佳的落地时间场景应该是在金融领域。我们2017年提出百度金融大脑这个概念,就像人的大脑一样,左脑和右脑。左脑应用在学习分析预测上,右脑更多是感知,听说看的能力。思维引擎究竟是什么?在思维引擎我们建设方面不仅用到了高性能的算力和硬件,也应用到在搜索领域里面第四代机器学习的技术,目前在大规模机器学习上,处于领先的让机器学习的技术。每天超过70亿的日搜索量,已经超过两千维度的特销数据,通过这样算力和算法,我们不仅仅可以去学习分析和预测,我们也推出相应的工具,可视化模型平台,能够为我们合作伙伴提供更好的建模工具,降低机器学习的门槛。

  后面看两个应用:思维引擎在哪些领域有所应用,第一个是智能获客,展一响应模型。在金融领域面前有非常大的特点,获客,在银行其实有很好的网点,有很多的触达客户的营业网点,当互联网金融兴起的时候,其实很多银行开始和互联网的结合,我们可以应用这样的思维引擎帮助更多的金融合作伙伴,精准的去寻找我们的金融用户。同时给它打上各种标签,是基于我们所拥有的大数据。 同样对拥有的金融产品,实时的去通过响应模型去匹配。无论是保险产品,还是信贷产品,理财产品。都可以这样运用到智能获客的响应模型。

  第二个应用,也是金融第二大痛点,大家非常担心风险的爆棚增长,所谓引擎我们用大数据和相应的算法去推进金融反欺诈的技术,在过去一年多的时间,已经构建了一百亿个节点,每个人都有自己的手机,有手机号码,人与人之间形成相应的关系。可以通过关联网络,把每一个用户精准的关联,这个例子这是一个正常的状态,这里边每一个点,大家可能会有一点小的可以看到,周边有几个节点是相关联,好比周围的同学或是同事,我们有正常的关联网络,但是当发现这个信贷机构出现的时候,我们看到中间这张图,这里面蓝色的部分会有很多节点关联到同一个里边。我们怀疑有可能是欺诈组织或者是个人出现。

  我们在经过验证以后会发现某一家教育机构,确实是经历了黑产的攻击,一个学员来申请,同时带来了非常多相关的学员同一时间同一地点,甚至用的身份证号码都是非常接近的,同一个区域的。我们快速的识别和报警,事后再来验证,果然在这些团伙的攻击当中,后面这些学员出现了大片的回期状况。

  百度金融大脑,更多的表现听说读看的能力,百度搜索经常使用的是语音搜索,现在普通话识别的准确率已经超过97%,在人脸识别方面,尽管也有很多公司在这个领域里面有很大的投入和突破,那百度在人脸识别,包括OCR这个能力,基本通过率达到98%,自然语言处理,更多的表现在语义的理解上,百度在过去18年当中,专注在做中文的搜索,能够更多的去搜集到用户的意图表现,特别是自然语言的表现,我们可以通过自然语言的技术,解析和判断用户的真实意图,通过数据的点击反馈我们处理的结果。语言合同方面,有感知的是百度地图上面,我们看到有各种特色的人生,其实是通过机器合成来给大家去导航指明方向。我们把这些技术可以应用在金融的什么场景,给大家举个例子,活体人脸识别,在做小额贷款的应用到人脸上一识别,在授信过程当中可以捕捉面部信息,通过识别判断他的身份。第二个应用将语音语义能力应用在百度自身的智能客服的领域里面,在百度金融智能服务中心,我们每天会有1.3亿活跃用户前来咨询,包括后面的业务。我们已经实现了智能机器人的处理,97%的概念咨询,可以由机器人来咨询,解决率这个是我们特别关注的,不是说我们客服有了答案,可能就解决了这个用户的问题。实际上我们要跟踪,我们所给出的这个答案,以及后续用户的动作判断问题是否得到了解决。

  我们现在看解决率是否达到90%以上,此外我们客户管理其实大家都知道,我们需要大量的质检工作,百度智能语音实现了100%的质检,为用户提供良好的体验以后,我们看到运营的成本大幅度的下降,一年内单次服务成本下降82%。刚才前面农行的汪总也讲到,我们百度金融大脑在2017年跟农业银行达成了战略合作。我们在现在这个时间点,已经完成了金融大脑2017年零部件的部署,通过决策引擎,能够为农行在智能获客精准营销、信用评价,风险监测智能投顾方面有效的支撑。近期落地的项目就是包括我和联合的AB贷、智能掌银、信用分等等,可以在百度钱包APP里可以看到,我们用农行共建的信用体系发布的AB贷。 感知引擎,在实验室的环境已经完成了验证,可以做到语言搜索,语言转帐,以及刷脸确认身份,完成活体识别。

  在未来,百度金融大脑将软硬件一体机的方式面向更多合作伙伴,这里面包括三个部分,一方面是多方数据存储,大家有感知到,除了互联网上用户有大量的数据,其实在金融机构里面,用户也有非常多的数据,此外我们还有外部的一些合作数据,支持多方数据加工,以及整合。第二非常重要的是AI模型,通过百度大数据的模型,刚刚提到的在思维引擎里面应用到的机器学习模型,可以支撑在预测分析以及迭代放了应用。第三个能够让合作伙伴更好的去使用我们这样一个AI一体机,能够很便捷的去越过机器学习的门槛,快速的去建立相应模型,支撑这个业务。会展望一下,未来有几类应用。第一是柜面服务一体机,第二个是更懂用户的服务,精准营销的通过数据画像和评分等等,为用户推送服务。第三个是大数据风控的一体机,将我们已经验证过的,把大数据的风控能力,包括关联的这样一些能力整合到我们一体机里,面向我们更多的合作伙伴。

  最后就是一张百度金融科技全景图,左边更多的我们是面向大型金融机构,右边是面向更多的中小金融机构。在左边我们准备百度金融大脑,无论是在感知还是在思维上都可以来去帮助到金融机构,提升效率,降低成本。改善用户体验。在右边我们也推出开放平台,通过SDK和API的方式,可以为中小金融机构,通过云端的服务去调用我们的AI能力。最后一部分其实我们也启动区块链的研究,运用在ADS上也有成功的产品在发布。

  这是以上在过去一年多的时间,已经跟相关的金融伙伴携手前行,共同去打造新的智能金融的能力,我们的目标也是希望通过科技赋能,让更多的人享受到普惠金融,谢谢大家!

