智能化贯穿投顾领域的各个环节

伴随新型技术趋于成熟、监管政策持续调整，以及参与主体的多元化，金融科技的发展如火如荼。对于金融机构而言，通过技术的手段来促进业务的增长已是大势所趋。

正如近年来，以提高投资效率、改善投资者体验为目标，公募基金公司在智能投顾领域已做出了诸多尝试。

8月25日，在京东数字科技集团携手《中国经营报》举办的“第二届资管科技行业高峰论坛”上，易方达基金副总裁陈彤表示，智能化贯穿投顾服务的所有环节，其实可以称为投顾而非强调其为智能投顾。因为投顾市场和科技手段的发展几乎同步。

图片来源：网络

在他看来，中国投顾市场与海外市场有着明显不同的发展路径：国内一方面在人工智能兴起的同时，监管层也开始去推动基金行业、资产管理行业从卖方代理转向买方代理，两者始终是相互融合的。

陈彤指出，美国市场上，之所以存在人工投顾和智能投顾的区别，主要在于从上世纪80年代到2000年，美国的投顾市场从卖方模式转向买方代理，那时只是信息化的阶段；从2000年到2020年，才真正做到了所谓智能化。这两个阶段是彼此隔离的。

在国内，某种程度上，基金公司的业务早已离不开科技运用。陈彤进一步解释，比如在研究领域，常见的做法是运用金融科技手段去提高算法。

“基金投顾研究是基于现有7000只基金，在做基金基础研究时，将用到大量结构性数据、非结构性数据、知识图谱等；而做策略优化时，假如把7000只基金缩小到100只基金，在一个策略下，要从100只基金里选出10只基金做组合，这种概率大概是170万亿种，如果用常规算法大概需要350万年，还是需要用金融科技手段去提高算法。”陈彤表示。

除了投研，风控手段也需要科技的支撑。

图片来源：网络

“投顾最大差异是一个全权委托账户，当一个策略下，有一百万个人使用这个策略，由于你的时点不一样，遇到再平衡、定期平衡和非定期再平衡时，算法优化数据量是非常大的，所以不可能用人工的方式来做，一定得用智能手段。”他补充。

在智能投顾的探索中，如何做到千人千面是一大考验。

陈彤指出，千人千面主要有三个环节，即多维数据画像、策略数据优化、求动态这些过程的连接。

他解释，实质上是动态效应函数，相当于求解一个欧拉方程的最优解。“如何将这个过程工程化？我们也在这个步骤上花了很大精力，所谓千人千面实际上要经历从千人一面到千人几面，再到千人多面，最后做到千人千面这样一个过程，现在基本上处于第二步。”他坦言。

来源：中国经营网

智能投顾渐成风气

       新冠肺炎疫情在全球范围内的蔓延，在全球多地不方便约见客户的情况下，智能投顾开始被越来越多人使用，机构调研不便的背景下，越来越多的另类数据被机构用以辅助投资决策。

老人首尝智能投顾

       大量时间宅在家里，不方便直接和投资顾问面对面交流，甚至不少之前对智能投顾闻所未闻或者不太接受的老人客户，都开始接触试用这种低成本的无人化金融服务。

       相对传统投顾模式，以券商、银行和部分有投资咨询牌照公司的客服为主体，智能投顾通过在线平台或手机App了解投资者的风险偏好以及投资目标，然后结合算法模型为用户制定个性化的资产配置方案。

图片来源：网络

       来自马来西亚的智能投顾平台StashAway就发现，疫情期间，50岁以上的老人询问和投资的需求都急剧增加。他们越来越把智能投顾作为投资组合中的一种选择，来自这部分投资者的资金增长了40%以上。

       该平台称，不少在银行柜台有着多年投资经验的年龄较长群体，其实他们中的一些对银行对私服务并不太满意。在对管理费昂贵、表现不佳的结构性产品、外汇工具和基金失望后，他们开始发现智能投顾的特点和优势。

       据StashAway，由于智能投顾可以允许投资者按照自己的目标来创建投资组合，50岁以上且尚在工作的人群多会为退休安排养老金且不愿承担过多风险，他们通常会把资产配置比例设置为33%的股票和67%的债券。

公司纷纷推行付费模式

       在基本盘已经壮大的背景下，不少智能投顾平台开始推出和现在流行的软件付费模式类似的“订阅收费”。美国最大智能投顾组合公司之一的嘉信理财就指出，与想要面对面的交谈相比，不少客户更喜欢数字化的方式，而且乐在自己去探索投资的乐趣。

       美国嘉信理财开始推出“高端智能投顾组合”计划，给出了付费订阅的收费模式。这一智能投顾计划不同于这家财富管理机构之前的免费版，不仅需要按期缴费，还有最低投资门槛。

图片来源：网络

       另一理财顾问巨头富达则在最近开发出App，针对原本就对新事物感兴趣的年轻人，方便他们管理投资目标和跟踪各个投资阶段的业绩。为了吸引年轻人，富达还针对新人和推荐人各提供5美元的奖励金。同样，富达也引入了订阅付费制。

       实际上，富达作为后进入这一领域的传统资产管理公司，在尝到智能投顾甜头后纷纷开始推出收费服务，这可以一定程度上反映出疫情期间投资者使用智能投顾的活跃程度。

来源：东方财富网

AI投资顾问上线，智能理财靠谱吗

     “AI金融令人兴奋！”在第三届世界人工智能大会上，曾参与开发阿尔法围棋机器人项目的国际人工智能联合会前主席迈克尔·伍尔德里奇发出了这样的感叹。

　　作为人工智能与金融服务深度结合的产物，智能投顾借助大数据、云计算，通过人工智能算法，结合投资者的风险偏好、财务状况，形成合适的投资组合，故而被称为投资界的“AlphaGo”。这种基于大数据的个性化智能理财服务，靠谱吗？

　　在欧美等海外市场，智能投顾的发展已粗具规模，绝大部分知名投行如高盛、瑞银、摩根大通等纷纷布局这个领域。据野村证券预计，2020年底，全球智能投顾管理的资产规模将达到2.2万亿美元。

　　随着我国居民家庭收入稳步增长，财富管理市场空间越来越大，智能投顾开始进入我国市场，而此番疫情更加速了这个进程。互联网金融、银行系、基金系、券商系都试图抢占先机。

　　新华社照片，杭州，2020年8月1日

　　8月1日之江实验室面向全球开发者上线“之江天枢人工智能开源平台”，该平台是由新型研发机构牵头打造的人工智能开源平台。

　　开源开放是人工智能快速发展的重要推动力。据了解，之江实验室面向智能安防、智能金融、智能医疗、智能交通、智慧城市、智能机器人等六大产业领域，推动构建了人工智能核心生态圈，目前已有66家生态伙伴。新华社发

　　今年4月份上线的由先锋领航集团与蚂蚁集团联手打造的“帮你投”颇引人关注。7月2日，“帮你投”发布的首张“成绩单”显示，截至6月底，70%的用户实现了盈利，用户中一半为90后，近四成用户为白领。同日，“帮你投”宣布服务升级，对每个持仓用户进行动态“体检”，实现“千人千面”调仓。

　　先锋领航中国区总经理赵曌表示，智能投顾交易费用较低，可将以前高净值人群才能享受的服务带入寻常百姓家。博时基金副总经理王德英说，大部分普通投资者要规避人性中“追涨杀跌”的情绪化弱点很难，“智能投顾背后有大量数据支撑，优势在于稳定”。

　　不过王德英也表示，智能投顾可能战胜不了最优秀的投资人，一旦市场逻辑或政策环境发生变化，机器可能无法精准感知。还有投资者认为，智能投顾的投资业绩不太靠谱，甚至怀疑其背后还是人在操作。尽管人工智能在观察数据、预测数据等方面非常强大，但目前人工智能发展还不够成熟，全行业仍在摸索阶段。

