Zi 字媒體

雷鋒網3月6日報道，近日，畢馬威發布了《2016全球Fintech投資分析報告》，總結分析了2016年投資變化和2017年投資預測。總的來說，2016全球Fintech市場頗為動蕩。英國脫歐、美國選舉黑天鵝事件頻出，後續影響還在發酵，增速放緩，外匯的波動使得投資人變得更加謹慎，不時有人驚呼「資本寒冬」降臨。資本收緊和寒冬主要體現在Fintech行業的企業併購和PE資金收緊。2016全球Fintech投資總額達到了247億美元，而在2015年是470億美元，同比下降近50%。不過，去年的全球VC投資仍呈現一派積極姿態，創下136億美元新高。其中：保險行業扭轉頹勢，保險科技呈現指數爆發過去的一年裡保險科技增速驚人，受陳舊的IT系統和監管所限，許多傳統保險公司只擁有有限的資金去進行創新，這就導致保險科技被其餘金融科技子領域遠遠甩在身後，顛覆不易。不過在去年，有一批保險科技先行者不斷發展成熟，開始吸引巨額融資，這也促使該領域進入了投資者的雷達範圍。2017年保險科技將會在全球各個領域受到資本熱捧。大多數資本更青睞於專註於改善保險價值鏈各個環節（分銷、承保、理賠、客戶服務等）的公司。傳統保險公司也將會增加投資力度，投身此次浪潮。此外與保險科技相關的跨界科技也是如火如荼，例如健康科技、車聯網、無人機商用、工業4.0等。降溫的區塊鏈讓投資者焦慮2016年過去，區塊鏈開始降溫。即使很多人都相信區塊鏈將會顛覆行業（貿易、資本市場、智能合約、借貸、跨境支付等），但是遲遲不見落地的區塊鏈讓投資者開始焦慮，當早期的泡沫開始破滅，投資者開始要求所投企業儘快將技術從實驗階段走向商業化、規模化和生產利潤。2017年，投資者將會繼續投資區塊鏈技術，但是會降低投資量，尋求更有價值的區塊鏈項目。如下圖所示，區塊鏈項目的投資數量減少了59樁，但是投資金額增加了1.026億美元。即時支付仍是亞洲投資領域的主角不同於支付領域在美遇冷情況，它仍是亞洲Fintech投資焦點，過去幾年裡，亞洲的消費者對於即時支付的需求愈發旺盛。最近，新加坡在推進G3支付系統建設，香港金融管理局正在探索建立更快捷的支付機制有興趣閱讀報告原文全文的朋友，可以掃描下方二維碼，或者搜索ID：aijinrongpinglun，關注公眾號@AI金融評論，回復「畢馬威」獲取原報告。全球最大的Fintech行業峰會——朗迪金融科技峰會（LendIt USA 2017）於美國時間3月6日至7日紐約舉行。會議期間房地產投資分析公司 Propcy 的 CEO Omri Barzilay 採訪了Watson金融服務機構中客戶洞察和認知體驗全球項目主管 Brian Walter 。Brian Walter表示，AI和認知計算在金融服務領域的應用是最有吸引力的行業趨勢。現在的情況是，金融機構需要特別撥出大量的資金和員工以確保它們符合法律法規的要求。每一天，專業的合規人員必須從數百條規定中挑出、確定專門適用於其組織的規定。而通過AI和認知計算技術，可以模擬人類是如何理解和處理信息的，公司完全可以改變這個單調且低效的過程。認知系統使用自然語言處理來分析結構化和非結構化數據（如規則）以理解語法和上下文。同時，它們還能在已提供的證據和信息基礎上，理解複雜的問題並提出建議。這種技術意味著公司即使在不同的國家地區、不同的業務運作模式和不同的風險規範情況下，都能查看其是否全面地符合監管要求。雷鋒網消息，3月3日，全國人大代表、騰訊公司董事會主席兼首席執行官馬化騰在北京舉行了記者溝通會。根據騰訊科技發布的問答實錄，在長達兩小時的溝通會過程中，馬化騰介紹了今年兩會他帶來的七條建議，並回應了外界最為關注的共享腳踏車、小程序、公眾號付費閱讀等問題，以及對外闡釋了騰訊的發展戰略，在人工智慧上的布局等。除此之外，馬化騰在溝通會上也闡述了他對金融的看法。 據了解，溝通會上記者提及京東集團對京東金融進行分拆一事，提問騰訊金融未來有沒有可能將來會獨立分拆，進一步對接資本市場時，馬化騰回應稱，「騰訊通常用『穩健』的一個思路去看，因為金融其實最核心的問題是穩定和穩健，就是拼誰的命長，而不是誰在短期內跑得多快。」對於騰訊的金融業務來說，我們其實一部分是在體外（比如說像微眾銀行）的我們投資的，但是我們核心的（包括支付、理財平台）都是在我們體內的。