'被AI逐步蠶食的金融市場：得AI者得天下？| 智周報告核心版'
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
數字化技術正在不斷並優化現有的金融服務體系，更加便捷的支付方式，更加高效的金融服務，乃至對數字安全性更高的需求。因此，信息技術支持的數字經濟正在成為市場經濟主流。於此同時，金融科技和智能技術也得以在金融行業的發展趨勢中展露頭角。
作者 | 陸少遊、田辰
一、金融行業的市場規模
截止於2017年10月，全球狹義貨幣的總值約為36.8 trillion 美元， 而全球貨幣總值則高達90.4 trillion美元。在如此龐大的市場規模下，全球現金的使用頻率正在逐步減少，而數字化貨幣則在生活和商業服務中佔據了大頭。
根據不完全統計全球金融科技的投資總量自2012年的25億美元開始持續增長，於2015年達至147億的高峰。雖然全球投資總額的增長趨勢隨後在2016年減緩，但該年螞蟻金融收穫的45億B輪融資總額卻開創了金融科技行業的融資記錄。而之後的2017年，全球金融科技投資總額則再次高升，達至近310億美元。
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
數字化技術正在不斷並優化現有的金融服務體系，更加便捷的支付方式，更加高效的金融服務，乃至對數字安全性更高的需求。因此，信息技術支持的數字經濟正在成為市場經濟主流。於此同時，金融科技和智能技術也得以在金融行業的發展趨勢中展露頭角。
作者 | 陸少遊、田辰
一、金融行業的市場規模
截止於2017年10月，全球狹義貨幣的總值約為36.8 trillion 美元， 而全球貨幣總值則高達90.4 trillion美元。在如此龐大的市場規模下，全球現金的使用頻率正在逐步減少，而數字化貨幣則在生活和商業服務中佔據了大頭。
根據不完全統計全球金融科技的投資總量自2012年的25億美元開始持續增長，於2015年達至147億的高峰。雖然全球投資總額的增長趨勢隨後在2016年減緩，但該年螞蟻金融收穫的45億B輪融資總額卻開創了金融科技行業的融資記錄。而之後的2017年，全球金融科技投資總額則再次高升，達至近310億美元。
中國金融行業增加值趨勢（數據來源：中國產業信息網）
二、金融行業常用人工智能技術領域
機器學習：包括監督學習、半監督學習、無監督學習、深度神經網絡等算法。在金融行業常用於欺詐識別，核保，自動化交易等領域。
自然語言處理：涉及機器翻譯、文本挖掘、語義識別、文本搜索等技術。自然語言處理技術常用於文本分析工作。隨著人機交互和自動化技術的發展，該技術也常用於支持聊天機器人以提供智能化的客戶服務。
計算機視覺：包括人臉識別，圖像識別等技術。人臉識別在金融領域常用於用戶身份識別、人像等級、員工身份驗證等工作。圖像識別常用於文檔審閱、信息核實等工作的自動化。
AI基礎設施：AI基礎設施中的雲計算技術是整合資源並結合機器學習，視覺識別，以及傳感器技術從根本上促進傳統金融服務向智能金融轉型的核心技術。
基礎理論：圖計算是一種以“圖論”為核心的基礎理論，對現實世界中事物之間的關係進行刻畫、計算和分析的技術。在金融行業，圖計算能夠幫助刻畫各式關聯，構建關聯網絡。
機器人技術：機器人技術的領域範圍中所包含的機器人流程自動化通過軟件機器人自動處理大量重複性工作流程任務，在金融行業中可用於證件票據驗證、紙質文件錄入、多系統數據遷移、場景報表彙報等場景。
三、金融行業全球500強企業人工智能應用場景
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
數字化技術正在不斷並優化現有的金融服務體系，更加便捷的支付方式，更加高效的金融服務，乃至對數字安全性更高的需求。因此，信息技術支持的數字經濟正在成為市場經濟主流。於此同時，金融科技和智能技術也得以在金融行業的發展趨勢中展露頭角。
作者 | 陸少遊、田辰
一、金融行業的市場規模
