同盾科技蒋韬：人工智能将对金融业态发展发挥变革作用

日前，由人民网主办的“2020科技创新企业前沿峰会暨首届人民网科技创新企业优秀案例发布”活动在京举行。本届活动紧扣科技发展脉搏，聚焦新基建展开交流。经过专家点评与推荐，同盾科技入选了人民网2020科技创新前沿企业优秀案例，同盾科技创始人蒋韬认为，随着金融业务线上化、场景化，人工智能在金融行业的应用会变得越来越广泛和深入，也会对金融业态的发展起到巨大的变革作用。

图片来源：网络

据悉，结合人工智能、云计算、大数据等创新技术，同盾推出了“智能分析即服务”，即AaaS(Analysis as a Service)。区别传统的IaaS(基础设施即服务)、PaaS(平台即服务)和SaaS(软件即服务)，AaaS可以根据金融机构的业务需求，在包括营销、风险控制、投资和运营等多种细分金融场景中提供基于智能算法模型的分析服务，为金融机构赋能，助力金融机构提升其核心竞争力。

人民网点评，同盾打造的“智能分析即服务”平台综合运用了分布式计算、实时计算、数据挖掘、机器学习建模、知识图谱等多种先进的计算机技术，对数据接入、存储、传输，任务调度，模型开发、运行、输出等多个层面进行封装和整合，提供了端到端的智能分析解决方案，客户只需通过API接口提供入参，即可在毫秒级别得到经过智能模型运算分析后的输出结果。

图片来源：网络

另外，在2020科技创新企业前沿峰会上，同盾科技还发布《知识联邦白皮书》与《知识联邦数据安全交换(FLEX)白皮书》。同盾科技合伙人、人工智能研究院院长李晓林教授表示，即将到来的AI 3.0，会有很多知识、很多感觉，能够自主学习、知识发现、推理、自主分析决策，而凭借“数据可用不可见，知识共创可共享”的优势，知识联邦或许将成为AI 3.0时代的重要基石。

据介绍，同盾人工智能研究院在《知识联邦白皮书》中对知识联邦的背景、定义、平台、挑战、场景应用以及未来发展前景进行了全方位、全景式剖析，并对AI 3.0时代进行展望。同时，为了保障联邦生态构建过程可知、数据安全交换等核心问题，同盾在《知识联邦数据安全交换(FLEX)白皮书》中打造了一套标准化的联邦协议——联邦数据安全交换(Federated Learning EXchange，FLEX)协议，约定联邦过程中参与方之间数据交换顺序，以及在交换前后采用的数据加解密方法，填补了这一技术领域的空白。

李晓林教授指出，AI 3.0时代即将到来，业界对打破数据孤岛，实现“数据可用不可见”的需求越发强烈。与此同时，数据资产化，资产知识化的趋势越发明显。数据已经被列为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列，人们对数据安全越发重视；近年来，数据安全相关法律法规也越来越完善。作为新型生产力的人工智能，迫切呼唤新型生产关系的支撑。

图片来源：网络

这些都要求人工智能领域相关机构，改变应用数据的既有模式。同盾人工智能研究院提出的“知识联邦”理论框架，顺应行业发展趋势，通过将数据转化成信息、模型、认知和知识，利用先进的密码学技术，满足数据不可见，打破数据孤岛，再通过安全的数据交换协议以联邦的方式来利用数据。知识联邦生态有望成为新型生产关系来支撑人工智能新型生产力，充分支撑数据新型生产资料通过在时空上的安全流通、转换、交易来实现价值，最终助力人工智能3.0的突破。

本次峰会上还发布了多份行业科技前沿报告，包括：中国工业互联网研究院的《工业互联网促进企业数字化转型》、同盾科技人工智能研究院的《知识联邦白皮书》与《知识联邦数据安全交换(FLEX)白皮书》等。

来源：中国经营网

正研究智能投顾，探索智能投顾在中国的

“基金业协会一直非常重视金融科技，专门成立了金融科技的专业委员会。”中国证券投资基金业协会(以下简称基金业协会)副会长钟蓉萨表示，协会每年举办智能投资的峰会，在热闹背后也看到了大家的焦虑，金融科技如何落地、对现有业态有何影响、风险是什么、怎样监管等都是困扰行业的问题。

