智能金融颠覆行业，中小金融机构未来何去何从？

【编者按】AI寒冬论的观点越发引起人们的关注，但AI赋能金融行业的路还很长。

本文来源于看懂经济，由全球资本市场独立研究者吴昊撰写，经亿欧编辑，供业内人士参考。

---

1956年，美国达特茅斯河边，一群年轻的科学家在为期一个月的小型学术沙龙中，创造出日后影响我们生活方方面面的技术新名词—— 人工智能 。

60年后，各国高举AI政策大旗，资本纷纷入场，于是人工智能随移动互联网的崛起而广泛普及，释放出巨大的商业应用价值。从手机里的AI美颜相机，到陪你聊天的智能音箱，再到对着镜头眨眨眼就能完成付款的智能支付系统，人工智能这些年走进我们的生活，同时，也成为普罗大众的日常谈资。

AI的应用何止于衣食住行。过去三十年是中国金融业的大发展时期，银行、证券公司、保险公司、互联网金融企业等陆续出现，股票、基金、期货等金融产品更是变得越来越普惠，个人的存款、贷款，企业的发债、上市，都离不开金融机构与金融市场。但金融业始终有解决不完的痛点，效率、人力成本、信息不对称、风险等等，而这一切都在悄然地被人工智能改善，并孕育出了新名词——智能金融（AiFinance）。

一、智能金融的诞生

智能金融是人工智能技术与金融业的有机结合，利用AI协助，解决金融业态中，长期存在并无法用人力资本来解决的问题。

《中国智能金融发展报告（2019）》指出，智能金融是指人工智能技术与金融业深度融合的新业态，是用机器替代和超越人类部分经营管理经验与能力的金融模式变革。智能金融是 金融科技 发展的高级形态，是在数字化基础上的升级与转型，代表着未来发展趋势，并已成为金融业的核心竞争力。

原证监会主席肖刚高度认可智能金融，他说智能金融根本性地颠覆了金融生产效率。

在了解智能金融的实例之前，笔者先为大家解析一下“什么是人工智能”。

人工智能是计算机科学的产物。从19世纪英国数学家巴贝奇发明的第一台类计算机的分析机器，到1946年出现的世界上第一台电子数值积分计算机ENIAC，再到如今的PC与移动终端（手机/PAD），计算机的出现成就了今天的AI，它是AI技术得以实现的载体。

上世纪50年代，科学家图灵在英国《心灵》杂志上发表了一篇名为《计算机与智能》（Computing Machinery and Intelligence）的文章，引发了人类对于计算机是否应该具备智能的思考，文中提到的“模仿游戏”被后人定义为“图灵测试”（在不相见的情况下，人机对话，人无法辨别对话者为机器即为通过图灵测试）。并启发了后来的麦肯锡、明斯基等一众年轻科学家，而正是这一众年轻的学者，在1956年达特茅斯会议上首次提出了人工智能的概念。

行至今日，人工智能已经走过64年光阴，但AI技术依旧延续了最主要的两种路径，即为模仿人脑思考的联结主义，和将人类已掌握的知识用专家系统记录下来的符号主义，日后两者更是发展为以机器学习和神经网络为基础的经验主义，和以知识图谱、专家系统为代表的理性主义。

自1956年至今，AI经历了三起两落，每次高潮持续7-12年，低谷则长达17年，而每一次高潮都分别由理性主义、经验主义主导。2006年，人工智能开始从低谷爬升，那一年多伦多大学教授Jeff Hinton等知名学者们创造出深度神经网络（深度学习）。2012年，海量数据的使用与计算机芯片算力的优化，让AI掀起主升浪。

2016——2017年，柯洁和李世石作为中韩围棋界的高手，分别输给Google的 AlphaGo ，这样的历史性瞬间将人工智能推向了第三次浪潮之巅，之后AI技术的应用从棋盘上走入我们的商业社会。

