【智能金融】黑科技让银行们“长牙齿”，是该让马云颤抖了！

近年来，以大数据、云计算、人工智能等前沿数字技术为代表的数字技术逐步成为继农业革命、工业革命、信息革命后的又一次产业技术革新。未来数字经济将成为时代主流，作为支撑数字经济的核心，金融科技正在加快对商业银行发展模式和经营业态的重塑。

一、数字经济成为我国经济增长的重要驱动力

在我国经济增速整体放缓的背景下，随着高速光纤以及无线网络的快速普及，数字化、智能化基础设施逐步成为标配，数字技术成为支撑经济发展的重要力量：一是大幅降低了信息获取以及资源匹配的成本；二是为产业的专业化分工以及协同作业提供了条件；三是加速了新型组织形态的不断产生，有利于供需的精准匹配。

数字技术与产业的深度融合加快了传统产业转型升级的步伐,催生了快速发展的数字经济。数字经济主要包含两个部分：一是数字产业化，即数字经济的基础部分，包括电子制造业、软件服务业等。二是产业数字化，即数字经济的融合部分，主要指传统产业与数字技术的结合所带来的质效提升。目前产业数字化已占到数字经济总产值的77.23%。从数字经济的总体规模来看，2016年已达到22.6万亿，占国内生产总值的比重超过30%。根据中国信通院的统计显示，中国数字经济指数（DEI）的增速已经显著超过我国宏观经济景气指数，数字经济已成为拉动我国经济增长的主要驱动力。

二、数字经济时代金融科技为商业银行赋能

数字经济占行业增加值的比重呈现出按第一产业、第二产业、第三产业依次递增的特征。2016年，服务业中数字经济占行业比重的均值达到29.6%，高于工业的17%和农业的6.2%。金融业是第三产业的重要组成部分，随着金融科技全方位、深层次的“破门而入”，商业银行已经站在向数字银行全面转变的十字路口。从电子渠道的普及，到移动互联、大数据、区块链、人工智能等前沿技术的渗透，金融科技正在加快对商业银行发展模式和经营业态的重塑，主要体现在以下几个方面：

一是业务模式的转变。物理网点曾经是商业银行赖以生存的核心，承担着获客、借贷、理财、支付结算等基本功能，但随着互联网技术的不断普及，电商平台、第三方理财等互联网企业将金融产品移动化、场景化，与客户的生活联系得更为紧密，在长尾客户的获取上占据了一定的优势。在此背景下，商业银行也加大了电子渠道的建设，积极实施线上线下资源的整合，打造集产品、交易、购物、互动于一体的综合性金融服务平台。在经济下行时期，利用科技手段为金融服务赋能，有利于进一步降低运营成本，提升服务效率。

二是基础设施的优化。近年来，网上银行、手机银行的普及，很大程度上使得银行的产品线上线下一体化发展。同时，利用大数据、云计算等技术，商业银行积极布局云平台建设，通过在“云”上建立与客户和合作伙伴互联互通的生态网络，与消费者保持7*24的实时在线，打破时间和空间上的限制，简化了工作流程，提升了运营效率。

三是风控能力的提升。信息技术为商业银行注入活力，降低了中间成本，提高了业务的透明度。与此同时，互联网风险叠加金融风险，加剧了二者间的传染性和系统性风险。借助大数据和人工智能技术，商业银行的数据分析和处理能力不断提高，对于核心客户的数据进行挖掘与分析，能够及时监控到客户信息的变化，尽早发现隐患，进一步解决银企间的信息不对称问题。此外，生物识别技术在商业银行中逐渐普及，人脸识别、指纹识别、声纹识别等技术广泛应用于电子银行的开户和身份验证等流程中，增强了账户的安全性。

目前来看，金融科技在商业银行领域的应用前景广阔，市场空间巨大。以大数据、云计算、人工智能等为代表的新兴技术将在理财、支付、平台建设等领域为商业银行赋能。

大数据技术是当前与金融结合得较为紧密的一个领域。在数字经济时代，数据成为了关键的生产要素。通常来讲，数据的维度越丰富，对于用户画像的精准度就高，这也是谷歌、Facebook、京东等国内外大型互联网公司在借贷、理财、支付、证券、保险等各个领域都开展业务的原因之一。从时间维度上来看，我国商业银行经过30年的发展，积累了大量的个人客户和企业客户，拥有客户不同生命周期的海量数据。从数据属性上来看，商业银行的数据通常是与企业经营、生产、财务相关的核心数据，金融属性较强。相比之下，互联网公司成立的时间相对较短，主要的数据来源于社交和电商平台。商业银行应利用好自身的数据优势，优化资源整合，在内部运营方面，简化流程，提升效率。在风险控制方面，建立更为完善的风险防范体系。在创新产品方面，积极寻求与互联网公司的合作。比如在供应链金融领域，与电商平台合作开发针对上游供应商和下游消费者的贷款、理财、分期付款等服务；在消费金融领域，与互联网公司合作向长尾客户推出工薪贷、学生贷、消费贷等创新产品。

