四大行金融科技20年：从大集中，到全面数字化

如果把银行过去的信息化、进行中的数字化和智能化喻为一盘棋，“数据”始终是这盘棋的“势”所在。

匆匆那年

如今，谈及银行转型，必谈数字化。

仿佛银行已成为时代的恐龙。

其实在不远的十年前，中国银行业的信息化水平在世界金融界、在国内各行各业堪称翘楚。

即使今天，仍有可圈可点之处。

至今很多大行老科技人提到那段时光，眼中依然闪耀光芒。

追溯这份荣光，还需上溯十年，那是世纪之交的千禧年。

千禧年的元旦，天安门广场人潮涌动，周边交通中断。同样的沸腾也发生在深圳，一家名叫腾讯的小公司员工集体出门吃饭，结果被迎接千禧年的人潮堵在路上，动弹不得。

马化腾不在其中，那夜因“千年虫”，马作为唯一客服竟然成功安抚了OICQ所有用户。

元旦前夕，刘强东在北京九头鸟大酒店开年会，台下一桌十人，全公司两桌搞定。刘提出新年目标，明年聘个库管，搬到一个大点的写字间。1999年，他在刚开业的海龙大厦有个不到4平米的柜台，主营业务刻光盘，附赠傻瓜式多媒体系统。

同年杭州湖畔花园，马云对他的18罗汉说，我们要建世界上最大的电子商务公司，然后说“现在你们每人留一点吃饭的钱，将剩下的钱全部拿出来”。

千禧年后的第一年，2001年百度推出服务用户的独立搜索引擎，腾讯QQ突破500万用户大关，两年后2003年阿里淘宝才诞生。日后的BAT并未意识到，彼时的用户，意味着来日的流量、场景和生态。

那一年，经过98年的财政注资、99年的不良剥离，四大国有商业银行的新一轮改革悄然拉开大幕。

有些伏笔埋了许多年。

千禧年前4个月，中国工商银行于1999年9月1日正式启动数据集中工程，命名为“9991工程”，开中国大型商业银行大集中先河。

自1905年，中国历史上第一家国家银行——户部银行（中国银行前身）成立，在近百年的时间里，银行靠一把算盘一支笔、一本账簿一双手，记载了一代代的兴与衰，计算了一家家的盈与亏，清点了一笔笔的进与出。“点钞不用手、记账不用笔、利息自动算、传票自己走”成为一代代银行人梦寐以求的理想。

1993年银行网点开始普遍使用单机记账。

1995年，部分银行开始尝试联行报单、银行汇票签发的微机处理，重要凭证也进入微机管理。随后，各家银行逐步实现会计电算化。2000年前后，随着省域数据集中、全国数据集中工程的推进，银行计算机运用由储蓄、会计等柜面业务和后台核算业务扩展到信贷统计、资金调拨、客户数据库、信贷台账，再发展到办公自动化、决策支持等经营管理的方方面面，本地存款异地取、资金瞬间到账、跨国使用银行卡、本外币在账户间自由转换等不再是天方夜谭。

至此，中国银行业彻底从算盘时代走向了键盘时代。进入键盘时代后，第一个成效是数据，第一个痛点也是数据。

如果把银行过去的信息化、进行中的数字化和智能化喻为一盘棋，“数据”始终是这盘棋的“势”所在。数据集中，不仅是为银行提供了最为重要的生产要素，更是为银行经营管理和各项业务创新发展提供了平台，从根本上推动了银行变革发展。

善弈者谋势。

工行先行后，农行、中行、建行的数据大集中也拉开帷幕。虽然资源禀赋不同、技术路线不同、个中心酸不同，但是毫无疑问，千禧年后那场中国金融业波澜壮阔的大集中，铸就了今日各行数字化转型的底气。

如今，再踏转型路，往事尽云烟。

往事并不如烟

前传

各行数据大集中前有一“前传”，名为核心系统。

银行“核心系统”并不为普通人所熟知。核心系统是商业银行管理客户信息、处理客户账户及核心总账、提供基础存贷款、支付服务的系统，如同人的心脏。

商业银行核心系统的建设发展，是我国整体经济金融环境变化、金融业改革发展以及信息技术进步革新，三者共同驱动的结果。

1995年到2000年，是我国股份制银行和地方性银行大发展之际。这些银行建立之初，各路人才聚集，不乏有着大型国有银行科技工作经验之士，他们有了从零起步、跨越发展的舞台，直接提出了建设综合业务系统的目标。

而对于大型国有银行，服务不能降级，人员需要培训，数据需要迁移，不能不考虑历史和现实的因素，因此通过吸取了国外大型银行发展经验，更加细分了银行的应用系统，提出了核心银行系统的概念。

1986年，工行引进SAFEII系统，并以之为基础，构建了工行第一代核心银行系统，主要聚焦储蓄和对公业务。1997年，工行拉开第二代核心CB2000建设序幕，至2000年工行核心银行系统一期工程全面研发完成。

工行先行后，国内多家银行吹响了核心系统建设和大集中的号角。受限于当时计算机设备和网络传输的发展水平，大多以部分集中或省分行为主的省域集中尝试推进。1997年，中国农业银行启动第一代核心业务系统（ABIS）建设，经过两年多的鏖战，1999年3月，ABIS系统在宁夏投产成功后推广到农行全辖。2000年，中国银行实现五大区域系统集中，建设银行核心业务系统DCC上线。

纵观20世纪90年代中后期到千禧年后十年，如同今日的数字化，核心系统建设与升级换代，是各家银行共同的追求。背后深层次的因素是，随着加入WTO的日益临近，中国银行业必须在短时间内缩短与国际先进银行的差距，构筑信息化为内涵的竞争力成为关键性的抉择。

核心系统与数据大集中很难说是先有鸡，还是先有蛋。在核心系统建设同时，很多银行有识之士发现，仅仅是软件版本统一但不集中数据，对外难以提供跨地域的服务能力，对内则难以把控银行整体经营状况。

因此，唯有数据集中与核心系统一起扇动，才能为中国银行业插上翱翔九天的翅膀。

从集中，一路走来

1999年9月1日，工行启动 “9991工程”。

公开数据显示，这项工程最终把工行40多个中心、几万个机构合并到北京和上海两大中心，建立起全行统一的电子化体系。到工程完成，两大数据中心承载了工行全国全部37家分行以及总行票据营业部和牡丹卡中心、408个地区行、27，630个营业网点核心业务的处理，存储、处理4.8亿个账户，1.2万台ATM、6万台POS，日均处理交易超过9，000万笔，年均300亿笔，高峰日交易量超过1.2亿笔，存储处理的账户网点数达到世界领先水平。

工行大集中成功并非一日之功。1994年，工行开发了全国电子汇兑系统；1999年，工行正式投产运行资金清算汇划系统，实现汇划与清算实时，开创了异地结算业务全新的处理模式。

工行大集中的另一成效是，以“9991工程”打下的牢固根基为依托，工行2014年率先成功完成了“两地三中心”工程。2018年，工行全面实现新一代主机双活2.0架构下同城切换。这一看似“技术”的成效，实际是“业务”成效，业务连续性既是银行科技的生命线，更已成为数字化时代银行风控的重要范畴。

2019年，工行发布ECOS工程。E是Enterprise-level，代表“企业级”。C是Customer-centred，代表“以客户为中心”。O是Open，代表“开放融合”。S是Smart，代表“智慧智能”。

从1998年开始，中国农业银行开始启动省域数据集中工程，将全行近200个中心的核心业务数据集中到了36个省域数据中心，实现了所辖全部有效网点的集中联网，统一了全行业务应用。

2006年底，农行将全行37家分行的数据集中到北京数据运行中心。2007年初，农行将数据运行由北京切换到上海。与此同时，农业银行实施经营转型和县域蓝海战略，开创新的市场空间。在此背景下，2008年底，农行做出了建设新一代核心业务系统建设的决定。2015年10月，历时六年，农行新一代核心业务系统(Blue Ocean Engineering，BoEing)完成整个核心系统的切换和投产。

2020年，农业银行提出信息科技 “iABC”战略，代表“智慧（intelligent）的农业银行（ABC）、我（i）的农业银行（ABC）、融合（integrated）的农业银行（ABC）、科技助力（impetus）的农业银行（ABC）”。“iABC”战略将通过“七大技术、五大支柱、六大中台、两大保障”具体推进。

2011年10月中行IT蓝图完成全面推广，实现了经营模式和管理理念由“以账户为中心”向“以客户为中心”的转变，完成了境内全辖数据逻辑集中和应用版本高度统一，构建了安全可靠的“两地三中心”基础设施架构和7×24小时的运维体系。

2012至2018年，中行完成海外信息系统整合转型工程建设，在国内同业中率先构筑起7×24不间断、全球一体化运维的领先优势。

2018年，中行宣布数字化发展之路将围绕“1234”展开：以一个“数字化”为主轴，搭建企业级业务与服务两大架构，打造云计算、大数据、人工智能三大平台，聚焦业务创新发展、业务科技融合、技术能力建设、科技体制机制转型四大领域。

2005年，历时三年的建行数据集中工程（DCC）宣告完成。建行DCC表明，建行的科技应用模式已经从过去的分散开发转变为集中管理模式。

2011年至2017年，建行举全行之力历时6年，完成了新一代项目建设。其突出价值在于，基于业务流程全行共享的理念，构建了覆盖全行，以产品、流程、数据、用户体验四大模型为核心的企业级业务架构。同时，承接企业级业务架构模型，坚持组件化、平台化、松耦合、面向服务的原则，构建应用、数据、技术、安全四大IT基础架构。

2018年，建行发布“TOP+”金融科技战略规划。T为科技驱动，以技术和数据为双要素双轮驱动。O是能力开放。P代表平台生态，+是培育鼓励创新和支持创新的文化。

备注：上述工农中建大集中成果与数据全部来自公开资料

最深的敬意

数据大集中，是整个中国银行业“十五”期间的重大事件。

至“十五”末，各银行基本都实现了“数据大集中”。集中后，工农中建四大行的客户数、账户数、日交易量位列银行业前列，当然在数据集中的同时，也集中了风险，这是后话了。

回望数据大集中，工程之外，有几个点依然值得今天的银行数字化追忆。

一是主动变革。近年来的数字化转型多多少少还有几分外部倒逼的味道。20年前的中国银行业大集中，却是一场技术、管理和经营三位一体的主动式变革。大集中的历史告诉我们，数字化转型要做到主动变革，关键是三不要：不要在墨守成规的文化理念上搞数字化；不要在固守传统的体制机制上搞数字化；不要在封闭的技术体系上搞数字化。

二是技术路线。无论电子化、信息化、数字化，技术路线是决定IT建设方向的大问题。技术路线选择外部受制于当时的技术发展趋势、外部技术产品服务供给，内部要符合自身实际、投入预算和队伍能力。同时，制定一个正确的技术路线固然重要，但是更重要的是在长达数年的工程建设中一以贯之、久久为功。今天的银行数字化转型也面临过公有云、私有云的困惑，还将啃下自主可控的硬骨头，在这些抉择中，技术路线的选择更显珍贵。

三是队伍文化。科技和医学类似，本质上是实践性学科。再牛的医学院毕业，没有经历足够数量的临床，成不了名医，真正的科技人才也一定是在实践中才得以成长。大集中培养了一批银行应用、系统、数据库等专业人士，这些人有些留在大行“传帮带”，有些走向其他银行和后来的互联网公司。从更宏大的格局看，大集中培育出的人才，是银行对后来中国数字经济的一份贡献。有队伍必有文化，攻坚协同的文化，科技以人为本的文化，依托数据经营管理的文化……全面萌芽于大集中。

毫不夸张的说，这场变革是中国金融史上浓墨重彩的一笔，是世界科技史上石破惊天的工程。

集中的过程中，凝聚了一代银行科技人的智慧、汗水和青春，他们攻克了诸多性能、网络、算法难关，填补了诸多计算机金融应用的空白。

他们和最初的“思想者”、“谋势者”以及决策者们，顺应了时代，也超越了时代，值得我们送上最深的敬意。

善弈者谋势

2017年前后开始，四大行纷纷将数字化定位为核心或首要战略，依旧善弈者谋势。

势之所向，其锋称王。

2020年是“十三五”收官之年，也是“十四五”（2021-2025）擘画蓝图之年。突如其来的新冠黑天鹅疫情，给银行业带来史无前例的困难和挑战。

本次疫情再次证明并凸显了金融科技的极端重要性，也对金融行业数字化转型注入了新内涵、带来了新启示。

站在这样的历史节点，回味20年前的大集中，展望“十四五”的银行数字化发展，总有鉴往知来的感慨。

在“十四五”诸多影响因素中，笔者认为对银行数字化转型最大的两个宏观影响因素是：

一是我国大概率2022年前后跨入“高收入国家”门槛，同时伴随互联网成长起来的“Z世代”全面进入社会，老龄化现象愈加严重，由此带来银行客户结构、客户需求的全新变化。

二是2025年中国数字经济规模或将达到60万亿元，作为全球最大的数字经济体之一的特征将愈加明显，由此带来的银行经营范式的全新变化。

谋篇布局之际，纵观各行战略，其实共性已显，不同的是资源摆布和轻重缓急而已。

在不确定性的时代，战略往往不是目标，而是选择。提炼各行未来数字化转型发展的最大公约数，可以概括为“三化”、“三心”、“三新”。

“三化”的战略内涵

首先，通过数字化着力实现物理银行的“数字化孪生”。随后，基于智能化开展经营管理，低成本、实时性地洞察和服务于海量客户的个性化需求。同时通过开放化主动出击，紧密耦合场景生态伙伴，嵌入到客户的各种生产生活场景中，更敏捷地捕捉需求、获取数据、鉴别风险、提供服务。

数字化、智能化、开放化实际上构成了未来银行的经营范式。数字化提供核心资产，使银行无缝感知、全面理解客户；智能化为生产动力，使银行洞悉需求、创造服务；开放化为组织形态，使银行具备无处不在的触角，随时、随地、随心而在。

“三心”的战略核心

普惠为初心。任凭时代变迁，国有银行服务实体的初心不变。长期以来，诸多因素导致普惠金融的服务对象小微、低收入人群等，长期被排斥在正规融资体系之外。要将数字化作为破解普惠的关键一招，通过技术与金融服务的深度融合，充分释放大型银行的科技、信息与平台优势，助力解决普惠中的信息不对称、成本高、风险大等关键问题。

