可如果仅此而已，人工智能也就是一个快速工具罢了。这样的学徒是永远无法晋级老师傅的，尤其是在没有数据的前提下。而金融，也不仅仅是一个顾问投资而已。

　　进阶帮工，人工智能先要迈过大数据的坎

　　从学徒到帮工，必须有更多的数据。AlphaGo的成功就在于它掌握了围棋领域近乎全部的数据，也即大数据强调的全量样本。尽管面对人类的智慧来说，万一出现一个不懂围棋的虚竹用自绝死路的非正常方式打破僵局，依然可以在进入常态竞技的后半段，用标准化的下法，逼死绝顶高手。

　　可如果没数据呢？李开复的解答看似很圆满：“一是在金融界里相对隔离得非常清晰。金融领域是不跟其他定领域混在一起的，股票就是股票、保险就是保险、银行就是银行、账单就是账单，这些东西是能够用来计算的，且属于狭窄的领域。二是利用手中拥有的大数据量，可以获取更多的数据。三是金融是最无摩擦的领域，钱进钱出，这里没有生产、仓库和物流。”

　　但其实，尽管数据流非常充足，但依然不是全量数据。仅以征信数据为例，基于传统金融机构的服务能力限制，使得传统金融无法服务的领域非常大，加之国内传统征信体系不完善，在收录的8亿自然人里，有征信记录的仅有3亿人，另外5亿人在系统中只有基本信息，传统征信覆盖的人数仅为35%。也即是说，即使接入，也不过是增加了一定的基础数据，距离真正能够反映一个人各种金融体征的全量数据还差距极大。

　　目前人工智能+金融所能做到，也就是风险系数较小、流程简单规范、数据量需求较少易掌握的保险和小额贷等业务之上。唯一纯数字领域的金融尚且如此，又何况其他领域。没有大数据加持，再好的人工智能也只是一个高档玩具。

　　大数据，其实也就与人类的经验认知和理性分析相似了，成为了人工智能能否长大的基础“饲料”。

　　且不论人工智能的深度学习模式，能够形成怎样的精准分析和判断，但仅仅从金融领域的人工智能应用上看，最容易获得更强大数据流的来源，其实在电商之上。在电商和O2O上已形成寡头之势的腾讯、阿里和百度，在2016年大举布局人工智能，其原因之一也就在于此。

　　越来越多的证据表面，当前的计算能力、算法与联网设备所产生的数据量已经构成了人工智能真正崛起的基础。除了在围棋领域战胜人类冠军，在图像识别和语音识别正确率上，机器性能也在近年超过了人类平均水平，这既是算法改进的功劳，又离不开大量的训练数据和计算。在中国，有足够训练数据的，除了传统金融机构外，就只有BAT了，而且更加独特和立体。这其实就是金融的棋谱。

　　如在2016年9月，百度高级副总裁朱光在百度世界大会上表示，百度金融将以身份识别认证、大数据风控、智能投顾、量化投资、金融云为方向发展金融科技。这其实就是用大数据+云计算来喂养人工智能，以期在金融上和传统金融业形成差异化的节奏。

　　而因与余额宝合作一战成名的天弘基金亦透露出更为强烈的需求，尤其是在智能顾投这个被互联网金融巨头列在首要破局点的领域上。其智能投资部总经理助理刘硕凌就认为：“最好的人工智能是人脑和大数据技术的融合。把复杂的巨量数据的线性，非线性计算和归纳工作都交给机器。”而庞大的阿里系数据流，和独立于征信系统之外、以电商消费和余额宝投资为基础的芝麻信用，则可更为真实的为用户做出更多立体面的画像。

　　每一个用户都有不同的立面，无数反映用户消费、投资的数据点，则可让这样的用户画像从平面走向立体。而对市场的分析、研判以及更精准的舆情监控，这些同样是互联网平台更为擅长和已经深度大数据化和逐步人工智能化的先发领域。

　　只是，一旦需要更多的数据之时，每一个有志于金融的平台都会设立壁垒，确保自己的独家优势。人工智能的求学之路，初期靠自家数据，武功日益千里，后期要多方化缘，殊难精进。