人工智能的投资逻辑范文

前言：我们精心挑选了数篇优质人工智能的投资逻辑文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

近期，中国投资界关于人工智能（AI）在投资领域应用的焦点，非“广发百发策略价值基金”莫属，这是智能投资在国内公募基金投资领域首次多元化应用。

近年来，AI在投资领域的应用，正深刻改变着投资市场。高盛寻找员工建立自动化投顾平台，为100万美元以下资产的客户提供服务；全球最大资管公司贝莱德集团用机器人取代基金经理，对其主动投资基金业务进行重组，计划裁员包括7名投资经理在内的100名主动型基金部门员工。野村证券在报告中指出，截至2015年年底，全球机器人投顾旗下管理资产已经达到500亿美元，并预计于2020年达到2.2万亿美元，占到全球资管行业的2.2%。

基金投资开启人工智能时代

在中国资本市场，以人工智能为基础的投资技术以其独特的优势，正式走向前台。从广发基金网站上的“广发百发策略价值基金”的有关信息来看，百度与广发基金合作，正在尝试用智能投资技术，多元化整体提升投资效能、发掘市场价值。百度在人工智能领域一直走在国内的前沿，当人工智能遇上金融，我们看到了中国也正在进入人工智能的投资时代。

百发价值这只基金尝试将人工智能技术在量化投资领域多元化深度应用，实现“智慧投资”。不同于过去的风格或策略相对单一的量化基金，这是一款多策略和多数据种类交叉应用的主动型混合基金，瞄准的是大盘蓝筹股，投资基准对标沪深300指数，但不是简单追踪沪深300指数。从对标指数选择来看，适应了价值投资的趋势，回避了高波动、高风险和后市承压较大的小盘股。当以人工智能技术的应用来强化在选股、择时和资产配置方面的优势时，可以更加敏捷地应对风云突变的市场形势，也能回避投资风格漂移等问题，在效率和策略上强化传统量化投资的优势。

百度理财官网介绍，百发价值基于多元化智能投资的前沿技术，在极大拓展大数据应用领域的基础上，全领域萃取多样量化因子，并进行投资动态监测、风险监控跟踪，通过机器学习平台反复测试模型，建立量化交易策略的动态调整机制，最终实现智能选股、精准调仓、准确择时的完整投资链条。

为什么投资需要人工智能

投资的核心是什么？无非两点：决策好、执行好。人工智能的优势在于决策更好、执行更好。

一方面，人工智能极大地拓展了投资决策边界、更加智慧地捕捉投资价值。从大的投资逻辑来看，投资决策包括两点，一是宏观资产配置；二是微观组合构建。从资产配置来看，百发价值是混合型基金，股票好的时候多配置股票，债券好的时候多配置债券，股债双杀时则将资产集中于现金和货币资产保障安全收益。人工判断股票、债券和现金货币资产的配置比例，存在很大的随意性。人工智能依靠机器学习对海量数据处理和投资模型自适应的优势，实现科学决策，提高资产配置的效率，实现资金的使用效率和投资效率的全面提高。从微观组合构建或选股的角度看，人工智能不仅能有效运用远超任何个人处理能力的大数据和投资决策信息，还能通过高频反复迭代训练，为传统量化选股模型带来突破性创新，在投资逻辑与运算能力得到保证的前提下预期能够提升整体业绩。

另一方面体现在纪律上。机器辅助人执行投资，能够确保投资纪律的执行效率。机器执行，在时间上的效率优势上是人工难以比拟的。另外，除了时间效率，智能投资的逻辑也会对以人为主体的投资过程中的随意性进行有效的制约。投资的很多纪律，是反人性的。人性的任性往往造成情绪化决策，即便是优秀的基金经理也难以幸免。笔者曾写过“炒股的十三条纪律”，很多人虽然收藏了，但仍然很难做到。有一位优秀的基金经理，当时的同事对他的评价是“冷静得像一块石头”，这是对基金经理遵守选股原则和交易纪律的最高评价了，但如此优秀的基金经理毕竟是少数。人工智能，便是一个“冷静的机器人”。

投资哲学的优秀执行体系

笔者对基金公司的理解是：受人之托，替人理财，忠人之事。购买好的基金产品，核心评价当然是该基金公司的投资能力。一个优秀的基金公司，比人有好的投资哲学体系的指导，并在该公司长期的投资和研究实践中不断优化自己的投资哲学。如果一公司的投资哲学只停留在务虚的讨论上，而没有通过实践进行深刻检讨和改良，则很难形成真正有竞争力的投资能力。

百度用AI赋能金融，无疑给了投资哲学一个“智慧实践”的平台，让好的投资哲学能够在实践中不断进化，让好的投资哲学形成更加优秀的投资决策模型，形成真正的投资能力。比如：专精高效的机器学习技术支持。随着数据资源整合开发的深入，未来选股模型将面对更大规模、结构多元、信息丰厚的复杂性数据，这就需要更加适用于金融市场的算法开发、优化及应用；百度AI具有深度挖掘的情绪数据、舆情数据、热点数据、传统金融数据、分析师研报数据等，提升数据信息含量与质量、拓展投资决策依据的外延；此外，百度全面的生态体系，可以提供“特色数据资源”，以地理位置时空数据为例，行业基本面数据、非结构化数据或基于大数据创新的宏观经济指标等不同维度的特色资源，均能为选股和资产配置模型带来增量信息，在投资逻辑与运算能力得到保证的前提下预期能够提升整体业绩。

有很多曾经优秀的基金公司，由于基金经理和研究部门负责人的变更，导致该公司投资风格出现较大变化，投资业绩也受到影响。如果一个基金公司能够通过人工智能技术做好公司投资哲学的模型化，并在长期实践中实现智慧学习，推动模型的进化，在模型进化中，实现公司投资哲学的升华，则能在充分竞争的基金管理行业中，不断强化核心竞争力。

百发价值这款产品的上线，为传统证券与基金行业在产品创新上提供了新的思路。人工智能等技术的输出，让传统金融机构有了快速打造智能金融的阶梯。百度AI技术的开放，为传统金融机构创造了迅速跟进的机会，将极大地改变行业现状。在AI赋能的未来，或许将没有传统金融与新兴金融的区分，将共同开创智慧金融。

人工智能引领价值

第2篇

“互联网金融是场景革命，在场景里为用户提供独到的金融服务。而Fintech是技术革命，需要把技术逻辑和业务逻辑结合在一起。人工智能是Fintech里最核心的东西之一。”万向控股副董事长、通联数据董事长肖风表示。

通联数据是万向集团旗下子公司，成立后一直低调运作，万向集团斥资3亿元初期投入，前博时基金创始人肖风出任董事长，前博时基金股票投资部总经理王政担任CEO。

近年来资管行业蓬勃发展，有着深厚金融基因的通联数据的管理团队却没有跟风去做“掘金者”，而是选择“卖水”，为资产管理机构提供金融信息服务。致力于将云计算、大数据和人工智能技术与先进的投资理念相结合，为资产管理行业打造创新、高效的金融服务云平台。

迎接资产管理行业新时代

在陆家嘴的万向大厦，通联数据所在的楼层新增加的座位又坐满了，大家以互联网公司的高效率、快节奏忙碌着，这群具有金融、计算机、算法等各种背景的精英正全力投入Fintech时代，他们正在做一件对资管行业具有革命性意义的事件。

随着互联网的快速发展，海量的数据爆炸式增长，通联数据应运而生，从最底层做起，建立了强大的数据平台。

“只有做好数据端的质量，做到别人都做不到的数据，才是成功，这一过程就持续了3年。”肖风表示。

“通联数据现在的数据来源分为三部分，一是自己搜集整理，二是从第三方购买，三是数据商把数据整合过来放在云平台，未来会有更多数据商的数据接入进来。”通联数据CEO王政介绍说。

打好数据的地基后，就需要用最新的金融科技建造资产管理的大厦，因为Fintech的核心就在于科技与金融的深度融合。

在底层数据库之上，通联数据又构建了两个平台，萝卜投研和优矿，其中萝卜投研是针对基金经理和研究员提供智能投资研究服务的平台，而优矿则是一个众包的、分享式的量化平台。

