導(dǎo)讀：

AI+金融的落地產(chǎn)品分為計算機(jī)視覺、機(jī)器學(xué)習(xí)、知識圖譜、智能語音與對話式AI、自然語言處理五種類型，將AI+金融的落地場景分為安防與身份識別、信貸風(fēng)控與合規(guī)控制、精準(zhǔn)營銷、客服與運營業(yè)務(wù)優(yōu)化、保險理賠與投顧投研五種類型

計算機(jī)視覺技術(shù)架構(gòu)與應(yīng)用場景

軟硬件協(xié)同賦予計算機(jī)發(fā)現(xiàn)與理解的能力

計算機(jī)視覺（簡稱“CV”）是指讓計算機(jī)系統(tǒng)能夠從圖像、視頻和其他視覺輸入中獲取有意義的信息，并根據(jù)該信息采取行動或提供建議。計算機(jī)視覺產(chǎn)品依靠攝像頭等前端硬件采集圖像和視頻數(shù)據(jù)（現(xiàn)階段已有部分端側(cè)硬件具備一定的AI計算能力，可實時處理前端數(shù)據(jù)），基于平臺層視覺感知與內(nèi)容分析技術(shù)處理采集到的數(shù)據(jù)，并將分析結(jié)果應(yīng)用于預(yù)警或輔助決策等場景。在金融領(lǐng)域，人臉識別、智能視頻監(jiān)控等計算機(jī)視覺產(chǎn)品已經(jīng)廣泛應(yīng)用于內(nèi)控管理、安防、身份核驗等場景，正在逐步滲透進(jìn)金融機(jī)構(gòu)日常經(jīng)營活動的更多方面。

計算機(jī)視覺可解決業(yè)務(wù)痛點分析

從內(nèi)控管理、安防等細(xì)分場景切入，逐步觸達(dá)業(yè)務(wù)端

金融機(jī)構(gòu)眾多營業(yè)網(wǎng)點所產(chǎn)生的數(shù)據(jù)量巨大，數(shù)據(jù)處理工作量眾多，對人力造成工作負(fù)擔(dān)的同時，也提高了管理成本。金融機(jī)構(gòu)的安防與風(fēng)控場景急需改進(jìn)工作方式，解放人力與降低運營管理成本。計算機(jī)視覺產(chǎn)品的引入不僅能提高金融機(jī)構(gòu)內(nèi)控管理效率，加速工作方式向智能化、標(biāo)準(zhǔn)化方向轉(zhuǎn)變，而且能降低運營管理成本，以低成本換取高效益。

機(jī)器學(xué)習(xí)技術(shù)架構(gòu)與應(yīng)用場景

產(chǎn)品核心為機(jī)器學(xué)習(xí)開發(fā)平臺，在表單數(shù)據(jù)場景中受青睞

金融機(jī)器學(xué)習(xí)產(chǎn)品特指以機(jī)器學(xué)習(xí)開發(fā)平臺為載體，解決金融機(jī)構(gòu)業(yè)務(wù)決策與運營優(yōu)化問題的一類AI金融技術(shù)產(chǎn)品，可單獨作為軟件解決方案出售，亦可與軟硬體一體機(jī)打包捆綁銷售。金融機(jī)器學(xué)習(xí)產(chǎn)品的核心在于機(jī)器學(xué)習(xí)開發(fā)平臺。一般而言，一套機(jī)器學(xué)習(xí)開發(fā)平臺由底層算法框架、數(shù)據(jù)準(zhǔn)備與特征工程、算法建模、模型運營與管理等主要模塊構(gòu)成。金融企業(yè)可依據(jù)自身業(yè)務(wù)規(guī)則與場景情況，在算法建模模塊選擇合適的機(jī)器學(xué)習(xí)算法，運算經(jīng)過篩選、清洗的數(shù)據(jù)，基于歷史數(shù)據(jù)規(guī)律得出運算結(jié)果。由于表單數(shù)據(jù)與機(jī)器學(xué)習(xí)具備天然的適配性，金融機(jī)器學(xué)習(xí)產(chǎn)品經(jīng)常應(yīng)用于金融信貸風(fēng)控與合規(guī)控制、精準(zhǔn)營銷、保險理賠與投研投顧等場景。此外，金融機(jī)器學(xué)習(xí)產(chǎn)品還可基于底層的卷積網(wǎng)絡(luò)算法，服務(wù)于視覺與語音類的感知場景，如金融的客服與運營業(yè)務(wù)優(yōu)化場景。

