峰会概况
随着大数据、云计算、区块链、人工智能、移动互联等新一代信息技术的发展和应用，金融业正在大步迈入Fintech时代。Fintech在驱动传统金融业转型升级的同时，也催生了诸多新金融业态。移动支付、电子货币、P2P网贷、股权众筹、大数据征信、机器人投顾、智慧合同等金融创新业务在不断提升金融服务效率，降低整体成本的同时，也在推动构建全新的新金融生态。金融与科技的全面融合正在提速，金融机构更像更像科技公司，科技公司也更像金融机构，Fintech将给金融行业和科技行业带来全新的挑战与机遇。在此背景下，“2017第三届金融科技世界论坛•上海峰会”于4月27-28日在上海通茂大酒店隆重开幕。活动聚焦金融业Fintech转型之道，展示领先金融技术与解决方案，助力以科技驱动金融创新的全新金融生态构建。
峰会议程
峰会于4月27号上午9点正式开始，28号下午4点结束。具体议程和嘉宾介绍如下：
年度主题：新科技 新金融 新生态
开幕致辞：金融科技与金融创新
演讲嘉宾：丁国杰，上海城市创新经济研究中心主管合伙人
“基于新兴技术提供金融服务的新兴金融业态；基于消费升级、跨界融资需求催生的普惠金融；传统金融机构利用新技术和媒介开展金融创新业务等构成了新金融生态”，上海城市创新经济研究中心主管合伙人丁国杰结合上海及陆家嘴金融区的金融科技发展实践在论坛上表示，“新金融生态具有‘四高’特征，即高创新性、高融合性、高成长性和高风险性。”在金融科技浪潮来袭之时，传统金融机构如何应对是业界关注的焦点。
主题演讲1：新形势下金融企业应用架构转型
演讲嘉宾：王言，IBM全球咨询服务部高级咨询顾问
“当前，中国传统的金融企业面临着各方压力，使其对科技的依赖程度逐步加深，整个行业也面临着巨大的转型”，IBM全球咨询服务部高级咨询顾问王言认为，传统金融机构的转型分两类，一类是“自内而外的转型，即通过创建革新平台，在提高服务品质和节省开支的同时，将新的产品和服务通过整合的渠道快速销售到新的市场中”，另一类则是“自外而内的转型，即通过与金融科技公司合作，构建了新的生态系统以开展快速创新和发展新的能力”。IBM的应用架构转型有企业级、模型化、规划化等的特点，具体而言转型有四个有要点：1、以模型为核心的业务架构，基于最终用户视角，分为企业级三级活动，设立任务池；2、以企业级的IT架构作为构建框架（架构元）；3、统一的转型方法论（瀑布式变为工程式）；4、从传统的项目管理方式转变为项目群管理方式，设立以PMO为核心的管控体系。
主题演讲2：全球化与数字变革时代：来自业务与IT、网络的挑战
演讲嘉宾：Rich Bolstridge，阿卡迈金融服务部首席金融战略科学家
阿卡迈金融服务部首席金融战略科学家Rich Bolstridge也认为，全球化与数字变革时代给金融企业带来来自业务与IT、网络的挑战，金融企业需要与科技企业通力合作，共同迎接金融科技时代的全新挑战。Akamai作为全球内容交付网络 (CDN) 服务的领导者，将提升全球用户访问体验，助力在线业务增长，显著降低在线交易风险。Akamai全球CDN（CDN网络加速+CDN网络安全）将为金融企业解决金融“出海”的网络挑战。
2017年度金融科技创新大赛颁奖典礼
“2017年度金融科技创新大奖”评选旨在鼓励具有技术创新和行业应用潜力的金融科技创新相关产品、解决方案与服务，同时促进金融科技创新生态系统的构建，推动金融科技创新市场和产业的健康发展。通过公开征集、初评、复评、终审等多个严格环节，最终产生年度获奖名单，并通过活动平台及媒体向业界和社会发布和推荐。
获得“2017年度金融科技创新大奖”的主要企业主要包括IBM、阿卡迈、AVAYA、才云科技、云从科技、房价网、Teambition、兴业银行、中国银联、新加坡电信、NCS、FinTech Camps等，主要单项奖包括年度金融科技创新大奖、年度金融科技创新企业奖、年度最佳金融科技创新品牌奖、最佳金融人工智能解决方案奖、最佳金融云计算创新解决方案奖、最佳金融大数据与分析解决方案奖、最佳金融行业联络中心创新解决方案奖、最佳金融人工智能创新解决方案奖、最佳金融管理信息化解决方案奖、最佳金融智能云创新解决方案、最佳金融智能云计算成功案例奖、最佳金融科技教育与培训品牌奖等。另外，《中国金融科技健康生态上海宣言》也在活动同期发布，宣言认为科技创新与金融本质同等重要，科技与金融的良性互动与深度融合将驱动新金融生态的健康构建。
主题演讲3：科技驱动下的金融业客户关系重构
演讲嘉宾：廖翔宇，AVAYA公司顾问总监
AVAYA公司顾问总监廖翔宇则从金融行业客户体验与客户关系的角度，介绍了智能化的云呼叫中心系统如何颠覆传统技术架构和服务模式，进行突破性创新，服务金融科技时代金融客户的应用与实践。AVAYA的云呼叫中心系统具有如下几个特点：1、AI机器人客服的重要性正在逐渐提升；2、千人千面的个性化对话推荐引擎（基于客户信息、产品信息、标签信息来生成）；3、智能分配引擎和调度系统，使得产品成为交互宝藏（参考公司宣传手册之小A的股市）；4、指尖时代的圈子经济（如银行、客户、客户经理、商户之间的金融圈子）。
主题演讲4：推动区块链在金融市场中的应用并抢占先机
演讲嘉宾：项安达，贝恩咨询全球合伙人大中华区金融服务业联席主管