  主持人:感石总,为我们带来精彩发布,接下来有请腾讯公司,腾讯金融运营高级总监陈总,有请,发布主题:《磐石_昆仑-腾讯金融科技产品发布》。

  陈总:非常高兴,今天有这样的机会跟我们很多合作伙伴,科技界的领导专家介绍一下我们的产品。我来自腾讯金融,我负责两块事情,过去很长一段时间内,主要是在做三方支付,包括现在的微信支付,以及所熟悉的微信红包、理财通、微利贷等等都是在我们平台负责。

  第二块是盛贷应用,我们一直保持着一颗敬畏之心,我们觉得这个行业还是非常的严谨和值得敬畏,但是我们在近些年也把过去十来年所积累的经验,尤其是AI相关的经验,包括我们在区块链上相关的探索,都在很多的应用场景进行一些应用,本来我以为今天是一个针对银行业的解决方案。所以我们团队做的其他产品也没有在这里做很多的展示,我们和保险行业在上个月也发布了三通产品。举个例子,像基于视频理赔,在微信小程序的资源,然后发生碰撞之后,直接和远端的坐席讲话一个通讯,把客单两百的成本到现场,加一个时间的成本,两百块钱三百块钱降到三十,只是一个很小的点,作出很多的产品。回到今天我们所介绍的两款产品,我记得小马哥说过一句话,金融是一场不是看谁跑的快,是看谁跑的稳的行业,我们一直做三方支付的。我更多的时间其实在做技术运营的一些工作。我们包括运维,以及数据分析相关的事情。

  今天在座的各位,介绍了很多的产品。我相信这些产品的背后都里不稳健的运营的平台,尤其在分布式的路上面,我们数据的产品是什么样,我们运维的平台是什么样的?所以我们把内部这十多年来的经验,包括这两款非常小而美的产品,可以推给大家。

  这是从2014年到2017年,我们微信红包手发的量,从2014年收发大概两千万,到刚刚过去的春节,有142个亿,整个增长了700倍的量,短短增加了1.5倍,这样一个人力保持我一个系统性能快速的增长,以及我的系统的稳定性,这对整个的运维的技术提升很高的一个挑战。这是去年的春节我做的截图,在这样一个峰值当中,过了十二点将近二十秒的时候第一个峰值到来你整个运营监控平台,怎样能够在短短的时间内,把这个很大量的一个数据,快速的处理加工,然后展现出来,这是很有挑战的一个事情。

  介绍两个产品,一个是磐石,磐石象征着腾讯进入磐石,很多时候会把非常稳健的东西放到这个里边来。整个磐石系统解决两个问题,第一个其实也是运维所要关注两个点,第一个是管控,第二个是监控。管控的能力,其实在这里面我有很多的可视化、自动化,向智能化的转变。其实和在座的科技系统是一样,我们最最核心的地方,一个是数据安全,第二个就是整个系统的稳定和连续。举个例子,在去年我们整个全年,系统的稳定性达到5恩个9,为什么做到5个9,是整合整个公司的力量在做,因为现在的微信支付已经向我们的国际民生的业务,微信支付在超值购物,我在排队,这时候没有带现金,我后面占了十个人,如果你的后盘环境出现了延迟,你的回调环节出现了延迟,你商户的通知出现任何延迟,这时候后面的人很着急了,第二个产品一直在用打车这样的软件,我付了钱,银行卡已经付款,但是你支付系统出现了抖动,司机那边收不到通知,这时候司机不让走,很多时候产生很多冲突。所以说对我们系统稳定性提出了非常高的挑战,这里面做了大量的工作。所以说如果在座的各位以后从事我们的系统,做直销银行也好,做其他的也好。我相信也面临这样的挑战。把这两款产品对外进行了一个输出。并没有把所有的能力全部对外。比如我和腾讯内部很耦合的事情没有放出来,我一定要独立部署,直接在你地方就可以用,也不会依托腾讯云,不会依托已有的技术设施。

  这是整个磐石基本的系统架构,目前其实提供的主要管控平台有操作、发布和业务管理,在业务管理这块可能是最有核心优势,因为我们刚才提到了,你有5个9的诉求,你有你的IPO的诉求,同时还有对于业务实施管控的诉求,我就现在团队五六十人,我管理将近两万台服务器,我管理那么多商户,每天一千多亿资金往来?管理十亿帐户的需求,我怎么知道生态需求是健康的?这需要很多平台的技术来支撑。

  第二块就是说一个监控平台,这里面想解决的核心问题就是两点,第一我根据过去的点,我怎么决策现在这个点,无论交易比数还是规模是否异常,包括AI的东西,包括积极学习的东西,包括决策数据的东西。在这里面多做了一个整合,第二这里面还有很关键的点,那就是以前我得到专家经验,通过开发也好,或一是技术人员也好,去配制。我这个系统当前这个点是不是异常,是采用方差的方式,还是采用几倍偏差的方式,算出它的是否异常点,但是这个是,如果给你一个新的系统,刚才说到我们除了支持腾讯金融里面一个很庞大的技术体系之外,还有二十多个金融业务。还是在这样一个场景来支撑。我不可能再去招很多人做同样的事情。所以我们要把监控平台做的异常的庞大,提供非常好的空间和介入的成本。

  第二点就是问题的定位,发现这个异常点以后,我们怎样去分析?我这个异常点关联的业务,是否正常?这是管控平台还有另外一个挑战,现在我们整个的支付体系已经做到了两个D,12个中心,所有的用户打散在12个中心,可能有更多IDC的产生,那这样的一两万台服务器,我怎样保证这些机房的稳定性,以及支付的稳定性。其实这个系统平台在做的。

  另外还有一个需求,就是千人千面,另外平台以前都做大而全,大家都用过,但是我们所有领导想看的页面,我们开发工程师想看的页面,我们运维同学想看的页面肯定都不是一样的,跟领导看的页面不一样,另外大家都知道,在整个的支付体系当中,是银行的环节当中,我相信你的发布一定是非常谨慎的。我了解到银行季节还是放在凌晨,或是晚上进行。一年放在凌晨变更的点不会超过五个,每年的版本量有大几十个,这样版本变更大家有感受到不稳定吗?这里面有很多策略的问题在做。

