金融科技的下一個十年，誰在領航？

十年前提起金融科技，人們多半在談金融信息化建設，世界還沒有互聯網金融和人工智能應用的姓名。如今，我們立在2020這個山頭前後張望，會驚覺變革無時無刻不在各個維度發起，林海翻濤，遍地生輝。

為技術創新衝在最前線者有之，為規模化應用落地奮鬥者亦有之；傳統的金融業務場景和流程被拆解成更細的顆粒，逐步數字化、智能化翻新；解決方案的整體化、平台化特性也逐漸彰顯。我們試圖從這些維度出發，找出金融科技下一個十年的「先鋒陣列」。

還有人在爭辯誰是前浪後浪，而最敏鋭的航海者已經分清潮水的方向。

互金企業集體轉型升級，改造傳統信貸流程，告別粗放式經營，選擇強調自己的科技賦能角色，是過去數年裏最受關注的金融科技趨勢之一。在今年企業們披露的年報數據中我們可以看見，這樣的轉型之舉已經初有成效。

首次將科技收入獨立出來的360金融，可以説是行業代表之一。

在2019年報裏，360金融將收入調整為傳統收入和科技收入兩部分，以反映公司加碼科技的戰略決心，以及更加全面真實地反映公司科技轉型的業務形態。

360金融對科技業務的總結陳詞，某種程度上也概括了互金企業們的轉型意圖：當金融週期真正到來，傳統業務將面臨利潤大幅縮水的風險；相比之下，科技業務賺取的是智能獲客、智能風控這樣的技術服務費，雖然在短期犧牲了一定的利潤，但由於不承擔金融風險，業務穩健性將會加強。

具體到業務環節，幾組數據或許更能説明這家企業的科技投入效果：

• 截至2019年12月31日，360金融累計註冊用户1.35億，較2018年底增長71.3%；授信用户2472萬，同比增長97.1%；在360金融的幫助下獲得貸款的用户達到1591萬，較2018年增長92.1%。

• 摩根士丹利在報告中指出，運營效率應當兼顧藉款用户的數量及質量。在2018年2季度至2019年3季度之間，360金融每季獲取新客户超過150萬人，遠高於同業上市公司。

• 中金公司的報告則表示，2019年，360金融拳頭產品360借條的月均MAU達1511萬人，月均DAU為165萬人，兩項排名都位列同類公司之首。

• 逾期率方面，截至2019年12月31日，360金融的M3+逾期率為1.5%。

從用户增速和質量不難看出，360金融在獲客運營方面頗有心得。該公司表示，這得益於貫穿業務全流程的人工智能技術的應用，例如藉助全自動化算法智能投放，利用實時數據和用户全生命週期標籤實現智能運營。

另外，貸後環節中，智能機器人自動完成+AI機器人的大量應用，極大提高了面向海量用户的服務效率和質量，提升了客户黏性。

360金融透露稱，其78%的催收工作、77%的電話營銷工作、91%的客户服務工作都由相應的機器人完成，即便由人工完成的部分也實現了AI質檢機器人的100%覆蓋檢查。運營的多個環節自主研發了近百款機器人，申請了近四百項發明專利。

值得一提的是，360金融在2019年12月上線智信引擎業務，通過數據智能技術構築生態圈。該業務一方面連接優質和分散的互聯網流量場景平台，拓展多元流量變現通道。

拍拍貸母公司信也科技，同樣是值得注意的典型案例。

在科技領域更上一層樓的決心，不只體現在名字的更改上。根據最新財報數據，2020年一季度，信也科技的研發費用為8760萬元，這一數字在上一季度（2019Q4）為9310萬元。

截至2020年5月20日，信也科技共登記軟件著作權139項，另有已授權及申請中的專利130項。

信也科技稱，對業務全流程的精細化運營以及技術微創新是後續科技投入的重點。

針對日常流量投放存在的數據分離、批量投放困難、無法實時監控和預警等痛點，信也科技也自主研發了章魚流量管理平台，其能夠通過定位實時數據鏈路、效果評估、決策優化引擎、智能投放平台，實現媒體渠道精準觸達目標客户羣體，挖掘潛在用户。

在金融科技的下一個十年裏，可以預見的是，技術服務商們的產品會更注重整體化、平台化，不再是普通的單點輸出。

生物識別在金融領域的應用進程，就是由點到線及面，如今正在形成覆蓋多渠道、多場景、多模態識別融合的平台解決方案。

隨着金融業務線上化的蓬勃發展，用户授權環節身份確認的方式日益多樣化，涉及的業務場景也不僅是開户、支付。每個業務系統“各自為政”建立獨立的身份識別方式，不僅會造成資源浪費，也為後期數據管理、同步維護等方面增加了難度。

