高速發(fā)展的產(chǎn)業(yè),也帶來了一些問題和機(jī)遇。此前火爆的P2P網(wǎng)貸行業(yè)就亟待一套行之有效的方法加以監(jiān)管。5月8日,第三方數(shù)據(jù)服務(wù)平臺(tái)TalkingData發(fā)布移動(dòng)金融應(yīng)用行業(yè)數(shù)據(jù)報(bào)告。報(bào)告顯示,P2P網(wǎng)貸行業(yè)利率正在回歸理性化;而問題平臺(tái)數(shù)量激增,行業(yè)或?qū)⒋笠?guī)模洗牌;同時(shí),P2P向移動(dòng)端快速滲透,移動(dòng)端將成為未來一段時(shí)間各家企業(yè)必爭(zhēng)之地。此外,HCE的崛起,讓互聯(lián)網(wǎng)公司進(jìn)入NFC支付領(lǐng)域成為可能;手機(jī)廠商直接參與移動(dòng)支付漸成趨勢(shì);免密支付這種新興的形式,將助力移動(dòng)支付飛速發(fā)展。
移動(dòng)互聯(lián)網(wǎng)拉近了人與一切服務(wù)之間的距離,金融行業(yè)很自然的過度到了“移動(dòng)互聯(lián)時(shí)代”。甚至,在網(wǎng)絡(luò)、電商極度發(fā)達(dá)的情況下,結(jié)合互聯(lián)網(wǎng)行業(yè)靈活、迅捷的特性,催生了不少新興的金融產(chǎn)品形式,由此開啟了一扇通往無數(shù)可能性的大門。而移動(dòng)應(yīng)用,順理成章地成了這些“新金融”、“新模式”天然的入口。
經(jīng)過近2年的發(fā)展,互聯(lián)網(wǎng)金融的規(guī)模發(fā)展迅速,覆蓋用戶數(shù)量巨大。從用戶規(guī)模上來看,2014年第一季度,移動(dòng)金融應(yīng)用的用戶數(shù)量為3.3億;而2015年的第一季度,這一數(shù)字達(dá)到了7.6億,增幅高達(dá)130%。
移動(dòng)金融用戶性別分布較為均衡,整體來看,女性用戶較多;從細(xì)分行業(yè)來看,男性用戶相對(duì)喜歡證券和理財(cái)產(chǎn)品,而女性用戶更偏愛銀行和生活應(yīng)用;而在這些用戶中,80后是絕對(duì)的主力。
從用戶的地域分布上來看,移動(dòng)金融應(yīng)用的用戶主要分布在東部沿海及中部經(jīng)濟(jì)相對(duì)發(fā)達(dá)的地區(qū),不過從增長(zhǎng)速度上來看,三線城市起點(diǎn)較低,因此增長(zhǎng)迅猛,潛力巨大。
應(yīng)用類型方面,主要集中在理財(cái)和證券兩類上,二者之和高達(dá)58.4%;而生活應(yīng)用、支付類應(yīng)用,則因行業(yè)內(nèi)存在巨頭,所以總體數(shù)量相對(duì)較少;從用戶規(guī)模細(xì)分來看,移動(dòng)保險(xiǎn)、移動(dòng)理財(cái)產(chǎn)品整體用戶數(shù)量相對(duì)較少,發(fā)展空間巨大。
事實(shí)上,在每個(gè)用戶的設(shè)備中,安裝的移動(dòng)金融App數(shù)量遠(yuǎn)不及其他類型的應(yīng)用,日常打開這些應(yīng)用的頻率也并不高。一方面,金融類應(yīng)用背后依托的是金融機(jī)構(gòu)提供的服務(wù),服務(wù)遷移成本較高,用戶粘性好;另一方面,對(duì)于絕大多數(shù)金融類應(yīng)用而言,往往只有在需要的時(shí)候用戶才會(huì)開啟,目的明確,不會(huì)像工具、游戲等類型的應(yīng)用需要經(jīng)常打開使用。
而不同城市的用戶對(duì)金融應(yīng)用的喜好也有所不同。相對(duì)而言,北京用戶更偏愛理財(cái)類應(yīng)用;上海用戶更喜歡股票證券類應(yīng)用;而廣州的用戶則對(duì)銀行客戶端情有獨(dú)鐘。從金融應(yīng)用的使用情況來看, 證券類應(yīng)用日常使用次數(shù)最多,可見小小股票牽動(dòng)著億萬群眾的心。
目前,各大銀行、券商,甚至是互聯(lián)網(wǎng)企業(yè),都有在移動(dòng)金融領(lǐng)域的布局,從目前的情況來看,大體的產(chǎn)業(yè)布局幾近完成,各個(gè)金融細(xì)分領(lǐng)域,都有對(duì)應(yīng)的移動(dòng)應(yīng)用和服務(wù)可供用戶選擇??梢?,移動(dòng)金融已經(jīng)進(jìn)入高速發(fā)展期,支付、銀行、證券等細(xì)分行業(yè)相繼成熟,記賬、信用卡管理等更多移動(dòng)金融新形態(tài)出現(xiàn),并且逐漸在功能及用戶體驗(yàn)方面高速演進(jìn)。
除了傳統(tǒng)金融行業(yè),互聯(lián)網(wǎng)企業(yè)在金融領(lǐng)域的布局也已經(jīng)初現(xiàn)端倪。無論是BAT還是京東,都已經(jīng)開始憑借龐大的用戶群,借助互聯(lián)網(wǎng)及移動(dòng)互聯(lián)網(wǎng)向金融領(lǐng)域滲透;而傳統(tǒng)金融企業(yè),也正在逐漸加速向移動(dòng)互聯(lián)過渡。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。