12月10日，在2018年第一财经金融科技峰会上，钟蓉萨发表了题为《深入研究，聚焦应用，培育金融科技发展的良好生态》主旨演讲。她表示，目前基金业协会正在研究智能投顾在国外的发展希望能吸取一些先进经验。 “长期以来由于缺乏专业的投资顾问等原因，投资者"追涨杀跌"，产生了基金赚钱、投资者不赚钱的现象，这已经成为制约基金行业的重要问题。“钟蓉萨说，近年来，基金销售机构和互联网平台纷纷推出了智能投顾业务，一方面让投资者可以很方便得到投顾服务，但另外一方面，一些机构把“智能投顾”当成噱头，甚至出现了损害投资者利益的情况。

为了探索智能投顾业务在中国如何发展，基金业协会组织行业的力量翻译了包括国际证监会组织（IOSCO）、欧盟、澳大利等十个国家十八篇智能投顾方面的法规和报告，同时也分析了智能投顾的相关问题。

经过研究发现，目前智能投顾还在发展的初级阶段。“我们看到目前智能投顾还没有一个明确的法律定义，叫法很多，除了机器人投顾之外，IOSCO用的是"自动化投资顾问工具"，美国证监会的叫法是"自动化投资顾问"，欧盟也称其为"自动化金融投顾工具"。”钟蓉萨表示，虽然使用名字不一样，但是各国对智能投顾业务本质理解是一致的：即直接面向投资者采集信息，运用算法分析投资者信息并且给出建议。“智能”这个词带有理解、学习、辨别的含义，是在程序算法之上通过机器学习等技术的应用，进一步提升投资顾问业务的“智能”化，从国外的智能投顾业务发展来看目前整体处在自动化投顾阶段，还没有完全到智能化的阶段。

经过研究，我们也发现一些潜在的风险点：“对于投资者而言，一是由于缺乏人工辅助，投资者可能提供了错误信息，所以机器算出来的信息也不准确。此外，还存在很多投资者很难理解算法，难以判断投资建议的匹配程度，投资者的信息也存在被用作他用的可能性。另外一方面，投资者也可能做出不适当的决策，工具使用的便捷性使投资者忽略较为重要的信息，草草做出不适当的投资决策。”钟蓉萨说，还有黑客的入侵，也可能会使算法被修改，造成投资损失。

钟蓉萨还指出，智能投问工具广泛使用之后，如果算法相似，会带来投资策略同质化。“对于金融机构而言，同质化带来的问题首先是存在设计缺陷的投顾工具容易做出不适当投顾决策,引发投诉，互联网时代下传播更快、波及面更广。” 钟蓉萨称，其次，责任的划分，技术应用在促进金融应用去中介化的同时呈现碎片化的趋势，多个金融公司为智能投顾工具提供支持，每一个公司只负责其中一两个环节运营，这也会增加金融机构运营的复杂性，当纠纷发生的时候难以确定责任主体，从而加剧运营风险。

谈及智能投顾的监管，钟蓉萨表示，除了一部分国家出台监管之外，多数国家的监管部门还是依靠现有法律的制度进行监管，但是她认为，未来可以通过参考其他国家的监管，探索智能投顾业务在中国的监管方法。

“欧美主要的监管当局认为智能投顾应该符合投顾的法律法规要求，从事智能投顾业务的金融机构应当取得投资顾问的业务资质，从事投顾的人员依托于取得投资顾问资格的机构取得投顾人员的资格。”她介绍称，新加坡、澳大利亚采取“监管沙盒”的方式，即在可控测试范围内对金融新产品、新服务进行虚拟或真实的测试。2017年美国证监会发布了关于智能投顾的指引，也可以为我们国家金融机构提升合规内控水平提供参考。

文章来源：第一财经

智能投顾的优点和普及

　　智能投顾，又称机器人投顾，就是投资人可以直接把钱交给专业机器人来打理。机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供相关理财建议。

　　智能投顾，作为一种新兴投资模式，在美国市场快速崛起，出现了以威尔斯弗兰特为首的一批“独角兽”互联网金融公司。通过技术的方式，把传统投资顾问所做的事情（个人资产分析，风险偏好分析，资产配置，组合推荐）等服务变成互联网直接可用的服务。

