人工智能金融研究生

来源：21世纪经济报道原标题：金融科技人才缺口调查：政府与机构提前入场“抢人” 供需失衡下薪酬节节攀升“金融科技人才一直很紧缺，特别是研究生基本在研一就被订购一空了。最受欢迎的学生一般是本科学技术类专业，比如计算机、微电子之类，研究生再修金融，技术打底，金融拔高。”9月22日，广东省一家高校的导师在接受21世纪经济报道记者采访时表示。同时，记者在平时跟金融机构人士交流中也了解到，超过半数的金融机构每年对于金融科技的投入增速超三成。2020年是深圳经济特区建立40周年，深圳已成为中国内地第三大金融中心和全国金融科技中心，目前在金融行业整体转型升级的阶段，科技与金融的相互渗透和跨界融合成为经济发展的全新动力。为在职业平台、发展前景上促进人才培养和储备，推动金融科技产业健康持续发展取得飞跃式进步，深圳市福田区近期举办了“湾区（深圳）金融科技人才节”系列活动。深圳市地方金融监管局副巡视员、深圳市金融稳定发展研究院副理事长林居正致辞时表示：在深圳经济特区成立40周年和“双区驱动”的框架下，深圳肩负着更全面、更深远、更具战略意义的先行先试重大使命；深圳金融科技的稳定健康创新发展，核心在人才；人才基础是否牢靠，是否决定了深圳金融科技产业发展的高度、稳健程度、创新程度和国际化程度。刚刚进入9月，金融机构早早开启了下一年的校招。可见，金融科技人才不仅已经成为地方政府倾力吸引的重点项目之一，更是各家机构的必争之地。以券商、基金为例，目前至少已经有30家券商、30多家基金提前开始了2021年毕业季的招聘活动。包括中信证券、国泰君安、中信建投证券、申万宏源、中金财富、广发证券在内的6家券商开启了金融科技招聘专场，主要岗位包括风控系统开发岗、数据应用开发工程师、人工智能开发等。“先下手为强，不少学生早早就被选定了。通过实习对生源进行筛选，如果表现优秀，只要后续能通过公司的招聘考试，基本就可以录用。为了能够抢到适合的人才，公司还展开了有奖推荐，一旦有实习生被录用，推荐人可以得到500元到1000元的奖励。”一家基金公司市场部的负责人表示。目前，不少机构已将金融科技视为“核心竞争力”之一。2019年全证券行业信息技术投入金额为205.01亿元，同比增长10%。资金投入不断加码，金融科技人才也成为各大券商眼中的“香饽饽”。由于IT行业近年来发展迅速，行业整体收入较高，所以备受高校毕业生欢迎。麦可思公司发布的《2020年中国大学生就业报告》中显示，2019届本科毕业生平均月收入为5440元，其中，计算机类、电子信息类、自动化类等本科专业毕业生薪资较高，2019届平均月收入分别为6858元、6145元、5899元，明显高于其他专业。“道路千万条，科技第一条。不做金融科技肯定是死路一条，再像过去通过手工统计的方式，肯定是要被淘汰，现在不管是存、贷款都是通过大数据、人工智能这种科技手段实现，其实这几年银行业有个明显的特征，随着金融科技的逐渐成熟，员工越来越少，网点越来越少。我们行硬性规定，每年对金融科技的投入增速超三成，但这种投入在整个行业只能算是中等水平。”一家城商行的负责人在接受21世纪经济报道记者采访时，对金融科技未来给出如上评论。2020年，金融科技依旧是金融圈的热词。36家上市银行中报可看出，“金融科技”提及频次依然是有增无减。很多银行专门成立了金融科技子公司、子部门，以支持金融科技发展，不难看出他们对金融科技的重视程度。去年8月份，央行印发《金融科技（FinTech）发展规划（2019-2021年）》，明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施。工行、建行、农行、交行、招行、民生银行等纷纷制定金融科技发展规划。步入2020年上半年，依托发展规划的布局，这些银行的新技术应用迎来爆发期。2019年全国性银行金融科技总投入超过千亿元， 今年上半年这种趋势有增无减。中报显示，邮储银行上半年信息科技投入51.64亿元，占营业收入比例3.53%。招行上半年信息科技投入39.22亿元，同比增长7.95%，占公司营业收入的2.86%。民生银行上半年信息科技项目投入19.01亿元。真金白银的投入之外，各家银行都在着力加强金融科技人才队伍建设。至6月末，建行科技类人员数量为10940人，占集团人数的2.98%。建行称，公司将加强智慧安全运营平台建设，新增安全服务96个，优化安全服务39个。增强人工智能平台服务能力，改进图像识别、视频识别、知识图谱、自然语言处理等111个人工智能模型，并应用于多项业务领域。邮储银行表示将加快科技队伍建设，制定2020年信息科技人才工程实施方案，开展常态化招聘，总行信息科技队伍较上年末增长20.35%。股份制行中，民生银行上半年公司及民生科技有限责任公司科技人员数量219人。浙商银行持续增加金融科技投入，科技人员（含外包）达1700余人。不过虽然都意识到了金融科技的重要性，但是，缺乏专业性、复合型人才一直是银行发展金融科技面对的最大困难。尤为突出的是中小银行，受制于各种条件的限制，他们难以吸引或自我培养复合型的金融科技人才。目前，国内金融科技人才扎堆聚集在一线城市，而技术专家则主要来自高校、顶尖实验室、研究所或者其他科技公司等。严重的供需失衡，使得金融科技人才的薪酬一直居高不下，这也让一般的中小银行难以望其项背。据平安银行的年报，去年该行科技人力支出较上年末增长超过44%。“金融科技人才属于复合型人才，既要懂金融又要懂科技，而这两个行业都是出名的高薪。我们一个程序员，公司一年的支出约在50万，资深技术员过百万也不少见，不少技术主管的薪酬比行长还高。”一家股份制银行的副行长对21世纪经济报道记者表示。人力招聘公司Michael Page（中国）此前的调查报告中，92%的受访金融科技企业发现中国目前正面临严重的金融科技专业人才短缺。报告显示，85%的受访雇主表示他们遇到招聘困难，45%的受访雇主表示他们面临的最大招聘困难是难以找到符合特定职位需求的人才。92%的受访从业者预测金融科技行业未来前景光明，同时受访者认为，高素质人才是推动这一行业持续成功的关键因素。一家总部在华南的城商行负责人告诉21世纪经济报道记者，公司常年招聘金融科技人才，但很难招到，即使招到了，很快就被人挖走了。“我们银行一个资深架构规划师的岗位，薪酬包已经开到一年60万以上，但是半年都没有面试到合适的人选。当然这个薪酬对于银行来说已经不算低了，但是相对于互联网公司来说，确实只是个中位数。”而据21世纪经济报道记者了解，该职位需要10年以上的工作经验，具备商业银行科技规划或者软件设计工作经验；熟悉传统银行系统架构，对互联网、大数据和云计算等创新技术具有深刻的理解。市场需求急速扩大，高校也注意到此方面的变化，不少高校开始设置与金融科技相关的专业，或是调整某些专业的培养方向，以适应岗位需求。如深圳大学、江西财经大学、东北财经大学等。

以下内容，思客根据现场速记内容整理。郑小林在现场演讲。新华网记者 郭小天摄人工智能发展到了什么阶段？我来自浙江大学人工智能研究所。作为年轻一辈，我们最近有幸参与了国家新一代人工智能的规划工作，今天来跟大家分享相关的工作内容。人工智能的发展从开始到现在，经历了三个阶段，第一个阶段我们叫做计算智能，这个阶段要解决的事情，叫做能存会算。第二个阶段是感知智能，这个阶段是能听会说，能看会认。第三个阶段往下发展应该叫认知智能，要达到什么样的程度呢？要能够理解、会思考，我觉得这个是最高级的境界，目前我们正在往这个方向努力。在发展过程中，我们来思考一个问题。实际上，我们对整个世界的看法，从横向来看，可以把它分为可统计和不可统计的事物。从纵向来看，可以分为可推理和不可推理的事物。从可统计到不可统计，可以通过一些事件举一反三。从可推理到不可推理，就是去做模糊识别的工作。人工智能用到很多方法，比如从可统计到不可统计，现在用的非常多的方法是机器学习，从可推理到不可推理，用的解决方法是神经网络。为什么当前人工智能发展叫做新一代人工智能？因为AI1.0做的人工智能，只是解决了可统计可推理的事物。要发展到不可统计不可推理，就是现在的AI2.0去解决的。以前我们说，机器学习和神经网络解决了部分问题，但还是有很多问题没有解决。这两个东西怎么结合起来？我们现在叫深度学习，深度神经网络，包括各种各样新的方法，这个就是现在2.0研究的。但能够看到，2.0边界还是没有解决第四象限的问题，也就是那些既不可统计又不可推理的事物，这个我们暂时解决不了。刚才讲的AI2.0解决的这些问题，在国家的发展规划里面分成了五大基础方向和四大智能应用。五大基础方向分别是大数据人工智能、群体智能、跨媒体智能、人机混合增强智能和自主无人系统。四大智能应用分别是智能制造、智能农业、智能医疗、智慧城市。我们的工作重点是实现其中的大数据功能。五大基础方向要解决什么问题呢？大数据智能。我们会发现，其实从信息经济向数字经济转变的过程，就是从人工知识到大数据驱动学习迈进的过程。跨媒体智能，是从单一数据到跨媒体认知、学习和推理，要解决就是包括视频信息、语音信息、图片文本在内的各种各样的海量信息，这些知识怎么关联，怎么学习，怎么推理，这就是跨媒体智能要解决的问题。群体智能。AI1.0是个体智能，现在强调群体智能，个体解决不了，群体发挥作用。