金融本質交易暫時無法被AI替代 信息不對稱才有超額收益

進入2018年，金融科技行業發生了一些新的變化，從P2P機構的備案登記，預示著監管日趨常態化，這也是行業正本清源的開始，是價值發現，去槓桿、嚴監管、重風控下的金融科技重塑。

4月26日，融資中國2018（第五屆）金融科技創新峰會在北京四季酒店盛大召開，此次會議緊扣政策熱點，面對行業難點，來自政府部門、行業協會、研究院所、金融機構、金融科技公司、互金公司、區塊鏈技術公司、區塊鏈應用公司以及數字加密貨幣相關公司精英齊聚一堂，共同探討了金融科技企業的融資與併購，金融科技、供應鏈金融與新技術融合的市場空間及未來發展方向。

隨著2017年人工智慧大火，AI+金融的跨界組合，似乎日趨成為金融業演化發展的主流的趨勢。但是進入2018年，市場當中更多的監管，同時面臨著更多的熱門的話題。

會上，91金融聯合創始人、九一資本合伙人吳文雄擔綱主持，與信中利資本董事總經理、高級合伙人劉朝晨，普華永道金融業主管合伙人張立鈞 ，百度風投執行董事劉一昂，宜人貸副總裁、宜人財富負責人姚遠，誇客優富合伙人曾科，視野金服聯合創始人、COO張燦，一同探討了智能金融時代，金融科技如何和新技術結合。

主持人吳文雄：大家好，我是九一金融的吳文雄。其實我們這個話題很大，我們在座各位在不同金融領域都有自己的專長。第一個環節請各位介紹一下公司和業務，第二部分開始討論。

劉朝晨：非常感謝參加上午板塊的分享，信中利在這個行業有19年的時間了，我們也是新三板最早掛牌的金融管理機構，我們收購了上市公司，合併400億市值，幾十支基金，目前覆蓋領域很廣泛，從互聯網、無線互聯網，包括消費時尚、文化體育、醫療健康、節能環保、新材料、金融科技等。今天有幸參加跟科技金融板塊相關的話題，在這個領域過去幾年我們也投了幾個類型不同的公司，一種是面對整個行業進行服務的，提供工具，提供標準的。比如很早投了中誠信這樣的機構，現在成為中國第一批做個人徵信能夠拿到牌照的機構之一。

另外在底層大家談到金融科技需要大數據、雲計算等等演算法，我們利用非常基礎的區塊鏈構建早期的底層結構的公司，大家很關注金融安全，所以在支付層面有通盾這樣的公司，還有應用場景，在各個細分領域都做了一些布局。當然這裡邊存在很多的變化，有很多的機遇和挑戰，之後再跟大家做分享。

張立鈞：大家早上好，我是張立鈞，普華永道負責金融行業金融主管合伙人，大家非常熟悉普華永道，是四大之首，除了傳統的財務稅務這些領域，我們在在整個管理諮詢領域，幫客戶提供從戰略、運營、財務、風險管理一直到信息科技的落地等服務。這幾年隨著數字化的發展，我們在整個科技領域有很大的投入，在矽谷有幾百人的分析團隊，專門圍繞全球金融科技的發展趨勢和方向。在上海大概有一千多人的研發團隊，圍繞人工智慧、雲計算、區塊鏈、大數據，我們開發團隊在中國是CIM5G的。我們每年發布全球金融科技的研究報告。

劉一昂：大家好，我來自百度風投的劉一昂。去年我們剛成立基金，背靠百度，雖然只有一年的歷史，還是投了50多家公司，我個人曾經也做過金融科技公司，之後在紐交所上市，我們在這個賽道上傾注了很多的力量。2013年開始關注至今，我看了很多互聯網金融，現在加金融科技，加了很多概念名詞。金融行業非常巨大，某個細分領域都能夠作出百億級別的公司。可能跟幾年之前不太一樣的是，從技術入手，從AI輔助進各個環節出發，今天仍然有很多機會，我們之後也會具體聊到。

