关注“Ai时速”
智慧赢未来！
Ai时速
因着Ai的美好：用速度和激情创享Ai时代！
职业创业|PK分享|成长进化
导读
写在前面
“
1月26日，第四范式宣布了B＋轮融资，新晋投资方来自国有银行：中国工商银行、中国银行、中国建设银行三家国有银行及所属基金联合入股，性质为战略投资。其创始人兼CEO戴文渊表示“第四范式的研发思路是把人工智能引擎部署在银行的整体系统里，并且可结合业务实践、可在上层进一步自主开发。”，“本轮融资后，会加快产品和解决方案在全国范围内落地，为包括银行、保险、证券在内的更多企业带来AI技术应用，最终让所有企业与用户都能享受到人工智能带来的红利。”
”导读
1.第四范式.先知3.0
2.智能金融.新时代
第四范式4Paradigm
AI For Everyone！
专注于人工智能技术和数据科技驱动行业的创业公司。内部有个公式“人工智能=机器学习+大数据”，然后基于大数据和机器学习的技术，AI能提供三种能力：预测未来，数据融合和终身学习。现有产品：第四范式先知(企业级AI核心系统)、SaaS服务、个性化推荐，主要应用于金融.交易欺诈、互联网精准营销等场景。
2018年1月26日获B＋轮三大国有银行(中国工商银行、中国银行、中国建设银行三家国有银行及所属基金联合入股)的战略投资。之前已经完成了A轮红杉中国领投，A+轮创新工场领投，B轮元生资本、众为资本领投的融资。
1
第四范式.先知3.0
“库伯学习圈”认为人类学习的过程是由“行动——经验——反思——理论”这四个阶段构成。类比到机器学习领域，机器决策则是由过程数据（行动）、反馈数据（经验）、机器学习（反思）、产出模型（理论）构成的“机器决策闭环”。
在2017年乌镇.世界互联网大会上，戴文渊揭露第四范式先知3.0是源自对“库伯学习圈”理论的理解，结合机器学习特点及第四范式数百个行业应用案例的经验，打造出的新一代企业核心系统，其包括数据核心、算法核心和生产核心三大模块。
数据核心通过对数据规范化、标准化，让企业各业务环节的数据在系统内互相受益、互相贡献，实现数据价值最大化；
算法核心通过将先进的机器学习算法封装在核心系统中，通过自动特征工程等专利技术、降低模型建立门槛，快速训练出超高维度、实时反馈的AI模型；
生产核心简化了AI模型从线下训练到线上生成的流程，将数据价值转变为AI的预判能力，使AI技术安稳对接到产生决策的环节，真正意义上提高了AI的“可用性”。
2
智能金融.新时代！
1月20日埃森哲与百度共同发布的《智能金融联合报告》，提及目前我国有着8亿经济活跃人口，有央行征信记录人群仅3亿，尚有5亿人未被覆盖到，信贷线上化率仅6%；188万亿资产管理规模，非银行存款占58%，资产配置优化空间巨大，而线上化率仅10%。此外，在保险、小微企业金融服务等诸多领域都存在很大发展空间。
1
智能金融.愿景
将金融服务推向新的高度,真正实现以客户为中 心，成为未来金融服务的新标准 :随人、随需、随时、随地。
2
四大关键技术
3
四大特征
自我学习的智能技术。人工智能将实现“感知—认知—自主决策—自我学习”的实时正循环;数据传 输速度实现质的飞跃,云端将无缝融合;介入式芯片等新的硬件形式将出现,甚至实现人机共融。人工智能可以更灵活地自主学习和管理知识,支持知识的“产生— 存储—应用—优化”的体系化管理,更准确地提前感知 外界环境动态变化,理解用户需求,做出判断并决策。
数据闭环的生态合作。智能金融企业的战略重点从互联网时代的 业务闭环转向实现数据闭环,不再局限于满足当前用 户需求的联手,更加注重企业间数据结果回传对于合 作各方未来能够可持续满足用户需求的能力的提升。