將多種不同生物識別認證方式集成到一個統一平台中，實現系統間數據整合、資源共享，對於認證效率和系統安全性來説至關重要。

身份認證作為金融業務的第一道風控關卡，對技術服務商的綜合素質要求不亞於「特種兵」：既要有對不同生物特徵的優秀識別能力，又要對金融不同場景邏輯和痛點理解透徹，有強大的數據處理分析能力，以及服務本身足夠靈活高效。

作為最早一批將生物識別技術引入到銀行內部強安全認證業務中的企業，眼神科技是業內率先推動多模態融合，並將多模態融合識別做到平台級的排頭兵，拿下了金融行業超過80%的客户。

眼神科技打造的ABIS多模態生物識別統一平台，建立在其人臉、虹膜、指紋、指靜脈及多模態生物識別融合算法基礎上，通過輕量化、高效擴展的微服務架構和豐富標準的服務接口，實現一站式的識別認證服務、統一的數據管理服務及智慧化的運維服務，可以做到按需靈活組合、快速擴展。

對金融機構而言，KYC不會只是“認識你的客户”這樣簡單，要將金融服務上升到“懂得你的客户”層面，而金融科技公司正是這關鍵一躍的「主演」。

眼神科技的這一平台也通過與銀行大數據平台的融合，高效、穩定地為客户提供數據分析與識別能力，幫助各大銀行為客户提供智能化、個性化的服務體驗，增強海量客户數據的風險防控能力，助力銀行步入生物識別大數據客户營銷時代。

目前，眼神科技的ABIS多模態生物識別統一平台在金融行業多場景中已得到廣泛應用，包含互聯網渠道、櫃面業務、自助銀行、智慧網點等，在確保客户信息和賬户安全的同時，打造優越的客户體驗。交通銀行、郵儲銀行、民生銀行、華夏銀行、渤海銀行和數家省級農信社等眾多金融機構均已引入。

此外，眼神科技也將多模態生物識別融合技術賦能金融以外的更多場景，如學校、社區、政府、公安等，實現了行業合作的深度融合。

誰能率先實現數據安全和隱私保護的最高目標？

去年下半年的大數據行業震盪，和本月《數據安全法》的正式出台，無一不指向同一個技術趨勢：

在監管更嚴格、業務更敏感的金融行業，數據的安全有序使用自然被調到了更高的優先級。能夠在這一方面上率先獲得實質性進展的金融科技企業，自然也有望引領行業趨勢。

重新審視數據的獲取、共享，到使用和加工，鏈條的每一環都有不小的漏洞，學術界相繼出現了安全多方計算、可信執行環境、隱私計算、聯邦學習、共享智能等解決路線，在數據控制、處理或實現方式上各有不同。

聯邦學習這一研究分支，正是在微眾銀行首席人工智能官楊強教授團隊和其領導的IEEE聯邦學習標準制定委員會的推動下，成為當今全球人工智能產學兩界最受關注的領域之一。

從簡單定義來講，聯邦學習是在本地，把本地數據建模，模型的關鍵參數加密，數據加密傳到雲端也無法解密。雲端用算法將數據包們加以聚合，來更新現有模型，模型更新後下傳。重要的是，整個過程中，雲端服務器不知道每個數據包裏的內容。

這種多個參與方（如移動設備或整個組織）協作式地訓練模型的機器學習方法，將不再需要將分散的訓練數據蒐集到一起，數據不出本地的特性讓數據使用全過程都變得更為安全可靠。

在楊強教授帶領下開展聯邦學習研究的微眾銀行，內部已投入百餘人，打造了一個覆蓋技術上下游的聯邦學習團隊，包含研究、學術、研發、商業、行業應用等多個細分隊伍。他們已申請100+項相關專利，牽頭推進IEEE聯邦學習國際標準與聯邦學習國家標準制定。

2019年2月，微眾銀行開源了聯邦學習框架FATE，這也是全球首個工業級聯邦學習開源框架，能夠解決包括計算架構可並行、信息交互可審計、接口清晰可擴展在內的三個工業應用常見問題。

它給開發者提供了實現聯邦學習算法和系統的範本，大部分傳統算法都可以經過一定改造適配到聯邦學習框架中來，用户體驗上和傳統建模差異較小。

微眾AI團隊也發起了「聯邦學習生態」（FedAI Ecosystem），在確保數據安全及用户隱私的前提下，建立基於聯邦學習的 AI 技術生態，使得各行業更充分發揮數據價值，推動垂直領域案例落地。

目前微眾已將聯邦學習用於金融領域，通過合法合規的多維度聯邦數據建模，小微企業風控模型效果約可提升12%，相關企業機構有效節約了信貸審核成本，整體成本預計下降5%-10%，並因數據樣本量的提升和豐富，風控能力進一步增強。

在微眾看來，聯邦學習不僅具有加速AI創新發展、保障隱私信息和數據安全的公共價值；從商業層面上看，聯邦系統更是一個“共同富裕”的策略，能帶動跨領域的企業級數據合作，催生基於聯合建模的新業態和模式。

雷鋒網雷鋒網雷鋒網