Fintech沙龙系列 | 区块链PK人工智能，谁能引领未来金融科技？

3月17日，点石资产管理创始人、互联网金融千人会联合创始人蔡凯龙受邀参加“IMI-瀚德Fintech沙龙”第9期，并发表“区块链PK人工智能”主题演讲。

他在演讲中指出，相比于区块链，人工智能才是整个未来金融科技变革的引领者，也是对金融科技影响最大的一项技术。推动人工智能发展的要素有数据、硬件、算法等，其中数据是核心，也是人工智能能够爆发最重要的原因。最后他在谈到金融科技的监管时指出，目前在全球有三类的监管方式，一是美国的限制性监管，二是中国的被动型监管，三是主动型监管。中国目前的监管方向是符合我国国情的，但美国的核心技术、监管理念等方面值得我们借鉴。

以下为演讲实录：

今天的主题是“区块链PK人工智能，谁能引领未来金融科技？”。金融和科技有些方面是很矛盾的，其实金融行业跟科技行业是两个相差较远的行业，金融行业本身就是严谨和细致，科技行业则追求创新和流量，这种两个行业交织在一起，能够爆发出巨大生命力。我很着迷金融科技，但是每个人对金融科技的理解不同，每个行业看法也不多。从金融界来看，是科技辅助金融；科技界看觉得是用科技来改变金融，甚至颠覆金融；从监管角度来看，经历了一开始认为科技应该应用于金融，到现在发现科技金融出了很多乱象而收紧监管的过程。我先分享一下对金融科技自己的看法，然后把区块链跟人工智能来做一个比较，最后来谈谈监管的国际形势。

我眼中金融科技分四个阶段，这个跟我的个人经历有关。在2002年的时候我在美国读金融博士，我去找博士导师要求同时读一个计算硕士， 原因是我觉得金融跟科技虽然两个行业差的很远，但是碰撞产生能量很大，我那时候对金融科技的理解其实就是交叉学科，两种差距很大的学科的交融。后来到2006年，刚好是美国金融鼎盛的时候，也是金融风暴的前三年，那时候最缺的是懂得编程同时懂得金融理论、可以做金融衍生品的人才， 我离开学校进入华尔街德意志银行利率和信用衍生品部门。可是因为2008金融风暴， 我们部门大规模重组。 在重组中，由于我的金融和计算机优势，我加入战略科技部，这个部门就是要用科技的力量来促进交易，来减少成本，所以那时候我对金融科技的理解是公司的一种节省成本的策略。到了2013年的时候，国内互联网金融刚刚兴起，余额宝刚刚火热，那时候我对互联网金融的理解就是它是地区的商业模式，因为这时候的互联网金融是非常有地区属性的，它的发生和发展都与中国金融环境和市场紧密联系在一起。到了2016年，互联网金融被叫的少了，都叫Fintech 或者金融科技。 大家已经意识到这是金融科技是金融发展的趋势和未来。所以我的理解伴随着我的经历，一步步的转变。

金融科技可以用三个环来表示。外围是用户、生态、粉丝和体验，中间是资金和场景，核心是技术和数据。以蚂蚁金服为例，它的关键在于如何把场景跟资金打通，这是他们去创造用户体验、粉丝跟生态的关键，场景是器官，资金是血液，如果没有场景就没办法把技术灌输进去，也没有办法用资金来打通。它的核心是技术跟数据。这就是为什么今天要谈区块链跟人工智能，以前我们叫互联网金融因为它是在模式上创新，后来慢慢叫金融科技是因为我们发现最终还是要在技术上做创新。

“

一、区块链

我们可以从创新模式的维度来看技术跟数据重要性，这张图显示了所有金融科技的细分领域。大家很熟悉P2P、众筹、供应链金融。最近很热的智能投顾、区块链以及门槛较高的网络保险。今天主题区块链跟智能投顾，区块链对大家来说可能相对比较不了解，反而人工智能可能比较熟悉，因为人工智能已经涉及到生活方方面面，比如说搜索有大量人工智能在里面，通过语音识别可以语音输入，即使有口音，现在的技术也能够达到95%以上的准确率。比如说AlphaGo下围棋比赛，比如说，Libratus 赢了人类的德州扑克。德州扑克是考虑情商的，所以它比赢了围棋更加难。

