中国财富管理50人论坛（CWM50）学术委员会主席、全国社保基金理事会原副理事长王忠民认为，疫情对家庭资产负债表的影响最大，在疫情冲击下，管理个人资产负债表的首要原则就是保证现金流不中断。一旦现金流出现危机，要及时变现。同时，要注意养老账户或五险一金账户的延续，这是重大的财富管理生命线，关系到个人的未来。也要注意现金流不仅满足消费，还要满足房贷等。在数字化逻辑蓬勃发展的时代，王忠民表示，从资产配置的角度，要坚持推进资产在数字化逻辑当中的比重，这既可以在权益角度，也可以在固定收益角度，还可以在现金流管理当中。以下为全文： 我从三个角度谈一下当前形势下的财富管理和财富投资。 第一个角度，疫情来了以后对家庭资产负债表的影响最大，我们在家庭资产负债表当中，如果从中低收入人群和中小企业的资产负债表去看的时候，在疫情快速冲击的情况下容易带来我们资产现金流的中断。所以现金流的接续、现金流的管理、现金流的成长成为这个特殊时期，资产管理当中最关键的词语。为了这张资产负债表的管理，政府、金融、财政政策、货币政策乃至于社会其他方面都会围绕它去做很多努力和辅助性的、补贴性的政策。比如说企业的社保养老账户，在疫情刚刚爆发的时候，企业可以延缓甚至半年时间内不用缴存养老保障金等等这样一些政策。在疫情冲击下，如何把自己的个人资产负债表管理好，有几个层面。 第一个层面就是保证你的现金流不要中断，其中消费的现金流不中断、特别是对中低收入家庭而言是一个很重要的现金流的管理。疫情来了我们需要补充营养，但是这个阶段如果现金流中断了以后，你想得到其他的补充艰难性是比较大的，所以你必须把你原来的现金流管好，让你的现金流不中断。这个时候一定会关注到社会的消费补贴，因为有的中低收入家庭一定会用社会补贴的方法来弥补自己这个阶段的消费，当然全社会的补贴是基于总需求的减少和家庭资产负债表当中的中断。 这张资产负债表的第二点是，如果现金流出现危机，你需要把你的现金流、把原来的存款、原来的财富投资、原来的股票、原来的债券变现一部分来补充自己的现金流的管理。这个时候你就会有一个经营，从企业角度看经营现金流和自由现金流的回补的问题，这中间一定是基于自己资产负债表当中的有效的管理，前提是积极的、有效的管好，保证现金流的接续，而不是急于把资产放到原来的资产负债表当中的其他方面，所以变现资产这个时候很重要。我们可以看到所有的市场，为什么在刚开始疫情爆发的时候市场都会下跌，因为所有的公司和所有的个人都在变现自己原来资产的现金流，市场下跌的幅度是很厉害的，要保证现金流才会做到这一点。 这张资产负债表中有两点是跟个人紧密相关的，一点是你的养老个人账户或者五险一金的账户，一定要注意不要让它中断。如果享受了社会的补贴和社会延缴，未来的个人账户一定要有个人缴费的百分比，无论在就业状态和失业状态下必须接续上。如果不接续的话，未来会影响到你将来领取养老金的数量，这是一条很重大的财富管理当中的生命线，关系到你的未来。当然对于社会政策来说，未来的补贴可能不仅补贴你现金流的消费领域，更多的要补贴现金流当中你有没有能力保证你的五险一金账户特别是养老账户的有效的补充性。 还有一点就是，过去我们看到一个报告，所有居民家庭当中的房贷的比重占的比较大。你过去在房贷的时候，基于你的现金流，把你的贷款数额和利息算好，你如果现金流紧张了以后，在房贷当中有可能出现庞大的财富管理的问题，这个时候从社会补贴的角度来说有可能补贴你这个东西。但是对于你来说，保证你其他资产的现金流能够不仅补充你的消费，还要补充你的房贷现金流的满足，如果这个不满足的话，你会感觉到你辛辛苦苦缴了一段时间房贷的房子，有可能面临最终不是自己的房子。现在我们大量的社会补贴领域中，我觉着前期的补贴，如果是基于家庭消费的现金流的话，后期我们基于失业、基于中低收入家庭的环节的时候一定注意两个补贴，一个补贴就是五险一金当中养老的个人缴费的补贴，另一个就是庞大的房贷领域当中，如果有中断的可能性的话，在补贴当中应该满足这个。 其中还有一个深入的建议，今天央行的数字货币已经开始测试在交通领域补贴。我的建议是，今天政府的补贴可以用数字钱包，把央行的支付环节的东西变成数字钱包，而数字钱包里边的补贴是政府给的，政府在不同层面给到这个数字钱包的东西可以满足三点：一个是日常消费的现金流不中断，二是养老账户现金流不中断；三是房贷支付的现金流不中断。保证这几个居民资产，既是管理的三个维度，是社会政策的三个维度，也是我们家庭资产负债表维持平衡、维持动态发展的有效的进步的空间。 我们再看下面两个点，第一点是我们高收入或者中高收入家庭。疫情爆发以后的投资无论是在一级市场还是在二级市场，无论是在债券投资还是在权益端的投资，我们会感觉到近一个时期疫情爆发以后，中央提出了一个改革开放的大的场景。这个场景叫生产要素的市场化改革，其他的生产要素市场化改革我们今天不多说，我们只说在资本生产要素这样一个市场化改革当中，推出了几大举措，已经在落地已经在实施的。比如说我们把已经在上海实施的科创板的注册制放到了深圳的创业板当中实施注册制的改革，这就是不仅创业板当中的存量的公司可以按照注册制去进行重新的梳理管理，还可以让在创业板当中新上市的公司、甚至还有可能在境外上市的公司回流到我们A股市场当中来，用注册制的形式去上市，这是一个资本市场当中的IPO制度和IPO制度形成以后对后续的公司，基于信息披露的资产管理的一个制度的供给，这个制度供给给我们提供了一个参与到新股认购和参与到股票市场当中的按照注册制的逻辑当中，你去投资前端场景的有效的市场化资本IPO制度的捕捉。我们知道所有的资本市场化的制度体系改革的先潮都会提供出有效的制度红利，那就是你投资在这个领域当中获得收益的、快速成长的保证性将会是比较充分和比较有效的，你可以参与到其中去。 第二，我们看到REITs这个不动产的管理，过去没有在证券市场当中有效的连接，现在我们出了一个政策是用公募基金链接上市的这样一个公众的发行，公众股票的这样一个方法推出新的REITs向公众开放的这样一个制度体系，我们知道如果从一开始所有注入的资产一定是好的资产，好的资产有好的收益回报，好的收益回报上市以后用它的收益权就可以得到好的股票市场的表现，而公募基金今天的规模场景和渠道给我们大众的投资者提供了一个有效的选择空间。这当中还需要强调一些东西，比如我们现在的现金管理，光靠自己的现金流，生成自己现金流的规模。但是现金的盈余能不能在投资过程中得到货币市场基金的有效回报，这一点我们中国市场当中的优势是，不仅我们现在货币宽松，更多的是从存款准备金、从借贷便利、从其他的一些方面，从结构上的政策给出。而我们风险的利率水平在有效的货币竞争当中还是较低的，而且我们货币基金现在依然维持在年化3.5左右，这个3.5左右是一个高流动性和高变现率的，那就是说对你的现金管理也提供了一个充分有效的工具。 我这一段的总结是，无论是现金管理、权益投资还是债券投资，新的体制改革和原有的资本市场的风格和基础条件是会给我们在疫情之后提供一些自己资产负债管理当中的有效的场景和有效的空间。 我今天还想强调第三点，疫情之后我们会发现，数字化的逻辑蓬勃发展，我们消费数字化、消费的各个场景被数字化完全改造。我们生产被数字化、金融被数字化、生产要素被数字化、一切一切环节都被数字化，数字化背后的爆发包括我们今天会议的形式和我们的学习方式也都会数字化。这样一个背后的逻辑是从资产配置的角度看，是数字化逻辑的东西，数字化的投资、数字化的融资、数字化的研究、数字化的场景，一切一切都会爆发。如果说我们前期2C端的数字化已经在场景当中爆发，今天看2B端场景也在不断的爆发，如果说前期我们主要是基于消费端口金融化的供给和改造，我们今天是基于工业互联网和物联网形式的生产端口的数字化的发展。我们特别要强调的是疫情之后我们云的中后台的数字化逻辑和智能化场景的全部的深度逻辑，包括区块链等等已经迅速发展，满足了数字化的安全，满足了数字化后台服务的效能，特别是满足了数字化的基础设施，可以边际成本为零的提供给公共基础设施使用。而社会的创新可以在这个公共基础设施当中边际成本不断成长的同时，自己的投资成本最小和安全边际最高的这样一个投资逻辑。从我们的资产配置的角度来说，要坚持推进你的资产在数字化逻辑当中的资产的比重，这既可以在权益角度，也可以在固定收益角度，还可以在现金流的管理当中。比如说现金流的管理当中，更多的现金，我们自觉的不自觉的用了数字支付的标准，未来的数字支付慢慢向数字钱包、数字财富、数字财富管理这样一个角度推动的时候，你要积极的不仅是体验还要参与到其中。如果像现在数字化的龙头公司，现在它的股价跌到一定幅度的时候，你一定要积极有效的抓住这些优质资产，特别是有未来市场发展的优质资产，特别是债券这样一个角度当中，我们债券的市场发展，因为疫情大幅跌了以后，债券的收益率水平在二级市场当中高度波动的时候，是你通过债券来获得高收益的一个有效的品种，这是我们今天强调的第三点。 最后我再强调一点，疫情带来了一切的变化和重新经济活动的再构。在二级市场当中带来了一切资产在二级市场和一级市场的波动，这个时候我们需要配置资产，我们有没有管理风险、迎接风险、处置风险，把风险变成一个投资的对象，我们可以去获得自己资产配置的成长。 这个时候我举两个工具，一个工具叫高收益债或者叫次级或者叫不良资产的债券重构、或者叫垃圾债这样一个东西在发行渠道。如果这个市场足够存在的话，你可以在市场当中选有存量的债券在二级市场高波动，我们发现疫情初期的时候，中资公司在香港市场，把原来的收益率，原来是8%、10%的收益率现在波动到30%、40%的年化收益率，那个时候如果有足够的资金，如果有公司的信誉的基础就可以拿到足够的承接风险的投资。在股权的角度，如果我们在二级市场当中可以看到，有一个叫优先股，优先股的逻辑是说，我入股你一定的股权比重，但是我拿到处理你整体治理的角色份额和投资额，如果这个东西运用得好的话，可以在这样一个大幅波动的时候不仅拯救公司股权的估值和未来成长，给它注入一定的资本，而且能够跟它分享未来它的成长、肩负它的发展。如果这些工具越多、越充分、越有效，我们作为资产配置方就可以把资产往这样一些有能力的投资机构，有能力的专业机构，有能力的市场当中的头部的这样一些公司当中去集中来投到市场当中，既是拯救危机，管理风险，又可以从风险当中争得回报和市场的发展。
