276      機器人

論壇三：人工智能帶來科技金融的未來

2017年9月29日，融資中國2017（第四屆）金融科技創新峰會在上海靜安四季酒店隆重舉行，此次會議由融資中國主辦、融中集團協辦，深圳市互聯網金融協會作為支持單位。

在互聯網金融行業同時迎來強力監管和發展瓶頸之時，“金融科技”在年內迅速崛起，作為金融行業的新熱點，“金融科技”強調通過雲計算、大數據、移動互聯、區塊鏈、人工智能和機器學習等技術手段在金融業務中的運用，改善並革新原有金融業務體係中最為基礎的要素。這種變化源於整個行業從野蠻擴張轉向腳踏實地的發展思路轉變；中國經濟長期處於投資拉動型的增長模式，與之匹配的金融體係專注於大企業融資服務，普惠金融業務的長期缺位，這使得大眾客戶和小微企業在支付、理財、融資、征信等方麵都存在巨大的藍海。然而另一方麵，頻發的風險事件也表明，僅僅靠模式創新的互聯網金融還無力支撐起信用中介與資本中介的重任，這時技術的保駕護航就顯得尤為關鍵。

那麼，基於科技化和互聯網化的金融如何走向大眾？對於金融領域將產生哪些影響？如何做到金融和科技的深度融合，科技金融中的各個領域如何在產業鏈中產生作用？這些問題在峰會的討論中逐一得到了解答。

到底人工智能可以給客戶提供怎樣的資產管理呢？人工智能又能夠如何改變金融的觸達方式和商業邏輯呢？本場論壇探討的主題是——人工智能帶來科技金融的未來。

本場討論的嘉賓是：華威國際投資集團合夥人桑琳、可可資本創始人 魏鋒、麥騰創投創始合夥人俞江虹、達晨創投合夥人迮鈞權、景智融科CEO 張雨萌，領慶創投總裁陳波主持。

以下為論壇實錄：

以下為嘉賓發言實錄：

陳波：大家下午好！今天金融科技領域從早上到下午，大家也聽了很多新的東西和觀點，今天這次會議主要是在人工智能對金融科技當中的應用，包括智能投顧領域當中，我想先花一點時間，每家機構把自己個人的背景包括公司關注的方向節大家做一個介紹。

桑琳：大家好，我是來自華威國際的桑琳。我們是一家典型的美元基金，從1998年成立至今，專注於大中華區對於A輪和B輪早期投資，比較聚焦的典型美元基金，管理13億美金的規模。從2005年進入中國大陸市場開展大中華區投資以來，我們的投資領域基本上是三大主軸。第一大主軸是1998年至今一直在投的先進科技早期投半導體科技比較多，現在也包括新材料和通訊等。第二個大類是大健康，這也是從進入中國大陸之後開始逐漸樹立起來的，第三個板塊是消費相關產業升級板塊，既包括B2C也包括B2B。消費金融相關的就是在這個板塊裏麵，所以這是我們基本上這三個大的板塊裏麵聚焦A輪早期投資。我自己負責中國大陸的業務。

魏鋒：大家下午好！我是來自可可資本的魏鋒。我們把產業互聯網和智能化作為主要投資方向，產業互聯網當中雲計算、大數據、金融科技是我們重要的投資領域，我個人從2009年開始金融IT、金融數據方麵投資了一些企業，近兩年特別是區塊鏈、數字貨幣出現讓金融科技領域裏麵的投資機會劇增，從我們角度來看特別看好，而且願意在這個行業裏麵持續下去，今天很高興跟大家一起探討一下這個領域的投資機會，謝謝。

迮鈞權：各位朋友下午好！我是達晨的迮鈞權。達晨是人民幣資金，未來國內資本我們是可以選擇的對象。達晨成立時間比較早，目前應該有17年曆史，投了400多家公司，IPO80家左右，其中70%-80%是跟TMT相關的。達晨比較大涉及比較多，是全行業全階段，我這邊因為過去是產業出身以前做研發的，學計算機，做投資也是新兵時間不長，主要是看雲計算、大數據、信息安全、人工智能、區塊鏈、物聯網技術領域，金融科技領域也是重點關注的方向。前階段投資金融科技領域裏麵，達晨布局泛金融科技應該有20家左右，今年也是向大家多學習，我就介紹這麼多，謝謝。

