人工智能 因果樹 金融

今天非常高興能夠代表因果樹，給未央網(wǎng)的粉絲們做分享交流。今天我定的這個題目叫人工智能金融的未來。

實際上現(xiàn)在做人工智能和金融結合的公司有很多，但客觀的說都不成熟，都沒有達到他們理想的目標。包括因果樹現(xiàn)在做的事情，實際上也代表著未來的一種方向和趨勢。所以我們拿現(xiàn)在的案例，包括拿因果樹的案例，從具體的業(yè)務和技術方面來講講人工智能金融的未來。

何為人工智能？

那開篇我們還是得落俗套，從定義開始，談到人工智能現(xiàn)在大家應該都很熟了，甚至現(xiàn)在又大家發(fā)明了很多新的名字，比如說，擬人智能、有情感的計算、有情感的機器人等等。實際上就是希望機器或者叫系統(tǒng)，能夠像人類一樣思考。比如通過自然語言處理、通過圖靈測試，能夠很好的表達人類的知識，自動推理，像人類一樣去學習，同時能夠表達人類的理性的一面以及感性的一面。比如說智能軟件來代理和嵌入式的機器人能夠通過感知和規(guī)劃推理學習及溝通和決策等等行動，實現(xiàn)更多的類似于人類的目標。

而大家最早的接觸人工智能，我想很可能IBM當年研發(fā)的超級電腦——深藍。他在九七年的時候戰(zhàn)勝了國際象棋大師、世界冠軍卡斯·帕羅夫。而今年人工智能又火了一把，使這個概念基本上家喻戶曉，因為3月15號的時候谷歌的人工智能“AlphaGo”跟世界的冠軍李世石打了一場比賽，最終是四比一AlphaGo取勝。因為大家知道圍棋的計算量比國際象棋要高很多個level。所以也使得大家對人工智能有了更強的興趣、更深的理解以及更美好的對未來的憧憬，甚至出現(xiàn)了一些對未來的人工智能的恐慌。

現(xiàn)在世界上人工智能，有兩個強勢的國家，一個是美國，大家知道美國這么多年來包括從當年的星球計劃開始，他在國防高級研究計劃局、國家的各種科學基金會，包括他的衛(wèi)生研究部門，海軍、還有他們頂間的情報機構。都投入了大量的資源，做人工智能的研究。第二個就是日本，日本現(xiàn)在已經(jīng)是大家勿庸置疑的機器人大國。他們從八一年開始就撥款八億五千萬美金，研發(fā)人工智能的計算機。到現(xiàn)在在日本的機器人已經(jīng)幾乎涵蓋了機器人所能夠觸及到的每一個細分領域。

人工智能與金融的結合

而人工智能跟金融的結合實際上起步是相對晚一點的?，F(xiàn)在人工智能跟金融結合最好的方面應該是人工智能輔助量化交易。也就是說，通過機器學習自然語言的處理。我們知道美國有家公司是李嘉誠投資的叫Sentient Technologies，這家公司就勵志與去做一個能夠取代投行分析師的投資機器人，叫Kensho，他可以運用自然語言的處理深度學習等AI技術建立量化交易模型。它可以在很短的時間內做高頻的數(shù)據(jù)分析和投資的交易決策。做這種產(chǎn)品或者說實現(xiàn)這種業(yè)務功能，最重要的第一步是搭建知識圖譜，就是讓機器能夠像人一樣的，去處理這些數(shù)據(jù)或者說結構化以及非結構化的信息，然后來滿足人類的知識表達和業(yè)務需求。

而人工智能和金融的這種結合，現(xiàn)在在美國也是一個非常熱非常前沿的領域。這家叫Palantir的公司現(xiàn)在是硅谷最牛的公司之一。他們現(xiàn)在的估值在兩百零二億美金左右。僅僅排在之前Uber和Airbnb之后。其實這家公司做的事情就是通過人工智能，做一些非常前沿的工作。比如說他們著幾個合伙人，以前都是替美國的各種高端機構跟俄羅斯的一些黑客作戰(zhàn)的技術精英。經(jīng)過他們在硅谷的多年的打拼，通過控股和間接的交叉任職也已經(jīng)影響和掌握了歸國大片的IT公司。