作为金融科技领域的热门领域，区块链也成为本届峰会的关注焦点。区块链技术有助于解决效率低下问题，许多行业开始尝试在不同的场景下应用区块链，应当加快推动区块链在金融领域的应用并抢占先机。贝恩咨询全球合伙人大中华区金融服务业联席主管项安达认为，金融市场上区块链呈现迅速上升的势头，但也造成了金融机构面临两难抉择。各家金融机构都需要评估市场和产品类型以及组织目前的准备就绪程度，量身定制区块链路线图，以推动区块链技术在金融行业的深入应用。
很多行业都已经开始尝试在不同场景下应用区块链，如金融业、TMT、快消品和零售业、医疗业、能源矿产、农业、制造业和政府及公用事业等，区块链都存在着可以落地的应用场景。
对于金融市场而言，在价值链（交易前、交易中、交易后、交易后服务）和不同资产类别（证券、衍生品等）中均存在各种应用机会。从战略层面，我们应思考区块链将对哪些场景和核心业务带来冲击和影响；从技术层面，我们应思考该投入多少资金，投资应该如何布局，等等。
贝恩公司报告详情：《推动区块链在金融市场中的应用并抢占先机》
圆桌讨论：科技创新与金融业数字化转型
讨论嘉宾：
主持人
赖开文，IBM全球咨询服务部金融行业认知与分析解决方案负责人
李文涛，阿卡迈大中华区售前技术总监
项安达，贝恩咨询全球合伙人大中华区金融服务业联席主管
廖翔宇，AVAYA公司顾问总监
王伟，Teambition中国区VP
圆桌讨论的主要内容是围绕各自公司的业务，来谈谈金融科技创新。赖开文表示，IBM的认知与分析在服务主要是由IBM Waston来做，通过认知去交互，通过认知去发现（非结构化数据、NLP）以及通过认知去决策（从历史数据中学习）。Waston在金融领域的服务可以做到，比如你哪一天问Waston怎么换汇，以及买房房贷的事情，Waston能够精准的服务到日常生活中的这些金融场景。李文涛表示，Akamai的全球CDN网络加速与安全服务，能够帮助中国的金融企业走向世界，通过全球CDN云平台，为用户提供更快、更稳定、更安全的网络服务。来自AVAYA的廖翔宇表示，公司主要是做呼叫中心，大客服系统的。项安达认为，贝恩将对整个Fintech平台业务进行系统化的梳理，从而找出一些可以落地的场景和价值，区块链是一个可以切入的方向。王伟谈到，Teambition是一家做团队协作工具的公司，致力于通过协作提高企业运作效率，降低团队沟通成本，进一步协助企业更好地实现目标。通过线上项目管理的方式，团队可以实时进行沟通，查看进展，将碎片化工作很好的组织起来，制定企业目标和工作计划，进行OKR（Objectives and Key Results，目标和关键成果）考核和目标管理。
此外，圆桌讨论也谈到了对于金融企业、创业企业而言，Fintech业务的痛点。赖开文表示，不跟进时代的技术将会被淘汰，但是不能为了技术而技术，这一点对于创业企业来说还好，但是传统企业应该注意一下这个问题。技术只是工具，技术需要和业务流程结合在一起，进行落地，才能产生价值。单纯追求技术或者单纯重视业务，都只是在自己玩，不能产生价值。IBM的业务核心就是认知价值分析，通过IBM Waston来发现痛点，发现价值。李文涛表示，如何快速获取新用户是我们一直思考的问题，好的用户体验能带来粘性，广阔的海外市场能帮我们拓展份额，但要做到这些无疑会造成成本的增加，Akamai的全球CDN网络加速与安全服务，具有天然的云的弹性优势，其海外云服务能提高海外交易服务，增加海外交易成功率，解决痛点，带来价值。来自AVAYA的廖翔宇表示，对初创公司的云服务是一个业务痛点，初创公司拿到融资后，在技术、时间、政策上还存在一定的跨越门槛，这个时候对初创公司提供云端的打包一站式服务，处理初创公司那些并不擅长的事情（如工商、注册等等），以低成本优势提供差异化服务，能够解决初创公司的创业外部难题，让他们更加专注于自身的技术创新。项安达认为，痛点就是还没被解决的问题，我觉得痛点是民生的金融需求，特别是那些低层次的、农村的、中低收入者的金融需求是否得到了解决，如何通过技术的方式，在信用低的情况下进行风险定价并实现他们的需求，进而实现普惠金融，是我们应当着重解决的痛点，业务布局可以围绕农村来做支付、信贷、供应链、物流等等。王伟谈到，传统金融企业的创新比较吃力，就如大象难以转身，但是BAT又倒逼着这些传统金融企业进行改革，以前的瀑布式管理在用户需求个性化和时刻变化的情况下显得不再适用，Teambition的协同工作管理工具就能解决这样的痛点，通过标准化的产品和APIs，差异化的服务于不同的银行和金融机构，帮助他们在项目管理上进行优化。
主题一：金融技术创新
主题演讲1：人脸识别服务金融新生活
演讲嘉宾：张兴旺，云从科技金融事业部总经理
云从科技是一家有中科院+上市公司背景的公司，是国内银行第一大人脸识别供应商，拥有世界一流的自主人脸识别技术，在金融领域上比其他同业公司更加深入懂行。此外，云从科技是一家科学家的企业，其创始人周曦博士毕业于伊利诺伊大学（UIUC），在UIUC从事博士后研究工作，师承“计算机视觉之父”Thomas Huang教授。
云从科技解决了世界性的生物识别难题，其提出的创新的人脸DNA理论，打通了“理论-算法-系统”的实现路径，人脸识别准确率达到99.9%，远超人眼，达到世界一流水平。
此外，在复杂场景下，云从科技的人脸识别技术能够轻松应对准确识别。如有无化妆、年龄增长、有无配饰、发型变化、有无PS、光照角度变化等，这些场景下的人脸识别依然能够达到极高的水准。
可以预期的是，随着技术的快速发展，对用户的普及程度的提升以及对复杂场景的应对，再加上金融领域的安全可靠要求，人脸识别技术在金融领域将得到大规模的应用。在金融领域的应用需求，大概可以分为三类：安全需求，营销需求和创新需求。
