人工智能（Artificial Intelligence， AI）自誕生以來，已經發展了60多年。近年來，AI在全球范圍內都成為學界、業界追逐的熱點，創業公司風起云涌，巨額投資不斷涌現，科技巨頭也不斷加碼，科研、資本和人才向AI靠攏的趨勢明顯。所以，不免有人會問，當下我們是否已經迎來了人工智能最好的時代？

好時代的挑戰

站在今天回看，2017年或許是中國人工智能發展的一個重要節點。2017年，“人工智能”首次被寫入全國兩會政府工作報告，國務院總理***表示，要全面實施戰略性新興產業發展規劃，加快新材料、人工智能、集成電路、生物制藥、第五代移動通信等技術研發和轉化。人工智能也為全國人大代表、全國政協委員們所熱議。

與此同時，2017年烏鎮圍棋峰會上，AlphaGo以3：0的總比分戰勝排名世界第一的世界圍棋冠軍柯潔，引發全民關注?！叭斯ぶ悄苁欠褚讶娉饺祟悺?，“人工智能會不會取代人類”等問題也成為熱點話題。

也是從那一年開始，人工智能風起云涌。一夜之間，仿佛所有的公司都變成了人工智能公司。資本、人才向人工智能領域快速涌入。“人工智能”成為科技界、學界、企業界最熱門、最受追捧的詞匯之一。各大互聯網公司都大力加碼推進人工智能研發。騰訊創始人馬化騰也曾公開表示，如果只能投資一個領域，從他自身所處行業出發，他最關注的是和信息技術相關的AI產業。在國際上，科技巨頭Google、IBM等對人工智能的研究已逾十年，近幾年部分研究成果已經進入商業應用。

從這些維度來看，人工智能可謂已經迎來一個非常好的時代，但是熱鬧背后也存在著問題。比如這股熱潮更多是產業界、投資界推動的，而學界和基礎研究領域事實上并沒有革命性變革，人才缺口問題也沒有真正解決。

同時，AI在實際應用與落地中還面臨著非常多的挑戰，尤其是數據問題。AI研究需要的各類數據分散在不同企業中，人們口中常說的理想狀況的“大數據”并不存在，實際狀況是存在著大量的“小數據”和“數據孤島”；此外數據的安全、隱私、合規等問題一直存在，歐盟在2018年正式實施了史上最嚴的數據保護條例——《通用數據保護條例》（GDPR），而在2019年1月21日，谷歌公司就成為依據此法遭高額處罰的首家美國科技公司，被罰款5000萬歐元……這些問題又讓AI落地和發展看起來沒那么美好。

深度賦能行業

2019年，***總理第三次在政府工作報告中談到人工智能。值得注意的是，今年總理在報告中特別提出，要打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能。

目前，人工智能的創新成果在各領域已有落地應用，推動了各行各業的技術進步、效率提升和商業模式變革。其中，金融行業是最被看好的AI應用領域之一，AI+金融是“智能+”的重中之重。

一方面，金融行業的信息化建設起步較早，且行業內極其重視數據的標準化和規范化采集，因而擁有大量累積數據，這些數據為人工智能的應用提供了堅實的基礎；另一方面，以銀行、保險、證券公司為例，金融業的主要業務都是基于大規模數據展開的，大量繁瑣的數據處理工作，急需自動化和智能化的變革來解放人力；此外，金融普惠化和場景化的創新，也需要新的技術手段來提供支持，而人工智能與金融的結合，無疑為金融創新提供了更多的可能。

筆者以微眾銀行在AI+金融領域的實踐為例，展開介紹。從需求出發，回歸業務價值是自研AI的核心。微眾銀行是服務小微企業和普羅大眾的互聯網銀行，其中最難的在于因數量分散而龐大、缺乏抵押物、擔保體系不健全等原因造成的服務成本高。