　　与此同时，迈克尔·伍尔德里奇认为，随着科技金融飞速发展，数据安全成为一大挑战。“如果一款可以控制客户的软件被黑了怎么办？如果软件被误导了怎么办？只要使用人工智能，这些问题就无法避免，而且必须解决。”

来源：光明网

智能投顾，理财托管中的托管？

编辑导语：随着人们生活水平的逐渐提高，有越来越多的人有了理财的需求，然而并非所有人都能够掌握理财知识或者拥有理财能力，于是此时就需要智能托管式理财——智能投顾。本文作者对智能投顾的过去、现在和未来进行了详细地分析，希望能够对你有所启发。

个人投资理财需求飞速增长，而理财小白的长尾需求却难以被满足，智能托管式理财——智能投顾应运而生。

智能投顾的背后，到底是托管理财中的托管？还是金融理财产品的促销？文章将讲述国内银行智能投顾发展水平，并以中银慧投为例，浅谈银行投顾的智能化。

一、为什么要理财？基金？股票？

从今年3月3日，美国宣布实行无限印钞开始，各国银行步调一致，开始全球放水，所有的货币都在贬值。

根据上个月的CPI（消费者物价指数）数据，物价上涨3%，其中烟酒食品涨价10%。

所有的东西都在涨价，唯独我们的工资和存款保持着稳定。银行的利率约等于没有，我们手里的钱正在以罕见的速度贬值，如果我们不进行合理的资产管理，那么我们存在银行里的钱就会“越变越少”，因此理财的重要性凸显无疑。

基金和股票是普通用户常见的投资理财方式，其中股票对专业知识要求较高，需要投入一定的时间与精力去看盘操作，而基金则是组合套餐，是我们将钱交给基金经理去进行投资，属于托管式理财，是一种更适合理财小白的投资方式。

二、托管式理财是块大蛋糕

1. 基金理财备受青睐

数据显示，2018年中国个人持有的可投资资产总体规模达190万亿元，2016年-2018年均复合增长率为7%。

从具体的投资项目看来，个人持有的公募基金资产增长最快，近年来的年均复合增长率高达44%。个人理财者的需求急速上升，托管式理财产品——基金备受青睐。

另外，证券日报社发布《公募基金20年专题报告》中显示在近20年来，偏股型基金的平均年化收益率为16.18%，理论上投资者持有基金3年的赚钱概率接近80%。

因此，高回报率进一步推动了个人理财者的投资需求，大批个人投资者进入基金市场，市场一片火热。

2. 投资收益为何低下？

投资收益理论值虽高，但是不代表大家都能得到收益。

从疫情爆发，A股大幅下跌与小幅反弹，到证券、保险接连涨停，整个A股百花齐放……在这个过程中“基民”们也经历了起起落落，最终获取到不错收益的只占少数，大多个人投资者都是在哀嚎声中喃喃道“咋们天台见”。

究其原因，错误的清仓加仓行为是罪魁祸首。

根据近年来中国基金业协会发布的《基金个人投资者投资情况调查问卷分析报告》，仅36.5%的基金投资者投资基金以来有盈利，剩余63.5%的基金投资者都未从基金投资上赚到钱，甚至有近10%的基金投资者亏损大30%。

该情况与理论收益率（80%）相差甚远，其主要因素为国民投资知识不足、基金投资行为不当等。由于国内个人投资者教育水平参差不齐，大部分投资者缺乏理财知识，导致了投资效益差的情况发生。

3. 智能托管理财的需求

既然货币不断贬值，银行利息太少，投资股票风险高，投资基金也需要一定的投资理财知识，那么对于投资小白来说该如何是好呢？

个人理财者想要让投资变得智能化、简便化，并获得不错收益，因此，智能托管理财的需求应运而生。

图片来源：网络

三、托管理财中的托管——智能投顾

1. 智能投顾是什么？

智能投顾是一种新兴的在线财富管理服务，通过数字化手段提供资产配置服务的一种形式，其核心锚定在“资产配置”，根据需求者设定的投资目的及风险承受度，透过计算机程序的算法，提供自动化的投资组合建议。

同时，招商证券的报告指出，典型的智能投顾核心服务主要包含以下步骤：

1）客户画像

系统通过问卷调查评价客户的风险承受能力和投资目标。

2）投资组合配置

系统根据用户风险偏好从备选资产池中推荐个性化的投资组合。

3）交易执行

系统代理客户发出交易指令，买卖资产。

4）投资组合再平衡

用户定期检测资产组合，平台根据市场情况和用户需求变化实时监测及调仓。

2. 国内银行智能投顾水平

智能投顾的核心在于降低投资风险、提高投资收益，衡量其水平的指标有两个：

一是模拟年化收益均值，代表智能模拟的条件下，每年年化收益的平均值；另一个是最大回撤均值，指的是产品净值走到最低点时的收益率回撤幅度的最大值，是重要的风险指标。

模拟年化收益均值，越大代表收益越高，最大回撤均值越小代表风险越低。

工行、中行、招行是目前国内比较成熟的智能投顾银行，也是传统五大行中最早推出“智能投顾”服务的金融机构，三家智能投顾的收益与风险指标对比如下：

相较而言，中国银行旗下的中银慧投的投资收益高，风险小，数据显示投资10000元，持有1年模拟历史收益1136元，97.5%的概率下亏损不超过1010元。

可以看出，中银慧投拥有较强的投资分析与资产调配的能力，能够根据客户的风险指标，为客户推荐适合的基金投资组合，从而达到理财托管中的托管目的，实现投资的智能化。

3. 银行为什么要做智能投顾？智能投顾的背后到底是托管理财中的托管，还是理财产品的促销方式？

首先从个人用户的角度出发，随着人们生活水平的提升，用户有闲钱用于投资。

数据显示，个人持有的公募基金资产增长最快，近年来的年均复合增长率高达44%，个人理财者的需求急速上升。

同时根据《基金个人投资者投资情况调查问卷分析报告》报告显示，83%的基金投资者持有单只基金的平均时间不足3年，甚至有55%的基金投资者持有单只基金的平均时间短于1年，基金投资者的短线操作风格明显。

由于个人投资者缺乏一定的投资知识，不恰当的投资操作导致投资收益低下。个人用户存在想要投资的需求，但是由于自身投资知识缺乏，导致大部分个人投资者的收益低，该痛点还未被解决。

从银行的角度来说，传统的投资顾问采用人工的方式，一般为大客户做投资分析、资产配置与管理，所耗费的人力物力都比较大，银行为小客户做投资分析得不偿失。

因此，该业务不适合大多数个人投资者。面对长尾需求，虽然蛋糕很大，但在传统的投顾手段下，考虑成本与投入产出比，银行只能选择忽视。

不过随着智能投顾的出现，银行能够满足这些被忽视的长尾需求，从银行本身就具有的特点来看：

首先，传统商业银行掌握大量用户数据，可以更精准地完成用户画像；其次，拥有众多存量客户，产品推广更为高效便捷；最后，基于银行财富管理经验，拥有银行信用背书，更易获得用户信任。

总之，银行拥有多维度的数据与丰富的经验，同时也掌握着客户流量，能够将智能投顾做到“千人千面”，以低成本高效益地满足个人投资者的需求，追求最佳的风险收益比。

满足长尾需求的同时，做理财托管中的托管。

4. 以中银慧投为例

中国银行旗下的中银慧投通过人工智能与专家智慧打造了智能投资的后台，做到投资收益率高、风险低。

同时也通过线上和线下的融合运营覆盖了各个投资场景，也打造手机用户端和客户经理端用于服务不同种类的人群。

图片来源：网络

1）智能慧投

人工智能和专家经验的紧密结合。

中银慧投根据用户画像评估用户的风险偏好、购买偏好以及承受能力搭建模型算法，通过全球大数据分析、组合配置模型、机器学习算法等手段在市场全量基金产品中，为用户甄选出优质的市场与产品。