　　智能投顾领域的竞争将主要集中在两方面：

　　一是策略的针对性和有效性；

　　二是需要具备互联网运营特色的完整的运营体系，包括IT技术、基础性的工具化产品，以及客户服务体系和具备互联网运营特色的营销体系。

　　也就是说，只有好的产品，加上好的策略和技术，才能产出好的符合投资目标的绩效。

　　智能投顾的优点：

　　1、客观性。机器人会根据后台数据进行分析，不会为了业绩去误导客户操作。相对人工来说，更客观。

　　2、非常注重风险。智能投顾的原理是现代组合理论，它的一个基本原则就是高收益、高风险。国外智能投顾第一步就是鉴别投资者的风险承受能力，绝不会推荐老年人买P2P理财。

　　3、执行力。机器人根据固定的设置，达到止盈或者止损，一定会叫你卖出或买入。这样有效克服了人性的弱点，我们知道，往往亏损都是因为太贪婪。

　　4、服务面广，成本低。网络可以低成本服务最广大的人群，这就是互联网的特点。

      智能投顾的普及条件

　　一、是要吸收互联网金融的精神实质，简单透明、便捷、高交互，广开源、可试错，并接受市场的检验和客户的选择；

　　二、是做好组合投资理念的普及，把产品直接推送给客户，让客户感受到产品价值；

　　三是、增加社交化的运营思路，提升客户服务质量，让客户和客户之间，以及管理机构和客户之间互动起来，最终形成在互联网和移动互联网平台上，用户广泛参与、分享互动，以客户体验体现产品价值的目的。

来源：MBA智库

「财富雅谈」智能投顾能让投资“智能”起来吗？

央广网北京10月9日消息 财富管理已经迈入资产配置时代，专业化、个性化甚至智能化的服务方式随之出现，这两年，智能投顾越来越被人们所熟知。这个新事物的智能体现在哪些方面？它会不会让投资更轻松？《财富雅谈》本期话题：《智能投顾能让投资“智能”起来吗？》，邀请7分钟助推CEO、畅销书《7分钟理财》作者罗元裳对此进行剖析。

冯雅：随着金融科技的发展，现在智能投顾应该说风头正劲，无论是传统银行还是新兴的理财机构都在推广所谓的智能投顾，据说有一个预测数据是，到2022年，中国的智能投顾管理资产总额有望超过6600亿美元，用户的数量有可能会超过1亿，听起来这是一个非常有前景的行当，首先请您给我们介绍一下，什么是智能投顾？

图片来源：网络

元裳：智能投顾如果传统的定义，就是通过机器算法给大家实行买卖建议，其实就是不靠客户经理给你建议，而把钱投给了一个机器，机器给你买卖，这个叫智能投顾。实际上不是有真正的人在操作你的理财产品，而是一些设置好的机器。

冯雅：智能投顾真的是具备人工智能特性吗？它的智能体现在什么地方呢？

元裳：智能投顾就是通过人先设定好机器的各种参数，然后帮助大家调整产品，买卖产品。

智能投顾又称机器人理财，是指利用云计算、智能算法、机器学习等技术，将现代资产组合理论应用到模型中，结合投资者个人财务状况、风险偏好和收益目标，为投资者提供最佳投资组合。

冯雅：智能投顾和过去传统理财业务具体来说有什么本质上的不同呢？

元裳：其实中国大陆的智能投顾发展和美国有点不一样。因为美国能做到所有帐户统一进行管理，我觉得这个更好一点。但是目前在中国大陆帐户，也就是说招行帐户、中行帐户、民生帐户不能打通，我只能管你现在有的5万块钱，我给你一个产品组合，我觉得这个还不能完全叫智能投顾，只能说买一个产品的时候，先买一个单一产品型的理财产品，还是买一个产品组合或者智能投顾产品。对用户来讲，中国属于初级状态，在欧美，智能投顾发展得稍微好一点。与海外最大的几个不同，一是帐户不能打通；二是在产品选择客观性上，是否真的非常客观。

图片来源：网络

冯雅：为什么现在大家都在宣传智能投顾呢？是不是说这肯定是未来一种趋势呢？

元裳：我认为一定是趋势。大家会认为，好像不用操心了。之所以火，是因为大家对于理财方法不明白、没学会，依赖于智能投顾产品解决所有买卖上的事情。但再好的产品，在大家不了解理财方法的时候，根本就拿不住，也不会买卖。所以，智能投顾产品在用户手里也发挥不了作用。

