王鸿 8月11日-12日，第四届地新引力峰会于上海宝华万豪酒店举行，地产、资管、物业、租赁、产业、科技、金融、区块链、文旅等行业领袖齐聚，思考特殊时期的破局之路，探寻地产的第二增长极，全程直击。现场直播》》 欧特克大中国区董事长兼总经理李邵建表示，工程建设行业正在迎来数字化的浪潮，大数据、云计算、物联网、机器人等先进科技正在深刻影响工程建设行业的未来。 他表示，建筑行业利润率比较低。很多地产头部企业已经看到了数字化的巨大潜力和效益，并积极拥抱数字化。比如说恒大、万科、碧桂园等。在7月31日，易居中国也宣布与阿里巴巴签署了战略合作框架协议，双方将在多领域进行深度合作。 他认为在地产行业，数字化转型和升级中有三个值得关注的关键趋势，数据驱动的洞察、智能化的工作，建造与制造的融合。 在数据驱动的洞察趋势方面，关键词是以数据为中心，数据使团队合作成为可能。而数据也可以让团队快速地去探索新的想法。对于数据的观察，可以做出更好更明智的决定。 在智能化的工作方面，关键词是衍生式设计，是与传统基于经验的设计流程完全不同，革命性的设计方法，消除了创作过程中的基于经验的猜测。衍生式设计可以利用云的力量和计算速度来探索每一个可能的选项。可以根据所需决定哪些选项对项目是有意义和价值的，衍生式设计是迈向人工智能设计的重要一环。计算机程序将通过设计对它提出的建议，从而加速衍生式设计。 机器学习将利用其新的数据神经系统的输入，对现实世界做出智能的感知和反应。当计算机能够像人类一样实现自己的见解并实现创造性的飞跃时，它将会从根本上改造设计师的角色。提供他们的指导和经验，这将是科技和人性的一次前所未有的融合，这是一个令人期待的，激动人心的未来。
文 | 付一夫 一场疫情，让很多新玩意儿来到了你我身边——比如健康码。 眼下，健康码已然成为了所有人日常生活的必备品。基于健康码的不同颜色，可以精准地识别健康人群和风险人群，从而及时采取相关措施以实现疫情实时监测和安全复工复产。我们能做到防疫生产两不误，健康码着实功不可没。 看似简单的健康码，背后却有着强大的人工智能和大数据技术在支撑：一方面，健康码将人们有效的信息输送给机器，使机器对庞大的、人工根本无法处理的数据进行统一处理，并根据时间和环境的变化得出有效结果；另一方面，人们又能理解健康码并在适当限制内进行有效决策，并与他人形成默契。简言之，健康码就是充分利用人和机器的长处，将输入数据与知识处理有机统一，进而催生出的一种新的人机融合智能形式。 事实上，健康码仅是疫情催化下人工智能领域的众多案例之一，诸如智能监控、无人配送、远程贷款催收等一系列应用都在接连落地。不经意间，一场酝酿已久的AI商业化浪潮正在加速到来，而此时的我们，很可能正在度过一个历史性的“奇点时刻”。 一、蜕变：商业化“奇点”或已降临 作为新一代信息通信技术的重要组成部分，人工智能自1956年问世以来就一直备受追捧。在经历了半个多世纪的曲折前行后，借着2016年AlphaGo和李世石的“人机大战”，人工智能又以全新的姿态进入大众视野。 人工智能对于经济增长和商业变革的积极作用已无需多言，但若想将理论上的讨论转变为现实，让人工智能切切实实地给人们带来效益，还必须要经历一个关键环节——AI的商业化。 历史经验告诉我们，科技并不能直接推动社会进步，任何形式的新兴技术最终都需要同商业结合，以产品的形式落地，并在商业化的应用中不断更新和迭代。唯有如此，才能切实地将科学技术转化为现实生产力，让先进技术为经济发展服务，否则再多的技术专利也只能算作是“纸上谈兵”。 打个比方，如果没有商业化思维的支撑，那么蒸汽机便永远无法成为载人载物的货车与轮船，其存在的价值也将大打折扣。 人工智能，同样如此。 虽然在历史上，受技术条件、商业环境等因素所限，AI的商业化之路走得并不顺畅，两次大起大落便是证明（见下图），但今时不同往日，在突破了曾经掣肘行业发展的多个瓶颈之后，如今AI的商业化已具备了四股强劲的驱动力： （1）算法：深度学习促使人工智能真正实现应用落地场景。 深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，进而拥有对特定时间的可能结果进行预测的能力。目前，深度学习在一些领域已经能够强于人类的表现，比如在机器视觉领域，算法对物体和场景的分类和检测错误率已经低于人类，可以做到在一些场合替代人类的重复性和疲劳性工作，从而让人工智能真正实现应用场景落地成为可能。 （2）算力：AI芯片快速发展，为算法提供充足的算力支撑。 由于深度学习需要针对海量数据(行情603138,诊股)做出快速的训练和推断，因而计算机硬件性能成为人工智能商业化应用的重要制约因素。但快速发展的AI芯片给深度学习在云端和设备端商用提供了保障，从最初通用的CPU到并行计算能力优越的GPU，再到专为深度学习算法定制的FPGA和ASIC芯片，其算力已从每秒十亿次浮点运算数迅速提升至万亿次乃至千万亿次。 （3）数据：为人工智能算法提供丰富训练样本。 自2012年前后至今，得益于互联网、移动设备和传感器的大量普及，海量数据的生成、收集、存储、处理等问题都得到了有效解决，而数据体量的爆炸式增长又为人工智能的深度学习训练提供了极为丰富的样本，宛如为良驹的培育积攒着足量的新鲜牧草。 （4）政策：人工智能已上升至国家战略。 2017年，国务院出台了《新一代人工智能发展规划》，标志着人工智能正式上升为国家战略；工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，进一步明确了人工智能的战略地位；2019年两会期间，“人工智能”连续三年被写入政府工作报告，并首次提出“智能+”…… 值得注意的是，疫情的到来正在给AI商业化进程按下“加速键”，除了前文提到的各种AI商业化应用接连落地之外，全社会对智能化产品的认知和需求都在强化，居民日常生活更深程度的互联网化同样显著增加了数据量的积累，为进一步优化现有的人工智能以及训练其算法增添了燃料。