賬戶是財(cái)務(wù)與金融的起點(diǎn)也是終點(diǎn)，也是財(cái)務(wù)活動與金融業(yè)務(wù)閉環(huán)的基礎(chǔ)。如金融服務(wù)從用戶開戶到資金清算都在賬戶體系內(nèi)運(yùn)營，并衍生出以賬戶為核心的包括支付清算、資金管理、集中運(yùn)營、財(cái)務(wù)核算、交易管理、投資融資、企業(yè)自金融等綜合金融業(yè)務(wù)，實(shí)現(xiàn)賬戶的前端和后端打通與連接。

賬戶體系是交易平臺的核心，也是支付業(yè)務(wù)的基石。通過人工智能的圖譜計(jì)算技術(shù)，將各種賬戶、各類賬戶進(jìn)行聚類和關(guān)聯(lián)分析，就可以基于協(xié)同賬戶給出更加準(zhǔn)確的企業(yè)畫像，才能更全面地獲取金融服務(wù)的需求和精準(zhǔn)的風(fēng)險識別。從信息平臺用戶體系到交易平臺交易賬戶與支付賬戶分離，再到交易平臺交易賬戶與支付賬戶關(guān)聯(lián)。如通過將銀行Ⅱ、Ⅲ類賬戶與互聯(lián)網(wǎng)賬戶的綁定，有利于商業(yè)銀行和平臺金融在獲客、活客、資金運(yùn)營、交易金融、價值創(chuàng)造等方面發(fā)力，并助推商業(yè)銀行和平臺金融互聯(lián)網(wǎng)化、場景化和平臺化經(jīng)營。

金融機(jī)構(gòu)和互聯(lián)網(wǎng)平臺，每日數(shù)以十億計(jì)的用戶數(shù)和更多的賬戶數(shù)等待驗(yàn)證，要求更高的自動化程度。同時，證明身份的資質(zhì)證明也是名目繁多，真?zhèn)坞y辨。通過人工智能＋區(qū)塊鏈技術(shù)可實(shí)現(xiàn)數(shù)字化身份信息的安全、可靠管理，在保證客戶隱私的前提下提升客戶識別的效率并降低成本。通過程序化記錄、儲存、傳遞、核實(shí)、分析信息數(shù)據(jù)，可省去大量人力成本、中介成本，提高準(zhǔn)確性和安全性，所記錄的信用信息更為完整、難以造假。

企業(yè)通過支付工廠模式將集團(tuán)內(nèi)的支付進(jìn)行集中化處理。構(gòu)建企業(yè)級支付中心是企業(yè)戰(zhàn)略轉(zhuǎn)型與業(yè)務(wù)創(chuàng)新的需要。

企業(yè)通過建立統(tǒng)一支付結(jié)算平臺，整合外部支付渠道，實(shí)現(xiàn)多渠道接入的統(tǒng)一支付處理，可以廣泛應(yīng)用在企業(yè)日常生產(chǎn)、運(yùn)營、營銷、售后等各個涉及資金劃撥和支付、結(jié)算的環(huán)節(jié)。企業(yè)統(tǒng)一支付結(jié)算平臺將實(shí)現(xiàn)企業(yè)內(nèi)部多個業(yè)務(wù)系統(tǒng)的集成，將散落在各個業(yè)務(wù)系統(tǒng)內(nèi)的互聯(lián)網(wǎng)交易，如網(wǎng)銀網(wǎng)關(guān)、快捷支付統(tǒng)一集中到結(jié)算平臺進(jìn)行處理，并可以提供多種支付手段，如網(wǎng)上支付、手機(jī)支付等。并通過接口機(jī)器人形成統(tǒng)一的對外和對內(nèi)接口，實(shí)現(xiàn)與各銀行、第三方支付等支付網(wǎng)關(guān)的智能連接。對內(nèi)而言，可以對公司內(nèi)部各系統(tǒng)提供單一接口，并實(shí)現(xiàn)與金融單位和公司內(nèi)部的高效結(jié)算、智能對賬。統(tǒng)一支付結(jié)算平臺內(nèi)置智能路由，根據(jù)不同業(yè)務(wù)規(guī)則選擇最優(yōu)路由支付。該平臺還會集成多家第三方支付平臺，通過支付工廠模式為不同的企業(yè)用戶提供更多選擇。

