人工智能(AI)技术正在许多行业中产生变革,但只有在医疗领域,AI的影响才有望真正改变我们每一个人的生活。而这样的改变也许正在发生……一疫情肆虐,AI助力防控截至目前,全球确诊人数已超过800万。这次疫情给全球带来了巨大挑战。近年来,人工智能已经开始在医疗卫生领域发挥重要作用。先进的计算和数据分析工具使信息共享和诊断实践成为可能,并加深了医疗行业对疾病和感染的理解。在遏制Covid-19(新型冠状病毒肺炎)的迫切需求推动下,世界各地的政府机构和企业越来越多地将目光投向基于人工智能的技术,以提供对病毒传播的分析,并寻求治疗药物和方法。我国在疫情刚开始传播的时候,就采用AI技术进行疫情防控,在春运期间,火车站、机场、地铁等公共场所的测温压力巨大,各大图像识别技术巨头们很快部署了AI测温解决方案,采用图像识别与红外等结合的方式,有效避免接触式测温带来的病毒传播风险;疫情开始有所缓解、准备复工之时,不少AI公司提供了大数据AI技术,对迁徙人员进行动态跟踪,结合疫情地图,有效及时地跟踪传染源、接触源,为复工保驾护航。国外疫情爆发的要晚一些,各个国家也采用了AI技术在多个环节助力疫情防控:(1)AI疫情辅助控制迪拜采用了图像识别技术来自动判断人们是否遵守了疫情防控规定,比如保持距离,从图像可以看出该AI程序可以自动识别出人与人之间的距离,这样的应用在公共场所可以对人群密集提出预警提示。(2)新冠治疗药物研发总部位于伦敦的药物研发公司Benevolent AI在1月底开始将注意力转向冠状病毒问题。该公司用知识图谱技术来快速分析科学文献和生物医学研究资料,挖掘疾病的遗传和生物特性与药物的组成和作用之间的联系。该公司之前一直专注于慢性疾病,而不是传染病,但通过向其输入关于病毒的最新研究,能够重新调整系统,使其专注于新冠药物的研发。目前该公司已经进行潜在新冠治疗药物的临床试验。(3)新冠病毒结构分析DeepMind正在利用基因组的数据来预测生物体的蛋白质结构,揭示哪些药物有可能对COVID-19起作用。DeepMind是Google母公司Alphabet旗下的人工智能公司,在2016年推出的人工智能围棋程序AlphaGo,战胜了人类围棋选手之后一举成名,在当年将深度学习和人工智能技术直接推向高潮,其最新版本已无对手。DeepMind发布了一个名为AlphaFold的深度学习库,它使用神经网络来预测组成生物体的蛋白质如何根据其基因组变换形状,进而计算出哪些药物可以与新冠病毒生物体细胞结合,用来破坏病毒细胞,破坏它与人类细胞的结合方式,减缓病毒的繁殖速度。(4)COVID-Net加拿大初创公司Darwin AI开发了一个神经网络COVID-Net,可以通过X射线筛查COVID-19感染的迹象。DarwinAI已将COVID-Net作为一个开源系统发布,受到了AI研究人员的热烈追捧,该公司现在正致力于将COVID-Net从一个技术实现变成一个可以被医疗工作者使用的系统。它现在还在开发一种神经网络,用于对感染COVID-19的患者进行风险分层,以此来分离那些可能更适合在家中自我隔离恢复的病毒感染者,和那些最好进医院的病毒感染者。二医疗AI的大机遇这次疫情让各个国家的医疗体系翻了个底朝天,新冠病毒的流行让医疗系统的脆弱暴露在阳光之下。响应不及时、信息流通受阻、医务人员不足、医疗资源分配不均等诸多问题在多数国家都存在。因此,也让整个人类社会意识到医疗体系变革的紧迫性,是时候重新思考医疗体系的升级了,而人工智能技术在这次疫情中的积极表现,让炒了这么多年的医疗AI概念走入大众视野。而且,随着人口老龄化问题越来越突出,老年人口对于医疗的需求也将呈增长态势。根据国家统计局的数据,我国2019年65岁及以上老人已经突破1.7亿人,占人口总数13%。这样的增长趋势对于医疗资源是一个现实而急迫的挑战。将AI应用在医疗中虽不能完全解决医疗资源短缺的问题,但是却可以借助AI快速发展的红利,为医疗领域增添新的动力,刺激医疗事业的发展,拓宽医疗资源的使用范围,使全球各地患者更平等地受益于科学进步。医疗健康领域也切实存在很多需求需要AI来帮助实现,从防范疾病和减轻医护压力角度,至少有以下几个方面需求:(1)基于大数据的疾病或疫情预警;(2)智能读片,辅助医疗影像诊断输出,可以缓解医院的阅片压力;(3)智能诊疗系统,辅助医生做好疾病初步筛查,甚至辅助手术;(4)智能医护辅助系统,帮助护士做好入院评估以及护理监控等工作。从技术供给侧考虑,人工智能技术正逐步走向成熟,各种应用场景也日趋完善,加上软硬件的持续迭代,让AI技术的广泛落地近在眼前。而且,国家对人工智能、大数据、5G等前沿技术的发展从政策上给予了足够的重视,并加入国家“新基建”发展规划,进一步提升其战略地位。医疗AI应用领域在这个浪潮之下,正可以踏上快速发展的新车道。