如果留心一下，会发现曾经火热的“互联网金融”已经降温，很少再有企业标榜自己是“互联网金融企业”。取而代之的，是一家家“金融科技企业”。这一变化的背后，预示着互联网金融行业的拐点已经到来——仅仅依靠互联网技术，仅仅按上“互联网”的帽子，已经不能再吸引市场的关注度。

与此同时，在物联网大潮中也驱动着金融行业不断地转型升级，新技术提升着金融业的效率，物联网与金融行业深度融合的时代也已经到来，使得传统金融机构如银行朝智慧银行升级成为必经之路。

早在2016年7月，央行条法司副司长刘向民明确指出，要划清互联网金融和Fintech的界限，Fintech要与持牌机构合作才能从事金融业务，并抛开表面属性，从业务模式出发进行穿透式监管。

然而随着金融科技在业务层面渗透率的逐步提升，就需要更加强力的监管制度跟进，才能使其较为平衡稳定地发展。

因此，中国人民银行正式成立了金融科技委员会，旨在进一步加强金融科技工作的研究规划和统筹协调。从而把握促发展与防风险的平衡、推动传统金融机构的脱胎换骨式升级、以及利用金融科技手段应对金融科技对传统监管工具的挑战。

央行强调，将强化监管科技(RegTech)应用实践，积极利用大数据、人工智能、云计算等技术丰富金融监管手段，提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。金融监管部门通过运用大数据、云计算、人工智能等技术，能够很好地感知金融风险态势，提升监管数据的收集、整合、共享的实时性，有效地发现违规的操作，高风险的交易等潜在问题，提升风险识别的准确性和风险防范的有效性。

央行成立金融科技委员会，强化监管科技（RegTech）应用实践，至少应该包含三层含义：
1、研究如何更好地对包括互联网金融企业在内的金融科技新业态进行监管，既要能防控风险，又不能扼制创新，要在金融科技发展的国际竞争中始终保持领先地位。
2、研究如何促进包括商业银行在内的传统金融机构更好地进行模式转型，利用金融科技技术提升业务效率，同时防控风险。若金融科技不能促进庞大的传统金融体系更好地转型，则其应用场景和实际效果都会大打折扣。
3、研究如何利用大数据、云计算等金融科技手段进行监管手段创新，提升监管效率。

金融科技到底是什么？是移动支付技术？是智能投顾？是区块链？还是只是“互联网金融”的旧瓶装新酒？与互联网金融有什么区别？

“金融科技”更强调用互联网思维、互联网技术由外及内地改变传统金融服务业，而不是简单的“互联网+金融”。简单来说，金融科技的目标是出现更多的金融科技与传统行业想合作的案例。以京东金融为例，其探索“金融科技”的做法就是加大数据与技术能力投入，以期对更多金融机构输出金融科技能力，打造开放平台生态，构建金融科技生态圈。

“金融科技”比“互联网金融”的内涵更广。如果说“互联网金融”代表了某些产品、某些技术，那么“金融科技”更强调“赋能”，用技术来改变传统的金融产品乃至整个行业。例如，传统金融机构，尤其是中小金融机构在客群机构、地域限制、风控能力、IT能力以及经营范围普遍受到限制，如何通过互联网化、智能化等科技能力提升来解决当前痛点，这就是“金融科技”的机会。金融科技公司拥有包括产品开发、用户运营能力在内的数据和技术优势，使得传统金融机构会通过与金融科技公司合作来帮助他们推进自身发展。

从整个IT技术对金融行业的推动和变革角度来看，业内专家认为至今为止金融科技经历三大发展阶段：

金融IT阶段：主要是指金融行业通过传统的IT软硬件来实现办公和业务的电子化，提高金融行业的业务效率。IT公司并不参与金融公司的业务环节，IT系统在金融公司体系内属于成本部门。代表性产品包括ATM、POS机、银行的核心交易系统、信贷系统、清算系统等。

