2015年12月14日，百度整合既有金融业务组成金融服务事业群组（FSG），由高级副总裁朱光全面负责，并上升为百度战略级位置，致力于成为最受信赖的金融服务公司。
自成立以来，百度金融全面发力消费金融、理财资管、互联网银行、互联网保险、钱包支付等多个业务领域。除了自营金融业务，百度金融率先提出“智能金融”，围绕人工智能等技术创新不断深入研究，拓宽金融服务场景，持续对外输出金融科技，赋能金融机构。
截至目前，百度金融已经为农业银行、招商银行、南京银行、浦发银行等近400家金融机构提供智能金融服务。
以身份识别和大数据风控为先导的AI Fintech
百度金融在AI Fintech领域已完成七大布局：金融云、区块链、智能获客、身份识别、大数据风控、智能投顾和智能客服。
在金融科技的运用方向上，从身份识别和大数据风控切入，具有多重优势。
首先，身份识别和大数据风控在金融领域具有通用性。借贷、保险和第三方支付等领域都需要风控能力。其次，风控是金融业务的核心、刚需。
此外，由于身份识别和大数据风控门槛高，对于金融科技输出方的要求也随之更高。对于金融机构来讲，身份识别和大数据风控是业务根基，因此金融机构会采取审慎态度选取厂商，建立信任的周期长。
建立信任周期长，一旦建立，客户黏性也更大，容易与金融机构建立长期合作关系，并具备较强的延展性，有机会切入到其他应用场景，发展空间更大。
百度和百度金融选择从身份识别和大数据风控切入，是基于自身深厚的技术积累。身份识别包含人脸识别、OCR识别、声纹识别等，以人脸识别为例，2016年百度世界大会上，李彦宏介绍百度人脸识别的准确率达到99.7%。
大数据风控上，百度金融有反欺诈产品(风险名单、关联黑产分、多头防控分)和信用类产品等。百度拥有超8.6亿个账号和每日数十亿次的搜索行为数据，依托全网数据建立用户画像，通过风险名单、多头防控分和关联黑产分和信息核验、信用分等输出信用反欺诈和交易反欺诈能力。
输出行业解决方案,提升自身品牌影响力
百度金融科技主要客群包括银行（如农业银行、招商银行卡中心等）、持牌消费金融机构、持牌小贷公司、保险公司以及互金公司等，为客户提供身份识别、反欺诈、信息核验、信用分等系列产品能力及一体化解决方案，解决客户面临的身份伪冒、欺诈风险、虚假材料、信用风险等痛点问题。
百度金融科技与机构客户的合作基本可分为两类：
一类是业内常用方式，百度金融科技将能力开放给合作伙伴，后者根据自身业务有选择地对接。直接通过API或SDK调用，可实现快速接入，具有便捷、安全的特点，比如身份识别、反欺诈产品（风险名单、多头防空分、关联黑产分）、信息核验、信用分等产品，都可以通过该种方式输出。此外，百金融科技产品既可以输出单点能力，又可以输出整体解决方案。
另一类是全方位战略合作，代表客户是农业银行，覆盖信用卡业务、个贷业务、网络金融业务等各个部门的业务需求。除了在系统层面，农业银行可以直接调用百度金融科技的成熟产品之外，双方还共建农行金融大脑平台。目前，百度金融大脑已经通过联合实验室模式赋能给农业银行，感知引擎提升用户体验，思维引擎提升决策效率，降低运营成本，控制风险。
与农业银行的深度合作，将在百度自营金融业务之外，帮助百度金融科技加深对更多复杂金融场景的业务理解能力，进而提升金融科技能力对业务的增益效果。同时，从国有大行到股份制银行，再到城商行，服务大银行的基础，增强了百度金融科技解决方案的可复制性。
未来，百度金融科技也将以一体机的方式赋能给更多合作伙伴，不仅可以支持多方数据加工整合，而且可以将机器学习模型融合，支撑分析预测与精准营销和控制风险，通过更加便捷的软件，为合作伙伴提供软硬一体的综合解决方案。
数据量大、算力强、算法领先且形成闭环反馈，数据金融属性不断增强