俞江虹：大家下午好！我是俞江虹，是麥騰的創始合夥人。我們主要做兩塊業務：一塊是孵化空間。我們在上海有六七萬平方空間裏麵孵化了500多家企業，這些小企業加在一起市值150億左右，這是一塊。另外是創投這塊，早期投資領域一個是AR、高端製造、智能製造這塊已經很多年了，現在正好AI也是一個風口也是趕上了，這個領域裏麵我們做垂直領域孵化，產業精準孵化，有一個智慧製造園區在金橋那邊。另一塊我們做了大消費和文創部分，未來我們會一起分享最早受人工智能影響衝擊的實際上是創業內容類的企業，原創應該是比較好的對衝一部分。我本人也是天使投資人，早期投了一些項目也是從業者，麥騰在2015年、2016年還是有一些小的成就，2015年新三板TOP5投資這家機構，2016年是清科早期投資TOP30，我自己是EF進投中了天使投資人投30，很高興跟大家一起分享一下AI和機器人領域新的現象。謝謝。

張雨萌：大家下午好！非常感謝主委會邀請。我們是初創機構的智能投顧企業，主要服務國內金融機構，保險公司、基金公司和年輕理事會幫他提供係統化的資產解決方案。簡單的講我們初期做了兩個產品，一個是全球的基金數據庫，不光是國內的包括國外的所有二級市場的，試圖在解決兩邊雙向機構信息不對稱的問題，還有就是做資產配置平台。我個人來講以前在平安資產負責平安資產的資產配置，之前在一家谘詢公司負責他們在中國地區的投資谘詢，之前也是一個投資經理的背景，一直在境外資管做投資經理，謝謝大家。

陳波：大家好，我是領慶投資集團的陳波。我們公司是2007年成立到現在主要關注在新材料、智能裝備、通訊與信息技術這三個大的領域。在主線上主要是圍繞軍工和大數據，這是我們兩個大的主線。本人因為是學自動化的，所以我主要是在裝備領域相對看的多一點。人工智能這塊尤其是在金融科技應用當中也是跟大家一樣，今天也是過來一起探討一下，看看有什麼好的機會。在座有專門從事金融科技投資，達晨還有團隊在看金融科技，也有從金融行業出來創業在做資管類產品的服務工作，我非常想聽聽各位投資專家以及張總，想了解一下我們在智能投顧的投資邏輯是什麼，平台上關注什麼樣的投資機會，這些機會可以給在座的什麼樣的啟發？

迮鈞權：泛金融科技領域投資公司都是比較多的，我剛才聽的時間不長，但是看到有一個畫麵就是上麵有互聯網金融，這個其實也是金融科技的前身，現在因為科技發展水平不僅是互聯網，雲計算、大數據、區塊鏈、人工智能等等驅動了金融的快速發展，不僅僅是金融，各行各業對科技加，這個是非常快。

金融科技我們看還是兩端：一端是用戶端，獲取客戶成本是不是足夠低、效率是不是足夠高，流量的優勢在哪，是不是能有效轉換。還有一端是資金端，是不是有優質的資產，你的資金成本是不是足夠低；

金融科技從分類我們也看到有兩類：一類是消費金融，還有一類是供應鏈金融；其他有些周邊做產業和金融結合，還有一些是科技公司服務於金融行業這麼幾類公司，尤其就我個人在投的案例裏麵科技類公司服務於金融行業的居多，達晨在這領域投的相當多，做了反欺詐的、征信的、自動化運維的、大數據服務的，在這塊做的非常多，我們不同階段標準不一樣。早期的時候我們還是看。金融模塊非常多，我們看的還是不一樣的，我們看到很多消費金融很有意思，互聯網背景的人出來幹消費金融會發展很快，但是風控能力可能弱一點，但是互聯網的快是大量用戶獲取成本很低、轉換率非常快，他們是希望有更多的好人把壞人覆蓋掉。但是金融從業背景的人來看，消費金融風控很強但是流量獲取成本很高，寧願錯殺一個好人也不放過一個壞人，所以還是不同的基因創業還是不一樣，我們看運行邏輯還是不一樣，到底是偏金融。實際上我認為其實科技類公司對於傳統金融衝擊是非常大的，開始可能是服務於金融，但未來很可能自己會幹，有些看上去跟金融行業都不相幹的， 特別做產業互聯網的，一下子很自然就進入到金融，不管是供應鏈金融還是消費金融，一下子幹的非常大，我大概看應該是這樣，我就說這些。