機(jī)器學(xué)習(xí)可解決業(yè)務(wù)痛點分析

基于歷史特征預(yù)測風(fēng)險點與營銷點，輔助分析決策

機(jī)器學(xué)習(xí)與知識圖譜類似，常用于信貸風(fēng)控與合規(guī)控制、金融精準(zhǔn)營銷兩大場景中。知識圖譜常用于推測復(fù)雜關(guān)系中的群體異常特征，但機(jī)器學(xué)習(xí)更多用于預(yù)測個體行為特征，完成對某個人/企業(yè)的風(fēng)險識別與營銷動作。聚類與回歸算法是金融業(yè)務(wù)場景中典型的機(jī)器學(xué)習(xí)算法。聚類算法基于金融交易數(shù)據(jù)與金融異常交易業(yè)務(wù)規(guī)則，可自動劃分疑似異常交易的交易記錄，服務(wù)于信貸風(fēng)控與合規(guī)控制業(yè)務(wù)，在風(fēng)險交易發(fā)生前警示攔截該交易?；貧w算法常用于信貸風(fēng)控與合規(guī)控制業(yè)務(wù)，以及精準(zhǔn)營銷業(yè)務(wù)?；貧w算法通過金融數(shù)據(jù)自帶的各類業(yè)務(wù)標(biāo)簽，盡可能將數(shù)據(jù)群切割為不同的群落，尋找群落各自的特征，并分析標(biāo)簽與特征之間的規(guī)律，通過規(guī)律進(jìn)行風(fēng)險與營銷預(yù)測，提供分析參考角度，提升風(fēng)險攔截效率與營銷精準(zhǔn)率。

知識圖譜技術(shù)架構(gòu)與應(yīng)用場景

知識提取層與計算層為核心模塊，信貸風(fēng)控為應(yīng)用典范

通常而言，知識圖譜技術(shù)架構(gòu)由數(shù)據(jù)處理層、知識提取層、知識計算層、權(quán)限管理層、交互服務(wù)層組成。知識提取層與知識計算層為核心模塊。知識提取層解決金融細(xì)分場景Schema搭建、Schema所需數(shù)據(jù)標(biāo)準(zhǔn)制定、數(shù)據(jù)與知識融合、知識的指代消解與實體對齊等核心知識圖譜建設(shè)問題。知識計算層解決知識圖譜的結(jié)構(gòu)轉(zhuǎn)換與存儲、頻繁子圖挖掘、圖計算等問題。知識圖譜經(jīng)過兩大核心環(huán)節(jié)后正式完成開發(fā)，并依照金融機(jī)構(gòu)監(jiān)管規(guī)定進(jìn)行權(quán)限配置，在端側(cè)與用戶實現(xiàn)交互?，F(xiàn)階段，知識圖譜主要應(yīng)用于金融的信貸風(fēng)控與合規(guī)控制、精準(zhǔn)營銷、客服與運營應(yīng)用場景，尤其以信貸風(fēng)控于合規(guī)場景為應(yīng)用典范。在該場景中，知識圖譜可發(fā)揮風(fēng)險異常識別與監(jiān)測的效果。

知識圖譜可解決業(yè)務(wù)痛點分析

基于復(fù)雜關(guān)聯(lián)網(wǎng)絡(luò)快速識別風(fēng)險點、營銷點、知識點、

在常見的三類金融應(yīng)用場景中，知識圖譜一般用以解決團(tuán)伙作案、客戶信用能力評估、新產(chǎn)品開發(fā)、客戶拓展與留存、機(jī)械性高度重復(fù)咨詢、內(nèi)外部知識快速檢索匹配等問題?；诮鹑跈C(jī)構(gòu)可用的大數(shù)據(jù)，構(gòu)建知識圖譜關(guān)聯(lián)網(wǎng)絡(luò)，可快速識別異常風(fēng)險、發(fā)掘業(yè)務(wù)增長點、精準(zhǔn)匹配問答知識點。

