根据证监会官网披露的信息，京东科技控股股份有限公司（下称“京东科技”）的《境外首次公开发行股份（包括普通股、优先股等各类股票及股票的派生形式）审批》于1月21日递交。截至1月24日，进度已达接收材料阶段。

对此，京东集团回应称“不予置评”。

2020年9月，京东数科曾向上交所申请科创板上市，其递交招股书时间仅比蚂蚁集团晚十来天。

但在2021年3月31日，京东数科撤回申请，IPO进程按下暂停键。

在此期间，2020年末，原京东集团首席合规官李娅云接任京东数字科技CEO，统筹负责日常经营管理，直接向刘强东汇报。

2021年初，京东数科更名为“京东科技”。 京东数科，及原京东云与AI事业部，两方整合成京东科技子集团。

更名后，定位为“专注产业的数字合作伙伴，致力于为企业、金融机构、政府等客户提供全价值链的产品技术解决方案”。

此次赴港上市消息传出，意味着京东科技正式重启IPO。

而在刚刚过去的一年中，京东科技也悄然经历了一些变动。

人事方面，雷峰网注意到，原京东数科CEO陈生强，在2021年初转任京东数字科技副董事长及京东集团幕僚长。据悉，陈生强目前已从京东离职。

原京东科技基础技术部负责人周伯文，在整合前曾是云与AI事业部总裁，他也于2021年11月离职，准备向AI方向创业。

曾任京东数科金融科技群负责人的京东“老将”许凌，被称为京东白条的“掌舵人”，他在2021年3月轮岗至集团战略规划部，后于2021年9月离开京东。

负责风险管理中心的京东科技副总裁程建波，也在2021年7月传出离职消息，出任朴道征信总经理。

另一位副总裁徐叶润，也于2021年底正式加盟金证股份，出任首席战略官，及金证子公司丽海弘金CEO一职。他曾是资管科技部总经理，主导JT²资管科技平台的建设。

此前负责开放平台服务群组的谢锦生也均已离开京东，他也曾担任京东数科的金融科技事业部总经理。

从许凌、程建波、徐叶润和谢锦生等人的履历来看，离职高管均有一定金融背景。

组织方面，2021年4月，彭博社报道称，京东科技计划成立金融控股公司，以符合金融科技行业的监管规定；金控部门预计将独立于其他科技业务。

受互联网金融强监管影响，京东科技在过去一年中更强调自身与产业互联网的关联，强调以技术为产业服务，金融成色一减再减。更名之后，京东科技暂未更新过业务数据，相信在后续的招股书中，更多营收状况、战略布局及业务细节将得以披露。

有一部分朋友被标题党给唬住了：我的收款码以后还能用吗？

另一部分朋友在担忧那些小摊贩：老爷爷老奶奶怎么收钱啊？

其实我们先跟业内人士聊了一下，说影响不大，不要害怕，总有办法，会通知哒。

这次也趁着周末，给大家说道说道这个事儿。

这条政策，其实来自于今年10月13日，人民银行发布的《关于加强支付受理终端及相关业务管理的通知》（即“259号文”）。

所以是为什么隔了一个多月突然冲上热搜，谁在搞事

原话是“个人静态收款条码原则上禁止用于远程非面对面收款，确有必要的实行白名单管理。”

有些文章标题，把这句话简略为“微信支付宝收款码不能用于经营收款”，这可能就有点离谱了。

先说一下，微信支付宝出的收款码，分为个人码和商户码。

个人码，就是你打开支付宝、微信，点进“二维码收款”，显示的那个界面。

左边是支付宝，右边是微信

商户码，会复杂一点。它会多出一些流程和界面，比如商户认证、营业执照提交，经营报表的数据呈现等等。

大家有时候看到店主用了个还挺精致的收款码亚克力牌牌，多半是在商户码这里申请的。

左边是支付宝，右边是微信

如果你是一个已经在用商户码的人了，那问题不大。

那么，啥叫“静态”？通常下方会显示“保存收钱码”，这张二维码图不变，你也能收到钱。

相应地，“动态”的意思，就是这张二维码图不变的话，它过一会儿就失效了。它得一直变。

像付款码，就是明显的动态码。

有时候你在便利店，打开付款码等着买单，结果前一个顾客和店员突然吵起来了，你又等了几分钟，这个时候你就会发现，那个付款码会自动地变化一下图案。

所谓“面对面收款”，就是你把手机掏出来，打开App，掏出收款码给对方扫。

“远程非面对面”，就是你把收款码截图保存，发给别人，或者贴在墙上，总之不是一个“新鲜”的二维码。

……明明挺日常挺方便的操作，怎么解释起来这么费劲呢。

通知中提到，“对于具有明显经营活动特征的个人，条码支付收款服务机构应当为其提供特约商户收款条码，并参照执行特约商户有关管理规定，不得通过个人收款条码为其提供经营活动相关收款服务”。

也就是说，如果你只是帮朋友买个东西，回头她把钱通过这个码转给你，那没什么问题。

如果你要做生意，不管你是卖煎饼果子还是烤冷面，总之存在售卖商品、提供服务的行为的话，那最好还是去开一个商户码，不要指望继续使用个人码了。

看到这里，你可能要问，使用个人码招谁惹谁了？和商户码看起来没多大区别啊？

当然有区别啦，商户码要钱的嘛。

商户的收款码是有费率的，个人码没有，如果大家都用个人码，收单这块的收入就少了很多。

但个人收款码，肉眼可见方便了许多，不用额外走复杂的认证流程，还可以直接提现，提现费率也相对较低。

也有熟悉支付宝流程的网友，在社交平台上解释了小商户如何尽量省下手续费，但不少业内人士还是认为，个人码向商户码转换，多少都会导致手续费的增收。

你往上翻一下那个商户经营界面，这么多花里胡哨的功能，收你点手续费怎么了

其实，之所以这么折腾，和税务有莫大的关系。

（雷峰网推荐阅读：《爆郑爽偷税亿元？我发现了AI金融「几个亿」的新商机》）

企业资金要确保真实性，要明确资金流向。会计里有个相关名词叫“三流合一”（或称“三流一致”），指的是：

资金流（银行的收付款凭证）、票流（发票的开票人和收票人）和物流（或劳务流）相互统一，即收款方、开票方和货物销售方或劳务提供方必须是同一个法律主体，而且付款方、货物采购方或劳务接收方必须是同一个法律主体。如果三流不一致，将不能对税款进行抵扣。

简单来说，大家遇到的正经企业，工资通常都走银行代发。

如果你的老板，用个人收款码收付货款，用个人收款码给你发工资，这听起来是不是就不大对劲？很容易导致资金流向不明，存在偷税漏税的嫌疑。

也有媒体翻出了三年前的一个案例：某公司是通过个人账户取得公司收入上百万，这笔账外收入未申报缴纳增值税、城建税和企业所得税，最后被罚补缴税款、滞纳金，并剥夺当年税收优惠。

更重要的一个原因是，近年来搞“跑分”（也就是洗钱）、黑灰产、网络赌博和电信诈骗的，实在是太多了。

一位业内人士告诉雷峰网，如果是银行——网联——支付机构的通路，网联基本都能监控到。

但如果是通过支付宝和微信余额直接支付，那就在支付巨头的体内直接循环，不会过网联，这也是洗钱主要的模式。

比如A有一笔钱先转给B，保留在B的账户余额里；B再选择余额支付，转给C——央行、网联是很难监控到这些资金流向的。

跑分模式，就是这样的思路：

租用很多收款码，将一笔大资金，通过余额，转到这些码，再让这些人帮忙转到其他地方，给几十块“辛苦费”。

当然，各种风控反欺诈的技术也同步在提升当中，但是如果能在收款码这个渠道上就加强监管，肯定更能有效打击违法犯罪。

当时“259号文”出炉，人民银行也已经做过了回应：

“一些不法分子利用收款条码转移赌资，为跨境赌博活动提供支付通道。为有效提升支付受理终端及相关业务风险管理水平，有力斩断跨境赌博等犯罪“资金链”，保障社会公众利益，人民银行在深入调研、广泛征求各方意见的基础上制定了《通知》。”

可见这些措施的出台，是为了狙击不法分子，结果在一些并不准确的报道下，传出了给大家伙添堵的效果。

不过，怎么保证这种严厉的措施，不会误伤到遵纪守法的普通用户，和搵食艰难的小微经营者呢？

从众多专业人士的反馈来说，应该不用太过担心。

一是支付宝、微信已经有了比较成熟完备的商户码服务体系，按需“转码”不会太难。

二是条例明年3月才生效，至少还有三个月的过渡期，很多亟待明确、讨论的细则，相信也会在这段时间里陆续出台。

业内人士也告诉我们，首先会被针对的，肯定还是大额、高频的可疑交易。

我：那我还可以靠卖煎饼果子发家致富走上人生巅峰吗？

他：八块钱的煎饼果子，我觉得不算大额。

为了应对这种情况，人民银行也提到了白名单机制。

如果一定要远程收款，一定要用静态码，就让收单机构把你拉进白名单，给你的交易开个小小的口子。

但是，怎样才可以上白名单？准入门槛是怎样的？个人静态收款码的有效期、使用次数和交易限额等会做出怎样的限制？其实都是未知之数。

业内人士表示：

如果设下一刀切的固定标准，例如交易超过多少笔数、多大金额，就对收款码做出限制，很容易导致黑灰产“贴着标准做事”，疯狂打擦边球。

所以，支付机构有可能采取一些动态的、实时的监控手段。

“其实监管层是给支付机构提要求，怎么把问题控住是你机构的事，做了就来汇报，监管再根据情况讨论或出台相应的细则。”

总的来说，大方向已经明了，剩下的就看支付机构能否平衡好监管要求和用户体验了。

当然，这个新闻，不是所有人看了都会忧心忡忡，有些人就一眼抓住了商机。

有网友就开玩笑说“利好银行”。也没见银行股涨啊。

打开大盘，昨天赢麻了的，其实是一群数字货币概念股。

为了反偷漏税、反洗钱、反诈骗嘛，或许只要是打击犯罪资金链的，统统利好数字货币概念股。

但目前数字人民币，还没有成熟到支持大额支付。

更直接的利好群体，可能是一些第四方支付企业/聚合支付商。

有时候大家会看到商家收银台上，摆了一个收款码，底下标了一溜图标，意思是你打开微信支付宝某某银行，无论哪个App，都能成功付款，这个码它就属于聚合支付。

但这也不等于聚合支付商能成功躺赢，央行也发布过不少关于聚合支付管理规定，支付领域的监管只会日渐向纵深发展。

好了，今天的亿点点商机分享就到这里，咱们下一次赚钱机会（合法的那种）再会。

雷峰网

平安科技的高层阵容，似乎没能在2021年维持平静无波的局面。

雷锋网《AI金融评论》注意到，平安科技首席数据官翁志、首席信息官庞晶，目前均已不在官网的管理团队名单中。

这意味着，一年时间内，平安科技至少有四位拥有技术背景的高管离职。

在高管团队继续变化的同时，平安科技也在大量招揽咨询人才，转做数字化咨询的“野心”越发清晰。

唱衰这场转型的人不在少数，一位四大出身的咨询顾问就向我们表示，转道咨询是大可不必：“时机不太对，内容不到位，转了也是浪费。”

但也有资深业内人士指出，不仅是平安科技，可能对所有科技公司而言，这都是“正确且必要”的一个方向。若不能点亮咨询这棵“技能树”，再强的技术积累，到了对外输出的时候，也要大打折扣。

或许正如我们在《AI商业模式的脱靶、崩塌、救赎》写到的那样：咨询，某种程度上正是AI公司们逃出死局的出路。

两大技术高管离职，咨询人才需求激增

“刚发现平安科技官网上，好几个老总都不见了……小伙伴们情绪还稳定吗？”早在八月初，就有网友发现，平安科技的高层，又少了两个。

与2020年底的阵容相比，现在平安科技管理团队只剩六位，暂无新增。

首席信息官庞晶、首席数据官翁志的名字已不见踪影，两人的职业去向也尚无任何公开报道。

庞晶在2017年加入平安之前，曾经是渣打银行的CIO，负责渣打在中国的技术及团队运营。来到平安之后，她的主要任务是“推动集团综合金融平台建设、中后台管理职能平台的管理、业务流程的梳理优化。”

翁志则擅长数据存储、数据挖掘、人工智能、分布式计算、网络安全、云计算等领域，曾任职于京东、Google、Oracle、Sybase等公司，有着超过二十年的海内外高新技术研发管理经验。

时间向前推至2020年下半年，CEO陈立明、CTO兼总架构师方国伟等人相继离职。

（推荐阅读：《平安科技人事大调整：CEO陈立明离职，平安人寿CTO钟捷出任总助》）

陈立明的履历与庞晶颇有相似之处，CIO这个关键词，贯穿了他的职业生涯。他曾在渣打银行工作十八年，担任大中华&北亚区CIO；离开平安科技后，他的新身份是苏黎世保险的CIO兼CDO（Chief Digital Officer，首席数字官）。

带领过团队构建平安云的方国伟，曾任职于华为、AWS、微软，如今又重返华为，担任华为云的首席产品官。

不难看出，平安科技最近一年离职的高管里，至少四位有着一定技术背景。

也是在这一年里，平安科技对咨询人才的需求愈发强烈。

“去年的校招和社招，就已经有一些咨询岗位了。这些岗位对工作经验的要求，1-2年的、十年以上的，都有。”小李曾在某四大外资咨询公司担任咨询顾问，她在去年就注意到了这一变化。

如今，在招聘官网搜索平安科技的“咨询”岗位，会出现不少标着“战略咨询师/咨询顾问/总监”“高级战略规划岗”等相关职位，多半归为计算机网络技术类、经营管理类、项目管理类等类别之下，工作地点分布在上海、深圳等地。

单是8月26日这天更新的招聘信息，与咨询岗有关的已有十余条，招聘人数超过50个。

从技术到咨询：跳进新的陷阱？

“这样一来，科技范儿没有以前浓了。”一位接近平安的业内人士感慨，“搞技术的高管，都走得差不多了。”

纵观平安科技近年变化，战略重心的调整十分明显。

他表示，方国伟在职期间，平安科技明显以云为重要战略 ，“至少在2020年之前，他们最看重的，还是云和AI。”

但他们是否把握住了云和AI的风口起飞，或者完成了不错的技术积累和输出？不只一位受访者认为，这个问题很难有肯定的答案。

而从去年开始，数字化转型大潮汹涌而来，“这时候做咨询，说不定更容易胜出。”该业内人士指出。

“陈立明是典型的CIO，而陈心颖是麦肯锡出身，走技术方案和走咨询，打法很不一样。”他告诉《AI金融评论》，这不仅是战略层面上的考量——在陈立明离开后，平安科技对咨询的重视程度应该只增不减。

不过，重视归重视，并非每个人都看好平安科技转做咨询。

小李质疑，这未必是个很好的入局时机：行业内卷本身就过于严重，打着旷日持久的价格战。“连老牌咨询公司，也在用子品牌做一些量大价低的业务，在试图求新求变。”

“没有巨大优势的话，我想很难立足。”

那平安科技能找到合适的咨询人才、输出有优势有特色的的战略咨询服务吗？

“我们也接触过他家的战略咨询校招生，说进去之后工作内容也是画PPT——好歹也是科技公司，这跟普通的咨询公司，差别到底在哪？”另一位前战略咨询师抱怨道。

她认为，就算是集中地、大量地招聘咨询人才，也不能保证平安科技能够顺利度过转型“阵痛期”：纯咨询人才能多懂技术？纯技术人才有多懂咨询？磨合难免痛苦漫长。

“就像读书一样，你可以从头到尾读下来是一回事，抓到重点是一回事，深入浅出地向别人解释重点、让对方明白，那又是另一回事了。”

社交平台上也出现了一些关于咨询业务的“偏见”发言：“太虚了”“都是高薪养人做PPT”……

或许，这些疑问已经萦绕在众人心头许久：

是科技做不下去了，才做咨询吗？

做了咨询，会越做越差吗？

入局咨询者，只会越来越多

相反，在数字化转型的大潮下，做咨询或许是势在必行。

“转做咨询不是只做咨询，重点是科技+咨询，做数字化咨询。”前述业内人士强调。

像平安科技提高咨询能力“配置”的做法，IBM副合伙人付晓岩认为，从长期来看，很有必要：

因为无论是何种科技输出，都是要了解对方企业、理解对方业务，再据此规划解决方案，再才是技术的具体实施。

“很多企业也不知道数字化转型到底是什么，应该怎么做，方法论是什么。他们可能只做完了顶层设计，具备写出高级方向的能力，但还没有形成把高级方向落到实际业务活动中的能力，进入不到业务流程中，这些都是可以通过咨询来解决的问题。”

而一些金融科技企业、互联网头部企业的咨询能力或许并不足够，也尚未对此有足够的重视。如果不能加强自身咨询能力，科技输出的圆满程度，多少要打一些折扣。

同时，付晓岩也向我们指出，从战略咨询做起，是一个不错的方向，直接与高层对话能够加速数字化转型的实施。

“战略咨询意味着直接接触高层，当企业高层认可你的观点，后续的解决方案、科技产品的输出，渠道都已经打开了。”

雷锋网《AI金融评论》也注意到，在金融科技领域，平安科技其实并非公开入局咨询业务的第一家。以金融风控反欺诈起家的同盾科技，就孵化了咨询子品牌。

部分头部技术厂商也日渐重视团队中业务专家的配比，尽管这些专家不一定以咨询人才的名义出现，但也同样执行着类似的职能。

咨询能力，不仅是技术输出方未来的必备技能，更是AI公司们的转机所在。

以往的AI公司，往往只向客户提供单点技术服务，如人脸识别、语音交互、机器学习决策等等，远没到战略咨询、IT咨询阶段。

但现阶段的AI企业，随着业务不断下沉，逐渐做重，本质上成了数字化企业。

数字化，用什么技术不重要，重要的是做好顶层设计、组织管理规划、数据沉淀、数据流通、数据决策，最终实现智能化。

如今的数字化转型解决方案，不再是单纯的软硬件实施，而是对人、组织、流程、IT的整体改造。

AI企业可以设立“咨询子公司”，自上而下摸清楚各种场景、客户、领导的需求，拉通供应链关系，一来，以自身的方式经营客群关系，并帮助母公司去直接获客，承接项目实施。二来，在更深入了解客户需求后，反哺主公司的整体解决方案。

坦白讲，咨询只是引子，打通客户决策层之际，为自己的项目实施业务拉客。更通过这个引子，吃透行业，了解更多客户需求，让解决方案更为健全、通用。

好比一家装修实施公司，额外经营了一家家装设计子公司，设计公司先给业主做出设计规划，提供装修的用料、实施商的选型参考，同时推荐自家的实施母公司，来做最终落地。

（推荐阅读：《AI商业模式的脱靶、崩塌、救赎》）

文因互联CEO也曾向雷锋网《AI金融评论》表示，技术公司和咨询公司都会各自发生变化，直到最后出现一种融合二者优点的新型组织，能够对客户的核心业务流程深入理解，沉淀当中的专业知识再组件化，形成大量的业务标准件提供给客户。

同时，咨询的模式偏轻，资金压力小，技术企业入局的风险也较低。

或许在不久的将来，我们就能在平安科技身上，看到这样一条实施路径：从重定制集成项目实施，到立足数字化咨询，再以咨询业务反哺重定制实施，最后与大型客户建立高粘性和系统不可替代性——彻底以“技术+咨询”双管齐下的姿态，夺得先机。

“辛辛苦苦培养的技术专家，在业内稍微有点名气就被银行挖走了。”一位AI公司的中层向雷锋网抱怨道。

这样的情况并非个例，不止一家科技公司与我们提起人才流失这一难题，而这在BAT这些互联网大厂身上更为多见：自己公司的专家和银行多打几次交道，一来二去的可能就“看对眼了”，宁愿回到金融机构的怀抱。

现在的银行不再像当年那样对科技和互联网反应迟钝，这批在科技公司磨练过的、既懂技术又懂业务的复合型人才，自然成为银行的“挖角”首选。

除了薪资，科技公司似乎并没有太多招架之力。通常为企业文化和团队凝聚力而设的“花名”体系，甚至成为部分科技公司“严防死守”的招数之一，让技术专家公开曝光时统一用花名对外，尽可能减少真实个人资料露出，试图阻止银行把专家挖走。

“这应该是互金‘凉了’之后的第二波回流。”该中层感慨，随着互联网金融被监管“速冻”，近几年确实出现过一波人才被迫流向金融机构的情况，但如今的这波回流却多了一些主动转向的意味。

有些金融科技人才心中的天平，似乎又向传统机构倾斜了——为什么科技公司不再是他们的“第一顺位”？

纵观从业者们的选择和观点，个中缘由可大致分为三点：

• 钱，薪水和工作体验、工作量不相匹配；

• 人，行业思维、工作风格、可能出现的派系斗争，各方面合不来；

• 势，更多金融机构有了科技转型思维，科技公司在监管大势下风头不如以往。

钱是多，但性价比低

在上篇《BATJ的金融高管们，正在「默契」回归传统机构》中，曾有城商行高管向我们透露：

“五年前，那些有头有脸的互联网公司，给部分银行高管开出的薪资，至少是老东家的两倍甚至三倍以上。市场非常疯狂。”

薪资，无疑是科技公司留住人才们的最大招数，业内也普遍认为金融机构的薪资福利不如科技公司有吸引力。

零壹智库所发布的《金融科技人才招聘系列报告（2021年Q1）》（下称《报告》）指出，

股份制银行、金融外包企业、综合金融和保险企业招收5成以上的金融科技人才，薪资水平却不高，主要在1.05万元/月至1.36万元/月之间。

但并非所有人都愿意只为了钱就留下来。

“钱确实多出不少，但留在互联网大厂的金融云部门，实在不划算。现在不比以前，项目的交付不等于结束，要为了客户24小时stand by，加班开工，随叫随到，这都是家常便饭。”

李盟（化名）刚刚离开一家大厂不久，已经接到了一家银行科技子公司的offer。

在他看来，工作不能只看薪水总额的高低，要看性价比：“工资平均下来，时薪可能还没有在银行高吧。”开出两三倍的薪水往往也意味着，一秒要掰成两三秒花。

无论是已成气候的大厂，还是在各个细分赛道耕耘的、尚在创业期的金融科技公司，都难逃加班的劫。

也有科技公司中层向AI金融评论透露，确实有相熟的专家与公司提薪协商未果，宁愿降薪加盟金融机构。

而另一位正在寻觅金融机构工作机会的程序员，担心自己如果没有大幅晋升，很难在大厂留到35岁以后，年龄的焦虑驱使他寻觅一份“可以做得长久一点”的工作。

“（待在科技公司）好是好，但终究是一碗青春饭。”

值得注意的是，《报告》提到有四类公司的薪酬处于“行业天花板”，均超过2.5万元/月：

区块链公司、征信公司、大数据风控公司，和银行金融科技子公司。

近年来，传统金融机构加速数字化布局，纷纷成立专门的金融科技部，或是升级原有的信息科技部门，独立的科技子公司更是成为众多银行的标配。

从数据来看，银行系科技子公司在薪酬方面的吸引力，有望追上甚至超过金融科技公司们。

目前，金融科技人才的薪酬只见涨不见跌，特别是技术研发类岗位，薪酬涨幅高于行业平均水平。

近期一份来自科锐国际的《2021人才市场洞察及薪酬指南》（下称《指南》）也指出，大数据风控、AI人工智能、云计算、数字化转型类岗位，跳槽涨幅在20-30%之间。

而首席信息/技术官的年薪在300-500万元，跳槽涨幅为50%；信息技术部总经理年薪大概在150-200万元，跳槽涨幅为30%。云计算、金融大数据挖掘和分析三类岗位的预计年薪，达到50-80万元的水平。

机会是大，但人员管理混乱

薪资问题其实只是一层“遮羞布”。

不止一位业内人士向雷锋网强调，不适应互联网公司的文化，是不少人才回到金融机构的首要原因。

“内卷太严重了，回银行的话，‘卷’得至少没那么厉害。”其中一位银行业人士感慨。

这种水土不服，有相当一部分来自于竞争压力，在科技公司内卷，绩效标准严苛，使他们转身向往起传统机构“体制内”的安稳。在科技公司短暂工作过的该银行人士也指出，金融机构的内部的体系也趋于稳定，人事动荡、派系斗争的情况要比大厂或初创公司少。

“虽然银行同样派系林立，但大多派系已经运转地非常成熟，派系的历史越长、规模越大，对中低层的员工来说越没什么大影响。毕竟斗争是大佬们的事，炮火落不在我们身上。

“而科技巨头的金融部门，派系还没有形成气候，规模也不大，所以即便是普通员工，也会卷入到高频的站队和小斗争中，虽然闹腾得不大，但时不时扰乱你，很心累。”

多份行业报告也指出，在今年的经济形势下，银行的中高管人员跳出体系需要更大的魄力，寻求银行体系内或者同业机构内的工作机会，也在情理之中。

另一位曾在城商行和科技巨头“反复横跳”的技术专家则表示，科技公司与金融机构在管理体系上的差异较大，很多人适应不了扁平化的组织架构，又或者是饱受部门协作不畅通、权责不分明之苦，“我身边很多朋友经常跟我抱怨，BATJ的金融云部门，管理非常混乱。”

他指出，管理混乱是多重因素导致的：

首先，部分管理层的最终目的，并不是为了把事情做好，而是想方设法，从领导那里要到更多人，拿更多资源，把盘子做大，快速晋升，再进入下一轮循环。但最终，也导致了整个团队的动作变形。

要知道，当前的金融云，是一块需要“堆大量人头”的业务。人越多，才能接得住更多大型项目；项目多了，营收涨了，公司自然会给更多Headcount（职员总数）和资源，相应地，你才能做更多事。

这让很多管理层，冲着“要人”和“要资源”去。结果，最核心的产品打磨、质量管理、团队流程体系建设，ISV合作、项目交付，反倒成为优先级靠后的工作。

这种情况在任何IT公司都存在，但在BAT更加严重，究其原因，是互联网本身的“基因缺陷”。

BAT这样的互联网公司，To C部门的人效非常高，躺着赚钱，利润率远高于云计算之类的B端业务。与之形成反差的是，目前各大互联网巨头的云事业群，已经成为公司最占人头的部门之一，但亏损也可能最严重。

“人最多，但营收和利润最低，云部门要再从集团手上拿更多Headcount，变得非常难。即便是非常优秀的高管空降，银行出身，带着核心客户跳槽过来，也经常会因为要不到人，无法开展业务，郁郁不得志，只好失意重回银行。”一位云公司高管也向雷锋网抱怨道。

不得不跑马圈地式的工作模式，一步步让管理者们的决策，变形、扭曲、短视。

起初他们表示理解，毕竟业务起步不久，需要经历一个改善的过程。可是这种混乱，随着项目的增多、不同背景人员的增加，他们发现，内部组织流程优化的难度越来越大，似乎很难有实质性的好转。

“互联网公司的云部门，要么集团给予不设上限的支持，要么让其独立运作，否则原有的基因和原有组织模式，会产生大量干扰，不得不走弯路。”

其次，互联网公司的金融云部门，还有一项更头疼的问题：工作流程以及考核标准的更替。

“很多金融云的员工，是从To C互联网业务线调过来的。相当于你原本是知名品牌的流行服装设计师，搜集好市场需求，把握好时尚趋势后，在背后运筹帷幄去设计衣服，做出来什么，消费者就得穿什么。

“而现在，角色变了，你成了一位裁缝，是一位给品位堪忧、态度恶劣的土大款，量身定制多套服装的裁缝，而且长期贴身服务，对方稍有不满意，立刻得修改。

“To C业务线的人来到金融云，依旧以服装设计师的工作模式和态度，去做裁缝的活儿。管理层怎么扭转他们的心态，怎么让他们适应新流程，怎么考核，难度都非常大。同时，让互联网大厂的原住民员工，和从外部IT公司员工搭档，磨合适配，更是棘手得很。”前述技术专家表示。

关于大厂们组织文化、管理水平的讨论，近年来也逐渐增多，该技术专家也提到，组织文化背后也反映了一些晋升逻辑、行事风格，这些因素某种程度上也影响了人才们的去留。

在《BATJ的金融高管们，正在「默契」回归传统机构》中，我们同样提到，一些BATJ的金融高管们，出走又回归的原因之一，还是“磨合”二字：

传统金融机构高管进入互联网公司后，由于思维模式、做事风格迥异，很难与互联网公司的高管以及下属完成有效的磨合。如果一位空降的高管在两年内都没有搭建好自己的班子，出局是必然的结果。

除此以外，还有一部分金融机构出身的人才们，因薪资福利和行业前景而来，却无法适应从甲方到乙方的身份转换。

“以前都是被服务的甲方，现在却是随传随到的乙方，再去直面甲方的很多需求，心里多少有些落差。”另一位刚离开银行不久、进入到某知名金融云团队的从业者也感慨。

正如前文所言，如今很多项目上线，并不是合作的结束，而是刚刚开始。另一位服务过金融机构的SaaS企业高层就向雷锋网表示，这意味着团队要持续提升客户满意度。

“大中型金融客户更要求专属团队、贴身服务，个性化需求不少，服务难度比以前更大，这种挑战不是谁都吃得消的。”

方向是好，但风口在紧缩

而跳出“钱”和“人”去看，潮水的方向也已有所转变。

“去年年底开始，监管的重压已经非常明显了。”多位受访者都提到了监管因素，认为这也让不少人才对科技公司的前景感到悲观。

部分大厂高管的回流，正是因为监管机构对互联网金融公司的审查愈加严格，上市变得愈加遥远，手中的股票成了一张白纸，套现遥遥无期。

回想数年前互联网金融红极一时，银行业增长放缓，大批人才跳出传统机构，追逐风口。

但如今P2P彻底清退，大数据公司遭严打严查，互联网存贷双杀，牌照的管制、监管条款的限制下，《指南》认为，整个人才市场趋于冷静，小公司、细分领域越来越难有生存空间，市场出现饱和。

稳健合规，又再次成为部分人才择业的第一标准。

诚然，有一部分人才回流，是因为在科技公司“待不下去”，才选择回到金融机构。但不可否认的是，现在的金融机构，比以往任何时候都要更需要人才、更懂人才。

机构们试图摆脱自己“大象转身”的刻板印象，主动拥抱科技变革的姿态，也更吸引人才向他们靠近。

尤其是从去年开始，新冠疫情直接让金融数字化转型进程提速，客户经营已不再停留于传统的展业模式，服务的每一环都会是精细化经营的体现，金融机构对科技人才的需求更是急剧上升。

而那些在互联网公司历练过的人才们，正好可以把互联网的经验和资源，带回至传统金融机构。这类拥有双重背景的人，自然在数字化转型时代下，深受企业家们的青睐，给足人力和财力，让其在公司大展拳脚。

前述科技公司中层也表示，专家们经过千锤百炼，既懂技术又懂业务，这种“金融+科技”的复合型人才，自然也就成为金融机构们“挖角”首选。

雷锋网也注意到，部分曾有BATJ工作经验的中高层，选择过自行创业、成立AI金融公司，但也在最近两年回到金融机构的体系之内，担任银行系科技子公司的业务线负责人。

不难看出，大型金融机构向中小机构，通过科技子公司/科技部门，输出自身沉淀多年的技术能力和行业经验，已是大势所趋。监管层也通过多次发声，鼓励大机构“挑起重担”。对科技子公司的重视和扶持，也意味着科技人才们在选择回到金融体系时，有了更合适的去处。

封面图片来源：电影《信条》

今日，我们注意到蚂蚁集团的管理团队名单发生重大变动：和原先的名单相比，最新名单至少有5位高管离开，新增2位核心管理人员，1位原高管再度回归蚂蚁。

1位回归者

今年5月，曾有消息称，尹铭已经离开阳光财险，重回蚂蚁怀抱。此次他的名字出现在名单当中，意味着他的去向尘埃落定。

尹铭曾担任蚂蚁金服保险事业群总裁，他于2015年9月加入蚂蚁金服，去年离开蚂蚁，加盟阳光财险。在2015年加入蚂蚁之前，尹铭曾在中国人寿财产保险和太平保险任职。

2位新面孔

李臣和赵闻飙，此前并未出现在蚂蚁集团招股书的高级或重要管理人员行列，这次则出现在了名单上。

李臣：2016年加入蚂蚁集团，现任蚂蚁集团副总裁和首席合规官。在加入蚂蚁集团前，李臣是高盛高华证券有限责任公司首席合规官，拥有超过20年的金融及风险管理工作经验。

据了解，2020年11月，李臣被任命为蚂蚁集团合规负责人。 

赵闻飙：2016年7月加入蚂蚁集团，今年4月起才担任蚂蚁集团大安全事业群总裁。

加入蚂蚁集团之前，赵闻飙在美国运通公司担任副总裁，负责监管个人和小微企业的信用和欺诈风险。 

5名离开者

以下5位高管，没有出现在现在的名单中，他们的最新去向也尚未披露。

陈磊明：自2016年3月开始担任蚂蚁集团高级副总裁。

在加入蚂蚁集团之前，自2006年4月至2016年3月，陈磊明为美国盛信律师事务所合伙人及中国业务负责人，长期从事以中国公司为主的各类股票和债务发行及收购兼并项目，曾经参与了阿里巴巴集团的2014年在纽约证券交易所的首次发行上市。

Douglas Feagin：自2016年6月起担任蚂蚁集团高级副总裁。

在加入蚂蚁集团前，Douglas Feagin曾任职于高盛集团，在银行、科技与保险等行业以及美国、拉美与亚洲地区拥有广泛的客户关系。

邵文澜：自2020年8月起担任蚂蚁集团副总裁，历任花呗事业群总经理及消费金融事业群总经理，并自2019年6月起担任芝麻信用董事长。在加入蚂蚁集团之前，邵文澜任职于阿里巴巴集团。

芮雄文：自2017年2月起担任蚂蚁集团副总裁，拥有20多年的风险管理经验。

在加入蚂蚁集团之前，自1995年至2017年就职于美国运通公司，曾任资深副总裁，负责欺诈风险管理。

张彧：自2019年9月起担任蚂蚁集团副总裁。在加入蚂蚁集团前，张彧是阿里巴巴集团财务副总裁。

有关蚂蚁人事变动的猜想

尽管蚂蚁没有对上述管理团队变动作出任何回应，变动原因也并未披露，但业内人士告诉雷锋网，这次调整，或许可以从之前的众多信息里找到诸多蛛丝马迹。

猜想一：对合规的重视再上台阶？

名单的新面孔之一，李臣，2016年加入蚂蚁，但成为蚂蚁的合规负责人是在2020年11月——2020年11月初，正是蚂蚁上市暂缓的时间点。

此番李臣作为首席合规官，正式被列入蚂蚁管理团队名单，似乎与去年京东科技的人事变动，有异曲同工之妙，都意味着科技巨头对合规问题的重视程度再上一个台阶。

去年年底，京东集团首席合规官李娅云接任陈生强，成为京东科技（原京东数科）CEO。

猜想二：蚂蚁高管，助推阿里云上市？

早在去年年底，据内部人士称，阿里云高管曾放话，2021年他们将冲击1000亿营收，若达成目标，将立即启动上市进程。

等到2021年4月，阿里云独立上市的消息已于业内逐渐传开。

独立上市，要解决两大难题，第一是从阿里主体中拆分，第二就是IPO。

此次离开蚂蚁的高管陈磊明、Douglas Feagin、张彧等人，在蚂蚁的主要职务之一，正是为蚂蚁铺平上市道路。

眼看当下蚂蚁的上市之路变得扑朔迷离，他们是否会调任至阿里云，协助推进上市计划？

猜想三：王磊有无可能做阿里云二把手？

2018年，时任阿里云总裁的胡晓明，出任蚂蚁CEO。

当时消息人士告诉雷锋网，调任胡晓明的最大目的，是加快业务拓展速度，给IPO最后临门一脚。

就在近日，阿里本地生活进行了重大组织调整，M7王磊卸任CEO，但未宣布其去向。

“胡晓明和王磊都是阿里守城能力最强的高管之一，不排除王磊像当年的胡晓明一样，被调至急需IPO的子公司，作为二把手，加速业务进程。

“其实今年各大科技公司的云业务，都有重大组织调整：华为云更换多次领导层；腾讯CSIG修改了原有的职级体系，汤道生出任CEO，邱跃鹏担任COO。阿里云若在今年也进行重大调整，合情合理。”另一位业内人士分析称。

此外，内部消息称，肖利华已不再担任阿里云新零售事业部总经理总经理，转任研究院院长——未来零售云谁来统帅？有过电商、本地生活经验的王磊团队，无疑是最佳选择。

倘若在IPO层，有陈磊明、Douglas Feagin、张彧的护航，业务上有王磊等人的加持，阿里云上市会变得更加明朗。

猜想四：为蚂蚁个人征信牌照做准备？

尽管邵文澜已不在名单中，但今年6月初，蚂蚁消金公司获批，她是股东之一，这意味着她极有可能仍留在蚂蚁体系内。

值得注意的是，今年4月，监管部门再次联合约谈蚂蚁集团，蚂蚁当时的回应里就有一条“申设个人征信公司”，持牌合规经营个人征信业务。

而邵文澜正是芝麻信用董事长，芮雄文也有二十余年的风险管理经验。倘若蚂蚁有设立个人征信公司的打算，相信他们会是较为合适的高管人选。

雷锋网雷锋网雷锋网

来自平安集团的收入4.36亿元，较去年同期的2.28亿元，同比增长91.6%。

早在2019年年底IPO之时，金融壹账通就因为“啃老”平安集团而饱受争议，一直都没有彻底摆脱“缺乏独立盈利能力”的质疑——没想到上市近一年半之后，对母集団的依赖程度不降反升。

而在金融壹账通成功上市的这一年半时间里，公司内部也出现了剧烈人事变动，涉及到的高管有近十位。

Q1成绩单：对平安系的依赖不降反升

昨日，在纽交所上市的金融壹账通公布了截至2021年3月31日的第一季度未经审计的财务业绩。先来画个财报重点：

• 收入从5.81亿元人民币增至8.2亿元人民币，同比增长41.1%。

• 营业亏损3.46亿元，上年同期为4.45亿元。

• 归属于股东的净亏损为3.05亿元人民币，上年同期为4.15亿元人民币，同比收窄幅度为26%——无论是同比还是季度，净亏损都进一步收窄。

• 经营亏损从4.45亿元人民币降至3.46亿元人民币。营业亏损率为42.2%，上年为76.7%。
  

收入的来源包括母集团、陆金所和第三方客户：

• 来自平安集团的收入4.36亿元，较去年同期的2.28亿元同比增长91.6%；

• 来自陆金所的收入为7510.5万元，较去年同期的8339万元同比下降9.9%；

• 来自第三方客户的收入为3.09亿元，同比增长14.4%。

各个收入来源占总收入的比重有哪些变化？金融壹账通CFO罗永涛指出，第三方客户的毛利率和收入贡献均显示出季度环比反弹。

单位：千元人民币

但显而易见的是，无论是金额还是收入占比，金融壹账通对平安集团的依赖程度，较去年同期都有了极其明显的增长；来自“近亲”陆金所的收入则有所下降。

市场最关心的，还是金融壹账通能否依靠第三方客户贡献的收入，进一步“独立行走”。但从收入占比的变化来看，今年一季度反而离这个目标更远了一步。

纵观此前数据，截至2017年、2018年、2019年和2020年Q1，金融壹账通来自平安集团及陆金所的销售收入占比分别为70.6%、64%、57%和53.5%。

但在今年一季度，平安集团和陆金所带来的收入加起来占比又超过了60%，多少有些“一朝回到解放前”的意味。

不过也有市场观点认为，这种对平安系的依赖，能够有效减少壹账通受到的竞争冲击，对业绩的稳定性不失为一个正面因素。

• 收入增长的驱动，主要来自云服务平台和运营支持服务。

其中，去年推出的云服务平台，现在占总收入的22%。

CEO叶望春特地强调了云服务平台的战略意义，称不仅弥补了低价值产品退出带来的缺口，还实现了超过40%的收入同比增长，称“对于整合我们的资源和定位，更好地支持金融机构的数字化转型，至关重要。”

可是该平台的推出也带来了成本增加。财报显示，收入成本为5.41亿元人民币，上年为3.79亿元人民币，主要原因是云服务平台推出相关费用增加。

运营支持服务方面，收入同比增长29.1%，从1.64亿元人民币增至2.12亿元人民币，反映了汽车保险路边救援和人工智能客户服务等解决方案的增长。

但壹账通表示，由于产品的逐步淘汰，业务发起服务的收入从1.81亿元降至1.18亿元。

该类服务涉及智能呼叫服务和保险损失评估服务等，去年此时也有了较为突出的增长（从2019Q1的6600万元，增加到20201的1.64亿元）。去年的增长被认为是，疫情影响下业务线上化、远程办公的需求激增所导致的，预计这类需求在未来也将缓慢持续地对运营支持服务有所贡献。

另外，金融壹账通系统本季度处理的零售贷款额，从127亿元增至141亿元，同比增长11%。

• 各项费用支出上，研发投入和营销费用的金额都上升了，但占收入的比重有所下降。

营业费用总额为6.36亿元人民币，上年为6.09亿元人民币。总营业费用占收入的百分比从104.8%降至77.6%。

研发费用总计2.81亿元人民币，上年为2.4亿元人民币，反映出支持云计算等新解决方案开发的支出增加。研发费用占收入的比例从上年的41.3%降至34.3%。

销售和营销费用总计1.67亿元人民币，上年为1.56亿元人民币，主要是由于营销和广告费用的增加。销售和营销费用占收入的比例为20.4%，上年为26.8%。

人事变动：涉及近10位高管

金融壹账通的“啃老”是为业绩稳定有意为之，还是高层动荡下的无奈现状？外界多多少少会将这场旷日持久的人事变动，和业绩表现关联起来。

AI金融评论了解到，区块链业务部总经理陆一帆，不久前已离开金融壹账通。而在金融壹账通2019年底成功上市后不久，公司内部就有高管变动：

（推荐阅读：《平安系高层地震：8个月，近二十位高管辞任》）

2020年2月，金融壹账通投资一账通原CEO黄绍宇离职，接替他的是原平安基金资产配置事业部总经理杨潇。

而黄绍宇的新职位为北京泛鹏天地科技负责人——这正是金融壹账通上市前收购的公司之一。

3月，金融壹账通首席风控官高帆、首席战略官戴可辞职，去向仍未明朗。前者在平安任职时间未满一年。

期间，首席财务总监刘晖也传出突然离职的消息。但金融壹账通当时曾对媒体表示，刘晖并未离职，属岗位调整和交流。

6月，金融壹账通联席总经理、首席创新官邱寒辞职。两个月后，邱寒加盟PayPal，出任中国区CEO。

7月，黄宇翔卸任金融壹账通副总经理，未来将不再担任金融壹账通副总经理、首席技术官及首席运营官。随后他接任平安科技总经理一职。

与此同时，金融壹账通原总经理助理李捷将接替黄宇翔任首席技术官一职，区海鹰接任李捷的职务。

四年研发投入超38亿，壹账通会厚积薄发吗？

但即便面临业绩质疑和内部调整，金融壹账通仍然有着无限潜力，在数万亿金融数字化转型蓝海中有着自己的步调。

摩根士丹利就曾在调研报告中给出“买入”评级，表示看好长期需求，“并相信金融壹账通在行业中处于有利地位。预计，金融壹账通的收入在2021-2023年将保持40%复合年增长率。”

正如前文所述，云服务平台的推出，TaaS（Technology－as-a-Service 科技即服务）的定位，为金融壹账通带来再次生长破局的机会。

这一商业科技云服务平台，核心覆盖了IaaS金融云、BaaS区块链平台、DaaS数据中台和PaaS金融科技生态圈。

而目前金融壹账通16大产品线，覆盖了从营销获客、风险管理和客户服务的全流程服务，以及从数据管理、智慧经营到云平台的底层技术服务，为金融多个细分垂直领域提供“全流程、端到端”的科技赋能。

值得一提的是，2020年金融壹账通用于研发投入的总费用指出为13.70亿元，同比增长16.8%；最近四年的研发总投入，超过38亿元。截至去年年底，金融壹账通的全球专利申请也已累计达4836项。

基于这一庞大的科技投入，以及背靠平安集团的先发优势，使得金融壹账通对金融行业数字化转型的理解，走在同业前列。财报也披露称，截至2020年12月末，金融壹账通已累计为642家银行、106家保险类机构提供服务。

未来金融壹账通能否以TaaS平台的身份，在金融科技服务行业中站稳脚跟，真正完成“自体造血”的目标，值得期待。

雷锋网雷锋网雷锋网

不久前彭博社报道称，一位海外分析师在报告里直言，蚂蚁集团的估值可能从此前的3200亿美元，降至290亿~1150亿美元。

翻看十个月前刚启动IPO时的报道，市场热议蚂蚁估值大可对标PayPal，认为2000亿美元水平属于合理，甚至有更乐观的投资者给出了超过4000亿美元的估值。

下调估值的不止这一位，还有蚂蚁的两家国际投资者：华平和富达。

去年年底，华平把估值预期下调了近三分之一，但还在2000亿美元之上；而富达在前几天，直接将蚂蚁的估值腰斩至1440亿美元。

在今年四月初央行突然公开二度约谈蚂蚁的细节之后，对于如何重新估值蚂蚁，重新审视这家互联网巨头，及其所在的金融科技领域，投资者们确实有了更多推断的依据和猜测的方向。

一位二级研究员也告诉雷锋网AI金融评论，蚂蚁估值“打一折”的理由太过片面：“监管更多影响的是蚂蚁的上限，但它的下限还在那里。”

蚂蚁估值为何大跌？

蚂蚁身价大缩水的原因，可以从整改方案中知悉一二。

“整体申设为金融控股公司”这一项整改要求，被认为是“致命一击”。

对金融科技企业的属性到底是金融还是科技，争议由来已久。争论的焦点就在于，目前科技类企业的估值远高于金融企业，有一类市场意见认为，此类公司是在用科技进行自我包装，但穿透其业务本质，依然是信贷类的金融服务，模式创新大于技术创新。

而以金控公司的身份“重新出发”，就意味着蚂蚁大概率要被剥去科技的“光环”，前述分析师Francis Chan也在报告中指出，蚂蚁的估值可能会类似银行或其他主要金融机构的水平。

这种科技股与银行股的估值“落差”，可以用营收水平相对接近的平安银行做更为详细的对照：

蚂蚁集团在招股书中披露的2019年营收为1206亿元，净利润180.72亿元。

平安银行的2019全年营收为1380亿元，净利润281.95亿元；2020全年营收为1535.4亿元，净利润289.28亿元。

在营收与净利都比蚂蚁稍高的情况下，平安银行的当前市值只有723亿美元（4667亿元人民币），远不及蚂蚁此前拿到的千亿美元估值。

尽管银行业是中国最赚钱的行业之一，但在全球范围内，银行股的估值都是偏低的。

为什么近年来银行股的估值持续偏低？市场普遍认为银行股的低估值与强周期+低成长性有关：

银行已经是较为成熟的行业，市场规模和增长都相对稳定，盈利也在投资者预计之中，很难再出现什么爆发式的增长，大部分银行股都被定性为成长性差但分红稳定的类型。

同时，由于存贷差是银行的基本业务利润来源，业绩是否爆发很大程度上与利率市场变化有关，银行也因此被称为强周期行业。

加上高杠杆的行业特性，银行业也由此被认为，在经济下行时，容易面临利润下降、坏账上升的巨大不确定性。

易方达的明星基金经理张坤对银行股的观点就颇具代表性，他之前就指出金融是高杠杆的周期行业，尤其是银行这样依赖借钱的公司。

如果碰到周期下行，或者是金融危机、新冠疫情这样的外生冲击，投资回报下降，坏账率上升，杠杆会加大这种风险暴露——“一旦出现任何不想出现的情况，这个杠杆会杀死它。”