风控为核心。银行本质上“贩卖”的是风险。本次新冠疫情启示唯有借助金融科技手段，综合运用大数据、人工智能、区块链等多项技术，提升科技应用产品间的协同性，打造实时智能的“全面风险管理”，才能提升对“黑天鹅”、“灰犀牛”的企业级风险应对能力。

创新为恒心。在充满不确定性和技术日新月异的时代，创新是基业长青的根本所在。对于商业银行，既要有用于解决特定问题的技术创新，更为重要的是，要组合运用现有技术实现商业模式创新，特别是从把握金融跨时空转移的基本功能，着力为客户解决时间、空间、物质稀缺性问题，探索未来银行的无限可能。

“三新”战略支柱

新基建。一方面是柔性的新基建，包括各行投入大量资源的企业级架构、中台架构，为去全行系统性、普遍性问题提供高度共享复用的解决方案；大力发展开放银行，借助API、SDK等手段，构建开放、合作、共赢的金融服务生态体系。另一方面是硬核的新基建，包括构建以云计算、分布式计算为基础的新一代机房基础设施，以及推进国产化的“壮怀激烈”；实现IPV6规模部署，奠定万物互联时代的网络基础；持续完善人工智能、大数据、区块链等基础新技术平台，提供企业级新技术输出服务。

新体验。以客户为中心成为唯一的第一选择，纷纷致力于将传统商业银行的品牌美誉度和信用优势转化为极致客户体验。一方面围绕客户全旅程推动敏捷、快速、端到端的数字化改造。另一方面通过数字化经营，有效盘活和深耕存量客户，实现对用户有目的的组织管理和针对性营销，增加用户粘性、贡献和忠诚度，并通过系统性获取用户反馈，沉淀出一整盘真正属于银行自己的数字资产，不断改进提升。

新赛道。顺应国家战略，把握技术发展趋势，洞悉经济金融环境，在一些新赛道开启新竞争。比如，此次疫情培养了企业线上业务办理习惯，需要以对私思路开启对公数字化新蓝海，突破银行账户属性，视企业为用户，全面运用金融科技的力量，对公司金融既有的底层架构、服务流程、产品体系进行深层次重塑和优化。再比如，这轮全民抗疫也是一场高强度、沉浸式用户习惯培养活动，是对5G时代、物联网时代社会经济生活新形态的集中酝酿。经此一“疫”，全社会步入深度在线模式。此次疫情加快了零售银行通过线上化渠道满足客户多样化金融需求的进程。随着5G高速传输、万物互联时代的来临，以及人工智能的迅猛发展，零售金融既要在全面场景化过程中迈入实时、敏捷、智能的新境界，同时也驱动零售银行在线上渠道营销运营以及线上线下协同方面迈上新台阶。比如，把握国家发行数字货币的历史契机，挖掘更多的场景蓝海......

胜天半子

从蒸汽时代到电气时代，人类用了100年。从电气时代到信息时代，用了60年。最近，从3G到4G普及只用了4年。

佛利德曼在《世界是平的》中说，技术平台每隔5至7年就要发生一次颠覆性改变，但很多人却需要用10至15年才能适应。

瞬息万变的变局，飞速传递的变量，裹挟前行的我们，共同构成当下的变局。

变局之下，宏观唯有接受，微观才能有所作为。

2019年，《BANK 4.0》红遍金融圈，封皮上赫然标识“金融常在，银行不在”。

的确，金融常在。那么银行呢？

根植于近三十年的信息化成果，得益于二十年前的大集中，中国银行业在变局中始终默默努力。

但是长路漫漫，总有艰难困苦，才能玉汝于成。

比如，面对各类互联网公司不断蚕食银行业的传统市场空间，场景生态已成为银行数字化转型的题中必有之义，但是围绕场景如何进行研发、营销、管理、服务，如何变革组织架构、运营管理、风险管控等，已成为银行业当前最大的焦虑。

各大银行往往在场景建设上投入大量资源，但依托场景获得的用户流量，能否创造可持续的收益有待观察。同时，银行传统的客户维护以产品营销为出发点，对客户全旅程体验缺乏精细化深刻研究，导致在客户场景服务上缺乏整体把握，客户场景金融服务能否持续有待观察。此外，传统的体制机制依然惯性制约着新金融发展，传统商业银行始终面临着场景金融和传统金融的取舍难题。

在可预见的将来，银行仍将是中国最重要的金融供给者。因为一个国家的金融体系运转，往往是惯性存在。美英两国的金融体系长期以资本市场为主导，中国、日本、德国则长期以银行为主导。在某个国家，不同金融市场之间固然可以协调发展，但彻底转变金融体系的主导模式和惯性存在则难上加难。在未来相当长一段时间内，银行仍将是中国金融供给的主体。

中国银行业的发展方向，最终取决于中国经济增长的逻辑。当前，实现经济转型升级和高质量发展的关键在于创新，特别是科技创新。创新的关键在于优化体制机制，优化体制机制的关键在于变革与改革的力量。

进化论中说，存活下来的不是最强大的生物，而是适应变化的生物。

的确，当前传统商业银行一些固有的产品和服务模式，已不适应经济发展的新要求，只有那些能够主动适应创新型经济发展要求的银行，能够快速转变经营模式、优化金融服务供给的银行，能够把握时代机遇和变局机遇的银行，才有可能在新的一轮竞争中脱颖而出。

来源：36kr

智能投顾与量化投资，傻傻分不清楚？一文说明白

量化投资：数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式；Robo Advisory（RA，智能投顾）在国外的实践中，是指以大类资产配置为理论基础，通过以ETF为核心的公募基金作为底层资产，运用计算机技术与人工智能等创新科技来进行投资。

量化投资本质是投资，用量化的方式更理性做投资决策；目的更偏收益，希望用机器来战胜市场，追求“相对alpha”；技术分析、无风险套利为常见的交易手法。

智能投顾主语是顾问，了解客户，智能推荐合适的的标的组合，比如投资期限，收益要求，风险偏好，追求“绝对beta”。

量化投资可以量化一切传统投资手法，比如技术分析，基本面分析，另类信息等。移动平均线之金叉和死叉，成交量缩量则分歧少，自动追涨，MACD，KDJ，海龟、羊驼策略等，各大量化平台入门课程里都有，有没有用，仁者见仁，其实存在即合理，但单独用肯定没用。你知道什么时候用，成功的概率是多少，倒是有一点用。

基本面可以判断PE市盈率、市现率、市净率、三因子模型等，通过公司基本面来进行投资决策，另类信息像舆情因子，投资者情绪等，不一而足，可量化可计算的都可以。

说到这，你可能看明白了，量化投资并不包含智能投顾。量化投资是一种投资手法，而智能投顾是一个投资体系。在智能投顾的战术资产配置里，可以使用量化的手法来增强战术资产的收益与配置。

智能投顾是一个基于大类资产配置的投资体系，严格讲，它不是一个交易手法。粗略可分为战略资产配置和战术资产配置。战略资产配置周期长，一般三到五年甚至更长。它的基础假设：大类资产风险，收益长期收敛于均值，所以只需关心长期风险，收益，并以此为基础确定比例。

有研究表明，大类资产配置决定组合90%以上的波动。——很多理财书和大V搞错了这个结论，他们说决定组合90%的收益。这个结论显然是错的，如果90%的收益大类资产配置就搞定了，那不就直接结束了，那10%还折腾啥。大类资产配置目标是获得市场平均收益，但这是绝对收益，我们说的“绝对beta”。——量化投资追求“相对alpha”——就是战胜指数，指数跌10个点，量化跌5个点，你认为自己赢了。智能投顾更追求绝对回报，比如市场涨20个点，我能涨15个点也很高兴；但市场跌50个点，投顾要控制自己跌幅控制在15%以内。

大类资产的战略资产配置，有几个重要的步骤：

1，期限，收益，风险偏好；

2，大类资产收益，风险，相关性分析，可以通过历史数据或者美林时钟分阶段加权；

3，分配比例并定期再平衡，常用的模型：马科维茨约值方差模型，Black-Litterman，风险平价模型。

任何经济环境下都赚钱，追求绝对Beta不过如此，所以叫“全天候策略”。

来源：七年实现财富自由

从展望未来30年的货币形态来看当前Defi的机会（下）

上面我们聊了MakerDao，接下来我们来看Compound，乍一看Compound的商业模式，并不如Maker。Maker可以获取整个利息收入（稳定费），而Compound作为活期借贷市场，只能收取利息的一小部分（15%）作为收入。同时Compound被复制的可能性要比Maker大很多，创建一种新的稳定币，需要各种使用场景的配合，先发项目的优势容易被积累。而作为活期借贷市场，新项目借鉴下代码，再加上提供初始的流动性，比较容易利用利差的优势吸引用户，从而产生同质化竞争。

长期来看，如果商业模式不进化，这个市场可能很难被垄断，也是说即便15%的利息收入的空间也有可能被进一步挤压。

不过Defi借贷领域让我真正兴奋的反而是Compound。Maker虽然有各种优点，但比较难以接触真正的大众市场。Compound上的借贷方，需要质押数字货币，和Maker的用户群画像应该比较接近。

但Compound上的存款方，完全可以是需要更高收益的大众。利用USDC等稳定币与美元互换较为便利的特性，完全有可能创造一个美元余额宝的市场。在余额宝之前，货币市场基金已经存在了很长时间，但这个明显优于银行活期的产品，仍然与大众无缘，直到余额宝让它席卷大众。

如今类似的情况，美国美元的活期利率远低于1%，最好的货币市场基金收益大约在1.4%，如果Defi能提供3-4%的活期利率，美元余额宝的故事完全可能再次上演。当大众需求得到真正的满足，才是区块链真正起飞之时。

从另一个方面来看，Compound创建的资金池，天然的与智能合约产生了完美结合。传统金融想要做同样的资金池，不仅需要强大的品牌信任，还要付出大量的流程和监管成本，毕竟人来管理的资金池是罪恶的源泉。再考虑到实时清算的自动化，可以想像传统金融机构实现的臃肿低效高成本。对比Compound的简洁，无需信任，由智能合约来管理资金池，可以说这是目前为止我看到的智能合约最有说服力的Use Case。每当我的投资人，问我区块链有什么是传统金融做不了的，这往往是最好而且他们最容易能听懂的例子。

然而靠数字货币的抵押借贷到底能支撑多大的市场，随着存款资金量的增大3-4%的利率能坚持多久，这些更本质的问题也在困扰着作为投资人的我们。对这些问题，我们只有一些观察和思考。

我们看到一个至少10亿美金的Cefi市场，抵押借贷的用户在用大约10%的年利率进行借款。

由于质押物缺乏大众的接受度，更高的借款利息往往是必须的，可以参照一些用稀有宝石/收藏做抵押的信托借贷产品

全球市场的利率本来就不相同，比如中国的借贷成本高，而日本的借贷成本很低。区块链能否利用其跨域国界和币种的特性，来拉平全球的利率呢？

Defi合约，进一步缩减了中介的存在，是否极大降低了跨国界跨币种的交易成本呢？

期待创业者们能给出更好的答案，说到去中介，拉平世界，降低成本，提升效率，这是不是和互联网创业在本质上很像？

谈了两个借贷项目，下一个我们来聊聊Uniswap。相比其他去中心化交易所（DEX），我对Uniswap是情有独钟的。根据之前十几年的互联网投资经验，颠覆者必定拥有不一样的体验。大量长的和中心化交易所一样的DEX，相比中心化交易所，在各种交易指标（性能，深度等等）上落后一大截，正在做着契而不舍的追赶，然而真正的所谓亮点不过是资产的非托管，这些在我看来很难成为颠覆者。

而Uniswap的成功，让我想起了早期互联网创业。极简的团队，在相当长的开发过程中模式受到大量质疑，居然也没什么竞争者。产品诞生于创始人的执着和对用户需求的敏感，上线后发展超乎预期，市场才开始关注原来DEX还可以这么做的。

吸引我的另一个点是，外汇交换类似的币币交易体验，应该要比买卖股票类似的体验，更容易被大众所接受。这个Kyber做的最早，但Uniswap更进一步，用算法自动做市取代了人工做市商。看起来只要中心化交易所提供着充足的流动性，套利者可以很好的将实际价格反映到Uniswap中。最后Uniswap做市商提供的流动性池，和上面说到的Compound的资金池类似，在我看来是应用智能合约的最佳场景之一。

Uniswap目前存在的问题一个是交易滑点过高，特别是对大额交易来说，这限制了使用场景和对价格敏感的用户人群。另一个是币价波动过大的话，可能使做市商获得的交易费不足以覆盖被套利的损失而出现亏损。滑点问题，我看Uniswap V2还有一些类似的项目（如Curve）都提出了各自的方案，更改现有的价格曲线在波动不太大的情况下大幅降低现有的滑点。而做市商被套利的问题，可以让做市商自己也成为套利者来一定程度规避。做市商各自的算法和规则，可能会让不同的做市商之间出现盈利分层。

这里顺带说下Curve，稳定币之间的互换，我们认为是刚需。现有中心化交易所也不好解决，0.1%-0.2%的交易手续费，对都有美元支撑的大额稳定币互换（比如USDC和PAX）来说，成本还是太高了。而且大额的交易价格也很难稳定在1:1。实际上各类稳定币的流通和使用场景各不相同，在Defi里存贷的利率也有差异，Curve这样的应用有着相当的市场。

有人会担心Uniswap的商业模式，如果用户获取了便利的体验，做市商又能依靠提供流动性成本很低的获取交易费，那么作为平台的Uniswap的价值获取并不会是难题。

最后想谈谈智能合约钱包（如Argent）。传统钱包对区块链的各种概念没有进行用户体验上的包装，对大众用户来说门槛太高。先不说一大堆不能复制不能截屏的助记词，不知道大家是否有遇到过，小白用户想向你转账ERC20 token（如USDT）被提示ETH不足时困惑的神情，如果没有直接放弃的话，一般是以下三连问：ETH是啥？为什么转账USDT要收ETH，手续费不能收USDT吗？哪里去获得小额的ETH作为手续费？然后？一般就没有然后了。

钱包做为大众进入区块链世界的门户，其重要性是不言而喻的。而传统钱包为熟悉区块链的人群开发，对普通用户不够友好，用户转化成本太高。随着智能合约钱包的出现，让我看到了大众进入的可能性。