他們之前做過很多很奇妙的案例，比如說他們曾經(jīng)利用人工智能快速的去比對和通過構建知識圖譜來挖掘美國每一個個體之間的人與人之間的關系，從而精準的定位出誰是潛在的恐怖份子。而最終提交給美國情報機構的名單，也讓美國情報機構嚇了一跳，甚至懷疑他們本身就是恐怖分子，是恐怖分子的這個窩里的這種內斗。所以這家公司什么聲名鵲起之后他們主要服務于美國的CIA和FBI等等國家機關部門。他們也曾經(jīng)利用人工智能的技術推出過自己的金融數(shù)據(jù)分析平臺。

其實談到這家公司這四個合伙人，我想左邊第一個大家都會相對熟悉一些，這個Peter實際上是前段時間暢銷書《從零到一》的作者。而最近，美國川普競選的時候他知道整個硅谷的精英都是反對川普的。而只有這個Peter他站出來，出錢出力來幫川普站臺。大家也知道Peter，他在投資圈也非常的有名，他有一個投資信條就是我只投大家都不投的。所以他當年給facebook的那幾十萬美金現(xiàn)在已經(jīng)翻了不知道多少倍了。所以，現(xiàn)在可以看到美國的頂尖的精英也已經(jīng)致力于人工智能以及人工智能跟金融的結合這個領域最說這個領域在未來是非常有前途。

人工智能在金融領域的應用

目前能夠逐步實現(xiàn)的，或者說有雛形的人工智能在金融領域的應用，我覺得有這么幾項，第一是智能投資顧問、第二個是金融預測與反欺詐、然后再就是融資授信、安全監(jiān)控預警、智能客服以及服務型的機器人。在后面我再給大家舉企業(yè)案例的時候也會再次可能提到其中的幾個點。其實大部分都很好理解，智能投資顧問就包括像我們因果樹·圖靈產(chǎn)品。他可以三秒鐘回答投資圈的任何問題，里面包括行業(yè)怎么樣、行業(yè)的周期、包括投資的所有的項目、投資人創(chuàng)業(yè)者包括他們的產(chǎn)品及競品的運營數(shù)據(jù)、行業(yè)的公司數(shù)據(jù)、還有產(chǎn)品線的一些運營層面的用戶畫像等等。

金融預測與反欺詐，這個很好理解，基本上大家可以理解成：利用機器對數(shù)據(jù)的大規(guī)模以及高頻率的處理能力。比如說前面還有一個例子是說美國一家公司她專門挖掘個人的隱私信息，但他用這項技術來做好事，他不去泄露你的隱私，而是他監(jiān)測整個互聯(lián)網(wǎng)當發(fā)現(xiàn)有個人的隱私泄露的時候，他會幫你報警。那么這個也是現(xiàn)在在金融詐騙肆虐的今天也是很重要的一項應用。

融資授信，這個現(xiàn)在像螞蟻金服、京東金融，都已經(jīng)在做和應用。安全監(jiān)控預警，這個后面我會再次講到，包括對圖像的大數(shù)據(jù)的分析和語音大數(shù)據(jù)的分析來做到無縫的監(jiān)控的天網(wǎng)和預警。智能客服這個后面在講科大訊飛的時候會著重地強調一下。比如說我們可以通過對人語音的這種挖掘可以判斷出對方來電的原因、對方來電的情緒、以及對方的內心訴求，然后將它轉交給相應的客服。比說你是來投訴的，或者來咨詢某種業(yè)務的等等。服務型機器人這個也是通過讓機器人具備對人的語音。乃至于像一些表情和圖像的這種智能化理解來做出具備一定情感和推理決策能力的反應。這都是未來機器人所必須要攻克和實現(xiàn)的一些技術難點和功能。

