185頁深度報告 扒一扒AI金融的老底
編 | 十四
金融科技已經成為僅次於互聯網軟體與服務的最熱門創投領域（CB Insights：1128宗VC投資，166億美元），一個能夠獲得監管支持、多機構分擔風險的新風口。
隨著新興技術的崛起，金融科技從互聯網技術轉向了智在技術，並被寫入《中國金融業信息技術「十三五」發展規劃》、《新一代人工智慧發展規劃》和《促進新一代人工智慧產業發展三年行動計劃(2018-2020年)》等重要文件。
以下為智能內參整理呈現的乾貨：
什麼是智能金融
▲金融行業科技應用的三大發展階段（電子化/電子金融→互聯網+/線上金融→智能金融）
▲科技與金融的融合曆程
▲智能金融的三個階段
金融已經經歷了電子化到互聯網化的轉變，現在又因其與數據的高度相關性，已成為最先與人工智慧相融合的行業之一。相比於互聯網金融/線上金融，智能金融具有以下四點特徵：
1、自我學習的智能技術。
人工智慧將實現自我學習的實時正循環，雲端將無縫融合，介入式晶元等新的硬體形式將催生人機共融。
2、數據閉環的生態合作。
智能金融企業的戰略重點從互聯網時代的業務閉環轉向實現數據閉環，合作企業間數據結果回傳將可持續滿足用戶需求的能力的提升。
3、技術驅動的商業創新。
在金融領域，移動互聯網時代更多體現的是「渠道」遷移；人工智慧時代則使得技術在金融的核心，即風險定價上發揮更大的想像力。
4、單客專享的產品服務。
「個性化」不再僅限於客群層面，而是針對「某個」實時客戶，實現產品服務的終極個性化。
▲金融新階段四大特徵
▲智能金融拓展了金融服務的廣度和深度
由上可知，智能金融將重塑產業鏈、供應鏈和價值鏈，拓寬金融服務的邊界，推動金融服務朝著「隨人」、「隨需」、「隨時」、「隨地」的標準不斷進步。
目前，智能金融已經全面覆蓋客服、風控、營銷、投顧和授信等各大金融業務核心流程，衍生出互聯網銀行、直銷銀行、互聯網保險、互聯網證券、消費金融、小額信貸、網上徵信、第三方支付等一系列新興金融業務領域。
▲支持金融技術創新的政策
因此，智能金融融入各國頂層設計。我國2017年7月印發的《新一代人工智慧發展規劃》提出：將建立金融大數據系統，提升金融多媒體數據處理與理解能力；創新智能金融產品和服務，發展金融新業態；鼓勵金融行業應用智能客服、智能監控等技術和裝備；建立金融風險智能預警與防控系統。
埃森哲指出，2018年將是消費金融的分水嶺，也會成為消費金融的風控元年。
ABCD技術解讀
▲智能金融四大關鍵技術
▲人工智慧、區塊鏈、雲計算和大數據重構金融基礎設施的建設標準和運行邏輯
智能金融依賴「ABCD四大技術」，即人工智慧（Artificial Intelligence）、區塊鏈（Blockchain）、雲計算（Cloud Computing）和大數據（Data）。
其中，人工智慧能夠替代人類重複性工作，提升工作效率與用戶體驗，並拓展銷售與服務能力，廣泛運用於客服、智能投顧等方面。
區塊鏈技術能夠有效節約金融機構間清算成本，提升交易處理效率，增強數據安全性。
雲計算技術能夠為金融機構提供統一平台，有效整合金融結構的多個信息系統，消除信息孤島，在充分考慮信息安全、監管合規、數據隔離和中立性等要求的情況下，為機構處理突發業務需求、部署業務快速上線，實現業務創新改革提供有力支持。
大數據技術為金融業帶來大量數據種類和格式豐富、不同領域的大量數據，而基於大數據的分析能夠從中提取有價值的信息，為精確評估、預測以及產品和模式創新、提高經營效率提供了新手段。