因此，微眾銀行AI團隊將“AI+服務”應用于實際業務環節。比如基于“自然語言處理引擎”、“語音引擎”、“視覺引擎”三大引擎創建三大應用系統——“智能核身系統”、“智能客服系統”、“智能質檢系統”，覆蓋了業務咨詢、身份核驗、資料審核、操作放款等業務全流程。目前，通過這一套AI機器人組合拳，我們讓客戶從咨詢到申請到借款全部在線完成，無需線下開戶、無需紙質資料，最大化解決小微企業貸款難流程慢的難題，助力企業創新發展。

國家資管新規的推出、中國市場納入MSCI指數，都對中國的資產管理行業帶來深遠影響。微眾銀行也在“AI+資管”領域發力，目前在研發基于以衛星遙感影像數據、無人機影像數據、移動位置數據和輿情文本信息等為代表的另類數據（Alternative Data），通過人工智能技術打造AI驅動的資產管理平臺，不但可以實時監測宏觀經濟，還可以對上市和發債公司、不同行業的趨勢進行預測，構建AI+Alternative Data驅動的ESG（環境、社會和公司治理）指數，從而為資管公司、基金公司、評級公司等領域提供投資決策。

面對數據孤島和隱私問題，AI何去何從

上文提到，數據的復雜性、孤立性和隱私安全等問題，是困擾和制約AI包括金融行業在內深化發展和應用落地的關鍵因素。如何解決這些數據難題，打破數據孤島，建立真正的“大數據”，同時更好地保護數據隱私和安全，成了當下AI發展必須解決的問題。

筆者認為，面對這些難題，我們可以擁有一種新思路——聯邦學習（Federated Learning），其目的是保護用戶隱私和數據安全。聯邦學習，顧名思義，就是搭建一個虛擬的“聯邦國家”，把大大小小的“數據孤島”聯合統一進來。他們就像這個“聯邦國家”里的一個州，既保持一定的獨立自主（比如商業機密、用戶隱私），又能在數據不共享出去的情況下，共同建模，提升AI模型效果。

本質上，它是一種分布式加密機器學習技術，參與各方可以在不披露底層數據的前提下共建模型。這也是一種共贏的機器學習方式，它打破了山頭林立的數據次元壁，盤活了大大小小的“數據孤島”，連成一片共贏的AI大陸。

在金融領域，聯邦學習能夠用以分析潛在的欺詐行為；在保險定價領域，能夠以更多維度精準分析用戶的屬性。對于企業而言，應用聯邦學習能夠更有效地節省成本，同時也能夠更精準地去做用戶的分級。另外對于一些數據非常敏感的場景，比如說醫療領域，不同醫院之間也能夠通過聯邦學習技術去共享敏感的醫療數據。

未來AI新一代的機器學習算法框架，應該以保護隱私、安全合規為出發點，進行合理的解釋性，用透明的推理機制來保障人工智能的健康發展。而聯邦學習的發展與實踐，為業界提供了新的思路。當然，AI生態的建設與大數據的構建還需要不同的企業、學者、研究機構聯合起來，共享技術、分享數據、團結力量，共同解決數據孤島和用戶隱私問題。

AI未來：基礎研究仍需持續努力

那么，中國的AI目前發展情況到底如何，未來的前景又怎樣？科技部原副部長馬頌德等多位專家學者都曾表示，中國在AI方面的應用會是全世界規模最大的，前景非常好，但在基礎研究方面仍需持續努力。

筆者認為，這幾年，中國的AI版圖上，一個一個“點”都起來了，但是還沒能連成“面”。換句話說，能夠打通產業鏈的、深度的AI應用生態還沒有建立，在系統層面和基礎設施建設上還有所欠缺。

目前，業界對AI的理解和運用更多停留于單功能的產品層面，比如一個企業在某些流程環節引入了AI的輔助，例如引入人機交互、人臉識別，但這樣的企業還不能說是人工智能企業。整個業界對于AI的理解應該更深一些，讓AI驅動行業核心決策系統的優化，把AI的優勢和革命性發揮到最大。

希望未來中國的AI同仁能夠更加注重基礎研究，一起努力，真正驅動核心、深度、產業化的AI發展與落地。