智能路由系統(tǒng)，即智能選擇最優(yōu)“線路”，對于支付結(jié)算系統(tǒng)而言，就是要智能選擇入款、出款渠道，從而提高支付成功率，降低網(wǎng)關(guān)成本。智能路由網(wǎng)關(guān)會通過自動化、智能化分析用戶選擇的支付方式確定用來完成該操作合適的支付渠道。支付路由會綜合考慮收費(fèi)、渠道的可用性等因素，智能路由能夠記住那些使用頻繁的可選的路由路徑，通過深度學(xué)習(xí)算法，知識圖譜計(jì)算來選擇最優(yōu)方案，如實(shí)現(xiàn)網(wǎng)上支付智能化。

對財(cái)資管理者而言，每天都面臨著確認(rèn)企業(yè)的現(xiàn)金、頭寸和流動性問題，并成為首要議題。根據(jù)國際頂級咨詢機(jī)構(gòu)調(diào)研顯示，現(xiàn)金與流動性管理、財(cái)務(wù)風(fēng)險管理是企業(yè)兩項(xiàng)最重要的財(cái)資管理場景。這也促使很多企業(yè)努力提升現(xiàn)金的透明度、可視化，以及加強(qiáng)對全球資金的管控和現(xiàn)金流預(yù)測，提升企業(yè)的資金管理集中度，優(yōu)化集團(tuán)資金結(jié)構(gòu)。

有效的流動性管理關(guān)鍵在于現(xiàn)金的可見性：既包括該企業(yè)擁有多少現(xiàn)金，也包括未來可能有多少現(xiàn)金流入或流出。因此，財(cái)資管理者首先必須能及時準(zhǔn)確地掌握資金頭寸狀況，以及各類資產(chǎn)的變現(xiàn)能力。其次，財(cái)資管理者通過借助人工智能技術(shù)，尤其是依靠機(jī)器學(xué)習(xí)算法、預(yù)測分析技術(shù)、知識圖譜等建立現(xiàn)金流智能預(yù)測機(jī)制，以便盡可能精確地預(yù)測未來的現(xiàn)金流，并得出企業(yè)的最佳現(xiàn)金持有量，即智能化頭寸管理。

此外，建立多元化的融資平臺，有助于提升企業(yè)的流動性保障。采用多種銀行融資產(chǎn)品優(yōu)化公司資金結(jié)構(gòu)，主要有銀行承兌匯票、國內(nèi)信用證、保理業(yè)務(wù)等。此外，借助各類管理工具（包括信息化系統(tǒng)、人工智能技術(shù)），比如運(yùn)用“智能資金池”“智能票據(jù)池”“智能頭寸管理”“智能供應(yīng)鏈金融”等創(chuàng)新的產(chǎn)品和解決方法，以及“智能資金管理系統(tǒng)”“智能現(xiàn)金流預(yù)測系統(tǒng)”“智能投融資平臺”“產(chǎn)業(yè)鏈金融平臺”“在線供應(yīng)鏈金融”等管理工具和系統(tǒng)。

企業(yè)級智能投顧也稱機(jī)器人投顧（Robo-Advisor），是依據(jù)現(xiàn)代資產(chǎn)組合理論（通常為馬科維茨提出的投資組合理論）、結(jié)合企業(yè)投資的風(fēng)險偏好、資金狀況和理財(cái)目標(biāo)、利用智能算法和智能客服，為企業(yè)提供資產(chǎn)管理和在線投資建議服務(wù)。一般而言，其成本遠(yuǎn)低于人類投資顧問，因其服務(wù)過程能夠?qū)崿F(xiàn)全部或絕大部分自動化操作管理，因此被稱為智能投顧。

企業(yè)級智能投顧的服務(wù)流程一般包括：客戶分析、大類資產(chǎn)配置、投資組合選擇、交易執(zhí)行、投資組合再平衡與分析等。在客戶分析、大類資產(chǎn)配置以及投資組合選擇，這三步核心環(huán)節(jié)中，智能投顧機(jī)器人會根據(jù)客戶的風(fēng)險水平與投資期限進(jìn)行服務(wù)定制，而計(jì)算機(jī)會借助風(fēng)險分散等傳統(tǒng)的投資理論以及量化投資策略等方法構(gòu)建投資組合，并在投后過程實(shí)時跟蹤宏觀事件、市場和投資者偏好的變化等情況，進(jìn)行自動風(fēng)控和授權(quán)后的自動調(diào)倉。