此外，出于应对市场需求和刺激经济复苏等多方面考虑，中央定调新基建，其中的七大门类当中，至少四类都是直接与人工智能相关的内容。 占尽了天时地利与人和的AI商业化，正迎来全新的发展阶段。 二、角逐：中美AI商业化竞争 关于AI商业化，很多国家都虎视眈眈。 据不完全统计，目前全球包括美国、中国、欧盟、日本等近30个国家和地区都发布了人工智能相关的战略规划和政策部署。相比于其他国家，中美两国当前在人工智能的赛道上都处于领先地位，而二者又直接互为竞争对手。 考虑到当前中美关系的微妙处境，以及数字技术在新一轮科技革命中的重要地位，抢占人工智能风口、加速AI商业化落地已是迫在眉睫。 事实上，无论是技术研发还是商业化落地，企业都是当之无愧的绝对主体，比起政府、科研机构等其他主体，企业直面市场、贴近大众，对于市场前沿动态和商业化需求有着极为敏锐的捕捉和精准的判断，同时为了生存和盈利，企业具备与生俱来的基因与动力去不断改善配置资源、改进生产技术，并持续提升产品性能和品质。 从这个角度看，中美两国在人工智能赛道上的企业竞争，即可视为大国角逐的一个缩影，而透过代表性企业的现有成绩和布局面貌，也能在一定程度上洞悉两国的人工智能进展状况。 我们不妨以百度和谷歌为例来分别做个简要讨论，先说前者。 百度在人工智能领域耕耘已久，一直都在资金和人才方面不吝投入。凭借着搜索、地图等前端产品的多年积累，百度已经拥有了极其庞大且多维度的样本数据。而在技术上，百度从最初做搜索需要的自然语言处理、短语分析，逐渐进入到NLP、语音、深度学习、图像识别等领域，并在人工智能专利申请数量上引领行业。 从布局版图上看，百度的智能经济“倒金字塔”格局已经成型：最底层为百度大脑和飞桨，涵盖深度学习、知识图谱、语音、机器视觉等数百项AI基础能力，扮演着“动能中心”的角色；中间层为百度智能云、Apollo、如流等面向不同赛道的智能化平台，将百度的AI动能延伸至产业链和市场层面；最上层是场景化的解决方案，包括智慧城市、智慧交通、智慧金融、智慧医疗、工业互联网和智能制造等，驱动技术的商业化落地，打通人工智能产业落地的最后一环，并为产业的智能化转型升级赋能。 再说后者。 早在2011年，谷歌就已经成立了自己的AI部门，长期致力于机器学习等技术的研发，并将该技术应用至旗下的Google搜索、Google Now、Gmail等多款产品之中，还往其开源的Android手机系统中注入了卷积神经网络开发、语音识别等大量机器学习功能，以AI技术驱动产品和服务。2016年，谷歌正式宣布将战略重心从“Mobile First（移动先行）”转向“AI First（人工智能先行）。 布局策略上，谷歌采用了一套“全面开花”的打法，底层硬件、操作系统、核心算法、上层应用均有所涉及，领域则包括语音技术、云服务、无人驾驶、虚拟现实、无人机、仓储机器人(行情300024,诊股)、智慧医疗等等。在实践中，一方面，谷歌不遗余力地抢占用户使用场景，从互联网、移动互联网等传统业务延伸到智能家居、智能硬件、自动驾驶、机器人等，意在积累更多的样本数据信息；另一方面，谷歌注重技术研发，不断努力研发更高级别的深度学习算法，以求增强图形语音识别能力，对信息进行更深层次的加工和处理，高性能处理器TPU、开源机器学习平台TensorFlow、语音助手GoogleAssistant等产品的问世就是证明。 除了百度和谷歌外，还有很多高科技企业都在逐鹿人工智能，比如中国的阿里巴巴、腾讯、华为，美国的微软、亚马逊、苹果等等，巨头们的探索和引领，同样为AI的商业化进程提供了动力和保障。 三、解惑：AI商业化只是赔钱赚吆喝？ 即便如此，市场上仍不乏质疑或是诟病的声音，只因AI商业化的盈利难题迟迟得不到解决，整个行业皆是如此。若是看公司财报，不少公司的人工智能业务似乎更像一个拖累公司业绩的包袱，而不是一棵“摇钱树”。 难道AI商业化真的只是个赔钱赚吆喝的买卖？ 当然不是。归根结底，这是由人工智能的技术特点决定的。 与蒸汽机、电力、IT等技术一样，人工智能也属于通用技术的范畴。一直以来，很多人都对处在发展初期的通用技术抱有过高的预期，认为它能够在短期内迅速促进带来经济效益。然而鲜为人知的是，这种效益与通用技术的发展之间，存在着明显的滞后效应。 根据麻省理工学院数字经济倡导行动主任Erik Brynjolfsson教授的观点，这种滞后效应源自三个方面： 第一，新技术对应的存量资本积累到具有全局影响的规模，需要一个较长时间的周期； 第二，想要充分发挥出通用技术的潜力，还必须依赖于其他相关的互补式创新技术的大力发展； 第三，为了适应通用技术的发展并从中得到好处，社会组织与机构需要经历长期的内部重构和调整，包括基础设施、制度环境、人才素质等能达到与之匹配的程度。 纵观历史，IT和电力都曾经面临过类似的窘况：发展初期，资金投入了不少，却迟迟见不到回报；但实践证明，随着技术的不断成熟，其他相关的互补式创新技术都得到发展，社会组织与机构的内部重构日趋完善，IT和电力都在后来给经济生产带来了巨大的效率提升，给企业同样创造了无比丰厚的利润。 这些也很好地解释了，为什么当前的AI商业化存在盈利难题——是因为算法、算力、数据等多个方面实现了突破，才让人工智能真正成为可以同IT和电力相提并论的通用技术，算下来也就是近几年的事情，不是没有回报，只是时候未到罢了。 