在2019年11月1日舉辦的2019金融科技產業峰會之“人工智能在金融領域應用”分論壇上，中國信息通信研究院聯合行業協會、金融機構、科技廠商、高校等多家單位，邀請知名學術界專家、行業內頂尖企業工程師，就人工智能在金融領域應用的相關議題開展交流，希望為金融及技術領域從業者提供交流的平臺，共同推動行業健康發展。在峰會上午議程最后圓桌論壇環節，有諸多知名企業代表參與。大家針對人工智能在金融領域應用的話題各抒己見，討論熱烈。

圓桌論壇的嘉賓有嘉實基金管理有限公司高級產品經理何麗峰、上海浦東發展銀行人工智能研究員潘仰耀、光大證券股份有限公司信息總部高級經理孫偉、星環信息科技（上海）有限公司金融業架構負責人龐博，有請各位嘉賓。

圓桌會議

林常樂：非常高興主辦方信通院給我們這樣一個好的平臺和機會進行一個非常有價值的圓桌論壇，我們也邀請到了金融機構的業界的非常資深的專家以及科技行業、科技廠商的優秀代表。我首先就請大家各自介紹一下自己和自己所在的企業，我們可以從嘉實基金管理有限公司何麗峰何總開始。

主持人林常樂

何麗峰：謝謝林教授、謝謝主辦方，我是來自嘉實基金的何麗峰，今天的主題是人工智能在金融領域的應用，嘉實基金管理有限公司作為一家投資管理公司，我們其實是在金融科技以及人工智能領域做一些探索。大家都知道金融投資本質是對信息的加工處理，任何市場α的獲得都是來自對市場上未知信息的深入理解和深入追求，所以我們在人工智能領域主要嘗試兩方面工作：一方面還是基礎性的，就是怎樣讓計算機去替代人做一些低效、重復的事情，把人的生產力解放出來。另外一方面我們在人工智能做相對來說深度的東西，怎樣用人工智能技術獲取更多的投資有效的信息，比如說自然語言的處理，怎么樣獲得輿情分析、券商研報解析里面做一些探索，以及大數據，怎么用大數據獲取行業的發展趨勢，這些我們都有探索。

何麗峰

嘉實基金去年開始有一家全資的金融科技子公司，我們成立了兩個探索性的研究機構。作為一家投資管理公司嘉實在這方面做了很多的探索，歡迎大家多多關注。

林常樂：謝謝何總，接下來有請浦發銀行的潘仰耀介紹一下自己。

上海浦東發展銀行人工智能研究員潘仰耀

潘仰耀：浦發銀行大家應該比較熟悉了，我重點介紹一下我所在的機構，我來自與浦發銀行的創新實驗室，是2018年2月份正式成立的，第一批聯合了百度、科大訊飛、華為先后成立了聯合實驗室，到今天聯合實驗室的范圍達到了九大，包括中國銀行等等大型的機構，我們現在的方向也很多，我們都知道AI的領域是很寬的浦發銀行整體的方向上應該是在智能交互領域有一些應用的成果，后續會生根在這個領域，我們會看AI的圖象應用，包括基于ALP的運維，這些技術是我們最近這一端時間嘗試的方向。我大概的介紹就是這樣。

林常樂：接下來有請我們光大證券孫偉總介紹一下他和公司的情況。

孫偉：我是來自光大證券的孫偉，像剛剛分享的時候介紹的，我是一線運維人員，希望我跟大家一起學習，把這個工作做好，可以減輕一線人員運維壓力。

光大證券信息技術總部高級經理 孫偉

林常樂：我們有請星環科技的龐博總作為科技廠商的代表介紹一下他們的情況。

龐博：首先非常感謝大家，我早期是在甲骨文做分布式數據庫的研發工作，后續加入到星環里面做大數據以及人工智能的一些基礎算法的研發工作，我首先講一下星環在人工智能的歷史淵源，我們最早是在2015年當時是幫金融客戶做分布式化，我們知道像定價、期權定價，量化的合作框架，其實在早期的時候沒有很好的分布式化的環境或者算法，在那個時候其實我們就開始做這些工作。后續我們逐漸地積累的過程中，我們把一些算法、把一些東西抽象出來形成我們目前的平臺，這是星環大致人工智能的歷史追溯。

