📖 ZKIZ Archives

百度高級副總裁王勁：無人駕駛三年商用，五年量產

i黑馬 2016-05-31 09:50

i黑馬訊 5月31日消息第一財經技術與創新大會5月30日至31日在上海舉辦，現場吸引了數百名海內外的創業者、投資人參加。

當天，百度高級副總裁王勁發表演講，談及百度在人工智能與無人駕駛方面取得的成績。據他介紹，百度在今年5月16日與安徽蕪湖簽訂了戰略協定，希望蕪湖市打造全國第一個無人車的試驗運營區域。上周五也與上海國際汽車城簽訂戰略協議，會把百度的無人車拿到上海國際汽車城進行展示。

“希望通過我們的努力把無人駕駛的更高能力帶到中國。我們的目標是三年能夠在中國進行商用，五年能力進行量產。”王勁在演講中表示。

以下為百度副總裁王勁演講全文，經i黑馬編輯整理：

今天非常高興能夠有這樣的平臺和大家一起探討人工智能和無人駕駛的話題。也希望借助百度做的例子和大家看一看，技術和智能成長到什麽樣的階段了。

其實人工智能是60年前就有這樣概念，前面50年的發展經過幾起幾落一直沒有得到比較大的突破，一直到十年前，2006年有一個新的算法叫做深度學習。十年前有了這個深度學習以後，把它應用在人工智能，這個技術開始看到新的點，人工智能真正依靠深度學習得到突破式發展，到2013年開始得到突破性發展。這里有三家代表性的企業，百度在這里也三家企業之一。我們2013年成立中國第一個深度學習實驗室，在這個方向做了很大的投入。同時也跟其他幾家一起在推動人工智能的發展。

人工智能三要素：算法、數據、計算能力

今天的人工智能主要是怎麽發展起來的，有什麽關鍵性的要素能夠把人工智能發展到今天這個階段？很多人聽說了阿爾法狗打敗了圍棋大師。其實很簡單，人工智能有三大要素，第一是優秀的算法，剛才說的深度學習。有了這種算法以後，人工智能的發展速度很快，實際上是仿造人類大腦多層神經原進行思維和學習。

今天深度學習到什麽樣的規模呢？如果用一個參數代表它的規模的話，就是DNN（內容管理系統）的參數。今天百度已經達到萬億參數，是世界最高最大的DNN規模，世界最大的是1600億。

第二個最重要的是超強的計算能力，這個計算能夠有一部分是數據分析中心，怎麽樣把數據中心服務器組成一個集群解決同一個問題，這個考驗的是基礎架構的能力，誰能夠把整個數據中心搭建起來，用軟件管理起來，讓它能夠同時去處理一個問題，這需要把問題進行分解進行高效的計算。

三年前百度做了一個試驗，用48臺GPU服務進行計算，它的計算相當於中國“天河一號”兩倍。百度是世界上最早用GPU服務器做數據中心的，百度同時是世界上最早的FTGA芯片做數據分析的服務器，做人工智能算法，這些在業界得到很高的認可。

人工智能第三個要素是海量的數據，數據越多智能越高，這個等下我會跟大家談一下，這個東西怎麽影響到無人駕駛汽車的發展。今天百度數據中心里有萬億的網頁在數據中心，能夠很好的服務和管理這些數據。

人工智能有哪些模塊呢？大家可以看到這三個視、聽、說，模擬是人類的耳朵、嘴巴和眼睛。還有大腦推薦預測、規劃決策和行動控制，這六大模塊共同構件了人工智能今天的基礎構件。今天這六大模塊都會應用到無人駕駛汽車里面，所以大家說無人駕駛汽車是人工智能的極大呈現者。

我們一起看模擬人類聽的能力，今天人工智能達到什麽樣的水準？我們人類在安靜的環境下，（對聽力的）識別率是98%。百度的語音識別在安靜環境下，標準普通話達到97%。離人類只一步只遙，但是在噪音的環境下只有92％，比人類還是有比較大的差距，所以這是技術在不斷的進步，希望能夠趕超人類。今年年初，MIT（麻省理工學院）做的科技評論，評出2016年十大突破性技術，百度語音識別技術是唯一的中國技術名列其中。

今天來這里挑戰大家一下，跟百度雲識別比拼一下，看看你們識別能力好還是百度的好，大家聽一下音頻。百度的雲識別100%辨別這些，就是因為它聽了幾億次這樣的音頻不斷學習提高，語音識別深度學習、人工智能很簡單，聽過就知道，再聽就聽得懂，這是我們在聽的能力。今天中文日別能力是中國最高的，也是全世界最高的，英文我們還在努力。

下面模擬嘴巴，這是去年百度的技術水平，我仔細聽可以發現，機器人說很多人聽不出來。今天百度語音合成的水準大家再聽一下，它的區別在於有抑揚頓挫還有情感，用這個技術我們可以做什麽呢？給我兩個小時你的聲音，我可以能夠讓計算機模擬你的聲音，模擬說話的語調，說任何話。

這個應用我跟我們團隊說可以幹什麽，我孩子小的時候我太太總喜歡讀故事，他希望我讀我沒有時間，如果有這樣的技術錄兩個小時，可以讓我的聲音陪著孩子入睡，陪著他們長大，這樣彌補人生一個非常大的遺憾，以後你們也可以把你們的聲音放在百度的訓練上面，然後就可以用它陪伴你們的孩子，這是今天語音合成最高的水平。

圖象識別是眼睛，這個是更高的挑戰，左邊上面兩個是一對，下面兩個也是同一個，有時候人類很難識別這是不是同一個人，但是計算機能夠比人類更好識別人的眼部。在LFW全球人臉測試上，百度達到全球最高水平，錯誤率只有0.23%，而人類的錯誤率是0.8%。

百度還可以看文字，平常交通信號牌等等，一掃描就可以把這個文字辨別出來，這是圖象識別的一部分。最重要的是給它一張圖，現在能夠判斷這個圖到底是什麽意思，這個對於無人駕駛汽車是非常重要的，過去無人駕駛汽車靠的是不斷地看，人在走路可以有穿馬路的意願，其實有人站在馬路上有沒有過馬路的意願人類可以判斷，但是計算機不一定。那今天我們是訓練計算機判斷，比如那個車有沒有橫穿馬路的意願，這個對無人駕駛汽車非常重要，這個是百度圖象問答器，能夠做到。我們現在把幾個視頻圖片交給百度，問它，它已經基本可以告訴你這上面是什麽東西，在幹什麽。