企業(yè)級智能投顧的核心包括：（1）通過大數(shù)據(jù)獲得企業(yè)的風(fēng)險偏好和變化規(guī)律；（2）根據(jù)企業(yè)的風(fēng)險偏好、資金狀況結(jié)合算法模型定制個性化的資產(chǎn)配置方案；（3）利用互聯(lián)網(wǎng)對企業(yè)個性化的資產(chǎn)配置方案進(jìn)行實(shí)時跟蹤調(diào)整；（4）利用成熟的組合優(yōu)化管理模型，在企業(yè)可承受的風(fēng)險范圍內(nèi)實(shí)現(xiàn)收益最大化。

財(cái)務(wù)與金融領(lǐng)域已經(jīng)采用不同計(jì)算機(jī)預(yù)測算法來進(jìn)行風(fēng)險模型分析，應(yīng)用于例如VaR、信用評級、風(fēng)險準(zhǔn)備金、長尾風(fēng)險、行為分析、反洗錢等領(lǐng)域。其中運(yùn)用到的算法包括：在線過程分析（OLAP）、聚類、相關(guān)性分析、決策樹、熱點(diǎn)分析、神經(jīng)網(wǎng)絡(luò)、預(yù)測模型、畫像技術(shù)、自組織網(wǎng)絡(luò)、網(wǎng)絡(luò)數(shù)據(jù)挖掘，等等。

人工智能技術(shù)的出現(xiàn)將有效提升上述算法和模型的精度，提供更加有效的風(fēng)險評估。如反欺詐，人工智能自動挖掘文字、數(shù)據(jù)和影像等信息進(jìn)行深度理解，發(fā)現(xiàn)并標(biāo)注風(fēng)險警示；信用風(fēng)險管理，人工智能可以優(yōu)化風(fēng)險模型，并求解各變量間量化指標(biāo)；尾部風(fēng)險，通過增強(qiáng)學(xué)習(xí)算法（也稱為Q-Learning算法）可將極端事件引入風(fēng)險分析。

整個智能風(fēng)控的起點(diǎn)從獲取數(shù)據(jù)開始，主要數(shù)據(jù)來源為用戶注冊時提交的數(shù)據(jù)、使用過程中產(chǎn)生的數(shù)據(jù)、交易時產(chǎn)生的數(shù)據(jù)、第三方機(jī)構(gòu)等的數(shù)據(jù)。第二步是建立模型，其中最重要的是反欺詐和信用評定兩項(xiàng)工作。第三步是將模型在實(shí)踐中不斷優(yōu)化和迭代，即機(jī)器學(xué)習(xí)。如IBM Watson Analytics 實(shí)現(xiàn)了基于自然語言的認(rèn)知服務(wù)，可以為企業(yè)提供包括監(jiān)管、風(fēng)險和合規(guī)、交易賬戶、銀行賬戶、投資賬戶和保險賬戶的風(fēng)險監(jiān)控業(yè)務(wù)。

Gartner最新發(fā)布的《機(jī)器人流程自動化軟件市場指南》指出：“在過去的12個月中，Robotic Process Automation（RPA，機(jī)器人流程自動化）供應(yīng)商的全球收益激增。投資者對RPA所帶來的快速投資回報持樂觀態(tài)度，財(cái)務(wù)、稅務(wù)、銀行、保險、招聘及其他傳統(tǒng)人力資源應(yīng)用套件等業(yè)務(wù)量常常起伏不定的企業(yè)都相當(dāng)看好RPA的發(fā)展前景。”借助軟件機(jī)器人，機(jī)器人流程自動化解決方案能夠全天候不間斷地確保大量耗時業(yè)務(wù)流程的自動化、管理及執(zhí)行。

智能財(cái)務(wù)機(jī)器人可以實(shí)現(xiàn)商業(yè)活動和流程的自動化，能有效提升業(yè)務(wù)運(yùn)營效率與服務(wù)質(zhì)量。RPA包含可通過配置或與電腦軟件交互的方式來獲得和分析信息的應(yīng)用程序/軟件，從而可實(shí)現(xiàn)交易處理、數(shù)據(jù)傳輸、數(shù)據(jù)比較等功能。并廣泛應(yīng)用于財(cái)務(wù)、稅務(wù)、人力資源及審計(jì)等眾多領(lǐng)域。