而目前人工智能的金融結合的最主流的能夠變現(xiàn)的玩法，我覺得有幾種：

第一種就是自動生成報告。現(xiàn)在我們正在開發(fā)的就具備這樣功能，包括后面我們即將上線的新的產(chǎn)品。其實，這個也是我們說像Kensho這種產(chǎn)品去取代投行的分析師，那所必須要實現(xiàn)的第一個功能：它可以快速的去挖掘定量和定性的信息?？梢詫崿F(xiàn)分析師差不多四十個小時這么大的工作量，基本上機器可能幾分鐘就能完成，然后自動生成一份可用的有價值的報告。

第二是輔助量化交易。這個目前在中國的金融監(jiān)管體系之下做的相對還慢一點，而在美國已經(jīng)應用得非常好了，包括在華爾街多年以前就已經(jīng)提出要用機器來取代這個分析師甚至交易員?，F(xiàn)在有幾家成熟的公司已經(jīng)可以做到用機器來同時監(jiān)測、投資、決策出二百多種復雜的金融產(chǎn)品的組合來幫用戶做尤其是大型的基金，做投資理財。而他們所取得的業(yè)績也已經(jīng)趕超了像美國的這個彼得·林奇這種傳奇級的投資大師。所以說這個應用是非常有前景的。

那么我們轉眼來看中國，中國現(xiàn)在在人工智能金融領域應用比較好的企業(yè)案例，其實有很多。前段時間我們剛給政府做過一個案例的研究報告，那么其中談到了大概有八到九家。我們這里我們舉四個案例。第一個是京東金融，然后螞蟻金服，然后是我們自己因果樹，然后是科大訊飛。而這里面實際上科大訊飛嚴格地講，我們不太方便把他定位在某一個細分領域里，因為我們知道現(xiàn)在很多的領域都要用到他們的一些基于語音的智能分析，所以這里我們也著重的點一下科大訊飛。

我們先看京東金融。實際上京東金融很早就已經(jīng)關注到智能投顧的這個領域，但是一直沒有很好的落地。他們主要是基于基金的這種代銷牌照，來推出他們的產(chǎn)品，基于人工智能和大數(shù)據(jù)等等技術，把理財顧問的這種能力和服務，來固化或者說在系統(tǒng)里去模型化，從而用廉價的在線的種方式為用戶提供，比如說小額理財這些服務，甚至一些消費金融，然后在線推薦和投機給她們的消費者。京東金融他們首先規(guī)劃過用戶的需求，除了投資需求以外，還包括用戶的財務診斷，比如資產(chǎn)負債、財務自由度、儲蓄率等等。他們診斷用戶當前財務狀況是否健康，通過數(shù)字化的方式，來標準和精細化到的線上。

京東借助于他們自己擁有相對完整的用戶消費端的畫像、數(shù)據(jù)，來綜合用戶消費和理財?shù)娜鞒痰膱鼍?，來刻畫一個比較完整的用戶畫像，完善他們這種理財環(huán)節(jié)。其次是進行場景化的包裝升級，京東金融的產(chǎn)品是以引擎為內涵，場景化為外延來與用戶交互。甚至跟消費打通。他們會考慮用戶投資之后有什么樣的衍生行為，比如說：去旅游、去消費、買車買房等等。這時候產(chǎn)品不僅僅是一個工具性的東西，還具有某種引導用戶進行健康理財?shù)淖饔?，更適合于普通大眾層面的理財規(guī)劃。目前進入金融利用人工智能。逐步優(yōu)化他們的人機交互體驗采取文字乃至語音的方式，使得產(chǎn)品用戶體驗更好。

而基于以上這些也導致京東金融在從京東集團脫離出來以后，市場給予了更高的預期和可能更高的估值。這與他未來的一些發(fā)展方向和前景以及帶給投資人的希望當然是分不開的。