话虽这么说，可毕竟人工智能行业仍处于探索中前进的时期，多数领域还是无人领航、无既定规则的“无人区”，技术路线、商业模式和产业形态等方面均具有较大的不确定性，这就意味着那些不吝投入、坚守AI赛道的玩家们还在承受着巨大风险，头部企业尤其如此。而对于他们来说，当前最重要的并非立马就能让AI变现，而是尽快摸索出一条能真正“跑通”的商业模式，否则便成了时间与资源的空耗。 可喜的是，一些玩家看到了曙光。 仍以百度为例。虽然市场上有不少人质疑百度AI业务线的变现能力，但一个不能忽视的事实是，其AI收入的确是在快速增长的。有机构根据百度财报数据做过这样一番测算：剔除以搜索、信息流支持的“在线营销服务”（online marketingservices）这一主要收入来源，再从“Others”里剥离爱奇艺等其他板块的影响，剩下的就约等于其AI商业化规模。而结果显示，2017、2018和2019三个年份，该项数值分别24.44亿元、47.04亿元和85.97亿元，年均增速高达87.6%；即便2020年的增速因疫情原因而打个对折，其规模也能超过120亿元。 不仅如此，百度的AI业务商业化已有三大分支正在得到印证，分别为小度助手、智能云和Apollo智能驾驶，我们或许可以从数据中窥探一斑： （1）Strategy Analytics的数据显示，2020Q1小度出货量为410万台，为唯一保持增长的头部品牌，硬件销售规模大概在40~50亿元；而今年3月份，小度助手语音交互次数达到65亿次，是去年同期的近3倍，智能屏使用时间达到3个小时； （2）据IDC报告，在中国AI公有云服务整体市场格局中，百度智能云在整体调用量、市场份额方面均名列第一，拥有业内最多的AI产品数量； （3）研究机构Navigant Research报告显示，百度Apollo无人驾驶项目在全世界排名第四，处于全球第一梯队；而借着新基建的东风，今年前6个月时间里，百度拿下智能交通数十个项目，并在全国7个千万级订单中拿4个，市场预测这波项目收获将给Apollo带来10亿体量的收成。 接近百度的消息人士告诉笔者，未来2到3年内，小度助手、智能云和Apollo各自实现100亿元营收，并将有望撑起百度AI板块400亿美元以及公司整体千亿美元的估值。 类似的案例还有很多，不再赘述。而从行业的角度看，AI商业化前景正因为巨头的坚持和努力而变得愈发明朗，这或许是更令人期待的事情。 四、结语 前不久看到这样一段话： “一本名叫《第七感》的书谈到，古生物学家斯蒂芬·杰·古尔德（StephenJay Gould）将物种进化过程中的突变称为‘间断平衡（punctuatedequilibrium）’，即世界从一种均衡态跳入另一种均衡态，永无回头之时……虽然古尔德所指的是恐龙的灭绝，但这一理论同样适用于思考历史。” 眼下的我们，可能正处在这个时刻。而一场酝酿已久的巨大变革，正在疫情的驱动下逐渐拉开序幕。 道阻且长，行则将至。而最难能可贵的，恰恰正是那份只争朝夕的精神和持之以恒的坚守。
王鸿 8月11日-12日，第四届地新引力峰会于上海宝华万豪酒店举行，地产、资管、物业、租赁、产业、科技、金融、区块链、文旅等行业领袖齐聚，思考特殊时期的破局之路，探寻地产的第二增长极，全程直击。现场直播》》 云智易智慧物联CEO雷巧萍介绍到，云智易是一家科技企业，聚焦在整个智慧物联的板块，从2014年开始，聚焦在整个智慧物联从平台级到解决方案层面，落地在不同的空间领域去赋能整体的建设和运营。到目前为止平台上大概聚集了2000家的企业，希望通过智慧物联实现空间的在线化、数据化和智慧化，去重塑整个空间运营的持续发展。 通过产品的诠释，她希望在真正使用平台的时候，能够加强它整个的落地性。会去强调四个一本身的重要性，执行是要靠产品完成的，而不是靠架构图。真正把它落到业务层面去其实是非常困难的，希望通过产品和实践能够把平台这一层升维的设计和标准执行到位。 她提到四个中心，第一块是整个的设备空心，第二个是应用中心，也就是如何基于平台之上快速开发希望的应用，再一个是运营中心和数据中心。数据中心的话，今天在整个数据的底层已经量化到每一个端点的标准数据，希望每一个数据最终都能实现到业务层面，而不是仅仅挂在墙上作为一个可视化的大屏图。 如何通过标准，如何可视、可用，真正地去执行到地产的业务中，如何去取得一个社区的标准体系，真正地从科技部门、采购、设计、产品、供应商审核、产品验证部门全部采用相同的体系进行规范和管理。 她表示，无论是平台还是应用，云智易都在强调，用产品和自己的行业理解，希望帮助目标客户能够在这个行业当中，无论在做一个单一场景的时候还是做平台构建的时候，升维和降维这两块都是随取可用的，在我们整体的场景和设计架构上能走得更长更远。
2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在大会第三日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念；也在2020这个特别的时间节点上，展望他们眼中的「AI金融新十年」。微众银行首席AI官杨强：联邦学习，重塑金融范式大会开场，微众银行首席AI官杨强教授首先登台演讲。杨强是国际联邦学习与迁移学习的领军人物，也是国际人工智能联合会（IJCAI）成立50多年来，首位华人理事会主席。微众银行目前已经有五年的经营历史，有大约两亿的个人用户和将近百万的小微企业客户。作为微众首席AI官，杨强教授认为微众银行之所以获得如此大规模的用户群，很大程度上是取决于技术上的创新，包括云计算、大数据和人工智能。