魏鋒：說到這裏我有一個心路曆程，我們公司以前投過萬德信息，前段時間大家知道特別流行互聯網金融，我看了幾百個項目不太敢投，膽子比較小，2016年年初到美國去，我就在想互聯網金融，到美國參加創業大賽提到了Fintech，當時我第一次看Fintech，這就是我想要的東西，為什麼這麼說呢？Fintech是tech for fin。我覺得算法能力讓計算能力大幅提升，這樣讓整個的效率特別是跟用戶接觸的效率提升了。第二點來講，是數據積累和算法改進讓投資決策更加精準，最終也是提高了效果，這兩點來看機會還是很多。我們看金融，金融到底是什麼？垂直用戶說金融是價值，跨時間、跨空間轉移，從業者來看一端接觸就是資產，資產對應的是分解，另外一端是資金就是信用，中間就是數據也好、信息也好、今天也好叫BOK這樣形成了一個決策。在這三大塊裏麵每一塊裏麵都可能產生金融科技的巨頭公司，這是我的一點分享。

俞江虹：我覺得剛才分享的非常好，在分享之前我覺得高總剛才仔細聽了講的非常好、非常全麵，講到關於Fintech科技創新裏麵很多方方麵麵都看不到。我在這裏麵想實際上講創新，其實金融領域的創新是最滯後的，除了信息化提高了其他沒什麼太多的變化，包括投資，30年前、40年前投資和我們現在做的差不多。除了現在Excel表用的比較好一點，Word更熘一點，其實沒什麼創新。在這裏麵我覺得金融本質剛才也提到了，我理解金融本質是兩條：一是杠杆，二是風控；杠杆提的是效率問題，所以在Fintech裏麵提高的是效率，這是非常好的東西，我本身也是理工男，清華自動化係的。我們講本質，金融創新裏麵目前在我們國家裏麵有兩點。剛問了主持人下麵是什麼人？大部分是創業金融領域的人，另一部分是做投資的，兩邊的人都要知道數據獲取合法性在哪裏。我們做人工智能分析數據從哪裏來，合法性邊界在哪裏，否則你做完了最後數據拿來不合法，前功盡棄。這是第一點要注意的。第二點是，政策的動態變化可能會帶來一定風險，剛才講到SDU比特幣在國內很多造幣價格在波動，波動跟著政策在波動，所以這裏麵，我覺得金融創新領域裏麵把握政策很重要，否則的話其他都解決，這個問題沒解決的話，公司的價值、創業的價值你會分享可能會受到影響，這是真的，我覺得這是關鍵的地方。

桑琳：很感謝剛才幾位分享，我也講講我的想法。我們回顧這幾年投過的案子在今年突然一個一個領域的案子都跟AI有關，我們就隻好自己偷著捂著嘴笑。我覺得是否AI這件事隻是其中的一個部分，從科技金融這兩個關鍵詞來看事實上這件事情一直在發生，無非就是有科技的力量改變包括金融在內的行業，所有的傳統行業都在唯科技力量改變。我們講供給側改革，我就說人類曆史上什麼時候停止過供給側改革的腳步？所謂的科技改變金融其實是一直在發生的，比如說效率這件事情，當初從人工交易員升級到電子化交易係統這就是科技對金融的改造。我們以前隻能去櫃台做傳統的銀行業務，現在可以網絡做這就是改造，手機APP端可以做這就是改造，但隻是說我們沒有這麼爆發性的把所有科技元素無論是大數據也好、人工智能也好，把它跟金融變革這麼緊密的聯合起來，因為爆發性的變化才讓人們聚焦過來說這件事情是在科技金融發生，Fintech在改變這個世界，以我看來在現在我們所提到的關鍵詞裏麵，除了區塊鏈技術是完全有別於傳統的金融技術的，其他的都是用技術改造原來金融中的某個環節，比如說今天這個命題AI改造的是什麼呢？AI改造的是多個在金融鏈條中的功能麵，比如說審核、信用評估、風控模型改造、催收策略改變，這些都是原來信貸業務或者原來無論是消費信貸還是供應鏈金融裏麵的一個環節，不是從係統結構上改變，而區塊鏈是從結構上改變，內核就不一樣了。

