正如马化腾所说，发展金融业务拼的是谁的命长，而不是看谁短期内跑得多快。有B端雄厚背景的平安一账通、招行摩羯智投等似乎不用担心生存问题，而初创的智能投顾则很容易遵从传统用户积累的逻辑而面临用户积累举步维艰的状况，PINTEC早前的灵玑以及更多默默的产品莫不如是。显而易见的是，以传统逻辑经营C端并不是当前现实下智能投顾最好的存活方式。

　　谋定而后动才是AI类前沿行业发展的不二法门

　　近段时间热炒的ofo相关的通信、认证（包括刷脸）、支付等无不是业已成熟的技术，产品与舆论的焦点都在其商业模式上。这样的行业没有“谋定”的机会，蛋糕抢到手里再谈享用。

　　而以探索身份存在的AI科技却与传统科技关注商业模式不同，其发展更多关注技术宣贯与理念提升，低普及度事实上反而给了行业个体充分锻炼的时间和必要。没有完全成熟、充分准备的产品既会被市场排斥，也如前文所说无法获取所谓先机，只有打造比较成熟的产品面世，才能中和掉传统中成长起来的客户群体的抵触情绪。典型地，作为AI类行业，智能投顾在走向C端之前，B端无疑是最佳的“成长基地”，这样的充分磨刀既是一种必要，也具备充分的条件，谋定而后动，不必担心错失时机。

　　1、 AI需要的不仅仅是基础数据

　　AI产品最基础的要求往往是数据，但是对这样的前沿科技来说，除了数据丰富度外，数据筛选度、质量、针对性对智能算法的最终效果表现提升具有高效价比的作用，花在数据上的精力产出不一定比花在核心算法上低。智能投顾也不例外，如果说Beta理财师、璇玑智投靠自建数据库来充实这一基础内容，那么面向B端的智投在获取数据上能够更加具体而有针对性。

　　资金端，B端机构—例如京东、蚂蚁金服、民生证券理财等—基于本身业务而来的特定群体的数据积累，对意向个人投资者的收入、社会状态、心理特征等会比泛泛而来的基础数据库更为直接，风险偏好测试将更有针对性、更为精准，资产配置的匹配将更为有效。

　　资产端，一方面是国家对金融数据的监管给机构带来的天然的数据便利、优势，另一方面是在长期的市场研究中，机构的数据已经不仅限于直接的资产标的波动率数据，还存在一些衍生而来的更有应用价值的数据，例如招商银行很早上马的大数据处理系统带来的筛选成果能够直接应用到摩羯智投。

　　2、 产品成熟之前迫切需要实践试验场

　　如果说培训对新员工适应并做好工作至关重要，那么AI产品在走向成熟面向市场之前也毫无疑问需要这样的过程。智能投顾面向B端，就等同于有了一个成长的帮扶，可以事半功倍，而不再需要耗费大量时间、精力去进行企业能力的提升工作。

　　最直接的，开奖，就是人才的被动培育。智能投顾最需要的IT/金融复合人才市场奇缺，而信息化背景下的B端机构们早已经在此方面有了充足的准备。例如平安一账通与平安银行在人才共享上存在诸多直接便利，是独自奋战的的智投们难以企及的。

　　此外，还有技术、体验的双重打磨。如果说传统科技下的功能性产品对用户体验尤其重视，那么AI科技则更需要强大的用户体验来减轻抗性，毕竟，在理念上未充分接受的同时，又配以糟糕的用户体验，结局可想而知。这就使得智能投顾一方面要在算法上足够优异，另一方面需要打造针对小白的一系列产品体验才能俘获“用户的心”。

　　此时，面向B端的优势就显现，既能够在内核算法技术上充分倚靠，也能够凭借充分的客服经验在产品体验上充分满足用户需求。例如摩羯智投一方面融合招商银行十余年财富管理实践及基金研究经验，另一方面又能够充分吸收招行丰富的产品实践反馈，用以提升智投的用户体验。目前大多数纯C端的智能投顾产品，其界面都过于简略，风险评测后即要求绑卡开户，体验上未免过于直接、突兀，缺乏应有的引导过程，这显然是因为在注重技术之外，做“产品体验”的逻辑没有跟上。

　　3、 逃脱前沿科技产品冷启动的宿命

　　几乎所有面向C端的产品都需要从零开始集聚人气。而据前文智能投顾难以走这条道路。既是无奈也是机会和必要，B端恰恰给了智能投顾一个更好的选择，机构原有的用户基础甚至实体的线下门店都给了纯互联网化的智能投顾一个从“巨人肩膀上”开始的机会。