姚遠：大家好，我是來自宜人貸的姚遠，作為金融科技在紐交所上市的第一股，我們目前布局三大業務板塊，首先還是基於宜人貸最初針對都市白領小額信貸的貸款業務。另外我們有一個平台，專註於和金融科技給合作賦能的業務。我負責宜人財富業務，在宜人財富，我們利用數字科技和人工智慧技術，專註於幫助用戶解決兩大問題。首先幫助大家更好的高效解決財富健康安全成長，另外幫助客戶更準確的識別投資標的產品的精準性，幫助他們做更好的長期投資。

張燦：大家好，我是來自視野金融的張燦，非常感謝融資中國的邀請，我算是一個做金融科技的老炮兒，2004年我做AI，之後給銀行做過評級，之後創業，當時做金融科技時，投入了各種各樣的金融機構、證券公司等。視野金融將一級市場數據做了分層，從上市公司到IPO公司到新三板公司四板公司還有被投資過的公司。我們把這些數據拿出來給投資機構，給普通的個人用戶，做一級市場。

工商企業有13萬家被PEVC投過，投過兩輪的是3萬多家，這是我們第一部分數據。第二部分數據我們從行業產業鏈的緯度來拆。第三部分數據得益於資本市場的數據共享及對私募股權的監管，這三種數據結合起來應用場景非常多，比如我看前面哪些機構在投一個企業，或者我想看最近紅杉在投哪個領域，我去研究一下。另一方面，作為融資方，我想看一下誰在參與這些基金，LP是誰，我們提供一級市場150萬家企業30萬家投資機構加他們的產品數據。

曾科：大家好，我的來自於誇客優富的曾科，主要負責資產管理的部分，我們施行財富管理和資產管理雙輪驅動的模式，財富管理團隊通過線上線下智能投顧結合的模式，打造更好的客戶的體驗和服務。資產管理部門也是一家市場化運作的母基金，為客戶尋找中國市場上最優質的PC，提供投資的項目。提到金融科技，我們在一些信貸資產篩選上，通過科技手段提高中間的效率，同時結合自己理財師，給客戶均衡的配置債券、股權和海外資產的組合，所以今天非常高興和大家討論科技領域應用的話題，希望接下來的對話，能夠跟大家交流。

用VC長遠方式更早布局人工智慧賽道

主持人：剛才各位就自身的業務做了一些分享，因為人工智慧，在科技領域應用非常廣泛，我們圍繞各位所在的領域問一個問題，關於當下的人工智慧，各自在做什麼？信中利是我最敬的一個投資機構，請劉總說一下，我們投資了哪些人工智慧大數據和應用場景的公司，從投資機構來講，會選擇哪些方向和賽道，你目前怎麼看未來的方向？

劉朝晨：我覺得這個行業涉及的範圍非常大，並且變化很快。人工智慧這兩年的發展的趨勢毋庸置疑，發展機遇也毫無疑問。但是是否存在一些虛火，很值得我們思考。很多人講人工智慧現在是不是有一些晶元代替原來GPU等這些概念，人工智慧晶元是加速功能，而且在演算法的效率和應用之間是相互違背的，應用領域越精細越具備通用性，像GPU效率是最低的。除了模型，我們很關注算力演算法，像區塊鏈為什麼這兩年很熱，我們在底層基礎方面也有一些布局的。

談到方向，我們這些機構雖然捕捉一些熱點，但現在應該冷靜的思考，在更重要的基礎方面，是不是更早的做一些布局。因為這種布局其實也是面對全行業的，更多是領先性的機構用VC長遠的方式首先去做，這裡雖然有比較大的風險，但是收益和風險是並存的。

再者，我們現在更關注一些2B方面的，因為中國現在的科技金融還是受到較大的監管，在大框架範圍內，政府也不斷的進行新的監管細則調整。中國可能有幾千家銀行，能夠利用金融科技的非常有限，剩下的幾千家也需要很多的幫助，2B能進行很好的賦能。

而且在金融科技創新方面，大量的人才從海外過來，一方面我們利用海外人才與中國本土精英結合，投資一些國內的公司，也關注像英國美國在金融科技應用層面怎麼跟中國行業應用進行更好的融合。4C過去三五年有一些細分領域的龍頭早就跑出來了，有可能利用人工智慧這一次機會，能夠找到一些顛覆性的切入點。比如互聯網保險領域，顛覆性機會還是有的，但是挑戰的巨頭也需要在內容上創新。