原重庆市市长黄奇帆在上海高金金融研究院举办的线上会议中表示，目前蚂蚁金服公司100亿的利润，45亿利润来自于重庆那两个小贷公司。他认为金融科技主体服务对象是中小微企业，不能因为P2P的问题，就否定了金融科技。“2013年的时候，马云到重庆来，我跟他两个人吃饭聊天。我问他“你有什么困难？有什么事想做还没做成？”他说：“我想搞个贷款公司”。我说：“你是浙江的老大公司，贷款公司地方政府就能批，这有什么难的？”他说：“我们浙江义乌、温州这会小贷公司在整顿，全部冻结了。”我说：“你如果到我这搞小贷公司，只要不搞P2P，我三天就帮你全部办完。”然后他就办了两个，这两个一办，现在蚂蚁金服公司100亿的利润，45亿利润来自于重庆那两个小贷公司。到最后，重庆居然有全中国网贷余额的60%。我们全国的正常网贷公司（不是P2P）就有70多家，有1万亿元，而重庆就有6000多亿，占了60%，网贷的中心地在重庆。““不要因为有P2P就把科技金融否定了，倒脏水把小孩倒了，科技金融、互联网金融本身只要符合5个原则，就是一个正常的、健康的、完全可以很好发展的、为小微企业、为老百姓融资的一个平台。”“按照5条原则搞的网贷，他们的不良率在平均去年年底是3%不到2.7%，信用卡的不良率是4%，不到3.7%左右，所以比信用卡还低了一个点。”“产业互联网是一片蓝色的海洋，光我们中国几百个行业里比较形成供应链的工信部比较明确的61个行业产业链的市场规模，每一个规模都会有1万多亿，61个就是61万亿。”“这61万亿如果一但构成产业互联网，有个2~3%的利润或者效益出来，就产生1万多亿。那1万多亿的效益，如果股票市场市值去评估是20倍的话，那就值20万亿的上市公司市值，这一块蓝海只是刚刚开始。”“我们过去10年、20年的消费互联网从2014年以后进入了缓慢的增长期，实际上已经上了天花板。”“5G时代形成的产业互联网时代，现在是个巨大的蓝海，上市公司企业有巨大的发展空间，今后的独角兽主要产生于产业互联网系统。”以上，是中国国际经济交流中心副理事长、原重庆市市长黄奇帆在上海高金金融研究院举办的线上会议中，就5G背景下金融科技的特征和发展路径这一话题，发表的最新精彩观点。黄奇帆谈到了5G背景下，物联网、大数据、云计算等产业互联网的发展前景，在他看来，当下消费互联网已经到了天花板，未来的独角兽将诞生于产业互联网，这片蓝海前景巨大。同时，他还谈到了互联网金融平台与银行保险等传统金融的合作，认为金融科技主体服务对象是中小微企业，不能因为P2P的问题，就否定了金融科技。以下为黄奇帆演讲精彩内容，来源聪明投资者。今天很高兴来参加高金学院的活动，一进来就碰上屠光绍，我们是好朋友，他原来做上海证交所理事长的时候，我在市委做副秘书长、研究室主任，后来做经委主任，差不多每三个月我们会一起吃个饭。这个吃饭不是为了吃饭，是为了两个人聊天，所以从这个意义上，的确是几十年的好朋友。高金学院我也来过多次，今天来跟大家讲一小时，关于5G背景下，金融科技、科技金融的特征，或者一些工作的原则。5G背景下，物联网、大数据、云计算、人工智能发展有了新条件大家都知道，去年是中国的5G元年，我们工信部在全世界率先推出了5G的标准，去年又是我们国家物联网、区块链的元年，高层专门就区块链听取了专家的学术报告，并且对区块链怎么发展，有很深刻的一段评述和要求。中央这么一推动，全国对5G、区块链家喻户晓，成为一个基本的发展态势。在5G背景下，大数据、云计算、人工智能、区块链、互联网就有了新的台阶，因为在3G、4G的背景下，说大数据、云计算、人工智能、物联网，还是浅层次的初级阶段。因为3G、4G的速度速率不够快，时间滞后，实质效应比较长。所以，所谓工业互联网、物联网，理论探索无法实施，因为太慢。如果这种情况下搞物联网，机器反应不过来，搞无人驾驶的汽车，汽车反应不过来，所以在3G、4G背景下，所有的这些概念只是学校教师里的理论，无法在工业系统实施。到了5G以后，由于它的速度快，比4G快了100多倍，反应快，它的时延比4G快了99%；第三，它可以全空域泛在，另外能耗低，时间放得很长，同时安全稳定。有了这些特点以后，物联网也能发展了，区块链也能发展了，大数据、云计算、人工智能就在新的空间里边发展，有了新的条件。所以5G背景下的数字化平台，5个关键的要素就有了新的生命力。那么什么叫做云计算？就是我们平时的数据处理中心，讲到底就是，里边放了一堆服务器，这个服务器的比较优势就在于谁的服务器多。里边体现三种能力，一个是存储能力，一个是通信能力，一个是计算能力，每个服务器就等于一台计算机，计算机就是要存储信息，要计算信息，要通信、传递信息。所以上海在2015年差不多30万台服务器，中国电信、中国移动、中国联通，为上海2500万人的手机、电话机、电脑、笔记本电脑、台式电脑各种处理的后台存放信息，有 30万台服务器，北京是25万台，像2000多万人就跟经济规模有关。Google在2015年的时候，在全世界实际运转的服务器，有200多万台，同时有100多万台正在施工当中。马云他们现在，到了去年我问他有多少服务器，他说他现在在中国境内有150万个服务器在运转，有100万个正在安装、施工。我们中国政府现在提出的新基建，今后5年，全中国至少会增加1000万台服务器，1000万台服务器不是装在一起的，比如10万台服务器的一个数据处理中心，就算是个大型处理中心。全世界去年一共有180个大型数据处理中心在施工基建，每个至少10万台以上，全世界去年等于是有1800万台服务器在施工安装当中。讲这段话意思就是说，所谓的云计算，就是数据处理中心的硬件三种能力。不要因为P2P就把科技金融否定了，要按照五个原则搞互联网金融第三点要讲的，绝不要因为有P2P就把科技金融否定了，倒脏水把小孩倒了，科技金融、互联网金融本身只要符合5个原则，按5个原则的杠杆框架进行运作，就是一个正常的、健康的、完全可以很好发展的、为小微企业、为老百姓融资的一个平台，这5个原则正好跟P2P的概念反过来：第一，科技金融公司必须自有资本金，而且自有资本金还是基数比较大的，意思就是说你不能跟网民要钱，不能搞什么众筹，就是你的母公司。比如马云要搞花呗、借呗、科技金融贷款公司，也就是阿里巴巴、蚂蚁金服拿钱，给他几十亿上百亿做资本金。科技金融公司的资本金要大，为什么？一个合法的金融小贷公司在一个街道乡镇里边，覆盖一个乡、一个街道差不多，但互联网的金融公司一旦确立了，它的辐射范围就可能是一个城市或者是几个城市的一个地区，甚至穿透到全国，所以它的贷款余额会很快增长，资本金就要跟贷款余额大体上1:10要相匹配，所以你资本金相对要大一点，门槛要高一点。这是第一条，自有资本金，而且是比较大的自有资本金。第二条，从资本金到贷款余额之间总是可以1:10放大的，你有10个亿就可以贷款100亿，你有30亿资本金，你可能放贷300亿。这个时候，资本金到贷款余额之间的差距，就是所谓的杠杆，杠杆的钱，你不能像P2P那样，你应该是跟商业银行借，商业银行1:2、1:3，你有10个亿能借你20多亿，这样你就可能形成30多亿资金。这也是个杠杆，来了20多亿，然后你放贷，20多亿放了以后形成贷款余额，你就ABS到证券市场，说垃圾债也好，别的什么债也好，反正ABS债券，贷款债务证券化。这个放一圈，30亿贷款转一圈就是30亿的债券，30亿债券来了再放一圈，又放贷款了，又转一圈又可以30亿。你如果有个三次，三三得九，就出现了100多亿了，所以这个意思就是，在合规的国家市场上去杠杆融资。第三，合规的资金不许超过资本金的10倍。也就是，你杠杆ABS转一圈，也就是一倍，转2圈就2倍，转4圈就变成4倍，4倍你跟银行一放大，银行已经把你的本金放大了三倍，3×4就是12了，如果网络贷款在市场上贷款周转很快，你来了100亿的钱，你可能10天就放掉了，放掉以后又到证券市场又去放一转，一年赚了10次，你100亿就变成1000亿了，你的资本金本来只有30亿，银行一贷款变100亿，100亿ABS周转了10次变1000亿，你的杠杆比是多少？在这个时候，因为是互联网，ABS来的钱，真是十几天就放光了，放光以后再转一圈，有着他们放的，你知道放了多少钱？那时候我在全国人大，突然看到报纸上说“一行三会”冻结了一家互联网展巨头的网络贷款公司。我一看材料，说他们3000多亿，我知道他们只有30多亿资本金，荒唐！怎么放了100倍。过了几天我打电话问重庆金融办，我说，你们这个事怎么处理？他说，三大监管部门在争执。人民银行说，随便你们怎么说，公说公有理，婆说婆有理，但你放大100倍总归是错误，所以要停掉。银监会说，在我的系统里，他来了30多亿，我借他50多亿，一比二点几，完全合规，没问题。证监会说，在全世界的ABS里（注：ABS融资模式是以项目所属的资产为支撑的证券化融资方式），底层资产如果是100，放一圈，ABS拿了100过来，又变成贷款合约，又可以放一遍，没有说过只能放3遍、4遍、5遍。所以他只要每过一遍，放30遍（因为是互联网周转快）也不违反任何管理规定。后来我听了以后发表意见，这是神仙打架啊，每个监管部门都没错。我说，人民银行说的对，千说万说那1:10的杠杆也不能突破，资本充足率的杠杆不能突破。第二，互联网的网贷跟商业银行小贷公司网贷不同，商业银行小贷公司如果要把自己的100亿放出去，放了一年，他（通过）ABS又来了100亿，同样要花一年。三年一过，它原来第一层次的底层资产100亿已经收回了，所以在传统金融系统里循环不了100倍。在互联网里边，老革命遇上了新问题，转得飞快。所以我就跟证监会说，应该给互联网一个约定，最多不能超过4倍，就是不能转4次。后来他们接受了我的意见，就规定不要超过4倍。