打开Argent，直观的感觉是更像一个银行app，没有助记词，私钥可以通过朋友或者邮箱/手机确认“恢复”。可以方便的接入Defi进行“理财”和“借贷”（而不是打开compound的网址），甚至贴心的帮你计算好获得了多少利息，像不像余额宝？

结合之前谈到的美元余额宝的机会，和USDC/PAX与美元互换的便利性，进一步把Token包装成数字美元，而弱化背后的稳定币都是有可能的。对用户来说，这就是个可以获取更高活期利息的美元余额宝，用户不用管你背后用的是USDC还是PAX，使用的平台是Compound还是Cefi，我存进来美元，到时候利息加本金取走也是美元就好了。

把这个思路再延伸一步，是否有可能利用数字货币，产生一个全球虚拟账户的概念。以某种法币或稳定币计价，在数字货币的世界里进行投资，理财和借贷。当用户在不同国家使用时，能即时兑换成当地货币，进行消费和转账，绕开现行的SWIFT和Visa/Master体系，本身具有巨大价值的潜力。

总的来说，如今的区块链看上去好像只有金融应用落地。首先金融是个足够大足够传统的领域，基于互联网的Fin Tech要么转变成了大数据公司，要么由于资金池的人为管理问题陷入泥潭，互联网连接一切的特性，被国家和货币的边界所打断，从本质来讲并没有特别成功的改造金融领域。期待新的创业者，期待区块链技术，能实现金融领域的全新改造。

而区块链的现状其实有点像08-09年的移动互联网，app store里充斥着各种成功的小游戏，然而游戏只是今后十年移动互联爆发的起点，我想金融对于区块链来说也是这样。

来源：亿欧

从展望未来30年的货币形态来看当前Defi的机会（上）

近期以太坊的大跌和多起黑客事件，使得对Defi的各种质疑开始受到大家的关注。但整个Defi社区并没有发生本质性的危机，各个团队应对危机展现了强大的抗压能力，让我们对Defi的未来充满希望。

为了更好的讨论对当前Defi项目的看法和潜在的机会，有必要先拉开视角看看30年后的货币世界，潮流和趋势可能会是怎么样的。

当今货币体系的一个重要特征，就是法币受限于国界。而历史上绝大多数时期，货币几乎不受国界的限制。如果对比现在的“世界货币”美元和历史上的金银，他们在国界上的受限程度是明显不同的。同时美元的无限超发问题，正在不断的挑战其作为世界货币的基石信用，从而有机会催生出新的货币生态。作为参照，1971年美元脱钩黄金之后的50年内，黄金价格涨了差不多40倍，平均每年涨幅接近8%。

展望未来，我们的一些看法：

1，强势国家的法币依旧存在，但可能一个手就可以数的过来。其实就算当下如果你进行多币种资产配置的话，就会发现你愿意配置资产的币种并没有几个。随着强势法币，以数字货币的形态出现（如USDC），对大多数小国来说，货币独立主权事实上变成不可能的任务。就像去越南，美元现钞不仅可以被广泛的接受，而且可以获得比官方更好的汇率。数字货币对比现钞的便利性，会进一步加快这种趋势。到最后，类似香港的联系汇率制，来挂钩强势法币，可能成为小国不得不的选择。

2，全球性企业或企业联盟所发行的数字货币。Libra是个很好的开始，虽然短期遭遇监管困境，但即便以美元稳定币的形式出发，由于其业务的全球性，最后自然而然会形成对一篮子强势法币的形态，回到他最初的Vision，形成事实上的一种新的数字货币。并且这给所有的全球性公司指明了道路，一个飞跃式的大Vision，我们相信就算Facebook不能完成这样的尝试，也会有更多的头部公司前赴后继来完成的。在区块链规则透明的前提下，商业信用未必不如国家信用，特别是这样的企业数字货币，在企业生态中还能兑换成各种产品和服务。参照Q币，它一定能产生价值和对应的市场流通。

3，代表无政府主义的数字货币，以BTC为代表。随着数字货币在整体人群中的渗透，特别是以上1和2对数字货币的推动，BTC有机会成为数字货币中的黄金，至少是目前看到的最好选择，拥有最广泛的共识基础。如果ETH在大众接受上述1和2的过程中起到了关键作用，那大概率能完成它的Vision，成为数字货币中的石油。

总的来说，以30年为时间跨度，新生事物会得到大众相当广泛的认可，但还无法完全取代原有体系，有可能形成三足鼎立的动态平衡。不管上面提到的1，2还是3，由于区块链的出现，数字货币必定导致货币的国界属性被打破，新的连接必定带来新的机会。

回到现实，我们来谈谈对现有Defi项目的看法，以及可能存在的机会。

首先是MakeDAO，作为Defi的标志性项目，可以说开创了Defi的时代。在借贷相关的Defi应用中，他的锁仓量也长期遥遥领先。Maker在现有的Defi项目中拥有最成熟的机制，特别是MKR持有人对系统性风险要承担兜底的设计，很好的体现了谁受益谁负责的大原则。MKR的持有人在享受稳定费收益（用来回购）的同时，必须承担额外的所有系统风险。这种对现有股权机制的模仿，第一次大规模应用在社区，形成了一种有别于公司股权制，但又非常类似的易于理解的生产关系。我们相信这是一种进步，也是Maker对Defi社区的最大贡献。

3月中ETH大跌，同时以太坊网络拥堵，加上Maker现有拍卖清算机制的漏洞，整个Maker体系产生了530万美元的债务，之后通过拍卖增发的MKR成功解决了债务问题。由于整个区块链行业尚在早期，出现各种问题和漏洞是不可避免的，MKR的机制有效保护了各个生态参与者。强烈建议其他Defi项目，甚至一些Cefi项目，参考MKR的机制，让自己的项目能有足够的试错空间。

有人说，“Defi是ETH大户们的自我救赎”。如果Defi只有Maker一个项目，这个描述还挺精准的，同时这也指出了Maker的发展问题。Maker本身借鉴了不少美联储的机制，但两者显著的不同在于美联储质押的是美国国债，也就是未来，本质上是在印钱，而Maker超额质押的是某种实体资产，本质上是个当铺生意。客户因为某种资产（ETH）的流通性较差，来当铺质押，换取流通性更佳的美元稳定币，并为此支付一定的利息（稳定费）。不同资产的流通性差异会导致不同的利息。因此ETH的大户数量和ETH的市值将成为Maker显而易见的天花板。

Maker社区引入多抵押资产，也是希望解决这个问题。不过现有的ERC20 Token的市值，并不能解决实质问题，再往下发展可能变为staking的变种，成为锁币的一种手段。BTC的市值差不多是ETH的8倍，是突破天花板最明显的选择，也是当前Cefi中最主要的抵押资产。由于BTC的原生协议缺乏交互性，要么等待各种跨链方案的落地，要么通过第三方发行的ERC20的BTC token。做为投资人我们期待看到，BTC在Defi上的突破，至少给用户提供更多一个选择，从而产生和Cefi的竞争，来给整个市场提供更好的服务。

除了数字货币，其他流通资产的抵押借贷，比如黄金，股票，债券，也是机会。虽然这些资产在短期内必然需要通过第三方先Token化，再进入Defi，甚至需要中心化的清算机制，但我们认为这并不是问题。当铺开门做生意，不应该有去中心化的洁癖。核心的关键在于是否能通过区块链/Defi的特性提供比现有资产抵押借贷更好的解决方案。Maker创造了ETH抵押借贷市场，但最终的胜利者将创造比现有市场更有效的资产抵押借贷市场。

除去资产端，生成稳定币的对标尺度，也是一个扩展方向。美元作为世界货币，具有最强的流通性肯定是首选。看起来欧元和日元可能是接下来的选择。RMB由于前有USDT的市场共识，后有DCEP加上监管的政策原因，可能很难发力。

不过回到问题的本质，为什么DAI可以标定美元，主要是由于ETH质押和清算的尺度是美元，也就是说oracle决定了价值尺度。由此来看，欧元或日元是否能提供具有流动性的有深度的可靠的oracle价格，及与之配套的清算深度，可能是实施中要考虑的。同时EURDAI和JPYDAI，在当地市场的可用性，是否被大多数支付对手方所接受，交易是否有足够的深度，也会深深影响EURDAI和JPYDAI的价值。

说到更好的对标美元，Maker最新加入抵押资产的USDC，是个相当不错的选择。虽然存在一定的中心化风险，但未必就比BAT的风险更大。而且考虑到将来的实物资产抵押，一定程度的中心化至少在相当长的时间内必不可免。实际上在ETH和BAT稳定费率都为零的情况下，USDC的稳定费率还为6%，清算线也高达120%。我认为更低的稳定费率和清算线，将有利于DAI的稳定。DAI本身的机制只能粗略跟随美元，USDC可以直接1:1兑换成美元，利用套利者源源不断的流动性可以帮助DAI更精准的锁定美元。

换个角度来看，用一种稳定币（USDC）质押生成另一种稳定币（DAI）看来起来有些奇怪，但实际上如果不是套利的因素，恐怕没人会有动力来进行这样的借贷，特别是USDC的流通性可能还大于DAI的情况下。既然没人有动力，那这样的设计就是为了套利服务的，应该尽量降低套利的成本来达到更好的效果。

总的来说，Maker为Defi打开了崭新的空间，在机制上是最为成熟的Defi项目，并且还接受了时间的考验，点赞一下。但Maker的天花板也比较明显，首先是ETH的市值，更为重要的是，如果不能开启原生数字货币以外的流通资产质押借贷，那他只是一个为小众服务的项目。之前讲到的30年展望，其中最为重要的趋势，就是大众的进入，如果不能让大众进入，如果不能提供一个比现有方案更好的区块链解决方案，那么只服务币圈的项目可能慢慢会被边缘化。

来源：亿欧

达利欧最新长文：从货币、信贷与债务看变化中的世界秩序

24日，桥水基金创始人瑞·达利欧（Ray Dalio）在他的领英（LinkedIn）主页上发布了2万字长文，剖析在长期债务周期中，货币、信贷和债务的相互运作方式，以及它们驱动全球经济和政治变化的方式。

达利欧指出，如果不了解货币、信贷和债务之间是如何运作的，就无法理解经济是如何运作的，进而就更无法理解整个经济政治体系是如何运作的。

以下是一个相对简洁的中文译版。

为了理解帝国及其经济起起落落的原因，以及现在世界秩序发生了什么，你需要理解货币、信贷和债务是如何运作的。这一点至关重要，因为从历史上看，无论是过去还是现在，人们最乐于为之奋斗的就是财富，而对财富的增减产生最大影响的就是货币和信贷。因此，如果不了解货币和信贷是如何运作的，就无法理解经济是如何运作的，进而就更无法理解整个经济政治体系是如何运作的。

举个例子，如果不理解二十年代债务泡沫和贫富差距是如何产生的、债务泡沫的破裂又是如何导致了三十年代的大萧条，以及大萧条和过度的贫富差距如何引发了世界各地的冲突，那么也就无法理解是什么力量导致了富兰克林·罗斯福当选总统，以及在他当选后不久所推出的新计划（中央政府和美联储将共同提供大量的资金和信贷）。

就是这些改变了当时的世界秩序，而这又与现在正在发生的事情颇为相似，了解其背后的机制和原理，将有助于更好地理解新冠病毒大流行的背景下，接下来会发生什么。

永恒而普遍的基本原理：货币和信贷

所有实体（国家、公司、非营利组织和个人）都需处理基本财务，他们的收入和支出构成了净收入，而这些流动是可以用资产负债表中的数字来衡量的。如果一个人赚的比花的多，他就会有利润，从而使他的储蓄增加。而如果一个人的支出大于收入，那么他的储蓄就会减少，或者他不得不通过借钱或来弥补差额。

如果一个实体拥有巨额净资产，它的支出将可以高于收入，直到资金耗尽，这时它必须削减开支。如果不削减开支，它将会有大量负债/债务，如果它没有足够的收入来偿还，它就会违约。

由于一个人的债务是另一个人的资产，债务违约会减少其他实体的资产，进而要求它们削减开支，从而导致债务下降和经济收缩。

这种货币和信用体系适用于所有人、公司、非营利组织和政府，但有一个重要的例外。所有国家都可以印钞给人们消费或放贷。然而，并不是所有政府发行的货币都具有相同的价值。

在世界范围内被广泛接受的被称为储备货币。而在当今世界上，占主导地位的储备货币是美元，由美联储发行，占所有国际交易的55%。另一种则是欧元，由欧洲央行发行，占所有国际交易的25%。目前，日元、人民币和英镑都是相对较小的储备货币，尽管人民币的重要性正迅速上升。

拥有储备货币的国家更容易通过大量借贷摆脱困境。原因在于，世界上其他国家倾向于持有这些债务和货币，因为它们可以用来在世界各地消费。因此，拥有储备货币的国家可以发行大量以储备货币计价的信贷/债务，尤其是在目前这种储备货币短缺的情况下。

而相比之下，没有储备货币的国家则没有这种选择。它们在以下情况中，特别需要这些储备货币（如美元）：（1）他们有很多以他们不能印刷的储备货币计价的债务（如美元）；（2）他们在这些储备货币上没有多少储蓄；（3）他们获得所需货币的能力下降。当没有储备货币的国家急需储备货币来偿还他们的债务，以储备货币计价和交易的卖家希望它们用储备货币来支付时，它们就只能破产。这就是现在许多国家的情况。

这也是许多州、地方政府、公司、非营利组织和个人会面临的情况。当它们遭受了收入损失，有没有多少存款来弥补损失时，它们将不得不削减开支或通过其他方式获得资金和信贷。

这就是现在的世界上正在发生的事情：风险储蓄即将耗尽，以及债务违约的风险。有能力这样做的政府正在印钞，以帮助减轻债务负担，并帮助为以本国货币计价的开支提供资金。但这将削弱本国货币，提高本币的通胀水平，以抵消需求减少和被迫出售资产所造成的通货紧缩，而那些资金紧张的国家就不得不筹集现金。

货币是什么？

货币本质上是一种交换媒介，也可以用来储存财富。

不言而喻，“交换媒介”指的是可以用来买东西的工具。而所谓财富储备，指的是在获取和消费之间储存购买力的工具。最合理的方式显然就是把钱存起来，以备不时之需，但人们往往不愿意持有货币，而总想把货币兑换成他们想买的东西。这就是信贷和债务发挥作用的地方。