人工智慧不能只能談AI

主持人：感謝劉總，接下來是普華永道張總，作為具有全球影響力的機構，普華永道對於人工智慧這塊有什麼觀點呢？

張立鈞：謝謝，我覺得人工智慧其實是我們金融科技的一部分，剛才我提到ABCD，AI是其中一個，區塊鏈、雲計算、大數據，沒有其他的幾部分，純談AI是沒用的。60幾年前，我們講的主要是科技元素，ABCD裡邊AI是提出最早的，但是沒有很好的發展。大家知道AI有三個元素，一個是數據，一個是算力，一個是演算法。儘管有些演算法可能很久以前就有，但是沒有算力是很難做這個事情。

最近大家都在談穿透式監管，就是對現在金融體系裡邊龐大複雜的金融產品模式進行監管。我相信在座的很多人都知道各種圈套，如何從監管角度識別這個風險，穿透這些產品模式，穿透背後控制的層面，必須依賴大量的人工智慧手段去做。

我在美國念商學院時，其中一門課程就是數據挖掘，我們學習各種數據挖掘的技術。20幾年前，我們嘗試要用神經網路系統去對當時的股票組合管理做一些預測，但是做不到，因為算力與我們的數據跟不上。

再舉個例子，07、08年金融危機的時候，美聯儲嘗試用穿透式的監管，穿透什麼？大家知道，造成美國金融危機主要是什麼原因，CDO產品，大量的CDS所謂信用衍生產品，但美國那些產品是非常複雜的，比如說CDO兩次方是什麼概念，從NBS，MBS打包以後再到CDO，經過三層的打包，你知道底層資產是什麼呢。

從風控和監管的角度對這些產品做真正的穿透式風控壓力測試的話，他們當時計算過，紐約所有的投行對它的CDO產品做壓力測試要耗紐約市一半的電做模擬。但是現在能夠做到，大家知道我們過去三年累計90%的數據演算法就是雲，現在都是用分散式計算，我們現在談人工智慧不能只能談AI，而要把雲計算大數據，未來的互聯網、物聯網結合起來去談。

巨大公司的崛起是需求驅動和監管驅動雙管齊下

主持人：張總剛才分享的案例，是AI結合大數據、雲計算、區塊鏈綜合的產品下面是劉總，百度風投做了很多項目，未來在金融領域裡邊，百度風投跟金融如何兼容？

劉一昂：首先我們不代表百度，但是從百度金融角度來看，首先是賦能者，我們利用百度一些資源和演算法算力，數據基礎提供一些賦能的功能，這個也適合百度，基因也和百度比較接近，所以我覺得百度金融分開其實也是行業里比較關注的事件。

另外百度風投作為一支早期基金，我們還是非常關注各個行業里的機遇。像08年金融危機，在國內我覺得民間金融有巨大的機會，那時候國家監管處於真空期，任何巨大公司的崛起都是需求驅動和監管驅動雙管齊下，金融是超級強監管的行業，如果在哪個方面監管出現薄弱環節，這一定是巨大機會所在。

當時我們投了拍拍貸，早期看他們做的事情，一直認為歷史機遇是不一樣的。比如金融危機之後，資產過度證券化，我們看不到後面有什麼，之後計劃P2P，出資人對接起來就可以了。在中國不是這樣的，中國整體水平非常低，其實拍拍貸這家公司，他們是抓住了民間貸款巨大的需求和服務不匹配的市場機遇，正好監管對這塊又比較寬容，所以就起來很多公司，但是現在監管趨勢收緊了，對行業也是好事。

未來我們怎麼看機遇呢，從我個人角度來講，95並不是獨立存在的事物，我們說算力演算法和數據，其實數據還有待驗證，過去幾年全社會對數據積累達到相對比較高的水平，就看我們怎麼挖掘和利用。算力從現在的積累狀況來講也達到了一個我們認為可以改變行業的拐點。

演算法是今天相對薄弱的環節，幾十年前已經提出來了，因為沒有驗證的可能性，所以到今天歷史給我們驗證的機遇。但是這個東西還是太基礎了，因為一個技術，或者說一個策略能不能撼動金融市場，還是得從本身進入市場的需求變化來看。