截止於2017年10月，全球狹義貨幣的總值約為36.8 trillion 美元， 而全球貨幣總值則高達90.4 trillion美元。在如此龐大的市場規模下，全球現金的使用頻率正在逐步減少，而數字化貨幣則在生活和商業服務中佔據了大頭。
根據不完全統計全球金融科技的投資總量自2012年的25億美元開始持續增長，於2015年達至147億的高峰。雖然全球投資總額的增長趨勢隨後在2016年減緩，但該年螞蟻金融收穫的45億B輪融資總額卻開創了金融科技行業的融資記錄。而之後的2017年，全球金融科技投資總額則再次高升，達至近310億美元。
中國金融行業增加值趨勢（數據來源：中國產業信息網）
二、金融行業常用人工智能技術領域
機器學習：包括監督學習、半監督學習、無監督學習、深度神經網絡等算法。在金融行業常用於欺詐識別，核保，自動化交易等領域。
自然語言處理：涉及機器翻譯、文本挖掘、語義識別、文本搜索等技術。自然語言處理技術常用於文本分析工作。隨著人機交互和自動化技術的發展，該技術也常用於支持聊天機器人以提供智能化的客戶服務。
計算機視覺：包括人臉識別，圖像識別等技術。人臉識別在金融領域常用於用戶身份識別、人像等級、員工身份驗證等工作。圖像識別常用於文檔審閱、信息核實等工作的自動化。
AI基礎設施：AI基礎設施中的雲計算技術是整合資源並結合機器學習，視覺識別，以及傳感器技術從根本上促進傳統金融服務向智能金融轉型的核心技術。
基礎理論：圖計算是一種以“圖論”為核心的基礎理論，對現實世界中事物之間的關係進行刻畫、計算和分析的技術。在金融行業，圖計算能夠幫助刻畫各式關聯，構建關聯網絡。
機器人技術：機器人技術的領域範圍中所包含的機器人流程自動化通過軟件機器人自動處理大量重複性工作流程任務，在金融行業中可用於證件票據驗證、紙質文件錄入、多系統數據遷移、場景報表彙報等場景。
三、金融行業全球500強企業人工智能應用場景
四、金融行業全球500強企業人工智能應用案例分析
- 支付寶：藉助人臉識別技術免除用戶支付是對手機或銀行卡的需求。通過刷臉支付的方式解放商家收銀臺，並提高用戶支付效率，操作方式對老年人群體尤其友善。
- 平安雲：通過打造綜合性智能雲平臺為多個金融場景提供智能解決方案。其平臺中的平安腦服務綜合了深度學習、數據挖掘、生物特徵是被等技術為保險公司、銀行等用戶提供用戶身份識別，車險查勘與定損、零件配型等智能化服務，免除線下的冗長操作流程。
- 摩根大通： 藉助機器學習與自然語言處理技術完成銀行對文件的審閱工作以解放人力。基於其COIN智能系統，摩根大通成功將年度36萬小時的文件審閱工作縮減至數秒完成，並減少每年因人為失誤所導致的約12,000次貸款服務差錯。
- 日本第一生命保險公司：通過人工智能技術針對醫療保險服務打造了定量評估模型與疾病進程模型以優化不同種類用戶的產品推薦工作。在對高血壓和糖尿病患者用戶群體進行評估的案例中，其智能模型成功為300名因健康原因無法購買保險的用戶重新爭取到享受保險業務的機會。
- 三井住友金融集團：藉助UiPath的RPA自動化平臺，以智能算法所構建的機器人幫助企業自動化冗雜的文件審閱以及歸類工作，並通過輔助機器人支持沒有專業背景的金融工作者按照自身需求搭建相關自動化金融服務模塊，開發客製化的自動化流程。
- 匯豐銀行：藉助Quantexa的AML解決方案實現對數據調研、客戶畫像、市場監控和交易監控等任務的智能化操作，通過結合人工智能技術和人類專家來強化風險調研和識別的效果。
五、金融行業人工智能應用侷限性分析
數據敏感性：在智能技術的開發中，數據質量、數據資源以及數據安全將是三大不可避免的挑戰。劣質數據或將導致算法存在偏見，而基於人們對隱私的重視，數據的獲取及保護都將是企業所面臨的挑戰。
人才專業性：人工智能在數據分析上存在極大的優勢，但如何開發優秀的應用依然需要基於從業者對於行業的理解與自身的創意。既掌握金融業務，又掌握人工智能技術的複合型人才往往供不應求，難以滿足當前人工智能應用在金融行業發展的需求
監管困難性：智能技術的發展催生了許多新的行業和服務。監管部門需要直面技術以及法規制定上的挑戰。
六、金融行業人工智能應用發展趨勢