人工智能核心比拼数据、算力和算法，百度金融科技在这三方面都处于行业领先。
数据方面，数据量大且标签丰富。百度每天拥有数十亿级的搜索数据、百亿级的定位数据和图像视频数据，形成了一张170亿个顶点、680亿条边的关联网络，可以有效识别骗贷团伙。同时，自营金融业务可沉淀金融数据，据百度金融大数据风控产品负责人介绍，百度金融科技的数据维度达到3000多个。
除了数据量和数据丰富，百度金融科技的数据可形成闭环反馈。首先，自营金融业务可提供事实结果数据；其次，合作的金融机构也可以给予一定反馈。数据闭环有助于百度金融科技不断修正、迭代大数据风控产品。
由于百度金融科技的数据主要来源于百度体系内部或合作金融机构，数据源丰富且数据的金融属性不断增强。
算力层面，百度有中国最大的GPU集群，在GPU性能和规模上成本优势明显。强大的计算能力为大规模计算和及时响应业务、提升客户满意度奠定基础。
算法上，大数据风控平台拥有百度独有的数据特征和算法。百度的梯度增强决策树可以聚合大数据高维特征，可以实现高维数据降维、增加风险区分度；百度的深度学习，将特征嵌入，利用关联挖掘等解决数据稀疏问题。从3000+降维至400维，可将行为的风险区分度有效提升5%+；而基于百度数亿级用户数据，通过图计算，可将信用标签传递，丰富信贷样本。
百度过去几年重金吸引全球顶级AI人才，持续多年的大规模研发投入是算法领先的保证。百度金融科技除了内部几百人研发团队，还将共享百度体系内的AI技术研发成果。在上万研发团队的支撑下，百度金融科技有着大量的技术储备，为金融科技产品的不断迭代、完善和升级奠定扎实基础。
依托于百度的庞大数据量和在AI领域的技术积累，百度金融科技以身份识别和大数据风控为切入点，从风控环节延伸到机构客户的获客、营销和资金等方面，未来将形成全流程的解决方案。
爱分析从数据、技术与产品、客群、获客、场景理解能力等五个维度评价百度金融科技。
数据：百度体系内生数据量庞大，数据维度丰富，且通过自营金融业务和合作伙伴能形成丰富的数据生态。
技术与产品：百度在AI领域重金投入多年，技术实力雄厚，将百度AI技术不断注入金融业务，在通过自营业务验证和沉淀后对外输出成熟产品能力，既有通用性产品，也可提供定制化解决方案。
客群：以银行、保险公司和持牌消费金融机构等大客户为主，且从标杆客户深度合作做起，从大客户往下做客群下探，产品和解决方案的可复制性强。
获客：依托百度自身的流量优势及对于人群画像的精准优势，能够帮助客户解决其面临的痛点问题，半年内合作金融机构近400家，获客能力强。
场景理解能力：自2013年开始探索互联网金融业务，有多年业务经验，目前覆盖信贷、理财、支付、银行、保险等各领域金融业务，覆盖范围广，通过自营业务积累了对诸多业务场景的理解能力；与农行深度合作，在服务大型国有银行和近400家金融机构的过程中，进一步加深对业务场景的理解能力。
( 注：场景理解能力指金融科技服务商对金融场景、业务运作和客户需求痛点的理解能力。)
近期，爱分析专访百度金融大数据风控产品负责人，节选部分内容分享如下。
反复打磨技术，百度人工智能注重业务落地
爱分析：百度金融科技对外输出的产品如何产生？
BAIDU FINTECH：整个架构的最底层是数据层，往上是技术层，包括机器学习、图关联等算法层面的东西，再往上是远程身份认证、大数据风控等产品功能。基于我们自己的理财和信贷业务，运用数据和技术，沉淀、抽象出一些特定的产品功能，对外去输出。
爱分析：技术团队如何划分？
BAIDU FINTECH：基本按产品功能、分模块，比如风险名单，黑产关联，多头借贷，活体人脸识别比对，OCR卡证等，都是一个个独立的团队，基本是根据一个一个垂类的场景划分。
