删除历史记录
　----
相关平台红包
在AI+金融浪潮中，你有没有掉队？
作者：之家哥
摘要：网贷之家小编根据舆情频道的相关数据，精心整理的关于《在AI+金融浪潮中，你有没有掉队？》的相关文章10篇，希望对您的投资理财能有帮助。
《在AI+浪潮中，你有没有掉队？》 精选一“”也许是（互联网）金融企业家和行业从业人员在2017年听到最多的热门词语之一。是“听到最多”，“做”得却很少；还有些人是“说”得挺多，“做”得同样很少。那么问题来了，难道我（的企业）掉队了吗？怀疑要么人工智能是个假命题，要么自己是假金融人。其实，你不是假金融人，人工智能更不是假命题。你只是没搞清楚人工智能到底是什么，或者你（的企业）确实在这波浪潮中掉队了，得补补课、加加油，迈开步子，避免被人工智能浪潮拍在沙滩上。本文将简单介绍人工智能的发展历程，并探讨现在和将来（互联网）金融企业应该如何接轨人工智能。人工智能的前世今生虽然“人工智能”这几个字似乎萦绕耳边，但实际上知其所以然的人少之又少，因此有必要先对人工智能的发展历程做一个简单的介绍。人工智能（英文缩写为 AI）通俗的定义是——研究、开发用于模拟、延伸和扩展人的智能的一门技术科学。1955年，在几个科学家发起的达特矛斯会议上，“人工智能”这个词被正式提出和深入讨论。因此，人工智能并不是个新事，已经发展60余年。不过近两年乘、等技术的东风取得了飞速发展，受到极大关注。人工智能很有可能在不远的将来成为改变人类经济、社会的新技术引擎。历经60余年，人工智能的发展大体上可分成三个阶段。从诞生到20 世纪80 年代初期为第一阶段。这一阶段是人工智能理论、模型积淀和应用尝试，包括神经元模型、图灵测试理论的提出、SNARC 神经网络计算机的发明、模型，感知器（AlphaGo 增强学习的雏形）的发明。本阶段后期由于人工智能早期的系统适用于较复杂问题时效果不理想，研发经费支持减少，人工智能进入低谷。20世纪 80年代初期至21 世纪初期为第二阶段。本阶段人工智能投入商业应用但未实现大的突破。一个著名的人工智能商业应用是卡内基和梅隆大学合作开发的 XCON-R1专家系统。在这一时期，日本、美国等国家相继投入巨资开发第5代计算机——人工智能计算机。而后，IBM、苹果推出家庭台式机，奠定了计算机工业的发展方向。第5代计算机由于技术路线明显背离计算机工业的发展方向，宣告失败，人工智能再一次进入低谷。21 世纪初期至今为第三阶段。这一阶段人工智能产生了质的变化， 并在持续发展中，不远的将来有望实现规模化应用。人工智能这个阶段的发展主要得益于三个方面的进步。首先是深度学习算法的发展，其次是互联网和大数据广泛应用带来海量数据量的积累，再次是云计算带来的计算能力的提升。深度学习算法的应用使得语音识别、图像识别技术取得了突破性进展，围绕语音、图像、机器人、自动驾驶等人工智能技术的创新大量涌现，人工智能进入快速发展阶段。除技术上的进步外，政府政策、巨量资本进入进一步加速了人工智能的产业化。如今，人工智能被看成是引领“第四次工业革命”的标志性技术。如何在这次工业革命中不掉队或者占领先机，是这个时代的每个企业应该思考的问题。人工智能将给（互联网）金融带来巨大的影响2017年建行与阿里、工行与京东、百度与农行先后达成战略合作，四大行中的三家与互联网巨头达成战略合作。三大行的举动意味着全行业对互联网+AI+金融未来前景价值的判断。我们简单梳理一下人工智能将给（互联网）金融带来的影响。首先，人工智能会使金融数据处理能力大幅提升。金融行业的数据是巨量的但又是非结构化的，只有通过人工智能的深度学习能力才能真正实现处理这些非结构化的数据。金融业务各个环节的市场分析、客户获取、、金融交易等的效率和精准度因此将得到极大提升。其次，人工智能会让金融客户获取金融服务的体验达到极致。人工智能会主动及时地获取客户需求，提供或调整更切合客户实际需求的服务；同时客户能借助人工智能变成“专家”，完成看似复杂的决策。从这些方面看，人工智能会让金融服务更精准、更迅捷、更贴心、更聪明。再次，人工智能会解放金融从业人员的劳动。这种影响是两面性的。好的一面是大量重复机械的工作（例如数据收集、数据分析、交易、客服等）将被人工智能代替；坏的一面是短期看会导致一些金融从业人员失业。做，拿来主义和自食其力要并举在人工智能生态系统中，人工智能分成两大部分，一部分是基础设施（包括模型、数据分析工具等软件系统以及诸如超级计算机、云服务器等硬件设施）；另一部分是产业应用，诸如将深度学习、自然语言处理、计算机视觉、手势控制、虚拟私人助手、智能机器人等应用于各行各业。基础设施这部分显然是巨头们的地盘，例如谷歌、Facebook、IBM、亚马逊、微软、百度等，更多的企业是在行业应用开发上开展竞争。聚焦到（互联网）金融行业，人工智能可以被应用到金融的前中后端各个环节。金融企业与人工智能接轨有两种模式，第一种，通用的人工智能应用（例如技术等）通常是奉行拿来主义，从专业公司引入；第二种是金融行业专有的应用（例如），金融机构通常选择根据本公司独特的需求自行研发。拿来主义是专业的人做专业的事情的一种态度，也是降低企业成本的一种方法；而自食其力的自行研发一方面是为满足个性化需求，也是保护核心商业机密（通常是涉及到客户数据、商业模型等的方面）所需。智能金融仍待从国外取经从国际上看，欧美，尤其是在美国，金融领域的人工智能应用方面发展相对成熟，在金融各个环节有大量的创新创业公司，包括信用评估、智能客服、智能投顾、智能市场研究、贷款、监管合规等。此类公司多达几百家，既有各类互联网巨头和传统金融机构巨头，又有新兴的创新企业，诸如Zestfinance（信用评估）、Digit（智能客服）、Sentient Technologis（智能投顾）、AI Phasense（智能市场研究）、True Accord（贷款催收）、Digital Reasoning System（监管合规）。相比之下，国内多数金融公司的人工智能应用局限在有限的几个方面，即智能投顾（据说有几十个平台为智能投顾平台）、贷前管理（人脸识别和反欺系统），少量机构应用到了人工智能客服辅助服务。典型企业有百度金融（综合）、财鲸（智能投顾）、品钛集团璇玑（智能投顾）和（智能信贷）、投米RA（智能投顾）、交行小e（智能客服）、平安的智能客服系统等。从应用方向上看，国内人工智能在金融业实际应用较多，相反在金融业目前还非常有限。国内真正的智能金融公司总量很少。总结（1）AI时代已经来临，迎接它吧。（2）各路巨头已经布局智能金融，新兴公司也不甘落后，我们不要只“听”和“说”，要行动起来了。（3）AI不是巨头的专利，小公司也可以从某些应用场景切入做智能金融。在人工智能和智能金融领域，欧美同行走在前列，多向它们取经。AI和AI+金融远比上文所探讨的范围要广，深度更深，因此以上文字纯属抛砖引玉，也不免有偏颇之处，欢迎指正和探讨。针对AI+金融，我们将继续从政策环境、模式赛道、细分应用和产品等角度对其进行研究和剖析，以期挖掘出新金融企业，尤其是企业与AI接轨的正确姿势。《在AI+金融浪潮中，你有没有掉队？》 精选二“人工智能”也许是（互联网）金融企业家和行业从业人员在2017年听到最多的热门词语之一。是“听到最多”，“做”得却很少；还有些人是“说”得挺多，“做”得同样很少。那么问题来了，难道我（的企业）掉队了吗？怀疑要么人工智能是个假命题，要么自己是假金融人。其实，你不是假金融人，人工智能更不是假命题。你只是没搞清楚人工智能到底是什么，或者你（的企业）确实在这波浪潮中掉队了，得补补课、加加油，迈开步子，避免被人工智能浪潮拍在沙滩上。本文将简单介绍人工智能的发展历程，并探讨现在和将来（互联网）金融企业应该如何接轨人工智能。人工智能的前世今生虽然“人工智能”这几个字似乎萦绕耳边，但实际上知其所以然的人少之又少，因此有必要先对人工智能的发展历程做一个简单的介绍。人工智能（英文缩写为 AI）通俗的定义是——研究、开发用于模拟、延伸和扩展人的智能的一门技术科学。1955年，在几个科学家发起的达特矛斯会议上，“人工智能”这个词被正式提出和深入讨论。因此，人工智能并不是个新事，已经发展60余年。不过近两年乘大数据、云计算等技术的东风取得了飞速发展，受到极大关注。人工智能很有可能在不远的将来成为改变人类经济、社会的新技术引擎。历经60余年，人工智能的发展大体上可分成三个阶段。从诞生到20 世纪80 年代初期为第一阶段。这一阶段是人工智能理论、模型积淀和应用尝试，包括神经元模型、图灵测试理论的提出、SNARC 神经网络计算机的发明、深度学习模型，感知器（AlphaGo 增强学习的雏形）的发明。本阶段后期由于人工智能早期的系统适用于较复杂问题时效果不理想，研发经费支持减少，人工智能进入低谷。20世纪 80年代初期至21 世纪初期为第二阶段。本阶段人工智能投入商业应用但未实现大的突破。一个著名的人工智能商业应用是卡内基和梅隆大学合作开发的 XCON-R1专家系统。在这一时期，日本、美国等国家相继投入巨资开发第5代计算机——人工智能计算机。而后，IBM、苹果推出家庭台式机，奠定了计算机工业的发展方向。第5代计算机由于技术路线明显背离计算机工业的发展方向，宣告失败，人工智能再一次进入低谷。21 世纪初期至今为第三阶段。这一阶段人工智能产生了质的变化， 并在持续发展中，不远的将来有望实现规模化应用。人工智能这个阶段的发展主要得益于三个方面的进步。首先是深度学习算法的发展，其次是互联网和大数据广泛应用带来海量数据量的积累，再次是云计算带来的计算能力的提升。深度学习算法的应用使得语音识别、图像识别技术取得了突破性进展，围绕语音、图像、机器人、自动驾驶等人工智能技术的创新大量涌现，人工智能进入快速发展阶段。除技术上的进步外，政府政策、巨量资本进入进一步加速了人工智能的产业化。如今，人工智能被看成是引领“第四次工业革命”的标志性技术。如何在这次工业革命中不掉队或者占领先机，是这个时代的每个企业应该思考的问题。人工智能将给（互联网）金融带来巨大的影响2017年建行与阿里、工行与京东、百度与农行先后达成战略合作，四大行中的三家与互联网巨头达成战略合作。