天云大数据CEO雷涛：未来人工智能发展凸显规模化模型生产能力

米方

在国内金融科技行业知名度很高的天云大数据，6月13日举行以“AI浪潮下，如何参与DT转型”为主题的研讨会，集中讨论了当前人工智能领域产品与技术的发展趋势，数百名科技、金融、能源等领域从业者、投资人参会。

这是一家能够同时提供分布式计算平台产品和AI平台基础设施的科技创新公司，产品包括大数据分布式集群存储系统BDS、大数据加速器BDA等。目前已完成了5轮融资，总金额超过1.5亿元。其中包括曦域资本、华映资本等最近向其投入的1亿人民币。

天云大数据CEO雷涛表示，未来人工智能发展趋势凸显的是规模化模型生产能力。目前业界已经出现能够将数据科学家的算法能力与业务人员融合的生产人工智能算法的人工智能平台，比如天云大数据的MaximAI。通过人工智能算法建立现金分期响应模型，预测筛选办理此业务的高概率客户，可以帮助银行等贷款机构有效推送现金分期服务，从而提高银行利润。此外，还能够建立循环授信模型，对客户行为特征进行分类，并确立客户对循环授信响应评分，对于评分高的客户可以有效推送循环贷服务，从而提高银行利润。这种智能平台不仅在银行贷前、贷中、贷后建立反欺诈、申请评分、行为评分、早晚期催收模型，而且在互联网金融黑名单多头贷测试、失联修复、循环担保等方面也有成功模型案例，Hadoop中间件平台已实现海量数据在线、跨屏数据探索、实时数据展示等功能。

从IT到DT，技术发展的新浪潮已经到来，大数据作为数字、图片、声音、影像、传感器信号等巨量数据的集合，成为了重要的基础性战略资源，是新时代的“黄金”和“石油”，是推动经济社会发展的新动能。大数据推动着产业升级，中国数据总量正以年均50%以上的速度持续增长，催生了一大批新技术新应用新业态。

我们看到，IT向DT的转型，并非仅是概念的转换，而体现在整个市场结构将发生根本变化：IT时代，IOE为代表的三大国际巨头组成的IT系统一直是国内企业信息化的“三驾马车”与“黄金搭档”，市场结构逻辑是IT支撑业务，IT设施处理的是经验规则抽象出来的内容；然而伴随着云计算和开源软件技术的成熟应用，随着大数据时代的到来，IT开始向DT转型，生态面临重新洗牌，这种高大上的“黄金搭档”即将走下神坛。DT时代的市场逻辑要求直接处理海量数据，因此需要通过更高阶的工具来为企业赋能，A（Algorithm，算法）、B(Bigdata，大数据)、C(Cloud，云)即成为了DT时代的技术选择。

随着数字化程度提高，传统规则经验方法已经无法满足更复杂的数字化世界的要求，在大数据时代，难以量化与处理的复杂的高维结构需要更高维的算法来描述，机器学习使人类得以在难以精确描述规则的边界去完成任务。因此IT向DT的转型，意味着从规则流程驱动向数据驱动的转变，重塑生产流程，将复杂业务做重新表达，将传统流程予以改造，用规模化的AI应用提高生产效率、节省时间。

不过专家们也指出，目前AI产业化还面临着诸多困难，从人才层面来讲，同时具备Hadoop、Spark等大规模数据处理能力以及数据科学能力的复合型人才非常稀缺；从组织形态层面讲，管理层需要就企业转型为数据驱动形态做出相应的战略规划和调整。

利用基于AI的技术方案来克服这一应用过程中的难题，就是自动化机器学习(AutoML)。AutoML指的是”用于优化AI”的AI。微软和谷歌先后利用图片分类的案例，给出了其对AutoML的答案：建模者只需付出最少的操作(上传、选择和评估)，利用微软或谷歌云AI平台的能力，即可获得具有一定精度的机器学习模型。

专家经验在机器学习建模过程中起重要作用，这导致了建模昂贵、困难，而包括微软和谷歌等企业的实践表明，AI建模平台应沿着减少人工干预和减少专家经验依赖的方向发展。

目前AI应用于金融的典型场景是风控和精准营销。金融领域的风控传统上主要依赖于专家经验、预定义规则和人工审核，银行付出大量审核成本，银行客户体验不够好，利用大数据和人工智能技术可全方位提升信贷活动全流程风控水平和自动化程度，降低行方成本，实现信贷审核秒级或毫秒级完成，大大提升银行客户体验。

另一方面，利用大数据和人工智能技术可以对客户进行精准而全面的画像，实时感知客户对服务、产品的兴趣和真实需求，匹配客户与产品，行方的营销活动可以面向利用AI技术筛选出对推荐产品感兴趣概率较高的群体，这样一方面降低行方营销成本，另一方面减少对其他用户的影响，提升用户体验。

专家预料，未来AI在金融领域还可以在智能投顾、合规等多方面带来巨变。（主编商灏 编辑严葭淇）

查看更多华夏时报文章，参与华夏时报微信互动（微信搜索「华夏时报」或「chinatimes」）