2019金融科技产业峰会之人工智能在金融领域的实践

在2019年11月1日举办的2019金融科技产业峰会之“人工智能在金融领域应用”分论坛上，中国信息通信研究院联合行业协会、金融机构、科技厂商、高校等多家单位，邀请知名学术界专家、行业内顶尖企业工程师，就人工智能在金融领域应用的相关议题开展交流，希望为金融及技术领域从业者提供交流的平台，共同推动行业健康发展。在峰会上午议程最后圆桌论坛环节，有诸多知名企业代表参与。大家针对人工智能在金融领域应用的话题各抒己见，讨论热烈。

圆桌论坛的嘉宾有嘉实基金管理有限公司高级产品经理何丽峰、上海浦东发展银行人工智能研究员潘仰耀、光大证券股份有限公司信息总部高级经理孙伟、星环信息科技（上海）有限公司金融业架构负责人庞博，有请各位嘉宾。

圆桌会议

林常乐：非常高兴主办方信通院给我们这样一个好的平台和机会进行一个非常有价值的圆桌论坛，我们也邀请到了金融机构的业界的非常资深的专家以及科技行业、科技厂商的优秀代表。我首先就请大家各自介绍一下自己和自己所在的企业，我们可以从嘉实基金管理有限公司何丽峰何总开始。

主持人林常乐

何丽峰：谢谢林教授、谢谢主办方，我是来自嘉实基金的何丽峰，今天的主题是人工智能在金融领域的应用，嘉实基金管理有限公司作为一家投资管理公司，我们其实是在金融科技以及人工智能领域做一些探索。大家都知道金融投资本质是对信息的加工处理，任何市场α的获得都是来自对市场上未知信息的深入理解和深入追求，所以我们在人工智能领域主要尝试两方面工作：一方面还是基础性的，就是怎样让计算机去替代人做一些低效、重复的事情，把人的生产力解放出来。另外一方面我们在人工智能做相对来说深度的东西，怎样用人工智能技术获取更多的投资有效的信息，比如说自然语言的处理，怎么样获得舆情分析、券商研报解析里面做一些探索，以及大数据，怎么用大数据获取行业的发展趋势，这些我们都有探索。

何丽峰

嘉实基金去年开始有一家全资的金融科技子公司，我们成立了两个探索性的研究机构。作为一家投资管理公司嘉实在这方面做了很多的探索，欢迎大家多多关注。

林常乐：谢谢何总，接下来有请浦发银行的潘仰耀介绍一下自己。

上海浦东发展银行人工智能研究员潘仰耀

潘仰耀：浦发银行大家应该比较熟悉了，我重点介绍一下我所在的机构，我来自与浦发银行的创新实验室，是2018年2月份正式成立的，第一批联合了百度、科大讯飞、华为先后成立了联合实验室，到今天联合实验室的范围达到了九大，包括中国银行等等大型的机构，我们现在的方向也很多，我们都知道AI的领域是很宽的浦发银行整体的方向上应该是在智能交互领域有一些应用的成果，后续会生根在这个领域，我们会看AI的图象应用，包括基于ALP的运维，这些技术是我们最近这一端时间尝试的方向。我大概的介绍就是这样。

林常乐：接下来有请我们光大证券孙伟总介绍一下他和公司的情况。

孙伟：我是来自光大证券的孙伟，像刚刚分享的时候介绍的，我是一线运维人员，希望我跟大家一起学习，把这个工作做好，可以减轻一线人员运维压力。

光大证券信息技术总部高级经理 孙伟

林常乐：我们有请星环科技的庞博总作为科技厂商的代表介绍一下他们的情况。

庞博：首先非常感谢大家，我早期是在甲骨文做分布式数据库的研发工作，后续加入到星环里面做大数据以及人工智能的一些基础算法的研发工作，我首先讲一下星环在人工智能的历史渊源，我们最早是在2015年当时是帮金融客户做分布式化，我们知道像定价、期权定价，量化的合作框架，其实在早期的时候没有很好的分布式化的环境或者算法，在那个时候其实我们就开始做这些工作。后续我们逐渐地积累的过程中，我们把一些算法、把一些东西抽象出来形成我们目前的平台，这是星环大致人工智能的历史追溯。