三大行的举动意味着全行业对互联网+AI+金融未来前景价值的判断。我们简单梳理一下人工智能将给（互联网）金融带来的影响。首先，人工智能会使金融数据处理能力大幅提升。金融行业的数据是巨量的但又是非结构化的，只有通过人工智能的深度学习能力才能真正实现处理这些非结构化的数据。金融业务各个环节的市场分析、客户获取、风险控制、金融交易等的效率和精准度因此将得到极大提升。其次，人工智能会让金融客户获取金融服务的体验达到极致。人工智能会主动及时地获取客户需求，提供或调整更切合客户实际需求的服务；同时客户能借助人工智能变成“专家”，完成看似复杂的决策。从这些方面看，人工智能会让金融服务更精准、更迅捷、更贴心、更聪明。再次，人工智能会解放金融从业人员的劳动。这种影响是两面性的。好的一面是大量重复机械的工作（例如数据收集、数据分析、交易、客服等）将被人工智能代替；坏的一面是短期看会导致一些金融从业人员失业。做智能金融，拿来主义和自食其力要并举在人工智能生态系统中，人工智能分成两大部分，一部分是基础设施（包括机器学习模型、数据分析工具等软件系统以及诸如超级计算机、云服务器等硬件设施）；另一部分是产业应用，诸如将深度学习、自然语言处理、计算机视觉、手势控制、虚拟私人助手、智能机器人等应用于各行各业。基础设施这部分显然是巨头们的地盘，例如谷歌、Facebook、IBM、亚马逊、微软、百度等，更多的企业是在行业应用开发上开展竞争。聚焦到（互联网）金融行业，人工智能可以被应用到金融的前中后端各个环节。金融企业与人工智能接轨有两种模式，第一种，通用的人工智能应用（例如人脸识别技术等）通常是奉行拿来主义，从专业公司引入；第二种是金融行业专有的应用（例如智能投顾），金融机构通常选择根据本公司独特的需求自行研发。拿来主义是专业的人做专业的事情的一种态度，也是降低企业成本的一种方法；而自食其力的自行研发一方面是为满足个性化需求，也是保护核心商业机密（通常是涉及到客户数据、商业模型等的方面）所需。智能金融仍待从国外取经从国际上看，欧美，尤其是在美国，金融领域的人工智能应用方面发展相对成熟，在金融各个环节有大量的创新创业公司，包括信用评估、智能客服、智能投顾、智能市场研究、贷款催收、监管合规等。此类公司多达几百家，既有各类互联网巨头和传统金融机构巨头，又有新兴的创新企业，诸如Zestfinance（信用评估）、Digit（智能客服）、Sentient Technologis（智能投顾）、AI Phasense（智能市场研究）、True Accord（贷款催收）、Digital Reasoning System（监管合规）。相比之下，国内多数金融公司的人工智能应用局限在有限的几个方面，即智能投顾（据说有几十个平台为智能投顾平台）、贷前风控管理（人脸识别和反欺系统），少量机构应用到了人工智能客服辅助服务。典型企业有百度金融（综合）、财鲸（智能投顾）、品钛集团璇玑（智能投顾）和读秒（智能信贷）、宜信投米RA（智能投顾）、交行小e（智能客服）、平安的智能客服系统等。从应用方向上看，国内人工智能在金融业资金端实际应用较多，相反在金融业资产端目前还非常有限。国内真正的智能金融公司总量很少。总结（1）AI时代已经来临，迎接它吧。（2）各路巨头已经布局智能金融，新兴公司也不甘落后，我们不要只“听”和“说”，要行动起来了。（3）AI不是巨头的专利，小公司也可以从某些应用场景切入做智能金融。在人工智能和智能金融领域，欧美同行走在前列，多向它们取经。AI和AI+金融远比上文所探讨的范围要广，深度更深，因此以上文字纯属抛砖引玉，也不免有偏颇之处，欢迎指正和探讨。针对AI+金融，我们将继续从政策环境、模式赛道、细分应用和产品等角度对其进行研究和剖析，以期挖掘出新金融企业，尤其是互联网金融企业与AI接轨的正确姿势。《在AI+金融浪潮中，你有没有掉队？》 精选三“人工智能”也许是（互联网）金融企业家和行业从业人员在2017年听到最多的热门词语之一。是“听到最多”，“做”得却很少；还有些人是“说”得挺多，“做”得同样很少。那么问题来了，难道我（的企业）掉队了吗？怀疑要么人工智能是个假命题，要么自己是假金融人。其实，你不是假金融人，人工智能更不是假命题。你只是没搞清楚人工智能到底是什么，或者你（的企业）确实在这波浪潮中掉队了，得补补课、加加油，迈开步子，避免被人工智能浪潮拍在沙滩上。本文将简单介绍人工智能的发展历程，并探讨现在和将来（互联网）金融企业应该如何接轨人工智能。人工智能的前世今生虽然“人工智能”这几个字似乎萦绕耳边，但实际上知其所以然的人少之又少，因此有必要先对人工智能的发展历程做一个简单的介绍。人工智能（英文缩写为 AI）通俗的定义是——研究、开发用于模拟、延伸和扩展人的智能的一门技术科学。1955年，在几个科学家发起的达特矛斯会议上，“人工智能”这个词被正式提出和深入讨论。因此，人工智能并不是个新事，已经发展60余年。不过近两年乘大数据、云计算等技术的东风取得了飞速发展，受到极大关注。人工智能很有可能在不远的将来成为改变人类经济、社会的新技术引擎。历经60余年，人工智能的发展大体上可分成三个阶段。从诞生到20 世纪80 年代初期为第一阶段。这一阶段是人工智能理论、模型积淀和应用尝试，包括神经元模型、图灵测试理论的提出、SNARC 神经网络计算机的发明、深度学习模型，感知器（AlphaGo 增强学习的雏形）的发明。本阶段后期由于人工智能早期的系统适用于较复杂问题时效果不理想，研发经费支持减少，人工智能进入低谷。20世纪 80年代初期至21 世纪初期为第二阶段。本阶段人工智能投入商业应用但未实现大的突破。一个著名的人工智能商业应用是卡内基和梅隆大学合作开发的 XCON-R1专家系统。在这一时期，日本、美国等国家相继投入巨资开发第5代计算机——人工智能计算机。而后，IBM、苹果推出家庭台式机，奠定了计算机工业的发展方向。第5代计算机由于技术路线明显背离计算机工业的发展方向，宣告失败，人工智能再一次进入低谷。21 世纪初期至今为第三阶段。这一阶段人工智能产生了质的变化， 并在持续发展中，不远的将来有望实现规模化应用。人工智能这个阶段的发展主要得益于三个方面的进步。首先是深度学习算法的发展，其次是互联网和大数据广泛应用带来海量数据量的积累，再次是云计算带来的计算能力的提升。深度学习算法的应用使得语音识别、图像识别技术取得了突破性进展，围绕语音、图像、机器人、自动驾驶等人工智能技术的创新大量涌现，人工智能进入快速发展阶段。除技术上的进步外，政府政策、巨量资本进入进一步加速了人工智能的产业化。如今，人工智能被看成是引领“第四次工业革命”的标志性技术。如何在这次工业革命中不掉队或者占领先机，是这个时代的每个企业应该思考的问题。人工智能将给（互联网）金融带来巨大的影响2017年建行与阿里、工行与京东、百度与农行先后达成战略合作，四大行中的三家与互联网巨头达成战略合作。三大行的举动意味着全行业对互联网+AI+金融未来前景价值的判断。我们简单梳理一下人工智能将给（互联网）金融带来的影响。首先，人工智能会使金融数据处理能力大幅提升。金融行业的数据是巨量的但又是非结构化的，只有通过人工智能的深度学习能力才能真正实现处理这些非结构化的数据。金融业务各个环节的市场分析、客户获取、风险控制、金融交易等的效率和精准度因此将得到极大提升。其次，人工智能会让金融客户获取金融服务的体验达到极致。人工智能会主动及时地获取客户需求，提供或调整更切合客户实际需求的服务；同时客户能借助人工智能变成“专家”，完成看似复杂的决策。从这些方面看，人工智能会让金融服务更精准、更迅捷、更贴心、更聪明。再次，人工智能会解放金融从业人员的劳动。这种影响是两面性的。好的一面是大量重复机械的工作（例如数据收集、数据分析、交易、客服等）将被人工智能代替；坏的一面是短期看会导致一些金融从业人员失业。做智能金融，拿来主义和自食其力要并举在人工智能生态系统中，人工智能分成两大部分，一部分是基础设施（包括机器学习模型、数据分析工具等软件系统以及诸如超级计算机、云服务器等硬件设施）；另一部分是产业应用，诸如将深度学习、自然语言处理、计算机视觉、手势控制、虚拟私人助手、智能机器人等应用于各行各业。基础设施这部分显然是巨头们的地盘，例如谷歌、Facebook、IBM、亚马逊、微软、百度等，更多的企业是在行业应用开发上开展竞争。聚焦到（互联网）金融行业，人工智能可以被应用到金融的前中后端各个环节。金融企业与人工智能接轨有两种模式，第一种，通用的人工智能应用（例如人脸识别技术等）通常是奉行拿来主义，从专业公司引入；第二种是金融行业专有的应用（例如智能投顾），金融机构通常选择根据本公司独特的需求自行研发。拿来主义是专业的人做专业的事情的一种态度，也是降低企业成本的一种方法；而自食其力的自行研发一方面是为满足个性化需求，也是保护核心商业机密（通常是涉及到客户数据、商业模型等的方面）所需。智能金融仍待从国外取经从国际上看，欧美，尤其是在美国，金融领域的人工智能应用方面发展相对成熟，在金融各个环节有大量的创新创业公司，包括信用评估、智能客服、智能投顾、智能市场研究、贷款催收、监管合规等。此类公司多达几百家，既有各类互联网巨头和传统金融机构巨头，又有新兴的创新企业，诸如Zestfinance（信用评估）、Digit（智能客服）、Sentient Technologis（智能投顾）、AI Phasense（智能市场研究）、True Accord（贷款催收）、Digital Reasoning System（监管合规）。相比之下，国内多数金融公司的人工智能应用局限在有限的几个方面，即智能投顾（据说有几十个平台为智能投顾平台）、贷前风控管理（人脸识别和反欺系统），少量机构应用到了人工智能客服辅助服务。典型企业有百度金融（综合）、财鲸（智能投顾）、品钛集团璇玑（智能投顾）和读秒（智能信贷）、宜信投米RA（智能投顾）、交行小e（智能客服）、平安的智能客服系统等。从应用方向上看，国内人工智能在金融业资金端实际应用较多，相反在金融业资产端目前还非常有限。国内真正的智能金融公司总量很少。总结（1）AI时代已经来临，迎接它吧。