回看歷史，你會發現，金融業是最難實現變革的。但不可避免的是，大銀行和創業公司在金融業方面仍取得了巨大的突破，我認為這不是因為他們使用了什么特別的技術，而是因為它們內在的文化差異，多樣化的結構剛度和其他具有成本效益的商業模式。

金融創新：空話太多，實際行動太少

換句話說，銀行之所以不創新，要么是因為它們規模太大，無法迅速適應并遵循外部激勵機制，要么是因為它們不知道如何(或者想要)真正的改變。不僅在金融業中如此，在學術界也是如此，一直到上世紀90年代中期，金融創新沒有任何的突破性進展。事實上，在少量的調查文獻中（Cohen and Levin, 1989; Cohen, 1995），引用了超過600種不同的文章和書籍，但沒有一個是與金融創新相關的。

當然，在過去五年中，情況發生了變化，但我認為，這種變化是被動的，而不是來自銀行業的自愿推動。

因此，金融創新似乎通常是由外界引入的而非內部產生的，而且往往更多地是產品創新而非過程創新（盡管我認為這個觀點比較有爭議）。考慮到新的技術范式（正在強化創新與增長之間內在強烈的因果關系），我們似乎很自然地想知道，一個更好的創新模式是否可以由不同的行業導入。

我發現有一個非常特別和有趣的例子，這個行業必須“創新生存”，而不是“創新增長”：那就是生物制藥行業（Baker, 2003; Gans and Stern, 2004; Fuchs and Krauss, 2003; Lichtenthaler, 2008）。

創新轉移：生物制藥行業

生物制藥行業不是一個單一的行業，而包括兩個不同的技術領域：生物技術領域，由推動了研究和探索階段的小公司組成；以及制藥公司，這些大公司在上個世紀成為了規模龐大的上市和銷售企業。

因此，一部分是純粹的（高風險的）創新，另一部分是純粹的商業化技能……這都是我們已經見過的東西，不是嗎？生物制藥行業和金融業形成了明顯的兩極分化

生物制藥行業的特點是，風險主要存在于最初的開發過程，而不是在市場銷售階段。問題不在于滿足客戶的需求，也不是為你的產品找到市場，而是首先要研發出這種藥物分子。成功的可能性非常低，時間線拉的很長（10—15年），而20年的專利權只是一個短暫的優勢。更重要的是，大約只有三分之二的藥品能夠抵消開發成本，而且大部分的公司都在虧損，而排名前3%的公司的利潤幾乎占整個行業利潤的80%，這是一項艱難的業務。

生物制藥行業不再僅僅是一個人力密集型的行業，而是一個需要大量資金投入的行業。創新不是附加物，而是企業生存發展的基石。這也是為什么他們必須確定一系列不同的方法來促進他們的發展——創新：研發、競爭性合作計劃、風險投資、合資創造、收購交易、有限合伙協議等。

到目前為止，我的目標應該是明確的：金融業并沒有強烈地感覺到像生物制藥行業一樣的創新需求，而且它沒有嘗試和推動創造新的模式，獲得利益最大化。

引入人工智能，你的個人金融顛覆者

現在你可能仍然這么想“創新的確很棒，但是金融業和生物制藥是非常不同的兩個行業”那么我為什么要堅持從其他行業引入創新模型呢?好吧，這就是問題所在：我并不認為他們是不同的。

而它們變得越來越相似的原因恰恰是人工智能。人工智能正在為金融行業注入一種強大的創新力，它有一個發展周期和特征，與生物制藥行業的情況類似：它需要很長一段時間才能被創造、實施和正確地部署（當然，這與金融行業的標準是一致的）;它是高度技術性的，需要高度專業化的人才;它是高度不確定的，因為在找到可行的方案之前，你需要進行大量的試驗，人工智能正在給金融行業帶來巨大的創新壓力。

但人工智能也在給金融行業帶來了全新的發展速度和可信度，降低了生物制藥行業類似的錯誤。如果你的算法指出了問題產品或被推薦的錯誤的書，這是非常容易的。如果你的系統錯誤地解讀了市場上的某些信號，或者在開發一種藥物的時候出現錯誤，你會在幾秒鐘內損失數百萬美元，甚至會失去生命。

因此，它不僅延伸了本質上屬于金融領域的問題，比如監管或問責制，而且還帶來了一些新問題，比如有偏見的數據或缺乏透明度(特別是在消費者應用領域)。

最后，人工智能針對“構建vs購買”提出了一個問題，這個問題甚至比上世紀90年代的生物制藥行業還要大，在當前的生物技術制藥二分法中達到了頂峰（如果你想知道，這個選擇的重點是你的數據容量、團隊和項目的可擴展性，以及與競爭對手有關的項目的獨特性——你有足夠的數據來訓練一個ANI嗎？你的團隊/項目規模足夠嗎？你們的ANI是獨一無二的嗎？你的同伴們有沒有做一些事呢？）

人工智能正在徹底推動一個有幾百年歷史的古老的行業創新。這就是為什么我認為金融服務業引入人工智能非常重要的原因——對于它所推出的具體創新或產品，并不是太多，因為它正在徹底改變一個有幾百年歷史的行業創新流程。