  所以整个管控系统的核心能力有这么几点:基于场景化、安全高效的达到我们现网运维的要求。集群化这里面,其实主要是说,我们从线网系统出来的数据之后,然后结合用户的场景进行分析,从而打造对我们线网管控的目的。这个系统还有很庞大的一个挑战,比如说我们每天教育规模那么大,我们每一笔支付下来,可能调用的活动环境非常多,对你的监控系统,你上边的东西可能每天有近两千亿条,这样两千亿条数据上来的时候,你的中间的大数据处理是什么样的?你采用什么样的模型进行分析,最后的告警体系是什么样的?对我们系统是非常大的挑战。

  另外一块就是智能报警这块,智能报警这块,今天我讲的当中,可能和这个主题比较契合的一点,这里面做了很多一些基于人工智能和基于智能分析这些学习的算法在里边。我们也希望能够把这样的一个平台给到更多的创新型业务当中来使用到,所以整个近况来看也是基于场景和安全高效达到线网管控的效率。这样一个平台,除了在刚才说道20多个业务,我们10亿多用户,几千亿资金使用这样平台在应用以外,在腾讯内部所有的金融行业当中我们都在用。

  第二块,将对金融有一个绕不过的话题,那就是数据安全。在走向分布式的这条路上面,你的数据库一定不用传统的模式,所以说在这里面,我们把内部用了十多年这样一套解决方案打包出来。金融局数据库可能和我们内部其他团队,比如你做社交的,比如说你做游戏的。比如说你做其他一些场景的,可能都不一样。我们对于一致性和分布式的要求是非常高的,数据的丢失都是灾难性,值得骄傲的是我们腾讯支付平台,从我们诞生那一器起就跑道Mysql上去,大家拿到这个版本,你可控力非常强的。我们也会把我们所产生的所有的坑,让MySQL协助我们改这一行代码。所以说在这个时候,我们跟MySQL团队进行了很深合作,我们发现了这个场景,告诉你什么时候能产生,把它合到下一个版本当中来,所以他们对这个事情也非常的重视。

  整个数据库这块,还是围绕高可靠、高性能,以及自动化在做。包括提供了两种这样的一个数据库架构,第一种是基于分布分表,只是为了达到单己房,你的有数据源可以用。我们也提供独立的部署。如果说你想做到跨机房,任何IDC出了状况,你数据的完整性,我们也有这样的严谨的解决方案。在这个里面,其实我相信做数据库这一块,在这里面主要是经验的东西,我们会有很多譬如说你储备数据库不一致的问题,怎样判断选主的问题,这有很多在过去十年,是对这个经验的十年,每天十几亿比的交易规模的冲击下面,那是对这个架构更稳定性的一个考验。

  尤其是在去年和今年,我们分别做了两地四中心,和两地十二中心,这个过程当中涉及到大量数据的牵引。在座是做技术,对数据牵引这个词虽然很简单,但是这中间所考量的东西是非常有挑战的。这样一套强A制数据库的架构,目前我们也做了小而美的产品,对外来输出。目前网联用的也是我们这一套,其他的一些合作伙伴,在座的有很多银行是我们战略合作单位。这是一个金融级多活的解决方案。这是基于路由转发的问题。

  这里面太多技术的问题,感兴趣的话,可以进行一个做生物的交流,本身是一个产品的发布会。整个的一个,因为数据库要解决两方面的问题,第一你怎么解决储备数据一直划问题,和完整化问题。其实另外还有一个问题,我数据库团队只有十几个人,要开发这套系统,又要看你内核的Bag,还支撑几万台的服务器,支持业务版本的上线,肯定忙不过来,整个数据库管理平台,这样一个管理平台也是打包在这里面一起对外输出的。

  在分布式数据库上面,如果说做研究也好,或说在将来业务场景当中做试点也好。我们欢迎进行交流,这样一个平台也在很多场景当中,得到了一些非常多的应用。其实最后说一句话,在这里面介绍的是两款运维产品,但是这两款运维产品也是我们把近十年来,所积累的很多的一些运维的经验对外进行输出,而且中间一定是把我们自己用过的东西,自己在系统当中实实在在跑过的东西,才拿出来给到大家来用。因为我们一致认为,金融是一个非常值得敬畏的场景。

  其实其他方面在行多的,本身我还有另外一块智能,金融云的技术输出,我们在很多保险其他行业有很多产品,今天只简单说了这两点,谢谢大家!

  主持人:下一家发布单位,上海数据交易中心,发布主题:《大数据与金融科技创新》

  卢勇:很高兴给大家汇报一下上海数据中心在金融科技创新方面做的一些探索。在今天上午到现在为止,几乎每一个专家介绍的时候都会谈到ABCD,数据交易中心我们能做得是在数据这一块,尤其在大数据这一块,怎么为大家提供一些基础的保障。

  今天大家谈到很多在人工智能大数据方面这些应用,其实我们也可以看到,尤其在人工智能这个背后,实际上所依托的这个大数据起了非常大的作用。同时不光是在新的创新方面,就算在传统我们金融领域,其实可以看到在每一个方面,我们的人工智能,我的大数据都可以提供很多的帮助。那尤其在现在落地的应用当中,包括在市场营销,在风控方面提供现有非常实用的应用。我们讲了那么多创新的东西,其实不光是为了现在的一些应用,包括现在大家最关心的实体经济,中小微这些企业更需要这方面的金融服务。我们怎么能帮到他们,来解决融资方、投资方这些痛点。其实数据在这个当中可以提供很大的价值。

  上海数据交易中心成立以来,我们基本上是围绕着三方面的数据进行组织,一方面是基于人的类型的数据。第二方面是基于企业的,第三方面是基于物联网,物的数据。那在金融这个领域里面,我们首先发布的这款产品叫CFT的产品,解决了风控当中的应用,包括在贷中、贷前、贷后各个方面提供多维有用的信息帮助到大家。

  其实解决这个业务的痛点,我们之前可能看的更多的是企业本身的一些运营的信息,实际上这当中可以看到,还有很多的地方可以加入到,通过一些数据,让这些整个企业的画像,跟这个企业相关的高管这些画像会变得更加明确。那举一个简单的例子说,如果一家餐饮企业来给你贷款的话,他很多的经营情况不光是通过他的一些财务数据,甚至你可以看到他这个餐厅的水电煤的信息,都从一定层面反映到这个人的情况。

