0
| 本文作者：温晓桦 | 2017-03-11 10:56 |
雷锋网3月6日报道，近日，毕马威发布了《2016全球Fintech投资分析报告》，总结分析了2016年投资变化和2017年投资预测。
总的来说，2016全球Fintech市场颇为动荡。英国脱欧、美国选举黑天鹅事件频出，后续影响还在发酵，中国增速放缓，外汇的波动使得投资人变得更加谨慎，不时有人惊呼“资本寒冬”降临。资本收紧和寒冬主要体现在Fintech行业的企业并购和PE资金收紧。2016全球Fintech投资总额达到了247亿美元，而在2015年是470亿美元，同比下降近50%。不过，去年的全球VC投资仍呈现一派积极姿态，创下136亿美元新高。
其中：
保险行业扭转颓势，保险科技呈现指数爆发
过去的一年里保险科技增速惊人，受陈旧的IT系统和监管所限，许多传统保险公司只拥有有限的资金去进行创新，这就导致保险科技被其余金融科技子领域远远甩在身后，颠覆不易。不过在去年，有一批保险科技先行者不断发展成熟，开始吸引巨额融资，这也促使该领域进入了投资者的雷达范围。
2017年保险科技将会在全球各个领域受到资本热捧。大多数资本更青睐于专注于改善保险价值链各个环节（分销、承保、理赔、客户服务等）的公司。传统保险公司也将会增加投资力度，投身此次浪潮。此外与保险科技相关的跨界科技也是如火如荼，例如健康科技、车联网、无人机商用、工业4.0等。
降温的区块链让投资者焦虑
2016年过去，区块链开始降温。即使很多人都相信区块链将会颠覆行业（贸易、资本市场、智能合约、借贷、跨境支付等），但是迟迟不见落地的区块链让投资者开始焦虑，当早期的泡沫开始破灭，投资者开始要求所投企业尽快将技术从实验阶段走向商业化、规模化和生产利润。
2017年，投资者将会继续投资区块链技术，但是会降低投资量，寻求更有价值的区块链项目。如下图所示，区块链项目的投资数量减少了59桩，但是投资金额增加了1.026亿美元。
即时支付仍是亚洲投资领域的主角
不同于支付领域在美遇冷情况，它仍是亚洲Fintech投资焦点，过去几年里，亚洲的消费者对于即时支付的需求愈发旺盛。最近，新加坡在推进G3支付系统建设，香港金融管理局正在探索建立更快捷的支付机制
有兴趣阅读报告原文全文的朋友，可以扫描下方二维码，或者搜索ID：aijinrongpinglun，关注公众号@AI金融评论，回复“毕马威”获取原报告。
全球最大的Fintech行业峰会——朗迪金融科技峰会（LendIt USA 2017）于美国时间3月6日至7日纽约举行。会议期间房地产投资分析公司 Propcy 的 CEO Omri Barzilay 采访了Watson金融服务机构中客户洞察和认知体验全球项目主管 Brian Walter 。
Brian Walter表示，AI和认知计算在金融服务领域的应用是最有吸引力的行业趋势。
现在的情况是，金融机构需要特别拨出大量的资金和员工以确保它们符合法律法规的要求。每一天，专业的合规人员必须从数百条规定中挑出、确定专门适用于其组织的规定。
而通过AI和认知计算技术，可以模拟人类是如何理解和处理信息的，公司完全可以改变这个单调且低效的过程。认知系统使用自然语言处理来分析结构化和非结构化数据（如规则）以理解语法和上下文。同时，它们还能在已提供的证据和信息基础上，理解复杂的问题并提出建议。这种技术意味着公司即使在不同的国家地区、不同的业务运作模式和不同的风险规范情况下，都能查看其是否全面地符合监管要求。
雷锋网消息，3月3日，全国人大代表、腾讯公司董事会主席兼首席执行官马化腾在北京举行了记者沟通会。根据腾讯科技发布的问答实录，在长达两小时的沟通会过程中，马化腾介绍了今年两会他带来的七条建议，并回应了外界最为关注的共享单车、小程序、公众号付费阅读等问题，以及对外阐释了腾讯的发展战略，在人工智能上的布局等。
除此之外，马化腾在沟通会上也阐述了他对金融的看法。
据了解，沟通会上记者提及京东集团对京东金融进行分拆一事，提问腾讯金融未来有没有可能将来会独立分拆，进一步对接资本市场时，马化腾回应称，“腾讯通常用‘稳健’的一个思路去看，因为金融其实最核心的问题是稳定和稳健，就是拼谁的命长，而不是谁在短期内跑得多快。”
对于腾讯的金融业务来说，我们其实一部分是在体外（比如说像微众银行）的我们投资的，但是我们核心的（包括支付、理财平台）都是在我们体内的。
