前言

金融行业分为银行、证券与保险等细分领域，在这些领域，数据量巨大，人工智能天然就具有用武之地。于是，金融行业与人工智能产业相结合，就出现了一批提供人工智能金融服务的企业。

一些大的金融公司本身就有人工智能的开发能力。比如在国外，2017年，摩根大通就宣布在它的股票算法业务部门采用人工智能机器人LOXM执行交易，同时还开发了一款利用人工智能来解析金融合同的软件COIN，利用这款软件，原先律师与贷款人员需要10万小时完成的工作量，COIN只需要短短1秒钟就可以完成了。因此，利用人工智能，在金融领域可以极大地提高工作效率。

同样在2017年，支付宝在浙江杭州的肯德基也上线了刷脸支付，这就是人工智能人脸识别技术在金融领域的应用。

目前看来，人工智能与金融行业已经开始深度融合，一些小的金融机构即使自己本身没有人工智能技术的开发能力，也会借助于第三方的人工智能平台开发或者引进属于自己的人工智能技术。

一、人工智能+金融行业概述

1.1人工智能+金融行业概念界定

人工智能技术助力传统金融业务转型升级。

人工智能+金融（AI + Finance）与金融科技在界定上存在明显不同。金融科技主要是指广义的新兴技术（大数据、云计算、区块链、人工智能）与金融业的结合。金准人工智能专家认为人工智能+金融主要是通过人工智能核心技术（机器学习、知识图谱、自然语言处理、计算机视觉）作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对于金融行业的产品创新、流程再造、服务升级的重要作用。金准人工智能专家围绕上述界定的人工智能+金融行业特征展开研究分析，描绘人工智能+金融行业的发展现状及未来前景。

1.2金融行业技术应用的发展历程

技术进步推动金融行业由信息化向智能化方向演进。

纵观半个多世纪以来的金融行业发展历史，每一次技术升级与商业模式变革依赖科技赋能与理念创新的有力支撑。按照金融行业发展历程中不同时期的代表性技术与核心商业要素特点划分，可分为“IT+金融阶段“、“互联网+金融阶段”以及正在经历的“人工智能+金融阶段”，各阶段相互叠加影响，形成融合上升的创新格局。如今的人工智能+金融发展阶段，是建立在IT信息系统稳定可靠、互联网发展环境较为成熟的基础之上，对金融产业链布局与商业逻辑本质进行重塑，科技对于行业的改变明显高于以往任何阶段，并对金融行业的未来发展方向产生深远影响。

1.3人工智能+金融行业驱动因素

政府与社会各方共同推动人工智能技术在金融行业落地。

不良贷款余额增加倒逼金融机构采取更加有效的风控措施。

2011-2018这八年间，我国商业银行的不良贷款余额从4,279亿元上升到19,571亿元，其中2018年6月的不良贷款余额较2011年12月上涨了357%；不良贷款率从1%上升到1.86%，整体呈现上升趋势。从近年的走势来看，传统金融机构由于存在对系统和流程建设的重视程度不够，及时监测违约风险的能力不足，系统性的风险预警机制尚未建立等原因，导致在风险管理方面存在诸多问题。同时在央行宏观审慎评估体系（MPA）实施以及监管日益趋严的环境下，金融机构需要改变以往的管理思路，通过运用人工智能等新科技手段不断增强自身的主动式风险管控能力以便应对未来的挑战。

1.4人工智能+金融行业相关技术梳理

人工智能与大数据等技术相互融合，共同推动金融行业发展。

在人工智能+金融行业中，人工智能与大数据、云计算以及区块链技术并不是相互割裂的，更多的表现为相互依存的关系。大数据可以为人工智能技术在机器学习训练、算法优化等方面提供丰富的养料；云计算为大数据提供超强的运算和存储能力，显著降低运营成本；区块链解决了大数据、云计算、人工智能技术存在的信息被泄露、篡改的安全性问题，使得金融交易具有更高的安全性。人工智能技术作为金融行业未来发展的核心驱动力，与其他相关技术一道共同促进金融行业转型升级。