所以我們這方面不是把它全部包在一個所謂的金融集團這樣來做，我們並不是這樣的思路，因為這些業務跟我們平台耦合非常緊，沒有必要為了分拆而分拆，這個不是我們的風格，我們也一貫不是這個思路，也不會去玩兒什麼「財技」（資本運作），顯得好像這塊兒資產有多少錢。我覺得還是踏踏實實，就是你過兩三年，這個事情之前玩兒的花樣也就那回事兒了，所以我們都是比較穩健地去看這個問題。有很多人說你們好像落後了或者怎麼，說別人家動作很多。我說我們從來都不想搞這類的動作，這是我們的一貫思路。支付寶決定放棄社交，還迅速搞了兩個爭奪線下市場的大事2017年春節假期過後，螞蟻金服召開了集團層面的戰略會，召集了全球所有業務線負責人，以及核心管理層，確定「不做社交」。但是，「不做社交」不是拋棄已有的社交應用，而是不再刻意發力社交，把競爭當結果。事實上，支付寶放棄社交，與當前移動支付的格局一致。當前爭奪客戶和市場的方式，不過是從線上轉向線下。緊接著這個重要的決定，支付寶最近也搞了兩件大事情：雷鋒網3月9日消息，支付寶、喜樂航、海南航空三方共同宣布，在海航首批15架飛機上正式開通空中移動支付服務，用戶可以在萬米高空消費購物和付費升艙，預計今年年底將覆蓋129架飛機。這是移動支付首次覆蓋國內航空的萬米高空。3月8日雷鋒網也從螞蟻金服獲悉，支付寶想「用5年推動基本進入無現金社會」，於昨日（3月8日）起推出了史上最大規模的「無現金推廣計劃」。具體而言，用戶刷支付寶付款，當天可獲得1筆參與無現金行動的「獎勵金」，每周日至周四，支付寶每天將發放1000萬份獎勵金，用戶先到先得，使用花唄餘額寶付款，獎勵金還將翻倍，最高999元。支付寶表示，獎勵金將連發3個月，一直持續到6月中旬，接下來3個月時間裡，希望通過「獎勵金」，鼓勵更多人體驗無現金生活，培養無現金使用習慣，推動進入無現金社會。獎勵金計劃主要針對4.5億用戶，覆蓋全國100多個城市和100多萬商家。而據雷鋒網了解，去年微信就已有類似鼓勵線下微信支付的活動——「8.8無現金日」和「微信支付日·鼓勵金」，形式、規則相差無幾。這莫非就是傳說中的「走別人的套路，讓別人無路可走」嗎？螞蟻金服CTO程立：從Fintech到Techfin，未來十年有九大重要挑戰2016年10月，馬雲先生在雲棲大會上提出「五新」，其中新金融的重擔無疑落在螞蟻金服以及各位行業同仁身上，新金融的目標為普惠，即讓金融平等。過去只有20%的企業能夠得到金融機構的服務，螞蟻金服的使命就是讓80%的金融需求得到滿足。在內部馬雲先生針對新金融提出要將「Fintech「發展為」Techfin「，表面看來這似乎是個文字遊戲，仔細思考其實是一種思想轉變。Fintech代表的是基於現有的金融業務模式通過技術來降低成本，提升用戶體驗，而Techfin指的是利用金融技術去創新金融服務。正如阿里巴巴集團前CTO王堅博士提到過，如果將傳統貸款比作乘飛機的話，那小微貸款就是乘直升飛機，雖然都是飛但是原理截然不同。同樣的道理Fintech與Techfin目的都是為用戶提供更好的服務，但是服務的模式有著本質的區別。那麼，推動Techfin大跨步前進的關鍵技術有哪些呢？螞蟻金服CTO程立對此有他的闡釋，包括：交易，服務，連接，決策，分析，智能，核身，信任，體驗，同時這也是金融普惠2.0時代未來十年的重要挑戰。專訪平安科技：金融業已進入深度人工智慧階段，背後是你看不到的黑科技近日，平安科技人臉識別團隊在國際權威人臉識別公開測試集LFW(Labeled Faces in the Wild)中，獲得在無限制條件下人臉驗證測試（Unrestricted，Labeled Outside Data Results）0.9960±0.0031的成績。目前，很多成果在 LFW 人臉數據集上的準確率都停留在 99.5% 左右，平安科技團隊的成績意味著人工智慧技術之人臉識別又獲得了突破，人臉識別、人工智慧作用於金融業有了更穩固的保障。據雷鋒網()了解，這項技術，來自於平安科技人工智慧實驗室，以及大數據平台等團隊。這次測試結果的發布，是平安科技的領先技術在國際學術層面的一次亮相。日前，雷鋒網與平安科技智能引擎部總經理兼大數據首席總監、「千人計劃」國家特聘專家肖京博士，以及平安科技人工智慧實驗室主任、首席AI科學家劉飛進行了對話，談及平安科技在人工智慧研發和應用的進展與未來思考。