云计算是与大数据相伴相生的一个领域。通过融合个人行为、历史痕迹和环境信息等数据，建立客户模型、账户模型，为金融服务的安全性奠定了基础。特别是对于中小金融机构，云计算技术的应用能够显著降低运营成本，具有投资少、见效快的优点，在机构的转型升级中发挥着越来越重要的作用。目前，商业银行对于云技术的开发集主要集中在私有云领域，并尚且没有银行将核心业务系统部署在云系统上，在监管合规和系统安全方面还有待进一步的探索。在需求与政策的双重驱动下，未来金融云或将迎来广阔的发展空间。

得益于云计算等分布式技术的发展，神经网络深度学习在算法上取得突破，使得人工智能在技术领域得到飞速发展。智能投顾作为人工智能主要的应用领域，具有进入门槛低、佣金费率低和信息透明度高的特点，可结合现代资产组合理论和投资者偏好为投资者提供建议，彻底释放投资理财的长尾市场。国际上著名的数字化投顾平台Wealthfront根据用户的风险级别和个人偏好设置相应的投资组合配置区间，系统每天会实施自动化交易满足资产的权重及产品多样化。美国最大的智能投顾公司Betterment侧重于多元化大类资产配置，通过整合投资者的银行账户、贷款情况等信息来提供整体的投资建议，同样注重投资的自动化过程。我国商业银行在智能投顾方面也有一定的涉足。招商银行于2016年12月推出了针对个人投资者的智能理财产品“摩羯智投”，起投金额为2万元，根据用户个性化特质及需求配置一揽子公募基金组合，完成自动化交易过程。但受制于体制机制不健全、产品服务不完善等问题，我国智能投顾的发展仍面临较多问题，一是对冲工具较为匮乏，交易型开放式指数基金（ETF）的品种和规模都十分有限，导致风险的分散化程度不足。二是我国金融牌照的发放较为严格，金融数据不能提供给第三方使用，这都导致市场化的智能投顾机构很难正常开展业务，不利于市场的多元化发展。

此外，区块链基于非对称秘钥加密技术，以“智能合约”为核心理念，建立了一种新型的社会公信力机制，具有去中心化、去信任化、可扩展、可匿名和安全可靠等特性。在支付结算领域，借助区块链技术，商业银行可实现结算实时化、流程自动化、降低交易成本的功能。在票据领域，商业银行不再需要第三方进行控制和验证，直接实现点对点的连接，节约了人工成本。在征信领域，商业银行可及时更新客户的信息和交易记录，为银行省去“认识你的客户”（KYC）的工作，同时可及时检测到客户的异常行为，进行反欺诈监测。

金融科技在为金融赋能的同时，也必不可免地给商业银行带来了一定的冲击：一是借助信息获取和数据挖掘等方面的天然优势，金融科技降低了银行业的准入门槛，对商业银行的传统金融中介优势和经营模式形成冲击；二是不断涌现的金融产品和服务创新，对银行相关业务造成较大冲击，也在一定程度上加剧了金融体系的波动性；三是金融科技由于其电子化、虚拟化等特点，延展了金融业风险管理内涵，使风险更具隐蔽性，给金融安全带来了前所未有的挑战。比如，数据资源被滥用、网络安全隐患、业务风险外溢等问题的日益凸显。

总体来看，金融科技对商业银行的发展模式和经营业态进行了重构，但却并未改变金融的本质和商业银行的主体地位。广泛客户基础的信用优势和庞大而高质量的数据优势，将为商业银行在数字经济时代的转型发展起到至关重要的作用。而作为经营风险的金融机构，稳固的风险控制能力更是商业银行的核心能力，也是商业银行应对金融科技冲击的关键支撑。