回過頭來講，這樣的改變在以往人類曆史上都在發生。剛才麥騰說的很好，就是幾十年來大家做投資，跟當年VC在美國出現的時候大家做投資，好像沒有什麼差別，才會出現巴非特這麼多年就是一招鮮吃遍天，就看基本麵、就是用常識做投資。今天我們可以看到是因為數據量放大，或者因為人們更進一步解決信息部對稱帶來信用不確定性，所以創造出了很多方法和新的技術來實現功能，這個背景下，科技遠遠超過了人腦或者受限於人腦可開發程度的功能。

但是這裏我想提醒大家一點，我們不能泛人工智能化，我們很多工作是被自動化替代掉，自動化替代的是重複勞動不需要做決策，隻是把重複勞動替代掉了。可是人工智能的價值，是在於之所以比自動化要搞一個層級，是因為它可以做出新的決策，我覺得這是本質上的差異，所以才會有對於數據量的要求，才會有對於模型的要求、才會對於機器學習、自學習的要求提出很高的需求。在這個過程中，我們才會看到包括智能投顧在內可以解決傳統哪怕自動化了、哪怕用了量化投資工具、哪怕開發了很多著作權軟件都沒有辦法解決的，這不是分類貼標簽而是對於每一個人的行為，對他的行為數據在全社會數據裏麵的關聯性做出個性化模型。如果說還沒有走到智能決策這一層最多叫做自動化，還不能叫做人工智能。

張雨萌：我首先完全談不上從創業的角度跟大家分享思考，因為其實我是從今年年初才出來做景智融科企業，之前十幾年一直在做投資，我從金融這方麵跟大家分享一些思考。首先智能投顧這個詞，我剛剛離職創業的時候，朋友說你非常後知後覺，就是你怎麼現在才創業，創業這個風都要過去了，問我創業做什麼？我說做智能投顧，但做智能投顧投資人比較反感，你千萬不要跟他說是智能投顧。所以，現在投資人管我們叫智能解決方案，不叫智能投顧。國內其實沒有那麼多複雜的稅收治理讓你做理財規劃方麵，這個其實我個人覺得是智能投顧產生價值中很重要的一點，還有就是國內資本市場其實也沒有太多的被動工具，或者交易成本很貴。但是我覺得相對樂觀的像智能投顧或者人工智能的兩個邏輯，一個是從上至下、一個是從下至上的話，國內確實是一個散戶式的，而且相對來講我覺得是有可能產生量化選股公司，找一些非線性相關的邏輯去分析。從上至下的話機構市場還是蠻大的，簡單的邏輯我覺得國內還是一個大量資產往金融市場搬家，國內專業能力還是集中在大的機構上麵，其實有一些線上屬性可以做到把服務在線下通過SaaS的服務平台化實現的。簡單分享到這，謝謝大家。

陳波：剛才幾位嘉賓也從各自的工作當中給大家做了一些分享，有從大數據挖掘、算法、消費金融、資金成本等等，包括從怎麼樣給機構提供服務做了一些分享，這也是一些投資機會。我順著張總的話，創業算不算晚，我有一個觀點。金融科技領域當中，實際上最早做投資的很多都是外資機構在做第一輪，現在看是不是人民幣在做外資機構接棒，還是外資關注的領域當中再來尋找一些創新機會？我想問一下桑總，作為外資機構來講怎麼樣領先內資機構，在座有做早期孵化和早期投資的幾位投資人和創業的，我們也想就這個觀點，大家下一步關於人民幣機構或者內資機構，能不能走的比外資機構更靠前一點。

桑琳：坦白講，我並不覺得美元基金還是人民幣基金在這件事上有多大差異，隻是說在投資領域，實際上國內投資體係比國外的體係更加複雜。在國內今天為什麼大家覺得老百姓錢多？就是沒有出路，沒什麼地方可以投，可是在國外麵對全球市場哪怕是一個人的資產，也需要谘詢投顧人員說我的錢應該怎麼分配，有少放在債券、有多少放在貨幣基金等等，他可選擇的餘地大，甚至是能源類的產品可以做投資，當然也會擔心敘利亞打仗會不會受影響等等。從這個角度上來講，國外的投資人麵臨投資的選擇比較大，數據量也更大，如果說從科技金融或者Fintech所處理的問題來看，恰恰處理的就是大數據量複雜環境多種決策下麵怎麼優化決策提升效率，從這個意義上來講，在美國先出現這件事是天經地義的事情，這無關技術能力中國人足夠聰明、技術能力足夠強，技術永遠都是服務於目的的工具。

