人工智能正快速进入人们生活，改变着金融、医疗、安防、自动驾驶等各个行业。金融被认为是人工智能落地最快的行业之一，智能金融也已经列入国家规划。然而，在当下舆论圈热烈讨论智能金融美好与威胁的时候，我们依然需要冷静、有格局的思考。智能金融是什么?智能金融目前解决方案有哪些?在智能金融时代，金融机构如何利用智能金融?智能金融未来会有怎样的发展趋势与挑战?这些疑问的结构化解答，对创业者、投资人、金融从业者以及每一位关注智能金融的朋友都能给予有参考意义的信息。
亿欧智库通过大量桌面研究、拜访二十余家智能金融技术服务公司以及充分听取银行、证券、保险等金融机构众多从业人员对智能金融的理解和认知，最终形成了这一份111页多维度、全面的《2017中国智能金融产业报告》。
下文选取了报告中的部分内容进行呈现，欲了解更多，欢迎下载原版报告并进行阅读。如报告内容有不准确、不完善之处，欢迎读者批评指正。
Chapter1 方兴未艾的智能金融
“智能金融”指人工智能技术与金融服务和产品的动态融合。通过利用人工智能技术，创新金融产品和服务模式、改善客户体验、提高服务效率等;其参与者不仅包括为金融机构提供人工智能技术服务的公司，也包括传统金融机构、新兴金融业态以及金融业不可或缺的监管机构等;这些参与者共同组成智能金融生态系统。
智能金融本质上是人工智能技术驱动的金融创新，因此，报告从金融和科技两个维度来解读智能金融。从金融角度来讲，智能金融的发展依附金融产业链，涉及从资金获取、资金生成、资金对接到场景深入的金融资金流动全流程。从科技角度来讲，智能金融发展是，基于人工智能技术的智能风控、智能投顾、智能投研、智能支付等智能解决方案，对银行、证券、保险等金融业态的创新。
截止2017年8月底，我国主要的智能金融技术服务公司有164家，集中分布在北京、上海、广州、浙江等较发达的省份。其中北京公司数量最多，拥有80家。
截止到2017年8月31日，共有125家公司获得融资，总融资额已超过250亿人民币。“中国智能金融资本市场社会网分析图(主要投融资方)”显示，智能金融公司投融资集中度比较高，最活跃的资本机构为IDG资本，且位于社会网的中心;商汤科技为明星公司，投资关系数量最多;同盾科技、智齿客服、量化派等几家公司投资关系数量也较多，是社会网中的重要连接点。
Chapter2 不断涌现的智能解决方案
亿欧智库综合分析了我国智能金融技术服务公司的服务和产品，梳理出涉及金融前台智能支付、智能营销、智能客服，中台智能风控、智能投顾、智能投研，后台智能数据的七大应用场景。
智能投顾，是目前最热门的智能金融应用场景之一。智能投顾最早在2008年左右兴起于美国，又称机器人投顾(Robo-Advisor)，依据现代资产组合理论，结合个人投资者的风险偏好和理财目标，利用算法和友好的互联网界面，为客户提供财富管理和在线投资建议服务。
中国目前的智能投顾大部分还停留在交易执行环节，投顾服务主要为资产管理和投资顾问，投后服务涉及较少。根据美国金融监管局(FINRA)2016年3月提出的标准，理想智能投顾服务包括：客户分析、大类资产配置、投资组合选择、交易执行、组合再选择、税负管理和组合分析。传统投顾和智能投顾都是基于以上七个步骤，只是实施的方式不同，而智能投顾本质上是技术代替人工实现投顾。
然而，智能投顾并不是一个新概念，因为算法基础早在20年前就已然扎根成型，而智能投顾近年来的发展主要得益于大数据和计算力提升。目前智能投顾与人工智能的关系更多处于概念阶段，智能投顾实现了策略的个性化、配置的合理化以及流程的自动化，有“智能”但离“人工智能”尚远。
Chapter3 利用智能金融推陈出新
智能金融七大应用场景正进入金融机构业务各流程，但对于金融机构来说攻击是最好的防守，它们通过购买智能金融技术服务公司产品或与科技公司合作等方式来利用智能金融推陈出新。
银行业是受智能金融冲击最大的金融机构之一。银行业作为信息化程度非常高的行业，对IT系统的依赖度非常高。现在，大部分银行基于IaaS平台(基础设施即服务)、PaaS平台(平台及服务)以及数据平台开展包括渠道、开放、存贷款业务、风控、运营等各项活动。目前，智能金融主要应用于银行业的渠道、开放、风控以及运营四个大方面，主要涉及智能营销、智能客服、智能风控等。除此之外。银行业务端，智能金融也开始渗透，例如，应用于客户平台的生物识别技术(刷脸认证)、应用于存款业务的智能投顾等。
目前，银行业应用智能金融双管齐下：一方面，银行自身发力，2013年开始，纷纷成立网络金融部，开展新业务;另一方面，与互金巨头合作，提升技术水平。
Chapter4 展望未来与迎接挑战
亿欧智库研究认为，智能金融未来发展将围绕智能化、场景化和个性化展开。智能化为基础，可分为三个层次：第一层次为Robot，即可以实现简单的数据收集整理工作(助理分析师);第二层次为Smart，即可以实现数据的简单分析(初级分析师);第三层次为Intelligent，即可以实现数据的决策支持和深度洞察(高级分析师)。场景化，指智能金融将驱动金融业态不再局限于“金融”标签，而是转变为一种深入各场景的生活标签，摆脱以往“高冷”的形象，变得更贴近生活。个性化，是相对标准化而言的，虽然智能金融或许不能实现完全的因人而异，但智能金融驱动的金融服务和产品的创新，将为人们提供更多元化的选择，这就是一种相对的个性化。
智能金融也存在很多挑战，例如，大众对智能金融的认知有偏差，存在信任危机。目前，人工智能还处于“弱人工智能”阶段，智能金融出现时间也比较短。虽然我们常听到类似“摩根大通使用全球第一款机器人执行金融交易”或者某科技公司与金融机构开展合作等新闻，但这并不是智能金融技术公司的常态。大部分智能金融还处于概念阶段，距离其真正落地还有很多问题待解决。媒体等对于智能金融过于夸大事实，使得大众的期望值比较高。然而，大众在与智能金融应用实际基础过程中，智能金融的实际情况并不能满足大众过高的预期，可能会导致不当的失望，造成信任危机。例如，人们对智能投顾抱有很大的期望，当智能投顾的收益率与预期出现偏差的时候，就会导致大众的失望与不信任。
除此之外，智能金融还面临通信、系统、架构安全性风险加大、监管机构鼓励创新与风险控制不平衡、市场竞争家具、数据不能有效应用等挑战。
亿欧智库通过本文仅对报告进行了部分内容的呈现，更多内容可下载原版报告，全面了解本报告研究分析内容。
下载链接：
http://www.iyiou.com/intelligence/report533