三、打造商业银行金融科技新生态

随着数字经济时代的到来，客户需求变迁、科技发展推动、跨界融合等因素交织，商业银行主动拥抱金融科技已时不我待。商业银行打造金融科技新生态，需要政府从征信系统、监管工具创新方面为商业银行提供更多支持，同时，商业银行的制度、平台建设等方面也要进行相应的优化和完善。

第一，有序完善征信系统建设，提高全社会诚信水平。作为重要的金融基础设施，我国的征信信息系统对于客户信息的覆盖还不够全面，尤其是对于长尾客户的覆盖不够充分。金融科技是践行普惠金融的重要力量，致力于服务实体经济，惠及大量的长尾客户。我国的征信体系主要是由政府主导，第三方机构进行辅助的模式，二者之间的数据共享机制并未形成，一定程度上存在着“数据孤岛”的问题。而美国将征信体系分为机构征信和个人征信，机构征信中又分为资本市场信用和普通企业信用，有不同的征信公司主要针对不同的机构类型和个人客户提供数据。在形成差异化竞争的过程中，各个机构间也有较为健全的合作机制。未来我国应积极促进和规范社会征信机构的发展，通过云计算技术建立起与公共征信平台的数据共享机制，为普惠金融的发展奠定坚实的基础。

第二，加快监管工具创新，适时推出促进金融科技发展的制度。在国际上，英国率先在监管领域引入了“监管沙盒”的概念，即在金融行为监管局（FCA）的授权下，可在特定范围内进行金融产品或服务的创新测试，有效解决了金融体系对于科技创新的风险容忍程度有限的问题。“监管沙盒”以消费者受益为最终目的，让监管体制更具弹性，在监管者与创新者之间建立了良性的关系。为了更好地探索金融科技在商业银行的发展，我国可适时推出“监管沙盒”的创新机制，选择部分商业银行作为试点，以获得客户有效的反馈，为完善和推广金融科技在商业银行中的创新积累经验。

第三，监管机构应为商业银行与金融科技公司的跨界合作提供制度支持。在国际上，通过开展并购等方式布局金融科技平台的例子屡见不鲜。法国第四大银行BPCE成功收购了德国金融科技公司Fidor，推动BPCE银行的数字化转型；西班牙BBVA集团也出资购买了英国数字银行Atom近30%的股份。在国内，国开金融作为国家开发银行旗下的直投子公司，对包括蚂蚁金服、开鑫金服和挖财等公司进行了股权投资，分享着金融科技公司飞速发展带来的红利。目前，阿里与建设银行、京东与工商银行、百度与农业银行、腾讯与中国银行也都相继展开了不同程度的合作。为了进一步推进商业银行与金融科技公司的合作创新，建议监管机构支持商业银行在金融科技领域开展投资并购业务，适时投资或收购人工智能领域的科技初创公司，并在税收、上市等方面上给予一定激励，促进双方多角度的融合与共赢。

第四，加快体制机制创新，推进直销银行独立法人化建设。目前，国内仅有百信银行一家直销银行法人机构，而将网络金融或移动金融部从商业银行内部的独立出来，形成独立法人的经营模式，一是可以建立起自主的科技开发机制，避免与商业银行其他业务抢占科技资源，提升开发的效率；二是对于新产品的开发，可以开设风险容忍以及快速补偿机制，避免受到商业银行内部严格的风险合规文化的制约；三是有利于建立起与互联网精神相适应的薪酬激励和人才引进机制，开设专门的客户体验团队，以快速完善产品功能。建议监管机构加快批设直销银行子公司，推进直销银行经营转型。

第五，构建金融科技创新体系，推动业务智能化转型。基于数字化用户多元化、个性化的金融服务需求，商业银行应从战略高度明确金融科技的定位，打造跨界融合的智能银行，实现金融服务的数字化、智能化、个性化、定制化。一是打造金融科技的专业团队，建立与新型金融发展相适应的专业化经营组织结构。二是应用分布式、“去IOE”的互联网技术来改变自身原有的技术架构，加快现有业务流程的数字化、智能化改造进程。三是积极参加智能金融、人工智能等技术联盟，探索与金融科技公司的深度合作，在资源信息共享、科技研发应用、业务转型发展方面开展全面合作。

低调的运筹学，与金融业的契合点在哪里？

AI金融评论

作者：陈伊莉

来自@AI金融评论的报道

“夫运筹帷帐之间，决胜于千里之外。”