星環信息科技（上海）有限公司金融業架構負責人龐博

我現在所在的團隊主要是幫助金融的企業去構建創新智能化的落地的解決方案，謝謝大家。

林常樂：非常感謝各位的精彩介紹，因為主辦方賦予了主持人的權利，我也稍稍濫用一下，插播一下廣告，因為潘總提到了聯合實驗室，我介紹一下清華大學交叉信息學院在姚院士的帶領下形成了金融科技的產學研中心，我們也跟金融機構進行相應的合作成立交叉信息的聯合實驗室，有我們的教授和優秀的研究員跟金融機構一起做前期的研究和探索，并且一起落地。今天到場的薛總，也在上周主辦的峰會上跟他們簽了交叉信息合作協議，歡迎大家有產學研的這樣的想法和想探索的一些意愿跟我們多多交流。

接下來我們就進入嘉賓的精彩分享環節。第一方面就是比較通用性的問題，請各位都談一談目前比較看好的人工智能在金融領域的應用場景和具體的實踐。

何麗峰：因為我們這個領域相對來說基金投資在大金融領域相對比較小一點，更大的像銀行、證券、保險這種是比較大。我就說一個細小的角度，因為我們也在嘗試著各種各樣金融人工智能的算法在里面的應用。人工智能現在很火，但是真正能夠幫助解決痛點的，這個階段還是應該更加務實一點，怎樣從基礎性的把人解放生產力的事情做好。比如對研究員來說，大量的工作在處理數據、處理研報，處理數據因為嘉實是以基本面研究為主的公司，我們大量的在做基本面做分析，基本面大量圍繞數據，判斷一個公司好壞不是說這個公司感覺不錯，我跟那個公司的董事長好，而是我們基于大量的實地調研的數據以及市場各種渠道收集來的數據來分析這個行業的發展趨勢，這個公司的發展狀態，這是一個很繁瑣的工作，這個工作如果有人工智能的方式，我們把數據自動化的采集、自動化的規整，按照我的模型自動化地監測，這對我們研究效率大幅度提升。

基金公司本身規模就不大，招的人很少，都是精英，如果讓精英的人或者高附加值的人做低附加值的事情是很不經濟的行為。對于我們來說，我們當前聚焦在怎樣用機器以及人工智能算法提升工作效率，把這些數據的處理、文本處理的工作盡可能地結構化，工具化，自動化來解放我們投資經理的效率，讓他能夠有更多的精力聚焦在他更深度的公司研究方面。這是我們做的一方面工作。

另一方面我們也在嘗試知識圖譜，像大數據、人工智能的算法在這個領域的應用，知識圖譜是很好的應用，上交所、深交所，他們在更廣的角度看上市公司的狀態，上市公司現在公司結構也很復雜，各種關聯關系，公司之間相互的擔保關系等等，關系鏈是很復雜的，關系圖譜這樣的網絡很有助于讓我們從全局的角度理解公司的行為。比如一個公司要做重大資產重組，可能就是老百姓看起來就是兩個公司重組，但是如果深入地看這些公司之間的關系很可能發現就是左手倒右手的行為。樂視，我們基本沒有投樂視，為什么能夠避開這個雷，就是因為發現它全部線下資產轉移到線上去，對一個公司的深入研究其實需要我們從更多的角度、更多的維度、從更多的數據支撐我們的決策，我們需要除了人力的工作之外，我們需要大量的算法來支持我們的投研決策，這是我們嘉實基金在資本領域做的探索。這個點比較小，但是我們希望在這個點做的深入一點，真正能夠幫助投資經理獲得市場超額收益，幫我們投資人賺錢，這是我們最簡單的初心。

潘仰耀：我正好就著您剛才的話再稍微補充一下。浦發銀行目前在談聯合創新中心的議案，目前這個事情因為目前還沒有正式的發布，我們預計今年年內應該是可以的，就是兩方應該說已經達成了原則上的一致，我們后面會在北京再設立一個分實驗室，我們知道從人工智能人才的分布來看，北京相對于上海來說是有絕對的優勢，客觀來看是有這么一個情況。我們覺得在現在這種技術背景下，其實我們不應該再守著自己的那些地方再去對人才做一些要求，反而是可以迎合這些人才的需求，這是我們在考慮的一些事情。

