胡亮：“隱私、技術、監管，是金融科技領域核心技術的巨大挑戰。”
△ 快牛金科集團聯合創始人&CTO胡亮
01影響
在金融科技領域裡，最核心的技術無疑是移動支付、區塊鏈和AI。這不僅是一種技術，也是機遇和挑戰。
首先是移動支付。中國已遙遙領先。根據央行資料，2016年中國移動支付金額達到了157.55萬億人民幣，已經超過了美國GDP總量（128萬億）。
其次是區塊鏈。在銀行之間的聯合放款，在供應鏈金融賬戶監管和交易的追溯裡，區塊鏈技術已經開始起到關鍵作用。
最後是人工智慧。人工智慧，尤其是大資料風控的普及，讓金融實現了更大的普惠。
02機遇
移動支付除了帶來便捷，還讓交易可追溯、變成資料沉澱起來。資料是未來新的數字經濟產業的金礦或能源。
區塊鏈正在做一些實時清算或供應鏈金融的賬戶監管。但它的應用範圍遠不止於此。
區塊鏈技術公開透明的特點、去中心化結構，減少了交易的中間環節，整體上降低了社會整體的交易成本。
最後，人工智慧在過去一兩年主要在助力信貸行業大規模發展方面產生效用。未來，我們可藉助人工智慧方式，對個人進行相應信用評估。
03挑戰
技術的發展，也可能會帶來一些新挑戰。
第一個挑戰：隱私保護的挑戰。
這起源於兩方面：一方面，隨著移動網際網路發展，我們的隱私資料被記錄得越來越多；另一方面，大資料廠商對一個人瞭解更深，都希望掌握更多資訊資料。
如何在資訊使用上做到平衡，這是需要長久思考的課題。
第二個挑戰：技術失控帶來的挑戰。
首先，人工智慧技術跟人腦思考方式有很多不同。人腦是依賴推理和演繹的思考路徑；而人工智慧不一定會關心前後因果，可能更關注的是相關性。
還有一些演算法，如多層神經網路，複雜度是超過人腦理解範圍。如果失控，人根本沒有辦法瞭解其內在執行機制是什麼。
其次，人工智慧依賴資料。然而在資料量很大，資料是否被汙染就會變得難以鑑別。
如果技術出現失控，反倒給金融服務帶來不平等性，人類是否還有能力對此糾正，這同樣值得思考。
第三個挑戰：監管。監管，尤其是法律總是滯後的。
如何讓監管能夠跟上技術化的腳步，這需要監管和所有從業者共同探討。
陳裕：“人工智慧就是找到最優策略。”
△ 淺橙科技CRO陳裕
01多元產品矩陣
淺橙的產業佈局分兩條線：一條是面向網際網路小額信貸的To C業務，如現金卡業務；另一條是 To B的金融科技輸出服務，如與銀行等持牌機構合作的助貸業務。
此外，我們也對催收環節建立了智慧的架構。
如何在很短時間，透過有限資源，將整個業務做好？其中有非常多問題需要解決。
比如在現金卡業務，我們需要把控從申請、稽核、授信，到貸中跟蹤、催收和復貸的每個環節，找到最佳解決方案。
02決策體系核心是資料
為找到業務中的痛點和盲點，我們依賴一個基於資料的人工智慧的決策體系。
資料是核心。我們將客戶的相關資料，如申請資訊、行為資料等，放在最核心的資料層。
在資料層上，我們用一些機器學習相關演算法把資料清洗和準備工作做好，生成用於建模和決策的特徵。
以後，無論是風控、運營還是催收環節，都可以用這些特質做監控或模型，輔助決策。
03人工智慧+風控
資料決策體系並不僅僅是把一個複雜業務問題簡化為數學最佳化問題。
在一個策略落地之前，需要考慮很多點。如這個策略是不是能夠滿足行業整體風險的規避要求等。
這類不明確的風險點，某種程度超過了目前人工智慧的範疇。
在我看來，人工智慧是找到最優策略最快、最有效的方法，但不能替代整個決策的流程。
對於未知風險，人的決策仍舊是一個重要的因素；但對於已知的風險，人工智慧和大資料的使用已相當成熟。
