注：本文节选自天堂硅谷近期即将出版的《人工智能行业报告及投资建议》特别报告
近一两年来，Fintech成为了炙手可热的创业和投资的领域。按照国际金融稳定理事会（FSB）的定义，Fintech是指通过互联网、大数据、云计算、人工智能、区块链等技术在金融领域的应用，重塑传统金融的业务运作模式和流程，并衍生出新的产品及服务，最终形成供给能力更充沛、经营成本更低廉、风控能力更强大、客户获取更便利、运转效率更便捷的全新的金融生态。
目前，国内Fintech领域最为活跃的三个技术方向是人工智能、大数据和区块链。其中人工智能技术是核心，人工智能通过强大的深度学习能力可以对大量的数据进行处理，寻找其中的关联性，从而发现完全靠人类的思维方式不能完全发现的数据价值，结合区块链等技术，可以大大防范风险，提高金融运营的效率；大数据技术是基础，只有通过大量数据的积累，才能为人工智能的应用提供源源不断的分析及学习的素材。
从某种角度来看，金融系统是最能够与人工智能进行结合并产生价值的领域。金融领域已经被充分的数据化，为人工智能的应用提供了充分的数据基础；同时，金融体系内各个分支领域界限相对明确，银行、证券、保险等业务相对独立，便得人工智能在垂直领域中进行应用（图1）；另外，金融领域的生产环节相对抽象简单，相对于工业生产领域，能够较少受到上下游变化、生产管理等因素的直接影响。
图1 人工智能应用于金融行业的各个环节
数据来源：罗兰贝格-中国人工智能创新应用白皮书
目前，将人工智能应用到金融领域最为炙手可热的领域包括了智能客服、智能征信及反欺诈以及智能投顾这三个领域，在各个领域中也已经出现了一批代表性的企业。
AI + 金融智能客服
客服目前在各个行业中都扮演者越来越重要的角色，尤其是金融行业，是金融企业提升客户满意度，展示企业形象非常重要的部门。随着微信公众号、APP、网页等沟通渠道的发展，以及客户交付习惯的改变，客户不再局限于通过呼叫中心与企业进行交互，而是可以通过更加便捷的在线交互的方式与企业之间进行交互，从而使得交互数量大大增加，为维持客户服务的满意度，各个企业都要投入大量的成本。对于企业来说，客服部门往往又是重要的成本中心，较难直接产生收益，已成为金融行业的一大痛点。
据了解，目前仅招商银行信用卡中心，每天除呼叫中心以外的在线客服交互量就达到了200万次左右，如果采用人工客服来提供服务，每年可能需要增加数亿元的成本。而将人工智能应用在智能客服领域的智能客服机器人可以很好地解决金融机构在客服方面的痛点，大大节省成本、提高客户服务效率及满意度。基于人工智能在自然语言理解以及智能知识库方面的技术，智能客服机器人可以理解客户通过各种交互渠道以平常口语化的表达提出的客服问题，并基于智能知识库对客户的问题进行及时准确的答案搜索，并通过自然语言的方式进行回复（图2）。由于智能客服机器人的知识库相较于人工客服更加强大，而且不会存在遗忘、情绪等问题，所以会给客户更加高效、准确、专业的客服体验。
图2：小i智能客服机器人的逻辑结构
以小i机器人为例，目前招行信用卡中心，每天在线交互的200万次客户交互中，通过小i提供的智能客服系统可以直接回复其中95%的问题，问题的解决率可以超过99%。大大提升了招行的客户服务效率，节省了大量的成本。越来越多的金融企业也开始选择使用智能客服解决方案，来作为原有人工客服系统的补充或部分替代原有的人工客服系统。
全球知名咨询机构Gartner预计，在2020年，将有85%的客户服务工作将由人工智能来完成，这将是以极快速爆发的市场领域。未来智能客服将成为人工智能企业与B端客户建立的切入点，成为B端客户人工智能技术的综合方案提供商。我们看好人工智能企业通过智能客服作为业务的切入口，基于与客户形成的粘性，未来为客户提供包括内部员工智能服务、内部企业管理以及客服过程中营销等可能的多种新的业务模式的发展空间。
