百度金融变身“度小满”,百度AI能力能否成为金融“芯片”

简介: 酝酿已久的百度金融分拆在4月28日尘埃落定,签署拆分融资协议后,“度小满”成为代替百度旗下金融服务事业群组的全新品牌,由朱光担任CEO并独立运营。

4de618f233657cae7614094b0ec57290.jpg


酝酿已久的百度金融分拆在4月28日尘埃落定,签署拆分融资协议后,“度小满”成为代替百度旗下金融服务事业群组的全新品牌,由朱光担任CEO并独立运营。


按李彦宏的说法,金融业务是百度AI生态战略下“率先毕业”的学生,这意味着,百度在“度小满”身上期许更多的仍然是其技术能力的彰显,是作为“金融科技”而不是“互联网金融”的典型代表。


融资后,度小满金融宣称将持续加大在技术层面的投入,并开放更多平台和技术能力,加大金融生态建设,显然,度小满同时肩负着百度AI能力在金融领域落地的责任。


而TPG、凯雷投资集团领投,泰康集团、农银国际等跟投的19亿美元,可以证明度小满受到了资本市场的足够青睐。一向强调自己“技术范”的百度,在用AI技术赋能金融这件事上,又准备用技术开辟出新的竞争优势。



业务拆分,生态还在


“生态”是互联网大佬们最喜欢挂在嘴上的词汇,度小满金融的独立运营也是一件与“生态”扯不开的事。


1、在生态这件事上,BAT终于各归其位


阿里、腾讯在新零售的圈地运动进一步强化了二者不同的企业性格,李彦宏对度小满的表态则使得BAT的“生态观”各归其位。


阿里:爸爸式“控能”,对其生态内的“从属者”不只是资本的控制,在运营管理上更是直接插手。优酷、UC、虾米音乐都经历过高层大换血,虽说UC、虾米音乐目前干得并不好,直接插手式的大文娱布局被不少人诟病,但这符合阿里“控制欲”较强的性格。


腾讯:风投式“流量赋能”,仗着微信几乎覆盖所有移动网民、QQ几乎覆盖所有PC网民的两大入口,看上谁给谁插上了流量的管子,怎么都能长二两肉。倘若项目还不错,就多投点,“赛马”机制也让小马哥喜欢投资彼此竞争的项目,谁赢了腾讯都不输。


百度:导师式“技术赋能”,自从All in AI后,百度的就喜欢打着技术的旗帜孵化各类项目,Apollo开放AI能力给开发者、汽车厂商,DuerOS直白地要做汽车界的安卓。用技术强化生态项目的能力辅助其成长,是笃信技术改变未来的学院派李彦宏的生态打法。


2、金融拆分,百度技术赋能


官方口径中,金融拆分完成后,“百度将一如既往地在技术、平台、资源等多个维度与度小满金融保持紧密协同”,这说明尽管被拆分,但度小满金融仍然是百度AI生态的重要组成部分,相互之间的类似爱奇艺与百度的关系。


按照AI+Feed的主战略,百度的简版生态版图如下:


ca21e3e43f0ac62511ea3a900a7efe47.jpg

AI+Feed是陆奇担任CEO后百度定位的核心战略方向,与此属性不同的项目,优质的例如爱奇艺、百度金融被独立分拆以便更好地发展,尚未足够优秀的例如百度外卖被转嫁他人。被分拆的金融,仍然在风控、客服等多个方面享受百度AI技术加持,以维系百度AI战略生态布局。


或者说,在技术赋能的生态特征下,不管分拆的是谁,技术赋能都会是百度所能给予的主要推动力。


绕过流量PK,百度金融C端、B端各有算盘


做金融没有杀手级支付入口,无法带动信贷、理财、保险等业务,是百度金融被质疑最多的地方。也因此,在百度技术赋能生态中的度小满,可能在C端、B端要绕过流量PK。


1、C端,百度想用“做蛋糕”代替“分蛋糕”


蚂蚁金服靠支付宝的流量支撑,其实就是在分蛋糕:支付宝买蛋糕回来,花呗、借呗、余额宝各种分食。尚未分拆的微信支付背后的腾讯金融体系也是类似的逻辑,微粒贷几乎都是靠的微信、QQ发家。


不同于腾讯、阿里的分食流量蛋糕导流,百度走的是做蛋糕、“生态”导流路线——在技术赋能推动下,把百度钱包、有钱花、百度理财等产品同时做强,然后在生态中相互导流。这一点在百度的内容生态中也有体现,搜索、短视频、熊掌号、资讯信息流甚至长视频爱奇艺一同上阵参与流量制造与共享,其中的好看视频借着48%的分发比例,得到爆速发展。