王政表示，通联数据将使投资更趋智能化，更加依靠模型和数据去寻找规律，效率得到飞速提升，这将重构资产管理行业的生态。

据了解，目前已经有数十家机构在试用通联数据的产品，包括公募、私募、保险等资管机构，也包括非资管机构。

Fintech的前沿是人工智能

除了资深的基金业人士外，通联数据还吸引了来自阿里、百度、腾讯、微软等公司的技术骨干加盟，众多IT工程师在探索将智能搜索、自然语言处理、机器学习等人工智能技术应用于投资管理行业。

肖风表示：“人工智能是Fintech里最核心的东西之一，人工智能正对我们的社会发生深刻影响，人工智能将帮助研究员、交易员、基金经理提升工作效率，这是未来的一个方向。”

人工智能是一项战略性前沿技术。近年来，人工智能产业发展迅猛，进入高速创新期。将人工智能和金融投资深度融合，使金融智能化也成为大势所趋。

通联数据打造的萝卜投研就是一个智能平台，收集海量信息，然后通过自然语言处理和机器学习等技术，高效而专业地提炼出对研究有用的信息，帮助投资人从大量重复、繁杂的底层数据处理过程中解脱出来，有针对性地帮助投资者提高投研效率。

例如，在底层数据收集层面，先对数据进行清洗；在数据整理层，会对数据进行专业分类，对信息进行初步智能处理；然后是机器学习的层面，通联数据专门训练了一个垂直搜索引擎，用人工智能模拟人类的思维方式，使它理解交易员、基金经理有什么样的需求。让计算机对大量数据进行提取、整理、分析，把精炼后的信息，或初步发现的逻辑线索呈现给用户。

以大数据创建知识图谱

通联数据还首创了以大数据为依托的知识图谱，包含了A股所有上市公司的多重股权关系、高管、产业链、主题概念等重要信息，让投资者可以一目了然地把握影响上市公司股价的重要信息，发现隐藏的线索，抓住转瞬即逝的投资机会。

第3篇

人工智能的含义于1956年第一次问世以后，于科研行业里快速兴起，不断发展成了一系列把计算机作为主导，涉及到生物学、心理学、语言学、数学逻辑、医学、信息论、控制论与自动化等覆盖面较广的新科技。与人工智能结合，让机器具有和人们智能阶段相似的体系，可以成功实现人类智能可以做完的任务。人工智能机理为讨论、研制怎样拓展、仿真人的智能的机理。人工智能技术是新发展起来的计算机科学其中的一个领域，它诠释了智能的本质，且于这个基础之上加工出一系列和人类智能相似的智能机器。这个行业的探究涉及机器人、语言分辨、图像分辨、自然语言处理等多个体系。电气工程主要探究的是与电气工程相关的信息处理、信息处理与计算机、体系运作、开发研究、自动控制及电子电气技术等。由于科学技术进步越来越快，计算机技术现已在人们生活里无处不在。快速进步的计算机编程技术有利于宣传、自动化输送及宣传。人们的大脑是非常精密的仪器，计算机编程不仅可以模仿它给信息实施研究、解决、互换、采集与答复，因此对人类大脑技术的研究可以有利于电气工程自动化的进步。电气自动化控制对于加大互换、加工、配置及运输等起着关键的作用，完成电气工程的自动化，能够减少投资的人力费用，节约更多时间。

二、人工智能控制器的好处

对于不一样的人工智能控制，必须采用不一样的措施来分析。然而部分人工智能控制器，比如：遗传算法、神经、模糊与模糊神经全部为一类不是线性的函数近似器。使用以上区分的方法有益做整体的分析，而且能够有利于为控制方案做整体性的研究。上面提到的人工智能函数近似器拥有普通的函数近似器而没有的好处。第一，大部分情形下，准确地知道控制物体的动态方程是相当繁杂的，所以控制器规划现实控制物体的模板的时候，常常能够出现许多无法预料的原因，比如参数改变和非线性时等，这些往往不能够掌控。但是人工智能控制器规划时能够无需控制物体的模板。按照降下的时间与回复的时间不一样，人工智能控制器经过一定的调节能够加强本身的功能。比如从降下的时间角度分析，模糊逻辑控制器优于PID控制器的四倍；从升起的时间角度分析，模糊逻辑控制器优于PID控制器的两倍。和传统的控制器比较，人工智能控制器拥有容易调整的特点。虽然没有专业人员的实时引导，人工智能控制器也可以采用回复数据以实施规划。还能够经过使用语言和有关信息等形式实施规划。人工智能控制拥有非常大的同一性，键入以前没有见过的数据便可以出现非常高的数值，能够减少驱动器给其造成的不良反应。针对一些控制物体，即使现在未使用人工智能控制器也能够有非常好的影响，然而针对别的控制物体，并不确定是否有类似的非常好的影响，所以对于规划需要根据实际问题制定具体的解决方案。对于模糊化与反模糊化，假如使用适应模糊神经控制器与隶属函数，可以准确地实施定期核实。对于完成此成果的多种方案里面，唯有经过体系工艺的应用才可以获得固定的数值，加上简便的拓扑组构，可以达到非常快的自学程度。

三、人工智能于电气自动化里的应用

人工智能探究的重要目的是让机器可以完成部分一般要人类智能胜任的繁杂任务，电气自动化为分析和电气工程相关的体系运作。人工智能的组成部分包含逻辑推导、定理证明、机器人学、专家体系、自然语言理解，人工智能的使用表现在问题解答、自动程序规划、行为功能、思维功能与感知功能等。但是以上方面全部表现了自动化的特点，传达了同一个主旨内容，那就是加强机械人们意识功能，提高控制自动化。所以人工智能对于电气自动化行业将会起到非常重要的作用，电气自动化控制同时也需要人工智能的加入。由于人工智能技术进步地越来越快，许多科研工作者开展了对于人工智能在电气工程自动化控制中的探讨，比如：怎样把人工智能体系使用到问题的判断及预料、电气产品规划及爱护或控制等。从如何更好地规划产品角度讲，规划电气装置是相当复杂的任务。需应用电器、电路、电机和磁场等多课程的专业知识，还需应用传统规划里的经验。

四、结语

第4篇

关键词：人工智能技术;供水设备;电气自动化控制技术

人工智能技术在各行各业中的应用越来越普遍，极大地推动了生产效率的提高。作为一门边缘学科，人工智能技术属于自然学科和社会学科的交叉，涉及到的学科里面包括不定性论、控制论、计算机科学、心理学、数学、认知科学等等。在供水设备机械电气自动化控制中应用人工智能技术，能够有效地节约人力资源成本，提高供水设备的运行效率，减少供水设备的运行故障，推动供水企业的健康稳定发展。

1 人工智能技术

人工智能技术主要是对新设备、新技术和新理论进行拓展、研究和开发而形成的一种新兴技术。计算机发展的过程中，人工智能是一个重要的发展方向和组成部分，在该领域产生了各种应用设备，例如图像识别系统、语言识别系统、机器人等等。总体而言，人工智能技术是多个领域和技术的结合，可以使机械设备完成与人类智能相似的功能，从而达到提高生产效率的目的，减少人力资源方面的投入[1]。

2 在供水设备机械电气自动化控制中应用人工智能控制器

不同类别的人工智能控制器需要不同的研究手段，例如遗传算法、模糊神经或者神经算法等等，本文将人工智能控制器作为非线性函数近似器进行研究，从而对人工智能进行开发和研究。与普通的函数估计其相比，人工智能非线性函数计时器具有非常明显的优势，其在供水设备机械电气自动化控制中的应用也能够取得良好的效果。首先，如果使用普通的函数估计器，研究的过程中会遇到一些不确定性因素，对供水设备的稳定性造成影响。而使用非线性函数近似解，则无需将研究对象的模型建立起来，能够对个别对象进行便利的研究，从而推动了电气自动化控制系统在供水设备中的应用。其次，为了达到一定的目的，研究者可以对供水机械设备的性能进行调整，从而有效地提高供水设备的适应性。第三，与控制器或者普通函数估计其相比，人工智能非线性函数近似器在调节数据方面更加便利，能够对供水设备的数据进行便利的调节。第四，在设计供水设备机械电气自动化控制系统的过程中，设计者只需获取供水设备中的数据，就能够应用人工智能技术对其进行设计。在设计供水设备机械电气自动化控制系统时，只需根据其所响应的数据和语言，就可以完成全部的设计，极大地简化了设计过程[2]。