他表示，获客、客户信用评估、客服等金融业务都有AI的影子，这当中的主线就是“如何将尽可能多的数据顺利使用起来”。而联邦学习这种“数据不动模型动”的做法，能实现“数据可用不可见”的目标，更好地助力金融。迁移学习和联邦学习也是如今比较突出的两项技术，可以把整个金融业务再往前推进一步。杨强认为，目前很多行业并没有真正意义上的大数据，缺乏高质量、有标注、不断更新的数据。如何保证各方数据私密不外传，又能保证数据更新？这就是分布性数据隐私保护、联合建模的挑战和需求——把小数据聚合起来成为大数据。加上现在人们愈发重视隐私，政府纷纷立法，对技术的监管趋严，联邦学习正为保护隐私带来了技术上的新思路。如何理解联邦学习？“邦”是指每个实体参与者地位相同，无论大小，提供的价值才是他们存在的意义；“联”是用一种方式把它们联合起来，保护隐私，一起做有意义的事情。联邦学习的宗旨是“数据不动模型动”，目标是“数据可用不可见”。数据可以用，但是这些原始数据是合作方彼此之间见不到的，所以一些散乱的小数据就可以成为虚拟的大数据。杨强教授介绍称，目前联邦学习主要有横向联邦（样本不同、特征重叠）和纵向联邦（样本重叠、特征不同）两种做法，前者更适用于to C场景，后者适合to B场景。他强调，联邦学习和分布式AI、联邦数据库的区别在于：过去这二者的数据形态、分布、表征皆为同类，但在联邦学习里它们可以是异构的；且过去联邦数据库目的是并行计算、增加效率，但现在数据本身属于不同的属主，所以需要做加密情况下保护隐私的计算。最后，杨强谈到了联邦学习在金融领域的应用。除了推荐系统，联邦学习也可以在征信系统和信贷业务上发挥作用，银行提供用户贷款的关键数据，合作方提供企业的交易数据，两方数据后联邦可让坏账率大幅降低。在保险业，则可以让不同的保险公司可以横向联邦，更好地建立个性化定价模型。平安集团首席科学家肖京：1%的效率提升，100亿的价值创造紧接着，平安集团首席科学家肖京博士上台发表演讲。肖京博士长期从事人工智能与大数据分析挖掘相关领域研究，目前主持平安集团的AI赋能与技术创新工作，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。他曾经指出，运营上1%的效率提升，就可以给平安集团带来100亿的价值——全集团180多万员工，每一点效率的提高带来的收益都十分明显。现场，肖京以「人工智能赋能金融业务」为主题，同与会者进行了分享讨论。他指出，金融市场目前面临越来越多的挑战和诉求，随着监管趋严，互联网和高科技企业、传统银行等金融机构的竞争愈加激烈；未来银行不管在体制还是技术上，都会更加开放，同时，金融机构的投融结合将成为明显的发展趋势，平安的经营管理也将逐渐向混业经营、精细化、轻资产化转变。肖京博士分享称，线上化和多线联动使平安集团实现渠道的实时触达，起到降本增效的目的；而智能化、尤其是AI技术的研发及应用，让集团真正实现数字化经营，形成业务生产和服务流程的重构。肖京认为，技术要和业务紧密结合，不光要形成具体解决业务问题的智能化方案和平台，更要形成规模化拓展AI应用的能力，覆盖各类场景，快速有效地实现业务环节的智能化，持续夯实关键技术和业务壁垒。他还透露，现阶段平安主要在进行智能化业务方案中台的建设，将技术与业务深度融合，抽象浓缩成中台组件，帮助业务快速组建前端服务机器人，将AI算法应用于不同的业务场景。“平安脑”智能引擎作为其核心框架，高效赋能集团各业务单位完善智能化建设。在此之前，平安前后花费了近一年时间，打通了集团内部的数据孤岛，整合到一个平台上，并建立了自动更新及质量控制机制，对原始数据自动化进行脱敏、整合、清洗、标准化等处理，并对这部分数据采取严格保密管理，建立有关数据安全、隐私保护的管理规范。此外，肖京博士也谈到了联邦学习技术。平安已经推出蜂巢联邦智能平台，以解决“数据孤岛”情况下数据不可共用的问题，平台具有安全性、隐私性、合法性的特点，目前已应用于动态保险定价、专属语音客服等多个场景。同时肖京也提到，联邦学习需要加密、分布部署、改变模型等具体细节，在沟通、开发、部署等各方面成本都较高，只有在必需的场合，平安才会使用联邦学习技术。在此次大会上，肖博士详细分享了不少平安的人工智能技术应用，比如多模态身份认证，准确率高、稳定性优、适用范围广，已应用于普惠小额贷款、银行保险账户开户、门禁等多个场景，通过微表情、人脸识别等技术提升平安普惠的放贷效率，将放款时间缩短至3分钟，违约率也大幅下降；平安的企业大数据知识图谱欧拉图谱，构建了专业的债券违约、财务造假、企业评级等多个模型，实现贷前贷中贷后、投前投中投后等业务领域的风险管理，预警防控企业金融风险；平安的图像识别技术也已经在车险理赔中发挥重要作用，其应用不仅可以在理赔早期就识别出欺诈的风险，每年减少几十亿元的风险渗透，还提升了业务效率，优化用户体验。京东数字科技集团副总裁程建波：AI时代下的风控理念随后，京东数字科技集团副总裁、风险管理中心总经理程建波，深入讲述了AI在风险管理中的应用实践。程建波先生先后就职于深发展银行、华夏银行、FICO等机构，具备传统金融与互联网跨行业经验，对行业有广泛和深入的了解，业务实践经验丰富。2014年8月，程建波加入京东，组建京东金融风险管理团队，推进了京东白条、金条等系列有行业影响力的产品的发展。他分享了很多颇具建设性的风控思路和理念。风险不仅是控制，更是主动选择的经营管理。管理风险意味着机遇。风险管理做的好不仅可以止损，还可以带来很多的商业机会。好的风险管理不是滞后的，而会更具有前瞻性。学习的过程是终生的，更需要预见式，而不是反应式。在大会现场，程建波首先和与会嘉宾分享了京东数科的三个阶段：数字金融、金融科技、数字科技。