常規操作自動化：包含人臉識別自動化用戶身份驗證、自動化文件處理以及客服聊天等典型場景，越來越多的金融服務工作將因人工智能技術實現自動化。
數據驅動智能化：伴隨互聯網發展所產生的數據正在從本質上影響金融行業的運行模式。人工智能技術將拓寬數據分析的維度，將金融服務逐漸轉變為數據驅動的、智能化的模式。
行業邊界模糊化：金融服務與非金融服務之間的邊界將愈發顯得模糊。不同行業的機構都和新興企業將憑藉技術創新進入金融領域，而傳統金融機構也在不斷擴張其服務內容。
特別鳴謝
平安科技 聯邦學習技術團隊
* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公佈，敬請大家關注。針對「人工智能在金融行業的應用現狀及展望」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。
公眾號：中騰泰戰略
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
數字化技術正在不斷並優化現有的金融服務體系，更加便捷的支付方式，更加高效的金融服務，乃至對數字安全性更高的需求。因此，信息技術支持的數字經濟正在成為市場經濟主流。於此同時，金融科技和智能技術也得以在金融行業的發展趨勢中展露頭角。
作者 | 陸少遊、田辰
一、金融行業的市場規模
截止於2017年10月，全球狹義貨幣的總值約為36.8 trillion 美元， 而全球貨幣總值則高達90.4 trillion美元。在如此龐大的市場規模下，全球現金的使用頻率正在逐步減少，而數字化貨幣則在生活和商業服務中佔據了大頭。
根據不完全統計全球金融科技的投資總量自2012年的25億美元開始持續增長，於2015年達至147億的高峰。雖然全球投資總額的增長趨勢隨後在2016年減緩，但該年螞蟻金融收穫的45億B輪融資總額卻開創了金融科技行業的融資記錄。而之後的2017年，全球金融科技投資總額則再次高升，達至近310億美元。
中國金融行業增加值趨勢（數據來源：中國產業信息網）
二、金融行業常用人工智能技術領域
機器學習：包括監督學習、半監督學習、無監督學習、深度神經網絡等算法。在金融行業常用於欺詐識別，核保，自動化交易等領域。
自然語言處理：涉及機器翻譯、文本挖掘、語義識別、文本搜索等技術。自然語言處理技術常用於文本分析工作。隨著人機交互和自動化技術的發展，該技術也常用於支持聊天機器人以提供智能化的客戶服務。
計算機視覺：包括人臉識別，圖像識別等技術。人臉識別在金融領域常用於用戶身份識別、人像等級、員工身份驗證等工作。圖像識別常用於文檔審閱、信息核實等工作的自動化。
AI基礎設施：AI基礎設施中的雲計算技術是整合資源並結合機器學習，視覺識別，以及傳感器技術從根本上促進傳統金融服務向智能金融轉型的核心技術。
基礎理論：圖計算是一種以“圖論”為核心的基礎理論，對現實世界中事物之間的關係進行刻畫、計算和分析的技術。在金融行業，圖計算能夠幫助刻畫各式關聯，構建關聯網絡。
機器人技術：機器人技術的領域範圍中所包含的機器人流程自動化通過軟件機器人自動處理大量重複性工作流程任務，在金融行業中可用於證件票據驗證、紙質文件錄入、多系統數據遷移、場景報表彙報等場景。
三、金融行業全球500強企業人工智能應用場景
四、金融行業全球500強企業人工智能應用案例分析
- 支付寶：藉助人臉識別技術免除用戶支付是對手機或銀行卡的需求。通過刷臉支付的方式解放商家收銀臺，並提高用戶支付效率，操作方式對老年人群體尤其友善。
- 平安雲：通過打造綜合性智能雲平臺為多個金融場景提供智能解決方案。其平臺中的平安腦服務綜合了深度學習、數據挖掘、生物特徵是被等技術為保險公司、銀行等用戶提供用戶身份識別，車險查勘與定損、零件配型等智能化服務，免除線下的冗長操作流程。
- 摩根大通： 藉助機器學習與自然語言處理技術完成銀行對文件的審閱工作以解放人力。基於其COIN智能系統，摩根大通成功將年度36萬小時的文件審閱工作縮減至數秒完成，並減少每年因人為失誤所導致的約12,000次貸款服務差錯。
