“AI+金融”是人工智能技术与传统金融行业的结合

• ”AI+“即“AI+各个行业”，它是将人工智能作为基础特征，与金融、教育、医疗等传统行业的全面融合。相对于简单的行业叠加，“AI+”更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。

• 人工智能与金融业的结合——“AI+金融”是目前人工智能最被看好的落地应用场景之一。原因主要有三点：一方面，金融行业的信息化建设起步较早，且行业内极其重视数据的标准化和规范化采集，因而具有大量的数据积累，这些数据为人工智能的应用提供了坚实的基础；另一方面，以银行、保险、证券业为例，金融业的主要业务都是基于大规模数据（用户数据、业务数据、产品数据、市场数据等）展开的，大量繁琐的数据处理工作，急需自动化和智能化的变革来解放人力；此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。

• 人工智能作为相对底层的基础技术，已呈现出向各个行业、领域渗透的趋势。场景化创新将是AI技术逐步成熟之后市场关注的重要焦点之一。在金融行业亦是如此，各个细分领域的应用方向初见端倪，典型场景包括：智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等。

驱动力：技术、数据和场景是主要的驱动力

• 技术、数据和场景需求是人工智能在金融领域得以应用的基础。其中在技术方面，算法、算力的提升，使机器从海量数据中自行归纳物体特征、描述、还原和定位新事物的能力得以提高，并在各类人工智能准确性测试中的表现越来越好；数据方面，海量的数据是深度学习算法构建的基础，为精准的目标画像和预测分析提供了可能；场景方面，契合业务场景的算法模型为金融活动提供更多的决策支持，从而能很大程度上提升效率。

• 政策和资本的倾斜为人工智能在金融领域的发展营造了良好的市场环境。政策对人工智能和金融科技的支持，使市场对行业发展整体呈乐观预期，这也进一步促进了资本的流入。

• 技术：AI 技术和市场生态的日渐成熟为其在金融行业的发展奠定了基础。根据Gartner2017年7月发布的新兴技术成熟度曲线，人工智能相关技术在未来5-10年将逐步走向成熟，成为最有影响力的新兴技术之一。当前，应用在金融领域的人工智能相关技术主要有：机器学习、生物识别、自然语言处理、语音识别和知识图谱等。

（1）机器学习：机器学习是金融行业应用最为广泛的人工智能技术之一。它可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。

（2）生物识别：指纹识别、人脸识别、虹膜识别和指静脉识别是金融行业应用较为广泛的四项生物识别技术。它们分别通过设备采集人体指纹、面部、虹膜、指静脉等部位具有唯一标志性的特征信息，进行存储、匹配，进而完成身份认证。目前，这些生物识别技术已广泛应用于客户身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景。

（3）自然语言处理：自然语言处理技术可以显著提升金融行业获取、清洗、加工和分析数据的效率。例如：新闻公告、年报、研究报告等大量文本形式信息，利用自然语言处理技术可迅速提取关键指标，进行分析总结，从而减少不必要的人力劳动。

（4）语音识别：在金融领域的应用中，语音识别通常与语音合成技术结合在一起，提供一个基于语音自然流畅的人机交互方法。其主要应用于电话客服、各类智能终端的语音导航、业务咨询等场景。由于金融行业带有明显的客户服务属性，加上完整而庞大的业务及数据积累，因此语音技术应用广泛。

（5）知识图谱：知识图谱从“实体-关系”的角度整合金融业现有数据，结合外部数据，建立连接形成大规模的实体关系网络。从而突破传统的计算模式，便于有效地挖掘潜在客户、预警潜在风险，帮助金融行业提升效率、优化流程。

行业处于初创期，智能化趋势明显，市场预期较好

• 作为未来最被市场看好的新兴技术之一，人工智能几乎可以渗透到各个行业的各个场景。整体来看，场景创新是实现技术商业化的关键，且逐渐成为各大科技公司的主攻方向。金融行业围绕银行服务、理财投资、信贷、保险、监管等业务已衍生出智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等应用场景。传统金融机构、金融IT与新兴互联网金融公司、信息服务商等均加速布局。

