互联网发展的前30年为我们铺设了宽阔的网络道路，剩下的30年就需要那些有创造、创新精神的创业者去不断完善道路两旁的配套服务，去探索未知世界的新边疆。每一次技术革命都会改变社会以往的分工协作方式，在金融领域也不例外。

最早的证券交易大厅满满的都是人，而且大爷大妈占据了整个交易大厅的很大部分，现场的嘈杂场面不亚于北京地铁的早高峰。后来随着计算机和互联网的普及，开户、交易这件事在家电脑前就可以完成；如今，随着人工智能、大数据和机器学习技术得以广泛运用，谷歌AlphaGo战胜李世石，人类几百年的围棋文化在短短几年被人工智能打败。

金融投资行业的趋利性使得每次科技的进步在该得到的响应都很迅速。无论是人工智能、大数据还是机器学习，其主要发力点在于那些有客观规律可寻、有数据可依的领域，而金融证券领域最不缺的就是数据，每天不间断的财经新闻、上市公司财报以及每秒产生的上亿的交易数据等等，这些数据都是可以被量化并从中找到规律的。面对如此庞大的数据信息，传统的人工交易员、分析师的工作效率有限，无法进行全面的分析，并且会受到主观情绪影响，这对反人性的交易来说，是人类很难克服的本性 。

成立于1869年的高盛集团是全球历史最悠久、最具权势的投资银行。从当年的马夫门面店到今天的华尔街大佬，从地下室一个雇员到如今上万亿美元资产的影子操控者，高盛经历过无数次风雨沉浮，见证过资本市场的血雨腥风。即使是这样的资本巨鳄也难逃技术革命带来的威胁，曾经拥有600名交易员的高盛，如今只剩下2名股票交易员“留守空房”，但其计算机工程师员工占比为三分之一，约有9000人，原因在于具备机器学习能力的复杂交易算法已经可以取代传统的效率低下的交易员，且所得的收益要优于交易员业绩。

同样在金融领域第一个以人工智能驱动的基金Rebellion 预测了 2008 年的股市崩盘，并在2009年9月给希腊债券F评级，而当时惠誉的评级仍然为A。通过人工智能手段，Rebellion 比官方降级提前了一个月。

还有很多先进的人工智能和机器学习技术应用在金融投资领域的例子，这里就不多列举了。在这样一次技术革命浪潮中，美国等西方发达国家所做的尝试较国内要早，比如Wealthfront、Betterment、Liftoff 等较早涉足智能投顾领域，而后起之秀 Kavout 则另辟蹊径，将人工智能技术应用到选股、择时和财富管理等投资场景中，得到了业内的高度认可。而国内的智能投顾业务近两年才逐渐发展，但由于市场环境不成熟，投机心理占主导等因素的影响，国内市场处于不温不火的状态。

就在今年，成立于西雅图的 Kavout 也要进入中国市场，希望通过其在金融和技术方面的经验优势，利用人工智能和机器学习技术搭建的三大核心产品：Kai 、 RoboChartist和金融智能云，降低企业在投资和管理中的成本，同时公司依靠自有技术为机构和高净值人群提供组合优化和智能财富管理服务。

目前，国内大部分基金、证券公司在众多股票中选择价值标的以及恰当的交易时间时，往往依靠人工的分析师完成，每个分析师研究的板块、个股财报及交易数据等信息需要花费的时间周期较长，且在能力范围内跟踪的股票数量也有限。为了解决这一问题，Kavout 利用程序算法，并采取目前领先的人工智能和机器学习技术，让计算机替分析师完成在众多股票中选股和择时的工作，直接为用户提供分析结果即可。

其中的 Kai 就是基于市场公开信息，结合深度学习和多因子非线性量化模型，实时分析400多个指标与未来回报间的关系，结合数据评估该公司状况，并预测股票的未来走势；与之配合的 RoboChartist 是基于个股的价格形态，结合机器学习和图表分析技术，实时扫描并自动识别数百种价格形态，通过客观的分析规律，有效的跟随市场趋势，及时发现市场中出现的交易机会，精准定位最佳交易时机。

而前不久上线的金融智能云平台，是将上述两款产品的分析数据和中美两国资本市场价格数据置于云端，在此基础上搭建一个具备人工智能计算能力的云端数据中心。如基金、证券、财富管理等第三方金融机构可以在平台上自主研发智能投资模型，省去完全自主开发整个系统的成本，而那些不具备AI能力的中小型机构也可以利用平台已有的模型操作，按需付费。

在这个社会协作分工已经高度细致的时代，每个人的时间都和宝贵，而且是无法再生的资源，而在商业领域无不为节省时间、提高效率和降低成本等开源节流的原则深挖每个行业的价值洼地。金融投资也是一样，用最少的投入换取最大的收益回报这是每个从业者和企业管理人的心声。而 Kavout 利用其人工智能技术在节省成本的同时也希望降低投资的门槛，希望这样的企业日后大有所为。