9月12日訊，人工智能就像一塊磚，哪里有用往哪搬。金融作為一個距離數字最近的行業(yè)，機器會比人更擅長處理大量數據的定量計算，機器比人的學習速度要快很多，而且機器沒有偏見，機器不會疲勞，機器沒有道德風險。機器通過對用戶特征點的分析，很容易評價一個用戶的信用。

金融天然適合賦能以AI元素，自然不能免俗，在金融領域到處充斥著AI的身影，從智能顧投到風控，再到供應鏈金融，智能客服，大有AI in FinTech之態(tài)。

把自己定義成特斯拉，特斯拉之所以不同于其他的汽車，不在于它的外形炫酷，而在于它內在的引擎是不同的，它是一個電力引擎?？萍冀鹑谝彩侨绱?，一大波P2P公司將自己定義為科技金融公司，但就真的有AI基因嗎?如何才能讓AI成為核心業(yè)務的內驅動力，讓理想照進現實?

從管理到連接再到AI：金融行業(yè)一直都在工具賦能

人類的消費金融史先后經歷了以熟人借貸為代表的“錢莊時代”、以耐用品分期為代表的“規(guī)?；瘯r代”、以信用卡為代表的“信息時代”和以AI為代表的“智能化時代”。

任何一個時代，尤其是當代，金融行業(yè)一直在不斷技術賦能。

在金融的IT階段，也就是信息科技的初期，金融行業(yè)通過傳統(tǒng)的IT軟硬件來實現辦公和業(yè)務的電子化，提高金融行業(yè)的業(yè)務效率。IT公司并不參與金融公司的業(yè)務環(huán)節(jié)，IT系統(tǒng)在金融公司體系內屬于成本部門。代表性產品包括ATM、POS機、銀行的核心交易系統(tǒng)、信貸系統(tǒng)、清算系統(tǒng)等。

在最近幾年的互聯網金融階段，金融業(yè)搭建在線業(yè)務平臺，通過互聯網或者移動終端渠道匯集海量用戶，實現金融業(yè)務中資產端、交易端、支付端、資金端等任意組合的互聯互通，達到信息共享和業(yè)務撮合，本質上是對傳統(tǒng)金融渠道的變革。代表性業(yè)務包括互聯網基金銷售、P2P網絡借貸、互聯網保險、移動支付等。

在最初階段，也就是金融的IT階段，科技對于金融行業(yè)更多的是提供了一種信息化工具，有助于管理水平的提升，在互聯網金融階段，體現更為明顯的是連接屬性，用互聯網和移動互聯網的方式連接資金、資產和投資人，實現資金端的高效對接，降低準入門檻，擴大服務人群?；ヂ摼W金融的連接功能，正是由互聯網的特性所決定的?；ヂ摼W和移動互聯網技術的本質是“連接”，通過網絡讓原本不透明、難以相互觸及的雙方建立聯系。當互聯網技術應用到金融業(yè)中時，其連接功能則主要體現在資金端的創(chuàng)新上，即資金的流向更加高效，比如P2P網貸將個體資金通過網絡平臺連接到有借貸需求的個人。

互聯網金融提高了資金端的對接效率，主要是通過商業(yè)模式的創(chuàng)新來精簡中間的商業(yè)環(huán)節(jié)，從而提高效率，屬于模式驅動型?？萍己徒鹑诟嗟乇憩F為較為簡單的嫁接關系，兩者之間并未發(fā)生更深層的融合。科技的作用，只是將金融服務方式“改頭換面”，作為傳統(tǒng)金融的一個流量渠道或是一個產品的線上展示渠道。

不論是最初的金融IT化，還是之前的金融互聯網化，金融行業(yè)與工具之間，都是單純的物理組合，是渠道升級，本質上還是割裂的，不完全的技術賦能，隨著大數據、人工智能、區(qū)塊鏈等新興技術的迅猛發(fā)展，資產端定價的低效問題逐步有了新的解決方案，金融行業(yè)正式邁入科技金融的化反階段。

科技金融在互聯網金融的基礎上深耕細作，通過大數據、人工智能和區(qū)塊鏈等技術，依托金融底層基礎設施的代際升級，對資產進行精準高效定價，從而實現資產端的高效配置。從本質上說，科技金融主要提高了資產端的配置效率，通過技術的迭代創(chuàng)新，使得業(yè)務運作的方式得到極大的升級，屬于技術驅動型。