最終決策結果，還是由人和相應的決策流程政策把控。
04挑戰
資料基礎層面，我們還面臨資料孤島等問題。由此導致資料飽和度不夠。此外，外部資料在質量、合規性和穩定性上，也參差不齊。
計算能力方面，我們正在處理的一個問題是大型知識圖譜的計算和傳遞。我們的圖形資料庫在處理多級連線計算的時候，效能不令人滿意，執行太慢。
當然，我們已經找了新的解決方案，如全量特徵計算，將執行時間大幅減少。
還有業務場景。一方面，精通業務、技術和資料的綜合性人才很難找；另一方面，新業務的開展需要一個啟動週期，如何快速獲取充足資料跳出這個週期，也是現實問題。
05機遇
Fintech 2.0的迅速發展和迭代，帶來了新機遇。
比如資料基礎方面，隨著監管落地和外部資料來源更新，我們和很多機構可以深度合作，聯合建模提升風險預測水平。
Fintech 2.0的發展也提供了新的業務場景。隨著後臺資料的打通、計算能力的提高，我相信人臉預授信、聲紋識別、語音搜尋都會成為新的業務場景或客戶互動入口。
科技的進步帶來另一波新挑戰。一是黑產攻擊，二是演算法和資料可靠性，三是資訊不對稱。
道路是曲折的，前途是光明的。人工智慧和大資料都是很好的工具，能幫助我們更好地實現使用者價值。
舒廣：傳統金融機構，如何擁抱、服務智慧金融？
△ 雲南國際信託有限公司副Quattroporte舒廣
01擁抱新金融
信託產生於英美信徒對某些不合理管制的變通，所以它在中國也起到很特殊作用。
我們和一家股份制大行溝通一年半了，還是沒有說服銀行投資消費資產。為什麼新興消費金融企業透過大資料、人工智慧、移動支付塑造了這麼多優質的新型資產，但傳統金融卻不接受、不投資呢？
最本質的原因是無法實現資產隔離。
一方面，一些新興企業拿不到金融機構牌照，基礎資產還是個人債權形式，法律基礎不牢固。
另一方面，銀行對基礎資產風險表現真實性存疑。目前中國處於信用缺失時代，即使消費金融資產資料是真實的，作為資金方也難以判斷它的穩定性。
除了少量股份制銀行和城商行以外，大部分傳統金融機構還沒有將消費金融納入配置範圍。
那能不能用信託技術優勢，解決以上鴻溝呢？
02發揮信託優勢
首先，大家擔心資產隔離性，破產隔離及一物多賣的隔離。信託作為一種財產、一種法律制度，可以為投資人提供相對可靠的法律基礎。
破產隔離和獨立性解決以後，我們作為相對獨立的執行方展現的資料，受投資人認可度越來越高。
另外，中國理財市場80萬億，一方面，去槓桿力度越來越大，投資人認識到風險和收益不一定匹配。
信託能發揮法律制度優勢，解決投資者和金融機構可配置資產增長困難的問題。
此外，信託還可以和騰訊、京東一起，將技術構建得更加全面，為消費金融企業服務，如資金支援、更低公募成本、股權投資等。
03服務科技金融
中國理財市場原先就是債券、二級市場股票，再就是房地產和平臺公司類資產。但房地產平臺公司目前存在集中度的風險，加之去槓桿力度越來越大，所以這塊市場對於投資者和金融機構而言，增長已無可能。
但理財市場還在不斷增長，需要配置新資產。所以，我們想用信託方式解決這個問題。
首先，我們也可以為資金方提供服務，如破產隔離、資料管理。其次，夾層徵信。銀行樂意看到其他金融機構與它分攤風險，增加可信度。
最後是風險控制，比如處理極端情況，聘請第三方催收機構等，可以保證資產能夠獨立運營，保證投資者利益。
大部分信託公司對於小額、分散的資產是缺乏儲備和能力的。
我們作為傳統金融機構，接受時代洗禮、擁抱新金融，目的有二：第一，實現普惠金融第一次觸達；第二，讓消費金融資產交易起來。