A：提高效率 助力惠普
在金融領域應用中，人工智慧主要包括五個關鍵技術：機器學習、生物識別、自然語言處理、語音技術以及知識圖譜。目前，人工智慧技術在金融領域應用的範圍主要集中在智能客服、智能投顧、智能風控、智能投研、智能營銷等方面。
▲人工智慧在金融領域應用的關鍵技術
其中，機器學習是海量金融數據的解決方案：雖然大數據技術的出現對此有所改善，但在數據的有效處理與分析挖掘上仍面臨較大挑戰。詳細來看，有以下四種途徑：
1、監督學習可以用於對歷史數據進行分析與挖掘，尋找數據集的規律，對未來趨勢進行預測；
2、無監督學慣用於嘗試解析數據的結構，並確定其背後的主要規則（聚類分析可將金融數據集基於某些相似性概念將其進行分組，因子分析旨在識別金融數據中的主要內在規律或確定數據的最佳表示方法）；
3、深度學習方法通過深度網路的表示從大數據學習各種規律，可用於金融交易各個階段；
4、強化學習則使用演算法來探索和尋找最有利的交易策略。
生物識別技術則主要應用於客戶身份驗證、遠程開戶、無卡取款、刷臉支付、金庫管理和網路借貸等金融場景，常用的方式包括指紋識別、人臉識別、虹膜識別和指靜脈識別。
自然語言處理（NLP）技術，結合知識圖譜，大大提升了獲取數據、數據清洗、深度加工的效率。尤其在投研領域，NLP可對海量複雜的企業信息進行處理，提取分析員最關注的數據指標，並進行投資分析總結，最大化減少不必要的重複人力勞動，幫助決策。
知識圖譜可以建立大量的實體和關係，可以突破傳統的計算模式，整合金融行業現有數據、外部數據，從而更有效地挖掘潛在客戶、預警潛在風險。
語音技術，往往結合了語音識別和語音合成技術，提供自然流暢的人機交互方法，常見於客戶服務，應用遍布各大銀行及證券公司的電話銀行、信用卡中心、委託交易、自助繳費、充值等各項業務，以及語音導航、業務諮詢、投訴申報、帳戶查詢、政策諮詢等非交易性業務中。
綜上，人工智慧有效利用大數據進行篩選分析，推動金融服務模式趨向主動化、智能化，幫助金融機構更高效的決策分析，降低金融服務成本，擴大金融服務範圍，提升金融業務和風險控制能力。
▲部分金融人工智慧產品功能對比
B：重構信用 高效監管
區塊鏈系統由數據層、網路層、共識層、激勵層、合約層和應用層組成，具有去中心化、時序數據、集體維護、可編程和安全可信等特點。
▲區塊鏈在金融領域的技術架構
▲區塊鏈在金融領域的應用
▲部分區塊鏈產品對比分析
C：支撐大數據和人工智慧
雲計算擁有以下三大優點：
1、在IT性能相同的情況下，雲計算架構的性價比遠高於以大型機和小型機作為基礎設施的傳統金融架構；
2、雲計算可以通過數據多副本容錯、計算節點同構可互換等措施，實現高可靠性和高可擴展性；
3、設備的集中管控加上標籤技術，雲計算還實現了高度自動化的運維。
金融行業對業務連續性有著非常嚴格要求，涉及到管理制度、技術方案和物理設施等多個層次，從而對IT系統的穩定性、可用性、網路時延性以及數據安全性具有更高的要求。
▲大型金融機構雲計算
此外，金融科技企業的基礎架構大都以雲計算為依託，以充分應用大數據技術以及人工智慧技術。中大型金融機構傾向使用混合雲，小型金融機構傾向於將全部系統放在公有雲上。
不過，金融行業IT系統建設的歷史較長，系統複雜性強，實現雲化集中遷移仍需逐步進行：優先開發測試環境，其次生產環境。互聯網金融、輔助性業務優先使用雲計算架構，強一致性核心業務最後考慮上雲。