当下，人工智能的直接代表与体现是80年代崛起的机器学习。所谓机器学习就是通过海量数据结合计算机的统计学科中的模型、策略、算法，通过越发强大的计算能力（根据摩尔定律：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍），让计算机具备在给出规则（监督学习）、不给出规则（无监督学习）以及给出部分规则（半监督学习）的情况下，自动地产出结果的能力。

而在机器学习的基础上，技术人员又通过深度神经网络的编制，行成深度学习技术，而通过借鉴经济学博弈论，强化学习（通过对机器决策结果的惩罚与奖励优化、更新模型参数）更是让AlphaGo Zero在围棋对战中，甚至不费吹灰之力就战胜了前版的AlphaGo。

在落地端，卷积神经网络（CNN）在图像识别领域发力，机器的文字的处理（NLP/NLG自然语言处理/生成）技术在过去5年极大地进步，而循环神经网络（RNN）打通了语音处理能力的仁通二脉。另外，更多的AI技术，如支持向量机器、长短时记忆网络、生成式对抗网络等等都开始广泛应用到商业社会的技术细节中。

当代表人类眼力的计算机视觉、代表听、说、读、写能力的自然语言处理/生成、语音处理技术有了长足进步之时，商业的落地就自然而然地成行了。

回到金融领域，当以上这些AI技术服务到金融业中的文字、图像乃至于音频信息的处理环节中，以及自动化时，原本需要重人力资本所完成的大量复杂工作，机器就能易如反掌地操作，让金融实操的效率大大提升。

二、AI的金融业赋能术

笔者认为，智能金融早已体现在银行、证券、保险等金融机构的方方面面。

以手机银行的出现为例，用户通过一个手机客户端就实现网上支付、移动支付、投资理财等工作。而在智能金融的助力下，这些功能变得更高效、更安全。

相比传统的二维码支付，基于计算机视觉技术的人脸识别支付不需要用户拿出手机扫码；资产管理端，你的资产交给机器打理，机器人智能投顾服务会根据你的资产规模、风险偏好、投资目标等，筛选出最合适你的投资组合，同时，AI还能帮你做好风险控制与管理，并帮助你维护好自己的信用；另外，当你不知道如何使用手机银行时，智能的客服系统，让你通过机器引导，更快的上手APP的新功能。

手机银行还会根据用户的特点，定向、精准推送信息、金融产品及服务，帮你配对最近的线下网点。而对于银行而言，财富管理需要的投资顾问、柜台服务、大堂经理的引导服务等都被机器程序取代，大大节约了人力，并让机器更随时随地与直接服务到用户。

在线下银行营业部，我们看见了机器人大堂经理，通过语音与用户互动，引导办理业务；而银行业务人员通过人工智能技术精准的获取对公业务的用户资料，更加精确地服务好用户的投融资需求。

这些AI赋能术都提高了银行服务的效率与质量，实现“开放银行”从坐商到行商的概念，向未来银行4.0的智能银行迈进。

AI在金融领域的应用还有很多案例。比如利用时空大数据识别中国光伏发电厂的项目，这能为国家、企业在可再生能源发展提供参考。长期以来，中国光伏电站具体分布与规模并无精确数据参考，因此，长期研究时空大数据的吴海山博士（现微众银行人工智能部门副总经理）带领团队提出了一种新型的深度学习框架SolarNet，通过对大规模高分辨率卫星图像数据进行分析，成功识别和测绘了中国超过500个光伏发电厂的分布地图，总面积超2000平方公里，通过对这些数据进行关联性分析。

多维度量化后的数据也能监测到中国光伏产业长期的发展变化的细节，为这个政府补贴成长的产业提供政策制定的新参考，并指导企业科学选址，提升投资回报。吴海山团队通过AI加卫星图像数据分析的中国光伏发电厂分布的项目，对于国家政策制定、投资者以及光伏发电公司来说都是有巨大参考意义的。