所以我们这方面不是把它全部包在一个所谓的金融集团这样来做，我们并不是这样的思路，因为这些业务跟我们平台耦合非常紧，没有必要为了分拆而分拆，这个不是我们的风格，我们也一贯不是这个思路，也不会去玩儿什么“财技”（资本运作），显得好像这块儿资产有多少钱。
我觉得还是踏踏实实，就是你过两三年，这个事情之前玩儿的花样也就那回事儿了，所以我们都是比较稳健地去看这个问题。有很多人说你们好像落后了或者怎么，说别人家动作很多。我说我们从来都不想搞这类的动作，这是我们的一贯思路。
2017年春节假期过后，蚂蚁金服召开了集团层面的战略会，召集了全球所有业务线负责人，以及核心管理层，确定“不做社交”。但是，“不做社交”不是抛弃已有的社交应用，而是不再刻意发力社交，把竞争当结果。
事实上，支付宝放弃社交，与当前移动支付的格局一致。当前争夺客户和市场的方式，不过是从线上转向线下。
紧接着这个重要的决定，支付宝最近也搞了两件大事情：
雷锋网3月9日消息，支付宝、喜乐航、海南航空三方共同宣布，在海航首批15架飞机上正式开通空中移动支付服务，用户可以在万米高空消费购物和付费升舱，预计今年年底将覆盖129架飞机。这是移动支付首次覆盖国内航空的万米高空。
3月8日雷锋网也从蚂蚁金服获悉，支付宝想“用5年推动中国基本进入无现金社会”，于昨日（3月8日）起推出了史上最大规模的“无现金推广计划”。
具体而言，用户刷支付宝付款，当天可获得1笔参与无现金行动的“奖励金”，每周日至周四，支付宝每天将发放1000万份奖励金，用户先到先得，使用花呗余额宝付款，奖励金还将翻倍，最高999元。支付宝表示，奖励金将连发3个月，一直持续到6月中旬，接下来3个月时间里，希望通过“奖励金”，鼓励更多人体验无现金生活，培养无现金使用习惯，推动中国进入无现金社会。奖励金计划主要针对4.5亿用户，覆盖全国100多个城市和100多万商家。
而据雷锋网了解，去年微信就已有类似鼓励线下微信支付的活动——“8.8无现金日”和“微信支付日·鼓励金”，形式、规则相差无几。这莫非就是传说中的“走别人的套路，让别人无路可走”吗？
蚂蚁金服CTO程立：从Fintech到Techfin，未来十年有九大重要挑战
2016年10月，马云先生在云栖大会上提出“五新”，其中新金融的重担无疑落在蚂蚁金服以及各位行业同仁身上，新金融的目标为普惠，即让金融平等。过去只有20%的企业能够得到金融机构的服务，蚂蚁金服的使命就是让80%的金融需求得到满足。在内部马云先生针对新金融提出要将“Fintech“发展为”Techfin“，表面看来这似乎是个文字游戏，仔细思考其实是一种思想转变。Fintech代表的是基于现有的金融业务模式通过技术来降低成本，提升用户体验，而Techfin指的是利用金融技术去创新金融服务。
正如阿里巴巴集团前CTO王坚博士提到过，如果将传统贷款比作乘飞机的话，那小微贷款就是乘直升飞机，虽然都是飞但是原理截然不同。同样的道理Fintech与Techfin目的都是为用户提供更好的服务，但是服务的模式有着本质的区别。
那么，推动Techfin大跨步前进的关键技术有哪些呢？蚂蚁金服CTO程立对此有他的阐释，包括：交易，服务，连接，决策，分析，智能，核身，信任，体验，同时这也是金融普惠2.0时代未来十年的重要挑战。
近日，平安科技人脸识别团队在国际权威人脸识别公开测试集LFW(Labeled Faces in the Wild)中，获得在无限制条件下人脸验证测试（Unrestricted，Labeled Outside Data Results）0.9960±0.0031的成绩。
目前，很多成果在 LFW 人脸数据集上的准确率都停留在 99.5% 左右，平安科技团队的成绩意味着人工智能技术之人脸识别又获得了突破，人脸识别、人工智能作用于金融业有了更稳固的保障。
据雷锋网了解，这项技术，来自于平安科技人工智能实验室，以及大数据平台等团队。这次测试结果的发布，是平安科技的领先技术在国际学术层面的一次亮相。
日前，雷锋网与平安科技智能引擎部总经理兼大数据首席总监、“”国家特聘专家肖京博士，以及平安科技人工智能实验室主任、首席AI科学家刘飞进行了对话，谈及平安科技在人工智能研发和应用的进展与未来思考。