冯雅：比如一个人有一百万，如果要交给所谓智能投顾打理的话，您觉得多少是比较合适的？

元裳：目前，智能投顾在大陆发展阶段，建议大家还是10%资产以内的资金比较好。一百万的话配置十万以内，以数据结果来看，目前还没有哪家智能投顾表现得特别好。

冯雅：据你的观察，目前在国内已经在使用智能投顾理财的投资者大概占比多少呢？

元裳：很少，如果说10个人理财，知道这件事情的人可能有9个，真正投资的人可能也就是1个。因为这一类产品很少，智能投顾产品非常少，大家可能知道两三款而已。

图片来源：网络

冯雅：据你了解，在国外比如说以美国为例，参与智能投顾这种人多吗？他们是什么样的比例？

元裳：多。因为发达国家一般都是散户机构化，比如中国A股市场上现在大部分散户还是挺多的，个人炒股的人还是络绎不绝的，而在美国也好或者在一些发达国家地区也好，实际上都是机构在里面博弈，没什么散户。

冯雅：目前我们的智能投顾表现一般或者说差强人意，会不会有一个很重要的原因，因为我们参与的人太少，所以导致它积累的大数据偏少？有没有这种可能？

元裳：您说的这件事情很重要，因为用户行为的分析很重要。智能投顾大机构做得产品规模也不小，但是主要是看什么呢？比如我们去分析里面一共5个产品还是10个产品，去看他选择5个产品还是10个产品，最后在整体几千个基金的排名不好。其实他们在选择这里面的产品的时候，选择的维度可能有一些人为干扰的因素比较多，本身智能投顾选择这个产品的话，人为干扰因素应该少一点，我判定好这个机器，机器帮你选择产品。

来源：央广网

大数据、AI等技术的发展让普惠金融变成可能

【TechWeb】11月5日消息，在“360数科技术开放日”上海场中，360数科首席科学家张家兴博士表示，“更前沿的大数据、人工智能等技术的必然发展，让普惠金融变成了可能。”

张家兴指出，当前普惠金融的特点，可以理解为无科技不金融。而做普惠金融的金融科技的底层逻辑，归根结底分为两个层面：一是找到人，二是看准人。

图片来源：网络

就目前行业发展现状来看，金融可以主要采用以下三种线上方式，实现从庞大基数人群中寻找拥有潜在普惠金融服务需求的用户的目的。

首先，精准投放。即通过对媒体、信息流、短视频等平台的流量进行有效管理和判断，利用大数据及模型精准定位到有需求的个人；其次，智能运营。即通过对用户全生命周期的管理，最大化提升金融科技服务效率，一方面实现用户满意度的提升，另一方面更好的降低机构的获客成本；最后，高效触达。

张家兴表示，“如果说我们人找的不准，那么触达越高效，对用户造成的干扰越大。不能为了技术而技术，而要把它变成一个真正有价值的事情，这才是我们深挖技术的最终目的。”

针对这些问题，张家兴提出三步走解决方案。第一，基于足量样本的风控策略，在对人群标签进行足够精细的划分后，增强系统模型的判断力；第二，基于足量数据的机器学习，从而实现对用户最精准的刻画；第三，基于精准判断的智能催收。

张家兴认为，金融科技永远的主题是线上化、自动化，智能化和大数据技术的应用，是解决传统金融到普惠金融变革的利器。

来源：手机凤凰网

中国智能投顾路在何方？

智能投顾行业自2008年诞生以来，已经过去了12年。就目前来看，海外的智能投顾行业已不再是一个独立的行业，或者说，从来没有过这样一个独立的行业。我们能看到的，是传统财富管理行业的快速智能投顾化。相比较而言，国内由于传统买方投顾业务的不成熟，智能投顾的发展更曲折、也更复杂一些。

　　1.居民财富无处可去，未来只能选择浮动收益为主的理财方式

　　(1)居民的收入增长放缓，被动收入的增加越来越重要

　　经过30年的高速成长，中国人积累了巨量的财富。但随着高速成长时代的结束、中等成长速度时代的来临，居民靠主动收入来大幅增加财富的时代正在结束，相对应的，财产性收入对居民财富增长的重要性越来越高。国民总收入增长率在上世纪90年初高达30%左右，但随着高速成长的结束，国民总收入的增长率也一路下滑，近五年收入增长率基本都在10%左右，最新2018年的数据是9.37%，不如从前。