2、金融科技服务的ToB性质帮了百度金融一把


金融科技让百度金融由内部生态赋能走向外部赋能,其本质一种是B2B2C服务,百度AI+金融的解决方案输出给众多合作金融机构,让它们更好地服务客户。


朱光反复强调金融科技,也证实B端将是百度金融重要的业务模块。而ToB的性质决定用户的高度理性,对金融科技输出评价主要看重技术能力。这让以技术见长的百度不用考虑流量问题,可以更加专注地搞自己的技术。


服务金融机构,几乎所有玩家都在同一起跑线上,而且,金融科技公司从服务C端零售客户向服务B端金融机构扩展也成为了必然的趋势。所以,在B端这件事上,所谓缺乏流量入口的劣势,变得并不存在。



池子太大,成为“度小满”最大的机会


全新的“度小满”的机遇是什么?可能恰恰源于金融这个市场的池子实在太大。


1、金融科技没有赢家通吃


金融机构是一个大经济圈,越往下机构数越多,数量、体量都呈金字塔排列,不同金融机构的需求强烈程度及所能付出的资源数量是不一样的。


都在搞金融科技,但玩家们的体量不同,阿里、腾讯、百度属于综合金融服务的巨头量级,而更多的下沉到做深某个市场、某项功能的中小玩家。


而对金融机构来说,使用金融科技服务往往触及了最核心的风控业务,数据、风控、客户这些都是核心资源,不太可能全权交托给一家企业。


所以,互联网上的赢家通吃,在Fintech赋能这个市场里不会出现,卖家、买家很大程度上是相互错位的,市场余量又很足。


2、打破“技术控能”,赋能型金科公司成首选


系统性金融风险是监管层的监管底线,所有的金融衍生工具、金融活动或者技术创新,最低限度都不能发生全局性风险

而产生系统性金融风险的主要原因是风险不分散,一个极端情况是,如果大部分金融机构在使用同样的技术方案,由相同的服务方提供,技术被“控能”,在面对同样类型的欺诈风险或操作风险时,很容易产生类同的损失。


所以,技术一定不能“控能”按照输出方的意志构建技术体系,而是要通过赋能的方式提升金融机构的技术水平。正如度小满金融 CEO朱光所说:“在智能金融时代,我们将充分发挥百度的AI优势和技术实力,携手金融机构合作伙伴,用科技为更多人提供值得信赖的金融服务。”


百度的技术赋能,与金融风险的管理需求也不谋而合,或许是其机会之一。



做金融“芯片”,百度的技术赋能生态还面临两个问题


不过,百度既然强调用技术赋能来打造金融业务,也面临特有的问题。


1、数据处理是金融的“芯片”,但它需要厚积薄发


中兴事件让“芯片”成为热议话题。投入不能立竿见影、不符合商业化时代对利益的追求,让市场经济条件下的企业很难独立去做芯片研发,必须借助国家的力量。


事实上,对数据的分析一直是金融的根本,就如同智能手机市场某种程度上被高通、联发科的CPU、GPU所推动一样,AI在风控、客服等领域的应用也在推动着金融服务形态发生翻天覆地的变化,成了金融的“芯片”。


但玩金融科技,与物理芯片一样,它同样需要漫长的商业铺垫,是厚积薄发的过程,不会一蹴而就。


对此,朱光的看法是,“强监管让我们更加回归到金融本质,让好的金融企业获得了更大的发展机遇;同时也坚定了我们继续走金融科技道路的信心。”


2、AI技术反哺,同样需要时间


李彦宏在百度金融分拆时说,“百度AI能力赋能,金融场景、技术、模式持续深化,并反哺生态,这正是展现了百度AI生态下与新业务强大的战略协同能力。”从这句话可以看出,AI赋能金融并不是单向的,除了百度给予度小满技术支持,在金融场景中历练的AI也应当反过来提升百度AI能力。


但不同场景的AI互通并不是一件简单的事。例如NLP技术虽然在内容领域与风控领域都有应用,但互通的过程却极为复杂。通过引入新闻、政策及社交网络中的非结构化数据,进行结构化处理后运用于风控与征信评估,这是百度AI赋能金融的过程,但反过来,从风控与征信评估的方法中提升NLP技术水平,这种逆向化需要极强的算法能力。因此“度小满”的金融科技能力反哺百度生态,如爱奇艺金融服务协同等相对容易,但技术反哺需要时间。


