开心贷的副总经理周治翰做了题为《互联网金融的创新与自律》的演讲。
周治翰的主要观点是互联网进入金融行业可以带来更公平更高效地对接。并且他表示,未来大数据是互联网金融的发展方向。
互联网金融的从业者从事的是“一份很有前途的职业”。周治翰认为,互联网金融可以在投资端和借款端之间实现很大的利润空间。
他给出了一组数据:美国十年期存款利率是2%,但是在信用卡透支需要付出 18%的成本。从2%到18%的空间如何弥补,这是金融从业者需要多思考的问题。
从百姓的角度看,人们储蓄的目的就是未来能有更多的消费机会,但是储蓄的基本前提就是财产的保值和增值。“对于老百姓来说,如果仅仅能够通过有限的渠道去吃死的利息,可能带来的结果就是跑不赢CPI。” 周治翰说。
网络借贷不只是P2P,不只是要提高效率还要降低成本
周治翰认为,网络借贷是P2P,但是P2P远远不止是网络借贷那么简单。因为“在金融领域,通过直接对接可以提高效率”,但问题是“是否可以把成本降下来。”
以开心贷为例,当给投资者的利率收益率达到8%到9%,那么小企业成本就会在原来的渠道上降低2%。这样做有两个好处:一是减少高额利差,二是进行大数据的辅助决策。问题在于,目前在互联网金融领域,风险控制上如果是中小企业的借贷,可能在很大程度上可以参照真实的经营状况,但是“不能仅仅靠大数据来做这件事。”
为什么?周治翰表示,大数据是不是一个方向,我们很坚定大数据是一个方向,未来可以通过简单的数据计算,把弱相关的变成强相关,这将会对互联网金融行业是一个巨大的颠覆。但是目前没有做到这点。
周治翰开玩笑说“做互联网金融这件事,需要下很大的决心。”他称之为“一半是海水,一半是火焰”。也就是说互联网金融的一边是民间借贷的高利贷,一边是试图利用互联网降低成本。
周治翰解释“我们经常说互联网金融是高需求行业,因为金融业一旦发生问题就需要方方面面的资源。”由于金融文化高危险行业,金融有稳健和谨慎的特点,互联网却是极致和快速的风格,所以这两种风格要在一个企业中融合起来,并且形成合力,这是对金融从业者的大挑战。
互联网金融需建立生态圈、保持自律并有效防控金融风险
所以互联网很讲究生态圈,周治翰认为所谓的互联网生态其实一种合作模式,因为“如果生态圈不够强劲的话就会带来两个问题,一是合作者在平台上销售不良资产,二是一旦发生问题,互联网的扩散速度要远远大于传统的线下扩散。
合作模式的关键在于生态圈的营造,我们互联网就讲生态圈,如果生态圈不够强劲的话就带来两个问题,合作者可能会把不良的资产放在你平台上销售,让你做资金接续端渠道,如果说发生问题的时候,因为他对于风险的要求没有像你要求这么高,你的平台一旦发生一些问题,通过互联网迅速扩散,但是作为线上机构扩散没有那么高。
那么在互联网金融领域,如何做行业自律呢?周治翰提出了三点意见:第一,解决法律风险问题,分清楚网络借贷和非法集资的区别;第二,核查借款人的真实身份;第三,选择具有丰富经验的大融资平台进行融资。此外,法律风险上的解决方案主要是通过避免信用风险和操作风险。最终的目的都是为了在互联网平台上做金融交易保证信息安全。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。