图片来源：网络　

　(2)浮动收益类标准化资产成为理财的主要方向

　　各类固收理财市场的收益率持续下滑，已经很难承担帮助居民财富增加的重任。2008年至今，银行定期存款1年利率从4.14%下降到1.5%、理财产品1年期预期收益率从最高11%下降到4%左右、信托产品1年期预期收益率从9%左右下降到7%左右，所有类别固收产品的收益率都在持续下降。传统理财模式已经不适用。

　　因此，居民资产迅速向标准化浮动收益资产转移。或者说，浮动收益理财时代正在快速来临，如美国上世纪80年代和90年代一样。

　　2.浮动收益率理财时代的特点决定了买方投顾化是财富管理行业的未来

　　传统的理财模式，以固定收益类资产为主。固定收益类理财相对简单，因为收益确定，理财机构只需要把产品卖出去即可。

　　浮动收益理财模式有三个自身特点，目标导向、个性化、伴随式。

　　目标导向、个性化、伴随式的三个特征，决定了财富管理行业的未来，站在客户立场上、协助特定的客户解决特定的理财需求的业务模式，即买方投顾。买方投资顾问是财富管理行业的未来。

　　3.中国的传统财富管理机构是真“传统”，担负不起理财行业转型的重任

　　中国的传统财富管理机构，其业务体系存在几个弊端：

　　(1)重固收，轻浮动

　　以传统财富管理机构中的佼佼者招商银行为例，查询其官网列明的在售产品，63个理财产品中，高风险评级的平衡型产品共15个，其余为低风险评级的稳健型或者谨慎型产品。固收或类固收理财占比76%。其他机构占比更高。

　　(2)重销，不重管

　　无论是考核、激励机制，还是业务培训模式，甚至内部的理财文化，都是为销售服务。站在客户立场、建立合理理财方案、伴随客户成长、最终实现客户理财目标等这些浮动收益理财的基本逻辑，在当下的大部分传统理财机构里都是天方夜谭。

图片来源：网络

　　(3)重前台，轻中台

　　无论是银行还是第三方财富管理机构，在驱动决策、驱动客户服务的中台体系建设上，都十分吝啬。相比较而言，它们更愿意花钱来奖励销售行为，建立促进销售的销售支持系统。

　　4.智能投顾，是买方投资顾问业务的唯一可能

　　鉴于客户需求在前，而传统理财机构又不堪重任，智能投顾才是买方投资顾问业务的唯一可能路径。上述判断原因如下：

　　(1)需求在前，时间紧迫

　　根据瑞信的研究报告，中国在2000年时，居民财富状况还只是美国1905年的水平，而到2018年则已经赶上了美国2000年水平，预估在2023年达到美国2007年-2008年水平。我们观察到美国居民财富在这些年中的结构改变，认为中国居民财富的浮动收益化可能会比美国更快。

　　(2)缺乏人员积累

　　中国的财富管理行业从业人员，数量不够，且以销售为主，截至2018年数据，中国个人投资者大约是1亿人左右，而浮动收益投资顾问的人数只有4万人左右，加上银行以销售为主导的传统理财服务人员，人均投顾数量也非常低，远不能满足市场需求。而美国截至2017年，仅以公募基金为对象的理财服务人员就达到近5万人。

　　(3)人工投顾没有大规模快速培训的可能性

图片来源：网络

　　浮动收益理财人员，其培养过程相对漫长。美国从《1940年投资顾问法》开始规范性地出现理财行业，行业及其从业人员的培养历经70余年。

　　(4)传统的人工投顾，合规与可靠性管理仍然是解决不了的问题

　　中国的上一轮投顾业务实践，事实上是以失败告终。根本原因是，以人作为服务主体，在量价敏感的品种(股票)作为服务标的，及理财服务缺乏合理收入来源的情况下，业务往往走向变异。而几粒老鼠屎往往坏了一锅汤，导致中国的买方投顾业务迟缓于财富管理行业的整体发展。

