人工智能作为计算机科学的一个分支，其目的在于试图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器，主要应用场景包括信息收集与识别、信息综合分析与预测、控制与决策等方面。当前，按照金融机构前台、中台、后台三大主要模块分类，人工智能至少可运用到金融的七大领域，前台为智能支付、智能营销、智能交易，中台为智能风控、智能投顾和智能投研，后台为智能监管。相信未来随着人工智能的不断发展，可以应用到金融领域的场景会迅速拓展。

智能支付

金融用户需要验证身份的真实性，主要技术包括人脸识别、语音识别、指纹识别和虹膜识别等，这个场景努力的方向，就是要逐步使得金融产品能够“看懂文字”“听懂语言”，实现与用户的无缝连接与协作，为公众提供智能化金融消费体验。

智能营销

不同金融用户拥有不同的风险承担能力和意愿，对金融产品与服务的需求具有差异性，而人工智能可以通过大数据技术精准刻画用户画像，并基于此策划营销方案，进行精准营销和个性化推荐，同时实时监测，不断优化营销策略，建立用户数据库，帮助企业引流获客，留存促活。

智能交易

通过建立金融业务智能感知与处理系统，使得电脑代替人脑，模拟人脑的逻辑思维完成信息收集、数据建模、推理判断、结果预测等，将交易策略变成电脑程序，做出最优化的交易决策。即用“电脑判断+电脑操作”代替“主观判断+人工交易”。

智能风控(www.daowen.com)

利用大数据人工智能技术，可以使用海量的多维度数据，塑造出高度精细化的风险控制模型，在感知金融环境的动态变化基础上，不断进行深度挖掘与智能学习，实现针对市场变化的适应性更新调整。

智能投顾

又称机器人理财、数字财富管理等，即机器人根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并依据市场动态为资产配置调整提供建议。

智能投研

投资研究工作涉及大量的资料搜集、数据分析、报告撰写等内容，智能投研是基于知识图谱和机器学习等技术，搜集并整理信息，形成文档，供分析师、投资者等使用，辅助决策，甚至自动生成投研报告。但智能投研缺乏创新性，因此在技术提高效率的同时，人机协作可以大大提高投研质量。

智能监管

全球每年产生约3亿条法律法规数据，人工储存难度较高。人工智能可学习、存储金融法规，并结合金融机构的实际情况提供合规建议。机器可以从海量的交易数据中学习知识和规则，发现异常行为，对欺诈与洗钱行为进行警示。