  当然我们在跟这个企业相关的尤其是这些高管,这些人员背后行为数据也是从另外一个侧面,很好的反映到这个企业的状况。当然我们通过一些统计,得出非常多有趣的信息。比如说如果这个企业的股东越多的话,它的这个风险,这个企业的风险就会变得越小。比如说这个企业它的知识产权,它的这个论文,它的这个软处越多的话,这个企业也是越稳定。所以我们可以透过不同的维度,来帮助到金融企业判断这个贷款是不是可以发放。

  那交易中心我们想帮到大家的,实际上怎么组织这个数据,可以从组织数据这个质量、效力、合规性方面,来做很大的提升。之前大家也知道,很多数据的流通也好,共享也好。实际上都是点对点,那数据交易中心成立以后,我们为大家搭建了一个三方的平台,是可以在有监管的条件这个基础上,来帮大家做到一个是合规,一个是高效,另外是有质量的一个数据交换。

  在这个创新当中,我们有几个方面可以看,首先是从看这个数据的组织方面,那为了这个数据更好的流通,我们也给每一个数据定了这个六个要素,从它的ID信息开始,我们这边是跟公安三所合作,是ExID的技术,保证这个数据从供应方、数据方整个沟通传输的过程当中,是可以做到一个是加密一个是不可还原。数据价值本身是到哪一个级别?包括它应用的场景是什么?是通过什么样的方式加工出来,包括数据更新的频率,包括这个数据的价值,阶梯状还是一次性使用的价值,通过这六个方面的定义以后,我们给出一个数据交换,有了一个很好的基础。同时我们还是强调数据交换本身当中,用到最小数据交换的方式,这个意思就是说。首先你这个数据是要按需使用,所以我给你的数据不可能是所有后面数据的这些标签,只有你需要的部分我才传给你,这样的话这个数据的使用相当的合规和安全。

  第二个就是刚才也提到过,我们跟公安三所合作的EXID技术,基本上在国内来说,使用这样技术的话,数据在本身的交换过程当中就相当的合规合法,这个数据的交易、流通不可以推导出来的,有什么办法实现的?公安三所提出一个最好的方法是EXID,数据传过去的时候,还原不到个人的标识是什么样的。数据交易过程当中,也是用一些方法,数据和数据之间的交换有标准的ATI的接口,可以把你这个数据前置数据交易中心来,统一API方式,把所有的EXID贯在里面,需要的话从这方面请求。另外一种模式,有的客户觉得安全可靠的话,供方自己放两个前置的设备,交易中心模式看不到沟通,但是我能知道你数据的质量是如何,所以我们在这个创新当中另外提到一个数据交换的质量的评分。

  之前是说,如果点对点交换没有办法做这方面的评估,不光是有一家供方,如果对数据的要求有很多供方前提下,可以进行策略性的选择。同时作为一个数据的组织方,我可以把不同来源的数据进行综合的提供,最后会跟大家提供一个相对比较有保障的数据的质量的内容,要一个数据有四个供方我可以帮你做有策略性的选择。基本上市场交易中心通过这样的方式,我们开发出CRP的产品,可以提供给不同的企业,在做这方面的使用。

  当然我们不是做整个数据模型这些,还是提供最基础的数据,所以数据交易中心看到在未来得话,我们的目标是要成为一个数量网全球核心的枢纽,这是未来发展的方向,基本上我们围绕着人、企业跟物的三方面组织数据,为大家提供更多的价值。这就是我简单的介绍,谢谢大家!

  主持人:下一个发布的人是国舜科技股份有限公司,发布主题:《场景化金融业务安全解决方案》

  国舜:各位领导、各位专家,各位媒体朋友大家下午好!很荣幸分享一下业务安全的解决方案。

  咱们目前安全其实还是基于应用系统的安全,我们做安全会说我手机银行,已经安全了,我的微信银行已经安全了,我的什么系统安全了。

  但是我们实际的业务,不是这么来做的。我们实际业务比方说,我们现在一个营销活动,我做营销活动的时候,我来一个营销活动的场景,这个场景可能会在我网银要做一些修改,在我手机银行也做一些调整,本身这些系统觉得已经安全了,可是上来一个业务,或是上来一个场景,又要重新回答这几个系统是不是安全,如果我们都是从应用角度来考虑我们的安全。你会觉得这个安全始终在一个变化过程中,永远没法回答说我手机银行是不是安全,因为你刚回答问,又新上来一个新的场景,新的业务。你要做进一步的调整。

  所以从这个角度来说,如果我们想把这个业务安全真正的通知到位的话,你必须要从业务系统这个层面进入到场景层面,今天不是说我有多少业务系统安全了,而是说我有多少场景,我已经把它控制的还比较好了。已经比较安全了,现实中为什么我们很少这么来做?我们也在系统交流上讨论这样的场景,核心就是场景太多了,这是我们当时收集的非常简单的场景。可以随随便便统计一下,一个手机银行,一个网银都是上千个场景。你怎么去控制它?或者说大家觉得可能是没法控制它,其实我们有做过非常仔细的分类梳理,就是说这些场景还是有可能去覆盖它。从我们来说也不可能覆盖所有的场景。但是这我们也不是平衡考虑所有的系统一样,其实你也不需要同时考虑所有场景。就是需要这个覆盖场景,也是一个逐步增加和逐步覆盖的过程。

  这个是我们当时在给一家银行做的时候,分析它的一些经典的场景,当它分析这个场景的时候,会感觉从业务层面我可能至少覆盖我80%业务,或说百分之六七十项目,场景来说其实并没有那么多,怎么考虑一个场景安全?不是说我考虑一下这个场景,那就是场景的安全,我们银行每一个业务的产生,其实就是相当于有一个业务场景的产生,首先做系统去支持它,整个系统有开发的过程,这个业务系统是怎么需求,它的设计、它的编码,然后它的测试。最后我们会有部署、运维。这个过程你每一个场景产生应用到各个系统,保证在新的场景,增加到整个体系当中去,还保证它安全的,我们做的事情在需求阶段有安全需求,在设计阶段有安全设计,有我们体验设计,在这个编码阶段,有我们的安全编码,安全测试。