關于人工智能在的應用方向上來看，其實是說因為人工智能這個技術目前還是在發展中的這么一個狀態，我們浦發目前第一步還是在智能交互這個方向，智能交互這個方向就是我剛才提到的，從我剛才演講的內容當中也說在構建語音語義的能力基礎上把服務從無形變得有形，通過人工智能構建3D影像打造媒介，這都是在智能交互領域做生根。AI的工具可以用在很多的地方，我覺得從智能交互這個角度來看我們有一些成果，今年下半年開始我們開始考慮真正地沉下心來做偏后臺的工作，包括我們通過生根學習的圖象識別，處理以前根本沒有辦法處理的非常復雜的手寫體或者英文憑證，這些東西目前已經在課題的方向在做。NLP是目前AI技術下一個比較大的方向，NLP不是簡單的對話系統，這只是它非常小的一部分，它的閱讀理解、語義要素抽取、它的正向提取、反向擴充，它的應用場景非常廣泛，這塊是我們明年重要的方向。另外明年考慮比較多的是投顧基數，現在市場上有很多說法，但是我們覺得從目前的情況來看和微軟和百度我們做深入的交流，我們覺得投顧基數第一沒有你想象的那么好，也不是即插即用的技術，需要投入大的人力去做分析和設計，目前這個階段還沒有人力做這個事情，因為我們也是從去年剛剛起步，我的分享就是這樣。謝謝。

林常樂：非常感謝潘總的分享，非常落地。接下來請孫偉總跟我們說一下您的看法。

孫偉：謝謝。其實在證券行業人工智能的一些應用，剛剛幾位老師都做了比較深入的闡述，特別是薛總這塊，智能客服、智能投顧、智能營銷這種東西，同樣我們證券公司也有一個問題，在這里不做深入介紹，免得班門弄斧，畢竟是一個運維人員。

在運維方面，我們還處在一個相對來說比較初級的階段，剛才潘總也說了，基于知識圖譜做一些東西，其實我們現在也在跟清華大學一起合作做這個東西，基于知識圖譜一開始我們現在做的這種算法的編排包括比較基礎的應用。我也不做一個具體的介紹，我想分享一下我們信息技術部接觸到感受到的一些應用，雖然比較小，但是我覺得都比較接地氣。信息中心有一個東西，類似智能客服的技術，在我們內部我們有很多柜臺管理員，還有一些運維人員，如果出現問題就可以@它，又可以得到答案，包括文檔的查找等等，我們覺得是非常方便的。

另外智能培訓也是今年剛用的東西，感覺很好玩，信息技術部的培訓都是內部員工的培訓，之前是視頻培訓，培訓完了以后視頻發給大家，大家看的很少，第一沒有時間，第二可能有卡頓，我們就應用一些技術做實時的文字，并且培訓完之后形成H5的頁面微信分享給大家，方便大家學習查看，我覺得效果也非常好。

第三，我們還有一個東西可以幫助運維人員很多，就是智能文檔這塊，平臺有很多的文檔，語句不通順、錯別字再正常不過了，用了這個工具以后可以大幅度降低這個概率，出錯率會少很多。

以上其實都是一些小應用，但是確實可以幫助我們提升不少工作效率。在建設這塊我簡單說一下，我們可以看到正常情況下有三種方式，一種方式是大家都是引進廠商的，這是最快的方式，但是很多數據不能共享的問題，我們在建的AI平臺，主要把廠商的這些產品把AI的能力和產品分開來，在AR里面抽取出來可以使用，通過算法和算力組合可以形成新的一些場景應用。

我就講這么多。

林常樂：非常感謝孫總，您分享的對我們非常有指導意義。接下來請星環科技的龐總做一個分享。

龐博：首先剛才對幾位行業專家的熱詞進行了一個提取，何總、潘總、孫總都提到知識圖譜的技術，我們認為知識圖譜目前在知識推理這塊，尤其是自然語言發展方面還是有一些連帶提高，我認為在未來知識圖譜應用的這個領域是非常廣泛的。首先第一個就是我們監管的像洗錢、反欺詐這塊我們目前星環在幫助金融客戶落地的時候也確實用到一些知識圖譜包括圖譜分析的一些技術。