三医疗AI有哪些细分场景医疗AI的应用范围比较广,可以细分为多个应用场景。(1)AI疾病预测主要基于大数据分析技术,对搜索引擎数据、航空数据、交通信息等人类活动数据进行分析,从中发现与传染病相关的蛛丝马迹。举个简单例子,可以通过人们使用搜索引擎搜索疾病相关的某些词项来预测与此相关的传染病在某地区爆发的可能性。当然,要想预测准确,还需结合更多数据进行多维度更广泛的分析,单个方面数据分析往往会高估预测结果。(2)AI医疗影像这是AI助力医疗最热门也是最具有挑战的应用场景之一。将图像识别技术应用在医疗影像的识别中意义重大,一方面医院每天需要应对海量的X光影像、CT影像处理需求,需耗费大量人工长时间读片,容易出现误诊、漏诊情况;另一方面是因为图像识别本身就是AI最热门最具魅力的一个技术方向,并且图像识别已经在多个应用中大规模使用,目前已广泛应用在移动支付和安全监控领域,如果AI能在医疗影像中得到发挥,那将大大减轻医务人员负担。美国IDx公司的IDx-DR就是这样一个AI系统,它是用于视网膜病变检测,不需要临床医生解读就能寻找特定病症的筛查设备。该设备的软件,利用人工智能分析眼睛的图像,判断是否有糖尿病视网膜病变的迹象。IDx的检测系统不仅可以为缺少眼科专家的医院筛查糖尿病视网膜病变提供极大帮助,还可以将医生从一系列的测试中解放出来,而这些测试的结果大多是阴性的,可以让医生有更多的时间来治疗那些真正患有疾病的人。(3)AI新药研发由于新药研发过程极长,成本极高,而AI算法因为在数据挖掘方面以及计算能力方面具有天然优势,可以用在药物、疾病、基因之间关联关系挖掘以及药物的分子结构预测等方面,因此被寄予厚望,近年来该AI新药研发领域的资金投入突飞猛进。下图展示了美国的AI新药研发风投资金近年来大幅增长的趋势。本文开头提到的BenevolentAI公司便是这一领域的佼佼者。(4)AI医疗辅助机器人这些机器人可以代替人工医生来执行一些重复性高或者具有传染性环境的工作。比如医院大堂的导诊机器人可以大大减轻导诊台的工作量,而查房机器人可以让医生不需要接触具有传染病例的患者,减少医务人员的感染。结合5G技术,医生甚至不需要离开办公室,就可以将自己的专业诊疗工作延伸到任何地方,不仅在自己医院内部可以高效地开展诊疗工作,还可以支撑偏远地区医务极度缺乏的地区,进行远程诊断、远程会诊等。有一些微型机器人可以帮助医师更好地进行手术,卡内基·梅隆大学机器人部门开发了Heartlander,这是一个微型移动机器人,旨在方便对心脏进行治疗。在医生的控制下,这个微型机器人通过一个小切口进入胸部,自行导航到心脏的某些位置,附着在心脏表面并进行治疗。(5)AI健康管理随着人们越来越重视健康,越来越多的健康相关产品开始进入大众视野,健康管理是一个范围比较广的概念,包括手机健康APP、可穿戴设备、移动医疗等诸多应用。而AI健康管理往往与互联网、医疗大数据相关,细分场景也很多。比如Apple Watch就提供一项“摔倒检测”功能,关键时刻可以救命,这是Apple Support上对该功能的描述:如果手表检测到您摔得很严重,它会轻触您的手腕、发出警报声并显示提醒。您可以选择联系紧急服务,也可以按下数码表冠并轻点左上角的“关闭”,或者轻点“我没事”来关闭提醒。如果 Apple Watch 检测到您在移动,它会等待您对提醒做出响应,而不会自动拨打紧急服务电话。如果手表检测到您在大约一分钟内没有做出任何动作,它会自动拨打紧急服务电话。智能问诊机器人是近年来比较火的一个智能医疗产品方向,它基于自然语言处理、知识图谱、搜索引擎以及医疗知识库等技术构建的智能对话机器人,可以为用户提供在线实时问诊服务,是互联网在线问诊平台的智能化延伸,可以解决逐日增加的医疗咨询需求,让一些轻症患者免去因小恙而不得不去挂号排队问医生的麻烦,也大大缓解医院的压力。四医疗AI面临的挑战前景是美好的,但是道路是曲折的。在医疗AI逐渐落地的过程中,有诸多困难需要去面对。(1)临床认证难用于临床医疗的产品,需要得到所属国家食品药品监督管理局的认证才能合法临床使用。上文提到的IDx公司的糖尿病视网膜病变检测AI系统是美国食品和药物管理局(FDA)授权认证的第一次AI医疗项目。然而,大部分医疗AI项目都没有这么幸运,医疗临床器械认证流程非常繁琐。在我国要得到国家食品药品监督管理总局(CFDA)的认证,需要同国家的三甲医院合作进行临床测试,需要与接受临床测试的病人签订合同,还需要在国家专业机构做检测和报备,通过一系列测试和评估才能获得CFDA认证,很多医疗AI初创公司往往扛不住这样的时间成本。(2)数据问题数据是AI算法必不可少的“燃料”,很多做AI的公司头脑风暴出好些AI产品原型,大部分都由于无法获取足够多足够好的数据而不得不放弃。