财供销社（上海，本报记者 潘婷）讯，金融创新混业、商业金融市场正加速位数化结构调整。财供销社本报记者近日了解到，金融机构机构在AI领域布局已有初步丰硕成果。统计数据爆发式快速增长，商业金融机构对统计数据的利用达到了前所未有的度。信息控制技术重构金融机构，统计数据驱动力重大决策，已正式成为商业金融市场位数化的最前沿方向。
然而，统计数据的利用也存在众多痛点，其中个人隐私保护更是首要任务。浙商银行金融机构执行官人工智慧官赵辛楣项目组致力产业发展第二代的个人隐私体系结构，透过联邦政府学习这一演算法同时实现“统计数据不出邻近地区”，透过身份验证数学模型模块交换建立自上而下数学模型，借力小企业企业。透过个人隐私计算，同时实现金融创新统计数据商业价值最小化。
信息控制技术重构商业金融市场，AI应用正当时
信息控制技术已正式成为位数中国经济黄金时代制造力最重要的驱动力因素，交通银行副行长刘珺则表示，资金不再是投资品，金融机构的促进作用相应下降，出现了混业现象。在自由化进程步入下半场之际，信息控制技术将发挥重要促进作用。
自由化下半场的重点在于制造，很大程度上导致了中国经济不均衡、社会阶层结构分化、气候变迁等问题；步入下半场后，要求兼具制造和分配、工作效率和公正。此过程会更复杂，AI与位数中国经济要体现信息控制技术善行，促进权利公平，推动同时实现均衡、绿色生态和可持续的产业发展。
当前，统计数据拉维县阶乘、甚至指数函数爆发式快速增长，统计数据利用也提升到空前的度。金融创新机构之前以处置金融创新资产管吻、应收账款表、应收账款附注的阶段性统计数据为主，后加入电力采用、能源采用、运输等阶段性统计数据；未来，还将处置行为模式、情绪偏爱等非阶段性统计数据。
这意味着，统计数据或成为新中国经济的“石油”。因此金融创新机构很大要专业委员会利用统计数据金融创新资产，专业委员会定价统计数据金融创新资产，专业委员会对统计数据金融创新资产进行有效风险控制，充分利用统计数据金融创新资产借力金融创新。
交通银行副行长展毛则表示，人工智慧控制技术作为位数中国经济中领跑控制技术的代表，正在重塑包括商业金融机构在内的各行各业。人工智慧应用在商业金融机构智能营销、智能风控、智能客服、智能运营等多方面。然而，即便是人工智慧控制技术产业发展迅速，但依然任重道远。
一是通用性不足，现阶段人工智慧专业化，都是边界清晰、定义明确的单一任务数学模型。一旦任务变化，效果就会“打折扣”。二是可解释性不足，目前得出的最终数学模型往往让人们抱有一丝不信任感，因此，在医疗诊断、法律判决等容错率苛刻的领域，AI的应用较为慎重。
三是个人隐私安全问题，在采用一款新APP时往往被询问是否允许开启当前定位，是否允许访问照片，是否允许访问通讯录等，人们在享受便利的同时，也产生了一丝被窥视的不安全感。
展毛认为，金融创新与人工智慧互助共生相向而行，AI需要金融创新，金融创新也需要AI。金融创新一直是最被看好的人工智慧落地场景，毕竟商业金融机构信息化系统起步早，成熟度较高，统计数据积累较为丰富，AI应用于金融创新领域正当其时。
统计数据驱动力重大决策，AI如何借力金融机构？
数库信息控制技术总裁沈鑫表示，如今是统计数据驱动力重大决策黄金时代，无论是金融机构寻找优质企业进行贷款，还是政府招商引资强链补链，亦或大型企业同时实现智能化供应链风控及管理，其重大决策本质都是不断定位及跟踪动态产业发展中的优质企业或潜在风险点。
因此，透过扎实的统计数据智能搭建形成完整的产业画像和企业画像，同时实现对产业及企业周边的实时资讯动态解析及跟踪，进而对目标企业的快速定位及评估就正式成为了产融位数化重大决策中的核心能力。
统计数据驱动力重大决策黄金时代下，统计数据如何借力商业金融市场务决策？招行人工智慧实验室负责人李金龙介绍，招行于2000年开始建设统计数据仓库，五年前开始布局人工智慧。目前，招行AI Lab已产业发展到两三百人的规模，落地场景超百个，包括客户营销、风控管理，产品投研、投顾、量化投资等，在内部同时实现了较大的业务商业价值。