然后是螞蟻金服，螞蟻金服實際上設立了一個特殊的科學家團隊。專門從事繼續(xù)學習與深度學習等等人工智能領域的前沿的研究和應用。他們的業(yè)務場景非常的完整，應該說是目前是國內業(yè)務場景最廣同時又最深的企業(yè)案例他們進行了一系列的創(chuàng)新。比如說互聯(lián)網(wǎng)小貸、保險、征信、智能投顧、顧客服務等諸多的領域。根據(jù)他們自己公布的數(shù)據(jù)，網(wǎng)上銀行的花唄和微貸業(yè)務，使用機器學習把虛假交易率降低了近十倍，為支付寶的證件審核系統(tǒng)開發(fā)的基于深入學習的OCR系統(tǒng)能使得他們證件校驗核查的時間從一天縮小到一秒，同時提升了百分之三十的通過率。

而以智能客服為例的話，2015年雙十一期間，螞蟻金服百分之九十五的遠程客戶服務都已經(jīng)由大數(shù)據(jù)智能機器人來完成，同時實現(xiàn)了百分之百的自動語音識別。當用戶通過支付寶客戶端進入我的客服以后人工智能就開始發(fā)揮作用。我的客服會自動猜出用戶可能會有的疑問和提問方式供其選擇。這里一部分是所有用戶常見的問題，更精準的是基于用戶使用的服務市場，最近的行為變量抽取出的一些個性化的疑問點。在教育過程當中也通過深入學習和語義分析，給出自動的回答。問題識別的模型、點擊準確率也有大幅的提升，在花唄業(yè)務上機器人的問答準確率已經(jīng)從百分之六十七提升到大概超過百分之八十。

然后科大訊飛在智能語音的挖掘上有很多的專利和技術應用，那么我們就不一一贅述，我們可以單獨點下他們的機器人，比如說：科大訊飛現(xiàn)在一直是基于業(yè)界領先的這種語音的處理技術，他們研制了一款“小曼”的智能機器人?！靶÷钡臄M人化程度是非常高的。不僅賦予他人的形象相對應的感情動作，同時具有一定的可交互性，而且是顯得比較自然。在技術上它首先是解決了客服機器人在大廳環(huán)境下的這種混淆背景噪聲、人聲干擾、回聲等等一系列的噪音問題。通過先進的麥克風和語音序列，以及定位，以及嘈雜環(huán)境下的喚醒率的問題，都可以使用戶體驗非常的完美。

因果樹“圖靈”：用人工智能解投融資問題

那么下面給大家簡單介紹下因果樹。我們現(xiàn)在是一個做大數(shù)據(jù)的人工智能的股權投融資服務平臺。實際上，我們現(xiàn)在主要分幾個板塊，首先，如果說因果樹是一顆樹的話，那么它的根那自然就是大數(shù)據(jù)，那我們的數(shù)據(jù)跟別人有什么不一樣？我們知道現(xiàn)在市場上，搜集數(shù)據(jù)并且分析數(shù)據(jù)形成產(chǎn)品，然后往外賣的機構，他的數(shù)據(jù)來源無非有幾種。

一種是，結果機構內部的那這個當然非常局限。哪怕你是BAT的巨頭之一，你也只有自家的數(shù)據(jù)。

那么第二種就是網(wǎng)絡的spider去抓的數(shù)據(jù)，那這個數(shù)據(jù)也是非常有限，因為現(xiàn)在對端口的監(jiān)控非常嚴密。

第三就是通過SDK的接入，而這種SDK接入我們知道，像有一些頭部應用可能都會不太愿意來讓第三方去嵌入內部的這個SDK。那這樣的話，他們的很多數(shù)據(jù)都是靠少量的應用來去反向推測。而這個樣本量可能就是百萬頂多是千萬級的，然后去推測全網(wǎng)幾億甚至十幾億的用戶，那這個準確度大家可想而知。很多在數(shù)數(shù)量級上具有很大的偏差。而我們因果樹現(xiàn)在主要是依托運營商的數(shù)據(jù)，我們知道現(xiàn)在移動終端的普及率已經(jīng)超過了百分之百，所以應該說最全的數(shù)據(jù)，肯定是掌握在運營商的手里。

