来源：金融壹本经

人工智能时代悄然到来。技术与行业的破壁，已在各行各业展开。其中，金融领域因其行业特性屡被视为人工智能最好的应用领域之一。

各方高人纷纷为金融科技指路。从金融行业角度看，中国人民银行行长周小川两会期间在新闻发布会上提出：未来要把金融科技搞上去，一个是网络科技的发展，另一个是数字货币的发展。

从投资角度看，创新工场董事长兼CEO李开复多次表示：人工智能最好的应用领域之一是金融领域。

从技术角度看，谷歌云机器学习与人工智能首席科学家李飞飞表示：机器学习正在信用卡风险检测、反诈骗和洗钱等方面发挥越来越大的作用。

金融科技等于互联网金融吗？

“金融科技”的概念是舶来品，FinTech是Financial Technology的缩写，意为把互联网、大数据、智能化等技术与金融深度结合，用科技来驱动金融，提升金融服务效率。

在“金融科技”被提出之前，人们更熟悉“互联网金融”。但实际上，正如蚂蚁金服总裁井贤栋所言：FinTech并非简单地在“互联网上做金融”，而是基于移动互联网、云计算和大数据等技术，实现金融服务和产品的发展创新和效率提升。

央行人士在划分“互联网金融”和“金融科技”的界限时认为：FinTech不直接从事金融业务，主要与持牌机构合作。而互联网金融的本质仍然是金融，风险属性并没有改变，同样具备金融风险的隐蔽性、传染性、广泛性和突发性等特征，在行业高速发展的同时，风险也在快速积累，并已经开始爆发。

金融科技演进到3.0

金融科技1.0主要以IT软硬件应用为主要特征。在金融科技1.0时代，以IT软硬件在金融领域的应用为主，实现金融业务的电子化和自动化；金融科技2.0主要以移动互联网应用为主要特征。为金融业搭建在线业务平台，汇集用户和信息，实现金融业务中资产、交易、支付、资金等互联互通。对传统金融的变革主要体现在渠道上，由线下走向线上，覆盖到了长尾和普惠群体。第三方在线支付、P2P借贷、众筹融资、互联网基金销售都是这个时期的代表。

金融科技3.0则主要通过数据、云计算、人工智能、区块链等来改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色。这个阶段的特征为：科技对金融更加纵向深化，尤其对产业链的深度介入，或许将重构金融业态。大数据征信与反欺诈、智能客服、供应链金融等都是这个时期的代表。

四大落地应用场景

1、“机器学习、神经网络应用与知识图谱”赋能金融核心业务

相比于人工智能其他细分领域，机器学习、神经网络应用和知识图谱技术受到大量金融科技公司的青睐，研发力度更大，使用频率更高。众多金融科技公司甚至将这几项技术组合运用，作为自身核心技术壁垒。

一般机器学习、神经网络应用和知识图谱直接赋能金融行业内的核心业务，例如量化投资、授信融资、保险定价、反欺诈、辅助决策等。应用逻辑主要是导入大量相关数据，利用机器学习形成知识图谱或者建立模型，通过不同算法和神经网络应用预测交易趋势发现商机，识别欺诈把控风险。

2、“语音识别与自然语言处理”打造智能客服

语音识别与自然语言处理在金融领域的应用大多和机器学习、神经网络应用、知识图谱相结合。其主要场景模式是智能客服和语音数据的挖掘。

智能客服主要是通过电话客服渠道、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。语音数据的挖掘主要通过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，主要用于市场营销层面。

3、“视觉与生物特征识别”助力金融安保

视觉与生物特征识别在金融行业的应用主要聚焦在安保方面，其应用较为成熟。通过脸像识别、指纹识别、虹膜识别等生物特征，协助识别验证客户身份，预警可疑行为和可疑人员，达到安全防范的目的。在所有的技术中，现阶段最受瞩目并迅速发展的是人脸识别。它目前主要有3种应用模式：人脸识别监控、人脸识别比对检索、身份确认。

4、“服务机器人”提供自助服务

服务机器人一般集人脸识别、证件比对、语音交互、知识图谱、深度学习等技术于一身，一方面减少人工重复性工作，另一方面采集客户数据，展开精准营销。

当下金融科技三大谎言

未来，银行等金融行业面临着来自金融科技竞争者的压力，整个行业或有可能产生天翻地覆的变化。但对于金融科技，既要看到未来的方向，亦不能过于乐观和盲目。

“让人工智能帮你理财”

放眼未来，机器计算边际成本较低，人工智能应用也大幅削减人工降低成本。但目前来看，人工智能所能替代的是初级的信息收集与处理工作。比如代替以往一群人从早到晚阅读资料、提供投资建议的模式，用数据提供建议比过去更高效与稳定。不少调研对象均表示：目前机器算法后最终的投资判断大部分还是由人来承担。在很大程度上是因为人工智能的可信性。

“数据及其算法就是人工智能”

以智能投顾为例，虽然各方都看好智能投顾，但在调研中发现，对于背后的实际运作，与量化投资区别以及智能程度情况依旧存在许多疑问。比如在不少调研对象看来，现有的智能投顾只是资产配置的一种在线模式，其实和人工智能联系并不大，他们认为这是智能投顾领域最容易混淆的一个问题。

“让人工智能取代人类工作”

媒体经常以“机器人杀人”、“取代工作”为噱头证明人工智能浪潮的来临，但实际上人工智能有着自身的技术发展曲线，就目前而言，其智能程度并没有达到大规模替代人类工作，威胁人类生存的阶段。

许多金融科技从业者重视人工智能但远未到委以重任的地步，业内普遍认为，人工智能所能替代的只是初级的信息收集与处理等基础工作，运用大数据独立做投资决策更多是一个概念，成熟市场很少这样操作。

给致力于金融领域科技公司三大锦囊

核心壁垒：遵从行业本质，寻找行业痛点

对于金融科技行业而言，首先要遵从金融的本质，以数据为基础，技术为手段，为传统金融行业服务。信贷作为金融的核心功能，最大的痛点在于受制于用户需求以及风控环境等问题，如何利用人工智能精确了解用户需求，提高风控能力，减少坏账率，实现良性循环是信贷领域核心竞争力。

例如，通过深度学习多维度交叉比对数据反欺诈，依靠生物识别验证客户身份，采集分析行为数据进行精准营销。寻求更多盈利点是金融行业的另一个痛点。以智能投顾行业为例，和时间赛跑，利用人工智能技术，在更小单位时间内捕捉更多的赚钱机会，是目前很多金融科技公司在烧钱拼技术的核心点，也是人工智能的核心优势之一。

商业模式：ToC不如ToB

无论是智能投顾、信贷、支付，还是保险领域，不少金融科技创业者或行业巨头都瞄准C端（普通用户）市场。但随着互联网流量红利日渐被瓜分，致力于开发B端（面向企业）业务，为金融企业提供相关科技服务，成为一部分金融科技公司接下来布局的重点。即用技术帮金融机构做业务。

人才招募：复合性、跨界性、创新性

对于金融科技公司而言，招募靠谱的团队至关重要。由于金融科技不仅涉及金融而且与技术密切相关，因此准入门槛高。在调研过程中，我们发现，大部分受访者都有海外金融行业从业经验和技术研究背景。

人才的能力需要体现在人才的复合性、跨界性与创新性上。“清空自己，进行自我迭代的能力”是企业看中的一个特质。