不破不立。借着前沿科技的东风，P2P历经膨胀和塌缩，向好发展；而智能投顾，正在“破”与“立”的途中。
智能投顾是个舶来品。2010、2011年，美国西海岸涌现了第一批 robo-adviser 机器人投顾，随即风靡全球。2014年，robo-adviser 以中文名“智能投顾”出现在中国市场。2015、2016两年，行业进入快速发展期，创业公司和传统金融机构接连布下棋局。
但由于市场、消费者、技术等多方面都还未准备妥当，行业一面是舆论声势的火热，一面是客户端、市场表现未及预期。继招商银行摩羯智投的推出，它以为它等到了春天，没想到等来了质疑。
然而，时间线拉到2017年，一切又是新的景象。
据雷锋网AI金融评论了解，近期金融机构的动作加快，兴业银行、江苏银行、光大银行等相继推出它们的智能投顾。其中，不少机构都是与智能投顾公司合作开发的产品。
实际上，自2016年开始，不少智能投顾公司就向B端机构落地。
据知情人士透露，目前每家技术提供商暗地里的竞标、争抢客户变得更加激烈，还冒出了很多不知名的非主流的同业。一部分是原来的P2P公司，理财产品摇身一变“智能投顾”；一部分是原来主打财经媒体、社群的公司。
业内机构统计显示，截至今年3月，国内号称在做智能投顾，或者智能理财的公司大约有200家，其中至少180家为原来的P2P公司。而自7月监管部门下发《关于对互联网平台与各类交易场所合作从事违法违规业务开展清理整顿的通知》以来，经济日报报道称，据不完全统计，数十家智能投顾平台已被处理。
研发智能投顾，意在中国财富管理市场。目前，我国的财富管理市场还未成熟，未来的业态可以参考欧美。“形成多个梯队，每个梯队之间的量级相差三分之一或二分之一。”林常乐说。
各有所长的两派代表，对于行业的最终格局都是雄心勃勃。传统金融的背景人士认为，其掌握着成熟的财富管理技术、投资引擎，又有用户金融数据的积累。创业公司从AI能力切入，认为他们是最有可能实现全AI驱动产品的。“金融机构保留着大量传统业务，不太可能会将大量资金和人力投入新业务的长期开放，并承担3~5年无法盈利甚至失败的风险。”
引用香港中文大学张晓泉教授的话，“智能投顾处于跑马圈地阶段，类似于早期互联网时代出现了数不胜数的搜索引擎。当时没人知道哪家会赢，现在也是如此。”
时间是筛子，最终会淘去一切沉渣。
在智能投顾最通行的定义中，往往带着“人工智能、机器学习、大数据”、“现代投资组合理论”、个性化定制组合、自动化交易等术语。在这些高频词的渲染下，智能投顾似乎成为最前沿技术的具象产品，理性、绝对智慧、颠覆性……
但雷锋网注意到，国内外皆有声音表达了他们对于市场盛行的智能投顾概念的不以为然。
机器人投顾是金融机构设计的提供自动化投资建议的系统，美国巴布森学院（Babson College）管理及信息通信系教授Thomas H. Davenport 撰文称。同时他指出，有不少（美国）从业者并不喜欢该流行词。摩根士丹利相关项目负责人 Jeff McMillan 更是直接表达了他对于robo-adviser术语的厌恶，“人类在财富管理领域中有着无可替代的作用，这样的系统都是顾问和客户间关系的补充。”据介绍，摩根士丹利的机器人投顾主要人力顾问间接发挥作用，“robo”元素只占总体的一小部分。
“相较而言，国外从业者还比较modest，自称为‘robo-adviser 机器人投顾’，而国内更通用的是‘智能投顾’，不太恰当，水分十足。”
现任清华金融科技中心兼职教授的林常乐告诉雷锋网，他在普林斯顿攻读运筹与金融工程系博士学位期间，参与了美林证券投顾后台架构设计，毕业后成为首席架构师。他直言道，“目前中国的‘智能投顾’，既不智能也不投顾。”
市场上存在一些“智能投顾”，就是由“APP+现代投资组合理论”组成。据林常乐透露，这样的开发成本最多是10万美元。而当初美林开发智能投顾时，第一期的预算是2900万美元。“APP开发和现代投资组合理论不值钱也不花钱，真正的价值是背后的投资引擎技术和大数据解决方案。”
而追根溯源，行业的乱象从诞生之初就已经如影随形。鼻祖Betterment、Wealthfront是行业中典型的创业公司代表。松禾远望基金合伙人田鸿飞曾撰文表示，它们的发展模式沿袭了传统互联网公司的做法，投入了大量资金做市场和运营，在获取客户的同时，也导致获客和吸收资金成本居高不下。
林常乐是INFORMAS（运筹最高学术组织）机器人投顾板块主席，此前在国外时组织参与过多次学术会议，对于美国创业公司有过一定的了解。他表示，此类创业公司做得不算成功，他们对于投资咨询和财富管理理解不深入，专业度欠缺。财富管理业务是投行的掌上明珠，拥有其他业务无法比拟的高ROE，也是抢占高净值客户的渠道，是金融机构升级换代过程中一块无法舍弃的蛋糕。
“但他们不赚钱，说明他们做得并不算是真正的财富管理。” 那么，在财富管理过程中，一个真正的投顾是什么样的？
林常乐介绍道，投顾与客户产生深入的交互，挖掘各方面的金融需求，例如短期投资、长期养老、教育基金、家庭生活等。此外，还会了解客户的投资期限、风险偏好、回报预期等维度。投顾要做的就是，给出合理方案，将需求转化为管理资金。
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。