（2）各路巨头已经布局智能金融，新兴公司也不甘落后，我们不要只“听”和“说”，要行动起来了。（3）AI不是巨头的专利，小公司也可以从某些应用场景切入做智能金融。在人工智能和智能金融领域，欧美同行走在前列，多向它们取经。AI和AI+金融远比上文所探讨的范围要广，深度更深，因此以上文字纯属抛砖引玉，也不免有偏颇之处，欢迎指正和探讨。针对AI+金融，我们将继续从政策环境、模式赛道、细分应用和产品等角度对其进行研究和剖析，以期挖掘出新金融企业，尤其是互联网金融企业与AI接轨的正确姿势。《在AI+金融浪潮中，你有没有掉队？》 精选四2017年，人工智能（AI）的热潮扑面而来，并迅速渗透到我国领域。国务院发布的《新一代人工智能发展规划》指出，推动人工智能与各行业融合创新，创新智能金融产品和服务，发展金融新业态，并鼓励金融行业应用智能客服、智能监控等技术和装备。可以看到，人工智能技术已获得国家层面的战略支持，发展态势向好，带动金融机构、互联网企业纷纷试水智能投顾，在我国互联网市场上掀起波澜。市场扩容：人工智能催热财富管理当前，人工智能在金融领域的应用，主要集中在智能投顾、智能风控、金融监管等方面。这两年兴起的智能投顾，是指用有限或无人工的服务，根据用户大数据偏好特征分析，通过算法和产品搭建数据模型，为客户提供建议。随着金融科技向纵深推进，基于智能投顾应用的财富管理也显现出更多的市场机遇。由艾媒咨询发布的《2017年中国智能投顾市场专题研究报告》显示，2016年，我国用户达3.11亿人，预计到2017年底，这一数据将达到3.84亿。而智联发布的《2017年新中产调查报告》显示，我国新中产阶级在20万元至500万元，但自我评分仅为5.3分（总分10分），认为自己理财能力还远远不够。由此，随着大众互联网理财观念的逐步普及，理财规模随之扩大，智能投顾以低成本、风险分散、无情绪化等特点恰恰迎合了中产阶层、大众富裕阶层理财的需要，加之人工智能获得国家层面的支持，智能投顾正催生我国互联网财富管理市场的进一步扩容。抢滩布局：新金融探路智能投顾记者发现，在当前市场上，互联网财富管理平台、金融科技企业等新金融业态，纷纷将目光投向了人工智能，在智能投顾领域试水，带动智能金融产品和服务迭代创新。智能投顾的核心在于数据。国内几家互联网巨头具有海量数据积淀，具备智能投顾的先发优势。据了解，阿里旗下及京东利用自身的数据技术优势，发力人工智能技术，在去年都曾推出智能投顾。宜信财富平台推出的“投米RA”、蛋卷基金等智能投顾产品，也在市场上崭露头角。与此同时，也有多家银行金融机构开始积极拥抱人工智能技术，推进相应的智能投顾产品面市。蚂蚁财富AI项目负责人余鹏表示，人工智能在财富领域的应用，可以发挥出其专业力量优势，解决用户痛点。首先是懂用户，帮助用户理解和优选产品。其次是连接产品并进行智能匹配，在适当基础上根据不同用户投资兴趣和偏好，提供认知度更强的产品。比如，在蚂蚁财富平台上，机器人安娜便是人工智能技术做成的财富顾问。据介绍，安娜平均85秒回答一个问题，每天可回答网友1000个以上的理财、经济等问题，满意率达93%。在董事长吴雅楠看来，人工智能是行业发展趋势，金融科技公司可发力进军智能投顾领域。但要注意的是，人工智能离不开一定量数据的积累，科技公司需要有节奏地推出现阶段可行的智能服务，持续通过用户使用、数据积累来优化智能模型，并不断迭代更新。并非“万能”：“智能化”仍待市场考验诚然，人工智能的发展是大势所趋，但需要指出的是，人工智能也并非“万能”。智能投顾在我国的发展总体上仍处于初期阶段，有待进一步考验。比如仍未完全打破，数据孤岛的现象也客观存在。有业内人士表示，人工智能技术凭借深度学习能力，改变在过程中人为操作的情绪化特点，提升投资理财的效率。但做到“深度学习”四个字并非易事。比如，智能客服也是当前各大财富管理平台最常使用的人工智能技术。蚂蚁金服副总裁漆远日前表示，虽然人工智能客服技术已广泛使用，但实际上，多数客服更接近于一个搜索引擎，将用户输入的关键词与数据库已备好的相关答案进行匹配。而对于口语化的提问，往往很难给出“智能”回答，和人工客服存在客观差距。“智能本身要应用在用户上，对用户行为较好的理解、对数据的解析和处理能力、金融本质理解和建模能力等要素，对于人工智能发展至关重要。”吴雅楠表示，没有一成不变的金融服务，智能投顾产品的开发者始终要关注“变化”和智能升级。用户在变，市场在变，在变，“智能”需要对这些变化有兼容性和处理能力。他进一步表示，从投资理财用户角度出发，需理性对待智能投顾，可以采取递进方式使用智能投顾服务，但也要阶段性去复盘投资结果和智能投顾服务承诺的结果是否一致。总体上看，相信逻辑，比如风险和收益对等的原则，胜过盲目信任一套系统。《在AI+金融浪潮中，你有没有掉队？》 精选五编者按智能投顾已经成为金融行业炙手可热的概念，本文对这个处于“风口”上的行业进行了理性的思考，分析了智能投顾与赚取高回报的神秘机器人、程序化交易相关的量化交易以及智能客服这三者的区别，认为智能投顾必须包含“投资”和“顾问”两方面的内容，从“顾+投+智能”三要素结合的角度出发，既要像一样为客户在财富管理上做出“靠谱”的财富回报，也要像一样为客户表现出人性化“温暖”的沟通和体贴陪伴。智能投顾的“投顾”，必须包含金融中的“投资”和“顾问”两方面的服务内容。如果没有这些功能，只是把产品像超市一样堆积在网络页面和手机软件中，本质只是电子渠道销售而已，离真正的智能投顾相差甚远，有盗名之嫌。因此，要判断一个智能投顾产品的好坏，必须要从理论上的“顾+投+智能”三要素结合出发。——马天平2016年既被称为人工智能新元年，又成为人工智能发展的第一个60年甲子期。Alpha Go带动各行各业掀起人工智能之风。金融行业也不例外，把人工智能与金融业务结合起来，迈步走向更智能的“科技金融”。其中智能投顾业务被称为科技金融业务的典范，从美国的Kensho、Wealthfront、Betterment等机构开始，国内出现了众多智能投顾机构。不论是证券业、、银行业等标准的金融机构，还是第三方的金融产品销售机构和互联网金融机构，纷纷抛出智能投顾概念，各自推出产品。尽管一边是概念的升温，但另一边则是市场的质疑。投资人以及行业在体验这些落地产品的过程中均开始反思，什么样的智能投顾具有价值，科学的银行业智能投顾的判断标准在哪里，为什么很多智能投顾还是以问卷测评、产品推荐为服务的起点和终点。因此，对于如火如荼的智能投顾，梳理其发展中遇到的争论，分析争论背后的定义和概念，阶段性思考其发展方向，对于整个行业的发展来说至关重要。智能投顾不等于赚取高回报的神秘机器人因Alpha Go通过机器学习在围棋中战胜人类选手，全社会对机器学习投去神秘甚至畏惧的眼光，尤其是其深度学习能力。智能投顾也因此被戴上神秘而强大的光环，众多希望借助机器人在金融市场中交易，尤其是类似的可自动化交易的领域，希望机器人能像“收益收割机”一样获取源源不断的超高额回报。即使自己不能像科学家一样造出类似的东西，也希望市场有机构能提供类似的机器人，让机器人执行其投资指令或投资建议，让自己获得超额收益。如果能这样，那么客户愿意付费去采购这样的机器人，这个神秘的机器人就是期待的“智能投顾”。但这一逻辑却存在深刻悖论。因为智能投顾是科技专家造的，如果他们能够造出如此神秘高端的智能投顾机器人，那为什么科技专家不直接将此机器人用于自有资金的市场交易并通过获取回报，而要依靠出售机器人的投资建议给他人，来获取此类回报？因此，只能推出智能投顾不可能是赚取高回报的神秘机器人这一结论。如此以来，既然智能投顾难以赚取超高回报，那么赶上风口的神秘感一定会褪去。当潮水褪去时，客户的信任感将大打折扣，该类智能投顾将从神坛上跌落下来。这也说明，目前的，尤其是市场中，智能投顾的理念是需要重新定义和反思的。从技术上看，机器学习可以分为多种做法，例如通常所说的符号主义、联结主义、行为主义、进化主义、贝叶斯派等派别。但不论如何，哪怕是深度学习也尚且不能完全解构金融市场的多重复杂混沌属性。金融市场不同于人造的某类固定规则下的博弈，例如围棋象棋、德州扑克等游戏规则透明固定，存在明确的推理基础，而金融市场的因子相互依存，资金因素、情绪因素、政策因素、工具因素、参与者反身性因素等每个方面都既是市场的自变量又是因变量，相互转化、相互依存，在时间序列中形成不可完全重复的动态混沌结构。这些复杂性，使得现阶段的机器学习尚不能精准处理这些理性逻辑链条和非理性情绪因子，难以发挥确定的作用。当然，并不能否认机器学习在金融市场的作用。从交易信号看，机器学习是可以作为辅助信号和储备信号的，是资产管理投资交易的参照性工具，是一种新式方法论。智能投顾不等于程序化交易相关的量化交易量化交易在狭义上又可以称为程序化交易。美国从20世纪60、70年代开始将程序化交易应用于金融市场，尤其是对于一些逻辑可以触达，但手工执行难以到达的交易，机器程序交易具有巨大的便利性。除了严格的下单、成交、批处理、技术指标等以外，程序化交易还可以实现止损、止盈、趋势跟踪等辅助交易目的，尤其是在时间较短的高频领域，通过市场微观结构理论，可以在秒钟级甚至毫秒级以内实现订单的买卖，获取波动率极低的高性价比收益。但这些程序性量化交易并不能称为核心范畴内的智能交易，尽管具有较多自动化，但不涉及如图像识别、声音处理方面的感知智能，也不涉及语言文本、逻辑推理的反向学习、深度学习、有监督无监督的机器学习等。机器学习的魅力在于根据已有的输入条件、在已明确的目标下，依据特定的规则，获得信息处理的模型过程参数或函数。量化交易在于根据已有的逻辑和数据前提，通过历史回测和多次模拟，得到想实现的业绩目标。需要的数据信号以及信号之间的钩稽梳理合成，往往是在投前离不开逻辑假设，在投后又需要业绩归因。如果没有逻辑，黑箱化，不可解释或只是关注技术上的回测效果，可能是过度拟合，且是失真的。因此，当没有搭建机器学习平台构建深度学习因子时，机构追求此类方式的交易需求较为强烈，但当机器学习和深度学习构建之后，面对机器学习给出的成百上千个“优质”模型，机构反而不会拿真金白银去实盘每一个策略。原因就在于，机器学习的不可解释性和金融市场条件之间的复杂因果性。