人工智能時代，每輛車都是老司機

有了剛才說的人工智能的基礎，我們能夠有視、聽、說的能力，有思考的能力，那麽百度用它來搭建無人駕駛系統，希望無人駕駛系統能夠改造我們交通出行的能力。自動駕駛汽車有八個模塊、視覺、環境感知、規劃決策、自動控制、傳感器融合、語音對話、高精定位、高精地圖，這是百度關註多年投入巨大的方向。

未來的汽車可以看成是帶4個輪子的電腦，從高科技企業，未來的汽車主要的能力是人工智能決定的，今年年初摩根斯坦利做了一個預估，未來一輛汽車60%是來自於汽車而不是來自於輪子，這正是和百度這樣的企業不謀而合的，我們認為的汽車是智能的。今天我們拿一個手機出來不會問CPU多快，更多是問是不是一個智能機，如果是智能機，那是蘋果機還是安卓機，因為這些更大區分手機的能力。未來汽車也是一樣，首先問這個車是智能汽車還是傳統汽車，這個智能汽車能不能跟交通系統進行很好的溝通協調，安全硬達到多少，里面大的功能有什麽，娛樂功能、服務功能等等。未來的汽車大部分的價值來自於軟件，而不是它的汽車本身的硬件。

今天的汽車尤其無人駕駛汽車，這里有三個核心模塊，和人工智能是非常一致的。第一個駕駛的算法，這個考驗工程師水平，百度無人車團隊召集世界頂尖的科學家和軟件工程師，另外是計算能力，這個能力分兩個部分，80%的計算能力是是在雲端的，20%是在汽車里面，兩個有機結合在一起，形成汽車的智能。第三個是非常關鍵的，百度的汽車收集的數據，每跑一公里數據，過去傳統的地圖一公里大概有2到3兆網絡數據，可是今天高精地圖每一公里有100兆數據，就是這個數據量巨大，尤其跟拍美工收集回來的數據量都是非常龐大的。當車開出去，會把它收集的數據上傳到數據中心，這個數據中心把所有的車數據收集到一起進行學習，有點像駕校，會看到每輛車遇到的場景應該怎麽處理是對的，所以這個時候服務器規模是非常大的。

可以告訴大家一個例子，去年差不多這個時候，所有車開出去一天收集回來的數據，在數據中心里面要處理一星期才可以學會這些數據應該怎麽提升，今天因為算法的提升，因為數據集群，服務器集群的提升，今天我們2個小時可以把所頁的車收集回來的數據處理完畢，這給百度的機會是可以分配更多的車出去收集數據，去學習駕駛。

這些數據中心在雲端學到的駕駛能力，可以縮小成一個數據模型會下載到汽車大腦里，每遇到一個場景可以知道在數據中心怎麽學的，可以進行處理，所以汽車大腦很重要，百度也在做這樣的算法和硬件，我們很早跟全球頂尖的廠商在合作，設計汽車里面的大腦。

今天我們每一輛無人駕駛汽車都配一個司機在上面，這個人看到汽車微駕系統處理不太對，會糾正一下，每一個糾正都會上傳到雲端，在雲端百度大腦會進行處理和學習，學到新的方法會下載到所有汽車里面。這樣今天是人在教車怎麽開，當我們進行大規模部署的時候，這個時候車上不會有司機，那個時候是車在教車。那個時候每一樣車遇到新的情況，它學到新的處理方法都會上傳到雲端，雲端進行非常快速的處理和學習，學到新的東西會發給所有的汽車。

人工智能比人類厲害的地方就在這里，人類一個老司機學會開車沒有辦法讓你的兒子或者學生跟他的水平一樣，但是無人駕駛汽車可以做到。如果我們部署十萬輛汽車出去，每個車一年兩萬公里，那一年下來是20億一公里的經驗，這些會上傳到數據中心進行綜合匯總，所以每一個人都是開過20億公里的老司機，隨著車越早進入實際的運營，誰的車更早成為老司機，當一個老司機和一個新司機一比差距會非常的大，所以這是無人駕駛的演進。過去在別的比拼當中是大魚吃小魚，但是在人工智能的時候是大魚吃慢魚，誰的動作更快，誰更好的保障安全性，誰就可以更快的把無人駕駛汽車帶到這個社會。

三年商用，五年量產

剛才我們還說了無人駕駛汽車需要圖象識別的能力，圖象識別非常重要的方向是要識別汽車，並且判斷它的意願，感知變成認知。在一個測試集里面，全世界汽車行業有一個圖象識別評估，百度在汽車識別里面是全世界第一的，我們準確率達到89.3%。大家不要小看89，人類比這低很多，所以這個計算機能力已經非常高了。右邊這張圖是汽車上面搭載的攝象頭，能夠看到的場景，中間有一個激光雷達，在汽車看到的情況是怎麽回事，無人駕駛汽車的系統看到了人。這是另外一個高精度地圖，過去地圖在米級，百度今年地圖達到厘米級。

另外是高精定位，人類開車不需要經緯度在什麽地方，但是無人駕駛需要知道自己準確的在哪一個點，用未來的規劃、駕駛的規劃有很多判斷。去年這個時候，我們大概在十厘米的數量，每天都在進步。

百度無人駕駛在去年12月在互聯網大會上做了展示，很多人問很多企業做了自動駕駛和無人駕駛，百度無人駕駛車到底是什麽樣的水平，大家關註四個點，第一百度無人駕駛汽車是全程無幹預，第二個並線超車是自主的，很多其他需要人來看後面車怎麽樣，前面車怎麽樣，這其實是需要人類做輔助，百度完全自主的進行判斷是否要超車，超車是否安全等等。百度車可以自己上下紮匝道，可以在十字路口進行掉頭轉彎。這四個是百度唯一的在國內通過ISOZUZUZ的安全自動駕駛汽車。

