4月28日，在GMIC全球金融创新峰会上，第四范式合伙人柴亦飞做了“赢在维度-人工智能定义金融新未来”的主题演讲。

柴亦飞在演讲中以美国的消费金融公司capital one、运通为例，说明了金融企业推出差异化服务，以及对不同的差异化群体挖掘的重要性。并指出当国内金融企业抢过资源之后，靠创新模式、增大投资，去获取企业增长已经是不可持续的，未来比拼的就是比别人更高的精细化运营和差异化策略，而这背后则需要超高维度的人工智能技术的支撑。

以下为柴亦飞演讲速记整理：

首先非常荣幸今天受到大会的邀请，给大家分享一下我们在人工智能，特别是消费金融的分享。

我相信大家都知道这两家公司，一家是美国的消费金融公司capital one，还有运通。capital one已经超过三千亿美元，几乎达到运通的四倍。同时看到它的估值现在达到了运通贷款业务部分估值的接近四倍。

我们看一下它怎么做到的？首先看到它的利息收入，capital one已经是在运通的10.95%恩的基础上提升到了14.6%。我们看到它的风险在运通的1.8%基础之上上升到2.1%。capital one已经不是大家理解的我靠低价把其他银行或者公司的高质量客户挖掘到这儿来，愿意付更高利益、风险更高可控的差异化群体。

从八十年代来看，传统的信用卡公司它们的利息都是固定式的利息，而八十年代的时候，capital one也刚开始着手制差异化定价策略。

90年的时候，运通做了初步的工作，它把差异化定价做了十几种。

capital one这个时候把差异化定价的产品做到了几百种甚至上千种。这个时候我们可以看到，运通解决了什么问题？

运通解决了问题的复杂度，在1乘以几十的规模上，capital one解决的是1乘以几千。2000之后，运通受到了金融危机的打击，并没有贯穿差异化产品的服务策略。

capital one在2000年之后，大大提升了差异化产品，还推出了一系列差异化服务，加上对不同的差异化群体的挖掘。我们看到了capital one在2000年以后解决了1×5000万，甚至更高维度的问题。14到17年，运通的股价一直往下走的，capital one一路上扬，大大超越了平均水平。

我们看看现在国内的情况，特别是消费金融的情况。

前些年大家都是在抢线下市场，在抢线下客户，后来大家都在抢线上市场、线上客户，最近几年大家都在抢移动市场和移动客户。我们想想如果我们把线下、线上、移动，随着这些市场规模提升的这些新客户机会全都抢完了之后，我们要怎么办？

我们势必就要从竞争对手，其他的消费金融公司抢客户，以前我只要够快就可以占到地盘，现在别人做到60分，我就得做80分，别人做80分，我得做90分。分数比别人高的精细化运营和差异化策略。

背后的技术支撑是什么？我们认为一定是人工智能，AI的技术。我们以前靠创新模式，靠增大投资，去获取企业增长已经是不可持续的。

我们现在要靠什么？企业市场上的核心竞争力是什么？是我们的决策能力和决策效率。只要我们的决策能力和决策效率比别人高，我们就能获得在市场上独特的竞争优势，这背后的基础就是我们所称之为超高维度的人工智能的技术。

所以我们想解决像capital one这样的公司，遇到的问题，要靠的是人工智能。在这儿有一个示意，我们如果从这群黑色的客户群体中找到有购买意愿的橙色群体，我们划两刀，好像看到右边是我们的红色群体。这里也有一些黑色的群体，把整个群体中相对比较个性化的群体忽略掉了，并没有识别出这些客户的机会。

在机器学习和人工智能时代我们怎么做呢？我们就把客户群体的分类划细，四类不够，就400类，400类不够就4000类甚至更多。大家已经不是千人千面做一个分析，而是一个人在不同环境和场景下的个性化研究。

我们以前在分析的时候怎么做？我们就是在黄色的，特别长尾的部分，先切一刀，丢掉不看了，因为这个数量特别大，人特别杂，非常难分析，而且非常个性化。以前我们的技术和专家的精力是不足以分析这样的长尾，我们只能根据左边红色的部分，找到里面可能几个规律，几十个规律，几百个规律。可能就是以前我们能做到的一个极限了。

这里有一个很重要的问题，我们大的银行可能零售客户有几亿个，我们跟一些相对体量比较小的城商行或者其他的公司做客户分析的时候，我们有什么优势？我们如果只看红色的部分并没有什么优势，因为大家都是在分析头部，我能分析十万个，你也能分析十万个。我海量的长尾价值完全没有被分析出来。现在谁能够把长尾客户的价值充分挖掘出来，谁就占据了市场上竞争的优势。

现在人工智能很火，其中最火的是什么？我们称之为深度学习，就是神经网络，包括alphago。

但是如果我们在银行或者消费金融公司引入神经网络技术的时候，会有什么局限呢？就是神经网络它能够输入的变量或者数据是有限的，我们看到常见的神经网络能够引入的变量数大概在万级别，就是十的四次方。