星环信息科技（上海）有限公司金融业架构负责人庞博

我现在所在的团队主要是帮助金融的企业去构建创新智能化的落地的解决方案，谢谢大家。

林常乐：非常感谢各位的精彩介绍，因为主办方赋予了主持人的权利，我也稍稍滥用一下，插播一下广告，因为潘总提到了联合实验室，我介绍一下清华大学交叉信息学院在姚院士的带领下形成了金融科技的产学研中心，我们也跟金融机构进行相应的合作成立交叉信息的联合实验室，有我们的教授和优秀的研究员跟金融机构一起做前期的研究和探索，并且一起落地。今天到场的薛总，也在上周主办的峰会上跟他们签了交叉信息合作协议，欢迎大家有产学研的这样的想法和想探索的一些意愿跟我们多多交流。

接下来我们就进入嘉宾的精彩分享环节。第一方面就是比较通用性的问题，请各位都谈一谈目前比较看好的人工智能在金融领域的应用场景和具体的实践。

何丽峰：因为我们这个领域相对来说基金投资在大金融领域相对比较小一点，更大的像银行、证券、保险这种是比较大。我就说一个细小的角度，因为我们也在尝试着各种各样金融人工智能的算法在里面的应用。人工智能现在很火，但是真正能够帮助解决痛点的，这个阶段还是应该更加务实一点，怎样从基础性的把人解放生产力的事情做好。比如对研究员来说，大量的工作在处理数据、处理研报，处理数据因为嘉实是以基本面研究为主的公司，我们大量的在做基本面做分析，基本面大量围绕数据，判断一个公司好坏不是说这个公司感觉不错，我跟那个公司的董事长好，而是我们基于大量的实地调研的数据以及市场各种渠道收集来的数据来分析这个行业的发展趋势，这个公司的发展状态，这是一个很繁琐的工作，这个工作如果有人工智能的方式，我们把数据自动化的采集、自动化的规整，按照我的模型自动化地监测，这对我们研究效率大幅度提升。

基金公司本身规模就不大，招的人很少，都是精英，如果让精英的人或者高附加值的人做低附加值的事情是很不经济的行为。对于我们来说，我们当前聚焦在怎样用机器以及人工智能算法提升工作效率，把这些数据的处理、文本处理的工作尽可能地结构化，工具化，自动化来解放我们投资经理的效率，让他能够有更多的精力聚焦在他更深度的公司研究方面。这是我们做的一方面工作。

另一方面我们也在尝试知识图谱，像大数据、人工智能的算法在这个领域的应用，知识图谱是很好的应用，上交所、深交所，他们在更广的角度看上市公司的状态，上市公司现在公司结构也很复杂，各种关联关系，公司之间相互的担保关系等等，关系链是很复杂的，关系图谱这样的网络很有助于让我们从全局的角度理解公司的行为。比如一个公司要做重大资产重组，可能就是老百姓看起来就是两个公司重组，但是如果深入地看这些公司之间的关系很可能发现就是左手倒右手的行为。乐视，我们基本没有投乐视，为什么能够避开这个雷，就是因为发现它全部线下资产转移到线上去，对一个公司的深入研究其实需要我们从更多的角度、更多的维度、从更多的数据支撑我们的决策，我们需要除了人力的工作之外，我们需要大量的算法来支持我们的投研决策，这是我们嘉实基金在资本领域做的探索。这个点比较小，但是我们希望在这个点做的深入一点，真正能够帮助投资经理获得市场超额收益，帮我们投资人赚钱，这是我们最简单的初心。

潘仰耀：我正好就着您刚才的话再稍微补充一下。浦发银行目前在谈联合创新中心的议案，目前这个事情因为目前还没有正式的发布，我们预计今年年内应该是可以的，就是两方应该说已经达成了原则上的一致，我们后面会在北京再设立一个分实验室，我们知道从人工智能人才的分布来看，北京相对于上海来说是有绝对的优势，客观来看是有这么一个情况。我们觉得在现在这种技术背景下，其实我们不应该再守着自己的那些地方再去对人才做一些要求，反而是可以迎合这些人才的需求，这是我们在考虑的一些事情。

