微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 投资预测、欺诈防范、服务创新——AI如何重塑金融业面貌?

投资预测、欺诈防范、服务创新——AI如何重塑金融业面貌?

2021-06-23 15:37
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-06-23 15:37 科技行者

金融行业正在发生一场巨变。从新型货币到新的贸易形式,无数创新正在同一把钥匙的开启之下绽放光芒——这把钥匙正是人工智能。几乎一切新的资金管理方法,都或多或少与AI有所关联。

据预测,在全球范围内,AI金融科技市场的总值预计到2025年将达到226亿美元。

AI将从根本上改变人们与资金交互以及使用资金的方式。由于货币的通用性以及对几乎各个市场与行业的深远影响,我们绝不能低估通过AI推动金融创新所产生的影响。

这其中又包含两个关键点:金融行业正变得越来越以用户为中心,而每一家金融科技企业都面临着巨大的现实挑战。

金融业的数字化与去中心化

金融科技以用户为中心的主要体现,就在于数字化加上去中心化。无论是在线申报还是非接触式支付,大家应该已经体会到财务数字化的历史趋势。整个加密货币行业的蓬勃发展也在某种形式上影响着金融交易的面貌。这种数字化与去中心化的进程,代表着相当一部分权力由大型银行机构转移至普通民众手中。

以往,即使是股票交易等相对个人的行为也需要经过投资组合持有者的介入。但如今,一款简单的应用程序就能让交易者轻松访问自己的资产并加以充分支配。

YOLOrekt公司以用户为中心的贸易解决方案就是个典型的例子。该公司强调自己能够在3分钟之内完成对加密货币的价格预测。此外,他们还计划推出第二轮功能升级,将把以太坊、WBTC、特斯拉以及GameStop等纳入进来。其中的基本思路明显与传统的数据驱动方法具有显著差别,并且对用户更加友好,而且结论全部由AI模型计算得出。

投资预测、欺诈防范、服务创新——AI如何重塑金融业面貌?

▲ 图:Yogesh Srihari, YOLOrekt公司联合创始人

金融即服务+前沿AI工具

如今,整个金融世界都在努力接纳数字化与去中心化。用户与银行打交道的频率正在变得越来越低,要赢得用户并且保证风险可控,AI则成了一个重要的工具。

举例来说,在线金融服务确实很高效、体验也更棒,但问题是其往往受到欺诈活动的影响。根据联邦贸易委员会(FTC)于2020年发布的报告,年内共发生470万起身份盗窃、冒名顶替的欺诈与在线购物诈骗事件,并造成33亿美元损失。权力大众化当然好,但保护工作该如何开展?

对此,Sardine.ai公司提出了欺诈预防即服务(FaaS)的概念,以AI技术为基础,通过对欺诈者内在行为的分析捕捉相关情报。

想象一下,欺诈者拥有一大堆以欺诈手段盗窃而来的信用卡。他们开始用这些卡在网上购物,而Sardine.ai团队构建的算法目的就是努力对这些欺诈行为进行精准识别。

据了解,他们的方案会对多项指标加以跟踪,包括设备、位置、VPN甚至是具体交易行为。最后一条还能进一步细化——系统可以衡量操作过程中的犹豫或迟疑程度,将对方的输入模式同合法用户的输入习惯进行比较,例如观察对方如何点击或滚动。换句话说,它能观察一切,借此判断出使用卡片的到底是不是卡主本人。

目前,大多数金融科技初创企业都专注于筹集资金,但却忽略了欺诈活动带来的真实威胁。事实上,Sardine.ai公司联合创始人兼CEO Soups Ranjan曾亲身经历过这类问题:“我当时负责CoinBase的数据科学与风险工作,同时也帮助一家英国银行管理金融犯罪。我发现每当推出新的产品或服务时,总会伴随出现欺诈行为。其中一项业务还因欺诈影响而被迫将美国的上线日期推迟了六个多月。”

投资预测、欺诈防范、服务创新——AI如何重塑金融业面貌?

▲ 图:Sardine.ai公司团队

“他们很小心、很谨慎,但欺诈分子一刻不停。他们会提前几年就在候补名单上登记,等待金融科技平台推出后立即上线。为此我们启动了Sardine.ai,希望帮助那些处于初创或快速增长阶段的金融科技与加密货币企业免受欺诈行为的侵扰。”

并且,所有这些创新都在降低整个金融行业的入门门槛,确保大部分企业都能参与其中。

每家企业都该拥有金融科技公司的属性

可以这么说,任何希望在市场上继续生存的金融机构,都必须将自身转变为某种形式的金融科技企业。这意味着将技术融入业务的各个层面,借此建立起更好、更精简的客户体验。

当然,AI只是这项广泛的金融科技运动中的一部分,其他相关方案还包括区块链、机器人流程自动化与大数据分析等。

同时,金融科技企业的融资也呈现出爆发式增长。新冠疫情的突然来临让整个市场重新焕发了活力,甚至有部分分析师将其称为第二波金融科技浪潮。面对竞争压力,传统企业需要对技术及人力资本进行重大投资,借此为未来的市场对抗做好准备。

那么,金融AI创新时代下,什么样的企业能胜出呢?

德勤公司的分析师们总结了金融服务领域AI先驱企业的三大共通特征:

1. 将AI嵌入战略规划,且高度关注技术在组织内部的实施能力

2. 专注于利用AI改善客户参与度与收入水平

3. 采用组合方法获取AI方案

AI已经逐步发展成熟,早期采用者也借此在竞争中获得了初步优势。可以肯定地说,金融科技领域的AI普及与其说是一种趋势,不如说是一种新的现实与常态。

面对如此蓬勃的发展态势,我们不禁对未来五到十年的金融业走向充满期待。而否认未来如何变化,有一点已经非常明确:AI驱动下的新兴技术将同时给消费者及散户投资者带来可观收益。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-