用 AI 的线团，解开金融行业的米拉诺斯迷宫

从小我们就听过这样一则古希腊神话：克里特岛国王弥诺斯为牛头人米拉诺斯修建了一座迷宫，来到克里特岛上的众多勇士都无法破解。后来年轻的忒修斯在公主阿里阿德涅的帮助下，拿着一个线团进入迷宫，在所到之处留下线绳，最终成功解开了迷宫。

这个故事被当作寓言，用来教育孩子们面对复杂的事物要探寻本质，找到更便捷的破解方案。在 AI 技术融入各行各业的进程里，其实也像是忒修斯面对着众多迷宫。如何在原本不熟悉 AI、价值模型处于未知状态的产业里找到那个“线团”，往往就是破解产业迷局的关键。

在 AI 驶入的产业迷宫中，金融行业有着极其特殊的地位。一方面，金融与 AI 的融合优势显而易见，在所有主要社会生活行业中，金融是数字化程度最高、数据结构最完成的行业，非常适合 AI 来完成赋能；但另一方面，金融行业的海量数据、复杂场景，以及严苛的技术要求又让其带给 AI 巨大的挑战。

早在 2017 年，国务院印发的《新一代人工智能发展的规划》中，就提出将金融业作为发展人工智能试点示范的重点行业之一，同时提出要建立金融大数据系统，提供智能的金融服务等等一些具体的举措。2019 年，央行下发的《金融科技(FinTech)发展规划(2019-2021 年)》中，“人工智能”被数次提及,并且给出了一系列人工智能与金融行业结合的具体方案路线。

可以说，AI+金融在目前这个阶段已经上升为国家战略和社会共同价值期待。但想让 AI 真正为金融行业带来价值，惠及千家万户，仅仅有宏大的愿景与美好的希冀远远不够。在产业实践中，我们可能还是需要回归技术，回归案例，来探明 AI 究竟如何与金融产业的特性结合，如何让 AI 在金融产业中长足发展。

好在随着 AI 产业的深入，今天已经有很多“线团”来帮助我们理解行业智能化的迷宫。比如我们介绍过很多次的华为云 EI 企业智能体系。根植于华为全栈全场景 AI 解决方案，华为云提出了“企业智能”概念，并通过一系列的服务与智能体，构筑了如今已经与大量产业深度融合的 EI 体系。

目前，华为云 EI 面向政府、企业与开发者提供 EI 智能体（交通智能体、工业智能体、园区智能体、网络智能体）、通用 AI 服务（对话机器人、内容审核、图像搜索、人脸识别、OCR 图片文字识别等）、一站式 AI 开发与管理平台 ModelArts、多模态 AI 应用开发平台 HiLens 等服务与解决方案，在金融、制造、能源、医疗、交通、工业等行业广泛应用。

其中金融行业是华为云 EI 落地产业的重要一站，其中积累了大量华为关于 AI+金融命题的思考与经验。我们希望从中抽取产业智慧与行业洞察，来向大家还原一个最真实的 AI+金融空间。说不定迷宫的下一扇门，就由你来解锁。

迷宫前：金融业在智能时代的升级需求

提到金融产业对 AI 技术的容纳，我们首先会想到金融行业的三大基础特性：数据大、场景流程复杂、安全要求极高。

AI 技术想要进入金融行业，也就必须与这三大根本要求相结合，才能满足金融场景对新技术的要求。更需要注意的是，今天的金融产业向 AI 发出的召唤，是站在金融业经历了高度移动互联网化与在线化洗礼之后的。AI 技术必须去适配、挖掘和理解已经高速成长起来的移动互联网金融，并在此基础上进行产业所需的再创新。

从这个视角看的话，今天的金融产业是在高速进化的动态中与同样高速奔跑的 AI 技术相遇。在华为看来，今天 AI 技术进入金融行业的主要挑战，主要来自于三个方向：

1、随着移动互联网+金融的完成度越来越高，金融行业的数据维度、数据体量、数据交易力度，都发生了海量的增长。与其他行业的区别在于，金融行业所发生的数据洪潮不仅仅是数据量上的，更是全数据维度的扩张。这种情况下，一方面金融产业迫切需求 AI 技术来解决数据智能化需求，同时也对 AI 基础设施，包括算法、算力、存储提出了极高的要求。

2、金融行业对 AI 算法的要求，建立于金融行业严苛的安全、效率与精确度要求基础上。这就需要智能化应用必须拥有良好的安全能力、计算处理效率以及算法精度，必须拥有产业化的抗数据压力、抗安全风险能力。

3、随着移动金融的普及，越来越多的金融交易发生在手机、平板，甚至穿戴设备上。这就导致 AI 技术不能仅仅覆盖金融行业的云端场景与实体网点场景，而是要走向边端侧设备，基于端侧的 AI 算力与数据处理能力进行创新。同时，5G 的应用与生物数据采集技术的普及，也让移动端 AI+金融有了更多想象空间。金融机构希望 AI 是引领未来变化的原动力，这也需要 AI 积极与这些技术变量融合创新。