数据问题在医疗AI中尤为突出,一方面是数据来源问题,医院内的数据有相当一部分依赖于不同的系统,医院之间的数据也很难共享;另一方面是数据质量问题,医疗过程中产生各种临床数据,这样的数据缺少标准化和结构化处理,而且获取高质量的标注医疗数据也不那么容易。(3)隐私风险隐私是AI技术不得不面对的一个问题。随着AI技术的爆炸式发展,对隐私的保护越来越受到重视。随着欧盟的最严格隐私保护条例GDPR的出台,各国纷纷推出自己的隐私保护规范。AI技术对隐私的侵犯甚至还会成为某些社会问题背后的帮凶,比如种族歧视。就在不久前,一些AI巨头已经开始对这样的应用技术输出进行限制。6月9日,IBM宣布停止提供通用的人脸识别软件,随后不久亚马逊也宣布暂停向警方提供人脸识别监控软件,微软也紧跟其后表示在政府出台相关规定前不会再向警方出售人脸识别技术。虽然这些巨头们可能是迫于舆论压力不得不停止输出人脸识别技术,从侧面也反映出民众开始认识到自己的隐私正受到来自AI技术的侵害。在医疗领域,隐私数据尤其敏感,无论是基因测序数据,还是医疗健康数据,大部分人都不会愿意分享自己的敏感信息。如何在治病救人与保护隐私之间保持平衡,这是医疗AI发展之路无法绕开的问题,是技术与伦理的博弈。(4)AI诊断容易问责难医疗AI还存在一个困境,那就是如果让AI诊断代替医生诊断的话,将无法对诊断失误问责,无法定位责任主体,因为AI技术无法作为民事主体来承担民事责任义务,也不太可能让其背后的AI科学家承担责任。在医学伦理中,医生必须完全对患者负责,而如果让AI技术的锅给医生来背,也不太现实。(5)人才缺乏人工智能领域人才和医学人才是大学阶段培养周期最长的两拨人,也是最稀缺的人才。随着人工智能领域的爆炸式发展,人工智能相关技术人才的缺口越来越大,根据某招聘网站做的统计分析,中国人工智能人才缺口已经超过500万,高校每年培养的AI人才不到一万,杯水车薪。而医药AI需要从业人员不仅精通AI,还要懂医学相关细分领域的知识,能满足条件的凤毛麟角,更遑论建一个医疗AI团队,可想而知其难度之大。五我国医疗AI现状人工智能在我国各项政策的扶持下得到了快速发展,医疗AI也不例外。从下图医疗AI融资轮次的分布情况来看,目前我国医疗AI技术还处在比较初级的阶段,大部分融资还集中在公司比较早期的阶段,也体现了发展潜力巨大。六结语一百多年前的西班牙大流感造成了当时世界人口三分之一被感染,导致至少2000万人的死亡,是历史上最致命的一次全球大流行病。一个世纪后的今天,疫情再次席卷全球,不过今天人类已经有了更多的手段和方法来应对疫情的肆虐。希望人类克服层层困难,让医疗AI早日服务人类健康事业,尽早战胜新冠病毒。
图片来源@视觉中国2019年“1024讲话”之后,区块链行业迎来了前所未有的发展机遇。作为国家战略,区块链技术落地应用理应成为市场追捧的热门,但实际上,区块链行业创业公司数量却并未呈现出爆发式的增长,甚至融资数量还略有下降。根据研究机构发布的数据,2020年第一季度区块链相关项目股权融资有82笔,较2019年同期的93笔下降了11%。市场上出现了一种吊诡的状况:一边是研究机构和媒体的报告中烈火烹油,花团锦簇,区块链行业不但迎来了最好的发展机遇,各地也不断出台政策鼓励区块链技术落地,区块链技术很快就会走进普通人的生活当中,成为现代信息社会的中流砥柱之一;另一边,资本纷纷陷入沉默,区块链行业中只有寥寥几家头部公司获得青睐,创业公司难以获得融资叫苦不迭……这种“叫好不叫座”的状态是如何出现的?链得得App走访了几家区块链行业创业公司。区块链创业环境:从认知模糊到政策扶持宇链科技是一家成立于2018年,提供基于区块链技术、软硬件结合服务的初创公司,为政府机构和企业提供“BaaS云+链+芯片”三位一体的可信商业解决方案。宇链科技创始人CEO罗骁和他的团队在杭州市政府附近的欧科云链B-LABS联合创业空间办公。这家依托欧科集团的众创空间里聚集了不少区块链行业创业公司。罗骁告诉链得得App,从去年10月以来,整个空间里区块链创业公司的士气都振奋了不少,行业整体以极快的速度开始了增长——这表现在宇链的业务上,来接触洽谈的企业和政府机构数量大大提升了。宇链科技提供的主要是BaaS云+链+芯片的解决方案。简单来说,他们为企业和政府提供芯片收集数据,提供区块链保存数据,同时提供数据中台管理数据。以宇链科技和“志愿中国”旗下App“志愿汇”的合作为例,宇链科技提供区块链打卡机、宇链云和可信数据平台,帮助公益组织和政府机构获得透明、可信的公益服务数据。罗骁告诉链得得App,将 “芯片+链+云”结合到一起的,全世界只有宇链一家,面对企业和政府业务,尤其是政务部门的应用场景有着巨大的优势。也正因为这一点,在区块链技术成为国家战略之后,政府方向的业务有了较大的提升。