导语：该报告除了对Fintech行业投资全景进行了总结，还对对人工智能、大数据在银行业的应用进行详细调研解读。
今年1月，花旗研究团队再次聚焦FinTech金融科技，并发布更新版调研报告《重新审视数字化颠覆：FinTech风险投资背后隐藏的行业变革（DIGITALDISRUPTION- REVISITED : What Fintech VC Investments Tell us About a Changing Industry）》。其中，该报告除了对Fintech行业投资全景进行了总结，还对对人工智能、大数据在银行业的应用进行详细调研解读。
中国引领全球FinTech风投
花旗报告称，在2016年3月的第一份报告中，我们认为中国是全球FinTech发展的重镇；在本次报告中，我们跟踪了风险投资（VC）以及企业投资资金链的足迹，以再次审视中国FinTech的海内外扩张全景与趋势。
花旗报告的数据显示：
2016年是中国FinTech巨龙咆哮的一年，并接替略显萎缩的西方FinTech市场成为全球FinTech投资人瞩目的地区。
在中国巨龙的驱动下，亚洲已经取代北美作为FinTech第一投资重镇的地位，成为VC最青睐的FinTech创新地区。花旗估计，同比2015年，2016年中国FinTech风投增长至少一倍，相比之下，美国与欧洲则分别约下滑38%与27%。
“中国FinTech的崛起反映了一个过去十年令人难以置信地快速发展的数字化，同时大规模崛起的中产阶级，以及面对创业电子商务和社交媒体生态系统显得措手不及的金融机构之间形成的一个独特的组合。在2016年前三个季度，中国FinTech企业获得的风险投资已经占据全球FinTech风投总额的50%以上，而且是2016年中全球唯一一个FinTech风险投资同比出现增长的地区，而且增长翻倍。”
据了解，得益于蚂蚁金服45亿美元融资等大额交易，在2016年前三个季度，全球FinTech投资达到180亿美元，接近2015年全年完成的190亿美元交易。
“毫无疑问，中国在全球FinTech领域中占据着举足轻重的地位。从一组数据可以得知，中国是FinTech客户的摇篮：腾讯的微信拥有每月8亿的活跃用户，阿里巴巴的支付宝则超过4亿。总的来说，中国移动支付用户总数甚至超过了中国最大的银行的零售客户数。”
除了非风险投资，与2015年相比，2016年风险投资总体增长放缓，这反映出风险投资者更加谨慎的态度。
在全球FinTech增长放缓的大环境之下，2016年风险投资以外的融资结构也在发生变化。根据花旗的报告：
包括私募股权、共同基金、对冲基金和企业等投资方变得越来越重要。比如，蚂蚁金融最新的一轮45亿美元融资就是迄今为止全球互联网领域最大的一笔私募融资。
正如VC投资的地理风向发生了改变，产品的蓝图也出现了方向移动。据花旗的报告显示：
2016年获得VC最多的产品领域，呈现出在中国以信贷为主，在美国以保险为主的分化趋势，但如果将2016年第二季度私募股权融资的份额加上再统计会发现，支付行业占据了2016年前9个月全球FinTech投资的50%左右。
而在亚洲以外的地区，2016年是保险科技发展最快的一年，VC投资份额达到了41%，相比之下，信贷行业则只有28%的份额。
总结起来，全球FinTech的现状与原因是：
中国FinTech用户增长快速的原因有几个：面向现有消费者/中小企业的高度金融和数字化渗透；互联网用户暴增；产阶级壮大；监管宽松，至少最初时是。
美国和欧洲等地仍然关注于借贷、支付或者财富管理等细分领域的FinTech创新，但中国表现得不一样。中国本土的互联网巨头倾向于基于自身的核心业务，比如电子商务、社交，而打造一站式的金融平台。
2017年及以后的前景：AI和大数据的一切可能
从B2C到B2B
美国市场在过去更吸引FinTech投资的是B2C的商业模式，这在今天的中国市场尤其如此。据统计，在2016年前9个月，60%的FinTech投资涌向B2C金融科技企业。
与此同时，市场也呈现出投资开始向B2B企业转移，尤其是随着越来越多金融机构开始拥抱金融科技革新，FinTech公司和银行的合作日渐增长。不过，在亚洲，B2B解决方案仍然占小数。
AI和大数据、保险科技、网络安全
高级分析和人工智能可以应用到银行业的方方面面，从实时客户管理，到更加高效的风险跟踪和监控。比如，在星展银行，其使用虚拟助手来分担客服工作；汇丰、富国银行和Capital One使用人脸识别和语音识别来完成身份认证工作；PayPal使用深度学习来防止支付欺诈……自动化系统扮演着各种各样的角色。
Tractica报告预测，虚拟数字助手（VDA）市场将在2021年达到158亿美元，个体活跃用户将达到18亿人，企业VDA用户也将上升至8.43亿。以下是未完全统计的银行业VDA应用案例：
其他关键的先进分析和人工智能(AA-AI)技术及其在金融服务领域的应用包括：
实时分析：实时决策。以Personetics为例，它可以让数字银行实时地与客户进行交互，为客户提供个性化的金融指导，这包括实时为客户分析现有资源，然后提供建议。
机器学习与预测分析。以H2O为例，H2O的预测分析可以用于各个行业，在银行业中，它可以提前识别欺诈和洗钱活动，并自动进行信贷申请批准的判定。
深度学习与模式识别：多层次机器学习识别更高层次的抽象信息。以IBM Watson为例，一方面是通过其认知能力了解客户，金融机构因此能够更深入地理解客户的盈利能力和行为，以提供更加个性化的产品。与此同时，Watson正在改变银行合规和监管方式。另一个应用案例是3VR：3VR主要提供视频数据分析服务。包括将面部识别分析与报警系统结合，以防止自动取款机欺诈。
自然语言处理： 使用计算分析自然的人类语言。以NarrativeScience为例，其利用sadvanced自然语言处理引擎将数据转换成具体描述。USAA保险公司使用这个平台将大量的数据转化为易理解的书面报告，读起来像人类书写的作品。
所以，并不奇怪大数据分析会吸引大量投资。根据花旗的统计预测，金融领域的大数据和AI创新单位在接下来几年还将获得更多的投资。
银行的Uber时刻
人工智能和自动化在金融服务的广泛采用将产生深远的影响，包括产品销售，客户服务，最后改变既存银行的成本结构。花旗报告显示，随着移动互联网渗透的增加、FinTech竞争的加剧，已经利润增长压力的加大下，按照2104年银行职工峰值水平计算，发达市场的银行分支机构预计将继续削减30-50%。
金融危机后，欧洲银行以每年2%的规模缩减全职人工数量。花旗指出，未来银行分支机构的功能和角色将集中在咨询和顾问建议上，而不是交易中心。分支机构和相关人员成本占据一个打银行总零售成本的65%以上，而这些成本很大一部分是可以同过自动化技术缩减的。
更进一步地说，分支机构和员工裁减的差异因市场而异。花旗将影响银行制定怎样的新商业模式的关键因素归结为：劳动法的灵活性和社会的数字化发展程度——如果一个地区的劳动法较为僵化，银行裁员难度大，反之则越容易。而社会的数字化储备良好的话，那么银行裁员给其市场份额和客户满意度带来的影响越小。