早在2013年，平安就针对人脸识别方面开始做了一个前期的调研。从2014年开始，平安科技组建了自己的人工智能实验室团队，开始研究算法和核心技术应用。
这个目前不到50人的实验室团队，以深度学习为主，负责研究解决集团业务中包括机器视觉、自然语言领域的问题，以及研发计算机认知领域的新事物。
在2015年，肖京博士也加盟平安科技，负责平安科技大数据分析挖掘，及人工智能在风险管控、欺诈识别、互联网健康医疗、智能运营以及个性化精准营销等金融业务场景的研发及应用。
目前，人眼识别准确率的极限是97.53%，2016年开始，平安科技的人脸识别技术的精准度在很多测试条件下已达99%以上。从核心技术研究到产品、工程、技术的实现，再应用到业务层面，平安科技只用了一年的时间。当前，该项技术已应用于108个场景，超过1.03亿+使用人次。
技术方面，对于人脸识别最后的极限，刘飞说，在拥有足够多的数据量以后，我们完全有可能往更极限的目标靠近。
但是，在很多场景下采集数据是很难的。刘飞说，“理论上说如果有更多的数据就能怎么样，但在理论上就做不到。比如自动驾驶的领域，它为了做到足够安全，需要捕捉事故现场的特征，但是你不可能去制造事故。”
所以，平安科技在研究的是，如何通过较少的样本来达到更高的精度。刘飞表示，如果要用比较少的数据也能训练出很高水平的话，法宝在于算法。“我们最近就有一个让人兴奋的研究课题，也是最近这几年在学术界也有提及的，叫‘one-shot learning’技术。”“one-shot learning”技术，可以在一个单点领域有足够高效、深入的应用。
刘飞表示，其实我们现在的人工智能技术在解决当前的问题是相对分立和孤立的，人脸识别通过图象就解决了身份识别的问题，而至于其它的方向，比如识别一个目标物体，一个电话、一辆汽车，它又是一个问题。目前人工智能，包括深度学习的介入，还是正在解决这些单独的问题，甚至还用不同的方法解决单个问题。
比如前文提及的“one-shot learning”技术，事实上，该技术可以在一个单点领域有足够高效、深入的应用，但对于广泛的应用来说，用处并不大。
“以往的神经网络无非就是前波网络、反向传播网络这两个网络，但也是分别在不同的领域解决问题。”刘飞介绍，在实际业务中，如果能够把无论是语音方面的东西，还是在人脸和其它的特征方面，结合起来，然后又重新用在非常复杂的安全领域下，也是非常有前景的。
“人工智能界还需要一些比较通用的方法，使得人工智能的技术基于某一个单一方案解决更多的问题。比如现在在研究的多任务网络。一个神经网络能不能解决多个不同的问题？包括静态和动态，”
然而，不同的任务的数据参数都会不同，因此，多任务网络将如何实现？其实这门学科也是有历史的，它叫AGI（通用人工智能）。
刘飞说：“现在大家普遍的融合方法，是把几个不同任务的神经网络浅显地综合在一起，过程中训练、研发还是单独的。比如对卷积神经网络的应用。”
然而，让刘飞觉得兴奋的是，这两年学术上的突破并不在这方面，“大家发现谁对反向传播网络有很大贡献的话，那个成果非常值得骄傲，是非常超前的。”
据雷锋网了解，现在典型的反向神经传播网络LSTM，是用在了语音识别领域；还有最近一年左右所涌现出来的生成对抗网络（GANs），也是瞄准在反向传播网络。
不过，“当然不是说我们马上就可以找到一种方式把它们都糅合在一起，但从2006年到现在，所有的生物学习获得突破的问题解决的时候，都是一些在于反向传播的突破。如果把这些基础性的理论问题和相应的工程实践解决好的话，可能我们未来会重新看待和设计用来解决不同领域的神经网络的问题。”
到了今天，我们看到的“刷脸”只是人工智能技术应用的冰山一角。刘飞指出，由于监管滞后、传统行业规范的约束，以及人工智能本身的不可解释性等原因，当前许多超前的技术储备尚未能面世。举例来说，平安科技AI实验室中，科学家们尝试通过对人类维持最低只有30毫秒的微表情的研究，拓展人工智能在情感判断、服务决策和判断等应用。“这个还很任重道远，但是这样的课题已经在前几年就被提出来，它还在发展，而且这个发展的过程会很快。”
如肖京博士所言，“人工智能的技术是基于数据的，有数据才有可为。对于金融业来说，现在已经进入到深度人工智能的阶段，让数据发挥最大的价值。”
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