有部分底层通用的技术，比如人脸识别，是放在整个百度体系去研发；而与金融强相关的技术，比如风控，则是放在金融科技去做。
爱分析：一个新技术应用到业务场景中，会经历哪些流程？
BAIDU FINTECH：有4个步骤，首先会有一个离线的基本测试，基于这个测试做数据分析，如果效果符合预期会进入产品Demo工程化，开发出来后给到业务团队，做线上的数据测试，测试完进行评估，如果评估结果是能给业务带来正向增益效果，最后全量上线。
爱分析：机器学习在反欺诈领域会用到一些聚类和图计算相关的技术，信用类产品（比如信用分）中有用到机器学习相关的技术吗？
BAIDU FINTECH：都会用到，反欺诈类相关产品，比如风险名单、多头借贷等样本，更多是用到监督机器学习；信用分类用户分层产品，更多则是用到无监督机器学习。
其实不存在哪种技术就更好，更多是服务于业务场景，需要解决什么问题，就应用相关的技术。
爱分析：技术在应用过程中，会碰到哪些挑战？是技术本身要继续提高，还是在数据层面继续改进？
BAIDU FINTECH：更多是如何将现有数据和技术应用起来的问题。算法越复杂，可解释性就越差。偏传统一些的算法，对业务的增益效果和算法的可解释性都足够用，从产品的角度评价，并不一味推崇最前沿、最顶尖的技术，更具决定性的还是看对业务的增益效果，讲究达到技术与业务实际增益的平衡最优。
以风控切入，从单点服务到全流程解决方案
爱分析：最近一年，客户对大数据风控的需求是否有变化？
BAIDU FINTECH：我们观察到客户对多头共债和活体识别的需求在增加。因为政策要求以及机构获客手段的丰富（如很多机构通过移动端获客），H5活体识别的市场需求变大了。
爱分析：银行客户是服务信用卡中心，还是会包括车贷、房贷和其它业务？
BAIDU FINTECH：银行的需求还是比较多元的，卡中心在各个银行都走得比较前列，整体的产品和技术相对成熟。但银行个贷业务类部门和网金业务类部门也都会有相关需求，主要看合作方式。如果是战略合作，那就是全方位地调用百度金融科技的能力。
爱分析：受监管影响，总的客户量在减少，服务方向是往持牌机构去努力，产品上的应对策略是什么？
BAIDU FINTECH：我觉得是两种思路，一种是把相对比较集中的客户服务得更好，从单点服务能力变成系统化解决方案，全流程去服务。风控切入之后，如何去满足资金、获客等更多维度的需求，比如与持牌金融机构合作，在人群下沉过程中合理定价、提供可持续的金融服务，都是应该探索的。
另一方面是两三千家非持牌机构，面对监管高压需要调整自身业务，百度金融作为一家平台，如何从合规的角度和他们一起探索持续发展，也是我们要考虑的。
爱分析：金融机构是否有可能找一个总包商，提供单点解决方案的公司成为总包商的供应商？
BAIDU FINTECH：目前，金融机构还是一个一个去对接各模块的能力，比如远程身份认证，可能会找face++或商汤，大数据风控可能会找百融、同盾。
如果有一家公司想做总包商，取决于金融机构如何看待，总包商如何与金融机构内部的IT团队有分工和互补，而且必须对金融机构有非常明确的业务增益，这些问题都明确，才会有总包商的出现。
爱分析：客群往下沉，比如系统和基础设施可能不太完善的银行类金融机构，如何切入？
BAIDU FINTECH：系统是一个层面，如果是有相应的IT团队和系统能力的客户，百度金融提供系统层面的对接，直接调用就行。
AI想要落地，一定要去适应行业。对于没有系统能力的银行，若把大数据风控能力做得简单易用，且对银行业务有增益，银行客户会逐步去接受和适应外部的技术输入。
客群下探我们是在探索的，比如城商行可能业务会有差异、需求也有差异，我们更多是看现有的能力如何去满足他们的需求。