  需求场景,首先是威胁的分析,刚开始讲了做营销活动,威胁来自于哪?首先我们要认证的看到威胁,威胁有两部分的威胁。这部分我们叫机组性威胁,今天我们的银行系统其实非常的危险,是什么?是因为你可以控制这部分非常少,但是你是运行在一个非常庞大,非常复杂的环境中。这个是我们以微信银行为例,黄色的圆圈部分是我们能够控制的部分。其中比如说微信、合作推广商户,像我们这些商户等等都是我们控制不了部分,这些部分都不影响我们的安全。

  所以这个层面做一些威胁分析,它的面是非常广,非常多的。而且这种威胁分析一般来说你可能各个场景都会牵扯到,我们一般来说在这个新建系统的时候,就会把这些威胁分析考虑的比较周到了。这个叫做机组性威胁分析,针对某一场景单独去处理。对于具体场景威胁分析,我们叫做业务功能性的威胁分析。它是针对我们每一个场景,它有很多很多的功能。在这个功能中,这个功能中有对应的这样的威胁,这个是我们互联网营销活动。你知道肯定要参加活动的,它要去兑换积分,换取积分。兑换它的价值券,兑换食物和现金。在这些功能中,它都有对应的一些威胁,这个威胁是跟这个场景是密切相关的,密切相连的。

  当你在从这个角度去思考威胁的时候,你分析到威胁,分析到具体特别清晰,你的解决方案?或者你的需求就会更加有针对性,效果就会非常好。这是我们的一个整个的威胁分析要做的事情。

  我们有了威胁分析,是整个场景安全的工作提前一个关键,为什么?以前安全工作都是基于评估工作,一定建好之后我才能跟你建,有什么漏洞,有什么风险我们来调整。这种工作偏后,很难系统有针对性的解决将来要发生的问题。作为一个全生命周期的管理,安全工作是针对威胁来展开,在你这个场景面临什么的威胁,这就是你安全工作的全部。你能够把威胁控制到一定的程度,那么你整个系统的安全性就提升到了一个可控的程度。所以这是对威胁特别重要的。

  这个威胁具体到我们去制造系统的时候,对应是一个安全需求,这时我们的场景,每一个场景分析它工作的流程。这个场景中会有一个流程去支撑它,把这个场景的功能完全实现。这里面我们其实目前有这样一个趋势,说场景就把它功能化或者是模块了,认为一个功能或者一个模块是一个场景,其实不是这样的,一个场景是有人、有行为有系统的。利用手机银行转帐、网银转帐等等是一个场景。在这个场景中需要系统去支撑它,需要业务去支撑它。有对应的工作流程去支撑它。

  在这个工作流程中,会有很多操作环节,针对这个操作环节研究每一个环节面临的威胁。这个环节面临的威胁,我们就能知道这个环节对应的安全需求是什么。当你有了这个层面安全需求的时候,就会对咱们做的业务系统有一个非常踏实的感觉,我们做每一个系统的时候,或者每开发项目的时候,都会做安全需求。那种安全需求颗粒度是不够的,因为你是针对一个应用系统的。这时候你哪怕会觉得我是不是有所疏漏,我某一个关键环节有所疏漏。把他放到你场景做到安全分析的时候,才做到心理踏实,就比较有数。

  因为我们是一个完整的层面来分析,为什么把这种工作分析的这么细?核心一点就是当我们从场景层面来考虑我们的业务安全的时候,你的工作量会大很多。因为你今天不是说,我们有一些银行,说一年有两千个项目,但是如果到了场景,它可能是五千个场景。这个时候控制的量和范围是完全不一样的。

  意味着你在每一个环节,都要有分析、有思考、有积累才能把这个环节,真正是高效的去工作,高效的去响应,高效的去实现。我们再往下这个环节来说,就是到了我们设计方面,设计方面当你有安全需求的时候,你考虑每一个场景的时候,你会觉得你的安全需求是千变万化的。当你把五千个场景拿一个分析的时候,发现你安全需求其实并没有那么多,可能也就几百个。这些安全需求,你都应该针对自己企业的实际情况,根据咱们的IT惯例,都会有典型的解决方案。当你有典型解决方案的时候,在这个场景做一个完整的安全设计,就是组合+1+组合,把一些关键环节做对应做调整,这样把这个场景做成一个非常完整的安全设计了。这个有效性对经典案例需求的安全解决方案是不是已经非常成熟了,是不是已经非常熟练了,掌握的非常好了。在这个过程中你解决效率肯定是非常高的。

  这个是安全设计,安全设计还是不够的。当我们去做安全的时候,我们现在安全工作非常难做,核心就是我们安全似乎体验着碾碎。我们提一个所谓的安全设计的时候,或者说我们总结经典安全解决方案的时候,把体验考虑到前头,因为你今天如果安全你不主动去考虑体验,你就一定会被体验碾碎,就是今天为什么老是说带兵上线,或者说安全不受重视,你并没有尊重我们业务真正的需求,当你不尊重它的时候也不尊重你的安全需求。今天业务专家也好,我们的开发人员也好。其实他对各种要素案件,并没有成熟的体验方面的经验。反而我们做安全的,因为我们知道,在我们当中你的安全需求就这么多。我们完全可以把安全需求做一个非常系统的体验的研究和实现。这个时候我们业务会觉得我们对他的体验是一个极好的支撑,这是一个对比。 我们用手持密码登陆,这体现的差别其实是非常大的。

  我们在这个安全的设计的原则其实非常的简单因为在我们做基于场景化业务安全的时候,会把这个场景不断的分析和总结,你就查找这个场景在业界很多实现方案,在这个实践方案当中,很多方案安全性是差不多的,但是有的方案明显有着更好的用户体验。可以把这些用户体验学习过来,我们要保证在安全设计中,在相同的安全情况下能做到业界最好的体验,比方说我们很多时候为了防破解要图形验证码,肯定增强客户体验,一开始没有图形验证码,当你出现了一些错误验证的时候,比如说你错误的密码登陆的时候。他的出现图形验证码,从安全性来说,是一样的,也完全实现了你的所谓的防暴力破解要求,但是并不影响体验。这个是我们作为安全从业人员来说,必须要积极考虑的问题,安全比体验并不是决然相对的。我们安全完全可以往前走一步,做到体验更好,甚至我们可以告诉他,其实还有更好的体验实现你这个功能。因为其实咱们业务部门事业还更窄。

