從小我們就聽過這樣一則古希臘神話：克里特島國王彌諾斯為牛頭人米拉諾斯修建了一座迷宮，來到克里特島上的眾多勇士都無法破解。后來年輕的忒修斯在公主阿里阿德涅的幫助下，拿著一個線團進入迷宮，在所到之處留下線繩，最終成功解開了迷宮。

這個故事被當作寓言，用來教育孩子們面對復雜的事物要探尋本質，找到更便捷的破解方案。在 AI 技術融入各行各業的進程里，其實也像是忒修斯面對著眾多迷宮。如何在原本不熟悉 AI、價值模型處于未知狀態的產業里找到那個“線團”，往往就是破解產業迷局的關鍵。

在 AI 駛入的產業迷宮中，金融行業有著極其特殊的地位。一方面，金融與 AI 的融合優勢顯而易見，在所有主要社會生活行業中，金融是數字化程度最高、數據結構最完成的行業，非常適合 AI 來完成賦能；但另一方面，金融行業的海量數據、復雜場景，以及嚴苛的技術要求又讓其帶給 AI 巨大的挑戰。

早在 2017 年，國務院印發的《新一代人工智能發展的規劃》中，就提出將金融業作為發展人工智能試點示范的重點行業之一，同時提出要建立金融大數據系統，提供智能的金融服務等等一些具體的舉措。2019 年，央行下發的《金融科技（FinTech）發展規劃（2019-2021 年）》中，“人工智能”被數次提及，并且給出了一系列人工智能與金融行業結合的具體方案路線。

可以說，AI+金融在目前這個階段已經上升為國家戰略和社會共同價值期待。但想讓 AI 真正為金融行業帶來價值，惠及千家萬戶，僅僅有宏大的愿景與美好的希冀遠遠不夠。在產業實踐中，我們可能還是需要回歸技術，回歸案例，來探明 AI 究竟如何與金融產業的特性結合，如何讓 AI 在金融產業中長足發展。

好在隨著 AI 產業的深入，今天已經有很多“線團”來幫助我們理解行業智能化的迷宮。比如我們介紹過很多次的華為云 EI 企業智能體系。根植于華為全棧全場景 AI 解決方案，華為云提出了“企業智能”概念，并通過一系列的服務與智能體，構筑了如今已經與大量產業深度融合的 EI 體系。

目前，華為云 EI 面向政府、企業與開發者提供 EI 智能體（交通智能體、工業智能體、園區智能體、網絡智能體）、通用 AI 服務（對話機器人、內容審核、圖像搜索、人臉識別、OCR 圖片文字識別等）、一站式 AI 開發與管理平臺 ModelArts、多模態 AI 應用開發平臺 HiLens 等服務與解決方案，在金融、制造、能源、醫療、交通、工業等行業廣泛應用。

其中金融行業是華為云 EI 落地產業的重要一站，其中積累了大量華為關于 AI+金融命題的思考與經驗。我們希望從中抽取產業智慧與行業洞察，來向大家還原一個最真實的 AI+金融空間。說不定迷宮的下一扇門，就由你來解鎖。

迷宮前：金融業在智能時代的升級需求

提到金融產業對 AI 技術的容納，我們首先會想到金融行業的三大基礎特性：數據大、場景流程復雜、安全要求極高。

AI 技術想要進入金融行業，也就必須與這三大根本要求相結合，才能滿足金融場景對新技術的要求。更需要注意的是，今天的金融產業向 AI 發出的召喚，是站在金融業經歷了高度移動互聯網化與在線化洗禮之后的。AI 技術必須去適配、挖掘和理解已經高速成長起來的移動互聯網金融，并在此基礎上進行產業所需的再創新。

從這個視角看的話，今天的金融產業是在高速進化的動態中與同樣高速奔跑的 AI 技術相遇。在華為看來，今天 AI 技術進入金融行業的主要挑戰，主要來自于三個方向：

1、隨著移動互聯網+金融的完成度越來越高，金融行業的數據維度、數據體量、數據交易力度，都發生了海量的增長。與其他行業的區別在于，金融行業所發生的數據洪潮不僅僅是數據量上的，更是全數據維度的擴張。這種情況下，一方面金融產業迫切需求 AI 技術來解決數據智能化需求，同時也對 AI 基礎設施，包括算法、算力、存儲提出了極高的要求。

2、金融行業對 AI 算法的要求，建立于金融行業嚴苛的安全、效率與精確度要求基礎上。這就需要智能化應用必須擁有良好的安全能力、計算處理效率以及算法精度，必須擁有產業化的抗數據壓力、抗安全風險能力。

3、隨著移動金融的普及，越來越多的金融交易發生在手機、平板，甚至穿戴設備上。這就導致 AI 技術不能僅僅覆蓋金融行業的云端場景與實體網點場景，而是要走向邊端側設備，基于端側的 AI 算力與數據處理能力進行創新。同時，5G 的應用與生物數據采集技術的普及，也讓移動端 AI+金融有了更多想象空間。金融機構希望 AI 是引領未來變化的原動力，這也需要 AI 積極與這些技術變量融合創新。