在反模糊化和模糊化的过程中，使用隶属函数、规则库、自适应性模糊神经控制器能够进行自动实时确定。

3 人工智能技术在供水设备机械电气自动化控制中的具体应用

本文以恒压供水中的AI 人工智能调节器为例，对人工智能技术在供水设备机械电气自动化控制中的具体应用进行了简要的介绍。

3.1 工作原理 该系统包括压力变送器、阀门、水泵、控制接触器组、AB-PLC-1756系统、AB软启动设备、AI- 808 人工智能调节器几个组成部分。由于水泵具有较大的功率，380V的低压电机5台供水，分别为2台355KW，2台220KW，1台160KW。

出水总管的压力可以由压力传感器进行检测，由变送器向AI- 808 仪表进行传送，通过比较设定值，将误差的变化率和压力误差得出来。使用AB软启动设备进行降压启动，使用AB-PLC-1756系统进行机组开、停控制，及检测各仪表，利用上位机组态软件RSVIEW32对全厂生产设备进行监控，通过各监测设备在上位机人员控制调节供水压力。AB软启动设备具有软启动功能，起动加速时间不超过30秒，并具有自行调节功能。在进行起动斜坡加速时，电机压力会不断上升，当电动机的压力已经到达额定的转速状态时，软启动器的控制器就会对其进行监测，并自动将输出电压切换为全电压。如果在30秒之内电动机就已经到达了额定转速，则可以进一步缩短启动加速的时间。

3.2 控制算法 供水系统的对象还有时变成非线性环节，一些参数会出现未知式的缓慢变化，如果要达到理想的控制效果，单独使用PID 控制是不行的。因此使用改进PID和AI人工智能调节器进行模糊控制，形成双模控制算法[3]。

3.3 AI-808人工智能工业调节器 AI- 808人工智能工业调节器具有参数自整定功能、模糊逻辑 PID调节的先进控制算法，能够通过模糊算法来避免PID的饱和积分。如果误差减小，则可以对PID算法进行改进，对被控对象的特征进行自动学习和记忆，从而优化控制效果。这样一来，即使对复杂的对象也能够进行良好的控制，具有参数确定简单、精度高、无超调的优点。

3.4 可编程控制器 可编程控制器的输出是继电器类型，主要使用Micrologix系列。水泵的逻辑功能主要由PLC来完成，无需设置模拟量的输入输出模块，有力地节省了造价投资。使用AI- 808人工智能仪表来进行系统的压力闭环控制。

3.5 控制台 手动和自动两种操作模式在控制台的设计中都有所兼顾，通过手动操作来单独开启或停止每一台水泵和阀门，并通过多圈电位器来对变频器的频率进行手动调节。如果处于自动模式之下，则可以通过开关来将需要投入运行的水泵选择出来。如果某台水泵需要维修，则可以令其自动退出运行行列，不会对系统正常运行造成影响。

4 结语

本文对人工智能技术在工程设备机械电气自动化控制中的具体应用进行了简要的分析，人工智能技术得到了迅速的发展，在各行各业中都得到了广泛的应用。应用人工智能技术的恒压供水系统，在民用供水系统和工业供水系统中都已经得到了应用，并取得了良好的应用效果，已经成为了供水设备机械电气化自动控制发展中的一个重要发展方向。

参考文献：

[1]孙斌.解析电气自动化控制中人工智能技术的运用[J].科技传播，2014（04）.

第5篇

准星数学组别的研发负责人、电子科技大学计算机学院博导符红光说，高考机器人其实是人工智能水平的试金石，技术关键在语言理解和知识推理。高考机器人需要通过推理建立知识库，而不是市面上常见的学习机储存的题库。“比如，当解答鸡兔同笼的试题时，高考机器人不仅需要读题、理解，也需要掌握知识之外的常识，如鸡和兔分别有几条腿。”

机器人参加高考来源于“类人答题机器人项目”的规划。该项目是中国“十二五”规划的重大专项，集合了超过30家主要科研院校共同研发，目标是研制出能参加高考并考上重点大学的“类人答题机器人”。

从2015年科技部立项到2017年参加高考，这款高考机器人仅有两年的“备战”时间。在此前进行的测试中，“高考机器人”解答近几年的高考北京卷，最难的一道压轴题能在两分钟之内解出。林辉对“高考机器人”明年数学考上一本很有信心。“普通学生一天做100道题，人工智能可以一天做几万道题。它在这个过程中不断学习，分析人类看不出来的规律。”

根据计划，中国的高考机器人计划在2020年考上北大、清华。林辉介绍说，人工智能机器人的核心是将老师的教学智慧和经验转化为机器认知。

机器人能精准采集学生书写的原始笔迹，对笔迹进行自动识别，利用构建的知识库，及时对学生答案正误、错误知识点、错误原因进行智能判定，将前后答题步骤进行逻辑推理证明，实现一题多解下的判定和评测，甚至是对初等数学主客观题的自动评测。

为不给考生造成困扰和保障考试的真实性，在考试期间，考试机器人并不会进入真正的考场，而是在一个特定、封闭的空间，在公证人员、工作人员等见证下，与学生们同步进行答题。“人工智能在运算、推理、存贮等方面具备超强的能力，特别是具备了自我深度学习、自我优化能力。”成都高新区相关负责人说，不管是体力竞赛还是智力竞赛，人工智能总能与人类的顶级高手较量一番，且屡创佳绩。

第6篇

2012年，在技术创业尚未形成风气之时，他中断了在美国的学术道路，回到中国，与中学同学、前阿里云总监林晨曦创办了依图科技公司，致力于计算机视觉业务。谈到创业的初衷，他说：“我始终认为，技术要应用于现实生活中，才能发挥出最大的价值。”

2013年，依图科技拿到了真格基金百万美元的天使投资。2015年和2016年，依图科技先后完成A轮、B轮融资，估值数千万美元，成为业界最被看好的计算机视觉创业公司之一。

创业四年，甘苦尝尽。朱珑的技术优势显而易见，要面对的难题也不少：没有商科背景，是否会让他在管理上左支右绌？在人工智能这样的前沿领域，没有现成的商业模式可供借鉴，他该如何取舍公司的业务方向？

8月，趁朱珑在北京出差之际，《时间线》对他进行了专访，听朱珑讲述行走在中国科技产业浪潮之巅的故事。

《时间线》：2012年你创业的时候，国内人工智能市场是怎样的？

朱珑：当时大家对人工智能的未来不像今天这样有信心，资本对这个圈子的热度也远不如今天。并不是说你来自MIT就很容易拿到投资。我认为2012年是技术类创业的标杆性的一年，此后，创投圈开始从“资金密集型”和“资源密集型”转向“智慧密集型”。

《时间线》：如你所说，当时资本圈对AI并不像今天这样抱有信心，依图拿到真格基金百万美元的天使投资，经历了怎样的过程？

朱珑：在红杉资本中国基金副总裁吴莹的介绍下，我和我的合伙人林晨曦与真格基金的创始人徐小平先生在他的家中见面，交流了十几个小时。当时，徐老师对人工智能技术并不十分了解，但非常看好我们的团队和AI的未来，提出给依图两百万美元的投资，这笔资金动用了当时真格基金总额的7%，我认为徐小平老师是个非常有魄力的投资人。

《时间线》：你们的很多项目都是与政府部门合作的，一家创业公司是如何取得政府的信任的？

朱珑：我回国之后动用了自己在国内所有的人际关系，最终获得了在某个公安系统会议的茶歇时间与一名负责人交流3分钟的机会。经过一番争取，他愿意让我尝试计算机车辆识别系统，当时计算机的车辆自动识别准确率不到30%，对方希望提升到70%。接到任务两个月后，我们做出了一套车辆识别系统，识别准确率达到了90%，获得公司成立后的第一单业务。