三个阶段里，不变的核心是一直将数字当作基因，不做和数字无关的业务。程建波强调新的技术一定要放在商业实践当中反复打磨，尤其是在线上业务中，风险管理的模式和传统相比有很大差别，虽然依然在解决一些老问题，比如信息不对称、如何了解用户、如何让大家理解产品并且使用。但是新的风控模式已经打破了以前的路径，企业仍需要做很多促进消费者理解的工作。此外，程建波认为有体系的产品建设十分重要。当技术积累到一定程度，比如微众银行建造的模型高达60个，最大的挑战是庞大的技术团队如何管理，比如平安的业务很大，1%的变动，就是几万亿的规模。这不再是单纯技术的问题，还需要构建一个复杂的框架体系，并且需要多团队联合作战。关于风控，程建波也向与会嘉宾分享了许多自己多年来的实践经验和思考。他认为风险一定是滞后的。如何在风险不断裂变的情况下更快速地预测用户的风险等级，对于风险管理人员来说是非常重要的，需要更多的技术储备。程建波还十分重视人才的培养和建设。他认为所有新兴的商业，对人才的要求都是全方位的，第一是和策略相关的专家，第二是AI科学家，第三是大数据的专家。原摩根大通执行董事黄又钢： 小微贷款风控模型中的算法探索第四位演讲嘉宾，是华尔街知名建模和风控专家黄又钢。他曾任摩根大通执行董事和花旗银行高级副总裁，拥有数十年的海外零售银行数据分析经验和前沿算法思维，今年回国与金融界顶尖技术大牛王强博士联合创立了弘犀智能科技有限公司，出任首席风控官。以《小微贷款风控模型中的算法探索》为主题，黄又钢和嘉宾及与会朋友们分享了自己在风控实践中的一些心得体会。黄又钢认为，中小微企业解决了国家80%的就业，这些企业的生存和贷款需求问题是需要关心和全力解决。但和上市的公司相比，这类企业信息透露不够充分，数据来源纷杂，数据格式不标准，数据更新周期不稳定，导致面向中小微企业的信贷产品难度更高。中小微企业信用贷款是一个世界性的难题，除了有国家层面的政策扶助，更需要顶尖人才的智慧和付出。在现场，黄又钢主要介绍了集成算法，降维算法、聚类算法和决策树算法。他指出，现在弘犀智能建任何模型一定是“双轨模型”， 即两个算法同时进行。主模型是传统模型回归算法，挑战者模型是机器学习算法。无论在美国还是中国，经典风控领域全都是以回归模型为主导，原因在于稳定性好，可解释性非常强。机器学习由于很难被解释，在美国的信贷场景基本不能合规落地。黄又钢解释了实操“双轨”建模中的几大过程：一是预测能力的比较； 二是变量维度的判断；三是对比同一个观测值，如何交叉使用；四是策略应用，即如何使用这个模型。通过模型、变量、维度和个体等层面的比较，他给出了机器学习相较于传统模型的优劣性分析，表示机器学习在准确性等方面比传统模型要好，没有概念和业务场景的限制；当回归模型与机器学习的结果冲突，适当配置后端策略是可以解决这样的问题。黄又钢指出人群分类在建模中的重要性，任何人群中都有可能包含不同的子群体。如果仅在全局人群上建一个模型、一条回归线很难解决所有问题，而将人群分类后做独立测试可能会更好地预测风险。决策树算法和聚类算法是人群分类中经常用到的算法，前者用树的方法把人群分为多个叶子，每个叶子表示一个子人群；从机器学习角度来看，决策树算法和聚类算法分别代表有监督学习和无监督学习。他认为，人群分类的概念听起来非常简单，实际操作相当复杂的。最终结果的评判标准一般是两个方面，一是算法层面的比较，二是预测准确性层面，特指各子人群模型汇总到全局人群上的预测准确性。黄又钢还分享了算法探索与创新方面有两个思路：一是单一的算法，从数学角度和（或）计算机角度，产生新的突破；二是两种（或多种）算法的相互嵌入和混搭形成新的算法。从实际应用的层面，“匹配”可能会更快地实现突破， 即现成的算法匹配特定的人群和特定的特征，就可能产生非常成功的应用，比如CNN算法在图像识别上的应用效果就是一个事例。他最后总结称，未来的方向是“算法+人群+特征”，也即，算法的突破，人群的细分，数据的深挖，及相互之间适当的匹配都可能产生革命性的突破。移卡集团副总裁奚少杰：支付企业的商业全链数字化赋能逻辑随后演讲的嘉宾，是移卡集团副总裁奚少杰。移卡是中国第二大二维码支付的服务提供商，有14%的二维码支付市场份额。截止2019年12月31号，移卡有530万的活跃支付商户，触达3.68亿消费者。作为移卡集团副总裁，奚少杰专注于中小微企业的数字化转型和商业服务，他本人也曾在腾讯任职多年，有着丰富的互联网和金融科技从业经验。现场，奚少杰为与会者带来了题为《数字化转型下的金融科技应用》的主题演讲。奚少杰首先叙述了第三方支付的发展历程，并认为简单的支付入口，比如二维码，已经不能满足整体的数字化升级的需求，他提出未来几年“产业支付”将驱动行业迎来新的一波发展。从技术角度（需求端和供给端）和宏观角度，奚少杰详细介绍了产业数字化升级的趋势，目前移卡不仅仅是单一的支付服务商，还逐步会成为综合的数字化服务商。这个服务不仅仅包括支付环节，还包括获客、留存、供应链等商户经营全链条的打通。奚少杰向与会者介绍，目前移卡也给商户提供了很多不同业务板块，包括基于SaaS的智能餐饮经营管理平台——智掌柜，涵盖点餐、收银、后厨管理、外卖、会员营销、营业报表等一体化功能，提高商家经营效率；基于区块链技术的商户优惠券聚合平台“约惠圈”，可以为商户提供优惠券创建、分发、领取、分享获客服务，助力商家打造私有流量池；支付和商户服务“好生意”，通过连接多种支付方式，帮助商户实现集中收银和一体化账单功能，同时为商家提供店铺管理功能，布局商户服务。在金融服务和风险管理方面，移卡在提供支付服务的过程中，结合了人脸识别等生物识别技术，这些技术在支付过程中为客户的风控、反欺诈、精准定位方面发挥了很大作用。