而以上这些要求，在弱人工智能阶段，智能投顾还无法实现。以问卷为例。一般来说，在启用智能投顾之前，会要求用户进行五到十数道问卷来了解用户，并据此生成投资组合建议。

林常乐介绍，问卷不能再增加更多的问题，因为那时候用户回答的不准确性会更高，“智能投顾公司更多是去猜测用户需求"。这方面，银行和券商等金融机构会更有优势，因其掌握用户更多更精准的金融数据。

“总的来说，智能投顾可以拆解为两方面：一是用智能化的方式了解、服务客户；二是在后端投资引擎技术，这直接决定了公司的财富管理水平。

目前的机器人投顾，实际上是试图利用已发展多年、比较成熟的投资引擎技术，加上互联网交互外壳，为客户提供自动化财富管理服务。”

AI不AI，不是最重要

目前，行业中声音最响亮的还是早期创业公司。今年上半年的新产品在业内激起的水花并不算大，大多由传统金融机构推出，比如兴业银行、江苏银行阿尔法智投、光大银行光云智投，而交通银行、华瑞银行、华夏基金正在研发中。为什么金融机构乐于开拓智能投顾？

“开源节流”，林常乐在采访过程中多次提及这四个字。他介绍道，在美林证券从一个零售券商转型财富管理机构过程中，借助了许多科技手段，解决了一些问题。例如采用标准化投顾管理，应对不专业的人力投顾，同时能够降低人工成本，扩展服务边界和范围；又如利用大数据识别精准用户解决咨询问题，节约人力，提高客户转化和留存。

智能投顾有助于金融机构完成财富管理业务升级。“券商的经纪业务就是渠道业务，再向上升级就是财富管理业务。银行的零售业务也同理。”因此，各大券商纷纷设立财富管理中心，甚至是将经纪业务部门直接更名；国内外商业银行建立起资管全资子公司或者事业部。

我国财富管理行业还处于快速发展中，国际市场起步更早，整体已处于平缓期。以美国为例，财富管理行业的现状是，前五大公司占据一半以上份额，马太效应增强。但中国前列资管公司市场份额比例却在不断降低，越来越分散。理财魔方CEO袁雨来表示：

“当资产供货商越分散，竞争越激烈，从互联网角度就越适合做渠道的生意。智能投顾从商业模式上恰恰是聚集C端用户和资金的渠道。”

袁雨来在访谈中也特别强调互联网行业最看重的指标，“我们的客户留存达到了90%，超过了行业平均值”；“我们的AI基因比较强，我们更愿意在C端深耕去追求一个成为行业领头羊的机会，我们想成为一家真正靠AI驱动的，价值500亿的个人财富管理公司”。

招商银行摩羯智投是国内银行业的首款智能投顾，常与这些活跃的智能投顾同台争芳。2016年12月，一经推出的摩羯智投引来极高的关注度。根据招商银行8月公布的最新数据，摩羯智投已经成长为国内最大的智能投顾，规模突破50亿。

而引用业内人士的观点，摩羯智投资产管理规模跃居第一，渠道优势发挥了最大的作用，“和人工智能没有什么关系。” 据了解，摩羯智投强调“人+机器”模式，机器在数据处理和模型化方面发挥作用，而一百个投资组合实际上由上百人人工操作。

从产品维度而言，摩羯智投算不上真正成功的“智能投顾”，还表现在亏损率高，且申购费等费用无折扣。但是不可否认的是，摩羯智投成为金融机构研发智能投顾的领头羊，招商银行因其创新性、开放性，极大地推动了国内金融科技的发展进程。“我真心感谢招商银行！” 某智能投顾从业者表示。

弱人工智能的能力有限定领域，要求必须定义清楚目标和问题。在这个过程中，智能投顾不为“人工智能”而智能，更关键的是将财富管理服务普惠化。

还值得一提的是，理财魔方近期宣布，开发出了行业首款全AI驱动的智能投顾产品“千人千面”，不允许人为干涉投资结果。该实现了“千人千面”个性化投资组合推荐的产品是他们迭代过的第二版本，去年光是开发就花了8个月，此后一直在调优，直到今年5月才正式上线。在问到实现全AI的关键技术时，袁雨来多次用了“保密”回应。

而对于“市场上没有人做到全AI产品”的结论，他说，“各家都没有公开技术白皮书，但从是否做到了为每个用户个性化的配置和调仓就可以很容易反推出来。”

画皮与乱象

如今行业形成三足鼎立态势——初创公司、传统金融机构、互联网金融公司各占山头。其中，最现象级的莫过于，层出不穷宣传自己“智能资产配置服务”的P2P公司。

不愿透露姓名的业内人士表示，“在P2P领域，有一些辅助用户进行P2P分散投资和进行期限管理的工具型方法，但是离‘智能’，还有一定距离。”

因为P2P作为非标资产，对于风险的量化和风险定价还难以有效度量，并且P2P领域的信息披露大多不透明，很难对标的资产的风险变化进行动态的监控，更谈不上有效的调整。

这是从技术层面出发，指出P2P资产无法为人工智能所需要的分析规则和数据等条件。而从财富管理的角度讲，业内人士指出，资产按照风险收益的属性不同，会有权益类，类固收，货币和另类的分类法，如果要进行有效的资产配置，上述4类资产都要根据客户的风险承受能力，在流动性等方面的需求进行适当的配置。

