文 | 李永华

来源 | 智能相对论（aixdlun）

百度金融独立拆分为度小满后，BATJ就只剩下腾讯金融“养在深闺人都识”，不过从大佬体系里独立出来的玩家们在如何玩好金融科技上意见并不一致。

风头出尽的蚂蚁金服做“副业”十分积极，在投资了哈罗单车后，又1亿美元入股雪球；京东金融在体量不济的情况下死磕区块链多时，最近又在贵阳推出“资产证券化联盟链”；度小满金融则不断强调其技术能力，在7月4日-5日百度AI开发者大会“智能新引擎 金融新动力”分论坛上首次对外公开亮相，就宣布已经进行了“配置升级”：升级云帆开放平台至2.0、开放磐石一站式金科平台，以及升级ABS业务及ABS云平台。

事实上，虽然玩法各不相同，但正如度小满金融CEO朱光在论坛上所说的那样，AI技术在金融领域的应用已经从实验室阶段，正式进入到规模化的应用阶段。某种程度上，金融科技的“技术”阶段已经过去，跨过技术与专业鸿沟的Fintech才能有新的突破。

那些曾经炫目的技术，已经成为Fintech最底层的存在

Fintech已经从创业热潮风口转向大佬带头、小创业者谋生的高速发展期，那些在风口刚到时颇为时髦的技术们开始大范围普及，只是理解深度的不同。

武功的最高境界是无招胜有招，“金融科技”如果能把“科技”变成一种内化的能力而不是外在张扬的表现，把过去的明星技术改造成底层存在，这样的金融科技平台将有更多的“闲心”关注金融专业，关注金融市场，关注自身的商业模式，从而成为某种无招胜有招的存在。

这种技术的“底层化”，需要的是足够的积累以达到质变，以度小满为例，其所谓金融科技核心能力大都已经从当初李彦宏的“智能金融”概念变成足够支撑度小满金融平台运作的底层技术：

智能获客，通过独有的大数据能力和强化学习方式，实现快速精准获客；身份识别，数据显示攻击拒绝率超过95%，通过率超过98%，响应时间最少几十毫秒；大数据风控，关联网络170亿节点，700+亿条边，从云帆平台产生的贷款看，坏账率低于0.5％，同时有超过30%的通过率；智能催收，官方宣称催收机器人已可替代40%－50％的人力，且回款率提升3%－5%。

对金融业务来说，这些数字已经十分优秀。再来看蚂蚁金服，去年还是《麻省理工科技评论》2017年全球十大突破性技术的刷脸支付，如今已经被支付宝当做一项“普通的底层技术”，在快递等非支付领域大行其道。

这些数据和事实说明，不论是技术能力还是业务的积累，大佬们的金融科技可能都度过了“主要谈技术”的时代，技术成了自然而然的存在。对于那些仍在技术爬坡的中小创业者来说，竞争已经差了一个维度。

底层技术加上已经成为共识的开放，金融科技很容易形成“飞轮效应”：刚开始合作伙伴少的时候启动很困难，一旦数量足够多，技术开放带来的试错、数据及优化反馈就把自己的底层技术能力进一步巩固，越是往后，底层技术力量的充实过程就越是停不下来。

这也是为什么大佬级平台地位难以被撼动的原因，像度小满这种本身就带着百度强烈的技术和开放基因，500+家银行以及互金机构的合作、350万以上的平均日查询量反过来也是度小满技术的实践场所，技术飞轮已经滚动起来难以被停止。

金融属性永不变，懂业务不只是说说而已

金融科技不会也不允许改变金融的本质——金融仍然是一门管控风险、匹配资金需求与供给的生意。技术对金融的改变，只是视角和方式上的改变，例如边际成本、效率、普惠程度的不同，信贷永远考虑还款能力、还款意愿、逾期，理财永远考虑财富目的、风险收益比。

当技术成为最底层的存在时，更懂不变的金融业务运作就成了决定竞争成败的赛点。不仅是程序员，还得是金融专家。而技术与专业的结合，还有三个注意点。

1、打通金融技术服务，必须先流程后节点

消费/投资方式变了，所以金融产品跟服务也得变，但把那些酷炫的底层技术与金融业务相结合并没有看起来那么简单。

以智能信贷为例，原有的人工审批方式要直接过度到高度自动化、一天几千万笔信贷决策显然不太可能。这是金融科技首要的操作层面问题：帮助合作伙伴突破，究竟要怎么着手、怎么一步步干下去，才能解决他们的需求痛点？

在专业深度理解的基础上，这个过程可能要从C端出发，先“捋顺”符合新金融业务特征的信贷流程，由后到前，逐步改造信贷最终审批、授信过程、数据接入、数据场景提取……等，然后再把每个流程节点进行数据化、智能化（例如授信这个节点的数据化），最后把所有的节点串联就成了全自动化决策系统——先构建链条，再单点突破。

理财、消费金融等金融领域也是如此，例如度小满云帆开放平台要与各金融机构合作服务于C端消费者，尤其是“搭建平台全链条接入能力”，显然解决合作伙伴获客、风控等痛点的方式也是从C端出发优化流程、数据化节点的过程。目前，在接入近30家金融机构后，云帆开放平台的2.0版本升级，智能分发引擎、资金管理能力升级，都是在业务理解基础上，流程节点数据化、智能化的深化，是单点突破的过程。