AI + 金融风控
金融体系是以信用体系为基础的。但是由于中国传统的征信体系主要由政府主导，所以征信数据的覆盖范围相对有限。据报道，央行的征信数据仅覆盖3.8亿人，主要来自于信用卡数据、车贷、房贷信息等，还有大量的人口没有征信数据，这大大影响了他们享受传统的金融机构提供的服务。同时，中国还有大量的小微企业没有征信数据。这部分的个人和小微企业意味着巨大的金融业务市场空间，但是如何解决对这部分个人和小微企业的征信成为打开这部分市场的关键。
而随着互联网、移动互联网以及电商的发展，为获取小微企业和个人的多维度数据提供了可能，运用人工智能的技术手段和工具对这些大数据分析就可以获得对于小微企业和个人较为全面的数字画像，并按照一定的规则计算出该主体的信用评分，作为传统金融机构和小贷公司、消费金融公司开展业务的重要依据，从而可以让之前无法享受金融服务的主体同样享受到普惠金融带来的便利。
此类智能风控领域的公司核心竞争力在与场景、数据及算法的结合。在智能风控领域的人工智能创业公司都在努力开辟独特的数据获取渠道，尽可能合规而全面地获取目标对象的数据，并利用深度学习、机器学习等人工智能技术，对相关的数据进行分析，发现对确认目标对象有价值的数据信息，并按照一定的规则进行计算，确定该目标对象的综合信用评分。可能收集的信用数据的领域非常广泛，包括了电商、运营商、社交媒体、金融机构、公积金管理部门、社保、工商登记信息、司法信息等渠道。对于社交关系的数据将收集包括目标对象关注的社交媒体主体、粉丝数、口碑情况以及所在的社交圈的综合情况等。通过分析收集的大量信息，能够给目标对象一个全面的信用评分。而且随着数据量的积累，这种评分更为全面真实，比传统的征信评分更能符合目标对象的真实信用情况，可以作为金融机构项目标客户提供金融服务的重要依据。同时，通过将大数据、人工智能与风险管理深度结合，打破信息的孤岛，深度挖掘数据之间的关联，可以同时解决信贷反欺诈的风险。
目前该领域的公司主要的业务模式分为To B和To C两类。其中To B是指为B端客户，主要是中小银行、小额贷款公司和消费信贷公司提供目标对象的信用评分，根据出具的信用评分的数量收取费用。如国内领先的第三方智能风控服务商同盾科技，目前已经向超过7000家机构提供智能风控管理服务，客户覆盖银行、保险、券商、理财、电商、游戏、社交网络等领域，形成了数据的生态体系；To C业务是直接基于对目标对象的信用评分为客户提供消费贷款和小额贷款，获取利息及服务费收入。对于拥有独特的信息收集维度，拥有先进算法能够对大数据处理，而且已经获得B端客户认可的智能投顾企业，具有较高的投资价值。
AI + 智能投顾
智能投顾是将人工智能与金融结合的另一个火热的领域。智能投顾作为一种新兴投资模式，近年来在美国市场快速崛起，世界知名咨询公司A.T. Kearney预测，美国智能投顾行业的资产管理规模将从2016年的3000亿美元增长至2020年的2.2万亿美元，年均复合增长率将达到68%。全球涌现出不少知名的智能投顾平台，如Wealthfront、Betterment、Personal Capital、Schwab Intelligent Portfolio等。
智能投顾将人工智能具备的强大的数据分析能力、深度学习及分析能力应用于投资分析领域，基于强大的自然语言理解能力、数据分析能力，大量地、不知疲惫地分析投资市场的公司定期报告、财务数据、市场传闻等信息，其信息获取和分析的效率和范围远远超过人类投资顾问的能力。通过大量数据分析基础上做出的投资决策，其准确性超越人类投资顾问丝毫也不应该惊奇。据报道，10月18日，EquBot LLC、ETF Managers Group共同推出的全球第一只应用人工智能、机器学习进行投资的ETF： AI Powered Equity ETF设立短短几天就已经展现出超越指数跟踪性ETF基金和人类选股基金的投资收益，全球投资管理行业一片震惊。
