晨兴资本程宇:互金不能光靠胆子大挣钱了,技术才是最佳杠杆 |投资者说

摘要: 从给自己贴“互联网金融”标签,再到过去一年开始贴Fintech标签,金融领域创业公司往往热衷于靠热点而不关注本质。

“从给自己贴互联网金融标签,再到过去一年开始贴Fintech标签,很多金融领域的创业公司热衷于往热点靠而不关注本质。”

这是晨兴资本合伙人程宇对互联网金融这个领域很不客气的评价。

程宇曾主导早期投资了大搜车、小猪短租、用钱宝等多家创业企业。晨兴资本是中国最早从事早期风险投资的机构之一,是小米等诸多独角兽的主要投资人,目前所管理资金规模超过十五亿美元。

在近期和钛媒体记者的一次对话中,程宇认为,当前移动互联网红利将尽,科技浪潮进入一个相对低谷期。而在新一波技术革命的前夜,其中人工智能的机会最大,它也因此受到了投资者们的热捧。但程宇也直言:

“现在有的公司估值虚高严重,整个行业也许今年会经历一段时间的早期泡沫破灭期。”

毕马威日前发布了《2016全球Fintech投资分析报告》,分析称这一领域的投资热度正在降温,印证了程宇的看法。该《报告》提到,Fintech行业的企业并购和PE资金收紧:2016全球Fintech投资总额达到了247亿美元,而在2015年是470亿美元,同比下降近50%。

以在线借款行业为例,在程宇看来,大部分宣称“几分钟放贷、在线风控”的贷款平台只是实现了获客和风控流程的在线化或自动化,本质上还是完全依赖人的经验来进行风控模型的迭代和优化。只有实现“训练机器”,而不是“训练人”,才是机器学习技术对于Fintech的真正贡献。

Fin OR Tech?这是一个问题

为何金融与人工智能这两个关键词在如今会联系得如此密切?

“目前证明机器学习擅长通过大量弱变量和结果的相关性中挖掘规律”,程宇表示,在边界明确、目标函数清晰、有闭环反馈的标记数据的各个垂直领域(比如围棋),人工智能的表现将逐一远超人类,并且在这些领域逐步代替人的大部分工作。

而金融正在人工智能擅长的版图之内。程宇认为,金融是天生纯数字化的领域,应用场景的边界清晰(比如贷款),目标函数明确(实现通过率和坏账率的最优组合),有闭环获取的标记数据(是否逾期),而且相比医疗和无人驾驶这种需要极高可靠性门槛的应用,有可管理的容错性(可以容忍一定的坏账率)。

因此,程宇认为当下人工智能最好的应用方向之一就是金融。

目前的一个新现象是,对于那些从互联网跨界金融行业的公司来说,与金融业务相比,技术正在占据越发重要的地位。

“在2012年行业刚起步时,去监管化是推动行业高速发展的主要动力,我们可能会模糊Fin(金融)和Tech(技术)的边界。但从最近两年来看,大数据、人工智能的发展成为了行业发展的新红利,作为VC来说,此时我会更关注Tech。”程宇向钛媒体表示。

无独有偶,蚂蚁金服也在日前宣布,未来只做Tech,将为金融机构提供开放平台,帮金融机构做好Fin。定位于Techfin,而非Fintech。

在程宇看来,这一转变的背后原因是,科技公司真正意识到,与金融业务相比,在人工智能技术的加持之下,技术与数据才是其优势所在。

“人特别擅长跨领域的泛化思维,把不同领域的思考耦合在一起。”程宇表示,在这个意义上,对于未来的机器文明来说,人类受情感等影响的“非理性”的思维就像是生物进化过程中的“基因突变”,未来人类的最大价值也许就是这种“犯错误的价值”。

金融不是一个赢家通吃的行业

当前互联网在各行各业头部化趋势明显,马太效应是今天所有创业公司面临的很大问题。即使在垂直领域也难以取得竞争优势。

但在金融领域,程宇认为,这不是一个赢家通吃的行业。创业者们的机会仍在,但要找到有技术红利的应用场景,并且尽量远离巨头们的射程范围。

程宇强调,互联网金融靠着“胆子大”就能赚的盆满钵满的日子已经过去了,实现数据驱动是他们如今需要努力的方向。他举了一个案例:在线借款行业。

这貌似同样是一个被巨头环伺的市场,腾讯、阿里、京东等均在该领域有所涉猎。但程宇向钛媒体展示了其参与投资的一款现金贷平台智融集团旗下产品 “用钱宝”的成绩单——在大约一年半内,用户过千万,单月放款笔数超150万笔,累计交易900多万笔,单日放贷超5万笔,逾期率低于同业水平40%。

“中国拥有信用卡的人群只有2亿多,支付宝微信支付似乎人人都在用,但前者支付用户月活约5亿,微信支付月活约46亿,而这几个群体又是高度重合的。很明显,这只是冰山上的一小部分。”在程宇看来,中国仍有大量人口缺乏征信记录是最关键的问题,对于他们来说,借贷需求难以得到满足。

但问题是,在强征信数据大量缺失的情况下,如何恢复这些人群的征信信息呢?金融机构不得不使用更多辟如消费数据、运营商数据、互联网行为数据等弱金融数据。

程宇举了这样一个例子:比如用户说自己在北京,但却经常打外地的饿了么、顺丰等平台的电话,这对他说话的真实性就要多一分怀疑。

这条单一信息并不能证明其欺诈或不欺诈,但当大量的此类弱特征数据整合分析之后,机器就会给出一个相对公平的判断。

这类底层数据的改变,对传统信用评分卡造成了巨大的困难。但目前人工智能和机器学习用复杂集成模型就可以处理大量维度的弱变量,并将之与违约风险挂钩。并且可以实现在线快速自迭代,而非人工进行的软件模型迭代。

“对于创业公司来说,技术变革往往提供了和成熟公司竞争的最好的杠杆,你必须找到下一个技术浪潮的风口,尽管人工智能还没那么成熟。”程宇表示。(本文首发钛媒体,记者/蔡鹏程)

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

本文系钛媒体原创,未经授权不得使用,如需获取转载授权,请点击这里
分享到:

第一时间获取TMT行业新鲜资讯和深度商业分析,请在微信公众账号中搜索「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精华内容推送和最优搜索体验,并参与编辑活动。

蔡鹏程
蔡鹏程

钛媒体、《商业价值》记者 邮箱:bzyy406@163.com

评论(0

Oh! no

您是否确认要删除该条评论吗?

分享到微信朋友圈