人机混合增强智能，大家经常看电影，X战警、未来战士都是人机混合，换上机械手臂变得非常强，这里就是一个混合增强智能。这个已经有很多研究成果，目前主要应用在人的康复等方面，比如用意念控制的机械手等。第五个是自主无人系统，包括无人汽车、无人战机等。这是新一代人工智能五大基础研究方向。大数据如何驱动新一代人工智能？大数据是如何驱动人工智能的呢？随着社会发展，我们各种各样的信息和数据都在数字化，数字本身也在资产化，所以我们看到，大数据在人类社会，包括物理空间还有信息空间逐渐开始融合，我们把它叫做CPH空间。实体经济与虚拟经济紧密结合，比如智慧城市、智慧医疗，这是海量数据带来的新挑战。在今年杭州市的一号工程文件里面，有一个数字经济倡议。数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术（ICT）的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动，这是2016年在杭州G20峰会发布的“数字经济倡议”里的定义。对于数字经济这个概念，马化腾提了5个特征。第一，数据成为驱动经济增长的核心要素。第二，数字基础设施成为新的基础设施建设。第三，数字素养成为对劳动者和消费者的新要求。第四，供给和需求的界限日益模糊。第五，人类社会、物理空间和网络空间日趋融合，很难分割，各种各样的东西都在数字化。从信息经济到数字经济，大数据驱动人工智能不断发展，主要为了建立驱动数据和知识引导的智能计算平台和方法，形成从数据到知识，从知识到智慧这样一个逐步上升的过程。其实，我们看人工智能发展的三个阶段，从计算智能到感知智能再到认知智能，本质就是从数据到知识再到智慧的过程。这是我们的大数据智能要解决的问题。人工智能如何影响金融业？在大数据驱动人工智能发展背景下，金融业也迎来了新的挑战和变革，我们把它叫做新金融。所谓的新金融是指，传统的金融业务在与互联网技术包括大数据、云计算、人工智能技术融合下，产生新的金融生态、金融服务模式和金融产品。新金融面临哪些挑战？我们把所有的金融都归纳成四个角色。第一个角色是资金需求方，第二个角色叫做资金供给方，第三个角色是金融中介，第四个是管理机构。这四个角色面临的四大挑战分别是安全、风控、获客、效率。人工智能怎么解决？金融怎么解决？它们之间互相碰撞，会产生什么样的火花呢？首先对于安全来说，主要包括几个维度的安全，一个是金融监管领域问题，第二个是金融本身的系统安全，包括我们整个金融系统在运营过程中产生的风险，第三是互联网本身的技术安全。第二是风控，各个金融机构，无论是银行、互联网金融平台，还是私募基金、保险等，都会面临风控问题。传统做法是通过风险对冲，怎么对冲？银行最喜欢做的是房产抵押，风险对冲很容易。但是在互联网上，没有这些东西做抵押，怎么办？这个时候就要通过大数据和人工智能的方法。还有异常检测，通过大数据和人工智能为用户进行信用评估的时候，可能会碰到不良分子攻击评估体系，所以会有异常检测。再有就是大数据征信。第三个挑战我们讲效率，人工智能和大数据在效率上能做什么呢？第一个是业务的自动化，比如美国高盛公司在金融中心的营业厅，以前有一百多人，现在可能只需要两三个人，因为全部都是数字化、智能化，根本不需要营业人员。第二就是中介会越来越少，会被优化掉。第四个挑战是获客，获取服务和服务客户，这里面会涉及到人工智能。比如做客户大数据的画像，什么样的客户我愿意给他提供金融服务。第二个维度就是智能定价，同样的保险公司，同一个险种，卖给不同的人可以是不一样的价格。第三是客服机器人。为什么客服机器人这么重要？我们都知道双十一这么多的用户，如果同时人工服务，可能要几千上万的客服才能解决，会碰到很多问题。但机器人基本上可以回答初步的问题。在解决过程中，不管做研究还是做产业，都会碰到一个挑战，就是大数据的挑战。传统的金融学和经济学基本上是通过抽样的方式来做样本分析，然后进行一些统计分析，数据量非常小。而且传统金融学和经济学的研究方式注重因果关系的验证，先假设一个结论，通过数据分析最后来验证这个结论，所以它是基于假设检验和统计检验的统计方法。但是，在大数据背景下就不是这样了。以前讲信息不对称的博弈，现在变成了数据不对称的博弈。比如今年在杭州，很多互联网金融公司接入蚂蚁金服的数据，做很多业务，但是后来这个行业出现了一些问题，蚂蚁金服把这个接口停掉，很多公司就没有办法做业务了，这个就是数据控制在谁的手里。第二，从相关关系到因果关系的深化。原来我们做数据分析的时候，可能经常听到是“啤酒加尿布”的概念，但是现在往往要深入到因果关系的挖掘层面。第三，在统计分析和建模过程中我们发现，传统的建模变量非常少，但是在新场景里，建模维度非常高，上万个维度都有可能。在这种情况下我们怎么处理，怎么降维，怎么找到核心特征，就变成现在很多产业、企业非常重视的问题。总之，对金融科技来讲，人工智能和大数据已经深刻影响了金融的方方面面，比如借贷，包括区块链和加密市场、监管科技、个人金融，包括支付和结算、保险，还有金融市场、个人财富管理、转账、实物抵押等，不同的金融场景都受到了大数据和人工智能的影响。（编辑：白帆）

来源：零壹财经作者：澄子不久前，一段大妈与银行服务机器人对话的视频在网上热传，网络媒体称，这段视频拍摄于长春一家中国银行内，大妈因为等待办理业务的时间太长，对业务员办事效率不满，便和AI机器人展开了对话。尽管这个视频带给人们更多的是对这场“灵魂对话”的调侃，但不得不说，这个例子，很好地诠释了人工智能+金融的现状——一方面是银行等金融机构在服务效率、产品形态等方面存在提升的空间，另一方面，则是以人工智能为代表的新技术正在改变金融行业。自2016年人工智能浪潮席卷全球以来 ，三年时间，这一新技术在资本、政策等因素的推动下，正在改变着金融行业的业态和我们的金融生活，即使在2018年这样的资本寒冬，人工智能在金融行业依旧没有停下它前进的脚步。第一部分：资本寒冬，融资热依旧人工智能，这一个起源于20世纪50年代的技术，在数据、算法、算力等关键因素齐备之后，于2016年迎来了它的爆发期。这一年，阿尔法狗战胜了李世石，人工智能浪潮开始席卷全球，这一年，也被标记为人工智能发展元年。金融行业的高度数据化，使其成为人工智能最为理想的应用领域之一。创新工厂董事长兼CEO李开复就曾表示过，金融将是人工智能颠覆的第一个领域。据前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》，截止到2017年，全球人工智能核心产业规模已超过370亿美元，我国人工智能核心产业规模达到56亿美元左右。报告指出，中国人工智能产业将持续高速成长，预计到2022年，国内中国人工智能行业市场规模将达到680亿元。不久前，德勤发布的《中国人工智能产业白皮书》也指出，中国已成为人工智能发展最快速的国家之一，预计2018年中国人工智能市场规模有望超过300亿元人民币。自2016年以来，连续三年，金融+人工智能领域的融资事件都保持在30起以上。根据艾瑞咨询和IT桔子的相关数据，2018年金融+人工智能领域的融资热潮不减，该领域在2018年有约48起融资事件，其中，超过亿元的融资共有约20起。表1：2018年AI+金融领域亿元以上融资事件资料来源：IT桔子，艾瑞咨询；零壹财经整理可以看到，蚂蚁金服、度小满、京东金融等科技巨头都获得数目可观的投资，其中，京东金融更是进行了高达130亿元的B轮融资。部分非巨头的科技企业也表现出色，其中第四范式获得超10亿元融资，百融金服获得10亿元融资。在对内处于经济下行周期、对外面临贸易战争、多个领域监管调整、流动性紧缩的2018，尽管金融行业在经受着巨大的挑战，科技却没有停下它的脚步。第二部分 应用加速落地人工智能（Artificial Intelligence），英文缩写为AI。根据百科词条，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理等。目前在金融领域的应用上，用到的核心技术包括计算机视觉、语音识别、自然语言理解和机器学习。人工智能与金融场景的结合，主要的应用场景包括了风控、客服、投顾、投研、支付、营销、理赔等。表2：AI+金融应用场景的代表企业资料来源：根据公开信息整理，零壹财经2017年被称为“人工智能元年”，而2018年则被称为人工智能技术规模应用的拐点，业内观点认为，在2018年，人工智能在金融行业的应用在加速落地。根据德勤的报告，目前人工智能+金融最为广泛的应用包括智能投顾、智能客服以及智能风控。1、智能风控风控是金融行业的命门，智能风控在信贷、反欺诈、异常交易检测等领域得到广泛应用。在亿欧智库发布的《2018中国智能风控研究报告》预测，2020年金融科技规模将达到245亿元，其中智能风控75.9亿元，占比31%。在智能风控领域，代表性的企业及产品包括：蚂蚁金服“蚁盾”，融360“天机”，明略数据“金融风控大脑”，百融金服“风险罗盘”，小赢科技WinSAFE智能风控系统等。2、智能投顾智能投顾是人工智能在国内最早应用的领域，自2016年招商银行推出摩羯智投后，国有大行、股份行等纷纷推出智能投顾产品。2017年以来，智能投顾快速扩张，银行、券商、BATJ等科技巨头、基金、保险等纷纷入局。