搜索到
1404
篇与
金融科技
的结果
-
黄又钢「华尔街往事」：摩根大通与花旗这20年 编者按：从花旗银行高级副总裁，到摩根大通执行董事，黄又钢一路走来，见证了美国金融科技从无到有的十年。随着中国金融科技的快速发展，一批顶尖金融人才回国创业，黄又钢也是其中一员。“在纽约，每个人都走得很快。”这是黄又钢30年前初到美国的体会。第一次去美国的时候，已在纽约生活了半年的太太陪他去逛街。他发现太太的步子走得飞快，而之前在北京，她总是习惯散着步走路。一开始黄又钢有些不太习惯，但他很快就适应了这样的快节奏。从加入出国大军，到征战华尔街，再到回国创业，他一直与时代一同成长，不论是在美国还是在中国。他的人生和这个时代，紧紧地交织在一起。1990年，改革开放浪潮袭来，黄又钢跟随出国大潮去美国纽约城市大学读书2000年，美国金融业正在攀爬一个新的巅峰，黄又钢加入国际金融巨头——花旗银行，并成为花旗银行高级副总裁，在线上支付、信用卡、零售银行、贷款等领域研究颇深2010年，辞职创业的梦想被全球金融危机的余波击碎，黄又钢加入另一家国际顶尖金融巨头——摩根大通担任执行董事，并负责其数据分析团队2020年，黄又钢回国，前往深圳，共同创办金融科技公司——弘犀智能，担任首席风控官今天的黄又钢，依然是一个身经百战、擒敌无数的指挥官，手握技术权杖，坐拥经验财富，运筹帏幄指引着团队日夜鏖战、争打江山。风风雨雨三十年，已到知命之年的他回国创业，再一次与时代同行。艰苦求学，初识金融雷锋网：你在华尔街工作多年，但普通话说得很流利，是大学毕业后去了美国发展？黄又钢：没错，我在读研之后，去了美国读书，在国内是学“技术经济”（工程经济学的一个分支），到美国后选学了“金融经济学”。雷锋网：能聊一聊当时印象比较深刻的经历吗？黄又钢：1990年我离开中国，在美国读书期间遇到了两个难题。第一，英语极差，虽然考过了托福，但是听力根本就整不明白。教授在台上讲课，他用手写在黑板上的内容基本都懂（主要是数学表达式及推导）；可他用嘴巴说的基本都不懂。教授是很幽默的人经常讲笑话，大家常常哄堂大笑，每到这种时候，我都十分尴尬被迫挤出干笑，完全不知道他们到底笑什么。第二是没钱。我是自费留学，当年国家外汇管制很严，因私出国只可以换汇40美元。自认为没钱不可怕，可以凭着双手打工挣钱。入校时，外国学生办公室提供了一个勤工俭学的机会——去汉堡王做服务生。我就兴高彩烈地跑到汉堡王，想观察一下这份工作需要做些什么。当我走进店里，足足站了半个小时，发现一句话都听不懂，人家打招呼我也不知道怎么回复，一根木桩满脸堆笑。自己都不好意思了，只好灰头土脸的溜走了。没有语言，有打工机会也是无法胜任。当时我们学习需要阅读参考书，但是国外的参考书往往很贵，没钱怎么办呢？只好先把这些书从图书馆借出来复印，系里秘书知道我没钱也就容忍我几百页、几百页的复印，最后印的碳粉筒都换了好几个。在美国读书期间，开始时，是过了一段艰难时期。雷锋网：大概到什么时候，情况慢慢转好了？黄又钢：没钱的问题比较容易解决。上学时没时间打工，就在暑假到中餐厅打工。第二学期开始拿奖学金，不存在活命的问题。英语的问题时间长了点，当时反复看几部电影，看得快背下来了，在那个英语环境下，也努力与美国同学打交道。大概过了1~2年，慢慢忘记英语这件事情的时候，终于把语言这件事情整明白了。雷锋网(公众号：雷锋网)：那时候，有没有关注过美国比较热门的AI研究方向？黄又钢：听到AI这个词，大概是在80年代，但还属于计算机范畴内，离真正的金融还差得很远。金融科技是2000年后才开始流行，由于从事金融的数据分析，包括建立模型、统计分析等，所以一直比较关注AI和机器学习算法的发展。雷锋网：你加入这一行业应该也有二十多年了，其中整个社会和技术的发展发生了非常大的变化，可以给我讲一讲你所看见的或者经历的变化吗？黄又钢：我觉得最大的变化是我们对数据的处理能力得到了非常大的进步。刚去美国读书的时候，数据规模大概在MB这个层次。 后来我到摩根大通工作后，团队的数据量在TB这个等级。从MB到GB，增长了1024倍；从GB到TB，又增长了1024倍。这二十多年来，我们见证了这样一个数据大爆炸从0到100的过程。花旗八年，登堂入室雷锋网：你是怎么进入花旗银行工作的？黄又钢：在花旗银行工作之前，我在数据分析行业已经工作了七八年，直到2000年，因为一个契机，我才进入花旗，真正加入到金融行业。当时我在一家有线电视公司的建模分析团队。做经理的老板是从花旗银行跳槽过来的，经常会把自己曾经在花旗是如何建模，如何做数据分析的事情说给我们听。我们可以明显感觉得到她语气中的那种“自豪感” 和 “优越感”不自觉的溢出。我们作为年轻人，觉得她讲得很精彩。后来她又重回花旗，由于我干得不错，她建议我应该去花旗银行。于是把我推荐到花旗的一个部门工作。雷锋网：在花旗，你主要从事哪些工作？黄又钢：我从2000年开始就在花旗，一直做到2008年底。这8年来我跳了4个部门，平均是两年为一个周期，在一个部门把业务整明白了就去另一个部门（当然有我主动也有被动的）。在花旗银行的前两年，我跟着部门做线上支付，但时机不对，没能做成功。然后我就跟着老总回到了信用卡的部门，在信用卡大概干了两年，然后去了零售银行，因为零售银行的业务实际上很简单，所以大概干了一年，又去了贷款（房贷）。这八年，我基本上把零售银行的各个条线跑了个遍。在做信用卡的时候，我认识的一个老总要自己跳出来创业。他是整个零售条线的CRO，他说自己开公司，于是我们就一起跑到新加坡创业去了。 这个创业公司是一个数据分析团队，包括了花旗几个风控高管。我们为美国及亚太的主要银行提供风控和战略咨询，从印度尼西亚、菲律宾、马来西亚、泰国，然后台湾、新加坡本土的银行，只要银行老总曾经在花旗银行工作过的，我们多多少少都可以牵上线进去做了一些业务。