“在金融交易中使用人脸识别技术，可在出现用户交易抵赖时，将交易过程用到的人脸识别原始人脸信息作为交易附加信息进行举证，有效预防抵赖，减少金融交易客户投诉处理时间”，云从科技金融事业部总经理张兴旺谈到，“通过人脸识别技术、用户微表情分析、眼球跟踪、客户轨迹跟踪等相关技术，金融企业能够快速的识别出客户的兴趣所在，感知客户的情绪，并以客户为中心，按照客户的喜好提供更好的产品和服务”。总之，云从科技对人脸识别用处的总结就是，脸即身份，脸即介质，脸即权力，脸即信息。
云从科技报告详情：《人脸识别技术构建金融科技新生态》
主题演讲2：基于谷歌级容器技术与深度学习技术的金融云解决方案与落地实践
演讲嘉宾：张鑫，才云科技CEO
才云科技CEO张鑫在论坛上分享了《基于谷歌级容器技术与深度学习的金融云解决方案与落地实践》，旨在帮助传统金融行业适应互联网环境下计算资源弹性变化和业务快速部署的需求。他认为，金融行业已从面向标准化组件的大集中和面向资源的虚拟化，转向面向服务的云计算，容器已成为软件交付的标准，容器将助力金融行业实现业务系统的快速微服务构建。
Caicloud TaaS（TensorFlow as a Service）产品的架构设计和研发成功，将重新定义容器云服务的技术版图和生态想象空间。张鑫认为：“容器云服务革命的时代业已到来，才云一直在思考在实践，我们不仅仅满足于Docker或容器技术带来的轻量级容器虚拟化标准，也不仅仅是容器集群调度管理所带来的开发运维流程统一的交付标准，而是如何在贴近业务第一线为企业带来价值和盈利，从底层至上提供一整套解决方案，这是我们才云企业服务的终极目标——点燃计算与数据的价值。”
张鑫表示，决定深度学习成效的三要素为数据、算法和平台，而才云推出的TaaS服务中，算法基于TensorFlow，平台则是才云自己的容器集群（基于Kubernetes集群管理系统），只要企业能够收集到足够的数据来对算法模型进行校正，才云的TaaS平台就能够不断提升精度。且企业只需要很少的配置即可实现自身的需求。
张鑫介绍，目前单家企业的算法模型需要一个月到数个月不等的时间进行校准，而从计算的加速比来看，采用了跨主机分布式计算的才云TaaS平台能够发挥高于TensorFlow本身超过百倍的加速比。“在才云成立初期，基于我们创始人在谷歌底层研发的经验和视野，我们决定赋予Caicloud之C. A. I所蕴含的CloudAI理念。在过去2-3年，Docker一片红海，但我们深知在谷歌内部Borg周边的一系列生态和其能为企业IT所产生的价值。”
才云科技报告详情：《谷歌级容器技术与金融云落地实践》
主题二：金融业务变革
主题演讲1：资产管理的革命性创新
演讲嘉宾：俞欣，房价网产品运营总监
房价网产品总监俞欣先生详细阐述了房价网对于大数据风控的理解，以及房价网基于大数据对资产管理方面的展望与创新技术应用。通过十年努力，房价网LBDS——基于地理位置的大数据服务，已经深入银行、互联网金融、征信、商业连锁等行业领域。无论是风险管理、反欺诈，或是商业选址、精准营销等都已卓有所成，并积累了丰富经验。目前，基于强大的房产大数据技术实力，房价网各项服务也在不断升级。根据市场需求，正在将大数据评估功能体系逐步有针对性地细分，服务更加专业、全面，覆盖领域更广。
俞欣介绍了今年4月份房价网上线的不动产大数据服务平台——PDS（Property data service）。它的上线推广，无疑将开启一场资产管理的全新变革。据悉，房价网利用广泛而核心的资产大数据，已成功搭建起一张庞大无边的关系大网。在这张大网中，嵌入了区块交易变化、区块价值变化、目标资产的历史数据、人与资产的关系等，且还在继续向更细更深的领域展开。同时房价网基于资产的不同的应用场景，建立了完整的层次模型、网状模型和关系模型。
在此过程，房价网运用自身专利的科学算法与数学模型搭建，通过不断完成对海量数据的反复验证和系统比对，能够实现对每套抵押房产的多维度认知。目前房价网的房产大数据库已覆盖全国366个城市、3228个区域，涉及6亿多套样本信息。
PDS是房价网基于房产大数据，自主研发的一款帮助金融信贷企业，从源头资产分类、获客转换，到贷前贷后服务各业务环节，进行一站式资产管理的专项服务平台。同时，针对抵押贷款业务，从精准获客、贷前分析、贷后管理到二次营销，以及抵押资产和申请人的征信情况，房价网在PDS服务功能上都进行了专门设计，能够为资产管理全流程提供全方位的大数据解决方案，大大降低金融信贷企业的风控成本和风险。
此外，基于房价网智能化大数据分析模型，PDS还可以根据各指标重要波动、交易结构、信用缓释，给出各指标的权重，并结合周边动态数据的展现对资产进行即时评分评级。从而为金融信贷企业提供灵活易用的不动产抵押贷款整体数据解决方案，对每一套资产的处置难易程度进行模型分析，为决策者提供最真实、及时、精准的大数据服务。
主题演讲2：人工智能在金融行业的案例
演讲嘉宾：鲍忠铁，TalkingData首席金融行业顾问
TalkingData（北京腾云天下科技有限公司）成立于2011年，是中国最大的独立第三方移动数据服务平台。TalkingData一直致力于数据的深耕与数据价值的挖掘，从数据的采集、处理到数据的分析，再到数据的应用与咨询，目前，TalkingData已经形成了一套以“智能数据平台（SmartDP）主的完整数据应用体系；构筑了一套以数据商业化平台、数据服务平台，及数据合作平台为核心的数据生态。目前，TalkingData的平均月活跃用户为6.5亿，为超过12万款移动应用，以及10万应用开发者提供服务。覆盖的客户主要为金融、地产、快消、零售、出行、政府等行业中的领军企业，连续三年实现业务的三倍快速增长。