2017年,杭州市政府就开始不断重视区块链的发展,在多个行动计划和指导意见中提出大力发展区块链等未来产业。在这种背景下,不少政府机构和传统企业都希望能够加快区块链技术应用的脚步,这些应用场景包括医疗、公益、警务等方面。罗骁认为,这毫无疑问是一个巨大的进步。虽然区块链早就不是什么新鲜词汇了,但政府机构对于区块链技术在相当长的一段时间内认知是很模糊的。“区块链技术以前往往和集资诈骗、网络犯罪联系在一起,又缺少技术专家,单位内部其实是有些排斥的”,一位政府工作人员告诉链得得App,“1025之后这种想法才慢慢消失。”罗骁印证了这种说法:“如果说过去政府机构和传统企业对区块链的理解是0,甚至是排斥的,那现在就已经迈过了从0到1的关键一步。很多机关单位和企业对于区块链技术的理解还是相当不错的,虽然普遍水平都还比较初级一些,但也不乏理解深刻的专家。”资本寒冬蔓延到区块链行业毫无疑问,区块链行业正处于一个前所未有的高速发展期内。根据火币研究院的预测,预计在政策和资金的双重支持下,短期内应用需求将显著上升;虽然自带场景的大型企业大量入场、独立服务商头部效应逐渐出现,但短期来看市场上难以出现巨头和寡头。在这样一个产品较为丰富、不存在寡头和垄断、行业高速增长的近乎完全竞争的市场上,资本为什么却表现的如此沉默呢?根据研究机构发布的数据,2019年,国内投融资事件数量同比下降38.29%;融资规模同比下降了27.3%,延续了2018年以来的低迷态势。而2020年第一季度以来的疫情等因素也严重影响了创业企业获得融资。根据媒体统计,2020年第一季度共发生融资事件614起,融资总额约1373.79亿元人民币。同比2019年,融资数量下滑39.08%,融资金额下跌15.07%。2018年以来的资本寒冬依然在影响创投行业。中国创投市场的资本在寻找投资标时变得更为谨慎,投资数量收紧、专注热门赛道,如产业互联网、医疗健康等。虽然区块链技术也属于产业互联网领域,但资本依然处于观望状态。宇链科技所在的联合创业空间欧科云链B-LABS CEO Lola也注意到了这种情况。作为欧科云链B-LABS的负责人,她近几年接触了大量区块链创业企业和投资方。她告诉链得得App,对于资本方而言,资本对于区块链技术的观望主要出于以下几个理由:首先,投融资行业依然受到2018年以来的资本寒冬影响,随着全球经济不稳定加剧,新冠疫情、贸易摩擦、地缘政治等非经济因素引发了金融市场剧烈波动。在这种背景下,资本首先考虑的是风险较小、较为熟悉的行业。而区块链作为新兴技术,依然会被归类为风险较大的投资领域。一方面,区块链技术处于方兴未艾的早期阶段。根据《区块链蓝皮书:中国区块链发展报告(2019)》的披露,全国区块链企业近 28000 家。其中投入生产环节的区块链企业约 1000 家,占比仅 3.6%。根据赛迪区块链研究院的统计,我国区块链企业人数主要集中在 15-50 人之间,占 53.3%。另一方面,产业互联网本身就存在投资周期长、难度大的问题。与此相对的是,资本对于初创企业的兴趣越来越小。根据清科研究中心的统计,我国股权投资市场A轮及之前的投资案例数与投资金额分别占总量的60.9%和25.4%,相比去年同期分别下降3.9和10.2个百分点。经济下行压力带来的不确定性导致投资机构避险情绪明显,更倾向于布局盈利模式清晰的中后期成熟企业。第二,区块链技术与应用场景结合不够紧密。罗骁告诉链得得App,虽然宇链已经有了较为成熟的产品和解决方案,但依然需要在具体的应用场景中进行针对性的优化。这个过程是技术落地最为困难的地方,要求区块链服务提供商对场景非常了解,也是限制区块链应用大规模落地的主要原因。也正是这个原因导致了不少区块链行业初创企业缺乏完整的、合理的商业模式,难以吸引投资方的关注。第三,与传统互联网相比,区块链依然是一个全新的概念。虽然在“1024讲话”之后这种现状已经有所改善,但区块链技术对于传统资本来说仍然是新事物。出现这种情况的主要原因是,区块链行业本身体量较小,与传统互联网行业相比难以吸引资本注意,同时市场上缺乏较为成功的区块链应用案例,同样也缺乏行业公认的标准。大多数资本和企业对区块链技术的理解依然非常粗浅,更不用说清楚的认识到区块链技术在具体应用场景中能够实现的价值是什么了。抢占细分市场,做隐形冠军虽然2020年上半年资本市场经历了各种各样的考验,不少创业公司也因此夭折,但欧科云链B-LABS CEO Lola依然乐观。她告诉链得得App,创业空间中大多数初创企业都已经恢复正常工作,入住率甚至还略有提升。她在不断尝试联系更多资金来帮助这些区块链初创企业渡过难关,但她也认为,“授人以鱼不如授人以渔”,帮助这些企业找到合适的应用场景,专注与应用场景结合才是当前阶段区块链初创企业最需要的。她认为:“独角兽这个概念已经过时了。区块链初创企业团队规模较小,跑马圈地尝试太多的应用场景,想要一口气吃成个胖子是不现实的。但如果能够抢占一个极细的细分市场,完全也可以做个隐形冠军。”随着疫情逐渐缓解,B-LABS联合创业空间里也逐渐变得热闹。Lola依然在不断在初创企业和资本之间牵线搭桥。宇链科技已经获得了几家资本的青睐,罗骁正忙于完成A轮融资。随着市场的复苏,区块链行业应用的爆发也许真的不远了。