在這三個挑戰的基礎上，我們可以總結歸納出金融行業究竟需要什么樣的 AI。這也是華為云提出 EI 體系的關鍵——EI 是企業所需的智能，而不僅僅是實驗室中的智能。綜合來看，金融產業的數據維度擴張、業務創新需求、高精度高安全特性，需要具有鮮明產業特征的 AI 技術，其中包括三個主要方面：

1、AI 技術與場景的深度融合

金融行業所需的 AI 技術，需要明確能夠幫助解決哪些具體的行業問題，并且快速將技術轉化成行業流程與行業生產力，讓 AI 技術融入真實的金融行業場景。

2、AI 的量化與可控

在真實的產業空間中，尤其在多流程、多場景引入 AI 的金融行業中，非常關注 AI 技術的投入產出比與安全合規性。AI 技術需要可量化、可評估，做到成本可控，價值可掌握、風險可評估，才能在新技術與金融行業融合的過程里達成長期合作，促使金融智能化長足發展。

3、AI 的集成與多模態融合

AI 技術融入金融場景中，往往并不是一個技術對應一個需求的簡單關系，而是技術需要進行集成與融合，采用多模態的技術來創造性解決一個問題，從而將金融體驗與金融效率進行跨越式發展。這里就需要 AI 技術與解決方案供應商，不僅能夠提供技術接口，同時需要具有綜合式創新的能力，能夠進行 AI、5G、云計算等技術的融合應用，以此才能取得金融產業的穩定信任。

由此可見，金融行業對 AI 的需求具有充分的產業動機，同時也提出了鮮明的產業挑戰。而在 EI 跨入金融產業的過程中，我們可以看到其采取了積極與金融行業對話，與行業 Knowhow 合作創新、綜合華為技術與產業優勢的方案，以此達成 EI 體系與金融需求的深度融為一體。

解題者：EI 在金融領域的產業實踐

綜合多種 AI 技術，實現 AI 與金融場景、金融流程的全面融入，這是華為云 EI 破解金融產業挑戰的關鍵思路。而在產業實踐中，我們也可以看到華為云 EI 通過技術能力，讓全面融入由洞察變為了產業現實。

比如說在金融保險行業中，某保險公司的 IT 系統，就調用華為云 OCR 服務自動識別材料中的身份證 / 銀行卡 / 醫療單據上的文字信息，之后自動錄入到系統中進行理賠，極大提升了理賠速度。其中華為領先的 OCR 算法起到了關鍵作用，基于大量數據訓練和產業實踐，其能處理醫療單據中的錯行、文字覆蓋、蓋章干擾等問題，并能識別少數民族文字等各種復雜場景；降低了理賠人員技能要求；可擴展的 OCR 服務平臺，可根據客戶需求擴展識別各種單據，例如醫療化驗單，駕駛證，車輛行駛證等等。在華為云 EI 的賦能下，這家保險公司的理賠處理時間從分鐘級降低到秒級，同時還降低了理賠中的人工成本。尤其在識別醫療單據和少數民族文字的身份證上，EI 完成了保險公司從無到有的能力填補。

再比如說，上海某銀行在國際結算中海運提單、空運單、信用證開證申請書需要通過人工對提單 / 信用證的信息進行錄入、核對，相對來說人力成本很高，效率較低。而這家銀行通過使用華為云 EI 能力，實現了快速識別貿易風險，既滿足了業務合規性要求，同時增加了業務處理能力，處理效率提升了 10 倍以上，提升信用證資金流轉，增加收入減少人力投入，減低成本。

從這兩個案例中可以看出，多種技術的綜合應用，以及處理復雜問題成為了華為云 EI 提供金融產業支撐的關鍵特性，在這里 EI 的技術能力是底層保障。在第四屆國際圖像識別競賽 WebVision 中，華為云 EI 以 82.97%的準確率擊敗來自全世界的 94 支參賽隊伍獲得冠軍。這個被業界譽為人工智能“世界杯”的比賽，也是華為云 EI 技術能力的極佳印證。

（民生銀行信用卡中心大數據分析與應用部副總經理劉軼琳（中）與華為云 EI 服務產品部解決方案總監張松（右）在華為 Cloud & AI Live 直播節目中暢談人工智能在金融行業的應用實踐）

而在產業級 AI 技術之外，另一個華為云 EI 的關鍵產業實踐是與金融行業深度對話，實現聯合創新。其中華為云與民生銀行的深度合作非常具有代表性。2019 年 11 月，民生信用卡華為大數據聯創實驗室正式揭牌成立。華為與民生，在 AI+金融領域針對于機器學習研發平臺建設，以及應用社團發現技術進行風險團體識別、基于 APP 的推薦算法研究等方向展開了聯合創新。這些成果將導入民生銀行信用卡中心多個決策體系中，實現 AI 技術與金融場景有針對性的融合。