胡亮：“隱私、技術、監管，是金融科技領域核心技術的巨大挑戰。”
△ 快牛金科集團聯合創始人&CTO胡亮
01影響
在金融科技領域裡，最核心的技術無疑是移動支付、區塊鏈和AI。這不僅是一種技術，也是機遇和挑戰。
首先是移動支付。中國已遙遙領先。根據央行資料，2016年中國移動支付金額達到了157.55萬億人民幣，已經超過了美國GDP總量（128萬億）。
其次是區塊鏈。在銀行之間的聯合放款，在供應鏈金融賬戶監管和交易的追溯裡，區塊鏈技術已經開始起到關鍵作用。
最後是人工智慧。人工智慧，尤其是大資料風控的普及，讓金融實現了更大的普惠。
02機遇
移動支付除了帶來便捷，還讓交易可追溯、變成資料沉澱起來。資料是未來新的數字經濟產業的金礦或能源。
區塊鏈正在做一些實時清算或供應鏈金融的賬戶監管。但它的應用範圍遠不止於此。
區塊鏈技術公開透明的特點、去中心化結構，減少了交易的中間環節，整體上降低了社會整體的交易成本。
最後，人工智慧在過去一兩年主要在助力信貸行業大規模發展方面產生效用。未來，我們可藉助人工智慧方式，對個人進行相應信用評估。
03挑戰
技術的發展，也可能會帶來一些新挑戰。
第一個挑戰：隱私保護的挑戰。
這起源於兩方面：一方面，隨著移動網際網路發展，我們的隱私資料被記錄得越來越多；另一方面，大資料廠商對一個人瞭解更深，都希望掌握更多資訊資料。
如何在資訊使用上做到平衡，這是需要長久思考的課題。
第二個挑戰：技術失控帶來的挑戰。
首先，人工智慧技術跟人腦思考方式有很多不同。人腦是依賴推理和演繹的思考路徑；而人工智慧不一定會關心前後因果，可能更關注的是相關性。
還有一些演算法，如多層神經網路，複雜度是超過人腦理解範圍。如果失控，人根本沒有辦法瞭解其內在執行機制是什麼。
其次，人工智慧依賴資料。然而在資料量很大，資料是否被汙染就會變得難以鑑別。
如果技術出現失控，反倒給金融服務帶來不平等性，人類是否還有能力對此糾正，這同樣值得思考。
第三個挑戰：監管。監管，尤其是法律總是滯後的。
如何讓監管能夠跟上技術化的腳步，這需要監管和所有從業者共同探討。
陳裕：“人工智慧就是找到最優策略。”
△ 淺橙科技CRO陳裕
01多元產品矩陣
淺橙的產業佈局分兩條線：一條是面向網際網路小額信貸的To C業務，如現金卡業務；另一條是 To B的金融科技輸出服務，如與銀行等持牌機構合作的助貸業務。
此外，我們也對催收環節建立了智慧的架構。
如何在很短時間，透過有限資源，將整個業務做好？其中有非常多問題需要解決。
比如在現金卡業務，我們需要把控從申請、稽核、授信，到貸中跟蹤、催收和復貸的每個環節，找到最佳解決方案。
02決策體系核心是資料
為找到業務中的痛點和盲點，我們依賴一個基於資料的人工智慧的決策體系。
資料是核心。我們將客戶的相關資料，如申請資訊、行為資料等，放在最核心的資料層。
在資料層上，我們用一些機器學習相關演算法把資料清洗和準備工作做好，生成用於建模和決策的特徵。
以後，無論是風控、運營還是催收環節，都可以用這些特質做監控或模型，輔助決策。
03人工智慧+風控
資料決策體系並不僅僅是把一個複雜業務問題簡化為數學最佳化問題。
在一個策略落地之前，需要考慮很多點。如這個策略是不是能夠滿足行業整體風險的規避要求等。
這類不明確的風險點，某種程度超過了目前人工智慧的範疇。
在我看來，人工智慧是找到最優策略最快、最有效的方法，但不能替代整個決策的流程。
對於未知風險，人的決策仍舊是一個重要的因素；但對於已知的風險，人工智慧和大資料的使用已相當成熟。