没有一条真理,可以解决人生所有的难题;也没有一项技术,可以帮助一家企业所向披靡。金融科技行业,纵使是一个简单的项目,也需融合算法、专家经验、工程部署、接口打通等一系列环节,才能完成一套解决方案,远不止一项单点技术就可以“打包票”。在这个过于信仰技术的时代,知道技术能做什么固然重要,知道它不能做什么也许更重要。为此,雷锋网《AI金融评论》策划了「AI能否解决金融刚需问题」系列选题,借同一个话题,对不同背景的受访者、产品和客群各异的企业们进行采访,期望在不同的商业和技术认知下捕捉观点碰撞的火花。在前三篇采访中,我们采访了冰鉴科技CEO顾凌云、慧安金科CEO黄铃、品钛执行副总裁李惠科。本系列的第四篇文章,由邦盛科技执行副总裁王雷讲述他从事「AI金融风控」多年旅程中经历的有趣故事。以下为王雷的亲身经历:“头疼”的难题一直以来,银行对「信用卡套现」的行为都十分头疼。信用卡,本质上是一种贷款。银行希望贷款用于消费,而不是炒股、炒房甚至赌博。但是,现实生活中,很多人并没有合规地使用这笔钱,从而衍生出了「套现组织」。对于银行来说,信用卡里的钱如果不是用于消费,而是用于投资、赌博,一是增大了这笔钱不能返还的风险,二是违背了国家的贷款政策。所以银行会通过一些技术手段,对套现行为进行识别、监测。邦盛科技之前就接到一个国有大行的订单,他们本身有一个在风控领域积累了很长时间和经验的优秀团队,但是还是希望在这个基础上更上一层楼,于是找到我们,希望通过金融科技公司的AI能力,引入解决问题的新思路。当时,这家银行已经能很好地识别出哪些个体的行为属于骗贷,但是对于那些变化多端、组织严密的“专业”骗贷团伙,还是有些束手无策。在项目初始阶段,客户对我们的期望很高,认为我们一定能通过更先进的技术和方法,通过对个体骗贷行为的分析,找到某种联系,识别出诈骗团伙。那会儿,其实许多机构还没能达到这样的水准,即使是行业里最好的金融机构投入了大量精力,也没能十分精准的识别出这些诈骗组织。而我们又处于创业初期,经验匮乏,当时并没有信心能完成这个任务。当然,有没有信心和做不做,是两码事。我们决定接受这个挑战。一口气“抓”了几千个犯罪团伙样本,是智能风控想要发挥作用的重要前提。想要通过AI识别出诈骗团伙,追本溯源,还是得从高质量的样本入手。而样本的质量高低,很大程度上依赖于专家的经验。在风控领域,专家的经验是比AI能力更稀缺、更重要的资源。比如薅羊毛是怎么薅的、什么样的行为是薅羊毛,专家会通过多年积累的经验和规则去识别哪些行为是“薅羊毛”、哪些行为属于盗卡、哪些是洗钱、哪些属于申请欺诈等等。我们团队中的优秀专家对这家银行的样本进行了分析,发现它们的样本质量不是非常好。于是专家们通过在风控领域多年的经验,对样本进行了加工,获得了一些我们认为比较好的样本。在此基础之上,我们使用了机器学习建模平台和关联图谱平台,把可疑的个人和团伙都甄别出来。那次,我们团队几个人在两个多月的时间里,揪出了大几千个「信用卡套现团伙」,几千个账户,并查出几十万张有问题的信用卡。经过那段时间的不断探索后,我们对整个行业的理解有一种豁然开朗的感觉。之前,我们在没有开始做“识别套现团伙”的工作时,认为这是一件很难的事。但下一次在做其他的事情,我觉得是可以解决的,而且思路非常清晰。其实,那次项目因为涉及到的银行体量非常大,我们面临的风险和压力也非常大。但是我们顶住了压力,积累了许多欺诈团伙的特征和画像,并对模型进行进一步的优化。后来这家银行通过我们提供的线索进行了调查,确定了这些人的确属于套现团伙,并降低了他们的信用卡额度,并对部分信用卡进行锁卡处理,效果非常好。也是因为这次经历,我对AI在「风控领域」的应用价值,有了更直观的认识,使得我对AI在风控场景下的应用,更加有信心。如今,邦盛科技为这家国有大行做了一个更大的项目,一个包含申请反欺诈、电子渠道交易反欺诈等全方位、全行级的反欺诈系统。而“识别套现团伙”成为了整个大型项目中的一个组成部分,继续为这家银行提供服务。抓住银行的心思之所想、解其所忧,才能抓住一个人的心。同理,想要获得银行大单,首先要认识它,然后解决它做梦都想解决的问题。在和银行客户打交道时,不一定所有时间、所有产品,它都会觉得满意。这时,我们需要对项目的效果进行量化,沉浸到它的角度思考问题,让它信任你。因此,我们会时时刻刻追踪AI产品的效果,并制定一系列可以看得见、摸得着的指标,让它对我们工作的效果有一个清晰的认识,建立信任感。