度小满金融CEO朱光：

发信用卡容易及时关闭风险敞口难

这几年，在探索金融科技这条路该怎么走的过程中，我有几个体会。

第一，无论是大数据，还是其他互联网技术，要真正做好风险管理，关键一点是要回归金融本质。这几年，P2P网贷出了一些问题，究其原因是风控出了问题。回归金融本质，就是要遵循金融的基本规律，先解决风险管理，再讨论以大数据、人工智能技术提高信息分析和处理的效率，进而降低交易成本的事。

第二，深刻体会到互联网对金融风控的助力。一般意义上说，发出一张信用卡很容易，但要及时关闭一张信用卡的额度很难，或许只有等用户逾期时才会关，但那时风险已经出来了。

实时调节用户风险敞口，这对银行来说颇具价值。互联网技术和大数据的应用，就可以在实时调节风险敞口方面发挥重大作用。比如用户从就业变成了失业，或者他的生意从正常经营变成关停，或者他的网络习惯发生变化等，当一些变量发生异动的时候，我们的风控模型可以及时发现、及时关闭风险敞口。因此，消费金融通过互联网实现实时的风险调控，大大降低了金融风险。金融科技，让我们更精准的识别用户需求、判断用户风险偏好和偿还能力。

我有两个建议。

第一，通过利率强管控，化解金融风险。目前，行业普遍存在“高利率覆盖高风险”的做法，利率强管控可以让金融机构聚焦在风险管理上，真正夯实自身的风险“防火墙”。

第二，建议对于小额贷款公司能够实施分级管理。根据风险评级和过去的资产表现情况，能够区别对待。让资产质量好、风险管控能力强的持牌金融机构与银行开展更广泛的合作，共同推动普惠金融。

全国政协委员周延礼：

金融科技公司做保险业务要体现优势

相当一部分金融科技公司涉及保险业务，处在初级阶段。对此我有三个思考，或者说是对这些企业提三个问题。

首先，金融科技公司做保险业务，要深入地做一些底层技术研发，同时要考虑做全险种。立足于当前中国市场的发展趋势，我认为这个平台将来会吸引一些大的保险公司或者再保险公司，利用你的低成本，做一些交易。再比如汽车金融这块业务，无人驾驶的保险问题诚然是一个新课题，但金融科技企业的保险业务，也要兼顾新能源汽车的保险业务。将来，可以有针对性地开发一些保险项目。比如，

可以考虑和一些汽车公司合作联动。现在车险占财产保险的比例是70%-75%，金融科技公司可以在获取更多数据的前提下，做好风险定价，提高理赔服务效率。

第二，保险的资管产品很多，金融科技平台可以考虑定制一些产品，和保险资管公司合作，增加交易量。

第三，提高金融科技公司专利权保护的意识。大家有一个传统的概念，就是注重技术研发，强调应用，但没有强调价值。比如保险模块，知识产权非常有价值，运用于哪家公司，哪家公司是要长期付费的。特别是客户行为画像的技术，可以考虑签订数据保护协议，以提高数据使用效率，但不要搞成所谓的“私有云”，也就是我们常说的信息孤岛。我认为，金融系统的“公有云”建设是篇大文章，很有得做。

度小满金融副总裁许冬亮：

底层金融大脑对风控至关重要

金融科技在美国已有百年历史，形成了几个明显规律：第一，金融科技有赖于市场需求去做路径规划；第二，使用得当，金融科技可以大幅提升金融业效益；第三，沿着这个坐标轴去看，随着时间推移，金融科技发展呈现加速状态，尤其是最近这些年，智能金融在金融科技当中的作用越来越大。

纵观人工智能发展，我们和银行伙伴达成了一个共识，那就是金融科技已经历了三个时代：1.0时代，金融科技是电子时代，典型代表是计算机在银行当中被普遍使用；2.0时代，金融科技是互联网金融时代，典型代表是物理网点收缩，业务线迁至线上；当前，迈入3.0时代，金融服务边界扩大、效率提升，典型代表是人工智能技术在金融科技领域的深入应用。

度小满脱胎于百度，有两个坚实基础：一是百度丰富的场景生态；二是大量人工智能技术。可以说，度小满是第一个从百度AI商业化学院“毕业”走向市场的。除此以外，类似无人车、DuerOS操作系统还在孵化当中。

结合金融科技智能化的辐射面，以及金融企业的核心诉求，我们布局了三大能力以及底层金融大脑。底层金融大脑包含两部分，有点像人的左脑和右脑，一部分是感知引擎，解决感知问题，也就是听说读写；另一部分是决策引擎，代表了思考功能，包含了数据分析能力、积极学习建模的能力。这两部分构成了非常重要的金融大脑基础。大脑的底层需要有很强的知识库，包括大数据、知识图谱作为积淀，这是整个金融科技布局非常核心的内容。

基于这些核心内容，我们有三大能力场景的拓展：一是服务于金融机构，帮助机构拓展服务边界；二是降低整个金融企业的风险，也就是风控管理，进一步提升风险管理水平；三是降低金融企业的服务成本，就是降本提效。尤其是很多人力密集型工作，就像大家看到的那样，机器人大幅度替代劳动密集型的一些工作。

底层金融大脑的研发，不仅仅是为了提高运营的效率，更是为金融机构把控风险提供多一层屏障。这方面有三个点值得关注。

第一是大数据画像。我们基于百度生态上对用户的感知和认知，可以刻画出用户的整个画像，比如用户学历、职业等对应金融消费能力的特点。

第二是大数据多维度防伪。这项功能具备很强的反欺诈能力，也提升了造假的代价。

第三是与传统金融数据之间形成互补，尤其与中国人民银行征信系统之间形成较好的互补效应。在这个基础上，我们可以进一步控制大数据风控当中的一些不可控因素。

在处理大数据风控的过程中，我们也面临几个问题。第一，数据比较高维，同时是非结构化的；第二，数据很稀疏；第三，与推荐和搜索引擎相比，金融的样本量相对较小。