另外，在交易所里面，像異常交易的發現也是知識圖譜應用的范疇。包括剛才何總這邊講到了給投資部門提供的這些一些投顧投研方面的研究，包括最后孫總講到的智能運維這些都是知識圖譜的應用領域，對于這個方向包括自然語言的方向還是未來非常好的范疇。

林常樂：非常感謝各位嘉賓的精彩分享。剛才大家提到了不同方面的應用，我們說科技的本質可以產生規模化效應，尤其是像人工智能這樣的新興科技，不管在投資決策、服務還是運維層面我們都是希望它能產生規模化效應，把最好的東西、最好的能力賦能給每一個人。

接下來我們進入一些針對性的問題，首先我想問何總，關于人還有人工智能互相的關系。我們知道在投資領域，我自己之前也做投資，現在也在做一家創業企業、財富引擎，是這個領域的科技公司，本質上這是一個非常高智商、人才密集型的行業，像您這樣非常專業的人才能做得非常好的一個領域。這個領域人工智能和人的關系是怎么樣的？您覺得機器會戰勝人還是怎么樣？另外人工智能的使用會造成金融行業大量的失業嗎？比如說我們在美國看到大量的交易員被裁撤，我們用一個自動化交易、程序化交易的方式去做以前任做的事情，對這個問題您是怎么樣看的？也什么樣的想法？

何麗峰：謝謝林教授，問了一個非常哲學的問題，就是人跟機器的對比。

確實是，我們自己也在反思，尤其是我們經常跟外行和客戶交流的時候，他們經常會問一些問題，因為之前我也做過量化投資，大家覺得量化好厲害，機器做的一定比人做的好，我覺得這是一個誤區，或者說把人跟機器人為對立起來了，人和機器是相輔相成的作用，歷次工業革命都是通過機器解放人的生產力，讓人做更加有價值的事情，讓人過得更舒服。無論是金融行業還是其他行業人工智能推廣落地一定是幫助這個行業解放人的生產力，讓人有更多的時間來休閑或者更聚焦。我們現在為什么可以做到雙休日，得益于技術、科技的大幅度的發展，工業化的程度越高讓人有足夠的時間去學習。

剛才林教授提到，像國外大的投資銀行交易員大幅度減少，從悲觀的角度來看好像是說金融行業有人失業，金融行業不景氣，這么多人失業。這些人失業干嗎去了？大量的轉去做投資經理去了，我們從這個角度來看這是一個樂觀的結果，不是人失業了，是人升級了，不干低效相對來說沒有太高技術含量的臟活累活了，去做更有技術含量的深入的研究工作，這對每個人對金融行業都是一個利好消息。

我自己在基金行業里面做，我也看到交易員每天確實比較辛苦，大量的訂單，而且壓力特別大，一旦出一點問題影響很大，但是如果通過比較好的技術解決它，比較好的風控解決它，讓交易員干他真正想干的事情，每一個交易員都有一個夢想就是我什么時候能夠成為投資經理。隨著技術的進步，隨著金融科技的發展，更多人工智能的場景能夠幫助解決金融投資里面相對低效重復的事情是改善了我們，讓人有時間做想做的事情。這是我的看法，不知道林教授有沒有補充。

林常樂：我們也認為人工智能作為一個新興技術實際上是進行賦能然后產生規模效應，把高智商人力的行業產生規模化的效應，在這個過程中可以產生行業進一步的分工，這也是國富論里面的說第一生產力，讓有相對優勢的各個方面專業的人去發揮他的相對優勢。

說到賦能我們的工作、賦能人，我們知道運維這個方面是非常耗人力的事，因為我自己在學校里面的實驗室我知道很難找到好的運維人員，很多時候老是我們自己做運維工作。在智能運維和傳統運維方面，他們之間有什么樣的一個關系和區別？已經存在的這種傳統的監控平臺在未來還有存在的價值嗎？這個問題請孫總做一個分享。

孫偉：坐在這里感覺大家都是高級人才，我做運維的感覺比較普通。

林常樂：沒有，運維最難了。

孫偉：確實各種繁瑣的事情比較多，面對的壓力也比較大。我們上這個平臺的時候，會不會取代以前的東西，其實并不會這樣的。通過NLS（音）賦能現在的監控體系是傳統的監控平臺還有一些包括APM這些東西是我們重要的數據來源，這些數據經過處理以后給我們NLS（音）平臺進行深度計算加強現有的監控，是這樣的關系。