第二，我們看歷史驅動力是不是能夠完全撬動，今天是不是有機會，這是我們要探討的。我個人理解，比如從不良資產的角度，我們知道監管趨緊以後，民間貸款小額信貸比較困難，城商行他們沒有一些積累，我們有沒有機會輔助他們完成歷史角色轉換的工作，這都是存在非常巨大的機遇的。

財富管理與AI的3大結合點

主持人：謝謝。姚總做財富管理，你在人工智慧財富管理方面，面向市場投顧，面向一級高端理財層面，是怎麼實現服務的呢？

姚遠：簡單分享一下我們的服務，宜人貸最初做貸款管理，我們是最貼近C端用戶的。做C端用戶，不管數據報告還是數據研究市場特別大，特別財富管理的市場，包括有人預測2020年超過200億。為什麼業界覺得這個市場非常難做，為什麼中國做財富管理的人覺得非常難？我覺得問題在於不匹配。比如公募基金市場，公募基金本身是賺錢的，但是散戶投資者有多少賺錢？

為什麼賺錢或者不賺錢，現在的數據可以幫助我們找到很多不匹配，我們從數據的角度發現有兩個非常明顯的不匹配，第一，每個投資者風險偏好和承受力不匹配，說明這個投資人明明可以承受10%的波動，波動2%-3%的時候就跑了。

另外，投資行為跟流動性真實的需求非常不匹配，很多人一筆資金明明可以做定期投資，但是他切成多份，這樣犧牲了很多的收益，我們在這塊希望利用特彆強的數據演算法，幫助用戶更多的發覺他的不匹配在什麼地方。

那在前端怎麼讓我們的客戶接受我們的方式，我覺得更多還是運用很傳統的投資顧問模式，西方市場非常成熟，他會問你很多問題，目標是想知道數據在什麼地方。我們通過互聯網上的數據和用戶呈現的數據更快的把用戶的整體形象策划出來，通過人工智慧的交互形式，以更高效的形式跟用戶交互，把錢配置在更適合他的理財方式上，這也是我們在嘗試的方向，所以我覺得AI在金融層面和財富管理層面的應用不會那麼複雜，更多的是能夠把一些更成熟更傳統的財富管理的形式，利用高效的方式準確的表現出來，這是我們運用的第一個方向。

第二個方面在資產端，中國的理財產品各種各樣層出不窮，用戶當成一個網購商品來買，不知道自己的錢去向何方，我們的另外一個角度幫助用戶看看他們買的是什麼，買的產品從風險角度是不是匹配他的需求。最後一個，剛剛也有嘉賓提到，中國的保險需求非常大，過去是粗放的模式，現在有人說10%配到保險上，10%是不是適合所有人也存在疑問。基於數據我們可以看到客戶的人生階段需求，風險偏好和保險偏好，給他們提供更精準的配置，這是在財富管理層面希望跟AI數據和算力結合的三個點。

分類機器學習整合資源

主持人：謝謝姚總，接下來是張總，我創業之前在一家投資機構做業務，你這個概念，對我過去從事的業務是新的顛覆，我非常感興趣你公司的演算法和數據源，未來市場有多大呢？

張燦：是這樣的，我在說之前我接者張總的話題試一下，普華永道90年之前就有AI，我們當時反思為什麼沒有AI和大數據，其實有三點，第一點你必須有數據；第二你要有計算的能力，計算的能力；第三，我們尋找的機器要有樣本。

我記得2013年的時候，聽說宜信買了一套系統，宜信的客戶經理訪談的時候舉了一個例子，要看一個很細節的東西，看拖鞋是什麼牌子，其實他們拿美國的數據訓練出來的。我覺得實業為什麼能夠做這件事，其實就是數據整合，一定要做到彎道超車，如果繼續那個模式，可能很快就死掉了。

傳統金融機構投行想看的東西我們整合過來了。為什麼能夠整合過來，第一點我感謝數據的開放，現在美國證監會是全部要求的，我們現任的會長推動整個公募基金的報送，要求私募加強監管，私募備案，第一個庫就是私募的庫。現在有兩萬多家私募備案，通過演算法我們還找出來大概5萬家沒有備案的，我們通過演算法推演出來我們母基金，資產管理公司。