后来马云他们跟我讲，说“我们商量下来4倍也不要，你给我们3倍，我们就做3倍。”所以他现在第一，在 ABS上面控制在三倍以内，银行这边控制在两点几倍，两点几倍乘三倍，差不多在10倍以内，这是一个概念。第二，你既然已经做成了几千亿的贷款，那资本金就要追加，不能说30多亿做到100亿，做到1000亿了，（资本金）还是30多亿，按照1:10来算要加到3百多亿。我当然高兴，把资本金从30亿加到300亿放到重庆来是好事，现在马云他们的花呗、借呗注册在重庆，就是360亿的资本金，乘上个银行的两点几倍，这就可以了。第三个原则，杠杆比不能超过。第四，要对场景进行深度的挖掘分析，信用要能够保证。第五，对贷款的对象一定是自己的客户。所以花呗是面对淘宝网上的B to B的小客户，借呗是专门面对支付宝上的各种家庭，就是拿手机支付宝在付钱的，比如你每个月付3000块，如果你要借1000块，就没问题，因为有场景。这5条原则就有场景，有深度地安全挖掘对客户的分析，然后有各方面的资本金，又有合理的资金来源，还有就是总的杠杆不要超过10倍。只要做到这些，互联网金融公司就没问题。按照五条原则搞的网贷，不良率比信用卡还低了一个点当年2013年的时候，马云到重庆来，我跟他两个人吃饭聊天。我问他“你有什么困难？有什么事想做还没做成？”他说：“我想搞个贷款公司”。我说：“你是浙江的老大公司，贷款公司地方政府就能批，这有什么难的？”他说：“我们浙江义乌、温州这会小贷公司在整顿，全部冻结了。”我说：“你如果到我这搞小贷公司，只要不搞P2P，我三天就帮你全部办完。”然后他就办了两个，这两个一办，现在蚂蚁金服公司100亿的利润，45亿利润来自于重庆那两个小贷公司，所以这还是他一个吃饭的家当。这个事做了以后，全国前50位的互联网大公司，都是可以搞点网贷的，我把它们都拉到重庆按这个办法来，所以重庆居然有全中国网贷余额的60%。我们全国的正常网贷公司（不是P2P）就有70多家，有1万亿元，而重庆就有6000多亿，占了60%，所以说网贷的中心地在重庆。我可以这么说，按照5条原则搞的网贷，他们的不良率在平均去年年底是3%不到2.7%，信用卡的不良率是4%，不到3.7%左右，所以比信用卡还低了一个点。我讲这个话的意思是，大家也不要因为P2P就把网贷给废了，这是两码事，但是要遵守纪律，这是我讲的第三点。金融科技核心是产业互联网，不是网贷，产业互联网有61万亿市场规模今天要讲的最后一点是想说明什么呢？金融科技核心的基础是产业互联网，还不是我们刚才说的以消费互联网为基础的网贷。它核心的服务对象是小微企业，而不是一般的网民。在这个意义上，很重要的是需要考虑到以产业互联网为基础的金融科技，我们可以把它叫成一个复杂的名称“产业互联网金融”，这是真正的金融科技、科技金融的载体。讲这段话的里边可以讲6句话：第一句话刚才已经说了，在5G背景下，产业互联网会风起云涌。因为在4G、3G的时候，互联网作为生活中的互联网，（有误差）没关系，但在机器产业自动化的体系里，有一个毫秒的时差就可能造成生产事故、交通事故或者各种事故。所以在这个意义上，5G背景下产业互联网真正有了生命的基础，这是第一句话。第二句话，产业互联网是一片蓝色的海洋，它的市场空间有多大？光我们中国几百个行业里比较形成供应链的工信部比较明确的61个行业产业链的市场规模，每一个规模都会有1万多亿，61个就是61万亿，这是一个概念。这61万亿如果一但构成产业互联网，有个2~3%的利润或者效益出来，就产生1万多亿。那1万多亿的效益，如果股票市场市值去评估是20倍的话，那就值20万亿的上市公司市值，这一块蓝海只是刚刚开始。消费互联网已经到了天花板，今后的独角兽主要产生于产业互联网要话说回来，我们过去10年、20年的消费互联网从2014年以后进入了缓慢的增长期，实际上已经上了天花板。2003年、2004年到2013年、2014年每年可以翻两番、三番的，但是现在涨得很慢，现在互联网活跃公司的数量增长也进入了拐点，下来了。从这个意义上讲，我们消费互联网的企业以马云、马化腾的企业为标志，在世界上做到了极致，规模是最大的。但是中国在产业互联网上，相对来说现在还没有什么企业崭露头角。大家注意，美国科技股前20位的上市公司，50%的市值是被那7个跟产业互联网有关的公司包揽了，也就是说这7个产业互联网公司的市值等于美国最大规模的20个上市公司市值的50%。中国还没出现这个现象，所以我第一个要讲的是5G时代形成的产业互联网时代，现在是个巨大的蓝海，上市公司企业有巨大的发展空间，今后的独角兽主要产生于产业互联网系统。不能用消费互联网成功模式，去推广产业互联网第二个概念就是要讲产业互联网跟消费互联网有什么区别？产业互联网的标志是企业的生产经营活动的场景。消费互联网的场景是老百姓生活、消费、娱乐的场景。第三，产业互联网对应的是 B to B，企业对企业之间的各种三角关系网络。消费互联网是人对人，C to C或者B to C等等。第三，产业互联网的服务模式是定制的模式。就是说玻璃行业跟服装行业，同样一个产业在产业互联网里边的流程特点是不同的，汽车行业和医疗行业当然也不同。这个和消费互联网里13亿人是一种特性、一种模式，对100万人有用就可以理解为对1亿人也有用（不同），所以它们一个是标准化的机制，一个是定制化的机制。第四个特点，产业互联网是不断地提高产业链、供应链的效率和效益。消费互联网最重要的是提高流量，它不管你效益怎么样，流量好，流量大，哪怕赔本，照干。再有一点就是产业互联网毫无疑问提供的是以各种公平、公正平台服务共享的活动过程。消费互联网是由某种垄断性或者差异性来体现它的服务，总之这两个方面有不同。进入产业互联网以后，我们的企业不能用消费互联网成功的模式去推动产业互联网，这会上当，肯定是走不通的。当然马云和马化腾也在从消费转向产业互联网，也在研究这方面的事情。阿里巴巴上个月把我叫去，让我跟他们集团中干以上的人讲一两小时的产业互联网讨论。然后我有一天晚上也跟马化腾聊天，从晚上10:00聊到1:30，也是聊这些事。总的来说他们也都在注意转型。不管是新启动的产业互联网公司，还是原有的消费互联网大公司转轨，都要注意两种公司、两种网络，它们工作方法是不同的。产业互联网和供应链产业链结合后，形成信息为金融企业服务再有一点，产业互联网跟金融结合的时候有什么特点呢？我们可以把它叫做产业互联网金融平台公司，这样的一个平台公司将是今后科技金融的主战场。所以今后只要说金融科技，最重要的就是应该研究产业互联网金融。所谓的产业互联网金融，我们用一个案例来解释，比如说供应链金融。在八九十年代讲到供应链金融，那时候我们刚刚改革开放，我做经委主任，讨论供应链金融，大家比较羡慕的或者在作为模范的就是日本的主办银行。比如说是专门为重化工的，那这个银行就专门和重化工的100个、200个、300个大大小小的企业打交道，整个行业特性它就非常了解。但是主办银行的真正工作方式只是把精力集中在化工，或者集中在汽车等某个行业上，工作人员对这个行业都很熟悉。但是它的工作方法还是点对点的尽职调查，银行对中型企业小型企业反正是尽职调查，调查完了觉得可以授信，可以贷款等等，无非是效率高一点。因为它是主办银行，专门研究这一个行业。供应链金融在当时是主办银行制，新世纪以来，供应链金融进入了2.0版本，变成了应收应付账款的供应链金融。往往应收应付账款是跟供应链上的龙头企业、核心企业有关，供应链上如果有100个小企业，它把这个产品中间品提供给了龙头企业，龙头企业拿到以后，以它的地位押人家三个月的货款，就形成应付账款，应收应付账款形成的流量，中间有的货在仓库，有的货已经到生产线，就有个仓单质押。中国现在银行账户上作为应收应付账款的有40多万亿，在这个意义上，供应链金融在这40多万亿里边游走，某个行业龙头企业，如果有5000万、5个亿的应付账款，本身就变成一个质押物。所以金融单位在这个过程中，不一定再把100个、1000个中小企业尽职调查都要去做，它只要确认有应付应收账款，有质押物，龙头企业一确认，它可以摧枯拉朽的把这一个行业中几百个企业的贷款都可以解决掉。这样已经使得工作量大大减小，变成应收应付账款上的供应链金融了。这是2.0版本。但供应链金融也要防范，万一龙头企业倒闭了，那一倒稀里哗啦全倒闭了，所以在这个问题上还是有风险，像三高、捆绑式贷款。前几年一个行业大家捆绑在一起，你说银行倒也很放心，一坏账，一个行业一起倒闭。现在，当这样的金融跟产业互联网结合了，这一个行业的产业互联网和金融结合在一起，使得金融和整个产业链的每个中小微企业每时每刻的状态、每天的流量、每天的货单始终掌控在自己手里，都不是人要去尽职调查，而是信息汇聚，形成了整个产业链、供应链、价值链、信息链。信息链一赋能就变成了一种金融资源。在这个意义上讲，它就出现了供应链金融3.0版本。它也不是靠应收应付账款，也不是完全靠尽职调查，也不是靠龙头核心企业的担保，它已经跟金融产业链的生态环境结合在一起了。所以，当产业互联网和供应链产业链结合了以后，形成了信息，它为金融企业服务了，就有新的动力。