有些是非常專業的監控，比如我們的數據庫監控，通過存儲數據這些技術，可以達到監控，搜集一些數據進行二次分析是非常有效的。在運維里面，我覺得不像語音識別這些，有很多應用，主要在于數據庫異常檢測，類似這種運維可能比較成熟一些，像其他的領域還需要進一步的研究，包括和這些運維人員進行溝通，了解他們在哪些領域是他們需要的，了解還有哪些應用的場景。

林常樂：下一個問題也是關于人工智能，我們知道現在銀行的這樣的服務人員大幅度減少的過程，包括剛才潘總提到智能交互的工作，您能否從銀行的角度談談人工智能的發展和應用逐漸取代人力，面臨失業的風險，這樣的挑戰您怎么看？

潘仰耀：我更關注客服這個領域，其實從客服的工作性質來說，跟比較技術的研究員比較類似的，AI主要取代重復的、簡單的、規律的勞動。

我剛才在介紹的時候也說了，智能客服系統上線以后，我們對比發現我們整個試點分行的轉人工的話務量下降達到40%，其實根據我們整體的目標我們今年年內會實現智能客服的全面推廣，我們計劃轉人工的話務量下降33%，從全行的角度看。與之對應的浦發銀行電話坐席有600人，我們的目標這里面釋放200的人力，釋放出來做什么呢？上個月浦發銀行的客服中心做了一個架構的調查，現在叫遠程服務銀行，這些人就是去轉更多的遠程作業，所謂遠程作業是什么呢？隨著智能化的發展，賦能到各個電子渠道的時候，電子渠道是不需要人的，比如無人電話、無人手機APP、無人網點等等，現在談到AI和人是相輔相成的關系，比如打個電話過來說浦發銀行轉帳手續費是多少，這個問題機器回答和人的回答是一樣的操作過程，人會看一下知識庫搜一下問題，看到答案把它念出來，機器完全可以做到。但是如果打個電話問，我上個禮拜買了一個理財產品逾期三年沒有收到，這個機器回答不了，這也不是我們讓機器回答的問題，我們不準備讓機器回答這類的問題，這種情況下是要轉人工，也必須要由人工提供服務。還有高凈值、比較尊貴的貴賓客戶也是需要通過人工的服務形成這種服務的差異。

像比如以后我們做到的無人化點，比如ATM在普通的常規交易情況下我們認為都是可以通過語音交互、智能交互做下來的，當它做不下去了，比如有監管要求，這時候就會轉接人力，由人幫他做。其實我們考慮的是把人釋放出來從事有價值的工作，我更關注的是客服領域，我們想的也比較明白，我們基本上朝著這個方案在做。

林常樂：非常感謝潘總的分享。潘總您剛才的分享也讓我想到了一個非常有意思的文章，就是哈佛的教授寫的，專門討論機器與人的關系。里面有一個非常有意思的例子，就是ATM機，當年有相同的疑問，就是上個世紀70年代的時候ATM機出現以后，大家會有這種恐慌，銀行會不會大批量地失業，大家沒有這個需求了。十年以后發現銀行的從業人員數量反而上升了，其實是因為科技一方面極大的提供了供給，但是更刺激了需求，人可以做更高端的事情幫助客戶進行更綜合的金融服務。

說到ATM機是我們上一代金融行業里面使用的科技產品，我想請龐總分享一下新一代的金融科技的系統和產品您的一些觀點，包括在我們智能化技術應用到各類金融行業的業務里面，從AI技術軟件的廠商角度來看，您對企業構建人工智能的體系有什么樣的一個建設的建議？請您做一個分享。

龐博：首先不敢說是建議，因為我相信咱們各個行業里面的企業已經有非常嚴謹、謹慎的構建的思路。我這邊主要是從平時幫助我們金融企業落地的角度談一下我的一些看法。

第一個就是因為現在其實大家對于人工智能都是集中在有監督的或者叫傳統的機器學習，在深度學習這一塊的探索也是開始在金融行業里面有一些應用。我想講的第一個就是說可解釋性，我們的業務能夠更多的包容，因為金融行業里面是非常強調可解釋性，比如說營銷、反欺詐為什么得出這樣的結論，你的數據、數學理論怎么去跟我們的業務去解釋。所以第一個提的小小的建議，我們的業務對可解釋這塊有更大的包容性，這樣科技人才才能更好地去做相關的研究。

