1.3 场景化：从粗放化、精细化再到领域智能的演进

1.3.1 互联网红利逐渐耗尽，场景竞争白热化

移动互联网作为一项底层技术对当前金融领域竞争格局的形成起着至关重要的作用。回顾此前的发展历程，从跑马圈地式的“互联网流量竞赛”到对互联网场景入口的争夺，金融机构从对用户数量的粗放式管理，再到对用户按特征分类的精细化管理。直至今日，移动互联网红利几乎耗尽^[4]，而5G商用的到来使得领域智能应运而生。

5G技术的商用催生了新一代移动设备端的发展需求，也将引领用户流量新的迁移，进而带动领域智能的蓬勃发展。可以看到，金融机构对移动互联网的技术特征的理解和对5G技术创新机制的认知，一定程度上决定了金融机构把控技术周期红利的能力，构成了其取得阶段性竞争优势的基础。

我国的有线网络和移动网络相较于国外都起步较晚，2G时期的互联网发展步伐缓慢，金融机构对互联网的应用也仅仅局限于用网页宣传自己的公司。在3G时代，金融行业着眼于借助资本力量，以低成本获取网民流量。在这一依靠网民数量红利的时代，流量竞争是互联网影响金融领域的主要方法。到4G时代，金融机构转而构建场景，拦截场景入口。经过了流量竞争的时代，金融科技市场开始呈现出“存量博弈”的发展特征，同质化的线上体验比比皆是，市场需求早已被过度满足。在此背景之下，倘若商业机构想要“破局”改变市场的竞争格局，就需要将经营思维的重点放在用户价值的创造上，持续深化对于用户需求的理解，而不是继续圈地式地拉拢用户，才能成功地将战略方向从“流量竞赛”转化为“价值创造”。

“价值创造”策略的实施需要企业基于自身资源禀赋，致力于对用户需求的挖掘与满足，进而占据战略高地。一般而言，具体策略就是借助各类App端口在社交领域的巨大用户规模做“连接器”，在此社群用户的基础上为用户接入高频需求的场景入口，满足用户的购物、交通、日常缴费等需求。

1.3.2 技术迅速演进，推动领域智能的实现

随着5G和人工智能技术的演进，金融机构重获了类似移动互联网的竞争工具，这也将重塑当下金融领域的商业格局。从战略发展的角度来看，在5G时代，随着技术的演进及数据和知识的积累，人工智能有望从场景智能上升为领域智能。在计算机领域，自然语言处理（Natural Language Processing, NLP）就是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。NLP的技术进步使机器有望胜任从文章中抽取所需信息，并根据抽取信息进行问答和判断等工作。这些技术在金融、医疗等领域的运用，不仅能够进一步提高相关企业的运营效率，更会增加领域智能实现的可能性。具体而言，实现路径如下：

首先，NLP技术可以助力企业实现人工智能技术与操作自动化（Robot Process Automation, RPA）的有机结合。目前的操作自动化只能完成重复性任务，借助NLP技术，将为RPA解决非标准化数据的处理及完成复杂任务提供可行路径。

其次，NLP的技术突破，为商业化落地提供了可能。过去几年，NLP研究取得了几个重要突破。2018年谷歌发布的BERT预训练模型，实现了迁移学习。初创企业利用BERT模型，能够大大降低运用NLP技术的成本。过去一年，NLP算法的准确度也不断提高，2019年3月，在斯坦福大学SQuAD机器阅读理解测试中，科大讯飞团队的模型首次在精确匹配、模糊匹配中全面超过人类水平。

再次，基于NLP技术的计算机的阅读理解功能已经在特定场景中开始发挥作用（图1-2）。在金融、医疗、教育、司法等许多行业的日常工作中，存在大量需要阅读、理解文本信息的工作。虽然目前NLP技术还无法完全代替人类，但我们已经看到在特定场景下，NLP已经可以起到明显的提升效率或辅助决策的作用。

最后，随着对话机器人与垂直行业的结合，算法公司逐渐找到了SaaS服务^[5]等商业模式。在小米、格力的智能终端布局中，语音交互和对话机器人技术解决了人机交互的瓶颈，带动了智能音箱等硬件的销售；不少算法企业积极和行业结合，赋能电商客服、医院导诊、金融专业问答等业务，找到了各自的商业模式，无人银行运用智能问答机器人为用户办理业务就是很好的印证。

一方面，NLP技术的发展为领域智能提高了算法能力，另一方面，传感器的感知能力为领域智能积累了数据资源。传感器是智能系统触达现实世界的媒介，能提取与人工智能系统任务相关的信息，如几何特征、属性、位置和速度。传感数据常与先验知识和模型一同进行处理和整合，来自各传感器和其他来源（包括计算云）的综合数据形成环境感知，为人工智能系统提供综合知识和世界状态的模型，并对感知对象的未来状态进行预测。此外，多个传感器的数据交流汇聚成智能体（系统）间的沟通，而不仅仅局限于单一场景下的智能系统的数据收集与分析。沟通机制的建立能帮助智能系统感知真实世界，进而有效、安全地在特定领域内规划和执行任务。

同时，在5G的低时延支持下，语音交互机器人能够理解用户下达的指令并做出有效反馈，帮助用户解决实时存在的棘手问题。在云端数据的支持下，未来的语音交互机器人将能够走出室内环境，通过与云端数据的交互，提升单个机器人的处理能力和存储空间，进而实现广域的数据共享和知识协作，让多个机器人相互产生协同效应，实现真正意义上的领域智能。

---

[1] GIS即地理信息系统（Geographic Information System）。地理信息系统是以地理空间数据库为基础，在计算机软硬件的支持下，运用系统工程和信息科学的理论，科学管理和综合分析具有空间内涵的地理数据，以提供管理、决策等所需信息的技术系统。

[2] Hadoop是一个由Apache基金会所开发的分布式系统基础架构，用户可以在不了解分布式系统底层细节的情况下开发分布式程序，充分利用集群的威力进行高速运算和存储。

[3] HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合在大规模数据集上的应用。HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。HDFS最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。

[4] 现如今，移动互联网技术已步入技术生命周期的成熟阶段，设备端同比增长放缓，移动互联网月活用户规模下降，人单日上网时长增速平缓。依据QuestMobile数据显示，我国2019年二季度移动互联网月度活跃用户规模从11.38亿下滑至11.36亿，移动互联网月独立设备数逼近14亿台，互联网人口红利天花板已至。此外，互联网时长红利也消失殆尽，用户日均上网时间从3月的349.6分钟增长至358.2分钟，取得了新高，但增速放缓，时长增速从11.8%降至6%。

[5] SaaS是Software-as-a-Service（软件即服务）。SaaS提供商为企业搭建信息化所需要的所有网络基础设施及软件、硬件运作平台，并负责前期的实施、后期的维护等一系列服务，企业无需购买软硬件、建设机房、招聘IT人员，即可通过互联网使用信息系统。