当出借人放贷时，他们认为收回的钱会比本身持有的钱购买更多的商品和服务。如果做得好，借贷者就能有效地使用这些钱并获得利润，进而偿还贷款并保留一些额外的钱。当贷款尚未偿还时，它是贷款人的资产，也是借款人的负债。当钱被偿还时，资产和负债就消失了，这种交换对借方和贷方都有好处。他们从本质上分享了这种生产性贷款的利润。整个社会也得益于这种机制所带来的的生产力提高。

因此，重要的是要意识到：

1.大多数货币和信贷（尤其是现存的法定货币）没有内在价值；

2.它们只是会计系统中的账目，可以很容易地改变；

3.系统的目的是帮助有效地分配资源以便生产力增长；

4.该系统会周期性崩溃。所有的货币不是被摧毁就是贬值，财富随之发生大规模转移，对经济和市场产生巨大影响。

更具体地说，货币和信贷系统并没有完美地运转，而是在循环中改变货币的供应、需求和价值，在上升时产生富裕，在下降时产生重组。

基本面

虽然货币和信贷与财富有关，但它们不是财富。因为金钱和信用可以买到财富。一个人拥有的货币、信贷和财富看起来几乎是一样的。但是，一个人不能仅仅通过创造更多的货币和信贷来创造更多的财富。为了创造更多的财富，一个人必须更有生产力。货币和信贷的创造与财富（实际的商品和服务）的创造之间的关系经常被混淆，但它是经济周期的最大驱动力。

一般来说，货币和信贷的创造与商品、服务和投资资产的数量之间存在正相关关系，因此很容易混淆。当人们有更多的钱和信贷时，他们就会想消费更多。从某种程度上说，消费增加了经济生产，提高了商品、服务和金融资产的价格，这可以说是增加了财富，因为拥有这些资产的人在我们衡量财富的方式下变得“更富有”。

然而，这种形式的财富增加更像是一种幻觉。原因有二：推动价格和生产上升的信贷必须偿还；事物的内在价值并不会增加。

举个例子，如果你有一套房子，政府创造了大量的货币和信贷，你的房子的价格会上升，但它仍然是原来的样子。你的实际财富没有增加，只是你计算出来的财富增加了。同样地，如果政府创造了大量的货币和信贷，用于购买商品、服务和金融资产（如股票、债券和房地产），那么你计算所得的财富数量就会增加，但实际财富仍将保持不变。换句话说，用一个人所拥有的市场价值来衡量他的财富，会给人一种财富变化的错觉，而这种变化实际上并不存在。

重要的是，货币和信贷在发放时具有刺激作用，而在必须偿还时却有抑制作用。这就是货币、信贷和经济增长如此具有周期性的原因。

为了控制市场和整体经济，货币和信贷的成本和可获得性各不相同。当经济增长过快，他们想要放缓增长速度时，就会减少货币和信贷投放，导致两者都变得更加昂贵。这鼓励了人们充当贷方而不是借钱和消费。当经济增长太慢，央行想要刺激经济时，他们就会让货币和信贷廉价而充足，从而鼓励人们借贷、投资和/或消费。货币和信贷的成本和可用性的这些变化也会导致商品、服务和金融资产的价格和数量的涨跌。但是，银行只能在其产生货币和信贷增长的能力范围内控制经济，而它们这样做的能力是有限的。

想象一下，中央银行有一瓶兴奋剂，他们可以根据需要注入经济，而瓶中的兴奋剂数量是有限的。当市场和经济衰退时，他们会提供货币和信贷刺激来提振经济，当市场过热时，他们会减少刺激。这些变动导致货币、信贷、商品、服务和金融资产的数量和价格的周期性涨跌。而这些举措通常以短期债务周期和长期债务周期的形式出现。

短期债务周期（即通常所说的“商业周期”）通常持续8年左右。时机取决于刺激措施将需求提升至实体经济生产能力极限所需的时间。而长期债务周期就是将这些短期债务周期加起来，通常持续50-75年。因为可能很多人的一生只会出现一次长期债务周期，所以大多数人都没有意识到。

长期债务周期通常开始于重组后的低水平债务时期，央行的瓶子里有很多刺激，而结束于高水平债务时期，央行的瓶子里就没有多少刺激了。更具体地说，当央行失去通过经济体系产生货币和信贷增长、进而推动实体经济增长的能力时，央行的刺激能力就会终止。当债务水平高企、利率无法充分降低、货币和信贷的创造对金融资产价格的影响大于对实际经济活动的影响时，央行就会丧失这种能力。在这种时候，那些持有债务的人通常想要把他们持有的货币债务换成其他的财富。当人们普遍认为，将获得资金的货币和债务资产并不是良好的财富储备时，长期债务周期就结束了，必须对货币体系进行重组。

长期债务周期

1. 始于无或低债务和“硬通货”

金银（有时还有铜和镍等其他金属）是首选的货币形式，因为它们具有内在价值，而且可以很容易地塑形，便于携带和兑换。具有内在价值很重要，因为与他们进行交易不需要任何的信任或信用。任何交易都可以当场成交，即使买卖双方是陌生人或敌人。

2. “纸币”的诞生

因为金属货币携带不便的原因，人们很快就把纸上的“货币债权”当成了货币本身。这种类型的货币系统被称为挂钩货币系统，因为货币的价值与某种东西的价值挂钩，通常是“硬通货”，如黄金。

3.债务增加

起初，“硬通货”的债权数量与银行里的硬通货数量相同。然而，持有人和银行发现了信贷和债务的奥妙之处：人们可以把“纸币”借给银行，以换取利息；而向他们借钱的银行又可以把钱借给其他人，换取更高的利息；而那些从银行借钱的人获得了前所未有的购买力。这个过程导致了资产价格和生产的上升。

然而，当一个人没有足够的收入/钱来偿还债务时，麻烦就来了。人们期望通过出售这些债权来获得购买商品和服务的资金，其增长速度超过了商品和服务的数量，这使得从这些债务资产（例如债券）的转换变得不可能。这两个问题往往同时出现。

关于第一个问题，可以把债务看作是负收益和负资产，负资产吞噬收益（因为收益必须用来偿还债务），吞噬其他资产（因为必须出售其他资产来获得偿还债务的资金）。它具有更高的优先级，意思是它必须在任何其他类型的资产之前得到支付，所以当收入和一个人的资产价值下降时，有必要削减开支和出售资产来筹集所需的现金。当这还不够时，就需要：

（1）债务重组，减少债务和债务负担。这对债务人和债权人都是有问题的，因为一个人的债务就是另一个人的资产。

（2）央行印钱、中央政府发放货币和信贷，以填补收入和资产负债表的漏洞（这也是现在正在发生的事情）。

当债务持有者不相信他们将从债务中获得足够的回报时，就会出现第二个问题。债务资产（如债券）是由投资者持有的，他们认为这些资产是可以出售来获得财富（钱）的，而这些钱可以用来买东西。当债务资产的持有者试图将其转换成真实的货币、真实的商品和服务，却发现他们做不到的时候，这个问题就出现了。然后就会发生所谓的“挤兑”。

无论是商业银行还是央行，都会面临着这样的选择：允许资金从债务资产中流出，从而提高利率，并导致债务和经济问题恶化；或者“印钞”，购买足够的债券，以防止利率上升，并逆转资金耗尽的趋势。

但如果货币债权和与货币数量和所要购买的商品和服务数量之比过高，银行就会陷入无法摆脱的困境，因为它根本没有足够的钱来满足这些债权，因此它将不得不违约。

当这种情况发生在央行身上时，它可以选择要么违约，要么印钞并使其贬值。贬值是无法避免的。当这些债务重组和货币贬值规模很大时，它们会导致货币体系崩溃。无论银行或中央银行做什么，债务越多，货币贬值的可能性就越大。记住，商品和服务的数量总是有限的，因为数量受到生产能力的限制。

理解金钱和债务之间的区别是很重要的。

金钱是解决债权的，而债务是一种兑现承诺。在金钱和债务相互运作的过程中，需要观察：相对于银行里的“硬通货”，债务和货币存在的数量，以及存在的商品和服务的数量。它们可能是不同的，债务周期的发生是因为大多数人都喜欢扩大购买力（通常通过债务），而央行则倾向于扩大货币的数量。但这不可能永远持续下去。重要的是要记住，当银行（无论是央行还是商业银行）发行的票据（纸币和债务）比银行里的“硬通货”多得多时，货币和债务周期的“杠杆化”阶段就结束了。

4. 随之而来的是债务危机、违约和货币贬值

历史表明，当银行对货币的索取权的增长速度超过银行的货币总量时，“银行挤兑”就发生了。人们可以通过观察银行的资金数量下降，以及由于提款而接近枯竭的程度，准确地判断出什么时候发生了银行挤兑，什么时候银行业危机即将来临。

如果一家银行无法提供足够的硬通货来满足人们对它的要求，那么无论它是一家商业银行还是一家央行，都会陷入困境，尽管一般而言，央行比商业银行的选择更多一些。这是因为商业银行不能简单地印钞或修改法律以使其更容易地偿还债务，而中央银行可以。当私人银行家陷入困境时，他们要么违约，要么接受政府的救助。如果他们的债务是以本国货币计价的，中央银行可以贬值他们的债权（例如，偿还50-70%）。但如果债务是以他国货币计价的，那么他们最终也势必违约。

5. 法定货币

各国央行希望延长货币和信贷周期，因为这比另一种方式要好得多，因此，当“硬通货”和“硬通货债权”变得过于紧缩时，政府通常会抛弃它们，转而使用所谓的“法定”货币。

法定货币制度不涉及硬通货，只有“纸币”，央行可以不受限制地“印刷”。因此，央行不必动用其储备的“硬通货”，也不会产生违约。但风险在于，摆脱了对有形黄金或其他“硬”资产供应的限制，控制印刷机的人（即与商业银行合作的中央银行）将创造更多的货币、债务资产和负债，直到那些持有巨额债务的人试图将这些资产和负债用于购买商品和服务，这将产生与银行挤兑同样的效果，导致债务违约或货币贬值。

当信贷周期达到极限时，中央政府和中央银行创造大量债务，印钞用于购买商品、服务和金融资产，以保持经济运行，这既是合乎逻辑的，也是经典的反应。这就是2008年债务危机期间的做法，当时利率已经降到了0%，无法再下调。而现在，债务和货币的创造量比二战以来的任何时候都要大。

需要明确的是，央行“印钞”并将其用于支出，而不是通过债务增长来支持支出，并不是没有好处的。例如，货币支出就像信贷一样，但实际上（而不是理论上）不必偿还。换言之，如果货币用于生产性用途，增加货币增长而不是信贷/债务增长并没有错。但如果“印钞”过于激进，没有得到有效利用，人们将不再把它用作财富的储藏手段，而是将财富转移到其他东西上。纵观历史，当硬通货的未偿债权远大于硬通货、商品及服务时，总是会发生大量违约或大量印钞和贬值。

历史表明，我们不应该指望政府在财政上保护我们。相反，大多数政府滥用其作为货币和信贷创造者和使用者的特权地位。历史上没有一个政策制定者能够拥有整个周期。每个人都仅仅参与了其中的一部分，并根据当时的情况做对他们有利的事情。

在债务周期的早期，政府被认为是值得信任的，他们比任何人都需要更多的钱，他们通常是最大的借款人。在经济周期的后期，当继任的决策者上台管理负债更多的政府时，新的政府领导人和新的央行行长不得不面对更大的挑战，即在他们的瓶子里没有那么多刺激资金的情况下偿还债务。更糟糕的是，政府还必须救助那些破产会损害金融体系的债务人。因此，他们往往会陷入比个人、公司和大多数其他实体更大的现金流困境。换句话说，在几乎所有情况下，政府都在其行动中积累了债务，并成为了一个大债务人，当债务泡沫破裂时，通过印钞和贬值来拯救自己和其他人。

当政府有债务问题时，他们如何应对？

毫无例外，如果债务是他们自己的货币，他们就会印钞并将其贬值。当中央银行印钞票，购买债务，将钱投入金融系统，抬高金融资产的价格，进而扩大了贫富差距。它也把大量的债务交到中央银行手中，让中央银行以他们认为合适的方式处理债务。

此外，他们印刷货币和购买金融资产（主要是债券）会压低利率，这会刺激借贷和购买，鼓励持有这些债券的人出售债券，并鼓励以低利率借入资金，并将其投资于回报率更高的资产。这将导致中央银行印刷更多的货币、购买更多的债券，有时还会购买其他金融资产。

美联储于2020年4月9日宣布了这种计划。这种印钱买债的方式（称为债务货币化）在政治上更受欢迎，因为这是一种将财富从富人手中转移到穷人手中的方式。比起令人愤怒的征税，这种方式好得多。这就是为什么最终中央银行总是印钞并贬值。

当政府印了很多钱，买了很多债，钱和债的数量都增加了，其价格就降低了，这实际上就是对拥有这些货币的人征税，使得债务人和借款人更容易得到它们。当这种情况发生到一定程度，他们会试图出售他们的债务资产和/或借入资金，这样就可以用廉价的钱来偿还。他们还经常将财富转移到其他地方，如黄金、某些类型的股票等。在这种情况下，各国央行通常会继续直接或间接地印刷货币和购买债务，并禁止资金流入通胀保值资产、替代货币和替代货币市场。

这种通货再膨胀的时期要么刺激另一种货币和信贷扩张，为另一次经济扩张提供资金（这有利于股票），要么使货币贬值，从而产生货币通胀（这有利于黄金等通胀对冲资产）。

6. 重回“硬通货”

过度印刷法定货币会导致债务资产的抛售和“银行挤兑”，这最终会降低货币和信贷的价值，从而促使人们逃离货币和债务（如债券）。他们也就需要决定将使用哪种替代性的财富储备方式。

历史表明，他们通常会转向黄金、其他货币、其他不存在这些问题的国家的资产，以及保持其实际价值的股票。有些人认为，世界需要另一种可供选择的储备货币，但事实并非如此，因为在没有可供选择的货币的情况下，从历史上看，货币体系崩溃和财富涌向其他资产，也同样会发生。货币贬值导致人们纷纷逃离货币，并将债务转移到其他地方。

