2016年开始，人工智能进入大面积爆发阶段，在各个领域的应用都得取得了突破性的成果，作为各种技术先行者的金融领域自然也不例外。回顾金融领域的发展历程，金融的进步一直都与科技联系紧密，金融机构也一直是最新信息技术最积极的应用者。从这个意义上来说，科技驱动金融，并非始于当今，而是早已有之。

事实上，相比其它行业，金融行业在与人工智能技术的结合与使用上具有更多的优势。首先，人工智能技术包括数据和算法两部分，运用的领域需要满足能够将一定的流程标准化、模式化（pattern）。金融是跟数据大量打交道的领域，全球化的波动导致交易市场瞬息万变，而智能设备等传感器的普及产生了大量的非结构化数据，金融领域的风险定价正好可以利用数据和算法进行更高效的评估，以此来降低金融机构的成本，同时挖掘到更多有价值的信息，帮助市场进行决策。

人工智能的大范围使用，让一些传统的职业受到了挑战，很多金融行业的从业者担心在不远的将来自己的工作会彻底被机器取代。但对于金融行业来说，这种变化是必然也是必需的，智能金融是对传统金融模式在效率和操作方面一次彻底的升级与革新。下面我们将从智能金融的发展现状、智能金融的运用场景以及智能金融所面临的挑战和前景来具体了解一下人工智能在金融行业的应用。

智能金融的发展现状

在讨论智能金融的发展现状之前，我们首先明晰一下智能金融的概念。

“智能金融”指的是人工智能技术与金融服务和产品的动态融合。即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，这些参与者共同组成智能金融生态系统。

人工智能技术与金融的结合并不出人意料，回顾金融行业的发展历史，金融机构一直是最新信息技术最积极的应用者，某种意义上来说，科技一直是金融发展的驱动力。总体来看，科技驱动金融发展至今共经历了金融电子化和信息化、金融网络化和移动化、金融自动化和智能化三个阶段。而我们目前所处的和即将介绍的，就是金融自动化和智能化阶段。

在前两个阶段，科技企业在金融领域一般扮演技术服务或解决方案提供商的角色，金融技术的革新主要是由金融机构发起和主导。而发展到自动化和智能化阶段，科技公司不再局限于为现有的金融机构提供技术支持，而是通过改变玩法、挑战中介、改良赋能，来推动金融领域的创新与重塑。

作为未来金融发展的方向，智能金融在政策、经济、技术等方面都获得了巨大的支持，各方面资金的投入也为智能金融的发展创造了极其良好的环境。

首先是政策方面，2015年开始，我国政府就将人工智能纳入了国家战略发展规划。到2017年，人工智能发展推进已不再集中于国务院，文化部、科技部也出台了多项人工智能支持政策，逐渐形成多部门人工智能联合推进机制。这一举措表明了国家对人工智能的重视程度不断提高，为人工智能发展提供了强有力的政策支持，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国的步伐。

2016—2017年，基于普惠金融等需求，国家对金融提出了自动化和智能化的发展要求，银行业最早尝试利用人工智能打造智能化运维体系，在十三五国家科技创新规划中也明确移除了重点发展大数据驱动的类人智能技术方法，推动科技与金融融合。

2017年5月金融科技委员会的成立，标志着我国开始拥有专门研究规划和统筹协调金融科技工作的机构。期间出台的《新一代人工智能发展规划》也对智能金融提出了明确的要求，为智能金融的发展创造了优越的政策环境。

在经济投资方面，我国人工智能投资额和投资次数也一直处于上升趋势。

2014年开始，人工智能方向的投资进入爆发式增长。截至2016年，我国人工智能投资金额已超过166000万美元。从总体的投资情况来看，人工智能和金融科技项目投资深受资本市场青睐，且发展势头迅猛。

当然，一直以来由科技推动的金融领域自然也少不了技术支撑。

人工智能技术由来已久，上世纪起科学家便开始了人工神经网络的研究，深度学习的使用给人工智能的应用带来了巨大的突破。与此同时，金融在自身发展迭代的过程中也积累了大量有价值数据，包括客户信息、交易信息、资产负债信息等。麦肯锡研究报告以银行业为例指出，银行业每创收100万美元，平均就会产生820GB数据。这些金融数据虽然获取难度高，但它是所有数据价值含量最高的数据之一，其占国内生产总值的比重也非常高。大量的数据也为人工智能在金融领域应用打下了坚实的基础，为人工智能的学习与训练提供了良好的素材。

在各方面共同创造的良好环境中，智能金融发展迅速，各业务应用齐头并进，颠覆了很多岗位的工作方式也为金融领注入了新的能量。

人工智能在金融领域的应用

相比较目前以人为主导的金融模式，人工智能在金融领域的应用至少具有如下几点优势：

（1）迅速吸收处理分析信息的能力，可以在极短的时间读取、整理和分析全世界范围内的所有公开数据、图像乃至非结构化信息，藉此作出投资、借贷、风险管理决定。它在数据分析处理上的能力，和人脑根本不在同一个档次上。