信息化時代，金融行業(yè)一直都在不斷的利用利用新的生產工具，一方面是技術的實用性，不論在哪一階段，新興工具都促進了金融行業(yè)的發(fā)展，這一點上與其他行業(yè)一致，各行各業(yè)都在不斷的利用新技術，本質上一樣的。

另一方面，金融行業(yè)工具不斷嬗變也是營銷的結果，這一點比任何一個行業(yè)都更為明顯。

提及金融行業(yè)，行業(yè)標簽就是高大上，辦公樓高大上，裝修高大上，出行工具高大上，舉辦發(fā)布會的場地也比其他行業(yè)更為高大上，也就是說金融行業(yè)比任何一個行業(yè)更需要包裝，畢竟金融公司基于信任開展業(yè)務，自己公司看著都low逼，如何讓投資人放心?再加上，前兩年，互聯網金融行業(yè)被P2P搞的早已臭名昭著，自帶負面效應，打掃干凈屋子再請客，全行業(yè)高度一致的轉型科技金融或者貼上科技金融標簽也是情理之中。

AI賦能加速度：各體量公司的【政治正確】

央行金融研究所互聯網金融研究中心副主任兼秘書長伍旭川曾經向外透露了一個全世界的金融科技投資數據，從2010年的17.91億美元增長到到2016年的232億美元，增長接近12倍。在這樣增長很快的領域里，亞太地區(qū)增長最快，從52億增長到112億美元，其中中國區(qū)域投資占到了102億美元，尤為亮點。

據最新數據顯示，2017年第二季度，全球科技投資達251宗，新增5家金融科技獨角獸公司。截止8月份，全球共有26家金融科技獨角獸公司，其中，北美有15家、亞洲占7家、歐洲4家。

對中國來說，盯上金融科技市場紅利的，主要有電商巨頭做金服，傳統(tǒng)金融機構做轉型，互金獨角獸公司做智能風控。

目前，螞蟻金服在各大金融科技公司中排名榜首，支付寶依然是大宗金額支付的首選。與螞蟻金服對標的京東金融，A輪估值已達466.5億元。

在互聯網金融的沖擊下，傳統(tǒng)銀行被管道化。微眾銀行、網商銀行、百信銀行、新網銀行等成為互聯網巨頭與傳統(tǒng)銀行合資的金融科技新物種。

在互金領域，那些獨角獸公司則專注于智能風控的應用。投資人從追逐商業(yè)模式到認同“技術含量=服務效率”。不應用人工智能，就談不上是“金融科技”，畢竟機器算法在金融推算面前的失誤率絕對低于人工。

對于人工智能在金融領域的應用，有業(yè)內人士認為，這將成為金融發(fā)展的一大機遇。未來，金融服務將會更加去中心，更加線上，更加智能，從而為整個行業(yè)帶來顛覆性變革。

據了解，互聯網行業(yè)三大巨頭BAT均在積極布局區(qū)塊鏈金融，百度與Circle(跨境支付)達成戰(zhàn)略合作;阿里與以太坊合作開發(fā)金融云;騰訊旗下的微眾銀行基于騰訊云做聯盟鏈云服務等。

其實，不止是BATJ在面向金融機構和客群提供開放賦能，會出現更多的參與者，7月6日，以宜貸網為前身的全新綜合類金融科技服務集團眾之金服成立，亦是這場游戲的新入局者，眾之金服擁有智能大數據、新型智能資產、聚合支付、小微銀行服務、智能投顧、網貸等六大板塊垂直服務，等等不一而足。

毫無疑問，人工智能正成為改變整個互聯網產品形態(tài)的技術之手，發(fā)源于比特幣金融創(chuàng)新的區(qū)塊鏈技術又被視為改變未來互聯網價值流通的一個革命力量。

我國在金融科技領域具有明顯的比較優(yōu)勢，無論是BAT、傳統(tǒng)銀行還是保險機構、互聯網創(chuàng)業(yè)公司，都在積極布局金融科技，從長遠來看，這將催生更多新商業(yè)模式及新物種。