通常在债务周期的这个阶段中，也会出现贫富差距过大造成的经济压力，这就导致了更高的税收和贫富之间的争斗，也使得那些拥有财富的人想要转移到硬资产和其他货币以及其他国家。很自然的，国家会阻止这种外逃。因此，在这种情况下，政府就会加大对黄金（例如，通过取缔黄金的交易和所有权）、外汇（通过取消其交易能力）、外国资产（通过建立外汇管制来防止资金流出国境）的投资难度。最终，债务基本上被消灭，通常是通过让还债的钱既多又便宜，使货币和债务都贬值。

当这种情况发展到极端时，以至于货币和信贷体系崩溃，债务贬值和/或违约出现时，政府通常不得不回到某种形式的硬通货，以重建人们对货币作为财富存储的价值的信心，从而恢复信贷增长。虽然并非总是如此，但政府经常会将其货币与某种硬通货（如黄金或硬储备货币）挂钩，并承诺允许新货币的持有者将其兑换成硬通货。有时这些硬通货是另一个国家的。

回顾一下，在长期的债务周期中，将债务作为一种提供利息的资产持有，通常在周期早期没有很多未偿债务时是有回报的，但在周期后期还持有大量未偿债务是有风险的。因此，持有债务（例如债券）有点像持有一个定时炸弹，在它还在运转时会给你回报，但一旦爆炸也会将你炸飞。比如，大爆炸（即严重违约或大幅贬值）大概每50-75年就会发生一次。

长期债务周期概述

几千年来，一直有三种货币制度：硬通货（如金属硬币）、“纸币”和硬通货挂钩，以及法定货币。

硬通货是最具限制性的货币体系，因为除非增加金属或其他具有内在价值的商品（即货币）的供应量，否则就无法创造货币。第二种体系更容易创造货币和信贷，因此硬通货债权与实际持有硬通货的比例上升，最终导致银行挤兑。结果有二：一是违约，银行关门且储户失去硬资产；二是货币贬值，这意味着储户拿回来的钱变少了。而在第三种体系中，政府可以自由地创造货币和信贷。只要人们对货币有信心，这种做法就持续有效，反之则无效。

纵观历史，各国在这些不同类型的体系之间过渡，都有合乎逻辑的原因。当一个国家需要的货币和信贷比现有数量更多时，无论是出于应对债务、战争还是其他原因，它自然会从第一种体系过渡到第二种体系，或从第二种体系过渡到第三种体系，这样它就有了更大的印钞灵活性。

下图表达了上述不同的过渡历程。从宋朝到魏玛时期的德国，历史上有很多这样的例子。有很多国家从约束型货币体系（第一类和第二类）全面过渡到法定货币，然后随着旧的法定货币极度膨胀，又回到约束型货币体系。

如前所述，这个巨大的债务周期会持续很长一段时间（大约50到75年），在其结束时，其特征是债务和货币体系的重组。重组的突然之处在于，在债务和货币危机时期，重组通常发生得很快，且仅持续数月至三年，具体时间取决于政府采取这些措施所需的时间。然而，此后涟漪效应可能是长期的。例如，这些情况会导致储备货币不再是储备货币。在这些货币体系中，通常会有两到四次大的债务危机，大到足以导致银行业危机和债务减记或贬值30%或更多。

储备货币赋予一个国家不可思议的力量

储备货币是一种在世界范围内被广泛用作交换媒介和财富储备的货币。越广泛使用和依赖，储备货币和拥有储备货币的国家就越强大。

如前所述，世界新秩序始于1945年第二次世界大战结束后，布雷顿森林协定在1944年确立了美元作为世界主要储备货币的地位。美国和美元自然符合这一角色，因为在战争结束时，美国政府持有世界上约三分之二的黄金（而黄金是当时的世界货币），占世界经济生产的50%，并且军事力量占主导地位。

新的货币制度属于第二类，其他国家的央行可以35美元/盎司的价格将“纸质美元”兑换成黄金。当时，个人持有黄金属于非法，因为政府领导人不想让黄金作为财富储备来与货币和信贷竞争。所以，在那个时候，黄金就是银行里的钱，而纸币就像支票簿里的支票一样，可以兑换成真金白银。在这个新货币体系建立的时候，美国政府持有的每盎司黄金就有50美元的纸币，所以几乎有100%的黄金作为后盾。其他与美国结盟的主要国家（如英国、法国和英联邦国家）或受美国控制的国家（如德国、日本和意大利），其货币与美元挂钩。

在接下来的几年里，美国政府为了给自己的活动融资，支出超过了税收收入，因此不得不借钱，从而产生了更多以美元计价的债务。美联储所允许建立的黄金债权数量（如美元计价的货币和信贷），远远超过了能以35美元价格兑换成的黄金实际数量。当纸币被兑换成硬通货（黄金）时，美国银行的黄金数量下降了，与此同时，黄金的索取权继续上升。结果，1971年8月15日，布雷顿森林货币体系崩溃。当时，美国总统尼克松(Nixon)和1933年3月5日的罗斯福(Roosevelt)一样，未能履行美国的承诺，即允许纸币持有者将美元兑换成黄金。因此，美元对黄金和其他货币贬值。那就是美国和所有国家转向第三种法定货币制度的时候。

此举使美联储和其他中央银行得以创造大量以美元计价的货币和信贷，从而导致了上世纪70年代的通货膨胀，其特点是从美元和美元债逃向商品、服务以及黄金等可以对冲通胀的资产。对美元债务的恐慌还导致了利率上升，推动金价从1944年设定的每盎司35美元的水平升至1980年每盎司670美元的峰值。

在上世纪70年代，通过这种方式管理货币和信贷，借入美元并将其转化为商品和服务是有利可图的，因此许多国家的许多实体主要通过美国银行来借入美元。结果，以美元计价的债务在全球范围内迅速增长，美国各银行向这些借款人发放了大量贷款。这种贷款导致了债务周期中典型的债务泡沫。恐慌情绪从美元和美元债务资产转向通胀对冲资产，并加速了美元的快速借贷和债务增加。这导致了1979年至1982年的货币和信贷危机，在此期间，美元和以美元计价的债务有可能不再是公认的财富储备。

当然，普通公民并不了解这种货币和信贷的动态是如何运作的，但他们却以高通胀和高利率的形式感受到了它，所以这是一个巨大的政治问题。和大多数政治领导人一样，卡特总统也不太了解货币机制，但他知道必须要做些什么来阻止它，于是任命了一位强有力的货币政策制定者——保罗·沃尔克(Paul Volcker)。因为他有足够的力量去做那些痛苦但正确的事情来打破通货膨胀。

德国总理Helmut Schmidt说，为了应对货币通胀危机并打破通胀，沃尔克收紧了货币供应，将利率推高至“自耶稣基督诞生以来”的最高水平。在收入和资产贬值的同时，债务人不得不支付更多的偿债款。这压榨了债务人，并要求他们出售资产。由于对美元的巨大需求，美元走强。由于这些原因，通货膨胀率下降，这使得美联储降低了利率，放松了美国人的货币和信贷。当然，许多这些资产的债务人和持有者在价值下降的时候破产了。

因此，在20世纪80年代，这些债务国，尤其是外国债务国、新兴国家的债务国，经历了长达10年的萧条和债务重组时期。

美联储通过向美国的银行提供他们需要的资金来保护他们，而美国的会计系统通过不要求他们将这些坏账作为损失或以实际价格评估这些债务资产来保护他们免于破产。这一债务管理和重组过程一直持续到1991年，当时通过以时任美国财政部长尼古拉斯•布雷迪(Nicholas Brady)命名的《布雷迪债券协议》(Brady Bond agreement)完成。

1971年至1991年的整个经济周期影响了世界上几乎所有人，这是美国放弃金本位的结果。它导致了70年代的通胀和通胀对冲资产的飙升，随后又带来1979-1981年的紧缩、非美债务人大量的通缩债务重组、通胀率下降，以及1980年代债券和其他通缩资产的出色表现。这整个时期都有力地证明了拥有世界储备货币的美国具有怎样的力量，以及储备货币管理方式对世界各国的影响。

从1979-81年以美元计价的通胀和美元计价的利率的峰值到现在，通胀率和利率都已降至近0%。从下图可以清楚地看到，自从新的以美元计价的货币体系建立以来，整个利率和通胀率的大起大落。

在整个这段时间里，世界上以美元计价的货币、信贷和债务以及其他非债务性负债（如养老金和医保等）相对于收入而言持续上升。因为美联储有独特的能力来支撑这种债务增长，上述情况在美国尤为明显。

20世纪80年代债务重组完成后，90年代全球货币、信贷和债务的新增长又开始了，这又一次带来了繁荣，导致用债务融资购买投机性投资，形成了2000年破裂的互联网泡沫。这导致经济在2000 - 2001年衰退，促使美联储放松货币和信贷，将债务水平推向新高，并创建另一个繁荣。这在2007年变成了一个更大的泡沫，于2008年破裂，导致美联储和其他储备货币国家的中央银行放松，进而又导致了最近刚刚破裂的下一个泡沫。然而，这一次，应对经济衰退所需的货币和信贷创造被重新设计。

短期利率在2008年达到了0%，这一降幅不足以创造所需的货币和信贷扩张。通过降低利率来刺激货币和信贷增长是央行的首选货币政策（以下称之为“货币政策1”）。此后，由于这种方法不再适用于中央银行，他们转向了第二选择的货币政策（以下称之为“货币政策2”），即印刷钞票和购买金融资产，主要是政府债券和一些高质量的债务。上一次他们需要这么做是因为利率从1933年开始触及0%，并一直持续到战争年代。这种方法被称为“量化宽松”，而不是“债务货币化”，因为它听起来不那么具有威胁性。世界上所有主要的储备货币央行都是这么做的。这导致了下一个货币/信贷/经济范式的转变，它一直持续到我们现在所处的经济低迷时期。

该模式始于2008年。

正如1933年开始所做的那样，通过印钞和购买债券，央行维持了货币和债务扩张周期。他们通过购买这些债券，推高了债券价格，并向这些债券的卖家提供现金，导致他们购买其他资产。这推高了这些资产的价格，而随着价格的上涨，未来的预期回报率也随之下降。

由于利率低于其他投资的预期回报率，而相对于投资者为其各种支出义务提供资金所需的回报率而言，债券收益率和其他未来预期回报率的水平都很低，因此，投资者越来越频繁地借钱购买他们认为收益将高于借贷成本的资产。这既推高了这些资产的价格，也制造了一个新的债务泡沫脆弱性，如果他们购买的资产所产生的收入回报低于借贷成本，就会产生新的债务泡沫。

由于长期和短期利率都在0%左右，而且央行购买债券的资金无法刺激经济增长和帮助那些最需要帮助的人，所以我觉得第二种货币政策显然不能很好地发挥作用，这就需要第三种货币政策（以下称之为“货币政策3”）——储备货币中央政府增加借贷，并将其支出和贷款的目标定在他们想要的地方，而储备货币中央银行则创造货币和信贷，并购买债务（可能还有其他资产，如股票）来提供资金。

因此，在我们经历由大流行引发的经济衰退之前，我们就已经为这条路做好了准备，一旦经济陷入衰退，就必须走这条路。

无论如何，在这段时期内，债务和非债务性负债（如养老金和医保）相对于收入的比例持续上升，而各国央行则设法压低了偿债成本。这就把利率推向了零，并使债务长期化，从而使本金偿付水平降低。诸如中央银行拥有大量的债务、利率在0%左右因此不需要支付利息、构建可以长期偿还的债务并使本金可以分散偿还甚至不用偿还之类的条件，意味着中央银行创造货币和信贷的能力几乎没有限制。这一系列的条件为接下来的事情奠定了基础。

新冠病毒引发了全球经济和市场的低迷，造成了收入和资产负债表的漏洞，特别是那些收入受到经济低迷影响的负债实体。传统的做法是，中央政府和中央银行必须创造货币和信贷，把钱贷给他们想要从金融上拯救的实体，如果没有这些货币和信贷，这些实体是无法生存的。

因此，在2020年4月9日，美国中央政府（总统和国会）和美联储宣布了一个大规模的货币和信贷创造计划，包括“货币政策3”，包括直升机撒钱。这和罗斯福1933年3月5日的声明是一样的。当这种病毒引发了金融和经济的衰退时，其他的东西最终也会触发它，不管发生了什么，动态基本上是一样的，因为只有“货币政策3”才能扭转衰退。欧洲中央银行，日本央行，以及（在较小程度上）中国人民银行也采取了类似的措施，尽管最重要的是美联储的作为，因为它是美元的创造者，而美元仍然是世界上占主导地位的货币和信贷。

美元目前占全球国际交易、储蓄和借贷的55%左右。欧元区的欧元约占25%。日元占不到10%。人民币约占2%。其他大多数货币虽然在国内使用，但在国际上并不用作交换媒介或财富储存手段。那些其他的货币，即使是那些国家的聪明人，以及那些国家以外的几乎所有人，也不会持有作为财富储备的货币。相比之下，储备货币是世界上大多数人喜欢储蓄、借贷和交易的货币。

拥有世界储备货币的国家拥有惊人的力量，储备货币可能是最重要的力量，甚至超过军事力量。这是因为当一个国家拥有储备货币时，它可以在合适的时候像美国现在这样印钱、借钱来消费，而那些没有储备货币的国家则必须先获得他们所需要的钱和信贷（以世界储备货币计价）才能进行交易和储蓄。就比如现在疫情之下，那些有很多债务需要偿还的人对美元的需求很强，因其需要更多的美元来购买商品和服务，但他们的美元收入已经下降。

如今，美国GDP只占全球的20%左右，但美元仍占全球外汇储备的60%左右，还占有国际交易量的半壁江山。所以，美元和以美元为基础的货币和支付体系仍然占据着至高无上的地位，相对于美国经济的规模而言，它的规模过大。和所有印制储备货币的银行一样，美联储现在处于强势但尴尬的地位。其货币政策的运行方式对美国人有利，但对世界上其他依赖美元的国家来说，可能并不是好事。