另外，银行业乃至整个金融服务业，一定程度上存在供给过剩的情况。

在近几十年货币宽松、资金充沛，以及金融创新层出不穷的情况下，机构提供金融服务的门槛其实逐渐降低，越来越多机构和平台可以间接参与到借贷等业务的供给当中来。

如果市场将对金融股的“偏见”投射到蚂蚁身上，估值大幅下调也并不稀奇。

Chan在报告中就指出，如果蚂蚁金服被视为传统的贷款机构，即使是对标招商银行这样快速增长的银行，蚂蚁的估值可能也不会超过750亿~760亿美元这个区间。

另一个打击蚂蚁估值的核心原因，来自于对收入增长的不乐观预期。

Chan就认为，此次监管整顿将限制可能会将蚂蚁的收入增幅推低至10%左右，低于去年11月份的30%，从而拖累盈利前景。

收入占比最高的借贷业务，遭遇监管环境的重大变化，相信是市场对蚂蚁营收增长不看好的主要因素。

有业内人士指出，蚂蚁整体采用轻资产业务模式，表内借贷业务仅占2%，收入性质基本为不承担信用风险的服务费收入，业务具有较高的成长性和资本回报率，这也是为什么蚂蚁的高估值此前未受影响。

但整改方案中指出，要切断支付宝与“花呗”“借呗”等其他金融产品的不当连接，纠正在支付链路中嵌套信贷业务等违规行为。

一旦“掐紧”支付渠道对“花呗”“借呗”的引流，蚂蚁的信贷业务增长速度必然大幅放缓。

去年出台的《网络小贷业务管理办法》也明确对网络小贷公司的出资比例、资本充足率等指标都作出了更严苛的要求这都让蚂蚁的信贷业务前景更黯淡几分。

征信业务也都受到整改，Chan补充称，蚂蚁想要通过征信调查获取和使用个人信息将面临更多限制。

曾为支付宝留住海量用户的余额宝，也被要求主动压降余额，某种程度上可以被看作是要求蚂蚁“收窄”自己的战线。

AI金融评论注意到，天弘余额宝今年一季度规模，较2020年底下降18%至9724亿元——这是该基金四年来首次规模不足万亿元。

值得一提的是，就在上个月，证监会修改公布《科创属性评价指引（试行）》，其中新增一项：

限制金融科技、模式创新企业以及禁止房地产和主要从事金融、投资类业务的企业在科创板上市。

科创板对金融科技企业明文规定“不欢迎”，无疑也是在对这一行业的创企投融“泼冷水”。

还有什么可以维持蚂蚁的高估值？

但蚂蚁的估值至于被“打一折”吗？

前述研究员就向雷锋网AI金融评论表示，从分部估值来看，还是要看蚂蚁最后打包上市核心资产的具体情况。

他强调，监管对蚂蚁的影响是“加了天花板”，成长性受限因此很难给出较高的增长性估值，但下限并没有受到太大变动。

对于蚂蚁可能要被按照银行股的水平进行估值，该研究员表示并不赞同：“渠道和商业模式完全不同，也不能完全否认蚂蚁在用户当中的影响力和统治力。”

其实回顾金融服务的数字化、智能化进程，某种程度上正是蚂蚁维持高估值的答案：

传统的银行业务，甚至整个金融服务业，都高度依赖于“个人能力”。信贷依赖线下审核、理财依赖线下推销，业绩很大程度上取决于银行人员的判断眼光、营销能力，这都意味着服务和业绩存在非标准化、供给有限、不确定性大的问题。

但在蚂蚁这样的金融科技平台出现之后，数据和技术能力可以拆解复杂的业务过程，用“流水线”作业代替人工，业务环节在细分之后实现部分标准化，从而降本增效。

而这样的降本增效，和对风险的控制，叠加到蚂蚁消费信贷所服务的5亿用户和2000万小微经营者上，叠加到支付宝十亿用户的量级上，所爆发出的效果可能会呈现几何级数般的放大，因此拥有高估值并非虚言。

无论是对内赋能自身，还是对外输出给其他金融机构，这种实现金融服务降本增效、完成从“标准化——规模化”路径的能力，才是蚂蚁高估值的根源，也是金融服务数字化的最大想象空间。

中泰证券也在研究报告中指出，蚂蚁未来估值如有提升，主要与以下三方面有关：

第一，首先自然是借贷业务商业模式的转型，从联合贷、助贷过渡到征信、技术服务，逐步转变为合规的征信业务或数据技术服务模式。整改方案中申设个人征信公司的举措，也正与这一方向符合。

第二，技术输出具备市场空间，有望成为公司新的增长引擎。目前创新业务收入占比极低，尚未超过1%。

但蚂蚁的金融科技已形成比较完善的产品体系，并能持续输出成熟的产品模块和解决方案，目标客户除了银行、保险和证券等金融机构之外，还包括企业、政府部门、监管机构等。数据库、区块链技术等创新业务的推进有望成为第二增长曲线，从而带动估值提升。

第三，收入结构的调整，提升非借贷业务收入占比。目前来看，相对轻资产模式的理财业务和保险业务的收入占比仍有较大的提升空间。

此外，虽然支付业务占比呈现下降趋势，但支付业务本身仍有价值挖掘的空间，海外支付业务和商户服务有望进一步丰富支付收入来源。

至于蚂蚁的估值究竟应该跌去多少，可以与几个重要数值对照来看：

• 2018年6月完成C轮融资后，蚂蚁集团估值已经达1500亿美元；

• 对标企业PayPal，在2020年7月蚂蚁启动IPO时的市值在2100亿美元左右；当前市值已接近3000亿美元。

• “宇宙行”工商银行，当前市值约为2882亿美元（1.86万亿人民币）；

• Francis Chan在报告中举例的招商银行，当前市值约为2123亿美元（1.37万亿人民币）。

• 如果当时蚂蚁顺利上市，以发行价计算，市值将达到3130亿美元。

• 而目前Francis Chan、富达和华平所给出的估值区间，分别为290~1150亿美元，1440亿美元，2000~2500亿美元。

蚂蚁的估值会否向工行、招行这样的银行股看齐？等新的招股书披露后，相信会有更明确的答案出现。

雷锋网

近日，关于特斯拉女车主维权事件频上热搜，如今大家非常关心的是，特斯拉的刹车到底有没有问题。

4月19日，上海车展特斯拉展台上，一名女子身穿印有“刹车失灵”的T恤，爬上车顶大喊“特斯拉刹车失灵”。

4月19日，特斯拉发表声明，表示该女车主不接受任何的第三方检测，并强烈拒绝特斯拉提出的所有解决方案。

4月19日晚间，特斯拉发表声明称绝不妥协。特斯拉表示，如果是特斯拉产品的问题，特斯拉一定坚决负责到底，该赔的赔、该罚的罚，“对不合理诉求不妥协，同样是我们的态度”。

4月20日上海警方发布通告称，该女子因扰乱公共秩序被处以行政拘留五日。

新华社评特斯拉高管傲慢回应：谁给了特斯拉“不妥协”的底气。

4月20日，在《主播说联播》节目，关于特斯拉车主车展维权事件，海霞表示应启动权威扎实调查回应消费者。

海霞表示：

这两天，特斯拉车主维权事件很受大家关注。我看到有网友指出，个别车主选择比较极端的方式维权当然不可取，但这是否与涉事车企对消费者反映的问题选择性解决或者久拖不决有一定关系呢？这一年多来相关产品的安全性已经不止一次被消费者质疑，涉事企业依然强硬，底气是从哪来的呢？最关键的是，车主和企业各执一词，我们始终没有搞清楚，车辆到底有没有质量问题？这当中是不是应该有更权威、更扎实的调查呢？

汽车产品事关个体生命和公共安全，联播报道过，中国一直在努力为各国企业提供国际化、市场化的良好营商环境，前提是企业要落实自身质量安全主体责任。今年2月，市场监管总局等五部门已约谈特斯拉公司，要求企业切实保护消费者合法权益。我们也希望相关调查能尽快启动，让消费者获得真相，让维权有顺畅渠道和真诚回应。

不仅如此，4月20日，郑州市市监局回应“特斯拉车主车顶维权”表示，曾三次调解未果，特斯拉拒绝提供行车数据。

4月20日，郑州市场监管局新闻宣传处相关负责人回应红星新闻，郑东新区市场监管局分别于3月15日、3月18日、3月24日三次组织投诉人和特斯拉汽车销售服务（郑州）有限公司进行了调解。投诉人不同意第三方进行技术鉴定，要求“提供车辆发生事故前半小时完整行车数据”。

特斯拉汽车销售服务（郑州）有限公司因担心数据被当事人用来炒作宣传造成不良影响，拒绝提供相关数据。因双方分歧较大，未能达成一致意见。

如今随着事情的发酵，面临多方质疑，4月20日晚间，特斯拉通过官方微博就未能及时解决车主的问题，发布致歉信称，尊重并坚定服从政府各相关部门的决定，尊重消费者，遵守法律法规，坚决坚定地积极配合政府各相关部门的所有调查。特斯拉已成立专门处理小组，专事专办，努力在合规合法的情况下，尽全力的满足车主诉求，争取让车主满意。

关于特斯拉的刹车问题需要等待后续报道，我们也希望特斯拉还给大家一个真相。

雷锋网雷锋网雷锋网

参考链接：

https://t.ynet.cn/baijia/30679375.html

https://mp.weixin.qq.com/s/ydQ3RbDSPqwkhaS6oEKOIQ

https://baijiahao.baidu.com/s?id=1697537945409112938&wfr=spider&for=pc

https://baijiahao.baidu.com/s?id=1697515660298825882&wfr=spider&for=pc

https://baijiahao.baidu.com/s?id=1697575677082587442&wfr=spider&for=pc

蚂蚁集团也及时给出回应，称在金融管理部门的指导下，全面对标监管要求，近期已完成整改方案的研究和制定工作。

此次公布的约谈和回应都重点颇多，雷锋网AI金融评论梳理如下：

1. 再次约谈的目的之一，是要求蚂蚁“必须正视金融业务活动中存在的严重问题和整改工作的严肃性”。

2. 整改主要内容涉及五大关键词：

   （1）支付业务不正当竞争，其中支付宝与“花呗”“借呗”的连接以“不当”一词形容，“支付链路中嵌套信贷业务”被认为是违规行为；

   （2）信息垄断，要求遵循“合法、最低、必要”原则收集和使用个人信息；

   （3）金控公司，蚂蚁整体都要申设为金融控股公司，所有从事金融活动的机构全部纳入其中，接受监管；

   （4）高杠杆和风险传染，要认真整改违规金融活动；

   （5）基金流动性风险，要管控风险、主动压降余额宝余额。

3. 后续加强金融监管的措施中，监管层提到：不能使科技成为违法违规行为的“保护色”。

值得注意的是，蚂蚁表示，将整体申设金融控股公司、申设个人征信公司，“借呗”“花呗”全部纳入消费金融公司。

从上市到暂缓再到约谈2.0，蚂蚁273天全回顾

蚂蚁上一次备受公众关注，应该是今年3月12日，胡晓明卸任蚂蚁CEO一事。

蚂蚁集团董事长井贤栋向内部发布邮件称，胡晓明未来将全面牵头阿里和蚂蚁的公益和社会责任工作。胡晓明离任后，井贤栋将兼任蚂蚁金服CEO。

与此同时，蚂蚁发布《蚂蚁集团数字金融平台自律规则》，强调应尊重用户知情权，不进行捆绑销售、不附加隐形贷款条件；遵循“适当性”原则进行授信。

回顾蚂蚁的这一路跌宕起伏，或许要从当时的更名之举开始说起。

（雷锋网推荐阅读：《蚂蚁暂缓上市前的113天》）

2020年7月13日， "蚂蚁金服" 更名为 "蚂蚁科技集团有限公司"，即 "蚂蚁集团"。

七天后，蚂蚁官宣A+H同步上市计划。当时有媒体报道称，蚂蚁集团将寻求至少 2000 亿美元的 IPO 估值。

2020年8月，重庆蚂蚁消费金融有限公司成立，蚂蚁拿下消金牌照——在线小额贷款公司的杠杆率通常为二至三倍，但消费金融公司的贷款规模可以达到其注册资本的10倍。

同月，蚂蚁（广西）数字科技有限公司（即“蚂蚁数科”）成立。

2020年8月25日晚间，蚂蚁集团向上交所、港交所递交上市招股文件。

文件显示2019年度蚂蚁集团实现营业收入1206亿元，实现净利润180.72 亿元；支付宝年活跃用户超10亿，活跃商家逾8000万。

蚂蚁集团的收入，有超六成营收来自于数字金融服务。截至 2020 年上半年，蚂蚁集团促成的消费信贷余额达17320 亿元、小微经营者信贷余额为 4217 亿元。

2020年9月，蚂蚁回复上交所两轮问询，并得到发行上市的同意。

从递交招股书到同意上市，仅过去25天，被称为“火速”过会——当年号称A股IPO最快的工业富联，成功过会也不止一个月。

9月24-26日，由支付宝和蚂蚁集团主办的首届“外滩大会”在上海主办。

期间，五只蚂蚁集团战略配售基金在支付宝上正式开售，创造了2分钟10亿元、1小时102亿元的销售速度。

基金战配的是蚂蚁的新股，由蚂蚁方面牵头定制，在蚂蚁的渠道独家发行，这在基金发行史上都属头一遭。

2020年10月，证监会同意蚂蚁集团科创板IPO注册，上市代码为688688；H股代号则定为6688。

三天后，马云在中国金融四十人论坛（CF40）主办的第二届外滩金融峰会发言，直接“引爆”金融圈：

• 全世界更多在讲风险控制，不讲发展，很少去想年轻人的机会、发展中国家机会在哪里。

• 巴塞尔协议像一个老年人俱乐部，要解决运转了几十年的金融体系老化问题，系统复杂的问题。

• 但是中国的问题正好相反，不是金融系统性风险，而是缺乏金融生态系统的风险。

• P2P根本不是互联网金融，但不能因为P2P把整个互联网金融的创新否定了。

• 今天银行延续的还是当铺思想，抵押和担保就是当铺，但它不可能支持未来30年的需求。

• 好的创新不怕监管，但是怕昨天的方式去监管，不能用管理火车站的办法来管机场。

10月26日-11月1日期间，蚂蚁依次官宣AH股发行价、网下配售及网上中签结果。

10月31日-11月2日期间，国务院金融稳定发展委员会召开专题会议，央行主管的报纸《金融时报》连发三篇重磅评论。

11月2日，《网络小额贷款业务管理暂行办法（征求意见稿）》出炉；四部门联合约谈马云、井贤栋、胡晓明。

次日，蚂蚁科创板上市暂缓。

2020年12月15日，是上市暂缓之后蚂蚁高层首度公开发声。蚂蚁集团董事长井贤栋，在第四届中国互联网金融论坛上发表了主题演讲。

本次演讲全程，井贤栋提到了18次“安全”、16次“监管”、7次“风险”，表示社会上近期对蚂蚁的建议、期待包括各种批评很多，这些都是蚂蚁宝贵的财富，用心聆听，认真进行全面的自审。

（雷锋网推荐阅读：《蚂蚁暂缓上市后的42天：井贤栋首次发声、“善后”与监管》）

监管层对蚂蚁的数次提及

蚂蚁这两次被约谈之间，监管层也曾多次提及蚂蚁。

最详细、被解读最多的一次，相信是央行主管报纸《金融时报》所发的三篇重磅评论。

《关于金融创新与监管的几点认识》，其中作者以蚂蚁集团为例，认为其拿到了很多的金融业务牌照，可进行与银行类似的存贷款业务，就需要进行审慎监管；面对类似影子银行的创新业务，必须要强调监管的一致性，特别要重视新巴塞尔协议的作用和实施。

《资深学者：大型互联网企业进入金融领域的潜在风险与监管》，“若大型互联网企业大量开展金融业务，但却宣称自己是科技公司，不仅是逃避监管，更容易无序扩张，造成风险隐患，不利于公平竞争，也不利于消费者保护。

《资深学者：在金融科技发展中需要思考和厘清的几个问题》，“所谓最具‘创新‘色彩”，认为蚂蚁“实质上跨界开展非金融、金融、类金融和金融基础设施等多种业务，成为了全世界混业程度最高的机构”。

在2020年的最后一天，银保监会提到约谈蚂蚁一事：所强调的突出问题和整改要求，不仅是个性的，也有一定的普遍性。建议所有互联网平台都要对照自查，及早整改。特别是涉及网络小贷、保险、理财、信托等业务的机构，更要抓紧，监管部门随后会安排检查。

而在两会前夕，中国银保监会主席郭树清也再度提及蚂蚁。

发布会上有媒体提问称，“蚂蚁集团的金融科技公司在国内的金融市场应该有什么样的角色？有哪些业务不适合他们做？”

郭树清回答时，肯定了中国互联网平台在数字信贷、数字保险和其他服务的表现，认为在全球范围处于领先状态，监管部门也鼓励他们的创新——但任何业态的经营业务都要按照相应的规则、规范、法律法规管理，不能有特殊、例外。

郭树清举例了网商等多家互联网民营银行，表示监管层鼓励其发展，但也必须按照金融规则实行统一监管。“我们不认为有什么限制、不允许他们发展的金融业务，但是我们做任何业务比如保险、信托、租赁等金融业务，都必须按照行业相同的规则进行监管。”

（雷锋网推荐阅读：《两会前夕，银保监会主席郭树清再谈蚂蚁、金融科技与影子银行》）

附潘功胜就金融管理部门再次约谈蚂蚁集团情况答记者问全文

问：金融管理部门再次约谈蚂蚁集团有什么考虑？

答：党的十九届五中全会、中央经济工作会议及中央财经委员会第九次会议明确提出，要强化反垄断和防止资本无序扩张，切实防范风险。要从构筑国家竞争新优势的战略高度出发，建立健全平台经济治理体系，推动平台经济规范健康持续发展。

自去年12月份四部门联合监管约谈以来，蚂蚁集团建立专门团队，在金融管理部门指导下制定整改方案，积极开展整改工作。此次金融管理部门再次联合约谈蚂蚁集团有关人员，主要是要求蚂蚁集团必须正视金融业务活动中存在的严重问题和整改工作的严肃性，对标监管要求和拟定的整改方案，深入有效整改，确保实现依法经营、守正创新、健康发展；必须坚持服务实体经济和人民群众的本源，积极响应国家发展战略，在符合审慎监管要求的前提下，加大金融科技创新，提升金融科技领域的国际竞争力，在构建“双循环”新发展格局中发挥更大作用。

问：蚂蚁集团整改方案的主要内容是什么？

答：蚂蚁集团整改工作启动以来，金融管理部门就整改措施与蚂蚁集团进行了深入沟通，并督促蚂蚁集团形成了全面可行的整改方案。

整改内容主要包括五个方面：一是纠正支付业务不正当竞争行为，在支付方式上给消费者更多选择权，断开支付宝与“花呗”“借呗”等其他金融产品的不当连接，纠正在支付链路中嵌套信贷业务等违规行为。二是打破信息垄断，严格落实《征信业管理条例》要求，依法持牌经营个人征信业务，遵循“合法、最低、必要”原则收集和使用个人信息，保障个人和国家信息安全。三是蚂蚁集团整体申设为金融控股公司，所有从事金融活动的机构全部纳入金融控股公司接受监管，健全风险隔离措施，规范关联交易。四是严格落实审慎监管要求，完善公司治理，认真整改违规信贷、保险、理财等金融活动，控制高杠杆和风险传染。五是管控重要基金产品流动性风险，主动压降余额宝余额。

金融管理部门将督促蚂蚁集团切实落实整改方案，把握好工作节奏，保持业务连续性和企业正常经营，确保广大人民群众对金融服务的体验不下降，持续提升普惠金融服务水平。

问：下一步金融管理部门如何加强平台企业金融监管？

答：金融管理部门将坚持公平监管和从严监管原则，着眼长远、兼顾当前，补齐短板、强化弱项，促进公平竞争，反对垄断，防止资本无序扩张。一是坚持“金融为本、科技赋能”。平台企业开展金融业务应以服务实体经济、防范金融风险为本，不能使科技成为违法违规行为的“保护色”。对于违规经营行为，依法严肃查处。二是坚持金融活动全部纳入金融监管。金融业务必须持牌经营；提升监管能力和水平，优化监管框架，防范监管套利。三是坚持发展和规范并重。依法加强监管，规范市场秩序，防止市场垄断，保障数据产权及个人隐私；同时把握好平台经济发展规律，提升金融服务体验，巩固和增强平台企业国际竞争力。

金融管理部门将一如既往地坚持“两个毫不动摇”，营造公平竞争市场环境，继续支持民营资本依法开展金融科技活动，依法保护产权，弘扬企业家精神，激发民营资本的市场活力和科技创新能力。

问：中国金融管理部门在加强国际金融科技监管合作方面有何考虑？

答：近年来，金融科技与平台经济快速发展，在提升金融服务效率和金融体系普惠性、降低交易成本方面发挥了重要作用。同时，由于其具有跨界、混业、跨区域经营等特征，风险传染速度更快、波及面更广、负面溢出效应更强，对金融监管形成了新挑战，成为世界各国监管部门共同面对的新问题。

世界主要经济体监管部门对此高度关注，并已采取实际行动，作出监管调整和政策响应。在监管理念上，遵循“同样业务、同样监管”的原则，致力于在促进金融科技发展和防范金融风险之间取得平衡。在监管方法上，探索运用大数据、云计算、人工智能等科技成果，提升风险监测感知能力和穿透式监管能力。在监管内容上，强调个人信息保护及反垄断。例如，欧盟2018年实施了《通用数据保护条例》，并加快推进《数据治理法案》；美国近年来连续发起对大型科技公司的反垄断调查;德国在2020年通过《反对限制竞争法》第十次修正案等。

中国金融管理部门愿进一步加强与国际金融组织和各国监管当局在反垄断、数据监管、运营管理、消费者保护等方面的合作，推动制定金融科技监管规范，加强监管协调，共同打造开放、包容、安全的金融科技生态环境，提升金融业创新能力，同时防范跨境监管套利和金融风险跨境传染。

韩联社4月5日消息，LG电子5日表示，公司最终决定退出手机市场并全面停止移动（MC）业务部门的生产和销售，其手机业务将于7月31日结束。

LG电子方面表示，在产业竞争日趋加剧的情况下，公司移动部门业绩持续低迷，故作出上述决定。公司将致力于内部资源提质增效，集中力量发展核心业务，重组业务结构。

此前，LG电子曾于今年1月20日宣布，判断自身手机业务现在以及将来的竞争力并作出最佳选择的时机已经到来，公司内部正在讨论未来业务运营的方向。

时隔26年，LG手机在今天迎来大结局。

跻身全球前三的巅峰

韩国科技巨头LG电子，于1995年进入手机市场。

彼时手机市场还未进入智能手机时代，LG电子以独特的设计，26年间打造了多款LG手机“明星”。

其中，以甜点命名的系列手机最为火爆。

当时，LG Chocolate手机以“I Chocolate U”（翻译为：爱巧克力哟）为宣传语，与韩国女孩甜美笑容一起，两者的甜美之感，可谓天作之合。

在粗制滥造的山寨机中，LG Chocolate以简单利落的滑盖设计、色泽光滑的细节、讲究的玻璃纤维、精致的烤漆工艺，在仿制品的热潮尾声中一炮打响。

黑巧克力市场初体验成功后，LG电子乘胜追击，推出白巧、粉巧、红巧的巧克力系列。

尝到营销果实，在设计上，增加红色的轻触式感应操作键盘，并在后续的宣传中，请来当时的偶像玄彬和金泰熙，设计出“一碰你就脸红”的广告语，成为击中高端白领的网红机。

而后，LG又以甜品命名，推出冰淇淋手机。

同属甜美系，同样以外形为买点，但与巧克力系列不同，一是，LG 冰淇淋手机是一款翻盖手机，二是，后者主攻职场。

除了后壳做工光滑、彩色屏幕外，最让人耳目一新的是翻盖背后的 LED 灯，在有信息到来时候，藏在粉色半透明手机壳下的 LED  灯组亮起，组成俏皮可爱的表情（当时叫颜文字），并会随着情景变幻。

“巧克力”、“冰激凌”等系列手机风靡中国市场。

2008年，LG手机销量突破1亿部；2013年，其市场占有率进入全球前三，成为全球第三大手机生产商，仅次于三星和苹果。

这些让LG抓住的智能手机时代来临之前的最后一次机会，登顶颠覆之后的LG，开始走下坡路。

随着中国手机品牌的强势崛起，LG从2015年开始节节败退。

相关媒体报道，LG从2016年开始逐渐在中国市场消失。

据LG 2017年全年财报显示，LG手机所在的LG移动部门亏损非常严重。

LG在2017年全年手机销量为1390万台，相比2016年的总数继续下滑了1%左右。其第四季度移动部门亏损达到了1.9亿美元，且之后呈现逐年递增的状态。

2018年，LG手机正式宣布退出中国市场，并取消了高端系列。

2019年，LG将中低端手机外包，此时的LG萌生放弃手机业务的信号。根据 Counterpoint 2019年的第二季度数据，LG 的下滑幅度达到了 18.5%，已经远远落后于大多数手机品牌。

2020年，LG手机业绩未有任何回暖迹象。

据Counterpoint数据显示，2020年第三季度，LG手机出货量为650万部，低于2019年同期的720万部，在全球手机市场中仅占有2%的市场份额，而三星同期出货量将近8000万部，是LG的12倍。

今年一月，LG曾公开首款卷轴屏概念手机的视频，并计划年内上市，但后来项目已经被搁置。

从2015年第二季度开始至2020年第四季度，出现连续23个季度的亏损，累计亏损额已达291亿元人民币。

在激烈的市场竞争中，LG手机逐渐被淘汰。

巨额亏损后，是卖身未果的无奈。

据悉，LG电子曾考虑过多种选择，包括出售业务，LG电子1月20日发布包括出售移动业务在内的调整计划后，与越南Vingroup集团股份公司（VIC）、德国大众等公司洽谈出售事宜。

但在智能手机相关技术专利的问题上难以与潜在买家达成一致，与一些潜在买家的谈判以失败告终，最终决定退出智能手机业务。

重振旗鼓的启航

LG在声明中表示，退出手机竞争激烈的领域将让LG专注于电动汽车部件、联网设备、智能家居、机器人技术、人工智能和To B解决方案的服务与平台等处于增长中的领域。

其中，2020年12月23日，LG电子和加拿大汽车零部件制造商麦格纳宣布，计划出资10亿美元成立一家合资公司，生产电动汽车零部件。

LG电子在一份文件中表示，麦格纳将持有合资公司49%的股份，而LG电子将持有合资公司剩余51%的股份。

该公司表示，该合资公司暂定名为LG Magna e-Powertrain，将在韩国仁川和中国南京的工厂生产电动马达、逆变器、车载充电器和电子驱动系统。

该交易预计将于2021年7月完成。

据悉，LG电子在4G LTE和5G专利方面处于领先地位。美国一专利咨询公司的数据显示，LG电子从2012年到2016年连续五年获得美国最多的LTE和LTE-Advanced专利。

而麦格纳是一家汽车零部件供应商，具备整车工程及代工制造专长，产品能力包括制造车身、底盘、外饰、座椅、动力总成、电子、自动驾驶辅助、镜像、闭锁及车顶系统，拥有多个领域的电子和软件工程能力。该公司是特斯拉的供应商，为特斯拉供应内饰板。雷锋网雷锋网雷锋网

需要注意的是，京东数科已在今年年初，更名重组为“京东科技”。

对于是否会以京东科技名义重新提交IPO申请，雷锋网AI金融评论向京东方面求证，对方表示不予置评。

华泰保险集团是一家综合性金融保险集团，旗下有华泰财险、华泰人寿、华泰资产管理、华泰保兴基金等子公司。

作为一家综合性金融保险集团，华泰保险近年来把数字化作为企业发展重点战略，以谋求在新的商业环境下，不断通过创新实现高速发展。

此次合作，华泰保险将与腾讯旗下腾讯云、腾讯微保三方携手，共同推动华泰保险的进一步发展。

在技术领域，腾讯云将为华泰保险提供云端及私有化的金融科技合作方案，为客户获取、运营效率提升及业务创新提供强有力的技术支撑，帮助华泰保险实现全业务场景的“云原生”数字化转型。

其中，基于丰富的大规模云建设、运营等经验和技术能力，腾讯将助力华泰保险构建安全合规的云计算平台，提升华泰保险IT架构能力、虚拟化应用水平和业务系统弹性扩展能力。

腾讯云和华泰保险将加强大数据、人工智能技术在保险领域的应用合作。双方将基于人工智能应用服务平台TI-Matrix与机器学习建模平台TI-ONE探索大数据、人工智能在金融级身份认证、保险风控、智能营销、企业图谱等场景下的应用，进一步提升用户服务体验，降低运营成本。

腾讯云还将提供全面的风险控制安全组件及咨询服务，完善和丰富华泰保险的信息安全系统体系、增强系统信息安全性能。

在金融业务领域，腾讯云将与腾讯微保一道，结合微信生态和微保平台优势，携手助力华泰保险进一步加强销售管理的业务能力与互联网营销、互联网运营全面融合，全面提升用户连接能力以及线上营销展业的效能。

值得一提的是，华泰保险、腾讯云与腾讯微保将开展建立金融科技联合实验室，进一步发挥各自在信息技术资源优势，推动金融科技领域项目的创新研究、实施和应用。联合实验室先期将开展企业数字化运营管理、保险智能化营销和健康险智能核保等试点项目，后续逐步扩大至健康险风控和车险理赔反欺诈等领域。（雷锋网）

自去年11月，备受瞩目的蚂蚁 IPO被紧急，央行、银保监会、证监会等四部门对蚂蚁集团实际控制人马云、董事长井贤栋、总裁胡晓明进行了监管约谈后，蚂蚁集团鲜少对外发声。

而在3月12日，蚂蚁先是对外公布了其制定的数字金融平台自律准则，后在晚间宣布蚂蚁集团CEO胡晓明离职。有业内人士认为，蚂蚁IPO暂停后何去何从，一直难以定论，而此件事之后，具体结果将逐渐明晰。

从此次发布的《蚂蚁集团数字金融平台自律规则》（以下简称”准则“）来看，此次重点内容涉及五大平台，分别是：理财平台、保险平台、消费信贷平台、小微经营者贷款平台、芝麻信用。

比如在颇受争议的“小微经营贷款”部分，该准则提到：

1. 应尊重用户知情权，不进行捆绑销售、不附加隐形贷款条件

2. 应遵循“适当性”原则进行授信，根据小微经营者的信用、经营状况、还款能力谨慎授信，额度适当、利率适当

3. 应服务实体经济

4. 反对多头接借贷、过度借贷

5. 承担起教育用户的责任，积极开展信用教育，金融知识普及
   

此外，在理财平台自律准则中，提到：打击不实、误导性营销；主动承担投资者教育义务

在保险平台自律准则中，提到：保险平台，要引入智能保险顾问或智能核保手段；实行可回溯机制

在消费信贷平台自律准则中，提及：不对未成年人放贷，不对低偿还能力群体、年轻群体发超出基本生活所需的额度

在芝麻信用自律准则中，表示：不对用户做价值观，道德水平的判断。

上周，浙江省发起成立全国首个省级金融科技伦理（学术）委员会，并提出以人为本、创新发展、公平包容、开放共赢、安全审慎、尊重伦理、社会责任等金融科技伦理七项倡议。雷锋网获悉，蚂蚁集团是该委员会的第一批成员。

蚂蚁集团首席法务官周志峰表示：“蚂蚁非常认同浙江金融科技伦理委员会提出的七项倡议，我们深刻认识到，做负责任的数字金融平台，不仅要把合规经营、防范风险、保护消费者合法权益作为底线和生命线，还应该充分考虑平台的伦理责任和社会责任，推动金融科技朝着更健康、更包容、更以人为本的方向发展。这也是我们在原有的平台规范之外，推出数字金融平台自律准则的初衷。”

蚂蚁集团IPO曾是资本市场的热门事件之一。IPO 前夕，A股和港股各有约500万和150万名用户申购打新，双双打破纪录，参与蚂蚁IPO初步询价的机构投资账户也有1万家，包括全国社保基金、中国人寿、新加坡政府投资公司、红杉资本、淡马锡等知名机构。

一旦蚂蚁成功上市，预计将融资2300亿元，这一规模将超过沙特阿美，成为全球最大规模的IPO。

如今，随着蚂蚁集团发布“自律书”，CEO离任，蚂蚁集团的未来发展方向正在愈发清晰。雷锋网雷锋网

成立近十年的在线股票交易平台Robinhood，近日传出IPO消息，最快将于本月上市，当前估值已经超过200亿美元。

在疫情影响下，Robinhood意外出现用户规模暴涨；不久前的散户“围殴”对冲基金大战中，Robinhood所带来的话题热度毫不输给多空双方。

同时，这家金融服务商受到的指责也与日俱增，它遭到了马斯克的疯狂质疑，还与巴菲特的“黄金搭档”查理·芒格隔空互怼，更被美国国会猛烈拷问。

在英国民间传说中，罗宾汉是一位劫富济贫、行侠仗义的英雄人物——同名同姓的罗宾汉公司，诞生之初也有些“劫富济贫”的意味。

但如今，Robinhood身上的“草根”光芒也似乎大不如前，反被控诉与华尔街精英“勾结”，在GameStop一役之后，落入了左右为难的境地。

身处舆论风暴的“罗宾汉”，还能依旧潇洒自如，保持大侠风范吗？

【 电影《罗宾汉》剧照 】

“罗宾汉”的诞生

2011年，「占领华尔街」运动在美国爆发。

当时，华尔街刚因为自身不负责任的行为而酿成国际金融危机。在危机过后，华尔街的大型银行不仅没有“深刻反省”，反而向消费者收取更高的账户费用，从而转嫁金融监管改革法给银行带来的成本负担。

人们忍无可忍，千余名示威者齐聚华盛顿，随后抗议活动很快席卷全美，美国120多个城市被“占领”，全球多个发达国家举行“占领活动”。

弗拉基米尔·特纳夫（Vladimir Tenev）和拜朱·巴特（Baiju Bhatt）正是在这样背景下，开始思考并创立Robinhood。

他们曾经为对冲基金开发交易软件，对如何用技术创建金融服务平台有着丰富的经验。

他们清楚，投资者通过券商平台进行交易，就要为每笔交易缴纳不菲的佣金，这是普通投资者进入股市最大的障碍。

于是，这两位老友构想出了一款零费率、无投资起步价、界面操作便捷的股票交易平台。

其中，最具颠覆性的创新是Robinhood没有交易佣金，没有最低账户余额限制。换言之，只要你有一部手机，即使只有100美金，也可以轻松炒股。

他们的“零门槛”策略，对美国年轻人的吸引力可见一斑：2019年秋天，Robinhood拥有600万用户；这一数字到了2020年底，已经飙涨到了1300万。

疫情期间“爆红”，千禧一代涌入

2020年是美国金融市场颇为疯狂的一年。

随着疫情等多重因素的影响，2020年3月9日道琼斯指数狂泻2000多点，美股触发熔断。89岁高龄的巴菲特惊呼：“这是我第一次经历熔断。”

然而巴菲特还是“太年轻”，仅半个月里，全球股民便见证了美国股市的四次熔断，而美国几百年历史上一共只发生过五次。

由于疫情期间本就不能出门消费，加上美股的剧烈波动，政府的刺激计划，年轻的散户投资者爆发了巨大抄底热情，纵身跃入股市，成为了积极的短线交易者和期权参与者。

高盛的报告显示，2020年美国散户青睐的股票组合已经飙升了50%以上，比对冲基金的回报率高了几乎一倍。

因此，Robinhood跟其他同行，比如TD Ameritrade、嘉信理财（Charles Schwab）和E-Trade等，客户账户去年均实现创纪录的增长。

Robinhood的飙升，相比之下要更疯狂一些。他们曾经披露一项数字：在2020年6月，Robinhood日均收入交易量（DART）达到430万笔，超过了所有其他上市经纪商。

除了股票业务外，数字货币交易业务也极大推动了Robinhood在年轻投资者群体中蹿红。

随着2020年大量机构入场数字货币，比特币等加密货币随之暴涨，这也让Robinhood“大赚特赚”。

在2020年，Robinhood每个月新增的数字货币交易用户仅为20万人。到了2021年前两个月，其数字货币交易业务增加了600万投资用户（平均每个月新增 300 万人）——从20万到300万，月均新增用户整整提高15倍。

大量美国年轻投资者跑步入场，Robinhood成为了美国最火的散户交易平台。去年9月底，Robinhood顺势完成了6.6亿美元的G轮融资，风头一时无两。

遭遇马斯克等多方势力“炮轰”

在股市历史上，散户总是“弱势”的一方。但在2021年初，大量散户借助社交网站的力量，改变了这一局面，成功联合在一起，对抗甚至“暴打”对冲基金。

散户在社交网站Reddit平台上互相鼓励加仓GameStop，这支游戏股票的价格在短短两周时间内飙涨1000%。

散户的集体行动让看空GameStop的对冲基金损失惨重，也引起了券商们的注意。

2021年1月28日，Robinhood和其他几家券商开始限制GameStop的股票交易，GameStop的股价立马暴跌。

Robinhood的这一举动，让散户投资者“愤怒不已”，也在社会上引起轩然大波。部分人士指责罗宾汉非法操纵市场。

美国众议员、金融服务委员会成员亚历山大·奥卡西奥·科尔特斯在Twitter上说：“这是不可接受的。我们现在需要更多地了解Robinhood的决定，他们凭什么阻止散户购买股票，而对冲基金却可以自由交易自己认为合适的股票。”

越来越多的公众人物表达了和这位众议员相似的立场。

全球首富、特斯拉创始人埃隆·马斯克（Elon Musk）便是其中之一，他在Twitter上写到：“Gamestonk！！”。

stonk是对stock的故意拼错，有着猛烈炮击的意思，是美国网友的一种特殊表达方式。这条推文继续推高了GameStop的股价，在接下来的一天中，该股涨幅高达157%。

巴菲特的老搭档、97岁的查理·芒格也表示，人们不应该相信在Robinhood上交易股票是免费的，这样的炒股APP是“肮脏的赚钱方式”。

芒格直言，应当制止Robinhood这种免佣金交易策略，认为这会引来大量把股市当赌博的散户投资者，制造GameStop这样的交易狂潮。

随着舆论不断扩大升级，美国国会表示将与2021年2月18日举办听证会，以查明Robinhood是否操纵股票市场。雷锋网此前曾报道过罗宾汉参加听证会的过程，详见《美国股票市场被金融科技公司操纵？Robinhood遭国会猛烈拷问》。

但目前来看，参会方“各执一词”，听证会的官员也形成正反两派，未能对此事件形成共识。

背后另有隐情

这件事情一波三折。

手无寸铁的散户暴打华尔街精英，股票翻了10倍，成就了一场散户对抗华尔街、平民抱团战胜精英的「经典案例」。

可没过几天，散户昔日的朋友Robinhood却“临阵倒戈”，股票暴跌，导致散户损失惨重。

然后，散户和马斯克、查理·芒格等公众人物一起炮轰Robinhood，股票再次上扬。它却表示很冤枉，表示没有和华尔街精英勾结。

事件的真相，到底是什么？

在某“网红”语音社交平台上，埃隆· 马斯克就暂停GameStop股票交易事件，质问了Robinhood的CEO特纳夫。 

他向特纳夫提问，“上周发生了什么？为什么人们不能在Robinhood上购买GameStop的股票？人们要求一个答案！”

特纳夫解释道，上周晚些时候一些“股票”出现了“空前高的交易量”，很多人进入罗宾汉买入这些股票。

同一时间，Robinhood收到了来自美国国家证券清算公司（NSCC）的一份约30亿美元的存款要求文件。

他称，作为一家同时具备清算经纪能力的公司，“我们必须基于一些因素向NSCC上缴资金，NSCC的要求比通常情况下多了一个数量级。而罗宾汉只筹集了约20亿美元的资金。”

美国国家证券清算公司施加的压力，使得Robinhood只能同意管理风险并限制某些股票的交易。“妥协”后，监管机构同意将其要求存款的规模降至7亿美元。

特纳夫表示，“我们知道这对客户来说是一个不好的结果。Robinhood代表的是股票的民主化。但在这种情况下，我们别无选择。我们必须符合我们的监管要求。”

监管机构也有合理的理由，他解释称，“公平地说，系统中存在额外的风险，所以NSCC提出更高的要求并不是完全不合理的。很多其他经纪商也有同样的情况，其他经纪商也限制了同样的活动。”

马斯克问道，Robinhood是否“出卖了它的客户”？

特纳夫没有正面回答这一问题，他表示，该交易平台将会“放开股票限制”。他颇为无奈地表示他们只是“金融系统的参与者”，而金融系统是一个“由多方组成的复杂网络”。

创始人们大概从来没有想到，Robinhood竟然会成为传统华尔街机构和个人投资者之间决战的战场。

Robinhood们能否继续“平民”？

随着AI、区块链等科技的发展，支付、贷款、投资理财等许多领域也正在发生激烈的技术变革，Robinhood等「平民化」的金融工具愈发频繁地出现在我们眼前，深刻改变了传统金融市场。

就像Robinhood的零佣金政策，让更多人拥有金融权利的同时，也让曾经的金融机构和传统的交易方式”无路可走“。

2019年9月，Charles Schwab、TDAmeritrade和E-Trade等大型券商不得不向Robinhood所代表的券商新势力”低头“，将佣金下调到0美元。

随着这一收入来源的消失，经纪类股票价格暴跌，一些传统券商难以经营下去，TD Ameritrade最终委身于嘉信，而E-Trade则投入摩根士丹利的怀抱。

又例如Green Dot、Affirm这样的金融科技创企，试图打破原有的门槛，让更多被传统机构挡在门外的人群也能获得支票账户、预付借记卡之类的金融服务。

可以预见的是，这些新兴的金融工具和Robinhood异曲同工，正在以更低成本、更高效率的形式服务于更广泛的群体。

但这群新势力同时也面临着更严格的合规审查，更复杂的资本博弈，也不得不在“平民化”的程度上有所取舍。

Robinhood的故事，或许也将在它们身上重演。

参考文章：

1. 《加密货币太火爆：Robinhood 称今年两个月新增 600 万炒币人，是去年 15 倍》——新浪科技

2. 《跑赢美股、完爆对冲基金，美国最火散户平台计划上市》——时代周报雷锋网雷锋网雷锋网

广州农商银行是一家区域性银行，去年，广州农商银行资产总额首次超过万亿元，成为国内第三家站上万亿资产大关的农商行。

后续，该平台将支撑广州农商银行进一步加强对实体经济、先进制造业、城市更新、三农业务、普惠小微等领域提供全方位金融支持。

广州农商银行相关负责人表示，金融云平台的上线是广州农商银行携手腾讯云拥抱5G、云计算、人工智能等先进金融科技进程中取得的首个里程碑，也是广州农商银行开展数字化转型战略的关键一步。

未来，借助金融云平台提供的全方位技术支撑，广州农商银行将进一步加速金融科技与业务、经营、管理的深度融合，在服务经济社会发展大局中打造差异化的竞争力。

据雷锋网了解，广州农商银行分布式金融云平台涵盖了由两朵私有云构成的分布式云基础设施，八大全行级共享能力中心，以及以此为基础搭建的三大技术体系，覆盖了技术平台设施建设、业务平台建设、体系规范建设、架构规划、业务运营合作等领域。

其中，分布式云基础设施采用腾讯云全栈专有云解决方案TCE构建，搭载了腾讯云金融级分布式数据库TDSQL、分布式消息中间件TDMQ、企业容器服务TKE、分布式存储、负载均衡、安全等产品和能力。

在具备安全可控、弹性伸缩和高可用性等特性的同时，能够大幅提高业务连续性能力和高并发能力。

八大全行级共享能力中心则包括微服务平台、移动开发平台、DevOps平台、音视频平台等四大技术平台，以及生物特征识别平台、营销权益平台、风控平台、标签管理平台等四大业务平台。

作为一套高效协同的能力共享体系，共享能力中心能够高效支撑创新业务场景及业务能力的快速落地，提升智慧化运营水平、自主风控能力以及线上用户经营能力，快速形成业务价值。

在产品能力的基础上，腾讯云还帮助广州农商银行在金融云平台中构建了DevOps敏捷交付体系、分布式开发体系、移动开发体系等三大技术体系，通过云上基础框架的最大化共用，形成服务化、平台化、共享化、标准化的技术能力，有效解决银行科技人员少、技术差异大、系统烟囱式建设以及无法实现自主掌控等难题，实现银行科技发展模式的升级。

目前，广州农商银行部分业务系统已经开始迁移上云。共享能力中心也已经开始同步支持CRM系统、线上营业厅等业务系统上线，后续还将陆续对接互联网核心、网络银行App、尽职调查App、子行系统等业务系统。

去年，腾讯云与广州农商银行签署战略合作协议。未来，以金融云平台为基础，双方还将共同拓展面向个人和企业的场景金融服务，推动广州农商银行零售金融、小微金融以及三农金融等业务的进一步发展。

华为云FusionInsight首席架构师徐礼峰认为，很多大企业的硬件都是集中采购，并没有考虑到大数据不同场景对资源诉求的不一，而且计算与存储的配比并未达到很好的均衡，存在较大的浪费。不同批次的硬件之间也存在差异，虽然可以用技术手段解决硬件异构、OS异构的问题，但是持续维护的代价相当高。

此外，大数据手工部署效率低、系统交付周期长、资源池之间的资源无法共享等问题，都会给银行造成浪费。

面对这些挑战，许多银行都选择将大数据部署到云平台上。

徐礼峰表示：“基于云原生的存算分离架构来部署大数据业务有很多优势。”

“首先，硬件资源池化后，计算和存储可以灵活的扩展，利用率相对较高；其次，基于云平台的大数据环境搭建，全部自动化，从硬件资源准备到软件安装，仅用一小时完成；再者，云上只要预留了资源，空间资源可以很快加入到大数据的资源池里，新业务上线也会变得非常敏捷。”

以工商银行为例，2020年初，在华为云的帮助下，工商银行开始构建云数据平台，将整个数据湖迁移到云上以实现大数据的云化和服务化，并在金融同业中首家推出了大数据风险信息服务产品融安e信，成功服务了260家金融机构和4.6万家企业。

近日，雷锋网《银行业AI生态云峰会》邀请到徐礼锋作为「大数据平台」赛道的科技专家，为大家带来其多年在金融大行服务的大数据平台设计理念和交付实践。

以下为徐礼锋的演讲内容，雷锋网AI金融评论作了不改变原意的编辑：

大数据技术的「演进趋势」

感谢雷锋网举办这个活动，让我有机会分享华为FusionInsight在工行的实践。

大数据从2010年开始到现在各种新技术层出不穷，最近围绕云基础设施又有非常多的创新发展。

很多企业早期的数据分析系统主要构建在数据仓库之上，有的甚至连数据仓库都没有，使用TP类关系型数据库直接对接BI系统实现。这类系统一般以物理机形态的一体机部署，分布式能力比较弱，随着数据规模巨大增长，尤其是移动互联网发展，传统数据库难以支撑这种大体量的数据分析需求。

