2019中国智能金融发展报告.pdf

2019 中国智能金融发展报告 1 中国金融四十人论坛课题组 2 序言习近平总书记强调指出：“ 人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业革命机遇的战略问题 ”。人工智能、大数据、量子信息、生物技术等新一轮科技革命和产业变革正在积聚力量，催生大量新产业、新业态、新模式给全球发展和人类生产生活带来翻天覆地的变化。 2017 年国务院印发的新一代人工智能发展规划明确提出发展智能金融，建立金融大数据系统，提升金融多媒体数据处理与理解能力。创新智能金融产品和服务，发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。金融发展史是一部科技进步、不断变革的创新史。从上世纪 60 年代的自动柜员机（ ATM），到 80 年代的电子支付，再到 90 年代的网上支付、移动银行， 2000 年以来的互联网金融以及 2008 年以后的金融科技，技术创新与进步引领和驱动金融业变革。金融与科技相互融合，创造出新的业务模式、应用、流程和产品，催生出新的客户与伙伴关系，对金融机构、金融市场、金融服务产生了深刻影响。从金融科技发展的历史阶段来划分，大体分为电子化、数字化、智能化三个阶段。在电子化时代，金融机构利用信息技术实现业务电子化、自动化；在数字化时代，创新金融产品与流程，改变服务方式；在智能化时代，金融机构运用人工智能技术用机器模拟人的体力劳动和脑力劳动，特别是脑力劳动，对金融服务实施决策与控制。需要指出的是，人工智能固然要高度依赖大数据与云计算，但是与数据深度挖掘运用不同，这个技术系统是用传感器来模仿人类感官获取信息与记忆，用深度学习和算法来模仿人类逻辑和推理能力，用机器代替人脑对海量数据快速处理，从而大大超越人脑的工作。智能金融是指人工智能技术与金融业深度融合的新业态，是用机器替代和超越人类部分经营管理经验与能力的金融模式变革。智能金融是金融科技发展的高级形态，是在数字化基础上的升级与转型，代表着未来发展趋势，已成为金融业的核心竞争力。我们之所以把智能金融从金融科技中单列出来编制专门的发展报告，主要是基于以下考虑：一方面，发展人工智能技术已成为我国的一项重要战略，主要分三步走：第一步，到 20201 本报告由中国金融四十人论坛资深研究员肖钢在 2019 年 12 月 22 日召开的“第三届金家岭财富管理论坛”上发布。本文为报告简版。 2 报告主编为中国金融四十人论坛资深研究员肖钢，编辑组成员包括邵宇、石锦建、罗荣亚、张佳佳，写作人员包括（按姓氏笔画排列）：于泉杰、王安、王敏、王如一、王思遥、尹优平、邓智毅、田慧、史荣、乐剑平、边江、毕伟、曲本盛、朱太辉、刘刚、刘波、刘炜清、刘亭杉、刘铁岩、刘海涛、刘硕凌、李鸣、李宏宇、李金龙、李修全、李晓林、杨涛、杨强、吴海山、邱寒、何亚枫、汪天都、张伟娜、张俊芳、陆颂华、范力欣、周柚池、孟丹、孟凯祥、姜波、祝青、祝修业、姚江涛、袁伟斌、郭为民、黄冰华、程勇、谢军、鲍捷、谭则涛、樊旼旼。课题组成员均以个人名义参加此项研究，所表达观点不代表所在机构观点。年我国人工智能总体技术和应用与世界先进水平同步，成为新的重要经济增长点；第二步，到 2025 年我国人工智能基础理论实现重大突破，部分技术与应用走到世界领先水平，成为带动我国产业升级和经济转型的主要动力；第三步，到 2030 年我国人工智能理论、技术与应用总体走到世界领先水平，智能经济、智能社会取得明显成效。当前各国在新一代人工智能技术已展开激烈竞争，据联合国人工智能和机器人中心数据，在联合国成员国中，有 30个国家制定了人工智能技术发展的国家战略。