比如美国中央政府最近刚刚决定，将借贷给美国人发放美元和美元信贷，美联储则决定购买美国政府的那笔国债和美国人其他的债务，帮助他们度过这次金融危机。可以理解的是，这些钱几乎没有多少会流向外国人。世界上大多数人无法像美国人那样，得到他们所需要的钱和信贷来填补收入和资产负债表的“大洞”。这种国家无法获得他们所需要的硬通货的动态就像1982-1991年期间发生的事情一样，只是这次无法再靠大幅削减利率解决问题，而那个时候可以。

与此同时，非美国人（即新兴市场、欧洲国家和中国）持有的美元债总额约为20万亿美元（比2008年时高50%左右），其中短期债务不到一半。这些美元债务人将不得不拿出美元来偿还这些债务，还要拿出更多的美元来在世界市场上购买商品和服务。

因此，通过将美元作为世界储备货币、并有权将所需美元交到美国人的手中，美国就可以比其他国家的政府更有效地帮助本国公民。同时，美国也有可能会因为制造了太多的货币和债务而失去这种特权地位。

总结

退一步，从宏观的角度来看看，经济部分（即货币、信贷、债务、经济活动和财富）和政治部分（国家内部和各国之间）之间的关系（如下图所示）。

通常，大的周期开始于一个新的世界秩序，这是一种包括新的货币体系和新的政治体系在内的既在国内又在国际上运作的新方式。上一次始于1945年。因为在这样的时期，在冲突之后，没有人愿意去战斗，人们厌倦了战斗，所以有一个和平的重建和增加的繁荣，这是由可持续的信贷扩张所支持的。

之所以说是可持续的，是因为收入的增长超过或跟上了偿还不断增长的债务所需的偿债支出，也是因为央行有能力刺激信贷，经济增速也很强劲。在此过程中，会出现短期的债务和经济周期，我们称之为衰退和扩张。

随着时间的推移，投资者以过去的收益推断未来，借钱押注未来会产生收益。这就在贫富差距扩大的同时制造了债务泡沫。这种情况将持续下去，直到各国央行无力有效刺激信贷和经济增长。随着货币紧缩，债务泡沫破裂，信贷收缩，经济随之收缩。

与此同时，当出现巨大的贫富差距、严重的债务问题和经济萎缩时，往往会出现国家内部和国家之间争夺财富和权力的斗争。在出现债务和经济问题的时候，中央政府和中央银行通常会发行货币和信贷，并使本国货币贬值。这些发展导致债务、货币体系、国内秩序和世界秩序的重组。

然后新的周期又开始了，而所有的周期又都大同小异。例如，虽然债务泡沫破裂通常会导致经济收缩，而经济收缩与巨大的贫富差距通常会导致内部和外部的斗争，有时顺序有点不同。然而，货币、信贷和债务周期往往会导致经济变化，而经济变化又会导致国内和国际政治变化。

江苏银行 VS 南京银行：人工智能布局全面PK

作为江苏境内稳坐头两把交椅的城商行，在人工智能的应用上谁才是王者？人工智能等新技术又是否会改变城商行目前的竞争格局？

本文聚焦江苏银行和南京银行的人工智能应用布局，展示两家城商行在银行各大业务场景中人工智能的赋能成效。

江苏银行基本情况

江苏银行智能客服语音识别率可达90%以上。

2019年江苏银行金融科技资金投入6.89亿元，占全年归属于母公司股东净利润比例4.71%。

依托大数据和人工智能技术，江苏银行自主研发“黄金眼”风控系统，智慧风控能力进一步提升。

柜面无纸化智能授权占比达60%。

截至2019年年末，手机银行总客户数突破700万户，据第三方机构统计，月活客户数排名城商行第一位，年内累计交易金额超过2万亿元。

近日，江苏银行推出直销银行5.0版本，此次更新给客户带来了科技感和未来感。

据了解，江苏银行在直销银行中打造出智能AI语音机器人服务，通过语音交互方式，客户可以快速定位自己的需求，包括查看购买理财产品和咨询银行业务，甚至是询问当天的天气情况。以人工智能为核心，实现业务智能化，是江苏银行今后的发力点。

江苏银行于2007年1月24日正式挂牌开业，总部坐落在江苏省南京市。2016年8月2日，在上海证券交易所主板上市，股票代码600919。截至2019年末，总资产 2.07 万亿元，2019年实现归属于上市公司股东的净利润146.19亿元，同比增长 11.89%。

江苏银行下辖17家分行和苏银金融租赁公司、丹阳保得村镇银行两家子公司，服务网络辐射长三角、珠三角、环渤海三大经济圈，实现了江苏省内县域全覆盖。营业网点540余家，员工1.4万余人。

在金融科技的冲击下，给传统商业银行带来了巨大的变革，许多传统银行面临收入无法增长甚至是下降等问题。在利率市场不断深化改革的前提下，银行的利差不断变窄，商业银行之间的竞争不断加剧，商业银行也不断尝试进行数字化转型。

在数字化转型中，人工智能作为金融科技的核心之一，对银行的业务转型发挥着巨大的作用。人工智能相对于传统人工，在应对大量重复或高精度等工作上，能够更高效的完成。在科学合理应用下，人工智能不仅能缩减人工成本，还能提高工作完成效率。

从应用布局上来看，江苏银行在银行主要业务上都有相应的人工智能应用。在江苏银行发布的2019年年度报告中，可以发现江苏银行在保险、投顾、客服、生活缴费、营销、风控、结算清算、反洗钱和网点等业务条线上都有人工智能相关应用布局。

图1-1：江苏银行人工智能应用布局

江苏银行人工智能应用布局

1. 智能客服

以往，传统客服坐席以人工客服为主，对商业银行而言，存在成本支出较高和客户咨询完成效率不足等问题。智能客服基于自然语音识别，加上以人工智能驱动的机器学习技术，能够不断地积累问答知识，丰富自身的语言体系，从而更好地为客户服务。

2. 智能投顾

智能投顾是以现代投资理论为指导，结合投资者的风险偏好、收益需求和个人具体情况等信息，运用人工智能、大数据和云计算等前沿技术，为投资者提供资产配置方案的投资顾问服务模式。

在智能投顾应用上，江苏银行推出了“阿尔法智投”，该产品能够根据投资人的不同收益目标及风险承受能力，建立用户画像，依托大数据多维度精准了解客户，运用改良的金融投资模型与专家策略分析，智能计算风险和收益的平衡点。

“阿尔法智投”选取的标的不仅包含基金，更囊括理财、保险、贷款等多个产品，集“投资+融资”一体化。

3. 智能营销

目前，大多数客户存在个性化和碎片化的需求，如何满足他们的动态需求，成为了很多商业银行迫切想要解决的痛点。智能营销的出现，很大程度上缓解了这个痛点。智能营销的本质是以客户为中心，以前沿科技技术为基础，在人工智能和大数据的主要驱动下，实现满足消费者的个性化需求的营销，提升企业的销售额。

在营销这个赛道上，江苏银行的战略定位是实施“分层+分群”客户深度经营模式，深化客户分群经营，积极探索差异化分层定价，不断完善营销分析，并加快营销智能化应用。

在零售端，针对智能网点和柜台，江苏银行大力推进智能柜台在网点的覆盖，90%的业务迁移到了智能柜台上，75%的个人非现金业务实现智能柜台办理，推动柜面交易无纸化。在网点营销上，江苏银行上线了指南针和快速柜台两大系统。

据江苏银行披露，指南针系统基于机器学习技术，能够精准识别理财VIP客户，并为客户提供个性化的产品营销服务，能在短时间内响应并推荐理财产品；通过快速柜台系统，大堂经理能够通过移动终端协助客服办理业务，缩减了客户办理业务时间，并有效提升了客户的体验。

江苏银行研发情况

科技的发展离不开研发投入，对于银行来说，科技并不是核心，但研发投入代表了银行对于科技的重视程度。江苏银行用金融科技驱动推进数字化转型，积极布局人工智能应用，通过科技来带动全行业务发展。2019年江苏银行金融科技资金投入6.89亿元，占全年归属于母公司股东净利润比例4.71%。

对于商业银行而言，自身的科技力量有限，对于部分技术可能存在依靠自身无法触达的情况。因此，选择合适的合作伙伴，开展战略合作，对于商业银行来说尤为重要。特别是与BATJ或金融科技公司合作，能够吸收外部先进技术，并运用到业务当中，做到取长补短。

表3-1：江苏银行人工智能相关外部合作

资料来源：公开资料，零壹智库

从人工智能合作关键信息来看，出现最高频次的是智能风控。在智能风控赛道上，依托大数据和人工智能技术，江苏银行自主研发“黄金眼”风控系统，智慧风控能力进一步提升。

图3-2：江苏银行人工智能合作关键词

数据来源：根据公开资料整理

根据江苏银行年报资料，“月光宝盒”在贷前阶段配备了实时反欺诈风控系统；贷中阶段包含审批模型评分卡和机器学习技术，通过数据分析和用户画像判断客户的资信情况；贷后阶段搭建了预警管理系统，通过不同预警信号组合在一起进行催收决策。

图3-3：江苏银行不良率

数据来源：江苏银行年报

图3-4：江苏银行迁徙率

数据来源：江苏银行年报

从江苏银行近3年不良率和贷款迁徙率整体情况可以看出，江苏银行的整体贷款质量改善情况较为明显，侧面反映出注重智能风控应用为江苏银行带来了一定的实质性成效。

南京银行基本情况

2020年，南京银行预计全年新增创新投入预算安排超14亿元，其中IT建设等投入4.2亿元，科技研发费用投入超2.5亿元。

2019年末，平台已与近100家主流互联网平台和企业对接，与22家银行展开合作，通过平台连接互联网和金融两个生态圈，累计获客2200余万户，累计投放近2800亿元。

自2010年以来，南京银行已连续10个年度归母净利润保持两位数增长，且不良率也连续10个年度低于1%。

持续大零售营销管理平台2.0版本升级 ，推进零售客 户标签体系建设，完善客户画像与行为分析，为客户提供精准化 、个性化的产品服务组合 。依托人工智能，布局智慧金融，为客户资产配置提供更专业的系统数据支撑。

金融科技建设方面 :推动LPR利率互换交易在SUMMIT系统实施，进行黄金交易结算管理系统的国密改造。

南京银行成立于1996年2月8日，是一家具有独立法人资格的股份制商业银行，先后于2001年、2005年引入国际金融公司和法国巴黎银行入股，在全国城商行中率先启动上市辅导程序并于2007年成功上市。

目前注册资本为84.82亿元，资产规模12432.69亿元（截至2018年末），下辖17家分行，191家营业网点，2016年，实现布局京沪杭及江苏省内设区市全覆盖。

在银行业，金融科技不仅仅是业务增长点，甚至已经成为商业银行“重新排序”的关键竞争力，而人工智能作为金融科技中最重要的一环之一，人工智能应用成为银行在金融科技战场争夺的重要领域。

2019年南京银行首次成功对接法巴意大利Connexis系统 ，落地苏州分行法巴推介意大利客户SWIFT资金划转业务并予 以复制推广。

科技赋能全面开启，重点打造数据供应链金融服务平台，2019年已实现鑫微贷 业务模式的开发落地。启动了公司客户线上服务平台建设咨询项目，持续推动外币运营能力的提升。

在银行主要业务上，南京银行已经人工智能应用投放到实际场景当中。根据南京银行最新披露的信息，银行在风控审查、生物识别、网点建设、客服和移动支付领域都有相关的人工智能应用。作为一家全国排名仅次于北京、上海和江苏银行的城商行，南京银行通过人工智能科技赋能，在业务端提升了自身的竞争力，在资产端和利润端均有体现。

图1-1：南京银行人工智能应用布局

资料来源：南京银行历年年报

南京银行人工智能具体应用领域

1.网络金融业务创新突破

南京银行优化“你好银行”APP功能体验，创新应用OCR 、人脸识别 、远程视频客服等金融科技，推出“享富”系列互联网投资产品，上线支付宝、微信小程序等轻量级载体。加快场景化金融建设，推进互联网用户数字化运营体系，上线精准营销系统。

2.渠道与客户服务优化升级

南京银行在年报中指出，深入挖掘线上线下全渠道价值，不断丰富渠道服务手段 、创新服务场景。

进一步拓展移动端线上化服务功能，推进手机银行、个人网银迭代升级，实现零售业务线上化。完成手机银行与你好银行APP的合并建设，提升“鑫e伴”服务功能 ，实现传统客户与互联网客户、零售客户与小微客户移动端一站式服务。

加快布局生活场景，上线 泛金融生活服务平台“鑫e商城”，并通过线下网点体验区的建设，实现“网点、APP、场景” 等线上线下渠道联动，丰富零售客户获客、活客手段。持续推进网点形象标准化建设，加速推广厅堂各类智能化设备及数字化系统。

依托远程视频、人脸识别技术推动智能客服建设，实践外呼营销作业，加快远程银行中心转型。

3.金融同业业务调优结构提升效益 

南京银行积极运用金融科技，升级鑫同业系统、票据系统、同业大数据平台，实现鑫同业及票据系统移动化。打造信用评级系统提升风控能力，升级鑫债评系统，上线鑫同信系统，探索智能科技在同业领域的更多应用。为鑫合易家公司提供金融市场领域科技产品支撑，增加科技产品供给，助力科技产品推广，累计为25家同业机构共享93个科技产品。

4.银行卡业务模式创新

南京银行信用卡业务围绕“年轻化 、多元化 、场景化”的发展方向，以信用卡产品为抓手、互联网平台为场景、移动支付为媒介，携手京东金融，发行南京银行京东金 融联名信用卡 ;依托智能终端和移动PAD，形成“线上平台引流+消费场景获客+线下交叉营销+综合价值提升”立体营销获客模式，实现线上化、综合化发展。

截至2019年末，公司借记卡累计发卡2,109.38万张，较年初增加750.61万张，增幅55.24% ；信用卡累计发行56.56万张，较年初新增23.11万张 ;信用卡实现透支余额47.22亿元，较年初新增10.51亿元。

5. 智能风控

在智能风控领域，南京银行通过“鑫梦享”计划，展开了与互联网龙头企业深入合作的互联网金融联营业务模式。南京银行结合多渠道征信、反欺诈、黑名单数据库等技术开发，利用大数据风控技术进行线上放贷，打造出一种合作共赢的新生态。通过“鑫云+”平台的人工智能和云计算技术加持，南京银行平均每个客户放款时间只需1秒，日处理订单量可达到100万笔，是原来的10倍。此外，南京银行的客户维护成本也降为原来的1/10。