来自TalkingData的鲍忠铁在本次论坛上做了《人工智能在金融行业的案例》的精彩分享。鲍总讲述了四个AI方面的技术及其在金融领域的应用：机器学习，可以用来提升营销效果；图谱技术，可以用来识别羊毛党；拓扑分析，可以用来进行营销和风控；聚类分群，可以用来进行描述和预测。
AI技术及应用案例一：机器学习，提升营销效果
用机器学习提升营销效果的具体做法是，从银行数据仓库中抽取10万元资产规模的客户6万名，通过TalkingData数据中心的机器学习算法筛选出潜在高价值客户4万名，再从中匹配出2.5万名手机号，最后对他们进行SMS短信推送，非理财客户转化效果明显。机器学习的三个关键要素，一是业务需求，二是ML技术，三是数据。
AI技术及应用案例二：图谱技术，识别羊毛党
羊毛党定义：“羊毛党”是关注与热衷于“薅羊毛”的群体，是指那些专门选择互联网公司的营销活动，以低成本甚至零成本换取高额奖励的人。不知从何时起，以80后为代表的白领，对搜集各大网贷平台、电子商城、银行、实体店等各渠道的优惠促销活动、免费业务之类的信息产生了浓厚的兴趣。他们有选择地参与活动，从而以相对较低成本甚至零成本换取物质上的实惠。这一行为被称为“薅羊毛”。
羊毛党生态圈：羊毛党生态圈分为四类用户：以尝试性投资并赚取羊毛的初级羊毛党，积极关注并参与补贴活动的中级羊毛党，持有大量身份证/卡号批量刷活动的专职羊毛党以及手持大量羊毛联盟资源的团长性羊毛党乃至刷榜公司。
将数据进行预处理后，结合实际业务场景，建立基于网络源于设备指纹的羊毛行为异常识别规则体系。具体而言，从用户的网络源（物理地址）、InAPP行为、交易数据、跨APP行为四方面进行监控并建立模型规则，识别出ID异常、IMEI异常、MAC地址异常等羊毛党用户，比如一个ID对应多个设备，一个设备对应多个ID，这些都属于异常情况。
结合规则体系，对用户进行评估，形成模型评分体系：设定各指标评估阈值，从网络源（TDID、HostName、IP地址、IMEI、MAC地址）、InApp行为（交易转化率、首次交易-首次违规时间、活动参与频次、登录-提现行为）、交易行为（活动券使用、支付卡信息、投资产品及额度、日均交易数）、跨App行为（每月竞品迭代App数量）4个大的维度16个小的维度对用户进行打分，根据用户最终评分，将羊毛党用户识别出来，并划分为“黑名单”用户、“灰名单”用户、“潜在价值”的类羊毛用户。
AI技术及应用案例三：拓扑分析，营销与风控
拓扑数据分析（TDA）具有将数据可视化，然后从图形中挖掘出潜在的知识等优势。一个简化的拓扑图形的微观结构一般包括不同的节点、边和颜色。
在金融领域，TDA可以用来做营销推荐：如对商业银行，研究客户购买理财产品的可能性，可以通过收集包括多个客户的样本数据，变量包括客户的静态属性、动态属性（如交易行为）以及所处的市场状况等。然后用拓扑分类得到结论：红色表示最后可能购买此款理财产品的客户。基于清晰的客户需求，好的数据样本和质量，就可以产生比较合理的模型用来做TDA。
TDA还可以用来进行金融风控，如结合随机森林算法建模，输出不同客户的违约级别。然后在测试集中可以达到一个比较高的预测准确率。
AI技术及应用案例四：聚类分群，描述到预测
如以某消费金融客户为研究对象，采用Kmeans&Spectral方法进行聚类分析，建立客户细分模型。建模目的是基于欧消费金融客户的人口属性、App操作行为、App类型及使用习惯来进行客户细分，在丰富客户画像的同时，也针对性的开展精准营销。变量包括用户年龄、工作年限、性别、工资薪金、App第一次登录日期、最后一次登录日期、登录次数、登录时间、点击按钮次数、App类型（通讯社交、银行、支付、股票、房产、电商网购、新闻资讯、餐饮、汽车服务、订票、商旅出行、母婴、幼儿教育）等。
然后根据聚类分析的结果，将消费金融客户划分为年轻群体、女性购物群体和商旅商务人士三大类，针对不同人群的特点采取定制的营销策略去经营客户。
纵观数据分析应用未来的发展趋势，数据应用正在从描述型分析走向预测型分析，描述性分析一般用于数据样本在5K以下的情形，比如用来做用户画像；预测型分析或者说建模分析一般用于数据样本在5W以上的情形，比如用来做营销。智能数据应用（AI+ML、心理学、行为科学）在未来会成为主流。
圆桌讨论：科技驱动金融创新
讨论嘉宾：
鲍忠铁（主持人），TalkingData首席金融行业顾问
张兴旺，云从科技金融事业部总经理
张鑫，才云科技CEO
俞欣，房价网产品运营总监
主持人：我们首先请房价网的俞总来谈一下他们的主要业务。
俞欣：我们房价网是中国房产数据提供商，为广大个人及企业用户提供真实、客观、实时的第三方房产数据信息及相关服务。我们现在主要是为银行等金融机构来做一个资产的数据管理工作。目前主要是为了五大行当中的一部分银行如农行等还有浦发银行等提供数据支持，我们现在的数据其实已经覆盖了全国366个城市，3000多个区域和6亿多套房产样本信息，基本上所有的资产和我们的数据上是有一定关联的。
主持人：那么我再问俞总一个问题，我相信也是大家都很关心中国未来的房价走势会是怎么样？