第二個我們覺得大家的目光都放在應用這個領域，但是實際上應用這個領域跟我們的基礎設施是密不可分的，包括我們的芯片，我們的這種分布式的算法，這里我舉了一個小的例子。兩年前我幫助一個券商，這個券商自己的部門在做量化回測的時候，用歷史數據要進行一周，這樣的效率很難幫助他們提升投資的盈利的，所以當時我們也是通過分布式的算法做了一些改造，然后結合一些芯片的技術幫他們提升在半個小時以內整個量化回測的框架在半個小時之內算完，這樣就可以大大提升他們應用的效率。

第三個我想講一下，落地的過程中我們花了很長時間做了數據的標準化和數據的治理工作，也是希望在整個人工智能的發展過程中也要注重數據標準化、數據質量這塊的工作，這樣子數據科學家和真正的業務分析師才能更快地去應用這些人工智能的算法也好、技術也好、模型也好，在上面做更多的探索。

謝謝。

林常樂：非常感謝龐總的分享。我們進入下一個環節，因為我們現在時間比較晚，非常感謝各位干貨滿滿的分享，我看大家都到了饑腸轆轆的狀態，下面觀眾聽得非常認真，說明大家的干貨非常的有吸引力，接下來我想請大家談一談智能金融發展前景的看法以及面臨的痛點問題。由于時間的原因，請大家就談一點前景的看法和相應的挑戰吧。這次我們從龐總您先開始。

龐博：因為我覺得應用場景這塊后面幾個嘉賓會談得比較多，我主要講一下痛點。

我們現在落地的時候會發現目前的機器學習或者人工智能的模型主要還是離線訓練在線上應用的這么一個過程，我覺得這個其實也是一個痛點，就是模型的訓練能夠更加實時性。打個比方，我們以前有一個案例，我們知道基金確認單、報銷單格式是很多的，我們提前給它訓練好OCR的模型，比如你上線以后業務突然來了一個新的格式，這個格式業務是不會給時間等一周把這個模型重新訓練再部署的，其實他們希望能夠更快的，比如說我這個模型能夠更加智能化，而且我覺得實時地做一些動態的調整就能識別這些新的模式，我就主要講這一點。

林常樂：龐總分享的這個需求很有意思，我相信孫總也有自己的非常精彩的觀點。

孫偉：首先發展前景，我也說運維這塊吧。是有非常大的前景，因為現在運維的數據非常多，各種數據保存都是完整的，各種數據其實都有。科學家們是不是沒有把精力放在運維上，把算法在運維上面做一些肯定會幫到更多的運維人員。

說一下挑戰的話，主要是三方面：第一就是算法這塊。因為我們之前也跟一些學校溝通，也查了一下論文，發現運維現在一些算法和論文確實不多，還是要加強這方面的研究。

第二方面，數據這塊，交易系統基本上都處于外購的形式，數據的標準出現很大問題，沒有做過運維人員沒有感受這么深，但是做過各種格式的運維人員覺得非常復雜，其實是需要大家一起來推動整個數據運維這一方面。智能運維現在好像也沒有比較官方的標準出來，這個出來以后對整個智能運維發展會有很大的好處。

第三方面，推廣這塊。不僅智能運維領域，其他領域看到比如說機器人這種情況，我這個人比較傳統，一點就轉人工，因為我感覺我問的問題，心里一想我是做理科的，我問的問題肯定你知識庫和你分析出來的不一定對。同樣運維平臺也有這種情況出現，大家期望很高，問題出現點一下肯定就分析出來了，你還讓我干嗎呢？其實也沒有達到效果，數據的算法只能不斷完善、不斷優化才可以。我就說這些。

林常樂：非常感謝孫總的分享，您提到這個，我有一個同事其實就是在做這方面的研究，他的博士論文就是關于怎么樣用NLP分析load日志，找出前端故障。可以再交流。下面有請潘總做分享。