人工智能技术助力金融场景实现智能化。

就人工智能而言，在金融行业的相关场景中以机器学习、知识图谱、自然语言处理、计算机视觉这四项技术应用较多。机器学习（尤其是深度学习）作为人工智能的核心，作为金融行业各类智能应用得以实现的关键技术发挥极其重要的作用；知识图谱利用知识抽取、知识表示、知识融合以及知识推理技术构建实现智能化应用的基础知识资源；自然语言处理通过对词、句子以及篇章进行分析，对于客服、投研等领域效率的提升提供了有力支撑；计算机视觉技术通过运用卷积神经网络算法在身份验证和移动支付环节广泛应用。

1.5人工智能+金融行业应用全景图

人工智能技术应用于多种金融场景。

1.6人工智能+金融行业投融资情况

投资热度持续不减，融资集中在早期阶段。

受益于近年来人工智能技术的快速发展与国内资本市场的日趋成熟，资本方对于人工智能+金融行业的投资热度持续升温。据金准人工智能专家统计，2011年至2018年第三季度累计发生融资事件130起，从2016年起每年的融资事件数量均超过30起，预计未来将保持稳定增长态势。从融资轮次来看，人工智能+金融行业的融资主要集中于天使轮和A轮，占比分别达到38%和27%，说明投资机构普遍看好该行业处于早期发展阶段的优秀创业公司，希望通过资本布局加速行业内科技企业的孵化进程。

智能风控与智能投顾受追捧，头部企业加大融资力度。

从人工智能+金融行业的科技企业类型来看，在监管政策持续加码、公众理财多样化发展需求提升等因素的影响下，智能风控和智能投顾占据一半以上的轮次比重，智能投研、智能营销等领域紧随其后，智能支付由于市场格局已相对成熟，融资轮次较少。在2018年前三季度亿元以上的融资事件中，蚂蚁金服、度小满金融、京东金融、金融壹账通的融资额均在10亿元人民币以上，头部企业凭借资本优势主导未来人工智能+金融行业的市场格局。

1.7人工智能+金融行业商业模式

技术参与主体多样，形成差异化服务及盈利模式。

当前，不仅是科技巨头和细分领域标杆企业作为技术提供方为金融行业赋能，传统金融机构也正在利用自身资源创立或与互联网科技公司合作形成新的金融服务模式，加快人工智能技术的扩散速度，使更多金融企业分享科技红利。基于开放的技术平台、稳定的获客渠道与持续的创新活动，金融机构的行业资源优势与互联网科技公司的技术沉淀优势相结合，重新定义价值链创造模式，在提高客户使用效率与服务满意度的同时，重建新型商业逻辑，推动双方价值资源共享，逐步形成人工智能+金融行业的生态与市场格局。在此基础上，各类技术提供方围绕基础设施、流量变现和增值服务等关键环节，形成差异化服务能力与多样化盈利模式，并不断拓展新型商业模式与蓝海市场，利用长尾效应为行业创造更大价值。

二、人工智能+金融行业应用场景

2.1智能风控

运用多种人工智能技术，全面提升风控的效率与精度。

风险作为金融行业的固有特性，与金融业务相伴而生，风险防控是传统金融机构面临的核心问题。智能风控主要得益于以人工智能为代表的新兴技术近年来的快速发展，在信贷、反欺诈、异常交易监测等领域得到广泛应用。与传统的风控手段相比，智能风控改变过去以满足合规监管要求的被动式管理模式，转向以依托新技术进行监测预警的主动式管理方式。以信贷业务为例，传统信贷流程中存在欺诈和信用风险、申请流程繁琐、审批时间长等问题，通过运用人工智能相关技术，可以从多维的海量数据中深度挖掘关键信息，找出借款人与其他实体之间的关联，从贷前、贷中、贷后各个环节提升风险识别的精准程度，使用智能催收技术可以替代40%~50%的人力，为金融机构节省人工成本。同时利用AI技术可以使得小额贷款的审批时效从过去的几天缩短至3~5分钟，进一步提升客户体验。