• 我国“AI+金融”行业仍处于早期的探索阶段，但行业智能化趋势明显，市场预期较好。在应用场景方面，智慧银行主要利用人工智能相关技术提升运营效率，是对银行业现有业务的改进，目前多由技术公司与银行合作共建。智能投顾、智能投研等均由国外先行探索，后在国内经创业公司引入并进行本土化改进，随后由传统金融机构、金融IT和数据服务提供商进一步推动其发展。智能信贷、智能保险和智能监管则分别由互金、保险、交易所和监管部门等将各自的业务领域与人工智能相结合产生的应用创新。目前，除智能投顾发展较早，在国外市场相对成熟之外，其它场景均处于起步探索阶段，但传统金融机构、互联网巨头、金融IT、人工智能技术类公司的纷纷布局将会较大程度地推动行业的发展。

AI市场规模达百亿级，金融增长迅速

• 2018年7月，清华大学中国科技政策研究中心联合多家机构发布了《中国人工智能发展报告（2018）》显示：2017年中国人工智能市场规模达到237亿元，同比增长67%。计算机视觉、语音、自然语言处理的市场规模分别占34.9%、24.8%、21%，而硬件和算法的市场规模合计不足20%。预计2018年中国人工智能市场增速将达到75%。

• 金融科技方面，根据MarketsandMarkets预测，人工智能在金融科技的市场规模预计将从2017年的13.38亿美元增长到2022年的73.06亿美元，年复合增长率（CAGR）为40.4％。而在中国市场上，2014年中国金融业IT市场规模达1140亿元，同年中国人工智能市场规模约48.58亿人民币，据此推算，目前人工智能在金融IT领域的渗透率约为4%。结合金融IT应用投资规模和人工智能渗透率预测测算，若2020年渗透率能够达到15%，金融 IT 应用投资规模保持5%的增速，则2020年金融人工智能投资规模将超过200亿元。

传统金融机构、互联网公司和人工智能技术公司是主要参与者

• 当前，参与到”AI+金融“应用场景的企业大致分为传统金融机构、各类互联网公司（如：京东金融、百度金融等）和人工智能技术类公司等。传统金融机构具有较好的客户和数据基础，对业务具有更深刻的理解，同时金融牌照相对齐全；互联网公司同样拥有较好的客户和数据基础，研发和创新能力较强，但在特定的金融业务上仍然缺乏经验；人工智能技术公司则不同，独立的技术研发和创新能力是本身最大的优势，但在数据、客户资源和具体业务场景应用上大多依赖于第三方合作机构。此外，牌照也是互联网和人工智能技术公司共同面临的问题。

• 智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管是当前金融领域中关注度较高的AI应用场景。其中，智慧银行是传统银行、网络银行的高级阶段，是银行在当前智能化趋势的背景下，以客户为中心，重新审视银行和客户的实际需求，并利用人工智能、大数据等新兴技术实现银行服务方式与业务模式再造和升级。

智慧网点以智能化、轻型化、特色化、社区化为发展趋势

• 网点智慧化变革对银行整体服务生态来说是一个系统化的工程，未来或许还有更长的路要走，从建设现状来看，智能化、轻型化、特色化和社区化将是主要的发展趋势。

• 智能化：随着人工智能技术的发展和行业竞争的加剧，利用智能化产品来改善和提升用户体验是市场的发展方向也是行业的必然选择。在智慧网点的建设中，越来越多的智能化设备将应用在银行业务的各个环节，同时也会有越来越多的智能系统和算法来辅助决策，提升用户体验。以下列举各类智能终端上人脸识别技术的应用情况。

智能投顾是一种智能化的线上财富管理系统

• 智能投顾（Robo-Adviser）全称智能投资顾问，又称智能理财、机器投顾、机器理财等，是现代人工智能相关技术在财富管理领域的应用。它通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。其实质是利用机器模拟理财顾问的个人经验。

• 智能投顾的概念产生于美国，2014年进入中国。机器理财在适应用户个性化需求、降低门槛限制、避免人为因素干扰等方面有着明显的优势，因而越来越受到行业的关注；加之近期人工智能的火热，智能投顾迎来了发展的高峰。

• 智能投顾的核心环节包括：用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。

国内智能投顾市场尚不成熟，传统金融机构后来居上

• 市场规模：随着中国中产阶级的崛起，中高收入人群理财需求日益旺盛。据BCG预测，预计到2020年中国资管市场规模约174万亿，参考美国和招商证券对中国智能投顾市场3%渗透率的估计，2020年，中国智能投顾市场规模将超过5万亿。

