智能金融的特点及其应用分析

董艳丽

（作者单位：郑州升达经贸管理学院）

移动互联网智能时代，人工智能、大数据、云计算、区块链为代表的新技术与金融高度融合，本文从金融与科技融合的发展阶段入手分析，阐释了智能金融的特点，智能金融市场的特征，进而分析了智能金融的参与者，以及科技企业与金融机构的智能金融合作模式，最后重点分析了推动智能金融发展的核心技术及应用。

金融业经历了电气时代、信息时代，从线下走到线上，在移动互联网时代，以人工智能、大数据、云计算、区块链为代表的新技术，为金融普惠推动经济快速发展提供了有力的支撑。

一、金融与科技融合的发展阶段

智能金融是金融服务与新科技深度融合的产物，以用户为中心，为客户提供更加便捷、个性、丰富的产品服务[1]。金融与科技融合经历了电子金融、线上金融、智能金融三个阶段：

第一阶段1998 年以后，银行存款、贷款、汇款等业务实现电子化，金融与科技融合出现了电子金融服务。

第二阶段随着移动互联网、云计算、物联网的发展，从2003年支付宝诞生，网上支付、手机银行、网上炒股、网络理财，充分体现了金融场景与互联网技术结合实现的线上金融创新了金融服务渠道，使金融在覆盖面上得以扩展。

第三阶段随着大数据、云计算、物联网、区块链、人工智能等技术深入金融行业，2016 年中国开始应用智能合约，传统金融机构开始与金融科技公司合作，同年招商银行上线“摩羯智投”，人脸支付、智能投顾、智能风控、智能客服，使金融服务更为立体[2]。

二、智能金融的特点

智能金融具有不受时间限制、不受空间限制、个性化服务、发掘客户各种需求四大特点。

不受时间限制指的是全天候的金融服务自动化地及时响应客户的需求，减少客户等待时间，通过智能投顾和智能客服为用户提供二十四小时自动化服务，充分发掘客户潜在的消费需求。

不受空间限制指的是随着互联网技术的应用，智能金融突破了空间限制，通过智能金融技术客户拥有了更多的消费选择机会，从而拓宽金融服务边界，风险监控以外的金融业务，客户无需去固定网点，可以直接通过各银行等金融机构的掌上终端直接办理，提升客户服务便捷性。

个性化服务指的是人工智能和大数据等新技术可以快速捕捉和积累各类数据，为满足客户多样化需求创造了条件，金融服务向个性化千人千面演进。智能金融还可以对客户进行分析，通过客户画像等手段使得企业更加了解客户自身的需求点，这可以为隐性的金融服务提供巨大的潜在价值空间[3]。

发掘客户各种需求指的是通过智能技术对客户需求进行细分，寻找客户的潜在需求、弹性需求和碎片化需求，利用客户画像等智能技术识别客户的真正需求，把合适的金融服务和产品推荐给最合适的客户，利用大数据进行精准营销，从而降低金融机构的成本。

三、智能金融市场从细分到垄断过程

（一）智能金融市场走向细分

智能金融市场必须走向细分，才能实现在金融链条上有效地渗透和输出技术，并出现一些抢先方推动智能金融市场的生态发展。

（二）服务提供方愈加专业化

智能金融市场的企业分工越来越细，提供越来越专业化的服务，来满足客户越来越高的要求，最终由客户决定选规则最为专业、效率最高的金融服务供给方。

（三）智能金融市场形成局部垄断

具有技术领先优势的公司，把握优质客户资源的公司，会逐渐显现出龙头效应，最终这些公司凭借自身的优势形成局部垄断，拉高智能金融市场进入的成本将新入方阻挡在门外。

四、智能金融的参与方

随着金融与科技愈来愈紧密的结合，智能金融生态的参与方，都将经历参与角色转变和升级服务能力的过程。在金融智能化的影响下，智能金融生态会存在五类参与方，包括提供金融产品方、提供场景流量方、优化创新技术方、提供基础设施方和监督管理方。

（一）提供金融产品方

提供金融产品方指的是依托智能金融技术优化不断推出创新金融产品，具备专业的金融能力，并应用智能金融技术于丰富的金融业务情境，为智能金融技术的优化和开放奠定基础的企业。这类企业大多是大型的金融机构，它们是智能金融生态的基础，通过自身多年的金融业务经验已经获得了智能金融市场的准入许可，具备金融产品设计和研发的优势，不断拓宽金融业务情境，同时通过与科技企业合作，提高自身的创新能力和科技实力来积极寻求智能转型。比如招商银行的摩羯智投就是银行积极融入人工智能，研发智能客服和智能投顾，将自身的金融业务经验同智能科技相融合所推出的一款新产品。

（二）提供场景流量方

提供场景流量方指的是把握大量用户数据以及对应金融场景的流量入口企业，他们深入分析金融场景，细分金融领域客户的需求。比如腾讯通过社交获取场景流量，百度针对客户表达的需求搜索流量，携程专注垂直细分场景流量，这些企业积累了优质的海量客户的数据后，能够快速利用流量优势构建金融场景应用来满足客户的直接需求或是外部合作需求。