除了人工智能通过机器学习不断自我完善的智能算法模型，还整合了中行庞大的投资顾问专家团队，针对人工智能模型进行市场和产品的检验，以人工干预动态修正系统可能的偏差。

2）线上线下的紧密融合

“中银慧投”打通了线上和线下两个服务入口，线上由系统智能推荐标准化产品组合，并对客户存量资产进行健康诊断；线下由理财经理随时承接咨询，针对客户需求给出个性化的资产配置和优化方案，使客户的服务体验链条更加完整。

3）两端（手机用户端、客户经理端）共同配合

中银慧投形成了手机银行端与客户经理端两部分。手机银行端服务全量客户，为客户新增资金提供标准化产品组合、为客户存量资产提供个性化智能诊断与调整建议；

客户经理端服务中高端客户，其承接手机银行端资产诊断功能，为中高端客户出具个性化资产配置报告，形成线上线下的闭环服务。

5. 从智能投顾核心服务来看中银慧投

1）客户画像

2018年中行完成大数据平台投产，构建了中国银行客户画像标签、外部数据管理与数据沙箱三大服务体系，利用大数据技术构建用户画像。

同时在用户注册时，采用问卷形式再次进行画像评估，对标准化的内容（年龄、投资期限、风险偏好、流动性需求等）进行快速的量化评估，从而对客户进行风险等级的划分。

相比于工行、招行的让用户直接选择标签更为严密，更有利于客户画像的建立。

2）投资组合配置

有了客户画像后，中银慧投为客户建立投资组合。

在可投资的资产池（包含股票、债券、现金的大类资产）中，根据每个资产的历史收益率、标准差以及资产间的相关系数，运用智能投顾算法建立模型，给出最优的资产配置权重，得到一个在有效前沿上的投资组合。

同时，中银慧投运用大数据和智能投顾算法建立模型，对投资组合表现及预期收益进行测算，实现了实时修正参数和指标，以寻找到最适合当前市场的投资方法。

3）交易执行

客户通过手机银行客户端做完风险评估问卷及自主选择投资期限（目前投资期限分为一年以内；一年到三年；三年以上三种）后，点击“一键购买”即可完成组合购买。

当组合表现偏离市场投资形势时，系统自动推送消息建议客户优化组合，客户点击“一键优化”即可完成组合优化。

中银慧投产品组合共15种资产配置方案，资产投资组合表现稳定。每个组合配置四大类基金产品，包括现金管理类、固定收益类、权益投资类、另类及其他。

智能投顾在这几类资产间通过配置不同的基金进行权重分配，与客户根据输入的风险评估问卷得出的风险承受能力相匹配，最后得出相应的收益率与波动率。

根据目前公布的测算数据显示，15个产品组合的收益率从年化5.8%～14.96%不等，模拟年化波动率在1%～9.9%之间。

4）投资组合再平衡

为了避免基金经理对市场的择时判断带来的风险，中银慧投使用的是资产配置被动管理策略，采取量化手段，通过回测既往行情形成模型。

随着大数据库的不断更新和机器的深度学习，智能投顾实现了对组合权重进行全天候7×24小时的实时监控，可在第一时间发现组合的策略偏离情况，用户端可查看到具体情况而采取下一步操作。

综上，中银慧投对于客户画像的建立采用了大数据技术+专家分析+用户问卷评估等方式，具有良好的用户划分的效果。

同时在投资组合和平衡时采取了特色建模与组合配置被动管理策略，有效地提高了收益率、降低了波动率，在智能投顾上，中银慧投比传统五大行要略胜一筹。

四、智能投顾道阻且长

智能投顾的出现，为财富管理打开了新的大门。

基金是托管理财，而智能投顾是理财托管中的托管，它为理财小白提供了便捷的、风险收益比较高的投资方式，帮助银行满足了理财小白的长尾需求，实现了多方共赢。

但智能投顾的发展之路险阻且漫长。目前国内的智能投顾平台，在进行投资策略匹配的过程中还无法完全脱离人工操作，需要专家经验的支撑才能下定决策，理财托管还未实现真正意义上的智能，智能投顾还需要将更多有价值的信息进行分析与利用。

相信在数字赋能的未来，智能投顾能实现千人千面，能够将投资变成一件非常简单的事情。

 来源：人人都是产品经理

去中心化智能投顾会是下一个浪潮吗？

前言

本文将对去中心化金融（DeFi）和智能投顾（Robo-Advisor）即金融投顾进行介绍，这两个话题在近几年市场热度只增不减，分别在各自的细分领域以及金融行业产生了很大的影响。但是，如果这二者相结合起来，究竟会产生什么样的碰撞？会给市场带来什么样的反应？会给投资者什么样的帮助？带着这些问题，会在下文逐一介绍。

什么是智能投顾（Robo-Adisor）

智能投顾（Robo-Adisor）是人工智能依托大数据的计算系统，通过现代投资组合理论等投资分析方法和机器学习，自动计算并提供组合配置建议。它是一种在线投资组合管理服务的一类理财顾问，提供自动化的投资咨询和资产管理服务，运用一系列智能算法，为用户组合优化等理论模型，为用户提供投资建议，并动态检测市场变化，对资产配置提供定期或不定期的调整，同时按照一定规则进行自动再平衡操作，提高资产组合的回报率。

智能投顾的服务从广义上可以分为三个层次:

第一个层次，最为简单的，通过大量数据分析提供一般意义上市场动态的投资建议，不会因人而异;

第二个层次，根据服务对象的特征或偏好，给出个性化的投资建议，但不进行交易;

第三个层次，在第二个层次的基础上，为服务对象提供交易服务，包括完全自动交易、人工投资顾问协助交易和自执行交易。

通常所理解的智能投顾，一般是提供第二到第三个层次服务的智能。智能投顾服务对象的年龄、投资目标、投资期限和风险偏好程度各有不同，甚至所偏好的基本投资方法也各有差异，所以针对数量众多的服务对象，智能给出的投资建议会因人而异。

如图1所示，机器人顾问根据自动化程度和是否涉及专家分为三类。在领先于智能顾问市场的美国，最活跃的是智能顾问类型是直接管理客户资产而无需人工干预的Online-based Portfolio Manager。

智能投顾的发展阶段大致可以分为四种：

我们今天所讲的智能投顾是第二至第四阶段，顾问/托管服务或有无第三方机构，利用计算机程序系统根据客户自身理财需求，通过算法和产品搭建数据模型，为客户提供理财建议。具有低成本、无情绪化、规模化等特点。

什么是去中心化金融（DeFi）

“DeFi”萌芽于2018年8月，代表的是去中心化金融(Decentralized Finance, De-Fi)。去中心化金融是一种开源技术，金融类智能合约以及协议，旨在通过引入去中心化层来去中介化，消除“可信任第三方“，从而在各个方面改善目前的金融体系。简单来讲，去中心化金融是借助区块链的特性和功能提供金融服务，从而创建一个更加开放和透明的金融体系。因此，去中心化金融具有开源和互操作性、开放和透明性、包容性以及可访问性等为特征。