雷锋网：你觉得在AI金融领域，现在的年轻人应该深耕，还是说尽量多去接触各条线上的业务？黄又钢：这两个一定要相辅相成。在技术方面一定要深耕，在业务层面一定要扩展。业务方面，你必须得见得多，而且真正理解业务问题的痛点，才能够触类旁通，而算法数据你必须扎深，这样你才能对数据、对算法有更深理解。在花旗银行工作的8年，我跳了4个业务条块。实际上，有一个底层的东西不动，就是数据分析和建立模型。只不过应用的场景不一样。雷锋网：每个公司都有自己独特的文化，甚至也会给员工打下这个文化的烙印，花旗银行的公司文化是怎样的？黄又钢：花旗银行的文化是非常驱动型的，就是一个逼着你向前冲的环境。你想做好，你就得玩命，你就得加班，你就得比别人都要更领先。从老板到底层员工，整个公司都呈现出一个玩命的状态。节奏十分快，也许是在纽约的原因。纽约城里大家走路，常看到一路小跑的人。 当时还练就了一个本事，由于工作压力大，所以睡梦中都在想工作，有时候睡梦中会跳出一些好的想法，但又不能开灯，就在黑夜里头直接拿笔在纸上记。 第二天早上居然还可以认出我的“摸黑”字体。雷锋网：虽然压力很大，但也很充实。黄又钢：是的，在那种高压的环境下，虽然很忙碌，但逼着你成长，逼着你想清问题所在及如何解决。不过好在数据分析是一件自己喜欢的事情，所以发现并不觉得累。雷锋网：在花旗，有没有让你印象比较深刻的人或者事？黄又钢：印象最深刻的还是那位带我进花旗的女老板。她有两个特质，让我愿意跟着她。一个是她分析和考虑问题非常全面，而从不是单点。讨论一件事情，一般人多是就事论事，但是她会想到这件事情周边相关的东西。比如咱们现在讨论的是A和B的事情，她不仅要搞清楚A和B，及它俩的关系，而且会让我们思考B和C的关系，A和C的关系。她经常会提一些这样的问题，逼着团队成员思考这件事可能会对周边看似无关的事情的影响。第二，她喜欢寻根究底。一个问题，她会问你这个问题往下三四层是怎么回事儿？逼着你往更深层思考。另外她十分细致，如果是写汇报，小到一个标题、一个语法，前后衔接，逻辑关系，等等，她都会一一帮你指出来。那段时间真的被她整的挺惨。但是经过那段时间磨练后，我也确实学会如何更好地思考，及做一件事应该怎么做得更完美。加入摩根，深耕科技雷锋网：摩根大通是一家非常出色的商业银行，你在摩根大通做到执行董事这一职位，有什么秘诀可以和我们分享一下吗？黄又钢：这和我在花旗的那一段磨练，及在之后到新加坡的创业咨询，很有关系。在花旗接触了各种类型的业务后，感觉触类旁通了。只在一个部门工作过的人，和在多个部门工作过的人，完全是两种思维方式。只在一个圈子里的人，他始终在他那个圈子里，出不来。而因为在多条业务线呆过，我发现思路会开阔很多。而创业和咨询服务，逼着你要考虑周全和换位思考，这对于理解他人相互合作有很大的帮助。第二点，在花旗还学到的一点是目标制定和执行力。有了眼界之后，你怎么把它落下来？怎么执行下来？你必须对它进行细化和拆分。雷锋网：我们知道，每一家公司都有自己的特色，即使是摩根和花旗这两家顶级商业银行也同样如此，你曾近距离在这两家公司工作过，你觉得在摩根工作和花旗最大的不同点在哪儿？黄又钢：非常不一样。我在花旗的时候要求每年盈利增长15%。这么大的盘子，每年增长15%，所以花旗银行的人都在疯狂的推动利润的增长。摩根完全是另一套哲学，它提倡做正确的事情。它不以盈利为唯一导向。花旗银行与摩根大通在底层经营思路上的差异，导致了他们在不同时期的境遇。花旗银行为了盈利，员工要提出各种方法去增长业务，主要是如何可以从客户身上拿到更多的钱。而进了摩根大通以后，我上的第一堂课就很有意思。员工大概是9点上班，所有的高层领导8:30前必须进办公室，听客服电话，听一听这些客户的意见、反馈或者难处。直接感受到客户的痛点和难点，然后思考如何改进。雷锋网：如果按照这样的情况发展下去，花旗银行是不是会把摩根大通远远的抛在身后？黄又钢：正好相反。2008年金融危机前，信用卡领域的老大的确是花旗。但金融危机之后，摩根成了老大。奔着钱去并不等于你能够真正把钱拿到手，想要真正做到业务增长，绝不是只想着挣钱，而是要更好地思考如何提供客户需要的服务，要寻求一个平衡。雷锋网：在摩根，你主要负责哪一方向的工作？黄又钢：主要做数据分析和模型建立这一块。数据分析团队一般分成两大块，一种建模型的，一种是业务分析的。在摩根的那段时间，我主要管理模型建立，即管过营销模型，也管过风险模型。同时，我开始跟进金融科技这一块。因为金融科技这个概念，也是从2010年真正开始提上日程的。在16年、17年，带领团队具体深入研究各种机器学习算法，并接触各种金融科技公司了解和掌握AI及算法上的最新动态，以及在智能风控等方面的进展。雷锋网：在华尔街商业银行工作这么多年，你做过具体的比如智能风控等金融科技方面的工作，也曾领导和统筹过团队，您觉得遇到的最难解决的问题或者工作是什么？黄又钢：最难解决问题，实际并不是我们自己业务问题，而是政府监管。政府监管把美国把所有的银行都弄得很惨。这个事情起源于2008年金融危机，金融危机后美国收紧了金融行业的管理，出台了一系列法案，让银行不能做很多衍生产品。 政府监管的过度严格，使得银行再也不去琢磨业务上该怎么改革及创新，而是首先考虑如何满足一系列监管政策的要求。所以到了最后，监管把美国银行捆的死死的，很多技术有了，但是落地不了。雷锋网：这也是您回国创业，创立弘犀的原因之一？黄又钢：是的。 回国创业，重新启程雷锋网：还有什么其他原因促使你放弃华尔街的工作，回国发展？黄又钢：一是因为美国的政策和国情。在美国你需要花费很长时间去应对监管，很多创新推行不下去。而且，美国对公众的个人隐私保护十分严格，银行想要拿到个人税务数据、社交数据、电信数据，这在美国都是绝对不允许的。而在中国只要你合理应用，这是有很大可能性的。第二，在算法上面，这么多年美国虽然在机器学习领域持续研究，但是在风险管理上面，美国的法律要求很严。