国外AI技术成熟，为什么在AI风控领域中国反超了国外？ 第1页

我过去几年一直在新加坡做风控，接触欧美的客户比较多，我会根据我了解的国外风控的情况，以及结合我对国内风控行业以及相关技术的了解，来谈谈自己看法。

我们都知道，在欧美国家金融行业发展得比较早，很多产业和技术都比较成熟了，例如风控方面，国外普遍采用美国征信巨头FICO的评分卡。毕竟FICO是业内第一个信用评分的发明者，积累的客户还是非常多的。

但在信息爆炸的时代，依赖过去的成熟技术未必能够保持低风险。据我了解，很多银行已经开始寻求基于AI的方案。我所在的公司有做AI风控方案，也得到了一些国际金融机构青睐，当我在为这些国际金融机构服务时，我常常会想，国内AI风控发展得如何了？我在用的技术会不会落伍了？于是我参加了国内一些智能风控的技术分享和公开论坛，我总体感觉是，国内的AI风控发展得非常好，在国际上已经属于领先水平。

什么是AI风控

估计看到这里的你可能有疑问，你说了这么久，到底什么是AI风控？和以前没AI时的风控有啥不一样？听我细细道来。

传统金融风控以“风控评分卡模型自动审核为主，以人工审核为辅”。评分卡长啥样子，又是怎么发挥作用的？这里给一个FICO的评分卡例子。

例如一个申请人有三个计分属性，例如年龄，住宅是否自有，以及收入，不同的属性值对应不同分数。从这个评分卡我们可以看到，某个客户需要申请信用额度，这个人年龄35岁，住宅是自有的，收入为$38k，那么可以算出得分为660，超过银行最低的要求，于是银行就给他授信。如果想知道这种评分卡是如何生成的，可以参考我之前写的一个技术文章，这里就不再详述了。

但是，随着需要金融服务的人群不断增加，对风控工作的准确率提出了更高的要求。这时候静态评分卡的弱点就暴露了：

• 信息维度不高。简单有时候是优点，但在日益增长的数据前，就变成缺点。当信息维度高时，评分卡建模会变得非常困难。
• 跟不上数据分布的变化。评分卡的每项分值是固定的，当突发情况出现时，很多银行的风控策略就失效了，评分卡需要重新设计。

因此越来越多的金融机构开始把目光投向AI风控技术。相比起传统风控，AI风控采用机器学习甚至深度学习算法。下图为我画的简单的AI风控系统运作的原理示意图，可以能看到，AI风控系统比起传统风控，能自动从最新的数据里面学习到最新的用户行为模式，从而更能灵活地动态预测客户风险，做好客户全周期的风险管理，并且能高度自动化，减少人工干预。

国内外AI技术发展比较

首先先明确AI技术和AI风控技术的区别，AI技术是指整体人工智能技术，AI风控则是人工智能技术风控领域的应用技术。在AI技术和AI风控技术方面，国内外也是有点差别。

在整体的AI技术发展上，必须承认，国外在理论基础和原创算法上依然有优势，毕竟起步时间早，信息革命的底子摆在那。不过令人欣慰的是，近几年国内学界和业界都在加速追赶，也取得了可喜的成绩。据《中国人工智能发展报告2020》显示，过去十年全球人工智能企业全球第二，人工智能专利申请量全球第一，有389571件，占全球总量的74.7% 。在AI风控、生物识别等领域在国际上已经处于领先水平。能取得这个成就，我认为原因有以下几点：