- 开源和互操作性：软件开发人员及其创建的系统互相开放资源共享的承诺。

- 开放和透明性：在强调个人隐私保护的同时，所有参与者均可获得相同信息。在DeFi系统中，政府和机构不能限制信息的传播，或误导、监测、压制这个系统的服务对象。

- 包容度和可访问性：使世界上任何人能够进入金融体系及其重要产品，如抵押贷款、保险和商业贷款等。

近两年来，DeFi的热度只增不减，尤其在今年上半年，是整个加密市场以及区块链中最受关注的明星赛道。

以下，根据项目进行了组织和分类，并引用了各个领域的热门项目，如图3所示：

在这里附上一个DeFi动态及项目链接，方便大家查看并了解：

https://defiprime.com/

具体DeFi的内容可以参考以下文章：

【DeFi趋势研究 —— Messari对于DeFi市场的总结与展望】

【脱离KYC 去中心化加密资产无抵押借贷就真的无法实现？】

去中心化金融（DeFi）和智能投顾（Robo-Adisor）结合会产生什么效应

基于区块链的DeFi协议，通过共识、验证、时间戳等技术手段保证链上数据的真实性、公开性、不可篡改性，省去了以法律或者合同软约束的成本；基于AI算法的智能投顾通过智能化分析、减少人为因素干扰保证可信性、全方位性，并在执行条件满足时自动执行，避免人为干预。

这样一来，确保了产品的公开透明度、真实可信度，有效降低信用风险，并避免了因缺乏监管与风险控制，产品内容及操作手段不透明，客户权益得不到保障的情况发生。

将DeFi和智能投顾结合的企业寥寥无几，用AI和大数据来进行交易和投资管理的智能投顾市场的威力不容小觑。尤其在DeFi市场领域，智能投顾能起到一个锦上添花的作用。

面临DeFi市场存在的问题，去中心化智能投顾如何改善和解决

相信不少投资者，刚开始面对DeFi这一全新的投资领域遇到了不少问题，大致如下。

- 投资者对DeFi市场的认知尚为成熟

- DeFi项目层出不穷、参差不齐

- 投资者风险承受能力不同

- 时间差、操作差

- 面对实时波动的DeFi市场，难以精准预测

- 投资者缺乏有效引导，易情绪化操作，作出不理性判断

那么，将智能投顾技术嫁接到去中心化金融，会产生什么效应呢？

去中心化智能投顾可以将上述问题得到充分改善，不仅可以提升交易处理速度，帮助普通投资者作出安全、高效、精准的投资与资产管理，提供更高灵活的资产配置服务，以去中心化的形式让任何人可以获取和使用，让投资变得不再那么难。并通过智能化的分析、判定不同平台上的资金分配比例，以达到投资收益率和安全系数的平衡。

不仅如此，去中心化智能投顾可以通过不同平台的收益率以及变化趋势对比、总资金池规模、活跃度、第三方口碑数据等，综合所有信息来判断整体可信度、风险系数，通过这些分析，更精准的计算出每类投资组合所应占的投资权重。另外，其他用户还可以根据自己的需求定制个性化的专属投资方案，并权衡自身资产情况筛选自己想用的投资策略。

这样看来，与传统的智能投顾以及DeFi平台相比，该二者结合的产物可以提供全方位的判断推荐，并提供客观高效的投资建议和策略，进一步通过智能托管的方式为投资者实现个人资产的自动管理，让普惠金融成为可能。

去中心化智能投顾市场的发展潜力

智能投顾在国外发展相对成熟，目前，全球提供智能投资顾问服务的公司数量居多，其业务形式也是多种多样，遍布美国、欧洲、加拿大、澳大利亚、新加坡、印度、韩国等各个国家。相比较，国内的智能投顾起步较晚，但其发展势头迅猛，起步晚，并不代表发展慢。

目前，重点布局“区块链+智能投顾”场景的企业愈来愈多。区块链之于人工智能的优势和作用之大已经成为举世公认的事实，而区块链的底层设计理念为智能投顾产业体系的完善、安全性能的提高、运作的时效性等，都提供了坚实保障。相信不久，去中心化智能投顾成为下一个浪潮，值得期待。

正值DeFi大行其道的当前，智能投顾可以借助这个翅膀飞的更高越远，鱼乘于水，鸟乘于风，相辅相成，共同发展。

来源：星球日报

智能投资顾问助您理财

     有钱却不会理财？投资怕踩坑？面对五花八门的股票、基金、债券、理财产品……不知如何配置？随着居民财富增长，投资者对专业财富管理、一揽子资产配置方案的需求日益强烈——针对这一“痛点”，智能投顾业务应运而生，助力大家投资便利。

　　面对花样繁多的投资理财产品，很多投资者难免眼花缭乱，无从下手，在选择中往往盲目跟风或偏听偏信。同时，线下投资顾问专业素质参差不齐，无法保证为每位客户推荐到合适的资产配置方案。对此，不少大中型券商开拓智能投资顾问（以下简称智能投顾）业务，助力广大投资者。

图片来源：网络

　　为投资者提供便利

　　智能投顾能克服传统投顾人为情绪造成的追涨杀跌，投资更为理性。近年来，不少大中型券商进军智能投顾领域，各具特色。

　　招商证券推出了“招财智投”智能化资产配置平台，综合运用量化金融模型、智能化算法等技术，通过定性定量分析，结合个性化要求，为投资者量身制定资产配置方案。该平台可筛选出当前市场中最优基金产品与资产权重，满足客户投资理财需求。

　　在科技与专业投研助力下，“招财智投”的理财和资产配置变得非常简单。例如，客户张女士有本金100万元，理财目标是为明年赴英国留学的女儿赚取足额学费，那么，她仅需在“招财智投”中输入孩子年龄、留学阶段、留学国家、风险偏好等选项，然后按下鼠标，几秒钟后，平台即可自动生成资产配置方案。

　　再来看看国泰君安证券智能投顾——“君弘灵犀”。它具有低成本、高效率、标准化优势，利用人工智能、大数据挖掘、云计算等金融科技手段，赋能线下投资顾问，为海量长尾客户提供精准数字财富管理服务；同时依靠30多个智能化工具，全面覆盖市场行情、证券交易、理财产品、资讯内容和客户服务等业务场景，提供智能资讯、智能理财、智能投资的交互式服务。

　　光大证券则基于对客户需求的深入洞察，以及对相关场景应用的规划考量，运用人工智能、机器学习等先进科技，打造了特色智能投顾平台“智投魔方”。它为客户提供丰富的智能理财服务工具，以智能优选为例，即便面向相同属性客户，最终仍能提供差异化投资组合建议，真正实现“千人千面”的个性化投顾服务。目前，智投魔方签约服务客户已近7万户。

　　此外，智能投顾作为传统人工投顾的有益补充，将成为投资顾问的得力助手。投资顾问存在服务半径的限制，服务人员一多，服务质量难免下降。国金证券相关负责人表示：“依靠智能投顾，可实现服务分层。人工投资顾问将集中精力服务优质客户资源，智能投顾可为普通客户提供服务。投资顾问可将常规、共性服务内容通过智能投顾向客户传递，从而专注于个性化、专业化服务内容，提升服务质量。”

　　通过金融科技手段，智能投顾可批量满足庞大客户群体理财需求。与人工投资顾问相比，智能投顾优点突出，覆盖面广、效率高、服务费用低、方便快捷且分析比较客观。随着智能投顾模型逐步优化，自我学习能力不断加强，将弥补其个性化不足的缺点，成为客户可靠投资助手。长期来看，智能投顾会有广阔发展前景，给投资者带来更多便利。

图片来源：网络

　　发展瓶颈待突破

　　虽然，券商智能投顾为投资者带来诸多便利，但并没有“看起来那么美”，依然存在不少发展瓶颈。

　　一是券商智能投顾服务短期回报难以体现。光大证券相关负责人表示，券商智能投顾服务覆盖广大零售客户，但这批客户对投资建议付费接受度不高，目前大多仍是免费服务形式，未能形成投产比良性循环，对业务的贡献有限。另外，作为新兴业态，其业务成熟度仍不高，需要大量投入和培育，业务回报短期内难以体现。