现阶段，国内有推出智能投顾的企业和产品包括银行系招商银行的摩羯智投，广发证券的贝塔牛、嘉实基金的金贝塔、京东智投、平安壹账通、工行AI投，第三方财富管理公司宜信的投米RA等。3、智能客服智能客服在金融行业的应用主要在银行、保险、互联网金融等细分领域，主要应用有智能客服机器人、智能语音导航、智能营销催收机器人、智能辅助、智能质检等。目前人工智能客服领域的代表性企业和对应产品包括阿里的阿里小蜜、百度的百度夜莺和网易七鱼。创业公司包括小i机器人、Udesk、科大讯飞、追一科技等。第三部分：金融业态重塑进行中2018年4月9日，中国建设银行推出中国银行业首家“无人银行”——中国建设银行上海支行。该“无人银行”也称“自助银行”，全程高度智能化，不需要柜员参与业务办理。蚂蚁金服在2017年推出的定损宝，也在今年进行了迭代。定损宝是蚂蚁金服针对车险定损推出的智能化解决方案，这一产品使得交通事故查勘定损模式产生巨变。据了解，只要车主在支付宝中绑定了车辆信息，然后打开支付宝中的定损宝，拍下车辆受损处，系统就会反馈受损的程度以及推荐维修方案。评估完成后，可以通过支付宝直接提交给保险公司进行理赔，与常见的保险理赔过程相比，减少了人力付出，也加快了理赔过程。在支付领域，12月13日，支付宝宣布推出全新的刷脸支付产品——“蜻蜓”，支付宝一方介绍，这款产品将刷脸支付的接入成本降低80%。目前，微信、银联等支付巨头也已经入局刷脸支付。值得注意的是，来自支付宝的数据显示，今年“双十一”通过指纹、刷脸等生物信息进行支付的比例达到60.3%，正如天猫海报所呈现的，这一切，昭示着“生物支付时代到来”。伴随着人工智能在金融行业应用的日渐成熟，银行、保险、支付等金融领域的业务形态和服务流程都在被重塑之中。从产品、服务、到经营模式，创新升级在持续上演。

在美国，能和人工智能结合非常紧密的除了医疗就是金融了。当然中国也一样，金融和人工智能的结合在四个方面有比较大的突破。但这四个方面的优先级的排序，中国和美国是不一样的。是哪四个领域呢？在中国，我们认为排第一的，是利用人工智能技术帮助金融机构做精准营销。因为做营销类离钱最近、效果最快，金融机构是愿意为它买单的。中国第一家人工智能公司收入过亿的就是从事这个行业。大的金融机构，银行、保险愿意为更精准的营销买单。但在美国恰恰相反，通过人工智能精准营销的助力是排在最后的。并不是说我们中国的技术比别人牛，主要是因为国外对数据的隐私保护要求比中国的要高。很多国外公司是知道掌握的数据加上人工智能是能够达到更好的精准营销效果的，但是它不敢用。如果消费者说：我怎么会收到这条邮件？你怎么知道我有这个需求呢？碰到一两个较真的消费者，那就可能起诉这些大型金融机构滥用消费者的数据。所以中国排第一的反而美国在这四个方面是排最后的。第二个呢，我认为美国和中国都会非常重视排第二位的领域：风险控制。人工智能对金融机构的风险控制怎么实现的呢？比如说抓坏人吧，它一定比人脑要厉害得多。而且对金融机构来说，见效也一定很快，见效快的机构更愿意为它买单。第三个，人工智能可以帮助金融机构做流程优化。这么解释，因为无论是中国还是美国，都有大型的金融机构叫后援知识中心。动辄几千人、上万人，用人工不断地处理全国各地收来的各种单据票证。就拿保险中的医疗健康举例，报销单据都是人工在审核。中间骗保的情况肯定有，那通过人工智能就很容易可以判断出，比如你在那个阶段吃这个药和这个剂量，跟以前的情况对比，很快就能判断出你不该吃这个药，或者是你老婆在用这个药，但是你找这个保险公司来报销了，它不合理。这个环节，人工智能不仅是风控，还能大量的把人工对单据的处理和审核变得更加高效，所以把它叫做第三类--流程优化。第四个领域呢，在中国不流行，它叫智能投顾。就是人工智能帮你来做资产配置和投资决策。这方面美国恰恰是排第一位的，因为他们觉得这个离钱最近。那中国怎么就排到了第四位呢？因为中国可供交易的证券的品种非常少，仅有三千几百家上市公司。而且中国的很多金融产品和服务的定价是国家管理的，比如说利率，保险的费率等等，国家也是对上限下限有规定的。这种价格被监管和管制的情况下，通过算法的提高配置和提高投资的能力是有限的。而美国的交易品种是中国的n倍，金融产品的风险定价又是市场定价，那么基于这两个大的前提，智能投顾在美国就变得非常重要。而且我们已经看到很多这样的公司，效果显著，同样的数据，你两台机器跑一个月就知道了。一个月以后你对照一下盈亏情况，就知道哪台机器厉害了。所以我们看到这类公司在美国，应用人工智能在智能投顾上见效也很明显。人工智能最终有很多结合点，需要软硬兼施，像ai和robotics就是人工智能和机器人的一些结合。如果人工智能不和机器人结合，它未来取代的是大量初级白领的工作；如果人工智能和机器人结合，将取代大量高级蓝领工。可能以后恰恰是低级蓝领的工作会比较安全。比如人工智能无人机给你送菜送饭，可能还真的需要很多细节。但是高级蓝领和初级白领倒真有可能会被人工智能和机器人结合取代。今天流行的很多的人工智能的技术应用，大部分都是直接到了to c的应用，就是面向消费者的应用。其实一个产品和服务面向消费者是最严格的。这里就要跟大家分享一个方向了，对一些技术领域的突破降维用在to b上效果会更好。怎么理解呢？无人驾驶的汽车上路对人类的安全的隐患太大，但无人驾驶技术这样一个技术降维应用到仓库码头，使用一定会更快，因为它不会发生人撞人的情况，最多是货撞货，没有生命安全。这样一个人工驾驶技术，在货堆货的场景情况下，而不是人对人的场景，一定会应用得更加广泛，推进速度会更快。还有个例子，比如说谷歌，它也不是什么项目都成功的。比如说谷歌眼镜就不是很成功，但我们也看到一些创业公司用谷歌眼镜的技术在做一些to b的应用。比如在仓库里工人用一把扫条码的条码枪，又很重又挺贵，还容易损坏，还占用了手这个工具。这时候我们就看到一些公司在用谷歌眼镜的技术，眼镜告诉我扫完条码以后的结果。但是它也存在一个特别讨厌的问题，也是谷歌眼镜很多失败原因其中之一，就是电池的巡航时间太短。因为谷歌眼镜作为一个便捷智能工具，携带电池肯定不多。你要是增加电池容量，一个太重，二没准炸了就等于是拿枪顶着脑门了，安全性不够。那就降维使用把，就把这个最复杂的问题变简单了，就在眼镜框上托根电线接着电池，再把电池别腰上，就可以想巡航多久就巡航多久。所以当你降维使用的时候，你就会发现很多技术壁垒在to c的时候是门槛，到to b 就不重要了。全世界原来最成功的做所谓的人工智能手环的公司好像也已经快不行，这时候我们能不能突发奇想，如果把做手环应用到畜牧业会有什么样的结果。我们看到有些公司说那给猪做个脚踝行不行，判断一下母猪的发情期。原来都是凭经验判断，但通过人工智能的手环就可以达到一样的目的。手环这个智能产品原来精准性采用在人的上面还真不太够，但如果降一个维度用在畜牧方面，那精准度不高就问题不大了，风险也小很多。其他还有很多例子，包括美国看到一些无人机，它更多的是和工业场景的紧密结合，他的技术甚至比to c要简单。这都是说明技术应用直接用到two c上，降一个维度应用在two b上，它的商业化推广程度更高，实用性会更强，不是所有的人登山者都要去登珠穆朗玛峰。你有登珠穆朗玛峰的能力，你如果登泰山，同样一览众山小。

J 关注 “零壹财经” ，读懂新金融。作者：张书乐，新著有《探路――互联网时代行业转型革命》，原文刊载于《金融博览（财富）》杂志2017年2月刊2017年1月开始，日本寿险巨头富国生命保险开始利用价值170万美元的人工智能系统IBM Watson Explorer，取代34名人类保险索赔职员，约占理赔部员工的30%，每年维护费用则为12.8万美元。而可节省的人类员工薪资支出则达110万美元/年。仅此一项，不到2年，成本即可收回。2016年底，一直秉承人工智能威胁论的霍金在《卫报》的专栏中发文称：“工厂自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及到中产阶级，最后只给人类留下护理、创造和监督工作。”不过几十天功夫，“失业”预言即在大金融领域成真。人工智能真的要骑在人类的头上，并在下完棋后把第一刀砍向人的钱袋子吗？人工智能是学徒，简单劳动下替代白领在复盘2016年初AlphaGo对战李世石、2017年化名Master连斩中日韩三国棋手的诸多文章里，常会引用一个数据“深度学习了3000万个围棋对弈”。其实这恰恰是人工智能的精华所在，即所谓3千万个对弈，就是围棋世界里的大数据，一个可以被收集、整理和捕捉的数据图谱。每一个AI能够惊世骇俗，根基也在于此。富国生命保险重金购买的人工智能其实就扮演了这么一个角色，通过扫描医院记录和其他文件，根据保理伤害、病人医疗史以及程序管理等信息，确定是否进行理赔。这一切都建立在一定的数据信息能够有效接入和掌握的基础之上，而拥有了不算真正完整的大数据流后，AI的工作则可以看做是――洗地。一个学徒的角色，帮助师傅打打下手，按照规定的流程、既定的标准，用已经明确量化好的审批程序来完成既定工作。一切都在老师傅的计划之下。只是比起人类学徒来说，更快速、更不容易出错。在同一篇报道中，另外3家日本保险公司也正在测试或安装人工智能，以便实现更多自动化任务，比如帮助客户寻找理想保险计划等。这其实依然是标准化作业流程下的循规蹈矩。