比如拦截非法金额数目、对客户的干扰率程度、风险等级,我们会把这些有关风控的数据或者结果记录下来,作为统计最终模型好与坏的一个标准。我们一般建议客户,三个月或者是六个月调整或者优化一次模型。频繁的调整,不是银行的风格。对于银行等金融机构来讲,“稳定”压倒一切,其次才是改善。所以,他们对新技术的应用也是比较谨慎的。银行不会轻易改变自己现有的风控方法,因为改变意味着不确定的风险。只有观察到技术和效果真的十分稳定,他们才会采用新的技术系统。AI在信贷领域主要防控两种风险,一种是欺诈风险,另一种是我们常见的信用风险,比如我们年轻人十分熟悉的“芝麻信用”和“微信支付分”。一笔贷款的发放,银行得先判断它是否是有欺诈的风险,然后再判断它信用风险的高低。首先,金融机构最担心的事儿是被骗子欺诈,把贷款放给了骗子。当通过反欺诈技术将骗子拒之门外后,银行还要担心普通人能否正常还钱。普通人也有可能因为做生意经营不善、丢了工作或者社会环境的改变等因素,还不上钱,所以要判断他们的信用风险。在评估信用风险上,「评分卡模型」是可解释性非常好、也很稳定的一个模型,现阶段也使用的非常多,各家银行都是比较习惯使用这种传统的方式。所以,我们在这一领域,需要我们金融科技公司技术能力的场景并不多。而在反欺诈领域,越拉越多的金融机构开始接受机器学习模型。因为欺诈行为更具有隐蔽性,欺诈风险比信用风险更难以控制。而且业内一般需要六个月来训练控制风险的模型,上线模型至少又得三个月,加起来就是九个月。在这段时间里,整个市场的欺诈形式是会发生很大变化的,欺诈团伙发现金融机构会欺诈行为进行防控后,他们还会变换手法。针对这样的情形,邦盛科技专门在模型训练中设立了一个环节——特征工程。在这个环节中,我们尽量呈现出更多的特征,我们将几千到上万个特征输入到一个模型中,使它覆盖更多的可能性,虽然不能彻底解决问题,但通过这样的算法调优,欺诈行为的成本会越来越高。此外,银行需要考虑自己所用的技术,是否符合监管政策的要求。机器学习这类技术,最大的一个问题是不透明、不可解释。它使用的是非线性的算法,当模型说贷款可以放,但是它推理的过程是不可逆、也不可用文字解释的,这样在使用过程中就会受到一些限制。模型本身是一个算法的配合,我们也在尝试通过一些技术方式,来增强模型的解释性。AI不是万能的邦盛科技从创业初始,到如今与中国农业银行、中国建设银行、招商银行等多家国有大行合作,对行业的理解也是经历了一个从无到有的过程。但是AI也存在很多不能解决的问题。刚刚提到AI风控效果的好坏取决于样本。在欺诈等场景中,样本天然比较充足,而信用卡盗刷、账户盗用等场景下,因为银行的防控力度比较强,发生的案件数量较少,能积累到的样本也就较少,使得智能风控的效果也是参差不齐。现在,机器学习和AI应用在金融的各个领域都在尝试,但是每个银行对样本积累的重视程度也不一样,所以有的做的比较好,有的做的一般。目前我们对样本的依赖程度过高,所以业内很多公司也都在尝试无监督或者半监督的技术方式。有监督就是有样本,无监督就是无样本,半监督就是样本质量不够高。有监督的样本,是团队从业务中一点点积累下来,通过规则体系和专家经验,输入到模型,然后模型跑起来。采用无监督的方式,一般是因为团队没有积累样本,又没有这个领域的专家,于是依靠纯粹的算法,通过聚合量、聚类等数理关系,找出高风险的金融交易,提取这些异常的样本后让专家判断。无监督的流程是先通过模型得出结果,让人来判断,然后模型再根据人的判断的结果去优化。在实践中,我们不管用哪种技术方法,我们都会建议客户采用综合的解决方案,而不是单一的AI产品,这套解决方案包含着专家经验、规则体系、模型体系、图谱体系、大数据计算等,这些元素必须结合在一起才能形成解决问题的合力。社会上大部分的问题本身,都是一个很复杂的东西,它需要系统化的思路方法和技术才能解决,我们不能单一地认为依赖于某一个高新技术就能解决所有问题。我们每年会招很多新人进来,也会接触到很多新入行的创业者,我整体的感觉是,大家有点过于迷信技术,迷信高端的算法。任何一个技术的应用,都有前提条件,比如数据环境、样本质量。每一次对AI模型的调整,少则三个月,多则几年,运营的成本也非常高。如果环境条件不允许,技术就很难达到大家期望的状态。所以对于很多这些新入行的优秀人才,我建议先对这个领域有一个比较深刻的业务理解,看看没有能力给技术创造出一个好的环境出来。没有对业务足够深刻的理解,不能把没有达到期望的数据转化成高质量的样本,模型很难运转起来。