早在2013年，平安就針對人臉識別方面開始做了一個前期的調研。從2014年開始，平安科技組建了自己的人工智慧實驗室團隊，開始研究演算法和核心技術應用。這個目前不到50人的實驗室團隊，以深度學習為主，負責研究解決集團業務中包括機器視覺、自然語言領域的問題，以及研發計算機認知領域的新事物。在2015年，肖京博士也加盟平安科技，負責平安科技大數據分析挖掘，及人工智慧在風險管控、欺詐識別、互聯網健康醫療、智能運營以及個性化精準營銷等金融業務場景的研發及應用。目前，人眼識別準確率的極限是97.53%，2016年開始，平安科技的人臉識別技術的精準度在很多測試條件下已達99%以上。從核心技術研究到產品、工程、技術的實現，再應用到業務層面，平安科技只用了一年的時間。當前，該項技術已應用於108個場景，超過1.03億+使用人次。技術方面，對於人臉識別最後的極限，劉飛說，在擁有足夠多的數據量以後，我們完全有可能往更極限的目標靠近。但是，在很多場景下採集數據是很難的。劉飛說，「理論上說如果有更多的數據就能怎麼樣，但在理論上就做不到。比如自動駕駛的領域，它為了做到足夠安全，需要捕捉事故現場的特徵，但是你不可能去製造事故。」所以，平安科技在研究的是，如何通過較少的樣本來達到更高的精度。劉飛表示，如果要用比較少的數據也能訓練出很高水平的話，法寶在於演算法。「我們最近就有一個讓人興奮的研究課題，也是最近這幾年在學術界也有提及的，叫『one-shot learning』技術。」「one-shot learning」技術，可以在一個單點領域有足夠高效、深入的應用。劉飛表示，其實我們現在的人工智慧技術在解決當前的問題是相對分立和孤立的，人臉識別通過圖象就解決了身份識別的問題，而至於其它的方向，比如識別一個目標物體，一個電話、一輛汽車，它又是一個問題。目前人工智慧，包括深度學習的介入，還是正在解決這些單獨的問題，甚至還用不同的方法解決單個問題。比如前文提及的「one-shot learning」技術，事實上，該技術可以在一個單點領域有足夠高效、深入的應用，但對於廣泛的應用來說，用處並不大。「以往的神經網路無非就是前波網路、反向傳播網路這兩個網路，但也是分別在不同的領域解決問題。」劉飛介紹，在實際業務中，如果能夠把無論是語音方面的東西，還是在人臉和其它的特徵方面，結合起來，然後又重新用在非常複雜的安全領域下，也是非常有前景的。「人工智慧界還需要一些比較通用的方法，使得人工智慧的技術基於某一個單一方案解決更多的問題。比如現在在研究的多任務網路。一個神經網路能不能解決多個不同的問題？包括靜態和動態，」然而，不同的任務的數據參數都會不同，因此，多任務網路將如何實現？其實這門學科也是有歷史的，它叫AGI（通用人工智慧）。劉飛說：「現在大家普遍的融合方法，是把幾個不同任務的神經網路淺顯地綜合在一起，過程中訓練、研發還是單獨的。比如對卷積神經網路的應用。」然而，讓劉飛覺得興奮的是，這兩年學術上的突破並不在這方面，「大家發現誰對反向傳播網路有很大貢獻的話，那個成果非常值得驕傲，是非常超前的。」據雷鋒網了解，現在典型的反向神經傳播網路LSTM，是用在了語音識別領域；還有最近一年左右所湧現出來的生成對抗網路（GANs），也是瞄準在反向傳播網路。不過，「當然不是說我們馬上就可以找到一種方式把它們都糅合在一起，但從2006年到現在，所有的生物學習獲得突破的問題解決的時候，都是一些在於反向傳播的突破。如果把這些基礎性的理論問題和相應的工程實踐解決好的話，可能我們未來會重新看待和設計用來解決不同領域的神經網路的問題。」到了今天，我們看到的「刷臉」只是人工智慧技術應用的冰山一角。劉飛指出，由於監管滯后、傳統行業規範的約束，以及人工智慧本身的不可解釋性等原因，當前許多超前的技術儲備尚未能面世。舉例來說，平安科技AI實驗室中，科學家們嘗試通過對人類維持最低只有30毫秒的微表情的研究，拓展人工智慧在情感判斷、服務決策和判斷等應用。「這個還很任重道遠，但是這樣的課題已經在前幾年就被提出來，它還在發展，而且這個發展的過程會很快。」如肖京博士所言，「人工智慧的技術是基於數據的，有數據才有可為。對於金融業來說，現在已經進入到深度人工智慧的階段，讓數據發揮最大的價值。」雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。