（2）深度学习已经成为智能金融在未来的最大利器，其在线下快速、海量地通过学习历史和交易记录来提升未来决策水平的能力远远高过人类。

（3）没有感情、没有思维定式，可以克服人类的弱点和盲点。

（4）在高速运算和海量数据的支持下，人工智能可以提供因人而异、随时随地的定制解决方案，在投资顾问、组合配置等方面可以由模块式服务转向个性化服务。

（5）人工智能可以通过大量机器联网，制造出巨大的乘数效应，而不必坠入人类社会中因人员聚集而经常产生的利益错配、办公室政治等陷阱。

人工智能作为计算机科学的一个分支，试图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器，主要应用场景包括信息收集与识别、信息综合分析与预测、控制与决策等方面。

当前，按照金融机构前台、中台、后台三大主要模块分类，人工智能至少可运用到金融的七大领域，前台为智能支付、智能营销、智能交易，中台为智能风控、智能投顾和智能投研，后台为智能监管。

1、智能支付

近年来，移动支付市场大规模扩张，各种新奇的支付方式也逐渐进入人们的视野。据统计，2016年中国第三方支付市场规模达到11.41万亿美元（包括互联网支付和移动支付），其中移动支付的占比已经超过互联网支付，达到75%。移动支付在发展过程中，支付验证技术也经历了快速迭代，密码支付、指纹支付、声波支付等过程。

金融用户需要验证身份的真实性，主要技术包括人脸识别、语音识别、指纹识别和虹膜识别等，这个场景努力的方向，就是要逐步使得金融产品能够“看懂文字”“听懂语言”，实现与用户的无缝连接与协作，为公众提供智能化金融消费体验。

人脸识别技术的成熟和人们对支付安全便捷需求性的提高，使得刷脸支付出现在大众视野。刷脸支付，即基于人脸识别技术的新型支付方式，将用户面部信息与支付系统相关联，通过拍照把获取的图像信息与数据库中事先采集的存储信息进行比对来完成认证。但由于技术和政策的限制，该验证方式落地还需要很长一段时间。

2、智能营销

对于营销，目前被谈论最多的是精准营销，它的出现比较早2011年就已经有了具体的概念。精准营销，指的是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路，是有态度的网络营销理念中的核心观点之一。而“智能营销”是一个新概念，2017年才产生。但是，智能营销并不是凭空产生的，事实上，它是基于精准营销的再精准化。

智能营销是指在可量化的数据基础上分析消费者个体的消费模式和特点，并以此来划分顾客群体，精准地找到目标客户，然后进行精准营销和个性化推荐的过程。不同金融用户拥有不同的风险承担能力和意愿，对金融产品与服务的需求具有差异性，而人工智能可以通过大数据技术精准刻画用户画像，并基于此策划营销方案，进行精准营销和个性化推荐，同时实时监测，不断优化营销策略，建立用户数据库，帮助企业引流获客、留存促活。

相对于传统营销，智能营销基于大数据技术、机器学习计算框架等技术，具有时效性强、精准性高、关联性大、性价比高、个性化强等特点。

3、智能交易

智能交易俗称智能交易系统，是之通过建立金融业务智能感知与处理系统，使得电脑代替人脑，模拟人脑的逻辑思维完成信息收集、数据建模、推理判断、结果预测等，将交易策略变成电脑程序，做出最优化的交易决策。即用“电脑判断+电脑操作”代替“主观判断+人工交易”。

4、智能风控

金融的本质在于风险定价，风控对于金融机构和平台来说都是一种保障。伴随着互联网金融、智能金融的出现，金融业务面临的风险挑战越来越大，对智能风控提出了需求。智能风控利用大数据人工智能技术，可以使用海量的多维度数据，塑造出高度精细化的风险控制模型，在感知金融环境的动态变化基础上，不断进行深度挖掘与智能学习，实现针对市场变化的适应性更新调整。

智能风控基本包含数据收集、行为建模、用户画像和风险定价四个流程。

5、智能投顾

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），依据现代资产组合理论，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在线投资建议服务。

投资者对于投资顾问的需求主要体现在“情绪管理”和“投资策略/建议”：一方面，投资者在投资过程中容易产生贪婪或恐慌的情绪波动；另一方面，投资者金融市场信息了解相对较少，信息不对称。

与传统投顾相比，智能投顾具有低门槛、低费用、投资广、透明度高、操作简单、个性化定制等优势。因此，智能投顾更适合满足投资者的需求。

目前中国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、投资组合选择、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。