银行如果想要拒绝一个贷款，必须清楚的告诉申请人四条主要的原因，比如申请人最近查征信比较频繁，近期贷款的额度过高等等，这些原因需要一一解释。然而，机器学习算法本身就十分复杂，里面繁杂的数学计算过程并不容易解释清楚，而且大数据是根据相关性而不是因果关系来做决策的，所以很难去解释为什么要拒绝一个贷款申请。雷锋网：据了解，弘犀成立已一年，作为一家十分年轻的公司，目前弘犀最主要的工作有哪些？你在其中主要承担哪些工作？黄又钢：我作为CRO（首席风控官），主要工作是风险业务的拓展及其执行。相对来讲，国内银行的风控水平比较弱，我们有很多机会可以去提升它的风控能力。另外，弘犀作为一家新创立的公司，需要获得融资，这一块的工作我也在跟进。雷锋网：你觉得金融科技公司，要抓住的“主要矛盾”是什么？什么才是公司发展最重要、第一要解决的？黄又钢：风控有主动风控，有被动风控。主动风控的意义在于让整个公司的业务向上增长，同时把风险控制在合理范围，而不是简简单单的把所有业务都封死。作为金融科技公司，如何帮助银行和其他机构把风险有效、合理地控制住，是我认为重要的事情。雷锋网：你觉得AI金融科技有哪些有潜力的应用场景？黄又钢：小微企业贷款是一个难点。小微企业占了整个经济体量的百分之七八十，大多数老百姓的生存实际是靠小微企业。这是一个很有潜力的应用场景。雷锋网：据了解，弘犀智能要在5年内成为技术驱动的全球FinAI领导者，现在弘犀已经成立一周年了，可以给我们分享一下目前做成了哪些工作吗？黄又钢：目前，我们经历了几个发展阶段。第一步，是如何发展业务？明确我们的核心技术和核心竞争力是什么？我们的市场定位是什么？我们如何帮助企业、银行去解决风控问题。这些我们已经有了细致的思考和明确的答案。第二步，培养团队，把我们的核心团队逐渐建立起来。第三，我们也实实在在做了几个落地的案例。无论是四大行，还是城商行，我们都已经实际帮它们做一些业务，进行了合作。同时，我们也确立好了自己的核心业务。雷锋网：弘犀的AI业务边界在哪里？还是说完全没有边界？黄又钢：我们的边界其实蛮清晰的，我们要做大C小B。大C指的是目前我们在个人消费贷款领域，只做10万、20万左右的贷款业务。小B指的是在小微企业贷款上，我们做300万以下的贷款业务。这是我们的业务边界。雷锋网：你在大公司任职多年，这次出来创业之后，你觉得自身最大的一个变化是什么？黄又钢：大公司的团队很强，基层员工怎么做事情，有一套很成熟的规范。但是创业公司的员工，需要你一步一步的教，这一点很辛苦。而且现在公司还没有融到资，大家也需要考虑工作的稳定性，也很难招聘到顶尖的同事，这是比较现实的问题。前一阵子我们在公司里在谈孙悟空、猪八戒、沙和尚的故事。就是说孙悟空的本领大，但是猪八戒、沙僧其实也各自有自己的能力和特点。在创业的道路上，既要有孙悟空这样有大本事的人，也需要猪八戒这种嘻嘻哈哈、快乐的人，也需要沙僧这种勤勤恳恳的同事。关键还在于有一个推进者，把大家凝聚起来，朝着一个方向前进。 -
谁在影响蚂蚁的“想象力上限”？ 今天，中国互联网正式迎来ATM时代。所谓ATM，即阿里巴巴、腾讯、蚂蚁三家顶级互联网巨头的统称，也是中国互联网公司中市值最高的三家公司。10月26日晚间消息，蚂蚁集团IPO初步询价完成，经过1万个机构账户询价，最终A股发行价确定为每股68.8元，总市值为2.1万亿元。目前，阿里巴巴的市值是5.5万亿元左右，腾讯市值4.8万亿元左右，蚂蚁集团超越美团，成为互联网巨头中市值排名第三的公司。而这一市值，相当于京东（8400亿元）、拼多多（7000亿元）、小米（4400亿元）、百度（3000亿元）这四家互联网公司市值之和。蚂蚁狂奔，已成大象。如此高的市值，让整个投资市场都为之震动，人们不禁好奇蚂蚁集团2万亿元市值到底是怎么来的？蚂蚁有哪些实际业务可以支撑如此之高的市值？而在未来，它的想象力空间又在哪里？2万亿市值，高了吗？蚂蚁集团，是近两年资本市场上，最令投资人兴奋的准上市公司。而在此之前，各大投行、研究机构早就开始对蚂蚁集团的实际价值进行估算。2020年8月4日，胡润研究院发布了《2020胡润全球独角兽榜》，这份榜单将蚂蚁集团的估值定为1500亿美元，相当于1万亿元人民币的估值。而同样在今年10月，全球第五大财团瑞士瑞信银行（简称“瑞信”）发布研究报告，预测蚂蚁集团在2019年到2022年收入复合增长率为54%，公司净利润稳定在30%—31%，最高给予4610亿美元，相当于3万亿元人民币的估值。从1万亿美元，到3万亿美元，不管是摩根大通、花旗银行，还是国内各家券商、银行，各家分析机构给出的估值皆在这两者之间浮动。而目前市场计算出的蚂蚁集团市值为2.1万亿元，这一市值究竟是高还是低？一般而言，国际市场上最常见的评价一家公司市值高低的方法为市盈率（P/E）。当一家公司的市盈率过高，则价值被高估；当市盈率过低，则价值被低估。市盈率是衡量上市公司成长空间的重要参考指标，可以从短期、长期两个角度来分析一家公司。从短期来看，根据当前2.1万亿元的市值计算，蚂蚁集团的发行市盈率达到96.48倍，接近百倍的市盈率水平。按照静态市盈率，目前的阿里巴巴、腾讯、京东三家公司的市盈率分别为34、59、41；而苹果、脸书、谷歌的市盈率分别为33、33、19。相比国内外互联网巨头，蚂蚁目前的市盈率只低于亚马逊和美团，市值偏高。但静态市盈率并不能体现一家公司在发展过程中真正的实力，投资者更看重的是企业的未来表现。从中长期来看，蚂蚁的成长性被普遍看好。根据中金、花旗、摩根大通和摩根士丹利等主要投行的预测，蚂蚁未来两年（2022年）预期市盈率是24倍，仅约科创板已上市185家公司平均市盈率的三分之一，远低于和蚂蚁同样具备科技属性的PayPal（市盈率超100倍）。而且，蚂蚁集团拥有独特的生态系统和宽阔的护城河。