在这个背景下，Hadoop技术应运而生并飞速发展，有效地解决了大数据量的分析和处理需求。Hadoop最开始的应用多用于日志类非关系型的数据处理，主要基于MapReduce编程模型，随着SQL on Hadoop的发展，关系型数据的处理能力也越来越强。

早期的Hadoop主要基于物理机部署，一直到现在仍然是最成熟的部署模式。虽然Hadoop计算与存储之间是解耦的，但是绝大部分实践都还是会把计算与存储进行一体化部署，Hadoop调度系统会把计算调到数据所在位置上进行就近计算，就近计算大大提高了系统的处理能力，后期Spark、flink等都继承了这种架构优势。

自从亚马逊推出云IT基础设施以来，越来越多的企业都将自己的IT业务迁移到云上，因此，在云上开展大数据业务顺理成章。基本上所有的云厂家也都提供云上大数据解决方案。

那么，在云上部署大数据与原来基于物理机的on premise部署方式又有哪些不同呢？

首先，尽量利用云的计算资源，包括云虚机、容器以满足资源的快速发放，包括裸金属服务BMS以提供近似物理机的高性能处理计算资源。

其次，各云厂商都推出存算分离的大数据架构，亚马逊是最早实现对象存储替代HDFS，因为对象存储相对HDFS三副本成本相对较低。计算与存储分离之后带来了很多好处，但是也面临着诸多挑战。这个方向一直在不断地完善，目前，云上大数据存算分离已经发展的比较成熟。

Lakehouse是最近非常热的一个大数据概念。2020年1月份databricks发表的一篇博客中首次提到Lakehouse这个概念。之后，在今年的1月份再次发表一篇论文，系统阐述如何构建Lakehouse。

很多数据分析系统都构建在数据仓库、数据湖的基础上，有些将两者结合形成如图的两层架构，大型企业后面这种形式更多。这种数据湖、数据仓库的两层架构到底存在哪些问题呢？

可以看到，数据湖和数仓的很多数据是雷同的，这样就会导致以下三个问题：

第一，数据要存储两份，相应的存储成本翻倍。

第二，数据湖和数仓的数据存两份，就需要维护数据的一致性，这个过程主要通过ETL来保证，维护代价比较高，而且往往很难保持一致，可靠性不是很高。

第三，数据的时效性。数据湖将大批量的数据集成起来并不容易。由于数据湖大多基于Hive来管理，而其底层HDFS存储并不支持修改，所以数据仅支持追加的模式来集成。而业务生产系统的数据变化不是只有追加的数据，还有很多更新的操作，如果要对数据湖的数据进行更新，就需要按分区先合并后重写。这样就增加了数据合并处理的难度，更多的时候只能通过一天合并一次的T+1的模式，T+1的模式也就意味着大部分数据对后端应用的可见性差了一天，当前看到的数据实际上是昨天的，意味着数仓里面的数据始终并不新鲜。

LakeHouse就是期望解决数据湖与数仓的融合分析的问题。LakeHouse提出通过提供ACID的开放格式存储引擎来解决数据的时效性问题，开放格式另一个好处在于数据湖里的数据可以面向多种分析引擎，如Hive、Spark、Flink等都可以对数据进行访问分析,而且AI引擎也可以访问Lakehouse数据做高级分析。

对于诸如Hudi、Iceberg、DeltaLake增量数据管理框架，由于其提供了ACID的能力，数据可以进行更新操作以及并发读写，因此对存储数据存储要求也更高，比如需要支持时间旅行、零拷贝等能力，才能保证数据随时可以回溯。

Lakehouse除了支撑传统的BI以及报表类的应用，还要支持高级的AI类的分析，数据分析师、数据科学家可以直接在Lakehouse进行数据科学计算和机器学习。

另外，Lakehouse的最佳实践是基于存算分离架构来构建。存算分离最大的问题在于网络，各云厂家以及大数据厂家，都探索了很多的手段来解决云存储本身访问的性能问题，如提供本地缓存功能来提高数据处理的效率。 

Lakehouse架构可以实现离线与实时的融合统一，数据通过ACID入湖。

如图所示是经典的大数据的Lampda架构，蓝色的处理流是批处理，红色的则是流处理，在应用层形成实时合并视图。这个架构存在的问题就是批处理和流处理是割裂的，数据管理之间的协同比较麻烦，而且不同的开发工具对开发要求的能力不同，对系统维护工程师和数据开发人员都是较大的挑战。

针对这种的情况，Lakehouse架构可以将批处理和流处理合并成一个Lakehouse view，通过CDC把业务生产系统数据实时抽取到数据湖，实时加工后送到后端OLAP的系统中对外开放，这个过程可以做到端到端的分钟级时延。

Lakehouse本身的概念比较新，大家都还在做着各种各样的实践以进行完善。

FusionInsight在工商银行实践的三大阶段

工行早期主要以Oracle 、Teradata构建其数据系统。数仓为Teradata，数据集市是Oracle Exadata。

2013年开始，我们在工行上线了银行业第一个大数据平台，当时的大数据平台以单一的应用为主，例如一些日志分析、TD的新业务卸载和明细查询。

2015年之后，对数据系统进行整合合并，包括通过GaussDB替代Teradata数仓，形成了融合数仓，在工行被称之为一湖两库，以FusionInsight构建数据湖底座以支持全量的数据加工，同时实时分析、交互式分析等业务也在其中得以开展。

2020年初，开始构建云数据平台，将整个数据湖迁移到云上以实现大数据的云化和服务化，同时构建存算分离的架构。另外还引入AI技术。

工行的技术演进方向是从单一走向多元、从集中式走向分布式、从孤立系统走向融合、从传统IT走向云原生的过程。

第一代大数据平台更多的是根据应用需求按需建设，这个时期对Hadoop究竟能解决什么问题并没有很深的认知。

首先想到的是解决业务创新，以及在数仓里做不出来的业务，比如把大批量的数据合并作业卸载到Hadoop系统里。

这个时期缺少系统规划，导致单集群规模小，集群数量不断增多，维护成本较高，资源利用率低。另外，很多数据是需要在多个业务间共享的，需要在集群间进行拷贝迁移，大量冗余的数据增加了资源的消耗。同时，数据需要根据不同的场景存储在不同的技术组件中，利用不同的技术组件进行处理，也导致ETL链路较长、开发效率低，维护的代价高。因此，需要对整个大数据平台的架构进行优化。

第二阶段将多个大数据集群进行了合并，形成数据湖，其特点在于数据处理层统一规划，集中入湖、集中管理。使得整体的管理、维护、开发效率得到极大提升。

将原始数据入湖之后，还会对数据进行一些加工处理以形成汇总数据和主题数据，并在数据湖里进行集中治理，数据加工处理后送到数仓或者数据集市，以及后端的其他系统里。

基于这种架构，数据湖的应用效率得以极大提升。经过几年发展，当前集群规模已经达到1000多节点，数据量几十PB，日均处理作业数大概是10万，赋能于180多个总行应用和境内外41家分行及子公司。

但是，将所有数据存进一个集中的数据湖也带来了很多管理方面的难题。

数据湖支撑的业务和用户对SLA高低的要求不尽相同，如何给不同部门、不同业务线、以及不同用户的作业进行统一管理比较关键，核心是多租户能力，Hadoop社区YARN调度功能早期并不是很强，上千个节点的管理能力较弱，虽然现在的新版本得以改进。

早期的集群到几百个节点后，调度管理系统就难以支撑。因此我们开发了 Superior的调度器加以完善。工行的1000节点集群在银行业算是比较大的数量级。我们在华为内部构建了从500到几千直到10000节点的一个集群，这个过程已经对大集群的管理能力提前进行铺垫，在工行的应用就相对比较顺利。

如图所示，我们把整个的资源管理按照部门多级资源池进行管理，通过superior调度器，按照不同的策略进行调度以支撑不同的SLA。整体效果而言，资源利用率得以成倍提升。

还有一些其它组件，尤其是像HBase的region server是基于JAVA的JVM来管理内存，能利用的内存很有限，物理机资源基本用不满，资源不能充分利用。

为了解决这个问题，我们实现在一个物理机上可以部署多实例，尽量将一个物理机的资源充分利用，ES也是按照这种方式来处理。

集群变大之后，其可用性和可靠性也存在着很大的问题。大集群一旦出现问题导致全面瘫痪，对业务影响非常大。所以，银行业必须全面具备两地三中心的可靠性。

首先是跨AZ部署的能力，AZ实际是属于云上的一个概念，传统的 ICT机房里更多的是跨DC数据中心的概念，跨AZ部署意味着一个集群可以跨两个AZ或者三个AZ进行部署。

Hadoop本身具备多副本机制，以多副本机制为基础，可以将多个副本放置在不同的机房里。但是以上条件并非开源能力可以支撑，需要补充一些副本放置和调度的策略，在调度时要感知数据究竟放置在哪个AZ，任务调度到相应的AZ保证数据就近处理，尽量避免AZ之间由于数据传输带来的网络IO。

另外，容灾能力还可以通过异地主备来实现，跨AZ能力要求机房之间的网络时延达到毫秒级，时延太高可能无法保证很多业务的开展。异地的容灾备份，即一个主集群和一个备集群。平时，备集群并不承担业务，仅主集群承载业务，一旦主集群发生故障，备集群随之进行接管，但是相应的代价也会较大，比如有1000个节点的主集群，就要构建1000个节点的备集群，所以多数情况下，主备容灾更多的是仅构建关键数据关键业务的备份，并非将其全部做成主备容载。

大数据集群需要不断扩容，随着时间的推移，硬件会升级换代，升级换代之后必然出现两种情况，其中之一就是新采购机器的CPU和内存能力，以及磁盘的容量，都比原来增大或者升高了，需要考虑如何在不同的跨代硬件上实现数据均衡。

换盘的操作也会导致磁盘的不均衡，如何解决数据均衡是一个很重要的课题。

我们专门开发了按照可用空间放置数据的能力，保证了数据是按照磁盘以及节点的可用空间进行放置。同时，对跨代节点按规格进行资源池划分，对于早期比较老旧且性能相对差一些的设备，可以组成一个逻辑资源池用于跑Hive作业，而内存多的新设备组成另一个资源池则用来跑spark，资源池通过资源标签进行区分隔离，分别调度。

集群变大之后，任何变更导致业务中断的影响都非常大。所以，升级操作、补丁操作都需要考虑如何保证业务不会中断。

比如对1000个节点集成进行一次版本升级。如果整体停机升级，整个过程至少需要花费12个小时。

滚动升级的策略可实现集群节点一个一个滚动分时升级，逐步将所有节点全部升级成最新的版本。但是开源的社区跨大版本并不保证接口的兼容性，会导致新老版本无法升级。因此我们研发了很多的能力以保证所有版本之间都能滚动升级。从最早的Hadoop版本一直到Hadoop3，所有的组件我们都能保证滚动升级。这也是大集群的必备能力。

数据湖的构建解决了工行的数据管理的难题，但同时也面临着很多新的挑战和问题。

一般而言，很多大企业的硬件都是集中采购，并没有考虑到大数据不同场景对资源诉求的不一，而且计算与存储的配比并未达到很好的均衡，存在较大的浪费。

其次，不同批次的硬件之间也存在差异，有些可能还会使用不同的操作系统版本，导致了一个集群内有不同的硬件、不同的操作系统版本。虽然可以用技术手段解决硬件异构、OS异构的问题，但是持续维护的代价相当高。

再次，大数据手工部署效率低。往往开展一个新业务的时候，从硬件的采购到网络配置、再到操作系统安装，整个系统交付周期至少需要一个月。

最后，资源弹性不足，如果上新业务时面临资源不足，就需要扩容。申请采购机器和资源导致上线的周期较长，我们有时给客户部署一个新业务，往往大多时间是在等到资源到位。另外，不同资源池之间的资源无法共享，也存在着一定的浪费。

所以工行要引入云的架构。

FusionInsight很早就上了华为云，即华为云上的MRS服务。

当下工行和其他很多银行都在部署云平台，将大数据部署到云平台上。但大规模的大数据集群部署到云上还存在着一些挑战，基于云原生的存算分离架构来部署大数据业务有很多优势。

首先，将硬件资源池化，资源池化之后对上层就是比较标准的计算资源，计算和存储可以灵活的扩展，利用率相对较高。

其次，基于云平台的大数据环境搭建，全部自动化，从硬件资源准备到软件安装，仅用一小时完成。

再次，在申请集群扩容资源弹性时，无需准备，可以很快的在大资源池进行统一调配。一般而言，云上只要预留了资源，空间资源可以很快加入到大数据的资源池里，新业务上线也会变得非常敏捷。

再说存算分离，存储主要是以对象存储为主，用低成本的对象存储替代原来HDFS的三副本的能力，对象存储一般提供兼容HDFS的接口，在此基础上，对象存储可以给大数据、 AI等提供一个统一的存储，降低存储成本，运维的效率得以提高。

但是，对象存储的性能不是很好，需要围绕大数据的业务特点解决以下问题。

第一个，就是元数据，因为大数据是个重载计算，在计算的过程中读IO很高。读取数据的过程中。对象存储的元数据性能是个很大的瓶颈，因此需要提升元数据的读写能力。

第二个，网络带宽，存储与计算之间的网络IO对网络带宽的需求比较高。

第三个，网络时延，大数据计算是就近计算，数据在哪里相应的计算就会在哪里，存储数据是优先读本地盘，之后是读网络。时延存在一定的敏感性。

我们主要是从缓存、部分计算下推上做一些优化，整体上而言，存算分离架构的性能跟一体化相比，除了个别用例有差距，整体性能都更高，尤其是写场景，因为写对象存储是写EC，而不用写三副本，写1.2个副本就可以了。

最后，整体的 TCO大概得到30%~60%的下降。整体的性能与周边其他产品对比还是具有很大的优势。

大数据部署到云上，对于大集群而言，虚机并没有太大优势，因为数据池子够大，虚机还会带来性能的损耗，而且其性能与物理机有一定差距。而且，基于SLA隔离要求，大数据资源池在私有云部署，很多时候还是需要独占，其资源无法和别的业务共享。

而裸金属服务实际上可以很好的解决这些问题，它的性能接近物理机，而且可以分钟级完成裸金属服务器的发放，包括整个网络配置，OS安装。

网络部分有专门的擎天网络加速卡，对裸机网络进行管理，而且网络性能比原来的物理网卡的性能更高，在裸金属服务器上开展大规模大数据业务是云上的最佳部署方案。

未来展望：湖仓一体

工行和我们也在探索湖仓一体的解决方案。

华为云湖仓一体在存算分离的基础上，将数据管理层独立出来，其中包含了几个部分，第一个是数据集成，数据从各种各样的外部系统入湖。第二个是元数据集成，由于Hadoop数据湖上的元数据通过Hive管理，我们提供一个兼容Hive Metastore的独立元数据服务。第三个是数据的授权以及脱敏这些安全策略，我们要将其在Lake Formation这一层进行统一闭环。

数据的底座构建好之后，数据分析服务如大数据的服务、数仓的服务、图计算、AI计算都是在同样的一个数据视图上进行计算处理。数仓DWS的服务本质是本地存储，数仓也可以通过它的一个引擎访问Lakehouse中的数据。这样数仓自己在本地有一个加速的数据层，同时也可以访问Lakehouse。

在此基础上我们通过一个架构来实现这三种湖，持续演进。

蓝色数据流是离线数据流，实现离线数据湖能力，数据通过批量集成，存储到Hudi，再通过Spark进行加工。

红色数据流是实时流，数据通过CDC实时捕获，通过Flink实时写入Hudi；通过Redis做变量缓存，以实现实时数据加工处理，之后送到诸如Clickhouse 、Redis、Hbase等专题集市里对外提供服务。

同时，我们还开发了HetuEngine数据虚拟化引擎，将数据湖里面的数据以及其他专题集市里的数据进行多数据源关联分析，形成逻辑数据湖。

虽然HetuEngine可以连接不同的数据源，但并不意味着所有应用只能通过HetuEngine来访问数据，应用还是可以通过各数据源原生接口进行访问。仅需要不同专题数据之间进行联合分析时，才需要通过HetuEngine统一访问。

如下是具体的实施计划：

第一个，引入Hudi，构建一个数据湖的数据管理，每年大概可以节省几百万。

第二个，引入HetuEngine，实现数据湖内的数据免搬迁的查询分析。避免一些不必要的ETL过程。

第三个，引入ClickHouse，ClickHouse在OLAP领域有着非常好的处理性能和很多优势，因此考虑将其在工行落地。

数据湖以Hive作为存储，采用一天一次批量集成、批量合并的方案，即T+1的数据处理模式。这种模式存在几个比较大的业务痛点：

第一，数据延时比较高，后端服务看到的数据并不是最新的。

第二，跑批作业在夜里进行，而白天资源利用率较低，但集群资源是按照高峰期需求来构建，造成很大的资源浪费。

第三， Hive不支持更新，数据合并需要开发较多代码实现，如把新数据临时表与原Hive表进行左右关联后覆盖原来整表或者部分分区表，开发成本比较高，业务逻辑复杂。

引入Hudi就可以在很大程度上解决这些问题。数据通过CDC入湖，通过Spark或者Flink写入Hudi，支持实时更新，端到端可以做到分钟级的时延。数据以非常小的微批形式合并到数据湖，分散跑批使得资源白天和晚上都能得到充分利用，数据湖集群TCO预计可以下降20%。此外，数据集成脚本开发可以利用Hudi的Update能力，原来Hive要写几百行的代码，只需一行脚本即可完成，开发效率提升很大。

工行数据湖使用Hive来承载灵活查询业务，如SAS使用Hive SQL来访问数据湖，访问效率比较低，响应时间长，并发能力也不足。

另外数据湖与数仓的两层架构导致了大量的重复数据，有较多关联分析需求，关联处理必然涉及到湖仓之间大量ETL。比如为了支撑BI工具的分析诉求，需要数据湖和数仓数据关联处理加工，并将加工之后的数据导入OLAP引擎。整体数据链路比较长，分析效率和开发效率都很低。

通过HetuEngine数据虚拟化实现湖仓协同分析，一方面替代Hive SQL访问 Hive的数据，只需1/5的资源即可支撑大概原来5倍并发，同时访问时延降到秒级。另一方面可同时访问Hive和DWS提供秒级的关联查询，可以减少80%的系统间的数据搬迁，大量的减少 ETL的过程。

传统的OLAP方案一般用MySQL、Oracle或者其他的OLAP引擎，这些引擎因其处理能力有限，数据一般按照专题或者主题进行组织后与BI工具对接，导致BI用户和提供数据的数据工程师脱节。比如BI用户有一个新的需求，所需的数据没有在专题集市中，需要将需求给到数据工程师，以便开发相应的ETL任务，这个过程往往需要部门间协调，时间周期比较长。

现在可以将所有明细数据以大宽表的形式加载Clickhouse，BI用户可以基于Clickhouse大宽表进行自助分析，对数据工程师供数要求就会少很多，甚至大部分情况下的新需求都不需要重新供数，开发效率和BI报表上线率都会得到极大提升。

这套方法论在我们内部实践效果非常好，原来我们基于传统OLAP引擎建模，受限于开发效率，几年才上线了几十个报表。但是切到Clickhouse后，几个月之内就上了大概上百个报表，报表开发效率极大提升。（雷锋网）

欲了解更多活动详情，可联系作者周舟（微信：18811172358）。

这些机构都是经过国家许可或者受相关部门监管的数字货币平台，比如数字支付平台Wirex、数字货币交易平台Coinbase和Fold、加密资产借贷平台BlockFi、奥地利加密交易平台Bitpanda、加密借记卡平台Crypto.com等。

业内人士表示，Visa与数字货币服务商的合作，让消费者可以更快、更容易地转换数字货币，并将这些资金实时存入到他们的Visa凭证上

这不是Visa第一次布局数字货币，早在2019年Visa便投资了加密货币托管服务商Anchorage。

Anchorage对区块链技术进行了多年的探索，是一家致力于为数字货币生态系统建立安全基础设施的公司。Visa投资Anchorage，被认为是其在数字货币领域布局的一次“小试牛刀”。

此后，Visa的研究团队继续探索，进行了包括Zether和Flyclient在内的多项创新。

据公开信息显示，Zether协议是一种保密的支付机制，兼容以太坊和其他智能合同平台，旨在为交易增加更深一层的匿名性。2019年5月，摩根大通看好这一协议，宣布将其应用到自己的区块链网络中。而FlyClient是一个技术框架，可使移动设备更轻松地验证区块链交易。

6月，Facebook新推出虚拟加密货币Libra，Visa也参与其中，后因为以法国为首的欧盟五国联手抵制Libra进入市场而退出。

2020年5月，美国专利商标局（USPTO）发布信息，Visa提交了一份专利申请，使用区块链技术创建数字货币。该专利适用于数字美元以及其他中央银行发行的数字货币，比如英镑、日元和欧元。这份专利支持世界上任何国家中央银行的实物货币的数字化。

2020年7月22日，Visa发布了一篇名为《推进数字货币——Visa对新的数字货币支付流程的展望》的文章，称数字货币有潜力将数字支付的价值扩展到更多的人和地方，因此，Visa希望帮助塑造和支持它们在未来货币中扮演的角色。

在Visa与数字货币钱包合作之时，数字货币钱包同样也在寻求利用Visa的全部功能。

比如Visa Direct通过与Visa的全球网络结合，可以使更广泛的消费者能够更快、更容易地转换数字货币，并将这些资金实时存入到他们的Visa凭证上。

目前除Visa之外，Mastercard、Paypal等国际支付巨头也纷纷布局数字货币。

近日，Mastercard便表示与巴哈马中央银行合作，推出了全球首个巴哈马沙预付卡，预付卡使人们可以选择立即将数字货币转换为传统巴哈马元，并在Mastercard支持的任何地方支付商品和服务。PayPal也表示，未来数月将向英国市场提供加密数字货币服务。（雷锋网雷锋网雷锋网）

360数科首席科学家张家兴表示：中台在金融行业的价值体现于对数据、技术、人才进行聚焦、打通、提效。

银行拥有着大量的数据、技术和人才，但是这些资源往往“各行其是“。银行的部门与部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。

张家兴表示，中台可以很好解决这一痛点，形成聚集的效果。既能做好每一方面的技术，还能辐射到不同的业务，更好地赋能金融。

在中台建设方面，360数科于2020年下半年推出数据AI融合中台，针对金融机构业务痛点，打造360金融大脑，为金融机构提供数字化营销方案、数字化运营方案、数字化风控方案、数字化贷后方案，以及智能金融全链路五大解决方案，帮助金融机构向数字化、智能化转型升级。

适逢新年，雷锋网《AI金融评论》邀请到张家兴参加「银行业AI生态云峰会」，他给大家带来了360数科在数据中台以及多个银行场景下的AI落地实践经验。

以下为张家兴的演讲内容，雷锋网AI金融评论作了不改变原意的编辑：

大家好，今天我们一起来探讨一下数据AI在普惠金融中的思考和实践。

普惠金融的底层科技引擎

首先，什么是金融遭遇中台？

中台是近5年一个比较热门的话题。当时，阿里巴巴提出了业务中台、数据中台，以及后来的碎片中台等等各种中台概念。

在这个过程中，一些反对的声音则称中台实际上没有那么多的价值，在一些传统行业，尤其在一些传统行业落地的过程中也遇到了一些阻碍。

那么对金融而言，中台到底具有怎样的价值，好还是不好呢？

金融，是一个很古老的行业。狭义的金融就是将贷款、保险理财等产品推荐给个人和企业，并对其提供金融服务。

现代的金融则得益于科技的支撑，包括智能获客、智能运营、智能风控、智能贷后、智能服务、智能理赔和智能投顾等等。

科技在支持金融发展的过程中，反过来对科技中台提出了要求。

支撑所有这些智能能力的，实际上就是数据中台、智能平台、机器学习、计算机视觉、自然语言、对话机器人等等人工智能以及大数据技术。

为什么金融领域需要数据AI融合中台

为什么当科技支持金融的时候，我们需要中台？

我认为中台在其中体现出的价值就是三个关键词——聚焦、打通、提效。我们到底对什么进行聚焦、打通和提效，实际上是对数据、技术、人才进行聚焦、打通、提效。

在金融领域里，数据本身被应用到多方业务，如何将在业务里所产生的数据聚集在一起、打通，提升数据的使用效率，就是中台要起到的作用。

从人才的角度而言，中台除了是一种技术手段，其更多体现的是一种组织架构。中台支持的是各种不同的业务、技术，这些业务与技术实际上具有一定的关联性。

如果为每个业务都独立地造烟囱，最终每一方面的技术都浮于表面，无法继续深入。所以，我们希望能把相同技术的人聚集在一起，在中台形成聚集的效果。既能做好每一方面的技术，还能辐射到不同的业务，更好地赋能金融。

为什么数据AI要融合，当讨论数据与AI的时候，实际上有两种关系，一种被称作数据的AI，就是数据本身很有价值。比如做智能圈人、营销圈人，其中的数据是用户的行为数据，是非常有价值的。

为了将数据发挥出它的价值，这时才需要模型。比如我们可以根据这些数据，进行一些转化预测和实际的判断。

另外一种关系被称为AI的数据。一个典型例子，对话机器人在金融领域的催收、电销方面扮演着非常重要的作用。

如果想体现出一些AI的能力时，反之希望用数据来支持。包括训练的语料、知识库，这时反而是数据对模型起到了支持的作用。

所以，数据与AI两者之间融合得非常紧密，如果单独建设一个数据中台，再另外建设一个AI中台，两者之间将不可避免地存在割裂的现象。

360数科进行了一个实践，我们将数据与AI融合在一起，形成了一个数据AI融合平台，这样两者都能更好地体现出各自的价值。

接下来，中台应用于具体的业务——普惠金融。

纵观整个金融的发展历史，在远古时代，金融最古老的形式就是借贷。

古罗马时代出现了债券，到了大航海时代，因为需要进行跨越大洋的贸易，就出现了用股票和保险以分担风险的金融方式。

而到了资本主义时代，诞生了现代银行，20世纪初又出现了个人理财，事实上，所呈现的趋势是需求在拉动着各种不同的金融形式的出现。

随着经济的发展，经济风险越来越大，就需要金融对风险进行一定的保障。

之后，随着中产阶级的逐渐崛起，20世纪出现了个人理财，个人财富的逐渐增加催生了理财需求。上个世纪50年代之前，是需求在拉动着着各种金融形势的出现。那时金融的特点是全部依赖于人工服务。

人工服务的缺陷就是人力较贵，而且人又无法看很多的数据，那个时代的金融服务注定没法普惠，无法服务到很多的用户和中小企业。

50年代的时候出现了电子计算机，我们进入到数字时代，自那之后，才出现了普惠金融。从那时起，我们终于可以开始摆脱人的服务，而用机器服务于人。

在机器代替人工后，机器可以更好地使用数据，用数据来更好地服务我们的用户。

数字时代的普惠金融，从之前完全通过需求拉动人工服务的方式，演变到现在的技术推动。

在这个数字时代，底层技术使得我们可以提供更好的服务，甚至创造出了新的需求。在整个技术发展的过程中，不只是金融领域，几乎所有的传统领域都发生了相应的改变。

到底技术是如何推动普惠金融，让其逐渐从不可能成为可能。总结起来就是三大技术——

第一，从2005年以谷歌 Bigtable、MapReduce等等为代表的大数据技术开创了大数据时代后，我们可以处理海量的用户数据。

普惠金融就是要服务很多的用户，如果不能处理海量的用户数据，普惠金融也没有存在的价值。

第二，从2010年起，诞生了安卓系统，有了苹果手机以及3G、4G、5G技术相继出现。我们开始进入到移动互联网时代，终于可以对海量用户进行精准触达。

在那之前，用户更多是通过电脑上网。如果完全依赖于电脑，其触达的能力是很有限的。

而在移动时代，我们终于可以随时随地触达到用户，用户也可以随时随地访问到我们的服务。

这时，移动互联网成为普惠金融第二个重要的技术拼图。

第三，人工智能，人工智能终于使得高效服务海量用户成为可能。

在人工智能诞生之前，客服需要坐在人工坐席来提供服务，以前的传统银行，就需要很多的人工客服。

如果想服务10亿用户，就需要100万的人工吗？今天，则利用人工智能的机器人代替人工进行提效，才使得服务海量用户成为可能。

从2005年、2010年到2015年，每5年一次的技术变革，终于完成了今天的普惠金融。

2020年进入到5G和IOT的时代。接下来的2025年和2030年以及今后的技术变革，比如是现在已经很接近通用的人工智能的GPT-3还是量子计算，将在10年20年内有重大突破，又会给普惠金融带来怎样的推动作用、改变，我们拭目以待。

技术对金融的推动作用不容小觑，事实上在过去的几十年里，技术一直在推动着金融的发展直至其成为各种可能，我们也期待着今后技术对金融不断的新的推动作用。

数据中台的价值和实践

在普惠金融中，以360数科为代表的金融科技公司，在其中起到了一个桥梁的作用。一端面对的是中国广大的10亿的互联网用户，他们都有一些贷款和保险理财等方面的需求。

另外，很多金融机构在给用户提供所需要的金融产品时，需要一个桥梁，将这些金融机构的金融产品，能够很好地推送给这些互联网用户。

作为一家兼具金融与互联网基因的金融科技公司，360数科更多地是考虑这些互联网用户将会出现在哪些场景中，例如他们会出现在各种APP中，出现在抖音、快手等短视频的网站里，或者出现在搜索引擎上。

通过与这些场景的深度合作，以及场景被赋予的各种智能能力的方式，我们实现了智能的、普惠的面向所有这种互联网用户的链接。

在过去的几年中，360数科在普惠金融中取得了一些成就，一些三农小微企业和社会上的贫困人群也能被金融所普惠到，如果没有像360数科这样的金融科技公司，将存在一些金融服务的盲区。我们通过技术帮助金融机构覆盖到这些金融盲区。

实际上，普惠金融技术在其中起到了智能驱动引擎的作用。

因为普惠金融主要是面向广大的互联网用户和小微企业，技术在其中起到的作用，一个是找到人，另一个就是看准人。

找到人就是要触达人，找到那些真正有金融服务诉求的人群。包含以下3个环节：

第一，精准投放，在互联网的各种场景中，找到那些当前正在对金融服务有需求的人。事实上，每个人在其一生中都会有金融服务的诉求，但不是随时随地都有诉求。

如果他现金充足就不需要贷款，他现在没有什么风险则不需要保险，但是在某一时刻他是需要的。

所以在精准投放中很重要的一点就是，要找到此时此刻正好有金融诉求的这些人，这个过程被称作大海捞针。如果把我们的广告投放给根本没有需要的人，实际上就是在浪费流量，我们也得不到想要的用户。

第二，智能运营，360数科有一亿多的注册用户，我们根据他们平时的行为知道用户当前是否有金融服务方面的诉求。可以对用户理解得更加精准，可以更好地筛选用户。

第三，高效触达，无论是在精准投放还是在智能运营的过程中，很重要的一点就是要能够触达到用户，金融类APP的一个特点就是用户平时的访问率并不高，只有在有诉求的时候才会访问。

所以，我们就需要通过包括短信、电话等方式主动地触达到用户。一个标准的金融科技公司或者是互联网金融公司，每天可能会有千万级别的触达的需要，触达如何更高效，也是在找到人这个环节中必须要做的。

在找到人之后，我们还要对这个人群进行风险评估，即看准人，其中很重要的就是进行精准风控，我们要做机器学习，一个典型的金融科技公司的数据应该是几十PB的规模，通过数据的学习，我们对人群进行画像，对人的风险进行评估。

当用户接受了我们的金融服务，我们也要对用户的全生命周期进行管理，比如用户贷后没有还钱，我们也需要在贷后的环节，通过机器对贷后进行提效。

整个过程体现了在普惠金融中，金融科技特别重要的精准化和自动化。要想使得活性成为可能，我们必须使这两点在技术上使其成为可能。

精准化既在找到人和看准人这两个环节上一定要非常的精准，面对众多的人群，如果不加以选择和评估，那么就会面临很大的风险。

自动化即在服务众多人群时，更多的是通过人工智能使得整个过程尽量不费人力。

所有的一切都是围绕着精准化和自动化这两个技术来实现的。

为了实现普惠金融进入底层技术的引擎，360数科打造了数据AI融合中台以实现搭链路、建平台的目的。

搭链路既从找到人和看准人的环节来看，普惠金融就是通过智能投放、智能运营、智能风控、智能贷后，使得整个过程变得更加的全面和智能化以实现精准、自动。

在整个过程中我们搭建了机器学习、语音机器人、视频音频技术、计算机视觉以及数据中台，使其成为一个平台矩阵以支撑整个智能链路，让链路变得更加高效。

接下来，重点探讨一下数据AI融合中台。

首先，为什么在金融环节里需要数据中台？

所有数据中台的存在都表明了业务繁多，在金融场景里，信贷、保险、理财这些不同的业务，在细分之后也有不同的信贷产品，第一要务就是将这些众多的业务打通，这是数据中台存在的第一个价值。

数据中台在金融领域的另外一个价值，就是大多数金融公司无法只依赖于自己的数据，我们还要依赖于第三方的数据，这样才能对用户在找到人和看准人这两个环节进行精准刻画。

数据中台在金融领域的第三个角色，因为面对的是海量用户，所有的互联网用户都是金融服务的潜在用户。

如果潜在有10亿的互联网用户，如何对10亿互联网用户进行充分地理解，就需要加以精准地刻画。

如何将用户关系进行连通，要做到以下三通：多业务打通，内外数据互通和用户关系连通。这是数据中台的第一层意义。

数据中台的另外一层意义就是各种各样的快，因为我们整个业务都是建立在数据的基础之上，数据做得有多好，就决定我们的业务做得有多好。

数据做得好的一个衡量标准就是快。第一重就是数据的实时处理要快，如果所有的数据都是今天发生的问题明天才能看到，那时候可能已经有很多损失了。

我们将数据实时化的原因是，不要死数据，要活的数据。

第二重即数据使用快，实际上从运营到数据分析，所做的业务都完全依赖于数据。

如何让用户、内部的运营、产品运营、数据分析在使用数据中更加高效，必须得让数据快起来。

此外，数据需求响应快，互联网公司的特点就是经常会有一些新的业务出现和调整。当出现以上两种情况时，我们对数据就会有新的需求，这些需求如何快速得以响应，就需要数据响应快。

结合360数科的实践，我们到底是如何做到三通三快的。

第一个，多业务打通，我们原来的数据都是分散在各个业务里并且以原始数据的形式存在。

多业务打通很重要的一点就是要做到one data，甚至是one team。

我们需要一个团队将整个公司的数据资产进行统一管理，形成一个统一的数仓。

在统一数仓的基础上，根据不同的业务，我们会设立主题和建设数据集市以服务业务。

实际上，很多公司在做数仓的时候，没有做到one team，不同的业务团队各自为政，无法形成统一，这个也是很多公司的痛点。

要想真正实现统一的数据资产体系，需要坚持 One data和one team的理念，用一个团队来打造这样的数据资产体系。

在统一的数据资源体系上，可以进行跨业务的数据服务，建设业务标签、用户标签等等。

第二，内外数据互通，比如业务一定要结合第三方数据公司的数据，但考虑到数据的个人隐私保护等问题，我们不可能从第三方数据公司直接拿到这样的数据。

对此，我们把数据标签和第三方数据融合在一起建立了一个模型，服务于精准获客、智能运营、风险控制等场景，也取得了一些不错的效果。

第三，用户关系联通。通过用户之间的相互关系，打造了一个大规模的用户的关系网络。其中包含了20亿个节点，超过500亿条边，很快就会升至1000亿条边，这些关系可以应用于以下几点：

第一点：为传统模型赋能。

第二点：反欺诈，挖掘用户的真实身份是什么？ 

第三点：风险社群，还可以用一些社区发现的方法发现一些风险社群。

第四点：多业务线聚合，实现多业务数据打通，通过one data和one team的方式，我们在建设数仓的时候，进行数据的打通。

如果能够把用户在不同业务中的关系最终聚合到一起，才能实现一个真正的更深层次的多业务的数据打通。

除了三通之外，接下来就是三快。

第一个，实时数据处理快，实时数据的价值在于真正让它实时地跑起来，才能让这个数据最大限度地发挥其价值。

我认为数据有两个价值，一个是数据的内容，包括多业务打通和内外数据打通。

当数据内容在空间的层面被挖掘得差不多时，接下来就应该挖掘时间的维度，我们让它更快起来。

如果数据既能做到内容丰富，在空间上广泛且有深度，又能做到在时间上更快，这时候数据的价值就真正显现出来了。

在过去的几年里，360数科通过Kafca+Flink+ClickHouse+Redis等等，打造了这样整个的实时数据的链路。

在反欺诈的环节，当用户贷款时，我们可以快速发现他有一些被欺诈的风险，这样就形成一个实时的链路。

我们立即通过短信、电话等方式回馈给用户，抢在用户被诈骗之前通知到他。我们一定要做到分钟级的实施系统，帮助到我们的用户。

在智能运营场景中，因为用户的诉求并非时时刻刻会出现，我们能否在第一时间发现用户的诉求，而不是等到用户诉求已经出现了几天之后才找到。

实时数据还包含了智能获客、智能投放的环节，当我们对媒体进行广告投放的时候，能否实时拿到媒体的反馈、转化、授信的情况，我们通过实时数据以指导我们的互动平台。

因为我们整个业务都是建立在数据基础之上，所以我们也是希望数据使用得更快，需求响应得也更快。

像360数科这样的金融科技公司，使用数据的包括BI分析、算法、产品运营人员，也包括管理层，都希望更快、更全、更及时、全面地看到数据。

针对于此，我们建立了整个数据体系，从最上层的直接支持他们的数据平台，到中间数据服务支撑的平台服务到整个数据资产的管理，包括元数据中心、维度管理、指标体系、数据仓库，到最下面整个数据技术架构的设计，我们在每一层都进行了大量的工作，就是为了让用户在使用数据时能够更快，并且对数据的任何一个响应，比如新建业务的需求项，可能涉及到三层，当然技术架构的变化不会很大，但是从数据资产、数据服务到数据平台可能都要进行调整。

我们通过平台化的建设和一些经验的积累、标准化，让整个数据体系变得更加规范、自动化，这样当有一个新的需求提出来的时候，可以快速地把这个需求做出来。

中台提供的AI能力

在实现了“三通三快”之后，再来看看中台所提供的人工智能的能力，中台实际上提供了搭链路、建平台，在搭链路的过程中，数据 AI起到了非常重要的作用。

第一个，机器学习，那么在金融领域里，机器学习有什么样的特点？

——监督学习，尽管监督学习在AI领域是非常传统的一个技术，但是在金融领域里它蛮重要的一个特点就是要从用户的过往表现中加以学习。

通过用户过往授信的通过与否，是否有逾期等行为，再结合用户的特征，我们就可以训练这样一个模型。

其中很重要的就是我们对用户以往表现的积累，像360数科已经在金融领域里深耕数年，已经对用户过往的表现积累了大量数据。

因为有大量用户的过往积累，所以使得监督学习就有着非常大的优势。

——图学习，我们建了一个很大的关系网络，我们希望在这个关系中理解每个用户的金融诉求和金融风险。因为图学习是一个非常消耗资源的机器学习的任务，为了让图学习成为可能，我们自研了图计算平台。

图计算平台可以使得训练效率提升10倍，在线服务也可以在50毫秒之内能够产生我们的特征，然后通过这个特征以判断用户的行为。

——联邦学习，在金融领域很重要的一点，就是要打通内外部的数据，，有些特征可能是外部的第三方数据公司所具备。如何在数据不可见的情况下把数据用起来。

我们研发了自己特有的一个联邦学习技术——分割式神经网络。

我们通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但是最终可以使得模型能够产生我们想要的效果。

在自动化方面，我们研发了语音机器人，在金融领域的语音机器人主要是应用于电销、催收等等场景。

如何让机器人更像人，我们自己开发了很多方面的技术，包含了语音技术，端到端的语音识别，端到端的语音合成等等。

对话机器人想达到的效果就是把机器人做得像人，并且又能够达成我们的目标。我们在线上搞了几十个催收机器人，形成了一个催收机器人的矩阵。

我们83%的催收金额，都是通过机器人完成的。这些催收机器人代替了相当于1000个催收员的工作。

我们的机器人技术不只是应用于自己的业务中，我们也想把这个技术回馈给社会。在疫情期间，我们做了一个“疫情通”的项目以帮助社区、公安、医疗机构，我们给其所辖的居民进行电话询问，达到了一个很好的社会效果，在疫情最严重的时候，我们的机器人团队用24小时把电销催收机器人改造成一个针对疫情的机器人服务于社会。

那么，接下来就要谈到全链路，从最开始的智能获客，到各方面我们要应对的事情，首先，来看看现在这个时代智能获客面对的挑战和应对是什么？

• 流量竞争白热化，不只是金融领域对流量有竞争，电商游戏、在线教育都对流量有诉求。

• 精准人群筛选，如何在这些竞争中脱颖而出，很重要的一点就是要能够精准找到我们所需要的人群，能否找到那些恰巧有金融诉求，而对其他诉求又没有那么强烈的人群，这样竞争就会相对小一些。

• 流量寡头化，现在的流量越来越被一些头部的 APP所掌握，对此，我们需要与掌握着这些流量的头部媒体进行共赢合作。

• 数据稀缺，精准地刻画用户需要很多的数据，我们也是开发了一些包括联合建模、联邦学习等等技术与第三方的数据进行合作。

我们还做了一个智能投放平台，我们针对很多的媒体进行了抽象化，针对很多的数据也进行了抽象化。

如果我们要把数据、媒体统一起来，那么，我们要做的是以下三件事。

人群包开发，为了更精准地刻画用户。再者是素材管理。因为素材直接决定着用户对我们广告是否感兴趣，包括对素材的审核以确保广告素材的质量。第三个就是出价策略，针对每个用户有完全个性化的定价。

通过整个智能投放，使得我们的获客成本下降了10%。

我们通过与头条等媒体合作，在行业首创了RTA的模式，产生了很好的效果，最终被其他同行以及整个广告投放领域所接受。

在获客之后，我们所要做的就是智能运营。

智能运营的逻辑，第一个是选定人群，针对人群我们选择策略，之后，在准备触达用户的时候，我们要选择一个内容如何触达到用户，接下来就是真正的触达，然后对效果进行分析，再根据分析的结果选择人群，形成一个闭环。

传统的做法是依赖于人工的经验和一些定制化的数据分析、开发，效率非常低。在研发出智能运营平台之前，一个策略的部署要花费两周时间。需要数据人员开发人群包，工程开发人员针对策略开发线上的专有系统。

通过这个智能运营平台，让整个闭环自动化，就使得策略部署的时间从两周缩短到4小时，不仅效率提升了，人均的策略个数也提升到原来的三倍。使得整个智能运营过程变得非常高效。

在智能运营的过程中再一次很好的体现了数据AI的融合，在整个闭环里，我们用数据与AI的能力在赋能，图中的绿色的模块是AI能力，蓝色的模块是数据能力。这些模块混合在整个闭环中，无法拆开。

在看准人方面，我们做了一个Argus智能风控平台，拦截了100万的反欺诈的人，也保护了超过800亿的资产等等，平台包含了反欺诈、风险预警、信用评估等等，智能风控平台在保障着整个服务质量。

整个链路的最后一个环节——智能贷后平台，在这个环节里，贷后、催收也是蛮传统的方向，需要很多的人工催收员，除了催收机器人在一定程度上代替人工之外，我们对整个催收员的工作流程进行优化，提出了智能并发外呼的技术。

其中包括了“仿生”自拨，用机器模仿人进行外呼，我们还有呼叫管家、坐席感知管理、实时动态调案等等对人工进行提效。

在这个系统之前，我们做过一次数据分析，发现催收员一天中只有1/5的时间是真正在进行有效通话，剩下4/5的时间都在拨打电话，在催收环节的接通率不高。

我们通过系统模仿和代替人拨打电话，这样的技术达到了一个很好的效果，使得我们用户每天的有效通话时长增加50%，人均接通电话数量翻倍，催收员减少30%，用更少的催收员达到更好的效果，最终还带来了催回率的提升。

以中台为基础的金融科技输出

最后，谈谈开放的金融科技，这个时代的AI金融科技是没有办法关起门来做的，现在的AI技术与20年前的IT并不一样，IT是可以根据需求开发出来就可以了，但是在人工智能时代，我们的特点就是有一个AI飞轮，涵盖了算法、平台、数据。

算法赋能平台，平台产生数据反过来又使得算法变得更好，这样的飞轮越转越快，能力变得越来越强。

在这个过程中，我们没有办法封闭的进行，无法只依赖于自己的数据，而需要多方数据的合作。

我们可以更好地筛选人群，在多个场景中进行人群的感知、评估和触达。

在我们具备了能力之后，我们也想赋能给金融机构。

360数科在科技输出上也做了很多的事情，我们的科技输出被称作样板型科技输出，为什么是样板型呢？

我们赋能给金融机构，自己就是一家最好的样板，我们也是在没有非常好的流量与数据优势的情况下，通过与渠道以及第三方数据的合作，把这个事情做得很成功。

我们把能力输出给金融机构，可以做到全渠道、全客群、精细化、智能化，我们也希望我们的输出使得每个金融机构都能具备像360数科一样的能力，在找到人和看准人两个环节，真正地具备一个底层的智能驱动引擎。

我们全方位的赋能即乐高积木式的输出，可以在咨询、风控、运营、科技等等方面进行模块式、选择式的输出。

技术与业务的思考，我在实践的过程中，对技术与业务的关系，感受到有两派观点，一类是需求派，也叫做赋能派，就是业务需要技术进行赋能。

这个体现的是业务主导。

另外一类就是驱动派，从技术角度而言，技术可以从事这样的事情，尤其是人工智能、大数据技术。

通过技术使得业务产生进步，人工智能就体现了技术驱动的思路。那么到底我们应该是需求派还是驱动派，是应该业务占主导还是技术占主导？仁者见仁，智者见智，在不同的公司不同的时期，大家都有不同的实践。

我的总结是从短期来看，往往都是需求派占主导。业务需要在短时间之内用技术来实现。

但是长期而言是技术在驱动发展，放眼到5年10年乃至20年，普惠金融就是技术所驱动的。

对于我们做事情有怎样的指导性的作用和方针呢？

我提出一个叫做优势主导定理的观点，仅仅代表我个人的观点，我认为如果涉及到合作的多方，不只是技术与业务，难免会有一个主导方，那么到底谁该当主导方？优势主导定理认为来自不同领域的合作的双方，谁更懂得对方领域的问题和方法，那么谁就是优势方，就该主导合作。

在实践中，真正采用优势主导方针的并不多。我们在合作中的模式不是优势主导，而是强势主导。

强势就是对这件事情具有最终价值裁判权的那一方，他在主导着事情合作的方向，如果我们一直遵循强势主导，最终我们很难让这件事情达到最优。

而优势主导倡导合作双方都能发挥出其价值，而且双方都懂得对方有什么价值，才能让双方在合作过程中，将双方的价值真正更好地发挥出来。

最后我引用一句来自布莱恩·阿瑟的话结束今天的分享。

“经济并不是采用了一个新的技术体，而是遭遇了一个新的技术体。经济是技术的一种表达，并且随着技术的进化而进化”——《技术的本质》

其含义是，技术不仅仅是个工具，并非帮助经济助提效了，就发现技术是个很好的工具，然后再用起来使得经济效率更高。

而是技术发展到一定程度之后，经济不可避免地遭遇到这样一个技术。就像金融遭遇了大数据、人工智能、移动互联网之后，其本身发生了变化，经济反倒变成了技术的一种表达，因为技术的进化，经济也产生了进化。