关于人工智能在的应用方向上来看，其实是说因为人工智能这个技术目前还是在发展中的这么一个状态，我们浦发目前第一步还是在智能交互这个方向，智能交互这个方向就是我刚才提到的，从我刚才演讲的内容当中也说在构建语音语义的能力基础上把服务从无形变得有形，通过人工智能构建3D影像打造媒介，这都是在智能交互领域做生根。AI的工具可以用在很多的地方，我觉得从智能交互这个角度来看我们有一些成果，今年下半年开始我们开始考虑真正地沉下心来做偏后台的工作，包括我们通过生根学习的图象识别，处理以前根本没有办法处理的非常复杂的手写体或者英文凭证，这些东西目前已经在课题的方向在做。NLP是目前AI技术下一个比较大的方向，NLP不是简单的对话系统，这只是它非常小的一部分，它的阅读理解、语义要素抽取、它的正向提取、反向扩充，它的应用场景非常广泛，这块是我们明年重要的方向。另外明年考虑比较多的是投顾基数，现在市场上有很多说法，但是我们觉得从目前的情况来看和微软和百度我们做深入的交流，我们觉得投顾基数第一没有你想象的那么好，也不是即插即用的技术，需要投入大的人力去做分析和设计，目前这个阶段还没有人力做这个事情，因为我们也是从去年刚刚起步，我的分享就是这样。谢谢。

林常乐：非常感谢潘总的分享，非常落地。接下来请孙伟总跟我们说一下您的看法。

孙伟：谢谢。其实在证券行业人工智能的一些应用，刚刚几位老师都做了比较深入的阐述，特别是薛总这块，智能客服、智能投顾、智能营销这种东西，同样我们证券公司也有一个问题，在这里不做深入介绍，免得班门弄斧，毕竟是一个运维人员。

在运维方面，我们还处在一个相对来说比较初级的阶段，刚才潘总也说了，基于知识图谱做一些东西，其实我们现在也在跟清华大学一起合作做这个东西，基于知识图谱一开始我们现在做的这种算法的编排包括比较基础的应用。我也不做一个具体的介绍，我想分享一下我们信息技术部接触到感受到的一些应用，虽然比较小，但是我觉得都比较接地气。信息中心有一个东西，类似智能客服的技术，在我们内部我们有很多柜台管理员，还有一些运维人员，如果出现问题就可以@它，又可以得到答案，包括文档的查找等等，我们觉得是非常方便的。

另外智能培训也是今年刚用的东西，感觉很好玩，信息技术部的培训都是内部员工的培训，之前是视频培训，培训完了以后视频发给大家，大家看的很少，第一没有时间，第二可能有卡顿，我们就应用一些技术做实时的文字，并且培训完之后形成H5的页面微信分享给大家，方便大家学习查看，我觉得效果也非常好。

第三，我们还有一个东西可以帮助运维人员很多，就是智能文档这块，平台有很多的文档，语句不通顺、错别字再正常不过了，用了这个工具以后可以大幅度降低这个概率，出错率会少很多。

以上其实都是一些小应用，但是确实可以帮助我们提升不少工作效率。在建设这块我简单说一下，我们可以看到正常情况下有三种方式，一种方式是大家都是引进厂商的，这是最快的方式，但是很多数据不能共享的问题，我们在建的AI平台，主要把厂商的这些产品把AI的能力和产品分开来，在AR里面抽取出来可以使用，通过算法和算力组合可以形成新的一些场景应用。

我就讲这么多。

林常乐：非常感谢孙总，您分享的对我们非常有指导意义。接下来请星环科技的庞总做一个分享。

庞博：首先刚才对几位行业专家的热词进行了一个提取，何总、潘总、孙总都提到知识图谱的技术，我们认为知识图谱目前在知识推理这块，尤其是自然语言发展方面还是有一些连带提高，我认为在未来知识图谱应用的这个领域是非常广泛的。首先第一个就是我们监管的像洗钱、反欺诈这块我们目前星环在帮助金融客户落地的时候也确实用到一些知识图谱包括图谱分析的一些技术。