招股书显示，2019年蚂蚁集团实现营业收入1206亿元；支付宝活跃商家逾8000万，年活跃用户超10亿。从用户超10亿的互联网巨头市值来看，蚂蚁目前的市值也偏低，还有很大的发展空间。而2019年度蚂蚁在巨额收入的基础上超高的营收增幅，也让全世界互联网巨头相形见绌。据统计，美国标普指数500中，2019年营收超过150亿美元的公司一共有179家，占总数的35%。包括谷歌、Facebook、亚马逊、PayPal、阿里巴巴、腾讯等代表性公司，但仅有蚂蚁2019年的收入增长超过40%。2020年，蚂蚁继续保持高增长。前三季度，蚂蚁实现营业收入1181.91亿元，同比增长42.56%；毛利润 695.49 亿元，较2019年同期的399.07亿元同比增长74.28%。蚂蚁的价值“支柱”当然，2万亿元市值是高是低，如果用单一数据分析方式来判断显然并不可靠。只有真正了解蚂蚁集团的业务构成和收入明细，才能对其有一个进一步的了解。2020年8月25日，蚂蚁集团递交招股书，第一次揭开了自己神秘的财务面纱和业务结构，大众也首次有机会一睹“芳容”。其中，蚂蚁集团的收入主要来自三块业务：数字支付与商家服务、数字金融科技平台、创新业务。依靠支付宝，蚂蚁集团超过6成营收来自「数字金融科技平台」，其中微贷业务占4成，理财和保险业务占2成。从资本市场习惯的价值判断来看，蚂蚁集团的市值的高低，取决于它本质上一家科技公司，还是一家金融公司。科技公司的每一份收入都是实实在在的，还能带来潜在的价值，收入1元，市场会相信你未来能挣10元；但金融公司因为存在各种各样的风险和限制，即使收入10元，市场可能只承认1元。而作为营收最大一部分来源，「数字金融科技平台」的性质，就显得尤其重要。如果蚂蚁集团的这一部分业务实际上属于和传统机构一样的金融业务，那么目前2.1万亿元的市值就显然“名不副实”。深入分析其业务模式，蚂蚁集团的核心竞争力实际是其拥有的技术和数据分析能力。与赚取存款、贷款之间差额的传统金融业务不同，蚂蚁集团通过引流、助贷、联合贷款等方式提供金融服务，不直接承担利率风险、信用风险。科技，本身是一个循序渐进、不断升级和迭代的事物，科技公司也是如此。在金融科技的世界，不是非黑即白，更多的是看“比例”。服务10多亿用户的蚂蚁集团，员工人数仅为16660人，技术研发人员占比高达64%，蚂蚁集团的销售人员只有2276人。「科技研发投入」也成为判断一家公司科技属性的重要标准。2017年—2019年，蚂蚁集团研发费用分别为47.89、69.03、106.05亿元，占当期营业收入的8%左右，而四大行等传统银行在科技的投入一般只占2%。从蚂蚁支柱业务的盈利模式、财务比重、员工结构、科研投入等多维度分析，蚂蚁集团符合一家科技公司的标准。而确定了这一点，才能真正定义蚂蚁的估值模型和市值高低。创新，决定了蚂蚁集团的“估值上限”如果说数字金融服务等支柱业务，决定了蚂蚁集团市值的“下限”，那么蚂蚁链所代表的创新业务，则决定了蚂蚁集团的“估值上限”，即想象力部分。招股书显示，蚂蚁集团的创新业务及其他业务虽然贡献给公司的营收不到1%，但属于其发展方向，代表了蚂蚁市值“天花板”的高度。从目前蚂蚁集团的业务构成和蚂蚁高管对于蚂蚁链的发声来看，蚂蚁链是当下蚂蚁集团最重要的科技品牌，在内部被称为“后天业务”。某种程度上说，观察蚂蚁链的发展，可以看到未来蚂蚁集团在更长时间维度上的市值高度。在蚂蚁开始筹备上市后不久，其CEO胡晓明参加上海外滩大会时便表示：“如果（蚂蚁链）马上能赚钱，这不是我们做的事情，是其他人做的事情，我们是10年的规划......即使区块链业务很长时间没盈利，我们也仍会乐此不疲的投入。”而蚂蚁集团董事长井贤栋更是直言：“区块链对蚂蚁来说是一种信仰。”多项数据表明，区块链业务在蚂蚁集团的地位非常高。比如，蚂蚁重点围绕人工智能、风险管理、安全、区块链等核心技术领域战略布局。其中区块链共有5个方向，高于人工智能的4个、风险管理的4个，在技术方向数量上，占比最高。比如，截至2020年7月31日，蚂蚁集团申请专利26279项，获得583项区块链专利证书，成为在拥有区块链专利数量上全球第一的公司。在整个上市筹备期间，蚂蚁链的进展也被更多的分析人士和外媒所看到，其中最为典型的是两个进展：● 9月25日，蚂蚁链发布“区块链+跨境支付”战略级产品—Trusple平台● 10月22日，蚂蚁链正式宣布数字版权服务平台向全社会开放场景的试点是表象，利用区块链技术解决信任问题是蚂蚁链被市场看好的真正原因。其实在蚂蚁集团的历史上，所有成功的产品，包括支付宝、网商贷、花呗等等都基于这样一个解题思路。而蚂蚁链是这一思路的新的延伸。从2015年布局以来，蚂蚁链已经在医疗、司法、金融、物流等50+场景解决了信任的问题，而技术的融合也在不断加速。蚂蚁集团最新发布的数字版权服务平台就是一个很好的案例。「数字版权保护」这件事涉及到法律、数据、多方关系等，需要有一套复杂的解决方案来执行，不是通过区块链一项技术单打独斗就可以解决的，它对于AI能力的要求丝毫不亚于对区块链技术的要求。数字版权需要在高度相似的内容里分辨重合度，而这一工作需要精准的AI识别。蚂蚁链正是整合了人工智能、IOT等各项技术，推动区块链解决新问题，而不是只用区块链一项技术去解决问题。这也是蚂蚁链今年去掉“区块”两个字的原因。诸多分析人士认为，蚂蚁链相当于早期的阿里云，因而蚂蚁集团的估值上限在哪里，蚂蚁链将成为极为重要的考量。事实上，对创新这一核心驱动力的持续打造，才是真正决定一家公司价值上限的根本因素，也最终会以市值的形式反映在资本市场上。雷锋网雷锋网雷锋网(公众号：雷锋网)
-