去年12月我們在烏鎮展示，黨的國家領導人也寄予了很高的期望，5月16號我們跟蕪湖市一起簽訂了戰略協定，希望蕪湖市打造全國第一個無人車的試驗運營區域。這會分幾個階段做這件事，上個星期五和上海國際汽車城簽訂戰略協議，會把我們的無人車拿到上海國際汽車城進行展示，這是百度無人駕駛的支持，但是路很長，希望通過我們的努力把無人駕駛的更高能力帶到中國。我們的目標是三年能夠在中國進行商用，五年能力進行量產。大家知道中國無人駕駛汽車，汽車交通安全是很大問題，每一天中國在交通事故中死亡的人數超過500人，而無人駕駛能夠大大降低死亡率，能夠提高安全性，所以我們能夠早一天把無人駕駛汽車帶到中國，我們能夠更早的拯救500個生命。第二個期待無人駕駛汽車能夠降低排放，讓大家出行變得更容易，另外也希望無人駕駛汽車能夠進行全局的調度，能夠提高交通系統效率，

無人駕駛汽車對國家和民眾有很好的意義，我們希望通過百度的努力，希望通過全產業的合作能力盡快的把無人駕駛汽車、智能汽車帶到中國，讓它在中國普及，謝謝大家。

2016年5月30日~31日，“讓未來發生——第一財經技術與創新大會”在上海徐匯交響樂團音樂廳全新發聲，榮泰請你來坐坐，與全球的創新者們一起，共同見證創新科技塑造未來的巨大力量。

文章評論

匿名用戶

發布

全部評論：10

發布

獨家 | 又一名！前百度高級副總裁王勁將離職創業

黑智 2017-03-27 12:42

3月27日，黑智獲悉，在洪泰基金CEO春分大會上，前百度高級副總裁王勁透露，將於5日後正式從百度離職，並將創辦一家全新的公司。據相關人士透露，王勁新創辦的項目，也將和自動駕駛相關。

在此之前，3月1日，百度通過內部郵件宣布，對現有業務及資源進行整合，成立智能駕駛事業群組（IDG），由百度集團總裁和首席運營官陸奇兼任總經理。百度新成立的智能駕駛事業群組(IDG)，將由自動駕駛事業部(L4)、智能汽車事業部(L3)、車聯網業務(Car Life etc. )共同組成。百度高級副總裁王勁由於個人和家庭原因，將不再擔任自動駕駛事業部(L4)總經理職務。

此前，百度的智能汽車業務架構較為分散，幾個事業部隸屬於不同的業務群組。自動駕駛事業部（L4）由百度高級副總裁王勁負責，智能汽車事業部（L3）、車聯網業務（Car Life etc. )由百度總裁張亞勤直接負責。

自動駕駛業界主要有兩個打法：一個是直接切入L4，像谷歌就選擇了這條道路；另一個是先逐步實現輔助駕駛，譬如傳統車企。百度則希望兩條腿並行，因此成立了兩個事業部（自動駕駛事業部、L3事業部），前者目標是類似谷歌的無人駕駛汽車；L3事業部主要提供自動駕駛解決方案。二者定位不同，也導致采用的關鍵技術不一樣。L3這個部門主要采用可量產的傳感器，不會使用那麽昂貴的雷達；自動駕駛事業部采用的傳感器價格昂貴，精度要求更高。

2015年底，百度無人車實現了城市道路、環路及高速道路混合路況下的全自動駕駛。

而調整後，昔日的百度高級副總裁、自動駕駛事業部總經理王勁，也就此消失在了百度高管團隊的官方頁面中。

幾天後，據媒體消息，王勁已經從百度離職，其招募的兩位技術高管也已經在此之前離開百度。一位是James Peng，離職前是百度T11工程師。在2012年被王勁招入百度美國研發中心，此前James Peng則供職於Google。另一位是樓天城，2016年1月，樓天城從Google離職，2016年4月，樓天城加盟百度，是百度最年輕的T10工程師。據媒體量子位報道，樓天城已經投入AI創業項目Pony.AI。

就在上周，百度首席科學家吳恩達宣布離職，據稱，也有可能加盟其夫人參與創立的人工智能公司Drive.ai,該公司主要致力於通過工具包將普通汽車變為無人車。

王勁簡歷

王勁，畢業於中國科學技術大學計算機系，留學美國並在佛羅里達大學獲得了計算機科學碩士學位。自1991年起，王勁在美國矽谷的多家公司擔任管理和技術職務，包括甲骨文、Informix和E-Loan等。2000年，王勁回到中國，歷任阿里巴巴資深技術總監、 EBay中國CTO， EBay中國研發中心總經理、谷歌中國工程研究院副院長。2010年4月15日，王勁加入百度，任百度技術副總裁，2013年12月晉升為百度高級副總裁。

推薦關註黑智微信（ID:VR-2014）

微信圖片_20170327124009

文章評論

匿名用戶

發布

全部評論：10

發布

王勁：消費金融風控的3大難點和3大誤區

一本財經 2017-04-18 14:44

本文由一本財經（微信ID：yibencaijing）授權i黑馬發布，作者薄珂 墨菲。

這是一個最好的時代。

市場有無限可能性，大量的消費金融公司崛起；

另一方面，大數據、人工智能等技術日趨成熟，讓量化風控有了更多的想象力。

但這也是最壞的時代。

互聯網金融發展的3年，有太多野蠻的市場競爭，在公司內部，最核心的部門，是市場部，本應該是金融核心部分的風控部分，卻備受冷落，大權旁落。

而中國風控，也還處在莽荒狀態，面臨諸多的痛點和難點……

在一本財經主辦的“2017消費金融CRO全球峰會”上，風控精英們，針對中國式困局，共同尋找破局和重塑之路……

“風險管理，是一門藝術”

百度集團副總裁、百度金融CRO、美國運通前高級副總裁 王勁

01  一個CRO要關心哪些問題？

我想跟大家分享，“作為一個CRO，他該想哪些問題？”