我们曾经作过一些研究，我们用一万台的服务器做特大规模的神经网络，能够做到输入变量大概是一百万左右，这已经是传统技术的极限了。我们再想四大行有几亿个客户，如果我只能抓到几亿变量，我怎么能够把个性化、差异化的需求捕捉出来？显然是不行的。我们现在发展了一个新的技术，称之为DNN的技术。它可以介入的变量达到一万亿个系数变量。我们现在来看，我们怎么把这个长尾客户的价值充分挖掘出来，得靠有技术，能够把这么高维度空间的客户需求、风险表现充分挖掘出来，才有可能真正做到千人千面，一人亿面，一人千面的程度。

我们相应的设计了一些计算框架，有一个称之为GDBT（general distributed brain technology，超大规模并行机器学习框架）的机器学习框架。它大概是开源spark的数十倍。

我们在相对比较小数量级的，比如五万级，我们只比spark快了8%，其实并不是非常显著的提升。我们在三千多万条的大数据上做过性能测试，我们会比开源的spark提升了416倍。

大家可以看到，在这个领域里面，其实是需要有非常强的技术的积累和应有，才能真正的去做到客户细分和客户个性化的挖掘。

我们这里还有另外一个例子，就是Face Book。

Face Book在12年的时候，我们创始团队跟Face Book做了很多技术交流。当时是我们想吸引一些Face Book的华人技术专家，能够回国加入到国内的创业大潮里面来。聊下来的感觉是什么？

2012年的时候，Face Book所拥有的机器学习维度能力在2000左右，我们发现这并没有好引进的人才。因为在那个时间，国内的水平已经达到上亿、几十亿，甚至一百亿的水平了。

我们在2016年的时候，跟Face Book的技术团队又做过一些交流，我们了解Face Book现在的人工智能的水平到了什么样的程度。我们发现2016年的时候，Face Book的维度已经做到2000亿，达到世界最领先的人工智能的技术之一。这也是我们公司为什么现在有来自Face Book团队的负责人，加入我们公司一起做一些创业。

我们看一下国内的银行，包括金融公司在应用人工智能上有一些什么样的经验。

首先，看一家股份行的信用卡公司，这是非常好的例子。我们以前做信用卡交易反欺诈的时候靠的专家规则，我们专家把历史上各种各样的欺诈交易规律给找出来，总结成专家规则，然后放到一个决策引擎系统里面去，以后每一笔交易来了之后，就看看这个专家规则是不是命中了，如果命中了可能就是高风险交易，我就预警，可能一个座席打电话到你手机上问，你不是需要报案。

我们用了原则的几百个规则提升到了25亿的维度变量空间，找到了数千万个有效变量。就变成一个数千万的有效变量的模型。

我们用这个模型去做效果的对比之后，就发现在相同的欺诈交易召回率情况下，比谁的准确率更高。发现超高维度机器学习模型比传统专家规则高数十倍甚至上百倍，这是非常惊人的提升。我们做这样的工作之前，没有哪个银行的同事会知道能达到这样的效果。

比如做一些精准营销和分期产品的推荐。它的响应率和收入规模提升有60%到70%，带回来一年的营收规模提升有一到两亿。我只是部署了一个模型，一年多赚两亿，这是非常惊人的提升。也包括银行的基金推荐、保险产品推荐，或者是一些理财产品的推荐，我们也做了非常大量的工作，看到在很多场景下这些理财产品推荐的提升都可以达到五倍甚至十倍规模，也包括一些在智能客服、差异化定价和社交挖掘的工作。

我们可以看到在四大行，还有一些股份行，包括领先的证券公司、保险公司，大家纷纷来投入精力和技术力量研究人工智能，特别是超高维度人工智能对他们业务带来的提升。我相信2017年也会有越来越的银行和消费金融的公司能够从机器学习的能力建设上得到更多的业务价值的提升。

谢谢大家，今天介绍到这儿。

人工智能在中国已经掀起了新一轮技术创新的浪潮，我们如何去感受人工智能的风向标？技术、创新、应用如何突破？未来人工智能这片蓝海怎么去航行？

5月21日，2017全球人工智能技术大会将在北京盛大召开，这场人工智能的盛会将带来当下最先进的人工智能成果，同时也将迎来AI领域专家带来的行业解读。

2017全球人工智能技术大会详情页面：http://2017gaitc.caai.cn/

活动时间：2017年5月21日09：00至5月22日18：00

活动地点：国家会议中心会议区四层大会堂B

2017年5月21日

上午 主论坛报告+尖峰对话

下午 主论坛报告+尖峰对话

2017年5月22日——精彩论坛

智能驾驶分论坛

模式识别与智能感知分论坛

AI变革时代的智能系统测评分论坛

深度学习分论坛

智能金融分论坛

人工智能女科技工作者分论坛

自然语言理解分论坛

智能投资分论坛

脑科学与人工智能分论坛

智能体训分论坛

未来已来-人工智能的技术应用分论坛

智能机器人分论坛·人工智能前沿讲习班特别活动

                   
                   
                               

本文系投稿稿件，作者：柴亦飞；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。