　　二是从短线投资到资产配置的投资理念需要培育。目前，券商机构运用金融科技思维推进投顾智能化服务，希望加强客户科学投资理念引导，培养客户理财资产配置习惯。然而，国内投资者结构仍以散户为主，他们更关注短期投资收益，对智能投顾以长期投资理念为主的方式，认知、接受度仍需要长期培育。

　　“智能投顾作为新兴事物，用户建立认知和信任需要时间。资产配置、稳健投资的优势只有经过长时间积累才能发挥效用，需要一定时间。”广发证券相关负责人说。

　　三是一些非法机构扰乱市场秩序。近期，非法金融机构“爆雷”、跑路事件频出，增加了客户疑虑。广发证券相关负责人直言，“在智能投顾领域，参与者众多，良莠不齐。也有很多机构并无相应资质但提供金融服务，会扰乱整个行业发展”。

　　四是无法满足客户保值增值多元化诉求。在长城证券投顾业务负责人刘杭灵看来，大家过于期待向客户提供一篮子金融产品或股票，试图一劳永逸解决客户资产配置需求，这种方式显然值得商榷。多元化客户需求与变化莫测的市场趋势，使得标准化机器算法难以满足客户保值增值诉求。

图片来源：网络

　　积极发展布局

　　面对诸多发展瓶颈，在智能投顾领域，未来会有哪些布局？如何更好实现发展？

　　首先，要与客户实现更有效沟通，必须以客户实际需求为中心。刘杭灵表示，智能投顾服务的未来必须兼顾客户增值概率提升与良好客户体验。具体而言，其一，通过最短路径将科学有效的投资思想、策略和工具传递给投资者。其核心是必须符合客户个性化需求，并增强他们的收益。无论是网格交易或是短线策略，均面向非常细分的客户类型和需求。其二，持续改善客户使用体验，确保客户拥有很好的使用感受。通过客户画像与大数据分析可挖掘潜在客户，及时沟通则有助提高营销效率；云端策略与高速交易通道会改善客户的时效性要求。

　　其次，向财富管理转型，为客户提供优质个性化财富管理服务。光大证券相关负责人表示，将提供精准画像实现“千人千面”的财富管理服务。精准画像，是指根据用户属性、偏好、行为等信息抽象出的用户商业全貌。精准化智能投顾形式，可以根据用户需求变化，动态匹配用户最佳投资组合，更能贴合用户真实需求，最大化便利投资者利益。随着金融科技不断发展，未来基于智能投顾实现精准财富管理服务是大势所趋。

　　华泰证券网络金融部相关负责人认为，在数字化发展浪潮下，市场将逐步催生出分层级的财富管理服务模式。新模式下，针对不同客户提供对应服务内容，形成普惠式与专属性兼具的财富管理服务。“具体而言，零售客户主要由智能投顾实施标准化服务，高效满足长尾客户基础财富管理需求，并为零售客户提供自动化财富管理服务；针对富裕客户，主要由在线投顾提供个性化服务，串联线下服务场景，充分满足其个性化深度财富管理服务需求；对于高净值客户，由线下投顾提供深度专属性服务，通过数字化工具和平台赋能线下投顾，提升投顾服务效率和服务精准性。”

　　此外，加强用户陪伴式投顾服务。用户陪伴式投顾服务，是指投资者整个投资场景中均能享受到投顾服务。“此举可帮助投资者揭示市场现状，开展投资前期的风险测评，获得符合投资需求的定制化配置资产组合，实现后期调仓建议等需求。从全行业投顾服务发展趋势来看，陪伴式投顾是吸引投资者的重要抓手，是今后发展的必然趋势，具有较大发展空间。”光大证券相关负责人表示。(经济日报·中国经济网记者 温济聪）

来源：中国经济网

拥抱转型，决胜未来：浅谈智能投顾在银行4.0时代面临机遇与挑

智能投顾还算较为新颖的概念，但中国金融市场竞争更加激烈，环境更加复杂多变，当下智能投顾的发展面临着巨大机遇，同时应运而生了诸多挑战。

　　随着人工智能、大数据、云计算、区块链等前沿技术的发展, 银行用户线上迁移，数字用户管理成转型关键。银行业逐步步入4.0时代。在金融+科技变革的冲击下，全球数字化变革更加速了金融业在服务、模式、生态等领域的迭代，从“金融+互联网”，逐步走向“互联网+金融”，以越来越开放的姿态拥抱数字化转型，积极将当下的AI、NLP、机器学习、知识图谱等前沿科技融入业务流程，积极探索更丰富的业务场景。在诸多业务场景之下，今天我们着重选择智能投资顾问这个领域进行探讨。

　　智能投顾发展面临的机遇与挑战

　　智能投顾其实并不是近两年才问世的，这个模式诞生于美国金融危机后，以Betterment、Wealthfront等公司作为先锋。智能投资顾问简称智能投顾（以下简称智能投顾），可以基于投资者的投资需求和风险偏好，为其提供数字化、自动化、智能化的财富管理服务。目前主流模式为基于马科维茨提出的现代投资(000900,股吧)组合理论、其他资产定价及行为金融学理论，结合投资者的风险偏好和收益目标等，利用云计算、大数据、智能算法、机器学习等技术，构建数据模型，为投资者提供相关资产配置建议、交易执行等服务。

　　图片来自埃哲森2018智能投顾行业研究报告（点击图片看大图）

　　在中国，智能投顾还算较为新颖的概念，但中国金融市场竞争更加激烈，环境更加复杂多变，当下智能投顾的发展面临着巨大机遇，同时应运而生了诸多挑战：

　　智能投顾的机遇：

　　1、供给侧爆发：公募基金长期收益率高，非货币基金长期平均年收益率达15%+，可实现新中产财富管理目标。

　　2、客户普遍缺乏金融知识：客户对标准化资产目前普遍欠缺选择能力、择时能力、风险判断能力，造成70%的公募基金投资者并未真正盈利。而通过AI+财富管理可以帮助客户获取市场平均收益。

　　3、打破刚兑后，固收收益率快速下滑，资金快速进入公募基金，在未来几年，财富管理的前景十分可观。

　　智能投顾的挑战：

　　•精细化运营的挑战

　　传统金融机构拥有源源不断的客户资源，但是如何把握客户群体瞬息万变的需求变化，以及应对投资者教育程度参差不齐的现状，挑战是不言而喻的，需要打通各部门数据孤岛，找准用户画像，精细化标签，分层运营。在业务执行层面，依赖公司开放的文化，各部门的通力协作；在技术层面，无论自研还是引入外部优质技术提供商，都要依赖机构自身一定的金融科技能力。

　　•服务效率的挑战

　　和传统投顾相比，“降本增效”是智能投顾的核心竞争力。纯人工模式服务效率终究有限,只能优先服务高净值客户,而机器+人工可以让投顾革命性提升服务效率,让其服务到长尾的低净值客户。

　　招商银行(600036,股吧)、广发证券(000776,股吧)等机构在2015年后也陆续推出其各自的智能投顾产品，虽然智能投顾在中国起步较晚，但是发展速度迅猛。“余额宝”之于大众，唤醒了货币基金和理财的意识萌芽，而智能投顾这一财富管理模式，很有可能成为教育普通投资者的下一个“风口”，让其了解投资组合的魅力。

　　中国金融科技公司在智能投顾领域的探索:

　　除了资产配置建议、交易执行等狭义智能投顾的功能，国内部分金融科技公司还涵盖了应用于客户全生命周期运营流程的智能客户分析与管理系统，为客户提供长期稳定的风险控制和个性化投资顾问服务。 “投”+“顾”同样重要，我们需要关注几个核心能力：