• 市场现状：根据鲸准统计，截至目前，我国智能投顾企业共206家。其中，56%处于未融资状态，近31%处于A轮及以前，B轮及以后只占14%，可见，智能投顾虽然进入国内已有时日，但仍处于非常早期的阶段，市场尚未成熟。此外，值得一提的是，基金公司、商业银行等传统金融机构陆续布局智能投顾，且因牌照和客户资源等优势，发展较快。综合来看，智能投顾在国内的发展整体向好，但短期来看，仍存在诸多的阻碍。

牌照、数据和产品不足限制着国内智能投顾的发展

• 监管：在美国，智能投顾受SEC（美国证券交易委员会）监管，使用投资顾问服务牌照。但在国内，智能投顾尚无统一的定义，从智能投顾的上下游业务流程的角度来看，可能会涉及到与资产管理、资管产品销售和投资顾问等环节相关的资产管理牌照、基金销售牌照、证券投资咨询牌照和券商牌照等。由此，智能投顾业务的开展或许需要同时具有多种牌照，这对独立智能投顾平台来说，是其主要的限制因素之一。但对于诸如银行、综合性券商等本身具有开展投资咨询业务资质的传统金融机构则能一定程度上规避监管风险。因而，目前国内市场上发展较好的智能投顾平台大多是牌照齐全的金融机构旗下用于辅助基金销售的投顾平台。

• 数据：一方面，采用问卷采集用户数据的方式本身在灵活性上具有一定不足，而根据用户在互联网上的留存数据进行画像又存在不同平台的数据和资源难以整合的问题，从而使用户画像的准确性难以保证。另一方面，金融市场和不同机构的金融产品数据相对独立，造成产品配置范围的相对局限。

信贷业务全流程的优化和风控管理

• 智能信贷是基于大数据和人工智能等金融科技相关技术，实现线上信贷业务的全流程优化和监控，从而提升风控能力和运营效率，降低人员维护成本。

• 传统信贷业务流程从申请，到信息采集，再到信审和放款，每个环节均涉及大量信息，流程繁琐且效率低下。但在互联网金融的时代背景下，市场对于效率的要求越来越高。以消费金融和P2P为例，用户在线填写信息、提交申请，若审核等待时间过长，很可能会造成用户的流失。智能信贷通过收集用户信息，筛选出有效数据，并根据指标和变量的权重对这些有效数据进行再次分析处理，最后通过决策引擎对此单借贷形成审批、额度、定价等判断，完成信贷流程，从贷前、贷中和贷后的各个环节实现信贷业务精细化运作。整个过程并行处理，依靠机器自动化完成，从而能够实现线上审核的“秒批”或“秒拒”。

新技术的应用带来变革的同时也带来新的风险

• 科技是把双刃剑，人工智能、大数据等新兴技术在金融领域的应用，推动了金融行业的变革，但同时也带来了新的风险，且风险因子更加复杂，违法违规行为更加难以辨别，这对监管提出了更高的要求。我们从市场、技术和投资者的角度分析技术带来的新的风险因素如下：

• 交易行为趋同可能加大市场波动。例如，智能投研能够准确快速地捕捉到市场变化，生成相应的投资策略，但同时，相似背景、使用相似投研系统的用户将获得同样的投资建议，配合算法趋同的自动化交易系统的使用，极有可能产生相同的交易行为，从而在短期内给市场带来较大的冲击。

• 技术风险和交易风险加强。毋庸置疑，金融科技对技术的依赖性越来越高，但技术并不是万能的，在金融系统中，技术漏洞引起异常交易、市场波动等风险事件具有极强的不确定性，因而，技术的应用实际上增加和强化了某些风险因素。

行业发展潜力巨大，场景创新成重点，未来具有一定的不确定性

• 当前人工智能在金融行业的各个细分领域应用还有较大的发展空间，行业处于机遇与挑战并存的状态。

• 从人工智能技术的角度看，技术不断进步至发展成熟的趋势明显，而技术的商业化变现则依赖于实际的应用场景。因此，随着人工智能技术的逐渐成熟，行业关注的重点也将逐步从技术研发转移到场景探索上来，金融行业作为最被看好的AI应用领域之一，无疑会有更多的发展机会。目前来看，智慧银行、智能投顾、智能投研、智能风控等场景的的发展相对较快，监管和保险有朝着综合型科技方向发展，监管科技、保险科技等词汇逐渐进入人们视线。

• 在投资领域，智能投顾因国内理财需求的扩大，而面临广阔的发展空间，未来，随着监管政策的逐渐落地，市场也将更加规范。

公众号：learningme，超过一万份行业研究报告可以下载