2.2智能支付

以生物识别技术为载体，提供多元化消费场景解决方案。

在海量消费数据累积与多元化消费场景叠加影响下，手环支付、扫码支付、NFC近场支付等传统数字化支付手段已无法满足现实消费需求，以人脸识别、指纹识别、虹膜识别、声纹识别等生物识别载体为主要手段的智能支付逐渐兴起，科技公司纷纷针对商户和企业提供多样化的场景解决方案，全方位提高商家的收单效率，并减少顾客的等待时间。智能支付作为承载线上和线下服务的有效连接，结合智能终端、物联网以及数据中心，能够将结算支付、会员权益、场景服务等功能多角度呈现给消费者，同时可以将支付数据与消费行为及时反馈至后台，为商户进行账目核对、会员营销管理、经营数据分析等工作提供支持。金准人工智能专家分析，未来，以无感支付为代表的新型技术将提供无停顿、无操作的支付体验，全面应用于停车收费、超市购物、休闲娱乐等生活场景。

2.3智能理赔

简化处理流程，减少运营成本，提升用户满意度。

传统理赔过程好比是人海战术，往往需要经过多道人工流程才能完成，既耗费大量时间也需要投入许多成本。智能理赔主要是利用人工智能等相关技术代替传统的劳动密集型作业方式，明显简化理赔处理过程。以车险智能理赔为例，通过综合运用声纹识别、图像识别、机器学习等核心技术，经过快速核身、精准识别、一键定损、自动定价、科学推荐、智能支付这六个主要环节实现车险理赔的快速处理，克服了以往理赔过程中出现的欺诈骗保、理赔时间长、赔付纠纷多等问题。根据统计，智能理赔可以为整个车险行业带来40%以上的运营效能提升，减少50%的查勘定损人员工作量，将理赔时效从过去的3天缩短至30分钟，明显提升用户满意度。

2.4智能客服

构建知识管理体系，为客户提供自然高效的交互体验方式。

银行、保险、互联网金融等领域的售前电销、售后客户咨询及反馈服务频次较高，对呼叫中心的产品效率、质量把控以及数据安全提出严格要求。智能客服基于大规模知识管理系统，面向金融行业构建企业级的客户接待、管理及服务智能化解决方案。在与客户的问答交互过程中，智能客服系统可以实现“应用-数据-训练”闭环，形成流程指引与问题决策方案，并通过运维服务层以文本、语音及机器人反馈动作等方式向客户传递。此外，智能客服系统还可以针对客户提问进行统计，对相关内容进行信息抽取、业务分类及情感分析，了解服务动向并把握客户需求，为企业的舆情监控及业务分析提供支撑。据金准人工智能专家统计，目前金融领域的智能客服系统渗透率预计将达到20%-30%，可以解决85%以上的客户常见问题，针对高频次、高重复率的问题解答优势更加明显，缓解企业运营压力并合理控制成本。

2.5智能营销

改变传统营销模式，提供个性化营销服务。

营销是金融业保持长期发展并不断提升自身实力的基石，因此营销环节对于整个金融行业的发展来说至关重要。传统的金融营销渠道主要还是以实体网点、电话短信推销、地推沙龙等方式将金融相关产品销售给潜在客户，这些营销方式容易产生对于市场需求的把握不够精准、使得客户产生抵触情绪，同时标准化的产品以群发的方式进行推送也无法满足不同人群的需要。智能营销主要通过人工智能等新技术的使用，对于收集的客户交易、消费、网络浏览等行为数据利用深度学习相关算法进行模型构建，帮助金融机构与渠道、人员、产品、客户等环节相联通，从而可以覆盖更多的用户群体，为消费者提供千人千面、个性化与精准化的营销服务。智能营销为金融企业降低了经营成本，提升了整体效益，未来在此领域仍需注意控制推送渠道、适度减少推送频率、进一步优化营销体验。