在智能经营管理中，企业如何切入其中并为商家提供服务？奚少杰举例称，与商户合作时，可借助基于AI视觉识别的门店热力分析技术关注店铺的热点区域、到店客人的行为、商品陈列等与营业情况的关系，以帮助商户更好地管理会员、经营店铺。基于积累的数据，移卡还可以给商户提供精准的营销服务，提供客户留存、会员留存等服务；基于对商家的精准评估，可以提供贷款等金融产品的服务。普林斯顿大学教授范剑青：站在最高维，透视AI金融的运行本质本次专场的最后一位重量级嘉宾，是普林斯顿大学金融讲座教授范剑青。他是国际数理统计学会创办70年以来第一位华人主席，论文引用数多年位列世界数学家前十名，是素有统计学诺贝尔奖之称的CPOSS总统奖得主，也是《计量经济》、《商务统计》、《统计年鉴》等五个国际顶尖杂志的主编。在大洋彼岸的范教授，通过实时连线的方式，以“机器是怎么学习金融的”为主题，带来了长达1个小时的精彩报告。他从大数据与人工智能、稳健因子学习及其应用、债券风险溢价预测、高频交易预测，文本分析与金融投资，这五个板块向大家报告近年来他的研究团队的部分工作成果。在范剑青看来，人工智能是机器学习的平方，让机器自动学习机器算法、是机器学习的理想境界。而大数据赋能AI，从大数据相关的科学挑战衍生的新兴科学即为数据科学，他认为数据科学以应用为背景，其目的是想把大数据解决成智慧数据。他指出，大数据=系统+分析+应用，机器学习=统计+优化+实现环境。如今深度学习之所以能如此成功，范剑青认为它是权衡偏差和方差的有效方法，深度网络使高维函数更加灵活，而现在计算技术使大数据深度学习得到有效的实现。范剑青认为，在经济金融、生物医学、管理决策和人文社会中，机器学习有很多挑战和机遇。由于个体差异大，数据集未知，现在发生的事情与几年后的变量完全不一样，难以提取特征，需要各学科交叉。尤其是在金融行业，数据不平稳，随着时间而变，多人参与竞争的市场也是对金融的挑战。而机器学习本身就是为降低维数和预测而设计的，他认为机器能学习金融，尽管金融非常复杂，但它的形式是可预测的。以股票收益预测为例，可以通过高维线性模型、机器学习模型或是深度学习模型来处理。他强调，成功预测的属性一是大数据，二是鲁棒，三是模型具备市场的重要特征。他还详尽地用几个例子来说明溢价预测相关的问题，例如通过市场因子来预测债券风险；并介绍了现阶段可以使用的两种因子学习方法，一是传统主成分方法，二是利用投影主成分来操作。此外，范剑青也与现场观众介绍了文本数据如何协助股票投资决策，他表示现在可以通过对新闻内容的分析，解析文章对股票的褒贬程度。最后，范剑青总结称，资产定价本质上是预测问题，机器可以学习金融。他认为机器学习可以帮助处理大数据并从中选择重要因素和特征，能很好地应对过度拟合的问题，允许非线性学习极大地改善预测效果，将稳健性和对抗性网络提炼为定价，智能预测也会带来很大的经济收益。历届「AI金融专场」，均会吸引中国及欧美地区众多AI金融专家到场。在上一届论坛中，加拿大工程院院士、Citadel首席人工智能官邓力博士，加拿大工程院院士凌晓峰教授等多位重量级人物来到现场学习交流。杨强和黄铠在会场热切交流而在今年，包括黄铠、刘江川、王强等十多位IEEE Fellow以及各大金融机构的首席信息官/科学家来到现场，共同促进AI金融的产学融合与商业应用。（雷锋网雷锋网）黄铠教授在AI金融论坛的现场
银保监会：银行信贷资产质量基本稳定 中国银保监会8月10日发布的2020年二季度银行业保险业主要监管指标数据情况显示，上半年商业银行净利润同比下降9.4%，二季度末不良贷款率环比微升。银保监会表示，商业银行信贷资产质量基本稳定，风险抵补能力较为充足。 涨幅抢眼 “黄金ETF”上热搜 7月以来，黄金ETF涨幅亮眼。除了最近新成立的两只外，其余7只均实现了10%以上的涨幅。今年以来，早先成立的四只黄金ETF普遍取得近30%的涨幅。同时，9只黄金ETF7月以来获得近16亿元的资金净流入。 畜禽养殖企业7月经营数据向好 截至8月10日，5家畜禽养殖业上市公司披露了7月份销售数据，4家公司业绩环比改善，销量和收入均有提升，但价格距去年同期差距较大。分析人士认为，上半年鸡苗价格同比下滑较多，影响了盈利。7月出栏肉鸡养殖利润相对稳定，鸡苗价格走高，但仍处适中位，预计8月国内毛鸡出栏量继续增加，但增幅有限。 企业贷款利率罕见低于房贷利率 金融“组合拳”挥向融资难融资贵 降低实体经济尤其是小微企业融资成本已见成效。近期，人民银行发布的二季度货币政策执行报告显示，截至2020年6月末，企业贷款平均利率已经低于同期个人住房贷款加权平均利率。而以往，这种现象非常罕见。分析人士指出，企业贷款利率的显著降低，将有力支持实体经济发展。 上海证券报 7月CPI同比上涨2.7% 短期反弹难改未来下行趋势 尽管CPI有所反弹，但整体来看，通胀水平仍温和。央行日前发布的二季度货币政策执行报告中指出，物价涨幅总体下行，不存在长期通胀或通缩的基础，初步估计全年CPI涨幅均值将处于合理区间。国家统计局10日公布的数据显示，7月份，全国居民消费价格(CPI)同比上涨2.7%，涨幅比上月扩大0.2个百分点，连续第二个月反弹。 保险业效益短期透暖意 中小险企借助科技逆袭 保险业经营效益短期向好。上海证券报记者昨日获悉的权威数据显示，今年上半年，财产险公司预计利润总额447.91亿元，同比增长19.20%；人身险公司预计利润总额1382亿元，同比下降10.86%，降幅较一季度收窄约7个百分点。上半年保险资金运用平均收益率2.71%，较一季度上升1.55个百分点。 锁定科创板龙头企业 数百亿新钱等待进场 7月以来市场震荡加剧，但科创板依然是“最闪亮的星”。