6. 智能网点

在智能网点建设上，南京银行持续推广布放智能柜台、快窗快柜等自助机具，完善了智能柜台业务功能，实现了对柜面同类业务八成以上的替代。另外，南京银行还升级网点厅堂管理体系，加速推广预约取号、智能排队、智能客户识别等网点智能化服务模式，优化客户体验。

来源：亿欧

AI的数据、算法、算力“轮流坐庄”，NLP到了“数据为王”的时代

工作人员齐整坐好，每个人都对着电脑全神贯注，一件又一件的“东西”在眼前划过，经过标准化处理就转到下一流程……这实际上是人工智能行业里的数据标注办公区一角。

由于深度学习的研究方向，人力密集型的数据标注工作是推进人工智能技术落地的重要环节之一。

很长一段时间以来，在过往AI的发展中数据的采集与标注行业没有过多地被关注，毕竟，与算法、算力这些高大上的东西相比，AI数据的生产总带着那么几分与AI技术的“科技感”截然不同的形象。

然而，随着AI的发展走向纵深，更多人发现这是一个误解，AI数据产业正在向着高专业化、高质量化的方向蓬勃发展。

根据2018年智研发布的《2019-2025年中国数据标注与审核行业市场专项分析研究及投资前景预测报告》，2018年该行业市场规模已达到52.55亿元，2020年市场规模有望突破百亿。有行业人士估计AI项目中会有10%的资金用于数据的采集和标记，2020年，数据标注行业最终市场规模将达到150亿。

而分享市场的，既有BAT、京东等互联网巨头，也有云测数据这种专注于高质量交付的专业化数据平台。

庞大的前景下，数据采集与标注也可以分NLP（自然语音处理）、CV（计算机视觉）等几个部分，随着数据需求量的增大、对数据质量要求的提高，其中的NLP越来越成为“硬骨头”，AI数据产业终将面临它带来的难题，也承袭这种难题下空出的市场空间。

AI的数据、算法和算力“轮流坐庄”，NLP到了“数据为王”的时代

芯片制程以及大规模并联计算技术的发展，使得算力快速提升后，AI能力的提升主要集中到了算法和数据上（算力提升当然还有价值，只是相对价值那么明显了，例如不可能对一个物联网终端设备有太多的算力设定要求）。

这方面，多年以来，人工智能技术都呈现“轮流坐庄”的螺旋提升关系：

算法突破后，可容纳的数据计算量往往变得很大，所以会迎来一波数据需求的高潮；而当AI数据通过某些方式达到一个新的程度时，原来的算法又“不够了”，需要提升。

2018年11月，Google AI团队推出划时代的BERT模型，在NLP业内引起巨大反响,认为是NLP领域里程碑式的进步，地位类似于更早期出现的Resnet相对于CV的价值。

以BERT为主的算法体系开始在AI领域大放异彩，从那时起，数据的重要性排在了NLP的首位。

加上两个方面的因素，这等于把NLP数据采集与标注推到了更有挑战的位置上。

一个因素，是NLP本身相对CV在AI数据方面的要求就更复杂。

CV是“感知型”AI，在数据方面有Ground Truth（近似理解为标准答案），例如在一个图片中，车、人、车道线等是什么就是什么，在采集和标注时很难出现“感知错误”（图片来源：云测数据）

而NLP是“认知”型AI，依赖人的理解不同产生不同的意义，表达出各种需要揣测的意图，Ground Truth是主观的。

例如，“这房间就是个烤箱”可能是说房间的布局不好，但更有可能说的是里边太热。人类语言更富魅力的“言有尽而意无穷”的特点，应用于AI时，需要被多方位、深度探索。

另一个因素，是AI数据的价值整体上由“饲料”到“奶粉”，对NLP而言这更有挑战。

大部分算法在拥有足够多常规标注数据的情况下，能够将识别准确率提升到95%，而商业化落地的需求现在显然不止于此，精细化、场景化、高质量的数据成为关键点，从95% 再提升到99% 甚至99.9%需要大量高质量的标注数据，它们成为制约模型和算法突破瓶颈的关键指标。

但是，正如云测数据总经理贾宇航所言，“图像采标有很强的规则性，按照规范化的指导文档工作即可，但NLP数据对应的是语言的丰富性，需要结合上下文等背景去理解和处理。”在高位提升这件事上，NLP数据更难。

例如，在订机票这个看似简单的AI对话场景中，想订票的人会有多种表达，“有去上海的航班么”，“要出差，帮我查下机票”，“查下航班，下周二出发去上海”……自然语言有无穷多的组合表现出这个意图，AI要“认得”它们，就需要大量高质量的数据的训练。

由此，我们再来理解商业机会。

数据采集与标注的公司有很多，从巨头的“副业”到AI数据专业化平台，总体而言主要玩家如图所示：

除此之外，更多中小玩家甚至几十人的草台班子数不胜数。在中国，目前全国从事数据标注业务的公司约有几百家，全职的数据标注从业者有约20万人，兼职数据标注从业者有约100万人。

易入门、难精通，而上述两大因素决定NLP数据面临巨大的挑战，做得好的就更少。

在数据“坐庄”NLP的大背景下，空出了大量的商业机会，而客观上的高要求阻却了大量低门槛入场的玩家，NLP数据相对于CV更像一个蓝海。

打破单纯“体力活”标签，NLP数据采集与标注从四个方面自我演进

有机会就总有人会进场，不久前，中国人工智能高峰论发布了中国人工智能科技服务商50强，既有商汤、旷视这种明星企业，也出现了榜单内唯一的AI数据服务商云测数据，这显示AI数据正在进入“主流圈”，在蓝海中尝试跑出独角兽企业。

当然，前提是平台能够解决好NLP数据的痛点问题。

事实上，CV的“感知”需求使得“体力活”可能就能够胜任大多数据生产工作（谁不认识一辆车、一个人呢），而“认知”的NLP数据要突围，只是“体力活”早已经不够。

至少目前来看，行业玩家在四个方面有所动作，或正在解决NLP数据痛点问题。

1、业务模式，用“定制化”迎合商业落地期的NLP

曾有媒体向Google工程师提起M-Turk的时候，他表示“我们不敢用Turk标注”，因为回收的数据良莠不齐。

众包模式（在公开平台发布任务，自由申领）是曾经的AI数据产业主流，拥有数据丰富性和多样性的优势，不过数据质量比较难以把控。在数据精细化要求的今天，很多需求方都转向了“定制化”（一对一，以项目制的方式完成交办的数据任务）服务模式。

例如，云测数据的“定制化”服务模式，跟的就是需求方复杂、精深而个性化的数据要求。具体到NLP，在数据采集上满足特定人物（老人、妇女、小孩）、特定场景（家居、办公、商业等）、不同方言的声音/文本数据采集；在数据标注上进行需求的对接、理解清楚场景化要求再分发尽量具体的规范指导（同样一句话在不同交流目的中可能需要标注不同的内容，例如“我没钱”在信贷服务中意味着潜在客户，在理财服务中则表达拒绝的态度）。

当然，众包模式也有它的优点，能够轻量化承载大量相对简单的数据需求，而场景化的定制模式则更专业，主要依靠自有员工和基地，像云测数据就在华东、华南、华北拥有自建标注基地，这种玩法显然更适合匹配客单价更高的场景化、定制化需求，NLP是典型。

2、管理流程，从“粗放制造”到“精益制造”

既然数据采集与标注很像是工厂的流水线，那么如果要提升数据的精准度，其实就如同“制造业”升级那样需要进行“粗放制造”到“精益制造”的转变，首要体现在管理流程的优化上。

无论是从平台接取任务的众包团队，还是直接对接需求方的定制化服务平台，至少，草台班子式的做法已经不适合NLP对数据的要求。

高精准度、高效率，都依赖管理流程的优化，以云测数据为例，具体做法包括这几个大方向：

标注、审核、抽检的层层把关：标注人员的结果交由另一批人进行审核，打回不合格的，最终再由质检进行抽检，大体如此，可能步骤更复杂；

人才类型的基础分类：文本、语音、图像标注人员不相互混用；

擅长场景的优先任务派发：在同等条件下，擅长对应场景的人优先派发给任务。

例会制度：如同精细化管理的制造业一样，早会、晚会、周会、月会，总结问题、提醒改进。

……

而无论如何，管理流程的事，说得再多，日常工作的落实才是最重要的。

3、职业技能，专业培训摆脱“低水平重复”

“不要门槛”意味着更低的价值，在人员个人能力上，NLP在逐渐抛弃那些“无门槛”入局的人，尤其是在特定的场景需求下。

例如，这是一个非常简单的NLP数据标注实例：

它的需求可能只有初中语文即可。但是，NLP的数据需求早已超过这样的标注太多。

例如，客服询问用户是否购买此商品时，“我要和家人商量一下”、“我会考虑”、“我现在不方便，你一会儿再打过来”，标注人员得准确标注出暂不购买，暂不考虑，拒绝购买或者兴趣较大等多种意图。

一方面，这依赖于平台进行的场景深挖，这也是为什么云测数据智能客服单个场景的意图标注就分为10-20个大类、上百个子类，根据业务需求可能还会有进一步的标注细分，如此数据标注可以更细化、直达需求。

另一方面，这绕不开人员能力的持续培训，把“干体力”的标注工人转化成懂一些专业的业务人员，典型的如云测数据在金融服务领域通过几个月的专业培训，培养出销售人员视角去揣测用户话语中的意图。

举例来看，在客服沟通中，用户回馈“我在开车”这短短的一个语料数据，可能需要标记出“有车一族”、“司机”、“没有明显拒绝”、“可能有兴趣”等多个标注给NLP算法，按云测数据自己的说法，其培训达到的目标，是让标注员工达到成为专业员工的水准。

显然，在NLP标注数据的初期阶段将各大金融机构的AI客服机器人训练到大致相当的初级认知智能水平后，再进行提升、提高销售转化或者服务满意度，都需要质量更高、针对特定需求更强的NLP标注数据。

值得一提的是，在NLP领域不是所有标注都能通过人员培训来解决，医疗、法律等过于专业的领域可能还是依赖专家标注（邀请医生、律师等参与标注），那是一个更复杂的故事了。

4、工具使用，持续加码“便捷化”

工欲善其事必先利其器，NLP的标注虽然不像CV有很多空间维度的数据需求，但工具提升便捷度进而提升标准效率和准确性的价值仍然不可小觑。

这方面，巨头的脚步更早，在国外，Google Fluid Annotation一度是NLP标注“最好使”的工具，国内，大厂和专业平台的工具也被广泛使用，云测数据在工具上的创新优势很明显。

总体而言，标注工具适合自己的才是最好的。这种根据定制化需求开发贴合实际需要的数据工具对场景化数据的生产，发挥着重要作用。

无论如何，持续加码“便捷化”，是一个不会停止的过程。

NLP数据产业的机会，将会是谁坐庄？

在AI领域，虽然有大厂走在前列，但市场并没有被巨头垄断，中型AI平台也常常崭露头角成为主角。以AI数据服务领域为例，像云测数据这种专注于企业服务的第三方独立平台，以客户为中心的企业基因，一直贯穿在数据交付的始终。

一个典型的表现是，高精确度的NLP数据需要以企业服务的心态与客户仔细对接需求，例如，用户需求的场景是什么，如果是订票，AI问答应该主要导向订票，对应的NLP数据也要往这个方向去标注。

这一过程中需要数据服务人员对需求进行拆解、预判甚至提前给出建议，与客户反复沟通确认达成一致后，才能真正地去作业。大厂偏重于技术架构、前沿技术开发、云服务器中心大规模并发能力等建设，很难俯下身好好完成这件事，这时候，AI数据专业化平台更有优势。

此外，影响竞争格局走向的还有数据服务的安全性。

在数据采集与标注行业，复制一份数据在技术上非常简单，也能节省大量的人力和运营成本，但给客户带来的损失却不小（尤其是被竞争对手拿到），保证数据隐私性和安全性,在AI激烈的竞争环境下几乎成为某些客户的首要决策标准。

总而言之，高专业度、高精准度、高效率、强安全才能赢得AI数据客户尤其是NLP数据客户的选择，不论巨头还是AI数据专业化平台在行业爆发式增长的关口都在努力，落实和推进了诸多动作。NLP数据产业正处在蓝海，一个不会由巨头坐庄的蓝海。

来源：智能相对论 作者：李永华，36氪经授权发布。

科技公司为什么需要人类学家？

人类学通常被误认为是小众的、暧昧不明的甚至过于浪漫的学科。人类学经典《西太平洋上的航海者》《忧郁的热带》听起来也满怀诗意。

早期人类学家常常被想象成是孤独又勇敢的冒险家。他们只身深入热带岛屿，探索原始部落的奇异世界。而美剧《识骨寻踪》的流行则让法医人类学家形象深入人心，人类学家好像是穿着白大褂、拿着尺子测量人类头骨的“科学怪人”，又或是在考古废墟上挖石头、搜集人类残骸......

今天的主流人类学已经远非对原始族群的异域情调式的调查。虽然人类学家还是会跑遍世界的角落，使用实地的田野调查方法，但是研究已经涵盖现代社会的新现象、新议题，包括数字技术、信息产业等有关科学技术的现实问题。

人类学也非常关注技术对传统业务、工作和生活方式的转变：

人类学家项飚的著作《全球猎身》中揭示，大量的印度程序员如何被“全球猎身”系统源源不断地输送进欧美各大IT企业；

在《High Tech and High Heels in the Global Economy》一书中，人类学家带领读者来到岛国巴巴多斯。在这个不为人知的离岸中心，加勒比女性成为了全球信息产业链条中的一环；

在肯尼亚，数码人类学家发现，货币的数码化（如M-Pesa 等基于移动电话的货币系统）给那些被排除在银行业务和小额贷款之外的底层民众带来了新的发展机会......