2.6智能投研

克服传统投研模式弊端，快速处理数据并提高分析效率。

当前，中国资产管理市场规模已超过150万亿元，发展前景广阔，同时也对投资研究、资产管理等金融服务的效率与质量提出了较高要求。智能投研以数据为基础、算法逻辑为核心，利用人工智能技术由机器完成投资信息获取、数据处理、量化分析、研究报告撰写及风险提示，辅助金融分析师、投资人、基金经理等专业人员进行投资研究。智能投研能够构建百万级别的研究报告知识图谱体系，克服传统投研流程中数据获取不及时、研究稳定性差、报告呈现时间长等弊端，扩大信息渠道并提升知识提取及分析效率，在文本报告、资产管理、信息搜索等细分领域形成广泛应用。智能投研的终极目标是实现从信息搜集到报告产出的投研全流程整合管理，基于更加高效优化的算法模型与行业认知水平，形成横跨不同金融细分领域的研究体系与咨询建议，并在金融产品创新设计方面提供服务支撑。

2.7智能投顾

聚焦个人理财投资，有效降低交易成本并提升服务体验。

智能投顾的概念始于2010年兴起的机器人投顾（Robo-Advisor）技术，2014年进入中国市场后，经历技术的不断升级与服务模式的逐步创新，渐渐为市场与公众所熟知并接受。2016年底招商银行的摩羯智投诞生，成为中国银行业首个智能投顾系统，随后更多的智能投顾产品相继落地。金准人工智能专家预测，2018年中国智能投顾市场规模将达到642.9亿元，未来几年都将呈现快速增长的态势。智能投顾按照投资期限、风险偏好、回报预期等维度，运用人工智能相关技术形成个性化的资产配置方案，同时辅以营销咨询、资讯推送等增值服务，相较于传统理财管理费率普遍降低80%，门槛由百万元以上降低至1万元左右。智能投顾在应用落地过程中不仅需要良好的算法平台与技术体系作支撑，更需要对大量行业与用户行为数据进行收集处理，国内互联网科技巨头与金融机构分别在技术端和数据端发力，结合各自优势推出符合中国客户的个性化产品。

三、人工智能+金融行业洞察与策略分析

3.1人才储备、金融场景理解、数据积累成为主要壁垒

人工智能+金融行业的发展目前尚处于起步阶段，新兴的科技公司如果想要进入这个行业面临着许多壁垒：1）高端人才储备：我国人工智能方面人才培养的时间不长，在学术界以及产业界高端的AI技术人才十分稀缺，因此拥有高端人才是推动企业快速发展的核心因素。2）金融场景理解能力：由于金融行业的天然特性，一方面国家监管严格金融机构内部的合规和风控要求高，另一方面金融的细分业务众多且流程较为复杂，如果想要实现技术的更好落地还需要对于金融场景有深刻的认知，因而对于金融行业有深入了解的业内专家可以促使企业开发的AI技术更好的满足金融场景的实际落地要求及监管规定。3）数据积累实力：人工智能技术相关算法的迭代优化需要数据作为支撑，拥有海量优质的金融数据将成为科技公司提升自身实力的重要基础。

3.2技术提供方：挑战与应对措施

加大通用技术平台输出，提升复合型人才引进与培养能力。

不同于其它传统产业，金融行业进入门槛高、行业风险大、业务复杂程度和关联敏感程度相对集中，对技术赋能与行业认知融合理解要求相对严格。作为人工智能+金融行业供给方的技术输出型企业，除科技巨头和大型金融集团内部孵化的金融科技公司等头部玩家外，大部分初创企业只能从技术颗粒度细化程度与模型执行效率等方面入手完善解决方案层面问题，而在诸如主动创新、行业赋能认知、新赛道开拓等更为宏观层面的问题上存在资源与禀赋相对不足，缺乏对行业深层次的理解、技术的开放性与标准化、复合型人才储备等能力。作为人工智能+金融行业的重要参与者，技术提供方应不断加强对金融机构的端到端服务能力，而实力较强的头部企业更应该主动承担更多责任，主导建立开放包容的产业生态，加大科技与金融领域复合型人才培养力度，推动全行业的高效、规范和有序发展。