　　•洞察用户风险承受能力：

　　金融科技公司结合行为金融学和心理学，对客户需求进行深度剖析。目标是精准识别客户真实风险承受能力、流动性要求、投资期限、焦虑程度等，利用AI将不同的风险分配给符合其承受能力的用户。这样，最大回撤才不会击穿用户的承受底线，导致追涨杀跌。

　　据了解，一些算法领先的金融科技公司的用户盈利比例可达到98.45%，远超行业平均水平。高比例客户赚到钱是财富管理真正的价值。盈利本质上的理念就是：严控回撤+主动的“顾”。通过AI智能服务系统对每个个体进行恐慌情绪的识别，筛选出高恐慌客户进行针对性地服务，提前对客户进行了投教安抚，应对市场恐慌。以春节开盘第一天为例，上证指数暴跌7.72%，当天，基金的赎回量较高，很多基金销售机构、银行，当日的基金赎回比例高达5%-8%。而该公司用户的赎回低于0.3%。

　　•投资组合决策能力：

　　投资组合决策模型依据各类市场信息，对各类投资品的收益率和波动率进行预测，进而根据投资组合理论、构建投资组合模型，为客户资产配置提供支撑，满足客户资产配置多元化需求。而每天数万个理财资产如何筛选，如何进行风险评价是人力所不能及的。

　　全球金融市场快速变化，相互影响，需要更全面地掌握数据更快地做出决策。以人为核心做资产配置决策和服务的痛点在于人的不稳定性，和人力的不可规模化复制性。

　　千人千面是人工智能在财富管理领域应用成熟的标志之一。千人千面是指针对每个客户识别风险和需求，个性化地实现资产配置，个性化调仓，个性化服务。国内大部分财富管理都无法实现千人千面，仅能构建几十个FOF，无法做到个性化客户管理。完全的千人千面不仅提升客户的实际投资效果，也会让财富管理服务真正实现对每个人的专属服务，极大提升服务体验。以人工智能为技术核心，千人千面为表现，将客户体验与前沿科技在银行业中落地的实现。

　　•用户全生命周期运营能力：

　　借助90%AI+10%的人工，实现千人千面的运营策略。构建优秀的数字化互动方式，让客户享受“私人银行”级别的顾问服务，提升客户粘性，从而拉升AUM。

　　90%AI：纯在线服务、智能客服、在线内容与报告，主要应用于高流动性标准化资产。智能投顾需要有实盘运营C端经验，而不是单纯提供一个技术解决方案。自己没运营过C端的公司，不了解客户，无法保证后续运营结果。此外，系统稳定，算法历经长时间（5年以上）实盘训练，才是智能投顾成熟的表现。

　　10%人工：主要应用于在线+线下混合服务、机器人+人工投顾。建立客户、线上服务、理财经理三者参与的完整的服务运营体系，以专业优质的服务获取用户的信任，进一步提升人均AUM。一个人工投顾可以服务数千个客户，革命性提升了服务长尾客户的能力。

　　同时善用客户信息大数据，如问卷和客户画像、金融交易行为、社交信息、用户足迹等，对已有的各类客户做详细的标签，建立自有客户信息分析的大数据模型，才能从而有效地针对客户进行心理按摩、客户教育、运营营销等工作，从而不断提升用户满意度。

　　结语：

　　伴随新兴金融科技井喷涌现，数字化转型席卷银行业，为了顺应大势所趋，同时为了缓解迫切的现实需要，借助AI技术，实现业务模式降本增效的再进阶。疫情之下，银行业愈加认识到数据、智能化背后的价值。银行4.0时代，正值银行数字化转型进入深水区，此时恰需一个可以覆盖银行数字化转型各阶段的数字化转型平台，让零售银行保持竞争力甚至找到实现弯道超车的重要途径。

　　中国的智能投顾平台正充分利用大数据、云计算等前沿科技，改变着传统金融服务模式。而智能投顾作为科技金融推动下应运而生的产品，正在降低投资门槛，提升服务效率，提高投资顾问服务能力，拓展服务边界，同时千人千面的定制化服务将提升金融服务的多样化、差异性等等… 财富管理行业正在利用科技为大众提供普惠的投资服务，而这些优势，无论以直接还是间接的方式，必将推动金融服务的普惠化，顺应时代发展潮流。

来源：和讯网

潮科技 | 认知计算：“机器认知”与“人类认知”的碰撞

“人类认知”和“机器认知”

20世纪中后期，行为主义思潮逐渐衰落，计算机技术普及，数据科学兴起，认知革命随即爆发，认知科学由此出现。由于认知系统的复杂性，认知科学因此横跨了多个学科和研究领域，其研究理论旨在提供各种模型来描述人类认知。

人类的认知过程主要有两个阶段：首先，通过人体自身的感知器官来觉察周围的物理环境，外部信息由此输入。其次，输入的信息被传输到大脑进行复杂处理，如存储、学习等，然后将处理结果通过神经系统反馈给身体各部位。

随着计算机软硬件技术的高速发展、大数据时代的来临以及人工智能研究的兴起，认知计算逐渐成为人们关注的焦点。认知计算是认知科学、数据科学和一系列计算技术协同融合的新兴领域。

认知技术

人的一生在不断学习中，当大脑的认知能力达到一定程度的时候，便可举一反三，可以对信息进行不同维度的转化，转化结果又能够应用到其他维度，从而产生新信息和新观点。那当机器具备一定程度的认知智能时，能对已有的信息进行再创造吗？目前我们可以确定地说“能”。认知系统在训练的过程中模拟人的思维，通过持续学习，获得不断增强的智能性，逐步接近人类所具备的认知能力。人类的认知运用生物和自然的手段——大脑和心灵——来实现，而机器认知把认知看成一种计算，使用认知计算技术来实现。

认知计算使用计算学科的理论、方法和工具来为认知任务建模。它将大脑视为高度并行的信息处理器，使用各种模型来表示信息，并使用算法来转换和处理信息。能够实现认知计算系统的技术包括人工智能、机器学习、计算机视觉、机器人技术、书面和口头语言识别和理解、信息检索、大数据、物联网以及云计算。其中一些是使能技术，即一种处在基础科学理论和成熟产品研发之间的技术，其特点是带动作用，利用现有科学研究成果，寻找创新性应用思路，带动整个创新链的产品开发、产业化等。而另一些本身就是技术。

图源《认知计算导论》

艺术史学家Mazimilian Schich在文章《窃取想法的机器》中说到，“实际上，当人类思考时，我们大多数想法来自过去的经历，或者是被记录下来的别人的经历，我们极少想出彻底的新想法。机器也不例外。所谓的认知计算，无非就是一个深思熟虑的想法窃取机制，它由大量知识和复杂的算法过程来实现。人类的思想和认知计算里都含有这种窃取想法的过程，因为它们不仅能够窃取已有的想法，还能从一个给定的知识框架中窃取合理的潜在想法”。认知计算技术创造了一个能够独立人脑之外的具有学习能力的“聪慧大脑”。

机器认知是人类认知的延伸

人工智能出现之后，有两种声音此起彼伏，成为人类讨论的焦点。人们在经历人工智能带来的巨大变化的同时，又开始担心机器在未来的某一天取代人类，甚至消灭人类。科幻电影满足了人们的一切幻想和恐惧。2004年由威尔·史密斯主演的《我，机器人》，很好地诠释了阿西莫（被誉为世界科幻小说三巨头之一）在他的“机器人系列小说”中提出的机器人三大法则，即