由此开始，我们与公安系统开始了长期紧密合作，将人脸识别技术应用于追逃、刑侦、监控等方 面。

《时间线》：人脸识别技术具体可以如何应用到公安系统的工作中？

朱珑：我们曾协助苏州公安完成一起追逃任务，公安用全国在逃库的26万人与常住及暂住人口库中的1300万人进行比对，通过人脸识别的捕捉，系统共预警25人。经过人工甄别，最终确定了17人为嫌疑人，其中9人已撤销，最后现场捕获了3人。这是过去单靠警力无法做到的事情，现在人工智能技术可以帮助我们实现。此外，人脸识别技术还可以应用到金融等其他行业。

《时间线》：从创业到现在，人工智能市场经历了怎样的变化？

朱珑：今年的前三、四个月，比过去一年的变化还大。很多投资人的逻辑是“我就要投资人工智能，一定要进来参与这个领域。”

《时间线》：在人工智能大热的今天，可能会有一些投机主义的公司涌现，这是否会成为你的困扰？

朱珑：肯定有，这很正常。有一些公司不见得会涉及智能的那些部分，只是包装一个概念，但时间会自动筛选出真伪，有实力的公司很稀缺，团队会更加值钱。

为杭州打造“城市数据大脑”

今年9月，全球瞩目的G20峰会将在杭州召开，杭州市委市政府联合众多公司，在阿里云的牵头下开展了一个名为“城市数据大脑”的城市交通规划项目，借此盛会展现大数据在城市管理中的作用，依图公司参与其中，提供车辆识别及大数据相关技术。首次涉通领域，对于依图来说是一个新的挑战。

《时间线》：“城市数据大脑”项目中，依图进行了哪些方面的技术支持？

朱珑：我们对城市中车辆的行驶路径等数据进行收集、分析，对车、道路、红绿灯的信息进行建模。在建模的基础上对政府的交通管理者给予建议和优化方法，比如红绿灯的改进措施，道路的修缮方案。我们希望通过解决城市交通这类世界级难题，让人工智能使我们的生活更加轻松便捷。

《时间线》：这个项目的难点在哪里？

朱珑：从技术层面来讲，交通管理是一个非常新的领域，世界上顶级机构对这一领域的研究也处于原始阶段，现有的学术界的模型、数据体量无法满足模型精度的需求。要完成这个项目，我们还要做很多新的研究。从操作层面来讲，我们的工作要跨越政府的不同部门，把这些数据整合到一起。

《时间线》：大数据对人工智能技术有重要作用，你们如何建立自己的数据库？

朱珑：最朴素的办法就是一点一滴积累，比如车辆数据，我们自己去路上拍了很多，慢慢地数据就积累起来了。在和客户合作的过程中，客户也会提供一些数据。

《时间线》：现阶段在中国进行技术创业，难点在哪里？

朱珑：从创业环境来看，我们没有完善的反垄断机制，也就是说大公司还是可以跟你竞争的；但在美国，这不一定行得通。而且中国的知识版权的保护尚为薄弱，小公司抄袭的情况比较多。

此外，探索出好的商业模式是非常困难的。依图成立四年，经历了很多探索，我们一直在扎实地做垂直领域，包括公安、金融等领域。我始终在问自己：人工智能的卖点是什么？

AI最大的考验是商业模式的创新

2016年初，一场人机大战成为全民热点。人工智能的概念从科技圈走向大众，做了一次生动的市场教育。影响迅速蔓延到二级市场，人工智能概念股迅速飙升，中国兴起一波人工智能创业热潮。创业四年，朱珑目睹了人工智能产业的变迁，他有着怎样的体会？作为一个创业者，他如何看待这个产业的未来

《时间线》：现在依图在技术研发和商业方面的比率大概是什么样的？

朱珑：超过50%都是技术团队，我们的核心优势是对技术的理解能力。有了技术作为基础，扩张的成本会变得很低。

《时间线》：作为学者型创业者，商业背景的匮乏会不会成为你的瓶颈？

朱珑：创业四年，这个部分的知识我补充了很多。商业知识是不断学习的过程，今天学到的商业经验不一定能解决明天的问题。换句话说，有商科背景不一定比我更有能力解决未来将面对的问题。创业本身就是个不确定的探索过程。

《时间线》：如何看待技术与商业化的平衡？

朱珑：技术与商业化从来不是矛盾的。中国现在有很多大规模的问题放到学术上都是非常有挑战性和标杆性的。在实验室是无法直接解决问题的，因为有些数据不易得到，做商业项目与学术研究并不冲突，反而可以更好地促进技术发展。

第7篇

上周，沪深300指数下跌2.97%，计算机行业下跌10.52%，行业跑输大盘7.55个百分点，其中硬件板块下跌10.07%，软件板块下跌10.32%，IT服务板块下跌11.49%。个股方面，梅安森、达实智能、御银股份涨幅居前，汉邦高科、方直科技、东方通跌幅居前。

国际市场动态

IDC：今年VR设备出货量将超900万台；新加坡今年将让无人驾驶汽车上路行驶；洛杉矶富人区将建自动驾驶车队，提供公交服务。

国内市场动态

国务院：深入实施互联网+流通，促实体商业转型；百度在硅谷建无人车研究团队，年底超100人；百度地图宣布国际化，称目前国内市场份额第一。

A股上市公司重要动态信息

天玑科技：拟推731.5万股限制性股票激励计划；天源迪科：拟推1263万股限制性股票激励计划；长亮科技：拟3，700万购买深圳市国融信科技有限公司74%股权；神州泰岳：拟6，240万收购蓝鸥科技16%股权；绿盟科技：与阿里云计算有限公司签订《合作协议》；天玑科技：拟定增募资不超过8亿元投入智慧数据中心及智慧通讯云等项目；旋极信息：拟以自有资金3，000万增资航星中云；石基信息：与青岛海信智能商用系统有限公司签署《增资暨战略合作框架协议》；捷顺科技：与联合电子签署战略合作框架协议。

投资策略

上周，大盘震荡下行，上证指数跌破3000点大关，中小板及创业板同样出现明显回调，回调幅度较大。受市场整体低迷影响，计算机行业明显下挫并跑输大盘。具体来看，各概念板块均出现不同程度的下跌，其中人工智能、生物识别等板块跌幅相对较少，其他板块跌幅相对较深。

从本周的走势看，市场在经历震荡整理后出现短期向下趋势，由于基本面并没有明显变化，所以预计短期的调整幅度并不会太深，继续维持震荡走势的概率较大，计算机行业由于高beta特性而表现出来的波动性较大的特点更利于投资者选择优质个股进行波段操作。

第8篇

关键词：智能制造；关键技术；政策建议

一、当前经济形势下智能制造发展宏观分析

1.基础技术的应用和发展

随着我国需求市场的蓬勃发展，一大批企业的快速跟进，使我国在计算机视觉、中文语音识别和无人驾驶等典型应用方面进入全球前列，具备了加速发展的市场条件和产业基础。在新一代信息技术接力式创新的驱动下，万物互联和智能化趋势越发明显，预计2035年全球联网设备数量将突破千亿件，将快速推动智能制造快速发展。近年来在算法、数据和算力三方面的突破下，新一代人工智能开始成为新的竞争焦点。人工智能在看、听、理解等关键指标上已经媲美甚至赶超人类。在机器识别图像、语音和自然语言等开始广泛应用，类似技术已广泛嵌入呼叫中心、客服系统、智能助手、聊天机器人等产品中。人工智能蕴含着无可估量机遇，各路企业争相涌入布局。从2013年到2017年，全球人工智能投资事件从310件增长到1349件，投资额从17亿美元增长到152亿美元，安防、医疗、交通、制造等数据丰富的行业成为重点投资领域。

2.我国智能制造发展情况

随着我国智能制造发展的快速推动，依托用户规模、应用场景、风险资金和科技论文等优势，我国在一些基础技术的应用方面进入全球前列，一大批骨干企业快速发展，在智能制造产业各个环节积极布局，为我国智能制造的快速发展，实现弯道刹车提供有利条件。数据资源是发展人工智能的关键要素，主要来自用户和联网设备。从用户数看，到2017年底，我国有3.49亿固定宽带用户，是美国的3.5倍，占全球38%。从数据量来看，我国已占全球13%，据高盛报告预测，随着用户数和在线时长增长，这一指标到2020年预计提升至20%—25%。我国有用户规模的先天优势。我国有近4亿的年轻用户，他们对新科技、新产品的接受度比较高，所以广泛的行业分布、多样的用户需求为拓展人工智能应用提供了广阔市场。在这一轮人工智能刚兴起时，国内一批公司深耕计算机视觉技术，目前从算法水准和应用情况看，人脸识别、安防监控等领域已获得全球认可。总体上，智能应用开始进入快速扩展期，我国有望在更多领域形成自身优势。

