智能金融已在2C服务实现单点突破，保险科技尚未成熟

6月15日，亿欧金融在上海正式举办“ 2018智能+新商业峰会——智能+新金融峰会 ”， 此次峰会由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府、上海市互联网金融行业协会指导，上海市长宁区青年联合会和亿欧公司联合主办。

上海市互联网金融协会、英凡研究院、星合资本、百融金服、融360、同盾科技、包银消费金融、新网银行、网商银行、快牛金科、拍拍贷、恒昌公司、光速中国、宜信新金融产业基金等单位出席本次峰会。

在《智能金融商业模式探析》圆桌讨论环节，光速中国助理合伙人杨陶（主持人）、懒财金服联合创始人CTO李子拓、宜信新金融产业投资基金合伙人崔峥、北京大学金融智能研究中心研究员刘新海进行了深入讨论，以下为现场实录，供业内人士参考。

智能金融仍有待全面成熟

杨陶：最开始这个行业叫互联网金融，后来又叫FinTech，今天叫智能金融，那么智能金融定义是什么，有没有一些实质性的智能金融创新事件可以和大家分享一下？

刘新海：定义上主要是把一些好的人工智能技术用到金融服务，解决金融服务、金融产品的问题。最成功的应用应该是在身份识别、人脸识别、虹膜识别、指纹识别，尤其是身份识别反欺诈。

另外，在风险识别上、反欺诈方面有很好的应用。当然这块儿还在探索过程中。中国投资方面的应用，很多人非常喜欢讨论，我觉得不太靠谱，可能与环境也有关系。

崔峥：宜信希望以新的科技推动金融发展、推动金融市场“饼”越来越大，这是我们比较坚信智能金融的理念。

从几个案例来讲，过去一年内国内市场、国外市场都碰到了很多好的案例，最好的就是反欺诈，在国外无论是欧洲、美国拿着你的ID卡照张照片能证明这个人是谁，但其实在后台有很多科技。比如，在美国有50多个州每个州的身份证都长的不一样；另外，在银行应用里更多的是客服，语音识别方面的机制作为不错。

另外，其实在国外二级市场，人工智能技术已经有些突破了，主要贡献在股票交易、债权交易、后台结帐等大数据应用，这些走得比在国内稍微快一点。

李子拓：智能和金融首先是金融，同时把智能因素、智能优势用到金融里面。关于这个的明确标志性事件非常多，除了资产端、识别上相对比较成熟的应用，其实在资金端、财富管理方面也有很多相对探索性的尝试。

比如说大家都知道招商银行的模式，开始比较简单，如何洞察用户的需求，如何根据数据推断用户的真实想法是大有可为的。很有可能通过数据分析出结果比用户自己还要了解他自己，因为很多人没有金融方面的背景知识，这个时候完全有可能由人工智能帮助用户梳理自己的需求，现在懒财也在做这方面的尝试。

短期内智能金融突破在2C服务、单点突破

杨陶：金融产业非常大，银行、保险、理财、投资等哪个细分领域、细分赛道更适合用人工智能的技术进行升级迭代？

李子拓：首先这件事情人可以做，但是人做特别费劲，成本特别高。比如，很多基金经理年薪几百万，服务普通用户可能很贵，这些事情如果有可能由人工智能来做在成本上会大幅降低，效率也能提升，可以24小时连轴转。

还有一种，人可能在里面会受情绪、道德方面的不足，机器也可以更好的解决。其实，领域就很广了，理财、保险、资产端的风控等，银行的风险防范到技术有很多地方都可以用到人工智能相关的技术。

崔峥：我觉得在短期内还是给个人服务方面比较大的突破。尤其是保险行业，无论是保险的后台服务以及保单这些都能用人工智能解决，而且这是一个时间的问题。

刘新海：我刚才说过了，人工智能的突破，包括目前的突破基本在身份识别。另外，监管科技这块有很好的用处，场景限定的比较好，而且数据各方面比较规范。我觉得，这应该是一个非常好的应用场景。