技术的竞争最终要体现在运用技术的产业竞争。据普华永道会计师事务所预测，到 2030 年全球人工智能市场规模将达到 16 万亿美元。金融与人工智能具有天然的耦合性，是人工智能技术应用最重要的领域之一，发展智能金融有利于我国抢抓人工智能发展机遇，占领技术制高点，特别是金融业的特殊性，势必对人工智能技术提出新的要求和挑战，可以推动我国人工智能技术的突破与升级，提高技术转化效率。另一方面，人工智能技术综合运用金融科技的大数据、云计算、区块链等技术，为未来金融业发展提供无限可能，是对现有金融科技应用的进化与升级，对金融业发展将会产生颠覆性变革。专门研究智能金融有利于跟踪世界人工智能技术与金融业融合的应用开发，有利于加强金融行业的适应性、竞争力和普惠性，极大地提高金融机构识别和防控风险的能力和效率，推动我国金融供给侧结构性改革，增强金融服务实体经济和人民生活的能力，守住不发生系统性风险的底线，加快建设我国现代化金融体系，增强金融国际竞争力，助力由金融大国到金融强国的转变。相比互联网金融、金融科技，智能金融更具革命性的优势在于对金融生产效率的根本颠覆。智能金融替代甚至超越人类行为和智力，更精准高效地满足各类金融需求，推动我国金融行业变革与跨越式发展。本报告共分为六个部分和一个附录。第一部分技术篇，主要介绍人工智能技术发展及与金融业融合的技术问题。第二部分应用篇，按照金融机构业务流程的前台、中台、后台三大模块及其相应的场景，介绍我国智能金融实际应用状况，提供鲜活的案例。第三部分专题篇，主要围绕近年来智能金融发展中的标准体系、治理原则与伦理问题、金融数据的专有云建设及共享技术等热点难点问题，展开分析和讨论。第四部分监管篇，着重探讨了智能金融带来的风险及对金融监管提出的新挑战、新要求，以及如何加强数据隐私保护、消费者和投资者合法权益保护等问题。第五部分国外篇，主要介绍国外人工智能技术与金融行业融合的基本情况，研究国外经验对我国发展智能金融的借鉴意义。第六部分建议篇，将分散在以上各篇、各专题中的政策建议集中进行表述，也是本报告研究成果的一个体现，以便供有关部门和方面研究制定政策措施时参考。本报告试图努力把握好全面性、针对性与连续性之间的关系，既要介绍智能金融发展概况，又要突出重点，抓住热点难点问题，同时随着实践发展，还要持续跟踪研究。因此报告内容力求适应多方面读者需求，可以为金融从业人员、人工智能技术研发人员、有兴趣了解研究这个课题的专家学者和政府监管部门人员提供实际参考资料。由于智能金融是一个新的课题，我们的时间与能力水平有限，报告存在这样那样的问题与不足在所难免，敬请读者予以批评指正。我们将继续努力，深入研究，力争不断取得新的进步。衷心感谢社会各界的关心与支持！一、技术篇 3 （一）人工智能技术发展趋势 1956年在美国达特茅斯学院召开了人工智能夏季研讨会，将人工智能正式确立为一个学科。回顾人工智能六十多年的发展历程，大体上分为三个阶段。第一阶段从 1956年到 1973年，是基于符号逻辑的推理证明阶段。主要技术是逻辑计算或启发式程序，用于解决代数应用题求解、几何定理证明和机器翻译等问题。但当时的理论难以处理更复杂的问题， 20世纪 70年代初期人工智能进入瓶颈期，各国政府对人工智能的资助逐渐缩减。第二阶段从 1974年到 1993年，是基于人工规则的知识工程阶段。主要技术是基于人工规则的知识处理和辅助决策的专家系统，相关应用得到迅速发展与应用。但由于人工规则表达知识的方式可获取的数据较少，难以描述专家的隐性知识，高额的知识更新和系统维护成本，导致该技术难以大规模推广。第三阶段从 2006年开始，是大数据驱动的机器学习阶段。深度神经网络学习技术的突破、大数据的快速发展，促成新一轮人工智能技术的高潮。