（三）优化创新技术方

优化创新技术方由专门的科技公司担当，通过细分金融市场的需求，建设通用技术平台或运用算法等科学技术，推出创新的智能金融产品的企业。这些企业以金融场景作为流量的入口，依赖之前积累的大量用户和数据，依靠创新的智能金融产品，通过技术的不断优化创新，逐渐构建应用平台，并形成局部垄断。

（四）提供基础设施方

提供基础设施方指的是提供硬件或软件等基础设施服务的企业，这类企业维护智能系统的稳定运行，不仅能够存储大量数据并扫除算力技术上的障碍。比如阿里金融云以基础设施为切入口，提高技术能力，再比如腾讯金融云通过量身定制云计算服务提供给金融行业，提升金融企业竞争力，协助创新金融业务，实现金融企业从传统的IT 向云计算的转型。

（五）监督管理方

秉持维护金融系统稳定、维持金融市场运作秩序、保障消费方权益的原则，监督管理方成为智能金融生态的服务者和引导者，不断完善智能科创领域的立法立规，不断提升监督管理的效率，通过跨区域或是跨境的监管，大力支持智能金融科技的健康发展。

五、科技企业与金融机构的智能金融合作模式

科技企业与金融机构的智能金融合作模式目前还处于探索阶段有三种合作模式：

（一）设立公司模式

通过设立子公司模式，实现互联网企业和传统金融机构高度融合，共同为客户提供金融产品服务提供。比如中信银行和百度发起成立的百信银行，将依托中信银行客户经营管理、产品研发创新能力、及风险管理控制体系，借助百度公司的互联网技术和用户流量资源，创建具有独特市场竞争力的直销银行，满足客户的个性化、差异化的金融需求。

（二）共建模式

共建模式是指科技公司与金融机构优势互补，共同构建项目提升竞争能力的合作模式。比如百度和中国农业银行成立金融科技联合实验室以及共建金融大脑，利用百度的技术优势，打造智能化银行，在智能客服、客户画像和反欺诈等领域展开合作，积极推动普惠金融。

（三）科技公司提供服务模式

科技公司提供服务模式指的是科技企业直接向金融机构提供开放的客户大数据信息、科学技术、产品创新等服务，实现金融机构的智能化转型。比如2017 年百度金融宣布开放般若大数据风险控制平台，智能消费金融平台、以及ABS平台，通过开放平台数据为金融机构提供提升获取客户能力的服务，帮助金融机构实现客户价值最大化。再比如百度通过向南京银行提供技术支持拓宽客户服务范围，百度通过向易方达基金提供人工智能技术，开放百度的大数据因子、机器学习投资决策模型，科技公司通过向金融机构提供技术服务，帮助金融机构研发量化投资产品，提升投资收益降低投资风险。

六、智能金融的核心技术及应用

智能金融四大技术包括A（Artificial Intelligence）人工智能、B（Blockchain）区块链、C（Cloud Computing）云计算和D（Big Data）大数据。

（一）人工智能是火车头

人工智能是智能金融的火车头，人工智能技术决定着金融服务趋于自动化和智能化。人工智能根据数据和模型进行计算并预测，人工智能技术在金融领域的应用可分成三个阶段：

1.识别智能：企业利用人工智能等科技提升算力，通过有监督学习，如人脸识别、声纹识别和智能客服，达到提升对客户交互服务的效率。人脸识别、指纹识别、声纹识别、虹膜识别、生物识别技术都在金融领域得到了应用，比如百度的人脸识别准确率达到 99%以上。

2.认知智能：人工智能以有监督学习为主，以无监督方式发掘特征变量为辅，随着金融场景深入延伸，不断获得有用充足的数据，比如BATJ 四大巨头利用人工智能技术开展大数据风控、智能投顾、智能获客等，让风险识别更准确和定价更精准[4]。

通过人工智能技术，可以根据客户的身份证、手机号、姓名、人脸、指纹等身份信息，搜索、贴吧等网络行为数据，人际关系、社会关系等关系数据，收入、消费、资产、信用等金融属性数据构建用户的学历画像、职业画像、资产画像等，通过用户画像捕捉用户相应的信贷需求、信用评估[5]。

3.决策智能：人工智能通过预测尚未发生的且人脑无法预知的情境，以无监督的学习为主，影响或制定当前决策，比如运用数据和模型进行量化投资。

（二）云计算是助推器

云计算清除人工智能应用在金融场景过程中的算力障碍，使得技术和资源能够得到以弹性灵活的方式得到充分利用，2013 年云计算金融数据管理平台Inovance 成立，通过人工智能技术的应用和大数据分析，普通客户在平台也可以进行金融市场研究和投资分析。云计算不仅可以快速普及智能金融的应用场景。以微服务架构为代表，即一个大型复杂的软件应用将由一或多个微服务组成，系统中的各微服务独立部署，每个微服务只专注完成一件任务，如果需要增加某种功能并不会影响整体进程，可以帮助金融企业，尤其是中小金融企业弹性扩展服务，实现金融智能化。云计算还可以为智能金融提供极低价格的超计算能力，降低了智能金融的服务门槛，避免了大型企业服务器资源闲置浪费，即用即付，通过智能金融实现普惠金融[6]。目前已有40%以上的金融机构将IT 业务搭建在云上，许多金融机构正在利用第三方的公有云或自建的私有云的合作方式来助推智能金融的发展。