另外，在交易所里面，像异常交易的发现也是知识图谱应用的范畴。包括刚才何总这边讲到了给投资部门提供的这些一些投顾投研方面的研究，包括最后孙总讲到的智能运维这些都是知识图谱的应用领域，对于这个方向包括自然语言的方向还是未来非常好的范畴。

林常乐：非常感谢各位嘉宾的精彩分享。刚才大家提到了不同方面的应用，我们说科技的本质可以产生规模化效应，尤其是像人工智能这样的新兴科技，不管在投资决策、服务还是运维层面我们都是希望它能产生规模化效应，把最好的东西、最好的能力赋能给每一个人。

接下来我们进入一些针对性的问题，首先我想问何总，关于人还有人工智能互相的关系。我们知道在投资领域，我自己之前也做投资，现在也在做一家创业企业、财富引擎，是这个领域的科技公司，本质上这是一个非常高智商、人才密集型的行业，像您这样非常专业的人才能做得非常好的一个领域。这个领域人工智能和人的关系是怎么样的？您觉得机器会战胜人还是怎么样？另外人工智能的使用会造成金融行业大量的失业吗？比如说我们在美国看到大量的交易员被裁撤，我们用一个自动化交易、程序化交易的方式去做以前任做的事情，对这个问题您是怎么样看的？也什么样的想法？

何丽峰：谢谢林教授，问了一个非常哲学的问题，就是人跟机器的对比。

确实是，我们自己也在反思，尤其是我们经常跟外行和客户交流的时候，他们经常会问一些问题，因为之前我也做过量化投资，大家觉得量化好厉害，机器做的一定比人做的好，我觉得这是一个误区，或者说把人跟机器人为对立起来了，人和机器是相辅相成的作用，历次工业革命都是通过机器解放人的生产力，让人做更加有价值的事情，让人过得更舒服。无论是金融行业还是其他行业人工智能推广落地一定是帮助这个行业解放人的生产力，让人有更多的时间来休闲或者更聚焦。我们现在为什么可以做到双休日，得益于技术、科技的大幅度的发展，工业化的程度越高让人有足够的时间去学习。

刚才林教授提到，像国外大的投资银行交易员大幅度减少，从悲观的角度来看好像是说金融行业有人失业，金融行业不景气，这么多人失业。这些人失业干吗去了？大量的转去做投资经理去了，我们从这个角度来看这是一个乐观的结果，不是人失业了，是人升级了，不干低效相对来说没有太高技术含量的脏活累活了，去做更有技术含量的深入的研究工作，这对每个人对金融行业都是一个利好消息。

我自己在基金行业里面做，我也看到交易员每天确实比较辛苦，大量的订单，而且压力特别大，一旦出一点问题影响很大，但是如果通过比较好的技术解决它，比较好的风控解决它，让交易员干他真正想干的事情，每一个交易员都有一个梦想就是我什么时候能够成为投资经理。随着技术的进步，随着金融科技的发展，更多人工智能的场景能够帮助解决金融投资里面相对低效重复的事情是改善了我们，让人有时间做想做的事情。这是我的看法，不知道林教授有没有补充。

林常乐：我们也认为人工智能作为一个新兴技术实际上是进行赋能然后产生规模效应，把高智商人力的行业产生规模化的效应，在这个过程中可以产生行业进一步的分工，这也是国富论里面的说第一生产力，让有相对优势的各个方面专业的人去发挥他的相对优势。

说到赋能我们的工作、赋能人，我们知道运维这个方面是非常耗人力的事，因为我自己在学校里面的实验室我知道很难找到好的运维人员，很多时候老是我们自己做运维工作。在智能运维和传统运维方面，他们之间有什么样的一个关系和区别？已经存在的这种传统的监控平台在未来还有存在的价值吗？这个问题请孙总做一个分享。

孙伟：坐在这里感觉大家都是高级人才，我做运维的感觉比较普通。

林常乐：没有，运维最难了。

孙伟：确实各种繁琐的事情比较多，面对的压力也比较大。我们上这个平台的时候，会不会取代以前的东西，其实并不会这样的。通过NLS（音）赋能现在的监控体系是传统的监控平台还有一些包括APM这些东西是我们重要的数据来源，这些数据经过处理以后给我们NLS（音）平台进行深度计算加强现有的监控，是这样的关系。

