十年前提起金融科技，人们多半在谈金融信息化建设，世界还没有互联网金融和人工智能应用的姓名。如今，我们立在2020这个山头前后张望，会惊觉变革无时无刻不在各个维度发起，林海翻涛，遍地生辉。
为技术创新冲在最前线者有之，为规模化应用落地奋斗者亦有之；传统的金融业务场景和流程被拆解成更细的颗粒，逐步数字化、智能化翻新；解决方案的整体化、平台化特性也逐渐彰显。我们试图从这些维度出发，找出金融科技下一个十年的「先锋阵列」。
还有人在争辩谁是前浪后浪，而最敏锐的航海者已经分清潮水的方向。
互金企业集体转型升级，改造传统信贷流程，告别粗放式经营，选择强调自己的科技赋能角色，是过去数年里最受关注的金融科技趋势之一。在今年企业们披露的年报数据中我们可以看见，这样的转型之举已经初有成效。
首次将科技收入独立出来的360金融，可以说是行业代表之一。
在2019年报里，360金融将收入调整为传统收入和科技收入两部分，以反映公司加码科技的战略决心，以及更加全面真实地反映公司科技转型的业务形态。
2019年，360金融传统收入为人民币80.13亿元，科技收入则为12.06亿元，增速高达336%，这一数字在2018年为228%。
科技服务占比稳步上升，由年初的0.8%跃升到年底的22%。
在电话会议上，CEO吴海生宣布，预计到2020年底，在新增业务中，科技驱动业务量占比将提高到30-50%。
360金融对科技业务的总结陈词，某种程度上也概括了互金企业们的转型意图：当金融周期真正到来，传统业务将面临利润大幅缩水的风险；相比之下，科技业务赚取的是智能获客、智能风控这样的技术服务费，虽然在短期牺牲了一定的利润，但由于不承担金融风险，业务稳健性将会加强。
具体到业务环节，几组数据或许更能说明这家企业的科技投入效果：
截至2019年12月31日，360金融累计注册用户1.35亿，较2018年底增长71.3%；授信用户2472万，同比增长97.1%；在360金融的帮助下获得贷款的用户达到1591万，较2018年增长92.1%。
摩根士丹利在报告中指出，运营效率应当兼顾借款用户的数量及质量。在2018年2季度至2019年3季度之间，360金融每季获取新客户超过150万人，远高于同业上市公司。
中金公司的报告则表示，2019年，360金融拳头产品360借条的月均MAU达1511万人，月均DAU为165万人，两项排名都位列同类公司之首。
逾期率方面，截至2019年12月31日，360金融的M3+逾期率为1.5%。
从用户增速和质量不难看出，360金融在获客运营方面颇有心得。该公司表示，这得益于贯穿业务全流程的人工智能技术的应用，例如借助全自动化算法智能投放，利用实时数据和用户全生命周期标签实现智能运营。
另外，贷后环节中，智能机器人自动完成+AI机器人的大量应用，极大提高了面向海量用户的服务效率和质量，提升了客户黏性。
360金融透露称，其78%的催收工作、77%的电话营销工作、91%的客户服务工作都由相应的机器人完成，即便由人工完成的部分也实现了AI质检机器人的100%覆盖检查。运营的多个环节自主研发了近百款机器人，申请了近四百项发明专利。
值得一提的是，360金融在2019年12月上线智信引擎业务，通过数据智能技术构筑生态圈。该业务一方面连接优质和分散的互联网流量场景平台，拓展多元流量变现通道。
拍拍贷母公司信也科技，同样是值得注意的典型案例。
在科技领域更上一层楼的决心，不只体现在名字的更改上。根据最新财报数据，2020年一季度，信也科技的研发费用为8760万元，这一数字在上一季度（2019Q4）为9310万元。
截至2020年5月20日，信也科技共登记软件著作权139项，另有已授权及申请中的专利130项。
信也科技称，对业务全流程的精细化运营以及技术微创新是后续科技投入的重点。
针对日常流量投放存在的数据分离、批量投放困难、无法实时监控和预警等痛点，信也科技也自主研发了章鱼流量管理平台，其能够通过定位实时数据链路、效果评估、决策优化引擎、智能投放平台，实现媒体渠道精准触达目标客户群体，挖掘潜在用户。
在金融科技的下一个十年里，可以预见的是，技术服务商们的产品会更注重整体化、平台化，不再是普通的单点输出。
生物识别在金融领域的应用进程，就是由点到线及面，如今正在形成覆盖多渠道、多场景、多模态识别融合的平台解决方案。
随着金融业务线上化的蓬勃发展，用户授权环节身份确认的方式日益多样化，涉及的业务场景也不仅是开户、支付。每个业务系统“各自为政”建立独立的身份识别方式，不仅会造成资源浪费，也为后期数据管理、同步维护等方面增加了难度。
