用AI的線團，解開金融行業的米拉諾斯迷宮_風聞

從小我們就聽過這樣一則古希臘神話：克里特島國王彌諾斯為牛頭人米拉諾斯修建了一座迷宮，來到克里特島上的眾多勇士都無法破解。後來年輕的忒修斯在公主阿里阿德涅的幫助下，拿着一個線團進入迷宮，在所到之處留下線繩，最終成功解開了迷宮。

這個故事被當作寓言，用來教育孩子們面對複雜的事物要探尋本質，找到更便捷的破解方案。在AI技術融入各行各業的進程裏，其實也像是忒修斯面對着眾多迷宮。如何在原本不熟悉AI、價值模型處於未知狀態的產業裏找到那個“線團”，往往就是破解產業迷局的關鍵。

在AI駛入的產業迷宮中，金融行業有着極其特殊的地位。一方面，金融與AI的融合優勢顯而易見，在所有主要社會生活行業中，金融是數字化程度最高、數據結構最完成的行業，非常適合AI來完成賦能；但另一方面，金融行業的海量數據、複雜場景，以及嚴苛的技術要求又讓其帶給AI巨大的挑戰。

早在2017年，國務院印發的《新一代人工智能發展的規劃》中，就提出將金融業作為發展人工智能試點示範的重點行業之一，同時提出要建立金融大數據系統，提供智能的金融服務等等一些具體的舉措。2019年，央行下發的《金融科技(FinTech)發展規劃(2019-2021年)》中，“人工智能”被數次提及,並且給出了一系列人工智能與金融行業結合的具體方案路線。

可以説，AI+金融在目前這個階段已經上升為國家戰略和社會共同價值期待。但想讓AI真正為金融行業帶來價值，惠及千家萬户，僅僅有宏大的願景與美好的希冀遠遠不夠。在產業實踐中，我們可能還是需要回歸技術，迴歸案例，來探明AI究竟如何與金融產業的特性結合，如何讓AI在金融產業中長足發展。

好在隨着AI產業的深入，今天已經有很多“線團”來幫助我們理解行業智能化的迷宮。比如我們介紹過很多次的華為雲EI企業智能體系。根植於華為全棧全場景AI解決方案，華為雲提出了“企業智能”概念，並通過一系列的服務與智能體，構築瞭如今已經與大量產業深度融合的EI體系。

目前，華為雲EI面向政府、企業與開發者提供EI智能體（交通智能體、工業智能體、園區智能體、網絡智能體）、通用AI服務（對話機器人、內容審核、圖像搜索、人臉識別、OCR圖片文字識別等）、一站式AI開發與管理平台ModelArts、多模態AI應用開發平台HiLens等服務與解決方案，在金融、製造、能源、醫療、交通、工業等行業廣泛應用。

其中金融行業是華為雲EI落地產業的重要一站，其中積累了大量華為關於AI+金融命題的思考與經驗。我們希望從中抽取產業智慧與行業洞察，來向大家還原一個最真實的AI+金融空間。説不定迷宮的下一扇門，就由你來解鎖。

迷宮前：金融業在智能時代的升級需求

提到金融產業對AI技術的容納，我們首先會想到金融行業的三大基礎特性：數據大、場景流程複雜、安全要求極高。

AI技術想要進入金融行業，也就必須與這三大根本要求相結合，才能滿足金融場景對新技術的要求。更需要注意的是，今天的金融產業向AI發出的召喚，是站在金融業經歷了高度移動互聯網化與在線化洗禮之後的。AI技術必須去適配、挖掘和理解已經高速成長起來的移動互聯網金融，並在此基礎上進行產業所需的再創新。

從這個視角看的話，今天的金融產業是在高速進化的動態中與同樣高速奔跑的AI技術相遇。在華為看來，今天AI技術進入金融行業的主要挑戰，主要來自於三個方向：

1、隨着移動互聯網+金融的完成度越來越高，金融行業的數據維度、數據體量、數據交易力度，都發生了海量的增長。與其他行業的區別在於，金融行業所發生的數據洪潮不僅僅是數據量上的，更是全數據維度的擴張。這種情況下，一方面金融產業迫切需求AI技術來解決數據智能化需求，同時也對AI基礎設施，包括算法、算力、存儲提出了極高的要求。

2、金融行業對AI算法的要求，建立於金融行業嚴苛的安全、效率與精確度要求基礎上。這就需要智能化應用必須擁有良好的安全能力、計算處理效率以及算法精度，必須擁有產業化的抗數據壓力、抗安全風險能力。

3、隨着移動金融的普及，越來越多的金融交易發生在手機、平板，甚至穿戴設備上。這就導致AI技術不能僅僅覆蓋金融行業的雲端場景與實體網點場景，而是要走向邊端側設備，基於端側的AI算力與數據處理能力進行創新。同時，5G的應用與生物數據採集技術的普及，也讓移動端AI+金融有了更多想象空間。金融機構希望AI是引領未來變化的原動力，這也需要AI積極與這些技術變量融合創新。