有些是非常专业的监控，比如我们的数据库监控，通过存储数据这些技术，可以达到监控，搜集一些数据进行二次分析是非常有效的。在运维里面，我觉得不像语音识别这些，有很多应用，主要在于数据库异常检测，类似这种运维可能比较成熟一些，像其他的领域还需要进一步的研究，包括和这些运维人员进行沟通，了解他们在哪些领域是他们需要的，了解还有哪些应用的场景。

林常乐：下一个问题也是关于人工智能，我们知道现在银行的这样的服务人员大幅度减少的过程，包括刚才潘总提到智能交互的工作，您能否从银行的角度谈谈人工智能的发展和应用逐渐取代人力，面临失业的风险，这样的挑战您怎么看？

潘仰耀：我更关注客服这个领域，其实从客服的工作性质来说，跟比较技术的研究员比较类似的，AI主要取代重复的、简单的、规律的劳动。

我刚才在介绍的时候也说了，智能客服系统上线以后，我们对比发现我们整个试点分行的转人工的话务量下降达到40%，其实根据我们整体的目标我们今年年内会实现智能客服的全面推广，我们计划转人工的话务量下降33%，从全行的角度看。与之对应的浦发银行电话坐席有600人，我们的目标这里面释放200的人力，释放出来做什么呢？上个月浦发银行的客服中心做了一个架构的调查，现在叫远程服务银行，这些人就是去转更多的远程作业，所谓远程作业是什么呢？随着智能化的发展，赋能到各个电子渠道的时候，电子渠道是不需要人的，比如无人电话、无人手机APP、无人网点等等，现在谈到AI和人是相辅相成的关系，比如打个电话过来说浦发银行转帐手续费是多少，这个问题机器回答和人的回答是一样的操作过程，人会看一下知识库搜一下问题，看到答案把它念出来，机器完全可以做到。但是如果打个电话问，我上个礼拜买了一个理财产品逾期三年没有收到，这个机器回答不了，这也不是我们让机器回答的问题，我们不准备让机器回答这类的问题，这种情况下是要转人工，也必须要由人工提供服务。还有高净值、比较尊贵的贵宾客户也是需要通过人工的服务形成这种服务的差异。

像比如以后我们做到的无人化点，比如ATM在普通的常规交易情况下我们认为都是可以通过语音交互、智能交互做下来的，当它做不下去了，比如有监管要求，这时候就会转接人力，由人帮他做。其实我们考虑的是把人释放出来从事有价值的工作，我更关注的是客服领域，我们想的也比较明白，我们基本上朝着这个方案在做。

林常乐：非常感谢潘总的分享。潘总您刚才的分享也让我想到了一个非常有意思的文章，就是哈佛的教授写的，专门讨论机器与人的关系。里面有一个非常有意思的例子，就是ATM机，当年有相同的疑问，就是上个世纪70年代的时候ATM机出现以后，大家会有这种恐慌，银行会不会大批量地失业，大家没有这个需求了。十年以后发现银行的从业人员数量反而上升了，其实是因为科技一方面极大的提供了供给，但是更刺激了需求，人可以做更高端的事情帮助客户进行更综合的金融服务。

说到ATM机是我们上一代金融行业里面使用的科技产品，我想请庞总分享一下新一代的金融科技的系统和产品您的一些观点，包括在我们智能化技术应用到各类金融行业的业务里面，从AI技术软件的厂商角度来看，您对企业构建人工智能的体系有什么样的一个建设的建议？请您做一个分享。

庞博：首先不敢说是建议，因为我相信咱们各个行业里面的企业已经有非常严谨、谨慎的构建的思路。我这边主要是从平时帮助我们金融企业落地的角度谈一下我的一些看法。

第一个就是因为现在其实大家对于人工智能都是集中在有监督的或者叫传统的机器学习，在深度学习这一块的探索也是开始在金融行业里面有一些应用。我想讲的第一个就是说可解释性，我们的业务能够更多的包容，因为金融行业里面是非常强调可解释性，比如说营销、反欺诈为什么得出这样的结论，你的数据、数学理论怎么去跟我们的业务去解释。所以第一个提的小小的建议，我们的业务对可解释这块有更大的包容性，这样科技人才才能更好地去做相关的研究。