具有代表性的事件是2016年谷歌的围棋机器人 AlphaGo战胜了世界冠军李世石。基于大数据的深度学习模型和算法得到大量采用，在机器翻译、智能问答、博弈等领域取得了巨大成功，并很快在产业应用中得到认可，推动人工智能发展进入大数据驱动的新阶段。在基础理论突破、信息环境支撑、产业需求拉动的共同作用下，当前人工智能正进入加速突破、广泛应用的新阶段，表现为以下几方面特征与趋势：（ 1）大数据 +深度学习的主流智能计算范式已经形成。新一轮人工智能技术发展得益于三方面的技术进步：以深度学习为代表的新一代机器学习算法模型； GPU、云计算等高性能并行计算技术应用于智能计算，以及移动互联网时代涌现出的海量数据，支撑新一轮人工智能高速发展。（ 2）人工智能总体发展水平仍处于起步阶段。新一轮人工智能进步主要集中于专用应用领域，处在从“不能用”到“可以用”的技术拐点，距离“很好用”，还存在诸多瓶颈，深层次发展急需变革性技术。下一步可借鉴人脑高级认知机理，突破深度学习方法，形成能力更强大的知识表示、学习、记忆、推理模型。（ 3）一批新的人工智能形态开始涌现。在移动互联网、物联网、大数据、超级计算、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，新型的机器学习方法，比如深度学习、深度强化学习、生成对抗学习、迁移学习和增量学习等新的方法层出不穷，该研究正呈现出快速增长、百花齐放的态势。人工智能领域已经开始朝着构造能够与人类交流合作的方向发展。人类智能和人工智能各有所长，互补融合，应用前景广阔。人加机器的组合将是未来发展的主要方向。（ 4）人工智能开始展现巨大经济社会潜力。技术的逐步成熟将人工智能从实验室推向产业化，对大量行业领域形成颠覆性影响，产业发展空间广阔。语言识别、图象识3此部分写作人员包括：中国科学技术发展战略研究院研究员李修全、张俊芳，微软亚洲研究院主管研究员刘炜清，微软亚洲研究院高研究经理边江，微软亚洲研究院副院长刘铁岩。别等技术在近年陆续达到或超过人类水平，智能搜索和推荐、自动翻译等技术进入产业化阶段。不仅如此，人工智能辅助人类工作已开始向高端岗位升级。随着深度学习技术崛起和相关算法的不断成熟，智能产业发展迅速。（二）智能金融定义和意义智能金融尚无统一定义。我们研究认为，智能金融是指人工智能技术与金融业深度融合的新业态，是用机器替代和超越人类部分经营管理经验与能力的金融模式变革。智能金融与数字化转型、金融科技既有密切联系又有重要区别。智能金融的发展基础是金融机构数字化转型，数字化转型为智能金融的发展提供了基础设施的保障。智能金融是金融科技发展的高级形态，是在数字化基础上的升级与转型，代表着未来发展趋势，已成为金融业的核心竞争力。发展智能金融具有重要意义和积极作用。（ 1）有利于推动金融机构提高效率、降低成本。智能身份识别提高准确性与效率，智能信贷缩短审核时间，智能客服机器人降低了人力成本。精准营销降低获客成本，提高营销效率和业绩。智能理赔减少了查勘定损人员工作量。智能运营降低成本，大幅提高业务流程的处理效率。（ 2）有利于增强金融产品和服务的灵活性、适应性与普惠性。比如，有的保险公司为儿童、老人专门定制了相应健康险，近四年销售额增长超过 200倍，覆盖人群超过500万。智能信用评估适应了互联网特点，提供小额单次消费信贷，服务客户人数超过1亿。智能投顾将投顾门槛由 100万元降低至 0，普通投资者也能享受到投资顾问服务。金融机构通过智能金融产品与服务的创新，让消费者获得了更好更广泛的金融服务。（ 3）有利于提高风险防控能力。金融机构利用智能风控技术做到事前风险预警、防止欺诈，保护用户资金安全，大幅降低机构与客户的风险损失；监管机构利用智能金融监管，可以大幅提高全面高效防范风险的能力。