二、我国智能制造发展当前阶段面临的问题

1.芯片产业发展有待提升

高端芯片产业的发展是智能制造的重要前提，但是芯片关键技术方面还有很大的提高空间，目前处于“受制于人”的情况。当前芯片产业关键技术方面美国还是占主导地位，首先，图形处理芯片方面，英伟达、超威和英特尔三强主导市场方向。其次，可编程逻辑阵列芯片方面，赛灵思和英特尔两强主导市场。第三，专用集成电路(ASIC)芯片方面，谷歌的张量处理芯片(TPU)性能优势明显。目前，由于价格和关键技术的制约我国还处于芯片进口阶段，孙然有部分企业可以进行芯片的定制，但是由于资本投入和商业化推广的弊端还处于初级阶段。

2.人工智能的基础技术依旧不能形成单独生态体系

人工智能的算法框架依附于国外巨头开源生态体系。当前我国人工智能产业必须降低人工智能产品或应用开发成本，进而吸引世界各地开发者入驻生态。从高盛报告看，谷歌Tensorflow算法框架聚集了6.8万名明星开发者；而百度Pad-dlePaddle平台仅有5330位，不到前者1/10。我国当前大部分都机遇谷歌的基础算法框架进行开发，很难自主建立内生性的生态系统。3.专业技术人才的缺失异常严重智能制造的重要核心就是专业技术人才的集聚，但是我国智能制造相关人才总量和人才结构上还处于比较落后的阶段。如全球最大招聘网站领英2017年《全球AI领域人才报告》显示，全球人工智能人才数量190万人，其中美国85万人，我国5万人，位列印度、英国、加拿大、澳大利亚、法国之后，排第七位。从专业化人员从业时间来看，与美国相比我国专业化从业人员，从业超过十年以上的不足40%，而美国却超过了70%，我国大部分关键技术人员和管理人员都是海外引进，我国在智能制造的核心技术方面，尤其是人工智能的底层算法方面与美国还是有很大的距离。

4.我国关键技术创新相关的政策法规落后于技术创新的需求

数据开放、隐私管理、算法歧视、网络攻击等方面需要新的监管法规。以智能影像诊断为例，美国2017年采取先上市后批准的模式助推产业创新；我国则按照医疗器械监管，要求经过器械检测、临床评测、器械技术审批、政府发放批文等四个环节，企业反映总耗时30个月，且准入制度、收费模式、医保对接等尚是空白。所以，首先数据开放是我们必须要解决的问题，我国政府数据开放排名全球靠后，而在科技巨头之间创建标准统一、跨平台分享的数据生态系统要落后于美国。其次数据隐私管理方面问题，海量数据的采集不可避免涉及个人隐私，如何避免滥用是各方关切点。最后是网络攻击问题，防御网络攻击、保障安全是客户最为关心的主要问题。

三、推动我国智能制造发展的路径及建议

1.建立核心技术研发标准，加大产业上下游衔接

我国智能制造虽然全面推广，但是在芯片产业方面还是短板，想要借助人工智能的机会实现弯道超车必须要放长战线，做好基础研发工作。我国消费市场具有一定的优势，要做好开放合作的准备，加强学习的强度，缩短学习的周期。避免资金、人才等资源的浪费，推进强强联合，鼓励走差异化技术路线。优化产业链条，加强上下游的衔接，利用好国内良好的消费市场，产业链相关企业要积极抓住这个机会，积极实现商业化应用。

2.建立标准化产业链条平台

积极累计专业化技术成果，虽然我国在机器视觉算法方面也走在全球前列，但没有完整商业化生态体系，要快速构建原生的算法构架和标准化平台。要借鉴PC互联网时代win-dows操作系统主导生态、移动互联网时代安卓主导生态的经验做法，支持组建产业联盟构筑生态搭建算法框架。政策上支持构建算法构架，兼容多平台应用，抓住机会提升我国基础技术平台的应用和研发水平。并且要建设以人工智能为基础的公共数据资源库、标准测试数据集，为评估算法效能提供评价基准。

第9篇

(讯)计算机投资策略不变，持续关注有卡位、有格局的AI龙头及云应用、互金等各细分子板块龙头:上周大盘略微下降，计算机板块大跌5个点。与上周策略观点保持相同，中短期我们仍然看好新兴板块反弹。荐股策略仍建议关注三个方向的逻辑:1.卡位优势明显，具有行业格局的标的;2.前沿科技发展，有望落地的标的;3.与国家政策高度相关，或因国家投资直接受益的标的。因此，我们建议关注AI板块具有良好卡位优势的四维图新(002405);直接受益于第三次国土调查的GIS行业龙头超图软件(300036);转型云平台服务商的建筑信息化--BIM龙头广联达(002410);前期超跌的高成长低估值个股创意信息(300366);CID龙头，布局ADAS的索菱股份(002766)。

上周大盘略微下跌，计算机板块大跌5个点:上周大盘略微下跌，上证综指略降0.35%，沪深300微涨0.15%，申万计算机指数大跌5.14%。板块估值(TTM)为64.8倍。涨幅居前的板块有互联网营销(0.55%)，智能交通(-0.51%)，虚拟现实(-1.02%)，在线旅游(-1.04%)，智慧城市(-1.20%);跌幅较大的板块有，在线教育(-6.26%)，区块链(-5.76%)，移动互联网入口(-5.61%)，网络安全(-5.60%)，小程序(-4.54%)。海联讯，维宏股份等领涨。

智能芯片，人工智能新时代的第一站。如上周的推荐逻辑，我们推荐持续关注AI行业，云服务商以及互金行业标的。AI板块主要包括目前已经落地的语音识别相关领域应用和图像识别的部分领域应用，以及明年或将落地的无人驾驶相关应用。随着高清摄像头的进一步普及和无人驾驶的逐渐落地，我们认为计算任务前移将成为人工智能产业发展的下一阶段，而智能芯片作为计算任务的承载，将具有重大投资机会。所谓智能芯片，即将机器学习算法以硬件的方式实现，从而达到高性能、低功耗、高稳定、低延迟的目的。目前主流的智能芯片主要分为两大阵营:以赛灵思为首的，完全可编程的FPGA以及以google的TPU、寒武纪的NPU为代表的，性能更高、能耗更低的ASIC芯片。麒麟970的，意味着移动端智能芯片时代被开启，人工智能的发展进入了新时代，智能芯片或将在自动驾驶领域以及视频处理领域得到进一步的普及与发展。推荐关注与无人驾驶及芯片相关的计算机标的四维图新。

风险提示:相关个股季报或低于预期，相关行业政策推行不及预期的风险，小市值成长股交易量或持续收缩的风险等。（来源：西南证券 文/熊莉 常潇雅 编选：中国电子商务研究中心）

第10篇

P键词：人工智能；会计

中图分类号：F230 文献识别码：A 文章编号：1001-828X（2017）001-000-01

一、人工智能在会计领域应用及前景

人工智能即“关于研发人工构造出的可以模拟人的意识和思维方式的计算机系统的理论和应用，这些系统可以取代部分目前人类正在做的工作”。对于人工智能的定义，莫衷一是，但人工智能如今在日常生活中的应用却很常见，例如苹果的Siri。人工智能是对人的智力的模仿再生，导致人的思维永远会先于计算机一步。

在如今的高速信息化时代下，纵观整个会计领域，不难发现，由于各种会计处理软件和人工智能的应用，过去从事手工填制凭证、记账、对账、结账这些繁琐的工作的人正在悄无声息地被替代。相比较而言，人工智能比这些人完成的工作更加出色、效率更高，处理昔日会计工作的人，不得不成为智能化的淘汰品。会计的基本职能正潜移默化地在发生改变。