这种标准化流程的最大好处就是解放了老师傅的双手，也节约了用户时间。以国内运用了人工智能的某手机贷为例，据称通过人工智能进行信审和风控的比例已经提升至90%以上，而另一个手机贷则宣称实现了单月放款笔数超100万。在这个过程中，无一不是按照标准化流程来比对各种数据。只是，人工比对，效率慢、用户等待时间长罢了。做帮工的AI和被其替代的那些人类员工，最大的共通之处就在于都是流水线上的工人，看似白领的业务，实际上都是简单劳动。如果用一个比方来对比当下的人工智能替代人类的水准，不妨用O2O来想象。以往的线下门店，除了广告和口碑来招揽生意外，还需要人类雇员到街头去散发各种优惠唬热缈系禄O2O通过网上聚合的方式，将这个散发优惠缓推诩浜姆训娜斯ぁ⑹奔湟约巴斗湃巳旱木级榷冀辛思蚧行枨蟮娜烁萦呕莸牟煌⒕嗬氲脑督苯油üO2O平台进行选择，而线下门店仅需要根据电子优惠荒酥料绕诘执锏牡缱硬说ァ⒆辉ざㄗ龊煤笃谧急讣纯伞客人和门店的距离，缩短到了极致，效率得到空前提高，但对于最核心的服务来说，并无根本性改变。而人工智能目前在当前金融领域亦是如此，一个让客户无需等待的学徒模式。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30%的通过率。以智能客服为例，2015年“双11”期间，蚂蚁金服95%的远程客户服务就已经实现大数据智能机器人，同时实现了100%的自动语音识别。在这个基础上，再去理解李开复口中：“人工智能最好的应用领域之一是金融领域，因为金融领域是唯一纯数字领域。”其中真实的意味也就在于此了。也因此，智能顾投之所以成为人工智能+金融的第一站，除了受益于国内互联网理财的高渗透率、传统理财市场服务的空白、居民强大的理财需求等传统因素外，这方面的个人金融数据最为单纯，基本上只要掌握用户投资风险程度，即可作出数据筛选和产品推荐，而不似保险那样需要更多非金融领域的数据来源。获客和实现客源转换的难度与成本双低，也使得只是传统人工顾问投资效率加强版的智能顾投成了突破尖兵。可如果仅此而已，人工智能也就是一个快速工具罢了。这样的学徒是永远无法晋级老师傅的，尤其是在没有数据的前提下。而金融，也不仅仅是一个顾问投资而已。进阶帮工，人工智能先要迈过大数据的坎从学徒到帮工，必须有更多的数据。AlphaGo的成功就在于它掌握了围棋领域近乎全部的数据，也即大数据强调的全量样本。尽管面对人类的智慧来说，万一出现一个不懂围棋的虚竹用自绝死路的非正常方式打破僵局，依然可以在进入常态竞技的后半段，用标准化的下法，逼死绝顶高手。可如果没数据呢？李开复的解答看似很圆满：一是在金融界里相对隔离得非常清晰。金融领域是不跟其他定领域混在一起的，股票就是股票、保险就是保险、银行就是银行、账单就是账单，这些东西是能够用来计算的，且属于狭窄的领域。二是利用手中拥有的大数据量，可以获取更多的数据。三是金融是最无摩擦的领域，钱进钱出，这里没有生产、仓库和物流。但其实，尽管数据流非常充足，但依然不是全量数据。仅以征信数据为例，基于传统金融机构的服务能力限制，使得传统金融无法服务的领域非常大，加之国内传统征信体系不完善，在收录的8亿自然人里，有征信记录的仅有3亿人，另外5亿人在系统中只有基本信息，传统征信覆盖的人数仅为35%。也即是说，即使接入，也不过是增加了一定的基础数据，距离真正能够反映一个人各种金融体征的全量数据还差距极大。目前人工智能+金融所能做到，也就是风险系数较小、流程简单规范、数据量需求较少易掌握的保险和小额贷等业务之上。唯一纯数字领域的金融尚且如此，又何况其他领域。没有大数据加持，再好的人工智能也只是一个高档玩具。大数据，其实也就与人类的经验认知和理性分析相似了，成为了人工智能能否长大的基础“饲料”。且不论人工智能的深度学习模式，能够形成怎样的精准分析和判断，但仅仅从金融领域的人工智能应用上看，最容易获得更强大数据流的来源，其实在电商之上。在电商和O2O上已形成寡头之势的腾讯、阿里和百度，在2016年大举布局人工智能，其原因之一也就在于此。越来越多的证据表面，当前的计算能力、算法与联网设备所产生的数据量已经构成了人工智能真正崛起的基础。除了在围棋领域战胜人类冠军，在图像识别和语音识别正确率上，机器性能也在近年超过了人类平均水平，这既是算法改进的功劳，又离不开大量的训练数据和计算。在中国，有足够训练数据的，除了传统金融机构外，就只有BAT了，而且更加独特和立体。这其实就是金融的棋谱。如在2016年9月，百度高级副总裁朱光在百度世界大会上表示，百度金融将以身份识别认证、大数据风控、智能投顾、量化投资、金融云为方向发展金融科技。这其实就是用大数据+云计算来喂养人工智能，以期在金融上和传统金融业形成差异化的节奏。而因与余额宝合作一战成名的天弘基金亦透露出更为强烈的需求，尤其是在智能顾投这个被互联网金融巨头列在首要破局点的领域上。其智能投资部总经理助理刘硕凌就认为：“最好的人工智能是人脑和大数据技术的融合。把复杂的巨量数据的线性，非线性计算和归纳工作都交给机器。”而庞大的阿里系数据流，和独立于征信系统之外、以电商消费和余额宝投资为基础的芝麻信用，则可更为真实的为用户做出更多立体面的画像。每一个用户都有不同的立面，无数反映用户消费、投资的数据点，则可让这样的用户画像从平面走向立体。而对市场的分析、研判以及更精准的舆情监控，这些同样是互联网平台更为擅长和已经深度大数据化和逐步人工智能化的先发领域。只是，一旦需要更多的数据之时，每一个有志于金融的平台都会设立壁垒，确保自己的独家优势。人工智能的求学之路，初期靠自家数据，武功日益千里，后期要多方化缘，殊难精进。任何一个老司机，在彻底离开方向盘之前，都不敢说自己不会出事，因为车（自家数据）可以掌控，来自道路上的各方车流（外部数据）则是不可控的。除非，大家伙全都是自动驾驶，而且数据全面互通，或许才能说“大话”。塑造贾维斯，每个人都需要一个私人管家Facebook创始人扎克伯格在2016年初时开始谋划，要打造一个人工智能“管家”，如同电影《钢铁侠》里的超级管家贾维斯。只要说出自己的需求，它就可以帮你做任何事情。他花了近一年的时间让这一想法成为现实。而这个在2016年末出现的、等陪孩子玩耍、能理解主人情绪的JAVIS人工智能程序（翻译过来就是贾维斯），却说出了作为主顾的大多数普通人，对人工智能+金融的诉求，其实亦是蓝海。有观点认为，目前中国金融行业正在运用的人工智能可以整理为四大类应用场景：机器学习与知识图谱；金融预测、反欺诈；融资授信决策；智能投顾。不难看出，其实这就是一个金融管家的角色。只是对于大多数使用者来说，这个管家并不是自家的私人管家，而只是金融机构派来帮忙的劳务输出“人员”，这些人工智能官派管家，恰恰因为模拟人类思维、而非传统上的按钮工具，难免骨子里向着东家，而未必装着用户的利益。这其实也将是金融机构人工智能化后不可避免在用户心中投射出的悖论。但如果没有金融背景，只是为用户量身打造的私人专属管家呢？即使真正在平台全面开放数据、大数据真实打通之下，也未必能够派上用场。或许很多人会认为，第三方机构的这类产品未必能够精通金融、制造出高效、有用的金融分析模型，但这个问题可以通过足够的专家和日益完善的模型体系形成强力外脑和不断升级来补完，但更重要的则在于除了大数据以外，人工智能还需要强大的计算能力。“我们都知道，只有更强大的计算能力才能处理人工智能应用所需的大数据，”英特尔公司副总裁兼数据中心事业部数据中心解决方案部门总经理詹森韦克斯曼就在2016年底透露：英特尔预测，到2020年，用于人工智能的计算将比现在增长12倍。因为很多原有的基础架构并没有考虑到去适应人工智能应用，只有7%的应用部署符合人工智能的要求。对计算能力要求的日益提高，将让真正商用化、金融化的人工智能沦为巨头的游戏，而普通用户将只能用接入的方式，成为这个巨头金融互动网络游戏里的一个参与者，而非主导者。但也并非说用户级定制的高端人工智能完全不可能出现，只是在很长一段时间内，想要在人工智能+金融上创业和颠覆市场的第三方公司只能把希望寄托在云计算之上。毕竟，在任何一个通过获取用户行为而形成大数据流之下，或许能够反映出用户的更多立体面，甚至形成一个从外形到内心的立体建模，实现精准的需求把握和心理分析，以更好地和外部的金融市场分析进行比对，但是任何大数据的形成，无论计算数据多快，都是一个过去式，一个过去的用户。每一个人的性格或许不会变化，但瞬间的需求和心理延伸，却未必是人工智能通过大数据和云计算所能彻底把控的，也是难以捉摸的。这就是破解珍珑棋局的那自绝一子。而或许，只有真正专属于自己、忠诚于用户、没有金融机构后门和利益诉求的贾维斯，才会是倾吐心声、掌握用户实时动态和心态，能窥见“透明人”的那个唯一。而这样的服务，才会是最为贴心和精准的，也是最具有用户黏性的。若真如此，贾维斯也就成了《钢铁侠》里那样，一个值得把自己的后背托付给它的“放心的人”。也唯有那样，才是真正从老司机，成为一个私家专车司机。话说，《特工卡特》里的真人版贾维斯，不就是个专职老司机兼管家吗！换言之，基于金融机构自身获客和吸引现金流考量的人工智能，是现在和之后一段时间内的主流。而非主流的第三方金融人工智能产品，则在相关限制解除和大数据、云计算条件相对成熟之时，成为用户的最后选择。只是真如此，还一定需要专业金融机构扮演什么角色呢？