智能語音與對話式AI架構(gòu)與應(yīng)用場景

以語音識別、語音合成技術(shù)為核心，實現(xiàn)人機(jī)語音交互

智能語音與對話式AI技術(shù)是人工智能技術(shù)的重要組成部分，其中語音識別（ASR）、語音合成（TTS）以及自然語言處理是實現(xiàn)智能語音與對話式AI解決方案的核心技術(shù)基礎(chǔ)（自然語言處理將在下一節(jié)詳細(xì)闡述），智能語音與對話式AI的本質(zhì)是實現(xiàn)人機(jī)語音交互。智能語音與對話式AI產(chǎn)品已經(jīng)廣泛應(yīng)用于金融業(yè)企業(yè)客戶服務(wù)、營銷推廣、人員培訓(xùn)等方面，助力金融業(yè)企業(yè)提升服務(wù)質(zhì)量，優(yōu)化服務(wù)體驗。

智能語音與對話式AI可解決業(yè)務(wù)痛點

應(yīng)用于客服、營銷等交互場景，助力金融機(jī)構(gòu)降本增效

由于具有較強(qiáng)的場景化、交互性等特點，智能語音與對話式AI產(chǎn)品通過替代或輔助人工的方式，廣泛應(yīng)用于金融機(jī)構(gòu)客戶服務(wù)、營銷推廣等場景，可精準(zhǔn)有效地解決金融機(jī)構(gòu)在客戶服務(wù)、營銷、培訓(xùn)等方面人工成本不斷增加、客戶服務(wù)效率低下、獲客成本高等問題，助力金融機(jī)構(gòu)實現(xiàn)降本增效。隨著生活節(jié)奏的加快，人們對金融服務(wù)的要求越來越高，及時性和準(zhǔn)確性成為衡量服務(wù)質(zhì)量的重要標(biāo)準(zhǔn)之一，智能語音與對話式AI產(chǎn)品在即時反饋和標(biāo)準(zhǔn)化服務(wù)方面具有顯著優(yōu)勢，在金融客服領(lǐng)域具有廣闊的應(yīng)用前景。

自然語言處理技術(shù)架構(gòu)與應(yīng)用場景

以語言理解和生成為核心，用于交互及分析場景

自然語言處理是基于自然語言理解（NLU）和自然語言生成（NLG）的信息處理技術(shù)，其目的在于使計算機(jī)能夠理解、處理并輸出人類所使用的自然語言。從技術(shù)架構(gòu)來看，自然語言處理基礎(chǔ)層包括基礎(chǔ)算力與存儲設(shè)施及機(jī)器學(xué)習(xí)底層配套技術(shù)，核心技術(shù)層主要包括五步流程，即語料獲取、語料預(yù)處理、特征選取與處理、算法模型、自然語言生成。從應(yīng)用場景來看，自然語言處理技術(shù)在金融領(lǐng)域的應(yīng)用主要集中于智能客服、智能營銷等交互型場景及智能風(fēng)控、智能投研等分析型場景。

自然語言處理可解決業(yè)務(wù)痛點分析

應(yīng)用于智能客服等交互型場景及智能風(fēng)控等分析型場景

自然語言處理產(chǎn)品在金融領(lǐng)域主要應(yīng)用于交互型場景與分析型場景。在智能客服、智能營銷等與客戶交互屬性較強(qiáng)的場景中，自然語言處理產(chǎn)品的核心價值主要在于快速理解客戶表達(dá)的語義并生成恰當(dāng)?shù)幕貜?fù)，有利于節(jié)省金融機(jī)構(gòu)客服團(tuán)隊的人員及管理成本并提升客戶服務(wù)與市場營銷效率。在智能風(fēng)控、智能投研、智能投顧等分析型場景中，自然語言處理產(chǎn)品的核心價值體現(xiàn)于對海量的金融資訊進(jìn)行高效、精準(zhǔn)的分析從而為后續(xù)的金融決策提供輔助。

本文節(jié)選自《2022年中國AI+金融行業(yè)發(fā)展研究報告》