据统计，包括科创板基金、科技投资方向的基金和即将问世的科创板50ETF及联接基金在内，共有数百亿增量资金将精准投向科创板。在一些基金经理看来，科创板限售股解禁带来的调整提供了长线配置的良机。 信用债净融资额大幅上升 二级市场收益率涨跌互现 上周(8月3日至8月7日)信用债发行规模小幅增加，净融资额明显上升。同时，在二级市场上，信用债收益率表现分化，涨跌互现。 证券时报 上半年商业银行净赚1万亿同比降9.4% 8月10日，银保监会发布的二季度银行业保险业主要监管指标数据显示，上半年，商业银行累计实现净利润1.0万亿元，同比下降9.4%，平均资本利润率为10.35%。商业银行平均资产利润率为0.83%，较上季末下降0.15个百分点。 今年新发爆款基金近万亿 权益类产品是主力军 在股市回暖、基金赚钱效应凸显，以及监管层大力倡导发展权益类基金的大背景下，公募基金发行纪录接连被刷新。数据显示，今年以来，新发基金规模达到1.75万亿刷新纪录；新成立的50亿元以上爆款基金数量已突破100只，总规模接近1万亿，权益类爆款基金规模占比超过六成。 金融开放大势所趋 A股加速融入全球 明晟(MSCI)将于8月12日宣布最新季度指数评审结果，虽然此次季度评审不涉及A股纳入因子变化，却依然受到市场关注。作为全球最广泛追踪的基准指数之一，MSCI挂钩的资产总量约为12万亿美元，是绝大部分机构投资者对比回报的参考指数。 非交易过户打新即将开闸 基金专户、券商资管积极备战 上市公司股东将所持股份进行非交易过户参与打新的业务已是万事俱备，只待“发令枪响”。 近日，多家上市公司发布关于控股股东所持部分股份非交易过户的提示性公告，委托券商资管或基金专户设立单一资产管理计划，以开展股票、基金等金融产品投资。 证券日报 证券业吸金更吸人 下半年超2200人“加盟” 目前，有数据可查的124家证券公司(包含子公司)从业人员总数为32.75万人。与近年来员工大批出走情况不同，今年下半年以来，券业从业人员较上半年增加2223人。其中，券商人员流入幅度最大的业务线为证券投资咨询业务(分析师)，增幅达5.39%。 交易所债市改革加速 助力高精尖企业做大做强 交易所债券市场是公司融资的重要平台之一。近年来，证监会积极推动交易所债券市场改革发展，按照市场化、法治化的方向，进一步完善了交易所债券市场基础制度与监管体系，制约市场功能有效发挥的一些制度“短板”正逐步补齐。 IPO发行与市场交投火热 深改推动投融资动平衡 从融资端来看，7月份A股市场挂牌上市公司数量达到50家、募集资金规模为1846亿元，均创下2017年2月份以来新高(挂牌公司数为史上第三高，募资规模为史上第七高)。此外，仅8月份上半月，A股市场就有37只新股申购，市场以“超级打新月”来形容7月份和8月份的IPO发行。 房企年内发452亿美元债 三成利率超10% 一度沉寂数月的境外美元债融资市场开始活跃。近一个多月以来，房企扎堆抛出发行美元债的计划或者成功筹得美元融资。从当前资金链状况来看，房企仍在利用一切可以利用的融资工具，尽量大额度融资，多用于“借新还旧”，避免造成债务违约而导致陷入“多米诺骨牌效应”。 人民日报 铁路货运 跑出加速度(经济聚焦) 翻开中国铁路货运成绩单，一串亮眼的数据振奋人心。中国国家铁路集团有限公司9日披露，今年前7月，被称为经济运行“晴雨表”的铁路货运跑出“加速度”，发送量累计完成20.1亿吨，同比增长4.3%，为统筹推进新冠肺炎疫情防控和经济社会发展注入强劲动能。
图片来源：微摄 文章来源：央行 人民银行行长易纲到中国人民银行金融基础数据中心调研并召开座谈会。人民银行副行长陈雨露一同参加。 易纲参观了数据实验室，听取了金融基础数据中心党的建设、业务进展和内部管理工作汇报，深入了解数据实验室的数据分析产品和模型算法，观看了数据可视化工作成果展示。 座谈会上，易纲对金融基础数据中心在建设国家金融基础数据库取得的成果给予充分肯定，对金融基础数据中心艰苦创业、勇于创新的精神给予高度评价。易纲指出，金融基础数据中心要以习近平新时代中国特色社会主义思想为指导，继续勤勉实干、开拓创新，落实金融业综合统计工作任务，建设符合大数据发展方向的国家金融基础数据库，依法保障数据安全，打造权威的金融数据聚集枢纽和领先的数据信息服务平台，为宏观调控和金融稳定提供高质量的数据信息服务。 人民银行办公厅、科技司、会计司、人事司和营业管理部主要负责同志参加座谈。（完）
由美方挑起的美中摩擦愈演愈烈。从领事馆纷争，到Tiktok遭封禁，再到“净网计划”，美国的霸权之手如今又伸向了微信。上周四（6日），美国总统特朗普签署行政令，称TikTok和微信对美国国家安全构成威胁，将在45天后禁止任何美国公司或个人与TikTok母公司字节跳动以及腾讯控股涉及WeChat的相关交易。一时间，关于“卸载微信还是换手机”之中二选一的话题成为引爆朋友圈的热门焦点。受此消息的影响，腾讯当日应声下跌，今日继续显出颓势，收跌近5%，两日累计蒸发超5000亿港元，最新市值48102亿港元。数据来源：Wind虽说微信在美国的收入占比非常小，但就腾讯的游戏业务来说，海外市场占其收入20%至25%，而美国作为其主要市场，后续或对其业绩产生不确定性影响。资料来源：官方公告玩味的是，刚刚坐稳全球市值第一宝座的苹果也受到了拖累，结束了财报超预期而带来的连日上涨之势，股价在6日下跌2.27%，最新市值为19003亿美元。数据来源：Wind美国这一出击显然也伤害了自家企业的利益。毕竟一旦特朗普的行政令真正落地，禁止所有涉及微信的交易，中国作为苹果公司重要战略市场之一，其iPhone手机销售以及相关供应链势必受到负面影响。