互联网金融阶段：金融业搭建在线业务平台，通过互联网或者移动终端渠道汇集海量用户，实现金融业务中资产端、交易端、支付端、资金端等任意组合的互联互通，达到信息共享和业务撮合，本质上是对传统金融渠道的变革。代表性业务包括互联网基金销售、P2P网络借贷、互联网保险、移动支付等。

金融科技阶段：金融业通过大数据、云计算、人工智能、区块链等最新IT技术，改变传统金融的信息采集来源、风险定价模型、投资决策过程、信用中介角色等，大幅提升传统金融的效率，解决传统金融的痛点。代表技术如大数据征信、智能投顾、供应链金融等。

针对金融平台的资产获取、风险控制、信息披露、贷后管理、逾期催收等运营需求，大数据结合人工智能，已经能够提供个性化的智能解决方案，全面降低互金信贷集中风险，进一步提高科技金融产品质量及服务效率。实际上，人工智能是基于海量数据的深度学习系统，人工智能与大数据是相生相伴的两项技术，金融机构用好这两项技术，必然能为金融业务带来一轮新的增长，对于未来智慧金融而言，二者将成标配。

人工智能与大数据的融合，为金融风控带来了革命性的变革，大数据风控公司从网上收集用户的海量数据，并快速分析预测，从而对其进行信用评级。例如：用户年龄、收入、职业、学历、资产、负债等强相关数据；另外还有一些弱相关数据，如用户在社交网络上的发言、兴趣爱好、朋友圈、星座等。大数据风控通过对全面的数据(数据的广度)，强相关数据(数据的深度)，实效性数据(数据的鲜活度)进行整合分析，提升信用风险管理水平，客观地反映用户风险水平，让风险评估效果更精确。以互联网金融为例，小额、分散等特点明显，这造成平台不可能每一个借贷人都进行上门核实，这样的成本将会大幅增加，除非借贷金额较大，这样的实地考察才会更有意义。相比较线下考察这种方式，大数据的应用更为便捷，它通过海量数据的分析，可以轻松完成一个借贷人的用户画像，并给出该借贷人的风控建议。

而在人工智能领域，近些年，金融行业对其的探索一直持续着。在金融行业的支付、投资、贷款、个人理财、反欺诈、区块链、银行和保险等领域都出现了人工智能的身影。在未来，金融企业要紧紧把握人工智能技术应用，这样才能够成为金融金字塔上的塔尖企业。

举个人工智能在金融业的应用实例。金融本质仍然是风险管理，风控是所有金融业务核心。在泛互联网的环境里，金融风控面临的传统个体欺诈已迅速演变为有组织、有规模的群体欺诈和关联风险。而传统反欺诈还停留在识别一度风险等这种简单规则方式，如联系人中借贷人个数等，对于二度、三度乃至更广范围的网络全局风险苦无良策。机器学习里面基于图谱网络很好地解决了这一诉求，基于申请人、手机号、设备、IP地址等各类信息节点构建庞大网络图，并可在此之上进行基于规则和机器学习的反欺诈模型实时识别。其中一个比较普遍的情况，人工智能可监测相关设备ID在哪些借贷网站上进行注册、同一设备是否下载多个借贷App，可以实时发现多头贷款的征兆，把风险控制到最低。

马云说，未来的互联网是用人工智能在云端处理大数据。对实体资源有充分把控能力的企业正在借助互联网的力量创新商业模式，以B2B、企业服务等创业项目已成为风险投资竞相追逐的热点。

国内著名投资人熊晓鸽此前曾表示，IDG持续关注人工智能和大数据，并偏爱技术公司。事实上，大数据智能公司在行业内业已成为资本热捧的项目，擅长大数据技术的科技公司在资本领域也将具有得天独厚的优势。过去一年，科技巨头围绕这些产业，开展了大量的收购，标的包括人工智能初创企业(算法)、大数据公司(算法或数据)和芯片研发公司(计算能力)。据蛋壳研究院数据显示，截至至2016年7月底，谷歌在其中的收购次数最多达到了13次。

毋庸置疑，人工智能结合大数据已成为整个科技金融行业最炙手可热的项目，结合资本的热捧，科技和金融的结合如何给整个金融行业提升到何种高度，我们拭目以待！