“蚂蚁金服是一家TechFin公司，而不是FinTech公司”，这是蚂蚁金服给自己的定位。
蚂蚁金服副总裁、首席数据科学家漆远认为，金融领域核心的问题是风险管理，而蚂蚁金服希望用技术、数据能力去助力金融企业，去服务普通消费者和商户，提升金融机构的风险管理能力。这是蚂蚁金服强调技术，而不是做金融的主要原因。
事实上，人工智能就是蚂蚁金服最核心的技术之一。在蚂蚁金服内部，诸如机器学习、人脸识别、NLP等人工智能技术已经在支付、理财、保险定价、信用、智能客服等领域实现了应用。
对此，漆远举了个例子：蚂蚁金服从2015年中开始做智能客服，半年后自助率从百分之六七十涨到了94%，到16年双十一已经实现了97%的自助率。而这样的变化给蚂蚁金服内部带来了1亿的成本节约。
当然，TechFin的核心除了技术，还有赋能。漆远表示，蚂蚁金服将逐步开放公司的AI能力。显然，这是这家TechFin公司赋能金融行业的下一步棋。
漆远：人工智能起起伏伏很多次，现在突然火起来了背后最主要的推动力来自于工业界，例如语音识别以及去年就名声大噪的AlphaGo，工业界的研究正在推动人工智能技术的发展。
以前人工智能学术界和产业界还是有本质的区别，学术界更关注的是核心技术的开发，着眼更长；对于工业界而言，大家会更着急于商业价值和短期内的应用。但现在这一局面也在逐渐改变，首先产学研正在更紧密的结合，很多高校老师，包括我自己也来到了工业界，蚂蚁金服包括阿里都在和高校展开合作，目的就是希望能够共同推进产学研的发展。
与此同时，工业界本身也在做更高精尖的科研，所以说这个界限和以前还是有区别。此外，学术界是整体人才培养的源泉。
阿里推出了NASA计划，蚂蚁金服也是其中一部分，我们希望共同推动NASA计划中人工智能和机器智能的发展。
漆远：蚂蚁金服一直强调“叫好又叫座”，叫好就是技术本身有深度，叫做就是要解决实际问题。
蚂蚁金服的定位是TechFin公司，也就是技术驱动的一个金融服务公司，科技是我们的一个核心的能力，而不只是为了解决商业问题的手段。总而言之，现在学术研究和商业化的事情我们都会做。
漆远：我们希望打造一个金融智能平台，或者说是金融智能技术服务公司。这其中最主要的场景都是来源我们现实的业务。
蚂蚁金服风控部门中的反虚假交易就是基于算法，又如贷款是通过机器学习的算法来做的；还有前几天发布的保险定损，通过图像技术实现的；我们的智能客服缓解了蚂蚁金服客服的压力。
在智能客服这一块，蚂蚁金服和很多公司不一样，我们的业务场景更加复杂。因为很多公司只有一项业务，比如说卖一个东西，或者物流，而蚂蚁金服有保险、信用、贷款、花呗借呗，还有本身支付的业务。这些复杂丰富的场景为蚂蚁金服提供了一个非常好的推动力。当然，我们的技术水平也处于前列。
漆远：我认为人工智能会在这两个领域快速落地。人工智能要成功不光靠的是底层运算的计算平台，同时需要对业务场景问题本身有深入的理解。
医疗和金融行业有着很大的区别，但是现在也在结合，比如说我们在医疗保险、人寿险上，围绕人的健康本身又能产生很多金融的机会，我们都要从两方面看问题。
漆远：首先要考虑金融本身的特色，我们强调的一个是安全加密，保密性，安全加密特性，金融机器学习AI的能力。安全加密很容易理解，金融数据必须保障安全，要百分之百加密，其安全级别非常高，我们针对这一问题有一些技术上的投入。另外就是实时对抗，在与黑客的博弈过程中，我们自身的风控系统需要在实时的对抗性中学习，不断跟随环境进行演化。第三个特点，就是大规模，大家知道双十一的交易数量是12万笔，这需要自身达到一定的规模才能实现。
另外一方面，落地就是解决业务场景中的问题，我们需要从痛点出发，从用户的场景出发，来找到最合适的技术。通俗地说，我们不是拎着锤子找钉子，而是站在问题的角度来思考的。
漆远：区块链技术强调的是透明、信任，相互之间能够共同信任，区块链数据本身具有真实性、不可篡改性。基于这一点，我们通过区块链技术，促进了中国公益的发展。例如，蚂蚁金服现在正在和壹基金合作，我们还支持了器官捐送平台，实际上，支付宝用区块链做了很多相关的工作。