“杀敌三千，自损一万”，美国这一霸权主义可谓是表露得淋漓尽致。苹果难守全球市值第一？苹果的下跌充分了市场的预期情绪。虽然iPhone等硬件业务虽不再是其主要发展重心，但目前依旧是苹果的重要营收组成部分。“本季度iPhone营收264.18亿美元，同比增长1.66%，高于市场预期（223.7亿美元）。”——公开数据苹果收入业务构成情况数据来源：Apple disclosures尤其是在疫情时期，这一业务并没有“拖后腿”，薄利多销为核心的低价策略使得苹果手机销量的逆势增长，有效抵消了疫情期间人们消费信心下降带来的消极影响。根据2020年全球智能手机二季度出货量的数据显示，华为成功登顶，出货量5580万部，但同比下降5.1%；三星紧随其后，出货量为5420万部，同比下降28.9%。；而苹果则是逆势同比上涨11.2%。这主要归功于于iPhone中国市场零售销量达到1300万部，同比增长62%，环比增长225%，远超其它品牌。2020年第二季度全球智能手机出货量情况数据来源：IDC苹果已不再是当年那个光卖手机的公司了，它已然走出舒适圈，试图扩大 IOS 生态系统的覆盖范围，通过业绩增长爆发力强的服务业务，为公司的可持续性盈利助力。为实现这一目标，它依旧需要以iPhone为首的大量硬件终端的售出去加固服务收入，加强用户的黏性，尤其是在服务业务增速创下了2015年以来新低的这一时刻。而在全球化浪潮之下，中国市场已然成为苹果业绩增长的“第二摇篮”，无论是必要硬件收入，还是成为业绩重要支撑的服务业务，它无法放过中国市场这一潜力大蛋糕，且需要这一市场上生产制造供应链的“撑腰”。“2019年中国区App Store收入达到2460亿美元，约合人民币17256.9亿，占收入总额的47.4%，为全球收入贡献最高的市场。”——公开数据苹果公司各地区营收占比数据来源：信达证券其中，iPhone的销量更是依赖于此，要知道中国市场约占iPhone销量的20%，一旦微信遭到“封杀”，对苹果的损失不可想象。天风国际郭明錤有测算，若苹果公司仅仅移除的是美国App Store上的微信，那么预估iPhone出货量将下调3–6%，其他Apple硬件设备如AirPods、iPad与Mac等产品的年出货量则下调低于3%；若苹果公司移除全球App Store上的微信，则苹果硬件在中国市场的出货将出现明显衰退，预计iPhone的年出货量将下调25–30%，其他Apple硬件设备如AirPods、iPad与Mac等年出货量则下调15–25%。对于国人来说，没有微信的iPhone等于“无用之物”，换华为不香吗？数据来源：微博即便后期5G版iPhone的面世也很可能无法撼动这一选择，更何况该款产品或继续“姗姗来迟”。目前苹果在标准普尔500指数中的权重达到6.5%，已然成为40年以来对标普500指数影响最大的成分股。一旦失去中国市场的潜在预期，且不论对苹果造成多大打击，美股走势、乃至美国经济都可能受到较大影响。美股风险波动性情况来自美国霸权主义的恐慌显然，当美国亲手点燃这把外交之火，针对腾讯等公司进行打压之时，自己也无法独善其身。这个道理美国未必不懂。但它依旧一意孤行，选择这一激进的手段去无差别与中国科技企业“针锋相对”，就值得深究了。仅仅是为了美名其曰的“防止国家安全隐患”？又或者是川普为了大选而赢得民心的“不择手段”？往深层次看，更可能是源自一种埋藏在其种族基因里的恐惧，即美国害怕失去其所谓的霸权地位，或者说它正在失去。美国二季度GDP增速数据来源：开源证券2020年新冠疫情的突发打了美国一个措手不及，无论是无视病毒风险使得其反复爆发，还是弗洛伊德事件激化种族矛盾，又或是美国经济陷入二战以来的衰退...这一系列的颓势都表明了：美国发展进入了一定的停滞期，且趋于悲观。2020年IMF世界经济增速预测数据来源：民生证券而无论何时，科技是第一生产力，谁能拔得科技头筹，谁就拥有强势的话语权。长久以来，美国占据着全球科技领域的制高点，在以苹果为首的科技巨头的庇护之下展露着自己的野望。然而，此一时彼一时。在全球化浪潮之下，我国经济实力稳中有进发展，科技水平日益提升，已步入世界前列，中美两国综合实力进一步缩小，再加上国内疫情有效受控，人民生活步入正轨，而这一光明形势却刺激了美国的“被害妄想意识”——严重威胁美国的全球霸权，进而引发了近年来美国对华为等先进企业的频繁打压。“美国的生存法则就是扩张，即使我们要违背它，也不可能。”——美国总统布坎南这种意识是由来已久的。其诞生于西方独有的文化土壤里，成长于基于权力和扩张意识的霸权主义和强权政治，通过近期一系列的言论和政策攻势便可以发现，美国以自我为中心，即便是自己元气大伤，也要全面霸凌并打压以中国为首的国家的崛起。这一现状却会让人们明白，现在的美国发展确实遭遇瓶颈，不限制其他国家的发展就无法凸显自己。而如此一来，这在国际战略格局日益复杂的今天，它已经在这场假想性十足的竞争中不占优势。结语都说新时代新气象，而从美国近期的打压行径可以看出，它依旧没有跳出自己的强权政治世界里，利用国家力量，不惜自身受损，也要发动“外交战”去“绑架”他国。这不仅加剧了中美两国的紧张关系，使其濒临脱钩边缘，也使得国际政治环境的不稳定性加剧，不利于疫情时期全球发展进程的复苏。而这一由单方挑事的纷争只能暴露了美国的不自信，同时侧面反映了：在新一轮科技革命里，我国手握着通向未来科技之路的正确钥匙，后期会坚持秉持开放与合作的态度，应对和消解其负面效应，道路或许曲折，但路的尽头光明依旧。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估