来源：中投网

人工智能在金融领域的八个应用场景

人工智能被公认为是人类有史以来最伟大的一次革命，远超认知革命、农业革命和工业革命。人工智能从概念产生，到逐渐成为全球关注的焦点，到目前上升为国家战略，经历了60余年的发展，期间经历了两起两落，第三次爆发是因为有很多生动的落地应用案例。人工智能从对弈（AlphaGo）到感知（微软小冰）再到决策（IBM沃森），正在越来越多的领域超越人类智慧，应用场景也从实验室走到各行各业。

目前AI技术已在金融、医疗、安防、教育等多个领域实现技术落地，且应用场景也愈来愈丰富。人工智能的商业化在加速企业数字化、改善产业链结构、提高信息利用效率等方面起到了积极作用。

图片来源：网络

每一次人工智能的发展都伴随着研究方法的突破，深度学习是近年机器学习技术突破的重要代表之一。随着人工智能研究和应用领域的不断延伸，未来人工智能将迎来更多种技术的结合应用。

人工智能在金融领域中的应用

李开复曾有个著名的观点：“人工智能最好的应用领域是互联网金融”。

金融是人工智能重要的应用场景，人工智能在金融行业的应用改变了金融服务行业的规则。传统金融机构与科技公司共同参与，构建起更大范围的高性能动态生态系统，参与者需要与外部各方广泛互动，获取各自所需要的资源，因此在金融科技生态系统中，金融机构与科技公司之间将形成一种深层次的信任与合作关系，提升金融公司的商业效能。

下面重点介绍金融领域的热点AI技术。

自然语言处理

自然语言处理是用计算机来处理、理解以及运用人类语言。由于自然语言是人类区别于其他动物的根本标志。没有语言，人类的思维也就无从谈起，所以自然语言处理体现了人工智能的最高任务与境界，也就是说，只有当计算机具备了处理自然语言的能力时，机器才算实现了真正的智能。从研究内容来看 ，自然语言处理包括语法分析、语义分析、篇章理解等。

图片来源：网络

语音识别和语言合成

语音识别是实现人机交互比较关键的技术，其所要解决的问题是让计算机能够“听到”人类的语音，之后结合自然语言处理技术通过语义理解才能“懂”人类语言的意思。语音识别技术主要通过语音特征提取、模式匹配、模型训练等技术方式将语音转化为计算机可读的输入。语音识别是一门交叉学科，所涉及的领域包括信号处理、模型识别、概率论、信息论、发生机理和听觉机理、人工智能等。

语音合成，是将任意文字信息转化为标准流畅的语音朗读出来，让机器实现像人一样开口说话。语音合成包括三个方面，首先语言处理要模拟人对自然语言的理解过程给出词语的发音提示，接着韵律处理根据语音规划音强等特质，最后进行声学处理输出语音。随着人工智能算法的加入，音色、情感等方面的模拟得以提高，使合成的声音更加自然，一定程度下可以达到真人说话的水准。

物体识别

物体识别是计算机视觉领域中的一项基础研究，它的任务是识别出图像中有什么物体，并报告出这个物体在图像表示的场景中的位置和方向。目前物体识别方法可以归为两类：基于模型的或者基于上下文识别的方法，二维物体识别或者三维物体识别方法。一般基于大数据和深度学习实现，应用于图像或视频内容分析、拍照识图等业务场景。

人脸识别

人脸识别是计算机视觉应用的主要领域之一，是通过分析比较人脸视觉特征信息进行身份鉴别的一种方式。可将人脸识别技术划分为检测定位、面部特征提取以及人脸确认三个过程。人脸识别技术的应用主要是受到光照、拍摄角度、图像遮挡、年龄等多个因素的影响，在约束条件下人脸识别相对成熟，在自由条件下人脸识别技术还在不断改进。

OCR识别

OCR英文全称是Optical Character Recognition，中文叫做光学字符识别，已经是计算机视觉研究领域开展最早也是最成熟的一项成果。OCR利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成计算机能够接受、人又可以理解的格式。

图像搜索

以图搜图，在指定图库中搜索出相同或相似的图片，适用于图片精确查找、相似素材搜索、拍照搜同款商品、相似商品推荐等场景。以深度学习和大规模机器学习技术为核心，通过图像识别和搜索技术实现。