智能投顾与传统投资顾问在服务内容和服务的主体都有所不同，传统投资顾问仅针对高净值人群进行全方位的投资咨询服务，服务成本较高。而智能投顾在降低服务成本的同时，扩大服务人群（图3）。智能投顾相较于传统投资顾问最大的优势是降低咨询顾问个人因素的影响，对于数据的分析更为客观、全面，且比较注重风险，能够根据收益率设置止盈止损。另一方面，智能投顾也有一定的劣势，智能投顾软件是人为编写，或遭遇恶意代码等安全威胁。智能投顾还具有法律方面的风险，由于目前这块领域的监管仍然空白，产品会存在一定的道德风险。
图3：传统智能投顾与人工智能智能投顾对比
数据来源：艾媒咨询-2017年中国智能投顾市场专题研究报告
目前我国的智能投顾还属于发展的早期，而且由于我国特有的一些市场情况，造成我国的智能投顾能够发挥的作用相对有限。在智能投顾的企业中需要重点关注未经注册并取得相应的业务牌照，而违规开展公募基金募集销售活动的违规行为。8月19日，证监会新闻发言人张晓军明确表示，发现互联网平台未经注册、以智能投顾等名义擅自开展公募证券投资基金销售活动的，证监会将依法查处。
目前市场上主要有三类智能投顾公司：一类是弥财、蓝海智投等创业公司，这类企业在起步时往往希望以开拓C端客户开拓一片蓝海，但是在实际业务拓展过程中会遇到中国证券市场投资人投资习惯以及获客等方面的难题，目前都将业务模式逐步从To C转向To B，以通过向B端客户提供智能投资意见收取服务费；另一类是宜信、积木盒子等以前主营P2P的互联网金融公司，他们依托智能投顾为客户提供多元化的投资选择；还有一类是传统金融机构，通过向特定客户提供智能投顾服务或者人工投资与智能投顾结合的方式为客户提供服务。
对于智能投资类的企业，其核心的能力是在我国特定的金融市场环境下，获得持续稳定收益的能力。
首先，智能投顾平台需要有很强的投资能力与资产配置能力。无论是人工投顾还是智能投顾，能够为客户降低投资风险，稳定获取投资收益都是其核心竞争力。其次，智能投顾平台也需要有强大的运用人工智能（机器学习）、大数据、云计算等高新信息技术的能力。智能投顾必将成为未来市场投资顾问的主力，并将大大改变现有的资产管理产业格局。具有核心的技术能力，能够在中国特定市场条件下，通过一定时间的检验，持续为客户获取稳定投资收益的智能投顾将成为最终的胜利者。
AI + 金融投资逻辑
我们认为，在筛选AI+金融领域的投资标的时，要综合技术、数据来源、应用场景以及客户满意度等角度进行综合的判断。
首先，标的公司要拥有综合的人工智能算法技术能力和密切跟踪人工智能技术演进方向的能力。无论是聚焦在金融领域的自然语言处理和人机交互、大数据风控还是智能投顾领域，都需要标的公司拥有能够满足将人工智能应用在各个垂直场景中的算法能力，需要能够紧跟人工智能技术发展的趋势，并将最新的技术成果应用到具体的应用场景当中。
其次，相对于算法来说，丰富的数据和多维度的数据，是AI+金融领域标的企业更加核心的竞争壁垒，仅仅具备算法的能力，但没有足够的数据对模型进行训练和调优，是无法解决现实应用场景中的问题的。比如，只有积累足够多的交互数据，智能客服的语言理解能力才会越来越强；只有拥有大量的多维度的征信数据，才能发现传统方式下无法发现的信贷风险和欺诈风险。
最后，企业的技术应该已经获得客户的认可，并且在客户迫切需求的商业场景中获得应用并带来明确的效益。能够为金融领域的B端和C端客户创造真实的收益，并且能够获得客户的持续付费，是判断AI+金融类企业技术实力与业务模式可持续性的重要标准。
我们相信人工智能赋能的金融系统会能够为更多的客户群体提供更加优质、高效、低成本的金融服务，降低交易风险和交易成本，为我们打开普惠金融的新篇章。