1955年，研究人员从《史记·高祖本纪》中提取出“运筹”二字赋予年轻的Operations Research（简称OR）学科以中文名。OR起源于第二次世界大战，最初是为了最高效地分配军事任务和军事资源。随着战后工业生产的日益复杂化，本质是研究优化问题的OR开始延伸至其他更广泛领域，传统应用包括供应链管理、路径优化、选址、能源网络布局、收益管理、资产配置与风控等。

同根同源

作为一门交叉学科，运筹学与数学、计算机、经济管理等学科都存在着密切的联系。斯坦福大学李国鼎工程讲座教授（K. T. Li Chair Professor）、优化领域基石算法内点算法的奠基人之一叶荫宇教授表示，运筹学是在满足约束条件下能够最大化、最小化某一目标的最优决策，有两大关键步骤：建模，将问题通过数学形式准确有效地表达；求解，获得最优化目标函数的决策。

叶荫宇教授

随着 AlphaGo等应用的突破性进展，人工智能大行其道，相关企业如雨后春笋般涌现，对于AI相关学科也产生了深刻的影响。在近日上海财经大学联合杉数科技召开的“2017年数据驱动的优化理论与实践”国际研讨会上，上财交叉科学研究院院长，斯坦福大学博士葛冬冬教授分享了一番运筹学面临的机遇和挑战。

数据全链条包含三个阶段，第一是采集挖掘、管理存储数据，通常由计算机和信息科学技术完成。随后提取数据中的信息，通过规律性分析发现规律，通常由统计和机器学习完成。但这些还不能释放数据的巨大价值，核心决策往往有较高的复杂度，还受诸多关系复杂的决策因素影响，所以运筹学接棒以期实现决策最优化。

“大数据天然带来了算法的需求，一阶算法兴起，非凸优化在深度学习和机器学习取得了有目共睹的成功。此外，量化意识觉醒，带来了对运筹学模型的再意识。”

但与此同时，整个过程从模型驱动向数据驱动转变，对方法论、实践的突破提出了新要求。在现实中，运筹学从业者常会遇到算法归功于谁，模型该听从经济学、统计学还是计算机科学的声音，以及工程化能力薄弱不足以支撑完整思想的传达等一系列问题。

而在斯坦福大学统计系教授黎子良眼中，这一切与AI相关的学科关系则更加简单，“往前数几十年，统计、运筹等都是同源。”在研讨会上，他对雷锋网表示，在实际研究人工智能过程中，黎子良教授也从不拘于统计学的方法，“我的学生散布在计算机、工科、医学等多个专业，我会经常与他们交流问题，也要求他们相互合作。”

细数金融业应用场景

作为人工智能决策层面的支持理论，随着其他技术的发展，运筹学的应用场景在不断拓宽。当然也包括金融领域。

第一个应用场景是投资组合优化。叶荫宇教授曾在公开演讲中提及优化马科维茨模型投资组合的例子。本质上，它是一个权衡收益和风险，构建最优投资组合的优化问题。

“把投资组合的问题写成一个二次规划，它的目标函数是二次函数，所有的约束也都是线性。我们通过一些常用软件Barra、Axioma、ITG、Mosek 等来最快地解出这个二次规划。”

第二大应用场景是风控与征信。作为全球最大的信用评级公司，2006至2007年间，FICO在征信模型求解方面找到了叶教授的科研组求助。叶荫宇教授表示，当时项目的信用评分模型极为复杂，数据样本过大，采用的机器学习模型，例如SVM，缺乏专用算法，一般的算法求解器调用以后无法在短时间内输出分类结果。

这是一个非线性优化问题，求解难度很大。后来，FICO简化了求解问题，并开发出专用、针对性的大规模优化算法，提升效率，增强可用性，还收购了一家专门的优化算法公司Xpress。当下，FICO已经自称是一家预测分析和决策管理公司，据2016年报显示，FICO 评分贡献 2.41 亿美元收入，占其总收入 27%，决策工具占比12%。据了解，旗下拥有一款帮助业务分析师优化决策策略的优化工具Decision Optimizer。

此外的应用场景还包括金融机构的储备金以及金融产品的定价。由几位斯坦福运筹学博士创立于2016年的杉数科技，主要为大公司提供咨询和定制化服务。CTO、明尼苏达大学助理教授王子卓告诉雷锋网，“总的来说，只要涉及到决策的金融场景，多多少少都会牵涉运筹优化。”