（三）大数据是燃料

大数据是智能金融的燃料。金融产生大量需要加工处理的数据，大数据为智能金融提供基础。大数据具有大容量、多样性、快速化、价值化的特征[7]。大数据的大容量和多样性不仅丰富了数据类型，还扩大了数据来源，更好的支持金融机构的智能获客及智能风控等服务。大数据的快速化，比如秒级审批、实时风控服务提升了金融业务的处理速度。大数据的价值化体现在通过找出数据之间的关联性，发掘隐藏的价值，不断创新智能金融的产品和服务。大数据在金融业的应用场景正在逐步拓展，从风险控制、运营管理、到销售支持和商业模式创新等领域都得到广泛的应用。比如利用大数据能够根据用户特征进行画像，发掘客户潜在的需求，或进行风险控制。再比如支付宝运用大量用户消费数据，获得中国城市消费分布情况和趋势变化，为商家提供精准营销数据支持服务。

（四）区块链是助推器

区块链是一种去中心化的分布式共享记账技术，一切交易都将绕过信用中介或集中式清算机构而能够在点对点之间直接进行，在交易发生之时，链上所有参与方都会得到完全公开且经过加密、不可篡改的交易记录，且所有记录都可通过链式结构被准确追踪。区块链具有去中心化、公开性、不可篡改性、可匿名性和自治性的特征[8]。去中心化指的是区块链上的数据采取分布式存储，不存在中心化的硬件和管理机构，是点对点的直接核算。公开性指的是区块链上的数据是完全公开透明，可查询任何节点的信息，包括交易方加密过的私有数据信息。不可篡改性指的是存储在区块链中经过验证的信息，被永久地传送到所有节点，修改单个节点上的数据是无效的。可匿名性指的是区块链节点之间的数据交换按照固定算法，交易双方不需要公开自己身份就可以进行数据的交换。自治性指的是区块链上的程序和代码按照事先部署的智能合约，可自动执行、强制履约，任何人为干预都无法产生效力。区块链应用在清算结算、供应链金融、征信、资产证券化、保险、股票债券资产交易、信用证汇票、跨境支付等金融领域。尤其是在跨境支付领域区块链得到广泛应用，减少人工处理，提高资金流动性，区块链下的跨境支付不仅可以秒达，实时确认和监控，降低交易成本。比如区块链技术公司Ripple 在数秒完成国际支付业务，还能降低33%的支付成本。

随着人工智能、大数据、云计算和区块链的快速发展，科技与金融融合的范围越来越广，扫码支付、人脸支付、NFC、人脸识别、声纹识别、自动核保、用户画像、信用分析、个性化定价、智能投顾、智能客服、智能合约、智能匹配、量化投资、联合建模，都充分展现了智能金融在经济发展过程中发挥着至关重要的作用。比如人脸识别、声纹识别等生物识别技术简化了支付流程，大大提高了支付的效率。比如个人信贷的智能化，通过大数据流量为客户进行年龄、学历、职业、资产、收入进行画像，通过大数据对信用进行评估，对客户的信用风险进行分层，通过人工智能等技术多渠道、主动及时地响应客户的需要。比如区块链简化跨境支付的流程，大大提升了经济交易的速度，降低了经济交易活动的成本。比如基于新技术推出的数字货币不仅可追溯，还会大大降低货币的运营成本，提升了经济交易活动的速度和便利。比如通过物联网标签技术可以对商品的订单信息、货物运输、验收、仓储等每个物流环节进行追踪、监控和管理。

七、结语

总之，金融与科技融合，金融是人工智能、大数据、云计算和区块链技术应用的最佳行业，政府为实现普惠金融的目标大力鼓励技术创新在金融领域的应用，从而推动实体经济的发展。

引用

[1]李军.金融科技赋能城市治理新时代[J].金融电子化.2020(06):53-54.

[2]李佳,钱晨,黄之豪.大数据时代:人工智能与商业银行创新[J].新金融.2018(12):31-36.

[3]赵博.大数据在金融领域的应用研究[J].信息通信技术.2018,12(03):22-26+57.

[4]钟维.中国式智能投顾：规制路径与方案选择[J].中国人民大学学报.2020,34(03):122-131.

[5]王新华,肖波.人工智能及其在金融领域的应用[J].银行家.2017(12)

[6]黎刚.分布式云计算技术在金融领域中的应用研究[J].财经界.2012(18):14.

[7]张缘成.中小金融机构如何用好大数据[N].农村金融时报.2017-01-02 (A08)

[8]姚垚.区块链技术在普惠金融领域的应用研究[J].数字通信世界.2020(12):195-196.