WAIC 2021 第四範式戴文淵：AI決策助力金融轉型走向質變

（原標題：WAIC 2021 第四範式戴文淵：AI決策助力金融轉型走向質變）

7月9日，2021世界人工智能大會“AI新時代·數智新金融”論壇舉行。論壇由交通銀行主辦，世界人工智能大會組委會辦公室、上海市地方金融監督管理局指導，上海金融業聯合會協辦。論壇上，上海市人民政府副秘書長陳鳴波，交通銀行黨委副書記、行長劉珺，交通銀行黨委委員錢斌，中國工程院院士鄭緯民，第四範式創始人、首席執行官戴文淵發表了主旨演講。

戴文淵在演講中表示，AI決策正在幫助企業轉型進入新的範式，也是帶領企業走向質變的重要方法。以下是戴文淵演講內容：

AI從“有用”到幫助企業“質變”

最早人工智能提出的時候，大家對它有很高的期望，這個期望經歷後面的幾起幾落，到今天大家對它又有一些質疑。從另外一個角度看，這恰恰是AI從業者的機會。我們需要去分析每一次AI回落發生的本質原因，到底出了什麼樣的問題，如果能解決問題，往往就是下一次騰飛的機會。

上一波包括第四範式這樣的科技公司的興起，實際上是因爲人工智能開始有用了，我們把人工智能應用在產業，很多企業用AI賺到了錢、節省了成本，享受到科技的價值，但爲什麼AI仍然被詬病呢？我的判斷是AI在過去做了很多有用的東西，但可能還沒什麼大用，在企業內還不夠關鍵。這是今天AI面臨的最大問題，也是下一波AI浪潮的機會。

從金融行業來看，第四範式從成立第一年就開始就服務金融機構，積累了比較多的落地場景，諸如營銷端提升信用卡營銷效率，風險端識別欺詐風險、信用風險、合規風險……單從某個場景看，AI已經獲得成功。這些曾經是令我們和客戶非常興奮的事情，但到了今天，我們已經不滿足於在某一場景獲得提升，哪怕是幾十倍的提升，我們會思考，這些場景在一家千億市值的企業，是否足夠重要、足夠關鍵。實際上我不認爲把AI從這些企業拿掉，企業的經營會遭受很大影響，甚至說都無法存活了。

我認爲人工智能的落地有兩個階段。第一個階段是我們找到一個關鍵場景去優化，例如媒體行業的核心話題是內容分發的成本，成本下降後，相同的成本能獲得更多客戶。這是消費互聯網核心的邏輯之一。

過去我們用技術實現分發成本的下降，每一次下降都能帶來用戶的增長。這個叫做人工智能量變的階段，有很大的價值，但沒有本質的區別。直到量變的積累達到一個臨界點，進入到第二個質變的階段，比方說消費互聯網近年來出現的增長奇蹟，本質上是當邊際成本降到幾乎爲零時，通過固定成本可獲得的用戶數是無窮大的。今天我們看到的千人千面的內容分發，用戶數和規模獲得巨量成功，其實並不依賴於任何人工，此時就獲得了質的提升。

在金融領域，這些年我們和客戶共同努力尋找有沒有機會，實現從量變到質變的改變。舉例來說，手機銀行裡有很多場景可以優化，如猜你喜歡、關聯推薦、理財推薦等，如果我們站在更高的高度思考，把手機銀行當做一個網點、一個客戶經理來看，今天是“手機銀行”的業績更好，還是線下的客戶經理業績更好。如果“手機銀行”業績比線下的客戶經理高了，可能就達到了一個臨界點。因爲我們獲得了一個邊際成本爲0的高業績客戶經理，並且這個客戶經理可以無限的複製。

我們在零售領域也做過一個成功的案例。這家企業以往在手機端的客單價是低於線下的，這種情況下，企業也不願意把過多的客戶從線下往線上遷移。我記得在三年前第一次實現了反轉，線上的客單價大於線下，反轉後整個線上化的動力就完全不一樣了。現在這家企業絕大部分業務量來自於線上，轉型成了一個互聯網公司。當然，這個反轉也是量變積累的結果，背後其實是用AI做了大量場景建設，對着提升線上客單價這樣一個目標。

產業互聯網的核心是從業者的門檻。某找房企業就是通過經紀人協作網絡，把經紀人的門檻不斷降低，最終降低到讓廣大普通勞動者都能加入，讓行業內有足夠的從業者，獲得了無窮大的生產力。

在金融領域，最近我們幫助一家金融機構改造私人銀行，讓水平不等的客戶經理在與客戶溝通的時候，有AI在不同層面上的指導，提升他的服務能力，最終是爲了讓一個很普通的客戶經理都能成爲最優秀的銷售，降低行業內從業者的門檻，讓金融領域主要靠人的客戶經理模式發生質變。

從量變推向質變，這中間必然有大量的場景建設。對於絕大多數AI公司來說，做好一個場景都不是太難的事情，難的是一年做出一千個場景。這個時候需要的不僅是最先進的技術，更是高效落地場景的方法論以及平臺建設，這也是第四範式過去七年努力的方向：如何規模化的落地場景，提升AI應用的效率。

回顧過去幾年，其實是幫助廣大客戶建設AI、落地AI場景、讓AI有用的時期。在未來的五至十年，希望AI不僅僅是做了有用的事情，而是做了一件事情，或者很多件事情之後，讓我們的客戶變成了完全不一樣的客戶，從經營量變到質變，找到新的增長曲線。

軟硬件聯合優化保障金融安全

金融安全是現在行業內另一個不可忽視的話題。在AI領域，中國很大程度上已經具備了自主研發與應用的能力，原因在於中國的人工智能發展並不晚於美國，我們最早在2009年開始做AI應用的時候，TensorFlow、Spark這類耳熟能詳的開源技術都還沒起步，沒有拿來主義，只能依靠自主研發。

雖然實現了算法上的自主研發，但在硬件端如何高效、穩定的運行也是亟需解決的問題，爲此我們投入了大量的精力與資源去研究，比如異構算力的優化。過去，金融機構採買的服務器型號較爲統一，如今在AI應用數量快速增長的趨勢下，需要越來越多不一樣的硬件去支撐AI軟件運行，滿足AI異構算力的要求。

我們發現由於新的異構硬件的引入，從軟件定義算力的角度進行優化有巨大的空間和價值。此前，業內大多是軟硬件獨立優化，導致了軟硬件較爲割裂，沒有做到端到端性能最優。我們通過軟硬一體的聯合優化後，端到端性能相比採用GPU服務器跑開源框架的方案，提升了一個數量級，爲保障金融系統可靠安全提供了一個有競爭力的自主可控方案。

希望在未來能夠和越來越多的金融機構及其他行業的客戶攜手，找到質變的方法，進入AI決策的轉型新範式。