大家發現，投資機構，原來的時候大家抓新聞，必須拿到C輪的投資，13萬家被投資機構投的企業，首先從投資機構那塊穿透，投了哪些企業，五年前有人告訴你我有一萬家公司的數據，有財務信息，融資信息等等，你會不會很興奮？視野很多行業分類機器學習就來自這些公司的，你要學習首先要學習語言。比如你分析汽車行業，就那幾個上市公司，長安、上汽，沒有一家公司是做汽車內飾IPO，但是在三板就有很多。

第二方面就是數據，我們現在整合海外的數據，大家現在討論的晶元產業鏈，我們要把海外的技術整合到中國來，我們分析之間的差距，就能夠分析出來我們的差距。

還有投資機構一級市場常談的數據就是AI，這個數據如何採集，採集方式是什麼。我們現在做更細的數據處理，我把公司IPO說明書翻出來，比如說投了居安之家，然後所有的數據全部出來了，什麼融資價格，什麼時候進去的，拿到多少錢。另一部分，整合證券和產業相關的數據更多，其實就是這樣整合資源並且進行學習的。

智能投顧需要跟專業的理財師結合

主持人：謝謝。金融數據這個工作很辛苦也很難，這是非常值得尊敬的事情，非常感謝。曾總做財產管理，在資產配置這塊是怎麼實現的呢？

曾科：其實剛才姚總也提到了，在財富管理和資產管理領域，人工智慧更多應用到智能投顧上來，C端選擇智能投顧工具的時候，如果你技術所包的外衣是一個噱頭是很難留住客戶的，美國更凈值還是回到華爾街那兒去放棄矽谷的一些創新公司的服務，這樣怎麼做，他們轉兩C端，所以他們推出一個美國獨立理財師市場的工具，我把工具交給你，你面對你C端的用戶做資產配置的分析。

說到底它的原理還是挺簡單的，來源於現在組合的理論基礎，我們把所有東西打散，包在一起，其實這個東西說複雜也複雜，你沒有數據這個裝進去也是空的，你沒有這些東西，裝進去不會被投資者所吸收。

智能投顧和量化投資有一些混淆，裡面很多因子的是人為的，可能是後滯性的。智能投顧隨著演算法法算力的發展，有一定程度的預判性，能夠提前去看市場的趨勢，把這個東西抓出來體現在策略上，一定是有用的。加上在效率上是大大提升的，我們在基金管理運營等等很多環節是非常複雜的，你別投顧了，就交給一套系統就比人乾的好很多是有效的。

我想中國這個市場，特別在二級市場有非常多的散戶是需要心靈按摩的，他們買股票買基金受傷之後，需要幫助他們，這是智能投顧做不到的，所以智能投顧需要跟專業的理財師結合起來才能把這塊的優勢發揮到最大。在美好深入上，每天起床，所有的信息撲面而來，在我們這代人的未來是能看到這樣的光景的。

信息不對稱才會有超額性收益

主持人：謝謝，科技是無止境的，有很多新的領域，請各位分享一下在你們各自事業里看到的人工智慧跟金融科技是如何解決問題的，是一個什麼樣的生活場景呢？

劉朝晨：現在大數據，算力不斷的提升，信息海量的進入，透明化對每個投資人機構投資都有強大對需求，信息不對稱才會有超額性收益。如果把所有東西變成如此透明，每個人了解的非常精準的時候，這個世界還有什麼意思呢，這個是很難達到的，肯定是要再找一種突破和平衡。

我們現在現在有一大波從歐美回來的，他們進入金融機構後做模型和演算法，也很不錯，但是模型演算法優化這塊確實是非常練功力的。現在隨著人工智慧的發展，過去一年多我們看到很多創新性的公司展現在我們面前，他們很多IT系統都是中國頂尖一批公司服務外包和提供服務的，他們面對金融，在演算法和行業深度應用方面的創新是不夠的，無論在信貸領域，在綜合金融資產架構領域，都會出現有意思的公司。

還有一塊是智能投顧，這塊應用場景非常大，即使談到量化性交易，真正量化模型的建立往往被大的機構比較強勢的機構所壟斷，其實現在中國這個市場雖然越來越機構化，但是中小戶的基礎很大，如何面對他們，讓他們也能夠掌握適量的工具提升他們在整個大金融市場裡邊參與大深度和增加相對的公平性。