据他介绍，他们曾经做过类似项目，为某投资理财机构设计储备金，来应对投资者赎回或者其他市场风险，“类似于物流，只不过这里是资金流，需要做出每天储备多少资金才是安全线的决策，用到了鲁邦优化（Robust Optimization）等模型”。

定价问题其实是指金融产品的利率。产品利率与投资者投资成正比，这时需要权衡利率与平台利润的关系，“可以将此比作零售价格的设定”。

此外还可以应用在收益管理。该场景下要解决的问题就是，商家在如何不增大流量投入的前提下，显著提升企业的销售收入，解决这个问题需要收集多个维度数据，找到不同场景下的最优定价和最好的销售策略。

国内金融应用处于早期

在实践中应用运筹学也符合我国所倡导的集约型经济增长方式，但当前其在金融业的应用还处于早期阶段，相较而言无法与物流、零售领域的实践比肩。

王子卓对雷锋网表示，杉数一开始聚焦的行业就是物流，目前在物流和零售的案例最多。主要有三方面原因：

第一运筹学与物流、零售的契合点传统上比较多，这主要表现在解决问题的广度更高，效果更为显著。

第二，金融行业充斥着一大不确定性因素——人，可控性和标准化难度高，以及金融天然的避险性和强监管，一贯对新技术持相对谨慎的态度。

第三金融机构内部也有团队在做类似的事情，洽谈项目的难度会更高。

另一方面，国外金融行业运筹学的普及度也更高。

据雷锋网了解，叶荫宇教授的斯坦福团队曾为美国运通公司进行过利用动态博弈模型追讨未偿债务的项目。追讨未偿债务是运通重要的商业流程之一，即使是微小的提升也会显著影响其盈亏，但问题是追讨成本高，哪些值得追讨，又该采取怎样的策略。

叶荫宇教授介绍说，后来他们利用有期限的动态博弈来建模还款过程，在三个层面（债务人分配、追债人分配、有期限的动态博弈）进行优化，找到最佳的追债人债务人匹配及追偿方案。落地实施时，将复杂博弈模型转化为5个分割点方案，取得了明显效果。

除了定制化服务，行业机构还会提供一类标准化产品——算法求解器（optimization solver）。运筹学加上算法引擎，通过集成高效的优化算法为复杂数据分析提供基础的算法和软件支持，特别是开发优化算法求解器，能够显著提升机器学习和深度学习效率。市面上知名的求解器有美国Gurobi、IBM旗下Cplex、MOSEK等，前文提及的FICO 旗下Xpress也是此类。

在运筹优化国际研讨会上，成立于1997年丹麦的MOSEK创始人Erling D. Andersen告诉雷锋网，MOSEK产品的主要市场在欧洲、北美，中国仅有一两个正版客户（由于商用求解器相对昂贵，所以存在盗版和大规模的免费教育版用户）。

“国内采用求解器的大多是大公司，而国外应用更加广泛，小公司也有这种意识。此外，国内一些机构可能也不能很好地发挥这种工具的作用。”王子卓告诉雷锋网。

“不能孤芳自赏”

国内的从业机构不多，又有着广阔的应用前景，运筹优化这片蓝海似乎十分富饶。但在从业者纵横波涛之前，还有一个阻碍——生力军匮乏。作为一门交叉学科，运筹学散落在商学院、计算机学院、数学学院、工程学院中，学科建设不足，国内高校开设寥寥。此外，直到今年11月开源算法平台LEAVES发布前，中国还没有自己的优化求解器，主要依靠海外产品。

“不过近两年，运筹学学科受重视程度提升”，葛冬冬教授向雷锋网阐述变化，“一些高校设置交叉研究院，吸引海外知名学者。在业界，我们发现不少大公司，比如顺丰、滴滴、美团、京东等，给相关人才开出的待遇显著提高，这也有利于提高学科培养人才的积极性。”

在闭门会议上，叶荫宇教授表示，研究运筹学，第一要跟上技术发展的潮流，比如关注机器学习中的优化问题；同时，也可以为其他学科提供新思路、方法，帮助他们解决问题。

第二，长期来说，运筹学要结合学术研究与深层的应用，对实际产生意义。

“OR 的本质是一个接地气、落地的科学。OR 要走出去，不要孤芳自赏，还要再做点实际的事。”

（文首图片源自网络）

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官 AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”。

官方网站：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！