此外，德勤、普華永道、安永、畢馬威都紛紛發(fā)布了財(cái)務(wù)機(jī)器人（RPA）解決方案（詳細(xì)內(nèi)容請關(guān)注財(cái)資一家公眾號后續(xù)推送）。企業(yè)財(cái)務(wù)部，尤其是財(cái)務(wù)共享服務(wù)中心通過使用RPA提升稅務(wù)及財(cái)務(wù)工作效率，在降低人力時間成本、提升工作質(zhì)量等方面收效明顯。此外，還能夠通過大數(shù)據(jù)收集分析，發(fā)出財(cái)務(wù)風(fēng)險的防范預(yù)警。

量化交易從很早開始就運(yùn)用機(jī)器進(jìn)行輔助工作。分析師通過編寫函數(shù)、設(shè)計(jì)指標(biāo)，觀察數(shù)據(jù)分布，而這些僅僅把機(jī)器當(dāng)做一個運(yùn)算器來使用。量化交易分析師們對財(cái)務(wù)、交易數(shù)據(jù)進(jìn)行建模，分析其中顯著特征，利用回歸分析等傳統(tǒng)機(jī)器學(xué)習(xí)算法預(yù)測交易策略。這種方式有兩個主要弊端，其一是數(shù)據(jù)不夠豐富，僅限于交易數(shù)據(jù)，更重要的是它受限于特征的選取與組合（Feature Engineering），模型的好壞取決于分析員對數(shù)據(jù)的敏感程度。直到近些年機(jī)器學(xué)習(xí)的崛起，數(shù)據(jù)可以快速海量地進(jìn)行分析、擬合、預(yù)測，人們逐漸把人工智能與量化交易聯(lián)系得愈發(fā)緊密，甚至可以說人工智能的三個核心領(lǐng)域（機(jī)器學(xué)習(xí)，自然語言處理，知識圖譜）貫穿量化交易的始終。從2007年開始，Rebellion就采用基于AI技術(shù)（貝葉斯網(wǎng)絡(luò)算法）的國際資產(chǎn)配置策略模型來幫助客戶進(jìn)行資產(chǎn)管理。

金融決策需要大量數(shù)據(jù)支持和邏輯推理過程，金融知識圖譜提供了從關(guān)聯(lián)性角度去分析問題的能力，將規(guī)則、關(guān)系及變量通過圖譜的形式表現(xiàn)出來，進(jìn)行更深層次的信息梳理和推測。金融領(lǐng)域的數(shù)據(jù)具有開放性、多樣性，且文本、數(shù)據(jù)的時間特征很強(qiáng)。金融知識圖譜的實(shí)體可以是投資機(jī)構(gòu)、投資人、企業(yè)等，實(shí)體不是簡單的字符串，實(shí)體包含了與之相關(guān)的各種信息，比如地域?qū)傩院头诸悓傩缘?。圖譜數(shù)據(jù)包含了實(shí)體間的關(guān)系，可以是企業(yè)的上下游、合作、競爭對手、子母公司、投資、對標(biāo)等關(guān)系，或者高管與企業(yè)間的任職等關(guān)系。業(yè)務(wù)邏輯可以參考過往案例、專家對行業(yè)的理解、投資的邏輯、風(fēng)控的把握等得到。

基于知識圖譜的金融搜索引擎是金融領(lǐng)域的Watson，可以輸出多種金融服務(wù)，用戶名從金融機(jī)構(gòu)拓展至企業(yè)和個人。IBM介紹時說“Waston是一個集高級自然語言處理、信息檢索、知識表示、自動推理、機(jī)器學(xué)習(xí)等開放式問答技術(shù)的應(yīng)用”。IBM 將Watson的能力分割成許多不同的部分，每個部分可以被租賃用來解決特定的商務(wù)問題，比如語言識別服務(wù)，總共有40多種不同的產(chǎn)品?；谥R圖譜的金融引擎集數(shù)據(jù)、分析、搜索、投資工具于一體，一方面可以取代金融數(shù)據(jù)終端為專業(yè)人士提供服務(wù)；另一方面也可以為商家、個人等提供投資建議、征信信息等各類服務(wù)內(nèi)容。