最近十几年的大数据、人工智能以及移动互联网这些技术，才让普惠金融这个新形式出现，这个才是真正的经济与技术的关系，也才是真正的技术的价值。

今天的金融科技，以大数据、人工智能为代表的金融科技，就是这样一个新的技术体系。

随着科技的发展，金融科技的技术本身也在不断地发展，那么金融必然会不断地改变自己的形式，成为技术的一种新的表达。我认为这是未来的一个趋势。

欲了解更多活动详情，可联系作者周舟（微信：18811172358）。（雷锋网雷锋网）

徐礼锋认为：“数据在银行等金融机构的作用日趋突出，各大银行都在致力于探索数据驱动的金融服务新模式。华为云FusionInsight MRS很好地解决了大数据全场景生态化应用的存储、算力和算法挑战，支撑银行数据湖建设，推动银行数据智能服务由事后快速演进到事前、事中阶段，大幅加快了各项金融服务的创新速度，并在行业龙头的核心场景中得到了充分验证。”

徐礼锋是华为云FusionInsight首席架构师，他拥有9年大数据平台研发经验，并成功主导多家银行大数据平台项目的解决设计和交付落地。他表示，通过FusionInsight大数据解决方案可以为银行提供很高的业务价值。

在华为云大数据解决方案的帮助下，工商银行率先构建了安全可信的大数据平台，在金融同业中首家推出了大数据风险信息服务产品融安e信，服务了260家金融机构和4.6万家企业。

徐礼锋还参与过某大行的实时反欺诈平台建设，通过全量数据的毫秒级分析，业务实现零中断，数据达到零丢失的目标。其中信用卡实时智能反欺诈业务上线后效果十分显著：风险案件数降低50%，减少损失超亿元，处理能力提升10倍，业务连续性达到99.99%。 

目前在金融领域，华为云已服务中国TOP10银行，累计服务220+金融机构。

明晚8点，雷锋网《银行业AI生态云峰会》邀请到徐礼锋作为「大数据平台」赛道的科技专家，为大家带来其多年在金融大行服务的大数据平台设计理念和交付实践。

嘉宾分享议程

徐礼锋  华为云FusionInsight首席架构师

简介：徐礼锋负责华为云大数据技术趋势分析、大数据技术创新、大数据产品架构设计和长期演进。

他拥有9年大数据平台研发经验，在大数据处理平台、数据分析引擎、数据挖掘等方面有丰富的设计、开发和实施经验，成功主导银行、政府、大型企业等多个大数据平台项目的解决设计和交付落地。

演讲主题：《FusionInsight云原生数据湖在金融大行的实践之路》

演讲时间：2021年1月29日，晚上20：00——21：00

演讲大纲：

（一）大数据技术的「演进趋势」

（二）工商银行实践的三大阶段：大数据批处理平台、数据湖、云数据湖

（三）未来展望：湖仓一体

如何听课（观看直播）？

1. 关注公众号：“AI金融评论”

2. 对话框发送关键词“参会”，即可进入专家微信群观看直播，与技术大佬谈笑风生。

课程面向人群

• 人工智能与金融科技企业高管、研究员

• 高校计算机、人工智能教授与研究生

• 银行的科技与研发部门主管

• 对人工智能在金融领域应用有浓厚兴趣的人（雷锋网雷锋网）

这是继马上消费金融后，2021年传来的第二家准备上市的金融科技公司。

联易融聚焦于ABCD（AI、区块链、云计算、大数据）等技术在供应链生态的应用，以线上化、场景化、数据化的方式提供「供应链金融科技」解决方案。

据了解，联易融成立于2016年2月，注册地址为深圳市前海深港合作区；注册资本23565.539万元，法定代表人为其创始人、董事长兼CEO宋群。

宋群曾是珠海华润银行的首任行长，曾就职于汇丰、JP摩根、高盛等知名公司，离开华润银行后，在腾讯担任金融战略顾问。2015年，腾讯总裁刘炽平出席以“连接合作”为主题的金融合作伙伴高峰论坛上，宋群以腾讯支付基础平台和金融应用线顾问身份出席。

企业是CEO内心的外化。而宋群丰富的经历，也直接影响到了联易融的高管团队。

比如联易融副董事长兼首席风控官周家琼曾任华润银行首任副行长，是宋群的老同事，在ABS领域经验丰富；联易融的非执行董事林海峰，则是宋群曾经任职过的腾讯公司的副总裁、腾讯金融科技业务负责人。

独角兽上市，“联易融”挑战科技巨头

联易融主打供应链金融，据其官网介绍，截至2020年3月，联易融累计供应链资产服务规模1500亿元。

而根据灼识咨询数据，2020年前9个月，联易融处理供应链金融交易金额达1223亿元，在中国供应链金融科技解决方案提供商中排名第一。

无论是从联易融的官方数据来看，还是从外部第三方数据来看，联易融被称为「供应链金融科技」领域的“独角兽”，都名副其实。

值得注意的是，「供应链金融」作为一片万亿级蓝海市场，也吸引了蚂蚁、京东科技、小米、平安壹账通等科技巨头的“亲睐”。

直面这些战功赫赫的“金融科技老兵”，联易融作为一家成立仅5年的企业，“力压群雄”的背后也并不轻松。

比如蚂蚁集团就在供应链金融领域，推出了拳头产品“双链通”。蚂蚁的“双链通”，通过区块链技术改造传统的供应链金融，于2019年8月率先在成都跑通。

此前，蚂蚁就曾向雷锋网《AI金融评论》介绍过“双链通”模式：链路上核心企业产生的付款，由核心企业来签发付款凭证，如果小微企业手里有付款凭证，就可以向“链上”的合作银行在线申请贷款。而且，小微企业不需要跑柜台去完成各种手续，而是全部线上化，最快可以达到秒级放款。

这与联易融的模式大致相同，招股书显示，联易融主要采用以交易量为基础的收入模式，通过解决方案促成交易量。一位大型金融科技公司B端业务人士曾透露：联易融做的模式简单说是帮核心企业和金融机构发行ABS搭建系统，并提供一揽子居间服务，包括过桥性的应收账款转让。多方在这个系统上完成ABS最终放款后，联易融收取每笔大概千分之几的服务费。

据蚂蚁集团介绍，目前已有超过3万家企业在“双链通”这一平台上获得融资服务。而据招股书显示，截至2020年9月30日，联易融连接了供应链生态系统290家核心企业、180家金融机构、9万多家中小企业。但9万多家企业，有多少家企业在平台上申请融资服务，联易融并未透露。

而一个越来越明显的趋势是，随着企业客户（包括中小企业和金融机构）的不断增多，两家业务重叠部分将越来越多，势必在某一时刻“短兵相接”。

实际上，目前联易融和蚂蚁、京东科技之间在市场份额上，你追我赶，差距并不明显

根据灼识咨询数据，2020年前9个月，第三方供应链金融科技解决方案市场的交易总量为5970亿，前五大玩家市占率67.8%，市场份额较为集中。

其中，联易融的交易量为1223亿，蚂蚁集团的交易量为1170亿元、京东科技的交易量为940亿元，前两者在整个市场的份额占比皆约20%，京东科技的市场份额占比也超过了15%，三者相差不大，供应链金融"前三强"厂商占据了市场超50%的份额。

以目前的形势来看，联易融、蚂蚁、京东科技在「供应链金融」市场上三足鼎立的局面初现，短时间内，谁都难以跑出一骑绝尘的优势。

腾讯领兵，吹响金融科技上市潮

可以直接和蚂蚁、京东数科正面竞争且不落下风，联易融身后也有自己的“依仗”。

据企查查显示，联易融2016年、2017年、2018年持续获得了腾讯的投资，是腾讯金融TO B战略生态圈的核心成员之一。

近年来，腾讯频频下注“金融科技”，根据2020年11月发布的第三季度财报显示，腾讯第三季度营收1254.5 亿元，其中，腾讯金融科技及企业服务业务的收入同比增长24%，至人民币332.55亿元，是腾讯第二大收入来源，意义非凡。

腾讯的金融科技业务的高速发展，除了自身强大的技术和业务场景外，外部生态的积极布局也是十分重要的一环。

据《2020胡润全球独角兽榜》显示，联易融是中国18家金融科技独角兽之一，其他17家分别为蚂蚁集团、陆金所、微众银行、京东数科、苏宁金服、万得、银联商务、度小满商务、连连数字、PingPong、WeLab、空中云汇、岩心科技、易生金服、水滴、挖财、中关村科金。

值得注意的是，这18家独角兽中，微众银行、联易融、水滴这三家公司都是腾讯投资企业，其中微众银行、联易融的大股东都是腾讯；水滴则获得腾讯多轮领投。

此外，在金融科技领域，腾讯还投资了中金公司、富途证券、众安在线等境内公司，德国数字银行N26、阿根廷移动银行初创公司Uala等国外企业。

据市场消息，除了联易融冲刺上市外，腾讯系的水滴公司（估值约为70亿元）也计划2021年第一季度正式赴美IPO，募资规模预计为5亿美元左右，高盛、美银等将担任联席主承销商。

雷锋网和多家金融科技公司员工交流后发现，自去年11月，蚂蚁暂停上市后，多家金融科技公司碍于监管之锋芒，都放慢了上市的步伐。

而随着新年来临，万象更新，部分金融科技公司也开始加快上市准备。据不完全统计，目前已有联易融、水滴、马上消费金融、PingPong四家金融科技公司正在做上市前的准备。

而一旦腾讯系的金融科技公司上市成功，也必将带来一系列的连锁反应，更多的金融科技公司将把上市议程提前。

参考文章：

1. 联易融借力腾讯冲刺供应链金融概念股 ——《中国经济报》

2. 区块链+供应链金融，会成为中小企业的“保命符”吗？——《雷锋网》

技术人员不懂业务，业务人员不懂技术的窘境，拖住了银行数字化的步伐。而数据AI融合中台可以通过建立技术研发与业务价值创造的联动考核机制，从而让银行技术人员能闻到前台的"硝烟"，体会到前台的"紧迫感"。 

中国建设银行监事长王永庆就曾指出，中台建设是商业银行数字化经营转型的关键环节。

而在中台建设方面，360数科于2020年下半年推出数据AI融合中台，针对金融机构业务痛点，打造360金融大脑，为金融机构提供数字化营销方案、数字化运营方案、数字化风控方案、数字化贷后方案，以及智能金融全链路五大解决方案，帮助金融机构向数字化、智能化转型升级。

适逢新年，雷锋网《AI金融评论》邀请到360数科首席科学家张家兴参加「银行业AI生态云峰会」，他将给大家带来360数科在数据AI融合中台以及数字化营销、数字化运营、数字化风控等多个银行场景下的AI落地实践经验。

嘉宾分享议程

张家兴  360数科首席科学家

简介：张家兴，北京大学博士毕业，曾任微软亚洲研究院研究员，蚂蚁金服资深算法专家。

在人工智能、深度学习、算法、分布式系统、物理等领域顶级学术会议和期刊（NIPS, OSDI, CVPR, SIGMOD, NSDI, OOPSLA, ICSE等）发表二十几篇学术论文。

在蚂蚁金服任职期间，开创了蚂蚁金服智能客服、智能催收、理财顾问、保险顾问、智能舆情等重要人工智能方向，推动蚂蚁金服智能客服成为世界领先水平。在360数科打造金融领域数据AI融合中台，赋能智能金融全链路。

演讲主题：《普惠金融中的数据AI融合中台》

演讲时间：2021年1月20日，晚上20：00—21：00

演讲大纲：

（一）普惠金融的底层科技引擎

（二）为什么金融领域需要数据AI融合中台

（三）数据中台的价值和实践

（四）中台提供的AI能力

（五）以中台为基础的金融科技输出

如何听课？

1. 关注公众号：“AI金融评论”

2. 对话框回复“参会”，即可进微信群观看直播，亦可与技术大佬谈笑风生。

课程面向人群

• 人工智能与金融科技企业高管、研究员

• 高校计算机、人工智能教授与研究生

• 银行的科技与研发部门主管

• 对人工智能在金融领域应用有浓厚兴趣的人

在亚马逊的声明中表示，多年来该公司一直在通过租赁协议提升航空货运能力，此次的交易标志着亚马逊首次拥有了自己的飞机。

据悉，此次的交易是在新冠病毒大流行导致飞机价格下降之际完成的。如今，随着全球航线的锁定订单导致乘客需求骤降，航空公司纷纷缩减机队规模。与此同时，滞留在家的购物者已经转向基本商品和非必需品的服务，而假日购物季节则产生了对快速送货的进一步需求。

因此，亚马逊表明，来自WestJet的四架飞机正在改装成货机，今年将加入亚马逊航空机队，而来自Delta 的7架飞机也将在2022年改装后加入亚马逊的货运行列中去。

针对此事，亚马逊全球航空副总裁萨拉·罗兹（Sarah Rhoads）表示："我们的目标是继续以亚马逊期望的方式为美国各地客户提供服务，而购买自己的飞机就是朝着这个目标迈出的很自然的下一步。"未来，不断发展的机队中混合使用租赁和自有飞机，能使我们更好地管理运营，这也有助于亚马逊跟上承诺客户的步伐。

但是，利用飞机交付货物在亚马逊早就开始实行。据悉，亚马逊于2016年启动了机队，他们的目标是到2022年，拥有超过85架租赁和拥有的飞机。根据公开数据显示，亚马逊在美国交付一半以上的包裹，因整个物流链的形成，减少了对UPS和联邦快递的依赖。尤其是新购买的飞机将更加快通过亚马逊购买的包裹的交付速度。

不过，亚马逊表示，此次将继续依靠第三方航空公司来运营购买的新飞机，如亚马逊航空的767机队由阿特拉斯全球控股公司和航空运输服务集团运营，但亚马逊发言人拒绝评论哪些航空公司将运营新购买的飞机。

而且，此次扩张是建立在亚马逊去年扩大航空货运机队后，该公司在肯塔基州耗资15亿美元的航空枢纽计划今年开通，可容纳100架亚马逊品牌的飞机，预计每天可处理200个航班。

对于购买的价格，亚马逊、达美和WestJet都拒绝透露。不过，某航空咨询公司表示，去年12月中旬波音767-300ERs的价值比2020年中期下降了约15%。Ascend的顾问罗布·莫里斯（RobMorris）表示，达美飞机已使用约20年，如果在主要维修周期之间，每架飞机的价格约将接近1300万美元至近1400万美元。

这项交易能够如此快完成，在去年就显露端倪。达美航空曾在去年6月表示，计划在2020年底前退役7架波音767-300ER飞机，10月宣布计划在2025年底前淘汰其余49架767-300ER飞机。

而作为作为目前最大的配送和物流公司之一，该公司最近的一些交易也表明，杰夫·贝佐斯的公司有雄心壮志，不仅仅提供包裹交付。

比如，亚马逊最近收购了自动驾驶汽车初创公司Zoox，该公司刚刚推出了全方位的原型机器人。该公司还参与了电动汽车公司Rivian的多次融资，正在为交付巨头最后一英里的交付设计一辆电池动力面包车，并为无人驾驶汽车和卡车初创公司Aurora的5.3亿美元融资轮做出了贡献。

此外，亚马逊对无人机交付也感兴趣。最近被美国联邦航空管理局批准作为一家无人机航空公司在美国运营，也为亚马逊开始试运营商业交付铺平道路。美国联邦航空局表示，该裁决允许亚马逊"安全高效地将包裹交付给客户"，并允许其无人机将包裹携带到运营商视线之外。

 来源：https://www.cnbc.com/2021/01/05/amazon-buys-boeing-jets-from-delta-westjet-as-aircraft-prices-drop.html

https://www.theverge.com/2021/1/5/22215279/amazon-buys-boeing-jets-planes-delta-westjet

 （雷锋网雷锋网雷锋网）

央行今日通过公众号“中国人民银行”发布了如下问答实录。

一：此次约谈的背景是什么？

党中央高度重视金融科技和平台企业的规范健康发展。近期中央政治局会议、中央经济工作会议对强化反垄断和防止资本无序扩张等作出了一系列重要部署，对做好相关金融管理工作提出了明确要求。金融管理部门将以此为根本遵循，依法依规监管金融市场主体，严肃查处违法违规行为，强化约束资本无序扩张，维护公平竞争和金融市场秩序。

蚂蚁集团成立以来，在发展金融科技、提高金融服务效率和普惠性方面发挥了创新作用。作为金融科技和平台经济领域具有重大影响力的企业，蚂蚁集团必须自觉遵守国家法律法规，必须将企业发展融入到国家发展大局中，必须切实承担企业社会责任。

此次金融管理部门约谈蚂蚁集团，主要目的是督促指导蚂蚁集团深入贯彻党中央、国务院有关精神，按照市场化、法治化原则，落实金融监管、公平竞争和保护消费者合法权益等要求，进一步规范金融业务经营与发展。

二：约谈的主要内容是什么？

金融管理部门根据金融法律法规及监管要求，指出了蚂蚁集团目前经营中存在的主要问题：

1. 公司治理机制不健全；

2. 法律意识淡漠，藐视监管合规要求，存在违规监管套利行为；

3. 利用市场优势地位排斥同业经营者；

4. 损害消费者合法权益，引发消费者投诉等。

金融管理部门对蚂蚁集团提出了重点业务领域的整改要求：

• 一是回归支付本源，提升交易透明度，严禁不正当竞争。

• 二是依法持牌、合法合规经营个人征信业务，保护个人数据隐私。

• 三是依法设立金融控股公司，严格落实监管要求，确保资本充足、关联交易合规。

• 四是完善公司治理，按审慎监管要求严格整改违规信贷、保险、理财等金融活动。

• 五是依法合规开展证券基金业务，强化证券类机构治理，合规开展资产证券化业务。

蚂蚁集团要充分认识到整改的严肃性和必要性，对标监管要求，尽快制定整改方案和实施时间表。同时，要加强风险管控，保持业务连续性和企业正常经营，确保对公众的金融服务质量。

金融管理部门将与蚂蚁集团保持密切沟通，充分听取其意见建议。 

三：金融管理部门对金融科技监管的政策取向是什么？

金融管理部门将一如既往鼓励、支持金融科技企业在服务实体经济和遵从审慎监管的前提下守正创新，推动金融科技成为助推国内国际双循环的重要力量。

金融科技企业要坚守服务实体经济和人民群众的本源，树立严格遵守金融监管要求的合规意识、坚决维护公平竞争环境的市场意识、以消费者权益保护为核心的服务意识。

未来监管的政策取向将遵循以下原则：

一是坚决打破垄断，纠正、查处不正当竞争行为，维护公平竞争市场秩序。

二是坚持所有金融活动必须依法依规纳入监管，坚持金融业务必须持牌经营，坚持对各类违法违规行为“零容忍”。

三是坚持“两个毫不动摇”，依法保护产权，弘扬企业家精神，激发市场主体活力和社会创造力，增强我国金融科技企业在全球的核心竞争力。

金融科技及互联网平台公司是新事物，且快速创新演进，出现很多新特点。金融管理部门将继续加强国际监管交流与合作，共同推进金融科技创新和金融体系健康发展。（雷锋网）

今年以来，百度、腾讯、蚂蚁集团、字节跳动和京东，都投资了哪些金融公司？雷锋网AI金融评论特此盘点了这五大互联网企业的2020金融投资版图。

从被投企业的所在赛道来看：

1.京东数科的“野心”最为明显，对资产管理和金融资产交易的重视程度较往年更甚，这也与其今年重点打磨资管科技的战略方向相契合。

2.腾讯今年投资了四家金融相关企业，一半在保险赛道。腾讯近年来持续投资水滴互助，也参与了众安在线的设立，旗下自设腾讯微保，结合高层变动、牌照申请等举动，可见腾讯对互联网保险的“念念不忘”。

3.百度今年动作不多，对福祥汇的战略投资也更多被解读为是对汽车赛道的加码。相比之下，百度大手笔战略投资宇信之后，双方的深度合作成果如何，更值得关注。

4.蚂蚁今年也悄然投资一家保险中介服务商，但讨论焦点更多集中在新成立的数科子公司身上。

腾讯：重注保险赛道，着眼海外公司

腾讯今年投资的四家金融企业中，有两家与保险相关。

今年8月，水滴宣布完成2.3亿美元D轮系列融资，由瑞士再保险集团和腾讯联合领投。

早在2016年水滴创立之时，腾讯就已参与天使轮投资；此后水滴的四轮融资中，投资方均有腾讯。

今年11月底，更有消息称，腾讯向水滴公司追加投资约1.5亿美元。

12月初，三星财险披露公司的增资计划，如增资完成，腾讯将成为三星财险的第二大股东。腾讯方面向媒体表示，入股事项尚待银保监会审批，所有信息以三星公告为主。

值得一提的是，今年5月，平安集团原副董事长任汇川加盟腾讯FiT，原平安产险总经理助理周克俊也出任腾讯微保总经理兼CEO。外界亦有传闻称，腾讯在谋求申请一张再保险牌照，通过服务直保公司切入保险业务。

除两家险企以外，腾讯还投资了意大利移动支付平台Satispay。这也是本次被投企业盘点中，唯一一家海外金融科技公司。

11月底，意大利移动支付平台Satispay宣布完成9300万欧元C轮融资。腾讯、Square、TIM Ventures、LGT Lightstone等多家机构共同领投。本次融资完成后，Satispay的平台估值达到了2.48亿欧元。

Satispay成立于2013年，目前累计融资1.1亿欧元。今年前10个月中，Satispay的交易量达到了4亿欧元，比2019年增长了78%。

与百度投资福祥汇有些相似，腾讯的对外投资清单里也有一家从事投资管理、投资咨询的公司，启明融新。

12月，启明融新发生工商变更，新增股东中就有深圳市腾讯产业投资基金有限公司；同时公司注册资本由6.78万元人民币增加至16.98万元人民币，增幅为150.23%。

蚂蚁集团：注资数科公司，悄然加码保险

8月，蚂蚁（广西）数字科技有限公司（以下简称“蚂蚁数科”）成立。国家企业信用信息公示系统显示，蚂蚁数科注册资本1亿元，由蚂蚁金服（杭州）网络技术有限公司全资控股。

其中，胡晓明担任法定代表人、执行董事，王丽娟担任经理，封俏担任监事。公开信息显示，王丽娟为蚂蚁金服O2O事业部总经理。

有媒体报道称，今年初就有业内人士透露，蚂蚁集团计划成立一家数科公司，或将现有的花呗、借呗、财富等金融业务整合在一起——结合经营范围的调整来看，蚂蚁很可能会把这些金融类业务剥离，转由蚂蚁数科承接。

蚂蚁今年投资的另一家金融公司，则是一家保险中介服务提供商。

10月，中交金科物联科技（北京）有限公司发生工商变更，新增投资人中就包括由蚂蚁100％持股的上海云鑫创业投资有限公司。

目前，上海云鑫为中交金科物联的第二大股东，持股比例为16.84％；北京千方集团为其最大股东，持股比例为38.92％。

中交金科物联成立于2016年8月，经营范围包括计算机系统服务、经济贸易咨询、企业管理、保险经纪业务、保险代理业务等。

百度：战略投资金融IT老牌厂商

今年百度的对外投资企业清单中，仅有两家与金融相关，但均为战略投资形式。

1月，北京宇信科技集团股份有限公司发布公告称，获得来自百度的近6亿元战略投资。公告显示，本次百度战略投资权益变动后，百度将持有宇信科技股份22857142股，占宇信科技总股本的5.71%。

成立于2006年的宇信科技，已在金融IT服务领域深耕十余年，向金融机构提供咨询规划、软件产品、应用开发、技术服务、运营维护、系统集成等全价值链服务。

10月，福祥汇投资完成战略投资融资，投资方为百度。这家投资管理与资产管理服务商成立于2016年，专注于投资管理、资产管理、投资咨询。

值得注意的是，福祥汇投资是威马汽车的第四大股东，持股比例为6.55%。

字节跳动：支付，还是支付

张一鸣成为合众易宝的实控人，被认为是字节跳动今年在金融方面的大动作之一。

9月，合众易宝的全资股东由中发实业，变更为同融电子，后者实控人为张一鸣。多家媒体报道称，字节跳动已经由此拿下支付牌照。

早在2018年，就有市场传闻指今日头条正在低调收购支付牌照，收购对象正是合众易宝。当时，今日头条对此并未回应。

但在2019年初，AI金融评论就曾报道，从系统认证、用户协议等多项细节不难看出，合众易宝对接了字节跳动旗下主流应用的支付服务。

京东数科：重仓资管和金融资产交易赛道

京东数科的对外投资版图中，所选的金融细分赛道，与前述几家公司截然不同。

3月，京东数科宣布并购海益科技。早在2018年，京东数科就已对海益科技进行了战略投资。

海益科技专注为金融机构客户提供基于固定收益和FICC业务框架的投资组合分析、资金资产管理和风险管理等系统解决方案。据悉，海益团队并入之后，将重点承担FICC领域解决方案系统产品研发，充实JT²银行间交易和衍生品交易的板块。

7月，京东数科参与了对机构间市场的股权融资。

机构间市场属于中证机构间报价系统股份有限公司，后者是中国证券业协会下属机构。

中证机构间报价系统股份有限公司，在2014年被正式确立为建设和管理机构间私募产品报价与服务系统的权责机构、私募股权众筹业务的核心监管机构，其建设及管理的报价系统也定位为市场中私募产品报价、发行与转让的主要平台。

截至2015年3月25日，报价系统已吸引832家会员单位参与，系统交易内容涵盖私募产品发行、股权众筹、私募投资基金已投存量项目股权转让、券商柜台衍生品交易等。

尤其需要注意的是，机构间市场的前两轮股权融资，投资方均为券商、交易所和金融服务管理集团等机构。目前，京东数科是唯一一家直接投资机构间市场的互联网巨头。

同样是在7月，西安合众互联网金融资产交易中心有限公司完成了一笔股权融资，京东数科为唯一投资方。前者的经营范围显示，包括金融产品的创新、研究、咨询等。

自此，京东数科100%控股合众互联网金融资产交易中心。

但天眼查数据显示，该公司已于10月15日进行了简易注销。

9月，广州市佰盛汇投汽车服务有限公司完成3.6亿元A轮融资，京东数科与建设银行、红杉资本中国、千山资本均为投资方。

佰盛汇投众筹是该公司旗下的一站式综合性物权众筹服务平台，专注于二手车众筹领域，提供二手车交易、新车、汽车金融、汽车资讯、汽车养护等一体化服务，致力于为用户提供汽车金融与众筹服务。（雷锋网）

直播预约丨银行业AI生态云峰会

值此跨年之际，雷锋网以「线上云峰会」的形式，邀请数字化风控、数字化营销、数字化客服、数据平台、数据中台、数据安全、数据库、银行云、银行RPA、银行业务系统，十大银行赛道里的科技专家，分享他们对于银行科技的理解。

关注公众号《AI金融评论》（ID：aijinrongpinglun），在公众号对话框回复关键词“参会”，即可进群观看直播。

原京东数字科技CEO陈生强，出任京东数字科技副董事长及京东集团幕僚长。

原京东集团首席合规官李娅云将接任京东数字科技CEO。

今后，陈生强将直接向刘强东汇报，此次调任将有助于他将更多精力聚焦前瞻发展和业务布局。

而李娅云将统筹负责京东数科的日常经营管理，并协助陈生强做好战略、产品和研发的落地，也向刘强东汇报。

京东方面强调，这是京东正常的集团轮岗制度，目前京东集团的核心管理层在现有岗位上满一定年限后都会转至其他不同岗位进行轮岗，以此打造人才的综合能力和多元视角。

公告中强调，此次任命是为了更好的顺应瞬息万变的行业局势，积极拥抱政策和监管的变化及要求，同时最大化发挥集团领军人才优势。

人事调动消息一出，许多人将此与近期监管层频谈金融科技监管，以及京东数科的上市进程联系起来。

就在昨天，财政部原部长楼继伟就谈到，要防止数据金融平台大而不能倒，强调金融创新必须在审慎监管的前提下进行；近段时间，针对互联网贷款、互联网保险的管理办法也相继出台，互联网存款受到监管层密切关注——合规问题和风险防范，已然成为互联网金融巨头的当务之急。

而京东数科今年9月11日提交招股书，10月16日回复上交所首轮问询，之后并未见有更多进展。

因此，有业界观点认为，专注法务的李娅云突然接替陈生强，是京东数科上市前的准备工作，也是在释放自身积极配合监管的信号。

官网资料显示，李娅云2007年12月加入京东，负责监督合规、法律事务及内部审计以及信息安全，此前先后出任合规管理部副总裁、法律团队负责人等职位；同样负责建立有效的合规及内部控制，以满足美国上市的要求。

除担任集团职务外，李娅云也一直在京东数科担任监事会主席一职。

有关李娅云个人的媒体报道少之又少，在这次重磅消息出炉之前，网上多半为她出任或卸任京东旗下子公司监事职务的消息。天眼查显示，李娅云曾担任高管的企业有370余家，目前担任高管的企业有80家。

那些“跨界”的互金巨头一把手

李娅云有着人大法学硕士学位及中欧国际工商学院电子商务管理硕士学位，从法务合规到京东数科的CEO，可以说是某种程度上的跨界。不过，像李娅云这样，非金融出身的高管出任互金巨头一把手的情况，并非孤例。

“财务大师”井贤栋：蚂蚁集团董事长

井贤栋毕业于上海交大管理学院，也获得过明尼苏达大学卡尔森管理学院MBA硕士学位。

在出任蚂蚁金服CEO和总裁一职之前，井贤栋曾是支付宝首席财务官和蚂蚁首席运营官。他从2007年初加入阿里起，到2009年期间，主要管理财务和运营工作。

“公关专家”朱光：度小满金融CEO

毕业于西安交大的朱光，加入百度前，曾任联想集团大中华区公关及整合推广高级总监。全面负责联想在大中华区的公司品牌、产品整合推广传播、媒体公关以及内部沟通等工作。

资料显示，2008年12月加入百度之后，朱光先后任公关部高级总监、百度副总裁、百度高级副总裁，曾负责百度市场公关、政府事务和百度新闻等多项工作，在建立和提升百度公司品牌和产品知名度、美誉度方面做出了重要贡献。

2015年12月，百度成立金融服务事业群组（FSG），由朱光全面负责。2016年6月，朱光升任百度高级副总裁。

“产品经理”吴海生：360数科CEO

和朱光的背景略有相似，吴海生的经历也有着“传媒”色彩：在2005年和2008年在中国传媒大学获得媒体经济学学士学位和北京大学传播学硕士学位。

值得一提的是，2008年6月起曾任百度公司的用户产品部门担任产品经理；曾经担任奇虎360导航事业部总监，先后负责了360导航和影视两个重要产品。

此前有报道称，360金融（360数科的前身）来自于周鸿祎与吴海生的一次“夜半长谈”：

2015年，在深圳，吴海生给周鸿祎看了详细的商业计划书，周鸿祎很感兴趣，俩人一直谈到半夜两点，最终拍板让吴海生单独出来做金融。第二天，周鸿祎又在公司内开了战略协调会，确定了内部孵化做360金融的事情。

“软件工程师”洪峰：小米金融董事长

现任小米金融董事长的洪峰，是小米的联合创始人：2010年，他接受雷军邀请，参与创办小米。

自2018年起，洪峰担任天星数科董事长兼CEO，专注小米金融业务的发展推进。

但在掌舵小米金融之前的六年时间里，他其实是MIUI业务负责人。

洪峰的个人经历中，技术是绕不开的关键词：2001—2005年，洪锋在Siebel公司担任Web应用程序的首席工程师，负责服务器性能和大型专业系统的可扩展性。

2005年，洪峰进入谷歌美国，担任高级软件工程师，是谷歌日历、谷歌地图3D街景项目的主要负责人。2006-2010年期间，洪峰调至谷歌中国，领导过谷歌中文输入法、谷歌视频等项目。（雷锋网）

雷锋网雷锋网雷锋网

12月15日，蚂蚁集团董事长井贤栋，在第四届中国互联网金融论坛上发表了主题演讲。

本次演讲全程，井贤栋提到了18次“安全”、16次“监管”、7次“风险”。

该论坛的主题为“立足金融为民，弘扬科技向善，面向“十四五”的金融业数字化转型”，井贤栋也围绕这一主题，交流了蚂蚁近期的学习思考和下一步规划：

1. 社会上近期对蚂蚁的建议、期待包括各种批评很多，这些都是蚂蚁宝贵的财富，我们用心聆听，认真进行全面的自审。

2. 今天，金融业数字化转型，开放银行等创新趋势不仅是中国，也是全球金融监管面临的共同课题，这是一个没有成熟经验可以照搬的探索过程。

3. 没有安全保障，就谈不上创新和发展；没有国家金融系统和整个金融行业的安全，就不可能有企业个体的安全。

4. 中国的金融科技，是在国家改革开放和创新发展的大时代下成长起来的，蚂蚁集团就是其中的受益者。

5. 今天全球都面临数据安全、数据隐私问题的挑战，任何一家公司如果不能很好地解决这个问题，就不可能有长远发展。

6. 金融科技的使命就是为了更好地服务实体经济，特别是服务好中小微企业，解决小微、民营企业融资难、融资贵的问题。

这是自11月3日蚂蚁集团暂缓上市之后，蚂蚁领导层的首度发声。

再谈监管与风险

井贤栋在演讲中强调，最近蚂蚁全体正在认真学习政策精神，“对照监管部门的要求，照镜子、找不足、做体检，积极配合监管，进一步落实监管要求。”

在蚂蚁暂缓上市之前，针对网络小贷等监管办法密集出台，而在此后的一个多月里，金融科技监管仍继续频频透出新动向。

11月6日，国务院政策例行吹风会上，银保监会首席律师刘福寿表示：按照金融科技的金融属性，把所有的金融活动纳入到统一的监管范围。

金融科技方面，银保监会一方面支持金融业在风险可控的前提下进行合理创新，同时坚持创新是为实体经济服务，要为实体经济做贡献；增强监管的穿透性、统一性和权威性，对同类业务、同类主体一视同仁。

11月初，《金融控股公司监督管理试行办法》正式实施，将民营金融控股、互联网金融控股正式纳入监管，实现“金融的归金融、科技的归科技”，标志着金控必须持牌经营，有效打击借金控之名行监管套利之实的行为。

银保监会财会部（偿付能力监管部）主任赵宇龙解释称，从风险的角度来看，一般认为金融控股公司容易产生架构复杂或不透明、监管套利、关联交易不当、资本脱实向虚、过度集中、交叉传染等风险。

他指出，例如互联网系的金控公司，第一，监管缺失的风险明显，相关的监管标准、监管规则并不清晰，监管存在空白；第二，不正当竞争风险，体现在利用自身数据或平台的优势，可能形成不正当竞争；第三，由于互联网平台企业建立在数据和科技基础之上，科技的风险也是互联网金控公司的潜在风险隐患。

12月8日，中国人民银行党委书记、中国银保监会主席郭树清在2020年新加坡金融科技节上表示，要关注新型“大而不能倒”风险、既鼓励创新又守牢底线、坚持对同类业务统一监管标准。

郭树清称，少数科技公司在小额支付市场占据主导地位，涉及广大公众利益，具备重要金融基础设施的特征。一些大型科技公司涉足各类金融和科技领域，跨界混业经营。必须关注这些机构风险的复杂性和外溢性，及时精准拆弹，消除新的系统性风险隐患。

郭树清认为，大型科技公司往往利用数据垄断优势，阻碍公平竞争，获取超额收益。传统反垄断立法聚焦垄断协议、滥用市场、经营者集中等问题，金融科技行业产生了许多新的现象和新的问题。

“我们可能需要更多关注大公司是否妨碍新机构进入，是否以非正常的方式收集数据，是否拒绝开放应当公开的信息，是否存在误导用户和消费者的行为等等。”

11月下旬，国家市场监督管理总局也发布了《关于平台经济领域的反垄断指南（征求意见稿）》，剑指互联网平台的垄断行为。中央网信办、市场监管总局、税务总局三部门联合召开了规范线上经济秩序行政指导会，阿里巴巴为与会27家互联网企业的其中之一。

会议强调，要共同维护良好的市场秩序，不得开展滥用市场支配地位“二选一”、商誉诋毁、裹挟交易等违法违规竞争行为，或依托算法推荐、人工智能和大数据荟萃分析进行的“隐形”不正当竞争行为。

“打新”盛宴之后

井贤栋在演讲中透露，“这一个多月来，我们在监管的指导下全力做好暂缓上市的善后工作。”

此次蚂蚁的A+H“打新”过程中，涉及到的普通个人投资者有671万人；5只战略配售基金有效认购户数合计达到13597261户，5只基金总规模高达600亿元。

随着上市进程暂缓，“打新”也随之停摆。11月5日晚间，蚂蚁集团发布公告，经与主承销商协商，将退回A股新股认购资金等款项，退款程序于11月6日启动，11月9日退回。

此前有媒体报道称，井贤栋在内部会上表示，此次蚂蚁IPO打新的资金会退还给投资人，包括战略投资者与通过支付宝进行投资的散户投资者。按新《证券法》相关规定，A股退回打新资金需付利息。

对于港股打新者而言，善后事宜相对麻烦，鉴于部分投资者利用杠杆打新，成本较高。蚂蚁集团在港交所发布的公告中显示，港股会分两批退回，不计利息。

天风证券、富途证券等券商也推出“弥补”投资者损失的措施，表示将免除所有参与认购蚂蚁集团IPO客户的认购手续费和融资利息。

战配基金方面，5只基金均已成立，正常建仓，基金运作不受影响。

11月20日，华夏、易方达、汇添富、鹏华、中欧旗下五只创新未来基金同步发布“增设B份额并修订基金合同及招募说明书”公告：

这五只创新未来基金新设B类份额，可供持有人申请退出所用，投资者可以按基金份额净值退出。退出期间免收管理费、托管费、销售服务费。

11月23日0时至12月22日15时期间，这5只创新未来基金合计1360万户持有人可以“自由选择赎回”。

值得一提的是，这5只基金目前仍保留战配上市公司的机会，基金经理也不会更换。

蚂蚁的未来

井贤栋这次演讲还提到，蚂蚁下一步会深化认识安全和发展；不断完善公司治理，加强信息披露、提升透明度；将全面风险治理贯彻到每一项业务之中，并且持续加大科技创新的投入。

但对于蚂蚁何时会重启上市，井贤栋的这次露面仍然没有带来答案。

此前外界曾猜测，蚂蚁若要完成上市，最快也要半年；有外媒报道称，随着金融科技行业的监管规定，蚂蚁集团2021年能恢复股票上市的可能性越来越小，首次公开募股可能不会在2022年之前完成。

附井贤栋演讲全文：

尊敬的陆秘书长，各位领导，各位朋友：

很高兴参加这次论坛，共同讨论金融业数字化的未来。我们国家马上迎来十四五开局之年，党的十九届五中全会指明了双循环新发展格局的战略方向，数字经济正步入加速发展时期，在这样的时点，我们金融科技从业者非常需要思考，如何真正做好“金融为民、科技向善”这个课题。

这一个多月来，我们在监管的指导下全力做好暂缓上市的善后工作。最近，蚂蚁集团全体正在认真学习“十四五”规划建议和中央一系列关于金融安全和金融稳定发展的政策精神，对照监管部门的要求，照镜子、找不足、做体检，积极配合监管，进一步落实监管要求。社会上近期对蚂蚁的建议、期待包括各种批评很多，这些都是蚂蚁宝贵的财富，我们用心聆听，认真进行全面的自审。

今天借这个机会也和大家交流一下蚂蚁近期的学习思考和下一步的规划：

第一，遵从监管是金融科技行得稳、走得远的保障。

中国的金融科技，是在国家改革开放和创新发展的大时代下成长起来的，蚂蚁集团就是其中的受益者。

发展离不开监管，监管是为了更健康更可持续的发展。这是我们这些年在金融科技实践中的切身感受和心得体会。移动支付的发展历程就是很好的证明。在监管部门既包容创新又守牢底线的指引下，我国的移动支付快速发展，交易规模每年都上一个新台阶，不仅为社会生活方方面面提供了便利，也为广大小微企业数字化转型打下坚实基础。

其实在这个过程中，有很多“第一次吃螃蟹”、“摸着石头过河”的挑战，监管部门以科学务实的精神，建立健全了包容审慎的监管框架，实现了规范和发展并重，推动中国移动支付走在世界前列。

今天，金融业数字化转型，开放银行等创新趋势不仅是中国，也是全球金融监管面临的共同课题，这是一个没有成熟经验可以照搬的探索过程，监管部门出台的一系列举措，将金融科技全面纳入监管框架，为我们金融科技从业机构开启了一个更加稳健、更加高质量发展的大幕，我们相信金融数字化未来可期，大有可为。

第二，守住金融科技的风险底线，守护金融安全的生命线。

金融安全是国家经济安全的重要组成部分，是经济平稳健康发展的重要基础。

我们深刻认识到，维护金融安全、防范金融风险是金融领域的一切创新和发展的前提，蚂蚁服务着众多的消费者和小微企业，在维护金融安全、防范金融风险上，更应该提高安全水位，以更高的标准、更严的规范要求自己。

我们给自己定了三个要求：

一是深化认识安全和发展、系统安全与个体安全的关系。没有安全保障，就谈不上创新和发展；没有国家金融系统和整个金融行业的安全，就不可能有企业个体的安全。

二是不断完善公司治理，确保有效的公司治理架构，明确职责，强化机制，完善制度。我们将进一步加强信息披露、提升透明度，阳光是最好的防腐剂，真正让大家看得见、看得透、可预期。

三是将全面风险治理贯彻到每一项业务之中，不但确保自身的每一项业务接受安全和风险体检，而且进一步规范金融合作，加强和合作伙伴的联防联控，共同防范金融风险，维护金融安全。

今天全球都面临数据安全、数据隐私问题的挑战，任何一家公司如果不能很好地解决这个问题，就不可能有长远发展。蚂蚁集团将数据安全和隐私保护视为公司的生命线来守护，使其成为自身制度、组织、文化和技术的核心要求，坚决不折不扣落实好金融信息保护相关规则，认真扎实地保护好金融消费者权益。 

第三，全力聚焦小微，更普、更惠地服务实体经济。

十四五规划建议要求，要构建金融有效支持实体经济的体制机制，提升金融科技水平，增强金融普惠性。

我们认为，金融科技的使命就是为了更好地服务实体经济，特别是服务好中小微企业，解决小微、民营企业融资难、融资贵的问题。这是蚂蚁一直以来努力的方向。

面向新发展格局，蚂蚁集团会继续扮演好金融毛细血管的角色，全力以赴地聚焦小微群体，为双循环新发展格局贡献自己的一份力量。

未来五年，我们要全力响应国家发展战略，把服务小微、服务生产经营者作为金融服务的工作重点；同时，我们要主动融入到乡村振兴战略之中，为三农发展提供数字化金融服务。我们还要继续携手金融机构，以及通过技术创新不断提升效率，为小微企业进一步降低金融服务成本，做到既普又惠、更普更惠。

加大科技创新，弥合数字鸿沟，承担更大责任。

面向十四五，国家将科技自立自强作为发展的战略支撑，在鼓励科技创新的大环境下，企业作为市场主体，应该发奋图强，尤其要克服卡脖子难题，提升基础技术原创能力。

我们会持续加大科技创新的投入，特别是要聚焦核心领域，加大前沿基础性技术的研发和应用，比如在数据库、区块链、智能风控、智能安全等领域，进一步培育核心竞争力，探索应用新场景，同时积极参与国际竞争。我们会继续加大技术全面开放的力度，例如，推进我们的OceanBase数据库技术与金融机构开展更深层次的合作，更好地支持金融机构尤其中小金融机构，实现数字化转型。

科技应该是温暖的、包容的。我们必须要为不同群体提供更多的选择和可能性，降低数字技术的使用门槛，弥合“数字鸿沟”，努力让更多人获得技术带来的温暖。

各位领导，各位朋友，中国金融科技，是在改革开放的大时代下成长起来的，离不开包容审慎的监管环境，受益于持续不断的科技创新，扎根于广阔多元的市场需求。

今天站在新的发展阶段，蚂蚁一定会不断完善自身，提升大局观和责任感，自觉把企业发展融入到新发展格局和新监管环境，以实际行动回应国家和社会的要求和期待。

谢谢大家。也祝论坛圆满成功。

雷锋网雷锋网雷锋网

在内部信中，阿里巴巴特别提到原新零售智能引擎事业群总裁「周靖人」，另有任用。

内部信中称：特别感谢靖人和团队这些年对平台电商的巨大贡献，以及在技术领域的重大突破，帮助平台各项业务实现快速增长，我们期待他在新的战场再创佳绩。

据《晚点 LatePost》消息，周靖人将调任蚂蚁集团，担任蚂蚁智能引擎与数据中台技术部负责人，内部邮件中表示，“新零售智能引擎团队的能力将与各个具体业务场景更加融合，发挥更大作用”。

“另有任用” 周靖人

周靖人，花名靖人，中国科学技术大学毕业，获哥伦比亚大学计算机博士学位。

在加入阿里之前，周靖人曾为微软研发合伙人，负责必应搜索基础设施团队和大数据部门，任首席科学家。

就职于微软期间，周靖人带领团队研发了支撑着微软必应搜索、Office和Windows等公司产品的高能性大数据计算平台。该系统利用上万台规模的计算集群提供丰富多样计算能力，实时收集分析海量数据，是整个公司后台数据服务的基石。

据周靖人的微软前下属评价，靖人基本上在微软一周从早上8点到临睡前都在工作，而且工作效率十分高，能够同时做研究、做产品、带队伍、玩政治，是一个全能型选手。

2016年，周靖人加入阿里，任职阿里云首席科学家，带领阿里云中美两地的研发团队，总体负责阿里云大数据平台和人工智能研究机构iDST的科研工作。

他还曾任阿里搜索及广告技术事业部负责人，一边管理着阿里的搜索AI中台，一边管着阿里的效果广告业务。他之前向蒋凡汇报，但值得一提的是当时他的级别高过蒋凡。

2018年，周靖人入选被国际学术科技界认定为权威荣誉的IEEE Fellow。

2020年3月，现蚂蚁金服CTO倪行军和周靖人这两位“技术出身”的阿里高管同时升至P12级别。周靖人负责阿里个性化推荐相关的算法，人们称他是阿里算法的头号负责人。

同年5月，阿里妈妈事业群总裁张忆芬离职，该业务 “一拆三”，产品部分汇报给蒋凡、技术部分汇报给资深副总裁周靖人。

除了周靖人外，在此次蚂蚁集团的人事调动中，还有蚂蚁智能引擎技术事业部负责人「王志荣」。他将加入阿里巴巴，直接向吴泽明汇报。

而吴泽明将兼任阿里本地生活首席技术官（CTO）和阿里集团新零售技术事业群总裁，向阿里集团CTO程立和王磊双实线汇报。

参考文章：《阿里组织调整进行时：蒋凡未动，后备部队形成，调整前全员大整风》（雷锋网雷锋网雷锋网）

Tech星球消息称，抖音App内近期上线了一款名为 “放心花”的产品，定位是一个提供贷款服务技术的平台。“放心花”的前身，或为抖音旗下多闪App今年9月内测的“每月花”业务。

