根據2017年5月19日“2017金融科技新知論壇”蔡凱龍主題演講整理，歡迎轉載！
對金融科技的理解是一個動態變化不斷完善和修正的過程，每個人的經歷不同理解也不盡相同。我對金融科技的理解是從交叉學科到公司的策略部門，再到地區的商業模式，最後到我們現在的全球性的行業。概括起來，金融科技應該有四個圈：用戶，注重用戶體驗將用戶轉化為粉絲；場景，通過打通場景和資金壁壘形成金融生態；而最核心的是技術和數據，要用技術來推動金融，用數據來推動金融。
區塊鏈(Blockchain)和人工智能(Artificial Intelligence)屬於當下比較前沿的技術，兩者作為目前金融科技Fintech最熱門的話題，兩者好比做一頓海鮮大餐，區塊鏈是冰箱，研究如何把海鮮保存好，人工智能是廚師，研究如何把海鮮做得好吃。誰能引領金融科技？ 作為一個吃貨，我更看中廚藝，前提是廚師要能和我愉快的相處，否則我寧可自己動手，水煮吃原味海鮮。冰箱不會下毒，廚師可就難說了！
區塊鏈
區塊鏈的基本原理：區塊鏈最基本的原理就是一個數據鏈條，在這個鏈條上，你改任何的數據，這個函數方程就會不一樣，這就是一個區塊鏈的一個最簡單的模型。
現在的貨幣是由國家信用來支撐的，這樣就很容易出現濫用國家信用的情況。而如果利用數學原理，數學裡1+1等於2，不管哪朝哪代、在哪個時候1+1都是等於2的，這種基於數學原理，基於區塊鏈技術的比特幣，從本質上說它創造了區別於用政府信用作背書的另一種貨幣系統。所以比特幣在全世界受到很多監管的反對，因為它拿走了國家的貨幣發行權。
個人認為區塊鏈的發展瓶頸是在技術上的。大家一直在說區塊鏈的顛覆性，但其實它的技術實在沒辦法顛覆我們目前用的場景，比如說支付，區塊鏈支付再怎麼升級，也沒辦法適應我們巨量的支付，現在還是沒辦法，所以在技術上它是有瓶頸的。
人工智能
人工智能與幾個易混淆概念的解釋：可以把人工智能理解為整個教育體系，把機器學習看成是這個教育體系裡面比較高級的教育，像大學就機器學習而言其實是人工智能裡面的比較高級的分支，像我們的教育體系裡面有大學深度學習，是目前最前沿的機器學習的一種方式，你可以把他看成是博士班，然後神經網絡，是我們博士班裡面的尖子，是我們深度學習裡面最前沿的一個理論的框架。
機器學習並不那麼容易。機器怎麼去辨別？你要知道機器看到的東西就是色素，就是一個點，上面顏色跟色彩由這些點組成，所以它不可能太輕易的去辨識它的形狀。基於機器學習這樣的弱點，人工智能專家就研究出了神經網絡。像這樣的神經網絡，每一層分析每一個維度，然後通過不斷的數據去培訓機器學習、深度學習的算法，達到接近人工識別的智能。
提出圖靈學是在1950年，其中人工智能是在1956年，IBM的深藍是在1997年，google的語音識別是在2008年，然後apple手機的siri是在2012年，然後是現在最出名的AlphaGo；2016年年底，無人駕駛汽車在美國的pizza開始試運行，我們現在屬於人工智能的第三個浪潮。
人工智能的應用
人工智能可以用在醫療、軍事、農業、健康、社會管理等等很多方面，包括金融。很多跨部門的人覺得人工智能在金融領域的應用只是智能投顧，這是不對的。它只是其中很小的一部分，在防欺詐、風控等方面還有著很大的發展空間。
人工智能在智能投顧上有三層應用，一是用戶畫像、二是資產配置、三是資產管理，而真正能夠做到這一步的非常少，美國也不多。大部分只是停留在先自動畫像，然後給你做一些資產配置。
與區塊鏈相比，人工智能在技術上沒有瓶頸，但在社會倫理上、監管上瓶頸還是存在的，比如說人工智能最吸引人的場景是什麼？無人駕駛汽車，但你知道現在無人駕駛，在哪一個國家敢把它放到路上去？撞了人怎麼辦？誰的責任？機器人、汽車、設計師、算法師還是駕駛員？整個社會還沒有做好準備，在監管、在倫理上都沒做好準備，所以它其實最大的瓶頸是在社會倫理跟監管上面。