在不清楚自身的类别和暴露程度时，作为谨慎的，必须只认可其作为补充交易信号，而不能作为充分性的自动化量化交易信号依据。也就是说，机器学习在金融市场的交易远远没有成熟，金融市场的资产管理交易复杂程度远高于规则清晰的棋艺游戏类推理和有监督的深度学习，但把机器学习的金融交易作为辅助信号是有必要的。智能投顾不等于形似而神不似的智能客服除了智能投顾的“投”与量化交易、程序化交易有相似之处，智能投顾的“顾”，即客户服务方面，如果用人机交互的对话系统的问答方式，与目前市场火热的“智能客服”也有相似之处。智能客服，是指利用NLP（神经语言程序学）自然语言处理技术，结合语料问答和知识图谱，提供类似人工客服的应答系统。以往电信、政府、银行等众多的服务性机构在传统业务中会雇佣大量的人工客服团队，而智能客服通过技术化处理省略掉大部分人工客服，提高服务效能。但目前的智能客服主要是由技术专家结合行业客户一起研发，技术专家输出技术，行业客户提供知识点。而智能投顾是在投资和财富管理领域中发挥财富顾问的作用，通过熟悉客户、认知客户，以此建立需求的起点，在人机交互中洞察客户，更“懂”客户，并以此服务客户的投资全过程。就目前看，智能客服和智能投顾存在较多本质性差异：一是智能客服往往能够处理通用性问题，但当问题涉及行业特征和客户特征时则难以回答。例如“怎么购买产品？”智能客服很容易回答，但对于“我该购买什么产品？”则很难回答。同样对于“明天市场走势如何？”很容易回答，但对于“明天的市场情形我该做什么？”则很难回答。而后者正体现了智能投顾的差异化优势。二是智能客服回答较为静态和被动，不能实现动态和连续。很多智能客服仅仅是将储存的问题调用出来，很难动态跟踪客户的变化，只是为了硬着头皮回答客户批量性简单性的相同问题，并没有主动洞察客户的思想。智能投顾是在主动洞察的基础上发挥“顾问”的作用而不是“客服”的作用，进而带来个性化的专业价值。也即是说，智能客服偏功能性，而智能投顾偏分析性。三是理念上的差异。智能客服追求“响应即服务”，而智能投顾是“诊断后才服务”。智能客服只要以固定的问题、固定的答案应答即可，但智能投顾是固定的问题，不同的答案。这也隐射出客服是一种事后、售后性的工作，但投顾是一种事前、前瞻性的工作。四是技术上的差异。尽管智能客服和智能投顾可能都会用到NLP等语言技术，但是技术的深度和颗粒度远远不同。智能客服将通用技术运用于各个行业，既覆盖非金融业务，又触及金融业务，“泛而不专”。若希望实现专业的回答，则需考虑到每一个垂直行业都有非常多的细节，尤其是涉及行业的微小专业知识和相关流程。因此NLP技术必须深度结合行业知识，才能将智能程度提升到更高水平。例如，对于“怎么样购买产品？”与“购买产品怎么样？”，在纯语言技术上差异可能不大，但对于财富管理行业而言，前者意味着客户尚没有享受金融产品，后者则表示客户已经在关心自己金融产品，差异迥然。智能投顾的本质与内涵通过多角度的边际比较可以看出智能投顾其深刻内涵和本质，即智能是手段，投顾是目的。通过利用人工智能这一手段，来实现传统上难以实现的顾问式服务目标。首先，智能投顾的“智能”必须包含核心的人工智能技术。现阶段核心的人工智能技术可以分为两大方面，感知智能与认知智能。感知智能与人的感觉知晓相关，例如视觉、听觉等。目前来看，视觉方面的人工智能技术主要是图像识别技术，包括虹膜识别、人脸识别、无人驾驶等；听觉方面的人工智能技术主要是语音合成、声纹识别、语音测评等。认知智能与人的语言、理解和逻辑相关，例如学习、推理、思考、规划等。目前来看，落地的领域主要是游戏、棋艺和自然语言处理等。尤其是自然语言处理NLP，包含语义分析、语用分析、机器翻译、文本匹配、文本分类、对话系统等。也就是说，人工智能技术必须触及人的“眼睛、耳朵、嘴巴”三方面之一。如果金融业中的智能投顾，并不涉及这三方面的技术，则只能说使用的是传统的网络工程技术，因此不能简单称为智能投顾。其次，智能投顾的“投顾”，必须包含金融中的“投资”和“顾问”两方面的服务内容。投资服务，就是人工智能下的智能投顾机器人能像一样帮助客户，实现事前的风险预算、事中的资产配置、事后的自动调仓、投后监测和市场研判的自动化；顾问服务，就是智能投顾机器人能像银行顾问服务人员一样，为客户实现方案定制、资产诊断、财富规划、咨询陪伴等内容。如果没有这些功能，只是把产品像超市一样堆积在网络页面和手机软件中，本质只是电子渠道销售而已，离真正的智能投顾相差甚远，有盗名之嫌。因此，整体而言，要判断一个智能投顾产品的好坏，必须要从理论上的“顾+投+智能”三要素结合出发，同时利用金融行业的特殊性，深刻理解并践行落地。作为一项称得上人工智能方面的科技金融创新，智能投顾必须尽可能为客户实现上述的三要素价值。由此，也可以推导出，科学的智能投顾判断标准是：既要像投资经理一样为客户在财富管理上做出“靠谱”的财富回报，也要像理财顾问一样为客户表现出人性化“温暖”的沟通和体贴陪伴。当然，判断一个产品，做成一件事，也可以从人的角度来评价：谁来做，为谁做，谁评价。当前智能投顾面临着一定的泡沫，不管是各类持牌金融机构，还是非金融机构，不论是注管理的机构，还是注重客户服务的机构，不管是二级金融市场，还是一级金融市场，“智能投顾”业务正轰轰烈烈开战，泥沙俱下。相信人工智能的风口期过去后，市场将迎来更为真实的检验，行业将会更多反思智能投顾的标准、定义、内涵和外延等，反问是否真的给客户创造了价值。来源：《清华金融评论》作者：北京贝塔智投CEO马天平未央精选行业时事深圳、江苏金融办加挂“监管局”牌子深圳将设立金融科技专项奖 蚂蚁金服推出全球可信身份平台ZOLOZ传趣店拟于10月18日在美国上市 俄罗斯再次逼近3万元 万事达卡CEO称非政府发行的都是垃圾案例分析货币集市：将P2P模式引入流程复盘「泡沫」人工智能在硅谷：技术如何重塑金融格局？Olivia AI：基于人工智能的个人财务管理助手监管动态广州要求互联网金融企业设立首席风险官北京市互联网金融协会：坚决打击“”模式央行特急文件对实施定向到底是为了什么？深圳出台全国首份业务退出指引：退出期间高管不可失联深度观察“对私”与“对公”的场景问题互金爆点锐减，说明了什么？支付宝上线信用租房平台，对租房市场有何影响？朱民：主导金融科技的是金融还是科技？活动荐书《全球互联网金融商业模式：格局与发展》，你拿到手了吗？：全阵容45位嘉宾观点集锦未央海外游学计划启动！英国金融科技之旅等你报名【GELP荐书】这是属于父辈的故事清华大学五道口金融学院互联网实验室成立于2012年4月，是中国第一家专注于互联网金融领域研究的科研机构。专业研究 |商业模式 o 政策研究 o 行业分析内容平台 |未央网o互联网金融微信公众号iefinance创业教育|清华大学中国创业者训练营 o全球创业领袖项目（报名中！点击查看详情）网站：未央网http://www.weiyangx.com免责声明：转载内容仅供读者参考。如您认为本公众号的内容对您的知识产权造成了侵权，请立即告知，我们将在第一时间核实并处理。WeMedia（自媒体联盟）成员，其联盟关注人群超千万《在AI+金融浪潮中，你有没有掉队？》 精选六自2006年“深度学习”神经网络提出后，人工智能科技的研发进入了高速增长的快车道。2016年3月，谷歌AlphaGo战胜李世石九段，将人工智能的阶段性成就正式展示在了全世界面前，特别是对中国社会对人工智能的接受认可产生了重大影响。人工智能科技由此渗透进入了国内生产制造、媒体传播、消费服务等各行业领域，成为当前公认的行业风口。特别是在金融领域，智能金融发展迅速，被市场认为是解决行业痛点、提质增效开拓市场的下一个主要增长点。在A股证券市场中，人工智能、金融科技概念在2015年上半年迎来了一波爆发期，这也与智能投顾平台等智能金融在国内的成长轨迹高度吻合，相互呼应。观察中证人工智能主题指数、中证金融科技主题指数可以发现，从2014年底至2015年6月中，两者均出现了极大的增长，涨幅达到2.5~4倍左右。2015年6月后，随着市场热点转移，以及行业内相关问题的暴露，两指数均有较大幅度波动回落并持续至今。从上市券商公布的情况来看，其大规模涉入人工智能领域，与金融业务相结合，出现在2016年，自2016年起，上市券商在其定期报告中开始出现智能金融相关概念的描述。智能金融代表着人工智能科技在金融领域的发展方向。本报告将主要集中研究探讨国内证券业以智能投顾为代表的智能金融发展现状、市场结构、产品特点、业内观点、未来预测等。本报告主要采用相关业内人士深度访谈、问卷统计分析、桌面研究等方法。同时，报告内分析统计主要依据国内最早提供大中华和数据服务的专业机构巨灵财经提供的数据支持，以及德国市场调查机构Statista的数据统计。目录1.智能金融概述1.1.概念与历史1.2.市场概况1.3.智能投顾模式与特征1.4.智能金融宏观环境分析1.5.智能金融产业图谱1.6.主要产品与平台盘点2.证券业智能金融发展2.1.国内证券业发展智能金融概述2.2.国内证券业资管规模、经纪业务等基本情况2.3.移动端已成券商抢占智能金融风口“主战场”2.4.智能金融如何改变证券业2.5.智能金融证券行业意见收集及分析2.6.券商与智能投研2.7.主要平台与产品盘点2.8.A股上市券商定期报告涉及智能金融内容盘点3.关于未来展望的业内意见1.智能金融概述1.1.概念与历史什么是智能金融？在行业中，智能金融至今并没有标准的定义。总的说来，智能金融指的是人工智能相关技术与金融服务、产品的全面结合，以创新产品与服务模式，改善用户体验，提高效率并降低成本。智能金融行业的参与者，不仅包括提供智能金融产品服务的科技公司，还包括了传统金融结构、新金融力量，以及金融业监管层等。以金融与科技结合的历史发展角度来看，智能金融是现代金融业自电子化、网络化、移动化之后，金融智能化阶段最主要的表现形式。从概念上看，智能金融的概念与金融科技、互联网金融密切相关却又有所区别。目前为止，智能金融的主要产品与服务形式，包括了智能投顾、智能投研、智能风控、智能数据、智能客服、智能支付等。1.2.市场概况在智能金融多种产品服务中，智能投顾占据了最主要的市场份额。