從工具的角度，公平是相對的，包括宜信是中國非常早一批利用互聯網工具把很好的產品和最終的客戶進行嫁接和挖掘的先驅者。但是前面這些年更多還是在跑量，技術性含量早期不見得特別多。更多中國的老百姓有時候是韭菜，但是韭菜割的過程中還得讓它緩緩氣，邊割邊培養，健康性成長，一個國家金融市場持續性發展，中產階級財富穩健可持續增長是一個非常重要的基礎，不能把這個平衡打破。

更細的領域剛才也提到了，互聯網保險，我們希望個性保險，你現在買的保險跟你真正的需求和保險使用頻次之間完全不匹配，這是因為保險公司拿到很多錢，在這裡可能真正會出現利用這樣的技術，而且有很好的數據支撐，很好的模型演算法支撐會產生很多的好的公司，可能是小的公司，但是它跑出來會對一些巨頭產生挑戰。

讓未來的創新在原子層面

張立鈞：普華最近在研究獨角獸名單，我們在獨角獸裡邊做一個深度的研究和訪談，可能未來出現一些新的獨角獸，今年我們在上海移動互聯網大會發布過程當中，對於現在的獨角獸以及未來的獨角獸，特別在科技領域，這裡面包含金融科技AI一些方向。

之前劉總提到一點，過去中國很多發展都在C端，特別人工智慧的應用，美團、餓了么滴滴、摩拜、平安好醫生，我們羅列了過去二十年的獨角獸的發展，全部是衣食住行遊玩，從獲客，O2O整個結合，體驗不能客戶動，體驗也得用戶動，就是B端各個產業鏈上下游裡邊所有的去服務C端的客戶，這個未來有巨大的市場。

中國騰訊跟阿里成為全球十大價值最高的公司裡邊的前七大。你看美國科技企業，除了我們非常熟悉的谷歌、蘋果、臉書等，還有微軟、因特爾、ENC等等一批巨大的所謂B端的服務科技廠商，你看我們有嗎，找不到，這是我們深度分析裡邊一些數據給我們提示出來的。

舉一個簡單的例子，我們講到B端主要帶來的價值是整個成本的降低，我們叫消費者提升，最重要的一塊是雲，現在什麼都布局在雲上降低科技的成本。美國有三千萬家中小企業需要科技服務，我們中國雲這塊才40幾億美元，至少差了30倍，整個估值和整個業務模式上，這是我們發覺的一個趨勢。

還有一個跟大家分享的，我們所謂的產業玩家的概念，這是中國未來趨勢的特色，跟美國趨勢也是不一樣的，平安還是要做金融科技的輸出，服務重大中小金融機構，你從來沒有看過美國的高盛把數據服務中小金融機構，所以未來在中國整個的科技布局裡邊，除了傳統的所謂的科技玩家，會有產業玩家，還有所謂的全能玩家這是一個新的業態。

最後一點，我們有一個新的趨勢，從比特到原子，什麼概念呢，過去中國的創新大多數基於模式的創新，在真正技術層面的創新是遠遠不夠的，我相信在座的大多數投資者，這也是中國這一輪貿易戰在美國對晶元封鎖之後馬上陷入被動的地位，我們過去投資都投資商業模式創新，怎麼獲客。我們確實有很大的C端市場，但是我們對技術領域的投資是遠遠不夠大，所以我呼籲一下，我們未來不能一直這麼浮躁，最好明天是十倍二十倍估值的變化，我們怎麼樣投入基礎領域，讓未來的創新在原子層面，我們未來在兩個月之內會有一個發布，希望大家關注。

金融本質交易暫時無法被AI替代

劉一昂：剛才主持人說AI暢想一下未來，對我們有什麼改變。我個人認為，第一，金融是一個資金融通的手段，是一個通路，我們資金融通的效率是非常低下的，導致大家成本非常高，今天AI大數據對整個行業帶來的改變就是提高資金融通效率。怎麼提高，因為大家看數據信用，沒有看資產本身。但是如果有AI大數據，這些東西能夠讓所有人看穿資產，看透資產，有資產實踐能力，這樣的話對於風險的認知就會更加的細緻，不像今天這麼粗放，融資成本會大量降低。融資效率其實是我們非常期待看到的AI大數據對整個金融行業的改變。