第二个我们觉得大家的目光都放在应用这个领域，但是实际上应用这个领域跟我们的基础设施是密不可分的，包括我们的芯片，我们的这种分布式的算法，这里我举了一个小的例子。两年前我帮助一个券商，这个券商自己的部门在做量化回测的时候，用历史数据要进行一周，这样的效率很难帮助他们提升投资的盈利的，所以当时我们也是通过分布式的算法做了一些改造，然后结合一些芯片的技术帮他们提升在半个小时以内整个量化回测的框架在半个小时之内算完，这样就可以大大提升他们应用的效率。

第三个我想讲一下，落地的过程中我们花了很长时间做了数据的标准化和数据的治理工作，也是希望在整个人工智能的发展过程中也要注重数据标准化、数据质量这块的工作，这样子数据科学家和真正的业务分析师才能更快地去应用这些人工智能的算法也好、技术也好、模型也好，在上面做更多的探索。

谢谢。

林常乐：非常感谢庞总的分享。我们进入下一个环节，因为我们现在时间比较晚，非常感谢各位干货满满的分享，我看大家都到了饥肠辘辘的状态，下面观众听得非常认真，说明大家的干货非常的有吸引力，接下来我想请大家谈一谈智能金融发展前景的看法以及面临的痛点问题。由于时间的原因，请大家就谈一点前景的看法和相应的挑战吧。这次我们从庞总您先开始。

庞博：因为我觉得应用场景这块后面几个嘉宾会谈得比较多，我主要讲一下痛点。

我们现在落地的时候会发现目前的机器学习或者人工智能的模型主要还是离线训练在线上应用的这么一个过程，我觉得这个其实也是一个痛点，就是模型的训练能够更加实时性。打个比方，我们以前有一个案例，我们知道基金确认单、报销单格式是很多的，我们提前给它训练好OCR的模型，比如你上线以后业务突然来了一个新的格式，这个格式业务是不会给时间等一周把这个模型重新训练再部署的，其实他们希望能够更快的，比如说我这个模型能够更加智能化，而且我觉得实时地做一些动态的调整就能识别这些新的模式，我就主要讲这一点。

林常乐：庞总分享的这个需求很有意思，我相信孙总也有自己的非常精彩的观点。

孙伟：首先发展前景，我也说运维这块吧。是有非常大的前景，因为现在运维的数据非常多，各种数据保存都是完整的，各种数据其实都有。科学家们是不是没有把精力放在运维上，把算法在运维上面做一些肯定会帮到更多的运维人员。

说一下挑战的话，主要是三方面：第一就是算法这块。因为我们之前也跟一些学校沟通，也查了一下论文，发现运维现在一些算法和论文确实不多，还是要加强这方面的研究。

第二方面，数据这块，交易系统基本上都处于外购的形式，数据的标准出现很大问题，没有做过运维人员没有感受这么深，但是做过各种格式的运维人员觉得非常复杂，其实是需要大家一起来推动整个数据运维这一方面。智能运维现在好像也没有比较官方的标准出来，这个出来以后对整个智能运维发展会有很大的好处。

第三方面，推广这块。不仅智能运维领域，其他领域看到比如说机器人这种情况，我这个人比较传统，一点就转人工，因为我感觉我问的问题，心里一想我是做理科的，我问的问题肯定你知识库和你分析出来的不一定对。同样运维平台也有这种情况出现，大家期望很高，问题出现点一下肯定就分析出来了，你还让我干吗呢？其实也没有达到效果，数据的算法只能不断完善、不断优化才可以。我就说这些。

林常乐：非常感谢孙总的分享，您提到这个，我有一个同事其实就是在做这方面的研究，他的博士论文就是关于怎么样用NLP分析load日志，找出前端故障。可以再交流。下面有请潘总做分享。