根据Statista的统计预测，在人工智能相关的所有产业部门中，智能投顾的市场规模是最大的。到2020年，智能投顾的产业市场收入规模将达到2550亿美元，而智能投研所属的人工智能分析产业的市场规模则为700亿美元左右。截至目前，中国已经成为仅次于美国的世界第二大智能投顾资管规模的国家。根据Statista预测的数据，2017年，美国智能投顾资管规模为1825亿美元，中国为271亿美元，排行第3~第5的英国、日本、加拿大，则分别为65.5亿美元、24.3亿美元、18.7亿美元。Statista的数据显示，中国智能投顾的资管规模，自年，以169.56％这一世界最高年均复合增长率增长，在2021年达到4678亿美元的规模，仅次于美国5095亿美元的预测值，依旧排行世界第二。2016年，中国智能投顾资管规模增长率为444.19％，2017年预测为309％。从用户数量来看，2017年中国智能投顾用户数量约为646.5万人，已经超过美国成为世界智能投顾用户最多的国家。然而中国人均资管规模只有4198美元，低于世界平均水平的18241美元。2017年世界人均资管规模最多的国家是瑞士，为40009美元，美国第二，为37640美元。（数据来源：Statista制图：金融界）1.3.智能投顾模式与特征智能投顾，又称（Robo-Advisor）。指的是利用大数据、云计算、智能算法、机器学习等人工智能技术，搭建以为基础的模型，结合投资者风险偏好、财务状况等信息，为投资者提供资产配置组合以及智能跟踪、再平衡等服务。智能投顾产品服务的主要特征有分散性、个性化，以及3个方面。分散性指的是分散用户投资资金到不同的中，根据需求匹配风险与收益。个性化指的是可以根据用户的不同实际情况、偏好、需求，为每一位用户提供不同配置组合，做到“千人千面”。长期投资则说明智能投顾追求的是长期稳健的投资回报，而不是短期高。1.4.智能金融宏观环境分析从政策环境上看，中国国家层面对人工智能的战略布局，已经由主要集中在智能制造与机器人层面，转向对人工智能整体生态进行布局。整体上，国内政策层面对于人工智能的重视、扶持发展力度越来越大，推进领域也越来越立体。 近两年有关人工智能相关领域政策列表2017年7月，国务院印发的《新一代人工智能发展规划》，对于国内人工智能领域来说具有里程碑式的意义。“规划”中提出了发展人工智能“三步走”战略：到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点；到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。“规划”中对加快推进人工智能与金融业创新融合，提高金融智能化水平的描述为，“建立金融大数据系统，提升金融多媒体数据处理与理解能力。创新智能金融产品和服务，发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。”“规划”对人工智能发展方向提出了明确目标，为智能金融创新发展提供了政策优势环境。从经济环境层面来看，国内居民可支配收入与可的逐年稳步增长，带来了对金融服务需求的提升。国家统计局数据显示，2016年我国城镇居民人均可支配收入为3.36万元人民币，同比增长了7.8％，较5年前增长了54.14％。而根据招商银行公布的私人财富报告显示，2016年中国个人持有的可投资资产总体规模为165万亿人民币，同比增长了27.91％，预计到2017年底，总体规模将达到188万亿人民币，同比增长13.94％。（数据来源：国家统计局制表：金融界）（数据来源：招商银行制表：金融界）从投资热度来看，金融与智能化结合已成为行业风口，是近期上升最快的投资热点之一。2012年~2016年，中国人工额度与次数呈现快速上升趋势，并从2014年开始进入了爆发时期。2014年我国人工智能为1.9亿美元，次数为125次，2015年这两项数据分别为7亿美元与240次，2016年则为16.6亿美元与285次。同期，中国也呈现相似趋势。2014年，投资额度为8000万美元，次数为44次，2015年投资额度上升为2.8亿美元，2016年则伤感省委4.6亿美元。从行业市场并购情况来看，智能金融的火爆也带动了金融行业并购交易旺盛。2016年3季度~2017年3季度的1年间里，多元金融领域的并购交易额为5697亿元人民币，并购发生数量为1017起，远高于排名第二的房地产行业的4559亿元人民币与344起。1.5.智能金融产业图谱（图中展示企业仅为产业链部分企业）1.6.主要产品与平台盘点金融界金融界作为金融传媒行业资深代表品牌之一，经过多年产业布局，近年来向智能金融领域转型发展之路走的十分顺畅。由于本身具备国内最丰富的金融资讯资源，又拥有独立的金融数据公司、齐全的金融牌照资源、丰富的产品研发经验等，金融界发展智能金融资源禀赋优秀，也因此成为行业中不多见的在一开始就具有完整产品体系的智能金融公司。去年开始，金融界整合资源，明确方向，在智能金融领域打造出了“Z3智能金融超级引擎”这一品牌。金融界首席运营官马勇表示，金融界打造“Z3智能金融超级引擎”，在公司战略层面进行转型发展，是基于对金融领域智能化发展前景的强大信心。而最终的目的，是“希望和广大投资者、与金融界合作的金融机构，共创共赢，迎接金融新未来。同时，希望用户能通过金融界的平台，为他们的投资、财富保驾护航，为中国金融行业在人工智能时代新格局做有益的探索。”马勇表示，金融界在智能金融领域的布局分布在智能投研、智能投顾、智能投资3方面。金融界智能金融业务总经理何剑波进一步介绍，金融界的智能金融产品，是一套包含了智能用户分析、智能客户服务、智能、智能，以及底层数据分析系统等相互连接的多层次智能产品体系。金融界智能投顾产品“灵犀智投”于201611日上线运营。该产品是由用户分析子系统、基金智选子系统、智能配置子系统、智能风控子系统组成的，并由金融界全资数据公司巨灵财经数据服务平台提供大数据支持。该产品的突出特点之一是运用了金融界自有的智能，通过建立多因子回归模型来判断基金的。2017年3月，该产品正式上线“智能优化”功能，每日根据市场变化由算法模型生成最优配置比例，并通过设置偏离度阈值的方式，权衡用户调仓的成本和效果。追加时动态计算与最优组合的差异，根据现有的持仓状况来调整不同的追加比例，使追加之后的持仓更接近最优解，同时省去了调仓的手续费和时间成本。2017年5月金融界智能投顾产品上线智能组合，首次将智能算法应用到定投场景中。针对传统定投过程中投资者的痛点，开发出一套新的算法，弥补了业内空白。 金融界智能投顾产品“灵犀智投”构成模型在金融界智能金融产品体系中，基于云计算的智能投研产品起到了重要的支撑与增值作用。该产品同样有众多子系统组成，如系统、仓位管理系统、形态识别系统、风险控制系统、事件驱动系统、策略回测系统、趋势择时系统、实盘交易系统等。在测试中，该产品在模式创新、用户体验等多方面均有上佳表现，填补了多项行业空白。目前该系统已完成开发测试，即将面对机构及个人投资者。
金融界智能投研产品示意恒生电子恒生电子为国内知名金融软件和网络服务供应商，其发展金融科技的历史在国内也是首屈一指。恒生电子执行总裁官晓岚介绍，1997年，恒生电子率先完成了银证转账产品的开发。2000年，恒生电子开启了内部称为“金融中间件”的进程，对金融科技展开独立的研究工作。2013年，恒生电子的产品开启了“大、云、平、移”的过程，智能化初现端倪。2016年，恒生电子正式成立恒生研究院，在人工智能与金融产品服务结合方向进行专门的研究。2017年6月，恒生电子发布了智能金融领域的4款人工智能产品，分别涉及智能数据、智能投顾、智能投资、智能客服4个方面。官晓岚透露，今年下半年，恒生电子很有可能进行二期产品的发布，会推出更成熟、更丰富的智能金融领域产品。关于恒生电子发展智能金融的核心能力，官晓岚表示主要有3点：首先是对金融行业的深刻理解，其次是对相关技术的掌握，第三是长期以来在金融及产品开发方面的数据和经验积累。近些年，恒生电子加大了在人工智能领域的投入力度。除了加强自身开发力度之外，恒生电子还采用并购、参股大数据、等相关科技公司的方式，进行技术及资源的积累。官晓岚说，恒生电子在这一方面的战略思想是，在技术需求方面，以自我开发为主，但不排斥外部合作，而当技术需求较为急迫时，通过优质企业的方式，将拥有该技术优势的企业纳入恒生电子的研发体系，而面对更加前沿、投入应用尚需长远发展的技术时，通过参股的形式，掌握其发展动态，保证该技术的成长符合恒生电子的发展方向。2.证券业智能金融发展2.1.国内证券业发展智能金融概述证券业的业务是数字处理，而智能金融的核心就是数据、算法、机器学习等模型，也是建立在数字之上的。因此，将人工智能在证券业的应用具有天然优势。按照业务场景，或按照人工智能、区块链、大数据等不同新技术划分，智能金融在证券业的应用有很多种类与体系。不过，从成熟度和驱动力来看，领域会成为智能金融应用的重点场景，也就是智能投顾。在经济新常态中速增长的大背景下，国内个人财富的规模的平稳增长与银行金融大幅下降之间的缺口，带来了风险控制与多元化资产配置的需求，也成为了智能投顾等智能投资工具借势渗透的契机。国内市场智能投顾的发展与规模化应用始于2015年。仅仅经过一年多的探索发展，在被称为“智能投顾元年”的2016年末，国内已经出现超过20家大大小小的智能投顾平台，上线或研发了各类主动型、被动型智能投资工具。与国外智能投顾发展轨迹相似的是，在创投企业带动行业市场逐渐成熟后，国内智能投顾行业也迎来了传统金融机构的大规模进入。在国内持牌金融机构中，证券机构拥抱智能投顾行业的步伐走的最快。2017年初，全国已有30％左右的券商使用智能投顾工具。从现实意义上分析，券商以智能投顾撬动传统经纪业务转型，除了普惠性这一最为明显的客户开拓优势外，还有着压缩人力成本与提升效率的考量。如券商的结算、经纪业务、风险管理、客户服务等主要功能，在区块链等大数据信息处理技术的支撑下，将跨越式的提高效率并增加安全性。