在这三个挑战的基础上，我们可以总结归纳出金融行业究竟需要什么样的 AI。这也是华为云提出 EI 体系的关键——EI 是企业所需的智能，而不仅仅是实验室中的智能。综合来看，金融产业的数据维度扩张、业务创新需求、高精度高安全特性，需要具有鲜明产业特征的 AI 技术，其中包括三个主要方面：

1、AI 技术与场景的深度融合

金融行业所需的 AI 技术，需要明确能够帮助解决哪些具体的行业问题，并且快速将技术转化成行业流程与行业生产力，让 AI 技术融入真实的金融行业场景。

2、AI 的量化与可控

在真实的产业空间中，尤其在多流程、多场景引入 AI 的金融行业中，非常关注 AI 技术的投入产出比与安全合规性。AI 技术需要可量化、可评估，做到成本可控，价值可掌握、风险可评估，才能在新技术与金融行业融合的过程里达成长期合作，促使金融智能化长足发展。

3、AI 的集成与多模态融合

AI 技术融入金融场景中，往往并不是一个技术对应一个需求的简单关系，而是技术需要进行集成与融合，采用多模态的技术来创造性解决一个问题，从而将金融体验与金融效率进行跨越式发展。这里就需要 AI 技术与解决方案供应商，不仅能够提供技术接口，同时需要具有综合式创新的能力，能够进行 AI、5G、云计算等技术的融合应用，以此才能取得金融产业的稳定信任。

由此可见，金融行业对 AI 的需求具有充分的产业动机，同时也提出了鲜明的产业挑战。而在 EI 跨入金融产业的过程中，我们可以看到其采取了积极与金融行业对话，与行业 Knowhow 合作创新、综合华为技术与产业优势的方案，以此达成 EI 体系与金融需求的深度融为一体。

解题者：EI 在金融领域的产业实践

综合多种 AI 技术，实现 AI 与金融场景、金融流程的全面融入，这是华为云 EI 破解金融产业挑战的关键思路。而在产业实践中，我们也可以看到华为云 EI 通过技术能力，让全面融入由洞察变为了产业现实。

比如说在金融保险行业中，某保险公司的 IT 系统，就调用华为云 OCR 服务自动识别材料中的身份证/银行卡/医疗单据上的文字信息，之后自动录入到系统中进行理赔，极大提升了理赔速度。其中华为领先的 OCR 算法起到了关键作用，基于大量数据训练和产业实践，其能处理医疗单据中的错行、文字覆盖、盖章干扰等问题，并能识别少数民族文字等各种复杂场景；降低了理赔人员技能要求；可扩展的 OCR 服务平台，可根据客户需求扩展识别各种单据，例如医疗化验单，驾驶证，车辆行驶证等等。在华为云 EI 的赋能下，这家保险公司的理赔处理时间从分钟级降低到秒级，同时还降低了理赔中的人工成本。尤其在识别医疗单据和少数民族文字的身份证上，EI 完成了保险公司从无到有的能力填补。

再比如说，上海某银行在国际结算中海运提单、空运单、信用证开证申请书需要通过人工对提单/信用证的信息进行录入、核对，相对来说人力成本很高，效率较低。而这家银行通过使用华为云 EI 能力，实现了快速识别贸易风险，既满足了业务合规性要求，同时增加了业务处理能力，处理效率提升了 10 倍以上，提升信用证资金流转，增加收入减少人力投入，减低成本。

从这两个案例中可以看出，多种技术的综合应用，以及处理复杂问题成为了华为云 EI 提供金融产业支撑的关键特性，在这里 EI 的技术能力是底层保障。在第四届国际图像识别竞赛 WebVision 中，华为云 EI 以 82.97%的准确率击败来自全世界的 94 支参赛队伍获得冠军。这个被业界誉为人工智能“世界杯”的比赛，也是华为云 EI 技术能力的极佳印证。

（民生银行信用卡中心大数据分析与应用部副总经理刘轶琳（中）与华为云 EI 服务产品部解决方案总监张松（右）在华为 Cloud & AI Live 直播节目中畅谈人工智能在金融行业的应用实践）

而在产业级 AI 技术之外，另一个华为云 EI 的关键产业实践是与金融行业深度对话，实现联合创新。其中华为云与民生银行的深度合作非常具有代表性。2019 年 11 月，民生信用卡华为大数据联创实验室正式揭牌成立。华为与民生，在 AI+金融领域针对于机器学习研发平台建设，以及应用社团发现技术进行风险团体识别、基于 APP 的推荐算法研究等方向展开了联合创新。这些成果将导入民生银行信用卡中心多个决策体系中，实现 AI 技术与金融场景有针对性的融合。