第一法则：机器人不得伤害人类，或坐视人类受到伤害；

第二法则：除非违背第一法则，机器人必须服从人类的命令；

第三法则：在不违背第一及第二法则下，机器人必须保护自己。

2015年的科幻电影《机械姬》却表达了机器人艾娃善于伪装自己的思想，通过甜言蜜语让人类爱上自己，然后再利用人类达到自己的目的。

但电影终究还是幻想，机器无法在短时间内取代人类的位置，或者说如果人类科学家有意强调人机协作的和谐关系，那么就不可能发生机器颠覆人类的事情。认知计算技术在现实生活的应用就体现了人机协作的和谐关系。在技术落地的过程中，我们能够看到人类的认知能力在机器的帮助下，得到了很大的提升。

认知计算技术之一：计算机视觉

计算机视觉技术赋予了机器“看”的能力。人类通过眼睛直观地分辨周围的环境，做出判断。计算机视觉技术的出现使机器通过算法进行人类识别、图像识别、视频分析等，并根据识别结果为人类的判断和决策提供参考。人类在这个过程中将减少某些重复性的工作，也能够避免去一些危险恶劣的环境中工作，从而转向机器目前还不能完全自主完成的工作层面。

计算机视觉应用场景可分为两大类：图像识别和人脸识别，每类又可继续化为动、静共四个类别，基本覆盖了目前计算机视觉的各项应用场景。计算机视觉领域最热门的应用场景可以说是人脸识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。例如远程身份认证、手机刷脸解锁，还有协助公安部门抓捕逃犯的人脸识别系统，住宅区的门禁系统等。未来，随着技术的不断突破，更多新功能、新场景的应用会出现在人们的生活中。

根据金智创新《人工智能行业研究报告》，计算机视觉架构从下至上依次为：

（1）基础层——核心芯片被Intel、Nvidia等传统芯片厂商把控，新型芯片厂商尚未崛起，规模应用有待时日；开源平台以谷歌的Tensorflow、Facebook的Caffe等为主其他企业的深度学习框架多为二次开发。

（2）技术层——算法，初创企业占优；云计算几乎被AWS、谷歌云、微软Azure、阿里云等垄断。

（3）应用层——垂直行业龙头占据场景，技术层初创企业向上渗透。根据IDC统计数据，2017年中国计算机视觉应用市场总规模约为15.5亿元，商汤、旷视、依图、云从四家企业市场份额共计达69.4%，预计2022年中国计算机视觉应用市场规模将达到146.1亿人民币。

认知计算技术之二：语音识别

智能语音技术赋予了机器“说和听”的能力。该技术的研究始于语音识别，随着信息技术的发展，智能语音技术已经融入人们的生活，成为获取信息和互动沟通最便捷、最有效的手段。当前语音识别的研究主要集中在模型的建立和提取方面，存在规模小、语言可移植性差、模型复杂、不能有效利用差别信息等问题。由于汉语发音的独特性，其识别性远高于英语，为了提高汉语的识别能力及准确性，汉语语音识别迫切需要解决的难点主要有：

1. 说话人的变化、不同时间同一说话人的同一句话的含义变化导致的语音差异；

2. 词汇量大小导致的识别单元的差异化选择；

3. 汉语方言众多导致的识别困难；

4. 汉语声调多样，提升了识别难度。

从行业发展趋势来看，近年来国内外智能语音市场发展迅速，全球市场五年间增长194.58%，国内市场五年期间增长432.33%。从市场格局来看，凭借较强的技术实力及技术积淀，Nuance、Google、Apple、Microsoft占据全球市场份额超八成，国内市场以科大讯飞为主，BAT，搜狗等公司都在这个方面开展相关业务，通过语音识别算法及硬件为客户提供语音识别、合成、交互等软件和解决方案。

认知计算技术之三：自然语言处理（NLP）

如果说智能语音技术为人机之间的交流创造了机会，那自然语言处理技术就是人机交互的道路上使人类与机器顺畅交流的重要依靠。自然语言处理是研究人与计算机交互的语言问题的技术。自然语言处理技术帮助机器理解和表达人类语言，人们可以用自己最习惯的语言来使用计算机，无需再花费大量的时间和精力学习各种计算机语言。因此这个过程并不简单，歧义的词汇和模糊的句子结构，用户不规范的输入和口语化的表达都会让机器在辨识的过程中充满挑战。

Google开源自然语言解析器及模型使语言理解更进一步。Google于2016年5月13日宣布开源全球最精准自然语言解析器SyntaxNet以及Google已经训练好的可用于分析英文文本的模型PaeseyMcParseface，这个模型在提取词之前的个体依存关系时，准确率超过94%，接近人类的水平96%-97%的范围。

自然语言处理是包括人机交互在内的许多AI应用基础。目前的具体应用形态包括机器翻译、信息提取、报告生成、自然语言问答、聊天机器人等。如微软Skype提供语言音-语言的实时翻译；NarrativeScience的quill软件是一款机器人记者，可以从大数据中解读并撰写文章，实现拟人化的写作，已广泛用于金融和新闻业。Apple、Facebook、微软纷纷发布聊天机器人。随着自然语言处理技术的发展，对话机器人发展演变的速度越来越快，从基本的通过程序编程便可以简单处理的聊天机器人，到可以理解人们意图并修正的高级自行学习机器人，对话机器人的技能越来越多，应用范围也越来越广，目前已广泛应用于家居、医疗、银行、电子商务及金融的领域。不同于语音识别等技术，自然语言处理技术有着更高的壁垒和更广泛的应用，因而出现了大公司和创业公司百花齐放的局面。国内的百度的DuerOS, 阿里的天猫精灵、腾讯的叮当、小米的小爱同学，依附大厂的背景建立生态，而创业公司也有蓦然认知、竹间智能、来也科技等，他们将对话机器人的应用推到了更加深入且垂直的领域。

认知计算技术之四：机器学习

机器拥有了人类讲话听音的能力，但这对于研发人员还不够，因为语音和自然语言识别只是机器学习的入口和出口，计算机的处理过程也是研究的重点。机器学习专门探索计算机怎样模拟或实现人类的学习行为过程，以获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。这意味着，机器人被造出来的那一刻，就像是一个新生儿的落地。之后，他会像小孩子成长的过程一样，实现自我学习“成长”。

机器学习开发平台的部署，包括数据获取、数据准备、模型训练、应用程序集成、模型运维、生产监控以及有明确KPI的业务治理过程。在这个过程中，由框架、算法模型、开发语言等各种工具赋能，由数据科学家、业务分析师、数据架构师和专业人员协作，基于数据建模，不断的进行概念验证，将好的模型部署到生产环境，协作以管理模型运维的全生命周期。

百度机器学习产品组合在提供丰富算法模型能力的基础上，也十分注重迁移学习能力、小样本模型训练能力，以及端到端模型应用能力，为各行业不同技术、数据基础的用户提供了针对性的产品，包括BML,EasyDL,AI Studio，飞桨Paddle。腾讯云的智能钛机器学习平台于2020年正式商业化，在此之前，已在金融行业、互联网行业等积累诸多私有化部署实践。阿里云PAI发布于2016年9月，2018年1月正式商业化。PAI平台的优势一方面在于重视机器学习系统级优化，另一方面在特征工程提取、模型训练等各个环节提供了丰富组件。

未来，机器学习能够应用到金融反欺诈，工业质检，设备预测性维护，智能投顾，量化投资，跨行业应用-销售预测，供应链预测，推荐系统等。

认知计算之五：知识图谱

人类在成长的过程中不断学习，不断积累经验，形成了一套自己的经验框架，以此来作为生活的参考。机器也被科学家们赋予了相似的能力。知识图谱的提出让机器变得更加渊博，拥有了认知世界的知识结构，这个结构也能够帮助机器更好的进行学习。