6、智能投研

金融业对数据具有极强的依赖性，工作人员每天一半的时间都用来收集和处理数据。因此，如何节省这一半的处理和收集数据的时间，是金融业对人工智能提出的需求。

智能投研是基于知识图谱和机器学习等技术，搜集并整理信息，形成文档，供分析师、投资者等使用。智能机器效率较高，但创新性不足，而人机结合将大大提高决策的效率和质量。

7、智能监管

全球每年产生约3亿条法律法规数据，人工储存难度较高。通过人工智能学习、积累金融法规，并结合金融机构的实际情况提供合规建议。机器可以从海量的交易数据中学习知识和规则，发现异常行为，对欺诈与洗钱行为进行警示。

智能金融的挑战与机遇

智能金融潜力巨大，发展前景也一片大好，但现在的技术并没有解决全部的问题，智能金融依旧存在一些需要完善的地方。

从技术层面看，目前智能金融发展进程中的潜在挑战主要有以下几个方面：

第一是基础设施层面。具体包括通信、架构、系统、应用和数据安全等问题，随着人工智能等技术在金融中的应用，金融网络安全的重要性也相应提高。因为金融体系对智能科技越依赖，那么，这些技术层面如果出现故障可能产生的冲击也就更大。

第二是数据联通及有效应用的实现障碍。目前用户数据高度集中在少数几家企业中，容易形成数据寡头现象，带来一定程度的数据垄断，造成所谓的数据鸿沟问题，形成信息孤岛，不利于智能金融公司数据的联通。并且如果数据使用不当，精确的数据挖掘也可能会导致不合乎现实乃至荒谬的结果，如何深入理解数据与金融的逻辑，挖掘数据真正的价值成为了又一大挑战。

第三是对智能金融认知偏差可能会导致一定的信任危机。从发展进程评估，目前人工智能还处于“弱人工智能”阶段，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。如果在目前的发展水准上就一味对智能金融过于夸大事实，使得大众的期望值比较高，一旦出现一些故障，就容易造成信任危机。

除了技术层面的挑战，信息和监管方面也形势严峻。

首先是信息安全问题。智能化的金融服务平台是建立在互联网基础之上，但影响互联网不确定性因素太多，这样无疑增加了系统性风险。如网站一旦遭到黑客击破，客户信息随时面临被泄露的风险以及经济财产遭受损失的风险。再如，网络应用程序一旦发生故障，用户将会面临信息导入错误程序的风险，进而引发经济损失风险。

其次是依附于大数据问题。海量的数据是人工智能技术优势发挥的燃料，离开大数据，人工智能就犹如无米之炊的“巧妇”。随着互联网技术的发展和普及，金融领域的数据流比较充足，但离全量数据相差甚远。以国内征信为例，在目前收录的8亿人中，有完整征信记录的仅3亿，另外5亿只是录入了基本信息。这样，人工智能在征信领域的应用就会大打折扣。

此外监管缺失也是智能金融发展需要解决的问题之一。人工智能所有的操作技能建立在大量的程序基础之上，发生故障的可能性较大。人工智能自身的学习、决策机制的产生等行为无法追溯，这些加大了开发人员人为造成恶意行为的可能性。但在现有的法律和监管体系下，很难界定人工智能由于故障或行为引发的社会责任问题。

从目前的进展看，人工智能在金融领域的应用，开始优化金融现有流程，在前端应用于服务客户，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，使金融服务更加个性化与智能化、金融风控能力更强。展望未来，智能金融呈现出以下几个方面的发展趋势。

1、创新传统金融业态，促进智能技术与金融的融合，逐步实现智能化、场景化、个性化。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（可以简单视为助理分析师）；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）。场景化即使金融业态更贴近生活。同时通过智能金融驱动金融服务和产品的创新，提供多元化选择，实现相对个性化的金融服务。

2、降低金融服务成本，使得金融业能够覆盖到传统的金融体系覆盖不到的客户与领域，推动金融普惠化。智能金融中的智能营销可以帮助金融机构精准定位客户，减少不必要的营销成本；智能风控在整个业务流程中可提高风险识别、预警、防范及风险定价能力，也可以降低风险甄别成本。而经营成本的降低是基于整个金融业务流程的智能化，实现从部分到整体的成本降低。智能金融总体成本的降低将扩大金融产品和服务的范围、拓展用户基础，推动金融的普惠化。

3、技术企业和金融企业参与智能金融虽然是基于不同的起点、比较优势和路径，但是从趋势看呈现出相互影响、相互融合的态势。。金融机构与科技公司的合作方式主要包括购买、投资并购、建立加速器等，目前金融机构与科技企业之间的往来大部分停留在向科技公司购买技术服务，或与科技公司合作建立联合实验室。出于规避金融机构与科技企业合作存在的信息技术安全、监管不确定等问题或对长远发展的考虑，未来金融机构有望以更深入协作的方式成为技术的共同所有者。而技术企业表现出的活力，和对市场的敏感，也会深刻影响传统金融行业的金融服务方式。

技术的革新也是行业的革新，人工智能技术的进步和使用将给绝大多数行业带来冲击，取代目前的很多工作。在未来的发展中，我们期待人工智能技术能够继续为金融领域带来更大的变革，服务更多传统金融未触达的人群。