文/埃森哲中国；编辑/李菲；播音/姚顺意
扫码免费收听！
中国金融服务业数字化转型的速度，在全球范围内数一数二，金融科技发展的规模和前景都不可小觑。本期将为您带来“智能金融”第三讲，智能金融为什么大有可为？
中国智能金融的发展顺应发展潮流，受到了政策、经济、社会、技术等多方面因素的驱动，可谓适逢其时。
第一，政策重视，合规发展。中国政府自2015年起便将人工智能纳入了国家战略发展规划，不再限于智能制造和机器人加工层面，更加着眼于人工智能生态布局，为人工智能的发展提供充分的资金支持和政策鼓励。金融作为人工智能落地的最佳场景之一，政府正大力鼓励金融领域的技术创新，迈向普惠金融的目标。党的十九大提出，“推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能”。
与此同时，国家也越来越明确在金融改革与创新过程中对于金融风险防控的重视和关注态度。党的十九大提出“深化金融体制改革，增强金融服务实体经济的能力，提高直接融资比重，促进多层次资本市场健康发展；健全货币政策和宏观审慎政策双支柱调控框架，深化利率和汇率市场化改革；健全金融监管体制，守住不发生系统性金融风险的底线的政策目标”。近期“一行三会”规范整顿现金贷，发布资管新规，及时有效引导行业健康发展，使得智能金融能够在发展的高速通道上规范前行。持牌经营成为未来业务开展前提，回归金融本质，构建有效的风控和优质合规的资管能力。“一行三会”与科技部通过共同推进“促进科技和金融结合试点”的工作，围绕科技创新的规律和特点，引导金融在产品、组织和服务模式等方面与科技深入融合。在符合金融监管政策的条件下，鼓励试点城市勇于探索和大胆尝试，形成经验和模式并择优推广，从而加快科技创新驱动发展战略的部署。
第二，经济活跃，给予了空间。科技向金融渗透的过程，在方式上中美差异不大，在时间上中国整体滞后于美国。从上世纪末开始，美国便已陆续涌现了大环境的消费升级带动着科技向各个金融需求场景渗透的浪潮，并在对应的一段时期内表现为金融业以较高水平拉动GDP增长。在中国，随着国民生活水平持续提升，传统的生产型、物质型消费开始让位于发展型、服务型等新型消费，消费升级愈演愈烈。日益追求个性化、精品化的消费理念催生了与早先的美国相类似的金融服务转型和智能化的情境，由金融科技各领域代表性企业的成立时间可见一斑。
第三，社会关注，奠定了基础。随着互联网浪潮下出生的年轻群体正在成为社会主流力量之一，社会大众对于金融智能化为代表的新兴事物的接受度和包容性日益攀升，智能金融获得了空前绝后的关注。作为智能金融发展的基础，中国社会正展现出三个趋势，即移动化更加普及、社会环境更加开明和领域研究更加深入。
移动化更加普及：互联网和智能手机的普及使科技融入金融成为可能，近十年来中国手机网民规模持续攀升，2016年的手机网民数量是2007年的14倍，同时手机网民占整体网民比例也在逐年上升，目前已达到超过95%的移动覆盖率，这为金融智能化的普及提供了底层条件。社会环境更加开明：金融科技等热词的搜索和媒体报道热度自2015年以来呈迅速增长趋势，以“金融科技”一词为例，搜索指数从2012年的周均不超过10次，到2017年周均在10月峰值达到776次，大众对于金融的智能化趋势将引领的变革正寄予前所未有的期望。
领域研究更加深入：通过对中国学术期刊网络出版总库、中国重要会议论文全文数据库、国际会议论文全文数据库等主要的中文文献数据库进行检索统计可以发现，从1988年至今共发表了799篇与金融科技相关的论文，且从发表时间看，在2016年呈现爆发式增长，在相应科技研究的长足保障之下，智能金融领域发展将稳步推进。
第四，技术的突破，提供了动力。人工智能与金融融合过程中数据、算力和算法三大要素正在取得突破性进展。全球数据量正在呈现指数级增长：根据国际数据公司IDC统计，2014年全球数据总量为8ZB，预计2020年达到44ZB；而智能手机的普及将更多的个体行为数据转移到线上得以记录，使得数据更加多维立体。机器处理数据的能力和速度持续提升：二十年前的一个机器人使用32个CPU，达到120MHz的速度，现在的人工智能系统使用成百上千个GPU，比之过去用CPU一个月才能出结果，现在用GPU可以一天就出结果，为机器学习和智能技术的发展创造了条件。
深度学习算法已经达到技术顶峰期：企业中的巨头如谷歌、苹果、微软、脸谱网和百度正在增加其针对深度学习的研发份额，苹果的Siri、谷歌的谷歌Now、微软的Cortana和亚马逊的Alexa的身后都有深度学习的身影。硬件制造商正在加紧交付新的、深层的神经网络训练的高性能算法（深度神经网络算法，DNNs）。未来在科学数据平台上，深度学习的功能将变得更容易获得，估计到2018年，80%的数据科学家的标配是深度学习。以人脸识别为例，在2013年深度学习应用到人脸识别之前，各种方法的识别成功率只有不到93%，低于人眼的识别率95%。而随着深度学习算法的更新，人脸识别的成功率提升到了97%，为人脸识别的应用奠定了商业化基础。
小结一下，智能金融为什么大有可为？主要受到了四大因素的影响和推动：
一是，政策重视，合规发展。我国政府将人工智能纳入了国家战略发展规划，着眼于人工智能生态布局，为人工智能的发展提供充分的资金支持和政策鼓励。
二是，经济活跃，给予了空间。在中国，随着国民生活水平持续提升，日益追求个性化、精品化的消费理念催生了与我国金融服务转型和智能化的情境。
三是，社会关注，奠定了基础。社会大众对于金融智能化为代表的新兴事物的接受度和包容性日益攀升，智能金融获得了空前绝后的关注。
四是，技术的突破，提供了动力。人工智能与金融融合正在取得突破性进展。
《财资一家·有声杂志》智能金融专题
扫码免费收听！
评论 (0)