回過頭來講，很多時候在Fintech發展領域裏麵其實中國都是在向國外經驗學習，剛才說智能投顧，在外國創業者看來這不是2015年、2016年的事情了嗎？所以很多美元基金都是在2015年、2016年矽穀在掃這樣的公司，甚至是還沒有出來創業AI的人做這個事情，2015年、2016年是一個高峰。中國最熱的是互聯網金融是P2P，他要解決的是另外一個層麵的問題，是中國金融行業遇到的傳統金融，在麵向小額高頻信用借無抵押貸款的問題無法解決的機會麵前，用互聯網的形式解決了，無論是P2P也好，還是麵向供應鏈的金融解決方案也好，其實是在解決傳統金融機構高成本低效率所沒有辦法覆蓋的市場。今天我們看金融監管仍然是這樣，號稱做P2P線下開網點、做30萬以上貸款不讓你幹的是這些，可是小額的消費金融比如說貸800元、2000元，包括說大學生借1000元，銀行是做不了很難做，你說不用互聯網金融方式、不用大數據方式提升效率來做，怎麼做呢？市場又明顯有這個需求在，整個網貸市場動不動三四百億的交易額，說明這個需求是存在的。所以在2015年、2014年中國所謂科技金融或者互聯網金融解決的市場問題，和美國科技金融解決的完全不是一個問題，隻不過2016年年底的時候發現Fintech這個詞是可以共用的，所以這個時候大家才同時開啟討論。

中國有一個特點是人特別多，所以交易數據量都特別大。2017年在AI概念下，全行業無論是金融還是非金融行業都在提AI這個概念，突然驕傲發現在AI所麵對的科技金融領域，中國終於跟美國可以站在同一條起跑線上了，為什麼？因為我們數據量足夠大，我們不需要等到投資組合足夠複雜、投資機會足夠多的時候再來幹這件事情，所以我覺得這是最有趣的事情。如果從這裏往後講，在解決金融產業鏈環節中無論是識別也好、審核也好，用AI技術提升效率、提升準確率，減少錯誤或者說防範風險從這個意義上來講，中國也好、美國也好，人民幣基金麵對的創業者也好、美元基金麵對的創業者文化都是在同一條起跑線上，甚至我們數據累計速度比他們快好幾個量級。如果說你是用智能換的方式形成決策而不是提升效率，可能美國創業性公司的實踐經驗以及客戶可以給他們的機會是完全不一樣的，所以麵向未來來看，無論是中國基金還是美國基金，都會把目標更加聚焦在AI技術對於各個環節效率準確提升上，對於智能投顧這一塊美元基金更多還是在看在美國已經有經驗的那些項目。

俞江虹：我補充一下，剛才桑總講的非常好，美元基金和人民幣。實際上每個市場的發展跟市場的需求剛需有關係，我個人感覺美元和人民幣中國創投或者投資領域20年曆史，前10年基本上是美元基金，後麵10年基本上是人民幣在引領風騷。現在你看國家多厲害，到處都引導資金，現在外資進來反倒不是優勢，有些領域也不太好投，對於資本來源要進行考慮，上市怎麼上、軍工怎麼弄，從這個角度看，我個人感覺未來在人工智能領域可能還是比較快，尤其在判斷領域信用等級上，過去靠人來分析根本不靠譜靠關係，可能都不可觀，現在大數據來分析可能更靠譜，決策領域你講的非常好，中國不差人，領導都愛發發言、都愛在決策裏麵顯示權威性，所以在決策領域裏麵AR中國可能不會比美國走的快，你講的非常正確，結論是正確的，原因是需求沒那麼大，最後決策還是領導拍板。早期決策說機器判斷還是不太靠譜，還是需要人來判斷這個人是否真靠譜，機器不一定能完全分析出來，所以從這個決策領域必須是不一定會像美國走的那麼前麵。