（ 4）有利于促进人工智能技术的发展。在人工智能与金融深度融合过程中，金融行业的特殊性对技术提出了新的要求。近年来的实践中已有相关技术上的尝试和提高，智能金融的深入应用还将不断推动人工智能技术的突破与升级。（三）智能金融的技术挑战人工智能技术有许多细分类别，它们在其他行业应用较快，但在金融行业应用仍面临着许多挑战。（ 1）搜索引擎、个性化推荐技术：随着金融服务从线下逐渐迁移到线上，互联网的搜索引擎业务等解决方案也逐渐在线上金融服务中使用。与互联网场景不同，金融服务的广告搜索和个性化推荐要满足更加复杂的规则约束。如推荐理财产品时，需根据不同客户的风险承受能力，推荐适当的产品。（ 2）图像及视频的识别技术：已经广泛应用于人脸识别、文字识别、自动驾驶、情绪识别、安防等场景。但在金融领域中，基于计算机视觉的身份识别可能面临着被恶意攻击的风险，金融文档信息提取不能保障百分之百准确度，这与金融行业对数据和文档严格要求不适应。（ 3）自然语言处理与理解技术：如机器翻译、阅读理解、对话生成等，应用在许多金融业务场景中。但面临着无法训练出具有足够专业知识的模型的挑战，缺乏充足语料库。（ 4）知识图谱技术：金融领域需要的专业性和准确性更高、信息更新迭代快。这也意味着相应的知识图谱也需要更快更新和丰富其内容。此外，金融行业的特殊性也对智能金融应用提出了挑战。（ 1）可解释性差：数据驱动的人工智能方法可解释性不足，而金融领域对于可解释性的需求更为强烈，已成为人工智能技术在金融领域广泛应用的一大挑战。（ 2）不确定性：金融规则和参与者都随着时间发生变化，使得无论是蕴含在历史数据中的规律还是专家总结的经验，都很难长期适用。这种动态性与人工智能中关于数据独立同分布的假设有矛盾，需要创新人工智能技术。（ 3）隐私保护：金融领域对隐私保护要求较高，人工智能算法所依赖的数据往往十分敏感，隐私保护成为智能金融应用的重要挑战。（ 4）算法预测有偏见：人工智能技术针对金融领域的预测模型及其性能不适应，甚至可能带有偏见，影响金融服务的公平性。（ 5）连续决策限制多：金融领域很多场景涉及连续决策问题，且对单次决策的评价和衡量存在滞后效应。人工智能技术之一的强化学习所需的数据更大，需要模型能自动生成样本数据，但大量数据难以基于固定不变规则模拟现实金融运行场景自动生成数据，限制了强化学习技术的应用。（ 6）博弈学习难度大：金融市场是一个经典的多智能体生态系统，其中普遍存在着二阶效应：每个智能体根据生态系统的变化调整各自策略和行为，智能体之间会互相影响。在实际应用中，每个智能体的决策并不透明，或者决策机制差异较大，无法用传统基于统一规则和开放的方式训练模型。综上所述，人工智能与金融行业深度结合，还有很长的路要走。一方面，金融行业要对人工智能抱有更大的宽容，在应用中不断发展和完善新型人工智能技术。另一方面，人工智能技术研发要充分了解金融行业特殊性，破解难题，推出新型人工智能方法与技术。（四）智能金融发展趋势智能金融将重塑金融业的运行机制与逻辑。一是推动生产要素的重新配置，降低交易成本。二是重塑金融生态系统。改变研发模式、产业组织形态、产业分工与人际关系。三是减少信息不对称。提高风险识别、预警、阻断与控制能力。四是改变了传统的金融逻辑，从以财务数据为基础转变为以行为数据为基础。五是促进监管科技发展，运用人工智能技术提高监管效率，降低金融机构合规成本。二、应用篇 4 （一）金融机构业务前台场景应用 1. 智能身份识别智能身份识别，又称生物识别技术，是指识别人的生物特征来区分个体的技术，包括身体特征和行为特征两大类别，前者包括指纹、静脉、人脸、 DNA、掌纹、手相、虹膜、视网膜、气味等，后者包括键盘敲击、步态、声音等。