“放心花”一面世，便被冠上了“抖音版花呗”的名头。从目前披露的细节来看，两款产品确有一些相似之处：“放心花”是先消费后还款，所借额度无法提现，目前仅支持在抖音App内购买DOU+时使用。

客服表示，后期放心花或开放到抖音App内的其他支付窗口上使用，例如购买抖币、在抖音上购买商品等。 

与“放心借”步骤类似，申请“放心花”额度同样是个人填写申请信息，系统根据所填个人收入和其他信息评估后发放额度，最高一万。用户须在下月6日前还清本息，否则会被抖音追责，比如封号。

至于有无分期、有无分期手续费、全面上线的具体时间等细节，目前都未见披露。

产品尚处内测阶段，只有部分用户拥有体验入口。大家可以看看自己的抖音App，点击“个人中心——钱包”，查看自己是否有“放心花”的测试入口。客服回应称，该产品后期会逐步开放给所有用户。

消息一出引发热议，不看好“放心花”的大有人在。不少网友吐槽“互联网做到最后都是放贷”，也有网友疑惑到底谁才会使用这个产品。

抖音和“放心花”，会是让字节跳动“放心”做金融的起点吗？

监管高压之下

在“放心花”之前，抖音其实已经在金融业务密密落下多颗旗子：

前文提及的抖音“放心借”，被认为是对标支付宝的借呗；字节跳动还注册了“抖音支付”、“抖信用分”等商标——等支付功能和信用体系顺利上线之后，抖音内部的金融生态就有了雏形。

抖音现在的日活用户数高达6亿，借金融业务变现似乎是势在必行。有网友感慨，哪怕只有0.1%的用户通过抖音借钱，变现数字都相当可观。

可是，有流量就够了吗？

回顾字节跳动的金融布局，拿牌照、申请商标、招兵买马的动作不少，直接触达到C端用户的举动倒不多。除了抖音App内的布局，主要就是今日头条在2018年就上线过信贷平台“放心借”和保险业务。

这两项业务，当时执行起来似乎不太顺利：合家保已于2019年1月上旬黯然下架；“放心借”被迫从一二级页面后撤到更深的入口。

雷锋网AI金融评论曾经报道过，监管是字节跳动入局金融的难点之一。“放心借”上线之时，字节就因为还没获得借贷相关牌照，被质疑过业务资质。

两年时间过去，字节跳动已经稳稳攥着三张金融牌照，分别是网络小贷、保险经纪和证券投顾。

张一鸣也通过实际控制合众易宝，拿到一张支付牌照。合众易宝早在2018年就与字节展开合作，打通了多个头条系App，并申请了多闪付等支付服务相关商标。

然而，有牌照不等于一劳永逸。

11月伊始，《网络小额贷款业务管理暂行办法（征求意见稿）》（下称《意见稿》）出台，引爆互金行业。其中最受瞩目的，就是对网络小贷明确降杠杆，对网络小贷公司的出资比例、对外融资杠杆倍数、各类融资和资产形式等细节都做出了严格限制。

换句话说，网络小贷靠高杠杆“血赚”的“好时光”不再。

《意见稿》和更早的《商业银行互联网贷款管理暂行办法》意味着，联合贷款也好，引流、纯助贷也罢，无论是哪一家互联网公司，接下来想做什么模式的信贷业务，展业过程都不会似前些年轻松，业务利润率大概率会收窄。

而字节跳动似乎尚未大展拳脚，就赶上了监管高压时刻。抖音的傲人流量，真的足够抵消这些考验吗？

风控，也是字节金融之路必须要面对的关卡。

尽管常说抖音算法实力超群，精准分析用户偏好，但比起强相关的金融数据（征信、交易记录、收入情况等），抖音沉淀的用户数据更倾向于行为数据，有多少维度可供风控参考？如何在海量弱金融数据中提炼出一套行之有效的风控信用体系？

场景金融，何处突围？

保证抖音金融业务既有增长动力，又有风控质量的，还是场景。

之前头条系产品给人的印象，往往是主攻信息流和短视频，似乎缺少了线下场景和衍生的强金融需求。

其实如今的抖音，已经不是单纯的短视频平台，它集视频、直播、电商、社交、本地生活……万千故事于一身。它可以触达到的范围，似乎还在不断外延生长。

抖音的带货能力无需过多证明，用户基数大，客群够下沉，比起单纯图文解说，用户可能更容易被视频介绍种草。此前就有不少视频主在抖音里加入外部链接，引导观众去淘宝下单购买。

为了留住用户，也为了充分挖掘用户价值，抖音做电商是势在必行。现在抖音已开始运营电商，字节跳动今年也完成了一轮针对电商的组织架构大调整，正式成立以“电商”明确命名的一级业务部门，意味着电商已明确成为字节的战略级业务。

淘宝配花呗，给蚂蚁带来的价值不言自明，多得是互联网公司想要“抄作业”。抖音客服也说过，“放心花”以后可以用于抖音内部购买商品——路径似乎十分清晰：电商+消费信贷，可能就是抖音跃向金融的跳板，字节跳动新的增长引擎诞生在即。

在此之前，或许先可以看看其他家的表现。

• 快手

和抖音对标最彻底的快手，电商业务发展得如火如荼，光是今年上半年的电商总交易额达到1096亿，月订单超过5亿。

快手今年上市前夕，曾发布一则招聘启事，要找一位金融方向人员，负责与各金融机构、银行、政府及相关机构联络、接洽；拓展并维护与金融监管部门的政府关系等。

这则消息引发外界猜测，相关负责人却回应称：“目前快手尚没有金融方面的布局”。

• 拼多多

去年的拼多多曾在电话会议上表示：“并不想太早地去做变现，不想去过早地提供一些什么金融服务、补贴。”，

今年1月，拼多多通过控股方式获得支付牌照，但目前支付仍以支付宝、微信为主。

近期，新流财经曾报道称拼多多在申请直销银行牌照，并着手招聘支付金融方向的产品经理，和消费信贷方向的算法工程师、Java高级研发工程师、策略工程师等人才。对此，拼多多迅速回应称：“公司从未申请过直销银行牌照，也未参股过任何申请这一牌照的银行。”

拼多多方面强调，不仅是过去从未申请过这一牌照，公司“未来也不会申请直销银行牌照”。

对于“拼多多正在招聘消费信贷方向的算法工程师”等信息，拼多多解释称，这些招聘岗位主要是为了适应用户需求，接入微信先用后付、蚂蚁花呗等消费信贷产品的对接与数据风控——拼多多自身并没有任何消费信贷业务。

另外，今年8月起，拼多多开始主推“先用后付”功能， 用户需满足微信支付分500分以上，并支付每单2%的手续费。

• 小红书、唯品会

另一家与“带货、电商”定位有关的，是小红书，但也同样没有相关布局披露；据说小红书博主也不能接任何金融理财类的广告。

今年双十一前，小红书正式与淘宝“联姻”，不出意外地走上批发流量的路子。

已经走上电商+金融路线的，唯品会是代表之一。2013年起涉足金融，收购拿到支付牌照，上线“唯品花”功能，2017年就形成了“电商、金融、物流”三驾马车战略，上个月月底刚刚获批消金牌照。

2016-2018年间，“唯品花”的客户消费信贷余额从33亿元涨到57亿元，2019年突然暴跌到13亿元。同时还被爆出金融部门裁员、“唯品花”被大面积停用等消息。

有业界人士在点评唯品金融案例时指出，从行业层面看，电商系消费金融市场早已红海一片，牌照不过是一张入场券；唯品会的月活用户和营收增速都在放缓，增长空间或许已经不多了，这也是金融业务受挫的一大原因。

电商+金融的蛋糕甜美，人人围观，人人谨慎。

那么，电商以外，抖音还能挖掘出哪些同样具有强大金融需求的场景？参考微信和美团，社交和本地生活相信会是抖音的备选项之一。

但无论是哪个场景，抖音仍然要建立一定的用户认知，让用户产生“信任感”，才能保持金融战略稳步向前推进。一位抖音用户就告诉AI金融评论，对于她这样比较保守的用户来说，抖音不是专门卖货的平台，让她在这样的平台上花钱，会觉得资金没有保障，她更倾向于通过外链跳转到淘宝等平台购买。

TMD金融长跑，半程表现各异

与字节跳动合称为“TMD”的滴滴和美团，同样在金融变现的道路上步履不停，表现却两极分化。

美团不仅从中小商户切入信贷业务（美团小贷），也在其消费场景中推出借钱、分期、买单、延期订单等一系列个人消费信贷服务（美团生活费），用贷款盘活商户和用户资源，增强用户黏性，生活服务场景作为金融业务驱动力。

联名信用卡的辉煌战绩，更让这家新晋互联网巨头的金融“履历”有了一抹亮眼的色彩：2018年，青岛银行美团联名信用卡正式上线，66天发卡量突破10万张，创下国内城商行发卡记录；今年10月，美团官方宣布，其联名信用卡业务的累计发卡量，已经突破1000万张。

美团已有民营银行、第三方支付、小贷、保险和保理五块金融牌照，在商户需求、资金、支付渠道、保险业务等环节，逐步打通整个金融链条，也成为了TMD中金融业务布局最广的一家。

拥有4亿月活的滴滴，启动金融业务5年，却没有如想象中顺利。

滴滴一度从汽车金融角度切入，推出过车贷、车险等相关产品（滴水贷、点滴相互），两年前还成立了金融事业部，但据一本财经报道，多位滴滴金融的内部员工透露，目前滴滴金融的在贷余额不到200亿；金融部门在滴滴的战略地位也逐渐边缘化。

报道称，无论是滴滴内部员工看来，还是外部用户看来，金融和滴滴基因并不融合。滴滴在用户心中“打车软件”的印象根深蒂固，涉足金融业务导流时容易被认为是“不务正业”；推广保险业务需要贩卖焦虑，这也与滴滴主打的“安全牌”相悖。

与其他互联网公司相比，字节跳动做金融似乎步调缓慢、保守谨慎。如今从坐拥6亿日活的抖音入手，字节跳动能否真正改变互联网金融下一个十年的格局？（雷锋网）

雷锋网

其实，互联网公司被约谈，并不少见。就最近来看，由于双十一的临近，就有京东、天猫、美团、微店等9家重点电子商务平台企业被市场监管部门约谈。

但是，在蚂蚁集团上市前夕，马云这位公司实际控制人同时被中国人民银行、中国银保监会、中国证监会、国家外汇管理局四大部门“点名道姓”的约谈，这在互联网历史上还是第一次。而约谈后，蚂蚁就立即被暂停上市，也让人们对这次四部门与马云之间谈话的具体内容充满了好奇。

约谈，其实是颇具中国特色的一种制度，主要有四种形式，分别为预防提醒、询问示警、纠错诫勉、问责处分。这一次，马云被四部门约谈属于其中哪一种性质，成了舆论关注的焦点。

有媒体认为蚂蚁集团即将面临“四面楚歌”的境地，这次约谈是对蚂蚁集团最近一系列“越轨”行为的警示。

比如蚂蚁集团（支付宝）绕过传统金融机构直接销售其上市的配售基金，传统银行的“代销”渠道或因此被颠覆，这无疑动了很多人的奶酪。

比如马云在外滩大会上炮轰金融监管：

• “巴塞尔协议比较象一个老年人俱乐部”

• “中国不是金融系统性风险，中国金融基本上没有风险，是缺乏系统的风险”

• “今天的银行延续的还是当铺思想”

也有媒体认为，这次约谈只是预防提醒，毕竟蚂蚁目前的估值被市场的狂热情绪抬的太高，约谈以及之后的暂停上市，不论对于蚂蚁还是投资者来说都是一种保护。

马云被约谈背后的真实原因，众说纷纭，我们暂且按下不表。其实在互联网历史上，许多企业领导人都被约谈过，马云不是第一个，也不会是最后一个。

2011年

巨人网络史玉柱：证监会约谈

60后史玉柱，堪称”互联网约谈界“的鼻祖。早在2011年，他就曾被北京证监会约谈过。

那年8月，这位“网红董事长”在微博上大谈上市公司股票增持等敏感信息，公然炮轰中国人寿意欲增持民生银行股份，其中提及：“拜托中国人寿，别虎视眈眈想控股民生银行。中国唯一的民营的重要银行（总资产2万亿以上），不应倒退成为国有银行。”

翌日，民生银行股价大涨6.47%。

这一微博虽然很快就被删除，但依然在网上引起轩然大波。而史玉柱民生银行董事的身份和一直增持民生银行股票的行为，被网友质疑涉嫌股价操纵。

也正因此，史玉柱被北京证监会约谈，其后在微博上宣布退出江湖。

2014年

乐视：广电总局约谈

今年刚退市的乐视，早在5年前便浮现出了一些问题。

2014年8月，据报道广电总局约谈乐视、小米等国内七大互联网电视牌照方，要求电视UI必须牌照方推出才合法，并点名批评了乐视UI。

那一年，广电总局关于互联网电视出台一系列严厉监管政策，规定电视盒子产品不得设立视频网站专区，在互联网电视业务中，视频网站不得自行设立内容平台，只能向播控平台和内容平台提供内容。

而乐视也被广电总局暂停了和所有牌照方的合作。‍

2015年

滴滴：安全问题受到全国范围的政府约谈

和巨人网络这种“互联网前辈”相比，滴滴成立仅6年，但它被相关监管部门约谈的次数之多却不让任何一家互联网巨头。

2015年，滴滴和Uber抢夺国内出行市场的竞争逐渐升级。6月—7月，滴滴、Uber的平台负责人三次被市交通委运输管理局约谈。因为涉嫌违法组织客运经营，这两家公司还被监管部门要求其停止发送商业性短信息。

后来，滴滴打车一路扩张，最终收购优步，统一全国打车市场。但每个月被各地方交通管理局约谈，也成为了“家常便饭”。

最严重的一次是2018年。那年5月，滴滴被曝出空姐顺风车遇害案，但当时滴滴并没有认真贯彻安全措施。仅3个月后，它便再次发生了乐清顺风车乘客遇害案件，滴滴遭遇全国范围的政府约谈。

那次，滴滴成为众矢之的，面临着严峻的监管危机，要么彻底整改，要么下架。

此后，滴滴出行创始人程维、总裁柳青发布道歉信表示，顺风车业务模式重新评估，在安全保护措施没有获得用户认可之前，无限期下线。“滴滴不再以规模和增长作为公司发展的衡量尺度，而是以安全作为核心的考核指标，组织和资源全力向安全和客服体系倾斜。”

2016年

百度李彦宏：网信办约谈“竞价排名”

2016年，魏则西事件（被搜索引擎误导，选择了不合适的医疗机构）引起了社会对百度公司“竞价排名”营利方式是否合理的热议，也引起了国家监管部门的重视。

国家网信办会同国家工商总局、国家卫生计生委成立联合调查组进驻百度公司，对此事件及互联网企业依法经营事项进行调查并依法处理。

甚至在5月2日下午，据百度内部人士称，国家网信办还约谈了百度董事长兼CEO李彦宏。

舆论重压之下，百度对全部医疗类机构的资质进行了重新审核，对2518家医疗机构、1.26亿条推广信息做了下线处理，并保证：今后医疗类的广告不参与到百度的竞价排名中。

2017年

美团：进军打车市场被约谈

在打车市场，滴滴一家独大。但是面对如此大的蛋糕，也难免有挑战者想要分一杯羹。

2017年12月，美团打车在北京、上海等7个城市站点推出报名网页，哪一个城市报名人数满20万人即可在这一城市开站。

开放报名11天后，北京站便报满20万人。

美团打车随后在官方APP开启倒计时，宣布将于2018年1月12日正式开启北京站。

然而在1月9日下午，美团打车因未依法在北京市申请开展网约车业务，不具备网约车经营服务资质，被北京市交通主管部门约谈。

从那之后，美团打车在北京便再也没有传出上线的确切消息，留下的只有业界的无限猜测。

2018年3月，美团打车正式出现在上海，但是没成想刚运营半天，又被上海市交通委请去喝茶了。就此，美团的“打车梦”折腾了一番，最终不了了之。

2018年

京东：五部门约谈违规商品

几乎每一年，都有互联网巨头因自身业务问题而被约谈。而2018年，京东就体验过这样一次约谈经历。

电商平台在早期发展过程中急需野蛮生长，在商品质量的把控上往往没有那么严格。

京东作为全国最大的电商之一，也遇到过诸多此类问题。早在2015年，央视就不止一次的曝光了京东售假的问题，但此类事件一直难以杜绝。但没想到事情后续愈演愈烈，已经升级到违法违规流通商品。

2018年4月2日，北京市网信办、北京市公安局、北京市通信管理局、北京市工商局、北京市文化市场行政执法总队五部门联合约谈京东。

经查，原来京东出现管理漏洞，导致了有关违法违规商品、出版物及其他印刷品的售卖信息在网上传播。

据北京市网信办相关负责人介绍，此行为违反了《中华人民共和国网络安全法》《互联网信息服务管理办法》《出版物市场管理规定》等相关法律法规，并造成不良社会影响。

事件发生后，京东回应接受批评，全面整改。而也是经过这次较为“严厉”的约谈之后，京东平台上的商品也越来越有质量保障。

拼多多：市场监管总局约谈假冒商品

当所有人都认为淘宝、京东“二分天下”的电商格局大势已定时，拼多多横空出世。2019年10月24日，拼多多的股价大涨12.56％，总市值464.48亿美元，一举超过京东的448.2亿美元市值。

刘强东用了20年时间积累的市值，黄铮只用了4年便轻松超越。

然而，拼多多在如此之短的时间内占据那么一大块市场，也无可避免的存在很多问题。

2018年8月，国家市场监管总局约谈拼多多，网监司等职能部门对拼多多提出具体整改要求和工作建议。要求拼多多平台经营者严格履行主体责任，加强对入驻平台经营者及商品的管理和审核，积极配合各地各级市场监管部门检查，维护公平竞争秩序。

网监司有关负责人说，纵容甚至支持制售侵权、假冒商品，是网络交易平台经营者不能触及的法律红线和道德底线。拼多多要积极配合各地各级市场监管部门的检查，及时提供涉嫌违法网店经营者主体信息、经营资质信息，以及交易记录和宣传内容；切实承担平台主体责任，加强对平台内刷单炒信等其他违法经营行为的自查自纠。 

拼多多董事长黄峥表示，拼多多将站在消费者的角度扎扎实实解决问题，认认真真全面整改；主动配合市场监管部门的调查检查，不推卸责任。

腾讯：两部委约谈低俗网文

2018年被约谈的互联网公司，不可谓不多，腾讯也未能例外。

2018年10月，全国“扫黄打非”办公室和国家新闻出版署就微信公众号传播淫秽色情和低俗网络小说问题约谈了腾讯公司，责令其立即下架违背社会主义核心价值观，低俗、庸俗、媚俗网络小说，坚决清理传播淫秽色情等有害内容的微信公众号，切实履行企业主体责任。

同日，腾讯方面对此事作出回应，称将进一步加强内容及资质审核、清理低俗信息及完善举报受理机制。

近几年，国家监管部门一直重视对短视频、直播平台等的监管。无论是今日头条、抖音还是微信公众号均是监管部门的监督重点。而除了网文外，作为腾讯很大一部分收入来源的游戏，也受到了监管部门的关注。

2020年疫情期间，人们在网上投入的时间显著提高，游戏的登陆和使用频次也得到了大幅度增长，青少年偷偷用父母手机给游戏充值巨额金钱的事情也频频发生。

2020年5月，腾讯因此被相关部门约谈。江苏消保委对腾讯在内的7家网游公司开展集体约谈，并要求增加充值时的人脸识别等功能，避免不理性消费。

2019年

字节跳动：网信办约谈内容审核

和百度、腾讯一样，字节跳动也常常是网信办的“座上宾”。

2019年11月，北京市网信办对今日头条进行了约谈，原因是其客户端的站外搜索结果中出现了大量诋毁方志敏烈士的侮辱性文章。

2020年2月，今日头条号“重庆财经地产”因违规发布涉疫情不实信息，对社会造成不良影响，被重庆市网信办依法约谈。

而抖音、TikTok等字节跳动系产品似乎也在“拖后腿”，今年1月大治市黄海村某村民使用抖音发布捏造的肺炎病例确诊视频，得到大量点赞、转发和评论；TikTok上甚至有创作者大肆宣称“中国为控制人口主动创造病毒”等阴谋论。

2020年6月，国家网信办约谈字节跳动、腾讯旗下等10家直播平台企业，要求整改低俗内容，视违规情节对相关平台分别采取停止主要频道内容更新、暂停新用户注册、限期整改、责成平台处理相关责任人等处置措施，并将部分违规网络主播纳入跨平台禁播黑名单。

小米：工信部约谈垃圾信息

垃圾信息扰民是几乎所有人都遇到过的问题。

2019年12月，工信部网站公布的信息显示，近期，工信部针对部分移动转售企业垃圾信息严重扰民问题，集体约谈了小米科技、迪信通等18家移动转售企业。

小米等相关企业承诺深刻认识垃圾信息治理工作的极端重要性，坚决整改到位，确保按电信主管部门的要求在短期内取得实效，不断提升用户获得感、幸福感。

2020年

新浪、搜狐、网易三大门户网站，作为一种重要的信息媒介，由于其快速的信息传播速度和强大的社会影响力，也理所当然的被网信办重点关注。

2020年，它们也因为各种原因，相继受到相关监管部门的约谈。

新浪：约谈蒋某舆论事件

2020年4月，天猫总裁蒋凡出轨的话题瞬间攀上了热搜。按理说作为舆论的焦点，热度应该居高不下。可奇怪的是，微博上关于此话题的帖文、报道，在数分钟内就消失了。而据悉，阿里巴巴是新浪微博的第二大股东。

6月，网信办约谈新浪微博负责人，针对微博在蒋某舆论事件中干扰网上传播秩序，以及传播违法违规信息等问题，责令其立即整改，暂停更新微博热搜榜一周、热门话题榜一周，严肃处理相关责任人，并且对新浪微博依法从严予以罚款。

搜狐：约谈自媒体平台乱象

2020年7月，北京网信办约谈搜狐、网易、凤凰等网站相关负责人，责令网站就自媒体平台存在的“曲解政策，违背正确导向“、“无中生有，散布虚假信息”等八大乱象进行清理整治。

人民网评：《自媒体平台，如何让监管部门少上门？》。文中提到，这是继前不久关停一批自媒体账号后，再一次有针对性地净化自媒体平台内容。一次约谈，列出八大乱象，整治的背后在警示着什么，值得反思。

网易：约谈新闻跟评功能

2020年10月，针对网易新闻App、网易新闻、网易号的跟评环节多次传播违法违规信息等问题，网信办严肃约谈网易网负责人，并对网易网实施罚款。

网易网负责人表示将深刻吸取教训，全面加强平台业务和人员管理，在整改期间自行暂停网易新闻App跟评功能一周，时间为10月10日12时至10月17日12时。

“看不见的手”

从2014年至今，每年都会有互联网巨头被监管约谈。约谈，已经成为管理互联网企业的一种重要思路。

无论是近期蚂蚁集团上市被监管按下暂停键，还是此前滴滴女性遇害事件、百度医疗竞价排名事件、京东出售不合规商品的事件，“约谈”作为一种政府管理方式，都起到了十分积极的作用。

我们发现，对互联网公司的约谈很少直接约见公司实际负责人，许多公司在被“约谈”之后，管理者并没有表现出足够的重视，也因此吞下苦果。对此，只有真正重视“约谈”的内容，在创新和监管中找到合适的尺度，才能真正在互联网的道路上稳步前行。

在《国富论》中，亚当·斯密说到：“人们所追求的仅仅是他个人的安乐，个人的利益，但当他这样做的时候，就会有一双看不见的手引导他去达到另一个目标，而这个目标绝不是他所追求的东西。”

在互联网的世界里，约谈就是那双引导企业持续向善的“看不见的手”。

参考文章：

1. 滴滴董事长程维：被约谈也要冒着炮火前进

2. 美团打车上海站上线首日被约谈，王兴的扩张计划会受阻吗？

3. 炮轰 祸从口出被约谈无奈 史玉柱“自宫封博”

4. 广电总局再约谈牌照方 批评小米乐视雷锋网雷锋网雷锋网

受消息影响，美股阿里巴巴盘前快速跳水，一度下跌5%，此前曾上涨1%。

此前坊间盛传，蚂蚁集团会在11月初的这个星期正式A+H同步挂牌上市；港交所也在11月3日披露，蚂蚁集团将于4日进行买卖——不过蚂蚁已经迅速做出回应，称其H股同步上市计划也将暂缓。

24小时前，证监会发布公告，称央行、银保监会、证监会和外汇管理局对蚂蚁集团实际控制人马云、董事长井贤栋、总裁胡晓明进行了监管约谈。

7月：更名、官宣上市

蚂蚁的上市之旅，或许要从更名之举开始说起。

2020年7月13日， "蚂蚁金服" 更名为 "蚂蚁科技集团有限公司"，即 "蚂蚁集团"。

经营范围的变更也在同天披露：新增工程和技术研究和试验发展、企业总部管理、控股公司服务、以自有资金从事投资活动等。

而“接受金融机构委托从事金融信息技术服务外包，金融业务流程外包，金融知识流程外包，投资管理，投资咨询”则从其经营范围内去除。

七天后，7月20日，蚂蚁官宣A+H同步上市计划。

集团方面表示，此举是为了进一步支持服务业数字化升级做大内需，加强全球合作助力全球可持续发展，以及支持公司加大技术研发和创新。

当时有媒体报道称，蚂蚁集团将寻求至少 2000 亿美元的 IPO 估值，以人民币计算，已经超过万亿，也超过中国建设银行目前的最新市值——1977 亿美元。

8月：招股书、消金牌照与数科公司

2020年8月，重庆蚂蚁消费金融有限公司成立。蚂蚁集团控股，参股企业7家，注册资本80亿元。

已有两家重庆小贷公司的蚂蚁集团，自此拿下消金牌照——在线小额贷款公司的杠杆率通常为二至三倍，但消费金融公司的贷款规模可以达到其注册资本的10倍。

同样是在8月，蚂蚁（广西）数字科技有限公司（即“蚂蚁数科”）成立，注册资本1亿元。

其经营范围包括：接受金融机构委托从事信息技术和流程外包服务（不含金融信息服务）；数据处理服务；软件开发；社会经济咨询服务；咨询策划服务等。

2020年8月25日晚间，蚂蚁集团向上交所、港交所递交上市招股文件。

文件显示2019年度蚂蚁集团实现营业收入1206亿元，实现净利润180.72 亿元；支付宝年活跃用户超10亿，活跃商家逾8000万；数字金融服务占总营收超六成。

蚂蚁集团的收入主要来自三块：数字支付与商家服务、数字金融科技平台、创新业务及其他。其中，超六成营收来自于数字金融服务。

数字金融领域中，蚂蚁的微贷科技平台无疑最受关注。截至 2020 年 6 月 30 日，蚂蚁集团促成的消费信贷余额达17320 亿元、小微经营者信贷余额为 4217 亿元。

招股书也指出，蚂蚁集团与约 100 家银行合作伙伴合作开展业务，包括全部政策性银行、大型商业银行、全部股份制商业银行、城商行和农商行、外资银行等合作。

理财科技平台方面，截至今年上半年，蚂蚁促成的资产管理规模达 40986 亿元，并与约 170 家资产管理公司合作开展业务，其中包括中国绝大部分的基金公司、领先的保险公司、银行和证券公司。

保险科技平台方面，截至6月30日，蚂蚁合作的保险机构约90家；近12个月期间，支付宝促成的保费及分摊金额达518亿元。

近三年（2017—2019），蚂蚁集团研发费用分别为 47.89 亿元、69.03 亿元、106.05 亿元，占当期营业收入的比例皆为8%左右。

截至今年上半年，蚂蚁集团拥有16660名员工，其中包括10646名技术人员，合计占员工总数约64%。

9月：火速过会、外滩大会、战配基金

8月30日，蚂蚁集团首次被上交所问询。9月7日，蚂蚁给出回复，对监管提出的6大类21个问题进行了详细解答，涵盖股权结构、员工激励、业务模式、合规风险、数据安全、同业竞争等诸多问题。

蚂蚁强调，自身不依赖阿里体系，双方独立开展业务，但与阿里之间高度战略协同；与阿里也并非同一实控人。

9月9日，蚂蚁集团回复上交所第二轮问询。

本轮追问的重锤，落在了监管政策变化对公司业务模式的影响。今年以来，最高法修改民间借贷最高利率、金融控股公司准入规定、商业银行互联网贷款管理办法等，都与蚂蚁现存的数个重点业务休戚相关。

蚂蚁答复称，拟以全资子公司浙江融信为主体申请设立金融控股公司并接受监管；民间借贷利率的司法保护上限变化，则可能提高其合规成本和难度。

总体来说，蚂蚁集团表示，上述多个监管政策变化不会对公司的持续经营能力造成重大不利影响。

9月18日，上交所同意蚂蚁集团发行上市。

这距离蚂蚁递交招股书仅过去25天，被称为“火速”过会——当年号称A股IPO最快的工业富联，成功过会也不止一个月。

9月24-26日，由支付宝和蚂蚁集团主办的首届“外滩大会”在上海主办。

上市前夕的这场大会，其关注度之高、声势之浩大，不言而喻。这场大会上，蚂蚁几乎涉及了金融科技所有主流赛道，提出了区块链、人工智能、安全科技、物联网（IoT）、云计算的「BASIC技术战略」，各类最新科技成果也悉数展现于人前。

也是在9月25日，当日0点，五只蚂蚁集团战略配售基金在支付宝上正式开售，创造了2分钟10亿元、1小时102亿元的销售速度。

此次战配基金，是易方达、汇添富、华夏、鹏华、中欧五家基金公司与蚂蚁集团签署战略投资者认股协议，将推出以发行价认购蚂蚁股票的新基金，封闭期18个月，计划战略配售蚂蚁新股（最高配置仓位10%），总募集规模600亿。

基金战配的是蚂蚁的新股，由蚂蚁方面牵头定制，在蚂蚁的渠道独家发行，这在基金发行史上都属头一遭。

10月：两万亿的市值，马云的一席话

10月21日，证监会同意蚂蚁集团科创板IPO注册，上市代码为688688；H股代号则定为6688。

10月24日，中国金融四十人论坛（CF40）联合各组委会成员机构在上海召开第二届外滩金融峰会。

马云也出席了本次峰会，他的一席发言直接“引爆”金融圈：

1、不必刻意填补欧美有，而我们没有的空白。

2、永远重复别人的语言，讨论别人设定的主题，会迷失现在，错失未来。

3、全世界更多在讲风险控制，不讲发展，很少去想年轻人的机会、发展中国家机会在哪里。

4、巴塞尔协议像一个老年人俱乐部，要解决运转了几十年的金融体系老化问题，系统复杂的问题。

5、但是中国的问题正好相反，不是金融系统性风险，而是缺乏金融生态系统的风险。

6、P2P根本不是互联网金融，但不能因为P2P把整个互联网金融的创新否定了。

7、今天银行延续的还是当铺思想，抵押和担保就是当铺，但它不可能支持未来30年的需求。

8、好的创新不怕监管，但是怕昨天的方式去监管，不能用管理火车站的办法来管机场。

9、我们需要的是政策专家，不是文件专家。

10、新冠疫情影响远超当下讨论的技术问题，其影响力不亚于二战。

10月26日晚间，蚂蚁官宣本次A股发行价为68.80元/股，H股价格为80.00港元/股。按此价格计算，最终A股发行总市值2.1万亿元。

10月31日，国务院金融稳定发展委员会召开专题会议。此次会议强调，当前金融科技与金融创新快速发展，必须处理好金融发展、金融稳定和金融安全的关系。

11月：三篇评论，一个办法，一场约谈

11月1日，蚂蚁公布网下初步配售结果及网上中签结果。

此次IPO的网上发行规模最终超过了网下，网上发行有效申购户数为515.56万户，创下科创板新高；有效申购金额也刷新A股记录。

10月31日-11月2日下午，央行主管的报纸《金融时报》陆续发表三篇评论。

第一篇，《关于金融创新与监管的几点认识》，指出：

中国金融科技在全球发展的比较好的主要原因是“前期对金融科技发展几乎没有监管，这既是P2P网贷一地鸡毛的原因，也是类似蚂蚁集团这样的从事金融服务的大型科技公司（BigTech）迅速发展的关键。”而我国几家BigTech公司的金融业务中，最赚钱的是消费信贷业务，本质上也是吃利差模式。

文章还表示，任何金融企业都希望无限制扩张且不承担后果，但监管部门尤其是央行要考虑全局风险；如果一家金融的企业业务规模和关联性都很大，就需要对其实施宏观审慎监管。

作者以蚂蚁集团为例，认为其拿到了很多的金融业务牌照，可进行与银行类似的存贷款业务，就需要进行审慎监管；面对类似影子银行的创新业务，必须要强调监管的一致性，特别要重视新巴塞尔协议的作用和实施。

第二篇，《资深学者：大型互联网企业进入金融领域的潜在风险与监管》，指出：

“若大型互联网企业大量开展金融业务，但却宣称自己是科技公司，不仅是逃避监管，更容易无序扩张，造成风险隐患，不利于公平竞争，也不利于消费者保护。

不仅如此，大型互联网企业进入金融领域，其持有的一些金融机构从个体看其业务范围、地域限制等都有明确规定，但往往凭借技术和网络平台模糊其边界，突破地域和业务范围限制。例如，有大型互联网企业旗下的小贷公司不仅从事网络信贷甚至信用卡业务，还突破地域限制，通过支付平台将客户拓展到全国。” 

对于大数据模型与互联网金融服务，作者认为“涉及对公众资金的快速大范围转移、隐蔽性聚合和不透明管理。尤其是，大数据模型尚存在理论基础不完善、稳健性较差等问题，一旦发生失误，触发金融风险，或进一步增加风险处置难度。” 

特别是，涉及数亿消费者的数据信息具有“公共品性质”，“其管理、运用并非单一消费者授权就能解决其合法性问题。” 

文章指出，大型互联网企业“大而不能倒”，一旦出现风险暴露，将引发严重的风险传染，引发用户群体性非理性行为，最终形成系统性金融风险。 

对进入金融领域的系统重要性大型互联网企业巨头，应“明确其金融企业属性”，将其纳入金融控股公司监管框架，“对所有金融业务进行严格穿透式监管”。

第三篇，《资深学者：在金融科技发展中需要思考和厘清的几个问题》，直接点名蚂蚁。

业务模式——作者给蚂蚁集团的一个定语是，“所谓最具‘创新‘色彩”，认为蚂蚁“实质上跨界开展非金融、金融、类金融和金融基础设施等多种业务，成为了全世界混业程度最高的机构”。

普惠与否——文章以花呗、借呗的利率水平为例，指出“是不是真正负责任的普惠金融，不宜由自我评判，至少需要以下几方面的考量。一是有没有进行诱导式、掠夺性放贷。造成借款人超出其债务承受能力、还款能力和意愿过度负债，增大系统性风险隐患。二是业务模式是否有利于合理控制融资成本，导致‘普惠’变为‘普贵’。”

文章甚至提到如何“处理”蚂蚁：“是否应当尽快实施《金控公司管理办法》，从机制上隔离实业与金融板块；

除了将集团内的持牌金融机构（网商银行、天弘基金、众安保险、信美人寿、蚂蚁保保险代理等）纳入金融控股公司框架，是否还应将所有类金融机构和业务，如支付宝、小贷公司以及由其交叉融合形成的类信用卡产品（花呗借呗），全部纳入金融控股公司框架；

另外，是否还应按照归并同类业务原则，对同类（如业务实质为信贷）的持牌金融和类金融机构/业务进行整合，如将花呗借呗等类信用卡业务并入网商银行，防止利用金融与类金融机构的规则差异进行监管套利；

分析判断“相互宝”网络互助的业务本质，若实质为商业保险，是否应并入集团内的持牌保险机构等等。”

作者在该篇文章中写到，监管者不要被市场舆论所“左右”。

11月2日晚间，《金融时报》第三篇评论发出后数小时，四部门联合约谈马云、井贤栋、胡晓明的消息全网刷屏。

蚂蚁集团回复称，集团实际控制人与相关管理层接受了各主要监管部门的监管约谈。蚂蚁集团会深入落实约谈意见，继续沿着「稳妥创新、拥抱监管、服务实体、开放共赢」的十六字指导方针，继续提升普惠服务能力，助力经济和民生发展。

与此同时，《网络小额贷款业务管理暂行办法（征求意见稿）》出炉。其中：

• 网络小贷业务要属地经营，未经批准不得跨省展业。网络小贷实行牌照制，牌照有效期3年。

• 主要作为信息提供方与机构合作开展贷款业务的，不得故意向合作机构提供虚假信息，不得引导借款人过度负债或多头借贷，不得帮助合作机构规避异地经营等监管规定。

• 网络小贷公司一次性实缴货币资本/注册资本不低于人民币10亿元，跨省展业的不低于人民币50亿元。小贷公司通过银行借款、股东借款等非标准化融资形式融入资金的余额不得超过其净资产的1倍；通过发行债券、资产证券化产品等标准化债权类资产形式融入资金的余额不得超过其净资产的4倍。

• 在单笔联合贷款中，经营网络小额贷款业务的小额贷款公司的出资比例不得低于30%。

• 对自然人的单户网络小额贷款余额原则上不得超过人民币30万元，不得超过其最近3年年均收入的三分之一，该两项金额中的较低者为贷款金额最高限额。

银保监会消费者权益保护局局长郭武平也指出，金融科技公司缺乏统一标准，一般高于持牌金融机构。比如“花呗”与银行信用卡业务基本相同，但分期手续费高于银行，与其普惠金融理念不符。再如“借呗”“金条”“微粒贷”等产品，与银行提供的小额贷款无本质差别。

约谈一事发酵24小时后，蚂蚁科创板上市暂缓。

雷锋网雷锋网雷锋网

此次上市，陆金所发行1.75亿份ADS，定价13.5美元，募资24亿美元。按照IPO定价13.5美元计算，陆金所的市值在320亿美元左右，略低于上市前390亿元估值。

今年下半年，蚂蚁集团、京东数科、陆金所三家头部金融科技公司扎推上市。

目前，蚂蚁集团计划于11月5日在上海和香港同步上市；京东数科在10月中旬首轮问询后，暂无下文。而于10月30日上市的陆金所，成为这三家“准上市”公司中抢先着陆的企业。

中国曾经最大的P2P公司

2011年，平安集团旗下金融科技公司「陆金所」在上海正式成立。

凭借母公司金融牌照齐全的优势，陆金所迅速成长为“中国P2P一哥”。受益于此，陆金所估值也水涨船高，从2014年A轮融资后的97亿美元暴涨至2018年的394亿美元。

而2014年也正是P2P“爆火”的一年。

那一年，国家表明了鼓励互联网金融创新的态度，并在政策上对P2P网络借贷平台给予了大力支持，一直关注P2P但始终害怕政策风险的金融巨头开始进入这一领域，平安旗下陆金所便是其中之一。

据统计，陆金所2014年营收不到10亿元，而到了2015年营收就一举超过了50亿元。2105年以后，E租宝出事，一出事就是700亿元，这引起了大家的警惕，政府开始采取措施进行全面整顿。

此后，陆金所的营收增度明显放缓，2017、2018年、2019年陆金所的总收入分别为278亿元、405亿元、478亿元。2019年7月18日，陆金所计划退出P2P业务。

对此，雷锋网AI金融评论询问陆金所，得到回复称：“陆金服P2P业务正积极响应和配合监管"三降"要求，网贷业务正常运营，存量产品与客户权益不受影响。”

属于科技金融，而非金融科技

P2P不是金融科技已成定论，但陆金所是否是金融科技公司，一直是人们津津乐道的话题。

按照国际金融组织金融稳定理事会FSB的定义，“金融科技”是由大数据、区块链、云计算、人工智能等新兴前沿技术带动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。通常，从“新金融”和“新技术”两个不同角度，可将金融科技企业分为两大主要类型：科技金融类和金融科技类。

和蚂蚁集团、京东数科两家脱胎于互联网公司的金融科技企业不同，陆金所应属于“科技金融类”。

招股书显示，截至2020年6月末，陆金所拥有4470万注册用户和1280万活跃投资者，而蚂蚁集团拥有10亿年活跃用户。

陆金所员工人数多达84830人，其中销售人员和贷后管理人员占比超过90%。而服务10多亿用户的蚂蚁集团，员工人数仅为16660人，技术研发人员占比高达64%，蚂蚁集团的销售人员只有2276人，只占陆金所的37分之一。

陆金所和蚂蚁集团在近三年的「科技研发投入」上，也形成鲜明的对比。2017年—2019年，陆金所的技术研发费用分别为13.02亿元、16.59亿元、19.52亿元，占当期营业收入的比例皆为4%，投入趋势略有下降。而同期的蚂蚁集团研发费用分别为47.89、69.03、106.05亿元，占当期营业收入的8%左右，科研投入上升趋势明显。

令人不安的是，今年上半年高层也出现了动荡，其首席技术官卢峻、首席市场官潘飚以及公司董秘、公共事务总监徐风雷相继离职。

陆金所是否能抛下过往包袱，重新上阵？市场正在给出答案，我们拭目以待。雷锋网雷锋网

两年前，青岛银行美团联名信用卡正式上线，66天发卡量突破10万张，创下国内城商行发卡记录。

今天，美团官方宣布，其联名信用卡业务的累计发卡量，已经突破1000万张。

其实早在2015年左右，美团就已着手布局金融，悄然拿下多块牌照，但其金融业务开展并非一帆风顺；联名信用卡的辉煌战绩，终于让这家新晋互联网巨头的金融“履历”有了一抹亮眼的色彩。

联名信用卡，与城商行的天作之合

美团的联名信用卡业务起步于2018年，与青岛银行的合作首战告捷，正式吹响进军信用卡市场的号角。

截至目前，美团联名信用卡已与国内超过14家区域性银行达成合作协议，上线12家，如今已是国内首家迈入千万发卡量级的区域性联名信用卡。

公开资料显示，青岛银行，累计发行美团联名信用卡181万张（截至今年9月17日），用户月均交易笔数接近10笔；平均每100名美团联名信用卡用户中，有26名用户转化为其借记卡客户，有13名转化为其理财客户。

天津银行，上半年信用卡新增发卡13.23万张，同比上年增幅1956%，其中美团联名信用卡发卡占比达99.2%。

江苏银行，信用卡新增发卡同比上年增加6倍，其中美团联名信用卡发卡突破百万。

上海银行，今年9月成为国内首家累计发行信用卡量突破千万张的城商行，跻身中等规模发卡机构行列。美团正是其业务占比最大的合作方，合作发放的联名卡累计超200万张，来自美团联名卡的用户累计交易实动率（即活跃度）达90%。

细究合作情况不难发现，美团的联名信用卡有两大特别之处：一是合作伙伴均为青岛银行、上海银行、江苏银行等区域性银行，而非更知名的国有大行和股份行；二是区别于以往停留在品牌、权益层面的联名，美团和这些城商行达成深度合作，提供数字化运营的全流程服务，试图形成更深层次的绑定。

为什么专攻城商行？原因之一正是城商行对下沉市场的覆盖和触达，较大中型银行有着一定优势，这些未被充分开发的三四线城市和城镇意味着潜力无限的增长空间。

更重要的是，国有大行和股份行早已大规模与商户达成合作，抓住用户的衣食住行、吃喝玩乐等刚性需求，出行、餐饮等高频场景能够有效建立银行与用户另一维度的连接，从而构建消费生态，以形成零售金融的新闭环。这些高频生活场景下的消费水平，也有助于银行判断用户的金融需求。

同时这些大行也早就开展信用卡获客营销、运营和风控等环节的数字化和智能化——区域性银行的资金、人才、技术都落后不少，很难完成类似目标，自然无法在信用卡业务上再进一步。

这样的城商行，与有技术、有生态的美团，是天作之合。

美团提供丰富的本地生活场景、技术团队和运营咨询团队，基于庞大的生态流量和LBS算法优势为城商行“输血”，精准推荐优质用户，整合服务权益，增强活卡率；还通过大数据、智能化模型、大规模零售风险管理技术，提升对方的风控能力，联手挖开这片信用卡业务的洼地。

五年时间，五张金融牌照的野心

联名信用卡自然不是美团的金融首秀。

早在2015年，美团就着手谋划金融版图，王兴公开表态，要“打造一个千亿资产规模的金融事业”。

但开局不顺：2016年，美团一度被举报“无证经营” ，在无牌照的情况下从事第三方支付结算业务，美团支付被央行责令三个月内下线整改。

同年8月，美团官宣全资收购第三方支付企业钱袋宝，收获第一张金融牌照。有报道称，此次收购价格高达13亿美元。

当时央行暂停新增支付牌照，牌照本身也不能倒买倒卖，大企业获取牌照的唯一方式就是股权收购。纵观当年小米与捷付睿通、恒大与集付通、美的与神州通付等案例，几张支付牌照的收购价格也都在3亿~6亿元不等——美团对金融的“必争”之心，从这笔交易的投入可见一斑。

2016年6月，深圳三快商业保理有限公司成立。

2016年11月，重庆美团三快小贷公司成立。美团上线的消费金融产品，多由美团小贷提供，例如今年5月推出的信用支付产品“美团月付”。

除了消费贷款，美团小贷还涉足小微企业贷，推出“生意贷”。其在2018年获批50亿ABS额度，项目基础资产就是美团小贷向美团网及大众点评网合作商户发放的“生意贷”贷款债权。

小额贷款是互联网巨头们在金融变现途中的必经之路。尽管遭受不少外界对合规性和模式的质疑，但小贷业务仍然为美团贡献不少。

美团点评的2020中报就披露，新业务及其他分部的收入为56亿元，同比增长22.1%，主要是因为B2B餐饮供应链、小额贷款业务、美团买菜及闪购等业务的扩大。

经营亏损也从去年同期的16亿元收窄至今年上半年的15亿元，原因之一正是小额贷款业务发展所得经营溢利增加，经营利润率有所改善。

2016年12月，吉林亿联银行获批成立，次年5月正式开业，成为国内第四家获准开展线上信贷业务的互联网银行。

吉林三快科技有限公司为该行第二大股东——吉林三快的最大股东正是王兴，这也标志着美团拿下民营银行牌照。

这家银行去年净利润达1.53亿，线上消费贷款业务亿联易贷去年累计投放739亿，不良贷款率为1.21%。

2017年6月，美团APP上线“借钱”业务，与招联消费金融合作。

2018年2月，重庆金城互诺保险经纪牌照获批，该公司由钱袋网与天津三快共同出资成立，背后控股股东同样是美团。

至此，美团已有民营银行、第三方支付、小贷、保险和保理五块金融牌照，在商户需求、资金、支付渠道、保险业务等环节，逐步打通整个金融链条，也成为了TMD中金融业务布局最广的一家。

回顾巨头们的金融帝国成长史，支付往往是基石，银行和保险等牌照保证金融底色，贷款业务则是变现“主角”，大体都是借以往积累的用户流量和交易数据，为金融提供支持。

美团的思路正是用贷款盘活商户和用户资源，增强用户黏性，生活服务场景作为金融业务驱动力，金融产品也有助于加固其主营业务的护城河。

事实上，单凭这些互联网巨头的庞大用户群和流量，无论进行何种形式、何种深度的金融业务，变现成绩都不会差。但如此体量的互联网巨头，必须保证自己的每一记出拳都是最有力、高质量的攻击。