俞欣：从几个方面来看这个事情吧。其实我们关心的不是房价，房价只是资产的一个维度，其实资产有很多维度，包括它的基本面维度、价格维度、交易维度、潜在的关注的维度。其实资产的有些数据维度现在存在着一定的波动，比如说交易量的情况，或者说关注度的情况，最近一段时期是下跌的，但是有些区域不一样，比如说雄安，最近大家都关心雄安嘛，其实从我们的角度把数据拿来看一下，去年7月份雄安的数据就开始飙升了，就是说在一个情况的背后，它会有最高的一个数据展现出来，它会提前做一个预警，就像一个人一样的，一个人的身体如果发生波动的话，身体的所有数据其实在你真正生病之前就已经给你一个提示了。
主持人：那我再问下张鑫，为什么你从Google这样一个大的公司好的公司跑到中国来创业，创业是个苦的事情，你来谈谈这样一个感受，而且台下也有一些金融科技的创业者，他们也想听听你的故事。
张鑫：好的，那其实最真实的一个原因呢，那就是我们家其实离雄安不远，很早从2015年就预测到这个现象就回来了（开个玩笑）。其实，我觉得跟咱们行业相关就是，我觉得在过去的一两年，能够看到从大的宏观的形势上，其实对于金融行业的科技创新，这方面有一个非常大的推力，可以说是从十三五规划然后到工业的升级再到信息的升级。一方面是看到了有非常巨大的一个空间，那另一方面呢就是回到我今天下午所讲的这个民主化的问题，过去比如说以底层的容器技术为例，谷歌从2001年就开始用了这个技术，但是在外界就是差不多到了2013年或者2014年，有一个10多年的时间间隔，才开始了解这个技术。那再到AI，深度学习这个层面，包括鲍老师说的神经网络，也都是我们看到用它来看到下围棋啊，做自驾车啊等等一些很高大上的东西，但其实在传统行业有非常多更加接地气，更加现实的问题等着去解决，而不是说下下围棋，所以说当时一方面看到大的政策利好，另一方面觉得我们可以在推动这个民主化的过程中，为金融行业等一些传统行业解决更加接地气的问题，其实可以做很大的推力。出于这些原因，我们现在就回来做民主化的这么一件事情。
主持人：很高大上啊，为了民主，为了技术的民主。我们知道2016年是人工智能的60周年，很多业界的人都在说人工智能是华人的崛起的一个机会。为什么呢，因为过去几年的话呢，人工智能相关的paper，70%以上都是华人发表的，所以大家就觉得人工智能应该是我们中国崛起的一个技术突破点。但实际业内的人士其实有不同的看法，包括Google的李飞飞。我想问问云从科技的张总，从技术角度和趋势角度来看，咱觉得人工智能，咱就谈一块吧，因为AI太大了，咱就谈图像识别，具体就谈咱刚刚提到的人脸识别，咱在这个技术上，中国的企业现在在行业里面是什么样的地位？是领先的还是一个跟跑者？
张兴旺：我觉得这一块（人脸识别）我可以跟大家分享一下，首先可以自豪的说，咱们中国的企业是世界一流的技术，是领跑者。这个大家都知道，可能在美国，还有在欧洲，很多高等院校，他们的理论研究和算法，在这个层面确实是非常强，但是呢这里就遇到了一个非常有意思的问题，就是大家说我算法很强，我理论也很强，我落地去商用的时候怎么办？行不行？这个东西呢，大家都知道，国外对隐私保护非常的强，那么当年谷歌去做Google眼镜的时候，这个产品后来为什么失败了，原因很简单，就是大家非常在意隐私。你要是戴着Google眼镜，你上酒吧去喝酒，别人就会拿拳头打你，不让你拍，你要去学校也是一样，别人会伸个手说你不要拍我，你拍了我我觉得这样不友好，我不想把我的面孔留个你。因此这些先进的理论也好算法也好，在美国真正的去应用的时候会发现，我们知道这个深度学习，它是需要大量的数据来喂的，但是在美国，在欧洲一样的，采集不到数据，这个东西很牛，但是喂不出来。在中国就不一样了，我们的算法会稍微比他们要差一点，但是我们的数据是足够的，比如说像我们的云从，我们当时为了做人脸识别，我们做了一个非常大的图像采集矩阵，这个矩阵里面放了300多个摄像头，然后对采集区域做了严格的图像角度标定，然后通过对人做了上亿的照片分析，然后才有了今天国内的这种非常牛的顶级的算法。同时呢，我们的这些算法，包括国内的很多企业，最近大家都知道，包括一些榜单啊什么的，大家可以去看看，上面差不多有中国人的，有华人的这些企业，在里面差不多占了一半以上，都排得非常靠前，而国外的企业，我不排除有个别顶尖的企业和我们差不多，但是大都数他们都排名比较靠后，就是这么一个情况。
主持人：数据应用的时候呢，就是个人数据的隐私保护是必要的，但是就很难衡量这个度，比如说世界上对隐私保护最好的是欧盟，大家可以看到欧盟在人工智能也好在大数据也好，基本上就没有什么企业，它这个产业就是落后的。那保护最差的地方是谁呢，我就不说了呵呵。我们再看看美国，美国相对来说它是个中性的，特别是特朗普上台后，他为了商业，他更愿意驱动企业和政府去开放数据，让大家去用，进行商业应用。所以美国是相对于欧盟后，它的数据保护隐私相对来说是更放松的，所以我们会看到很多大数据企业在美国出现了，包括人工智能企业。那中国呢，应该处于这两者之间，它可能比美国更松一点，肯定比欧盟要差很多了，所以说这也是一个问题，就是数据隐私的保护和数据应用，怎么样找到一个平衡点。那么我们再进入下一个课题，请房价网的俞总，咱们现在不讨论房价，因为咱们这个论坛是有关Fintech的，我们会看到Fintech的出现一方面基于监管的宽松，还有就是确实有一些新兴业态的进入。那么从你的角度来说的话，你们这个企业在Fintech这个领域中的定位，和未来的发展方向，你们是做2B的，还是做2C的，还是做2B+2C的，就是你们未来的成长规划是什么，和大家分享一下。