具体而言，人工智能引入会计行业可以避免由于人的失误而造成的会计信息错误的问题，为管理决策、业务投资分析提供可靠的数据支持。同时，人工智能可以使业务效率明显提高，对于技术含量低、简单重复的工作，人工智能可以在高强度工作下仍然高效运行。如此以来，企业运用人工智能解决日常大量发生的标准化工作，精简核算类型员工，既提高了效率又节约了成本。在信息爆炸的时代，人工智能凭借其强大的计算能力、海量的信息储存以及高强度运转的工作能力，在信息采集等方面也发挥越来越重要的作用。

不置可否地是人工智能不仅代表了先进科技的高速发展，同时也带来更丰厚的经济利益。人工智能的应用范围也会随着社会发展从大型企业逐步扩展到中小型企业，其功能也会日臻完善，从财务核算逐步扩展到为财务决策提供信息等领域，智能会计的发展前景明朗广阔。

二、会计是否将被人工智能完全替代

2014年《经济学人》的调查数据显示，未来20年最有可能收到人工智能冲击的行业中会计位于前三甲。在国内，国务院常务会议通过了《装备制造业标准化和质量提升规划》，工信部等部门也了《机器人产业规划2016-2020》，意图指导机器人产业蓬勃发展。人工智能的发展如此受器重，会计人员面对的挑战空前严峻。

因此，人工智能真将会计完全替代，会计行业中的人都将面临重新选择新的工作领域的窘境？答案是否定的。

如今会计行业正朝着一个更加多元化、全球化的复合型方向发展，由于如今的经济信息时代地迅猛发展，越来越多的企业步入了国际化的轨道。对于这些企业进行合并重组、融资上市、跨国合作……都需要会计的辅助指导。

人工智能缺乏人类所特有的主观能动的创造想象力。人工智能由于其根据特定的情形，提前设计好运行程序，在一旦遇见新的情形，就无法进行处理。人工智能是没有意识的机械的物理操作过程，相反人类的智力在于心理活动过程。人的大脑在凭借直觉判断、运用逻辑推理等方面完全碾压人工智能。所以，涉及主观判断，无法利用规则来约束衡量的问题，必须具备会计知识的人来处理。

三、会计行业重新定位于转型迫在眉睫

在人工智能被引入到会计工作中，普通核算类型工作的岗位势必减少，但财务人员不会完全被人工智能取代。分析目前国内的会计人员的结构布局，清晰感受到呈现两极分化的态势。会计行业的普通核算类型的人员已达到饱和，但高水平的财务管理人才仍是凤毛麟角。高级应用型与复合型人才在社会上青黄不接。对于企业而言，需要的也是能够为企业宏伟蓝图出谋划策的高级会计人员。审时度势地转变自身职能，努力提高自身能力素质，能人之所不能即做人工智能无法企及的事情是会计人员的首要选择。

（一）转变传统的思维模式与观念

在许多外人甚是会计工作人员看来，会计是一个埋头算账、记账、整理数据的“管家”，每天就是管理着物料、钱的收支，这种观点明显早已过时。会计如果一直沿袭成规，因循自己习以为常的做法，思维定式，不接纳新型思维方式，一味胶柱鼓瑟，只能成为“优胜劣汰”竞争中的淘汰者。

（二）专业知识学习无止境，顺应科技发展潮流，提高竞争力

在新的环境下，战略管理型人才是我们每个会计人员努力的方向。如果知识内容片面而且结构老化，就只能重复进行简单、机械的基础工作，毫无疑问会被人工智能取而代之。一个财务人员不能简简单单的看见账簿上面记载的数据，而要利用这些数据看到公司背后的实际情况，为公司发展壮大统筹规划。即需要的是一个对会计知识、行业法律法规、管理决策和现代科技综合掌握的高精尖人物，拥有评估判断、预测决策与人机协调多方面才能的复合型人才。

（三）向人工智能会计领域的开发进军

会计处理问题的思维和方式会因不同问题而改变，考虑的范围也会随时间的变迁而不断扩大，这些都会使人工智能在会计领域的开发异常复杂。如果储备大量会计知识与经验的人员，从事于智能会计的开发与维护，重新发掘自身的价值，既是会计人员的新出路又会对会计的发展做出一番新的推动。

四、结语

人共智能引入会计行业并不昭示着会计职业的灭亡，随着科技不断地发展，人工智能对于简单机械的工作的完全替代是理所当然的，会计遭遇如此挑战也是社会进步的必然结果。面对这一重大的技术革新，无论是会计工作者还是会计专业学生，都应以积极的态度主动从容面对，重新进行职业定位，从过去腐朽错误的观念中解放出来。面对新兴技术的发展，不能因为恐惧而闭门造车、对其进行排斥，而是保持警醒的态度来发展与提升自己，坚信挑战与机遇并存。

参考文献：

[1]黄杰.人工智能下会计人员的“危”与“机”[J].现代经济信息，2016（12）.

第11篇

但是，随着互联网+下半场的开启，原来的市场逻辑正在被切换，那么这张新的面孔会如何？尽管专家们众说纷纭，各执一词，但没有人能做先知，正如在上半场开始阶段，从互联网转换到移动互联网的时候，谁也不知道，微信这个简单的社交工具居然引导了互联网行业集体登船。后互联网+时代

后互联网+时代，或者说互联网+的下半场又将是如何一种态势？根据内爆理论（implosion）创立者、马歇尔・麦克卢汉（Herbert Marshall Mcluhan，1911-19801在他的《理解媒介》（Understanding the Media，1964）一书中提出来的概念――“起初，我们塑造了工具，最后工具又反过来塑造我们”进行推导，互联网+的下半场或是一个以技术“反向”于人类的趋势，也就是人与技术的关系。

从生物学角度，人与技术的关系很像授粉与繁殖的关系。我们对技术授粉，技术就不断的繁殖与生长，然后是技术不断接管了我们的手、脚，甚至思维，进而塑造了我们的消费方式、娱乐方式、交通方式、金融方式等等。不知不觉中，人和技术融为一体，形成了新的依赖关系、新的物种。

这是一个进化的过程、结果。就像生物第一次进化出中枢神经系统一样，将所有的技术连接在一起。刚开始，简单的中枢神经系统只能做简单的应激反应，后来适应性越来越好，神经结构越来越复杂，可以适应更加复杂的环境，卷入了更深刻的资源，当卷入的节点越多，会不会发生相变？

现在是50亿+的节点，未来IOT，那是上万亿的节点数量，当量变发生一定程度的时候，会不会发生质变？就像当年生物的中枢神经系统演化过程一样，当神经元细胞足够多，连接足够多，突触足够复杂的时候，结构进一步复杂，忽然诞生了高等社会性动物，再因一两个意外而产生语言，产生群组内深度的协作，进而演化产生了经济体一样的生命体。

人工智能粉墨登场

新生命体叫什么？我们依然不很清晰，目前阶段姑且称之“人工智能”。人工智能已在悄悄接管我1门生活的操作系统――决定了我们在买什么、我们应该如何想、我们去哪儿玩、跟谁结婚等。

以“买什么”为例，我们上淘宝、京东准备买书看。网站上囊括的书籍超过亿本，可是终其一生我们看的不会超过1万本，甚至更少，但那些书是那1000万里面挑出来的吗？不是，是机器通过人工智能是算法推送的，我们买什么是算法决定的，是机器决定的。然而，这只是人工智能的初期，不是完整的定义。

第12篇

人工智能语音也成为智能家电重要的突破口，无论是传统电视厂商还是互联网电视企业都对此给予关注，作为互联网企业的暴风集团也是如此。

5月10日，暴风TV在京召开新品会，推出首款可实现远场语音交互的人工智能电视X5 ECHO。同时，暴风TV还将与科大讯飞联合成立人工智能服务实验室。

值得注意的是，暴风集团公布的一季报显示，其营业收入为4.5亿元，同比增长136%，净利润为-1648万元，同比下降585%。为何在收入快速增长的同时，净利润却也快速下降？与科大讯飞成立的人工智能实验室，将具体关注人工智能的哪些方面？目前，已有多家上市家电企业都在人工智能电视，暴风TV的智能电视与其有何区别？暴风TV又面临着怎样的机遇与挑战？