这是个问题，应该和人工智能部署一同布局。人工智能在金融领域应用的初步思考来源：36氪；本文作者中国银行网络金融部杨涛在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。从未来的角度看，我们现在极有可能处在“互联网+”向“人工智能”转变的时点。在笔者看来，在金融领域，由于其服务的本质仍然是人与人之间的交流，人工智能带来的影响将是重新解构金融服务的生态，将互联网时代下银行转嫁给客户的服务成本以一种更有效的方式重新回归银行怀抱，从而降低客户选择倾向，加深客户对于金融机构的服务依赖度。本文就国内外金融行业人工智能应用情况进行了简单分析，重点就人工智能在金融的综合运用进行了探讨。一、人工智能对金融行业带来的影响分析基础层的云计算、大数据等因素的成熟催化了人工智能的进步，深度学习带来算法上的突破则带来了人工智能浪潮，使得复杂任务分类准确率大幅提升，从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。人工智能未来将会给各个产业带来巨大变革，其影响将远大于互联网对各行业的改造，在所有领域彻底改变人类，并产生更多的价值，取代更多人的工作，也会让很多现在重复性的工作被取代，让人可以从劳动密集型的工作中解放出来，释放人力去做更具有价值的事情。对于金融领域来讲，主要有以下几方面的影响：一是金融行业服务模式更加主动金融属于服务行业，从事的正是关于人与人服务价值交换的业务，人是核心因素。在互联网技术大规模应用之前，金融机构需要投入大量人力物力资源用于客户关系维护交流，发现客户需求，以获取金融业务价值。如银行与客户发生关系的媒介主要在网点，客户与网点人员通过人与人的交流，能迅速的发现并满足客户金融需求，甚至通过一些交谈、观察客户的细节挖掘到潜在的需求。通过一段时间的人与人交流，客户与银行工作人员建立了深厚的关系，而这种关系提高了客户对于银行人员的依赖程度，我们称之为客户黏性（或者称为“使客户变傻”）。一旦黏性存在，客户很少会去比较银行人员所推荐的金融服务，如购买理财产品的时候，不会去比较多个银行的收益水平。而在互联网时代，互联网技术和互联网金融企业的蓬勃发展，共同促使金融机构大力开展系统建设工作，网银、APP的出现降低了银行服务客户的成本。而不管是客户端或者是网页端，均采用了标准化的功能模板，需要客户学习如何使用，并在众多菜单功能中找寻想要的金融服务，客户与金融机构的交流是单向的。这一发现使“客户需求的成本”由金融机构转嫁给了客户，即在方便了金融机构的同时，麻烦了客户的金融需求发现和满足，这同样也使银行失去了创造更多金融价值的机会。无论如何优化功能菜单，客户总要去付出这一选择成本，在这个过程中，客户的金融专业度被动提升（或者称为“使客户变聪明”），他会去主动比较哪家金融机构提供的服务价格最优、服务效率最便捷，客户对金融机构的依赖度不断降低，随时可以被其他同业甚至互联网金融公司争取走。如银行这几年受到第三方支付机构极大冲击，无论在支付领域还是其他C端金融服务，银行的创新灵活度和政策监管尺度均处于下风，个人用户大规模被互联网金融机构圈走。人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化的服务客户，这对于深处服务价值链高端的金融将带来深刻影响，人工智能将成为决定银行沟通客户、发现客户金融需求的重要因素。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务（银行、保险、理财、借贷、投资等方面）更加地个性与智能化。二是金融大数据处理能力大幅提升作为百业之母的金融行业，与整个社会存在巨大的交织网络，沉淀了大量有用或者无用数据，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等，数据级别都是海量单位，同时大量数据又是非结构化的形式存在，如客户的身份证扫描件信息，既占据宝贵的储存资源、存在重复存储浪费，又无法转成可分析数据以供分析；金融大数据的处理工作面临极大挑战。通过运用人工智能的深度学习系统，能够有足够多的数据供其进行学习，并不断完善甚至能够超过人类的知识回答能力，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。二、目前人工智能技术在金融领域应用情况Google、IBM等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面，总体上看，国内金融行业也逐步开始应用人工智能技术，随着国内双创政策的推动和对人工智能产业的投资拉动，预计广泛应用节点即将到来。（一）阿里巴巴阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队，专门从事机器学习与深度学习等人工智能领域的前沿研究，并在蚂蚁金服的业务场景下进行一系列的创新和应用，包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30％的通过率。以智能客服为例，2015年“双11”期间，蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成，同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后，人工智能开始发挥作用，“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择，这里一部分是所有用户常见的问题，更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点；在交流中，则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升，在花呗等业务上，机器人问答准确率从67%提升到超过80%。（二）交通银行2015年，交通银行推出智能网点机器人：“交交”，并引发了金融银行界的广泛关注。“交交”为实体机器人，采用语音识别和人脸识别技术，可以人机进行语音交流，还可以识别熟悉客户，在网点进行客户指引、介绍银行的各类业务等。在语言交流过程中，“交交”能回答客户的各种问题，缓解等待办理业务的银行客户潜在情绪，分担大堂经理的工作，分流客户，节省客户办理时间。（三）平安集团平安集团下设平安科技人工智能实验室，大规模研发人工智能金融应用。1、人像识别。平安集团运用人像识别技术，在指定银行区域进行整体监控，识别陌生人、可疑人员和可疑行为，提升银行物理区域安全性，该套系统还能识别银行VIP客户等，实现个性化服务。在平安天下通APP上，平安利用人脸识别技术进行远程身份认证，用户根据系统提示,完成指定动作识别，即可进行APP解锁、刷脸支付以及刷脸贷款等。2、智能客服。平安集团整合旗下保险、基金、银行、证券等客服渠道为95511，应用人工智能技术，用户拨打后直接说出服务需求，系统识别客户语音内容后，即可转接相应模块，大幅节省了客户选择菜单的时间。智能客服还可以进行简单问题回复，复杂问题则转人工进行支持，人机结合有效的解决了客户问题。三、人工智能在金融行业的应用启示结合目前行业发展趋势，按照人工智能技术分类，分别整理五大类应用场景设想。结合目前人工智能技术支持能力和市场实际应用情况看，笔者认为基于语音识别的技术可优先在金融行业进行应用。市场和同业已经具有成熟的商业运营案例和业务框架，技术实现难度较低，可迅速实现商业价值。其他类人工智能技术目前商业运用仍处于初期阶段，应予以继续进行跟踪。具体如下：（一）语音识别与自然语言处理应用1、智能客服（1）实现目标整合全集团对外的客户服务通道，提供多模式融合（包括电话、网页在线、微信、短信及APP等）的在线智能客服；对内实现语音分析、客服助理等商业智能应用。为坐席提供一种辅助手段，帮助坐席快速解决客户问题。客服助理通过实时语音识别，实时语义理解，掌握客户需求，自动推送客户特征、知识库等内容。借助于微信公众号等平台，推出语音问答系统，打造个人金融助理形象。（2）具体内容通过电话客服渠道、网上客服、APP、短信、微信以及智能机器人终端与客户进行语音或文本的互动交流，理解客户业务需求，语音回复客户提出的业务咨询，并能根据客户语音导航至指定业务模块。对传统按键式菜单进行改造，用户使用自然语音与系统交互，实现菜单扁平化，提升用户满意度，减轻人工服务压力，降低运营成本。电话客服不再受限于菜单，可开展全业务的语音导航服务。2、语音数据挖掘基于语音和语义技术，可自动将电话银行海量通话和各种用户单据内容结构化，打上各类标签，挖掘分析有价值信息，为服务与营销等提供数据与决策支持。语音语义分析自动给出重点信息聚类，联想数据集合关联性，检索关键词，并汇总热词，发现最新的市场机遇和客户关注热点。同时，根据金融行业客服与客户的通话情况，可进行业务咨询热点问题梳理统计，由机器进行自动学习，梳理生成知识问答库，并作为后续机器自动回复客户问题的参考依据。（二）计算机视觉与生物特征识别应用1、人像监控预警利用网点和ATM摄像头，增加人像识别功能，提前识别可疑人员、提示可疑行为动作，识别VIP客户。