技术驱动的商业创新。智能技术将不仅仅在“效率”上发挥价值,而是通过与产业链的深度结合 ,在“效能”上有所作为。在金融领域,移动互联网时代更多体现的是“渠道”迁移;人工智能时代则使得技术在金融的核心,即风险定价上发挥更大的想象力。
单客专享的产品服务。个性化”不再仅限于客群层面。基于海量的客户信息数据、精细的产品模型和实时 反馈的决策引擎,每一个客户的个性数据将被全面捕 获并一一反应到产品配参和定价中。所有的产品不再是为了“某些”客户提前设计,而是针对“某个”客户实时设计得出,实现产品服务的终极个性化。
4
六大应用场景
支付：作为与消费者连接最紧密的环节,智能金融对于广大用户的支付需求影响的最早、最广、最深。 创新技术：生物智能打造极致便捷的支付体验；区块链推动跨境支付结算；数字货币为货币流通体系。
个人信贷：消费升级、信贷渗透率提升激发了消费金融市场的发展,2017年消费金融市场达20万亿。消费金融需求已不再局限于房贷 、车贷等大额消费 ,而 逐步深入家电、食品、旅游、教育等商品消费及服务场景中，信贷模式多样化。创新应用：智能获客、智能反欺诈、大数据风控。
企业信贷：埃森哲《 适者生存:重塑银行在金融科技时代的竞争力》报告中指出，我国中小企业数量达到7,000多万户，占全国企业总数99%以上，而现有企业征信系统中的记录却不到 600万家，覆盖率不到10% 。创新应用：大数据丰富企业信用体系；物联网掌握货物数据补充经营信息。区块链推动融资全流程信息透明提升信任。
财富管理：智能技术在投资偏好洞察和投资资产匹配环节能够极大地降本提效,使财富管理逐渐走向中低净值人群, 呈现高效、低费、覆盖更广泛的特点。 创新应用：立体洞悉用户促进投资风险和需求的精细化分层，智能触达提升转化效率，智能投顾普及资产配置理念。
资产管理：智能金融时代智能技术逐步突破应用到资管领域,解决跨期资源配置 中的信息不对称问题，全面提升资金和资产流通效率。创新应用：穿透式风险评估提高资产透明度；区块链推动资产的全生命周期管理；智能投研助力投资决策；自动化定损理赔大幅度降低人力成本；智能客服与智能账户管理推动运营体系升级。
保险行业：智能技术逐步涉足保险行业核心的产品设计和精算定价领域，真正开启保险业的全面变革。创新应用：精准用户画像助力营销获客；物联网、大数据驱动产品创新与个性化定价；风险筛选促进精细化智能承保。
5
六大决胜要素
规模：效率之争必然意味着规模之争，规模化是衡量效率的最重要因素。
标准：标准的制定者掌握竞争的主导权,引领行业创新并制定竞争规则,从而建立起牢固的领 先优势。移动通信的标准之争即是典型例证,得标准者得 天下,各家公司均提出自己的技术主张并希望成为行业通用标准在全世界使用,进而在专利、芯片等行业产业链上获得巨大的商业价值与行业影响力。
独特资源：独特的数据资源、客户资源、场景资源或者是跟某些优势业务的协同效应资源,作为一种禀赋能够最直接地作用于效能提升上。
行业理解：海量数据中构建知识图谱,寻找数据之间的关系,构建关系网络,并最终提供有价值的服务必然要求企业能够 深入理解行业、行业数据特征及应用。
生态合作深度：在细分行业内,会存在大量特殊的场景需求和业务需求,需要合作双方联合解决, 信任在其中不可或缺,会极大降低双方合作成本。
生态合作广度：通用领域要求生态合作广度，依托于大量外部合作伙 伴的数据反哺、产品反馈,帮助智能金融创新者优化模型、提升技术和能力。
这是最好的时代，也是最坏的时代！
不容置疑的是，Ai无处不在！
关注「Ai时速」用速度和激情创享Ai时代，
2018丨我们「一起Ai」
往期精选
2018丨AI七大趋势