3.3传统金融机构：挑战与应对措施

积极变革现有经营管理模式，发挥区域协同效应。

随着银行业黄金时代的终结，在国内外宏观经济下行因素与监管环境日趋严格的共同影响下，中国金融机构普遍面临增速放缓的发展窘境，技术创新与业务转型将成为金融机构持续发展的必然选择。通过技术提供方的综合解决方案，传统金融机构可有效提升用户体验并降低运营成本，实现特色化服务；与此同时，由于自身发展理念、组织架构、经营方式、业务渠道等存在一定的限制因素，大部分传统金融机构还没能及时适应自身角色的转变。为此，在风险可控的前提之下，各金融行业参与主体应尊重金融科技发展的内生需求，结合自身发展阶段以及当地的监管要求，主动寻求在部门调整、管理模式与人员配置上的积极变化，进一步激励创新，建立互信、包容的产业发展生态。

3.4监管方：挑战与应对措施

持续加强数据及隐私保护力度，寻求创新与监管之间的平衡。

在当前科技迅猛发展的形势下，须重视金融业务风险与技术风险叠加后产生的扩散效应，对于行业发展与风险监管之间要进行有效平衡。现行的《中华人民共和国网络安全法》与《信息安全技术个人信息安全规范》已经就个人及企业客户的数据使用和隐私保护方面做出了明确规定，但大规模数据泄露事件依然时有发生，信息监管体制仍不完善，对于新产品与商业模式的监测覆盖程度还有缺失，下一步需要配合更加系统的研究与方法创新，建设多层次、全方位的信息监管治理体系，确保科技在金融行业转型过程中风险可监测、可管控、可承受，为有效服务实体经济，加快建设智慧金融生态环境发挥更大作用。

四、人工智能+金融行业典型公司案例

4.1蚂蚁金服

人工智能技术为多维度应用场景赋能。

蚂蚁金服成立于2014年10月，旗下包括支付宝、余额宝、招财宝、蚂蚁聚宝、网商银行、蚂蚁花呗、蚂蚁金融云、蚂蚁达客等子业务板块，目前估值1500亿美元以上，成为全球最大的独角兽公司。蚂蚁金服成立至今已服务超过2500万家小微企业，旗下支付宝与180多家银行与国际组织建立战略合作关系，全球活跃用户数量8.7亿，成为全球最大的移动支付服务商。蚂蚁金服定位为以人工智能为核心能力的科技公司，通过自身强大的技术能力赋能合作伙伴及金融机构，推动人工智能技术在金融行业的深度渗透。

4.2度小满金融

依托百度集团的技术优势，助力金融机构实现智能升级。

2018年4月，百度旗下的金融服务事业群组完成拆分，拆分后度小满金融作为百度金融的全新品牌实现独立运营。度小满金融依托百度集团在AI方面的技术优势，以金融大脑作为核心能力，依托感知引擎和思维引擎，通过综合运用人工智能、大数据、云计算、区块链等技术，为银行、消费金融、信托等企业提供完整解决方案，助力传统金融企业实现转型升级。目前度小满金融已与中国农业银行、南京银行、百信银行等500余家银行互金机构达成相关合作，通过共建联合实验室、提供解决方案等方式，在大数据风控、智能催收、智能投顾等领域进一步提升金融机构的智能化水平。

4.3 IBM

人工智能研究体系完善，认知计算助力金融行业效能提升。

IBM由托马斯·沃森于1911年创立于美国，是全球最大的信息技术和业务解决方案公司，拥有全球雇员30多万人，业务遍及160多个国家和地区。IBM早期发展重点关注于集成电路、服务器、个人电脑等硬件领域，近年来逐步向信息系统集成、数据商业化应用与智能化解决方案等业务转移。目前IBM在商用人工智能平台、人工智能硬件物理系统、开放式问答系统与类人智能研究等领域持续开展创新活动，同时在诸如神经网络芯片、量子计算、跨平台自学习系统等人工智能前沿领域进行了大量的探索实践。IBM围绕人工智能领域研究形成了系列重要成果，在NIPS、KDD Cup、IJCAI-ECAI、ICML、ACL、CVPR、ICLR、AAAI等国际会议上已发表多篇重要学术论文，专利申请数量全球领先。基于IBM人工智能深厚研究积淀的Watson认知计算平台，能够为包括金融领域在内的多行业提供端到端解决方案，与合作伙伴携手共建智慧地球。