作為一個CRO，他最重要的職責之一，就是及時、準確的提出問題。問題提好了，事情就好辦了；問題提偏了，事情就大了。

我結合自己在中美兩國加起來20年的風控經驗，總結出一個經驗——要做好風控，首先要接地氣。

不能夠把中國的東西完全地照搬到美國，也不能把美國的東西照搬到中國。舉個例子，去年不少的信貸公司跳進醫療美容的消費信貸場景放貸，很快就被彈出來了，趟了很多的坑，這就是他們面臨的中國特色挑戰。

一個企業要變成一個長期的、健康的一個金融企業，必須要有專業的金融風險管理知識和理念，同時要搭建一個全面的風險管理體系。這樣才能夠真正的去管理整個的生命周期。

02  消費金融風控三大難點

那麽，怎麽樣接地氣？我通過三個難點來講：

第一個難點，網上壞人多。我2015年12月從美國回到中國，當時國內沒有太多這個概念。在美國，欺詐跟信用風險相比，基本上是1：5的概念，但是在中國完全反過來了。

中國網絡黑產規模已經達到了千萬級別，這個千萬級別的損失是通過信貸的利率和費用分攤到了用戶的身上的。所以中國公民借貸的成本是比西方相對而言要高很多的。所以我們一定要聯合起來，共同對抗黑產，才能夠真正做到普惠金融。

作為一個CRO，你需要思考：從貸前的角度，我們有沒有能力判斷客戶資料的真實性？這是在對付賬號的行為。我們有沒有能力確認本人申請的？我們在用人臉識別、聲音識別等來確認本人在申請。我們有能力判斷消費的真實性嗎？這也是非常重要的，這是在分期和場景結合的信貸方式當中一定要用的問題。

CRO在貸中要思考：當我們把客戶引進來以後，我們能夠保證我們賬號系統安全嗎？你的業務做大了，一定會遭受很多的黑產來撞你的庫，潛入你的系統，你們內部會不會有人泄漏客戶的隱私信息。

如果是虛擬信用卡或者循環額度的產品，怎麽樣識別欺詐的交易？這個問題現在不急著回答。但是我預言，很多在座的人，將來會更多的時間是在防範，在做這個產品的風險。

我認為現在很多產品是一次性貸款產品，但這個產品升級是必然的，要升到循環額度和虛擬信用卡。一次性貸款是每次申請，每次都要交材料，這對客戶是非常不便的。而虛擬信用卡和循環額度是一次性授信，持續借錢還貸的，這是一個更高級的產品模式。到那個時候，風控強的公司就會走在行業的前列。

整體來講，作為一個CRO你在考慮什麽呢？

第一，怎麽提高欺詐分子的作案成本？

第二，我們的系統能區別黑產、團夥和個人的欺詐嗎？如果不能，這個東西是很危險的，你能不能夠及時的預警你遭到了黑產的攻擊？ 

第三，我們有能力準確的關聯欺詐案件嗎？我估計很多的公司不存在這個，沒有這樣的能力，這是很重要的。怎麽樣提高欺詐的成本，是我在百度非常深刻的感觸，這也是我主打的東西。你必須要能夠關聯歷史上所有的欺詐案件，但是你要關聯他們是非常不容易的。因為黑產自己會不斷變換身份、地點、設備以及其他信息來攻擊你，但你必須要解決這類問題。

最後，賬號數據、用戶數據、商戶數據，外部數據是否已經打通？什麽叫做閉環？

運通為什麽反欺詐做得非常好？運通有一個優勢，它是一個閉環的商業模式。它左邊有用戶的信息，右邊有商戶的信息。當我們把它整合起來，運通在美國的反欺詐，基本上在4個BP。這還不是完全的閉環，他們是我們的兩倍，對於數據整合是非常重要的。作為CRO，這是你最需要思考的問題之一。

第二個難點，多頭貸款嚴重。中國從2010年左右推出了現在的人行征信系統，將近六七年的歷史，覆蓋了4億人。中國有14億人，所以有4億人有這個征信，但這4億人的征信信息厚度是不夠的。還有五六億人是沒有征信的。

全國大概應該有2000多家的P2P和小貸公司，去年年底的時候，網絡貸款的余額達到了1.2萬億，單用戶余額是7000。把這個數除以100，你就知道，多頭貸款多嚴重。

在這種情況下，CRO應該怎麽想？要想我們有客戶負載的信息嗎？多頭貸款不是實質性問題，但負載超過了自己的還款能力，這是我們擔心的。如果你有多頭貸款，但是所有的東西沒有超過你的還款能力，是沒有問題的。多頭貸款是有傾向信息的，你得註意用戶下載了多少APP，怎麽整合這些信息，且恰當運用這些信息。

貸中、貸後，我們還要看一看所有的這些信息是不是在疊加。不僅僅是在貸前的時候有這個問題，在貸中、貸後是不是對這些信息進行更新。最後，我們怎麽樣引進外部多頭貸款的信息。

作為一個CRO你要想到，如果暫時沒有多頭貸款識別的能力，怎麽樣利用產品的形態來控制風控，怎麽樣讓建款的期限短一點、額度低一點。

第三個難點，找不到人。你看預期的人群，基本上60%找不到他，利用外部數據能夠找到超不過10%的人，還款率不低的都是50%。中國所有的網貸公司都花很多錢在找失聯人群，這是非常大的機會。

貸前要考慮的問題主要是：在貸前的時候需要收取什麽樣的信息？在客戶允許的情況下可以抓取什麽信息？但要把握分寸，信息越多，對客戶的體驗越不好，你做得太多了，也形成一個次選擇。只有壞人來申請，沒有好人來申請，也是不對的。所以CRO的工作永遠是一個非常有挑戰的，一個尋找平衡點的工作。

貸中要考慮的是：在客戶信息變更的時候你是不是知道？每次客戶交互的時候，是不是要確認聯系信息？這些都是我們要考慮的。有多少信息來自於失聯？失聯人群的回款率是多少？只有知道這些，才能知道要投資多少在失聯的技術和數據上。

我拋磚引玉的把這三大難點講清楚了，在中國做風控一定要接地氣，一定要有專業性。

03  消費金融風控三大誤解 

同時，在中國消費金融行業還存在三大誤解，如果三大誤解不解決好，很難走向專業性。

第一個誤解：風險定價解決了，風控就做好了。

次貸危機發生之前人們猛賺錢，那個時候依靠風險定價。那個時候的報道也跟現在太相似了，都是說我要風險定價，就可以把風險給控了，但這是不可能的事情。風險定價是當時對於客戶風險的預判，但風險是波動的，利潤率一定是波動的。當系統性風險來臨的時候，當系統性風險來臨時，所有的評估都沒有用，都會關門，都會掛掉。風險定價是很好的一個工具，但是不是一個全面風險管理的概念。