在這三個挑戰的基礎上，我們可以總結歸納出金融行業究竟需要什麼樣的AI。這也是華為雲提出EI體系的關鍵——EI是企業所需的智能，而不僅僅是實驗室中的智能。綜合來看，金融產業的數據維度擴張、業務創新需求、高精度高安全特性，需要具有鮮明產業特徵的AI技術，其中包括三個主要方面：

1、AI技術與場景的深度融合

金融行業所需的AI技術，需要明確能夠幫助解決哪些具體的行業問題，並且快速將技術轉化成行業流程與行業生產力，讓AI技術融入真實的金融行業場景。

2、AI的量化與可控

在真實的產業空間中，尤其在多流程、多場景引入AI的金融行業中，非常關注AI技術的投入產出比與安全合規性。AI技術需要可量化、可評估，做到成本可控，價值可掌握、風險可評估，才能在新技術與金融行業融合的過程裏達成長期合作，促使金融智能化長足發展。

3、AI的集成與多模態融合

AI技術融入金融場景中，往往並不是一個技術對應一個需求的簡單關係，而是技術需要進行集成與融合，採用多模態的技術來創造性解決一個問題，從而將金融體驗與金融效率進行跨越式發展。這裏就需要AI技術與解決方案供應商，不僅能夠提供技術接口，同時需要具有綜合式創新的能力，能夠進行AI、5G、雲計算等技術的融合應用，以此才能取得金融產業的穩定信任。

由此可見，金融行業對AI的需求具有充分的產業動機，同時也提出了鮮明的產業挑戰。而在EI跨入金融產業的過程中，我們可以看到其採取了積極與金融行業對話，與行業Knowhow合作創新、綜合華為技術與產業優勢的方案，以此達成EI體系與金融需求的深度融為一體。

解題者：EI在金融領域的產業實踐

綜合多種AI技術，實現AI與金融場景、金融流程的全面融入，這是華為雲EI破解金融產業挑戰的關鍵思路。而在產業實踐中，我們也可以看到華為雲EI通過技術能力，讓全面融入由洞察變為了產業現實。

比如説在金融保險行業中，某保險公司的IT系統，就調用華為雲OCR服務自動識別材料中的身份證/銀行卡/醫療單據上的文字信息，之後自動錄入到系統中進行理賠，極大提升了理賠速度。其中華為領先的OCR算法起到了關鍵作用，基於大量數據訓練和產業實踐，其能處理醫療單據中的錯行、文字覆蓋、蓋章干擾等問題，並能識別少數民族文字等各種複雜場景；降低了理賠人員技能要求；可擴展的OCR服務平台，可根據客户需求擴展識別各種單據，例如醫療化驗單，駕駛證，車輛行駛證等等。在華為雲EI的賦能下，這家保險公司的理賠處理時間從分鐘級降低到秒級，同時還降低了理賠中的人工成本。尤其在識別醫療單據和少數民族文字的身份證上，EI完成了保險公司從無到有的能力填補。

再比如説，上海某銀行在國際結算中海運提單、空運單、信用證開證申請書需要通過人工對提單/信用證的信息進行錄入、核對，相對來説人力成本很高，效率較低。而這家銀行通過使用華為雲EI能力，實現了快速識別貿易風險，既滿足了業務合規性要求，同時增加了業務處理能力，處理效率提升了10倍以上，提升信用證資金流轉，增加收入減少人力投入，減低成本。

從這兩個案例中可以看出，多種技術的綜合應用，以及處理複雜問題成為了華為雲EI提供金融產業支撐的關鍵特性，在這裏EI的技術能力是底層保障。在第四屆國際圖像識別競賽WebVision中，華為雲EI以82.97%的準確率擊敗來自全世界的94支參賽隊伍獲得冠軍。這個被業界譽為人工智能“世界盃”的比賽，也是華為雲EI技術能力的極佳印證。

（民生銀行信用卡中心大數據分析與應用部副總經理劉軼琳（中）與華為雲EI服務產品部解決方案總監張松（右）在華為Cloud & AI Live直播節目中暢談人工智能在金融行業的應用實踐）

而在產業級AI技術之外，另一個華為雲EI的關鍵產業實踐是與金融行業深度對話，實現聯合創新。其中華為雲與民生銀行的深度合作非常具有代表性。2019年11月，民生信用卡華為大數據聯創實驗室正式揭牌成立。華為與民生，在AI+金融領域針對於機器學習研發平台建設，以及應用社團發現技術進行風險團體識別、基於APP的推薦算法研究等方向展開了聯合創新。這些成果將導入民生銀行信用卡中心多個決策體系中，實現AI技術與金融場景有針對性的融合。