带着这些疑问，《投资者报》记者来到暴风TV新品会现场，并采访到暴风集团CEO冯鑫，得到较为详细的答复。

暴风TV尚处发展期

在收入越来越多的同时，净利润下滑幅度却越来越大。这是暴风集团一季度的业绩写照。

根据暴风集团一季度数据显示，其营业收入为4.5亿元，同比增长136%，净利润为-1648万元，同比下降585%。针对净利润亏损原因，暴风集团归结于暴风TV目前的硬件尚处于发展时期，又处于市场扩张期，在此期间的营销推广费用增加所致。

具体营销推广费用增加了多少，目前尚o详细数据。不过，该数据归属于销售费用（包含职工薪酬、广告费和市场开拓费），一季报的销售费用为7961万元，同比增长48%。

除了费用增加以外，暴风集团的营业成本也在不断增加。一季报数据显示，其营业成本为4.1亿元，同比增长297%，其增速远高于收入的增速。

另外今年一季度，暴风TV电视收入同比增长297%，销量23.5万台，同比增长344%。其中线下销量达到16万台，占总销量的69%，同比增长323%，销量增长的同时，第一季度平均获客成本为321元，较上年平均获客成本下降20%；ARPU值（每用户平均收入）比同期增长374%。渠道方面，重点布局了线下渠道，截至一季度末，渠道建设达6000余家，并且在2017年目标扩充到10000家。

2016年投资者策略会上，冯鑫曾提到暴风TV将在2019年实现全面盈利。逻辑是基于获客成本的下降和ARPU值的上升，2017年也在被定义为入轨阶段。那么，目前暴风TV获客成本和ARPU值情况如何？

冯鑫对此表示，当前ARPU值的变化不是特别大，ARPU值是向用户收费，未有明确的变化。下一步ARPU值的上升，主要是源于新的广告、电商、游戏发行等方面。

“针对获客成本，一季度比去年平均下降了1/3，接近一半，已经下降的非常多。”冯鑫说。

谈及获客成本下降的原因，冯鑫称，获客成本主要取决于硬件的盈利情况和渠道、市场的费用。2016年上半年，互联网电视竞争激烈、各企业均未提价，恰逢上游原材料电视面板大幅涨价，导致硬件销售亏损。目前这一情况随着行业整体的涨价已经改善。

布局人工智能

在此次新品会上，暴风TV提出要把电视变成能够主动提供服务的家庭人工智能助手，这一思路的主要特点，是把电视变成“免遥控、远讲语音、随时触发和随时待命”。用户通过与暴风人工智能助手――暴风大耳朵的语音交互，可以实现无遥控器操控。

冯鑫认为，互联网正在走向下半场，随着人口和市场红利消失，传统入口饱和，总量高速增长的时代已经过去，挑战的本质在于效率和创新能力。同互联网下半场对应的是，人工智能电视正进入上半场。

暴风TVCEO刘耀平在会上表示，智能电视旨在解决用户三个痛点：随时触发、多任务切换、个性化需求。他指出，此次与科大讯飞的合作，是基于暴风TV在产品创新、渠道和服务、开放内容架构等方面的优势，以及科大讯飞在人工智能、大数据技术方面的优势。

据了解，暴风TV还与科大讯飞联合成立“人工智能服务实验室”。那这个实验室具体关注人工智能的哪些方面？双方的合作模式又是怎样的？

冯鑫告诉记者说：“科大讯飞主要是做基础技术的，这些基础技术需要在不同的垂直领域里打磨。他们需要垂直领域的应用环境和应用的基础数据来源，我们需要它的基础技术，所以我们在电视垂直领域当中一块打磨语音识别、自然语音识别、交互这些语音和大数据技术。”

目前，无论是传统的电视厂商还是互联网企业都在布局人工智能家电，暴风TV与之有何区别？

暴风TV副总裁侯光敏对记者表示：“目前市面上，大多数的人工智能是自然语音识别。而暴风TV的则不一样，暴风大耳朵的对话不是单一性指令，而是带有上下文的基础对话。”

第13篇

银华大数据拟任基金经理张凯对此表示，人工智能做投资是把已有的人类的投资思维，用计算机程序的方式实现并执行，这样可以拥有更快的计算效率，更少的犯错几率，同时把具有主观能动性的人解放出来去探索更多的投资机会。

大数据应用于选股和择时策略

张凯表示，人工智能的研究已经半个世纪了，随着计算能力的提升和应用场景的丰富，未来有望形成技术供给和应用需求上的共振，对该板块的未来表现非常期待。

大数据既可以用于研发资产配置策略，也可以用于选股策略：不同的数据源，对应不同的策略。张凯表示，从“大数据”到“投资”，是通过基于数据的投资策略来实现的。投资策略的核心逻辑来自长期投资实践中积累的经验，银华用证券大数据对逻辑的有效性进行验证，并找到能反映投资逻辑的具体指标，进而构建出投资策略。

张凯表示，银华大数据基金的优势体现在三方面，信息处理、投资策略以及人为主观性。该基金构建了两种资产配置策略和四种股票选择策略。择时策略第一类是基于宏观及行业景气度数据，包括货币供应量、流动性、PHI、经济同步指标、先导行业景气度、通胀等；第二类是基于市场行为及情绪数据，包括基金仓位、期指持仓及升水率、股票账户活跃度、分析师情绪等。

“基于宏观及行业景气度的数据对应的是中长周期的择时策略，基于市场行为及情绪的数据对应的是短周期的择时策略，二者影响权重各为50%，共同决定基金组合的仓位和大类资产配置，在择时上实现了长周期与短周期的均衡，提升了策略在不同市场波动下的稳定性。”张凯说。

基金的四种选股策略

张凯表示，该基金的选股策略分为四种：股票关注热度策略、分析师荐股策略、财务多因子策略和公告事件驱动策略。

“四种策略对应四类数据来源和四种投资逻辑。”张凯称，“股票关注热度策略选择互联网关注度高的强势股票：卖方分析师推荐策略选择被最多优秀分析师推荐的股票；财务多因子策略选择基本面质地优良且低估最多的股票；公告事件驱动策略选择出现驱动股价走强的突发事件的股票。”

第14篇

与此同时，互联网创业进入下半场的争夺渐成共识。其背后的逻辑是移动互联网人口红利和流量红利的衰竭：怀疑越来越多，超常规的高速增长还会重现吗？新的机会将出现在什么地方？

过去7年，移动互联网红利催生了创新创业热潮，带动一批中国企业成为独角兽、十角兽，也让腾讯、阿里巴巴等互联网早期创业公司攀上了一个又一个市值高峰。

正是在这复杂因素交织的转折点上，创业邦连续第八年展开公司调研，评选出年度最受瞩目的100家创新成长型初创公司。我们进行了持续的行业梳理，并调研了近400家创业公司和200多位投资人、数十家机构，从中发现了创业投资的风向和趋势。在此基础上，依据行业前景、创新潜力、团队能力、可持续增长能力，我们从中精选出了100家最具代表性的公司构成2016年“中国创新成长企业100强”（创业邦100）榜单。

进入榜单的100家企业广泛分布于前沿科技、大消费、内容创业、企业服务、金融等大主题当中，其中前沿科技、内容创业公司在今年格外抢眼。

前沿科技：主要涵盖VR/AR、人工智能、机器人、医疗科技、智能驾驶这五个行业，其中人工智能类公司最多，且主要为机器视觉、语音识别及其行业应用公司，如Face++、出门问问、思必驰等。移动互联网的繁荣使数据积累达到了前所未有的规模，给人工智能的爆发做好了铺垫；而人工智能技术与不同行业（如医疗、金融、教育等）对接应用，有望碰撞出更多的创业机会，也将对未来社会产生深刻影响。从某种意义上来说，这就是以终为始，过去未去，未来已来。

内容创业：移动互联网流量红利终结，新的传播形态产生，越来越细微具体的精神文化需要，这三个前提以及资本的冲动带来了2016年内容创业领域的集体亢奋。最为耀眼的是新媒体、移动直播、短视频、游戏电竞、网络综艺、互联网影视制作与发行公司的繁荣。“创业邦100”一共选取了17家内容创业公司，而只要上述前提不变，内容创业仍将继续繁荣。