最終決策結果，還是由人和相應的決策流程政策把控。
04挑戰
資料基礎層面，我們還面臨資料孤島等問題。由此導致資料飽和度不夠。此外，外部資料在質量、合規性和穩定性上，也參差不齊。
計算能力方面，我們正在處理的一個問題是大型知識圖譜的計算和傳遞。我們的圖形資料庫在處理多級連線計算的時候，效能不令人滿意，執行太慢。
當然，我們已經找了新的解決方案，如全量特徵計算，將執行時間大幅減少。
還有業務場景。一方面，精通業務、技術和資料的綜合性人才很難找；另一方面，新業務的開展需要一個啟動週期，如何快速獲取充足資料跳出這個週期，也是現實問題。
05機遇
Fintech 2.0的迅速發展和迭代，帶來了新機遇。
比如資料基礎方面，隨著監管落地和外部資料來源更新，我們和很多機構可以深度合作，聯合建模提升風險預測水平。
Fintech 2.0的發展也提供了新的業務場景。隨著後臺資料的打通、計算能力的提高，我相信人臉預授信、聲紋識別、語音搜尋都會成為新的業務場景或客戶互動入口。
科技的進步帶來另一波新挑戰。一是黑產攻擊，二是演算法和資料可靠性，三是資訊不對稱。
道路是曲折的，前途是光明的。人工智慧和大資料都是很好的工具，能幫助我們更好地實現使用者價值。
舒廣：傳統金融機構，如何擁抱、服務智慧金融？
△ 雲南國際信託有限公司副Quattroporte舒廣
01擁抱新金融
信託產生於英美信徒對某些不合理管制的變通，所以它在中國也起到很特殊作用。
我們和一家股份制大行溝通一年半了，還是沒有說服銀行投資消費資產。為什麼新興消費金融企業透過大資料、人工智慧、移動支付塑造了這麼多優質的新型資產，但傳統金融卻不接受、不投資呢？
最本質的原因是無法實現資產隔離。
一方面，一些新興企業拿不到金融機構牌照，基礎資產還是個人債權形式，法律基礎不牢固。
另一方面，銀行對基礎資產風險表現真實性存疑。目前中國處於信用缺失時代，即使消費金融資產資料是真實的，作為資金方也難以判斷它的穩定性。
除了少量股份制銀行和城商行以外，大部分傳統金融機構還沒有將消費金融納入配置範圍。
那能不能用信託技術優勢，解決以上鴻溝呢？
02發揮信託優勢
首先，大家擔心資產隔離性，破產隔離及一物多賣的隔離。信託作為一種財產、一種法律制度，可以為投資人提供相對可靠的法律基礎。
破產隔離和獨立性解決以後，我們作為相對獨立的執行方展現的資料，受投資人認可度越來越高。
另外，中國理財市場80萬億，一方面，去槓桿力度越來越大，投資人認識到風險和收益不一定匹配。
信託能發揮法律制度優勢，解決投資者和金融機構可配置資產增長困難的問題。
此外，信託還可以和騰訊、京東一起，將技術構建得更加全面，為消費金融企業服務，如資金支援、更低公募成本、股權投資等。
03服務科技金融
中國理財市場原先就是債券、二級市場股票，再就是房地產和平臺公司類資產。但房地產平臺公司目前存在集中度的風險，加之去槓桿力度越來越大，所以這塊市場對於投資者和金融機構而言，增長已無可能。
但理財市場還在不斷增長，需要配置新資產。所以，我們想用信託方式解決這個問題。
首先，我們也可以為資金方提供服務，如破產隔離、資料管理。其次，夾層徵信。銀行樂意看到其他金融機構與它分攤風險，增加可信度。
最後是風險控制，比如處理極端情況，聘請第三方催收機構等，可以保證資產能夠獨立運營，保證投資者利益。
大部分信託公司對於小額、分散的資產是缺乏儲備和能力的。
我們作為傳統金融機構，接受時代洗禮、擁抱新金融，目的有二：第一，實現普惠金融第一次觸達；第二，讓消費金融資產交易起來。