- 日本第一生命保險公司：通過人工智能技術針對醫療保險服務打造了定量評估模型與疾病進程模型以優化不同種類用戶的產品推薦工作。在對高血壓和糖尿病患者用戶群體進行評估的案例中，其智能模型成功為300名因健康原因無法購買保險的用戶重新爭取到享受保險業務的機會。
- 三井住友金融集團：藉助UiPath的RPA自動化平臺，以智能算法所構建的機器人幫助企業自動化冗雜的文件審閱以及歸類工作，並通過輔助機器人支持沒有專業背景的金融工作者按照自身需求搭建相關自動化金融服務模塊，開發客製化的自動化流程。
- 匯豐銀行：藉助Quantexa的AML解決方案實現對數據調研、客戶畫像、市場監控和交易監控等任務的智能化操作，通過結合人工智能技術和人類專家來強化風險調研和識別的效果。
五、金融行業人工智能應用侷限性分析
數據敏感性：在智能技術的開發中，數據質量、數據資源以及數據安全將是三大不可避免的挑戰。劣質數據或將導致算法存在偏見，而基於人們對隱私的重視，數據的獲取及保護都將是企業所面臨的挑戰。
人才專業性：人工智能在數據分析上存在極大的優勢，但如何開發優秀的應用依然需要基於從業者對於行業的理解與自身的創意。既掌握金融業務，又掌握人工智能技術的複合型人才往往供不應求，難以滿足當前人工智能應用在金融行業發展的需求
監管困難性：智能技術的發展催生了許多新的行業和服務。監管部門需要直面技術以及法規制定上的挑戰。
六、金融行業人工智能應用發展趨勢
常規操作自動化：包含人臉識別自動化用戶身份驗證、自動化文件處理以及客服聊天等典型場景，越來越多的金融服務工作將因人工智能技術實現自動化。
數據驅動智能化：伴隨互聯網發展所產生的數據正在從本質上影響金融行業的運行模式。人工智能技術將拓寬數據分析的維度，將金融服務逐漸轉變為數據驅動的、智能化的模式。
行業邊界模糊化：金融服務與非金融服務之間的邊界將愈發顯得模糊。不同行業的機構都和新興企業將憑藉技術創新進入金融領域，而傳統金融機構也在不斷擴張其服務內容。
特別鳴謝
平安科技 聯邦學習技術團隊
* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公佈，敬請大家關注。針對「人工智能在金融行業的應用現狀及展望」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。
公眾號：中騰泰戰略
導 讀 ( 文/ 中騰泰戰略整理)
自大數據技術、人工智能、雲計算等技術的發展，金融科技正在逐步改變金融行業的生態格局。基於技術所帶來的新型業務模式、數字化和智能化操作及產品在支付清算、接待融資、財富管理、零售銀行、保險、交易結算等主流金融領域皆有應用，引各式從業者趨之若鶩。
數字化技術正在不斷並優化現有的金融服務體系，更加便捷的支付方式，更加高效的金融服務，乃至對數字安全性更高的需求。因此，信息技術支持的數字經濟正在成為市場經濟主流。於此同時，金融科技和智能技術也得以在金融行業的發展趨勢中展露頭角。
作者 | 陸少遊、田辰
一、金融行業的市場規模
截止於2017年10月，全球狹義貨幣的總值約為36.8 trillion 美元， 而全球貨幣總值則高達90.4 trillion美元。在如此龐大的市場規模下，全球現金的使用頻率正在逐步減少，而數字化貨幣則在生活和商業服務中佔據了大頭。
根據不完全統計全球金融科技的投資總量自2012年的25億美元開始持續增長，於2015年達至147億的高峰。雖然全球投資總額的增長趨勢隨後在2016年減緩，但該年螞蟻金融收穫的45億B輪融資總額卻開創了金融科技行業的融資記錄。而之後的2017年，全球金融科技投資總額則再次高升，達至近310億美元。
中國金融行業增加值趨勢（數據來源：中國產業信息網）
二、金融行業常用人工智能技術領域
機器學習：包括監督學習、半監督學習、無監督學習、深度神經網絡等算法。在金融行業常用於欺詐識別，核保，自動化交易等領域。
自然語言處理：涉及機器翻譯、文本挖掘、語義識別、文本搜索等技術。自然語言處理技術常用於文本分析工作。隨著人機交互和自動化技術的發展，該技術也常用於支持聊天機器人以提供智能化的客戶服務。