就像这张图上看的，区块链其实一点都不难。区块链就是一条链把数据链接起来，特点是去中心化、去信任、可靠数据库，集体维护等等。金融是非常中心化的东西，因为信息高度不对称的行业，是一个信任为主的行业，所以它也需要信任也需要中心。然而，区块链却可以打破和替代中心。 关键是这条链接数据的链子，其中包含了数学尤其是密码学。 用一个数学例子来解释区块链里的密码破译原理。 比如一张纸薄薄1毫米厚度，对折两次4毫米，对折几次能达到珠穆朗玛峰的高度？假设数学上能够一直对折，这张纸折24次就能达到珠穆朗玛峰的高度，再折15次就能达到地球和月球的距离，能够折58次就可以到银河中心了，宇宙中心130亿光年，你只要折76次就可以，这个数字已经大到没办法用脑的容量来形容，这就是哈什方程原理，我们把区块链用哈什方程做连接，数据几乎没办法破解，因为没有人能够在这么大的数字中猜中其中一个。这样就保证了数字的真实性和不可篡改性，从而解决信任问题。再打个比方，如果外星人来到我们这儿，看到我的名片跟一张百元大钞，他会认为这两个东西是一样的， 都是纸上面印着花花绿绿的文字和图案。我们看就不一样，两者一个代表信息，一个代表价值。 可是为什么价值可贵呢？因为信息是可以复制的，但是价值没办法复制，信息可以用来传播，一张信息可以复印无数次，放到邮件发给别人，而货币这种东西只能流通没办法复制。最重要一点是，这个信息是可以交叉印证的，货币没办法印证，靠的国家信用作背书。比特币创造货币不需要国家信用背书，而是用数学上的1+1=2的基本数学原来来做背书。其实它的结果就是让虚拟的电子货币，让虚拟的东西成为有信用背书的有价值的东西。它所使用的底层技术就是区块链技术，这个技术就像我们刚才解释过的，其实非常简单，这几年区块链技术本质上没什么大的创新和飞跃，制约区块链技术的进一步运用。

经常有人说区块链会引领我们下一个革命，是继互联网之后的一个革命，但我认为人工智能才是整个未来变革引领者也是对金融科技影响最大的一项技术。因为不管从技术的难度、从影响面、从投资人范围还是从应用来看，人工智能都远远超过区块链，区块链现在经过了两年的发展，应用场景却非常有限，除了比特币比较成熟之外，其他应用还在摸索阶段。所以接下来我们把重点放在人工智能上面。

“

二、人工智能和人工智能在金融领域的应用

首先我解释一下人工智能中的几个概念。人工智能里面有一个最大而且最重要的分支——机器学习，里面有深度学习，再里面有神经网络。其实人工智能就点像我们教育体系，机器学习就是大学， 而深度学习是机器学习里面发展最快也是最难最深的，就像大学里面的博士班，神经网络可以比喻成是博士班里面天才班。深度学习是人工智能的核心，人工智能让机器有了智能。比如我们人类教小孩分辨苹果和橘子，有两种方式，第一种最简单，你告诉他这个是苹果这个是橘子， 因为人有智能，可以观察分析学习。但是机器只能记住这张图，放在其他场景就辨认不出了，因此没法用直接教的方式。  另外一种方法是，教会机器自己去学习，教机器认识苹果，给它犯错学习的机会，让它用大量数据、大量环境一个一个试，学会把特征记住。深度学习要用到神经网络，我们人的神经网络用大量神经元相互交叉产生信息，机器学习也需要类似神经网络的构架方式来处理大量数据。

其实人工智能发展不是现在才热起来的，人工智能其实经历很多重要的历史节点。一个是1956年第一次提出人工智能的概念， 1997年IBM深蓝战胜国际象棋手，2012苹果语音助理的出现，2016年AlphaGO战胜人类，都是人工智能发展的重大事件。但是为什么人工智能现在能火起来，以前却不行呢？有以下几点原因。