第二個，有大數據，風控就搞定了。

我潑一點點冷水。拋開大數據的相關性和它的質量、它的穩定性來說，它只是一個風險評估而已。它只是幫你更好的識別這個風險，但是它只是風險管理的一小塊。

怎樣授信？額度做多少？你的業務增長率應該是多少？你的業務做到多大可以降低你的系統性風險？你的銷售團隊是不是應該包括你的風險指標？這些都是CRO的問題，這不是大數據問題。我可以提出100個問題，跟大數據沒有關系。所以我才強調什麽叫全面的風險管理體系，這是要大家深深思考的問題。

第三個，把獲客風險把住，風險就可控了。

現今中國互聯網就是在“急速沖量”。大家都覺得只要把住風控這個進口，風險就控住了，這是不準確的。

還有一個相似的觀點，只要做催收，不做獲客，把錢催回來，就搞定了，這是非常危險的。

我分享我做風控20年的一個理念：一定要在所有的系統當中有多個控制點。

剛才我們談到的閉環和生命周期，為什麽？因為如果一個把控點失控了，另外一個把控點出了問題，同時引進一些比較高風險的人，你可以通過額度調整策略來管控他，你可以通過催收來減少損失。

所以這是整套的風險管理體系，它是一個多層次的防控系統。

風控其實是門藝術。我們做了幾十年的風控，沒有把它當成一個專業，我們把它當成了一個藝術。因為做風控是一個藝術家的活，我們可以通過一本財經商學院跟你講，為什麽是藝術？它真的是一個雕琢的過程，中國現在互聯網金融實際上很多是一個比較粗獷的勾畫，很多細節還會發生在它的方方面面。

最後，我希望大家能夠加強合作，能夠把我們風險的意識灌輸到中國的互聯網金融的行業當中去，讓我們中國的互聯網金融能夠真正成為世界的一流。 

“大數據能幫助做出迅速而明智的決定”

捷信消費金融CRO Tomas Skoumal

01 駐店模式

捷信主要向客戶提供耐用消費品相關的消費金融服務，客戶可以使用這個產品購買手機、電腦、家電、摩托車等，捷信把貸款款項直接打給零售商，而不是打給客戶本人，通過這種方式可以減少風險。

整個流程比較簡單：客戶來到零售商的商店去購買產品，填一個申請表，捷信駐點銷售代表將申請表返還到公司；公司對客戶的信息情況進行評定，把貸款審批結果反饋給商店，客戶獲得商品，商店收到款項；接下來幾個月中我們會如約收到客戶的還款。

整個流程有個特點，非常迅速。這是我們一直努力的目標，我們在不斷的縮短兩個環節的時間：一是客戶需要填寫申請表的時間，二是我們審批客戶申請的時間。目前，填寫申請表的時間，從30分鐘降到15分鐘；審批時間，從三年前的10～12分鐘，降到2分鐘左右。

我認為還有很多工作要做，讓客戶對整個貸款審批過程感到更加的滿意。

02 獲取數據信息的三種方式

在整個流程中，我們如何獲得信息，來幫助我們做決定？

首先是客戶提交的數據。舉個例子，一位女士到銷售點去申請貸款，她首先需要填寫申請表格，提交一些數據；我們同時參考商店的數據和申請產品的數據來做決定。這是用一個比較傳統的方式來進行風險控制。

其次，我們會參考一些額外的數據，主要是三個數據源。央行的征信系統是最重要的，但因為捷信提供的是普惠金融服務，很多來公司申請貸款的客戶，之前是沒有個人信用記錄的。

第二，是使用一些企業提供的“黑名單”信息。比如沒有對接央行征信系統的互金公司，這些企業沒有權限向央行上傳數據，但可以從其中得到我們客戶之前的貸款金額和還款表現。

第三，就是大家都在談論的“大數據”，它在在某些程度上可以幫助我們進行預測評估。參考客戶在申請表上提供的信息是傳統的方式，依靠征信系統是現代化的方式，但未來做（審批）決定，主要是依賴大數據。

但我要強調的是，大數據是不能夠完全取代其他的數據源的，它也不是客戶數據信息唯一的來源。大數據主要是幫助豐富我們的核實手段，去核查客戶提交上來的信息。

03 大數據使“得分系統”更有預見性

捷信要發放大量的小額貸款，我們有一個特有的“得分系統”，根據客戶最終分數來預測他的違約幾率是多少。

這個得分系統有兩個作用分：第一，它可以幫助我們預測和區分，哪些客戶有還款意願，哪些沒有；第二，在未來的一段時期里，預測（客戶）的穩定性。

作為消費金融公司，我們決定哪些貸款發放，哪些貸款拒絕，某種程度上取決於公司對風控的容忍度和接受度，公司的態度影響到最終的通過率。

如果（客戶）得分是不穩定的，則意味在未來可能會出現風險波動，更高或者偏低。

另一方面，得分系統可以幫助我們迅速的做出決定，迅速的判斷發放多少額度的貸款。

比如，一個客戶的信息豐富多樣，並且得分很高，我們可以在幾秒鐘內就做出決定；但如果信息不充分，而且得分比較低，則需要采取另一些措施進一步核實客戶信息，幫助我們做出正確的決定。

對於消費金融公司而言，能否迅速的做出正確的審批決定非常重要，這時候就需要借助額外的數據源，讓打分卡變得更加的有預見能力。

數據越豐富，打分卡的預見力越強大。

總結一下，大數據在三個方面給予我們幫助：幫助我們做出明智的決定；幫助我們做出迅速的決定；對客戶的好處是，讓貸款申請表變得更加簡短，提升客戶體驗。

04 欺詐風險

消費公司除了信用風險，還會面臨欺詐風險。捷信大的反欺詐主要是四個流程：審核、調查、歡迎電話、暗訪。

一般的理解是，一旦把錢貸出去了，消費平臺能做的工作是非常有限，如何在銷售網點控制欺詐的風險？

對於我們來說，一兩個孤立的欺詐案件並不是那麽重要，我們看重的是有組織欺詐行為，我們需要找到這種欺詐行為的模型，然後相應的改變我們的審批策略、審批流程，並引以為戒。