摘要：任正非是一个俗人，俗到“与员工在私欲上同流合污”，但俗到极致就是“和光同尘”的大雅了。 5月27日，加拿大法院宣布判决结果：华为高管、任正非之女孟晚舟符合“双重犯罪”标准，因此无法获释。 一边是心爱女儿的获释未果，一边是美国方面的频频施压，在外界看来，任正非可谓面临着前所未有的高压。 任正非如何面对压力？这个问题让很多人感到好奇。 回想2018年12月1日，孟晚舟被拘，她第一时间传给任正非的消息是：“爸爸，这一切都是针对你的！”危机来势汹汹，不知去处。 危急时刻，任正非毅然决定按计划赴阿根廷参加华为公司的变革会议；同时公司上下紧急动员起来进入战时状态，并有条不紊地展开了法务、“补洞”、公关三箭齐发的反击。 在《任正非找北》作者王育琨看来，任正非本是个俗人，硬是被一个又一个“灭顶之灾”，折磨成了一个英雄。 王育琨在《任正非找北》这本书中，梳理了任正非的心路历程。任正非的很多深刻思想都来源于他的至暗时刻。而如何处理这些时刻，也都充盈着他对宇宙人生更深远的追求和理解，诚可谓：“淡泊呀，心如沉静的大海；狂飙呀，疾风无边无际。” 「过往辉煌在这里必须被清零」 美联社记者曾就美国把华为列入“实体清单”事件，向任正非提问：“如果把当前危机和2000年小灵通经历的痛苦相比，怎么看待现在的危机？”任正非坦然承认：“今天的危机应该只有那时的十分之一。” 的确，在2000年前后，任正非为了最终用户的利益弃选小灵通技术战略，几乎将华为置于关门的境地。与此同时，他还患上了重度抑郁症。这段时间的任正非，可谓时刻在死亡边缘挣扎。 在这样的情况下，任正非要如何自救？ 身处至暗时刻的任正非突然意识到，自己之所以有抑郁症，身体到处是毛病，陷于困难中难以前行，是不是由于自己成为了公司的掌舵人就开始端着了？如果自己真的做到不要面子，怎么还会被这些问题困扰？ 任正非与员工一同就餐。 基于此，任正非提出了“不要面子才能进步”。他不仅这么要求自己，也这么要求员工，来到华为，一切从零开始，任何人的过往辉煌在这里必须被清零。 在生活、工作中，很多人都是被面子所困，往往会因为放不下自己已有的成就，导致事业难以拓展，或者搁不下虚荣和体面，深陷人情纠葛。这种时候，只要尝试着撕下自己的一层层假面，清空自己，一切便豁然开朗。 「正非灰度哲学」 孟晚舟给很多人的第一印象是不悲不馁。因为被拘禁以来，她每次出现在公众场合都是满脸微笑，即使带着“电子镣铐”，也依然自信从容。 作为华为的首席财务官，也作为华为创始人任正非的女儿，她始终谨记着自己的身份和父亲的教诲，在“无妄之灾”来临时，要看到苦难，也要看到喜悦，坚信正义和自由终会到来。这是一种灰度哲学，也是任正非在大半辈子的打拼和思悟中总结出来的立身创业之道，不仅对孟晚舟，也对华为有着不容忽视的影响。 灰度哲学作为任正非历经磨难悟出的世界观和方法论，已经被他应用得炉火纯青。任正非会直接把降临到身上的“无妄之灾”的苦难磨砺，直接当成“自在喜悦”。苦难与喜悦一体两面，苦难是土壤，苦难是种子，可以开出最灿烂的花。如何在苦难降临的第一时间，就看到灿烂的“花”，这可不是简单的智慧。任正非擅长在悲观无望的极点，看到另外一极点的喜悦。 任正非信奉薛定谔的“生命以负熵（熵=惰怠）为生”，他一直坚持“华为以反惰怠为生”。把个人生命和企业生命看成一个不断反惰怠的旅程，意义重大。灰度哲学赋予“反惰怠”全新的内涵：每个人都有巨大的无穷性，每件事都有巨大的无穷性，每个当下都有巨大的无穷性。 当把灰度对宇宙人生的世界观，嫁接到“反惰怠”上，惰怠就不再简单表示“懒惰”或“当一天和尚撞一天钟”了。惰怠更指人们自以为是的惯性，那些预设判断，那些封闭的观念，那种看不到当下巨大可能性的世界观。 “你灰度了吗？”或者说，“你反惰怠了吗？”这一问非常有力量。在任正非的字典里，灰度（或反惰怠）包含着丰富的含义。比如：开放，妥协，包容，空杯，静默，合一，弹性，反省，进取，平衡，意志，创造，潜能，直觉，临在，觉悟，超越，愚蠢，顽劣，标靶，专注，死磕，做好，不自负，不自闭，执两用中，中庸之道…… 任正非说自己“不懂技术，不懂管理”，但他却是一个走动式管理的高手。涉及公司战略文化层面的大事，他喜欢走到一线去召集多种形式的座谈会，倾听战友们的声音；他还走出公司、走出中国，与高科技方面的各类大咖交流。在各种各样的思维碰撞中，他像一个海绵吸纳着团队和全球最前沿的智慧，敏锐地捕捉电光火石间的一抹灵明，以此来盘整、梳理自己的思维。 在王育琨看来，任正非是一个俗人，俗到“与员工在私欲上同流合污”，但俗到极致就是“和光同尘”的大雅了。任正非也是一个造物者和思想者，目通万里，思接千代。而最震撼人的是他内在的本性，即灵魂的内在态度。 正如尼采所说，“但凡不能杀死你的，最终都会使你更强大”。涅槃重生的任正非，从苦难中悟出了独特的世界观和方法论。
随着越来越多的人力及货品资源的涌入，直播电商将呈现出一个完整的产业链格局，甚至成为城市新经济的重要增长极。与此同时，政策制定、行业规范和岗位技能培养，已然是当务之急。 01 我是怎么知道直播电商的 我第一次目睹直播电商这回事，是在去年的9月初。 当时，我正在拍摄《地标70年》的杭州篇。一个炎热的下午，摄制组拍完梦想小镇，我突发奇想说，去拍一下四季青服装市场吧。 四季青：中国最大的服装批发市场 四季青创建于1989年，是中国最大的服装批发市场，极盛之时，有26个专业市场、2.5万个档口，年交易额过500亿，一个四平方米的热门档口年租金要80万元。一条50元的裙子从四季青批发出来，拐过两条街，挂在临街的服装店里，可以卖150元，如果进商场专柜，可以卖300元。 就在那里，我遇见了85后的秋枫。 秋枫满面笑容地接待了我 秋枫四岁的时候，随妈妈从丽水乡下来到四季青。妈妈租下附近的一小间农民房，购了一台缝纫机，每天把做好的衣服拿去市场卖。几年后攒了点钱，租了一个档口，成了批发商贩。 秋枫从小帮妈妈看铺子，中学毕业后去读了大专，再回来的时候，妈妈老了，她接下档口。在四季青，像她这样的姑娘为数不少。可惜的是，当她接班的时候，在电商的冲击下四季青江河日下，交易日渐萎缩，当年80万元的档口租金下降到了20多万元。 我见到秋枫时，她正在自己的档口里做直播。每天六个小时，最少的时候卖出六七件女装，最多的时候有200件，在抖音上，她有3万多个粉丝。秋枫的脸上没有愁苦，她告诉我，“妈妈做批发的时候，不知道衣服最后卖给了谁，现在，我知道它穿在谁的身上。” 02 一个薇娅干掉了一家上市公司 遇见秋枫前没多久，许知远约我拍摄他的《十三邀》，我们走进了小丸子姐姐的直播间。 这位姑娘之前是一家广告公司的美术师，从2019年初开始做直播，同样是每天六个小时。那天知道我要去，她临时准备了一款我投资的牛奶品牌。就在我和知远手足无措地站在镜头前面的时候，小丸子姐姐在十分钟里一下子卖出了2000箱牛奶。 和小丸子姐姐一起直播 她的经纪人告诉我，这笔交易可以得到20%的佣金，其中，6%属于电商平台，其余的由直播网红与MCN机构平分。 我问小丸子姐姐：“你的偶像是谁？”她脱口而出：“薇娅。” 这是我第一次听到薇娅这个名字。淘宝的人告诉我，在2019年，薇娅通过直播卖出了27亿元的女装。我回去查了一下资料，结果大吃一惊。 中国的A股市场上有27家女装上市公司，其中一半公司的年销售额在20亿元上下。也就是说，一个薇娅干掉了一家上市公司的销售额。 紧张直播中的薇娅 12月30日，我把薇娅的案例带到了《吴晓波年终秀》上。 事实上，不止一个薇娅。在淘宝平台上，年卖货超过十亿的还有李佳琦和雪梨，在快手上有辛巴和散打哥，在抖音上，也同样活跃着数以十万计的直播电商网红。 2019年，全网直播电商的GMV约3000亿元，尽管在10万亿元的总盘子里占比不高，但却是增长最为强劲的一股势力。 03 我的第一次直播体验 我第一次体验直播卖货，是5月底，飞到昆明去帮忙卖茶叶。 和我一起上直播的是云南省农业厅厅长谢晖。我们见面的时候，他看上去很紧张，手中还卷着几张要念的稿子。 结果在两个多小时的直播里，他根本没空看稿子，而预备的数千份茶叶居然秒杀而空。有几个茶品实在受欢迎，谢厅长现场打电话，连续补了三四次货。 与谢晖直播卖货现场 事后总结一下，我有三点体会。 其一，厅长上阵卖茶叶，人设背书足够可靠，而且现场推出的十多款茶都是近年来评选出的云南十大名茶； 其二，谢厅长是林业干部出身，业务相当娴熟，他可以细数每一家茶厂的历史及茶叶品质特征，还分得清澜沧江流域茶叶与怒江流域茶叶的不同风味，观众如同上了一堂普洱茶科普课； 其三，茶叶的价格也的确足够平民，普遍比市场价便宜30%到60%。 品质信用、知识科普、性价比。回到基本面，也许所有的销售都离不开这三点吧。直播电商无非又增加了一份现场的互动体验感。 04 一个风口与三大争议 到我写这篇专栏的时候，距离第一次遇见秋枫，也仅仅过去了9个月。但是，直播电商已经成为最炙手可热的新零售创新运动。 甚至连我自己，也将在6月29日，开启我的“新国货首发”直播秀。 1月底，突如其来的新冠肺炎疫情袭击中国，导致城市封锁、产业停摆。而直播电商则以最快捷的方式，成为诸多企业自救的一根脆弱的“救命稻草”。最高领导人走进了助农直播间，企业家们纷纷上阵直播，甚至很多县长、市长和局长们纷纷叫着“宝宝们”“老铁们”，上网卖货。 董明珠直播带货现场 有数据显示，从2月到5月间，全网共进行了400万场直播卖货。到6月的今天，每天的直播数量已经超过20万场次。 经过一段时间的密集调研，我得出了一些可预见的数据： 到2020年底，直播电商的交易额将增长三倍，约9000亿元，到明年可望冲到2.5万亿元，约占互联网电商总量的20%。 与之相匹配，直播电商将成为一个新的产业承载模式，全国的直播电商基地将实现爆发式增长，明年底约达到200万到300万个直播间的规模。在这条产业链上，将新增就业人口约2000万，其中绝大多数的就业者为95后人群。 目前，一些城市已经敏锐地把直播电商视为新的产业增长点。5月，杭州和广州相继提出建设“直播电商第一城”和“直播电商之都”的口号，争夺产业头把交椅；上海提出打造“消费时尚直播之城”；四川则迅速出台了全国首个省级直播行业发展计划。临沂、沈阳等二三线城市也纷纷跟进布局。 与此同时，争议之声四起，其主要聚焦在三个方面： 1．直播电商会不会是又一个骤起骤散的泡沫风口？ 2．“全网最低价”模式，是不是对制造厂家的又一次掠夺式挤压？ 3．头部直播网红的数字泡沫到底有多大？鱼龙混杂的直播网红如何进行职业规范？直播电商的商业及政策风险如何防范？ 05 直播电商的商业本质是什么？ 直播电商兴起的本质，是消费者关系的迁移。 在电商经济的猛烈冲击下，中国的传统零售市场早已面目全非，尤其是随着在线支付、物流及快递产业的完善，人们的刚需性购物基本向线上转移，经典意义上的百货商场模式彻底式微。近年来，印象城、大悦城等新商业空间业态成为主流，购物广场成为生活体验和消费体验的一部分。 