第一，是数据的问题。二十年前跟一年前相比，产生数据的量是远远不同的，现在的数据产生量特别大。 以特斯拉为例，特斯拉到目前为止积累十亿公里驾驶数据，每天特斯拉把路况、油耗、车记下来，积累数据，而培训人工智能需要大量数据，没有数据无从谈起。在当今万物互联，IOT，手机产生各种各样大量数据才让这个成为可能。第二，是硬件问题，以前我们用磁盘，后来用U盘，储存量越来越便宜，数据产生量大，储存也变得便宜。这种情况下让机器学习变成可能，机器学习让大量数据大量去学，变成神经元网络能够对一个东西迅速判断，它需要大量算法大量数据，因此硬件很重要。最后，是算法问题，2006年Hinton说出深度学习理论，大量提出非常先进的算法，让这些也成为了可能。那么数据、硬件、算法，哪个是最重要的？硬件可以通过商业购买，算法可以由专家编写，因此人工智能能够爆发最重要的因素是数据。

人工智能的爆发吸引了很多巨头的关注。目前全世界在人工智能上属于前沿的有Google、Facebook、IBM等，国内人工智能做的最好是百度。这里面有三个专家，Hinton，现在在谷歌里做首席的人工智能专家，另外一个是在facebook的Yann Lecun，另外一个是百度深度学习北美研究院的吴恩达，他帮忙创立了百度Paddle。

最后我们谈谈人工智能会不会取代人类，我个人觉得近期不会，二三十年不太有可能，人工智能虽然很厉害，但主要是替代我们做一些相对来说比较简单的东西，要让它自己创造一个东西，人工智能在短期内看不到这种希望。引用美国总统办公室科技委员会的报告里的一句话：“人工智能如果使用恰当，是可以加强人类的智能，帮我们谱写更加美好和广阔的未来前景。”

回到我们人工智能对金融科技的影响，没什么人工智能会在金融行业而不是其他行业产生影响？ 一是人工智能爆发最重要是数据，而金融本身就是一个数据集成度很高的行业；二是人工智能在金融上应用可以见效很快，比如做投资谈智能投顾，可以降低成本，很快把人工智能成果变成现金。

人工智能在金融领域的应用主要有智能投顾、风控、合规等，我们可以深入了解一下智能投顾，智能投顾目前算是在金融科技里面比较热的一个领域，它其实就是通过人工智能学习，帮助优化你的投资策略，同时把投资门槛降得很低，不再需要向CFA工程师支付高额费用。机器智能大决策简化了投资决策过程，克服人性弱点，更加便利和个性化，因此非常有发展前景。目前国内很多公司滥用人工智能的概念，有的是自动算法就叫人工智能。国外几家公司在这方面做的比较好。 有家公司，通过购买高清新的卫星扫描地球表面的照片，做投资决策分析。比如分析沃尔玛股票，可以通过人工智能扫描获得的图片，图片中人们购物把车停在停车场， 通过定期扫描图片并用人工智能学习，分析这一段时间顾客的车多少，就可以预估到这家公司盈利好不好，提前做交易。现在做国内智能投顾太多是虚的，纯粹是自动化，没有涉及到人工智能本意，数据量不够，根本没用什么深度学习算法。

“

三、全球金融科技监管

最后我们接下来就谈一谈监管，因为监管也是非常有趣的话题。金融是高度监管的行业，监管永远在创新、发展跟稳健中做平衡。金融监管是平衡的艺术，如何在金融体系既保证稳定发展，又能够有创新这是各国监管面临巨大的问题，但是把它们放在同样重要的水平上也不行，比如一个国家建国初期，金融监管更注重稳健，到一定时期放开让它发展加快，发展快出现新的金融创新，监管又趋紧，但管的太严没办法发展，它又放开，这就像钟摆一样，有钟摆效应。这种现象在2008年金融风暴以后尤其明显，金融风暴后各国无不把监管收的很紧，即使到七八年后各国金融体系还是在休养生息，大家需要迫切创新点，所以金融科技自然而然在历史节点上成为一个亮点。监管部门金对于金融科技的看法也很矛盾，现在金融疲软需要有一个创新，但是金融科技又非常的创新，影响力非常大，通过网络和数据影响很多人，到底该不该放、该不该收，这是每个国家都会遇到的金融科技监管难题。到底以什么尺度找到平衡点，每个国家都不一样，每个市场都不一样，根据市场情况。