俞欣：主要是应用于两大场景，一个是风控场景，一个是营销场景。目前来说我们在风控场景的应用，主要是消费和房产抵押，围绕这块来做这个事情，且已经做了很多年了。第二个应用就是说我们要做一个和营销进行结合的事情，怎么样进行结合呢，就是做LBS的事情。就是说我们都知道任何一个区域的一套房产其实都可以在地球上进行LBS定位，我们其实是做LBS的价值，就是说这个LBS在这个位置上它是什么样的价值。而且我们收集了各个维度的信息，来搜集它的价值动态和变化。随后呢，从营销角度来说，就是另外一层意思，很多金融App，我的金融App打开的时候其实它有一个LBS的获取，这样的话我们在做之前，就知道了用户的一个整体的情况，这可能是我们在后面一个阶段和营销结合的事情。还有一个情况就是，我们可以通过对资产的分析，比如说不同的人买的房子和租的房子，租1000万房子的人和买1000万房子的人和住100万房子的人，他的人群是完全不同的。所以我们可以通过LBS中他的地址，来完全把人分析出来，为营销做整合。
主持人：也就是说LBS数据未来会作为你的一个大的数据源，对吧。那么我问一下这个LBS数据的来源，是来源于你们自己采集的，还是2B企业提供的，还是来自于运营商？
俞欣：我们其实是都有，是一个多维度的角度，全方位的来做一个综合的整合。其实您说的东西涉及到另外一层，就是说分析是一个方面，最大的问题其实是数据的来源，数据源是一个比较难的问题。我们为什么能做一个房价的深度分析呢？其实我们不单单是现在做，其实我们这个数据已经积累了10年了，从10年前我们就开始做房价数据的整理和收集，因为这个数据它是一个阶段性的事情，它是波动的，你不单单从现在去看待这个问题，你可能需要倒推，通过历史数据来反推未来的趋势变化。
主持人：好，谢谢俞总。那么我再问下才云科技的张总，因为您是从美国回来的，带来了开放的计算架构，也服务了很多的企业，这些企业有各种类型，那么在中国的话你服务这些企业的过程中，你发现企业应该在哪些方面对这种开放式架构有一种深刻的意识？从你的角度来说，这样的话才有助于企业在开放式数据平台上能实现它自己的价值。
张鑫：首先第一点，就是刚才在下面听鲍老师讲，有一句话特别的认同，我们当有足够好的数据的时候，我们就可以弱化模型的地位。换句话说，有的时候，算法和模型它永远是the second best way（总是第二好的），那第一好的方法是什么呢？是domain knowledge。当你已经知道了，比如说雄安房价要涨，domain knowledge，我不需要模型去预测的时候我直接知道，只有当你不知道的时候，我才需要模型。刚才说的AI它的三个主要的因素，从数据到算法到平台，那我觉得当我们有了开放性的这么一个引擎和这样一些技术以后呢，我们希望是帮助企业去越来越弱化在算法和模型这方面的一些东西，而是我们过去落地过程中其实更多的是通过和行业和企业相互一起去引导怎么样去收集更有价值的数据，然后去选择合适的开放的模型来解决主要的问题，所以这是我们在落地的过程中，发现的一些体会。
主持人：也就是说一定要跟业务结合，技术还是要为业务服务的，这才是核心的。那我再问一下云从科技的张总，咱们这个人脸识别的技术，或者说图像识别技术，已经很领先了，已经占领了很多的市场，未来市场也很大。那么市场足够大的时候，当这个市场趋于饱和的时候，对于咱们云从科技的话，在金融科技这个领域中，有没有新的领域去探索，有没有新的商业应用的规划和前景？
张兴旺：非常感谢鲍老师，您问的这个问题非常的好。这个也是我们一直在想的问题。人脸识别作为人工智能的一个基础入门级技术，随着应用饱和，将来肯定是要趋于满足，然后到了最后面，可能总的需求供给会完全的平衡。到了市场完全饱和的时候，我们要去干什么？其实之前我们研究过很多的方向，我们去研究过比如说大数据的方向，我们去研究过语音服务，智能投顾，甚至包括大数据风控、反欺诈等等一些方向。后来我们发现，每个细分领域都有自己独特的专长的企业。我们作为一个人脸识别的公司，如果我们随意的去改变自己，去跨越自己，去转变自己，很有可能到了那潭水里面就会立刻会死掉，坦率的说是这样。后来呢我们想了一下，我们仍然是希望根植于我们的客户，围绕客户打造基于人脸和人工智能的金融服务体系，这个是将来我们下一步重点考虑的方向。之前我们可能更多的考虑是，作为Fintech，作为技术供应商的角度，来帮助银行，帮助证券，帮助保险，帮助互金行业，解决他们在金融技术平台搭建当中遇到的各种困难问题需求，未来我们更多的是希望帮助他们的业务，实际的参与他们的交易过程当中，帮助他们提升资产质量，帮助他们去降低风险，帮助他们提升收益，扩大营销，参与到这些金融服务当中。
主持人：张总谈得比较坦诚，他说的公司的发展定位，就是要做深做强，不要做大做广，这个也是现在所有的中国这种Fintech企业也好，创业公司碰到的一个瓶颈，碰到的一个问题。很多企业他们做大之后呢就要做广，有可能过几年就跟人搞房地产去了，这些都有可能。但实际对金融科技企业的话，中国的市场足够大，客户的需求足够多，他只要在某一个领域做深做强的话，他就会得到很好的发展。其实我个人更希望，所有的金融科技企业就把自己的那块领域做深做强，帮助业务解决一些问题。相对来说，我们金融的业务，在整个金融的产品定价，金融产品创新上，跟国际的金融企业相比，我们是有很大差距的。但是在人工智能技术这块，我们差距也有，但是没有那么大，反倒人工智能是个非常好的引擎，可以弥补我们金融企业在创新过程中的一些缺陷。最后一个问题就是请三位预测一下，过去我们听多了太多的热词，什么区块链，人脸识别，图谱计算，这都是过去一年两年的热点。我就请三位嘉宾预测一下，在今年的Fintech领域中，哪些词（选一个就行）会成为一个热点？
