人工智能时代悄然到来。技术与行业的破壁，已在各行各业展开。其中，金融领域因其行业特性屡被视为人工智能最好的应用领域之一。
各方高人纷纷为金融科技指路。从金融行业角度看，中国人民银行行长周小川两会期间在新闻发布会上提出：未来要把金融科技搞上去，一个是网络科技的发展，另一个是数字货币的发展。
从投资角度看，创新工场董事长兼CEO李开复多次表示：人工智能最好的应用领域之一是金融领域。
从技术角度看，谷歌云机器学习与人工智能首席科学家李飞飞表示：机器学习正在信用卡风险检测、反诈骗和洗钱等方面发挥越来越大的作用。
金融科技等于互联网金融吗?
“金融科技”的概念是舶来品，FinTech是Financial Technology的缩写，意为把互联网、大数据、智能化等技术与金融深度结合，用科技来驱动金融，提升金融服务效率。
在“金融科技”被提出之前，人们更熟悉“互联网金融”。但实际上，正如蚂蚁金服总裁井贤栋所言：FinTech并非简单地在“互联网上做金融”，而是基于移动互联网、云计算和大数据等技术，实现金融服务和产品的发展创新和效率提升。
央行人士在划分“互联网金融”和“金融科技”的界限时认为：FinTech不直接从事金融业务，主要与持牌机构合作。而互联网金融的本质仍然是金融，风险属性并没有改变，同样具备金融风险的隐蔽性、传染性、广泛性和突发性等特征，在行业高速发展的同时，风险也在快速积累，并已经开始爆发。
金融科技演进到3.0
金融科技1.0主要以IT软硬件应用为主要特征。在金融科技1.0时代，以IT软硬件在金融领域的应用为主，实现金融业务的电子化和自动化;金融科技2.0主要以移动互联网应用为主要特征。为金融业搭建在线业务平台，汇集用户和信息，实现金融业务中资产、交易、支付、资金等互联互通。对传统金融的变革主要体现在渠道上，由线下走向线上，覆盖到了长尾和普惠群体。第三方在线支付、P2P借贷、众筹融资、互联网基金销售都是这个时期的代表。
金融科技3.0则主要通过数据、云计算、人工智能、区块链等来改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色。这个阶段的特征为：科技对金融更加纵向深化，尤其对产业链的深度介入，或许将重构金融业态。大数据征信与反欺诈、智能客服、供应链金融等都是这个时期的代表。
四大落地应用场景
1、“机器学习、神经网络应用与知识图谱”赋能金融核心业务
相比于人工智能其他细分领域，机器学习、神经网络应用和知识图谱技术受到大量金融科技公司的青睐，研发力度更大，使用频率更高。众多金融科技公司甚至将这几项技术组合运用，作为自身核心技术壁垒。
一般机器学习、神经网络应用和知识图谱直接赋能金融行业内的核心业务，例如量化投资、授信融资、保险定价、反欺诈、辅助决策等。应用逻辑主要是导入大量相关数据，利用机器学习形成知识图谱或者建立模型，通过不同算法和神经网络应用预测交易趋势发现商机，识别欺诈把控风险。
2、“语音识别与自然语言处理”打造智能客服
语音识别与自然语言处理在金融领域的应用大多和机器学习、神经网络应用、知识图谱相结合。其主要场景模式是智能客服和语音数据的挖掘。
智能客服主要是通过电话客服渠道、网上客服、APP、短信、微信以及智能机器人终端与客户进行语音或文本的互动交流，理解客户业务需求。语音数据的挖掘主要通过音语义分析自动给出重点信息聚类，联想数据集合关联性，检索关键词，并汇总热词，发现最新的市场机遇和客户关注热点，主要用于市场营销层面。
3、“视觉与生物特征识别”助力金融安保
视觉与生物特征识别在金融行业的应用主要聚焦在安保方面，其应用较为成熟。通过脸像识别、指纹识别、虹膜识别等生物特征，协助识别验证客户身份，预警可疑行为和可疑人员，达到安全防范的目的。在所有的技术中，现阶段最受瞩目并迅速发展的是人脸识别。它目前主要有3种应用模式：人脸识别监控、人脸识别比对检索、身份确认。
4、“服务机器人”提供自助服务
服务机器人一般集人脸识别、证件比对、语音交互、知识图谱、深度学习等技术于一身，一方面减少人工重复性工作，另一方面采集客户数据，展开精准营销。
当下金融科技三大谎言
未来，银行等金融行业面临着来自金融科技竞争者的压力，整个行业或有可能产生天翻地覆的变化。但对于金融科技，既要看到未来的方向，亦不能过于乐观和盲目。