联名信用卡是一条具有美团特色的金融变现道路，它有多少可持续性和不可复制性，对其他互联网企业和金融机构来说有多少参考价值，答案不言自明。（雷锋网）

雷锋网雷锋网

10月18日，雷军发布微博称，小米金融业务“小米数科”品牌升级为“天星数科”，小米金融App正式更名为天星金融App。雷军称，品牌升级后，小米将一如既往地运用数字科技服务好实体企业的产业金融需求，服务好金融机构的转型升级，服务好广大米粉和用户。

在小米粉丝眼中，此次改名意味着雷军将在这一新的领域发起冲锋。

据了解，小米不是第一次使用“天星”二字。

此前，小米集团和尚乘集团合资设立了一家虚拟银行——“天星银行”，于2019年5月9日获得香港金融管理局颁发银行牌照，并在2020年3月31日正式启动试营业。

而此次雷军宣布将“小米数科”品牌更名为“天星数科”，正好对应了“天星银行”的名称。

然而，这样的改名方式并不常见。在业内，互联网巨头金融业务的改名，常常仍会保留自身集团的名字，比如京东金融改为京东数科，360金融改为360数科，百度金融改为度小满。而也只有阿里的金融业务在2004年分拆成“支付宝”，一路进化成如今的“蚂蚁科技集团”。

网友认为，正如“蚂蚁集团”不叫“阿里金融”一样，此次小米金融业务的“去小米化”，也许是雷军重视互联网金融业务的表现。

据天星数科提供的数据显示，2018年3月份开始，凭借小米集团的智能制造基因和产业生态布局，天星数科从手机、电子元器件、智能硬件等产业开始，布局供应链金融服务，迄今已为3000多家产业实体提供了累计超过900亿元的信贷支持，为产业中的中小企业平均降低了2个点左右的融资成本。

目前，天星数科正在携手金融机构服务玻璃、农副食品加工、物流、纺织等产业中的实体企业。

天星数科董事长兼CEO洪锋透露，此次品牌升级为天星数科是希望在产业金融支持实体企业这个充满挑战却又十分重要的领域里，依靠数字科技的不断进步去实现“星星之火可以燎原"。另外，在运用数字科技服务好产业金融需求的同时，天星数科也会根据金融机构转型升级的需求，将自身的技术能力分享输出给中小金融机构。（雷锋网）

此次问询函共28个问题，覆盖了公司控制权和表决权，公司独立性以及与京东集团的关联交易，京东白条与金融机构数字化解决方案等业务，业务模式与收入构成，同业竞争等，京东数科也就这些焦点问题逐一做出回应。

其中，京东集团向京东数科贡献收入的合计比例首次得到披露：包括公司向京东集团销售商品和提供服务的金额以及来源于京东集团生态的其他收入在内，公司来源于京东集团生态的收入合计占比分别为46.25%、47.63%、45.02%及 43.61%。

京东数科在回复函中称，公司预计未来仍将与京东集团发生一定规模的关联交易，并一定程度上依托京东零售应用场景开展业务。如果未来公司治理不够规范，或不能严格执行内部控制制度，公司实际控制人、主要股东及其关联方等仍可能通过关联交易对公司及其他股东利益造成影响。

此外，京东数科也表示，其与京东集团专注于各自的业务领域，业务范围具有明显差异，但由于双方业务范围较广，在广告营销等领域存在一定重合。双方之间不存在非公平竞争、不会导致双方之间存在利益输送、不存在相互或者单方让渡商业机会的情形，因此与京东集团不存在重大不利影响的同业竞争。

政策影响方面，京东数科指出，金融机构客户面临严格的监管要求，如果相关监管要求出现重大调整，可能会影响到该等金融机构与公司之间的合作。

对民间借贷利率司法保护上限政策的变化，可能影响金融机构客户群体、利率区间、信贷业务规模，进而对公司与其开展的相关业务合作产生负面影响。此外，公司部分子公司从事自营金融业务，在业务定价及 经营模式等方面也可能会受到一定影响——总体而言，需不断做出调整以应对法律合规要求，可能提高公司的合规成本。

同业竞争方面，京东数科认为目前在中国以及全球范围内，并不存在全面直接竞争的企业，但仍将面临来自数字科技领域、产业服务领域或生态场景领域提供细分业务公司的潜在激烈竞争。

值得注意的是，京东数科强调，在业务模式、发展阶段、中心化分发 APP、产品和服务等方面与蚂蚁集团存在本质区别，并不具有完全可比性，称蚂蚁集团、赛富时（Salesforce）和阿里云分别在数字经济范畴下科技、行业和生态的不同层面或不同领域开展业务，但该等公司的客户群体、经营范围、业务模式、发展阶段等与其均存在一定差异。

近期金融控股公司相关政策亦有更新，京东数科为此强调，其目前没有控股或者实际控制两个或者两个以上不同类型金融机构，不属于金融控股公司，不适用《关于实施金融控股公司准入管理的决定》。

上交所：用户数据来源是否为京东集团，发行人在数据采集、风险分析、用户拓展等方面是否对京东集团存在重大依赖？

京东数科表示用户数据来源多元化，集团并非唯一来源。既有与京东集团签署《数据信息合作协议》，合法合规地共享数据与信息，也有七年间通过自身业务和交易，形成规模可观的多行业、多领域的用户和数据积累，同时也借助合法合规的外部渠道，获取更为多元的数据查询和使用权限。

在风险分析上具备独立的技术和能力，拥有自主研发的风险分析模型和技术，如授信评分卡主模型，目前已迭代至第11个版本，模型变量200万维；最优决策模型，将反事实推断、强化学习、运筹学等技术应用到最优化决策管理中，预测最优化风险与收益平衡点；风控超脑智能反欺诈平台，能够实现毫秒级风险环境识别，区分可信、可疑、异常等操作行为，根据不同场景下的多种风险类型自动进行身份核验——上述模型和技术已广泛在京东集团外的场景下应用。

积极拓展外部生态用户，目前已服务线下超过 600 家金融机构、超 100 万家小微商户、超 20 万家中小企业、超 700 家大型商业中心。

上交所：京东金条报告期各期的逾期情况、发行人是否承担信用风险？

京东数科：截至 2017 年 12 月 31 日、2018 年 12 月 31 日、2019 年 12 月 31 日，平台促成的京东金条消费信贷资产 90 天以上逾期率分别为 0.59%、0.61%、0.68%。

2020 年上半年，在新冠疫情影响下，京东金条消费信贷资产逾期率有所波动。但通过有效的风险调整措施，截至目前 30 天、90 天以上逾期率已快速回落。

京东金条以信贷科技平台为主要服务模式，以金融机构出资为主。对于少量自有资金出资的部分，公司承担相应信用风险。对于金融机构出资的部分，除存量业务中，有少量业务按照合同安排，由公司持牌融资担保子公司承担担保责任外，公司不提供额外兜底承诺等变相增信服务，截至 2020 年 9 月 30 日，上述由持牌融资担保子公司担保的贷款本金余额，占由公司促成的贷款本金总余额的比例为 0.29%。

上交所：保险代销的收费标准、通过线上线下分别实现的销售规模？

京东数科：报告期各期，公司保险代销业务的平均费率分别为 21.38%、23.47%、33.53% 和 30.42%，公司保险科技促成的线上渠道保费规模分别为 2.76 亿元、5.37 亿元、 7.48 亿元和 4.80 亿元，线下渠道保费规模分别为 0 元、0.85 亿元、6.18 亿元和6.21 亿元。

上交所：资管科技产品的收入确认方式及收费标准、发行人与金融机构合作时是否作为资管产品的发起人、是否控制资管产品、关于优先劣后级及风险承担的约定是否清晰？

京东数科：目前该解决方案尚处在起步阶段，现阶段公司“智管有方”为客户提供的服务和收费标准为：公司为金融机构提供债券分析、资产支持证券分析、智能销售交易等综合解决方案及相关服务。

按照系统收费标准，根据客户开通的具体功能模块、账号数量、权限等向客户收取账号费用，以及按照每月固定的收费标准向客户收取数据技术服务费用。

同时，公司正在布局打造云端一体化资管科技平台，为金融机构输出产品设计、销售交易、研究分析、风险管理等方面的技术服务，与金融机构共建资管新生态，根据合作伙伴在平台上的交易量获取分成。

在资管科技领域，公司与金融机构合作时角色为科技服务提供商，收取科技服务费，并不作为资管产品的发起人，不控制资管产品，也不会持有优先劣后级份额并承担相应风险。

上交所：京东白条产品的业务模式、收入确认原则及收费标准？

京东数科：根据资金来源以及债权债务关系的不同，京东白条分为赊购和消费信贷两种模式，赊购为主，截至 2020 年 6 月 30 日，赊购模式余额占比超过 90%。

赊购模式下京东白条的业务模式为：（1）公司利用自身模型和技术，为京东商城筛选优质用户并设计差异化赊购额度，使得京东商城可以为符合条件用户提供商品赊购特色服务，帮助京东商城实现用户交易活跃度提升和销售规模扩大，同时控制经营风险。为实现上述目的，公司向使用京东白条的用户提供信用评估、账户管理、交易风险监控等服务，并按照合同约定承担相应的信用损失。

（2）对于京东商城给用户提供赊购服务而产生的应收账款，公司作为资产服务商利用技术手段帮助京东商城将大部分资产通过资产证券化的方式实现资产流转，截至 2020 年 6 月 30 日，京东商城已实现资产证券化的应收账款余额占比超过 80%。 

入确认原则及收费标准为：

收（1）针对公司为京东商城及其用户提供的科技服务和信用风险损失承担，公司收取的科技服务费分为以下两个部分： 1）对于公司向京东商城提供的用户筛选、交易活跃度和留存率提升、信用管理等科技服务，公司按照交易规模的一定比例向京东集团收取科技服务费； 

2）对于公司与京东商城共同为用户提供的赊购服务，双方对用户支付的分期手续费的划分约定为，当用户支付分期手续费时，京东商城按照约定利率扣除其中的资金占用成本，剩余部分为用户向公司支付的包含了信用风险对价的科技服务费。

（2）对于以应收账款为基础资产发行的资产支持证券产品，公司按照所持有的份额确认收入。

消费信贷模式下，金融机构作为资金提供方和最终信用损失的承担者， 向个人用户收取利息和信用风险对价，并基于公司促成的贷款业务收入，按照一定的比例向公司支付科技服务手续费；公司不承担非自营部分的信用风险，因此不收取相关收益。

上交所：发行人与京东集团收入约定的合理性？是否已充分考虑发行人需实际承担的信用风险损失？是否涉及向京东集团输送利益？

京东数科强调，基于自身先进的风险定价模型，帮助京东商城设计的京东白条分期手续费率，是充分考虑了基于市场利率的资金占用成本以及不同用户信用风险损失的结果，与市场上资产质量类似的同类产品分期手续费率定价水平相当。

截至 2020 年 6 月 30 日，公司京东白条资产 90 天以上逾期率为 1.21%，公 司根据风险定价模型确定的分期服务费率为 0.50%-1.20%/期（月）。

报告期内，京东商城按照以1年期贷款基准利率为基础的阶梯利率收取资金占用成本，剩余为公司的科技服务费及风险承担对价。因此，发行人承担信用损失的相关定价公允。

信用损失承担方式为，首先利用技术手段帮助京东商城将超过 80%（截至 2020 年 6 月 30 日数据）的京东白条应收账款进行资产证券化，对于少量未进行资产证券化的资产，公司持续提供风险监控和信用管理服务，对于其中逾期 180 天以上（不含 180 天）的，以及因用户死亡及失踪等认定为损失的资产，公司以该等应收账款的账面金额受让。 

报告期各期，公司实际承担的资产减值损失/信用减值损失分别为 4.97 亿元、2.42 亿元、1.89 亿元和 3.45 亿元；而公司收取的包含信用风险对价的科技服务 费金额分别为 6.60 亿元、15.61 亿元、15.64 亿元和 8.24 亿元，收取的收益均能覆盖实际承担的损失。

上交所：逾期应收账款转让至发行人的具体情况以及对经营业绩的影响？

京东数科：截至报告期各期末，发行人累计购买的京东商城逾期应收账款未偿还的本金余额分别为 9.21 亿元、11.63 亿元、13.52 亿元和 16.97 亿元，截至 2020 年 9 月 30 日前述逾期应收账款的累计回款比例为 13.15%。

报告期各期，公司由于受让上述应收账款产生的资产减值损失/信用减值损失分别为 4.97 亿元、2.42 亿元、 1.89 亿元和 3.45 亿元。

由于公司首先将大部分京东白条资产进行了资产证券化，仅受让少量未进行 资产证券化的应收账款中逾期或损失的部分，且受让后，公司通过自身的信用风险管理和监控技术又实现了一定比例的回款，因此实际承担的信用风险损失有限。（雷锋网）

雷锋网AI金融评论注意到，平安科技的高层阵容近期悄然生变，CEO陈立明、副总经理李奕光、CTO兼总架构师方国伟目前均已不在官网的管理团队名单当中，总经理助理一职由平安人寿CTO钟捷再次出任。

与上半年的高管阵容相比，平安科技还新增了黄宇翔出任总经理。

目前的平安科技官网

有媒体报道称，前CEO陈立明已于9月初离职，本月起将担任苏黎世保险公司CIO兼CDO（Chief Digital Officer，首席数字官），或将负责平台技术功能和线上生态系统的规划、开发和运营。

陈立明于2016年5月加入平安，历任平安科技总经理、首席执行官。在此之前，他曾在渣打银行工作十八年，担任大中华&北亚区首席信息官。

陈立明

今年7月，陈立明通过线上形式出席了"平安科技创新中心"的品牌升级活动，这可能是他最后一次以平安科技CEO的身份公开亮相。

同样不在名单当中的李奕光和方国伟，其职业去向尚不明晰。公开资料显示，二人今年6月尚在平安科技的高管团队当中，年初仍分别以副总经理、CTO的身份出席公开活动。

李奕光曾是花旗集团全球财富管理总监，在花旗度过近二十年时间；2008年加入平安，任平安科技副总经理、平安宏观经济研究院副院长，负责平安集团财企、内控等几大中心及投资系列IT、宏观经济研究。

李奕光

方国伟则从2014年开始带领团队构建平安云。他曾任华为中央软件院架设部部长、亚马逊AWS中国的首席云技术顾问、微软全球服务部门云计算“卓越中心”（COE）团队的资深架构师。

方国伟

出现在管理团队名单的“新面孔”钟捷，其实并非首次出任平安科技职务——早在2014年，钟捷就曾经出任过总经理助理一职。

钟捷于1996年加入平安，历任平安科技系统运营一部副总经理/总经理、平安银行总行信息科技部总经理、平安人寿科技支持中心总经理等职务。近年来，她在平安人寿担任总经理助理兼CTO。

钟捷

而钟捷是否卸任平安人寿CTO，还是人寿、科技两职并行，目前暂无更多消息披露。

现任平安科技总经理黄宇翔，则是在今年7月卸任金融壹账通副总经理、CTO和首席运营官的职务，重回平安科技。2015年加盟平安时，黄宇翔就担任过平安科技的副总经理。 

原平安科技副总经理兼首席产品官区海鹰，也在7月调任金融壹账通，担任总经理助理一职。

区海鹰

2020年上半年，平安集团科技板块的业务总收入为427.32亿元，同比增长11.2%。

2020年上半年，AI 驱动产品销售规模达1763亿元，同比增长104%；其中AI在服务过程中带来的产品销售规模达1059亿元，覆盖总体平台协同业绩的57.9%。

截至2020年6月末，科技专利申请数累计达26008项，较年初增加4625项；在2020年全球金融科技专利排名榜中，平安以超1500项金融科技专利申请，连续两年位居全球第一位。

（雷锋网）

雷锋网

近日，在上海举行的外滩大会上，蚂蚁集团就披露了自己在保险科技领域部署的多项「秘密武器」。

其中，蚂蚁集团保险智能产品部总经理方勇以《AI将成为保险降本增效的第一生产力》为主题带来演讲，展示了蚂蚁「理赔大脑」的技术应用细节，详细分享如何在底层数据、算法、知识图谱三大基础上针对咨询、理赔、调查等环节进行优化和效率提升。

在方勇看来，知识图谱将在保险问答等多个场景发挥更大的承载能力，机器人更多地采用选择性半开放式的交互。他透露，通过运用视频面访小程序，案件时效比较以往提升了35%；在OCR+NLP的加持下，理赔的智能审核使人效比提升了70%以上。

随后，蚂蚁集团保险事业群CTO陈当阳也上台演讲，带来《智能化用户增长在蚂蚁保险的实践》的分享，讲述在拉活促新、退保挽留等多个细分获客场景下的技术方法论。

陈当阳表示，拉新促活包括了潜客挖掘、新客获取、二次复购，涵盖用户整个成长进阶的路径，以及整体用户活跃度的提升。退保挽留则要识别用户心智，去发现退保原因，给予相应权益，以及尝试召回已流失用户。

为此，蚂蚁保险在前端构建了非常完整的一套智能化的投放系统，这个投放系统可以从渠道联动、权益优选、择时投放等一系列环节解放一线运营的生产力。

以下为方勇和陈当阳的全场演讲，AI金融评论做了不改变原意的编辑如下：

方勇：AI将成为保险降本增效的第一生产力

我分享的基本分两个阶段：降本增效有哪几个方面，降低成本可以从哪几方面做，再分享一下我们蚂蚁的做法。

获客成本：从成本角度来说，第一方面，各大保险公司来跟蚂蚁交流的时候，都表达获客很难。大家知道从抖音或其他渠道获得一个成交用户，都已经要一两百块的成本。怎么降低获客成本，这部分将由蚂蚁集团保险事业群的首席技术总监当阳同学稍后来跟大家分享。

用户咨询：有些内容是代理人可以直接解释的，但有些比较专业。

比如核保，相关内容很细节。像是甲状腺结节、肝功能指标在什么情况下可以保？肺部阴影的情况又怎么处理，这样的内容普通代理人并不一定能够直接解释，需要打电话给各个保险公司的核保人确认。因此，内部需要不少高等级的用户咨询人员。

理赔材料：传统方式，如果比较复杂的重大疾病保险，是需要用户到保险公司的柜台，把相关的材料交给柜员。因为材料比较复杂，有些疾病像恶性肿瘤，可能需要提交术中的病理报告才能确诊是不是恶性肿瘤。

但是有些症状类的疾病，比如说双耳失聪，是损害等级类的，需要事后几个月的损害鉴定报告才能确定理赔程度。

这样不同的内容，普通用户不一定搞得清楚。我们系统中识别的凭证数量是107类，这么多凭证数量对于单一没有受过培训的用户来讲，非常难分清楚，这就有可能出现用户需要反复几次往返医院和自己家，再到保险公司，然后才能搞明白，我为了这次理赔，到底需要提交多少材料。

这是材料收集的环节，不同保险公司对于不同的种类，比如车险、寿险、重疾险也要设立不同的前台部门承接用户的咨询和反馈。

现场调查：占成本很大一部分的，还有重大疾病保险的现场调查。如果各位有做过现场调查就会知道，线下调一个案子成本有多少，基本上两三千是平均价格。如果是边远一点的省份，很可能是四五千、五六千起，因为在那边没有驻点。

厘算核赔：这个工作很贵的原因是因为它既需要懂医学常识的人，又需要懂保险领域专业的人，这样的人其实在我们整个社会当中，是没有这么多的，刚毕业的小朋友还没有这么多经验去承担这样的角色。

何为「理赔大脑」？

接下来分享一下我们蚂蚁在后面这四个阶段有些什么样的做法。这是我们第一次在公开的场合去传播理赔大脑这样一个概念，这个概念为什么我们现在才讲呢？

因为大家知道，如果从理赔的用户体验来讲，原有的退换货运费险体验已经很好，因为所有链路数据都在线上，链路后端通过智能理赔审核系统，就能够决定赔和不赔，只有极少量需要提交一下线下拍照的凭证，这是我们最早做理赔的情况。

再后来我们做了赠险的对于C端用户的多付多保，然后做了B端商家的多收多保，门诊险这方面的应用也已经做了一些积累。

但对于传统保险来说，如果最最复杂的重疾险的整个流程没有走通，我们其实不敢说我们整个理赔的流程都懂。在今天这个时候，我们第一次给大家展示一个全链路的理赔大脑，主要包含了三大系统：

第一方面是智能材料收集系统；

第二是智能调查系统，主要管的就是对外部的公估公司对应的管理，以及对于作业回来材料要求的管理；

第三是智能审核系统，支撑这三大系统的是底层数据、算法、知识图谱。

讲到知识图谱，中间再插一个用户咨询。我本人10年前就开始做自动机器人的相关产品，我是我们阿里系内第一个智能产品的产品经理，这个产品现在叫阿里小蜜，现在已经越来越发展成在淘宝上对C端进行服务的机器人。对于保险，它更偏专业性。

有三大技术趋势可以分享：

• 趋势一：保险知识问答，会从传统的Q&A转向通过知识图谱来承载

最开始第一代就是用的Q&A，不同的知识点可以用同义词、语义矢量算法，去计算两个问题之间的相似度，寻找答案。

但是因为同一个知识点可能确实对应于多种不同的用途，问法都不一样，所以会扩充好多种问法。做完以后发现它的维护量和维护成本非常大，因为你要不断地搜集客户想问的不同问题。

还有很大的问题在于，上下文场景关联比较强的时候，考验机器人的语义理解能力强不强，多轮对话是个很重要的指标。而恰恰在保险业，你在一个健康告知或病程咨询的过程中，多轮对话是必不可少的。多轮对话这种能力的语义扩展性在原有的Q&A上是很难实现的。

所以蚂蚁保险在两年前开始，整个知识体系已经全部迁移到知识图谱上了，它的好处是所有在知识图谱里存储的内容，都是结构化的数据。

第二个好处是，这个图谱是人可以检查的，然后机器又容易处理的，（即AI的可解释性）。

为什么要强调这一点？因为在这个领域，很多创业公司，会跟大家讲AI的神经算法。但如果仔细研究一下，其实你根本都不知道它最后得出这个结论是怎么得出来的，就和人脑做判断的时候一样，其实叫意识快于你的逻辑，是凭第一感觉出来的印象。

AI神经做法在这种情况下，是黑盒的算法，这对于保险理赔中动辄十几万几十万的赔付，人不可验证规则的方式，是极其危险的。但是知识图谱有一个很大的好处是机器能理解，但是人又能非常容易看懂个中逻辑。

第三个好处是，整个语义的扩展非常容易。

就像刚才问的甲状腺能不能保，一年内有没有做过B超？有没有对应的检测报告？是良性还是不良？如果没有，它怎么描述这个病症？这个病症有什么其他描述？……是根据这样多轮的扩展，就可以得到很明确的答复。中间的逻辑，普通的业务人员就能检查。

• 趋势二：选择性半开放式的机器人交互

这在四五年以前，所有机器人的交互形式都是很开放式的。几年来做得好一点的公司，其实做的对话机器人都是半开放式的，为什么？对于一个非专业领域的人，阐述问题的时候，如果没有给予一定的引导，其实是说不清楚的。

而在这种情况下，你会观察到国外今年年初推出的产品，跟两年前推出的完全不一样，仔细看它的理念也有很多应用半交互模式，一开始是全开放的，先定位到一个险种，然后是用选择性半开放式的方式，这种方式非常高效。

• 趋势三：人工客服的兜底

一定要有对应的人工来做客服，恰如其分地介入，整个客户流程才相对完整。

讲到这里，我先给大家演示一下我们线上智能相机到底能做些什么。我刚才讲了，我们没有前端的受理人员，全部是APP。我们是第一个把很多模型算法前置到了APP端，让APP在用户手中就能够实时做一些提示和拦截，提高用户应用性的解决方案。我在市面上好像没有看过，国际上也没有对应的解决方案，我们是第一个大规模使用的。

系统已经识别到这张是住院单的首页；第二张是一个模糊材料的鉴别，我们发现互联网的报案应用性，会大大激发用户来使用这个服务。会使得我们整个报案材料里面，原有报案材料的模糊、翻拍、缺失关键性凭证，这里面的占比非常大。也给后端的整个理赔审核服务带来极大的压力。

第三段检测的是翻拍电脑屏幕的画面，就看到系统提示了是翻拍画面，请使用真实文档来做拍摄。

第四个因为我们的前端相机能够实时识别107类凭证，所以我刚才讲到的，你去报案报的是什么样的疾病，就需要对应提供什么样的材料。

如果没有提供，前端报案的时候就会提示你缺少什么东西，包括有些像出院小结，缺少医生的签字，缺少医院的盖章，都要提示他补充上来。这样一来，留到后端审核链路上的文档质量就会比较好。

• 智能调查

我们主要讲两个东西，一个是作业小程序，所有的外部调查员都必须要使用调查小程序来作业。最主要的工作是，把原来脱离保司管控的线下调查的黑盒，变成一个白盒。

首先需要身份认证，意思是他要作业，要取这个案子调查，要刷脸核实他是本人，取到这个案子。

然后我们还会对他的培训级别做一定的认证，假如我们更新了一些产品的案例，他没有去通过对应的培训和考试，就没有办法从业接这个案子。

还有位置信息，我们可以知道他本人有没有去医院真正的取对应凭证。

为了安全取证，所有端内拍下来的图片都是被加密过的。在调查员的手机端，用他的图库是看不到所有拍照的照片的，可以保证这些图片在上传到我们服务器端以后，在他的图库也不存在，离线的情况下也没有办法调出来再次查看。

还有结构化回复，关键是把理赔作业的线下作业每一个环节都数据化，这样理赔人员就知道在不同的任务里，要取回来什么材料，填写什么内容。后端的任何人员也会看到结构化的回复，比较容易做回复筛选和判断。

第二块是视频面访。原来跟调查员在线下跟用户的面访过程当中，怎么确保他们之间没有讲其他的话，或者他的整个过程，有没有说了不该说的话，有没有尽到他的调查职责？另外有个很大的问题，被访人到底是不是被保人。

视频面访，首先是身份的核实，通过刷脸核实被保险人，然后再来进行远程面访，整个过程会被保留在服务器后台，在这中间双方说的话都会被系统自动提取成文字，形成一些智能的风险识别。

如果有讲到一些疾病，或者是有讲到一些以往的病史，就会被系统提示出来。提示出来以后，会提示面访员，进行进一步的风险挖掘问题。

通过这样的视频面访小程序，我们已经把线下的每一个工作环节都在掌控之中，整个案件的时效比以前提升了35%，是个很大的比例。

• 智能审核

在我们的展示区，有理赔大脑整个链路的展示，但是我到了以后突然发现这个好像有点像买家秀和卖家秀，什么意思呢？理赔区展示的视频形式，其实可能只有我们线上真正能力的一半，所以大家如果去那里看，在走廊上看过，就当作是一个示意就行了，我们实际上的能力比那边展示的要强得多。

我们通过用户上传的案件材料，包括调查回来的材料，再加上用户买的保险，或者是参与签的健康告知的版本，从原始材料中提取关键的信息。

大家想想看，传统的理赔人员，怎么做这个核赔？无非是先鉴定用户提交的材料，是不是得了这个病，确定真实性以后，然后再去看他得的这个病，以前有没有既往史，然后再加上他得病确诊的时间，是不是在保障的范围内。

我们通过内置的知识图谱里面的疾病库、健告库、诊疗库，还有医院库，再加上原始材料，包括用户提交的，公估公司这边采回来的。

大家可能对公估公司采回来的案件材料没有概念，我这边可以讲一个数字：如果是重大疾病的病患，一般住院周期7天左右的病患，公估公司取回来的材料，再加上走访以前的一些有历史医疗记录的材料，总的页数平均在165页，我这里讲的是调查员线下调回来的。

但实际上用户提回来的只有10来页不到一点，存在这样一个级别的差异。

165页的材料，让审核人员怎么看？后面查找对应到图片，再上下翻对应的证据，再找到对应的时间，筛选和审核的时间非常长。

我们会把材料全部按照时间顺序——因为每份材料都有时间，按照用户的整个就诊事件的维度，就一次一次住院的时间维度整理起来，去提示审核人员看看哪些地方会有风险，这样几步工作后，整个人效比传统提升70%以上。

我们做了很多实验，会发现医生们写这些住院病历的时候，有很多的习惯会写病人家族史有什么，有些说疑似什么东西，后面会打个问号，这种不算确诊。

还有一些情况，实际过程中，机器看这段大文本的时候，需要向一定专业的理赔人员一样，有一定的语义理解能力，能够看出来。

有些体检报告，我们看到上面都是打勾的，会出现很多疾病的名称。如果你把这些东西都圈出来，明显不是审核人员要看的东西。像这样的凭据和内容，都是需要机器有识别能力才能够处理。

陈当阳：智能化用户增长在蚂蚁保险的实践

今天非常荣幸给大家分享蚂蚁保险在用户增长方面的实践。

对保险行业而言，我们是四轮驱动，用户增长、风控、服务和投资。那前面我的同事已经在服务和风控方面给大家做了一些分享，今天我主要想分享的是用户增长。

在互联网上，在买保险的时候由于缺少线下代理人这种非常重要的触达用户的渠道，因此在互联网上如何进行可持续的保险用户增长这很重要。

在互联网上，目前在用户增长领域碰到几个问题。

退保率和转化率问题：退保率之所以高、转化率之所以低，其实核心是两个问题引起的：首先对于保险行业而言，C端用户对产品的理解成本远远高于其他金融行业的产品。其次，在中国的保险市场当中，C端用户的风险保障意识相对于西方市场而言有一定差距。

举个问题，在线上保险当中，很大一部分客户没有办法区分报销型的医疗保险和给付型的重型保险。甚至更大比例的人会认为，我只要买了社保其实我就不需要商业保险。

低效运营问题：随着整体产品结构越来越复杂，随着用户分群越来越细化，随着运营活动的设计越来越精巧，如何解放运营人员的生产力也是非常重要的问题。

在此之上和用户增长紧密相关的两个主题，一个是拉新和促活，还有一个退保挽留。

所谓拉新和促活，包括潜客的挖掘、新客的获取，对用户的二次复购，用户的整个成长进阶的路径，以及整体用户活跃度的提升。

退保挽留，包括我们要去识别用户的心智，去发现退保的原因，基于退保的原因给予它相应的权益，最终还要对已经流失的用户进行召回。

为了达成整个拉新促活和退保挽留这个事情，我们在前端构建了非常完整的一套智能化的投放系统，这个投放系统可以从渠道联动、权益优选、择时投放等一系列环节解放一线运营的生产力。

同时，为了更好的和行业融合，蚂蚁作为一个开放平台，我们还有线上线下相融合的体系，会把一部分线上的流量往线下导。

在整个用户增长过程中，保守用户隐私是我们蚂蚁一条红线，在这个过程中我们严格遵守用户的授权，以及在监管合规的框架下去推动相关的工作。

用户增长，首先的事情是用户洞察，我们要知道谁是我们的用户，我们的用户有什么样的特征，以及基于特征他是如何进阶的，还要知道他为什么购买我们的产品。

因此，我们除了去分析用户的基本属性，还会分析用户相关的行为序列，基于用户属性和行为序列构建完整的机器学习模型，基于机器学习模型更好洞察用户想要什么，我们应该给用户推荐什么。

当然在用户洞察过程中，有两个最关键的问题，一个所谓新客的获取，另一个潜客的挖掘。

中国的保险市场很广阔，很多用户还没有成为真正的商业保险用户，如何让这些潜客也购买相应的保险产品，核心两个问题：1.我们需要降低我们的保险产品对C端用户理解的成本。2.我们需要去提升潜在保险客户的风险保障意识。

然后在这个过程中技术如何去赋能业务，去达成我刚才说的这两个目标，这是任重而道远的问题，这个问题由于时间有限不展开讲。

• 新客获取实践：色阶网格

这是蚂蚁在用的非常有用的工具，我们叫为色阶网格。

在互联网上卖保险的时候有三个动作，首先是曝光，其次点击，第三是转化。那如何去看到这三者是否匹配，这可能是一个非常重要的命题。特别是在中国互联网流量已经逐步见顶的情况下，对流量的精细化运营很重要。

我们在每个网格中有三个数字，第一个数字表示曝光的量，第二个数字表示点击的量，第三个数字表示转化的量，在整个网格中分为三种情况。

冷色系表示的网格会存在一种现象，所谓的曝光不足，但点击和转化是OK的，对这一类用户的人群，我们需要做提升他的流量供给。

暖色系的网格曝光是OK，点击和转化从某种程度上说是不够的，对这样的人群，我们需要辅以相应的拉新促活手段提高他的转化。

黑白系网格从某种程度上曝光、点击、转化是比较匹配的，有了这个东西，我们可以按人群精准调整流量投放的情况。

拉新从某种程度上来说，是整个用户增长领域最核心的命题。它本质上就是通过对用户行为和用户心理的分析，把最合适的产品和服务推广给我们的用户，或者推荐给我们的用户。

从技术层面来说，拉新本质上是一个推荐问题，真正在落地的时候，我们最关注用户行为序的建模和行为心理的分析，后续动作包括内容投放、智能客单和复购，内容投放核心围绕让用户更容易理解保险产品，提升用户的风险保障意识来推进。

• 智能客单

更多在用户购买保险产品过程当中，我如何让用户去选择更适合他的产品？购买过程中的一些要素，包括像我们的保额、保期、缴费年期，包括是否需要附加额外的险种？在这个过程中，如何进行千人千面的推荐？

还有复购，所谓复购是二次来购买的用户，对二次购买的用户而言，如何预测他想购买的险种，包括他可能在哪个时间点购买，包括哪个渠道购买。

• 行为序列建模

重点讲下这个事情，这是很有技术含量的。大致可以分为这几步：首先是行为向量化，其次是基于行为向量进行文本挖掘和意图识别，并形成行为模式，最后从行为模式最终向泛化为行为推理能力。

真正在落地的时候，技术方案上是前向反馈深度神经网络，得出初步结论后，后续还有多层重构的神经网络进行维度降阶。行为序列建模在应用上最常见的场景，就是基于行为序列的建模如何进行产品推荐。

从产品推荐的角度看，核心包括行为特征描述，描述内容除了行为序列，还包括客户基本画像，以及当时所处的一些环境信息，对这些信息会进行统一的embedding降维，然后匹配产品的特征，最终得出用户的产品跃迁路径，整体上是一个复杂的多层卷积神经网络。

• 用户的产品跃迁路径

这就是用户的兴趣点迁移，本质上是前面提的从行为模式到行为推理的一个非常好的应用点。所谓的兴趣点迁移，对我们用户而言，他购买保险产品的时候，不同用户在不同时间点购买不同的产品，他的需求肯定不一样。

在实际场景中，这种改变往往是从事件出发，用户不会告诉你，你只知道用户的行为，基于用户行为进行推理，反推出有可能发生什么事件，再基于事件推荐相应的产品和服务给用户，这就是所谓兴趣点迁移。

• 退保挽留

这在整个互联网保险的用户增长中是非常重要的一部分内容。

首先要识别谁想退保，第二要识别退保的原因是什么，第三识别出退保的概率多大，第四基于退保的分析采取相应的行动。

最关键的步骤，是退保的归因分析和概率预测。

归因分析是比较老的学科，从1958年已经有第一本归因分析相关的专著。从整个退保归因分析来看，站在蚂蚁实践角度，我们综合利用首次点击归因，末次点击归因、基于位置的归因、基于时间的归因、线性归因等一系列归因分析的方法，最终寻找用户真正退保的原因。

现在很多同业的保险实践当中，退保归因往往在最后的退保页面会出来一些选项，让用户选择退保原因是什么。

这会有两个问题：其一，没有办法真正罗列所有的退保原因，由于页面展示限制，只能把最主要的退保原因放上去；其二，用户很可能没有告诉你真实的退保原因——基于用户的行为真正找到他退保的原因到底是什么，这很重要，这是退保挽留最核心的一步。

概率预测，是说我知道了用户的退保原因之后，需要基于用户的行为数据以及退保归因分析的结果，做一个概率预测。

这是一个全连接的深度神经网络，分为三部分：

1. 把用户行为序列和退保原因进行降维。

2. 在降维的基础之上进一步抽取关键特征。

3. 把抽取之后关键特征映射到有退保属性的语义空间中，基于这个语义空间，在后面通过几层重构的神经网络进行降维处理，最终可以得到这个用户退保的意愿和时机预测。

得到用户的退保概率后，如何去做退保挽留这件事，本质上是一个运筹优化的问题。

它的目标函数很简单，就退报挽留的成本最小化，他有两个非常重要的条件：第一，单人的退保挽留成本必须低于某个阈值，第二，我的整体退保挽留的人数必须高于某一个阈值。

• 自动化投保系统

然后前面这些拉新促活，包括退保挽留，最终需要有一套自动化投保系统来承载。

首先是场景挖掘和网格化的洞察，基于这个基础之上我们自动化生成相应的投放策略，包括做投放，包括自动化做效果分析。最终能够来实现运营同学解放生产力的目的。

其实从智能化用户增长这个角度看，对蚂蚁而言也只是万里长征走出第一步，将来随着大数据分析和人工智能技术的进一步应用，可以更准确给我们用户推荐他想要的产品和服务，同时会把相关技术能力逐步开放出来，给行业去提供相关的赋能。（雷锋网）

雷锋网雷锋网雷锋网

2004年，第三方支付平台——支付宝（蚂蚁集团的“前身”）正式成立，十年后的2014年，它成为全球最大的移动支付厂商，以至于每一个国民都知悉它的名字。

从成立，再到让每一个人都能平等的使用，支付宝只用了10年。在大都市、在偏远的山村，无论你是住在100层高楼的富翁，还是睡在天桥底下的乞丐，他们都会使用支付宝。

但是科技的时代瞬息万变，“一招鲜吃遍天”的日子早已一去不复返，科技巨头也随时面临着被新的挑战者取代的风险。要么被人革命，要么自己革新，科技公司从来就没有第三条路可走。

蚂蚁选择了后者，在成为「全球最大的移动支付厂商」的第二年，支付宝开始进军区块链。

许多地方变了，比如更多的人称这家公司为“蚂蚁集团”，而不是“支付宝”，也有一些地方没变，比如用技术改变世界的“野心”，比如不断推出新的区块链技术或产品发布会。

Trusple：解决「跨境交易」信任问题

2020年9月25日的外滩大会上，蚂蚁集团的一大战略级产品——Trusple平台正式发布。

宣布这一消息的，是蚂蚁集团区块链负责人蒋国飞。蒋国飞向雷锋网介绍到：“Trusple是Trust和Simple这两个英文单词的合称，蚂蚁集团希望让信任更加简单，而区块链可以用技术的方式减少人与人之间的信任成本，让天下没有难做的生意。”

在传统的国际贸易中，中小企业时常因为不能证明自己的信用和价值，不被交易伙伴信任而出现故意拖延货款的情况。

浙江义乌的袁女士是一个做水晶饰品生意的“女老板”，她的公司要将主打的水晶饰品销往墨西哥，但跨境交易需要很长时间，往往一周之后才能拿到货款，这对于中小企业来说，是一个很大的负担。

这是所有做国际贸易的中小企业都不得不接受的“现实”，袁女士也无可奈何。但她因为做生意的原因，一直在用蚂蚁集团的贷款产品，且保持着良好的信用，蚂蚁集团的工作人员找到她，希望和她可以试一试新的平台和产品。而这次见面，也让她成为了 Trusple 平台首笔交易的商家，

今年9月，她通过Trusple平台，和往常一样把水晶饰品销往墨西哥，但这一次只用了一天时间便收到了货款。“有了它，明年生意至少能实现30%的增长”，袁女士说。

Trusple的出现，建立起更可信、高效的数字化国家贸易网络，让中小企业在全球放心做生意。

“与支付宝当年推出担保交易的初衷一样，Trusple也是为了解决交易信任问题，所不同的是，由于区块链技术在解决复杂流程信任中的突出特性，Trusple更好地契合了解决国际贸易信任的需求。”蒋国飞表示。

落地场景50+，蚂蚁链的“量变”

跨境支付，只是蚂蚁链的应用场景之一。

据蒋国飞介绍，目前蚂蚁链已经在医疗、司法、金融、物流等场景的落地取得了较大的进展。

在上海外滩大会上，蒋国飞特别提到「蚂蚁链」解决了以上海为中心的长江三角洲「跨城坐地铁的效率问题」。

跨城出行的最大难点在于：异地票务结算，而现在将相关票务资讯等纪录于区块链上，让每个城市地铁公司都能直接从链上获取对应乘车的区段、价格，成功进行实时结算。

区块链技术记载了所有的跨城交易且不可篡改，因此每个城市地铁公司都能从链上获取对应乘车的区段、价格，实现自动秒级结算。如今，包括上海、宁波、杭州、南京等12个城市的居民去其他城市时，只需打开自己所在城市的地铁APP，就能在其他城市扫码坐车。

目前蚂蚁链已经在长三角地区开始发挥效用，蒋国飞在上海的外滩大会上笑着和与会嘉宾说到：“既然大家都来到了上海，可以在长三角地区的地铁里体验一下（蚂蚁链）。”

目前，「蚂蚁链」已经形成了50个跟实体场景结合的解决方案。从2015年至今，每年都会将区块链落地在新的重要场景中，不断的建立一个又一个“局域网”，希望终有一天能像互联网那样把区块链的“局域网”打通，从量变形成质变。

• 2015年，蚂蚁投入研发区块链。

• 2016年，蚂蚁集团落地第一个「公益项目」，将区块链应用于公益场景，与中华社会救助基金会合作，在支付宝爱心捐赠平台上线区块链公益筹款项目“听障儿童重获新声”，让每一笔善款可被全程追踪。

• 2017年，蚂蚁集团上线天猫境外商品的「跨境溯源」服务，支付宝用户扫一扫溯源码可以清晰地看待这个奶制品从生产商到整个物流，包括质检、海外仓到国内仓库，包括生产日期、流转日期的全链路的端到端的商品流通的记录。 

• 2018年，蚂蚁集团在香港和菲律宾上线全球首个区块链「跨境汇款」；在浙江上线全国首个区块链「医疗电子票据」；和上海华山医院推出全国首个区块链「电子处方」；和海南省政府携手落地全国首个区块链「公积金存证」。

• 2019年天猫双11，蚂蚁集团成功将4亿海淘商品实现「原产地溯源」；推出「图片原创保护」“鹊凿”。

“罗马并非一日建成的，虽然「蚂蚁链」已经拥有50+的落地场景，但是仍远远未能达到质变的效果。”蒋国飞说到。

而在前一天的大会现场，蚂蚁集团CEO胡晓明也表示了同样的认知：“我认为阿里云完成了从0到1，所以阿里云宣布了2.0的阿里云计划，开始从1到100的部署。而蚂蚁的区块链正在从0走向1，如果非要说一个具体数字，我认为是0.3左右。”

蚂蚁的下一个十年

“如果马上能赚钱，这不是我们做的事情，是其他人做的事情，那不是我们，我们是10年的规划。”胡晓明说。

从支付宝成立，到支付宝成为成为全球最大的移动支付厂商，用了十年。然而，蚂蚁的下一个十年会有什么样的产品诞生？

蒋国飞对此也有着自己的思考，他说：“目前，我们的想法和认识都是传统的，一开始互联网的发展，只是为了解决大家通信的问题，不会想到未来互联网上会有电商、会有社交等新的产业诞生，区块链也是这样，我们只能一步一步的积累，不断的落地一个又一个场景，做一些实实在在给客户创造价值的事情。”

而之所以「蚂蚁链」不叫「蚂蚁区块链」，其中背后有更深层次的意义，蒋国飞表示：“在蚂蚁链中，不仅仅有区块链，还有人工智能、IOT等，蚂蚁更希望、也一直追求的是将科技的力量融合起来，形成更大的合力。”

上个月，蚂蚁集团首次披露了其招股书，招股书显示，2019年度蚂蚁实现「营业收入」1206.18 亿元，其中超六成营收来自于数字金融等科技服务。近三年（2017—2019），蚂蚁集团「研发费用」分别为 47.89 亿元、69.03 亿元、106.05 亿元，占当期营业收入的比例皆为8%左右。截至2020年6月30日，蚂蚁集团总共16660名员工，其中64%都是技术人员。

不管是在营收、科研投入，还是科技人才的培养上，蚂蚁集团已经渐渐在脱下“金融”的外套，开启“科技’的新征程。而「蚂蚁链」，无疑是「蚂蚁集团」创新科技中十分重要的一环。（雷锋网、雷锋网）

数据显示，央行征信累计自然人高达9.9亿，但有信贷记录的人群只有5.3亿，其中仅70%为厚征信人群；中国手机网民有8.17亿，其中5.8亿是手机支付用户，独立App最大装机量为3.8亿。

时至今日，也还有相当多的风控流程，仍停留在仅靠专家评分卡和逻辑回归模型的旧时代。

这些方法简单直白，确实是信贷风控的入门必备，却也让太多有用的数据被浪费，高成本营销得来的客户其实并没有得到准确的风控判断。

还有效率、隐私、稳定性……一道道门槛，横亘在金融风控身前，而如今的AI成色究竟如何？有多少可以妥帖稳定用于风控之中？

互联网巨头将AI应用于金融风控领域的做法已经相当成熟，度小满金融正是其中佼佼者。

9月22日，度小满金融技术委员会执行主席、主任架构师杨青将做客雷锋网公开课，以《站在智能金融的最前沿 ：人工智能在金融领域的最新应用》为主题带来分享。他将结合度小满的实战经验，剖析NLP、CV、联邦学习等前沿技术在信贷风控和其他智能金融领域的使用与演进。

开课时间

9月22日晚上8:00-9:00

课程主题

站在智能金融的最前沿 ：人工智能在金融领域的最新应用

嘉宾介绍

杨青，度小满金融技术委员会执行主席、主任架构师

曾就职于百度、阿里，从事 NLP、搜索、推荐、大数据架构等相关方向的研发工作。目前负责度小满数据智能部，从 0 开始搭建了完整的智能风控体系和基础技术体系，为业务的快速发展提供了有力的保障。

听课方式

扫描上方海报二维码，即可预约观看直播。

9月11日晚，上交所科创板披露了京东数科招股说明书。招股书披露，京东数科本次拟发行不超过5.38亿股，占发行后总股本的比例不低于10%。本次发行全部为发行新股，不涉及原股东公开发售股份。

此次上市募集资金在扣除发行费用后的净额将用于金融机构数字化解决方案、商户与企业数字化解决方案等主营业务相关的项目。

此外，京东数科提出利用数字科技，打造“科技 （Technology）+产业（Industry）+生态（Ecosystem）”的商业模式。

营收高速增长

招股书显示，2017年、2018年、2019年和2020年1～6月，京东数科营业收入分别为 90.70 亿元、136.16 亿元、182.03 亿元及 103.27 亿元，保持高速增长；毛利率分别为54.69%、64.38%、65.77%和67.08%，呈逐年上升趋势。

愈加重视金融机构数字化业务

招股书还首次披露京东数科的收入模式。按照服务行业和客户类型，京东数科主营业务划分为金融机构数字化解决方案、商户与企业数字化解决方案、政府及其他客户数字化解决方案三大块。

其中，2017—2019年，京东数科的金融机构数字化解决方案在总营业收入的占比逐年上升，而商户与企业数字化解决方案占总营业收入的比例逐年下降，京东数科近年来更加重视金融机构数字化业务。

科研投入逐年上升，研发人员平均薪酬5.1万元

作为在科创板上市的公司，其科创属性受到人们的广泛关注。根据招股书，京东数科本次募集资金的72%将直接用于与技术和数字化服务升级相关的项目。

招股书显示，2017年~2020年上半年，公司的研发费用分别为10.78亿元、17.43亿元、25.67亿元及16.19亿元，占当期营业收入的比例分别为11.88%、12.80%、14.10%及15.67%。