除了在传统的智能风控和精准营销领域中广泛和深入地应用机器学习等 AI 技术，民生银行信用卡中心还在不断探索 AI 技术在提升客户体验、优化产品服务设计、提升内部管理效率等领域的应用价值，加速企业的数字化转型。

综合来看，华为云 EI 的能力体系与解决方案，已经在金融产业深入扎根，无论是服务案例还是联合创新模式，都已经具备了大规模产业化的前提特征。而在这段 EI 走入金融场景的历程里，我们更可以看到华为在推动 AI 技术融入金融产业的思考与行动。这也是我们需要汲取的关键营养。

行与思：华为如何全面推动金融+智能

毫无疑问，未来会有更多的 AI 技术供应商、ISV、行业解决方案提供者纳入 AI+金融的浪潮。随着国家战略的推动以及金融智能化需求的全面爆发，AI+金融的潜力将会得到极大释放，其带来的价值红利将创造大量产业机遇，惠及国计民生。而在这个确定的未来中，我们首先需要建立这样的基础认知：一家企业融入金融+智能浪潮，需要具备怎样的基础能力？

从华为云 EI 的产业实践中，我们可以归纳出华为在推动金融+智能命题时，做出了那些正确的准备与决策：

1、建立完善可用的技术底座

我们可以发现，华为云 EI 能够深度融入金融行业，关键能力在于其根植于华为全栈全场景 AI 体系，能够满足各场景、各流程的深度技术应用需求。在华为云 EI 融入金融场景的背后，有一系列华为 AI 技术体系在完成着准备工作，比如华为云应用的 Atlas 训练服务器、MindSpore 开源算法框架、Fusionlnsight 智能数据湖体系，能够满足金融客户从智能算力、数据存算，到解决方案提供的一系列 AI 需求。

基于全栈全场景 AI 解决方案，以及强大的计算和存储能力，华为云 EI 能够提供从训练到部署的全流程 AI 服务与解决方案，并且满足金融场景严苛的产业级需求。

同时，与金融产业的合作中还要结合华为众多 AI 专家与工程团队的针对性解决能力，来满足金融行业相对来说更容易发生的定制化需求。在一系列技术底座基础上，华为云让 EI 对金融行业来说足够全面、具备完整的产业纵深、可以针对性调用和融合，这才具备了推动金融+智能的基础。

2、走到金融行业当中，实现深度理解，推动联合创新

从华为与民生银行信用卡中心的联合创新当中，可以发现 AI 技术提供者与金融产业的深度沟通、产业对接是至关重要的技术应用推动力。技术与场景，必须建立在深度相互了解的基础上才能打开应用空间，推动长期深度合作。在推动 EI 体系之后，华为云相关团队首先推动的工作就是与客户一起，去调研技术与各个领域的匹配程度，大量调研具体企业对 AI 技术的需求。华为认为，一个好的行业问题要胜过十个优秀算法，只有找到行业 Know How，才能让 AI 在产业中具备生命力。

而推动华为云行业 Know How 成机制的融合，就落地为大量类似华为与民生信用卡联合打造的联合创新中心。这些创新中心在充分集成双方思考与技术能力后，构筑适配产业需求的实验室系统，在行业达到标准后再融入生产环境中进行适配。基于联合创新打造的产业样本，又可以推动有类似需求与产业要求的企业快速进入智能空间，从而推动行业标准化生产与规模化复用。

在联合创新中，华为与民生银行信用卡中心各自发挥优势，从而加快了金融智能化应用从研发到产业适配的效率，实现了 1+1 大于 2 的效果，为金融行业智能化升级提供了辐射与助力。

3、着眼宏观发展趋势，建立长期金融+智能策略

就产业特性而言，金融行业需要长期、稳定，有战略性回报的技术投入路径。换言之，金融行业不仅需要某个技术来解决某个问题，而是着眼于如何通过对 AI 技术的吸纳，完成阶段性的提升甚至跨越。这就需要 AI 具有与金融行业客户一同成长，共同关注和创造未来的能力。

在华为的视野中，不仅注重将全栈全场景 AI 能力通过华为云 EI 导入金融行业，同时注重金融智能化的未来发展。比如华为正在结合自身在 5G 领域的优势，提升金融智能化端边云解决方案的整体化能力；又比如华为希望通过自动机器学习技术，实现金融 AI 算法的流水线式开发，提升金融智能化的覆盖效率。

通过华为云 EI 与金融产业共同完成的产业实践与联合创新，可以发现技术底座、沟通与联合创新机制、前沿技术成长能力，是金融智能化巨大市场投射到 AI 业态中的关键需求。三者互为倚靠，缺一不可。

金融+智能，是 AI 王冠上的产业，兼具近乎无限的成长性与极高的产业门槛。但只要找到适配金融产业的“线团”，愿意聆听和学习来自金融业的声音，与金融客户共同成长构建未来，今天的产业迷宫，就是明天智能王国的地基与底座。