“在这些分类中，P2P可以算作高风险的类固收资产，而仅仅用一类资产是无法进行有效的资产配置和财富管理的，这样会让用户的整体财富暴露在某一类资产的系统性风险之下。”

田鸿飞这样描述其看到的“画皮”现象。在他们了解20多家智能投顾公司后，发现产品的配置简直是五花八门。

“有的配P2P资产、有的配小贷，还有人拆信托、拆私募，做MOM、FOF模式的也有。剥开皮后，看各产品都不一样，很多时候不知后面卖的什么东西。”

此外，Fintech另一大热的领域——区块链和ICO，与智能投顾可以说处在同样的境地，野蛮生长，乱象丛生。据悉，创立于2014年的蓝海智投，于近期成立了蓝海数币资本，为数字货币市场提供全方位专业金融服务，并披露了ICO计划。

蓝海智投创始人、CEO刘震在接受媒体采访时，回应道“金融，赚的就是未知的钱。”一位从业人士来对此的评价是，“这是典型的金融人士，想要赚快钱”。

而现在ICO的泡沫已经被戳破。9月4日央行等七部委发布公告，宣布“ICO本质上是一种未经批准非法公开融资的行为，涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动。”ICO利益各方暂停币种交易、推进清退方案，整个ICO代币市场火速降温。蓝海数币资本也在公告第二天宣布退币。

2B or not 2B，that's a question

合规风险始终是达摩克利斯之剑。这也成为一些智能投顾公司收缩或者放弃C端业务，转向服务B端机构用户的重要缘由。他们通过开发智能投顾工具，提供给金融机构使用。比如初始2C的财鲸、弥财、蓝海智投等，都于去年开始拓展2B业务。此外，高企不下的流量成本、谈不上有效的中国市场、投资者认知教育程度不高等问题，都促使他们由C转B。

据林常乐介绍，金融机构相当务实，“智能投顾”这个概念对金融机构而言并不重要， 真正帮助金融机构进行“开源节流”的整套解决方案才重要，包括智能化系统、大数据解决方案和一些联合运营的咨询方案。要做到这些，必须同时具有先进的技术与关于投顾领域的深刻业务理解。“比如在数据分析方面，要求我们的数据科学家比做业务的人还懂业务，明确展示出变量背后的业务逻辑。”

但矛盾的一点是，在C端未能验证成功的智能投顾，如何说服B端机构采用呢？因为不管2B还是2C，归根结底还是2C。

总的来说，银行和券商等机构都有意愿尝试。业内人士透露，金融机构选择技术合作商的标准就是看是否解决问题，用数据和事实验证效果。而最具说服力的事实就是该产品的C端表现。

技术风险

从更具体的技术风险角度来说，必然涉及智能投顾产品的核心——算法和模型。模型给出的投资策略是否与客户风险偏好相匹配，是衡量智能投顾产品的重要条件。模型需要训练和验证，需要对样本数据的模拟不断地学习、记忆，并修正算法。

中国银行原副行长王永利曾在一次公开演讲中谈到，智能投顾至少还存在以下两个方面的潜在技术风险：

第一是由于样本是历史数据，当出现“黑天鹅”事件时，机器学习和自然语言处理可能会失效。人工系统中并未载入类似的事件和后果，也无法从历史中学习到相关模式的处理方案。

这一点在今年上半年多数量化投资基金业绩低迷状况中得到印证。数据统计显示，一季度，在2017年前成立的68只量化基金中有42只取得正收益。然而进入二季度后，仅21只量化基金收益为正，47只收益告负。二季度量化基金的平均收益率为负。在历史重复出现之外，创新也在发生，新的历史在生成。

第二个风险是样本也会“说谎”。机器学习擅长发现数据间的相互关系，而并非因果关系。这将造成误判，从而给投资者带来损失。

理财魔方的联合创始人马永谙却认为，这并不可以归纳为“技术缺陷”。因为从理财的角度来看，面对“黑天鹅”事件，资深从业人员也很难准确预判，而更需要考虑的是如何尽可能将风险控制在投资者可以承受的范围内。

很多创业者把创业称为“孤独者的游戏”，智能投顾的发展也同样孤独。王永利表示，产品要达到预期的效果，还需要不断地积累数据，提升数据分析能力，算法和模型的效果也需要在较长周期内进行检验。

结语

立足于各自背景的各方，能发展出各具优势的产品，而从另一个侧面来看，也有相应的缺憾。

上海金融信息行业协会秘书长李娟在某次论坛对话中提到，他们协会一直有对从业机构的员工人数、男女比例和年龄做统计分析，然后发现，“很多小微贷企业的年龄层次在28岁到25岁之间，这样年龄层次设计出的智能投顾一定是小型消费金融；如果是券商、基金、信托、银行等，产品设计部门年龄会偏大，做出的产品更契合该年龄阶段。”

因为人工智能是全学科技术，关联生物学、心理学、身体功能学等学科。人才就应该通过全学科的培育和孵化。

靠谱众投 kp899.com：您放心的投资理财平台，即将起航！