▲部分雲計算企業產品指標對比
D：數據即是資產
大數據分析可以幫助金融機構實現以事實為中心的經營方法，針對場景提供動態化的決策建議，從而更精準地對市場變化做出反應；從海量信息識別可疑信息和違規操作，強化對於風險的預判和防控能力；還能識別客戶需求，打造精準營銷服務。
目前，金融機構最常使用的大數據應用場景為精準營銷、實時風控、交易預警、黑產防範、消費信貸和反欺詐等業務，都需要實時計算的支撐。
▲金融大數據架構
考慮到傳統資料庫非結構化特徵不利於分析，建議金融機構建設大數據底層平台在部分場景替換傳統資料庫，並實現文字、圖片和視頻等更加多元化數據的存儲分析，有效提升金融結構數據資產管理能力。
重點大數據企業都提供Hadoop/Spark大數據分析平台、關係型資料庫和非關係型資料庫等大數據基礎產品。但在上層應用上，如分散式資料庫、畫像分析、關係網路分析和數據可視化，僅有部分企業提供。
▲部分大數據企業產業指標對比
高速增長的市場
▲全球金融科技發展狀況
▲近五年全球風投對金融科技公司投資額和次數
從創投市場來看全球金融科技產業正處於高速增長態勢。
波士頓諮詢公司的研究數據顯示，2016 年全球金融科技企業數量增長了 167%，達到8000 家，是 2015 年的約 2.7 倍；2016 年全球金融科技初創企業融資額增長了364%，達到 839 億美元，是 2015 年的約 4.5 倍。
▲北美和亞太地區金融科技創業企業融資比例
其中，北美地區金融科技市場較為成熟，各細分領域的企業融資規模相對均衡，側重於為消費者提供更加便捷的金融服務；在亞太地區金融服務水平相對滯後，仍存在大量未開發市場，金融科技使金融服務觸及海量長尾用戶（市場需求廣闊，發展潛力巨大）。
▲近五年中國金融科技投資額和次數
作為人工智慧最有力的落地場景，我國金融科技的投資額自2012年起實現了高達119%複合增長率，投資次數也穩步攀升，被認為是金融科技市場總體發展全球第二位（根據美國國際貿易署發布的《2016 頂級市場報告》）。
據五道口金融學院的中國金融科技企業資料庫統計，過往兩年成立的創業公司達1753家； Visual Capitalist數據顯示，2016年全球金融科技獨角獸27 家，中國8家，僅次於美國（14家），獨角獸估值規模方面中國企業964億美元全球第一（全球1389 億美元，美國310億美元）；2017年畢馬威發布的《全球金融科技100強》報告中，排名前3的公司都是中國企業（螞蟻金服、眾安保險、趣店），排名前十的企業有5家來自中國（另有陸金所、京東）。
▲國內智能金融創新創業公司涉及金融服務的各個領域
▲智能金融應用點分布
我國創企的創新方向從金融服務的互聯網化逐步深入到金融服務的技術重構、流程變革、服務升級、模式創新等，幾乎滲透到了傳統金融業務的方方面面。從通用技術應用的語音識別、活體識別、區塊鏈、雲等到細分場景應用的信貸、理財、保險、資管等，無一不包；傳統金融機構爭先與科技公司達成戰略合作，互聯網巨頭紛紛搶灘。
▲中美金融科技各領域代表公司成立時間對比
從消費市場來看，在互聯網巨頭（GAFA，BATJ）所營造的增值服務和美好體驗的氛圍下，客戶對於金融業的訴求已不再是簡單的「更多產品」或「更高效率」。市場對於數字金融的接受度正在悄然提高。