俞欣：其实我觉得人工智能，还是在今年会比较火，为什么呢？因为大家都知道，去年是和李世石嘛，今年是5月23号，应该在乌镇，和柯洁下三番棋的决赛，我相信这可能是大家希望柯洁能够成为最后赢人工智能一盘的人，因为我本身是喜欢下围棋的，所以我觉得包括我们其实也在对人工智能进行一个深度的了解，进行深入的开拓，包括交易系统，包括房产未来的趋势，必须要通过人工智能的校验来判断它的未来的走势和方向。就是说我觉得今年和去年之间，人工智能的热度还会持续延伸下去。
主持人：也就是说，Fintech中还是人工智能会是未来一个热词。跟大家说一下，那个AlphaGo现在也升级了，叫Master了，这个Master已经是第二代的AlphaGo了。所以在5月23号的乌镇大会上的AlphaGo赢柯洁的概率会更高。其实在DeepMind公司，当李世石赢了那盘棋的时候，其实他们复盘了，他们没有找到机器的bug，他们从逻辑上分析是怎么也找不到为什么AlphaGo会输，所以现在也解释不了它为什么第四盘会输，我们也可以期待在5月23号乌镇大会上的时候，看柯洁能不能逆反，如果柯洁能逆反的话，就是说柯洁是从外星派过来的，只能证明这一点了。因为从现在的逻辑上来说，Master已经是第二代AlphaGo了，赢人类的概率是太大了。那么请才云科技的张总再看看，再想一下。
张鑫：我说出来的这个热词可能会被打，呵呵，这个广告有点太明显，我觉得今年的热词是C.A.I.，就是我们才云科技英文叫Caicloud，那么C.A.I.是什么呢，是couldAI，其实跟俞总说的AI前面又多了个cloud，因为还是我的一个主要的观点就是，大家可能一提到AI关注的它高级的算法，各种神经网络，但是其实我觉得热词就是CAI，就是还要突出AI它作为一个工具，作为一个平台，在这方面它的重要性。因为在过去的落地过程中，我们看到除了AI里面比较成熟的经典的像人脸识别，在金融行业里像智能投顾、风控等等这样一些大家比较关注的经典的问题想用AI来解决以外，其实人的想象力是很大的，大家非常希望我可以快速的能够去创新，去解决我一些非常疯狂的想法，那这个时候如果这些想法不是一个比较经典的领域，像人脸识别、风控等等也好，那这个时候我们就需要有一个非常好的工具，一个深度学习的工具和平台，让大家可以来做很多非常随机的一些想法和创新的尝试，那我觉得实现这个的关键就是cloudAI，就是用云的能力真正给AI落地，然后实现AI+，就是什么场景下都可以用AI去解决一下，所以我觉得热词会是CAI。
主持人：这个CAI是双向的哈，一个是才云的CAI，一个是发财的CAI，跟金融的人谈发财的CAI他就比较感兴趣了，那么CaaS（Cloud as a Service）已经是个趋势了，但是AIaaS（AI as a Service）还是一个有探索的路。因为AIaaS它取决于你给它挂AI场景的数据。如果你AI的模型很好，但是它缺少跟它场景高相关的数据的话，那么它在服务上可能还是有欠缺的。所以CaaS的话，更需要一个开放的数据环境，这个其实可以从云上部署，也可以在私有的SaaS上做，那些大型的企业，比如像我们的交通企业，能源，运营商这些企业都可以部署AI，然后可以让他的科技者、开发人员、技术人员，甚至他的业务人员到上面去解决他具体的业务问题。简单一点，就是以后的脏活累活人都不干了，就交给AI了，反正AI解决不了的话，它也可以不干。下面我们请云从科技的总经理张兴旺先生再介绍下预测下未来Fintech领域的热词。
张兴旺：其实我跟前面两位的意见一样，我认为未来几年的热词也是人工智能，过去几年喊得比较凶的就是互联网+，从2016年开始这个趋势逐渐发生了改变，我认为从2017年往后，可能到2022年，都会是喊人工智能+，这将会是整个行业的一个驱动。之前我们做过一个分析，我们说一个人或者是整个社会，金融在这里面象征着什么呢？金融是血液，它是负责给每个环节提供养料，进行滋润。那么信息科技，就是之前以互联网+为代表的，象征着什么呢？它象征着这个里头的神经系统，它的主要目标就是传导，把命令传导到，或者把感知传导到。那么传统的工业制造业，它是什么呢？它是骨骼和肌肉，能够真正创造行动力的。那么这个时候，我们发现一个躯体缺少什么呢，缺少大脑，人工智能就是大脑，这是未来在这个社会越来越智能化，能够真正帮助到我们人类的，改善生活的，改变我们现在的甚至是法律、规则、秩序、道德、甚至是哲学的一个更高更深层次的一个东西，这个词就是人工智能。只有人工智能强，才会引导这一切，改变这一切。这是我的看法。