  这是一个设计原则,还有一个设计原则,就是说我们要相同的体验更加的安全,就是我们业务部门,我们的开发条件,它关注的是一些表面的东西,就是说我从我的操作层面的时候,我实现这一步这一步,我实现了,功能实现了。那么我安全了,现在我们是相同的体验,我们能不能把我们一些新的安全技术放进去,把新的安全产品放进去,把新的安全流程放进去。虽然表面上从客户层面看的是相同的流程,但是内部的支撑是更加的安全。这一个其实就是考验我们整个安全团队的基本功。

  事实上在现在的银行,同样是通过一个短信来转帐,有的银行可能能够转五万块钱,有的银行只能转一千块钱,为什么?因为从客户的感觉是发短信,但是从内部的安全控制,不同的银行有着不同的控制。有的银行对社会指纹,对操作系统等等都有着非常完整的视觉。他认为我通过一条短信转五万块钱是很安全的。如果只做一条短信,可能会不那么安全。

  再往后就是编码实现的问题,我们都有编码规范,但是你有业务安全的编码规范才能更加好,包括程序员开发就是这样。有些银行用专职安全程序员来实现。这个效果确实是更加明显了。再后面就是安全测试的问题,因为其实我们做一个测试是非常难的,一定把你以前企业现有的经验,外界各种威胁知识库集中在一起,你才能在做好一个很好的安全体验,安全测试的这样一种方案。

  再后面业务安全的攻击检测,因为现在攻击是非常多,目前咱们的攻击检测非常多,但是相对猎物来说都是黑盒检测。我们的核心在开始每次体验的时候,我们直接就按照我们检测要求,把我们的要求安全需求在场景做建设过程中,就直接放进去。我们的业务安全攻击做得非常有针对性,这是我希望我们以后攻击检测的时候,不是说现在对网银能够检测了,而且对哪些场景,功能实现检测了。这种检测的准度要高得多得多,因为我们在这里直接读业务数据,读业务安全的检测,还给我们其他的综合的检测方法配合到一起,能够实现更加的一个攻击检测。

  现在都非常流行咱们大数据,大AI技术来实现反欺诈,大家都知道,其实虽然我们的模型技术有建模、有高、有低,都能影响我们反欺诈,但是从长时间来看我们反欺诈项目,决定我们反欺诈关键的是你数据的质量和你数据颗粒度,当你数据质量越高的时候,它的反欺诈质量一定是越高,场景颗粒度越细的时候,它整个反欺诈市场也是越细的。我们说场景化,其实就是提升我们数据的质量,因为结合业务数据能够非常精准的去处理质量。

  我们场景化颗粒度也可能更加细,因为我们在场景化每一个环节都做了安全的分析,我也希望以后的反欺诈,不是说我现在对网银反欺诈,而是对哪些场景反欺诈,这做的是质量更加高的。我们反欺诈就是说?你的威胁数据怎么我们每一个场景分析中充分的利用好,而我们场景能够反馈我们反欺诈更好的数据和更好的这样一个结果。

  最后做一个总结,其实我们为什么做安全非常难?从攻击层面,升维防御抵抗降维打击,防守的人是更粗的层面看我的系统,它是价位打击,今天我们有这个场景化角度去看我们的安全,你也往前走了一步,你们整个安全工作你也就实现一个升维?场景化是业务地安全趋势,因为安全管理变得精细化,你的安全管理可控。为什么讲全周期的促业务安全,因为我们很多防护手段,对于我们在开始阶段,你没有这个配合,你后面很多能力,你就已经受到了限制。

  所以我们的业务提前和我们安全的体验,才是我们这个安全能够持续下沉的一个根基。同时我们场景化,他更重要对我们现有各种安全手段的促进,包括我们检测更基准,包括我们反欺诈提供效果等等。所以这是我们的一个总结,就是希望我们朋友以后能够真正从场景化层面来综合重新的思考一下整个安全防御和安全体系。

  谢谢

  主持人:下一个发布的是清华大学交叉信息研究院智能金融科技中心,发布主题:《智能投资管理——投资引擎系统》

  清华大学交叉信息研究院智能金融科技中心

  《智能投资管理——投资引擎系统》

  清华大学金融科技中心:

  非常荣幸有这个金融科技联盟这个平台,还有这个机会跟大家发布我们做的一些成果。我先做一些背景上的介绍。

  我们清华大学交叉信息研究员智能金融科技中心在姚院士的领导下成立于2016年4月份。中心做了两年的产学研研究,到今年姚院士也认为我们应该出来跟大家分享一些我们的产学研的成果。同时去年12月份,在清华大学五道口金融学院的主导下, 我们又联合成立了金融科技研究院。

  我们在2016年10月份与蚂蚁金服成立了全球首个专注于金融科技的实验室,在这个基础上,我们成立了一个四校联盟,世界上顶级的四个学校:清华大学、普林斯顿大学、韩国高等技术研究院、法国北方高等商学院风险与管理的中心。我们一方面引进欧美先进的金融科技,另外一方面结合中国、结合人工智能新的发展,进行本土化的产学研实践。我们海外的联盟学校, 如普林斯顿大学, EDHEC输出金融科技的算法与技术给上百家大型机构投资者, 其中包括美林证券, UBS, Blackrock等上百家机构投资者, 其中包括了证券, 资产管理公司, 养老基金, 银行, 大型保险公司, 财富管理公司等等. 例如, 普林斯顿大学输出的金融市场模拟和金融优化算法为各大机构投资者提供专业的科学化投资框架, 与Towers Perrin公司 ( 美国最大的投资咨询公司 )的合作产生了巨大的业界影响, 也入围了运筹届的诺贝尔奖。可以说, 我们是站在欧美最先进的成熟金融科技成果的巨人肩膀上, 更进一步我们利用更新的机器学习与大数据技术, 并结合.

  接下来我们进入分享的正题。每一个现代化的金融机构其实都需要专业的投资引擎系统或是风险引擎系统. 在投资领域, 非专业的投资者关注的点都在收益率的高低上, 然而真正专业的投资者更关注的是风险管理. 收益率只是一个单一的数字, 4% 12%, 30%, 幼儿园小孩都会排列高低大小, 不需要什么专业知识. 但是风险是无穷个数, 是资产收益的无限个可能性,是金融市场这个庞大的随机系统的联合概率分布随时间的演化. 所以, 针对资产收益率的建模事实上是对资产风险的联合建模, 才是专业机构投资者最关心的, 在监管推行”资管新规”, 打破刚性兑付的今天会越来越重要.