“反欺詐是道高一尺魔高一丈，永無盡頭” 

秦蒼科技CRO朱君

01 線下場景獲客：獵取“被動借款人”

我今天主要從四個方面來說，場景、欺詐、信用、風險定價。這四個命題是我總結下來做風控的優先級。

首先，獲客方式。秦蒼科技有兩款產品，一款是買單俠，一款是星計劃，從2014年到現在已經三年了。買單俠 3C主要通過客戶在零售店買手機場景來獲客，星計劃醫美通過醫美整形來獲客。

通過這些的場景獲得的，我們叫“被動借款人”——本質上不是太想借錢的人，他很被動。

現在很多目標藍領群體，沒有過往金融借貸經驗和歷史，人行征信體系沒有覆蓋。這類人里面，其實大多數人還是信用狀況很好的，我們內部稱為“新優質的人群”。

縱觀歷史上一些比較成熟的獲客方式，我們可以看到：平安信保通過通訊錄目錄營銷一個一個打電話；信用卡發卡是陌生拜訪；直銷團隊沖出去進行獲客。國外比較成熟的是通過郵寄，直接郵寄一個信用卡；現在京東、螞蟻、微眾通過白名單的方式來營銷。

這些獲客場景里面都有一個共性，客戶是主動出擊獲來的，獲客及授信之時，客戶其實並不一定需要信貸。所以他們是被動的借款人，這是主動獲客的方式。這樣的場景是自然的獲客需求，能盡可能規避風險。

如何把控線下“消費場景”？

買單俠有三款APP，客戶端有一個，營業員有一個，銷售人員有一個。第一，客戶跑到店里，營業員出示他的二維碼，客戶用自己的APP掃營業員的二維碼，這個就是風控防範的第一步，確保交易是發生在這個場景內的。

第二，營業員出示二維碼是轉瞬即逝的，防止截了屏以後給第三者，脫離場景的地方做現金貸，這也是風險防範的一步，必須在場景內發生。

第三，營業員出的二維碼，A和B出的二維碼是不一樣的，精確的追溯到過往營業員的表現，每個人有自己的賬號。

我們銷售端還有一個APP，客戶掃了營業員的二維碼以後收到情況會趕來。線下駐場人員像一個巡邏隊，一個人綁著五個店，如果能力強，一個人綁七個店。

我們通過這樣一套機制來確保這個交易。一，發生在這個場景內；二，這個銷售能夠比較高效的提高他的能效，這是通過三款APP相互之間的聯動來搭建的一個獲客場景。再者，銷售端的APP除了能夠通知這個銷售趕到現場以外，他還會有一些和後臺的聯動。

這套做法，避免了傳統做法里地方團隊被挖時，業務經驗流失的問題。

我們還利用銷售端的APP跟後臺進行一些交互，線下人員會察言觀色。有的人背著LV包申請了，一看就不是正常的需求。有的人開著車過來了，一定不是正常的需求。通過數據累積一段時間，我們會發現好像有紋身的人，壞賬會略高一點點。

我們是這樣通過三個APP去很好的相互聯動，來保證線下消費場景的真實性。

目前，從提交到審核，我們平均花2.8分鐘就能自動化出一個結果。所有的決策都是自動化在做，我們在整個流程中會多次調用這樣的決策點。

02 與欺詐者賽跑：魔高一丈道高一丈

在欺詐部分，我把它比作一個“賽跑”的過程。

我不覺得線下的這種黑產會結束，它也是一個聲音，他們是一個場景存在的生態。當然對他們的治理是需要整個行業去做的，但更重要的是怎麽在技術上降本增效，跟欺詐分子比賽跑、比成本。

線下中介的欺詐為了提高人效，也會準備很多資料，派一個人在那兒接電話，不會派很多人，會派一個人專門接電話，這一個號碼就會被多個人複用，我們如果把這一個號帶走的話，很多人就會被我們發現。所以這是一個可以去利用的點。

在整個申請還沒開始審核的時候，我們其實已經介入了差異化的風險防範的過程中。

這是我們自己研發的八爪魚智能信貸技術，這也是真實的一張圖。

其中紅點是壞人，藍點是好客戶，灰點是那些中間人。在這群藍領身上發現非常有意思的特點，你們可以仔細看一下右邊那個圖，紅的點和紅的點紮堆在一起，藍的點相對獨立。壞人喜歡紮堆，好人通常不會那麽成群結隊的來辦理，都是比較零散的。

第二，這上面每根線都是人與人之間的一個關系，我們可以觀測這樣的關系做很多反欺詐的規則。比如說，一個人發現他是八個人的爸爸，他填的年齡又是相似的，這種就很奇異了。

通常來說，一個金融業務最擔心的、最冒進的就是跑上來狂罰款，量沖得很快，在頭一個月里不知道這個資產是怎麽樣的。做過業務的人都有這個感觸，壞人比好人敏感，第一時間來這個平臺試一下。我們產品剛上線的那一天，有很多人就跑來試一下。如果沒有這樣的技術，必須等一個月，才知道分期付款和逾期情況怎樣。

還有一個技術比較好，我們內部叫UBT業務。右邊這三個圖是拖拉金額條的方式，你們覺得哪個相對是壞人？

橫軸是拖拉的時間，縱軸是拖拉的金額，我做個小調研，大多數人覺得第三個，跟我們的認知還是比較相符的。

我們發現很多有意思的事情，這只是其中一頁。有的人填寫特別快，正常人填一個申請表五分鐘。今天發現這個店來了五個人，全是兩分鐘之內全填完的，有的人地址是打的，有的是被粘貼上去的。有的人媽媽的名字本來叫張三，後來改了叫李四，連姓都改了。有的人拍照現場拍的，有的人是從相冊里面導出來的。後來我們把相冊功能關了，有的人發現水平的對著桌面在拍，這都是陀螺儀可以檢測的。我們把這些數據都截取了下來，按照業務的理解去捕捉了很多反欺詐的信息在里面。