新商业空间业态成为主流 手机成为一个新的要素变量。到2019年，中国手机用户每日在线时长超过五个小时，今年上半年受疫情影响，更长达六七个小时，其中，视频类消耗时长是社交信息时长的两倍多。其导致的结果是，在碎片化的域场中，人成为信息发布及传播的唯一和终极节点。 电商基础设施的完善，使得社交型流量和购物型流量的边界越来越模糊，这直接构成微信小程序、快手及抖音得以发力电商的根本性原因。 人对商品的信任关系，微妙地被人对人的信任所取代，这是社交电商兴起的秘密所在。短视频及直播电商无非把这一链路进一步地快捷和效率化。当网红直播们通过日复一日的直播，在用户中建立了“导购者”的角色后，就可以将碎片化的社交流量聚集并转化为销售。 冰冷的顾客关系转变为“粉丝”或“好友”“老铁”等半熟悉关系，顾问式营销替代传统的促销，售前、售中及售后全面在线化。 06 直播网红与侯总的区别在哪里？ 常常有人将直播电商类比于电视购物，把薇娅、李佳琦相较于当年卖“八箭八心”的侯总。不过仔细分析，他们之间存在着极大的差别。 侯总的电视推销，是单向式营销，脚本录播、人设虚构，流量来自电视台，推销者无法与消费者建立互动和信任关系，更不可能体现复购的效率。 而在新兴的直播电商中，一个直播网红的人设很难是虚构的，她对一个商品的了解和喜爱程度，观众从她的眼神和言语中就能够直接地感受到。在这个意义上，一百个王府井百货商场的售货员与一百个中央戏剧学院的学生组队PK直播电商，我押注前者赢。 李佳琦、薇娅：公认的带货一哥一姐 如果在1960年就有直播电商这种模式，全中国最红的主播应该是北京百货大楼的张秉贵，他有一个“一把抓”的功夫，顾客要半斤糖果，他一手便能抓出5两。当年很多人慕名去他的柜台就是为了见证这份绝活。在互联网时代，张师傅“转世投胎”李佳琦，无非把他的七尺柜台搬进了直播间而已。 直播电商的流量来自于两个公域——社交平台、电商平台和一个私域——朋友圈。前者用于关系触达和裂变，后者用于售后交付服务及增强信任。其消费者关系的扩充与维护，及供应链的完善程度，更呈现为公司化模式。 日前，我去雪梨的公司调研。在外人的印象中，这位小女生身上的两个“标识”是90后网红和“王思聪的前女友”。而到了实地我才发现，雪梨的公司居然有600多个员工，其中有60个网络工程师、20多个服装设计师，其旗下有十多个具有IP人设的网红，去年的营业额达到30多亿元。 相比雪梨，同样处于杭州的薇娅，公司员工也多达700人，旗下的签约主播近60名，包括李静、林依轮等明星艺人，其供应链展厅的面积就超过了2万平方米。 在商业零售理论的意义上，直播电商重新定义了人、货、场三者之间的关系，把“人”的要素前置为节点，进而再造“货”的流通效率和“场”的场景化呈现。 07 一个直播网红敢不敢卖假货？ 尽管人成为终极节点，不过，人、货、场的核心还是货。 于是，就油然而生了一个疑虑点：直播电商会不会成为假冒伪劣的泛滥之地？ 在四十余年的中国商品演进史上，假冒伪劣如同人体中的病毒，从来没有被根除过。1980年代的义乌市场、2000年代的淘宝网、近年崛起的拼多多，无不曾深受其困。而最关键的课题是，它有没有可能诱发癌变？ 在如今的直播电商中，直播网红们的夸大其词、种种诱导套路，可以说是一个极普遍的现象。不过，当一个网红决定把直播电商视为职业的时候，他就必须考虑货的质量和供应链。 职业主播必须考虑质量和供应链 我问一个直播网红：“你敢卖假货吗？” 她的回答很干脆： 如果播几场就撤，也许敢；如果每天播，真不敢。一个人买了东西很满意，她最多会给我点个赞；如果不满意，她会来我的直播间骂上一个月。 她说的这段话在互联网界有一个新名词，叫“信用货币”。一个好的商业模式，既不依赖人性，也不应该考验人性。 目前，全国涌现出7000多家MCN机构，服务于数以十万计的直播者。与此同时，各大平台也开始致力于建设专属于直播电商的供应链基地，这将在不久的将来，极大地改善直播电商市场的供应现状。 08 “全网最低价”让制造工厂无利可图？ 到我写这篇专栏的时候，参与直播售货成为众多品牌的试水场，如果没有弄过几场，似乎就与2020年无关了。 几乎所有的直播网红，都说自己是“全网最低价”，而且越是头部的主播，越是强调这一点。我去厦门调研，一家橱柜公司的总裁说，他们做了两场直播后就停下来了，最大的担忧是“扰乱价格体系”。 海尔的张瑞敏也在最近的一次演讲中警告说，“直播带货非常红火，一晚上可以过亿，但是所有的直播带货，不管你多么红，都缺不了一句话，‘全网最低价’，很可能你要陷入价格战了。” 张瑞敏在演讲中警告 如果此次直播电商热把中国的商业竞争重新拉回到“没有最便宜，只有更便宜”的价格战泥潭，这将是一个巨大的悲剧。不过在我看来，这个可能性不大。 其一，在庞大的新中产群体中，理性消费渐成主流，性能比偏好、颜价比偏好的比例越来越大，人们更加青睐“物美价平”的商品。 其二，与脉冲式的销量相比，很多品牌公司更关注品销合一和有效用户的获取。 我调研了一家上海的饮品公司，它参与了两次直播带货，每场的坑位费是15万元，给出了20%的佣金，如果从直接投入计算，几乎无利可图。但是创业者告诉我，在每次直播后的一周内，品牌的百度和微信指数上涨了150%，天猫和京东店的粉丝日均增长提高了40%。“对我们来说，直播卖货不是销售运营的终点，而是起点或其中的一环”。 其三，越来越多的品牌开始尝试店内直播带货，它成为了互联网销售的常态性动作。甚至有品牌正在进行24小时全天候直播的试验。 薇娅几乎每天都会直播 根据阿里的数据，一个天猫或淘宝店铺，其商品介绍用短视频替代图文后，动销率可以提高2.6倍。而把直播模式引入到店铺之中，可以极大地提高流量的效率和获取新增用户，不出预料的话，到年底，直播将成为很多店铺的内嵌型标配。 其四，随着直播供应链的完善，品牌将尝试推出专门的“直播款”商品，或者把库存、爆品以限时或特价的方式投入直播销售。在品牌营销上，线上发布会+多渠道直播电销成为新品首发的主流模式之一。 09 四个趋势正在或即将发生 趋势一：直播电商将崛起为一个万亿级的新零售赛道，成为促进国内消费和解决就业的重要手段之一。它第一次让有温度的人成为了商品导购的终极节点，从而重构零售业的基本逻辑。 趋势二：“无直播，非平台”，短视频+直播成为新的流量模式，社交流量与电商流量的边界将彻底模糊，经典意义上的电商平台面临前所未见的降维攻击，新一轮的合纵连横之战已经爆发。 趋势三：供应链和数字化工具的应用，成为品牌竞争的新核心能力，传统渠道的瓦解将进一步加快。个性化的产品表达与标准化的供应链管理相结合，渠道倒逼生产线的柔性化和小批量化。 趋势四：随着越来越多的人力及货品资源的涌入，直播电商将呈现出一个完整的产业链格局，甚至成为城市新经济的重要增长极。与此同时，政策制定、行业规范和岗位技能培养，已然是当务之急。 “我看见了风暴，激动如大海”。
1991年，当中国的房地产行业还处于一片空白，冯仑带领着“万通六雄”从海南出发，从农地里刨出了万通集团的“第一桶金”。时过境迁，三十年后的今天，从万通集团走出的“万通系”已构筑起中国房地产行业“第一梯队”的中坚力量。 2015年，来自美国硅谷的开放协作式办公理念冲击着国内传统办公形态，由贾凡召集而成的十人BEEPLUS联合创始团队从珠海起步，一头扎进“新办公”赛道。经过近五年的发展，今天的BEEPLUS已完成B3轮融资，估值近10亿元，在北京、上海、广州、深圳、珠海、杭州等一线、新一线城市和粤港澳大湾区拥有自营、联合运营以及企业定制空间数十个，在新办公生态的赛道上一骑绝尘。 6月11日晚，50后的地产界前浪冯仑与90后新办公后浪贾凡在抖音直播间展开对话。关于创业、关于地产与新办公，两位相隔30余年跨越时代的创业者进行了这样一番探讨。 谈创业：价值观相同的人在一起创业最快乐，尽管开始时“一无所有” 冯仑：贾凡，从创业开始赚第一桶金到现在的这七八年。2020年，你怎么来看待创业这件事？ 贾凡：2013年，我开始第一份创业做餐饮行业。那时候也不叫创业，叫“做生意”，想着把自己大学的生活费、学费赚回来。2015年创立了BEEPLUS，有十个联合创始人，他们就是当时我大学的同学，有些是我的学弟学妹，通过大学社团的公益活动聚到一起。 当时很多人猜测，这十个联合创始人能走多远。有些人估计说走两三年就散掉了。但我们一直走到现在，而且慢慢沉淀下了共同的创业基因。现在我们的联合创始人都在做各个部门的二把手，一把手是我们引入的资深专业人士。资深的一把手帮助联合创始人成长，联合创始人帮助一把手融入整个公司，所以现在整个团队凝聚力非常强。我认为有一个好的团队基础，企业才可能在未来更长远的时间里获得持续的成长势能。 冯仑：我们当年创业的时候跟你年龄差不多，有一件事我到今天还觉得很有意思，就是在1991年，当大家赚了钱都特别兴奋的时候，我们决定每年做一次“反省”，每年公司周年庆，所有合伙人开一天会，对业务和业绩做一些思考、总结和规划，我们还怕别人不知道，专门发表到报纸上。发了以后我们说，这个话说出去可不能改了，于是大家都当真了。我们把创始人的价值观统一在一个维度上，大家对自己的使命非常清晰。 贾凡：我们也有类似的机制，我们叫减速会议。每一年我们都会把一年当中的目标，包括去年的成果做总结，把“去年干的怎么样、明年怎么干”这些问题总结出来，把思想行动统一。之后再开全员代表大会，让所有人都明白这家公司遇到的挑战是什么，我们往哪里走，我们的愿景是什么，让企业不断地反思成长。 冯仑：这一点也特别重要。找赛道、找市场、找投资，这些事别人都会学，但“组织文化训练”这件事是很多人不愿意学的，甚至也学不会。但最重要的正是通过这种组织文化，塑造自己的团队。创业伙伴特别重要的是价值观的一致和对共同使命、愿景的理解一致。有相同的使命和愿景，同时价值观能够接近或者通过交流趋同，这样一批人在一起创业最快乐。 谈事业：“办公”的形态变了新赛道出现了 冯仑：从餐饮到现在跟房地产紧密相关的办公空间、生活空间服务，这个生意你是怎么想到的？ 