計算機視覺：包括人臉識別，圖像識別等技術。人臉識別在金融領域常用於用戶身份識別、人像等級、員工身份驗證等工作。圖像識別常用於文檔審閱、信息核實等工作的自動化。
AI基礎設施：AI基礎設施中的雲計算技術是整合資源並結合機器學習，視覺識別，以及傳感器技術從根本上促進傳統金融服務向智能金融轉型的核心技術。
基礎理論：圖計算是一種以“圖論”為核心的基礎理論，對現實世界中事物之間的關係進行刻畫、計算和分析的技術。在金融行業，圖計算能夠幫助刻畫各式關聯，構建關聯網絡。
機器人技術：機器人技術的領域範圍中所包含的機器人流程自動化通過軟件機器人自動處理大量重複性工作流程任務，在金融行業中可用於證件票據驗證、紙質文件錄入、多系統數據遷移、場景報表彙報等場景。
三、金融行業全球500強企業人工智能應用場景
四、金融行業全球500強企業人工智能應用案例分析
- 支付寶：藉助人臉識別技術免除用戶支付是對手機或銀行卡的需求。通過刷臉支付的方式解放商家收銀臺，並提高用戶支付效率，操作方式對老年人群體尤其友善。
- 平安雲：通過打造綜合性智能雲平臺為多個金融場景提供智能解決方案。其平臺中的平安腦服務綜合了深度學習、數據挖掘、生物特徵是被等技術為保險公司、銀行等用戶提供用戶身份識別，車險查勘與定損、零件配型等智能化服務，免除線下的冗長操作流程。
- 摩根大通： 藉助機器學習與自然語言處理技術完成銀行對文件的審閱工作以解放人力。基於其COIN智能系統，摩根大通成功將年度36萬小時的文件審閱工作縮減至數秒完成，並減少每年因人為失誤所導致的約12,000次貸款服務差錯。
- 日本第一生命保險公司：通過人工智能技術針對醫療保險服務打造了定量評估模型與疾病進程模型以優化不同種類用戶的產品推薦工作。在對高血壓和糖尿病患者用戶群體進行評估的案例中，其智能模型成功為300名因健康原因無法購買保險的用戶重新爭取到享受保險業務的機會。
- 三井住友金融集團：藉助UiPath的RPA自動化平臺，以智能算法所構建的機器人幫助企業自動化冗雜的文件審閱以及歸類工作，並通過輔助機器人支持沒有專業背景的金融工作者按照自身需求搭建相關自動化金融服務模塊，開發客製化的自動化流程。
- 匯豐銀行：藉助Quantexa的AML解決方案實現對數據調研、客戶畫像、市場監控和交易監控等任務的智能化操作，通過結合人工智能技術和人類專家來強化風險調研和識別的效果。
五、金融行業人工智能應用侷限性分析
數據敏感性：在智能技術的開發中，數據質量、數據資源以及數據安全將是三大不可避免的挑戰。劣質數據或將導致算法存在偏見，而基於人們對隱私的重視，數據的獲取及保護都將是企業所面臨的挑戰。
人才專業性：人工智能在數據分析上存在極大的優勢，但如何開發優秀的應用依然需要基於從業者對於行業的理解與自身的創意。既掌握金融業務，又掌握人工智能技術的複合型人才往往供不應求，難以滿足當前人工智能應用在金融行業發展的需求
監管困難性：智能技術的發展催生了許多新的行業和服務。監管部門需要直面技術以及法規制定上的挑戰。
六、金融行業人工智能應用發展趨勢
常規操作自動化：包含人臉識別自動化用戶身份驗證、自動化文件處理以及客服聊天等典型場景，越來越多的金融服務工作將因人工智能技術實現自動化。
數據驅動智能化：伴隨互聯網發展所產生的數據正在從本質上影響金融行業的運行模式。人工智能技術將拓寬數據分析的維度，將金融服務逐漸轉變為數據驅動的、智能化的模式。
行業邊界模糊化：金融服務與非金融服務之間的邊界將愈發顯得模糊。不同行業的機構都和新興企業將憑藉技術創新進入金融領域，而傳統金融機構也在不斷擴張其服務內容。
特別鳴謝
平安科技 聯邦學習技術團隊
* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公佈，敬請大家關注。針對「人工智能在金融行業的應用現狀及展望」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。
公眾號：中騰泰戰略
關 於 中 騰 泰
中騰泰戰略是一家專注於為金融機構提供綜合解決方案的服務商。為企業提供定製化、有深度、一站式的海外研修項目及企業上市和管理諮詢服務。