识别网点区域内可疑人员特征，如：是否人脸上有面罩、手持可疑物品、行动速度异常、人员倒地、人员胁迫等，还可以对客户身份进行识别。2、员工违规行为监控利用网点柜台内部摄像头，增加员工可疑行为识别监控功能，记录并标记疑似交易，并提醒后台监控人员进一步分析，同时起到警示作用。人工智能还能监督和跟踪员工行为，并判断员工行为是否合规，安全等。如运用图形视频处理技术，实时监控银行柜员在规定动作以外的行为，提醒后台人员进行注意。通过纸文本读取技术，排查所有交易单据，建立关键字提示技术。或者回访客服问答、柜台对话记录，建立风险模型，及时发现可疑交易等。识别并标记视频监控中发现的员工可疑行为录像片段，提示后台人员进行查看；同时，对一线操作人员起到心理震慑作用。3、核心区域安全监控在银行内部核心区域增加人像识别摄像头，人员进出必须通过人脸识别及证件一致方可进入，同时对于所有进出人员进行人像登记，防止陌生人尾随进出相关区域。如集中运营中心、数据中心机房等。集中运营中心、机房、保险柜、金库等重要场所可采用人脸门禁提高内部安全控制，通过人脸识别的验证方式，实现银行内部安全管理，有效地防范不法分子的非法入侵，同时进行多人的人脸识别，实现智能识别，达到安全防范的目标。（三）机器学习、神经网络应用与知识图谱1、金融预测、反欺诈大规模采用机器学习，导入海量金融交易数据，使用深度学习技术，从金融数据中自动发现模式，如分析信用卡数据，识别欺诈交易，并提前预测交易变化趋势，提前做出相应对策。基于机器学习技术构建金融知识图谱，基于大数据的风控需要把不同来源的数据(结构化，非结构)整合到一起，它可以检测数据当中的不一致性，分析企业的上下游、合作、竞争对手、子母公司、投资、对标等关系。2、融资授信决策通过数据筛选、建模和预测打分，并将不同的资产分类和做分别处理。比如：坏资产可直接标签为“司法诉讼”，并提醒相关人员进行诉讼流程。通过提取个人及企业在其主页、社交媒体等地方的数据，一来可以判断企业或其产品在社会中的影响力，比如观测App下载量，微博中提及产品的次数，对其产品的评价;此外将数据结构化后，也可推测投资的风险点。借助机器学习完成传统金融企业无法做到的放贷过程中对借款人还贷能力进行实时监控，从而及时对后续可能无法还贷的人进行事前的干预，以减少因坏账而带来的损失。3、智能投顾根据马科维茨的现代资产组合理论（MTP），结合个人客户的风险偏好和理财目标，利用人工智能算法和互联网技术为客户提供资产管理和在线投资建议服务，实现个人客户的批量投资顾问服务。运用人工智能技术，采用多层神经网络，实时采集所有重要的经济数据指标，智能投顾系统不断进行学习。它采用合适的资产分散投资策略，可实现大批量的不同个体定制化投顾方案，以不追求短期的涨跌回报、而期望长期的稳健回报为目标，进一步深刻践行银行长期服务客户的理念。通过智能投顾解决方案，把财富管理这个服务门槛降到一个普通的家庭人群来使用。（四）服务机器人技术应用机房巡检和网点智慧机器人：在机房、服务器等核心区域投放24小时巡检机器人，及时发现处理潜在风险，替代或辅助人工进行监控。在网点大堂尝试设置智慧机器人，赋予机器人拟人化，赋予其人类的形象和相应感情、动作。对网点客户进行业务咨询答疑、辅助分流，采集客户数据，开展大数据营销工作，完成查询、开卡、销卡等业务的辅助办理。运用机器人技术，在网点或机房投放智慧机器人，实现指定区域自动巡航功能，可对客户进行迎宾分流，进行语音互动交流，根据客户知识库内容进行标准业务咨询和问答，减少大堂经理的重复性工作。同时通过前端采集客户数据，可开展精准营销工作。此外，增强银行服务的科技创新感和服务新体验，为银行服务的转型升级注入全新的因素。后记展望人工智能听起来很高大上，我们在现实生活或工作中也经常会遇到一味炒作概念的人，过分夸大人工智能所能起到的作用以博取眼球。笔者认为，现阶段人工智能确实可以帮助提高工作效率，但拨开其光鲜外表迷雾，人工智能最终的应用场景还需要我们继续深入思考。短期来看，人工智能在绝大部分领域还不能替代人力，但是能起到较大的辅助作用。而对于金融行业而言，最重要的是继续紧跟这股智能潮流，可以尝试在多个领域运用相关技术，不管是提升客户体验还是内部管理效率，或者是风险防范，都需要更多的人加入到这个新的领域，也需要更多的探索和尝试。近期文章精选1年度报告 零壹财经2016年中国网贷行业232016年互金监管盘点：政策、自律、专项行动三位一体45672017零壹财经新金融年会：行业高管、学者齐发声 发布四份重磅报告8为打破P2P平台数据孤岛 首个网贷协会主导信息共享系统上线9只因这三起事故、四大风险，央行对第三方支付动手了！10证监会等动手整治各类交易所 起底互金平台嫁接金交所模式更多新金融原创资讯与分析，点击最后阅读原文进入零壹财经网站！

人工智能的求学之路，初期靠自家数据，武功日益千里，后期要多方化缘，殊难精进。文/张书乐刊载于《金融博览（财富）》杂志2017年2月刊2017年1月开始，日本寿险巨头富国生命保险开始利用价值170万美元的人工智能系统IBM Watson Explorer，取代34名人类保险索赔职员，约占理赔部员工的30%，每年维护费用则为12.8万美元。而可节省的人类员工薪资支出则达110万美元/年。仅此一项，不到2年，成本即可收回。距离2016年底，一直秉承人工智能威胁论的霍金在《卫报》的专栏中发文称：“工厂自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及到中产阶级，最后只给人类留下护理、创造和监督工作。”不过几十天功夫，“失业”预言即在大金融领域成真。人工智能真的要骑在人类的头上，并在下完棋后把第一刀砍向人的钱袋子吗？人工智能是学徒，简单劳动下替代白领在复盘2016年初AlphaGo对战李世石、2017年化名Master连斩中日韩三国棋手的诸多文章里，常会引用一个数据“深度学习了3000万个围棋对弈”。其实这恰恰是人工智能的精华所在，即所谓3千万个对弈，就是围棋世界里的大数据，一个可以被收集、整理和捕捉的数据图谱。每一个AI能够惊世骇俗，根基也在于此。富国生命保险重金购买的人工智能其实就扮演了这么一个角色，通过扫描医院记录和其他文件，根据保理伤害、病人医疗史以及程序管理等信息，确定是否进行理赔。这一切都建立在一定的数据信息能够有效接入和掌握的基础之上，而拥有了不算真正完整的大数据流后，AI的工作则可以看做是——洗地。一个学徒的角色，帮助师傅打打下手，按照规定的流程、既定的标准，用已经明确量化好的审批程序来完成既定工作。一切都在老师傅的计划之下。只是比起人类学徒来说，更快速、更不容易出错。在同一篇报道中，另外3家日本保险公司也正在测试或安装人工智能，以便实现更多自动化任务，比如帮助客户寻找理想保险计划等。这其实依然是标准化作业流程下的循规蹈矩。这种标准化流程的最大好处就是解放了老师傅的双手，也节约了用户时间。以国内运用了人工智能的某手机贷为例，据称通过人工智能进行信审和风控的比例已经提升至90%以上，而另一个手机贷则宣称实现了单月放款笔数超100万。在这个过程中，无一不是按照标准化流程来比对各种数据。只是，人工比对，效率慢、用户等待时间长罢了。做帮工的AI和被其替代的那些人类员工，最大的共通之处就在于都是流水线上的工人，看似白领的业务，实际上都是简单劳动。如果用一个比方来对比当下的人工智能替代人类的水准，不妨用O2O来想象。以往的线下门店，除了广告和口碑来招揽生意外，还需要人类雇员到街头去散发各种优惠劵，比如肯德基，但O2O通过网上聚合的方式，将这个散发优惠劵和期间耗费的人工、时间以及投放人群的精准度都进行了简化，有需求的人根据优惠的不同、距离的远近，直接通过O2O平台进行选择，而线下门店仅需要根据电子优惠劵乃至先期抵达的电子菜单、座位预定做好后期准备即可。客人和门店的距离，缩短到了极致，效率得到空前提高，但对于最核心的服务来说，并无根本性改变。而人工智能目前在当前金融领域亦是如此，一个让客户无需等待的学徒模式。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30%的通过率。以智能客服为例，2015年“双11”期间，蚂蚁金服95%的远程客户服务就已经实现大数据智能机器人，同时实现了100%的自动语音识别。在这个基础上，再去理解李开复口中：“人工智能最好的应用领域之一是金融领域，因为金融领域是唯一纯数字领域。”其中真实的意味也就在于此了。也因此，智能顾投之所以成为人工智能+金融的第一站，除了受益于国内互联网理财的高渗透率、传统理财市场服务的空白、居民强大的理财需求等传统因素外，这方面的个人金融数据最为单纯，基本上只要掌握用户投资风险程度，即可作出数据筛选和产品推荐，而不似保险那样需要更多非金融领域的数据来源。获客和实现客源转换的难度与成本双低，也使得只是传统人工顾问投资效率加强版的智能顾投成了突破尖兵。可如果仅此而已，人工智能也就是一个快速工具罢了。这样的学徒是永远无法晋级老师傅的，尤其是在没有数据的前提下。而金融，也不仅仅是一个顾问投资而已。进阶帮工，人工智能先要迈过大数据的坎从学徒到帮工，必须有更多的数据。AlphaGo的成功就在于它掌握了围棋领域近乎全部的数据，也即大数据强调的全量样本。