• 国家政策大力支持。国家对人工智能技术发展的战略部署已经成形，并颁布了《新一代人工智能发展规划》，北京、上海、天津、重庆等众多省市均出台相应人工智能规划和行动计划，并加大研发投入、设立研发机构、制定人才引进和税收优惠等配套政策，带动企业加快智能化转型步伐，政产学研用协同推进人工智能发展的格局正在形成。
• 同时，重视培养国内AI人才，扩大了相关专业的本科和研究生培养规模。鼓励青年学者在国际顶级会议和学术期刊崭露头角。国内科技公司对科技人才的重视和吸引力上升，聚集了一批AI应用技术的专家。不仅仅应届留学生愿意回国找工作，连在国外身居要职的技术骨干也回国发展。例如不久前加入华为的AI大牛田奇，在美国担任德克萨斯大学圣安东尼奥分校计算机系教授，现回国出任华为诺亚方舟实验室首席科学家；比如入选福布斯2020中国科学家女性榜的余泉，曾在美国Capital One担任多年的技术总监，是AI风控领域的“大神”，也选择来回国，在蚂蚁集团带领团队推动人工智能技术在风控中的落地应用。还有朱松纯教授，毅然放弃UCLA终身教职回国，筹建北京通用人工智能研究院，为我国培养更多的AI人才。

虽然中国AI技术起步晚，但基础原理的落后没有阻挡我国在AI技术应用上的探索。在努力追赶国外技术的同时，我们在某些细分领域可以说是做到了国际领先。允许我这里发明一个词，叫「技术包袱」，指的是依赖原有的技术，导致切换新技术成本高。由于我国金融起步晚，所以在技术的推广上，也存在所谓的「后发优势」，相比国外的银行，我国的金融机构会更乐意采用最新的AI技术，没有什么「技术包袱」。同理，我国移动支付发展得比国外好，也是因为信用卡发展时间短，新技术应用时的包袱少。毕竟在没有过多习惯积累的状态下直接采用最新技术，比起放弃原有的技术再用最新技术更容易。

AI风控在国内发展情况

前文提到我国在AI风控领域已经居于国际领先地位，并在反欺诈、金融风险管理等领域都发挥了很大效用。

你也许看到这里，还会有个疑问，那我国的AI风控技术具体都做出了什么成就？作为主导国际AI风控标准的企业，蚂蚁的技术比较有代表性，这里就拿蚂蚁的AI风控简单说说：

• 在行业标准上，蚂蚁制定了首个智能风控国际标准发布。我们这些年看到国内的企业在美国被卡脖子，除了激发了我们科技行业的斗志，也让我们意识到，把行业标准握在手中，是多么的重要。蚂蚁主导的ITU-T X.1451(Risk identification to optimize authentication)的国际标准，让我国在科技自立之路上多迈出了一步。
• 在技术上，切合实际业务需求和场景。我们搞机器学习的都知道，模型解释性一直是个绕不开的话题。蚂蚁的AI风控能平衡解释性和预测能力；例如在参考^[1]里，蚂蚁的图注意力机制提供了金融级的可解释性。
  同时，蚂蚁使用了多方安全计算，在保护数据安全和用户隐私的前提下，把蚂蚁安全能力分享到跟自己合作的金融机构，提高行业整体的风控效率，在反欺诈、虚假交易、团伙作案打击上面提供更有效的方式。^[2]
• 效果上，能高效识别欺诈，进行智能预警。通过前面说到的共享智能联合风控方式使得整个风险防控性能准确率提升30%以上，月均资损率降低90%。AI风控技术不仅仅能保护资产安全，也在打击网络犯罪方面贡献力量。例如蚂蚁2018年启动的“天朗计划”，一年时间与全国100余家公安机关展开合作，协助警方破获各类案件510余串、协助捕获犯罪嫌疑人4880名。^[3]

对我国AI风控乃至整个AI行业的展望

随着经济和科技水平发展，我们和发达国家技术差距正在缩小，甚至在例如AI风控这种细分领域能达到领先水平，影响力也逐步增强，甚至开始主导国际标准。但从整个AI领域来说，差距依然不小，吾辈切记不可自大，毕竟这种技术差距不是一年两年就能追上的。不过，随着技术飞快进步，未来应该会有更多的细分领域能达到国际领先水平。

参考

1. ^蚂蚁金服有哪些金融特色的机器学习技术？ https://tech.antfin.com/community/articles/640
2. ^从原理到落地，支付宝如何利用共享智能保护隐私安全？ https://tech.antfin.com/community/articles/994
3. ^蚂蚁金服实施“天朗计划” 多方共治网络黑灰产 http://www.eeo.com.cn/2019/0228/348799.shtml