而在这一趋势下，券商的盈利重心，也必将逐渐向资产管理、投资顾问和等业务倾斜，这又刺激了其对智能金融技术的更大需求。此外，证券行业的信任问题、客户体验、产品服务创新等痛点均可利用智能金融技术低成本高效率地得到解决。2.2.国内证券业资管规模、经纪业务等基本情况证券业市场相关情况的不断变化，构成了符合智能金融在行业内发展的生态，甚至进一步内生了以智能金融改变相关现状的迫切需求。从资管规模的变化可以看出，国内资产正稳步上升。截至2017年上半年，及其子公司、证券公司、、总规模约52.8万亿元，较上年同期则增长了13.6％。其中，证券公司资管总规模在今年6月30日达到了18.1万亿元，同比增加20.67％。资管规模在今年上半年末达到了10.07万亿元，同比则上升26.67％。资管规模的扩大，一方面为投资管理领域智能化应用的扩张提供了基础，另一方面，也极大促生了投资者选择专业机构进行的需求。以公募基金为例，截至2017年7月，已近4500支，收益水平、投资风格差异极大，给投资者选择方面带来很大的障碍，也为智能投顾、智能投研等产品的普及创造了有利条件。从另一个侧面看证券业市场可以发现，近几年来，券商经纪业务收入与行业平均佣金率不断下滑，这也激发了券商提升服务质量、降低服务成本，带动经纪业务提升的内生需求。随着互联网金融等的冲击，证券行业整体佣金率进一步下降。2013年~2016年，证券行业平均佣金率水平逐年下降，分别为0.079％、0.067％、0.05％及0.041％。而在多方面的因素共同作用下，2016年证券行业经纪业务净收入也有了较大程度的回落。2015年底，证券公司代理买卖证券业务净收入为2690.96亿元人民币，到2016年底，就只有1052.95亿元人民币。（数据来源：中国证券业协会制表：金融界）2.3.移动端已成券商抢占智能金融风口“主战场”处在移动互联网时代，证券移动端已经成为投资者依赖的重要工具。因此，当智能金融成为行业风口之后，移动端就成了券商展现智能金融产品、吸引潜在投资者、提供智能化服务的主要竞争平台。据统计，目前证券公司经纪业务服务约有90％内容是通过线上方式提供给客户的。在线上服务方式中，通过移动端服务的方式占比达到60％，通过电话、PC端等其它方式仅占30％。移动端已成为证券服务的主要平台。在当前市场中，单纯以广告吸引力、佣金率高低的投资者越来越少。因此，大部分的券商APP都在积极引入证券业务主体、搭建生态闭环，以及以智能金融产品服务为核心，提供资讯、选股、策略等各类增值服务，以吸纳更多用户，保持粘性。 国内券商APP代表产品盘点（图中展示仅为国内部分券商APP）2.4.智能金融如何改变证券业智能金融的技术、产品与服务正在引发证券业的多重变革。首先是智能金融的普惠性带来的新型用户群体。传统资管业务以人工为主，服务成本高昂，仅针对高净值人群开展，普通投资者无力消费。智能投顾具有“一对多”的特性，边际服务成本可以忽略不计。因此，智能投顾不仅可以提高服务效率，还起到了，让国内庞大的一般收入阶层也能享受到资产配置服务。其次，智能金融的发展，使投资策略更加数据化，也使量化投资更加普及。在传统证券机构中，投资策略的制定更多是依靠的个人感觉、容易掺杂主观偏见及个人情绪。人工智能技术以先进的数学模型替代人为的主观判断，减少了情绪波动的影响，克服了人性的弱点。同时，以往大多是专属于的专业领域，随着智能投研平台的普及，利用大数据、云计算验证投资策略越发“亲民”，使量化投资策略更加多样化。如金融界开发的智能投研产品，就提供建立在精准数据与现实逻辑之上的高效回测工具，让策略与用户间能够对接形成闭环。最后，智能金融改变了传统证券行业“千人一面”的服务模式。随着证券机构的前台业务向移动端转移，利用移动互联网的丰富承载能力向用户提供定制化服务成为可能。证券平台可以根据用户画像，推荐多元化的。2.5.智能金融证券行业意见收集及分析针对智能金融在证券行业发展相关问题，本报告设计制作了专门问卷，面向证券行业从业人员发放、回收，并根据问卷回答进行统计分析。在判断是否认为智能化将成为国内证券业未来总体发展趋势时，有91％的受访者表示认可的态度。而64％的受访者表示，其所在的机构，已经正在进行或已经制定乐智能金融方向的发展战略规划。82％的受访者对于智能金融在成本、效率、业务结构等方面带来的变革，能够改变当前券商盈利下滑局面持肯定态度，有9％则表示不认可，另外9％认为目前还无法进行判断。在问卷多选部分，当被问及其所在证券行业机构，最看重智能化科技哪方面应用时，超过90％的受访者选择了智能投顾。排行第二的则是智能客服，有超过80％受访者选择了这一项。而选择智能投资与智能投研的比例，则分别为70％与45％。这样的结果较为符合国内证券市场的现状。现阶段智能投顾是券商的主要发展方向，而对智能客服的重视，则体现了券商对于改善用户体验、增加获客数量、提升用户粘度、降低服务成本方面的迫切需求。选择智能投研的比例相对较低，这一方面是由于证券机构经营与金融研究部门的分离，另一方面也从侧面说明了在智能化研究方面，国内发展水平相对较为滞后。在问卷其他问题的答案统计中，也体现出了证券行业对以智能金融为突破口降本增效的期待。在智能化科技主要改善了证券业哪些痛点的看法方面，有超过95％的受访者选择了其“解决了投顾人员不足等人力问题”，第二高比例的答案是其“压缩了各环节的信息成本”，64％的受访者选择了此项回答。事实上，投顾人员的不足已经是限制国内证券行业投资业务开展的主要桎梏之一。2016年末全国已注册投资顾问有35926人，而与之相对的是，2017年9月，国内投资者数量已经超过了1.3亿人。若平均来算，每位投资顾问要服务约3600余名投资者。从问卷采访问题回答情况来看，国内证券行业人员接触到智能金融相关概念的时间大多在2014年之后，仅有数名受访者表示在此之前就已了解相关概念。而对于未来智能金融在证券业发展中可能会遇到的问题，答案多集中在国内资本市场环境、合规问题、技术发展制约，以及等方面。2.6.证券业与智能投研智能投研的定义是，利用大数据、机器学习等科技，将数据、信息、决策进行智能整合，并实现数据之间的智能化关联，从而提高投资者工作效率和投资能力。证券业的数据处理的行业，行业从业人员要花大量的时间与精力在收集处理数据上。智能投研的诞生与投入应用，大大提升了该领域工作的效率。随着国内外智能投研技术经验的成熟，当前这段时期其在证券业中的发展焦点，集中在了非结构性数据的收集、处理、分析之中。其基本逻辑是，大数据时代，市场中面临指数级增长的海量数据，其中绝大部分是非结构性信息。证券业领域，充斥着大量非结构性数据，如社交数据、投资者态度、舆情数据等，而证券业又是一个充满了博弈的行业，需要经过大量信息的处理与分析。此时，分析师需要耗费大量时间去搜集资料，并找到其中的相关性。同时，分析师的思维边界是有限的，一般情况下只会关注自己熟知的领域，而人工智能的延伸却可以是无限的，能够提供更全面的信息与行业全貌。2.7.主要平台与产品盘点长江证券2017年4月，长江证券推出国内首款智能财富管理系统iVatarGo。该产品的一大特点是通过全面精准的用户画像，为每个投资者匹配合适的、资讯、理财产品等，实现个性化及智能化。长江证券首席金融科技官韦洪波表示，严格的讲，iVatarGo是一套智能服务系统。其核心优势在与对客户的深入理解，主要体现在对能力建模这一方面。2017年8月，iVatarGo的升级版iVatarGoⅡ全面上线。其中，增加了4项新功能：机器人“长江小智”智能盯盘，实时写稿；“快买快卖”实现了在页面直接下单的功能；首发五大智能量化策略模拟策略；“目标理财”精选海内外六大类资产，量身定制。韦洪波表示，在iVatarGoⅡ中，长江证券在理念、产品框架及投资能力模型方面，逐步由人工规则向机器人规则过渡，利用智能手段全面提升对客户的服务水平。在这一方面，最亮眼的体现就是新推出的机器人“长江小智”。资讯报盘由人工改为机器撰写，在市场异动时0.1秒即完成稿件撰写及发布，并通过手机离线消息触达客户。广发证券广发证券是国内首家推出智能投顾产品的大型券商。其智能投顾产品贝塔牛于2016年6月上线，专注中小投资者财富管理需求。贝塔牛的主要功能包括“I股票”和“I配置”，是一款融合了股票投资机器人和机器人的产品。广发证券相关负责人表示，未来“贝塔牛”有三个方向，一是更加科技，利用技术测度投资者的个人信息和风险承受能力，形成精准的客户画像，为客户推送更精准的策略；二是社交化，通过互联网金融发掘牛人，分享；三是平台化，将核心算法平台化，对接机构的系统和客户，助力行业发展壮大，实现普惠式金融目标。华泰证券2016年10月，华泰证券成功完成收购美国领先的AssetMark，从而介入智能投顾领域。AssetMark公司主要为美国的财务顾问企业提供投资和咨询方面的解决方案，通过新技术的引进，提升其客户的服务效率。平安证券2016年年中，平安证券依平安集团拥有的超过3.5亿互联网客户信息，推出了服务的系统。该智能资产配置系统通过脱敏大数据精准了解客户，运用改良的金融与专家策略分析验证相结合，智能计算风险和收益的平衡点，为客户量身定制大类资产配置方案。其智能选股板块，有短线、阶段、长线牛股推荐，每一种类包括10~30支牛股。2.8.A股上市券商定期报告涉及智能金融内容盘点3.关于未来展望的业内意见在意见统计与行业走访的过程中发现，对于智能金融在证券业发展的未来前景，绝大部分业内意见是一致看好的。在问卷统计中，除前文提到的91％认可证券业智能化未来外，受访者还在简答问题中，表达了如智能金融将变革原有服务体系，带来行业大发展，改变传统券商，促进券商投研能力提升等意见。金融界智能金融业务总经理何剑波表示，在实际市场中，智能投顾这一场景应用特别受到券商的重视。目前经纪业务仍然是券商收入的重要组成部分，但经纪业务的利润却一直在下滑。而智能投顾，将是券商提升服务，降低成本最高效的场景应用。何剑波预测，中国在人工智能，特别是人工智能运用于金融领域方面的发展会超过美国。“可以说，现在已经从互联网金融时代，过渡到了智能金融时代。”何剑波说。长江证券首席金融科技官韦洪波从行业内产品端未来发展的角度表达了自己的看法。