新基建热潮将应对安全挑战提到前所未有的高度,网络安全也成为新基建的关键因素之一。 今年年初,《中华人民共和国密码法》正式实施。有关专家表示,在网络时代,所有终端都要采用密码技术,密码法的制定夯实了我国网络安全的一个重要环节。 与此同时,今年新基建整体提速。专家指出,密码技术是网络安全的一项基础性技术,在构建网络空间信任、保障网络空间秩序中可提供核心技术和基础支撑。而新基建深度依赖网络空间,网络安全秩序是新基建安全有序展开的关键环节。因此,将密码技术融入网络协议形成安全网络,或将成为探讨新基建底层信息安全的可行方向。 据了解,密码与协议的深度融合有最新进展。一直致力于研发国产协议的视联动力,从2019年开始就着手探索在网络协议中植入密码,生成具备内生安全的网络协议。其间,密码学家、中国科学院院士王小云在视联动力调研后,给当时的视联网协议+密码提出了很多宝贵意见。 这项探索是视联网协议在交互中融入基于国密SM2/3/4算法的数字签名、密钥协商、数据加密和完整性保护等安全机制,以密码学强度实现设备、人员的身份认证、业务调度信令防篡改抗重放和音视频数据的加密保护。 第三方检测机构永信至诚实验室曾对植入密码的视联网系统内部环境安全和边界设备进行安全测评。验证结果显示,该系统在开展视频会议、视频监控、工业数据调度等业务时不易受到网络攻击影响。 目前这项安全性能加强的新技术正在服务视联网所覆盖的各个领域的应用,如综治视联网、雪亮工程视联网平台的使用,满足了各级政府大规模视频会议的需求,方便了为基层乡村提供远程医疗、远程教育的应用等。 据专家分析,视联网协议本身具备结构性安全的特征。由于是自主的技术体系,视联网内的设备均支持国产化型号部署,产品不存在漏洞后门。无论设备还是网络均不存在被植入恶意后门的安全风险,能够显著提升信息化系统的自主化水平和服务保障能力,并确保整套网络全系统的供应链安全。 融合密码技术后,视联网能够兼顾网络防护和信息泄露两个维度的安全问题,安全能力可概括为“网络抗摧毁、配置防篡改、控制权可控、信息不泄露”四个方面。“网络抗摧毁”是指视联网能够防止外部攻击者的干扰、渗透和内部攻击者的蓄意破坏、非法外联,确保全网通信连接的可用性与合法性。“配置防篡改”是指视联网能够防止攻击者非法查询、篡改、删除关键的管理配置信息,确保网络各项关键配置信息的正确性。“控制权可控”是指用户在视联网内的任何业务控制操作都要经过身份认证、权限审核和审计记录,防止误用、冒用或滥用。“信息不泄露”是指视联网能够保护用户信息和业务数据的安全性,防止攻击者窃取、篡改、插入或删除敏感数据。 专家认为,随着国家网络安全相关法律、战略和等级保护制度要求相继更新实施,密码技术的应用将更为深入,与网络安全的连接也更为紧密。密码与自主研发的网络协议结合,在保障安全的同时,也促进对网络协议的探索研究。融合密码技术的视联网具备跨域跨层、灵活兼容、品质保障、实时安全等特点优势,可为新基建发展提供便捷高效、优质安全的服务保障。
“国内知名的独立第三方集成电路测试服务商”,来自新三板的利扬芯片,在科创板的“报考材料”中如是介绍自己。上交所日前披露的“首问答卷”,则进一步追问公司的内里与实力。此外,公司重要客户比特微负责人被逮捕的负面影响也被审核中心问及。从“考题”设置来看,一问主要围绕股权结构及董监高基本情况、核心技术、公司业务、公司治理与独立性、财会信息及其他事项等6大方面展开。在此基础上,公司主营业务模式、客户关系稳定性等“指标”,则被作为重点项目深问细察。据招股书申报稿,利扬芯片主营业务包括集成电路测试方案开发、12英寸及8英寸等晶圆测试服务、芯片成品测试服务以及与集成电路测试相关的配套服务。经过多年技术积累,公司已形成一系列核心技术,主要包括触控芯片测试技术、指纹芯片测试技术、无线工控芯片测试技术、区块链算力芯片测试技术等。“一问”首先要求利扬芯片说明其核心技术在软、硬件方面的具体体现。另外,与封测一体公司及竞争对手相比,公司测试服务技术在实现路径和成果的差异,亦是监管关注的重点。对此,公司回应称,通常情况下封测一体化公司更多专注于封装领域的研发,自己则更专注于测试领域的研发,且多为自主研发测试方案。从测试服务成果的差异看,双方都是提供测试结果的报告,但公司在产业链上的位置为独立第三方,仅提供专业测试服务。在模式上另辟蹊径,能否闯出一条坦途?监管进一步追问:与传统封测一体化厂商如长电、华天相比,发行人技术路线、误宰率、测试良率、交付及时率是否存在差异?封测一体化厂商的业务布局是否未来会对发行人的市场份额产生重大影响?从公司回复来看,其似乎更愿将封测一体化厂商视为自己的“伙伴”而非“对手”。利扬芯片表示,封测一体化厂商与公司可以在实际业务中实现互补,进行战略性合作。封装和测试都具有广阔的市场空间,因此封测一体化厂商的业务布局不会对其市场份额产生重大影响。探明了业务模式,还要看看公司的客户情况。据披露,利扬芯片的“测试服务”名单涵盖汇顶科技、全志科技、国民技术、东软载波、博通集成、锐能微、比特微、西南集成、中兴微、智芯微、紫光同芯、集创北方、博雅科技、华大半导体、高云半导体等众多芯片设计企业。