美國的金融業(yè)已經(jīng)很成熟，主流和非主流金融人群的需求都能被得到滿足，基本上沒有什么需要改良的地方；中國的情況則是五大行高高在上，其他行在行政束縛下面很難邁動腳步。
科技金融在美國沒有機(jī)會，在中國機(jī)會很大。P2P，美國就那么兩家，而中國我們的P2P 3000家都不止，及時在銀監(jiān)會和央行的聯(lián)手打壓下還有2000多家存活下來，可見這兩個地方金融環(huán)境是天差地別的。美國現(xiàn)在所有的數(shù)據(jù)商都很完整，大家選取數(shù)據(jù)商就能完成征信工作，而中國很多地方需要自己把各個碎片的信息拼接在一起，而這也是我們征信創(chuàng)業(yè)者的機(jī)會。
我手中沒有水晶球，沒有辦法準(zhǔn)確預(yù)測中國征信未來的樣子，但我有一點是可以確定的：
中國一定不需要幾百家征信公司，即便這個市場比美國大很多，我想好的情況可能是有十幾家征信公司這十幾家術(shù)業(yè)有專攻，主要分為兩類，一類是因為有積累了獨有的數(shù)據(jù)源而形成獨有場景的征信公司，比如像阿里巴巴這樣的基于電商數(shù)據(jù)的電商征信，或者順豐以快遞為基礎(chǔ)的快遞征信，等等——我比較大膽的預(yù)測，每個場景可能只有一家征信公司能存活下來；第二類是跨領(lǐng)域跨平臺的征信公司，可能有5到7家就差不多了。
最后一點，人工智能在征信領(lǐng)域中有哪些運用？
我簡單舉兩個例子，第一個是深度學(xué)習(xí)。深度學(xué)習(xí)并不一定在所有金融領(lǐng)域中都有應(yīng)用，其本質(zhì)是需要有場景經(jīng)驗來調(diào)優(yōu)的更復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)。所以，實際上我們要做的是在缺乏有效的很多的好壞標(biāo)簽的情況下，如何利用有效的人工神經(jīng)網(wǎng)絡(luò)來做遞推和歸納。