目前在全球有三类的监管方式。一是美国的限制性监管，美国是全世界最成熟的金融市场，市场产品是最丰富的，监管也是最完整的，不管你金融科技有什么创新，本质还是做金融，到最后产品还是金融产品，于是就把它纳入到目前已有的金融监管体系，如果我监管体系容不了再做修改，相对来说他们的政策是比较严的。这是跟美国以技术驱动型金融科技发展的特点有关。第二类是被动型的监管，中国属于被动型的监管，这跟我们金融体系有关，我们金融体系本来就是不完整、不成熟的，主要服务城市高端人群，农村服务比较少，并且有很多灰色地带，在2013年互联网金融进来的时候政府非常的欢迎，因为可以弥补很多传统金融做不了的地方，所以监管比较开放，之后出了事才发布“黑名单”，指明哪些事可以做哪些事不可以做，所以我国是被动型监管，有好有坏，但功大于过，这是可以肯定的。第三类是主动型监管，以伦敦、新加坡、香港跟台湾为代表，第一它不像美国那么有创新，第二它不像中国有这么大市场，所以它只能用主动型监管，用政府来力推金融科技发展。

美国金融科技监管最完整最权威的文件是《A Framework for FinTech》，其中提出十项准则，有几点比较有趣：一个是将消费者放在首位，美国监管非常注重消费者，他们专门成立消费者保护局，在2008年金融风暴以后把这块作为重点，第二是中国监管可以学习的，技术偏见，这个说起来就有趣了，技术其实是一把双刃剑，有时候它可以帮我们，有时候反而会害我们，举个例子，我在携程订机票，携程有服务，加三十块会帮你，不加三十票即使有票也不给。还有以准则是讲标准，现在金融科技发展非常快，他们希望说能够有统一的标准、统一的接口来进行数据整理，使得人工智能发展有很好的基础。最后一点是网络安全、隐私保护，不用多说，每天收到多少诈骗电话大家心里有体会，有些美国朋友的电话号码能用三四十年，这个就是个人隐私保护。最后一个持续并加强跨部门参与，这是可以让中国监管来学习的。

再来看看中国的监管，从2014年到2017年的政府工作报告会，，2014年叫做促进互联网金融健康发展，完善金融监管协调机制，2016年开始规范。今年叫做高度警惕。风向完全不一样。中国监管叫做我先让你长大了，长大了出什么事我再来，我完全提倡他们这种做法。全球三大科技金融在中国，蚂蚁金服老大七百亿估值，第二个陆金所，以后未来中国互联网金融公司发展，慢慢不能在灰色地带发展，灰色地带已经不是野蛮生长的地方。其他像伦敦、新加坡监管是通过政府推动来发展Fintech.  他们政府非常主动积极，比如建立监管沙盒，让创新企业试，这是他们比较有特色的经验。

最后建议大家读一读白宫的国家科技委员会发布的《A Framework for FinTech》，对于研究政府对人工智能的监管非常有借鉴意义的，不是技术，而是说政府怎么样让人工智能对人类有用，不单单对国家对人类有用，还有怎么追求公平，怎么追求效率，怎么让它真正的安全，这些都有一系列的规范。