目前智能身份识别技术主要以指纹识别和人脸识别为代表，已进入大规模应用阶段。智能身份识别技术具有以下特点：（ 1）随身性。生物特征是人体固有特征，与人绑定，“随身携带”。（ 2）唯一性。每个人的生物特征独一无二。（ 3）稳定性。生物特征相对不会随时间等条件的变化而变化。（ 4）广泛性。除特殊群体外，每个人都具有这些特征。（ 5）便利性。不需要记忆密码或携带使用特殊工具，不会遗失。智能身份识别技术主要从三个角度赋能金融：其一，降低金融欺诈所造成的成本、提升金融运营效率。商业银行在开户环节引入智能身份识别技术，可降低银行人力投入，也把冒名开户比例从过去的万分之五降至近乎于 0。声纹识别系统帮助保险公司准确识别投保人。信托公司利用智能身份识别技术开展现场及远程双录、签署交易文件，可准确识别委托人，满足合规要求，节省人力成本。其二，扩展金融行业线上业务的半径、优化客户体验。多家机构已实现线上个人小额贷款自动审批，借助远程身份识别，简化了操作流程，解决了传统风控手段成本和效益不匹配的痛点。某保险公司在注册认证、刷脸登录、投保申请、理赔申请等环节中成功运用人脸识别，活体检测识别率超过 99%，客户从保单贷款申请到审核业务办理时长从原来的 2天缩短到 2分钟。其三，丰富线下场景的数据维度、提升客户运营能力。在金融机构的营业场所，通过人脸识别实现对客户的精准营销，并分析营业场所客流、人群画像，提升金融机构的客户获取和服务能力。智能身份识别技术作为一个新兴技术，在应用过程中也有不少挑战，主要集中在检测算法精度有待提高、终端算力资源还需加强及数据采集缺乏统一标准三个方面。 4 此部分写作人员包括：中国银行首席科学家郭为民、金融科技研究中心高级经理杨涛、金融科技研究中心经理王思遥，招商银行人工智能实验室主任李金龙，海通证券信息技术管理部副总经理陆颂华、信息技术管理部规划管理乐剑平，广发证券谢军、黄冰华、谭则涛，金融壹账通联席总经理邱寒、保险一账通CEO 毕伟，众安保险常务副总兼董秘王敏、发展规划部负责人田慧、金融科技研究院秘书长樊旼旼，易方达基金金融科技部副总经理刘硕凌、金融科技部智能方案开发工程师何亚枫，华夏基金投资研究部副总裁祝青，中航信托党委书记兼董事长姚江涛、信息科技部总经理刘海涛、信息科技部高级 IT 经理王安，中国民生信托信息科技部总经理孟凯祥，五矿国际信托信息科技部总经理曲本盛，中国东方资产管理股份有限公司总裁邓智毅，商汤科技金融行业总监史荣、金融产品经理王如一，蚂蚁金服研究院研究团队，同盾科技金融科技研究院秘书长袁伟斌、金融科技研究院副秘书长姜波。 2. 智能营销智能营销，也称为精准营销，通过人工智能技术，根据客户交易、消费、网络浏览等丰富的特征数据，构建用户多维画像，从而挖掘客户潜在需求。通过打通金融机构与渠道、人员、产品、客户等环节，使得金融产品和服务覆盖更多的用户群体，为消费者提供个性化与精准化服务。相比于传统的营销方式，智能营销有以下几个特点。一是升级金融行业营销方式。除了提高效率，在精准触达、用户交互上也较传统营销更自然、更易接受，也更便捷。二是精确识别用户接受营销的方式，提高金融产品用户触达。在用户群中准确识别出目标用户，并通过定量分析遴选出这类用户的媒体和场景偏好，从而帮助金融机构在投放方式、场景及时间等方面做出最优化的选择，有效控制成本的同时提升营销效果。三是预测用户需求，全方位满足用户需要。通过对比相似用户的行为，推测客户不同时期的金融服务需求，并有针对性提前布局金融营销手段，从而提前占据市场有利位置。商业银行通过线上智能营销方式，根据营销效果反馈改进智能营销模型及方法，从而提升营销成功率。