人工智能的滾滾洪流，正在影響金融領域的各個應用場景。我們認爲，智能金融未來發展將圍繞智能化、場景化和個性化展開。智能化爲基礎，可分爲三個層次：第一層次爲Robot，即可以實現簡單的數據收集整理工作（助理分析師）；第二層次爲Smart，即可以實現數據的簡單分析（初級分析師）；第三層次爲Intelligent，即可以實現數據的決策支持和深度洞察（高級分析師）。場景化，就是智能金融將驅動金融業態不再侷限於“金融標籤”，而是轉變爲一種深入各種場景的“生活標籤”，擺脫以往“高冷”的形象，變得更貼近生活。個性化，是相對於標準化而言的，雖然智能金融或許不能實現完全的因人而異，但智能金融驅動的金融服務和產品的創新，將爲人們提供更多元化的選擇，這就是一種相對的個性化。

雖然我們很看好智能金融未來的發展趨勢，但我們不得不承認人工智能還處於“弱人工智能”階段，智能金融的發展還面臨一系列挑戰。

首先，鼓勵金融創新與風險控制之間不平衡。智能金融在爲金融帶來降本增效等好處的同時，也增加了金融的風險，甚至出現“劣幣驅逐良幣”的現象，破壞了金融的穩定性。這些，促使金融監管越來越嚴格。雖然政府監管的目的是爲了“糾偏”，提醒市場金融的創新不能偏離創新的本質——金融。

其次，數據聯通與有效應用面臨挑戰。金融業雖然在發展過程中積累了大量數據，但仍面臨兩大數據挑戰：數據信息孤島和數據有效應用。目前，用戶數據高度集中在BATJ等幾家企業中，容易形成數據寡頭現象，帶來數據壟斷，造成所謂的數據鴻溝問題，形成信息孤島，不利於智能金融公司數據的聯通。同時，金融數據的接收和處理是智能金融在應用過程中面臨的一大挑戰。如果數據使用不當，精確的數據挖掘也會導致荒謬的結果，這需要智能金融公司深入理解數據與金融的邏輯，深入挖掘數據真正的價值。

最後，需要我們注意的是，雖然我們常聽到類似“摩根大通使用全球第一款機器人執行金融交易”或者某科技公司與金融機構開展合作等新聞，但這並不是智能金融技術公司的常態。大部分智能金融還處於概念階段，要想真正落地還有很多問題待解決。媒體等對於智能金融過於誇大事實，使得大衆的期望值比較高。然而，大衆在與智能金融應用實際基礎過程中，智能金融的實際情況並不能符合大衆過高的預期，可能會導致人們的失望，造成信任危機。例如，人們對智能投顧抱有很大的期望，當智能投顧的收益率與預期出現偏差的時候，就會導致失望與不信任。所以，我們要對智能金融多點耐心，多點信心，誰也不知道十年後的智能金融會爲我們的生活帶來多大的改變。