2、“松耦合”已经是金融科技解决方案的核心特征

每个合作伙伴的需求并不一样，知道了流程与节点数据化的方法，也不能全盘复制，必须从C端出发进行流程重构和节点再造。这导致金融科技服务标准化不足，难以产生规模效益。

金融科技必须找到“定制与标准化”的平衡，而“松耦合”可能那个答案。基于对金融业务的理解，一方面把服务产品拆分成多个模块、保持相对独立（模块内标准化），另一方面用各类接口做“松耦合”——既相互联系又不过分咬合导致牵一发动全身（个性化流程的节点变动导致的改造成本大）。

在度小满“磐石一站式金科平台”案例中，反欺诈产品、信用产品、验证类产品和智能催收产品等可以灵活与自由组合，在金融信贷业务的贷前（灰产识别及联合建模节点）、贷中（账户管理及Test & Learn节点）、贷后全流程（智能催收节点）都所有表现，而底层技术又带来诸如贷后智能催收节点上的标准化、零投诉、产能高、回收率高等数据化改造优势。由此，度小满在尝试打造了一个既有技术基础带来的标准化，又有业务理解带来的个性化“松耦合”方案输出平台。

3、金融科技服务要有金融产品经理的“觉悟”

对专业的理解最终要从框架回到具体金融产品上，懂技术又懂专业意味着金融科技很多时候要充当传新金融产品的“产品经理”角色。

充分的产品了解，高度的市场敏感，准确的内容设计……产品经理要做什么，金融科技可能就要服务什么。用度小满ABS云平台来观察，该平台目前宣称有“八种赋能”——金融云、资产管理催收复联、智能分层结构设计、AI大数据风控决策引擎、信评大脑、风险监控存续期管理、智能投研、区块链，说白了，就是一款新金融的ABS产品应该要怎么做的方方面面。

半年时间，度小满金融创设ABS累计规模超300亿元，半年增幅超过60%，这与产品经理式的业务输出应当是分不开的。

技术与专业的融合，有绕不过的评价标准

底层的技术+专业理解，最终相互催化的结果如何，也有特定评价标准。

1、能否产生商业模式的持续动能

金融科技最早起于当年银行信息系统服务团队，特征是按合同办事、收费、走人。这种商业模式缺乏根本发展动力，只是一桩普通的生意。

技术+专业融合意味着一方面有技术输出能力打底，另一方面深入合作伙伴的业务当中又能够把利益真正与金融机构捆绑在一起，除了博得信任、建立长久合作关系，对技术本身也是一种推动力量。

以百度与农行合作为例，2月双方共同打造的“农行金融大脑”一期实验室正式投产，双方合作深入到智能开户、智能掌银、信用分、智能营销、交易反欺诈等业务上，这在过去“照章办事”的金融技术服务时代难以想象，反过来对不断的技术创新亦是一种推动。

2、能否实现合作互补而不是相互渗透

“技术的归技术，金融的归金融”已经成为金融科技做服务输出的共识。恪守边界才能保证金融科技的纯粹性，只有拥有无限杠杆（服务可以被无限复制），金融科技行业才能赢得更长远的发展，如何避免技术“不小心”沾上金融属性使得金融科技变成“金融”，也是棘手的问题。

技术+专业的标准结构提供了解决方案，通过对金融业务的深度了解保证服务的边界，做流程、节点、产品的技术服务而保证不涉足资产。“度小满是一间金融科技公司，所以我们未来得定位也很清楚，我们永远会致力于提供金融科技服务，做资产其实并不是我们的强项。”朱光在这次论坛上的发言与此不谋而合。

“标准化结构”下，金融科技的竞争不能走错道

对金融机构来说，数据、风控、客户都是核心资源，不太可能全权交托给一家企业，且出于系统性金融风险控制的考虑，单一技术输出占领市场的“控能”现象不会出现，互联网上的赢家通吃在金融科技这个市场里也不会出现。

BATJ+众多中小平台有表面竞争对手关系，但实际发展市场时并不会有太多的业务冲突，所以我们看到，大到蚂蚁金服可以做到十分庞大，小到创业者也有自己的生存空间，市场里不是谁打倒谁，接招、应招的竞争玩法不复存在。

所以，决定一个金融科技平台市场行为的应当是其客户的需求而不是对标企业的动作，或者说，金融科技不应该对标。

就如朱光在发言中所说，“我们提供的金融科技产品一定要真正帮助合作伙伴解决问题”，金融科技的特殊性在于，客户唯一决定市场而不是竞争对手。作为典型的B2B2C模式，技术+专业与合作伙伴共同服务C端是金融科技最终的落脚点，我们看到，互联网各个领域都在厮杀，但金融科技虽然玩家众多，动作频频，相互之间却鲜有火药味。

一方面，这是金融科技玩家的利好，能够更专注，另一方面，服务好合作伙伴也成为唯一优势来源，也使得它们在技术+专业方面的压力变得更大。

如朱光所言，度小满金融打起“值得信赖”的旗帜，衍生到对合作伙伴上，也是“伙伴先赢，持续共赢”。技术+专业的“标准化结构”下，忘掉同行、眼里只有合作伙伴才是金融科技竞争之道。

 智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。