  我们所引进的金融科技盟校的底层技术与算法,在美国覆盖了85%以上的金融机构,专业的投资者, 不论是价值基本面投资, 还是量化投资都需要科学化的投资决策框架与投资引擎系统的辅助. 科学的意思就是可以解释可以判定对错, 而不是经验主义的含含糊糊与依赖所谓的”感觉”. 专业投资者与非专业投资者的核心区别就在于-- 能知道自己为什么赚钱和为什么亏钱, 自己的风险敞口在哪里, 哪些决策会导致哪些后果; 而不是纯依赖于人的感觉或历史数据的单一回测, 在投资的过程中听天由命. 我们在做的事情就是为中国引入科学化投资的框架,提供本土化落地的投资引擎系统.

  首先, 我们开发了整合各方面信息的大数据底层平台,将股票、债券、基金、理财与另类资产的全方位深度数据聚合在一起, 也将经济数据与非结构化的信息数据整合在同一平台上, 作为上层建模分析工具的基础。

  在建模层, 我们结合人工智能的算法与金融工程、金融计量技术构建了建模的火药库。机器学习算法在处理大规模数据、发掘风险驱动因素与迭代共同因子等方面有非常好的优势,而金融计量和金融工程的模型具有可解释性, 这对大噪音环境下的金融市场建模至关重要。两相结合,我们在中国市场的模型解释力高达80%-90%以上, 把握住了金融市场绝大部分的风险驱动来源. 这块的系统解决方案我们叫MSG金融市场模拟器, 技术的细节很复杂. 我举一个通俗易懂的例子: 比如说中国有八大菜系,有成千上万的菜品。经验主义的评价方法可能是看这个菜的色香味,也就是表层的特征。那如果我们想科学定量的对菜进行分析,我们就要测量其中的营养成分,比如包含多少微量元素,多少蛋白质,多少碳水化合物等。金融市场建模器就是干这个的,它是对资产内部的风险成分做深入的分析。首先我需要洞察资产内部受多少宏观层面、基本面、技术层面、行业层面、公司层面的风险驱动因素的影响,才能做好建模,摆脱经验主义的不靠谱,进入科学化投资管理与风险管理的框架。

  事实上,在美国每家现代化金融机构都会拥有自己的风险引擎,一天没有就活不下去。金融市场的风险管理得不好,有些券商可能上午还在,下午就倒了。这个是有过先例的,当年最大的做市券商之一骑士资本在交易环节出了问题,一天就把这个公司所有的钱亏掉了,下午就被人收购了。现代化金融机构有非常多的业务线,每个业务线每天可能有上千种风险敞口,进行上千亿规模的交易,对市场风险的建模与管理, 对整体公司风险敞口的估计与集中, 对于现代化的金融机构的生存是至关重要的。随着我国金融市场的发展,以后每家金融机构也都会需要这样子的核心的引擎的系统。

  如果我们说金融市场模拟器MSG是解决投资管理与风险管理中的”是什么”( 也就是对金融市场的洞察 )这个问题, 那么接下来要介绍的金融决策优化引擎解决的就是投资管理与风险管理中的”怎么办”的问题。

  我们的金融决策优化引擎DoE包含几十种金融优化算法, 对不同的投资管理与风险管理场景都会有最匹配的优化算法解决, 例如:单周期的投资组合优化, 风险敞口控制, 降低模型误差的降噪优化, 解决路径依赖问题的防回撤优化, 多周期战略与战术资产配置, 大型机构资产负债优化, 整体风险管理控制等等。

  另外,我们在洞察金融市场与优化金融决策之外,我们也对金融机构服务的终端用户进行深度的洞察。我们用标签体系、无监督学习、半监督学习与有监督学习的方法深度了解用户,从服务、运营、合规与客户教育等维度提供系统解决方案。帮助金融机构获客留客,精准服务,开源节流;反欺诈,识别合规风险;进行客户教育。例如,我们与蚂蚁金服的合作应用支付宝的数据构建了客户洞察的高清画像。

  我们打造的是一个金融科技的基础架构和底层的能力,在应用层面也通过金融科技公司的合作对金融机构赋能,真正形成业界影响力。如财富引擎科技系统解决方案为多家证券、银行、基金,财富管理公司提供系统解决方案;慧安金科系统解决方案为多家金融机构提供反欺诈的解决方案,真正驱动金融机构的业务发展。

  希望金融科技联盟越办越好,我们今后多多合作,进一步践行科技驱动金融行业的行动,我就就分享到这里。谢谢大家!

  主持人:谢谢!感谢以上9位发布单位的精彩发布,也感谢发布人所做的精彩的介绍,让我们以热烈地掌声献给成果的发布单位和发布人。接下来将进入激动人心的时刻。

  一年一度的中国金融科技创新榜发布会暨颁奖典礼。中国金融科技创新榜旨在“鼓励创新、促进发展、树立品牌”,展示我国金融科技发展的新成果、新产品、新技术、新服务,打造金融科技创新服务品牌,促进金融科技创新生态系统的构建,大力推动产业健康可持续发展。按照公平、公正、权威、客观的原则,2017年度金融科技创新榜共评审出创新奖、优秀解决方案奖、人物奖、行业突出贡献奖项26项。首先我们颁发第一组奖项:2017年度金融科技创新奖