马云惊人言论，引爆金融圈 近日，中国金融四十人论坛（CF40）联合各组委会成员机构在上海召开第二届外滩金融峰会。马云出席峰会并发表言论，讲演全程金句频出、观点犀利、针砭时弊，在金融圈刷屏。他指出：1、不必刻意填补欧美有，而我们没有的空白。2、永远重复别人的语言，讨论别人设定的主题，会迷失现在，错失未来。3、全世界更多在讲风险控制，不讲发展，很少去想年轻人的机会、发展中国家机会在哪里。4、巴塞尔协议像一个老年人俱乐部，要解决运转了几十年的金融体系老化问题，系统复杂的问题。5、但是中国的问题正好相反，不是金融系统性风险，而是缺乏金融生态系统的风险。6、P2P根本不是互联网金融，但不能因为P2P把整个互联网金融的创新否定了。7、今天银行延续的还是当铺思想，抵押和担保就是当铺，但它不可能支持未来30年的需求。8、好的创新不怕监管，但是怕昨天的方式去监管，不能用管理火车站的办法来管机场。9、我们需要的是政策专家，不是文件专家。10、新冠疫情影响远超当下讨论的技术问题，其影响力不亚于二战。以下是马云的演讲全文：感谢大会的邀请，很高兴有这个机会和大家一起学习、交流、探讨。2013年，也是在上海，我跑到上海陆家嘴的金融峰会发表了一通互联网金融的异想天开的观点。七年过去了，今天我这个金融的外行，又来了。今天要不要来讲，坦白说我也很纠结。但是我想我们这批人，有一个东西是责无旁贷的，就是为未来思考的责任，因为这个世界虽然留给我们的发展机会很多，但是关键性的机会也就一两次，现在就是到了最关键的时刻。所以我想我还是要讲一讲我自己的一些想法，这些想法，是我们自己十六年实践经验总结出来，加上有幸担任联合国数字合作高级别小组联合主席和联合国可持续发展目标倡导者期间，跟全世界的学者、专家还有实践者探讨交流得出的。我想我反正已经退休，在非官方的论坛上，畅所欲言一下，分享一个外行非专业人士的专业观点，供大家参考，可能不成熟，讲得不对，贻笑大方，大家估且一听。不必追随欧美的脚步第一，一直以来我们有一些思维上的惯性，比如总觉得要为了跟国际接轨，必须要做欧美发达国家有，而我们没有的所谓空白，要填补国内的空白。把填补国内空白当作追求的目标。我一直觉得在今天的形势下，填补空白这句话是有问题的，不是因为欧美的就是先进的，就是我们要去填补的。其实今天我们不应该刻意或者一味的要和哪个东西接轨，适应哪国的标准，填补哪个空白。今天我们要思考的是如何和未来接轨，怎么适应未来的标准，怎么弥补未来的空白，我们要想明白未来是如何的，以及自己到底要做什么，然后再去看看别人怎么做。如果永远重复别人的语言，讨论别人设定的主题，我们不但会迷失现在，更会错失未来。二战以后，世界需要恢复经济繁荣，布雷登森林体系建立起来，对全球经济的推动是巨大的。后来亚洲金融风暴发生，巴塞尔协议讲的风险控制越来越受重视，到后来变成了一个风险控制的操作标准。现在的趋势越来越象是全世界变成了只讲风险控制，不讲发展，很少去想年轻人的机会、发展中国家机会在哪里，这其实是导致今天世界的很多问题的根源。我们今天也看到巴塞尔协议本身也让欧洲的整体创新受到了很大的限制，比如在金融数字化方面。巴塞尔协议比较象一个老年人俱乐部，要解决的是运转了几十年的金融体系老化的问题，系统复杂的问题。但是中国的问题正好相反，中国不是金融系统性风险，中国金融基本上没有风险，是缺乏系统的风险。中国的金融问题中国的金融和其他刚成长起来的发展中国家一样，在金融业是青春少年，还没有成熟的生态系统，没有完完全全地流动起来。大银行更像是大江大河和血液的动脉，但是我们今天需要湖泊、需要水塘，需要小溪小河，需要各种各样的沼泽地。缺少了这些生态系统，我们才会涝的时候涝死，旱的时候旱死。所以今天我们国家是缺乏健康金融系统的风险，我们要建设的是健康的金融系统。就象老年痴呆症和小儿麻痹症，症状看起来很象，这是两个完全不同的病，如果小孩子吃了老年痴呆的药，不光会得老人的病，还有很多莫名其妙的病。这个巴塞尔协议就是考虑治系统老化、过度复杂的老年人的病的，我们要思考的是跟着老年人我们要学什么？老年人和年轻人关注的都不一样，老年人关心的是有没有医院，年轻人关心的是有没有学区，是完全的不同体系的思考。今天，我很自豪的宣布，昨天晚上确定了蚂蚁上市的定价，这是第一次科技大公司在纽约以外的地方定价，这是三年前连想都不敢想的，但是今天发生了。世界的变化是神奇的。创新要付出代价第二，创新一定要付出代价，我们这代人必须有所担当。今天世界的很多问题包括中国，都只能用创新去解决。但是真正的创新，一定是没有人带路的，一定需要有人担当，因为创新一定会犯错误，问题不是怎么样不犯错误，而是犯了错误之后能不能完善修正，坚持创新。做没有风险的创新，就是扼杀创新，这世界上没有没风险的创新。很多时候，把风险控制为零才是最大的风险。当年的赤壁之战，曹操把船连起来的思考就是最早的航母的思考，但是一把火让中国一千年再也没有人敢去想航母这个事，一旦想到这把火，谁还敢去创新，这是一个错误消灭一个时代的创新。七八年前我提出过互联网金融，但我们一直强调互联网金融必须有三个核心要素：一是丰富的数据；二是基于大数据的风控技术；三是基于大数据信用体系。用这三个标准衡量，就会看到P2P根本不是互联网金融，但是今天不能因为 P2P把整个互联网技术对金融的创新给否定了，其实我们要想一想，中国怎么可能在几年内出现几千家互联网金融公司？几千家P2P是什么原因导致的？新时代的监管今天我们的监管确实很难。创新来自市场，来自基层，来自年轻人，对监管的挑战越来越大。其实监和管是两件事，监是看着你发展，关注你发展。管是有问题的时候才去管。但是我们现在管的能力很强，监的能力不够，好的创新不怕监管，但是怕昨天的方式去监管，我们不能用管理火车站的办法来管机场，不能用昨天的办法来管未来。监和管不一样，政策和文件也不一样，今天是这个不许那个不许的文件太多，政策是机制建设，激励发展。今天需要“政策专家”，而不是“文件专家”，制订政策是一门技术活，其实解决系统复杂性的问题，我可以提供淘宝的经历作为参考。