姚遠：我們一直在探討學習西方成熟的金融，對比中美兩國，對於AI層面的應用會發現其實有很大的不同，這是沒有辦法去學的，因為美國在AI領域的應用是縮量的市場，但是中國還是增量的市場。看一下美國的AI做什麼，不管前幾年的股權投資，做的幾件事，稅務方面幫助你省錢，交易成本幫你省錢。另外現在美國金融業經常討論類似安全的人工智慧助手，把初級的行員淘汰掉把人工成本省下來。

我們國家非常不一樣，智能投顧來之後我們在幹嗎，幫助用戶配置和組合，獲得更高的收益，這是相當難的，中國這麼多產品，輕輕鬆鬆一個用戶就可以買到一個很高收益的東西，為什麼要做長期投資呢，這是反人性的行為。

在中國AI未來有幾個方向，首先隨勢而變，大家需要用一些手段追收益，不是放在那兒輕輕鬆鬆拿收益，這塊AI應用場景會非常多，什麼樣的用戶適合配什麼樣的組合，承擔什麼樣的風險，這是需要複雜的演算法在背後支撐的。

第二，在金融領域AI應該做一件事，而是讓用戶越來越聰明，在投資過程當中，應該讓客戶了解到為什麼投這樣的產品，是基於什麼目的的，產品背後代表了什麼，為什麼給到新聞資訊也好，市場消息也好可以讓你作出後續操作的指向。在這個過程當中，人工智慧通過學習機器技術越來越聰明，大眾用戶變得越來越聰明，越來越理性，把投資的事情做好，這是AI走的方向，而不是利用人工智慧在市場剝削別人獲得更高的收益，這是我們整個業界應該往下走的方向及以客戶為中心打造自己的透明的AI技術。

張燦：我來分享兩個觀點，第一個觀點就是技術上的，我分享比較大膽，5年之內應該把資料庫和統計局結合。我們發展了這麼多年，已經有幾十年的技術了，這個資料庫在雲計算大數據時代是落後的。美國統計學博士有一半是saas的用戶，大家說數據挖掘人工智慧，還是在統計數據當中做聚類，我認為現在科學的發展下應該顛覆掉這個事情，這個顛覆掉需要很多科學家和基礎科學的能力。

第二，從這麼多年行業應用來看，只有兩個行業對於大數據應用是能產生價值的，金融和醫療行業。視野金服是讓我們分析師失業嗎？我想表達的是，這件事情是可能發生的，因為AI會代替到低階層的金融從業人員的工作。比如公司報告找出來，發現他的數據過高了，或者應收賬款有問題，這些機器完全可以做，我相信金融的低階層人群會被替換掉。

AI金融大數據在兩個金融領域用的是最多的，一個是營銷的角度，發現好的客戶，第二個就是風控的角度。大家講智能投顧，你幫助你客戶做風控的篩選，做了一個組合實際上還是做這些事情。未來的金融還是會從這兩端解決問題。而金融的實質，金融本質交易上的事情暫時還是替代不了的。

曾科：謝謝張總，失業這個話題我想到了第一點，人工智慧來了，金融行業從業者會不會很荒，我覺得是應該恐慌，像大量標準化重複性的交易和研究行為，的確有被AI替代的功能。但是也應該淡定，說到底，金融領域投資除了科學還有藝術的經驗在裡邊，大量的藝術操作還有一些含量的，這個含量是機器無法替代人所做的事情，你看項目的時候，他掂量掂量企業價值幾何，這是人傳遞的技術，而不是機器能夠學習的，通過演算法不斷的迭代能不能達到我不知道，這個是沒有辦法完全替代的。

第二，這個行業大數據的加起來之後，比如傳統行業自動升級，新生的玩家就很難做了。品牌真正樹立價值，中間走過的歷程也非常強，服務一些金融機構，作為他的服務者，你的收入、盈利模式也會比較清晰。比如像招行銀行，有那麼大品牌的背書和客戶基礎，他做了這件實，在這個行業特別順其自然效果非常好。如果是新生的投資品牌打開用戶市場難度是非常大的，所以未來是不是大的玩家繼續在這個市場上通吃，小玩家轉為做服務者也是有可能的。但是這個技術還是能夠改變投資效率和判斷的問題。

END

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！