当前主流玩家的主流探索方向是什么？ 第一个在风险，第二个在投资。对风险模型我始终持怀疑态度，现在不成熟。好多美国公司十几年前第一波人工智能的时候，已经用AI了，但是不太成熟。

另外，投资这块，原来用人工智能做投资做的挺好，2015年就垮了，所以说我一直在关注这个东西，就是量化投资。当然，单点突破可能会有，但是大面上，技术识别的成功应用，带动金融科技应用的成功，带动普通的商业应用。

算法派OR训练派？

杨陶：聊金融永远提到风险，那么，人工智能可能会有哪些风险、智能金融会有哪些风险？又该规避它？ 

崔峥：风险肯定有，因为当科技进步的时候，人对这个问题的解决方式其实就少了，怎么理解？就是说，可能科技不是很发达的时候，你有各种人对这个东西很懂，所以他能给你解释很清楚，但是我相信有一天，比如马云经常说，你把开关一开灯泡就亮了，你也不会问电为什么能亮。我相信很久以后，金融可能也有这些问题就会出现在这个地方。

比如说，2008年的次贷危机，没有人知道为什么。人工智能的风险也是这样，我肯定不是那么聪明，这是会带来的一些风险。

李子拓：这个用专业的术语解释就是【人工智能算法的可解释性】。

现在自动驾驶里面其实分两大主流派的，一种是纯算法派，完全用人的规则驱动这种智能程序的运行。还有一种是训练派，不用管什么规则，也不用管看见红灯停，就是学我怎么开就行。

后者有一个问题，如果这里面有一些规则，人类没有办法解释，就像很多大家说AlphaGo下棋的时候招数人家看不懂，这个原理训练出来的网络用人的知识已经解释不了了，这里面可能掩藏道德风险，因为我们其实用人类的已有知识体系看不明白。

ABCD技术，如果智能技术本身能够快速发展，其实就能带动金融发展。回想一下，如果没有移动支付、没有手机、没有4G，我们现在不用谈智能金融了，大家还可能去银行排队呢。人工智能技术本身的发展一定会带动智能金融整个行业的飞速发展。

人工智能的瓶颈在算法，短期内难以冲出保险科技独角兽

杨陶：现在大部分公司人工智能技术处于什么样的阶段？

崔峥：比如说有一些催收公司做人工智能，非常有意思的生意，在不同的点，不同的时间，你去给这个人打电话，其实他把钱还给你的比率是非常高的。但是你必须抓住那个点，必须抓住这个人的个性。

还有，我们不觉得在最近几年出现一个非常强的人工智能的保险公司，所以希望每个赛道都不太一样，但是因为每一个赛道有没有把所有的数据放到云端，以及互联网渗透率，这都是有关系的。

杨陶：最后一个问题，各位发挥想象力描述一下您觉得未来的智能金融的一个理想的状况或者说终极的情况是怎样的？

李子拓：从两个角度说，产品形态上，理财需要挺多知识，我希望有一天看到一个机器人根据我日常的消费行为告诉我，现在这么些钱这样去操作就可以了，保证不会亏。

从人工智能技术本身，可以从ABCD技术角度去探索，首先是数据，数据是眼下人工智能发展的重大驱动力，现在数据的发展明显存在孤岛，大家起来对数据本身的共享比较谨慎的，如果有一天国家有政策，或者是这种行业能达成联盟，允许大家在保证隐私的情况下能够分享，我觉得一定能让人工智能大力发展。

算法是人工智能现在面临的一个瓶颈，我们现在回想人工智能这么火热的几年，发现大多数算法基于数据驱动力。但是我们认为不是这么学习的，不是给你1个苹果才知道这是1个苹果，现在也有One-shot-learning的方法出现，离成熟还有很长的路。另外就是运算力，这个其实已经很好了，但将来会不会有量子计算机这样的东西出来，再把这个行业翻新一下。

杨陶：感谢三位的精彩分享！