17年以前，我们制定了很多不允许的政策，当时淘宝的政策非常复杂，商家都看不懂，后来我们提出来，加一减三，你要加一条政策，就要减前面三条。我们现在的文件越来越多，导致谁干都可能出事情。理论和系统是不一样的，专家和学者是不一样的，专家是干出来的，干得很厉害，但不一定会总结，很多学者是不具体干，但是能从别人的实践中形成理论。只有专家和学者结合起来，只有理论和实践结合起来，才能真正去创新解决今天和明天的问题。我们需要来自实践的理论，不是来自办公室理论的实践，P2P很多，就是来自办公室理论的实践，正确理解P2P给我们的巨大教训，不是否定互联网技术，更不要再重复办公室理论的实践。我觉得有一个现象，全球很多监管部门监管到后来，变成了自己没有风险，自己部门没有风险，但是整个经济有风险，整个经济不发展的风险。未来的比赛是创新的比赛，不仅仅是监管技能的比赛。银行要改掉当铺思想第三，金融的本质是信用管理，我们必须改掉金融的当铺思想，依靠信用体系。今天的银行延续的还是当铺思想，抵押和担保就是当铺。这在100年前也是很厉害的思想，没有抵押，担保这些创新，就不可能有今天的金融机构，中国经济40年来不可能发展到今天。但是靠资产和抵押的体制会走极端，这几年跟很多企业家交流，中国的金融当铺思想最为严重，要么是资产全押了出去，压力巨大，压力大以后动作变形。要么肆无忌惮贷款，不断加杠杆，负债搞的很大。大家都知道：你向银行借10万块，你有点慌；借1000万，你和银行都有点慌；借10个亿，你一点不用慌，银行会很慌。还有一个习惯，银行喜欢给好企业、不需要钱的企业贷款，结果让很多好企业变成了坏企业，形成了多元化的投资，钱太多也惹很多事。抵押的当铺思想，是不可能支持未来30年世界发展对金融的需求的。我们必须用借助今天的技术能力，用大数据为基础的信用体系来取代当铺思想，这个信用体系不是建立在IT基础上，不是建立在熟人社会的基础上，必须是建立在大数据的基础上，才能真正让信用等于财富。其实要饭的，也必须有信用，没有信用，连饭都要不到。思考全新的金融体系今天的世界，期待一个真正为未来而思考的全新的金融体系。今天的金融体系是工业时代的产物，是为了解决工业化而设置的全面的金融体系，是“28理论”，什么叫“28理论”？为了投资20%来解决80%的问题。而未来的金融体系是要解决“82理论”，帮助80%的小企业和年轻人，来带动20%的人。要从过去的“人找钱”、“企业找钱”到转型为“钱找人”、“钱找企业”、“钱找好企业”。评价这个体系唯一的标准就是是否普惠、包容、绿色、可持续，背后的大数据、云计算和区块链等前沿技术，今天能够担当起巨大责任。各位，如果在二战以后，当时的人们有这样的远见，为后代、为未来设计了一个很好的金融体系，我们今天有这个责任和思考，去建立一个真正属于未来、属于年轻人和下一代，属于这个时代的金融体系。今天我们不是做不到，而是不去做。今天我们的技术发展让我们已经完全可以做到这些，遗憾的是很多人不愿意去做。今天全球的金融体系必须改革，不然不仅仅是失去机会的问题，而是让全世界会陷入更多的混乱，因为创新走在监管前面是正常的，但是当创新远远走在监管前面的时候，当创新的丰富度和深度远远超过监管想象的时候，就不正常了，社会和世界会陷入混乱。拿数字货币来说，如果用未来的眼光打造30年后世界所需的金融体系，数字货币可能是非常重要的核心。今天的金融确实不需要数字货币，但是明天需要，未来需要，成千上万的发展中国家和年轻人需要，我们应该问自己，数字货币到底要解决未来的什么实际问题？十年以后的数字货币和今天的数字货币可能根本就不是一回事，这个数字货币不是从历史上去找，不应该从监管角度去找，不应该从研究机构去找，而是从市场去找，从需求去找，从未来去找。这件事事关重大，我们的研究机构不应该是政策机构，政策机构也不能仅仅依赖自己的研究机构。因为数字货币体系是一个技术问题，但又不仅仅是技术问题，更是一个解决未来问题的方案，数字货币可能会重新定义货币， 尽管货币的主要功能仍然在，但是一定会重新定义货币，就象苹果手机重新定义了手机，打电话只是一个功能。数字货币远远没有到抢标准的时候，是创造价值，是需要思考如何通过数字货币建立新型的金融体系，为全世界思考未来，思考全球的贸易怎么做，更要思考这世界上应该要用经得起考验的技术的基础上所建立的数字货币。真正去解决世界贸易可持续、绿色和普惠的问题。最后我想说，今天人类社会到了最关键的时刻，千万不要小看这场疫情，这场疫情是倒逼人类社会进步的力量，不亚于二战。从金融本身来说，从美国不断的向世界各国，特别是美国不断向华尔街股市输入大量现金，各国都在跟随其后，大家想过后面的结果会怎么样没有。它所带来的巨大影响远远超过我们今天很多人讨论的技术层面的问题。我们对今天世界上很多的组织机构，不是简单的去反对它，而是一起重新思考他今天的价值，无论是联合国，WTO，还是WHO，这些组织确实存在很多问题，消灭这些组织并不解决问题，但这些组织应该怎么面向未来，如何改革，是要重新思考的。新金融体系是未来的方向，不管我们高兴不高兴，它一定会起来；不管我们做不做，一定会有人去做。未来的标准必须符合普惠、绿色、可持续。过去16年，蚂蚁一直在坚持探索，如果普惠、绿色、可持续是个错误，那么我们愿意一错到底。改革是要牺牲的、要付出代价的，我们这一代人做这样的改革，结果可能下一代才能看到。我们可能是负重前行的一人，但这是历史给我们的机遇，也是历史给我们的责任。这就是我想和大家交流探讨的内容，不一定正确，但都是我个人认真的思考，谢谢大家！直播预约丨你对新时代的“支付”一无所知参会方式：关注公众号《AI金融评论》，在对话框发送关键词“参会”，即可进群观看直播与交流。雷锋网雷锋网雷锋网(公众号：雷锋网)
-
