開心貸的副總經(jīng)理周治翰做了題為《互聯(lián)網(wǎng)金融的創(chuàng)新與自律》的演講。
周治翰的主要觀點是互聯(lián)網(wǎng)進入金融行業(yè)可以帶來更公平更高效地對接。并且他表示,未來大數(shù)據(jù)是互聯(lián)網(wǎng)金融的發(fā)展方向。
互聯(lián)網(wǎng)金融的從業(yè)者從事的是“一份很有前途的職業(yè)”。周治翰認為,互聯(lián)網(wǎng)金融可以在投資端和借款端之間實現(xiàn)很大的利潤空間。
他給出了一組數(shù)據(jù):美國十年期存款利率是2%,但是在信用卡透支需要付出 18%的成本。從2%到18%的空間如何彌補,這是金融從業(yè)者需要多思考的問題。
從百姓的角度看,人們儲蓄的目的就是未來能有更多的消費機會,但是儲蓄的基本前提就是財產(chǎn)的保值和增值。“對于老百姓來說,如果僅僅能夠通過有限的渠道去吃死的利息,可能帶來的結(jié)果就是跑不贏CPI。” 周治翰說。
網(wǎng)絡(luò)借貸不只是P2P,不只是要提高效率還要降低成本
周治翰認為,網(wǎng)絡(luò)借貸是P2P,但是P2P遠遠不止是網(wǎng)絡(luò)借貸那么簡單。因為“在金融領(lǐng)域,通過直接對接可以提高效率”,但問題是“是否可以把成本降下來。”
以開心貸為例,當(dāng)給投資者的利率收益率達到8%到9%,那么小企業(yè)成本就會在原來的渠道上降低2%。這樣做有兩個好處:一是減少高額利差,二是進行大數(shù)據(jù)的輔助決策。問題在于,目前在互聯(lián)網(wǎng)金融領(lǐng)域,風(fēng)險控制上如果是中小企業(yè)的借貸,可能在很大程度上可以參照真實的經(jīng)營狀況,但是“不能僅僅靠大數(shù)據(jù)來做這件事。”
為什么?周治翰表示,大數(shù)據(jù)是不是一個方向,我們很堅定大數(shù)據(jù)是一個方向,未來可以通過簡單的數(shù)據(jù)計算,把弱相關(guān)的變成強相關(guān),這將會對互聯(lián)網(wǎng)金融行業(yè)是一個巨大的顛覆。但是目前沒有做到這點。
周治翰開玩笑說“做互聯(lián)網(wǎng)金融這件事,需要下很大的決心。”他稱之為“一半是海水,一半是火焰”。也就是說互聯(lián)網(wǎng)金融的一邊是民間借貸的高利貸,一邊是試圖利用互聯(lián)網(wǎng)降低成本。
周治翰解釋“我們經(jīng)常說互聯(lián)網(wǎng)金融是高需求行業(yè),因為金融業(yè)一旦發(fā)生問題就需要方方面面的資源。”由于金融文化高危險行業(yè),金融有穩(wěn)健和謹慎的特點,互聯(lián)網(wǎng)卻是極致和快速的風(fēng)格,所以這兩種風(fēng)格要在一個企業(yè)中融合起來,并且形成合力,這是對金融從業(yè)者的大挑戰(zhàn)。
互聯(lián)網(wǎng)金融需建立生態(tài)圈、保持自律并有效防控金融風(fēng)險
所以互聯(lián)網(wǎng)很講究生態(tài)圈,周治翰認為所謂的互聯(lián)網(wǎng)生態(tài)其實一種合作模式,因為“如果生態(tài)圈不夠強勁的話就會帶來兩個問題,一是合作者在平臺上銷售不良資產(chǎn),二是一旦發(fā)生問題,互聯(lián)網(wǎng)的擴散速度要遠遠大于傳統(tǒng)的線下擴散。
合作模式的關(guān)鍵在于生態(tài)圈的營造,我們互聯(lián)網(wǎng)就講生態(tài)圈,如果生態(tài)圈不夠強勁的話就帶來兩個問題,合作者可能會把不良的資產(chǎn)放在你平臺上銷售,讓你做資金接續(xù)端渠道,如果說發(fā)生問題的時候,因為他對于風(fēng)險的要求沒有像你要求這么高,你的平臺一旦發(fā)生一些問題,通過互聯(lián)網(wǎng)迅速擴散,但是作為線上機構(gòu)擴散沒有那么高。
那么在互聯(lián)網(wǎng)金融領(lǐng)域,如何做行業(yè)自律呢?周治翰提出了三點意見:第一,解決法律風(fēng)險問題,分清楚網(wǎng)絡(luò)借貸和非法集資的區(qū)別;第二,核查借款人的真實身份;第三,選擇具有豐富經(jīng)驗的大融資平臺進行融資。此外,法律風(fēng)險上的解決方案主要是通過避免信用風(fēng)險和操作風(fēng)險。最終的目的都是為了在互聯(lián)網(wǎng)平臺上做金融交易保證信息安全。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。