在前不久的 创新工场年度峰会上 ，创业导师李开复谈及投资经历和趋向时，将金融放在了人工智能之内。他以为，“金融变革和创新的时机在于它外面中心的技术，无论是人工智能的技术，还是区块链的技术。”那详细而言，他会投怎样样的金融科技公司呢？

一个例子是用钱宝，它为用户提供500-5000元的小额存款，期限在一个月内。由于不是持牌金融机构，用钱宝会与银行及消费金融公司深度协作，为他们获取客户，做风控，他们作为放款主体来发放存款。目前用钱宝每月有四五十万的存款量，上个月的放款额到达6亿元。

用钱宝效劳的则是传统金融机构无法效劳的人群，如效劳员、业务员、私企文员等。这局部人群征信数据缺失，而目前也少有合适他们的信贷产品。

目的人群和买卖数量都不是传统金融业务擅长的，所以用钱宝最关键的是基于机器学习的大数据风控技术。公司开创人兼CEO焦可通知雷锋网 (大众号：雷锋网) ，如今每天放出2万笔存款，全由机器完成。他们会从数百个维度调查借款对象，这显然是人类无法完成的。相比之下，传统银行的风控虽然也是基于不时的学习来完善，但学习的主体是人，根本的维度和特征点很少，普通是十多项。

据理解，用钱宝累积融资额已超越2亿元，投资者包括晨兴创投，源码资本，洪泰基金，创新工场，光信资本和51信誉卡等。

从搜索引擎到用机器学习做风控

焦可创业的第一个项目不是用钱宝，而是存款范畴的搜索引擎，贷小秘。事先他们的想法是消弭市场上的信息不对称，让存款者和金融机构都能找到对方。但后来他们发现，金融产品同质性比拟严重，这就像网站内容都一样，那做搜索就价值不大。但在这一进程中，他们对传统金融的方式和考虑逻辑有了深化理解，也发现了传统金融照顾不到的范畴。

他们发现，真正的成绩不在于信息不对称，而是金融机构的效劳才能无限。传统金融的存款，会基于用户的强特征（如能否有房，抵押品，工资流水和社保等数据）来做出判别，但很多人群这类信息缺失，以致于效劳掩盖率低。以信誉卡为例，据统计国际目的人群大约在5亿人左右，而发卡账户总量约为2亿人，其中有宏大的落差。于是他们决议效劳这类非银行金融用户。

焦可和中心团队均是技术出身，曾在百度和赶集等公司任职，百度T6级别的技术大拿就有十多个，公司自然也以技术为导向。那么，哪一类金融效劳可以用技术手腕去掩盖普遍的需求呢？焦可的答案是短期小额借款。他发现，月光的年老人常常工资没发就把钱花完了，有小几千的借款需求，月初和月末为甚。传统银行没法满足这种需求，普通不会只借数千，也没有才能做这个事（征信数据不全）。

关于借款的额度和期限，焦可也有本人的思索，他表示，“从需求和有足够样原本定价，这是现在选择这种产品的思索”。单从技术上说，风控模型需求有好的样本量，而小额短期的业务就特别合适去积聚合适的样本。

以6亿的放款额为例，假如是传统方式，5万元一笔就只要1.2万笔，假如每期半年，一年会有2.4万个样本；但用钱宝一个月可以做到40多万笔，每期一个月，一年可发生480万样本量。这样的数据量才干发扬机器学习的优势。

当然，并非一切业务都合适机器学习，比方抵押业务，有些抵押业务金额较大，一个月仅数百笔，每年的样本无限，不够训练模型。

“不只懂业务，还有业务”

目前做大数据风控的公司不少，不过焦可以为，相比其它提供风控效劳的公司，用钱宝也有本人的优势，次要表现在不只懂业务，还有业务。

他表示，金融机构的还款数据普通不会对外公示，这让做通用模型的公司很难拿到。即便是在美国，通用模型的效果也不如专业模型，它可以做根本的东西，但对详细的业务来说不够，比方FICO做根底分，但各公司只用它做参考。

“用钱宝除参考用户能否还款这种复杂的数据外，还应用能否提早还款，是到期还或逾期还，逾期后又如何处置等，这些业务数据都会回馈给模型，而这种迭代深度是通用型模型做不到的。”

另外，他以为做通用风控模型普通合适BATJ这样的公司，比方芝麻信誉，由于他们自然在渠道和效率上有优势。

而创业公司，在焦可看来，更重要的是从不能到能，扩展金融业务的才能和掩盖率。他把新的金融技术分为技术型的革新，以及渠道和效率的改进。

“我以为改进合适大公司，创业公司要晓得哪里可以破，不破不立，拓展新的业务时机，扩展传统的Ability，要做革新性的东西。”

将来用钱宝会持续关注以后的产品。虽然如今每月有四五十万的存款量，但与市场比起来量还很小。每个月有多少年老人遇到钱不够花？焦可给出的数字是千万级。所以他以为还有很大增长空间，短期重心仍是小额短期产品。当然，假如非银行用户有新的需求，而这种需求可以被技术更好地满足，一定会去提供更多产品。

。