反欺詐是道高一尺魔高一丈的過程。我覺得欺詐問題永遠不會有一個頭，永遠找你的漏洞，就像微軟永遠有補丁。這個必須自己不停去適應這個變化，才會做得足夠強大。

秦蒼科技在整個反欺詐領域有這樣一套防八爪魚信貸業務平臺，給我們提供了事前的預防、事後的偵測和最後的調查。

剛才說的都是在預防方面的，除了剛才說的，還有一個叫無監督學習的。

無監督學習提供了一個解決方案。我們把每件事放在歷史的長河里都有一定的概率。這個概率到這個人頭身上，異常行為就容易被捕捉了。

主動偵測和調查也很重要。尤其是調查，我覺得是現在互金機構比較缺失的一環。很多的公司欺詐管理，並沒有從逾期里面分離出來，和信用逾期揉到一起。從建模的角度、規則防範的角度還沒有把這個是欺詐還是信用剝離開，整個模型都不會太有針對性。

03 “薄文件人群”審核：像搭樂高積木

關於審核流程，我們目標人群是藍領，是“薄文件人群”，沒有人行報告、沒有社保、沒有學歷認證，這些是強變量。對他們的審核不能用銀行的那套方法來做，必須用很多維度，很多弱變量。

我們把整個審核流程像搭樂高積木一樣一塊一塊分解出來。流水線化作業，每個審核員只需要做選擇題，采集變量、驗證數據，給最終的模型提供X變量，最終我的模型會百分百由機器去審核。這樣才能做到短時間內，針對對不同人進行差異化審核。

除此之外，我們流程里還有一個環節叫電子借條。對客戶整個畫面拍一張照傳上來，這個人有沒有笑？采集這個人左手無名指上有沒有戒指……這些變量全部采集下來以後，我們做反欺詐的校驗。

說到風險定價，我們3C和星計劃兩款產品對客戶整個生命周期，都用各種數據豐富。客戶一上來有一個評分，貸後會不同的叠代去優化這個評分。這能防止一些在生命周期階段“印象選擇”的問題。

現金貸里，有很多還款是被包裝過的，以騙取後面比較大的金額。我們貸後會看多維度的數據，來不停地維護生命周期的評分。

至於風險的未知，我認為風險管理一切都在不停的變化中。只有變化，這才是永遠不變的。所以我們創業者要保持這樣的饑渴，不停的用實驗的精神去改善、去叠代，才是未來應對的方法。我相信只有不停學習，才會使我們不停的進步，面對未來更多的未知。

文章評論

匿名用戶

發布

全部評論：10

發布

百度“獵殺”前高管：索賠5000萬元，王勁求錘得錘

創業家 2017-12-22 18:05

來源 | 創業家（ID：chuangyejia）

作者 | 楊潔

今日早間，百度以“侵犯商業秘密”為由，起訴前自動駕駛事業部總經理王勁及王勁經營的美國景馳公司，索賠5000萬。被老東家告上法庭的景馳科技回應稱百度的起訴毫無事實依據。而就在今日下午，一張帶有王勁簽名的承諾書曝光，這一起國內無人車領域的糾紛案終於求錘得錘。

“我本人鄭重承諾：因電腦和一體機丟失所導致的一切法律責任（包括但不限於致使電腦中涉及百度公司的商業信息、技術信息等泄露）均由我本人承擔。”

——百度前自動駕駛事業部總經理王勁離職的《承諾函》

今年創辦了自動駕駛公司景馳科技的王勁，今天被老東家百度一紙訴狀，告上了法庭。

這也是國內無人車領域的第一案。

12月22日，據報道，百度已經以侵犯商業秘密為由，將其前自動駕駛事業部總經理王勁及王勁所經營的美國景馳公司訴至北京知識產權法院，並索賠經濟損失及合理開支5000萬元，同時要求其公開聲明消除影響。

前高管和老東家“翻臉”的事件，並不少見。但是，在今年交了國內第一張無人駕駛罰單的百度，現在啟動了國內無人車領域訴訟“第一案”，卻又耐人尋味。王勁和百度之間，又發生了什麽，需要鬧到“法庭見”的地步？

百度告了景馳什麽？

據悉，該案中百度請求法院判令，要求被告立即停止侵害百度的商業秘密，包括並不限於停止利用該商業秘密從事與百度相競爭的自動駕駛相關業務；並判令被告賠償其經濟損失及合理開支5000萬元，同時被告需要公開聲明消除影響，並承擔全部訴訟費用。

百度在起訴中提到，將王勁和景馳科技訴上法庭，主要是因為其涉嫌的這幾方面侵權行為：

王勁在百度的勞動合同中約定了競業禁止義務，以及保密和不招攬百度員工的義務。但是，百度認為，王勁在在百度時就已籌備建立景馳科技，其在自動駕駛領域，和百度具有直接競爭關系。同時，王勁的景馳科技，“挖角”了老東家百度的技術員工。

換言之，也即是百度認為，王勁拿著前東家的競業限制補償金，但是卻創辦了同樣在做自動駕駛的創業公司。

針對此，12月22日當天，景馳科技回應稱，百度的起訴完全沒有事實依據。

景馳科技表示：“公司全力以赴為中國締造無人駕駛技術，現在已經成為中國無人駕駛技術無可爭辯的領跑者。作為一家創新的創業公司，我們無懼競爭對手的體量，這樣的挑戰不會延阻我們發展的腳步。景馳總部即將搬回中國，兩周內我們就將在中國展示我們的技術實力。”

但隨即，黑智拿到了百度的一張“實錘”—— 一份王勁在今年3月31日離職百度前簽署的承諾函，其中王勁承認丟失了百度配發的一臺MacBook和一部佳能打印機。百度據此作為起訴王勁侵犯商業秘密的證據。

這就是傳說中被王勁弄丟的打印機（貼心的附上打印機參數），目測這部打印機要火……

王勁和景馳科技發展始末

今年3月1日，百度宣布成立智能駕駛事業群組（IDG），由陸奇兼任總經理。而高級副總裁王勁由於個人和家庭原因，將不再擔任自動駕駛事業部（L4）總經理職務。百度對此的解釋是，王勁將休息調整。但就在次日，王勁的信息，就在百度官網“下架”了。