大消费或消费升级：代际迁移，85后、90后甚至00后渐成为社会主流群体，新的消费圈层、消费观念和需求推动着新品牌、新电商、生活方式、教育、旅游等行业的发展。这将是一个长期的创业投资趋势，而今年有22家“创业邦100”企业正在这个方向上努力。

第15篇

“这是人工智能的黄金时代，其最好的应用领域之一是金融，因为金融是唯一纯数字和钱的领域。”创新工场创始人兼CEO李开复认为，人工智能在中国爆发的第一个且最大的领域一定是金融。

去年以来，他不止一次提及，未来的投资机会将集中在人工智能领域，而金融业可能会最先被人工智能化。对于人工智能的看好，让李开复所带领的创新工场投资了不少这个领域的创新公司，智融集团就是其中之一。

在今年2月的一次关于人工智能话题的公开演讲中，李开复就将智融作为人工智能在金融方面尝试的案例。这家公司将人工智能应用到小额、短期借贷的领域，它并不负责用户的放款，而是与传统金融机构合作，由后者提供贷款，智融扮演的角色是通过人工智能的方法对目标客户进行信用评估。

在智融集团CEO焦可看来，对于小额分散、高频、标准化程度较高的金融业务，人工智能有着天然优势。首先，机器可以处理海量数据，能大大提高服务效率；其次，机器学习速度极快，以人工智能为核心的模型可以实现高频次的优化迭代；再次，机器在反欺诈方面优势明显，大大提高了系统的安全性。

弱特征的强表现

焦可曾就职于创立初期的百度，主管搜索类产品的市场与运营工作，后相继就职于赶集网、马可波罗等互联网公司。2013年，看到机会的焦可创立贷小秘，主打结构化的贷款数据库及智能化推荐引擎。

统计数据显示，美国家庭87%的平均负债率，而这个数字在中国只有40%。另外，中国有85%的人群无法享受目前传统金融机构提供的金融服务。

创立贷小秘的初衷是，贷款用户与银行之间存在着巨大的信息不对称，想通过搜索与推荐引擎机制，把银行产品和用户结构化，以提高双方的信息匹配程度。但是，在业务开展将近一年半后，焦可发现产品表现并未达到预期，在将借款用户推荐给传统金融机构的过程中转化率极低，各机构产品并没有明显的差异化，导致信贷服务同质化。

贷小秘触礁让焦可着实思考了很多，他发现自己对于市场的认知存在偏差：“业务无法继续的原因在于国内传统金融机构无法给这些用户提供相应的金融服务，本质上说是供需不对称，而不是我们原来想的信息不对称。”

在想清楚症结根源之后，焦可选择放弃继续贷小秘，进行业务转型。2015年7月用钱宝（现为智融集团旗下产品线）上线，将人工智能的风控解决方案应用于金融领域，为用户提供小额短期借款的智融应势而生。在用钱宝上，用户可以借贷的金额最低500元，最高5000元，而借款期限最低7天，最高30天。

传统金融机构是以人的经验作为风控判断，或者依靠某一项核心技术实现身份认证。而当一套风控流程特别依赖某一项技术或某一个经验的时候，很容易引起特定情况的攻击和欺诈。锁定人工智能是因为焦可和团队相信，解决市场供需不对称的根本方法，在于具有技术变革意义的新金融技术。

在焦可看来，国内金融机构之所以会出现供需不对称，很大程度跟银行的风控逻辑有关。传统上，银行风控主要是依据一些强特征数据，比如不动产证明、工资流水、社保证明等。那些刚步入职场的月光族、工作地点不固定的蓝领工人、服务人员和刚毕业的大学生等人群，在风控数据上的表现不具备这些强特征变量。

与银行不同的是，在贷前风控环节，智融的人工智能风控引擎注重的则是弱特征。焦可认为，弱特征和强特征的区别就在于，强特征是非0即1的；而单独的某一项弱特征，对于用户的信用评估和逾期率，没有绝对性的指导意义，需要很多弱特征在一起，才能对用户进行准确的评估。

传统金融机构人为处理贷款申请时经常依赖贷款“老司机”的经验，所看到的数据只是水面上的冰山一角，水下的冰山主体存在着大量的弱特征数据。焦可觉得，虽然无法凭借几条弱特征数据来做出借贷的决定，但当这些数据积累到上百项弱特征时，便能以此为风控依据做借贷决策。

在梳理特征的过程中，焦可和他的团队尝试过很多变量，不相关的很多很多。“星座跟逾期有没有关系，其实是没关的，这个其实就是我们很重要的一个工作，首先找到这些人有什么特征。”焦可介绍，很多弱特征完全不在传统风控人的经验里，甚至有很多是人不能洞察而机器可以发现的。比如，一个人的手机电量也能成为参考标准，申请贷款时电池电量低的人要比电量高的人逾期率更高；再有，有的人通话行为体现出非常强的单向性，经常单向播出很多电话，却很少接到来电，这样的用户逾期率比有来有往通话模式的用户要略高。“这是老司机办不到的，即使他能够想到这一点他也很难做定性定量的判断。”焦可说，目前智融已成功挖掘1200多个维度的有效弱特征数据。

基于人工智能的分析技术，智融的目标用户锁定在以刚刚步入社会、消费没有计划性、经济收入不高的年轻人。同时，在发展方向上明确 “不做理财、不做学生群体、不做地推、不做展期”的几个原则，把业务中心放在利用人工智能技术，从海量数据中挖掘出有效的弱特征。

数据反哺模型

一般情况下，贷款平台公布数据都会着重放款额度，但焦可认为，能体现金融科技技术能力的参考指标不是贷款交易的金额，而在于交易的笔数。“贷款笔数一方面体现出一个企业服务和影响到的人数，另一方面，通过大量样本的产生和挖掘，实现人工智能风控的进一步完善。”焦可说。

智融集团CTO齐鹏也透露，用钱宝在服务大量用户的同时为风控模型带回了大量的数据样本，可以不断进行模型的迭代和练，其精度将越来越高，从而提高通过率、降低坏账率，实现马太效应正循环。

具体来说，智融现在的月交易笔数120万笔，意味着在贷款陆续到期后，其I.C.E.人工智能风控引擎将收获120万个数据样本。这些具备完整生命周期的样本，可以反哺到系统中，持续不断的训练及优化模型。“举例来说，我们现在每天通过的交易笔数在5万～6万人，每个人有1200多个特征点，也就是说每天的风控需要处理的特征量是6000万～7000万个。这已经远远超出人的计算范围，而这正是机器擅长的。”焦可说，“我们现在的大数据计算架构很出色，可以存储海量数据，运算速度也很快，一个用户提交以后整个的机器决策只需要8秒钟。”

经过不断磨合迭代，智融自主研发了以人工智能技术为核心的“I.C.E.风控引擎”――Identify（识别）、Calculate（计算）、Evaluate（评估）的缩写，分别对应了“柯南特征工程”、“Anubis大数据计算框架”、“D-AI机器学习模型”三大组成部分。基于此，智融平台的通过率是同行业两倍，同时逾期率仅为行业平均水平的60%。

选择人工智能进行分控也决定了智融在人员的配置上的差异化。比如，智融没有CRO，只有CTO，高管团队具备百度、民生银行等技术与金融的背景。另外，来自于顶级互联网公司的核心研发工程师占比超过70%，他们占据了知春路上一座办公楼的大半层办公室。目前，智融还在不断丰富智融的数据科学家团队，不断加强统计分析、数据挖掘、文本挖掘、机器学习、能力表达及大数据处理方面的优势。

除了创新工场，智融的技术也获得了更多资本的青睐。今年3月28日， 智融获得4.66亿元人民币的C轮融资，由金砖资本、中金甲子领投，国科嘉和、源码资本、创新工场、光信资本等机构跟投。

“智融集团是一个让我们非常自豪的投资，他们有很棒的技术团队，以技术为核心把握住了非常好的风口和先机。”李开复在融资当天的活动上说。

中金甲子董事长梁国忠认为，相比于依托互联网和移动互联网技术的金融科技1.0阶段，金融科技2.0阶段表现出极强的“技术驱动”的特征，在它的背后是人工智能、大数据分析和区块链等关键技术的赋能。“金融科技2.0将是金融与科技的化学反应，有着极大的想象空间。”