如果这些问题的解决,将让“度小满”的金融科技赋能进入到另一个境界。当下,度小满金融的首要问题还是在巨大的市场中不断壮大,给百度的AI毕业生们当一个示范。

相关文章
|
4月前
|
人工智能 Cloud Native Java
书本大纲:从芯片、分布式到云计算AI时代
本文深入探讨并发编程、JVM原理、RPC框架、高并发系统、分布式架构及云原生技术,涵盖内存模型、同步机制、垃圾回收、网络协议、存储优化、弹性伸缩等核心议题,揭示多线程运行逻辑与高并发实现路径,助你掌握现代软件底层原理与工程实践。
189 6
|
4月前
|
数据采集 人工智能 定位技术
分享一个开源的MCP工具使用的AI Agent 支持常用的AI搜索/地图/金融/浏览器等工具
介绍一个开源可用的 MCP Tool Use 通用工具使用的 AI Agent (GitHub: https://github.com/AI-Agent-Hub/mcp-marketplace ,Web App https://agent.deepnlp.org/agent/mcp_tool_use,支持大模型从Open MCP Marketplace (http://deepnlp.org/store/ai-agent/mcp-server) 的1w+ 的 MCP Server的描述和 Tool Schema 里面,根据用户问题 query 和 工具 Tool描述的 相关性,选择出来可以满足
|
8月前
|
机器学习/深度学习 存储 人工智能
Qlib:华尔街颤抖!微软开源金融AI量化投资神器,助力智能投研
Qlib是微软亚洲研究院推出的开源AI量化投资平台,提供从数据处理、模型训练到组合管理的全流程支持,内置高性能数据基础设施和多种机器学习模型。
3129 87
Qlib:华尔街颤抖!微软开源金融AI量化投资神器,助力智能投研
|
人工智能 搜索推荐 API
AI尝鲜:使用dify监测金融市场情绪
本实验介绍了如何利用dify创建金融市场情绪工作流,通过输入公司名称(如英伟达),使用Tavily搜索引擎获取相关金融新闻,并借助大模型(如通义千问)进行情绪分析,输出介于-1到1之间的情绪评分。实验分为四步:安装dify、设置模型供应商、配置搜索引擎以及创建工作流。最终,用户可运行工作流,获得量化的市场情绪数据,为量化交易策略提供依据。
AI尝鲜:使用dify监测金融市场情绪
|
5月前
|
机器学习/深度学习 人工智能 算法
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
|
6月前
|
机器学习/深度学习 人工智能 算法
AI Agent驱动下的金融智能化:技术实现与行业影响
本文探讨了AI Agent在金融领域的技术实现与行业影响,涵盖智能投顾、风险控制、市场分析及反欺诈等应用场景。通过感知、知识管理、决策和行动四大模块,AI Agent推动金融从自动化迈向智能化。文中以Python代码展示了基于Q-learning的简易金融AI Agent构建过程,并分析其带来的效率革命、决策智能化、普惠金融和风控提升等变革。同时,文章也指出了数据安全、监管合规及多Agent协作等挑战,展望了结合大模型与增强学习的未来趋势。最终,AI Agent有望成为金融决策中枢,实现“智管钱”的飞跃。
AI Agent驱动下的金融智能化:技术实现与行业影响
|
10月前
|
人工智能 自然语言处理 数据可视化
YAYI-Ultra:中国企业终于等来『全能大脑』!开源企业级AI『混合专家』横扫金融舆情中医领域,最长生成20万字报告
YAYI-Ultra 是由中科闻歌研发的企业级大语言模型,具备强大的多领域专业能力和多模态内容生成能力,支持数学、代码、金融等多个领域的专家组合,缓解垂直领域迁移中的“跷跷板”现象。
458 10
YAYI-Ultra:中国企业终于等来『全能大脑』!开源企业级AI『混合专家』横扫金融舆情中医领域,最长生成20万字报告
|
11月前
|
人工智能 供应链 PyTorch
TimesFM 2.0:用 AI 预测流量、销量和金融市场等走势!谷歌开源超越统计方法的预测模型
TimesFM 2.0 是谷歌研究团队开源的时间序列预测模型,支持长达2048个时间点的单变量预测,具备零样本学习能力,适用于零售、金融、交通等多个领域。
1292 24
TimesFM 2.0:用 AI 预测流量、销量和金融市场等走势!谷歌开源超越统计方法的预测模型
|
2月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
583 41