图片来源：网络

生物特征识别

生物特征识别技术涉及的内容十分广泛，包括计算机视觉、语音识别等多项技术，主要利用人体固有的生物特性，如指纹、面相、虹膜、掌纹、声纹，以及行为特征，如笔迹、声音、步态等来进行个人身份的鉴定。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。

智能客服

智能客服是指能够与用户进行简单问题答复，通过人机交互解决用户关于产品或服务的问题。自然语言处理技术成熟度在各类人工智能技术中成熟度较低，但在客服领域中能够发挥较高的价值。人工客服存在培训成本高、服务效果难以统一以及流动性大的问题。以大数据、云计算特别是人工智能技术为基础智能客服加速企业客服智能化，依靠知识图谱回答简答重复性问题，减少人工客服使用，提升客服效率及效果。客服机器人已替代40%-50%的人工客服工作，随着技术的不断完善，更多的客服工作将依靠人工智能完成。

来源：知乎

广发证券：大数据与智能投顾助力量化投资发展

由广发证券联合主办的“2017年（第六届）中国对冲基金年会”日前在上海举行。会议邀请了多位著名私募基金高管、国内外金融机构高管、企业家、高净值客户等参与，与会人数达千人规模。会议围绕“规范发展新时代，对冲基金新篇章”的主题展开交流，并探讨了“资管大时代对冲基金发展趋势”、“资产配置多元时代的A股投资机遇”以及“大数据与智能投顾助力量化投资发展”等行业发展前沿问题，是一次高质量、深层次的行业交流大会，有助于推动私募基金行业的规范化、专业化发展。广发证券总裁助理王新栋在会上发表致辞。

图片来源：网络

近两年来，国内私募基金行业高速发展，根据中国基金业协会数据统计，截至今年11月，已备案私募基金管理人21836家，比2016年增长25%，已备案私募基金64633只，管理规模达10.9万亿，均比2016年增长了近40%。私募已成为我国证券市场的重要投资机构。

私募基金行业的蓬勃发展使各券商竞相发展私募基金业务。据王新栋介绍，广发证券经过多年的精耕细作，形成了三大业务优势，包括依托于全面的金融集团化架构，构建集专业交易、投研支持、基金小镇引荐入驻、种子基金孵化、托管外包、场外衍生品投资、融资融券等于一体的私募基金“全业务链”服务；以“私募规范化服务”帮助私募基金合规经营、长远发展；依托境内外上市的优势，为私募机构提供跨境注册指引及投融资服务。

据了解，在众多券商中，广发证券的私募基金“全业务链”服务具有自身特色。例如，通过与国内著名基金小镇签约合作，为基金小镇及入驻机构提供综合金融服务，助力基金小镇培育优质私募生态圈。自2014年起，广发证券先后与陆家嘴、深圳前海、西安灞柳、海南三亚、东莞松山湖、珠海横琴、成都天府、上海奉贤等多个著名基金小镇签约合作，为私募基金提供引荐入驻、产品设计及配置、协助跨境注册、储备投研人才、搭建学习交流平台等服务，形成“广发特色”私募孵化基地。广发证券还以基金小镇为落脚点，帮助私募基金把握“一带一路”、“粤港澳大湾区”等国家战略发展的投资机会，引流“金融活水”支持实体经济建设。

来源：经济日报

人工智能和机器学习：金融科技行业的新蓝图

企业并没有充分利用人工智能和机器学习。

毫无疑问，人工智能(AI)和机器学习(ML)正在成为金融科技行业的热门话题。几乎在所有的研讨会和会议我们都听到这样的消息，即这些新兴技术的兴起以及它们颠覆业务的潜力。

显然，人工智能和机器学习是金融科技行业赖以运作的蓝图。但是，显而易见的是，无论如何大肆鼓吹金融科技人工智能对企业的影响力，但由于许多公司无法对这些新技术进行可视化，集成和采用，它就仍然未得到这些公司的充分利用。