“

四、提问环节

提问：中国和美国金融科技相比较来讲是不是还有差距，对中国来讲哪一些方面或者哪一些领域是非常值得向美国去学习的，也是需要我们引进的？

蔡凯龙：答案包含在您的问题里面，美国跟中国文化社会体系金融体系差异太大，我本身在国外生活十几年，回来以后深深感受到金融根植于社会中，体系演变没有超出社会跟文化。美国文化社会造就美国金融科技特点，它有很多值得吸取借鉴的地方，有两个地方一定要学，一个是科技的重视，我觉得我们中国的金融科技公司太依赖于商业模式创新跟市场，比如百度做什么？百度在送外卖，订购电影票，谷歌做什么？深度学习发卫星，档次差太多了，赚钱是容易没错，但还是要把技术作为核心，中国的优势在于积累了大量数据，百度做人工智能的时候，人家全球人工智能专家非常羡慕百度有这么大数据，不仅要利用这个优势，还要重视技术。技术要引进、要学习甚至要超越，因为要走向世界就要拿技术作为核心发展力。

另外一个方面是监管理念，美国这种监管有具体针对的点，比如说你不要因为你有科技优势有数据优势反而利用它们来侵犯消费者，所以中国政府可以学习国外在某些特定领域的做法，比如在对消费者权益的保护这些可以学。但是在大方向上中国监管方向是对的，只要不要过犹不及，因为美国商业模式没办法套在中国，中国商业模式拿到美国也做不下去，商业模式我觉得没有必要学，

提问：您觉得美国这些金融科技技术对中国有没有所谓封闭，哪些方面是有封闭的？

蔡凯龙：美国政府对金融科技框架说的很清楚，它说我们就是开放平台，正因为他们开放造成人工智能突飞猛进，美国不会阻挡技术到中国的扩散，除非涉及到军工应用。即便如此有限定，应用场景不会给你，但底层技术可以有，数据不会给你，但算法可以给你。美国政府没有公开对中国在fintech技术上任何的封闭，没看到过。

提问：蔡老师觉得人工智能什么时候到爆发式发展状态？

蔡凯龙：如果私募投资和国家重视按照现在的发展速度，三年之内能够涌现很多成果，到了2020年可能很多生活场景都是用人工智能控制，现在已经有了这种趋势，它的理论数据硬件都慢慢成熟，监管也慢慢开始。

提问：您刚才说人工智能在金融科技应用，第一个智能投顾，第二个是风控，第三是合规。能解释一下合规吗？

蔡凯龙：国外金融机构合规部门的成本非常高，很多东西要人工手动做合规，每年成本预算以30%的速度增长，每个公司都是这样，这样产生很大需求，这些合规的东西可用人工智能来替代，第一本身积累很多数据，第二不像投资要求0.1秒的速度，合规一天两天也没问题。因为既然是金融科技是用技术促进金融，那也用技术配合监管，政府也用人工智能来监管。总之数据是根本，没有数据就不能谈人工智能，数据前提要真实、准确，人工智能才能够发展。

文字整理  肖子琛

图文编辑  魏宗  郑畅

点击查看近期热文

欢迎加入群聊

为了增进与粉丝们的互动，IMI财经观察将建立微信交流群，欢迎大家参与。

入群方法：加群主为微信好友（微信号：imi605）,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。

欢迎读者朋友多多留言与我们交流互动，推荐好文章可联系：邮箱[e-mail]；电话[phone]

关于我们

中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。聘请了来自国内外科研院所、政府部门或金融机构的65位著名专家学者担任顾问委员和学术委员，74位中青年专家担任研究员。

研究所长期聚焦国际金融、宏观经济理论与政策、金融科技、财富管理、金融监管等领域，定期举办高层次系列论坛或讲座，形成了《人民币国际化报告》《金融机构国际化系列报告》《财富管理研究报告》等一大批具有重要学术和政策影响力的产品。成果还被译成英文、日文、韩文、俄文、阿拉伯文等版本在欧、美、亚多个国家发布，引起国内外理论与实务界的广泛关注。

2016年，IMI入围《中国智库大数据报告》影响力榜单列高校智库第4位，并在“中国经济类研究机构市场价值排行榜（2016）”中名列第32位。 

国际货币网：www.imi.org.cn

微信号：IMI财经观察

（点击识别下方二维码关注我们）

只分享最有价值的财经视点

We only share the most valuable financial insights.