除了在傳統的智能風控和精準營銷領域中廣泛和深入地應用機器學習等AI技術，民生銀行信用卡中心還在不斷探索AI技術在提升客户體驗、優化產品服務設計、提升內部管理效率等領域的應用價值，加速企業的數字化轉型。

綜合來看，華為雲EI的能力體系與解決方案，已經在金融產業深入紮根，無論是服務案例還是聯合創新模式，都已經具備了大規模產業化的前提特徵。而在這段EI走入金融場景的歷程裏，我們更可以看到華為在推動AI技術融入金融產業的思考與行動。這也是我們需要汲取的關鍵營養。

行與思：華為如何全面推動金融+智能

毫無疑問，未來會有更多的AI技術供應商、ISV、行業解決方案提供者納入AI+金融的浪潮。隨着國家戰略的推動以及金融智能化需求的全面爆發，AI+金融的潛力將會得到極大釋放，其帶來的價值紅利將創造大量產業機遇，惠及國計民生。而在這個確定的未來中，我們首先需要建立這樣的基礎認知：一家企業融入金融+智能浪潮，需要具備怎樣的基礎能力？

從華為雲EI的產業實踐中，我們可以歸納出華為在推動金融+智能命題時，做出了那些正確的準備與決策：

1、建立完善可用的技術底座

我們可以發現，華為雲EI能夠深度融入金融行業，關鍵能力在於其根植於華為全棧全場景AI體系，能夠滿足各場景、各流程的深度技術應用需求。在華為雲EI融入金融場景的背後，有一系列華為AI技術體系在完成着準備工作，比如華為雲應用的Atlas訓練服務器、MindSpore開源算法框架、Fusionlnsight智能數據湖體系，能夠滿足金融客户從智能算力、數據存算，到解決方案提供的一系列AI需求。

基於全棧全場景AI解決方案，以及強大的計算和存儲能力，華為雲EI能夠提供從訓練到部署的全流程AI服務與解決方案，並且滿足金融場景嚴苛的產業級需求。

同時，與金融產業的合作中還要結合華為眾多AI專家與工程團隊的針對性解決能力，來滿足金融行業相對來説更容易發生的定製化需求。在一系列技術底座基礎上，華為雲讓EI對金融行業來説足夠全面、具備完整的產業縱深、可以針對性調用和融合，這才具備了推動金融+智能的基礎。

2、走到金融行業當中，實現深度理解，推動聯合創新

從華為與民生銀行信用卡中心的聯合創新當中，可以發現AI技術提供者與金融產業的深度溝通、產業對接是至關重要的技術應用推動力。技術與場景，必須建立在深度相互瞭解的基礎上才能打開應用空間，推動長期深度合作。在推動EI體系之後，華為雲相關團隊首先推動的工作就是與客户一起，去調研技術與各個領域的匹配程度，大量調研具體企業對AI技術的需求。華為認為，一個好的行業問題要勝過十個優秀算法，只有找到行業Know How，才能讓AI在產業中具備生命力。

而推動華為雲行業Know How成機制的融合，就落地為大量類似華為與民生信用卡聯合打造的聯合創新中心。這些創新中心在充分集成雙方思考與技術能力後，構築適配產業需求的實驗室系統，在行業達到標準後再融入生產環境中進行適配。基於聯合創新打造的產業樣本，又可以推動有類似需求與產業要求的企業快速進入智能空間，從而推動行業標準化生產與規模化複用。

在聯合創新中，華為與民生銀行信用卡中心各自發揮優勢，從而加快了金融智能化應用從研發到產業適配的效率，實現了1+1大於2的效果，為金融行業智能化升級提供了輻射與助力。

3、着眼宏觀發展趨勢，建立長期金融+智能策略

就產業特性而言，金融行業需要長期、穩定，有戰略性回報的技術投入路徑。換言之，金融行業不僅需要某個技術來解決某個問題，而是着眼於如何通過對AI技術的吸納，完成階段性的提升甚至跨越。這就需要AI具有與金融行業客户一同成長，共同關注和創造未來的能力。

在華為的視野中，不僅注重將全棧全場景AI能力通過華為雲EI導入金融行業，同時注重金融智能化的未來發展。比如華為正在結合自身在5G領域的優勢，提升金融智能化端邊雲解決方案的整體化能力；又比如華為希望通過自動機器學習技術，實現金融AI算法的流水線式開發，提升金融智能化的覆蓋效率。

通過華為雲EI與金融產業共同完成的產業實踐與聯合創新，可以發現技術底座、溝通與聯合創新機制、前沿技術成長能力，是金融智能化巨大市場投射到AI業態中的關鍵需求。三者互為倚靠，缺一不可。

金融+智能，是AI王冠上的產業，兼具近乎無限的成長性與極高的產業門檻。但只要找到適配金融產業的“線團”，願意聆聽和學習來自金融業的聲音，與金融客户共同成長構建未來，今天的產業迷宮，就是明天智能王國的地基與底座。