其中,汇顶科技近三年的销售金额贡献率分别高达53.01%、37.04%和27.42%,且为报告期内各期应收账款的第一大客户。与汇顶科技合作的历史背景;提供的测试服务类型;是否对汇顶科技存在重大依赖;报告期内的收款情况,是否存在逾期……上交所连抛数问,欲测出公司与大客户间的“交往背景”与“亲密指数”。此外,2016年成立,2018年进入公司前五大客户,并在2019年销售贡献猛增的比特微,也引起了监管的特别注意。根据公开资料,比特微负责人于2019年被批准逮捕,属于区块链行业,且与比特大陆等企业存在较多纠纷。为啥对方刚成立就发生大额交易,报告期内相关销售收入还增长不少?结合比特微的情况、比特币价格大幅波动及区块链行业的相关风险,“一问”要求公司说明是否会对其未来业务开展的持续性和稳定性产生重大影响。值得一提的是,此次问询函中还专门设置了一道“疫情影响题”。利扬芯片需详细披露疫情对其近期生产经营和财务状况的影响程度,以及该影响是否为暂时性、阶段性,是否已采取必要的解决措施,是否对公司的持续经营能力及发行条件有重大不利影响等情况。
作为全球最大的PLC分路器芯片制造商,仕佳光子冲刺科创板之路可谓又快又顺,从正式受理到成功过会,用了不到3个月时间。目前,距离正式敲锣上市仅剩一步之遥。怎样的科创底色与硬核实力铺就仕佳光子IPO通途?6月17日,上证报走进这家地处河南鹤壁的科创企业,探寻其背后的“中国芯”。突破高“芯”技术壁垒“吃鸡、打农药”不卡顿,抢红包每次都有你的身影,这些“手快”的背后是网络高速公路的有力支撑。而保证网络大容量高速率发展,芯片很关键。PLC光分路器芯片和阵列波导光栅(AWG)芯片,这两个就是高速大容量光网络的核心芯片。“PLC光分路器芯片是分配光信号的芯片,它能实现真正意义的光纤到户,极大程度节约光纤到户成本。而AWG 芯片,是能让一根光纤传输多路信号的芯片,最终可实现在不增加光纤铺设的情况下大幅提升光纤网络的传输速率,主要应用于骨干网、城域网、高速数据中心和5G领域。”在仕佳光子的展厅里,仕佳光子技术总监、总经理助理钟飞介绍说,就是这些与生活密切相关的芯片,其技术长期受日、韩及欧美等发达国家垄断。为解决“卡脖子”技术,2010年底,仕佳光子开始与中科院半导体研究所合作,开启了我国高端光电子芯片的产业化之路。“当时不仅打破国外技术垄断,实现了进口替代,也迫使国外芯片在中国市场的价格从每晶圆超过2000美元降到200多美元。”钟飞说。基于此,仕佳光子也成为中国第一家、也是当时国内唯一一家能够量产PLC光分路器芯片的企业。经过多年发展,公司凭借着PLC分路器芯片全球市场占有率第一,一跃成为目前全球最大的PLC分路器芯片制造商。在PLC光分路器芯片不断突破的同时,公司AWG芯片开发也收获颇丰。据了解,仕佳光子研发团队开展了硅基二氧化硅光波导器件产业化技术的研究与开发,系统解决了大规模复杂集成波导模式平滑转换,低应力波导掺杂生长机制等问题,实现硅基二氧化硅阵列波导光栅的设计、制造等关键技术突破。目前,项目团队拥有AWG芯片设计及工艺核心发明专利十多项,并获得了2017年度国家科技进步二等奖,提升了我国下一代(5G)通信主干承载光网络和光互连建设的核心竞争力,相关产品已向英特尔、Molex、中兴通讯等供货。厚积薄发实现扭亏为盈“其实研发芯片很难的。”作为研发队伍中的核心成员,钟飞很是感慨。他告诉上证报,资金密集、技术密集、人才密集的“三密集”特点,让芯片行业的研发投入大、周期长,而且产品的不良率和性能问题都有可能让公司多年的投入功亏一篑。钟飞说的“难”,在近几年的公司业绩中也有所体现。仕佳光子的招股书显示,2017年至2019年,公司分别实现营业收入4.79亿元、5.18亿元、5.46亿元;实现归属于母公司股东的净利润分别为-2104.22万元、-1196.80万元和-158.33万元。但是,仕佳光子在研发上仍不遗余力。数据显示,2017年至2019年,分别为4856.37万元、4881.82万元和5960.75万元,呈现稳定上升的趋势,占营业收入的比例分别为10.14%、9.43%、10.91%,均较当年行业平均水准高出4个百分点以上。随着AWG芯片系列产品逐步实现批量销售,今年一季度已成功实现扭亏,归母净利润1057.89万元,净利润为545.56万元。“借助科创板融资,公司的生产能力、科研水平和行业影响力将大大提升。”钟飞说,未来公司将继续专注于光通信、光互连领域,依托在光芯片领域的研发和产业化优势,从“无源+有源”逐步走向光电集成,从并跑向领跑迈进,在光芯片领域实现弯道超车。
久远银海17日在互动平台回答投资者提问时表示,公司与阿里、平安在医保领域开展了技术研发和市场拓展等合作。