2017年埃森哲與Allen International的調研數據表明，67%的客戶為了得到更加符合個人需求的服務，願意授權金融機構獲取更多的個人信息；71%的客戶在諮詢銀行業務時，希望得到自動化輔助服務；而亦有31%的客戶願意通過搜索引擎或電商平台來購買銀行的金融服務。
▲各金融細分領域的發展空間
與從同時，我國金融市場潛力巨大：8億經濟活躍人口，有央行徵信記錄人群僅3億，尚有5億人未被覆蓋到，信貸線上化率僅6%。188萬億資產管理規模，非銀行存款佔58%，資產配置優化空間巨大，而線上化率僅10%。
▲個人信貸鏈條智能化應用
產業生態重構
▲金融科技產業生態結構
我國金融科技產業生態體系主要由金融企業、科技企業、金融監管機構、行業協會和研究機構組成。其中，金融企業主要是運用科技企業提供的「ABCD」等先進技術，提供創新金融服務，監管機構主要是依據國家相關政策法規對金融企業進行合規監管，行業協會和研究機構主要是進行研究，推動行業交流和標準制定。
金融和科技的發展由來已久，在一定程度上相輔相成、共生髮展，互聯網金融概念的提出打開了生態融合的開端，金融與科技的各參與方從渠道合作到業務競爭，最終走向生態共建。根據我國金融科技產業主體的發展特點，從「新金融」和「新技術」兩個不同角度，可將金融科技企業分為兩大主要類型：科技金融類和金融科技類。
▲按原生背景劃分的科技金融
▲按業務類型劃分的科技金融
金融科技類企業主要是創新型的金融服務提供方，從原生背景（最初的行業屬性）出發可進一步劃分為互聯網、金融IT、傳統金融、其他傳統行業和初創背景，從業務領域出發可進一步劃分傳統金融業務和互聯網金融業務類。
▲按技術領域劃分的金融科技企業
▲按服務領域劃分的金融科技企業
金融科技類則指新興技術支撐服務提供方，可以從技術領域（雲計算、大數據等）出發可進一步劃分為雲計算、大數據、區塊鏈和人工智慧四類，從服務領域（客服、風控等）出發可進一步劃分為客服、風控、營銷、投顧和支付五類。
▲智能金融三種合作模式
金融網路化的初期，金融機構與科技企業在渠道層面展開初步合作。這個時期，流量是科技企業的主要優勢，而金融產品則仍把握在金融機構手中，因此金融機構藉助科技企業的線上渠道進行金融產品銷售是該階段金融與科技合作的主要模式。
▲智能金融市場從細分到壟斷過程
隨著金融網路化和移動化的進一步發展，科技企業作為流量入口的優勢日益凸顯，雙方出現競爭之勢，金融服務鏈條走向細化，出現局部壟斷。科技企業通過研發創新金融產品衝擊傳統金融，受到挑戰的傳統金融機構也逐步拓展互聯網業務進行反擊，在金融業務場景基礎上豐富生活場景，守護用戶和流量。
▲金融產業鏈各方參與角色蛻變
進入智能金融時代，出於優勢互補與資源整合的需要，生態各方合作愈加緊密，呈現成利潤共享化、風險共擔化和合作夥伴化的變化趨勢，共同構建未來智能金融生態體系。
未來智能金融生態將在各方推動努力下構建並持續進化。市場會愈加細分，局部構成壟斷。各方在切分金融服務鏈條的同時，升級完善自身能力，對應的參與角色也有所蛻變。最終生態將會全面開放，各方達成多維深度的合作。
▲智能金融生態圈（百度金融 ）
智東西認為智能技術突破發展、場景應用加快落地、業界機構深化合作將刺激我國智能金融的發展，守護目前金融科技的優勢，縮短與發達國家傳統金融體系之間的差距，快速彌補國內金融的信用邏輯缺失，實現直接金融、普惠金融。不過這中間的挑戰也不少，包括人才缺口、行業監管（量化監管和准入式監管）、個人信息安全管控風險、寡頭效應等問題。