據騰訊“一線”報道表示，王勁與百度產生了觀念的分歧，其主要問題就在於是否要將百度的無人車業務分拆。報道稱，去年在烏鎮的百度無人車展示取得了不錯的效果，王勁希望能夠分拆無人車業務，但是並沒有得到公司的同意。

3月底，王勁在出席2017洪泰基金CEO春分會時突然宣布，自己將在五天後離開百度並創業，創業方向正是自動駕駛。

圖：景馳科技（JINGCHI CORP）部分註冊信息

而據註冊地位於美國加州的景馳科技（JINGCHICORP）的註冊信息來看，該公司註冊時間為 2017 年 3 月 29 日，而其時，王勁還尚未從百度離職。

註冊信息顯示，JINGCHI CORP註冊人不是王勁，而是景馳的CFO——Qing Lu。QingLu是激光雷達公司Velodyne的CFO，2016年8月，經王勁的推動，百度和福特聯合1.5億美元投資激光雷達廠商Velodyne，應該從那時起，王勁就和Qing Lu有了接觸。在景馳科技正式成立一個月後，Qing Lu宣布加入，同樣擔任CFO。

百度自動駕駛事業部首席科學家韓旭，在今年4月，宣布加入景馳擔任CTO。與樓天城齊名的另外一位編程天才、之後也在百度研發無人車的陳世熹也從百度離職，加入景馳科技。

在被百度起訴之前，景馳科技就已經遭遇了一起訴訟：今年4月，神州優車向JINGCHI CORP(景馳科技)公司啟動法律訴訟程序。神州優車矽谷實驗室原四名核心員工被指在職期間參與了景馳科技公司的創立，現已正式入職該公司。

3月23日，神州優車對原矽谷實驗室四名異常離職員工發出律師函。原因是，公司“已掌握四人在職期間及辭職以後涉嫌侵犯公司知識產權和泄露商業秘密等證據”。

這四名員工為李巖Yan LI、寇真真Zhenzhen KOU、鐘華Hua ZHONG、霍達Da HUO(均為音譯)，他們在神州優車矽谷實驗室負責自動駕駛技術的研發工作，於3月14日集體辭職。而景馳科技的網絡域名jingchi.ai的註冊人即為Hua ZHONG，與上述四人中的一名重名。

目前，景馳科技已獲得天使輪3000萬美元融資和5200萬美元Pre-A輪融資，啟明創投、華創資本和英偉達GPU Ventures都是其投資方。

今年6月，景馳科技拿到了美國加州路測牌照，成為第34家拿到加州路測資格的公司，也是這個名單上的第9家中國自動駕駛公司，並在6月完成首次開放道路的無人駕駛測試。今年9月，景馳科技表示，其首批超20輛無人駕駛車隊將於年底到位，在安慶市展開試運營。王勁曾表示，景馳科技計劃在2020年，實現無人車量產。

留不住人的百度和必須留住的技術

事實上，百度的離職高管和技術人員，已經成為國內無人駕駛領域創業的主力軍。

百度的深度學習研究院（IDL），曾經是國內人工智能大牛的聚集地。在這里，集中了中國“千人計劃”國家特聘專家余凱、前Facebook資深科學家徐偉、前AMD異構系統首席軟件架構師吳韌、“谷歌大腦”創始人吳恩達、前NEC美國智能圖像研究院的負責人林元慶、曾在微軟機器人項目組工作的倪凱、師從機器學習專家AlexSmola的李沐等國內外頂尖的AI科學家。

然而，這批頂尖人才，也在不斷地流失。其中原因眾說紛壇。到底是人工智能技術的熱度，帶來了人才流動的加劇；還是百度內部策略上的變動，造成無法形成成果上的積累，都是無法準確說清楚的。而有一點確定的是，在資本火熱的推動下，百度離開的這批技術大牛，大多數都走上了創業之路。

而自動駕駛，就是其中最突出的領域。

2015年7月，前百度研究院副院長、深度學習實驗室（IDL）主任余凱宣布離職。同年，余凱成立了地平線，選擇從機器人和智能硬件大腦的芯片技術，要做“嵌入式人工智能”。日前，地平線發布了其研發成果——中國首款嵌入式人工智能芯片“征程”和“旭日”，並且余凱表示，要在2025年，實現讓3000萬輛汽車都內置地平線自動駕駛BPU。

此前王勁從谷歌招攬進百度的編程天才“教主”樓天城，曾是百度最年輕的T10，也早在王勁之前離開百度，和前百度首席架構師James Peng創辦了自動駕駛公司小馬智行Pony.ai。

今年4月，今年4月，百度矽谷研究中心無人車團隊的佟顯喬等三位工程師離職，攜手成立自動駕駛公司星行科技Roadstar.ai。

在歷任樂視智能駕駛負責人以及四維圖新自動駕駛負責人之後，前百度無人車負責人倪凱在今年8月宣布成立了自己的無人駕駛團隊HoloMatic。

而作為老東家的百度，在無人駕駛領域，仍舊也付出了巨大的心力。今年上半年的百度AI開發者大會上，李彥宏乘坐自動駕駛汽車上了五環，還領到了國內無人車的第一張罰單，一時間成為熱點。

在11月的百度世界大會上，李彥宏提到，百度計劃在2018年7月底，與金龍合作率先實現無人駕駛小巴車的小規模量產及試運營，並在2019年與江淮、北汽，2020年與奇瑞共同推出無人車。12月20日，雄安新區與百度簽訂協議，將共同打造智能公交加無人駕駛智能出行試點示範城市；百度Apollo自動駕駛車隊在雄安的道路上開跑。

在這個當口上，對於前高管涉及的無人車“商業機密”這件事，百度自然要對其關註有加。

目前這起事件，也是百度第一次以侵犯商業秘密為名，起訴前高管。在景馳科技總部即將搬回國內之前，百度發起訴訟，兩者之間的微妙關系，也可見一斑。這起事件將如何解決，我們靜觀其變。

文章評論

匿名用戶

發布

全部評論：10

發布