他表示，长江证券未来将会加大研发投入力度，在全产业链实现人工智能的全面应用。“未来我们将会运用人工智能手段与方法，在产品生产方面发力，推出大量自研产品。”韦洪波说，“证券业中的智能金融产品，目前还大多集中在分发、匹配、服务等方面，未来或将介入产品生产端，生产如资讯，语音服务、以及智能投顾产品等。”在谈到智能金融对行业未来方向的改变时，韦洪波提出了4点：业务线上化、用户数据化、服务智能化、呈现个性化。而同时，智能金融扩大了用户对产品服务的感知，影响了其选择产品与券商的标准，这或许会改变当前行业结构。韦洪波还谈到了，由于智能金融带来服务成本降低，或将对行业内如客服等岗位带来一定影响。另外，智能金融以及随其而来的信息透明，也会大大提升投行的并购效率，出现“数字化投行”的模式。“智能金融在证券行业众多业务中缩短了中间环节，最终将改变行业的商业模式。”韦洪波说。恒生电子执行总裁官晓岚表示，短期来看，金融与智能科技跨界人才的短缺将是智能金融发展的最大桎梏。他预判随着行业大发展，这样的情况可能会在2~3年间逐渐缓解。中期来看，由于经验的缺乏，业务开展与监管之间的互动可能会出现一定的问题。需要探索一种既不影响智能金融这种新金融形式的发展，又能使其不脱离监管范畴的新机制。而从长期来讲，基础技术的缺乏将会是最大的挑战来源。“远期来看，恒生电子的压力更大一些，在金融科技，包括智能金融领域里，国内基础技术的研究还是不太够。基础的东西需要长时间的研究。我也呼吁一些有长远眼光的高校及研究机构能够加大在这方面的投入。”官晓岚说，“但从长期来看，这一领域的机会还是有很多，但是这些机会一定是建立在脚踏实地的基础上。”《在AI+金融浪潮中，你有没有掉队？》 精选七证券时报记者 张国锋当前，人工智能（AI）不仅成为全球热门话题，而且正在推动新一轮科技革命和产业变革，并且在产业应用方面已经开始发挥效能。有观点认为，互联网+变革正迈向新时代，并开始进入AI+时代。面对AI+时代的产业变革，创构的在哪里？面对大热的AI行业，投资人又该如何做到慧眼识珠？AI需要与场景应用结合如何定义AI+？在澳银资本董事长熊钢看来，AI+的产业链涉及到应用领域、技术应用和基础资源。在他看来，包括消费互联网、智能机器人、医疗、教育、安防、城市运营等领域，都是AI+比较重要的场景应用领域。熊钢认为，当下，AI+金融是所有场景应用中相对比较靠前的领域，很多金融公司已经推出智能投顾，包括代理记账、智能保险等新业务已经面向市场，对客户进行个性化的资产配置。松禾资本汪洋认为，他对AI的理解，大致可以分为三个层次：最底层是芯片、云计算等底层架构，中间是大家非常熟知的人脸识别算法、语音识别、自然语音处理等，最上层是场景落地。但他指出，对于创业公司而言，机会一定出现在场景应用层面，因为最底层的技术是巨头在做的事情，竞争非常激烈；而只做中间层会没办法实现商业化。“商业化最终还是需要场景化，这也是我们看好最上层的原因。”“这几年，AI炒得比较热，概念大家都说的比较多。”在盈富泰克总经理周宁看来，AI近期的大热，跟计算能力直接相关。“像人脸识别、语音识别等技术，都跟现在的智能手机采集了大量数据有关，所以AI真正的驱动因素还是底层的计算环境。”奇成资产合伙人张明明则表示，目前尽管还处于弱人工智能阶段，但AI仍然是一个了不起的技术。“现在的AI尽管不能完全替代人类，但是已经可以在一些基础性的、重复性的、规则性的活动和操作方面替代人类，就这点来说，已经是不可小视的市场。”应用层投资机会集中在熊钢看来，对于创投机构而言，要把握AI+的机会，关键是盯紧主要行业的应用，重点关注AI的生活应用，包括消费应用、金融、物联网等。至于整个AI行业而言，首先要关注底层技术的进化，主要是深度学习、机器视觉和自然语义的理解，所谓的AI+时代，就是技术+模式、技术+创业的驱动模式。其次是关注符合成本逻辑的商业应用，即通过AI能够有效降低产业成本以及基于此能够延伸和成长的应用。汪洋认为，面对不同的人工智能项目，松禾资本会根据项目本身落地的场景，来判断项目更需要看重哪个方面。“例如无人驾驶，这种项目的技术成功率必须是100%，否则会导致非常严重的后果，这个领域我们非常看重团队背景。换到智能机器人领域，尽管对算法要求也很高，但是我们更注重商业化落地的能力，它的容错率相对无人驾驶要高一些。”“我们关注计算能力的提升，更关注底层技术层面的投资，这一块能把整个AI生态链打得更扎实，将来做其他方面更容易。”周宁说。国中创投合伙人贾巍表示，目前公司在AI领域的布局，还是跟行业结合的项目比较多。从现状来说，产业规模最大、最成熟的应该是安防领域。未来在金融、教育领域，AI也比较有前景。“现在更多的投资机会是在应用层。从我们基金的角度来说，采用的是自下而上的投资策略，首先找到我们熟悉的行业，然后看这些行业里面有哪些环节、哪些场景是可以应用现在的人工智能基础去提高生产效率的。在这样的逻辑下，往上去找一些创意型的项目。”张明明说。成功的AI企业有三个因素对于AI未来的展望，熊钢直言，AI实际上是蕴藏着风险的，所以一定要清楚边界在什么地方。他指出，AI在创意领域的应用，已经带来了诸如近视眼激增等生理和精神方面的后遗症。其次，AI对劳动力的替代，对就业会造成冲击，而保障就业是社会的基本伦理，需要思考这个问题。最后，也是最重要的是对AI的远期，未来AI可能会出现一些反人类文明的行为，这是无法预测的。汪洋指出，随着AI的崛起，AI+完全创造了一个新行业。对于投资人和创业者而言，无论是AI+还是+AI，有这个因素一定是一种优势。“在过去的时间里，我们和很多传统行业的领军企业、创始人都有深入交流。现在发现一个秘密，实际上很多传统行业的这些企业，他们已经在秘密使用很多人工智能技术，就是这些弱人工智能技术，他们称之为AI的秘密武器。”张明明通过观察发现，现在大量企业都在应用AI技术，但他指出，不是所有企业都是+AI或者AI+的，关键要看产品附加值，或者对于提高生产效率回报率的测算。“在我们看来，教育、医疗以及设备制造业是可以进行大规模AI+的行业，这些行业天然就是一些AI+大规模落地的场景。”张明明以教育为例，通过人工智能，可以为每个人提供一些个性化的教学方案，通过一个个性化的教学方案，一方面可以平衡教育资源，另一方面可以让每个人得到个性化发展。现在整个人工智能行业出现过热的现象，在面对众多项目时怎样进行判定？张明明认为，一个成功的AI+或+AI的企业要具备三个因素：第一要有AI的科学家，因为他要应用到复杂的技术，技术是基础；第二要有行业的专家，必须要有行业的专家才能熟悉这些场景，能够找到用户真正的需求；第三要有一些衔接的人才。一个团队如果完美具备这些因素组合，就会是一个很好的项目。《在AI+金融浪潮中，你有没有掉队？》 精选八人工智能正快速进入人们生活，改变着金融、医疗、安防、自动驾驶等各个行业。金融被认为是人工智能落地最快的行业之一，智能金融也已经列入国家规划。然而，在当下舆论圈热烈讨论智能金融美好与威胁的时候，我们依然需要冷静、有格局的思考。智能金融是什么？智能金融目前解决方案有哪些？在智能金融时代，金融机构如何利用智能金融？智能金融未来会有怎样的发展趋势与挑战？这些疑问的结构化解答，对创业者、投资人、金融从业者以及每一位关注智能金融的朋友都能给予有参考意义的信息。亿欧智库通过大量桌面研究、拜访二十余家智能金融技术服务公司以及充分听取银行、证券、保险等金融机构众多从业人员对智能金融的理解和认知，最终形成了这一份111页多维度、全面的《2017中国智能金融产业报告》。下文选取了报告中的部分内容进行呈现，欲了解更多，欢迎下载原版报告并进行阅读。如报告内容有不准确、不完善之处，欢迎读者批评指正。Chapter1 方兴未艾的智能金融“智能金融”指人工智能技术与金融服务和产品的动态融合。通过利用人工智能技术，创新金融产品和服务模式、改善客户体验、提高服务效率等；其参与者不仅包括为金融机构提供人工智能技术服务的公司，也包括传统金融机构、新兴金融业态以及金融业不可或缺的监管机构等；这些参与者共同组成智能金融生态系统。智能金融本质上是人工智能技术驱动的金融创新，因此，报告从金融和科技两个维度来解读智能金融。从金融角度来讲，智能金融的发展依附金融产业链，涉及从资金获取、资金生成、资金对接到场景深入的金融资金流动全流程。从科技角度来讲，智能金融发展是，基于人工智能技术的智能风控、智能投顾、智能投研、智能支付等智能解决方案，对银行、证券、保险等金融业态的创新。截止2017年8月底，我国主要的智能金融技术服务公司有164家，集中分布在北京、上海、广州、浙江等较发达的省份。其中北京公司数量最多，拥有80家。截止到日，共有125家公司获得融资，总融资额已超过250亿人民币。“中国智能金融资本市场社会网分析图（主要投融资方）”显示，智能金融公司投融资集中度比较高，最活跃的资本机构为IDG资本，且位于社会网的中心；商汤科技为明星公司，投资关系数量最多；同盾科技、智齿客服、量化派等几家公司投资关系数量也较多，是社会网中的重要连接点。Chapter2 不断涌现的智能解决方案亿欧智库综合分析了我国智能金融技术服务公司的服务和产品，梳理出涉及金融前台智能支付、智能营销、智能客服，中台智能风控、智能投顾、智能投研，后台智能数据的七大应用场景。智能投顾，是目前最热门的智能金融应用场景之一。智能投顾最早在2008年左右兴起于美国，又称机器人投顾（Robo-Advisor），依据现代，结合个人投资者的风险偏好和理财目标，利用算法和友好的互联网界面，为客户提供财富管理和建议服务。中国目前的智能投顾大部分还停留在交易执行环节，投顾服务主要为资产管理和投资顾问，投后服务涉及较少。根据美国金融监管局（FINRA）2016年3月提出的标准，理想智能投顾服务包括：客户分析、大类资产配置、、交易执行、组合再选择、税负管理和组合分析。传统投顾和智能投顾都是基于以上七个步骤，只是实施的方式不同，而智能投顾本质上是技术代替人工实现投顾。然而，智能投顾并不是一个新概念，因为算法基础早在20年前就已然扎根成型，而智能投顾近年来的发展主要得益于大数据和计算力提升。