陳波：剛才俞總也講了，從自動化和決策領域當中，決策認為在中國未來還是有一個過程，這個我也覺得比較高興，因為學自動化的總算以後自動化還可以做點事，因為決策還是需要我們做。但是從後麵一個觀點來講，我想最後一個問題，就是我們做智能投顧也好、人工智能也好，實際上在金融科技領域產生了很多影響，因為我們有做創投的、機構客戶服務的，這個會不會取代我們自身的決策，甚至其他的崗位。前兩天微信上也看到炒股票炒不過機器人，還有人做嚐試說用智能公司模型選一些早期投資，在座投資專家分享一下你們的想法，你們怎麼看？我們有沒有一天會被取代掉？

魏鋒：我覺得趨勢在那擺著，債券投資再過3-5年100%都是機器人完成了，二級市場投資被取代比例也是很大，一級市場我覺得比較幸運，短時間內看不到一級市場被取代的趨勢。

為什麼這麼說呢？在理性方麵計算機一定會比人強這是毫無疑問，計算機的決策不帶有任何感情色彩。我們在一級市場投資當中經常講投資就是投人，對人的判斷來講，這裏麵至少在我們有生之年還看不到能夠完全看到人的特征、過去使用記錄，知道這個人適不適合創業、值不值得相信，這點還是比較有信心的，這是我們做創投的幸運之處。

最近有家長問說我們孩子要到國外學習學什麼專業比較好？我有的時候開玩笑講一定要注意人工智能發展對未來孩子就業影響，基礎的法律工作我覺得以後不要碰了，因為計算機處理會越來越強，除非你做大律師搞政治、搞人際關係這個更強一點。投資、債券、二級市場、量化投資等等被替代可能性還是非常大的。

張雨萌：我也經常會被問到小孩去國外，因為我本人是精算師，但是我坦率的說算考的比較早的國內的精算師、英國的精算師，但是沒怎麼真正做過純精算工作。但是國內也有家長孩子考慮讀精算，我覺得也是現在忽悠報道說國內金領中的金領年薪幾百萬，但是我覺得精算這個行業其實就很能說明問題，未來大數據保險對精算傳統的行業需求越來越小，但是你說他是不是能夠完全替代精算師也不是，除了精算有一些監管賦予精算師職責以外包括做互聯網，如果真的有一天一個機器能把一個人不管是出險概率、死亡概率算的很準確，就是未來保費是一百萬概率是0.77，所以現在收你77萬的保費還叫保險嗎？其實不叫保險了，追到根上失去保險最初的意義所在了。不是說算的越準越好，我覺得保險行業還是比較能說明問題，就是確實能夠幫助你更有效的運作資金端和資產端，但是是幫助你，並不是說做到極致，那就淡化行業的意義了。

桑琳：我也經常被問到這個問題，自己的孩子考慮將來方向意向的問題。我覺得這個事情看怎麼看，因為人類不停的在進步，從科技替代人類勞動角度來講人類也麵對好幾輪了，不是第一天麵對科技金融會考慮這個問題，為什麼大家會緊張？我覺得差異是在於最早機器替代人替代的都不是做高智商工作而是勞動力，最早就是汽車替代了馬車，那個時候很多人說馬車都失業這些人都沒有工作了，可是你知道這些人幹什麼工作了嗎？他們去修路去了，想明白了嗎？他們隻是從一個工作的崗位搬到另外一個工作崗位，他們的類別還是不需有很多高知識領域複雜勞動，還是做簡單勞動的。但是現在大家就會覺得有壓力，那些金融行業做高智商的人都被替代了，還有什麼崗位可以給他用？我覺得真正壓力來自於這個，就是到底科技金融裏麵被替代的人長什麼樣，其實被AI替代工作很多在別的行業上沒有那麼大焦慮，我們投過一個做翻譯的現在隨便講都是AI，很簡單，傳統的翻譯給他一個東西一個星期後拿過來一看翻的狗屎，再加一倍價錢給另外一家，所有翻過的東西在係統裏麵看一下30%不用翻剩下70%是新的，這種效率提升對於低檔次的翻譯人才來講真的是負麵性打擊，這些人根本不需要存在，隻需要有稍微好一點的。機器還能把國外所有媒體上公開文章全部扒出來97%都用的是這種翻譯表達方式，然後小翻譯翻的隻有3%的人用多半是不對的換掉了，可想而知這種替代是不可逆轉的。