看起来“诗意又高冷”的人类学如何应用于商业世界？回答这个问题之前，不妨猜测一下，在学术机构之外，谁雇佣了最多的人类学家？

答案是：微软是全球人类学家第二大雇佣者（第一大雇主是美国军方）。此外，人类学家的雇主名单上还有谷歌、英特尔、苹果、IBM、惠普、Xerox 、乐高、Uber、MTV、星巴克、奥美……

01 商业公司为什么需要人类学家？

人类学的看家本领是：通过实地调查、撰写民族志，深度描述不同国家、族群、行业的人如何理解这个世界，并且按照这样的理解生活和行事。

你可以把人类学家想象成不同文化或者群体之间的翻译，或者侦探或者间谍。他们观察、刺探、诠释某一个群体的（潜）规则、机制、关系、模式、习惯、常识，以及人的信仰系统、价值观念和意义世界。

在公司里，应用人类学通过调查得到数据，理解一个特定的社区或者群体，从而可以更好地与他们建立沟通。他们参与到商业的不同阶段，从品牌的定位、产品的设计和研发，到用户调查、市场营销、策略制定。他们可以帮助设计师、工程师和营销人员理解多样化的用户的行为、需求与意愿。

科技公司聘用人类学家的历史非常悠久。

早在20世纪90年代，英特尔就邀请人类学家成立“人类与行为研究实验室”；谷歌曾聘用人类学者探讨“移动”的意义，其策略规划部门的主管Abigail Posner也毕业于哈佛大学社会人类学系。如今，前斯坦福大学人类学教授Genevieve Bell也作为英特尔院士、互动及体验研究事务总监，带领了一支一百人的研究团队，以帮助公司的技术人员更好地理解全世界的电脑用户，实现英特尔“让技术与生活紧密衔接”的目标。

人类学最独到和迷人的地方，可能不是它的理论，而是它的研究方法。这就是人们耳熟能详的“田野工作”。

人类学家使用全景式的、沉浸式的、体验式的调查方法，到当地去、花一段时间住在那里，参与到对方的日常生活和工作中，也就是所谓的“参与式观察”。

研究你，就变成你，见你所见、感你所感。再加上适时的深度访谈，针对特定的话题或发现向对方展开追问，深入挖掘来龙去脉、缘由、解释。

这种调查可以说非常奢侈，因为要花费相当长的时间。仅仅是要进入调查环境，让对方接纳你，展露自然真实的状态本身就不容易——这绝对是一个技术活。

不过，这样做的好处也是显而易见的：收集的信息足够全面，全面到可以涵盖对方的社会关系和生活史；足够深刻，深入到理解他们所秉持的信仰、禁忌、伦理和道德。而了解到这些，就可以理解一句话、一个事件、一个物品、一种行为，对调查对象来说意味着什么。

这就是应用人类学提供的东西：厚数据（thick data）。

02 人类学家是如何让数据变“厚”的？

大数据时代，数据不仅要“大”，更要“厚”。

大量的公司并不缺数据，缺的是对数据的有效的解读。如果不知道数据背后的意义，就无法基于这些数据制订商业策略。简而言之：大数据让我们“知其然”，人类学提供诠释和解读，帮我们“知其所以然”。

在厚数据当中，用户不只是一个数字或抽离出背景的个体。他/她有历史、有文化传统、有社会关系、有社会角色、有身份认同、有世界观；他/她有生活、有顾忌、有渴望、有情感、有怀疑、有畏惧、有不满，还有道德考量；他/她的日常活动，尤其是消费行为，并不只是基于成本收益、好坏贵贱的理性数字计算。

人类学可以帮助理解用户头脑里的想法、行为背后的意义。

在英特尔，人类学家Bell带领的研究团队深刻影响着公司的研发方向。例如，这支团队推动了英特尔的车载技术向可移动多媒体通讯娱乐系统发展。他们是怎样做的？

Bell团队首先调查了世界各地的车主，清点他们放在车上的所有物品。调查发现，汽车制造商为了确保安全行驶、减少分心做其它事，提供的车载功能并不完善，所以车主们不得不把一大堆的个人设备带到车上。

经过分析，Bell的团队最终发现哪些技术是有价值的，还有哪些嵌入汽车的功能是没有价值的——它们因此被忽略了。最终，英特尔为捷豹路虎研发未来汽车人机交互、与丰田联合研发下一代车载信息娱乐系统。这一团队还曾作出“人将会是终极的移动平台”的预测，这一洞见推动了英特尔向可穿戴技术和智能空间领域进军。

人类学对于科技公司而言，不仅仅是市场调查或用户体验调研这么简单。人类学的视角提供着传统数据远远不能提供的价值。它为技术的研发带来创新视角。

身兼人类学家和软件开发工程师的Astrid Countee指出，如果我们把“创新”界定为“用更好的想法来满足现有市场所满足的东西”，那么人类学家其实一直在创新。因为人类学家常常要把自己扔到不熟悉的环境中，在陌生的人群和文化中重拾好奇心，不断比照他人和自己。

借用中国人类学大师费孝通的话说就是，“我看人看我”。

其结果是，对熟悉的东西陌生化，从而找到自己的盲点和习以为常的东西，用新的眼光看待世界，找到与世界互动的新模式。

此处需要提及的一个案例，是人类学家为非洲用户开发免费短信系统FrontlineSMS。

基于在非洲的深度调研，人类学家Ken Banks发明了一个基于移动电话的免费短信系统FrontlineSMS。它可以让非洲没有稳定的互联网服务的用户也可以与他人大量交流、获取实时信息。FrontlineSMS在非洲被广泛使用——用它做什么的都有——在尼日利亚，有人用它来跟踪大选选情；在萨尔瓦多，农民用它跟踪农产品的市场价格。

03 人类学家与工程师文化

在企业创新的过程中，人类学家与工程师的角色有何不同？我认为最大的区别在于视角。

我在过去十多年里做过一个研究，与城市垃圾有关的。

垃圾围城是现代城市的一大顽疾，海量垃圾源源不断每天产生。为了解决这个问题，技术致力于更快速、高效地消除垃圾。焚烧技术不断迭代升级，但污染仍然无法消除。垃圾焚烧厂成了和核电站一样最不受欢迎的公共设施。

在“如何更快更高效更安全地消灭垃圾”这个问题之前，人类学家会问，为什么会产生这么多垃圾？垃圾是从哪来的？在垃圾进入焚烧炉之前，有没有办法减少需要处理的垃圾总量？在其他的社会、文化、时代当中，有哪些方案值得我们借鉴？

工程师致力于解决问题，而人类学家对问题本身发问。人类学另辟蹊径。人类学家与设计师、工程师合作，会带来创新，带来更有人性温度的技术物。

人类学的价值还在于，为全球化时代提供跨国的文化翻译。

全球化，一方面让人类越来越紧密地相互联结和依存；另一方面，随着互动越来越密切，我们越来越需要处理多元化、多样性和差异性。特别在如今，面对病毒和疫情的大背景下，全球化和反全球化的力量此消彼长。不变的是对地方文化背景理解的需求，以及沟通的必要。

科技的流动跨越了国家、族群的边界。然而科技在任何地方的研发、传播、应用，都需要落地，需要本地化。以描摹和诠释不同文化作为看家本领的人类学，擅长的正是在不同文化当中作出翻译和沟通，基于对人性之普遍性和特殊性的分辨，找到共识、对话的基础。

例如，随着新冠疫情爆发，应运而生的大量健康状况、行动轨迹与接触追踪的技术，在世界各地，由于各个社会当中普遍的生命伦理观、隐私权等权利观念不同，对技术的接受度也不同。而技术落地只有和当地的治理系统相适配，才能在公共卫生上发挥最佳效用。

另一个例子，是依托人工智能技术的语音识别、自然语言处理（NLP）、自动翻译——即使全部使用中文语言，在内地、港台和东南亚，遣词造句的差异极大。此外，还有手势、肢体语言等，不同文化中对数字、情绪表达的手势各有不同。

这些误解都可能导致沟通不畅，甚至触犯禁忌、冒犯对方。人工智能除了需要学会识别，还需要去创造动作，而这都有赖于首先理解不同文化当中的表情、动作、肢体语言的意义。

十几年前，在海外大型科技公司在大举开拓中国市场的时候，也曾与人类学者开展合作。

2008年，英特尔公司上海分部联络复旦大学，希望招募一个人类学者，帮助调研在中国——尤其是在农村，用户有着怎样的计算机使用习惯。这是复旦的人类学者第一次参与商业活动，可能也是中国人类学家初涉科技领域的用户调查。

英特尔院士Genevieve Bell自己也来过中国，她的调查发现，中国父母的观念普遍认为电脑会影响孩子学习、导致分心。基于此调查，英特尔专门为中国设计了家庭型电脑，通过模式分隔与切换，试图解决这一问题。

翻译是双向的。今天中国的科技公司、数字产品想要走出中国，也需要人类学的文化翻译。

人类学对于科技发展的潜在价值还在于，它是具有警示作用的蜂鸣器。

这一功用基于人类学的调性：人类学将科技视为是一种文化。当然，这绝非否定科技的真实性与客观性。人类学只是认为，科学家和工程师的研发工作也是一种社会行动，也嵌入在具体的社会组织、历史和文化脉络当中。

对看起来普遍的、客观的科技和工程实践，人类学家特别擅长做的就是跳出盒子，对其进行观察、比较和理解。

结语：未来可期

当代人类学具有一种天然的批判性。

历史上，人类学客观上为殖民服务的（黑）历史暂且不提。可能部分因为这段不光彩的历史，到了今天，人类学特别具有一种天然的批判性和反思性。

一方面，它关注多元化的族群和文化，对于刻板印象、歧视、排斥特别敏感；另一方面，它的关系性和结构性的视角，特别容易察觉不为人所意识到的权力关系。无论是族群与族群之间，还是人与人之间的不平等。

同时，基于调查，它还常常能够揭示不公正的机制是如何运作的；此外，如上文所述，它还挑战了科技对人类所面临问题的独家解释，它跳出盒子观察、对问题本身发问、探寻新方案。

人类学的批评或许刺耳，但就像蜂鸣器一样，为人类的平等、安全和尊严守卫，诘问科技的人性，让科技避免陷入可能的伦理陷阱。

虽然在目前人类学的商业应用中，人类学在这个方面的功用尚未真正展开。但可以预见的是，未来科技公司会越来越需要人类学的视角和它作为蜂鸣器的声音。

只有工程师与人类学家携手，才能走向真正意义的科技向善。 

参考资料

【1】Why anthropology is becoming big business in China by He Xu.Six Tone 2017-06-07

【2】米勒，丹尼尔 。2019， 什么是数码人类学? 中国农业大学学报( 社会科学版) 36（4）

【3】Anthropology: Innovation by Another Namehttps://thegeekanthropologist.com/2016/08/12/anthropology-innovation-by-another-name/

【4】英特尔公司的文化人类学家。Michael V. Copeland。财富中文网。2010

【5】吉妮薇·贝尔——英特尔的“未来占卜师”（一）。知IN。2014-02-19

【6】《西部世界》后续，研究人类学能让 AI拥有灵魂？人工智能观察 灰灰 2018-6-26

【7】Intel’s Sharp-Eyed Social Scientist https://www.nytimes.com/2014/02/16/technology/intels-sharp-eyed-social-scientist.html

【8】英特尔将人视为终极移动平台https://searchdatacenter.techtarget.com.cn/9-28499/

来源：腾云。作者：张劼颖 中国社会科学院社会学研究所 助理研究员

新基建风口已至，2020谁会站上风口？

七大新兴领域、超万亿投资规模，这是中央给这个乍暖还寒之春的强心针。一时间，“新基建”这个词让寻找新机会的人两眼发光。

“基建”或许会让人联想到2008年的四万亿元振兴计划，当年对基础设施建设的大力投资，让中国率先从全球经济衰退的阴霾中突出重围。但硬币的另一面，产能过剩、靠投资来振兴经济的路径依赖等问题也引起争议，让人心有余悸。

科技加身的“新基建”，是徒有光环还是新风口？

时与势：社会经济转型叠加互联网下半场

2020年是全面建成小康社会的收官之年，社会经济转型来到关键阶段，却迎头撞上了新冠疫情冲击全球经济。在外部需求不明朗的背景下，“稳增长”必须依靠内需。但产能过剩问题仍待消化，迅速打开增量市场已非上策，提升存量市场效率成为必然。

新基建的“新”也在于此。

不同于“旧基建”的造房子、建公路，新基建指向数字化和科技化：5G基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网，几乎每一个领域都是科技圈高频热词。

无论是5G、新能源汽车引导的消费升级，还是大数据、人工智能主导的产业升级，以技术创新为底色的新基建将带动存量市场变革，释放巨大的经济势能，可谓广阔天地，大有作为。

数与智：经济增长新引擎

与此同时，互联网技术革命的10年已经过去，世界来到了脚底粘泥的产业互联网时代。和流量狂欢的互联网上半场不同，互联网下半场是科技和产业的舞台，新技术和传统产业从颠覆走向融合，推动形成全新的生产制造和服务体系。

社会经济转型与产业升级需求叠加，以工业互联网和人工智能为代表的数字经济将成为拉动城市经济增长的新引擎。

根据《工业互联网产业经济发展报告（2020年）》的预测 ，2020 年我国工业互联网产业经济增加值规模约为 3.1 万亿元，对 GDP 增长的贡献将超过 11%，将带动超过 255 万个新增就业岗位。

人工智能的推动力同样不容小觑，人工智能产业的发展将催生新技术、新产品、新产业、新模式，促进社会生产力整体跃升。

2019年中国人工智能已经形成千亿级以上的规模产业，专家预计到2030年，人工智能将为全球GDP带来14%的提升，相当于15.7万亿美元的增长。

新的浪潮正在酝酿，一批现象级公司将从中诞生。

变与合：城市管理者入局

不同于融资烧钱的互联网打法，产业数字化升级之战必须深入产业，需要一位坚实的盟友——城市管理者。

在疫情的催化下，城市管理者也在积极求变。

疫情防控让许多传统管理方式“失灵”，数字化、智能化城市管理技术得以崭露头角。无论是用科技手段快速排查千万流动人口、帮助企业高速复工复产，还是传统制造企业探索远程、数字化工作方式。数字技术不仅提升了管理效率，甚至补上了城市治理在公共卫生设施、应急能力建设、物资储备体系等方面暴露的短板。

新基建带来的“智慧治理”成为打开数字政府、智慧城市的一把钥匙，城市管理者逐步从以往的投资方变为动员方，甚至成为其中一员，开放城市级数据，大力引进数字化项目。从2月起，杭州、成都、西安、重庆、江西等地政府与36氪合作“云上招商”，共吸引150余家企业参加，达成项目合作120余个，其中主打数字化、智能化的科技项目占了绝大多数。

来源36kr