所以因果樹歷盡千辛萬苦和九牛二虎之力，拿到了聯(lián)通全國和電信全國的整個的用戶端的行為數(shù)據(jù)，以及網(wǎng)信等等網(wǎng)絡端和固網(wǎng)的數(shù)據(jù)。而從這些數(shù)據(jù)里我們可以挖出大量的寶藏，當然現(xiàn)在我們知道運營商的數(shù)據(jù)回傳量很大。一天的回傳量，可能以我們現(xiàn)在的挖掘速度兩天都挖不完。但是現(xiàn)在我們采取的戰(zhàn)略就是根據(jù)市場的需求，市場上最迫切需要的數(shù)據(jù)優(yōu)先排期。先把這部分數(shù)據(jù)?？梢源_保是精準的，可以確保我們的合作伙伴拿到以后讓他來發(fā)揮價值，尤其是可以知道我們的投融資市場以及運營方的決策。

目前因果樹是一家B輪的公司，所以需要非常注重明確我們的業(yè)務戰(zhàn)略，現(xiàn)在我們的業(yè)務主要是服務于投融資的投前投中投后各個階段。

從投前的項目挖掘，我們每周都會通過機器自動來甄選優(yōu)質項目推出我們的超新星。而我們知道現(xiàn)在超新星的這種命中率也就是說，我們推出的超新星企業(yè)在未來六月以內，可以順利拿到下一輪融資的這種概率，已經(jīng)達到了百分之二十多將近百分之三十。而在投前，我們的很多數(shù)據(jù)集成和數(shù)據(jù)端的bd，也可以由機器來完成，也可以解決現(xiàn)在投資人面對項目太多沒有時間做盡調，或者說假數(shù)據(jù)滿天飛的現(xiàn)狀。在投中，我們知道如果投資人可以提前快速的命中某個跑道的優(yōu)勢企業(yè)，那么他現(xiàn)在去接觸的時候，他需要相對的一個合理的市場估值。而現(xiàn)在我們通過機器模型，通過過往的投資案例，以及運營端的數(shù)據(jù)以及團隊的個人評估。我們做大批量的機器估值的工作，而這個是如果未來做的更加精準的話，這是市場上的一個定價的權威性。而在投后，我們也做項目的監(jiān)測與長期的審查與管理來披露項目的的信息進行風險提示，以及幫助做賽道的評估和競爭對手的評估。

我們數(shù)據(jù)源有五個大的方面。第一個是全網(wǎng)的公開數(shù)據(jù)。這個目前相對占比較小，它包括了這些項目的官網(wǎng)、媒體報道、社交平臺、招聘平臺、各種網(wǎng)站論壇以及評論。第二類就是我們國內外的運營商，這個是我們最重要的數(shù)據(jù)也是我們的寶藏。包括了聯(lián)通電信移動以及美國電信。第三類就是二級市場的數(shù)據(jù)，包括一些著名的券商經(jīng)常使用的一些數(shù)據(jù)庫。那么第四類就是我們定點的行業(yè)數(shù)據(jù)，包括各個行業(yè)，包括行業(yè)協(xié)會和工商等國家的行政單位。再就是知識產(chǎn)權的數(shù)據(jù)，包括國家知識產(chǎn)權局。

因果樹特別強調我們的三級分類。大家看上去可能覺得很簡單，但實際上把這么多的企業(yè)，精準的劃分出來他的層級架構、上下游的關系以及他的合作伙伴，和尤其是巨頭的這種賽道布局，還是一個比較艱苦的工作，所以這工作我們做了很長時間。而實際上這是一個基礎，有了它我們才可以去做合理的估值?？梢悦鞔_我們某一個標的、某一個項目需要跟哪些公司去做對比。所以說在這個是我們知識圖譜里面最重要的一個部分。