在這個過程中會發現一個非常重要的特征，就是AI所能替代的都是從公開信息中可以得到已知數據的，從這裏我回應一下剛才說的，為什麼債券類工作分析判斷的人容易被替代，因為他做的全部都是不確定性、較低的已知公開數據下做決策，那為什麼一級市場的工作不太容易被替代？是因為我們大部分的決策都是來自於不公開的，我們要通過盡調跑三個月剛剛完成的項目調盡兩個星期42場訪談，你算一下這個壓力都要麵對麵溝通，我們都是在未公開信息裏麵挖掘和解決信息不對稱形成判斷依據，這讓AI怎麼做呢？這個機器人是不會跑到全國出差做這件事情的，所以這是最基本的第一件事情，能夠被AI取代的工作，你工作中的信息來源如果全部都是公開信息，絕對會被替代掉，不用等了，趕緊換一個方向。第二個，如果你做的是重複性勞動，就算你再聰明你想一個再奇妙的招數，因為你做的是重複性勞動還是會被替代掉，因為大數據可以通過APP上的行為、通過物聯網和車輛各個數據匯總過來以後，把你根本想象不到有關聯的數據都關聯起來了，這就是為什麼講人工智能的時候講的不再是相關性，無關的東西也能給你算出來，算法跟你大學時候學高數的算法不一樣了。從這個意義上來講，如果你隻做簡單勞動、決策邏輯是非常局限的，基本上你是容易被取代的。

第三件事情，你是隻跟數字打交道還是一定要跟人打交道，什麼意思呢？剛才講投顧做兩件事情，一件事情是跟客戶講了解客戶你的需求是什麼，第二件事情是，拿出你手上所有的選擇告訴你哪個最明智。第二件事情機器完全可以做，第一件事情做不了，放一個冷冰冰機器人跟客戶聊天，去問你家幾口人？我覺得至少在我有生之年是沒有辦法， 能夠解決掉這種人的溫情眼神，和肢體語言是不可替代的。比如說，我們在教育領域投AI，昨天還有一個做教育機器人的跟我聊，我就問他一件事情，我說你認為放一個機器人跟他像母語一樣聊天就能學母語了嗎？可是你知道我跟一個還不會說話的小孩說英語，是因為有肢體語言，如果你把他變成一個瞎子殘疾人隻有聲音你能教會嗎？不可能，這是因為人的交互行為產生不可替代性，從這三個方麵來看一下你的行業、工作或者將來的人生取向可以簡單的做出判斷。

俞江虹：我總結起來看是這樣，一個是靠感性和理性。機器人是泛概念，可以通過影片替代當然可以叫，語音識別科大訊飛都有了，語義比較難但是語音識別解決了，知道你發音準不準告訴你，這都不是關鍵，我們判斷的時候要從更基層的角度來看這個問題，實際上偏理性的一定可以被替代、偏感性比較難，我們做投資的時候，藝術和科學做決策，偏藝術類的決策也比較難被替代，凡是用科學手段基本上是程序化的東西，我想早晚會被替代，時間問題。對人的判斷和肢體語言等等機器也會看，但是相對臉是在變，綜合技術運算下很難長期不會。還有究竟未來人有沒有用，這是哲學問題了，人的很多功能會變化，人的職責會變化，我們現在認知能力有限，其實造水、造桌子或者話筒不會有人做了，都是機器幫你做出來，現在已經有人在做了，無人工廠也有，立體倉庫都有，現在智能倉庫都能解決所有設計好的東西。但是我覺得人沒想到的功能會發揮出來，尤其創造性的東西，所以不用擔心會被機器人完全替代。

陳波：謝謝各位嘉賓，我從桑總這邊得到一個信息，鼓勵大家往更高端的決策方向努力，千萬不要做一天一天重複的事，但是我覺得很多你要學會做決策，還是基於你日常的認知過程當中才能慢慢的成長起來，尤其是像我們做投資的更多需要長期經驗積累，所以再次感謝各位嘉賓，謝謝大家。

（本刊記者整理，未經客戶審閱）

最後更新：2017-10-08 08:57:50

  上一篇： 專訪IROS 17大會主席張宏：機器人已到突破的拐點

  下一篇： 拿了諾貝爾獎的引力波，人工智能分分鍾找出它的“事業線”