图片来源：网络

近期，多个行业就这些技术的潜力展开了很多对话，但是根据埃森哲的研究，英国87%的业务领导者都因其采用方面的问题而苦苦挣扎。

这并不是说人们对实现战略重点的重要性并不了解。确实，有四分之三的高管认为，如果他们在未来五年内不扩大人工智能的规模，那么他们就有可能关门大吉。

尽管如此，“炒作”和“实际实施”之间仍然存在差距。只有不到5%的公司成功地实现了人工智能的工业化，而80%到85%的公司正在寻求零零散散的概念验证产品——在这种情况下，人工智能和机器学习的威力往往与业务成果或战略要求脱节。许多公司没有充分利用新兴技术的全部潜力，因此限制了其对业务的影响。

凭借大量的历史数据和结构化数据，金融科技为人工智能和机器学习技术生成定制产品和解决方案提供了沃土，从而帮助企业提高盈利能力并节省成本。那么，为什么公司通常会在短期，中期和长期战略中缓慢采用，实施和扩展新兴技术呢?

接受人工智能和机器学习的好处

由于缺乏技术知识(从集成的角度来看以及由于人们对业务价值的理解有限而造成的)，许多公司采用人工智能和机器学习的速度十分缓慢。

公司必须与合适的人员合作，对在客户层面有切实业务利益和影响的人工智能和机器学习产品及解决方案进行调试，这一点很重要。

身为一家大型技术公司的硅谷前技术人员和研究工程师，我发现这些技术可以在整个企业的运营中发挥至关重要的作用。公司能发现可以节省成本的机会，同时可以提高效率，从而使首席财务官能够更轻松地担当起公司成长的关键角色。

图片来源：网络

企业可以发现未能充分加速日常活动和流程的机会，其方法是结合人工智能和机器学习技术。这些技术使客户能够做出更明智的决策并更高效地运作。同时，新兴技术将增加发展机会，从而帮助全球业务发展，帮助公司在国际环境中蓬勃发展。

最近的研究指出，高管们并没有因为预算限制而努力扩展人工智能，而是将这些技术集成到当前业务流程中的运营挑战。在组织内部利用人工智能和机器学习会遇到很多障碍，如无法建立强有力的组织结构，缺乏基础数据功能以及没有在员工那里得到充分采用。

正是这方方面面的因素使成功扩展了人工智能和机器学习的公司与单纯追求概念证明的公司区分开来。企业老板不仅必须将采用人工智能和机器学习视作其进入市场的业务战略的一部分，而且还必须积极地集成这些技术并鼓励员工将其应用于日常运营中。

发掘数据洞察

人工智能和机器学习妙就妙在能够发掘以前传统手工流程无法使用的数据洞察。这也无关乎企业规模，也就是说，使用人工智能和机器学习的扩展成功率或投资回报率并不取决于公司的规模。相反，专注于在组织的公司文化中实施合适的人工智能和机器学习功能以及思维方式，这才是至关重要的。无论你是初创企业，正在成长的企业还是大型企业，人工智能和机器学习均可用于推动公司的发展战略。

从战略上扩展新兴技术的商业优势是十分巨大的;与那些纯粹追求孤立项目的公司，这些公司的人工智能投资的成功率几乎是其三倍，而人工智能投资的回报是其三倍。

图片来源：网络

研究成功利用人工智能和机器学习的案例的范围十分广泛：有一家日本人寿保险公司使用人工智能计算向保单持有人的赔付的费用，结果其生产力提高了30%并且每年节省约100万美元。同样，有一个由人工智能驱动的承销平台使汽车出租公司每年减少23%的损失并更准确地预测风险。美国顶尖银行已使用由人工智能技术驱动的网络安全公司来区分真实客户和机器人。它的机器学习模型使一家主要银行能够保护其客户免遭帐户劫持并且在开始使用的第一周就检测到百万次“凭据填充(credential stuffing)”攻击。因此，人工智能和机器学习不仅可以提高获利能力并节省成本，而且还可以保护你的公司今后免遭欺诈和安全漏洞的攻击。

少说话多做事

为了使企业能够利用人工智能和机器学习的优势，从浮夸的理论叙述转向实际的实施工作是必不可少的。

作为一个行业，我们必须少说话，多做事，以此来接受人工智能和机器学习带来的业务影响。这些技术不应再被视为附庸的解决方案，如今它们对于各种业务模型都是不可或缺的。制定计划和集成策略，即贵企业将如何使用人工智能和机器学习来减轻网络犯罪和欺诈的风险，同时抓住能实实在在产生业务影响的机会，这才是至关重要的。

来源：企业网D1Net