潘仰耀：我主要談談痛點，剛才孫總說得特別好，他自己考慮一下覺得機器人回答不了就轉人工。這種客戶我們也是喜歡的，我們最近看到一個對話記錄，客戶說你是機器人，我覺得你回答不了，你幫我轉了吧，我們就幫助轉了就不耽誤彼此的時間了。還是要滿足客戶的需求。

最大的痛點是AI技術當前發展的階段和大部分人對預期的差異怎么去解釋和彌補，這塊如果做技術的大家可能都知道，比如說業務爸爸、業務媽媽隨便提了天馬行空的想法，覺得AI肯定能搞定。實際上我們認為AI目前的階段還要進行大量的梳理和大量的設計才能進入相對比較智能，這里面還需要持續訓練、自主機器學習、迭代，自主機器學習目前完全沒有達到我們現在應用的水平，這種情況下再跟別人解釋，人家會覺得“你不是人工智能嗎？做不到嗎？”，這塊跟整個行業、整個AI概念過熱也是有一些關系，我們希望在以后的研究過程中沉下心來根據當前的情況符合當前情況的東西，不要搞脫離實際的，最終出來的東西可能是一個概念但是沒有任何價值。這是現在的一個痛點。

林常樂：非常感謝您的分享，最后請我們的何總做一個您的問題的探討的分享。

何麗峰：剛才潘總談到人工智能目前遇到的問題，這個我們也是深有感觸的，我們也做了一些探索，我們也確實發現人工智能大家對它的期望太高了，在落地的時候還有很多不太理想的過程。但是我是從辯證的角度從兩方面看。一方面人工智能歷史上其實也經過幾次大起大落，大家可能看過人工智能簡史，70年代其實有一個高峰，后來遇到一些瓶頸，90年代又有一個高峰，后來又遇到一個瓶頸。這個事對人工智能的追求我們把它叫做科學里面的明珠，一直是人類挑戰這個極限，這個東西確實不是那么容易就實現的，我最早其實在清華學的通信，我畢業以后做的也是移動通信方面的工作，大家早期在做1G、2G的時候，2G可以打電話覺得好厲害，大家覺得不夠，3G的時候手機可以上網了，還是覺得不夠，人對這個東西的需求是無止境的。前天是中國5G第一天，大家覺得5G上線了好像不是那么滿意，但是通信技術大家回過頭來看，這些年來整個通信行業發生了天翻地覆的變化，以前不敢想象，現在一個手機隨時解決任何問題，但是我們回過頭來確實是這個行業變化非常大，人工智能這個行業我理解也是經歷這樣的一個不斷地曲折前進的過程，我們對它的期望越來越高，技術也在發展，但是一定是需求領先于技術，一定是不斷地往前走。我們現在處在發展初期，很多基礎設施不完善、數據不完善、算力不夠、模型還不成熟，但是這個東西都是一步步往前走的。我認為這個階段最重要的是解決數據的問題，因為數據一個是割裂、零散、非標準化，巧婦難為無米之炊，我們做了很多很高大上的模型，最后發現數據不夠，后來數據本身是錯的。這個階段我是希望如果我們這個行業因為信通院在科技領域的影響力，他們牽頭做國內云計算行業的標準和規范，這個對我們做人工智能是非常有幫助的。感謝信通院對這個行業的貢獻，我就說這些，謝謝。

林常樂：非常感謝何總，各位嘉賓的精彩發言我都非常感同身受，剛才潘總和何總提到的包括甲方爸爸對我們的需求怎么樣匹配，龐總可能也會有相應的感受。

我再補充一點，還有一個需求是在人才培訓上，怎么樣讓金融和科技這兩個都是非常專業的人才能有這個交叉互補，形成這種交叉的人才，正好提到這兒，我們信通院和交叉信息學院以及中銀協正在合作進行金融科技師認證的培訓項目。

最后，我也想感謝一下信通院，信通院也是我們的戰略合作方，我們交叉院昨天早上剛剛簽訂了戰略合作協議，之后會擔任金融科技產業聯盟的產學研牽頭單位，非常感謝信通院給了這個平臺，非常感謝各位嘉賓的精彩發言。這個論壇就到此結束，非常感謝各位觀眾的聆聽，謝謝大家。

主持人：再次感謝各位嘉賓的精彩發言，2019中國金融科技產業峰會人工智能在金融領域應用分論壇到此結束，謝謝大家和觀眾的參與，謝謝大家。