度小滿金融CEO朱光：

發信用卡容易及時關閉風險敞口難

這幾年，在探索金融科技這條路該怎么走的過程中，我有幾個體會。

第一，無論是大數據，還是其他互聯網技術，要真正做好風險管理，關鍵一點是要回歸金融本質。這幾年，P2P網貸出了一些問題，究其原因是風控出了問題。回歸金融本質，就是要遵循金融的基本規律，先解決風險管理，再討論以大數據、人工智能技術提高信息分析和處理的效率，進而降低交易成本的事。

第二，深刻體會到互聯網對金融風控的助力。一般意義上說，發出一張信用卡很容易，但要及時關閉一張信用卡的額度很難，或許只有等用戶逾期時才會關，但那時風險已經出來了。

實時調節用戶風險敞口，這對銀行來說頗具價值。互聯網技術和大數據的應用，就可以在實時調節風險敞口方面發揮重大作用。比如用戶從就業變成了失業，或者他的生意從正常經營變成關停，或者他的網絡習慣發生變化等，當一些變量發生異動的時候，我們的風控模型可以及時發現、及時關閉風險敞口。因此，消費金融通過互聯網實現實時的風險調控，大大降低了金融風險。金融科技，讓我們更精準的識別用戶需求、判斷用戶風險偏好和償還能力。

我有兩個建議。

第一，通過利率強管控，化解金融風險。目前，行業普遍存在“高利率覆蓋高風險”的做法，利率強管控可以讓金融機構聚焦在風險管理上，真正夯實自身的風險“防火墻”。

第二，建議對于小額貸款公司能夠實施分級管理。根據風險評級和過去的資產表現情況，能夠區別對待。讓資產質量好、風險管控能力強的持牌金融機構與銀行開展更廣泛的合作，共同推動普惠金融。

全國政協委員周延禮：

金融科技公司做保險業務要體現優勢

相當一部分金融科技公司涉及保險業務，處在初級階段。對此我有三個思考，或者說是對這些企業提三個問題。

首先，金融科技公司做保險業務，要深入地做一些底層技術研發，同時要考慮做全險種。立足于當前中國市場的發展趨勢，我認為這個平臺將來會吸引一些大的保險公司或者再保險公司，利用你的低成本，做一些交易。再比如汽車金融這塊業務，無人駕駛的保險問題誠然是一個新課題，但金融科技企業的保險業務，也要兼顧新能源汽車的保險業務。將來，可以有針對性地開發一些保險項目。比如，

可以考慮和一些汽車公司合作聯動。現在車險占財產保險的比例是70%-75%，金融科技公司可以在獲取更多數據的前提下，做好風險定價，提高理賠服務效率。

第二，保險的資管產品很多，金融科技平臺可以考慮定制一些產品，和保險資管公司合作，增加交易量。

第三，提高金融科技公司專利權保護的意識。大家有一個傳統的概念，就是注重技術研發，強調應用，但沒有強調價值。比如保險模塊，知識產權非常有價值，運用于哪家公司，哪家公司是要長期付費的。特別是客戶行為畫像的技術，可以考慮簽訂數據保護協議，以提高數據使用效率，但不要搞成所謂的“私有云”，也就是我們常說的信息孤島。我認為，金融系統的“公有云”建設是篇大文章，很有得做。

度小滿金融副總裁許冬亮：

底層金融大腦對風控至關重要

金融科技在美國已有百年歷史，形成了幾個明顯規律：第一，金融科技有賴于市場需求去做路徑規劃；第二，使用得當，金融科技可以大幅提升金融業效益；第三，沿著這個坐標軸去看，隨著時間推移，金融科技發展呈現加速狀態，尤其是最近這些年，智能金融在金融科技當中的作用越來越大。

縱觀人工智能發展，我們和銀行伙伴達成了一個共識，那就是金融科技已經歷了三個時代：1.0時代，金融科技是電子時代，典型代表是計算機在銀行當中被普遍使用；2.0時代，金融科技是互聯網金融時代，典型代表是物理網點收縮，業務線遷至線上；當前，邁入3.0時代，金融服務邊界擴大、效率提升，典型代表是人工智能技術在金融科技領域的深入應用。

度小滿脫胎于百度，有兩個堅實基礎：一是百度豐富的場景生態；二是大量人工智能技術。可以說，度小滿是第一個從百度AI商業化學院“畢業”走向市場的。除此以外，類似無人車、DuerOS操作系統還在孵化當中。

結合金融科技智能化的輻射面，以及金融企業的核心訴求，我們布局了三大能力以及底層金融大腦。底層金融大腦包含兩部分，有點像人的左腦和右腦，一部分是感知引擎，解決感知問題，也就是聽說讀寫；另一部分是決策引擎，代表了思考功能，包含了數據分析能力、積極學習建模的能力。這兩部分構成了非常重要的金融大腦基礎。大腦的底層需要有很強的知識庫，包括大數據、知識圖譜作為積淀，這是整個金融科技布局非常核心的內容。

基于這些核心內容，我們有三大能力場景的拓展：一是服務于金融機構，幫助機構拓展服務邊界；二是降低整個金融企業的風險，也就是風控管理，進一步提升風險管理水平；三是降低金融企業的服務成本，就是降本提效。尤其是很多人力密集型工作，就像大家看到的那樣，機器人大幅度替代勞動密集型的一些工作。

底層金融大腦的研發，不僅僅是為了提高運營的效率，更是為金融機構把控風險提供多一層屏障。這方面有三個點值得關注。

第一是大數據畫像。我們基于百度生態上對用戶的感知和認知，可以刻畫出用戶的整個畫像，比如用戶學歷、職業等對應金融消費能力的特點。

第二是大數據多維度防偽。這項功能具備很強的反欺詐能力，也提升了造假的代價。

第三是與傳統金融數據之間形成互補，尤其與中國人民銀行征信系統之間形成較好的互補效應。在這個基礎上，我們可以進一步控制大數據風控當中的一些不可控因素。

在處理大數據風控的過程中，我們也面臨幾個問題。第一，數據比較高維，同時是非結構化的；第二，數據很稀疏；第三，與推薦和搜索引擎相比，金融的樣本量相對較小。