尽管面对人类的智慧来说，万一出现一个不懂围棋的虚竹用自绝死路的非正常方式打破僵局，依然可以在进入常态竞技的后半段，用标准化的下法，逼死绝顶高手。可如果没数据呢？李开复的解答看似很圆满：“一是在金融界里相对隔离得非常清晰。金融领域是不跟其他定领域混在一起的，股票就是股票、保险就是保险、银行就是银行、账单就是账单，这些东西是能够用来计算的，且属于狭窄的领域。二是利用手中拥有的大数据量，可以获取更多的数据。三是金融是最无摩擦的领域，钱进钱出，这里没有生产、仓库和物流。”但其实，尽管数据流非常充足，但依然不是全量数据。仅以征信数据为例，基于传统金融机构的服务能力限制，使得传统金融无法服务的领域非常大，加之国内传统征信体系不完善，在收录的8亿自然人里，有征信记录的仅有3亿人，另外5亿人在系统中只有基本信息，传统征信覆盖的人数仅为35%。也即是说，即使接入，也不过是增加了一定的基础数据，距离真正能够反映一个人各种金融体征的全量数据还差距极大。目前人工智能+金融所能做到，也就是风险系数较小、流程简单规范、数据量需求较少易掌握的保险和小额贷等业务之上。唯一纯数字领域的金融尚且如此，又何况其他领域。没有大数据加持，再好的人工智能也只是一个高档玩具。大数据，其实也就与人类的经验认知和理性分析相似了，成为了人工智能能否长大的基础“饲料”。且不论人工智能的深度学习模式，能够形成怎样的精准分析和判断，但仅仅从金融领域的人工智能应用上看，最容易获得更强大数据流的来源，其实在电商之上。在电商和O2O上已形成寡头之势的腾讯、阿里和百度，在2016年大举布局人工智能，其原因之一也就在于此。越来越多的证据表面，当前的计算能力、算法与联网设备所产生的数据量已经构成了人工智能真正崛起的基础。除了在围棋领域战胜人类冠军，在图像识别和语音识别正确率上，机器性能也在近年超过了人类平均水平，这既是算法改进的功劳，又离不开大量的训练数据和计算。在中国，有足够训练数据的，除了传统金融机构外，就只有BAT了，而且更加独特和立体。这其实就是金融的棋谱。如在2016年9月，百度高级副总裁朱光在百度世界大会上表示，百度金融将以身份识别认证、大数据风控、智能投顾、量化投资、金融云为方向发展金融科技。这其实就是用大数据+云计算来喂养人工智能，以期在金融上和传统金融业形成差异化的节奏。而因与余额宝合作一战成名的天弘基金亦透露出更为强烈的需求，尤其是在智能顾投这个被互联网金融巨头列在首要破局点的领域上。其智能投资部总经理助理刘硕凌就认为：“最好的人工智能是人脑和大数据技术的融合。把复杂的巨量数据的线性，非线性计算和归纳工作都交给机器。”而庞大的阿里系数据流，和独立于征信系统之外、以电商消费和余额宝投资为基础的芝麻信用，则可更为真实的为用户做出更多立体面的画像。每一个用户都有不同的立面，无数反映用户消费、投资的数据点，则可让这样的用户画像从平面走向立体。而对市场的分析、研判以及更精准的舆情监控，这些同样是互联网平台更为擅长和已经深度大数据化和逐步人工智能化的先发领域。只是，一旦需要更多的数据之时，每一个有志于金融的平台都会设立壁垒，确保自己的独家优势。人工智能的求学之路，初期靠自家数据，武功日益千里，后期要多方化缘，殊难精进。任何一个老司机，在彻底离开方向盘之前，都不敢说自己不会出事，因为车（自家数据）可以掌控，来自道路上的各方车流（外部数据）则是不可控的。除非，大家伙全都是自动驾驶，而且数据全面互通，或许才能说“大话”。塑造贾维斯，每个人都需要一个私人管家Facebook创始人扎克伯格在2016年初时开始谋划，要打造一个人工智能“管家”，如同电影《钢铁侠》里的超级管家贾维斯。只要说出自己的需求，它就可以帮你做任何事情。他花了近一年的时间让这一想法成为现实。而这个在2016年末出现的、等陪孩子玩耍、能理解主人情绪的JAVIS人工智能程序（翻译过来就是贾维斯），却说出了作为主顾的大多数普通人，对人工智能+金融的诉求，其实亦是蓝海。有观点认为，目前中国金融行业正在运用的人工智能可以整理为四大类应用场景：机器学习与知识图谱；金融预测、反欺诈；融资授信决策；智能投顾。不难看出，其实这就是一个金融管家的角色。只是对于大多数使用者来说，这个管家并不是自家的私人管家，而只是金融机构派来帮忙的劳务输出“人员”，这些人工智能官派管家，恰恰因为模拟人类思维、而非传统上的按钮工具，难免骨子里向着东家，而未必装着用户的利益。这其实也将是金融机构人工智能化后不可避免在用户心中投射出的悖论。但如果没有金融背景，只是为用户量身打造的私人专属管家呢？即使真正在平台全面开放数据、大数据真实打通之下，也未必能够派上用场。或许很多人会认为，第三方机构的这类产品未必能够精通金融、制造出高效、有用的金融分析模型，但这个问题可以通过足够的专家和日益完善的模型体系形成强力外脑和不断升级来补完，但更重要的则在于除了大数据以外，人工智能还需要强大的计算能力。“我们都知道，只有更强大的计算能力才能处理人工智能应用所需的大数据，”英特尔公司副总裁兼数据中心事业部数据中心解决方案部门总经理詹森·韦克斯曼就在2016年底透露：“英特尔预测，到2020年，用于人工智能的计算将比现在增长12倍。因为很多原有的基础架构并没有考虑到去适应人工智能应用，只有7%的应用部署符合人工智能的要求。”对计算能力要求的日益提高，将让真正商用化、金融化的人工智能沦为巨头的游戏，而普通用户将只能用接入的方式，成为这个巨头金融互动网络游戏里的一个参与者，而非主导者。但也并非说用户级定制的高端人工智能完全不可能出现，只是在很长一段时间内，想要在人工智能+金融上创业和颠覆市场的第三方公司只能把希望寄托在云计算之上。毕竟，在任何一个通过获取用户行为而形成大数据流之下，或许能够反映出用户的更多立体面，甚至形成一个从外形到内心的立体建模，实现精准的需求把握和心理分析，以更好地和外部的金融市场分析进行比对，但是任何大数据的形成，无论计算数据多快，都是一个过去式，一个过去的用户。每一个人的性格或许不会变化，但瞬间的需求和心理延伸，却未必是人工智能通过大数据和云计算所能彻底把控的，也是难以捉摸的。这就是破解珍珑棋局的那自绝一子。而或许，只有真正专属于自己、忠诚于用户、没有金融机构后门和利益诉求的贾维斯，才会是倾吐心声、掌握用户实时动态和心态，能窥见“透明人”的那个唯一。而这样的服务，才会是最为贴心和精准的，也是最具有用户黏性的。若真如此，贾维斯也就成了《钢铁侠》里那样，一个值得把自己的后背托付给它的“放心的人”。也唯有那样，才是真正从老司机，成为一个私家专车司机。话说，《特工卡特》里的真人版贾维斯，不就是个专职老司机兼管家吗！换言之，基于金融机构自身获客和吸引现金流考量的人工智能，是现在和之后一段时间内的主流。而非主流的第三方金融人工智能产品，则在相关限制解除和大数据、云计算条件相对成熟之时，成为用户的最后选择。只是真如此，还一定需要专业金融机构扮演什么角色呢？这是个问题，应该和人工智能部署一同布局。

不断发展的技术始终会对企业产生重大影响，因为它们可以改善现有流程。人工智能是当前最热门的企业主体，这是因为人工智能提供了受益于其使用的机会。很少有行业比金融行业更努力地采用人工智能。它的速度，准确性和效率对业务至关重要。人工智能和机器学习通过在服务中使用算法，在金融行业提供了很多优势。人工智能的核心是一些自学习算法，如果提供正确的数据，它们可以对金融业有所帮助。让我们看一下将受益于人工智能的金融领域。定制金融服务人工智能已经根据客户对财务支出的偏好扩展了财务领域下的产品范围。AI积累的数据表明，在基于金融的产品和服务中应该进行各种自定义，因为客户的支出模式在许多方面都存在差异。有些客户正在寻找银行提供的特定产品，他/她应根据需要和需要获得最佳包装。通过人工智能降低财务成本我们都可以同意这一点，因为AI通过以可承受的价格提供多种服务，无疑降低了财务成本。如今，银行所提供的服务价格相对较低，这对客户是有好处的。当涉及到某种服务时，有各种偏好。人工智能极大地方便了公众使用金融服务。欺诈识别人工智能可以主动检测金融系统中是否会发生欺诈。AI十分重要，它可以确保所有事物的安全，并在发生任何欺诈机会之前采取安全措施。通过AI进行欺诈检测可以帮助银行家遵循政策和法规，同时为个人提供金融服务。人工智能通过不断了解人类心理来扩展金融产品组合。减少人为干预不再需要特定的人员来回答有关所提供金融服务及其如何帮助客户的问题。现在，AI处理数据以解决查询并为个人提供最佳服务或解决方案，而无需人工干预。不再需要人的意见来预测金融服务的需求。自动化财务中的重要决策不会是不准确的，因此AI在自动化某些功能以向客户提供准确信息之前会学习和研究大量数据。AI维护自动化的所有领域，以保持客户的信任，从而为客户提供最佳结果。语音协助此功能允许用户通过语音命令使用银行服务，而不用触摸您的手机或任何其他设备。通过基于语音的银行业务功能，人工智能可以最轻松地回答客户的许多查询以及交易和其他信息。更深入的见解AI可以更深入地挖掘现有数据和新数据，从而获得更好的见解，以寻找趋势和模式，从而为客户提供更好地服务。随着数据的不断增长，人工智能可以有效地检查原始数据以挖掘重要信息。未来金融学中的人工智能能够不断学习和重新学习有关影响金融业的现有数据，模式。人工智能为开发当前产品和服务提供了广阔的空间，也为开发产品组合中的现有产品提供了机会。人工智能可以定期研究市场，以了解消费者正在寻找什么，并可以在市场上任何人面前向他们提供这些服务。