潘仰耀：我主要谈谈痛点，刚才孙总说得特别好，他自己考虑一下觉得机器人回答不了就转人工。这种客户我们也是喜欢的，我们最近看到一个对话记录，客户说你是机器人，我觉得你回答不了，你帮我转了吧，我们就帮助转了就不耽误彼此的时间了。还是要满足客户的需求。

最大的痛点是AI技术当前发展的阶段和大部分人对预期的差异怎么去解释和弥补，这块如果做技术的大家可能都知道，比如说业务爸爸、业务妈妈随便提了天马行空的想法，觉得AI肯定能搞定。实际上我们认为AI目前的阶段还要进行大量的梳理和大量的设计才能进入相对比较智能，这里面还需要持续训练、自主机器学习、迭代，自主机器学习目前完全没有达到我们现在应用的水平，这种情况下再跟别人解释，人家会觉得“你不是人工智能吗？做不到吗？”，这块跟整个行业、整个AI概念过热也是有一些关系，我们希望在以后的研究过程中沉下心来根据当前的情况符合当前情况的东西，不要搞脱离实际的，最终出来的东西可能是一个概念但是没有任何价值。这是现在的一个痛点。

林常乐：非常感谢您的分享，最后请我们的何总做一个您的问题的探讨的分享。

何丽峰：刚才潘总谈到人工智能目前遇到的问题，这个我们也是深有感触的，我们也做了一些探索，我们也确实发现人工智能大家对它的期望太高了，在落地的时候还有很多不太理想的过程。但是我是从辩证的角度从两方面看。一方面人工智能历史上其实也经过几次大起大落，大家可能看过人工智能简史，70年代其实有一个高峰，后来遇到一些瓶颈，90年代又有一个高峰，后来又遇到一个瓶颈。这个事对人工智能的追求我们把它叫做科学里面的明珠，一直是人类挑战这个极限，这个东西确实不是那么容易就实现的，我最早其实在清华学的通信，我毕业以后做的也是移动通信方面的工作，大家早期在做1G、2G的时候，2G可以打电话觉得好厉害，大家觉得不够，3G的时候手机可以上网了，还是觉得不够，人对这个东西的需求是无止境的。前天是中国5G第一天，大家觉得5G上线了好像不是那么满意，但是通信技术大家回过头来看，这些年来整个通信行业发生了天翻地覆的变化，以前不敢想象，现在一个手机随时解决任何问题，但是我们回过头来确实是这个行业变化非常大，人工智能这个行业我理解也是经历这样的一个不断地曲折前进的过程，我们对它的期望越来越高，技术也在发展，但是一定是需求领先于技术，一定是不断地往前走。我们现在处在发展初期，很多基础设施不完善、数据不完善、算力不够、模型还不成熟，但是这个东西都是一步步往前走的。我认为这个阶段最重要的是解决数据的问题，因为数据一个是割裂、零散、非标准化，巧妇难为无米之炊，我们做了很多很高大上的模型，最后发现数据不够，后来数据本身是错的。这个阶段我是希望如果我们这个行业因为信通院在科技领域的影响力，他们牵头做国内云计算行业的标准和规范，这个对我们做人工智能是非常有帮助的。感谢信通院对这个行业的贡献，我就说这些，谢谢。

林常乐：非常感谢何总，各位嘉宾的精彩发言我都非常感同身受，刚才潘总和何总提到的包括甲方爸爸对我们的需求怎么样匹配，庞总可能也会有相应的感受。

我再补充一点，还有一个需求是在人才培训上，怎么样让金融和科技这两个都是非常专业的人才能有这个交叉互补，形成这种交叉的人才，正好提到这儿，我们信通院和交叉信息学院以及中银协正在合作进行金融科技师认证的培训项目。

最后，我也想感谢一下信通院，信通院也是我们的战略合作方，我们交叉院昨天早上刚刚签订了战略合作协议，之后会担任金融科技产业联盟的产学研牵头单位，非常感谢信通院给了这个平台，非常感谢各位嘉宾的精彩发言。这个论坛就到此结束，非常感谢各位观众的聆听，谢谢大家。

主持人：再次感谢各位嘉宾的精彩发言，2019中国金融科技产业峰会人工智能在金融领域应用分论坛到此结束，谢谢大家和观众的参与，谢谢大家。