贾凡：2013年，我刚刚创业的时候，第一次有机会去到美国的谷歌总部，被深深震撼了。公司的空间开放通透，部门间没有隔断；公司提供免费的午餐、晚餐、书吧和健身房。我觉得这简直太酷了，我说能不能也给公司的员工搞一个这样的办公环境。 但是我找遍了当时的写字楼、创意园，都没有找到理想中的办公室，我就想干脆自己来做一个。2015年，BEEPLUS的第一个项目在珠海问世，受到很多人关注前来打听，说要租我们的空间。我开始觉得这个生意是有机会的。 冯仑：我们现在直播的这个空间是你们打造的一个办公空间作品，是元気森林在北京的总部。不管是从视觉感官上，还是人身处在空间的感受和体验都非常舒服。我觉得设计个漂亮的空间很多设计师能做到，但如何把空间的价值管理和运营流程控制好，最后在这个低利润区间内还能赚到钱，这确实出乎我的想象。 当我通过一些朋友知道你的时候，我特别好奇。你在这样一个看似不是特别潮的领域里，怎么能在旧的商业地产传统领域做出创新的产品和服务，而且能够做到持续盈利？ 贾凡：2018年我们做了一个很果断的决定，就是商业模式由重转轻。这个过程当中我们看到一个价值和机会，我可以把过去我们打造一整个办公空间的整体解决方案输出给企业客户。现在有很多大型集团公司、科技创新企业和独角兽企业非常愿意为我们这种方便的解决方案去买单。 经过两年左右的沉淀，我们总结出现在的商业模式。我们给自己定义叫做“新办公生态的引领者”，我们解决的是办公空间从设计、建设再到后期的运营管理的整体解决方案，通过对空间的精细化运营管理，提供以人为本的服务。希望实现“以空间改变时间”。 冯仑：我们最近刚落地了一个34万㎡的项目，如果是找顶级的装修公司我都很熟，但对比你们，他们做的是工程，但后面就没有所谓的“精细化运营管理”。 曾经有一家国际顶级的设计公司为我们做了项目设计，设计效果是不错的，但出完设计后期的运营跟不上，整个项目的呈现效果慢慢就开始走样。所以我觉得你这个公司商业模式非常成立。刚才听完介绍都特别冲动，想请你帮我们做服务。 贾凡：做好空间，在当下有两个非常大的痛点：第一个是设计理念的问题，很多城市空间、公共空间，美的理念是跟不上时代的。虽然国内当今有全球领先的投资强度，但是鲜有颠覆式的空间场景，更多还是“千楼一面”。第二个痛点是对设计的还原能力和流程把控，因为各个环节沟通成本高，价格不透明，导致了成本模糊，时间不可控。 这也是为什么行业需要“一站式解决方案”。我们通过一站式定制的能力，加上国际化的视野和设计理念，去开创一个全新的办公场景打造的模式和业态。 谈行业：商办地产的“下半场” 将是内容打造和生态运营的时代 冯仑：这样来看你的公司是一个打造办公生态的服务公司，这是非常棒的。而且BEEPLUS正在做的和我们房地产关系很密切。房地产也进入到后开发时代，一个特征就是资产管理和运营，就是空间运营。没有一家公司什么空间都能运营，所以还是要细分。BEEPLUS在办公细分领域能够做到领先而且能让客户满意，我觉得是非常了不起的。 贾凡：我们把整个模式叫做“新办公生态”。现在有新零售、新基建，新办公这个概念还没火，但我认为它是一个行业的趋势。 新办公有几个要素。第一是办公空间打造的整体化解决方案，这是过去行业的痛点；第二是精细化管理的能力，这是今天行业所缺的东西；第三是理念和文化，要把领先的理念给到别人。我们的理念是“Bring Life into Work”，将生活带入工作，我们要定义未来人们的办公空间应该长什么样；第四是智慧办公、智能化解决方案。 再往下走，我们会成为平台型的公司，或者说生态型的公司。通过社群和智能设备，把办公场景下的人链接起来，挖掘人们的消费需求、生活需求，用更丰富的空间产品和业态去满足这些需求，提供更多场景下的解决方案。 冯仑：其实在后开发时代，我相信地产开发公司和地产运营、资管公司特别需要你们，办公室的使用者更需要你们。 我们也做过很多办公室，过去做办公室就是大平层，做一个简单的大开间让大家自己装。后来稍微复杂点，配上网络设备，再复杂点做做绿色建筑，但是再往深我们就不做了。但是今后你们来做这些，我觉得我们可以共同为办公服务创造出你理想中的-把生活带入到办公当中，让员工在这里快乐的工作，快乐的生活。 贾凡：我们总结过去，办公室“1.0时代”是工业革命时期的“打字员形态”，环境恶劣，毫无体验可言。“2.0时代”是信息技术革命时期的“格子间形态”，员工就是螺丝钉，效率至上。联合办公或许可以称作“2.5时代”，它用开放协同的空间形态打破格子间对灵感和效率的压制，但是在商业模式上它是不成功的。 “新办公生态”或许就是办公室的“3.0时代”，它的内核是空间的内容打造和生态运营。从这个角度来说，对于极致空间产品不断追求形成的品牌影响力和强而有力的团队，将是我们最大的价值所在。
伟大的产品，不一定以「标准化」开始，但一定以「标准化」结束。如果没有足够标准化的产品、没有十倍领先于行业的商业价值，面对磨刀霍霍的金融机构，面对虎视眈眈的互联网企业，创业公司没有未来。什么样的AI产品，才能让「金融科技企业」活下来？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。在前两篇采访中，我们采访了冰鉴科技CEO顾凌云、慧安金科CEO黄铃。本系列的第三篇文章，由品钛执行副总裁李惠科讲述他眼中AI和金融之间的关系。以下为李惠科的所感所想：90年代，我第一次遇到AIAI已经85岁了。对于人类而言，85岁已是垂垂老矣；但对人工智能来说，还只是个含苞待放的孩子。90年代，我上大学，恰好赶上中国人工智能研究起步阶段。如今在AI领域，应用十分广泛的场景有：人脸识别、自动驾驶等。但我们那会儿，比较火的是模式识别，雷达信号检测、医疗信号检测。当时，有医疗机构希望把AI应用在核磁共振等「医疗信号检测」项目中，我作为人工智能相关专业的学生，也参与了那一次POC测试。事实证明，AI在上个世纪90年代，便展示出它十分惊人的效果。通过训练人工神经网络、识别图像底层结构，人工智能很完美地把缺少的视图补充完整，并将扫描速度提高了整整10倍。这次POC测试，让我第一次感受到AI的魅力，也见识到了AI强大的跨界能力。在之后的几十年里，我也不断体会AI在跨界过程中的成功与失败，逐渐形成了一个感悟：“做一个AI产品，一定要结合它具体的业务场景。”金融是一个数字化程度很高的行业，在财富管理、大数据风控等领域，因为能积累海量数据，使得AI的使用效果较好。当然，判断AI的实际应用效果是好是坏，通常还需要一系列的量化指标。在财富管理领域，就比较注重「投资回报率」、「最大回撤率」。此外，还须考虑它的稳定性和开放性。开放性，指的是AI和其他产品集成的能力；稳定性，意思是AI产品是否足够安全、可用、易于扩展。具体来讲，我们会评估这个产品的流程开发能力、API接口、可编程用户界面、控制系统、安全、审计、维护等综合技术能力。当然，并不是所有和人工智能相关的应用，都已经有量化的指标；也不是所有场景，人工智能都可以无限适用。糟糕的体验AI被过于神话了。严肃的讲，在试用一些合作伙伴演示的AI产品时，我的体验很糟糕。我们经常会遇到这样一个算法，在理论层面，它的准确率非常高，但是应用案例却很少。比如语音识别，的确，一些大厂的AI语音产品做的越来越好。但是如果你和这些AI日常对话，它仍会错误百出，甚至让你捧腹大笑。这样的例子不在少数，全球最大的消费级机器人制造商Anki破产；智能驾驶汽车撞人；智能语音助手大半夜突然放音乐等。目前已经成功的AI相关业务，一般是在特定领域可以抽象化、标准化的。而个性化、定制化程度高的AI业务，则需要理论化和工程化结合的更敏捷的解决办法。信贷风控就是一个很典型的例子。在信贷风控场景下，中小企业的日常运作常常不规范，没有统一的标准和形式。数据的来源不同且十分杂乱，必须要进行数据结构化处理以及数据清洗，才能让AI的应用达到比较好的效果。而且要不断积累数据，反复训练，逐步提高。而同样是信贷风控领域，电信场景下因为海量高质量数据的存在，AI的发挥也就更如鱼得水。找到合适的业务场景，永远应该排在第一位。选择技术，远远没有选择场景、解决痛点重要。企业家不空谈技术和算法，应该从业务出发，讨论技术的可行性，培养优秀的算法科学家，积累足够多的数据，反复实验验证，一定不能急于求成。从策略上讲，我们会快速迭代、不断试错、逐步完善产品。人工智能不用刻意神话，现实中我们遇到的大部分问题，其实一个简单的决策树就可以解决。一个简单的决策数和统计模型就完全可以处理低维度参数或符合特定规律的数据。然而，在今天的信贷风控中，我们往往要引入复杂的参数和动态的变量，尤其是现在互联网平台下，那些未被央行征信覆盖的客群，我们需要通过搜集客户在日常工作、生活中产生的海量行为数据，提炼客户画像。当数据集越来越庞大，我们一般会选择机器学习来处理，如果这时还用单一的决策树或统计模型是显然不合时宜的。数据想要变废为宝，需要多种方式“出力”；一个行业的发展，更是如此。赶上时代浪潮一个科技细分行业想要发展，离不开这个链条中所有上下游公司、以及监管部门的共同努力。比如5G行业里规则的制定，监管在具体定调之前的调研不仅有本国的公司，还有全球各国企业的共同参与。这些参与其中的公司，还分下游的运营商、上游的设备商、中间的测试厂商等。这些厂商和各国政府机构、国际组织一起制定行业规则，每一个服务商在其中都会发挥自己的作用。金融科技行业的发展也是如此，下游有TO C厂商、上游有数据提供商、中间还有平台解决方案提供商。每个层级的厂商都会提出自己在这个行业里的见解和看法，同时政府和监管部门也会提出自己的看法，大家一起推动行业的发展。政府和监管部门跟业界之间的讨论是非常频繁的，一些高级别的监管官员会直接在群里，提各种各样的问题和业内的公司管理者们一起进行思考。金融科技行业的未来发展不单单依赖于监管机构、企业的群策群力，更关键的是它契合了人们对未来金融产品的期待。新一代的年轻人在数字化变革当中长大，他们长大后对金融产品的需求不是传统银行业务可以满足的。AI通过算法向用户主动推荐产品、判断用户的兴趣，可以更好的了解客户、了解市场、保持和客户的连接。做一个产品或者给客户提供一个服务，不在于追求算法多么复杂、多么炫酷。我们以前设计的IT产品，大多是给技术人员用。而近10年以来，所有产品设计的导向是给用户使用。当企业做的产品客户不会用，不是客户不好，是产品没做好。随着互联网的蓬勃发展，这20年来数据呈现出的爆发式增长，使得人工智能在金融领域创新成为可能，我们赶上了好时候。而这只是刚刚开始，现在进入这个行业的年轻人创业者和优秀人才，仍有着广阔天地，大有作为。