2016年12月17日，由苏宁云商IT总部和苏宁技术研究院联合主办的“人工智能创新应用论坛”在南京举行。本次论坛吸引国内外600多人参会，云集了来自微软、小米、将门创投、北京大学等机构的多位企业大咖和专家学者，共同探讨智能商务的现在和未来，分享时下最新潮、最先进的人工智能技术。苏宁云商IT总部执行副总裁、苏宁技术研究院院长向江旭在会上透露，苏宁智能金融主要包括身份识别、智能营销和智能投顾。向江旭认为苏宁发展零售经历了连锁+移动、电商+云计算/大数据、O2O+智能三个时代，苏宁自主研发的人工智能平台，基于大数据和机器学习技术，结合搜索和知识管理能力，有力支持了智能金融、智能家具物联网、聊商平台、智能营销引擎、智能供应链引擎、智能物流引擎。生物特征识别加速在金融领域使用基于深度学习的人工智能技术让图像识别渐渐走向成熟，加速人脸识别等生物特征识别在金融领域的应用。微软亚洲工程院院长、IEEE院士刘震博士在本次论坛上指出，人工智能的发展已经进入无处不在的智能（PI，Pervasive Intelligence）阶段，深度学习带来了超越人类级别认知计算的突破。比如，在2014年的测试中，基于ImageNet 1K测试库，人眼识别图像误差为5.1%，而微软深度学习平台识别图像的误差现在已经做到4.9%，能够识别图片类型、场景、内容、元素、语义、情感、名人的身份等，对一张图像可以以置信度0.99809确定是户外场景；微软开发的Hololens是一款体验VR的穿戴式计算机，能让你在真实世界中感受到全息映像，像一位设计师带上这款头盔就可以和同伴在虚拟世界中合作设计一栋大楼，让2D图纸3D化，并且可以和建筑进行动态互操作。2016年，苏宁金融部署了生物特征识别技术，让交易安全保障升级。苏宁金融APP iOS版本及华为Mate 8 Android版本支持指纹识别，直接登陆苏宁金融APP，让你不再繁琐地输入密码。人脸识别支持快速完成高级实名认证，提供比密码、智能卡、令牌更高层级的安全保护，用户下载苏宁金融APP之后，拍摄身份证正反面，完成左右摇头、上下点头、张嘴等动作，在与系统后台数据核对一致后，即可完成高级实名认证。截至目前，通过人脸识别完成的高级实名认证已接近16万用户，相比去年9到10月同期增长65.7%，认证时间由1天缩短到1秒，审核人员减少到之前的10%。基于摄像头的OCR（Optical Character Recognition，光学字符识别）技术识别银行卡和身份证号码及文字的功能，极大减轻了用户输入的繁琐，提高了输入正确率。人工智能在营销中的作用越发突显人工智能在营销中的作用越来越突显。来自将门创投的联合创始人兼CTO沈强在此次人工智能创新应用论坛上表示，商业+智能、精准深入的用户洞察是下一个营销趋势，VIP客户追踪在营销中越来越重要，而零售公司需要通过聚焦技术创新，实现商业价值。苏宁金融的智能营销引擎就是适应这个趋势，通过苏宁人工智能平台，实现对金融用户的深入洞察和千人千面的自动化营销。2016年，苏宁金融自主开发的智能营销，具备自动化决策引擎，可以自动完成目标人群筛选、营销推送、营销算法效果跟踪、算法更新等工作，让金融服务更好连接人。智能营销基于机器学习、大数据爬虫、实时标签计算，可以为亿级会员实时画像，提供千人千面的个性化营销。自动化营销决策引擎改变了营销方案制定、营销人群选择、营销渠道接入等人工处理流程的模式。机器学习自动化优化框架，可根据营销效果，不断对在线营销算法进行自动迭代更新。特征工程筛选目标人群，偏好算法学习并推荐合适产品、渠道和时间进行自动投放营销方案。效果报表自动跟踪并反馈推荐算法的效果，机器学习模块自动学习反馈数据，并据此对推荐算法模型进行自动调优并部署上线。自动优化算法的转化效果平均提升600%，累计转化用户超过200万，累计转化金额超300亿，营销转化交易量占比已经超过30%，模型更新周期从30天缩短到7天，模型部署工作从35天缩短到1分钟。智能投顾日渐成为金融企业标配“投资已经从主观投资发展到量化投资，再到今天火热的人工智能投资。” 这是前哈佛大学助理教授、大数据金融创业者郭健在大会上发表的一个观点。他指出，当下量化投资纷纷转型人工智能，比如世界最大的对冲基金AUM，2015年1月成立人工智能部门，吸引了IBM Waston智能计算系统发明人David Ferrucci加盟；世界最成功的高频交易公司Jump trading，占全美高频交易量的20%，聘请NLP顶级专家开发事件驱动系统获得成功。郭健表示：“未来的人工智能投资将是基于金融大数据、应用动态知识图谱、机器学习模型、动态机器学习模型支持价值投资、博弈投资，最终实现自动交易。”2016年可以说是中国智能投顾元年，苏宁金融、招商银行、蓝海财富等公司纷纷上线智能投顾平台。2016年，苏宁金融开发了智能投顾服务，通过理财机器人方式，为普通用户提供用的起的专业理财顾问服务。对于多数风险抵抗能力不强的投资者来说，智能投顾可以帮助用户节约费用成本、时间成本，实现资产稳健增值。苏宁智能投顾产品包括风险评测、投资策略分析、产品组合推荐三部分。苏宁智能投顾首先识别用户风险偏好，然后据此通过人工智能引擎推荐产品组合。苏宁智能投顾支持快速实现用户数据识别，对用户风险进行评价，得出用户倾向于保守型、稳健性、平衡性、成长型和进取型其中的哪一种风险偏好，再根据用户的风险偏好推荐相应的产品。配置上会主要选择公募基金（一期）和定期理财（二期）作为投资标的，公募基金目前覆盖几百支。苏宁智能投顾未来还会涉及到融资，为用户提供与支出目标相匹配的融资服务，做好资产负债管理。比如客户有5年后支出100万元的需求，现在只有20万元，投资收益率达不到，就提供消费金融服务。苏宁智能投顾对用户而言，为用户提供投资的专业性、信息的敏捷性、产品的科学性服务，增强用户投资信心，提高用户粘性。

4月18日，金融科技公司乐信在三亚召开2018合作伙伴大会，与众多合作伙伴共同探讨了如何利用人工智能等新技术提升金融服务效率。上海交大教授、欧洲科学院院士徐雷发表了主题演讲。徐雷认为，近些年兴起的第三次人工智能浪潮中，技术主要在五个核心方向上取得了突破。一是深度学习模式识别，AI成为“刷脸”和“会话”的“耳目”；二是以AlphaGO为代表的AI，成为能自主做出规划和决策的“主帅”；三是以IBM Watson为代表的AI，成为可以做出推理和咨询的“军师”；四是类人机器人系列，展现AI的“行动力”与执行力，拥有类似“神兵天将”般的“硬实力”；五是双向对偶深度学习方面，AI极大展现了其在自校方面和通讯、创意产业的“软实力”。“人工智能颠覆的第一个领域必然是金融。”徐雷说，金融行业的特点是利润率高、数据有标注、结构化量大、问题定义明确垂直，这些特点和人工智能所擅长的领域非常符合。在各种金融服务场景中，互联网、大数据、人工智能等技术有望为传统金融注入新鲜活力。徐雷认为，相较于传统金融模式，智能金融的优势十分明显。借助于海量数据、深度学习和超级计算能力，智能金融能在极短的时间内读取、整理和分析世界范围内的所有公开数据、图像乃至非结构化信息，并凭此作出投资、借贷与风险管理决定。“这种计算能力和速度，是人类不可比拟的。”徐雷表示，AI没有感情与思维定式，通过学习交易记录和历史来提升决策水平的能力远超人类，可提供因人而异、随时随地的定制化解决方案，在推动金融模块化服务向个性化服务转变方面，很有想象空间。金融的核心是信任，在风险控制和识别欺诈方面，AI技术正在快速得到场景化应用。徐雷在演讲中说，AI能够实时监测交易者习惯的改变，比如从不同的地点/浏览器访问网上银行，或者转账比平时更大的金额，就有可能是一个欺诈现象，AI能够通过关联客户的其他现成信息（比如机票购买甚至客户的地理定位）得出这一判断；AI还能够通过分析信用卡等金融数据，识别欺诈交易，并预测交易变化趋势，提前做出相应对策。徐雷举例，高盛集团与纳斯达克正在使用人工智能技术来追踪交易数据，包括通信、电子邮件、聊天甚至语音数据，以监控整个电子证券交易所存在的不当行为。花旗银行则战略投资了一家数据科学公司，利用机器学习来评估大数据和潜在欺诈行为。“互联网消费金融的风控反欺诈、智能投顾等领域，是AI最早商业化应用的场景，在这个领域，乐信等中国Fintech公司甚至走在很多硅谷公司的前列。”徐雷说。以乐信为例，乐信自主研发的“鹰眼”智能风控引擎，拥有超过5000个风控模型数据变量，可以对98%的订单全自动审核，秒级反馈结果；而海量小微金融资产处理技术平台“虫洞”则可直连金融机构，根据用户属性，订单类型及资产属性，自动对资产进行分级、定价，再按照不同资金方提交的资产要求，将这些消费金融资产实时推荐给金融机构，由他们完成审核实时放款。目前乐信的金融科技能力，已经成功应用于40多个外部流量场景，并与80多家金融机构达成了合作。乐信CEO肖文杰在会上还表示，未来三年，乐信将累计投入10亿人民币，用领先的金融科技，帮助金融机构获取优质用户和资产。本文来自TechWeb，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。