理想豐滿，現實骨感：金融AI化的蜀道之難

金融是一個復雜的行業(yè)，在短時間內，很難被AI完全替代。

在利潤率較高、數據結構化較好、問題定義明確的一些方面，AI會大行其道。在不同金融領域的AI如果都能發(fā)展到一定程度時，或許能加速整個金融產業(yè)的AI發(fā)展。

在現階段，金融公司所面臨的數據結構化需求遠遠高于大數據要求。大量的歷史數據還并未電子化，甚至現階段大量金融公司新產生的數據都還屬于不規(guī)范的格式。

另外，對于金融人才來說，這個時代需要專精金融且能和計算機從業(yè)者順暢溝通的人才，同時金融學的進一步發(fā)展也需要專業(yè)人才繼續(xù)探索，因此金融完全是需要繼續(xù)學的，但有所側重的補充計算機知識可以為個人和社會帶來更大的價值。

這一問題，其實在互聯網金融領域早已出現，互聯網金融從業(yè)者既要懂金融，又要具備互聯網相關經驗，復合型人才永遠是最稀缺的，互聯網金融尚未成熟之際，現在又在劇烈向AI靠攏，勢必造成人才斷層。

人民日報近日發(fā)文《中國人工智能人才缺口超500萬，供求比例僅為1：10》，據報到顯示，基于領英平臺的全球人工智能高級人才44%以上來自美國，需求總數大概在190萬人左右，而中國相關技術人才數量才達到5萬人左右，這與中國近500萬人工智能人才的需求，相差甚遠，一時間各大互聯網公司搶奪人工智能相關人才的風波被推到風口浪尖!

科技金融雖好，不僅僅是彎道超車的好時機，更有甚者將此比喻為人類的下一幕，簡直是換賽道，良禽折木而棲，嚴重失衡的供求關系下，中小型的金融公司，很難匯聚相關人才，只能加劇與大公司的差距，一場看得見卻摸不到的行業(yè)窗口期。

除此之外，AI在金融上的表現也許并沒有那么顯著。前不久，“某國有大行信用卡將所有樂視員工信用卡額度清零”的新聞被炒得沸沸揚揚。隨后，該行解釋稱主要是因為該行新上線了“新一代”核心系統(tǒng)。在風險防控系統(tǒng)智能化轉型后，因為識別到樂視公司的風險可能會影響員工收入，進而影響信用卡還款能力后，系統(tǒng)便作出了此調整，AI風控上，不免陷入一刀切，可見理想中的AI風控，不僅沒很好的智能，多少顯得有點智障了。

不僅如此，金融行業(yè)無法很好的用AI來定義一個金融問題現階段比較被商業(yè)化廣泛應用的機器學習還是監(jiān)督學習，而監(jiān)督學習要求有明確的問題定義。以簡單的監(jiān)督學習為例，如果你想建立一個模型來預測企業(yè)并購是否會影響公司股價，那么你需要提供大量并購數據，以及并購后股價是否發(fā)生了變動。理想情況下，在收集足夠多的并購消息和股價變動信息后，做自然語言分析后提取特征放到機器學習模型里面就大功告成了。然而在實際情況中：我們無法給出明確的問題定義和邊界。

最后，燒錢加劇，能否熬到天亮未可知。投出產出在現階段不成正比，短時間內難以獲得收益。在這種情況下，每個問題都需要大量人和數據來支撐。因此研究探索型的、不能產生利潤的方向很少有公司來投資AI來進行研究的。換言之，有財力提供AI研究的金融公司不多，小型的金融機構或者學術機構又缺乏資源(資金，技術人才，數據積累)來進行相關系統(tǒng)的研究。百度CEO張亞勤，在接受媒體采訪時就曾經表示，AI不是短時間能賺幾百億的生意，需要很長的時間積累，對于現在的互聯網金融公司來講，能否熬到天亮也是個問題。

人工智能時代，或許還很遙遠?；蛟S人類會發(fā)明一個我們無法駕馭無法理解的新物種。就像alpha go戰(zhàn)勝人類頂尖棋手之后，與之對弈的棋手都驚嘆人工智能對于圍棋的理解已經超出了人類千年以來的經驗范疇。很期待在人工智能與金融學全面結合之后，會產生出一種全新的金融理論，也許到時候行為金融學所研究的，就是人工智能的行為。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。