IBM Watson认知计算平台广泛应用于银行、保险等金融领域，其客户涵盖了全球97%的大型银行与保险公司，能够助力金融机构提升数十倍处理能力并大幅降低营运成本。利用认知分析技术，IBM Watson能够帮助银行业从互动、发现、决策三个层面全面提升洞察能力与服务价值，帮助银行快速适应不断变化的市场竞争环境，有效改善客户互动关系及提升风险管理水平；在保险行业，认知计算技术可以为前台、后台、风险管理等环节提供多样化的定制解决方案，建立合理的互动机制、简化业务运营流程和提高企业竞争力，有效增强用户黏性。

4.4平安科技

对内为平安集团提供技术支撑，对外为行业转型升级赋能。

平安科技为中国平安旗下的全资子公司，致力于运用人工智能、智能认知、云计算、区块链等前沿科技，对平安集团及内部各专业公司开发关键平台和服务，同时关注金融、医疗、智慧城市三大领域，为相关行业的智能化转型升级赋能。目前平安科技在人工智能领域已形成预测AI、认知AI、决策AI在内的相关解决方案，技术研发主要聚焦在人脸识别、声纹识别、OCR识别、多模态生物识别、知识图谱等方面，其中人脸识别、声纹识别的识别精度已达到世界领先水平。在2018年8月举办的国际文本识别领域评测比赛中，平安科技的OCR团队在COCO Text任务１文本定位中以68.61%的平均精度（AP）获得世界第一。

平安科技拥有人才、资金、技术、场景等方面优势。在人才与技术方面，企业拥有业内领军人物如毕业于卡耐基梅隆大学的肖京博士，同时还与国内外知名高校如MIT、 UC Berkeley、清华大学等开展技术合作，进一步提升研发实力。平安科技凭借平安集团的优势，一方面可以获得充足的技术研发资金和具备丰富的金融场景，另一方面所研发的技术可以在集团内部先行先试，验证技术的可行性以便不断调整优化。目前企业在AI技术方面的解决方案涉及银行、保险、互联网金融等行业，涵盖营销、风控、客服、运营等多个领域。

4.5同盾科技

专注于智能风控与分析决策，提升金融业的风险管理能力。

同盾科技成立于2013年，是一家专注于智能风控和分析决策的服务提供商，在业内率先提出AaaS（智能分析即服务）的风控理念，将人工智能相关技术与金融业务场景深度结合，与决策引擎、机器学习等平台一道共同为金融各主要参与主体提供智能风控、反欺诈以及营销分析服务。在技术与研发方面，企业拥有人工智能、云计算、大数据三大技术体系，团队中超过80%的成员由数据、反欺诈以及人工智能等领域的资深专家组成，企业先后与浙江大学、西北工业大学联合成立了人工智能实验室与智能语音技术实验室，加强在相关领域的研发投入。2018年，同盾科技开始布局东南亚市场，利用自身的金融风控优势为出海的企业提供技术服务。截止目前，企业已完成5轮合计约1.5亿美元的融资。

同盾科技深耕金融风控领域，拥有较为完善的产品体系和应用解决方案。在产品层面，主要分为反欺诈服务、信贷风控服务、用户增长服务三大产品体系近百种产品；在具体应用层面，企业的相关解决方案贯穿了贷前、贷中、贷后的全生命周期，为金融机构提供全面的服务。借助上述的经营模式，同盾科技通过发挥自身的优势为金融领域的银行、保险、互联网金融、汽车金融等各类企业提供适合其业务需求的产品及解决方案，提升机构的风险管理能力。截止目前，同盾科技已与国内的两百余家银行达成合作，其中包括建设银行、招商银行、中信银行、北京银行、渤海银行等大中型金融机构客户。