搭建了這個體系以后，我們因果樹·圖靈就可以改變我們過往單純利用財務指標來衡量公司價值的現(xiàn)狀。我們可以結合行業(yè)的具體數(shù)據(jù)，比如行業(yè)周期發(fā)展、行業(yè)新公司、新產(chǎn)品以及行業(yè)的招聘和傳播等等一系列的數(shù)據(jù)。制定每一個行業(yè)和企業(yè)的KPI。然后從注入市場規(guī)模、商業(yè)模式、核心競爭力等等很多的維度去評估一家公司，并且知道公司發(fā)展過程當中，應該注重哪一個點。也可以使得投融資市場更有序更理智。

當然現(xiàn)在圖靈還是迭代的比較早期的一個版本。我們致力于通過他來三秒鐘回答任何投融資的問題，比如說如果現(xiàn)在你到百度去問某家企業(yè)怎么樣和某一個行業(yè)怎么樣？可能給出答案是碎片化的或者更多的新聞報道，甚至更多的是企業(yè)的一些公關稿，那么這些數(shù)據(jù)和行業(yè)觀點，很多都是非常水的。而因果樹給出的這種答案就包括了詳實的數(shù)據(jù)，可能后面還要接入更多的券商研究的一些行業(yè)觀點。當然還有整個競品之間的數(shù)據(jù)對比，還有投資機構的投資情況的對比等等。

所以說因果樹·圖靈在入口這個層面，可以解決傳統(tǒng)過于碎片化和有效信息非常少的問題，可以使它更加的結構化、可視化，同時是基于知識圖譜的，而不是冰冷的數(shù)據(jù)而是有觀點和結論的。

人工智能的未來在哪里？

最后我們看一下未來的展望。實際上人工智能在切入金融這個領域以后肯定會給金融行業(yè)帶來很大的變革。我們看提到他包括有新的體系，整個的行業(yè)可能出現(xiàn)很多的這個玩家，新的人員架構，可能數(shù)據(jù)的科學家在金融圈會占據(jù)越來越重要的位置，包括新的利益分配。那既然在產(chǎn)業(yè)鏈上出現(xiàn)了新的科技金融公司，而且扮演了重要的角色，那么現(xiàn)在的產(chǎn)業(yè)鏈以及利益分配，也肯定會被重新的定義，對于現(xiàn)在的金融體系會形成革命的挑戰(zhàn)。挑戰(zhàn)其實現(xiàn)在就已經(jīng)有很多，比如說現(xiàn)在我們大家看到，有些技術人員比如說淘寶的員工通過一些手段來秒殺內部提供的福利然后受到處分，比如說很多網(wǎng)站都要防止機器人過多的采集和刷單。

而現(xiàn)在馬上春節(jié)了，大家也都非常痛恨這個12306上面也為了防止機器人的過度搶票，來采取了非常復雜的，不受歡迎的這種驗證技術等等。而未來，有專家也也講金融領域會不會有一天由于監(jiān)管跟不上技術的發(fā)展。如法炮制出一個本質上相當于“人工智能與狗不得入內”這種新的行業(yè)的游戲規(guī)則，這個也是非常有可能的。

互動問答

1、用大數(shù)據(jù)和人工智能對股票市場進行預測是否可行？

這個問題非常的具體。實際上毋庸諱言，大數(shù)據(jù)和人工智能能不能用在股票市場，這個首先取決于這個股票市場是不是一個價值投資為主導的市場。更具體點可能用在美國會更加的有效，而實際上現(xiàn)在美國的二級市場，各種基金對于大數(shù)據(jù)和人工智能的利用已經(jīng)非常成熟了。就是做這種高頻的交易去賺這種利差也好，波動的收益也好。同時可以采取多種衍生金融產(chǎn)品的組合多的真的可以同時操作同時拼湊二百多個金融產(chǎn)品。而且收益率非常高，效果非常好。但是如果拿到中國來講的話，中國的股票市場，我們也不太方便做太多的點評。可能某位，所謂的，這幾大有良知的經(jīng)濟學家之一。曾經(jīng)講過是中國的這個股市可能是一個可以看你底牌的賭場。那么這么一個價值投資不占主流的股票市場，同時監(jiān)管又相對落后，不成熟的市場，大數(shù)據(jù)和人工智能，當然也可以進，但是不要對它寄予太多的期望。