  1 中国工商银行股份有限公司

  2 中国农业银行股份有限公司

  3 中国银行股份有限公司

  4 交通银行股份有限公司

  5 招商银行股份有限公司

  6 中信银行股份有限公司

  7 中国民生银行股份有限公司

  8 国泰君安证券股份有限公司

  9 中国人民财产保险股份有限公司

  10 中国人寿保险(集团)公司

  有请颁奖嘉宾中国保险监督管理委员会原培训中心主任、金标委原副主任于玫女士为获奖企业颁发荣誉奖牌。

  接下来我们颁发第二组奖项:2017年度金融科技优秀解决方案奖

  1 中国工商银行股份有限公司

  2 江苏银行股份有限公司

  3 中国人民财产保险股份有限公司

  4 银联商务股份有限公司

  5 华为技术有限公司

  6 清华大学交叉信息研究院智能金融科技中心

  7 上海数据交易中心

  8 第四范式(北京)技术有限公司

  9 开鑫贷融资服务江苏有限公司

  10 北京握奇数据股份有限公司

  11 众安信息技术服务有限公司

  12 天云融创数据科技(北京)有限公司

  13 北京国舜科技股份有限公司

  14 北京阿尔山金融科技有限公司

  有请颁奖嘉宾中国电子信息产业研究院杨春立主任为获奖企业颁发荣誉奖牌。

  接下来我们颁发第三组奖项:2017年度金融科技创新人物奖,第四范式(北京)技术有限公司创始人、首席执行官 戴文渊,有请颁奖嘉宾金融科技创新联盟秘书长江艾芸为获奖人颁发荣誉奖牌。

  最后,颁发的第四组奖项,2017年度金融科技行业突出贡献奖:获得者是一家单位,中国再保险(集团)股份有限公司。下面,我们隆重请出,中国保险监督管理委员会原培训中心主任、金标委原副主任于玫主任为中国再保险(集团)股份有限公司颁发荣誉奖牌。

  恭喜以上获奖企业,也感谢颁奖嘉宾。谢谢!

  刚刚我们在今天下午进行了两个议题,分别是金融科技创新发布会,以及我们2017年度中国金融科技创新榜的发布会,接下来,还有最后一个环节,2017年中国金融科技创新创业大赛发布会。这应该是第一次在金融科技领域举办的创业创新大赛的会议。这样一个会议有两点是蛮值得大家去为他们喝彩的,第一说明我们的行业发展到了一定的程度和一定的强度,我们感受到了它的强壮。第二通过会议的形势,在会议形式当中出现了让资本,让投资者,让我们的科技者,让我们的从业企业有了很好融合的机会和产品和服务的诞生。2017首届中国金融科技创新创业大赛由金融科技创新联盟、中国金融电脑杂志社、微软加速器、KPMG创新创业共享中心、Accenture 创新中心携手业界,共同组织发起,共同搭建全球金融科技创新创业平台,启动FINTECH全球加速器项目。自2017年11月7日启动以来,大赛分别在北京、上海、深圳、重庆等地举行办了分赛区活动。来自海内外数百家金融科技创新创业团队报名参赛,大赛吸引了上百名投资人的参与,数十位来自金融、技术、投资领域的专家担任大赛评委。本次大赛经过严格评审,共评审出2017年度中国金融科技创新创业大赛新锐奖——新锐企业TOP30和入围企业TOP20。

  首先我们颁发的是2017年度中国金融科技创新创业大赛新锐奖第一组入围企业

  1 北京赛智时代信息技术咨询有限公司

  2 上海威时商务咨询有限公司

  3 湖南星投信息服务有限公司

  4 程创(北京)科技有限公司

  5 高登世德

  6 北京琥珀纷钛科技有限公司

  7 重庆易保全网络科技有限公司

  8 上海牛骨金融信息服务有限公司

  9 上海怀保信息技术有限公司

  10 上海秦苍信息科技有限公司

  有请颁奖嘉宾上台,清华大学全球共同发展研究院 全球青年共同发展研究中心执行主任,曲炜,有请!同时请上,中国金融认证中心助理总经理、中国电子银行网总编,赵宇。

  接下来颁发的是2017年度中国金融科技创新创业大赛新锐奖第二组入围企业

  1 上海欣兆阳信息科技有限公司

  2 嘉裕金融科技(上海)股份有限公司

  3 宽拓(北京)科技有限公司

  4 上海安悦健康科技有限公司

  5 上海源蚁信息科技有限公司

  6 视辰信息科技(上海)有限公司

  7 北京海恩炼鑫台信息技术有限责任公司

  8 上海财录信息科技有限公司

  9 怡和祥云(北京)科技有限公司

  有请颁奖嘉宾上台,新华社中国财富传媒集团中国财富网总经张先国、数据猿CEO牟蕾。

  接下来颁发的是2017年度中国金融科技创新创业大赛新锐奖TOP30第一组企业

  1 北京佳格天地科技有限公司

  2 中科云创(北京)科技有限公司

  3 上海跬智信息技术有限公司

  4 杭州趣链科技有限公司

  5 北京罗格数据科技有限公司

  6 北京一路魔方科技有限公司

  7 北京微步在线科技有限公司

  8 北京同人创新科技有限公司

  9 北京量化前沿科技有限责任公司

  有请颁奖嘉宾:金融科技创新联盟秘书长 江艾芸、微软加速器北京CTO兼管理负责人 王雷。

  下面颁发的是2017年度中国金融科技创新创业大赛新锐奖TOP30第二组企业

  1 数尊信息科技(上海)有限公司

  2 上海数禧金融信息服务有限公司

  3 北京灵智优诺科技有限公司

  4 深圳奇点信息技术有限公司

  5 上海敬之网络科技有限公司

  6 北京维择科技有限公司(DataVisor)

  7 上海数旦信息技术有限公司

  8 紫晟科技(深圳)有限公司

  9 上海保橙网络科技有限公司

  有请颁奖嘉宾:微软加速器北京CTO兼管理负责人 王雷、微软亚太研发集团创新孵化总监 程骉。

  下面颁发的是2017年度中国金融科技创新创业大赛新锐奖TOP30第三组企业

  1 深圳脑穿越科技有限公司

  2 云智慧(北京)科技有限公司

  3 北京银承库网络科技有限公司

  4 重庆汇集源科技有限公司-公评网

  5 重庆誉存大数据科技有限公司

  6 Centenal Pte Ltd

  7 北京博晨技术有限公司

  8 深圳智能思创科技有限公司

  9 北京贝塔智投科技有限公司

  10 贵阳翼帆金融科技股份有限公司

  有请颁奖嘉宾

  Accenture大中华区金融服务事业部董事总经理 AlbertChan

  毕马威金融服务行业副总监 刘绍伦

  (颁奖、合影、嘉宾落座)

  女士们,先生们,今天各位嘉宾的演讲分享都十分精彩。第二届中国金融科技创新大会会议日程已圆满完成。

  我宣布:第二届中国金融科技创新大会圆满闭幕!

  谢谢大家!