林常乐告诉雷锋网，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。”
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。”
理财魔方于2014年底入局，属于国内最早的一批智能投顾创业公司。创始人兼CEO袁雨来毕业于清华大学计算机系（博士），此前在英特尔和百度参与AI工作，是百度音乐智能推荐的技术带头人。团队的核心成员大部分也来自百度。总之，行事风格非常的互联网化。
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。”据雷锋网了解，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！”某智能投顾从业者对雷锋网AI金融评论表示。
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。”
“现在行业的问题都是阶段性的，”袁雨来告诉雷锋网，
“但对于P2P披了个壳子，以及打着智能投顾旗号，干着销售非正规监管的金融产品的事情等扰乱行业生态的行为，应该坚决杜绝。”
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。在外界雾里看花的阶段，劣币驱逐良币可能对整个行业带来一些破坏性的风险。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向雷锋网表示，
“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。”（详情可见《“P2P理财智能配置”是个伪命题》）
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。”
蓝海数币资本ICO官网
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。雷锋网获悉，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。
很明显，有人搅浑水，有人喊口号，这也引起了监管层的注意。而现在还没上户口的智能投顾有些尴尬，不知要上投资咨询、基金销售牌照或者资产管理牌照。比如一些采用混合推荐模式的平台，收入组成有来自咨询费用，也来自于基金等销售的佣金。对于投资者来说，做着销售工作的顾问，也难有更高的公信力。
理财魔方今年4月遭遇了一场“被山西证监局点名涉嫌违规”风波，后被证实是一起乌龙事件。这件事情本质上是一个基金销售渠道问题，而这种第三方引流模式此前已经广泛存在于互联网金融产品中。大约半月后，山西证监局已经撤掉该新闻。
业内人士告诉雷锋网，
“相较于基金销售牌照，更重要的是投资咨询牌照，而行业还在等，监管还在谨慎制定法规。”
正式条例未定，监管的声音时有传出。2016年8月新闻发布会上，证监会表示，发现互联网平台未经注册、以智能投顾等名义擅自开展公募证券投资基金销售活动的，将依法予以查处。近期，监管部门出台了《关于对互联网平台与各类交易场所合作从事违法违规业务开展清理整顿的通知》（64号文），多家智能投顾平台下架了涉及大额信贷项目拆售、投资者超200人等相关产品。
在这方面，传统金融机构旗下的智能投顾忧虑很小。而创业公司要么努力取得昂贵的牌照，要么采取与持牌机构合作方式。像璇玑母公司PINTEC集团获得了基金销售牌照，而理财魔方的基金销售服务完全由广发证券旗下盈米财富提供。
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。
依托于清华创业平台，林常乐创办了一家专为机构提供智能投顾技术输出的公司财富引擎。
据他介绍，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。或许出于这个原因，一开始就瞄准2B业务的璇玑，依然有自己独立的璇玑智投。
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。
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。
“就好像，一个从未去过黄山的人，无法告诉别人黄山到底有多美。”
——————————————————————————————————
“智能投顾公司其实就是算法或数学模型的公司”，财鲸联合创始人，康奈尔大学博士王蓁表示。面对此类具有一定技术壁垒的市场，创业公司一向走在传统金融机构前，技术团队及人才成为大部分金融机构的短板。
金融机构能否实现后来居上？如何借鉴创业公司先行经验，怎样利用人工智能算法、非结构化数据等，搭建起一个真正的智能投顾产品？
为此，雷锋网AI金融评论联合雷锋网AI慕课学院举办智能投顾系列讲座，邀请王蓁在未来一月为我们持续分享，关于智能投顾原理、业态、算法模型和应用落地的一切。目前，王蓁是某四大行之一、某香港上市公司智能投顾系统唯一项目负责人，同时也是某香港上市券商金融搜索引擎和机器人助手系统项目负责人。
相关文章：
正在生成分享图...
木子