「支付AI+数字化商业云峰会」强势来袭，揭秘支付科技的下一个黄金十年 数字化，不是一部手机、一个二维码，而是一套切实可行的数字升级方案，一种通过对数据的分析和理解，在实践中不断提高自身业绩后形成的思维方式。疫情阻隔了商家的线下服务渠道，也加大了它们提高数字化进程的决心。而一个简单的二维码支付入口或者一台刷脸支付的机器，已经难以满足商家对数字化升级的需求。人们意识到，单一的支付技术提供商已经很难满足社会的发展需要，支付科技公司需要进军到更细分的行业中去、构建更广泛的服务生态，成为更综合的数字服务商。如今，它们站在了新的节点上。近两年来，银盛支付、汇付天下等支付科技服务商纷纷宣布向数字化转型，通过人工智能等能力，支付科技服务商对掌握的大量用户数据进行分析，为客户提供⻛控、反欺诈、金融信贷等产品服务，还结合SaaS平台、区块链技术，为商户、企业提供一整套数字化升级方案。在互联网的上半场，中国的移动支付引领全球，而在下半场——支付科技服务商也许将成为企业乃至行业数字化革命的领路人。由此，雷锋网举办《支付AI+数字化商业云峰会》，邀请多位移动支付赛道中的优秀企业高管，为行业内外介绍最新产品与方法论、支付科技公司近期的产业布局和未来战略。10月31日14:00（下周六），雷锋网《AI金融评论》邀请到云从科技、银盛支付、汇付天下、首信易支付、WorldPay等多位顶级观察者，以云峰会的形式，从支付科技实战的角度剖析移动支付市场的未来。嘉宾分享议程陈敏 银盛支付董事长演讲主题：《数字经济趋势下，支付行业的赋能和链接》演讲提纲：一：企业数字化升级加速；二：支付是数字化升级改造的最好抓手；三：未来支付发展中的链接和赋能作用；四：科技商业化推动支付业态持续升级梅磊 云从科技智慧金融支付解决方案负责人演讲主题：《打造新型支付模式，共建场景营销新未来》演讲提纲：一：刷脸支付是科技发展的必然趋势；二：刷脸支付如何为商户、用户打造全新体验；三：基于刷脸支付，如何构建全新智能场景；四：基于刷脸支付打造园区、会员营销、智慧交通解决方案及案例梅岭 首信易支付COO演讲主题：《全球支付数字化进程》演讲提纲：一：跨境电商发展推动账户国际化；二：国际监管态势及合规需求；三：全球化数字钱包的未来展望；四：数字支付账户发展趋势裔隽 汇付天下助理总裁演讲主题：《困境还是机遇 浅谈后疫情时代支付行业的发展方向》演讲提纲：一：突如其来的疫情，为支付行业带来了怎样的困境；二：上下求索，支付行业破局之路何在；三：后疫情时代，汇付的“支付+”方案实践；四：通过叠加怎样的技术能力来提升服务的效能施南飞 FIS旗下WorldPay中国区总经理演讲主题：《支付市场的五大趋势》演讲提纲：一：全球电子商务市场的洞察；二：中国支付数据及预测；三：支付业的五大趋势；四：中国商户的潜在商机如何参会？关注公众号《AI金融评论》，在公众号对话框回复关键词“参会”，即可进群观看直播。雷锋网雷锋网(公众号：雷锋网)
-
华控清交CEO张旭东：数据的交易流通之痛与隐私计算之道 土地、劳动力、资本、技术之后的第五种生产要素是什么？数据。数据的安全有序有效流动问题，学术界和业界“解法”众多，要让技术理论真正进入到应用落地的进程绝非易事。为此，雷锋网《AI金融评论》率先推出了《金融联邦学习公开课》系列，并与HKSAIR（香港人工智能与机器人学会）联手打造了《AI金融-隐私计算与联邦学习》系列公开课，十余位国内联邦学习与隐私计算顶尖专家做客线上讲堂，就相关研究热点与商业应用展开最前沿的分享和讨论。近期，《AI金融评论》邀请到了华控清交CEO张旭东做客雷锋网(公众号：雷锋网)公开课，谈谈他眼中的数据隐私保护技术，以及华控清交一系列工程化研究的探索和实践。以下为张旭东公开课全文，AI金融评论做了不改变原意的编辑：数据的现实生态数据是数字经济的关键生产要素。从农业社会到工业社会再到信息时代，直到我们现在开始进入数字经济时代，每个社会发展阶段都有一种生产要素是最重要的和最难替代的。目前党和国家对数据要素化的认识程度在不断加深，从2014年开始，习主席谈到信息日益成为重要的生产要素，到去年四中全会，包括在今年的6月1号，国务院关于海南自由贸易港建设的总体方案中，都提到了数据要素化，数据要流通、挖掘价值。数字经济时代，数据是在人类生活和生产过程中，对自然资源和社会资源在分配和使用上进行优化的决策依据。首先，我们来看看作为生产要素的数据，为什么要交易流通？第一，生产要素的价格，是它参与社会化大分工的分配依据。国家讲得很清楚，要健全数据等生产要素，由市场评价贡献、按贡献决定报酬的机制，其中就提到了市场化的定价。价格是报酬的决定因素，数据作为生产化要素的报酬，那么如何形成定价呢？这就需要流通，需要由市场来进行，需要由供需来决定。我们用一个模型算出来这个数据值多少钱，是不是它的价格？不是，因为没有通过市场供需关系的检验，所以，数据的价格由市场决定，由市场供需决定，使数据成为生产要素的关键需要由市场供需决定，就需要流通。那么，既然数据作为生产要素需要交易流通并进行定价，为什么现在为止还没有大规模的数据流通，没有大规模的数据要素市场？难在哪里？缺什么？数据成为生产要素的难点和解题之道从数据特性来看，数据是一个很特殊的生产要素，其特征是复制成本极低，复制速度奇快，传播速度也极快。数据一旦被看见，包括被人看见或者被机器看见，都可以被复制，而且是可以被无限制地复制。在简单的经典经济学理论上，供需要有两根曲线相交，才能形成价格。明文数据的特点，使得它的供应和需求都是无限的，供应和需求两根线无法形成一个焦点，很难通过市场供需进行定价，并形成大规模的市场交易流通。再者，数据还存在一些群体性和公众性的泄露或滥用的问题，这些可能会影响整个群体甚至国家的利益。如果出了事，谁负责？获得利益后，该怎么处理？权利应该怎么主张？原始数据、二手数据、再生数据等，不同方又有什么样不同的权益和责任？这么多问题，目前要把它整盘解决，还需要很长的时间、需要实践和探索。