除了在傳統的智能風控和精準營銷領域中廣泛和深入地應用機器學習等 AI 技術，民生銀行信用卡中心還在不斷探索 AI 技術在提升客戶體驗、優化產品服務設計、提升內部管理效率等領域的應用價值，加速企業的數字化轉型。

綜合來看，華為云 EI 的能力體系與解決方案，已經在金融產業深入扎根，無論是服務案例還是聯合創新模式，都已經具備了大規模產業化的前提特征。而在這段 EI 走入金融場景的歷程里，我們更可以看到華為在推動 AI 技術融入金融產業的思考與行動。這也是我們需要汲取的關鍵營養。

行與思：華為如何全面推動金融+智能

毫無疑問，未來會有更多的 AI 技術供應商、ISV、行業解決方案提供者納入 AI+金融的浪潮。隨著國家戰略的推動以及金融智能化需求的全面爆發，AI+金融的潛力將會得到極大釋放，其帶來的價值紅利將創造大量產業機遇，惠及國計民生。而在這個確定的未來中，我們首先需要建立這樣的基礎認知：一家企業融入金融+智能浪潮，需要具備怎樣的基礎能力？

從華為云 EI 的產業實踐中，我們可以歸納出華為在推動金融+智能命題時，做出了那些正確的準備與決策：

1、建立完善可用的技術底座

我們可以發現，華為云 EI 能夠深度融入金融行業，關鍵能力在于其根植于華為全棧全場景 AI 體系，能夠滿足各場景、各流程的深度技術應用需求。在華為云 EI 融入金融場景的背后，有一系列華為 AI 技術體系在完成著準備工作，比如華為云應用的 Atlas 訓練服務器、MindSpore 開源算法框架、Fusionlnsight 智能數據湖體系，能夠滿足金融客戶從智能算力、數據存算，到解決方案提供的一系列 AI 需求。

基于全棧全場景 AI 解決方案，以及強大的計算和存儲能力，華為云 EI 能夠提供從訓練到部署的全流程 AI 服務與解決方案，并且滿足金融場景嚴苛的產業級需求。

同時，與金融產業的合作中還要結合華為眾多 AI 專家與工程團隊的針對性解決能力，來滿足金融行業相對來說更容易發生的定制化需求。在一系列技術底座基礎上，華為云讓 EI 對金融行業來說足夠全面、具備完整的產業縱深、可以針對性調用和融合，這才具備了推動金融+智能的基礎。

2、走到金融行業當中，實現深度理解，推動聯合創新

從華為與民生銀行信用卡中心的聯合創新當中，可以發現 AI 技術提供者與金融產業的深度溝通、產業對接是至關重要的技術應用推動力。技術與場景，必須建立在深度相互了解的基礎上才能打開應用空間，推動長期深度合作。在推動 EI 體系之后，華為云相關團隊首先推動的工作就是與客戶一起，去調研技術與各個領域的匹配程度，大量調研具體企業對 AI 技術的需求。華為認為，一個好的行業問題要勝過十個優秀算法，只有找到行業 Know How，才能讓 AI 在產業中具備生命力。

而推動華為云行業 Know How 成機制的融合，就落地為大量類似華為與民生信用卡聯合打造的聯合創新中心。這些創新中心在充分集成雙方思考與技術能力后，構筑適配產業需求的實驗室系統，在行業達到標準后再融入生產環境中進行適配。基于聯合創新打造的產業樣本，又可以推動有類似需求與產業要求的企業快速進入智能空間，從而推動行業標準化生產與規模化復用。

在聯合創新中，華為與民生銀行信用卡中心各自發揮優勢，從而加快了金融智能化應用從研發到產業適配的效率，實現了 1+1 大于 2 的效果，為金融行業智能化升級提供了輻射與助力。

3、著眼宏觀發展趨勢，建立長期金融+智能策略

就產業特性而言，金融行業需要長期、穩定，有戰略性回報的技術投入路徑。換言之，金融行業不僅需要某個技術來解決某個問題，而是著眼于如何通過對 AI 技術的吸納，完成階段性的提升甚至跨越。這就需要 AI 具有與金融行業客戶一同成長，共同關注和創造未來的能力。

在華為的視野中，不僅注重將全棧全場景 AI 能力通過華為云 EI 導入金融行業，同時注重金融智能化的未來發展。比如華為正在結合自身在 5G 領域的優勢，提升金融智能化端邊云解決方案的整體化能力；又比如華為希望通過自動機器學習技術，實現金融 AI 算法的流水線式開發，提升金融智能化的覆蓋效率。

通過華為云 EI 與金融產業共同完成的產業實踐與聯合創新，可以發現技術底座、溝通與聯合創新機制、前沿技術成長能力，是金融智能化巨大市場投射到 AI 業態中的關鍵需求。三者互為倚靠，缺一不可。

金融+智能，是 AI 王冠上的產業，兼具近乎無限的成長性與極高的產業門檻。但只要找到適配金融產業的“線團”，愿意聆聽和學習來自金融業的聲音，與金融客戶共同成長構建未來，今天的產業迷宮，就是明天智能王國的地基與底座。