4.6云从科技

AI人脸识别国家队，利用计算机视觉技术提升金融业效能。

云从科技成立于2015年3月，是一家孵化于中科院重庆研究院、专注于计算机视觉与人工智能的高科技企业。企业参与过人脸识别国家标准的起草与制定，创始人周曦曾带领团队在计算机视觉识别、图像识别等领域的国际挑战赛中获得7次冠军，并在国际顶级会议和杂志发表文章60余篇。云从科技拥有三级研发机构：在重庆、成都、上海、苏州、广州设有五大研发中心；在中国科学院、上海交通大学设有两个联合实验室；在美国伊利诺伊大学厄巴纳-香槟分校（UIUC）和美国硅谷拥有两个前沿实验室，相关研发人员达到700余人。在金融领域的合作方面，企业已与中国人民银行和中国农业银行、中国银行、招商银行等400余家商业银行展开相关合作，为全国银行提供比对服务日均达2.16亿次。

2017年3月，国家发改委确定云从科技承担“国家人工智能基础项目—人工智能基础资源公共服务平台”建设。在2018年10月平台正式推出，其打通了从底层芯片到技术算法再到最终应用的全产业链条，实现从硬件到软件、从产品到解决方案，最终形成人工智能产业共融的闭环生态体系。国家人工智能基础资源公共服务平台主要依托优势企业的计算资源、智力资源以及数据资源，结合云从的人工智能核心技术优势，为金融行业的人证核验、客户画像、智能营销等各典型应用赋能。截止目前，云从科技的金融行业合作平台可以覆盖14.7万个银行网点、提供53种银行业相关场景的解决方案。

4.7旷视科技

推动人脸识别技术在金融行业的多个场景落地。

旷视科技创立于 2011 年，是以人工智能技术为核心的物联解决方案提供商。基于自主技术体系，旷视的人工智能开放平台 Face++为全球220个国家的开发者提供智能识别服务，第三方身份验证平台 FaceID可以为传统银行、互联网金融、证券、保险等企业提供人脸识别模块、云服务以及软硬一体的金融解决方案。 旷视科技通过金融级的人脸识别技术，为客户提供在线用户身份验证、刷脸支付、卡证信息一站式录入、活体检测、防伪攻击等服务功能，助力金融企业提高客户服务效率的同时降低运营成本，典型客户包括蚂蚁金服、汇丰银行、北京银行、中信银行、招商银行、中国人寿等金融企业，未来将持续加强与股份制银行、国有控股银行、互联网金融服务公司之间的业务合作。

4.8明略数据

基于AI驱动的数据治理，提升营销-风控-内控全流程效率。

明略数据成立于2014年，基于AI驱动的数据治理能力，以认知技术为核心提供人工智能解决方案。企业拥有400人的技术研发团队，专注于数据库建设、数据挖掘分析与深度学习算法模型研究等领域。2018年9月，明略产品技术体系全面升级，打造“符号主义和深度学习有效结合”的人工智能顶层设计，发布打通感知和认知的行业人工智能大脑—明智系统2.0，该系统主要基于AI驱动的数据治理平台和知识图谱数据库蜂巢NEST，为金融行业客户提供打通营销-风控-内控全业务流程的人工智能解决方案，提升整体业务效率。目前，明略数据已为中国人民银行、交通银行、光大银行、中国邮政储蓄银行、上海证券交易所、海通证券、招商基金、泰康人寿等金融机构提供相关产品及服务。

4.9文因互联

围绕知识图谱与NLP技术提升金融行业分析决策能力。

文因互联创办于2015年，其创始人鲍捷博士是前三星美国研发中心研究员，W3C OWL(Web本体语言)工作组成员。企业核心技术团队成员拥有十年以上人工智能系统构造经验，聚焦人工智能+金融领域开展一系列创新研究。文因互联主要基于知识图谱与自然语言处理等人工智能核心技术，综合运用pdf数据提取、文本摘要、专业领域文本分类和推荐、金融知识库问答等多种创新工具，对金融数据进行结构化提取与智能化分析，帮助金融业参与主体提升分析决策能力。文因互联主营业务涵盖自动化报告、智能数据、智能咨询、智能监管与审计等领域，面向金融领域的银行、保险、评级机构、监管机构开展相关合作，服务客户包括平安银行、招商银行、恒丰银行、上海证券交易所、中债资信评估有限责任公司、全国中小企业股份转让系统等。