某银行通过整合信息对全行 4亿多全量个人客户进行画像，为上亿客户自动推荐理财、基金产品，较传统人工推销方式，大幅提升营销效率和成功率。某证券公司利用机器学习算法，精准定位潜在客户群体，金融产品销售的转化率相比传统销售提升了 2.8倍；应用资讯知识图谱技术，向客户推荐其感兴趣的内容，形成“千人千面 ”咨询页面，日均推荐栏目访问高达 30万人次。未来金融机构在智能营销领域将继续挖掘自身能力、寻求合作、搭建服务平台，持续发展，主要体现在以下三个方面。一是大数据和人工智能技术将成为金融营销产业各方的共同发展方向。金融智能营销市场产业链通过人工智能技术的连接，使每个环节间相互联动，而联动的基础则是用户产生的各种数据。金融机构、第三方企业和营销内容投放平台通过收集这些数据形成对用户的多维画像，提高金融服务的触达效率。二是金融机构依托外部技术支持，深度挖掘自有数据价值。金融机构积累了大量一手用户数据，具有非常大的营销价值。金融机构由于技术基础薄弱向第三方服务商寻求技术支持成为普遍做法，因此形成了智能营销的金融产业链合作模式。三是金融营销的第三方服务商不断优化关键技术，积极搭建智能营销平台。相比金融机构，智能营销的第三方服务商没有直接的金融产品或用户数据源，因此技术是其在产业链中的核心竞争力。 3. 智能客服智能客服是建立在大规模知识库处理基础上的自动应答引擎，提供基于语义的智能应答服务。传统以人工为主的客户服务体系面临着运营成本高、专业客服培训成本高、人工客服的重复性解答耗能高等问题，智能客服能通过自学习能力以实现智能知识库的优化和完善，帮助客户在最短的时间内定位和解决问题，从而提高金融机构客户服务的效率和有效性。截至 2019年 8月底，某商业银行的机器人在线文本咨询服务达 7000万人次，其中 91%由机器人处理，相当于节约了 900多个人工坐席。智能外呼机器人应用在大额支付确认、POS风险交易确认、账户管理费通知等业务场景中，其核心技术指标均可达到 90%以上，单话路效率可提升 5倍。此外，智能语音导航用人机语音交互替代了应用近 10年的菜单按键式交互，目前日均进线人次超过 1.6万，导航准确率可达 90%。某证券公司自 2017年开始探索智能客服应用， 2018年服务客户次数约 105万次，占全部客服服务订单约 41.2%，预估节约人工成本约 294万元，智能客服在 2019年已实现服务客户次数约 93万次，占比全部客服服务订单约 46.6%，服务覆盖率增长约 5.4%，本年度预估已实现节约的人工成本约 260万元，智能客服降低成本的效果明显。基金公司利用智能客服，为投资者提供在线自动问题解答和业务办理等服务。部分基金公司的智能客服已经能够处理 90%以上的业务问题，降低了公司客户服务运营成本。保险公司的人工智能技术在保险续期回访、续保通知、电销意向筛选、产品推荐等业务场景中展现出了优秀性能。有的保险公司应用智能客服的外呼回访成功率接近真人水平，工作效率可达人工的 1.2倍，为业务开展节省 80%的人力成本。有的保险公司的智能客服能够 7x24小时地回答基本咨询问题，可代替 70%人工客服场景，能够节省 80%人工客服成本，准确率高达 90%以上，服务客户次数达 4亿次。信托公司为了更准确更及时推进工作，利用智能客服为客户提供自动咨询服务。据统计，目前智能客服系统能解决 85%以上的客户常见问题，针对高频次、高重复率的问题解答优势更加明显，缓解运营压力并合理控制成本。 4. 智能投顾智能投顾，又称机器人投顾，是指运用人工智能算法，根据投资者风险偏好、财务状况和收益目标，结合现代投资组合理论等金融模型，为用户自动生成个性化的资产配置建议，并对组合实现持续跟踪和动态再平衡调整。