将多种不同生物识别认证方式集成到一个统一平台中，实现系统间数据整合、资源共享，对于认证效率和系统安全性来说至关重要。
身份认证作为金融业务的第一道风控关卡，对技术服务商的综合素质要求不亚于「特种兵」：既要有对不同生物特征的优秀识别能力，又要对金融不同场景逻辑和痛点理解透彻，有强大的数据处理分析能力，以及服务本身足够灵活高效。
作为最早一批将生物识别技术引入到银行内部强安全认证业务中的企业，眼神科技是业内率先推动多模态融合，并将多模态融合识别做到平台级的排头兵，拿下了金融行业超过80%的客户。
眼神科技打造的ABIS多模态生物识别统一平台，建立在其人脸、虹膜、指纹、指静脉及多模态生物识别融合算法基础上，通过轻量化、高效扩展的微服务架构和丰富标准的服务接口，实现一站式的识别认证服务、统一的数据管理服务及智慧化的运维服务，可以做到按需灵活组合、快速扩展。
对金融机构而言，KYC不会只是“认识你的客户”这样简单，要将金融服务上升到“懂得你的客户”层面，而金融科技公司正是这关键一跃的「主演」。
眼神科技的这一平台也通过与银行大数据平台的融合，高效、稳定地为客户提供数据分析与识别能力，帮助各大银行为客户提供智能化、个性化的服务体验，增强海量客户数据的风险防控能力，助力银行步入生物识别大数据客户营销时代。
目前，眼神科技的ABIS多模态生物识别统一平台在金融行业多场景中已得到广泛应用，包含互联网渠道、柜面业务、自助银行、智慧网点等，在确保客户信息和账户安全的同时，打造优越的客户体验。交通银行、邮储银行、民生银行、华夏银行、渤海银行和数家省级农信社等众多金融机构均已引入。
此外，眼神科技也将多模态生物识别融合技术赋能金融以外的更多场景，如学校、社区、政府、公安等，实现了行业合作的深度融合。
谁能率先实现数据安全和隐私保护的最高目标？
去年下半年的大数据行业震荡，和本月《数据安全法》的正式出台，无一不指向同一个技术趋势：
实现数据可用不可见，保证数据安全和隐私保护。
在监管更严格、业务更敏感的金融行业，数据的安全有序使用自然被调到了更高的优先级。能够在这一方面上率先获得实质性进展的金融科技企业，自然也有望引领行业趋势。
重新审视数据的获取、共享，到使用和加工，链条的每一环都有不小的漏洞，学术界相继出现了安全多方计算、可信执行环境、隐私计算、联邦学习、共享智能等解决路线，在数据控制、处理或实现方式上各有不同。
联邦学习这一研究分支，正是在微众银行首席人工智能官杨强教授团队和其领导的IEEE联邦学习标准制定委员会的推动下，成为当今全球人工智能产学两界最受关注的领域之一。
从简单定义来讲，联邦学习是在本地，把本地数据建模，模型的关键参数加密，数据加密传到云端也无法解密。云端用算法将数据包们加以聚合，来更新现有模型，模型更新后下传。重要的是，整个过程中，云端服务器不知道每个数据包里的内容。
这种多个参与方（如移动设备或整个组织）协作式地训练模型的机器学习方法，将不再需要将分散的训练数据搜集到一起，数据不出本地的特性让数据使用全过程都变得更为安全可靠。
在杨强教授带领下开展联邦学习研究的微众银行，内部已投入百余人，打造了一个覆盖技术上下游的联邦学习团队，包含研究、学术、研发、商业、行业应用等多个细分队伍。他们已申请100+项相关专利，牵头推进IEEE联邦学习国际标准与联邦学习国家标准制定。
2019年2月，微众银行开源了联邦学习框架FATE，这也是全球首个工业级联邦学习开源框架，能够解决包括计算架构可并行、信息交互可审计、接口清晰可扩展在内的三个工业应用常见问题。
它给开发者提供了实现联邦学习算法和系统的范本，大部分传统算法都可以经过一定改造适配到联邦学习框架中来，用户体验上和传统建模差异较小。
微众AI团队也发起了「联邦学习生态」（FedAI Ecosystem），在确保数据安全及用户隐私的前提下，建立基于联邦学习的 AI 技术生态，使得各行业更充分发挥数据价值，推动垂直领域案例落地。
目前微众已将联邦学习用于金融领域，通过合法合规的多维度联邦数据建模，小微企业风控模型效果约可提升12%，相关企业机构有效节约了信贷审核成本，整体成本预计下降5%-10%，并因数据样本量的提升和丰富，风控能力进一步增强。
在微众看来，联邦学习不仅具有加速AI创新发展、保障隐私信息和数据安全的公共价值；从商业层面上看，联邦系统更是一个“共同富裕”的策略，能带动跨领域的企业级数据合作，催生基于联合建模的新业态和模式。
雷锋网雷锋网雷锋网
正在生成分享图...
嘉嘉