金融科技領域的人工智能功能細分

人工智能正在利用金融服務中的結構化和非結構化數據來改善客戶體驗及客戶參與度，通過這樣的方式，來發現異常值和異常現象，增加收入，降低成本，找到可預測的模式，提高預測的可靠性……但在其他行業，情況也是如此嗎？這個答案顯而易見，那么，在金融服務業，人工智能有什么特別之處呢？

首先，金融行業是需要大量數據的行業。你可能會認為這些數據主要集中在大型金融機構手中，但大部分數據都是公開的，而且有了新的歐盟支付指令（PSD2），規模更大的數據庫也可以被較小的公司使用。人工智能很容易開發和應用，因為相對于其他行業，其準入門檻相對較低。

其次，許多基礎的過程可以相對容易地實現自動化，而許多其他的過程可以通過按部就班的計算或速度來提高。從歷史上看，人工智能是最需要這種創新的行業之一，競爭非常激烈，而且總是在尋找新的投資來源。總結：人工智能的邊際影響大于其他領域。

第三，財富在不同代際間的轉移，使這一領域成為人工智能發展的真正“沃土”。人工智能需要大量的新數據，并且最重要的是一些改進反饋信息，00后不僅樂于使用人工智能，而且還能提供反饋信息，但他們顯然更不在意隱私和泄露自己的數據。

當然，金融領域的人工智能也面臨一系列特定的挑戰，這些挑戰阻礙了智能金融的平穩快速的實現：不相互通信的遺留系統;數據孤立;糟糕的數據質量控制;缺乏專業知識;缺乏管理遠見;缺乏采用這種技術的文化心態。

因此，目前缺少的只是對人工智能金融技術領域的概述。這里也有很多的人工智能金融科技創業公司的地圖和分類，所以我在這里沒有介紹任何新東西，只是給大家展示我的個人分類：

財務健康：這一類應用是為了讓終端客戶的生活變得更好、更方便，還包括個性化的金融服務;信用評分;自動化的財務顧問和幫助用戶做出財務決策的規劃者（robo——顧問、虛擬助理和聊天機器人;智能錢包可以根據用戶的習慣和需要，以不同的方式指導用戶。典型的例子包括機器人顧問和對話界面：Kasisito;Trim;Penny;Cleo;Acorns;Fingenius; Wealthfront; SigFig; Betterment; LearnVest; Jemstep; 信用評分應用:Aire; TypeScore; CreditVidya; ZestFinance; Applied Data Finance; Wecash;

模塊鏈：我認為，鑒于這款工具的重要性，它應該有一個單獨的分類，而不考慮具體應用程序（可能是支付、合規、交易等）。典型的應用包括:Euklid; Paxos; Ripple; Digital Asset;

財務安全：這個可以劃分為身份識別（支付安全和物理識別——生物識別和KYC）和檢測（追蹤欺詐和異常的財務行為——AML和欺詐檢測）。這類應用包括:EyeVerify; Bionym; FaceFirst; On?do; and Feedzai; Kount, APEX Analytics;

資金轉移：這一類別包括支付、p2p借貸和債務收集。這類應用包括:TrueAccord;LendUp;Kabbage;LendingClub;

資本市場：這是一個很大的板塊，我傾向于將它分為五個主要模塊：

1）交易（交易或交易平臺）。例子包括：Euclidean; Quantestein; Renaissance Technologies, Walnut Algorithms; EmmaAI; Aidyia; Binatix; KimerickTechnologies ;Pit.ai ;Sentient Technologies; Tickermachine; Walnut Algorithm ; Clone Algo; Algoriz; Alpaca; Portfolio123; Sigopt;

2）自助式基金（眾籌基金或房屋交易）。例子包括：Senti?; Numerai; Quantopian; Quantiacs; QuantConnect; Inovance;

3）市場情報（信息提取或洞察力生成）。例子包括：Indico Data Solutions; Acuity Trading; Lucena Research; Dataminr; Alphasense; Kensho Technologies; Aylien; I Know First; Alpha Modus; ArtQuant;

4）替代數據（大多數替代數據應用都在資本市場，而不是在更廣泛的金融領域，因此把它放在這里是有意義的）。例子包括:Cape Analytics; metabiota; Eagle Alpha;

5）風險管理（大多數情況下，這一部分的創業公司也涉及到其他模塊）。例子包括:Ablemarkets; Financial Network Analysis。

結論

從文章一開始，我就一直在強調人工智能正在使金融服務領域和生物制藥越來越相似，而且，金融行業或許能從其他行業的創新中借鑒一些東西。現實情況是，金融業還需要克服一些困難和挑戰。

我目前看到的最大的不同之在于AI對實體產品市場的影響，人工智能正在讓這個行業變得比以往任何時候都更加數字化。它的最終目標是創建未來銀行：沒有分行，沒有信用卡，沒有欺詐。一個擁有模塊化組件的銀行平臺，它可以提高我們的財務素養，并且不需要購買實體產品。

這絕對是一個令人向往的新世界，我已經等不及了。