這個問題就回答這么多。

2、金融行業(yè)如果想要和科技巨頭們PK人工智能就必須擁有大數(shù)據(jù)壁壘，您認為銀行能夠享受的數(shù)據(jù)優(yōu)勢是什么？

銀行的數(shù)據(jù)太有價值了！目前我們在談但是還沒有真正拿到銀行業(yè)巨頭的數(shù)據(jù)，但是銀行也在拼命的希望跟我們合作來拿我們的數(shù)據(jù)。直接采購原始的挖掘數(shù)據(jù)，可見雙方都對彼此非常的覬覦。然后其實金融圈尤其是銀行的數(shù)據(jù)，他這個作用就太多了！比如保險公司就每天都得盯著，對吧？很多金融詐騙的也在盯著。那很多機構直接就是跟錢直接相關的賬戶，和用戶的精準的消費畫像。那這個東西你可以用來做很多事情。

而實際上人工智能跟金融結合，未來的圖景就說可能是十年以后。因果樹也希望我們能夠產(chǎn)生出新的產(chǎn)品，比如說現(xiàn)在中國的金融市場比較缺乏適合未來新興中產(chǎn)階級的理財產(chǎn)品。就是說中等金額的。未來如果說，中產(chǎn)階級想接觸一級的優(yōu)質的股權投資，現(xiàn)在是沒有入口的，是投資無門的，就是說不能帶你個人玩兒。未來我們希望能夠通過技術的發(fā)展，我們把優(yōu)秀的，一二級市場的標的做一些金融上的處理，形成一些良好的可供個人參與的新型的綠色理財產(chǎn)品。

3、對于互聯(lián)網(wǎng)金融公司而言，如何合理的布局人工智能領域，進入門檻和時機是否具有關鍵性影響？

當然現(xiàn)在做的都是一些很初級的事情，就是幫著一些交易所做一些工作，當然我們不說的太詳細。再就是幫一些投資機構，當然跟銀行的數(shù)據(jù)的交換，甚至是有可能打通，因為未來可能也是要走的一步戰(zhàn)略上的路。

這個進入門檻和時機，門檻肯定是有的，時機肯定是很關鍵的。但這個門檻可能我們自己公司內部討論也不認為，大家所講的數(shù)據(jù)源是核心門檻，核心壁壘，我不這么認為?？赡軙r機很重要然后商業(yè)化重要，然后業(yè)務邏輯，知識圖譜這些是我們的門檻，是我們的壁壘。再就是我們早期積攢了一些經(jīng)驗，那這些也是門檻。而時機當然很重要，我們知道很多創(chuàng)業(yè)公司不是做的不好而是做早了。所以時機很關鍵，那么現(xiàn)在我們也不斷的根據(jù)市場的需求變化來調整我們的產(chǎn)出物，然后調整我們的服務和產(chǎn)品的質量。

再一個互聯(lián)網(wǎng)公司的布局，那這個布局也分兩個層次，第一個層次是，要不要自己做，第二個是要不要去投。我想如果你要自己做的話那最好是單獨成立公司。然后剝離原公司的人，就是說不要讓原公司的人去領導這家公司，然后單獨去招聘新的這個技術基因、互聯(lián)網(wǎng)基因、數(shù)據(jù)基因以及金融基因。然后布局，如果你有這個實力的話當然布局是非常好的，其實現(xiàn)在BAT也有一定的布局。尤其是百度和阿里。