截至2020年8月31日，京东数科及其子公司拥有专利或专利申请2230项，其中492项已经获得授权，包括已获颁专利证书的专利396项，而风险管理应用中的授信评分卡主模型已迭代至第11个版本。

此外，2020年上半年，京东数科共有研发人员4172人，占员工总人数的比例为 41.77%。根据研发人员总薪酬1286377000元粗略计算，京东数科研发人员的平均薪酬为5.1万元。

与蚂蚁集团：不直接可比

京东数科认为，其产业数字化“联结”商业模式具备一定创新性和独特性，目前在中国以及全球范围内并不存在与其全面直接竞争的企业。

同时，京东数科表示需要在科技能力、行业洞察和生态场景三方面保持竞争力。整体而言，蚂蚁集团、赛富时（Salesforce）和阿里云分别在数字经济范畴下科技、行业和生态的不同层面或不同领域开展业务，但该等公司的客户群体、 经营范围、业务模式与公司均存在一定差异，因此其财务数据与公司并不直接可比。

其中，Salesforce是一家客户关系管理（CRM）解决方案提供商，可提供随需应用的客户关系管理平台。Salesforce允许客户与独立软件供应商定制并整合其产品，同时建立他们各自所需的应用软件。

重视技术风险

在招股书中，京东数科对风险因素进行了分级，包括技术风险、经营风险、财务风险、法律风险、内控风险等。而京东数科认为，技术风险在所有风险要素中排名第一。

京东数科按照重要性排列出了五点可能对其业务产生不利影响的技术风险因素。

（1）技术更新速度无法及时满足客户需求的风险

近年来，大数据、人工智能、云计算、区块链等新一代信息技术与实体经济深度融合处于快速发展中，京东数科的产品和服务涉及数据挖掘及管理、计算机视觉、机器学习、图技术、区 块链技术、机器人等一系列前沿科技，是多种复杂技术的融合。

京东数科认为，上述任一领域发生技术革命都会带动和影响相关应用领域的技术革新，未来公司如果不能及时把握行业和技术的发展趋势，在技术研究路线、行业发展趋势判断等方面出现偏差， 或者不能快速响应与精准把握市场需求，将对其未来持续发展经营造成不利影响。

（2）无法预防核心技术泄密的风险

京东数科在招股书中表示，如果因公司相关保密制度和管理措施不能得到有效执行，或者因出现重大疏忽、恶意串通、舞弊等行为而导致公司核心技术泄露，将对京东数科的核心竞争力造成不利影响。

（3）无法抵御系统和网络遭到入侵和攻击的风险

京东数科在招股书中透露，尽管公司高度关注网络安全和信息系统建设，但由于网络环境日趋复杂、信息技术加速更迭等客观因素，仍无法保证有足够的技术及资源抵御攻击。 

（4）公司业务系统处理能力不能满足业务需求的风险

招股书中，京东数科表示，经过多年的发展和技术积累，公司现有业务系统的处理能力完全能够适应和满足现有业务发展的需要，但随着公司 业务规模的不断扩大，合作客户的不断增多，将对公司业务系统提出更高的要求， 公司无法保证现有业务系统的处理能力能够始终满足业务需求。这可能对持续经营产生不利影响。

（5）因系统故障、停机和网络中断等导致服务中断的风险

京东数科业务的开展依赖于计算机和通信系统的高效和不间断运行，系统的可靠性和稳定性对公司来说尤为重要。任何形式的系统故障、停机和网络中断都将对公司的业务造成严重的影响。

京东数科表示，虽然公司已经为应对突发情况采取了预防措施和灾难恢复计划，但仍可能遇到停电、系统故障、电信延迟或故障、信息技术系统遭 到入侵、计算机病毒或人为错误等无法预料的问题。雷锋网雷锋网雷锋网

据了解，互联网公司争取的金融牌照主要包括银行、消费金融、网络小贷、第三方支付、证券、保险、基金、融资担保、商业保理、融资租赁等。

而目前，除了支付牌照外，字节跳动还已获得小贷牌照、保险经纪牌照、证券投顾三张金融牌照。

张一鸣获得支付牌照

企查查APP显示，张一鸣为北京石贝科技有限公司单一大股东，持股比例为99%。而北京石贝科技有限公司，是天津同融电子商务有限公司全资股东。

近日，天津同融电子商务有限公司成为合众支付经营主体武汉合众易宝科技有限公司的股东。穿透股权来看，合众易宝的实控人为张一鸣。

据合众支付官网显示，该公司2014年获得由中国人民银行颁发的《支付业务许可证》，成为湖北省首家持牌互联网支付企业。

而据了解，在2018年双方即展开合作，合众支付不但打通了字节跳动旗下今日头条、抖音、火山小视频、皮皮虾、多闪等平台，还申请了岁岁通、多闪付、多闪钱包等支付服务相关商标。

其他三张金融牌照

相比阿里、腾讯、百度等互联网巨头，字节跳动布局金融较晚，仅持有网络小贷、保险经纪和证券投顾3块金融牌照。

2020年7月，据多家媒体报道，字节跳动在深圳拿下一张网络小贷牌照。该网络小贷牌照主体公司名为深圳市中融小额贷款股份有限公司，注册资本4亿元。

工商信息显示，深圳市中融小额贷款股份有限公司成立于2012年6月，许可经营项目范围为小额贷款业务，经相关部门批准开展互联网小额贷款业务。

今年3月，中融小贷高管大地震，新任总经理李冠超是字节跳动金融科技新业务的负责人；董事胡顺香、田硕等也都来自字节跳动。

2019年8月，字节跳动收购北京市金美林投资咨询有限责任公司，天眼查显示，公司股东为江苏今日头条信息科技有限公司，持股100%。

依据公布信息，金美林于于2001年8月获得中国证监会批准证券投资与咨询执业资格，是中国证券业协会的法人会员单位。

2018年6月，字节跳动获得华夏保险经纪有限公司的一张保险经纪牌照，并于当年上线保险业务。

而字节获得保险经纪牌照的方式，也如出一辙。字节跳动通过全资子公司福建字节跳动科技有限公司收购安徽黄埔网络科技集团股份有限公司，成为北京华夏保险经纪有限公司的100%控股新股东，从而实际控制北京华夏保险经纪有限公司，获得保险经纪牌照。

抖音或将迎来新的支付方式

公开数据显示，2019年，字节跳动实现全年营收超过1400亿元，较上年增长近280%。而从2016年的60亿，到2017年的160亿，再到2018年500亿，字节跳动每年都保持了超过200%的增长速率。

究其原因，抖音作为字节跳动新的收入引擎居功至伟。截至2020年1月5日，抖音日活跃用户数已突破4亿。今年，字节跳动还完成一轮针对电商业务的组织架构大调整，正式成立以“电商”明确命名的一级业务部门，据悉抖音也已开始电商业务运营。这一变化意味着“电商”已明确成为字节跳动的战略级业务。

电商阿里孵化出支付宝（蚂蚁集团）这一金融科技独角兽，微信和QQ对腾讯金融的意义不言而喻，那么抖音和金融的结合，会成为字节跳动又一新的增长引擎吗？（雷锋网雷锋网雷锋网）

雷锋网AI金融评论消息，今天上午，中国平安公布2020年半年报并召开业绩发布会。

2020年上半年实现归属于母公司股东的营运利润743.10亿元，同比增长1.2%； 年化营运ROE达到21.6%。截至2020年6月末，个人客户数达2.10亿，较年初增长4.6%；上半年新增客户1,809万，其中35.4%来自集团五大生态圈的互联网用户；客均合同数2.69个，较年初增长1.9%。

谢永林、陈心颖详谈科技战略

董事长马明哲，谢永林、陈心颖、姚波三位联席CEO，以及首席保险业务执行官陆敏、首席投资执行官陈德贤均出席了本次发布会，并就市场关心的问题作答。

集团总经理、联席CEO兼平安银行董事长谢永林用“稳健、改革、科技”三个关键词概括管理层对上半年集团业绩的整体评价。他指出，例如保险这样的具有一定保障性和复杂性的产品，必须面对面进行的业务，确实遭受了一些影响，但能够在线上进行的业务都在高速发展。

改革方面，谢永林提到，除了寿险改革以外，平安银行战略方向不变，但打法全面升级，要建立数字银行、生态银行和平台银行，服务整合更深；同时，在综合金融和科技部门上，“有全面的、更大幅度的升级。”

另外，他强调平安在科技专利方面表现不俗，集团专利申请数增长接近22%；像AI的坐席替代服务，相当多的产品线已经有90%的替代率；AI客户经理触达常规客户数量增长400%；利用科技构建生态本身业务收入增长11%。

而针对寿险改革，陈心颖给出了更详细的阐述，并多次强调寿险改革各部分推进难度很大。她表示，由于寿险行业人口红利开始减少，客户需求在变，科技手段在变，传统大进大出模式不能持续。

她透露，这是平安做寿险以来第二次改革；第一次是在2004年，经历了2-3年“非常痛苦的改革期”，但奠定了接下来十几年的良好基础。这次改革则涉及四个方面：

• 发展模式整体改革，从规模转到“规模+质量”；

• 营销体制改革，以前从总部到一线的代理人有七层之多，这种金字塔人事管理制度不高效，要做数字化经营和管理，平安有模型可以协助到总部、营业部、代理人到客户；

• 产品策略改革，一直以来平安从保险保障的产品，推动“综合金融+”，现在也推动“寿险服务+”，打造更有温度、有场景、有服务、差异化的产品，难度非常大；

• 渠道改革，线下和纯线上的传统模式都是比较单一，要找出一条中间路线融合线上线下。

陈心颖强调，今年上半年业绩一部分是受到疫情影响，另一部分其实也是平安主动把一些低产能、低质量的代理人淘汰，设立新服务标准，提供更多基本法或者工具支持高产能高收入高质量的代理人持续发展。

数字化经营和转型方面，她表示，现在平安有五千多人在推动数字化转型，从主顾开拓到互动，到寿险促成，再到服务经营这四步，300多个动作全都数字化。

陈心颖透露，这次改革从2018年下半年开始，2019年年底开始第二轮，有15个试点项目在推进，目标是今年年底有信心完成所有试点，明年开始大规模推广。

对于“平安的科技利润全年增长能否维持上半年水平”的提问，陈心颖回应称，预计会持续地扩大发展，加大科技投入。她以金融壹账通和平安好医生为例，称这些科技业务尽管是在投入期，但价值非常显而易见。

她强调，大家会看到平安在科技跟生态与金融的结合，比如好医生会跟寿险、健康险，健康医疗服务跟保险结合，这又是一个增长点；在汽车生态圈，通过汽车之家，通过平安银行的好车主信用卡，通过产险，三方联合推动汽车市场的金融服务产品等。

科技“期中考”：业务总收入427亿元

截至2020年6月末，平安银行科技人员（含外包）较年初增长超过13%；上半年IT资本性支出及费用投入同比增长24.8%。

2020年上半年，平安的科技业务总收入为427.32亿元，同比增长11.2%。

2020年上半年，AI 驱动产品销售规模达1763亿元，同比增长104%；其中AI在服务过程中带来的产品销售规模达1059亿元，覆盖总体平台协同业绩的57.9%。

截至2020年6月末，科技专利申请数累计达26008项，较年初增加4625项；在2020年全球金融科技专利排名榜中，平安以超1500项金融科技专利申请，连续两年位居全球第一位。

具体到业务环节，平安通过AI技术赋能人工坐席，2020年上半年人工坐席日均产能达131.3次/人，较去年同期的114.5次/人增长15%。

截至2020年6月末，平安打造的智能机器人已覆盖超2,000个场景；上半年服务量达8.6亿次，同比增长82%，覆盖82%客服量。运用AI机器人等技术后，平安产险保单服务线上化率提升至99.3%、无纸化率达99.8%

风险控制方面，2020年上半年，月均AI催收贷款金额达2900亿元（其中 ：M0阶段2600亿元、M1阶段300亿元），人 均管理贷款余额较年初增长15%至6200万元。

平安也在中报里强调，平安寿险业内首创智能拜访助手，支持音视频通话、销售方案讲解、机器人智能 辅助等功能，通过线上 “AI会客厅” 的音视频方式，实现远程与客户见面互动，2020年上半年累计使用772万人次。

面向代理人的智能陪练工具，自上线以来累计使用755 万人次，代理人好评率达99%。 

AI零售银行方面，上半年平安银行新发行417.53万张信用卡，近90%通过AI自动审批；截至2020年6月末，AI客服中非人工服务占比达88.5%，较年初提升2.4个百分点。

• 金融壹账通

中报表示，2020年上半年，金融壹账通“凭借独特的按交易量收费的服务模式”实现营业收入13.55亿元，同比增长39.7%。上半年毛利率同比上升7.8个百分点；同时通过加强费用精细化管理，净亏损率同比下降20.7个百分点至57.4%。

“得益于客户对智能客服等解决方案的需求进一步提升”，上半年运营支持服务收入同比强劲增长162.1%。

截至2020年6月30日，累计为630家银行、100家保险类机构提供服务，其中包括18家大型银行、132家城商行，覆盖国内100%的大型银行、99%的城商行；以及40家寿险公司、52家产险公司，覆盖国内45%的寿险公司、60%的产险公司。

科技专利申请数累计达4,327项，其中境外专利申请数达945项。中报特别指出，金融壹账通Gamma Lab团队在2020年国际计算机视觉与模式识别会议 (CVPR 2020)举办的扫描文档OCR问答与检索竞赛(DocVQA)中斩获两项子任务第一。

• 陆金所
  

近期传出IPO消息的陆金所也披露了2020年上半年业绩。截至2020年6月30日，陆金所控股管理贷款余额较年初增长12.4%，达5194.10亿元。 

截至2020年6月30日，30天以上逾期率为2.9%，同比上升0.7个百分点。中报强调称，陆金所将积极深化AI技术在贷后服务及还款提醒方面的应用，有效缓解疫情对资产质量的影响。下半年随着疫情后经济增长恢复常态，陆金所控股逾期率也将逐步改善。

中报指出，陆金所已为1343万名小微企业主和个人客户提供从线下咨询到线上申请的O2O全流程借款服务，为58家合作金融机构提升借款人的风险识别能力提供支持。

另外，平安消费金融公司已于2020年4月正式开业，于6月3日发布旗下首款科技型个人循环消费信用贷款产品并实现放款。

财富管理领域，线上理财业务实现稳定增长，客户资产规模较年初增长8.0%，其中非网贷类产品客户资产规模较年初增长34.2%，主要是因为标准化产品顺应净值化产品转型方向，并加强公募智能组合类产品营销推广力度。目前，陆金所控股财富管理平台上超过75%的客户资产是来自于资产规模大于30万元的客户群体。

平安集团称，陆金所已与400多家机构建立了广泛的资产端合作关系，向1278万活跃投资客户提供8000多种产品及个性化的金融服务。（雷锋网）

雷锋网雷锋网

2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。

在8月9日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念。

其中，平安集团首席科学家肖京博士以「人工智能赋能金融业务」为主题，同与会者进行了分享讨论。

注: 关注公众号「AI金融评论」，对话框回复“AI金融”，获取GAIR大会金融专场部分嘉宾演讲PPT。 

以下是肖京博士演讲内容，雷锋网AI金融评论做了不影响原意的编辑：

金融场景痛点遇上巨变行业环境

平安是全牌照的综合金融集团，涉及的金融场景非常丰富。然而，在传统金融行业，风控、营销、服务、运营等核心环节仍存在诸多痛点和可改进空间。

风控是金融行业的核心工作，以风险杂，欺诈多、违约率高为显著特征，如果选用传统人力方式解决，会面临很多的挑战和困难。

营销方面，传统的金融营销以实体网点、电话短信、递推沙龙等方式将标准化产品推送给所有客户，这种方式获客成本高、渠道频次低且带来较差的用户体验。

服务方面，消费者行为和需求的不断变化，使传统的金融服务面临各场景各链条上的重构；传统人工客服存在培训成本高、流动性大、服务效果参差不齐等弊端，严重影响了服务质量和用户体验。

运营方面，传统机构各个业务运营环节存在大量重复性、低效率工作，1%的效率提升，就可以给平安集团带来100亿的价值——全集团180多万员工，每一点效率的提高带来的收益都十分明显。

目前金融市场环境在面临巨变，随着监管趋严，互联网和高科技企业、传统银行等金融机构的竞争愈加激烈；未来银行不管在体制还是技术上，都会更加开放，同时，金融机构的投融结合将成为明显的发展趋势。

平安的经营管理也将逐渐向混业经营、精细化、轻资产化转变。各大企业和机构都在积极布局人工智能技术，实现服务升级和企业智能化转型。

让业务员自行建设机器人的“秘密武器”

如何解决行业实际痛点，于激烈的市场竞争环境中胜出，线上化和智能化是必经的道路。

平安实现智能化的开端是互联网化，平安1998年开始做互联网，现在已建立了完整的互联网体系，实现了线上和线下的打通；其次是建立大数据平台；之后，平安开始逐步实现智能化，改变生产，重构流程，实现我们所说的“三提两降”（即提高效率、效果、客户体验，降低风险与成本）。

智能化转型比互联网化更复杂。智能化是技术上的创新，要在对传统业务流程非常熟悉的前提下先做信息化改造，实现信息流通，再完成数据化。信息流通后把业务流程的各个环节的数据沉淀下来，然后才能通过数据分析，最终实现智能化。因此，智能化绝不是单纯的技术问题。

线上化和多线联动使平安集团实现渠道的实时触达，起到降本增效的目的；而智能化、尤其是AI技术的研发及应用，让集团真正实现数字化经营。技术要和业务紧密结合，不光要形成具体解决业务问题的智能化方案和平台，更要形成规模化拓展AI应用的能力，覆盖各类场景，快速有效地实现业务环节的智能化，持续夯实关键技术和业务壁垒。

• 业务方案中台：“平安脑”智能引擎

因此，现阶段我们主要进行方案中台的建设。不是做技术中台，而是业务方案的中台，把技术和方案的结合抽象浓缩成方案中台组件，让前端业务可以快速组建服务机器人。

核心方案架构是“平安脑”智能引擎。底层是我们的数据，平安花了整整一年时间把1.7万个机构的所有数据自动地采集、整合，在这个平台上实现质量管理、标准化、标签化及信息安全。

在此平台之上，我们对这部分数据采取严格保密管理，建立有关数据安全、隐私保护的管理规范。然后利用这些数据做一些标签画像，在此之上运用AI技术开发出产品平台，与业务结合建立AI解决方案，建立方案的中台，最后在前端组成各个不同场景的具体业务方案。

• 数字化经营平台：克瑞斯

我们打造了很多平台和中台工具，帮助快速实现前端业务规模化经营。比如克瑞斯数字化经营平台，为业务人员打造可灵活应用的数字化经营工具，业务人员可以迅速组合、配置需求，快速形成一系列的智能解决方案，不需要再等技术人员开发，很多产品就能通过自身解决需求，目前已经应用于平安集团人寿、保险、银行、信贷等多个业务线。

• 一站式AI开发平台：Occam（奥卡姆）

Occam平台则是一款面向AI零基础业务人员和专业AI技术人员的一键式开发平台，以零算法基础和少量数据即可训练高精度机器学习模型为核心，结合Saas、Paas与微服务架构的思想提出了可使用于各行各业的解决方案平台，可应用于金融、教育、医疗等多个领域。业务人员不需要很多技术背景，就可以快速建立图像、语音等模型。

我们通过这个平台取得不少成绩，在GLUE和Stanford SQuAD 2.0国际竞赛上，我们都得到了全世界第一名，也研发了很多前沿的算法。

• 蜂巢联邦智能平台

平安已经推出蜂巢联邦智能平台，以解决“数据孤岛”情况下数据不可共用的问题，平台具有安全性、隐私性、合法性的特点，目前已应用于动态保险定价、专属语音客服等多个场景。但由于联邦学习需要加密、分布部署、改变模型等具体细节，在沟通、开发、部署、人力等各方面成本都较高，因此只有在必需的场合，平安才会使用联邦学习技术。

平安的AI金融应用实例

平安还有很多AI具体应用案例。以身份认证为例，平安融合人脸、声纹、微表情识别、大数据和深度学习等技术，创新性地研发出一种基于多模态生物特征识别的身份认证方法。平安的多模态身份认证准确率高、稳定性优、适用范围广，已应用于普惠小额贷款、银行保险账户开户、门禁等多个场景，通过微表情、人脸识别等技术提升平安普惠的放贷效率，将放款时间缩短至3分钟，违约率也大幅下降。

平安打造了涵盖1.2亿万企业及个体工商户的企业大数据知识图谱——欧拉图谱，欧拉图谱构建了专业的债券违约、财务造假、企业评级等多个模型，实现贷前贷中贷后、投前投中投后等业务领域的风险管理，预警防控企业金融风险。欧拉图谱也用于帮助政府业务管理，比如宏观经济运行监测、产业规划、项目投资决策等。

图像识别应用于平安的自动车险理赔，这是2017年全国上线的案例，目前仍然是全世界唯一规模化上生产的自动定损理赔系统。

客户借助智能闪赔可以进行自助理赔，大幅缩短客户等待时间，提升客户体验，其应用不仅可以在理赔早期就识别出欺诈的风险，每年减少几十亿元的风险渗透，还提升了业务效率，优化用户体验。目前国内、东南亚、欧美等很多地方都在使用这些技术。

智能法务管理，我们有很多AI技术，在自动审批法务证据链、要素关系图谱这些环节上，用于自动合同审核，判断官司是否值得打、是否庭外和解、找怎样的律师等等。

智能运维领域，我们有3000多万IT系统的节点，传统人力方式效率不高，AI技术的运用可使检测和诊断时间缩短2倍，误报、漏报降低3倍。

机器人领域，平安目前已研发了全方位的机器人客服系统，包括线上文字客服、机器人电话客服、坐席助手、实体门店服务机器人等，比如门店的大堂经理机器人“安博士”，以及桌面型客服机器人“爱德”。

我们进行了很多AI相关的研究和应用，但是AI也有自己的边界，我们不能滥用、恶用。平安在集团层面成立了AI伦理委员会，秉持以人为本、人类自治、安全可控、公平公正、和公开透明的伦理准则。具体来说，要做到底层管好数据，充分保护隐私和安全，中层实现算法可靠透明可解释，前端应用遵守遵循人类的价值观和伦理道德。

关于 CCF-GAIR 2020 AI金融专场

 「AI金融专场」是CCF-GAIR 2020最受关注的主题论坛之一，其余5位嘉宾分别是：国际人工智能联合会首位华人理事会主席杨强、京东数字科技集团副总裁程建波、原摩根大通执行董事黄又钢、移卡集团副总裁奚少杰、统计学诺贝尔-COPSS总统奖得主范剑青。

「AI金融专场」除了拥有业内最顶尖的阵容外，每年都会吸引中国及欧美地区众多AI金融专家到场。在上一届论坛中，加拿大工程院院士、Citadel首席人工智能官邓力博士，加拿大工程院院士凌晓峰教授等多位重量级人物来到现场学习交流。而在今年，包括黄铠、刘江川、王强等十多位IEEEFellow以及各大金融机构的首席信息官/科学家来到现场，共同促进AI金融的产学融合与商业应用。

雷锋网雷锋网雷锋网

今天，蚂蚁的两则消息几乎同时传开：蚂蚁数科被曝已经成立；即将组建消金公司。

一个月前，蚂蚁金服正式更名为“蚂蚁科技集团”，不久即官宣IPO计划。

这两则消息，都被认为是蚂蚁对花呗、借呗等金融业务整合规划的体现，铺好上市道路——去掉名字里的「金服」不难，难的是把业务里的「金服」安排妥帖、谨慎成长。

合资消金公司筹建中？

今天下午，多家媒体报道称，蚂蚁集团计划在接下来的几周内与南洋商业银行、北大千方科技、宁德时代组建一家消费金融公司。

该公司将在重庆注册成立，注册资本为80亿元人民币。有知情人士称，公司有望于今年四季度开始运营。

其中，蚂蚁集团将持有该公司50%的股份，南洋商业银行和千方科技分别持有15%和10%的股份。

公开信息显示，北大千方科技是一家智能交通解决方案提供商，由上市公司千方科技全资控股，后者的第二大股东正是阿里巴巴；宁德时代则是一家新能源科技公司，以电池制造为主。受消息影响，千方科技下午开盘后直线涨停，随后开板；宁德时代也一度涨超4%。

已有两家重庆小贷公司的蚂蚁集团，为什么还要申请消金牌照？

业界人士指出，在线小额贷款公司的杠杆率通常为二至三倍，但消费金融公司的贷款规模可以达到其注册资本的10倍，更高的金融杠杆率将极大助力蚂蚁的消金业务。

蚂蚁数科已成立

同样在本月，蚂蚁集团还新成立了一家数字科技公司。

据新流财经报道，蚂蚁（广西）数字科技有限公司（以下简称“蚂蚁数科”）已于8月13日成立。

国家企业信用信息公示系统显示，蚂蚁数科注册资本1亿元，由蚂蚁金服（杭州）网络技术有限公司全资控股。

其中，胡晓明担任法定代表人、执行董事，王丽娟担任经理，封俏担任监事。公开信息显示，王丽娟为蚂蚁金服O2O事业部总经理。

值得注意的是，蚂蚁数科的经营范围包括：接受金融机构委托从事信息技术和流程外包服务（不含金融信息服务）；数据处理服务；软件开发；社会经济咨询服务；咨询策划服务等。

而蚂蚁金服上个月更名为蚂蚁科技时，也调整了经营范围，不再包含接受金融机构委托从事金融信息技术服务外包、金融业务流程外包、金融知识流程外包、投资管理、投资咨询等金融类业务。

信息来源：企查查

报道称，早在今年初，就有业内人士透露过，蚂蚁集团计划成立一家数科公司，或将现有的花呗、借呗、财富等金融业务整合在一起。

结合经营范围的调整来看，蚂蚁很可能会把这些金融类业务剥离，转由蚂蚁数科承接。

而在这家数科公司正式“落户”广西之前，蚂蚁集团就已与广西政府交流密切。

据广西商务厅报道，今年5-6月，广西商务厅党组厅长蒋连生先后与蚂蚁金服集团首席市场官彭翼捷、蚂蚁金服集团数字生活战略合作部总经理王东兴会见，围绕数字生活新服务等事项进行交流，希望双方在促进消费、对外贸易及政务服务、打造节庆品牌、推动商贸服务数字化转型升级、智慧城市建设和区域总部落地等方面加强合作，提升广西数字经济发展水平。

此外，蚂蚁集团旗下还有两家新公司，也于8月13日成立，它们分别是：杭州融津数字科技有限公司、杭州宁融科技有限公司。

其中，杭州融津数字科技有限公司注册资本6000万，法定代表人为李小军；杭州宁融科技有限公司注册资本1000万，法定代表人为陈志杰。

两家公司所属行业都为科技推广和应用服务业，均由蚂蚁集团全资控股。

上述两家企业的经营范围均为：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；企业管理；社会经济咨询服务；信息咨询服务（不含许可类信息咨询服务）；市场营销策划；财务咨询（除依法须经批准的项目外，凭营业执照依法自主开展经营活动）。

雷锋网雷锋网雷锋网

当前，业界解决隐私泄露和数据滥用的数据共享技术路线主要有两条：一条是基于硬件可信执行环境（TEE：Trusted Execution Environment）技术的可信计算，另一条是基于密码学的多方安全计算（MPC：Multi-party Computation）。

针对数据共享场景，包括联邦学习、隐私保护机器学习（PPML）在内的多个技术解决方案纷纷出炉。蚂蚁金服提出了共享智能（又称：共享机器学习），结合TEE与MPC两条路线，同时结合蚂蚁自身业务场景特性，聚焦于金融行业的应用。

究竟共享智能与我们熟知的联邦学习有何不同？在共享智能落地金融等多个重要领域的过程中，蚂蚁金服又遇到过哪些挑战，留下了怎样的宝贵经验？

为此，雷锋网《AI金融评论》邀请到了蚂蚁集团共享智能部总经理周俊做客线上讲堂，详解蚂蚁金服共享智能的技术进展和落地实践。

以下为周俊公开课全文，AI金融评论做了不改变原意的编辑：

在业界做隐私保护技术研发之前，是通过协同学习方法来实现多方信息融合，联邦学习就是其中一种。近年来，学术圈相应的证明发现此类方法的一些安全性问题，尤其是直接共享梯度，本质上存在一些安全性问题。

我们先来看一下去年在一个学术顶会上比较火的Paper引发的讨论。Paper里面的方法也比较好理解，实际上就是近几年大家保护隐私的方法之一：就是不传原始的数据，只传共享的梯度，把梯度汇聚到一起，然后再汇集到模型。

这种方法在前几年一直都比较火，无论是联邦学习还是其他的协同学习方式。

工作里面证明了，如果有恶意者在模型训练过程中拿到真正的梯度之后，就可以反推出数据中的特征（x）和标签（y）。

这里举了两个例子，能够看到，尤其是在图像领域，通过梯度本身是可以反推出原始输入的这张图像和原始的Y。

右边的例子，是在NIPS网站上抠的一些文字，刚开始是随机生成的，迭代到第30轮的时候，可以看到从梯度里恢复出来的一个样本，跟原始样本是非常接近的，只有个别词有一定差异。

从学术上能够看到，在这种协同学习中，以前大家认为安全的共享梯度方式，本身并不是很安全，我们给它取了一个标题叫做非可证安全。

在这之后，DLG方法有了改进。这个方法首先通过推导可以精确拿到Label本身，有了Label再去反推X就更简单了。从公式可以看到，它能更容易反推出原始数据的X。

从它的三个数据集可以看到，改进版DLG相对于原始的DLG在攻击的准确率提升非常大。

阿里巴巴在去年也做过一个更加贴合实际情况的例子：假定双方有两个数据拥有者，它们的特征空间一样，样本空间不一样，我们称之为水平切分。

按照联邦学习的协作方式，计算本地的梯度，发到服务器，平均之后更新本地的模型，看起来比较安全——实际上，由于A和B精确知道每一轮梯度，它其实可以反馈出很多相关信息。

满足一定条件的情况下，尤其是逻辑回归，可以构造出这样的一组方程组，当方程组的个数大于这个数据的特征维度，方程组是可以解出来的。因此也可以反推出原始的数据。

从右下角的结果中，能够看到我们攻击出来的结果，跟原始特征非常接近。这说明，不论是从学术圈里面假定的setting，还是真实情况中，目前这种共享梯度的协作方式，也包括联邦学习，本身都有比较大的安全隐患。

做保护隐私的机器学习方法，本身还是需要结合其他方法去弥补它的不足，才有可能让方法本身更安全，真正保护用户隐私。

如何“精修”机器学习处理方法各环节

数据预处理：

我们自己所做的机器学习处理方法，从数据预处理到模型训练再到模型推断，都是遵循这样切实保护用户隐私的思路，将MPC、TEE或其他技术，跟现在技术相应结合，确保中间每一步的隐私都能得到更好地保护。

以数据预处理中的降维为例，假定数据在水平切分的情况下，大家样本空间不一样，两方希望能够把数据能降低一个维度，降维之后的结果能够送到后面的机器学习模型进行相应训练，这种方法能较好提升效率。

同时，模型的泛化能力会有进一步提升，结合MPC里同态加密和秘密分享的技术，加固PCA（Principal Components Analysis，主成分分析），使得它能真正保护数据安全性。

此处有几步核心操作：

首先是计算均值。如果是在同态加密的情况下，需要密态空间要进行计算；如果是秘密分享的方法，则需要将原始数据拆成多个秘密分片，再配合起来算出均值。

其次是计算协方差矩阵，最后再算出相应的特征值、特征向量，就得到了降维后的X′。同态加密和秘密分享的技术，跟PCA做相应结合，就能比较好的拿到相应结果。

从结果可以看出，相比于各方单独算一个PCA再拼凑结果，我们的方法精度提升比较大。同时，它跟原始PCA方法相比，在后面都接相同的机器学习模型的情况下，几乎没有精度损失的情况。

除了降维以外，还有很多类似的工作可做，比如共线性检测，隐私求交（PSI）等。

当然，安全的方法计算时间会更长一些，因为天下没有免费的午餐，要保护隐私，肯定有相应的计算和通信成本在里面。

模型训练：

DNN模型是现在大家用的比较多的。这里分别列出来业界三种典型做法。

左边是传统的基于明文的神经网络训练方法。

中间是完全基于MPC的方法，有很多非线性运算，可以做到可证安全，但速度会慢几个数量级，效率本身也不高。

右边是MIT提出来的方法，比较快，但它的Label也放在服务器里计算，安全性有一定问题；而且它没有考虑特征之间的相关性，精度上有一定损失。

发现这些问题之后，我们提出了一个创新的体系。

首先，为了考虑特征之间的相关性，我们在底层利用MPC技术去做跟隐私数据相关的一部分模型计算。计算完之后，再把跟隐层相关的复杂计算，放到一个Semi-honest 服务器（半诚实服务器）去完成其他运算。 

这服务器里可以利用现有的各种计算资源，比如TF、PyTorch，甚至可以利用一些比较灵活的处理框架。

Label的部分还是放到数据持有者本身，全程能确保没有哪一部分隐私会被泄露。

Semi-honest 服务器会拿到中间的隐层结果，我们可以通过一些对抗学习方式去防止服务器获取中间信息。这一方法尽可能做到隐私、准确率、效率三者之间的平衡。此外，我们还可以使用贝叶斯学习的方法（SGLD）去替换传统的SGD（随机梯度下降），从而更好保护训练过程中的隐私。

SGLD是在贝叶斯神经网络中应用较广泛的方法，可以看作是加噪版本的SGD。

以前很多方法都在探讨它的泛化能力，在这里我们发现了它另外的好处：因为训练过程中添加了噪声，所以可以更好的保护隐私，尤其是在对成员攻击（Membership attack）的情况。比如有时医疗领域想知道自己的数据有没有被这个模型所用。

我们在评估Membership攻击效果时，定了一个成员隐私的loss，这个loss就是为了看SGLD到底能不能保护成员隐私，我们通过大量的实验发现SGLD是能较好阻止Membership attack。

具体来讲，我们在两个数据上面做了相应的测试，无论是在Table1还是在Table2里，尤其是在Attack Metric上，SGLD跟普通的方法相比，能够大大降低成员攻击的准确率。

同时，我们也发现用它也能很好提升模型的撸棒性， SGLD和变种，比前面单独的不加噪版本在Test上面的Metric会更好一些。

因此，我们在训练时也把传统的SGD换成了SGLD，能进一步提升安全等级，在兼顾三方面要求后，具有比较高的安全性和高效性。

刚才讲到，在服务器里，可以很好利用现有的TensorFlow或Pytorch，从右边这个代码可以看出来，该方法是非常用户友好的。

其次，在服务器里面，对于网络结构这部分，设计可以非常灵活，也可以设置任意的网络结构，充分发挥中心服务器的计算力。

通过训练过程中引入的SGLD，也就是加噪的SGD，再加上Adversary loss，使得哪怕是服务器试图做恶，也无法由此推断出更多相应信息，安全等级进一步提升。

我们跟业界的几个方法也对比过，比如2017年 MIT的 SplitNN和现在最好的SecureML。

性能上，（我们的方法）比这俩更好一些。从这两个数据集来看，训练时间上，由于我们使用了中间服务器，训练时间相对于纯MPC的方法（SecureML）大大降低，但相比SplitNN训练时间还是要长，因为我们安全等级要高。

总体而言，我们的方法能较好地实现效率、安全性和准确率的折中。

模型预测：

在模型训练上，涉及到前向、反向的计算，非常耗资源，它跟现有的一些隐私计算技术结合之后，对效率本身还是有比较大的影响。所以有很多工作都在考虑怎么做模型推理。在模型预测时，既要保护云上的模型，也要保护客户手里的数据。

我们这个方法跟原来不一样，之前可能有很多工作局限于支持一部分的激活函数。比如有时都无法支持sigmoid或max pooling，有的干脆只保护客户端的Input data，但不保护服务器上的模型。 

还有极端情况是完全用MPC做计算，单次模型预测用时会非常长。

另外，现在MPC尚不能完全精确计算一些比较复杂的函数，只能做一些展开或近似计算，精度上也有所损失。

我们希望能够提出一种方式，尽可能在效率、精度、安全性方面能达到比较好的折中，保护服务器和用户的隐私。

方法采用了两点，一是前面介绍的贝叶斯神经网络，因为它里面可以引入权重的不确定性，这能让服务器上的精确模型不被拿到。 

第二，无论是在数据保护还是在客户端上，用同态加密的机制去保护。

具体是把DNN的计算拆分成两级，一是首先通过采样的方法拿到W，有了W之后，客户端传过来的加密Input，通过线下的运算出Z，这也是密态的。密态下的Z在返回到客户端解密后，在客户端上就能拿到最后的a。

这样的方式，既保护了服务器上的模型，也保护了客户端上面输入数据的效果，起到了比较好的trade-off。

通过迭代式的同态加密计算，既保护了用户隐私，也保护了密态下的服务器隐私。

我们的方法，因为大量的复杂运算很多是返回到客户端上面，在非密态的情况下进行计算，所以Latency比较低。它还能支持任意的激活函数，可以比较好地扩展到RNN和CNN。

典型应用案例：POI上的推荐

原来的做法，不论是非常详细的profile数据，还是一些用户跟POI的交互数据，用户的所有相关数据都要被推荐系统所收集。一些隐私模型，比如用户偏好也都是被推荐系统所保留。所以推荐系统有很大的机会窥探到用户相关隐私。

我们的思路是：首先，比较敏感的用户隐私数据和模型，能够在用户本地，而不能上传到服务器的推荐系统这里。

第二，我们还是会收集用户和POI的交互数据，通过本地化差分隐私的方式注入噪音，这样传上去的是一个带噪音且能够保护隐私的版本。

通过这样的方式产生动态的POI，再通过去中心化的梯度下降方法学习能保护隐私的FM模型。

通过各式各样的安全聚合方式使隐私得到保护，这种方法我们称为PriRec。

我们在两个数据集上做了比较，在Foursquare数据上，因为用户特征只有两三个，我们的方法比FM稍弱；但切换到真实的场景数据，因为这里面有大量的用户和POI数据，能看到我们这个方法比FM起到更好的效果。

之所以会更好，原因就是用户和POI的数据，往往具有聚焦性，而去中心化的学习方法恰恰可以很好的利用这一点。在PriRec中，服务器上也没有拿到隐私的数据和模型，所以能保护隐私。

实际上，推荐搜索广告方面都有类似应用；金融科技领域的风控也有类似的方法，就是对现有的机器学习方法进行加固，产生一个更好的、更具有隐私保护的版本，达到AI助力业务效果的目的。

目前业界的四种技术

包括MPC，可信执行环境，差分隐私和联邦学习。

在多方安全计算时，理想情况是有一个大家都完全相信的可信服务器，所有人把所有东西都放上去计算，再把结果分发给大家。

现实是找不到完全的可信服务器，还是需要很多协作方，协同完成函数f的计算。

当然，大家希望在计算的过程当中既能够保护Input privacy，也能够保护计算的privacy，如果同时能保护Output privacy最好。

MPC的提出，是希望能够保护Input privacy和Compute过程当中的privacy。

这里面有几个典型技术，一是秘密分享（Secret Sharing），密码学里一个比较老的技术。早在七八十年代就已经有相应的论文发表。

举个例子：有两个人想协同计算他们求和的结果，每个人会把自己的数拆成多个share，share加起来等于他们自己，但任何人拿到其中一个的share是没有什么物理含义的。

通过share的交互，双方最后拿到7和6的结果（上图右侧），这其实已经完成加法的求和运算，既保护了Input的隐私，也保护了中间计算的隐私。

这几年在工业界里，随着算力的丰盛，以欧美为代表的很多公司都在用这样的技术，比如著名的开源SPDZ等。

二是姚期智院士在1989年提出来的混淆电路。它主要是通过两个大的building block构建，一个是混淆的真值表，一个是遗忘传输，通过这两种方式完成协同计算，解决了著名的百万富翁问题。

秘密分享因为它需要通过大量交互迭代，通信代价一般较高。

混淆电路中间是通过大量电路运算，电路的门个数较高时，效率相对来说没有那么高。

其次还有同态加密方法，过程中是在密态下计算完的，之后才解密得到相应结果。

同态加密和秘密分享在一些比较复杂的函数上，是没有办法进行相应计算的，要通过一些近似计算的方法才能拿到相应的结果。

由于算力的逐步提升，和一些基础突破，这两年工业界对MPC也用得越来越多。

三个技术有各自的优缺点，组合使用也能产生一个相对理想的结果。

可信执行环境，相当于是一个硬件级的密码箱。把加密数据放到密码箱里之后，OS操作系统都没有办法打开密码箱，只有持有相关密钥的人才能在里面进行运算，就是所说的可信区域。

这个方法本身是非常安全，但很依赖于硬件，目前做得比较好的是因特尔的SGX。

前面所介绍的 MPC、TEE，都是可以保护Input privacy和compute privacy ，但没能很好地保护output privacy。

在差分隐私（Differential Privacy）之前有很多别的方法去处理数据中的隐私，比如像各种匿名化方法，除了K匿名，还有一些L-diversity等方法保护隐私。

但随着大数据时代的到来，通过链接一些别的数据，能够反推出来单人ID，匿名化基本上没有什么用。所以差分隐私之前的一些技术，现在来看是不安全的。对Output或Release的数据集，都在慢慢切换到差分隐私的技术上来。

这个技术本身较好地考虑到实用性和隐私性的折中，隐私肯定有代价，要么牺牲一定的实用性，要么有计算代价。

差分隐私是在数据中加噪声，对实用性有所影响，尤其是在数据本身也不大的情况下，对结果的影响较大。

差分隐私提供了一种量化的方法，能测量到底加多少噪声，能够取得比较好的trade-off。

差分隐私从从概率学和信息论得到一个隐私保护的bound，实操不是很复杂，就是在数据中添加相应的噪声，并且通过参数控制噪音的大小。

当然，它本身怎么使用、怎么设置privacy budget，有着非常复杂的考量机制，但原理本身不算特别复杂。

这个技术在提出来之后，因为它有比较好的理论保障，所以在学术界、工业界很多人也都在用，能比较好地保护Output privacy，跟前面的技术也有比较好的结合。

Local 差分隐私类似多方，就是自己本身加上噪声，再上传到一个地方。

它在工业界遇到的一个较大问题是，因为要在里面加噪声，所以模型精度受影响。  

联邦学习，谷歌在2014年就已经在内部开始做这样的技术，它本身是解决to C的问题，所以想解决几十亿的设备间如何协同、安全地利用数据训练模型。

当然设备之间可能不满足独立同分布的概念，硬件之间差异非常大，所以会导致可靠度的差异也很大，有时在训练的时候自己就下线了。

在2016-2017年，联邦学习有相应论文发表。目前用的算法也是从服务器上拉了一个模型,做完更新，delta发给服务器做average并更新模型。

直接这么做肯定会有一些问题，所以paper里面做了大量的优化，能够让通信成本和训练的稳定性都有比较大的提升。

谷歌在2017年期间已经发现了，原来把梯度直接汇聚到服务器上的协同学习方法也不是很安全；如果要保护隐私，必须得结合MPC的技术。

几种技术的比较和解决方案

我们从自己的角度做了一张总结表格，像MPC能保护好Input privacy和计算过程中的 privacy；但对于Output privacy，它的保护能力比较弱。效率上，因为牵涉到大量密码学技术，代价不低。

TEE跟MPC类似，把它们理解成密码学偏软件和偏硬件的实验版本。

差分隐私就可以较好保护Output privacy，计算代价相对不高，实用性有一定损失，尤其是local 差分隐私加了某种噪声之后，只能用于某些统计学运算。

联邦学习无法很好地保护Input privacy和Output privacy，好处在于效率相对高。

站在从业者的角度来看，这些技术还是需要一个端到端的设计，结合各方技术优势提供相应的方案，达到最后总体的效果。

我们结合了这样三个方案：

首先，MPC底下分为这么几层，用前面所讲的秘密共享、OT或其他密码学的原语。为什么要实现这么多密码学的协议？就是希望能够利用每种协议的优缺点，有更加好的组合，在合适的地方选用合适的技术。

第二层，我们希望把底下比较偏密码学的原语，再做一层封装，这上面提供一些机器学习经常要用的运算，比如比较、求交、矩阵加法、求max的运算。

上面再抽象成一个DSL语言，开发算法时，不用直接面对底层密码学原语，速度相对会更快。

另外，因为我们参考的是机器学习里面的DSL，整个语法也跟机器学习类似，机器学习的创业者就能用比较低的成本，切换到共享智能技术上，进行算法开发。

同时，我们也提供编译器，它能够将用户对上层开发的算法，自动选择最优的安全算子，实现安全的程序，进而实现整个MPC里面的一些方法。

TEE方面，因为TEE本身的SDK也不是那么友好，并且单机的SGX 的运算能力并不是特别强，为此我们做了一些改进：

组建安全可信集群，以扩展算力；做了很多防止各种攻击的方法，在安全性上有个更好的工业级框架出来，便于开发者能够基于这些核心能力开发出各种算法。

上面是比较偏差分隐私或矩阵变换的方法。这种方法还是有比较好的适用场合，比如前面讲的Output privacy里面用到差分隐私，或者是MPC和TEE里面在Output 的地方加上差分隐私，本身有比较好的互补的作用。技术之间也可以两两去组合。 

每个方案都有各自的优缺点，做隐私保护相关的工作，还是需要通过精心的工程设计，算法设计加上密码学原语，才能够端到端地保护数据输入、计算过程、数据输出等隐私，从而达到相应的目的。

蚂蚁共享智能的落地经验

合作案例：江苏银行

去年上半年，江苏银行希望使用MPC实现联合风控，模型的产出完全放在江苏银行，自主可控。构建出联合模型之后，模型分数给到银行，由它去做独立的风控判断，之后再产生结果给到最后的申请判断。整个模型的效果在测试的时候发现提升了50%左右。

同样，我们还在支付的联合风控、联合营销以及联合保险也进行了相应的落地。

AI研究前沿动态和未来展望

目前看来，现在这几个技术之间彼此有互补，但端到端的系统怎么在各个环节去利用合适的技术，去产生合适的效果？怎么样把这样一个系统在超大规模的数据上做相应的实践？在不影响效率的情况下，将隐私保护的等级能够升级到更高的级别？ 

我觉得还需要有整个业界需要投入更多的资源，更长的研发投入，更长的耐心，才有可能在一些更关键的技术上面产生更好的结果。

同时也需要整个AI圈子加上密码学的硬件再加上工程系统，一起努力才有可能在一些点上面取得真正的大的突破，才有可能使得整个隐私计算的效率能够再提升1~2个数量级。

目前隐私计算效率本身，相比非隐私保护的AI，在速度甚至精度上都会有一定的损失。

所以，怎么样去设计更好的方式，除了在技术本身的突破，也需要有更多的场景去打磨技术，才能发现的问题，逐步让技术往前走。

从三大维度来看：

第一，从算法维度看，无论是在学术界还是工业界，目前的这几个方法割裂程度比较明显。比如TEE跟差分隐私，虽然他们之间有交集但并不多。

TEE里也有很多技术要去突破，比如目前TEE的内存只有128兆，相比普通系统还是比较小的。现在数据量比较大，尤其是在一个图像数据上，怎么在这么大的数据情况下完成隐私计算，是难度比较大的一个问题。