目前智能投顾与人工智能的关系更多处于概念阶段，智能投顾实现了策略的个性化、配置的合理化以及流程的自动化，有“智能”但离“人工智能”尚远。Chapter3 利用智能金融推陈出新智能金融七大应用场景正进入金融机构业务各流程，但对于金融机构来说攻击是最好的防守，它们通过购买智能金融技术服务公司产品或与科技公司合作等方式来利用智能金融推陈出新。银行业是受智能金融冲击最大的金融机构之一。银行业作为信息化程度非常高的行业，对IT系统的依赖度非常高。现在，大部分银行基于IaaS平台（基础设施即服务）、PaaS平台（平台及服务）以及数据平台开展包括渠道、开放、存、风控、运营等各项活动。目前，智能金融主要应用于银行业的渠道、开放、风控以及运营四个大方面，主要涉及智能营销、智能客服、智能风控等。除此之外。银行业务端，智能金融也开始渗透，例如，应用于客户平台的生物识别技术（刷脸认证）、应用于存款业务的智能投顾等。目前，银行业应用智能金融双管齐下：一方面，银行自身发力，2013年开始，纷纷成立部，开展新业务；另一方面，与互金巨头合作，提升技术水平。Chapter4 展望未来与迎接挑战亿欧智库研究认为，智能金融未来发展将围绕智能化、场景化和个性化展开。智能化为基础，可分为三个层次：第一层次为Robot，即可以实现简单的数据收集整理工作（助理分析师）；第二层次为Smart，即可以实现数据的简单分析（初级分析师）；第三层次为Intelligent，即可以实现数据的决策支持和深度洞察（高级分析师）。场景化，指智能金融将驱动金融业态不再局限于“金融”标签，而是转变为一种深入各场景的生活标签，摆脱以往“高冷”的形象，变得更贴近生活。个性化，是相对标准化而言的，虽然智能金融或许不能实现完全的因人而异，但智能金融驱动的金融服务和产品的创新，将为人们提供更多元化的选择，这就是一种相对的个性化。智能金融也存在很多挑战，例如，大众对智能金融的认知有偏差，存在信任危机。目前，人工智能还处于“弱人工智能”阶段，智能金融出现时间也比较短。虽然我们常听到类似“摩根大通使用全球第一款机器人执行金融交易”或者某科技公司与金融机构开展合作等新闻，但这并不是智能金融技术公司的常态。大部分智能金融还处于概念阶段，距离其真正落地还有很多问题待解决。媒体等对于智能金融过于夸大事实，使得大众的期望值比较高。然而，大众在与智能金融应用实际基础过程中，智能金融的实际情况并不能满足大众过高的，可能会导致不当的失望，造成信任危机。例如，人们对智能投顾抱有很大的期望，当智能投顾的与预期出现偏差的时候，就会导致大众的失望与不信任。除此之外，智能金融还面临通信、系统、架构安全性风险加大、监管机构鼓励创新与风险控制不平衡、市场竞争家具、数据不能有效应用等挑战。亿欧智库通过本文仅对报告进行了部分内容的呈现，更多内容可下载原版报告，全面了解本报告研究分析内容。下载链接：http://img1.iyiou.com/ThinkTank/2017/HowAIBoostsUpSecurityIndustryV3.pdf《在AI+金融浪潮中，你有没有掉队？》 精选九继人工智能登陆“”之后，近日，国务院也出台了人工智能规划，使得如日中天的人工智能再掀发展新浪潮，在这份万众期待的人工智能规划中，提到了在智能金融方面，要建立金融大数据系统，提升金融多媒体数据处理与理解能力;创新智能金融产品和服务，发展金融新业态;鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统。面对科技发展的大趋势，积极拥抱人工智能技术，发展金融科技研发力量，不断推动新科技在金融领域的应用，让人工智能与新金融的惠及更多投资者。创新工场李开复说过，金融领域是人工智能领域最好的应用领域之一。确如其所说，发展到今天，人工智能在金融领域的应用比人们预想的更广泛。智能投资顾问、预测和反欺诈、融资授信、安全监控预警、智能客服……其背后对应着主流的人工智能技术：图像识别、自然语言处理、语音识别及声纹识别等等。作为资邦金服倾力打造的新金融信息服务平台，唐小僧依托集团资源，凭借大数据等人工智能技术切入金融信息服务领域，在强化自身金融信息服务能力的同时，大幅提升了服务的操作效率与客户体验。阿尔法狗和李世石的世纪大战燃爆人工智能激情，2016年，有人工智能元年之称，云计算、大数据、积层神经网络、深度学习带来的人工智能展现在大众面前。随着技术的突破，成本的下降和应用的普及，越来越多的互联网金融企业投入到人工智能技术的研发中去。唐小僧以人工智能为抓手，不断加速融合科技金融。在智能风控与反欺诈的方面，唐小僧依托母公司资邦金服多年的金融底蕴和庞大的数据沉淀，先引用智能决策打通了数据孤岛，实现数据互通与共享;再构架先进的风控策略、成熟的风险模型、精确的反欺诈识别机制及高效的投融资体系;又基于云计算和大数据的安全能力，搭建了一整套的风控体系，才可以智能高效地识别风险，保障客户资金的安全性。未来，唐小僧将采用智能投顾的方式分析客户历史、客户风险偏好和能力、产品属性等，运用智能算法及理论模型，为用户提供智能化的，并持续跟踪市场动态，对资产配置方案进行调整，使得投资者的收益最大化。在人工智能愈演愈热的今天，唐小僧始终不会忘记为用户服务的初心，无论是打造智能风控，还是发力智能投顾，都是为所有有金融服务需求的社会各阶层和群体提供适当、有效的金融服务，坚持以人为本，让人人共享人工智能与新金融的发展红利。随着人工智能上升为国家战略，人工智能的发展将迎来市场财富新蓝海，唐小僧作为资邦金服旗下的互联网金融信息服务平台，将充分抓住发展机遇，以技术为基础，不断强化平台安全管理，加强智能风控体系的建设，为用户筑牢安全堤坝，为用户提供优质的产品咨询服务，实现财富增值。《在AI+金融浪潮中，你有没有掉队？》 精选十
原标题：重磅：中国人工智能40年发展简史
作者：蔡自兴 北邮人机与认知实验室
智能机器是一种能够呈现出人类智能行为的机器。人工智能(ArtificialIntelligence，AI)是计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。人工智能的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，而远期目标是用自动机模仿人类的思维活动和智力功能。
人工智能探索历史
人类对人工智能和智能机器的梦想与追求，可以追溯到3000 多年前。中国也不乏这方面的故事与史料。
近代科学技术的许多重大进展都是人类智慧、思维、梦想和奋斗的成果。人类历史上从来没有出现过像今天这样的思想大解放，关于宇宙、星球、生命、人类、时空、进化和智能等思想与作品，如雨后春笋破土而出，似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入20世纪后，人工智能开始孕育于人类社会母胎。到20世纪30—40年代发生了两件极其重要的事件：数理逻辑的形式化和智能可计算(机器能思维)的思想，建立了计算与智能关系的概念。被称为“人工智能之父”(The father of AI)的图灵(Turing AM)，于1936年创立了自动机理论，提出一个理论计算机模型，奠定电子计算机设计基础，促进人工智能特别是思维机器的研究。1950 年图灵的论文“机器能思考吗?”，为即将问世的人工智能提供了科学性和开创性的构思。
1956 年夏季由麦卡锡(McCarthyJ)、明斯基(Minsky ML)、罗彻斯特(Lochester N)和香农(Shannon CE)共同发起，并邀请其他6位年轻的科学家，在美国达特茅斯(Dartmouth)大学举办了一次长达两个月的十人研讨会，讨论用机器模拟人类智能问题，首次使用“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着国际人工智能学科的诞生，具有十分重要的历史意义。发起这次研讨会的人工智能学者麦卡锡和明斯基，则被誉为国际人工智能的“奠基者”或“创始人”(The founding father)，有时也称为“人工智能之父”。
中国的人工智能经历了怎样的发展过程?取得哪些成绩?存在什么问题?面临何种机遇?有哪些解决方案?本文力图逐一探讨。
一、发展过程
与国际上人工智能的发展情况相比，国内的人工智能研究不仅起步较晚，而且发展道路曲折坎坷，历经了质疑、批评甚至打压的十分艰难的发展历程。直到改革开放之后，中国的人工智能才逐渐走上发展之路。
1.迷雾重重
20世纪50—60年代，人工智能在西方国家得到重视和发展，而在苏联却受到批判，将其斥为“的反动伪科学”。当时，受苏联批判人工智能和控制论(Cybernetics)的影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期和70年代，虽然苏联解禁了控制论和人工智能的研究，但因中苏关系恶化，中国学术界将苏联的这种解禁斥之为“修正主义”，人工智能研究继续停滞。那时，人工智能在中国要么受到质疑，要么与“特异功能”一起受到批判，被认为是伪科学和修正主义。《摘译外国自然科学哲学》月刊1976年第3期刊文称：“在批判‘图像识别’和‘人工智能’研究领域各种反动思潮的斗争中，走自己的道路”。这足见中国人工智能研究迷雾重重的艰难处境。
1978年3月，全国科学大会在北京召开。在华国锋主持的大会开幕式上，邓小平发表了“科学技术是生产力”的重要讲话。大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河，促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]。这是中国改革开放的先声，广大科技人员出现了思想大解放，人工智能也在酝酿着进一步的解禁。吴文俊提出的利用机器证明与发现几何定理的新方法——几何定理机器证明(图1)，获得1978年全国科学大会重大科技成果奖就是一个好的征兆。
20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。但是，由于当时社会上