我认为没有一个完美的答案——会有很多取舍，关键是取什么？舍什么？从数据价值来看，我们可以把它分为信息价值和计算价值。以波粒二象性打个比喻——数据有可以被展示或者被看见的具体信息，而另外一方面，数据虽然看不见，但是可以被用于计算得出结果，这就类似量子力学中的粒子和波。粒子是有形的，波是无形的，但是他们同样传播能量。在目前大数据和人工智能的时代，我们也把数据比作新的能量——数据能，而数据的主要价值越来越多的体现在它的计算价值。 那么，数据交易流通的前提和形态是什么？因为明文数据的特征和特性，无法进行大规模的交易和流通。所以必须把数据的具体信息和计算价值分开，把数据作为变成可用不可见，避免被看见后造成无限供应和无限使用。计算价值怎么办？能不能对数据的计算价值进行限制，只有规定数据的价值，才能对数据的使用权进行定性、定量，形成有限的供应和需求，才能让这两根线竖起来形成焦点，同时避免、防止数据被滥用，厘清数据的责、权、利。如何能够做到以上两点，通过市场供需进行定价和大规模流通的是什么？既不是数据本身，也不是明文数据，而是数据的特定使用权。目前，大家谈到数据时，就会谈到数据确权和交易流通。这儿先抛出一个观点，就是：过早、过严、过窄地定义和规定数据的所有权，在法律上可能会制约数据产业和数据生态的发展。目前，要通过实践积累、摸索经验，反复的试验，才能够把这件事做好。数据确权的难处，只能点到为止。交易和流通需要生态，其中更重要的是，需要数据和资本的结合，才能使数据的交易流通、要素化大规模发展。现在，数据还不是法律和金融意义上的资产。“可用不可见”加上规定用途和规定用量，可以实现数据的归属权、使用权、收益权和处置权的分立，为数据真正成为资产，成为生产要素奠定技术基础。最后使它变成法律和金融意义上的资产的，不是技术，而是法律法规对其进行保障。在目前数据确权相关法律法规还不健全的情况下，是不是可以进行尝试，使数据交易流通？可能性是有的。也只有这么做才能反过来为数据的确权真正提供有益的实践和探索。怎么做？利用数据的可用不可见和规定用途、用量的技术手段，把它的使用权和受益权抽取出来。只针对使用权和受益权，在目前这个阶段，已经足够让数据进行先期的交易和流通，为后期的进一步的数据确权积累经验。 怎么才能做到可用不可见，又如何规定数据的用途用量？隐私计算如何打破数据壁垒，构建社会化数据闭环数据可用不可见的基础理论叫多方安全计算理论（MPC——multi party competition），由姚期智先生提出。安全是前提，没有安全就没有多方。他通过两篇论文，提出了百万富翁问题：两个百万富翁碰到后，相互都不愿意告诉对方有多少钱，也没有一个可信第三方，怎么把这个比较做出来？姚期智先生在86年从数学上证明，凡是可以在明文上进行的技术，都可以在密文上进行计算，而且得出同样的结果。现在多方安全计算成了密码学的一个重要分支。多方安全计算理论属于密码学范畴，是经过严密的数学论证的，它的安全假设是不信任硬件，不信任人。在明文计算体制当中，数据存储的加密技术、安全技术已经很发达，就像洋葱，里边有个宝贝，一层一层包起来，装进保险箱，再装进地下室，然后把钥匙全拿走。在这种情况下，唯独在它进入芯片进行计算之前，必须解码、解密成明文，才能编译成指令集，输入计算机进行计算，得出的是明文的结果，然后赶紧再包藏起来，进行传输。而在它解密成明文进行编译、计算的时候，从理论上和实践上都是不安全的——它要么要相信硬件，要么相信软件，要么相信人。多方安全计算理论，可以使数据在密文上直接进行计算，所以它可以不相信硬件，可以不相信软件。举个不一定恰当的例子，就好像去澡堂洗澡，在明文范畴内，你穿着衣服，从头到脚全副武装进去洗澡，很安全，不知道你是谁，但是到了澡堂之前，你必须裸露后才能洗澡，洗完后赶紧用毛巾擦干，恢复原状。但是，在澡堂子里洗的过程安全吗？澡堂子是谁造的？谁管的？你能相信硬件，相信软件没有后门，相信管理这些硬件软件的人吗？所以，多方安全计算做的就是穿着衣服洗澡，当然耗费大一点，水要用的很多，但洗完了以后出来还是完全盖住的。在这个理论刚提出的八十年代，算力耗费之多，使得它只是在理论上成立，如今分布式计算、通讯科技的发展，则使它具备初步的实用性。华控清交实现了基于多方安全计算，把多种基于明文的隐私计算技术（比如数据脱敏、差分隐私，联邦学习、可信计算等等）融合在一起形成的隐私计算解决方案，解决的是计算的准确性、保密性和计算效率之间的优化等关键问题。那么，怎么从理论到实践，做到让数据可用不可见？华控清交的数据要素化探索和实践我们把加法、乘法和比较通过密码学原理，从根本上用密文的形式替代了明文，重新把通用函数和机器学习深度学习的工具密文化，可以像在明文上编程一样，做到可用不可见的底层逻辑。同时，我们还综合应用了基于明文的隐私计算技术，实现了明文和密文的混合计算，在不同的场景下可以完成隐私查询、联合建模等实际应用。如何实现的呢？拿电话来举例——人看不见，声音听得见，比喻可用不可见。我们的隐私计算服务就如同“交换机”，负责按照数据提供房和数据使用方之间的数据计算合约，调配算力执行隐私计算，并把计算结果给到合约指定的结果计算方。它是数据共享与流通的计算控制站和算力调配中心，是隐私保护计算和高效算力的结合体。数据接入节点就如同“电话机”，部署在数据端，把明文数据转换成计算因子或将密文计算结果解算成明文。而计算因子本身不承载任何可以“看见”的具体信息，是数据计算价值的载体。这些理论是通过密码学和数学严密论证的。那么，数据程控交换机可以连接多台电话机，叠加起来、组合起来的就是数据电网，就如同国家对数据要素进行监测管理和宏观调控的神经系统和基础设置，助力数据要素化。这种基于合约的隐私计算技术，能够有效打通社会化数据闭环，使数据真正成为生产要素。雷锋网雷锋网雷锋网