在证券、保险、资管等领域，AI在赋能于高频程序化交易，知识图谱辅助产品研发、精算、量化与人工智能交易策略等细分领域。同时，自然语言处理技术与知识图谱技术也在帮助金融业的文职人员（投行业务的承做、法务、财务等）审核与查验相关的财务和法务文书，大大提升了效能。

而在风控、营销、运营中，AI的魔力也同样强大。

笔者以360金融的数据科学团队为例，解释 互联网信贷 的技术风控。

互联网信贷大体分为贷前、贷中和贷后三个阶段，每个阶段都需要大数据与人工智能技术的参与。

贷前主要涉及用技术的方式判断是否给借贷者授信，其中又分为反欺诈和信用风险判断两大块。反欺诈需要辨别出以骗款为目的黑色产业，在这方面，360金融的数据科学团队通过构建关系网络，以知识图谱等形式找出风险点。

比如说抱团欺诈，技术团队就通过GPS的一个精度范围内对借贷者与群体进行分析，如果一个借款申请，出现在同一个地理位置，并且连接在同一个Wifi或者4G信号基站，就很有可能被判定为抱团欺诈风险；另外，技术人员还参考手机联系人的关系网络，如果同一批申请人存在相同的联系人关系网络，可能也存在欺诈风险。技术团队还会维护黑中介电话号码库，通过关系网络，锁定与黑中介关联上的人，并认作潜在的欺诈风险。

在贷前的信用评分中，历史数据作为有监督机器学习的测试数据集，将借贷人群区分为好人与坏人。之后，通过规则条件、用户分层，用分类器将用户做信用分的区分，以拒绝低信用分的用户，提供高额度给优质信用分用户。贷中环节则需要动态通过数据来调整用户的贷款额度与利率，通过数据为互联网用户运营提供策略。

最后的贷后，技术团队通过机器学习辅助收款的过程，并通过机器学习模型判断用户还款能力，并将用户分类，比如容易收款的用户、不容易收款的用户，他们就会通过不同的运营方式进行催收。

在营销和运营中，大型金融机构正在建立自己的数据中台大脑。以平安集团为例，2013年就完成了数据平台的建设，早期大数据平台主要的应用还是做结构化数据的BI分析，之后逐渐建立起了完善的人工智能团队及技术能力，并打造了集团智能化应用的核心引擎“平安脑”。用平安集团首席科学家肖京的话说，人工智能技术赋能金融的益处是三提两降：提效果、提效率、提用户体验、降风险、降成本。

三、中小微的AI未来

资本的退潮，宏观经济形式的越发严峻，AI寒冬论的观点越发引起人们的关注。

虽然在过去十多年，人工智能的理论没有发生质变与超越，但随着计算机算力（AI芯片，但也受到摩尔定律失效影响）以及大数据的加持，AI专家们开始用工程的思维做优化，让AI在金融领域越发落地。虽然有人说，AI的冬天来了，但AI赋能金融行业的路还很长。要知道，截至目前，大量金融机构（尤其是中小金融机构）甚至还远没有完成智能金融的第一步——数字化（将数据结构化）。

回到宏观大环境上，我们可以看到我国经济增速的下滑，以及金融周期顶部越来越近，所以，粗狂式的经营必将结束，未来AI技术赋能的意义必将是更深远的。笔者认为，传统大型金融机构通过AI技术人员的招聘与引入以及外部AI技术团队的合作，已经开启了智能金融之路。而相对资产价值较弱的金融机构，包括中小城商行、农商行，以及中小证券、期货等公司，也必将经历一次智能金融的大浪淘沙。

目前，大量专门服务于金融、法律与医疗等高标准化行业的AI技术团队获得融资，开始专注服务于金融机构的部分业务，同时，大型金融机构培育的技术团队，因为多年的金融业数字化转型的技术与经验积累，也开始降维地服务中小微金融机构。这都为中小机构提供了战略契机。尽管如此，叠加中国金融开放的大背景，中小金融机构的智能金融之路依旧任重道远。

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。