智能投顾最初起源于美国。从 2015年开始，智能投顾产品开始在国内兴起。根据Statista数据预测，中国智能投顾资产管理规模将继续保持高增长模式，预计在 2019年达到 3466.6亿元，继续维持 103.1%的超高增长率，至 2022年的总规模将高达 7370.5亿元。与传统的人工投资顾问服务不同，智能投顾具有以下四点优势。第一，提供高效便捷的广泛投资咨询服务。智能投顾依托于互联网和 APP，能够 7x24小时随时响应大面积的客户需求，提供不间断的智能化财富管理专属服务。第二，具有低投资门槛、低费率和高透明度。智能投顾平台主要以中产阶级和低净值普通客户为主，对资金要求不超过 10万元。智能投顾对金融产品选择范围和收取的费用明细等信息充分披露，且客户可获取实时的账户诊断报告。第三，克服投资主观情绪化，实现高度的投资客观化和分散化。智能投顾平台根据内在的算法策略模块运行，提出最优的资产组合比例方案。第四，提供个性化财富管理服务和丰富的定制化场景。智能投顾平台能够为用户提供个性化的风险测评，并依托平台背后的大数据和云计算平台，做到个性化财富管理。智能投顾产品大致分为三类：第一类为初创型智能投顾服务公司，这些公司业务往往集中于提供智能投顾服务，有面向机构和面向个人两种业务模式；第二类为传统互联网金融公司，互联网金融公司的优势在于长尾客户流量充足，提供升级版的在线投顾服务，应用于基金公司的基金理财产品投资；第三类为传统金融机构，这些机构具有先天的强大研究或销售能力，能够整合集团资源、客户基础和技术平台，提供面向全球市场的各类金融资产的大类资产配置服务。商业银行智能投顾类创新产品的出现使产品丰富度大大提高，差异化资产配置服务和远优于线下的零售服务让客户有更多选择空间。在财富管理领域，某银行智能投顾产品目前已拥有 20万客群，管理资产规模超过 129亿元。某证券公司于 2016年推出的智能投顾产品自上线以来累计销售额已超过 360亿元，为超过 78.3万的客户提供理财咨询及投资建议，月活跃用户数达到 53.8万，帮助公司共带来增量资金 76.7亿元。智能投顾服务在未来有两种发展模式。一种是提供相对标准化、简易化、易于理解的投资产品，满足投资者同质化的投资需求，适合互联网金融公司和初创型公司。另一种是利用线下投资顾问数量多、营业网点布局广泛等优势，通过“线上 +线下”结合的方式满足投资者个性化的投资需求，适合传统金融机构。 5. 智能在线理赔保险公司基于图片识别、生物识别、情绪识别等人工智能技术，使风险管控更加智能化。风险预警和风险管理的方法手段，逐步由“纯人工”向“智能规则”演变；机器学习和深度学习的深入应用，使风险识别的精准度更高、更有效。保险公司的智能理赔产品对车险理赔的端到端流程全面梳理与优化，覆盖从报案调度、查勘定损、核损核价、理算核赔到结案支付的理赔全流程，使车物定损、人伤定损精准高效，帮助保险公司解决欺诈多、效率低的问题，为保险客户提供极致的车理赔服务体验。某保险公司应用图片识别技术，通过对车辆受损图片的智能识别，自动判断损失的车辆型号，识别损坏的外观部件及 23种不同车辆损失程度。基于图像识别的结果，匹配后端数据库，自动定价，实现 “秒级 ”定损，目前适用案件的定损准确率超过 90%。该保险公司的智能在线理赔平台投入生产应用后，极大缩短案件处理时效，审核人力减少 30%，共处理车险理赔案件超 2500万件。（二）金融机构业务中台场景应用 1. 智能投资智能投资使用人工智能技术，使用宏观经济、金融市场中的海量信息，通过算法提炼隐藏在数据中的规律并自主优化模型，预测未来投资标的发展趋势，或对风险预警，以优化投资决策并实时汇报及调控风险。智能投资较传统的投资模式有三方面优势。