主持人：确实，刚才张总提到的金融是实体经济的血液，从金融人士来讲的话，从大的角度来说，金融做的一件事叫资源重新配置。什么叫资源重新配置呢？它可以用金融资金的流动方向来支持一些企业的发展。比如说这个企业它已经是个朝阳企业，它缺少资金的时候，金融可以利用杠杆把它的资金注入进来，来推动这个企业发展。当这个企业已经落后的时候，金融可以通过利息的提高，来限制这个企业发展。其实金融在政府角度来看的话，它就是起了一个资源配置的作用。但实际上在过去十多年的发展过程当中，大家也会发现，金融的资源配置的功能在中国的经济发展过程当中是失衡的。为什么失衡呢？大家会发现，真正有技术发展前途的，或者真正对实体经济有帮助的，对人们整个社会进步和财富积累有帮助的这些实体企业，很难拿到金融的资金，资金都流向了房地产和其他一些企业，并不代表那些企业不好，只是代表那些企业拿了过多的资金。那这时候如果想实现金融的有效资源配置功能，除了政府的政策支持之外，也需要一些决策。这种决策往往是依赖于数据，但是现在的数据又分几块，包括企业内部的交易数据，和客户之间的交互数据，还有外部的第三方数据等。所有这些数据现在都没有打通，都很乱。那么这样的话如果当企业或者金融企业进行风险决策的时候，我到底应不应该支持这些企业，到底应不应该往这个领域投资，这个时候就需要Fintech中的AI了。通过这种AI的方式，把已有的数据打通，然后利用模型的方式，去帮助金融企业找到它风险相对可控的领域去投资，也会帮到政府去起到它资源配置的功能。由于时间关系，今天的论坛就到此结束，感谢三位嘉宾，也感谢大家今天的热情参与，谢谢。
主题三：数字普惠金融
主题演讲1：金融科技助力数字普惠金融
演讲嘉宾：刘洋，申万宏源证券科技负责人与首席分析师
来自申万宏源证券的TMT首席分析师刘洋与大家做了主题为《金融科技助力数字普惠金融》的分析报告。
从科技公司的演进路径来看，2015年后，科技企业的最主要的商业模式可能在技术和算法上创新，技术和算法的竞争可能会使得赢者通吃，壁垒也会更高。
金融企业受技术影响实现了从金融IT、到互联网金融、再到科技金融的演变路径，且某些技术类的金融IT公司（如恒生电子、东方财富、同花顺等）的人均利润已较惊人，达到了可与传统银行业金融机构同台比较的地步。
发达市场的Fintech已经开始渗透进传统金融的各个子领域了，且发展迅速。刘洋具体分析了8个Fintech细分领域，然后说到未来Fintech最大的颠覆式创新将出现在智能投顾领域，这也是他最为关注和期待的领域。比如Blockrock公司开除了40个基金经理，用机器人来代替；文艺复兴公司雇佣大量的科学家来构建前瞻因子（基于未来四年的因子模型）等等。
此外，关于区块链领域，刘洋说到，区块链目前还不成熟，未来发展起来的话底层语言可能都要改，现在都是以研究讨论为主，不过同时区块链的融资却很活跃，所以市场存在一定的泡沫，以后将是泡沫逐渐消化的时间。
对于中国的Fintech未来发展，刘洋认为，支付（第三方支付场景创新）、消费金融（ABS、DBS）、网络借贷（P2P）、互联网保险、资产管理（公募Beta、私募Alpha、智能投顾、被动投资）等领域的发展，将会对传统的金融模式产生巨大的冲击。
最后，刘洋总结到，Fintech企业的创新的基础是形成和积累有效的技术壁垒，可以借鉴的商业模式有：专注于提供差异化服务和细分市场；连接BC两端形成相互促进效应；技术领先或用户体验好；生态圈闭环；风险分析和预警体系等等。刘洋还展示了Fintech公司在技术和商业模式两者之间如何权衡的路线图，当市场是高风险偏好时，模式比技术更重要，而现在在低风险偏好的市场环境下，技术会比模式显得更为关键。
主题演讲2：数据质量与金融风控及用户统一视图
演讲嘉宾：谭海华，华矩科技总经理
来自华矩科技的总经理谭海华与大家分享了主题为《数据质量与金融风控及用户统一视图》的分析报告。
谭海华首先对传统金融风控的流程进行了介绍，从接单到查征信以及贷后管理，这些都属于传统金融风控的步骤，并指出传统风控模式下存在着征信数据维度不够健全，信息不对称导致欺诈率高，数据处理效率与有效性低以及反馈结果不及时等弊端。
互联网金融发展起来后，其衍生出的大数据风控是对传统金融风控的一个有效改进，其包括从数据收集、行为建模、构建画像到风险定价等步骤，克服了传统金融风控的一些弊端。但互联网金融下的大数据风控仍面临着不小的挑战，如数据量大导致处理周期过长，征信数据中非结构化数据比较多且数据维度不足，数据的实时性要求高需要进行动态的信用风险评估，最后是数据质量难以保障会导致分析出现偏误。
因此，数据是大数据风控的核心，风险管理必须向技术驱动改革。大数据风控对数据在维度、实时、标签、粒度、质量上均有较高要求。
技术驱动的大数据风控的关键问题是，如何将各个数据源进行打通，将孤岛数据融合起来，将内外数据统一起来，从而进行360度无视角的用户画像。就金融大数据而言，数据源包括传统金融数据、金融交易数据、第三方外来数据以及用户社交行为数据等。此外，高效的金融风控的一个最为重要的关键点就是数据质量能否得到保障，在数据质量上是否有统一的标准，我们华矩科技就是侧重做数据质量优化的，这是我们的技术壁垒。
数据质量的低下将会对金融风控带来不良的影响，如无法有效最大化风控保障与债务回收，无法有效规避风险与欺诈，无法有效降低数据收集与债务回收成本等等。好的优质的数据具有符合数据质量技术指标的一些关键特征，如满足及时性、有效性、相关性、完整性、一致性和非重新记录等特征。
围绕大数据风控，华矩科技开发了智慧金融风控系统模型。在数据量、数据ETL处理速度、标签丰满度和数据质量上，华矩的风控模型均做了细致的考虑。
为了提升风控画像的丰满度，华矩科技还通过数享汇（数据标签共享服务平台）来解决风控算法中数据维度不够的问题，有利于用户画像的精准性和风控管理。
围绕数据质量，华矩科技开发了数据质量平台，对数据进行了批量、实时的诊断和优化，此外华矩还建立了数据质量评分机制，通过商业规则及其权重对数据的每个属性进行评分，最后综合起来对整个主题领域进行评分。有了华矩的数据质量技术做保障，我们可以将多个数据源的数据整合起来进行优化处理，建立统一的用户视图，从而产生商业价值。
续篇链接：《Fintech智慧金融和新金融生态》