近日，香港人工智能与机器人学会（HKSAIR）创会理事长、微众银行首席AI官、香港科技大学讲席教授杨强老师，领衔HKSAIR《AI金融》系列线上讲座第一课，主讲联邦学习及其四大应用场景。以下为杨强教授演讲全文，雷锋网做了不改变原意的整理：我们这次的课程系列，与当前大家在工业界和学术界非常重视的一个议题相关，就是如何利用数据做人工智能的模型，同时又能够保护用户的隐私，保护数据的安全。很多同学听说过深度学习，听说过监督学习，可能没有听说过联邦学习。这个也是要给大家交代一下联邦学习的由来。为什么我在微众银行建立AI团队？我在观察金融的各个方面能不能用AI的模型给包装起来。因此我们设计了以下四大版块，产品和业务已经出炉，可以说是“AI落地急先锋”。详细说一下AI+服务，比如开户验证身份要进行人脸/语音/指纹识别，又比如小微企业的企业主申请企业贷款上传执照要通过OCR图像识别、文字识别获取，自动产生信用评估。现在AI+服务大概每天能处理百万以上的这种需求。以语音识别为例，我们做到了自主自研，与众多业界领先的语音识别的提供者相比具有明显优势，一是因为我们金融领域的知识，有大量特定话术和专业词汇的储备，在各种具体的特殊环境下都能处理。二是我们有非常先进的联邦学习技术，这就是今天的主题。还有迁移学习，可以很快把通用模型适配到特殊的场景。AI+营销，有了产品也要有能力传播出去，找到对的人和企业，去提供金融服务。怎么找到正确的需求？比如微信朋友圈，大家有时候会看到小微企业贷款广告，说明系统“认出”你是一个小微企业主。我们通过很多的特征来识别，很快赋予额度给小微企业的企业主，秒级批准。另外，推荐系统是非常有用的一个技术，我们把推荐系统和迁移学习、联邦学习结合起来，形成了新的技术优势，后面会细说。在金融行业一个很大的优势，就是风控非常严格，要高效做信用评估，那就需要很多数据，360°来观察企业或者申请贷款的用户。但同时又不希望这些数据的隐私被暴露，如何能够做到这一点？这，就是联邦学习要做的事情。举例：金融保险定价，我们把违约概率大幅缩减，个性化的保险定价提升8倍。小微企业风控模型准确率提高，相应地，坏账率降低。我们有一个叫做揽月的产品，是从卫星视角往下看，能看到企业的经营状况，比方说左下角可以通过卡车个数和活跃度看到矿业的经营状况。右上角是农业种植区域，可以通过卫星评估产量。左上角是洪水泛滥受灾地区，通过卫星对地区受灾的程度进行定价。右下角是烟囱污染，环境在投资里是社会价值的体现，对环境的保护体现了公司治理水平，相应产生的ESG指数，很多也来自于于卫星图像观察。综上所述，这4个版块，2个是前端的（服务、营销），2个是后端的（风控、资管）。金融小数据与隐私保护的双重挑战在这个过程中，数据是非常缺乏的。要保护我们的隐私，同时也想要服务，怎么做到？下面这句话叫做“数据不动，模型动”，希望大家就记住这7个字。这个就是联邦学习的精髓。AlphaGo出现以后，人工智能井喷式发展。但我们周围日常的生活，有的却是小数据，不要以为大公司就一定有大数据。像在金融里面有很多的数据，其实是黑天鹅现象。比方说在反洗钱应用中用于模型训练的洗钱案例，其实数量并没有想象中那么多，还是属于少数现象。这种数据拿它来训练，效果不是很好。在医疗也是这样，每天都有那么多的病人，一定是大数据吗？有一家公司叫做第四范式，用人工智能赋能金融场景。有很多头部银行都在使用它的产品，其中一个案例很有意思：豪车这种大额贷款，如果要建一个模型来做这种大额贷款的信用度的评估，数据往往是在上百例以内，这点样本是没有办法训练一个好的深度模型的，或许可以来训练 support vector machine（支持向量机）或decision tree（决策树），但往往不精确。又比如，大家都很憧憬无人车的到来，但迟迟不来，其中一个重要的原因，就是因为无人车还不靠谱。我们不知道它见到一个它没见过的情况会发生什么，为了应付这种情况，可不可以把所有汽车上面的传感器、摄像头的数据全部聚合在一起，飞快地训练一个无人车的视觉模型？不行，因为每一个在路上的车辆，虽然它可以收集自己前面的影像数据，但是它不肯把这个数据和别人去共享，因为它有很多出行隐私在里面。即使这些无人车都是跟云端在连接的，模型却没有办法及时更新。很多类似的端计算场景，就没有办法真正的实现，因为数据的割裂和短缺。能不能把这些众多的小数据集给聚合起来，成为大数据？过去，确实是这样做的。现在，这样做的结果就是违规。比方说，欧洲在18年就推出了一个非常严格的个人隐私法规，说数据的拥有权是绝对在终端用户那里。如果服务器端的公司，要用户的数据来训练某个模型，比方说搜索引擎的模型，它就一定要得到用户的许可。假设明天它要用同样的数据去训练推荐引擎的模型，那又得到用户那去，得到新的许可。用户如果哪天说不希望你用我的数据在你的模型里了，那么从此以后，这个公司就没有办法用用户的新的数据，这个叫“被遗忘权”。很多巨头因此被罚，Google就被罚了5000多万欧元， Facebook也遭受了滑铁卢。在国内，数据的隐私保护已经是处于一个非常严格的态势，很多大数据公司，在过去都是新贵，但是现在都变成了阶下囚。我们现在在国内的银行里面工作，深知数据是红线，万万碰不得的。应该说，联邦学习现在已经变成了国内外的技术上的一个重大趋势，并且它已经是一个跨领域的概念，它不仅仅是技术，而且是商业，它有自己的商业模式。何为联邦学习？在过去，数据动模型不动，也就是说我们从各地来购买数据，或移动数据到一个中心点，在中心点建立模型。用一个简单的例子来给大家进行解释：假设用一只羊来类比机器学习模型，草就是数据，我们希望羊吃了草以后能够长大。过去的做法是，把草买到一起来建立模型。比方说左边的模型，左边的箭头是指向羊的。羊不动，但是草被购买到中心。相当于用简单粗暴的办法来获取数据，形成大数据，来建立模型。但我们希望能够保护各自的隐私，所以让草不动，让羊动。这样羊既能吃那个地方的草，主人又不知道到底吃了哪些草，久而久之羊就长大了——这个就是联邦学习的新思路，就是让草不出草场，本地主人无法知道羊吃了哪些草，但是羊还是长大了。比如每一个手机都是我们个人在使用，形成了一堆样本。有不同的手机，每个手机基本上取的这些特征都一样，但样本却不同。我们希望在数据不动的情况下，能够聚合这些手机上的数据的这些能力，建立大数据模型。左边所示的数据集们，依次对应右边各终端上面的数据。它们的特征是纵向的，X1、X2、X3是类似的，但样本U1、U2…U10却是不同的。所以这个叫横向切割，按样本切割，简称“横向联邦学习”。我们可以在本地建一个粗糙的模型，用w来表达它的参数，同时对参数加密。有密钥的人才可以看到内涵，别人和服务器也看不到加密后数据包里的内容。服务器得了加密后的参数，就可以通过某种形式，把这些加密后的参数加以更新、聚合、处理，形成一个更大的模型。这里大家可能会有疑问，你得到的是一个加密的包，是一堆乱码，怎么可以把两堆乱码加到一起？还成为一个有意义的模型？这个问题，我留在下一页来解决。每一个地方的数据，就对应这里有一个颜色的小表格，行是每一个用户的数据，列是每一维的特征。可以看到这个特征在不同终端上的特征是类似的，但是用户不一样。按照用户来切割，并没有按照特征来切割。有了这样的一个形态以后，我们就可以把刚才给大家讲的故事，写成一个算法。这个算法里最关键的第4步是把运到服务器端的加密模型，这些包用一个f函数来处理，它是一个机器学习算法，作用在参数上。我们原来有这么一种新型的加密算法，他可以让机器学习的算法可以穿透加密层进到内涵，也就是说我们对一堆加密包的某种数学运算，相当于对于某种数学运算的加密。这其实是一个小学的概念，叫做distribution law（分配律）。同态加密，可以把多项式的加密，分解成每项加密的多项式，A+B的加密，变成A的加密加B的加密，这是非常伟大的贡献。因为这样就使得我们可以拿一个算法，在外面把算法给全部加密，加密的一层可以渗透到里面的每个单元。安卓系统利用刚才所说的横向切割，即横向联邦学习的方法，不断更新一个总的模型，并且把总的模型分配到本地。在这个过程当中没有数据移出本地，并且即使在云端在进行运算的过程当中，也不会偷窥到任何的这个参数和任何的数据本身。所以，谷歌的安卓系统现在已经在使用，通过基博尔系统对输入法进行更新。如果是某互联网公司和某家银行合作，并不按照样本切分，这两家可能具有同样的样本，用户群类似，但却有不同的特征。这种情况下，数据其实是按照特征纵向来切割的，所以我们管这个模式叫做纵向联邦学习。比方说两家数据拥有方各自建立一部分的模型，但是在建立的过程当中，它需要知道那一部分模型所计算的结果和梯度，计算的梯度来告诉最后的结果是在往哪个方向发展，这需要一个gradient和一个era。在交换过程中，又引入刚才所说的同态加密的算法，使得两边可以在不看对方数据内容的情况下，不断更新自己这一部分的模型。这是训练的过程，我们还有使用的过程。使用的过程叫inference，也需要两方来进行。也就是说，如果有一方到一半的时候说不合作了，那么联邦模型就应该停止，这个效果也是可以实现的。我们现在讲了两种模式，一种是横向联邦，那么横向联邦更多的是to c。to b 是几家公司有意愿合作，可能数目不多，但每一个地方的数据都是客观的。