在当下的中国金融业，人工智能技术正被寄予厚望：工农中建四大行在最近的年报中均多次提及人工智能战略，并开始在业务场景中推广人工智能应用。这表明，随着人工智能各项技术应用逐步成熟，“智慧金融”时代即将到来。

本报告由爱分析与马上消费金融联合发布，通过人工智能技术在金融领域的真实应用案例，剖析技术对金融业务的价值创造，并指出下一步“智慧金融”产业链的演进方向。

• 人工智能技术对金融业价值链每一环节产生影响，体现在三个层面：自动化、智能化、创新化。目前，计算机视觉和语音识别技术在金融业务中已经得到普遍应用，业务自动化水平得到突破；NLP和知识图谱则在逐步落地中，使得智能化创新逐渐增加。

• 现阶段，人工智能技术创造的价值主要体现在：为金融机构降低运营成本和风险成本。短期内，人工智能应用仍将以这两点价值为核心；长期来看，技术应用将有助于新业务获取与客户满意度增加。

• 为发掘智慧金融价值，持牌金融机构需要尽早布局人工智能技术。两项新趋势已经出现：第一，人工智能在金融领域的应用正从产品向综合解决方案发展；第二，领先的持牌金融机构以自身场景应用为基础，对外进行技术输出赋能。

• 未来，新的人工智能技术和算法将不断走向成熟，推动行业迈向智慧金融新时代。这里我们以两项热门领域——联邦学习和可解释的人工智能（XAI）为例，展望人工智能技术在金融领域的潜在价值。

1、智慧金融浪潮来袭

在当下的中国，以互联网渠道和数字化技术为代表的“金融科技”正在深刻改变金融业态。其中，伴随着互联网的全方位渗透，云计算和大数据两项技术已经得到了广泛应用。下一步，人工智能技术的大规模应用对金融业态将产生更加深远的改变。

2019年，机器学习、计算机视觉等技术已经规模化商业应用，自然语言处理、知识图谱、深度学习等技术逐步落地，金融机构应用人工智能技术正当时，智慧金融浪潮将席卷金融业。

1.1人工智能技术概览

人工智能是计算机科学的分支，研究目的是让计算机以接近或超过人类智能的方式作出反应。现阶段，在数字化技术和新兴应用场景的推动下，人工智能技术发展愈加细化，应用愈加广泛。

从产业链角度来看，人工智能领域分为三个层次，由底至上，越来越靠近终端应用：

第一，基础层，包括AI芯片、AI云平台等提供计算、存储、数据等的基础设施，也包括TensorFlow、Caffe、PaddlePaddle等通用计算框架；

第二，通用层，包括计算机视觉、语音识别（ASR）、自然语言处理（NLP）、知识图谱等通用技术，也包括机器学习、深度学习、增强学习等各类实现算法；

第三，应用层，包括身份识别、智能营销、智能风控、智能客服等各类终端场景应用及解决方案。

1.2 金融领域人工智能商用走向成熟

爱分析从技术生命周期和金融产业采纳程度两方面，综合评价人工智能技术在金融领域商业应用的成熟度。 根据爱分析调研，尽管人工智能技术整体仍处于技术生命周期的早期，远未到达成熟阶段，但有四类通用技术业已进入或者即将进入主流商业应用，分别是：计算机视觉、语音识别、自然语言处理、知识图谱。 这四项通用技术在金融领域的应用，和为金融机构创造的价值是本报告重点关注的内容。在第二章的内容中，我们将具体介绍这四项技术，并借助技术在马上消费金融业务场景中的落地应用案例，评估其当前创造的价值，以及未来潜在价值。 从技术生命周期角度来看，这四项通用技术尚处于推出到增长的阶段，距离技术完全成熟还有一段距离，但并不妨碍其在金融应用中发挥作用。随着人工智能技术未来的进一步成熟，场景覆盖和解决需求的深度、效率仍有进一步提升的空间。

1.3 人工智能为金融行业实现价值创造

金融机构应用人工智能技术，最终目的是为自身创造新价值。目前，随着部分人工智能技术规模化商业应用，创新已经渗透到金融产业每一环节，并在自动化、智能化、创新化三个层面上重塑金融价值链。

1.3.1人工智能渗透金融价值链每一环节

随着技术商业应用成熟度的不断提升，人工智能技术在金融行业取得越来越广泛的应用，价值链的每一环节都在受到不同程度的渗透。 我们将金融核心价值链定义为四大环节：产品设计、市场营销、风险控制、客户服务，这四大环节再加上人力、财务、IT等支持性活动，共同构成金融行业价值链。 我们可以看到，人工智能技术在金融价值链每一环节都有清晰的落地场景。但这些落地应用给金融机构带来的价值创造不尽相同，其应用成熟度、方案采纳难度也不尽相同。 例如，针对客户个性化地设计金融产品是大量金融机构的未来追求，因为可以预期到这一改变将带来增量客户。但相应地，个性化产品设计依赖于NLP、知识图谱技术的进一步成熟，也涉及到金融机构大量内部IT架构、业务流程的变化。 因此，我们需要进一步回答，各类人工智能通用技术应用究竟为金融机构创造了哪些价值，并进一步地预测其潜在价值。