第二，由于内存比较小，为了保护安全和隐私，所以在很多运算效率跟目前正常操作有一定差距。

第三，SDK的友好性方面，因为比较偏硬件，还涉及到大量的密码学等机制，比如远程认证，对于很多从业人员而言还是有相应的学习成本。 

当然，业界很多开源的、在原生的TEE上封装的一些SDK，各方面有一些提升，可扩展性本质上有些突破，但突破不是特别大，意味着很多东西不能拿来直接在工业界使用。所以TEE也还需要整个社区有更多的投入。

TEE上面，现在很多都在做支持中小规模的算法训练和预测。怎么让更大的规模、更新的算法能够被集成进来，这也是需要业界有更多投入。

差分隐私技术本身的理论性质比较优美，但在实用性上有一定损失。

我们提到过，对于utility loss以及差分隐私输出来的结果，因为毕竟是在原始的数据上面加了一定的噪声，这个数据相对来讲会不会有一定的损失度？

如果完全是local 差分隐私的方式，在很多场景下面就没有办法用，怎么让差分隐私能够再更进一步，更贴合现在AI这个情况？

目前看到，差分隐私在很多数据分析应用非常广泛，比如，苹果系统上收集了emoji的数据；微软操作系统的浏览器里面也嵌入了差分隐私的数据；Uber也用了这样一个技术，但目前大部分用在数据统计方面。

怎么样把差分隐私这样的技术能够跟AI有更好的结合，是未来一个比较大的突破点。

MPC技术本身，从经典论文发表来看，虽然不算特别新，但在很多很复杂的运算上，尤其是在AI的一些新方法，MPC效率本身还是有一定的代价。

怎样取得算力的增长，有新模式突破，像完全同态的方法什么时候真的变成实用，怎么能够使这个技术在工业界更进一步，这也是需要考量的一个点。

联邦学习目前也存在一定的安全隐患，四个技术之间怎么去做相应的结合，取长补短，能够形成比较好的下一代的解决方案，真真正正保护隐私，让AI落地变得更简单？

尤其是在一些数据比较敏感的地方，像医疗的某些领域，病例的数据采集特别困难，真的能够让AI进到这些地方，辅助决策，才能更加好实现社会意义和价值。

我觉得，在算法层面会需要深度结合，无论是基于某些算力，还是说在技术领域的突破，能让这里面的一些问题有更进一步的解法。

在平台层，无论是差分隐私、TEE还是别的技术，越靠近数学和越靠近密码学硬件，为了保护隐私，里面大量的设置都比较难以理解。怎样让大家更高效产出不一样的算法，降低使用门槛，这些方法才能够跟更多地方结合，产生更多的新突破。

在DSL和在编译器方面，甚至在整个系统的运维、部署，以及系统稳定性、安全生产等各方面，有没有进一步的突破，变得易用？

在一些对时效性要求没有那么强的情况，如果能够持续稳定计算，对于很多产品也是比较适用的。对于整个隐私计算领域而言，这也是一个巨大的挑战。

所以怎样有更高效的平台一体化设计，让使用门槛变低，才有可能会真正带来一些繁荣的社区，让技术能够走进更多场景、更多机构，真正产生一些化学反应。

雷锋网雷锋网雷锋网

"科技领域不做安全风控，就等于造汽车的时候没有做刹车。”蚂蚁集团首席AI科学家漆远这样形容安全风控的地位。

有安全作锚，大船方能当风御浪。失去安全感，信任与共识的建设也就成了无根之木。事实上，许多高精尖技术是首先在安全领域落地和发展，再在其他行业发光发热。

但如今的金融安全之险，或许完全超出你的想象。

当黑天鹅事件频发，当黑产演化日新月异，风险不会只出现在支付或是贷前环节，也不光冲着消费者而去。交易全链路的每一环、每一方都像蓄满电荷的积雨云，在黑夜里等待一个爆发的契机。

可是消费者和商户、金融机构最想要的那根“避雷针”是什么样子？细细摸索这构造极为复杂的交易网络之后，我们和支付宝聊了聊他们的“秘密武器”。

一通电话背后的风控升级：技术与温度的结合

未雨绸缪，可以说是安全风控的最理想境界。但常见的业内风控方案往往是被动响应式的，在交易开始前一筹莫展，白白浪费最佳风控“身位”。

不做主动风控的原因有二，一是不敢，二是不会——在不少支付平台看来，自己只负责保证交易正常完成，只要资金没有被盗就算功德圆满。

但支付宝选择为用户主动承担更多责任，主动风控也早已成为安全阵型里的常规配置。

此前他们曾为C端用户遭遇的网络诈骗风险，调教出一套全链路交互式的主动风控体系，例如通过智能弹窗唤醒用户，又或是延迟到账或资金截留，尽量阻止欺诈交易的发生。

但他们很快就意识到，用弹窗中断交易、进行风险拦截，确实直接了当，也确实不够温柔。

如果用户因此而对风险提示无视或者反感，可能就错失了一次阻止欺诈发生的机会。

于是去年7月，这套主动风控体系架上了一把“重机枪”：反诈骗叫醒热线。

当识别到交易存在诈骗风险时，系统会通过数据解析和智能派单，帮助客服快速定位超过一定金额的疑似诈骗交易行为，并由人工客服和AI客服致电用户提醒，防止消费者在其他渠道被骗。

此前叫醒热线优先服务50岁以上的老年人，上线以来，诈骗资损率已下降8成；现在热线已覆盖全年龄段的高风险人群。

比起风险拦截，语音方式的提醒和交流相对不显生硬，也更具有交互感。目前，AI客服可以做到和人工客服一样和用户对话，在交互中判断用户遭遇的骗局类型，进行针对性地提醒。

漆远告诉雷锋网AI金融评论，这是一种“更兼顾体验的柔性手段”，能让用户理解系统所看见的风险点和来电的出发点。

“如果客户明确表示，自己没有被骗，我们也能通过交流，确保他后续的支付是顺畅的。”他补充道。

支付宝首席AI科学家 达摩院金融智能负责人漆远

这种安全感的关键来源之一，是支付宝持续默默深耕的知识图谱技术，在复杂结构的关系网络中摸清犯罪团伙的踪迹。

在此基础上，支付宝的智能风控引擎能在0.1秒之内，通过近500条量化策略、100个风控模型，7*24小时实时风险检测扫描及保护交易支付，于数亿交易中精准识别账户异常行为，对每笔交易进行用户行为、交易环境、关联关系等8个维度的风险检测。

「AI判官」养成记

交易链条的下游，藏着另一个致命难点：事后举报和调解。

风控系统和用户的关系，有时像一对母子：系统明示了交易风险，但用户实在“叛逆”——数据显示，有60%的用户被骗就是因为不听系统一句劝，这种追悔莫及自然也让用户对交易后的风控效果怀有更大的期望。

识别诈骗是一个世界性难题，如果不是造成实际损失，很多人在过程中都无法意识到自己被骗了。事后在和疑似骗子的对方发生纠纷时，也同样很难向平台说明自己真的是被骗了。

第三方支付机构一样有苦衷：人工介入的成本太高耗时太长，做一个审理系统又不知从何教起……

这样一个无数用户急需的功能，支付宝并没有置之不理，贴合用户诉求，快速推出了智能审理服务，用于欺诈场景的用户投诉纠纷处理。

系统能整合各平台商家客服、AI电话、法律援助、在线视频等能力，通过文字、聊天记录截图、客观数据等证据来提供调解，但最“硬核”的，还数支付宝全球首创的交互式举报流程。

这种交互式与传统问卷式区别在哪儿？

以前要投诉，用户得填一大张表格，时间地点投诉对象，交易过程请在规定字数内描述完成，再一次性提交一堆不知道派不派得上用场的截图。

交互式就像有一位小姐姐专门服务你，挑要紧的事儿先问，再根据用户的回答，提取出下一步有针对性的提问，从而大幅节省用户的时间精力。

支付宝安全实验室就是通过多模态模型来理解用户，并根据去黑盒化的实时抗辩能力来判断风险、类案、缺失要素，从而定制交互信息。

这表面是客服，实际要做的是一个机器“判官”，要看得懂证据，听得懂吵架，能明辨是非正确判决，最后还要给出用户可以接受的调解结果。

漆远也坦言，抗辩性和司法层面的AI可解释性是当中最难跨的两道坎。

抗辩性，顾名思义，如果双方掐起架来，AI必须要能理解两边吵架的逻辑。比起“解语花”式的智能客服，“老娘舅”式智能审理客服的升级之处就在于系统对抗辩性的自洽和更大容纳。

可解释性，是指在每一轮智能交互中，AI都基于当前所掌握的信息，给出具有解释性的识别结果或决策。

漆远对AI的可解释性格外重视，在他看来，机器学习算法之所以在业务安全落地时，对可解释性要求非常高，是因为完全黑盒的模型可能造成无法预料的后果，这在业务安全上有较大的危险，需要有人可以理解的逻辑和介入修正。

尤其是在处理投诉和纠纷，或人机交互的过程中，直接反馈给用户的处理决定，对解释性的要求更高，需要用人可以理解的语言和逻辑去表述。

也就是说，AI的发言得让人听懂，并且有理有据令人信服。

“从法律层面出发，这项功能要做到全要素审核，采用的必须是与司法知识相结合的AI，不光能理解法律，更要能把法律的核心要点用人可以理解的语言和逻辑顺利解释出来。所以要在技术层面下功夫，还要联合运营、司法实务的同学去共建。”漆远补充道。

据支付宝安全实验室透露，目前智能审理可以实时1秒内定性，可定性的风险涵盖盗用，欺诈，赌博，非法投融资等20余种，定性准确率已经超过95%。

梳开KYB的「死结」

如果说主动为C端消费者的交易安全“负重前行”已属不易，迅速让广大商户复工复产、恢复经营任务则是难上加难。

以商户入网为例，核查常以线下人工操作为主；如今在防疫要求下，推广无接触式的线上申请和审核，优化商户入驻体验、简化签约流程成为当务之急。

但线上模式仍然存在缺陷：在审核商户的门头照、营业执照、网站及APP等凭证时，机器还是很难替代人工，审核时效慢、成本高、易积压，人工还很难识别出伪冒及冲突等风险。

利楚扫呗就是面临商户入驻核查难的企业之一，支付宝针对这些痛点，为这家聚合支付服务商打造了专属入网审查方案：

采取证照OCR自动识别技术，商户或业务BD用入网工具拍摄上传，系统即可自动上传、自动识别、快速入网，自动查询商户的法人身份证和执照信息是否真实。

这一方案的成功实施，让利楚扫呗现在的日均新入网商户数达到了1500多家。

这样的技术能力，不只输出给武汉利楚一家。早在去年4月，支付宝安全实验室就整合了应用图像识别、多态融合、NLP、神经网络、知识图谱等技术，沉淀出了eKYB产品——商保宝，具备对营业执照、经营场景照、网址、特殊资质、经营人主体的真实性核验能力。

在商保宝的助力下，商户入驻KYB时效已降至1小时（其中91%秒过），审核人力由155人下降至23人，年审核成本节约1600万；客户签约通过率提升18%。

目前，商保宝也已经进一步输出给集团如花呗、小程序、飞猪等7大业务场景，以及通联、钱盒等3家外部生态伙伴，为更多业务场景的客户带去体验的提升。

商户风险图谱，是商保宝的技术内核。

漆远分析称，做图谱要先把商户知识这种非结构化数据，规整为形如图表的结构化形式；然后关联商户的知识，构成图谱，借此从不同维度来理解商户本身所隐藏的风险与价值。

就像是把一堆乱七八糟打成死结的毛线，先梳理成团，再靠技术“毛衣针”织出细密的商户网。

商保宝的另一个杀手锏，则是蚂蚁集团从2016年就悄然布局的共享智能技术。

当建模有多方参与，且各方互不信任，共享智能让多方信息可由此进入“不可见”的安全可信环境，并在此基础上实现技术共享、模型共建、风险信息个性化识别。

共享智能应用于商保宝时，就是商户的隐私数据始终由各自保留，通过在每方部署的计算模块得出有关商户的分析结果和模型。

与此同时，支付宝安全实验室还在B端以智能凭证项目为起点，沉淀了一系列商户eKYB认证能力，为商户真实性认证提供整套综合解决方案。

例如一些服务商会对旗下优质商户提供特权服务，在接入之前，都是需要一段时间的“观察期”，根据该段时间商户的交易状况及金额等因素评估商户质量；在接入商户健康分服务后，可以有效缩短审核周期，极大提升了用户体验。

这些To B服务就像是给经营链条抹上一层润滑油，多个环节的数字化、智能化升级不光提升了商户的入驻效率和经营水平，同时也让广大中小商户尽早适应数字化生活的新浪潮，从而促进全社会运营成本的降低。

在疫情后的今天，这样的技术普惠思路和实践，对中国乃至世界都意义重大。

数字新基建的AI「进化论」

细看支付宝打造的安全技术方案，就像是复杂机器里啮合完美的齿轮，我们也从中逐点拼凑出一幅当代社会的理想AI图样：善解人意、更加主动、更明白如何与人互动……

数字新基建浪潮下的的AI，究竟应该具备哪些特质？漆远判断AI未来三个重要方向是：

第一，是数据学习与知识推理结合，共同驱动。

“AI其实像一个被高考机器惯出来的孩子。”漆远这样形容AI目前发展“偏科”的情况，好比一位有着特别强大的记忆体的学生，能通过题海战术学习了大量知识点之后，做题效率极高，却不懂怎么推理。

接下来需要让AI成长得更有“常识”和“情商”，打出“见多识广+推理能力”这套组合拳，把人类的知识经验形成规则，与算法在一个体系里共建，以人机结合的智能体系共同前进。

他表示，如果AI能实现因果分析这一最高境界，知道风险能够产生的原因，也就能更有效地防范风险。

第二，提升AI系统的鲁棒性、可靠性，重点关注对抗学习、博弈智能。 

漆远表示，AI应该在对抗中提升鲁棒性，就像人在社会里成长，必须学会经受住更多的打击。

智能风控和反欺诈模型之所以会仍被黑产不定时的绕过和突破，一大原因就是黑产攻击手法变化快。

在他看来，系统除了要在工程上迅速灵活响应，更要做到在算法层自动分析组合可能发生的攻击，产生对抗模型，通过弱监督算法、动态蒸馏、自动化更新等算法提升模型快速适配能力。

就像下棋一样，黑产走了一步，AI要想好黑产接下来的三四步会怎么走。

而博弈论某种程度上作为高度凝练的“下棋指南”，本质是策略对抗，预测行为和结果，应用场景也十分广泛，对抗黑产、处理交易纠纷、设计调解机制……这些都是对抗博弈的形式的范畴。

因此，博弈论思想和AI结合的博弈智能，以及在快速主动风控中的应用，也是关键的AI未来方向之一。

AI金融评论了解到，支付宝安全实验室已经基于博弈智能打造了智能攻防算法，是世界上首次把深度学习引入博弈论并在德州扑克子实验上取得世界领先的水平。

第三，保护数据隐私的AI技术将越来越重要。

对用户或者客户而言，技术要保护好用户的隐私，但是又要提供基于数据背后价值的服务。化解这对矛盾的技术，在保护隐私的基础上打破数据孤岛，产生数据融合价值，漆远认为是接下来AI另一个至关紧要的进化方向。

比如各机构之间信息脱节，让安全水位参差不齐。某一安全事件的爆发，往往牵连多家相关企业，行业短板将引发木桶理论中全局危机的出现。

这正是蚂蚁布局共享智能技术的重要原因之一。基于共享智能做联合风控，在保护各自数据隐私安全的前提下，实现风险联防，打破信息孤岛的困局，在数字化进程持续加速的今天，意义非凡。

支付宝研发的端云雾智能风控，同样是体现这一趋势的重要底层技术之一。

漆远向AI金融评论透露，目前这一风控方案使得99%的用户数据及风控计算在用户终端完成，结合隐私保护的机器学习技术，可以更有效地保障用户数据隐私安全，也最大程度降低了云端运算负载，它已是世界上使用人群基数最大、并发数最高的终端风控。

结语

复盘支付宝的行进轨迹，会看见一条清晰的主线：用科技实现普惠。

普惠金融这个词已不新鲜，但在漆远看来，借由技术手段有效地降低服务成本、提高服务效率，让服务触达到以往难以覆盖的长尾人群，真正做到“供氧毛细血管”，从而促进社会的发展，方属普惠的本意。

“做技术落地，某种程度上你要相信技术本身的价值，愿意为此付出努力，最后看见价值的产生。”他说道。

正如同他刚加入阿里，着手研发第一代超大规模机器学习平台的时候。当时的国内，甚至是阿里内部，普遍对超大规模机器学习平台的价值是不理解的。

“一个崭新的技术，要让大家能够看到它的价值。”带着这样的想法，漆远和他的团队在不理解的目光中“憋着一口气”咬牙迎战，团队不少骨干整个春节都在加班。项目直到夏天终于实现大规模上线，奠定了阿里巴巴第一代机器学习平台的基础。

正是这种“因为相信所以看见”带来的使命感，驱使着支付宝的科学家和工程师们步履不停，向技术普惠的愿景继续前行。

封面图片来源：电影《血战钢锯岭》

雷锋网雷锋网雷锋网

港交所行政总裁李小加表示，“我们很高兴蚂蚁集团今天宣布了将在香港和上海进行首次公开招股的计划。蚂蚁集团选择在香港交易所申请上市，再次肯定了香港作为全球领先新股集资市场的地位。我们将继续敞开怀抱，欢迎全球创新和领先的公司来香港上市。”

蚂蚁的上市传闻由来已久，年初就有外媒报道，蚂蚁金服与瑞信、中金正在筹备上市事项，并指蚂蚁金服计划在A股及H股同步上市。

本月初，有消息称蚂蚁正计划到香港上市，最快今年落实，目标估值2,000亿美元。报道指，蚂蚁金服一直寻求在香港及中国同步发行股票，但目前高度倾向先在香港挂牌，因为在香港上市的过程可能相对顺畅。

之后的改名之举也引来了业界更多猜测。今年7月，蚂蚁金服运营主体浙江蚂蚁小微金融服务集团股份有限公司发生工商变更，正式更名为蚂蚁科技集团股份有限公司（简称“蚂蚁科技”）。

业界普遍认为，从“金融服务”到强化“科技”属性，以及变更为股份有限公司的做法，大概率是在为之后的上市举动铺路。

据多家媒体报道，其实在今年5月起，“蚂蚁集团”就已经取代“蚂蚁金服”成为该公司对外的简称。井贤栋、胡晓明对外的职位也变成“蚂蚁集团董事长”、“蚂蚁集团CEO”。

与此同时，蚂蚁科技的经营范围也有所改动，其中新增了工程和技术研究和试验发展、企业总部管理、控股公司服务、以自有资金从事投资活动等。

但是，“接受金融机构委托从事金融信息技术服务外包，金融业务流程外包，金融知识流程外包，投资管理，投资咨询”则被去除。

蚂蚁的财务表现也受到各方关注。据统计，2019年前三季度，蚂蚁集团的税前利润合计116.06亿元。在2019年第四季度，阿里从蚂蚁集团获得的权益法核算的投资收益为53.24亿元，除以阿里持有的33%的股权，意味着蚂蚁集团该季度的利润高达160亿元。

据阿里财报数据，截止2020年3月31日，蚂蚁集团及其全球九个本地数字钱包合作伙伴所服务的全球年度活跃用户数量已经达到约13亿。去年同期，阿里财报曾披露，支付宝全球用户是10亿。

其中，数字金融服务贡献了蚂蚁集团总收入的50%以上。蚂蚁集团CEO胡晓明此前也曾披露，预计未来五年蚂蚁收入的80%将来源于技术服务费。

以下为蚂蚁集团公告全文：

支付宝母公司蚂蚁集团宣布，启动在上海证券交易所科创板和香港联合交易所有限公司主板寻求同步发行上市的计划，以进一步支持服务业数字化升级做大内需，加强全球合作助力全球可持续发展，以及支持公司加大技术研发和创新。

“我们欣喜地看到，科创板和香港联交所推出了一系列改革和创新的举措，为新经济公司能更好地获得资本市场支持包括国际资本支持创造了良好条件，我们很高兴能有机会参与其中。″蚂蚁集团董事长井贤栋说。

蚂蚁集团是中国最大的移动支付平台支付宝的母公司，也是全球领先的金融科技开放平台，致力于以科技推动包括金融服务业在内的全球现代服务业的数字化升级，携手合作伙伴为消费者和小微企业提供普惠、绿色、可持续的服务，为世界带来微小而美好的改变。

井贤栋表示:“上市可以让我们更透明地面对世界，面对公众，可以凝聚更多志同道合的同路人，同时也将更好地跟全社会分享我们的成果和未来。我们会始终全力以赴,为客户去创新，为社会去创造，为未来解决问题，做一家能活102年的好公司。

平安集团的32岁，意义非凡。

年初疫情期间，平安抗疫力量迅速集结，全军出击。这张优秀的抗疫答卷背后，是平安的科技精锐部队在金融、医疗等领域持续深耕的努力。马明哲当初埋下的这颗让平安拥抱科技的种子，也穿过悠悠十余载岁月，在这特殊的开年长出不一样的花朵。

若无聚光灯以外的多年苦功和技术储备，平安又怎能从容自如踏上每一个突如其来的舞台？我们重新审视过去数月的平安科技，试图从那些抗疫故事里找到技术发展的千丝万缕，还原这个始于金融、归于生态的赋能闭环。

科技何以长成平安的金融、医疗业务发动机？

在疫情高峰期间最直接支援一线的，是平安的医疗科技精兵。

新冠肺炎智能阅片系统，正如漫威中的AI系统“贾维斯”，把常规阅片时间从15分钟缩短到15秒，同时出具智能分析和对比结果，全国专家还可以通过远程AI阅片的方式支援前线，累计阅片数达到数百余万张，准确率高达97%。

平安的另一大抓手——金融科技，同样在这次疫情里大放异彩。

疫情期间，金融壹账通推出智能风控轻量级一站式解决方案，包括智能进件、智能贷后（催收联盟）、电子凭证、智慧合约和线上清收工具，全面升级无纸化线上贷款业务流程，其中，应用区块链的智慧合约云平台，能够有效推进合同走完“最后一公里”。

平安的科技抗疫“出圈”，绝非偶然。

说智慧医疗是整个平安的“技术大户”，毫不为过。中国平安2019年报披露，其数字医疗科技领域的已公开专利申请数位跃居全球第二位。

医学影像、知识图谱等核心技术，一步步稳扎稳打，逐渐长成平安在医疗领域的发动机。

两年前，平安科技在LUNA（Lung Nodule Analysis）评测榜单的“肺结节检测”和“假阳性筛查”中拿下两个世界第一——这是平安科技第一次在肺部影像领域获得国际专业比赛的认可，其智慧医疗团队的科技硬实力也如冰山一角缓缓浮出水面。光是去年一年，他们就在计算机视觉、自然语言处理等多个AI技术领域中斩获多个冠军奖项。

2019年3月，平安智慧医疗推出了中文医疗知识图谱，集成了数百万医学概念、千万医学关系、千万医学证据，覆盖核心医学概念，聚合了医疗生态圈内全方位知识数据。

平安集团首席医疗科学家谢国彤所带领的研发团队，研发打造了个人疾病预测、AskBob医学智库、智能辅助诊疗AskBob等多项智慧医疗工具——平安的10余项国际荣誉中，超过70%来自这支专家团队。

技术，同样是平安金融版图的底色。2018和2019这两年，金融壹账通的研发费用占当期营业收入的比重都在50%上下。

壹账通的研发主力，是Gamma Lab AI研究院。该院成立之初，团队不到十个人，一切从零开始。不到三年时间，该院已在国内外多项AI竞赛拔得头筹：微表情国际权威评测OMG微表情竞赛，EmotioNet 国际面部动作单元识别竞赛，SQuAD机器阅读理解竞赛中……研究院在多次高压竞赛中快速成长，就这样成为了金融壹账通乃至平安集团的科技核心驱动力之一。

但他们并没有止步于此。

2019年，研究院意识到算法定制化和各业务场景的需求愈发繁杂，金融AI中台势在必行。为此，研究院建设了金融文本OCR等6大金融AI中台，应用于贷款、营销、风控等场景，在业务场景中迭代优化算法框架和模型，完善金融数据的加工、理解、沉淀、分析和呈现，也成功让壹账通在此次金融抗疫中迅速“变身”。

此外，平安科技还有另外近20个人工智能中台，在各自擅长的领域默默生长：ASR（语音识别）、NLP、TTS（语音合成）、知识图谱台、联邦学习……它们好似灵活多变的积木，共同勾勒出平安业务集群背后“科技心脏地带”的模样。

值得一提的是，平安科技还在联邦学习和AutoML等AI前沿方向大步行进。

平安科技联邦学习技术部AutoML项目组，由平安集团首席科学家肖京博士指导，平安科技副总工程师王健宗博士带领，致力于推动自动化机器学习领域的生态发展。该技术团队的论文不久前刚被ICASSP 2020接收。

为打破传统AI训练存在的“模型差”、“调参难”、“训练慢”等技术难点，团队将行业应用与前沿AI技术进行深度、自动化融合，不断挖掘AI高效自主赋能金融科技等领域的全流程解决方案。

平安科技基于联邦学习首创的联邦智能平台“蜂巢”，也致力于激活数据价值，为智慧金融、智慧城市、智慧医疗提供更多商用级的一站式解决方案。

“科技化武装”之路与五大生态圈崛起

归根结底，正是基于平安所具备的丰富场景，才能让各大技术团队的AI能力迅速落地、赋能场景，实现科技价值转化。

在平安，金融呼唤科技—科技投入形成强大能力—科技能力与现实场景结合—场景与数据反向赋能金融，这一完整闭环正在形成。在全球金融机构中，像这样规模的“科技驱动的创新生态”，也实属先例。

回顾平安的“科技化武装”之路，这家巨头在十余年间，已逐渐摆脱单纯的金融机构角色。

2010年，平安集团董事长兼CEO马明哲告诉他的同事，互联网浪潮下，金融产业是“change or die（非死即变）”。

中国平安的2013年报发布会上，马明哲点明：资产与健康是当今乃至今后最赚钱的两个方向。

2016年，马明哲提出了“平安3.0时代”发展的全新战略，聚焦“大金融资产”和“大医疗健康”两大产业。当谈到健康时，他一口气连续用了5个“最”：信息最不对称、门槛最高、盈利最好、发展最有潜力、最可持续。

“一手管住用户的钱、一手管住用户的健康，这样用户就离不开平安了。”他这样总结平安的产业逻辑。

到了2019年年报，马明哲在董事长致辞中提出：“建立高门槛、有壁垒的国际领先的金融科技和医疗科技能力，不断丰富应用场景，服务国计民生、反哺金融主业”，重申了金融科技、医疗科技的平安两大核心抓手地位。

平安也正在以科技和业务为坐标系，加速金融、医疗、汽车、房产、智慧城市五大生态的建设，覆盖了数百个城市和数以百万计的业态，为科技应用提供了广泛的场景。

在医疗领域，平安在逐步构造平安好医生（面向C端）、平安智慧医疗（面向B端）、平安医保科技（面向G端）三端连接能力形成的完整服务闭环。平安好医生作为国内最大的互联网医疗平台，也已于香港联交所主板上市。

金融领域，金融板块孵化出了“独角兽”陆金所和金融壹账通。金融壹账通也为连接传统银行与科技服务商，打造以Gamma O开放平台为核心的庞大开发者生态。

在汽车与房产领域，汽车之家致力于建立以数据和技术为核心的智能汽车生态圈，为汽车消费者提供丰富的产品及服务。平安城科也作为产业互联网平台，为建筑企业提供供应链管理整体解决方案，推动中国建筑行业的数字化、智能化、平台化、生态化发展。

在智慧城市建设方面，平安智慧城市累计落地115个城市，完善政府治理体系；服务50万家企业，优化企业营商环境；服务5000万市民，提升市民服务体验。

2020年，平安已经进入了第四个十年。五大生态圈的崛起，彼此间形成良性互推。未来，科技力量也将持续释放新动能，继续赋能平安的生态帝国。

雷锋网雷锋网雷锋网

企查查数据显示，重庆口岸产融大数据产业发展有限公司成立于2020年2月28日，注册资本为6600万元，法定代表人为曹子玮。

值得注意的是，经营范围包含大数据服务，技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广，人工智能公共数据平台，区块链技术相关软件和服务，数据处理和存储支持服务，互联网数据服务，科技中介服务，信息咨询服务，市场调查业务。

小米数字科技有限公司为大股东，持股比例为49%。Xiaomi Finance H.K. Limited小米金融（香港）有限公司为实际控制人，受益股份为49%。

成立五年，拿下七大金融牌照

小米涉足金融领域的历史，可以追溯到2015年，Xiaomi Finance H.K. Limited和上海小米金融信息服务有限公司也于该年成立。

目前小米金融的业务板块包括消费信贷、供应链金融、金融科技、第三方支付、互联网保险、互联网理财和虚拟银行等，基本涵盖了互联网公司常见的金融布局领域。

最先启动的是信贷，这也是不少互联网公司借助金融业务进行流量变现的首选。2015年6月，小米贷款宣布成立；9月正式上线，提供无抵押小额信用贷款，小米金融雏形初显。

在随后的数年时间里，小米金融相继拿下多块牌照，进一步扩大金融版图。

2015年6月，小米获得小额贷款牌照，成立重庆市小米小额贷款有限公司。这一公司也是小米金融开展业务的渠道。在2016~2018年间，重庆小米小额贷款完成了三次增资，注册资本由5千万美元增加至4.5亿美元。

2016年2月，小米以6亿元价格收购捷付睿通65%的股权，捷付睿通法人由武军变为雷军，多位“小米系”人员进入高管名单，此举意味着小米“曲线”将第三方支付牌照收入囊中。

2016年3月，小米正式拿下保险经纪牌照，通过北京小米保险经纪有限公司展业。

2016年12月，四川新网银行成立，成为继腾讯微众银行、阿里网商银行之后全国第三家互联网银行。新网银行由小米与新希望集团等多家企业联合发起，小米持股29.5%，民营银行牌照就此到手。

2017年8月和2018年3月，小米通过重庆、天津两家小米商业保理公司，获得了商业保理牌照。

2019年5月，洞见金融科技有限公司（Insight Fintech HK Limited）获香港金管局颁发虚拟银行牌照。该公司由小米集团与尚乘集团共同出资设立，其中，小米集团占比90%。随后，洞见金融科技改名为“天星银行”，预计将在今年正式开展业务。

2020年1月17日，银保监会批复了小米筹建重庆小米消费金融有限公司的申请，这表明小米基本拿到了消费金融牌照。该公司由小米公司与重庆农商行等四家企业联手建立，拟注册资本15亿元。

另外，据不完全统计，小米在金融领域曾参与过十多起投资/并购事件，包括积木盒子、51信用卡、老虎证券等已上市（含母公司上市）的机构，覆盖网贷、理财、证券等多个领域。

成绩单一览：营收持续增长，何时盈利成谜

小米金融成绩单的首次披露，来自于2018年5月小米向港交所提交的招股书。

在招股书中，小米金融的经营范围被定义为金融科技行业的新创业务，尤其包括人工智能化的在线金融服务、科技化银行服务的移动应用程序、理财、贷款及保险产品和消费付款解决方案与通过不断分析消费者大数据建立专有信用信息数据库。

雷锋网AI金融评论曾对这份招股书进行分析，尽管内容对金融业务着墨不多，但已足够完整清晰地反映小米金融当时的发展情况和未来走向。

招股书显示，小米金融对集团营业纪录期的业绩贡献不大，因此目前预计小米金融购股权计划的潜在财务及摊薄效应对集团整体而言并不重大。

假设小米金融重组已于2017年12月31日完成，则截至2017年12月31日止年度，小米金融的收入及税前净损失仅分别占集团约0.7%及不足0.2%。

对应的则是巨大的资产和估值：截至2017年12月31日，小米金融总资产将占本集团约14.1%，如按小米集团2017年总资产899亿元计算，小米金融去年的总资产已达126.76亿元。而如按小米的“合理估值”500亿美元同比例计算，则对应估值有望达到约70亿美金。

招股书显示，截至2017年12月31日止年度，小米金融的收入及税前净利润分别占集团收入及税前净利润约0.7%及0.2%。截至去年末，小米金融总资产占集团总资产的14.1%。

小米也表示，小米金融未来可能完全从集团分拆出去，且小米已为此完成相关业务重组，之后金融相关业务将由小米单一全资附属公司小米金融持有，其经营业绩亦不再合并入帐。

2018年的小米金融，也仍旧没有摆脱亏损。

小米集团的2018年财报显示，小米金融仍然处于亏损状态，但对于具体全年的营收净利数据没有更多披露。2018年第四季度，小米金融营收为4.76亿元，同比增长80.5%。

从小米当前的战略布局看，硬件仍是所有业务的核心支撑点，金融业务暂时处于补充和辅助地位。从营收占比来看，小米金融也仅占到小米集团全年1749亿营收的不到2%。

到了2019年，小米金融的表现如何？

小米的2019年上半年财报指出，其他互联网增值服务营收为14亿元，同比增长89.9%，主要原因是金融科技业务和有品电商平台收入的迅速增长。

其中，小米的金融科技业务的收入达到人民币7.92亿元，同比增长62.7%。

财报称，目前小米在金融科技方面业务主要为消费贷款及供应链融资。其认为，小米金融自身具有稳固业务基础及增长潜力。同时，小米也在积极拓展其他金融科技业务机会。

小米金融的2020：展望产融一体

尽管金融不是小米最有名的标签，金融业务并非小米核心业务，但正如招股书所言，这“涉及小米核心业务的不同业务模式、价值链、生态链、风险情况及增长策略”。

由此可见，小米“新零售+互联网服务+硬件”的商业模式在外打下的江山，需要金融业务为其保驾护航，在数据、平台、资源等多个维度与主体业务保持紧密协同。

小米金融CTO刘黎在2019年11月的开发者大会金融科技分论坛上，给出了小米金融更详细的未来发展放着。

他表示，业务板块大致可以划分零售金融和产业金融两大部分，两部分相互关联，共同由金融科技支撑。

零售金融方面，可以预见虚拟银行和消费金融将会是他们2020年重点发力的两大赛道。

另一项被着重介绍的零售金融亮点，是小米NFC和背后的技术。

刘黎称，小米是国内最早在手机上比较全面的提供NFC芯片服务的公司。围绕NFC，小米推出了Mi Pay、小米公交卡、小米门卡、智能钥匙等应用，其背后的支撑技术是TSM（Trusted Service Manager）信任服务管理平台。

产业金融方面，小米的一大特点就是产业链和生态体系的存在，开展供应链金融也是顺势而为。

小米供应链金融技术负责人王伯天称，从金融的视角可以把小米产业生态分为三个体系：小米自营体系，如电视、手机设施；生态链体系和小米有品体系，通过甄选的优质商家构成的体系。

在这三个体系之外，小米以这三个体系为核心，向上下游延展。上游包括代工厂、原材料供应商，下游就包括电商平台、分销、零售等渠道。把这些所有的体系合起来才构成小米完整的产业体系。小米的产业金融正是植根于这样一个产业生态的完整金融生态。

金融业务起步较晚的小米，不似阿里腾讯各自拥有电商和社交的先天优势，开始考虑向产融一体进发——但这同时也对小米是一个极大的考验。

小米方面表示，首先是采集产业的数据，包括来自于小米集团、合作厂商和第三方公司的数据；再对产业数据进行清洗加工，打造成一个完整的产业数字化平台。

其次是专业的资金流管理。在实现生产结算的规则和产能整体的数字化之后，小米需要呈现一个清晰的流程表。同时，为企业搭建丰富的支付结算通道，满足企业的交易需求。这对企业来讲，是后续做金融业务的必备基础。

第三，搭建自己的产融一体平台。要求小米深度创造比较强大的账务体系，以面对极其复杂的资金流向和业务的操作。

在产融一体化的构想下，小米一端连接着自己庞大的生态圈，另外一端通过和同业机构金融机构合作，搭建包括银行、证券、保理、ABS在内的丰富资金体系，由此形成一条完整的资金路径。

这样的蓝图能否顺利成为现实？产融大数据公司的成立已是重要一步棋，2020年或许就是小米金融的最关键的一年。

雷锋网雷锋网雷锋网

其中，蚂蚁金服总裁胡晓明接任CEO一职；CTO程立出任阿里巴巴集团CTO；副CTO胡喜升任为蚂蚁金服CTO，并向胡晓明汇报。

本次调动于蚂蚁金服而言意义非凡，尤其是“80后”胡喜的上任，使得蚂蚁金服的技术管理团队更加年轻化。

成立已14年的蚂蚁金服，如今已经成为全球估值最大的独角兽公司。

而这过程中，蚂蚁金服也趟过无数前人从未遇及的坑，走过无尽前辈没有走过的路。

尤其在技术层，更是完成了诸多开创性的成果：如长期被海外企业垄断的数据库领域，蚂蚁金服阳振坤团队自研的OceanBase，一举在极高并发领域取得了全球最顶尖的成就，高速稳定地承载了每年双十一千亿级的交易，同时该数据库正在向全行业输出，填补了中国高端自研数据库市场的空白。

与此同时，漆远团队在超大规模金融数据机器学习平台上的建树，也为中国人工智能工程史划上了浓墨重彩的一笔……

这一切，在蚂蚁金服成立的14年间，每时每刻都在上演。

如果说当年的中供铁军锻造了阿里巴巴的价值中心：运营与销售文化，那这14位蚂蚁铁军，将会成为现如今蚂蚁金服作为“技术输出型企业”最为硬核的中坚力量。（以下人物为雷锋网整理的蚂蚁金服的部分技术专家，如有补充欢迎留言）

胡喜：蚂蚁金服CTO

胡喜，现任蚂蚁金服CTO，是阿里巴巴最年轻的合伙人。

胡喜于2007年加入支付宝，从英语专业转行做技术，九年如一日地投入到蚂蚁基础技术平台的创立发展中，是阿里巴巴与蚂蚁金服“80后”优秀技术领军人物。

从2013年起，胡喜带领团队同阿里云合作，开创蚂蚁金融云平台。

2017年胡喜成为阿里巴巴最年轻的合伙人，同年12月他担任浙江省第十三届人民代表大会代表。

2019年12月19日，胡喜出任蚂蚁金服CTO。

阳振坤：蚂蚁金服高级研究员、OceanBase创始人

1984年阳振坤进入北京大学，先后获得数学学士、硕士以及计算机博士学位。1997年破格晋升为教授。1999年成为北京大学首批“长江学者奖励计划”特聘教授之一。

他先后获得北京市科学技术进步奖一等奖、国家科学技术进步奖一等奖、第六届中国青年科技奖、北京市五四青年奖等。

阳振坤曾先后担任方正研究院副院长、北大计算机研究所副所长、联想研究院首席研究员、微软亚洲研究院主任研究员、百度高级科学家等。

OceanBase是由蚂蚁金服高级研究员阳振坤创立，完全由阿里巴巴和蚂蚁金服自主研发、全球首个应用于金融核心业务的分布式关系数据库。

从2010年OceanBase成功立项，到2015年完全取代Oracle支撑双十一所有交易流量，再到2019年登顶TPC-C榜单，成为首个登上该榜单的中国数据库系统，阳振坤将阿里巴巴和蚂蚁金服核心技术要自主研发的目标向前走了一大步。

漆远：蚂蚁金服副总裁，达摩院金融智能实验室负责人

漆远现任蚂蚁金服副总裁，相继获得华中理工大学学士、中科院硕士和麻省理工学院博士学位，普渡大学授予他计算机科学系和统计系终身教授职位。

漆远博士的专业方向是大规模机器学习和贝叶斯推理，他曾访问MIT、剑桥大学、哥伦比亚大学、伦敦大学、杜克大学、SAMSI、布朗大学等多个高校和研究院，受邀在各高校以及国际会议上发表演讲，并与IT、金融以及制药界研究者在机器学习以及数据分析问题上通力合作。 他是机器学习权威杂志Journal of Machine Learning Research的执行编辑以及机器学习会议ICML的领域主席，并获得微软牛顿研究奖和美国科学基金NSF Career奖。

2013年，漆远加入阿里巴巴集团并担任副总裁，和另外一名负责人在王坚博士的领导下创建了阿里巴巴DST（数据科学与技术研究院）。

2015年漆远担任蚂蚁金服集团副总裁、首席数据科学家，其人工智能团队正在研发虚拟机器人。他领导着一个机器学习与人工智能团队从事深度学习、加强学习等人工智能领域的前沿研究和应用。

漆远目前是阿里巴巴和蚂蚁金融服务集团的数据技术线负责人，致力于大规模机器学习平台的建立及其在智能客服、芝麻信用、小额贷款等领域的应用。

刘伟光：蚂蚁金服金融科技总经理

刘伟光现任阿里巴巴副总裁、阿里云智能新金融业务部总裁兼蚂蚁金服金融科技总经理，目前致力于蚂蚁金服技术的商业推广和生态建设。

在加入蚂蚁金服前，他在企业软件市场深耕多年，创建Pivotal软件大中华区分公司，开创了企业级大数据以及企业级云计算PaaS平台的市场先河。在创建Pivotal中国软件公司之前，刘伟光曾经担任EMC大中国区数据计算事业部总经理，并在甲骨文中国公司工作多年，曾经创建了Exadata大中国区的产品事业部。

蒋国飞：蚂蚁金服副总裁、区块链负责人

蒋国飞现任蚂蚁金服副总裁，拥有160多篇顶级论文，曾获SIGKDD等会议最佳论文奖。蒋国飞的研究领域包括物联网、大数据、人工智能、云计算、计算机安全等。

他曾任NEC（日本电气股份有限公司）副总裁、NEC美国研究院负责人，带领NEC全球研发人员从事IoT、大数据分析、AI、云平台、计算机安全、软件可定义网络等研发工作。有带领全球150多名前沿研究人员的研发和管理经验。

2017年2月蒋国飞加入蚂蚁金服担任蚂蚁金服副总裁，蚂蚁区块链团队正式成立。三年来，这个团队被投入大量财力，蒋国飞戏称自己是蚂蚁“最烧钱的人”。截止目前，蚂蚁区块链已经拥有100多人的核心技术团队，其中超过80%成员从事技术研发工作，均具国际化背景。

何昌华：蚂蚁金服首席架构师

何昌华曾获得清华本科、港大硕士和斯坦福博士学位。

他曾就职于思科、谷歌、爱彼迎等公司。现任蚂蚁金服计算存储首席架构师，专注于大规模的分布式系统及大数据架构与应用。

在2008年到2015年，担任谷歌高级主任软件工程师期间，何昌华作为核心技术负责人之一，和团队一起开发了谷歌新一代咖啡因搜索引擎，并获得公司最高技术奖项。

之后两年，他在独角兽Airbnb工作，负责后台系统的应用架构。

2017年5月，何昌华收到胡喜的邀请，从美国回到杭州加入蚂蚁金服，担任计算存储首席架构师。在蚂蚁金服，何昌华的工作是开发新一代计算引擎，搭建金融型数据智能平台。

2018年5月15日，在第14批国家“”入选专家中，蚂蚁金服计算存储首席架构师何昌华，凭借系统架构领域的突出创新贡献入选。

Alex Liu：蚂蚁金服平台数据技术事业群研究员，IEEE Fellow

专注金融领域的网络安全与隐私保护研究，2019年ACM上榜科学家。曾任美国密歇根州立大学教授，现任蚂蚁金服平台数据技术事业群研究员，专注金融领域的网络安全与隐私保护研究

张辉：达摩院区块链实验室负责人

张辉是南加州大学计算机科学博士。现IEEE Senior Member，发表40多篇顶级学术论文。曾担任NEC Labs America部门主管，专注于高性能分布式系统与网络的研究以及产品开发，特别是P2P网络算法。

俞本权：达摩院区块链实验室研究员

俞本权曾任谷歌主任工程师，并完成了YouTube E-Commerce 平台建设、youtube.com/movies的创建、承担Google Analytics的数据和后台系统架构设计，并主导下一代谷歌分析后台的研发。

李杰力：蚂蚁金服区块链BaaS平台负责人

南加州大学计算机科学博士。现IEEE Senior Member，发表40多篇顶级学术论文。曾担任NEC Labs America部门主管，专注于高性能分布式系统与网络的研究以及产品开发，特别是P2P网络算法。

2019年11月8日，蚂蚁区块链BaaS平台负责人李杰力宣布，蚂蚁金服将于3个月后正式上线开放联盟链。

许寄：蚂蚁金服国际事业部国际技术负责人

2007年，23岁的许寄加入支付宝。

许寄参与了支付宝核心系统架构演进的全过程，参与了很多有重大意义的关键项目，从一代架构向二代升级的参与者，到三代架构的主导者。

2012年5月，许寄进入国际业务的技术团队，在他的带领下形成了千人的技术团队，帮助打造了9个国家和地区的“当地版支付宝”。

王益：蚂蚁金服研究员、AI基础架构首席工程师

王益是清华大学博士，曾设计和开发了大规模语义理解系统 Peacock。

早前因为大数据系统工作获得 Google APAC Innovation Award。

宋乐：蚂蚁金服人工智能深度学习团队主管，达摩院金融智能实验室研究员

2017年加盟蚂蚁金服并担任蚂蚁金服人工智能深度学习团队主管的宋乐，是佐治亚理工大学计算科学与工程系终身教授，机器学习中心副主任。

宋乐本科毕业于华南理工大学，在悉尼大学和澳大利亚信息通讯技术中心获得了博士学位，随后前往卡耐基梅隆大学担任学者。

他的主要研究方向是机器学习的大规模算法和高效系统，特别是使用核方法和深度学习方法的图模型的嵌入方法，以及静态和动态网络分析，人工智能，计算生物学等跨学科领域里的大规模复杂问题的建模和求解。

宋乐历任ICML，NIPS，AISTATS，AAAI，IJCAI等机器学习和AI顶尖会议的研究领域主席，也是机器学习顶尖杂志JMLR及IEEE PAMI的副主编。

他于2008年在Alex Smola的指导下从悉尼大学和NICTA获得机器学习博士学位。

2008年至2011年间，在卡内基梅隆大学机器学习系邢波和Carlos Guestrin的指导下进行了博士后研究。

在2011年加入佐治亚理工学院之前，曾在Google Research（现 Google AI）做过一段时间科学家。

2017年宋乐加盟蚂蚁金服并担任蚂蚁金服人工智能深度学习团队主管，如今还担任达摩院金融智能实验室研究员。

何征宇：蚂蚁金服研究员兼系统部负责人

何征宇是美国佐治亚理工学院博士，创立了谷歌的开源项目gVisor，目前负责建设蚂蚁新一代金融级云原生的基础设施。

结语

蚂蚁金服已经历了14个春夏秋冬，相比成立之初，如今蚂蚁金服的技术团队呈现出更加多元且技术交叉融合紧密的团队组成：既有胡喜、许寄等从蚂蚁金服从0到1成长起来的技术专家；有漆远、Alex Liu、宋乐等知名海归学者；也有蒋国飞、阳振坤等从其他巨头企业空降而来的技术高管。

技术、数据的融合与打通，一直以来是阿里巴巴技术委员会工作的首要目标，而当前蚂蚁金服技术团队与达摩院三大金融实验室以及集团其他技术团队的有机交叉，使其不仅拥有中国金融科技界最为强大的技术人才储备，同时先进的组织结构设计理念，也将进一步激发这批优秀的技术人才去探索更多未知领域，推动金融科技的发展。

雷锋网原创文章，未经授权禁止转载。详情见雷锋网转载须知。