五、人工智能+金融行业趋势展望

5.1科技巨头与细分领域标杆共建生态，行业集中度提高

未来伴随着人工智能技术的进一步发展以及市场趋于理性与成熟，人工智能+金融行业将面临重新洗牌。一些打着人工智能的旗号而没有实际核心技术研发能力的公司将被市场所淘汰，而真正具有人才优势、技术优势、数据优势以及场景流量优势的企业将得以长期持续发展。未来行业将会呈现以互联网科技巨头、金融科技集团以及人工智能技术提供方为主要参与主体的三足鼎立的局面。互联网科技巨头将发挥自身优势加大科技研发拓展更多的应用场景；金融科技集团将利用对于金融业务的深入理解不断提升行业转型升级的速度；人工智能技术提供主体则将会集中在细分领域的头部企业，而中游的企业则存在被科技巨头收购的可能。

5.2新技术的不断渗透将推动金融行业向普惠化演变

以人工智能为代表的新科技与传统金融业相结合将促使未来的金融服务更具普惠性。长期以来由于在金融行业中存在着诸如信息不对称、获客成本高以及风险不可控等问题，仅有大中型企业和富裕的个人可以享受到优质服务，而广大小微企业和长尾客户的金融需求并没有得到满足。随着人工智能等相关技术的不断发展成熟促使金融行业的服务模式在未来发生巨大变化，新科技的应用可以使得金融机构的服务可以触及到更多尚未覆盖的群体，同时还可以降低金融机构的服务与运营成本，让客户可以获得更加优质且成本低廉的产品与服务，进一步提升用户的满意度，最终实现全社会福利的提高。

强化科技监管将成为规范金融行业未来发展的必然选择。

科技将成为未来金融行业得以持续发展的核心驱动力，以人工智能为代表的新技术一方面给金融机构带来巨大效益，另一方面由于存在黑箱等问题使得监管机构面临更大的挑战。从国外的监管经验来看，美国和英国在机构设置上均做出了一些改革，以英国为例，英国的金融行为监管局（FCA）独立于央行，其主要关注前瞻性风险，帮助企业开展合规创新，探索有利于行业发展的长远解决方案。中国在未来的金融监管上可以借鉴国外一些成熟的理念，在此基础上结合中国国情进行监管上的创新，比如可以在现有体系中设立隶属于国务院金融稳定发展委员会的金融科技监管局，负责建立动态的科技监管长效机制，运用监管沙盒等机制对于金融创新产品进行有效的管理，采取更为先进的方法和手段应对未知的风险与挑战。

总结

每一个时代都有自己的特色词汇，当下，一个新的概念已经开始流行，那就是“金融科技”。比如中央银行就成立了数字货币研究所，而这个研究所在深圳就成立了“深圳金融科技公司”。像比特币这样加密电子货币就被称为“金融科技”。

但是，金融科技的概念远远超出了区块链技术。金准人工智能专家认为，从本质上讲，金融科技作为一种科技，可以有很广泛的内涵。这个概念不能与互联网金融混淆——人工智能金融其实也是金融科技的一个重要组成部分。

金融科技的本质是科技，人工智能的主要科技都可以在金融中找到相关的应用，除了前面提到的肯德基的刷脸支付用到人脸识别技术，还有一类人工智能技术就是语音识别与自然语言处理技术，基于这种技术的聊天机器人可以用到金融行业。比如大特保公司就推出了保险行业的聊天机器人，可以根据用户的健康、理赔与社保数据进行精准的方案搭配。

金融行业的历史比较悠久，但人工智能却是很新潮的事物。

人工智能赋能到各个垂直行业已经成为共识。金融行业是各个垂直领域中最容易实现人工智能化的行业，因为这里有无穷无尽的大数据——想象一下上证指数每天的交易数据就是一个天量。因此，金融行业是一个“数据资源的富矿”。

2018年是金融机构全面智能化转型的一年，无论是商业银行、证券基金公司、交易所、保险机构，还是持牌消费金融公司、互联网小贷、监管机构等，都面临人工智能化的改造。

人工智能其实承载的是新一代的社会变革。