在这种情况下，他们要做出1+1＞2的效果，就可以用纵向联邦来进行。问：联邦学习和分布式机器学习最能区分的点是什么？可能以前做机器学习的同学做过分布式机器学习，比方说有参数服务器这样的概念。分布式机器学习，目的是加速，加速的办法是通过网络、多个服务器的平行并行计算。它就要考虑把这个数据给切分成不同的块，使得每一块的计算是在不同的服务器上进行的，但是每一块它的分布又是差不多的。但在联邦学习中，我们不能保证所有的数据拥有方，它的数据分布是一样的。分布式机器学习的目标是加速，联邦学习的目的是合作，同时保护隐私，所以最终目的还是不一样。问：联邦学习和安全计算是什么关系？国外是不是有类似的这种经验？安全计算应该说是联邦学习的重要组成部分，联邦学习不是一个孤立的算法，它是一个综合性的学科，安全计算是为它提供工具的。前面说到安全是用同态加密来进行，也可以用其它的方法，比方说姚期智院士发明的Garbled Circuit（混淆电路）。问：区块链听起来和联邦学习有点像，都是在多方进行的，它们是不是有些异同？它的做法可能有些相同，但是也有巨大的不同。相同的地方是它可以用区块链的分布式记账功能来进行有效的激励措施。激励措施是我刚才所没有讲的，就是说怎么鼓励参与方持续地投入，参与到联邦里面来。同时去中心化的概念，也是我们尤其是纵向联邦里面的一个概念。但一个很大的不同是，区块链为了保证 transparency，还有保证数据的不可篡改性，那么它要把同样一份数据多次copy到不同的场景，最后大家要有一个vote的机制，但是联邦学习却不然，联邦学习是一个数据，只有一个copy，它不能够出本地，所以它的目的就是通过这种uniqueness的方法来保证用户的数据的隐私和安全。还有我们新提出来的虎符性概念，就是多方参与，才能够计算。缺了一方，这个就无效，就像战国时代，你要把虎符两个印要对上才能够用兵，这个是联邦学习的一个优点。问：如果有一方数据是坏人怎么办？比如横向联邦，如果有一个手机，它其实是坏人，它参与了计算，那么它每次贡献的模型都是在下毒，也就是说它在把最后的结果在朝着他对它自己有利的方向发展，或者在纵向联邦的时候，两方当中，其中有一方，它的目的就是为了窥探对方的隐私， 怎么办？在场景下，我们有各种各样的做法。比方说做OCR，written text是0，这个是原始数据，我们让计算机识别0。如果不做加密，我们没有一个机制，这种所谓的对抗是可以做到的，坏人是可以通过参数或者一系列梯度的泄露可以反猜原始数据。在建立模型训练的过程当中，如果这个模型的 gradient不断被引向到一个第三方，第三方获取 gradient，最后reconstruct我们就用data，通过这样的办法可以去做窃听。题目也是在去年NIPS得到最佳paper的一个题目，是MIT韩松教授做的。应付它的方法，也是联邦学习的一个拿手好戏。比方说假设一个player，半诚实（Honest-but-curious）就是好奇，但本身不坏。还有人是恶意的，想搞破坏，想得到用户隐私，然后获利。对于不同的假设，可以设计不同的联邦学习算法和多方计算算法来防止下毒，还可以做零知识（Zero knowledge）和一些知识（Some knowledge）分类。服务器端也可以区分是不是恶意中心、恶意的数据节点和非恶意的数据节点。问：金融场景有没有遇到过坏人？在联邦学习里面，如果有同学现在在找题目，说我能不能在联邦学习找一个硕士题目或者找一个PHD的topic？完全有的，但是要聚焦，因为联邦学习涉及的方面实在是太多了，所以如果你要找一个题目，你往往会找一个子题目，比方说如何能够做到安全合规，如何能够设计一种机制防御攻击，提高算法效率。比方说我们科大的陈凯老师，他带领的团队就在设计全世界领先的算法，网络效率可以通过网络的设计，包括网络protocol、芯片的设计来提高。还有王威老师、宋阳秋老师，都在设计算法，他们的算法都是非常精确的。问：你讲模型我还是云里雾里的，模型到底是做什么的？打个比方，现在每个人都用手机，有时候也看抖音，一看就很长时间过去了。为什么抖音能做到这一点？精准的推荐和个性化，利用数据来做推荐系统。如图所示，比方说我们有很多的手机，每个手机上都有数据。抖音的做法，是把每个手机上的数据上传到云端，再利用所聚集的大数据训练模型，再适配到每一个人的个人数据上，就变成个性化推荐模型，再给推到手机端，就是循环往复这样一个过程。这过程有个缺点，就是它侵犯了用户隐私，每个人的数据，云端就会看到。怎么防止？这里我就要说联邦学习+推荐系统，就是联邦推荐，这个也是我们第一次提出federated recommendation的一个算法。它的算法宗旨，就是对每一个手机上的 transaction，用户以前看过的视频或者书，进行矩阵分解，得到用户空间和产品空间。如果你们喜欢数学，你们可能知道本征值、本征向量，线性代数里面的概念，实际上就是求这个值，但基于本地数据求值是非常不准的。所以通过联邦学习，能够让他们既能够利用所有的数据来求 ，同时不把本地的数据暴露给其他任何人。这就是联邦推荐的概念，可以在toB的形势下实现，就是纵向联邦。纵向联邦现在应用在哪里呢？又有一个新的名词，叫做联邦广告。现在互联网的一大经济支柱就是广告，在现有的广告架构下，广告是不可避免地侵犯用户隐私。联邦广告可以让广告方、投放的媒体方、用户方各自保留自己的数据，同时提高投放准确率。问：联邦学习训练后的模型是一个公共的模型，而各个客户端的数据经常是non-iid的，怎么办？联邦学习训练后的模型，是一个公共的模型，而各个客户端的数据经常是分布都不一样，比方说我们有一个手机是女生用的，她看的短视频和一个男生用的手机的看的短视频，可能是完全不一样的短视频，因此我们拿他们两个的数据粗暴地做数据联邦，这个效果是肯定不好的，这是机器学习的一个常识。怎么办？我们还有元学习，和多任务学习、迁移学习是可以解决non-iid问题的。又要给大家提一个新名词，叫做联邦迁移学习，在之前每一端都先要做一个联邦迁移学习，找到自己的一个子空间，在这个数据子空间的比对下，大家可以认识到自己找到的子空间，各自找到子空间是属于同分布的就可以。那么找到子空间，可以用联邦学习来实现。这个领域论文非常的少，所以如果有同学在找题目，我鼓励大家在这个方面发力，一定是明年各个顶会的文章，best paper一定是属于你们的。联邦学习应用案例小微企业信贷风控假设我们要给一些小微企业贷款，又不知道小微企业的情况，第一个可以问询的是央行征信，比方说他过去在某个银行贷过款，信用度如何，但这种数据，它的样本往往是非常少的，所以只是去找央行的数据远远不够。我们希望用到的数据是多方面的，比如工商、税务、舆情，还有各种资产的数据。但是这些数据拥有方，往往都是政府的不同部门、不同的企业。有专门的公司去帮助这些小微企业建立电子化的发票，有从专门的业务角度观察，我们只有用联邦学习才能说服他们来参与，否则他们担心核心资产会被泄露。这里的例子，是我们在企业贷款里面基于联邦学习的风险控制模型。某个银行和某个发票企业最后形成联邦，大为提升准确率，降低坏账率。保险联邦建模保险其实就是风险，风险和数据是分不开的，数据越多，风险越低，因此保险公司在某些程度上也想合作，因为不同的保险公司有不同的数据。有的保险公司是专门为保险公司保险的，叫做再保险公司，比方说瑞士再保险公司，是世界上最大的再保险公司，有100多年的历史，这些公司在过去因为数据割裂，没有办法合作的。现在就在用联邦学习，而且取得了非常好的效果。计算机视觉比方说我们有不同的摄像头，每个摄像头都覆盖一个区域，这个地方的数据是公司的核心资产，不愿意和别的公司去share，但是他又希望利用到别的公司的数据，来增高自己的准确度，这个时候就可以用到联邦学习，我们叫视觉联邦，已经落地实施。每天深圳的建筑工地用来探测危险，影响施工的一些现象，比方说明火抽烟和不戴安全帽的现象。另外，语音识别、IOT在仓储管理的场景，联邦学习也有所应用。不同的仓库可以形成线性联邦，监测地方仓储状况，这些状况就为风控模型和为物流业的决策提供了保障。医学应用我们最近和腾讯的天眼实验室合作，成功构建了一个“脑卒中发病风险预测模型”，通过使用来自就诊记录数量TOP5的医院真实就诊数据验证，联邦学习模型和集中训练模型表现几乎一致，在脑卒中预测模型中的准确率达到80%，仅比集中训练模型准确率降低1%。同时，联邦学习技术显著提升了不同医院的独立模型效果，特别是，对于两家脑卒中确诊病例数量较少的医院而言，联邦学习分别提升其准确率10%和20%以上。联邦学习不仅仅是一个算法，而是一个操作系统。因为有激励机制在里面，可以把不同的行业给凝聚在一起，使得大家有动力，不断用联邦学习来做联盟。除了刚才提到的场景，还有银行和监管联合跨境反洗钱，互联网+保险，互联网+银行风控，互联网+零售，这些问题都可以通过联邦学习更好解决。我们建立生态，建立平台，建立标准。也希望这个不仅仅是一个算法，而是新的paradise。我有的时候跟媒体讲，AlphaGo代表了AI 1.0，它就是说在一个地方有数据，在一个地方有算法，在一个地方可以有一个很好的模型，就是AlphaGo。现在我们进入了AI 2.0，我们在不同的地方有数据、算法、业务，我们还可以做AI，这个是谷歌所没有做到的，中国现在在这个方向是领头的。怎么做到这一点？首先要建立标准。我们特别自豪的一点是，世界上第一个联邦学习的产业联盟，建立的IEEE的标准，已经到了最后一步，马上就要正式发布了，敬请关注。同时在国内，有联邦学习的团体标准，这个也是微众银行领衔发布。我们有一个联邦学习的开源平台，就在Linux Foundation上，是金牌的开源平台，短短两个月就收集到贡献者打的上千星，到现在已经2000以上。在短时间得到这样的认可，也是非常难得。
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