“招行AI三·三规划”体现了招行人工智慧的产业发展思路。最上层是客服云、舆情云、视觉云，可对标互联网公司或一般性企业；第二层是知识管理方案、营销解决方案、大财富投研；底层是支撑性能力，包括人工智慧中台、资源管理平台、学术科研平台。
关于知识管理方案，李金龙则表示，金融机构是知识密集型行业，要遵守的规章制度能达到一两万份，最复杂的上岗培训可能要两三年。招行AI Lab历时三四年把要遵守的制度结构化、规则化，以此借力到流程，进行智能审核工作。这是AI+RPA能够发挥促进作用的一项基础性工作。
他指出，人工智慧若想在金融机构发挥促进作用，首先很大要把知识解析成规则，让机器理解制度，这是金融机构产业发展人工智慧的重要基础。营销解决方案有应用层、演算法层和底部的统计数据层，体现在应用方面，包括零售业务的亿级客群策略平台和对公营销平台“天玑”。
第三个方案是招行的大财富商业价值循环链的战略方向，有反映整体社会中国经济运行、各个产业链运行的实际统计数据的采集、整理等的基础性研究，；也有在此基础上结合宏观统计数据，并用中国经济学的方法论去加工、分析，助力客户选到更适合自己的金融创新产品。
透过个人隐私计算，同时实现金融创新统计数据商业价值最小化
统计数据利用过程中尚有众多问题亟待解决。如何确权？如何保证统计数据拥有者的应有权利？如何保护统计数据的个人隐私和安全？统计数据如何进行商业价值交易？如何抵抗大统计数据的马太效应？如何建立小统计数据的联邦政府生态，把小统计数据聚沙成塔变为大统计数据？如何能够解决冷启动的问题？
2018年，欧洲推出《通用统计数据保护条例》，对个人统计数据和企业统计数据有着非常严格的规定；2019年，我国国家互联网信息办公室起草发布《统计数据安全管理办法(征求意见稿)》，国内监管趋严，统计数据在安全合规的前提下自由流动，正式成为大势所趋。
浙商银行金融机构执行官人工智慧官赵辛楣项目组致力产业发展第二代的个人隐私体系结构。他认为，个人隐私计算是统计数据的责任感，AI责任感的重要侧面。据他介绍，上世纪七八十年代就出现了隐私计算，主要考虑精确计算和统计数据查询，实用中存在很多缺陷，几乎不能大规模采用。
因此催生了第二代，即透过硬件加持的个人隐私计算统计数据。这种控制技术使得多方统计数据汇聚在一个秘密屋中进行运算，过程不可见结果可见，工作效率较第一代大为提升。但它有一个严重的缺陷，就是需要把统计数据聚合到一处，违反了“统计数据不出邻近地区”的要求。
赵辛楣则表示，第二代个人隐私体系结构最重要的一个演算法是联邦政府学习，思路是“统计数据不动模行动”，不同统计数据方建立不同数学模型，通过交换身份验证数学模型模块建立自上而下数学模型。浙商银行金融机构透过联邦政府学习控制技术同时实现个人隐私保护，在“统计数据不出邻近地区”前提下进行精准评估，借力了众多小企业企业，。
此外，IDC中国金融创新行业研究总监高飞分享了《关于开放金融创新统计数据共享中个人隐私计算均衡之道》并则表示，国内“开放金融机构”源于中银的开放平台API。2018年，工行ECOS、浦发API bank以及平安、招行均就“开放金融机构”的落地进行了有益尝试。
在“开放金融机构”生态下，以客户为主推荐金融产品，金融创新产品具有可组合性。传统商业金融市场务扩展到保险、投资类产品甚至是金融创新衍生品，不同金融机构的产品和服务可以进行拆解和组合，透过统计数据共享同时实现了从“开放金融机构”到“开放金融创新”的跨越。
如何以客户为中心，透过多
他认为，个人隐私保护计算为开放金融创新同时实现统计数据商业价值最小化提供了可行之道。例如，浦发金融机构和蚂蚁集团针对零售贷款业务开发了一整套风险评估解决方案，采用多方安全计算的风险数学模型，利用浦发金融机构及其合作方的统计数据来共同提高数学模型的有效性，保证统计数据的安全性和个人隐私性。