知识图谱技术可以应用于任何种类的数据：文本数据、结构化数据、多媒体数据、传感器、各类百科、WikiData等众包数据等。知识图谱涉及到的技术包括本体建模、知识表示、知识抽取、知识融合等，用以支撑语义搜索、智能问答、推荐等应用。腾讯云、IPIN以及第四范式等公司开展了相关的研究，这些业务能够为企业和个人提供大数据分析，辅助决策。

然而，知识图谱的技术栈比较长，且每项技术都较为复杂，技术研发周期长，需要多年的研究积累，导致了知识图谱技术难以普及，目前高校仅有少数实验室具备知识图谱全栈能力，而且实用化工具也不多，而具备知识图谱实施能力的公司也很少，很多公司虽然宣称具备知识图谱构建能力，但是事实上只有一个NLP构建能力或者图数据库能力。知识图谱平台的缺失是导致知识图谱技术无法有效传播的根本性瓶颈，这跟深度学习有多个平台形成了鲜明。只有当越来越多的开源或者商用化知识图谱平台出现了，才有可能有效解决知识图谱落地的困境。

产业图谱

如今，认知计算技术广泛地应用在金融、教育、建筑、安防、视频/娱乐/社交、法律、招聘、医疗、零售/电商以及新闻咨询行业，不同的技术在各方面为人们带来了便捷的生活，我们使用的智能家居、智能搜索、智能驾驶导航系统；在商店遇到的各种服务机器人、智能问询处；就医时，便捷的网上问诊，以及能够聊天的情感机器人等，逐渐改变了人类已有的生活习惯，向更简洁的方式靠近。

未来的方向，人机结合？

自人类诞生之日起，其探索和创新精神造就了现代化人类的今天。科技革命带来的颠覆性改变让人类对未来充满了无限遐想。在脑中植入芯片，进而扩大人类脑容量，在四肢上装上设备，使其受人类大脑控制……这是人类在自身认知世界，机器辅助认知世界之后，对未来设立的宏大目标。

麻省理工学院媒体实验室开发的一款可穿戴的无声语音输出-输入设备AlterEgo很好地诠释了机器对人类的巨大帮助。它被戴在头部、颈部和下颌上，可以在不发声的情况下将大脑语音中枢的脉冲输入转换为计算机上的文字。这个设备主要是帮助那些有语言障碍的人，如肌萎缩性脊髓侧索硬化症和多发性硬化症，以及其他病症的人进行交流。

马斯克7月9日在推特上发布消息说：8月28日发布脑机接口公司最新进展。希望在 2020 年底之前开始对人类患者进行试验。目前，已开始在老鼠身上进行测试，并与加州大学戴维斯分校合作用猴子实验。

类似的研究被更多的团队关注。机器能够很好的帮助人类，这是认知计算科学家们一直坚持的目标和原则。他们对机器如此信任，以至于愿意赋予机器“灵魂”，这个“灵魂”就是认知能力。

实现类似人脑的认知与判断、发现新的关联和模式、从而做出正确的决策等一系列的诉求，给认知计算技术的发展带来了新的机遇和挑战。

IDC曾预测，到2020年，50%的商业分析软件将包含基于认知计算功能的分析工具，同时认知服务将嵌入新的应用之中。但模拟人类智能的步伐才刚刚开始，未来会怎样，有无限可能。

来源：36Kr

京东人工智能任成元：云“智”联世界，产业数智化转型的关键

人工智能技术，正在为社会和商业创造出全新的生产力。

智能有为，恰逢其时。

近日，在2020年中国国际服务贸易交易会京东智联云企业论坛上，京东智联云副总裁、人工智能平台部总经理任成元发表演讲，畅谈京东智联云在产业数智化方面的思考与实践。

京东智联云副总裁、人工智能平台部总经理 任成元

任成元表示，纵观历史，当前社会和商业环境面临着极大的不确定性和复杂性，对于任何一家企业来说，如何驾驭复杂性，在不确定性中寻找确定性将成为未来制胜的关键。

人类百万年以来面对复杂环境不断进化的智能，正在深刻的启发着人工智能的科学家，从深度学习到强化学习，人工智能技术正在成为一项处理复杂性的技术“利器”，正在为社会和商业创造出全新的生产力。相较于传统经济增长模型中资本、劳动力等生产要素，人工智能技术正在成为一种全新的、可增值的“生产要素”，对经济增长的贡献将会越来越明显。

京东的商业模式天然链接着消费和产业，京东始终以“技术为本，致力于更高效和可持续的世界”，通过技术不断提升零售，物流，金融等产业效率，为消费者和产业从业者不断创造出全新的价值。作为京东技术与服务对外输出的核心出口，京东智联云通过云计算、大数据、人工智能、物联网等技术积淀，拓宽了消费互联网和工业互联网的通路，实现了商品流、物流、金融流、信息流的全要素连接和融合。

“京东智联云的使命是云智联世界，我们希望成为最值得信赖的智能技术提供商。智能技术是智联云核心技术能力，也是京东多年智能化实践的技术沉淀，相信未来会在产业智能化中起到非常关键的作用。”任成元表示。

京东人工智能战略依托于京东人工智能研究院，将京东人工智能开放平台NeuHub作为基础，充分利用自然语言理解、语音、对话、计算机视觉、机器学习、知识图谱等六大人工智能核心技术，开放应用到京东的各个业务环节，帮助京东从消费到流通，生产，系统性全方位的进行智能战略落地。

作为“国家新一代人工智能开放创新平台”的核心载体，京东人工智能开放平台NeuHub已经面向行业企业和合作伙伴开放了超过100余项的人工智能API服务，618期间调用量超过700亿次，同时作为智能供应链的基础平台，NeuHub开放了京东在供应链方面多年积累的关键能力和产品服务，正在通过智联云帮助政企客户实现全链路的数智化转型。

任成元认为，对于企业和组织来说，物联网IoT等传感设备就像是神经末梢和感官系统在为组织源源不断的采集数据，而云计算作为数字化的“躯体”，支撑着大量数据的存储和计算，NeuHub则是组织的智能决策中枢大脑，通过预置和实时的机器学习算法模型不断针对业务进行建模和预测决策，为组织的经营者提供最优的决策依据，甚至不需要人为干预，中枢大脑就会智能的采取决策和行动，使得企业面对复杂性环境的响应更加迅速和敏捷，人工智能技术则发挥了专家级生产力，大大提升了商业价值的实现效果。

人工智能平台的发展离不开云计算、大数据等底层技术，京东智联云在云平台和数据平台上构建智能技术平台，通过数据采集，标注，模型开发，服务发布等一站式智能开发过程，将数据变为业务可用的模型，再将模型实现服务化，高效地提供到各个业务系统应用，从而利用算法模型来解决业务系统中面临的成本、效率和体验问题。

基于人工智能技术平台这一智能化引擎，面向供应链场景，京东智联云打通消费、流通、生产等全链路各个环节，借助机器学习、深度学习、强化学习等人工智能算法，在供应链规划、预测、决策、执行中提供业务平台，构建了面向供应链的智能化业务平台。智能业务平台就像是智能化时代的供应链控制塔，可以对供应链全流程实现可视化，同时可以打通供需之间的不匹配，实现C2B的反向定制，同时可以为供应链库存优化，仓网布局提供最优化的建议。智能业务平台成为供应链业务开展中的关键指挥系统。

京东智联云始终聚焦客户需求，以客户为中心，不断夯实供应链全链路数智化解决方案技术底座。目前，京东人工智能NeuHub平台已在众多行业客户和合作伙伴中得到广泛应用。随着技术的进步和时代的发展，人工智能已经成为引领未来商业的关键性技术。作为人工智能“国家队”成员，京东智联云将不断打磨人工智能技术能力，以人工智能平台为发力点，全面提高人工智能的“生产力”，用智能技术推动产业数智化转型升级。

来源：36Kr