漆远：首先，我们部门正在研究的项目就是智能客服，大概从2015年中开始做，做了半年自助率就从百分之六七十涨到了94%，到16年双十一的时候，实现了97%的自助率了。
这一数值极具意义。蚂蚁金服的业务在翻番，按照这个趋势需要更多的客服才能够满足需求，但实际上客服人数是在降低的。刨去人力成本、GPU成本以及计算资源的成本，智能客服能为公司节省一个亿。不仅仅是自助率高，解决率也更好了。目前，机器的问题解决率比人还高，这是一个标杆性的指标。
另外有一个典型的例子是风控，我们把一些的广告里面使用的跨界思维，如预测用户会点进哪个广告的算法，用在了我们的风控系统里面，安全和体验永远是个平衡。所以我们开发了机器学习的算法用在风控系统里面，这是一个非常真实的案例。
还有就是最新发布的定损宝，照张照片会自动告诉你车撞得有多严重，我们通过计算机视觉来自动判断。
漆远：首先强调一下，我们的定位本身是个科技公司在服务金融行业。
金融领域核心的问题是管理风险，我们强调我们是一家TechFin公司而不是Fintech，想表达的是用技术、数据的能力去助力金融，去服务我们的客户，提升金融机构的风险管理能力，所以我们去强调技术，而不是说去做金融。
AI本身一定和场景分不开，训练一个深度模型不考虑业务，就没有价值，它一定有一个场景，而蚂蚁金服赋能的就是金融行业。
漆远：在我来看，技术难题就是前面提到的三个：第一个保密安全加密，这是第一大技术难题；第二是实时对抗；第三是大规模。我们需要开发一些技术来攻克这三个难题。
漆远：不仅仅是算法，人工智能是算法和系统和数据的紧密结合，如果只是算法，它一定不能发挥作用，失败的概率非常高。所以一定要和数据（广义的数据）结合，对我们来讲就是金融场景和生活场景，支付宝要做一站式的生活平台，就必须了解生活数据本身的特色；风险、信用是金融行业的特色，我们必须从这个角度来出发。另外工程架构也是关键因素，没有工程AI不可能跑起来，更不会实现大规模、实时。
漆远：乔丹是我们科学智囊团的主席，对蚂蚁金服而言，他会给我们带来三大帮助。
第一个是对技术大方向的建议和指导，尤其是宏观大方向；第二，他也会帮我们建立整个智囊团，智囊团本身也会制订未来的方向，他是非常好的科学家，伟大的场景往往会产生伟大的问题，伟大的问题能产生伟大的科学技术；第三，这个科学智囊团，包括乔丹本人会为我们整个技术品牌影响力的扩展做出贡献。
漆远：实际上智能客服就是个机器人，并且已经在支付宝上线了。支付宝的定位叫一站式生活服务平台，我们通过智能机器人能够帮您订票、订晚餐、打滴滴车，还可以通过语音给好友发红包、转帐等等，这些都是已经实现的应用。
此外，我们现在正在接通更多的业务直达能力，因为支付宝提供了非常多的服务，例如各种各样城市服务非常复杂，通过智能助理就可以直接解决，这是一个非常好的应用。
当然，蚂蚁金服在智能投顾上也在建立智能机器人，通过对话的形式理解到用户的风险偏好、家庭情况之后，就可以给他更合理的理财建议；另外，我们还希望通过智能助理帮助用户更好的解决生活问题。这些智能机器人底层都是一个技术体系。
漆远：人工智能经历了起起伏伏，它虽然是像正弦波一样跌荡，但是整体往上走的技术，对社会影响力越来越大，技术本身也在逐步成熟中，我相信这是人类最后最伟大的发明，关于未来还有很多的不确定性。但是现在从技术角度来看，我觉得还有很多挑战需要攻克，很多核心的问题我们还未解决，但仅仅解决了很小的问题，对社会对商业的冲击力就已经非常大。
之前有一个朋友讲的话讲得非常好：将来每一个成功的公司都会是一个人工智能的公司。
漆远：我们将来计划把机器人能力对外开放，开发者可以在里面做更多的东西，包括一些个性化的应用。蚂蚁金服两个关健词，一个是开放另一个是人工智能，目的就是把更多的能力开放给大家。
漆远：在大会上我会介绍蚂蚁金服的人工智能技术，从预测到推理我们怎么来布局的，因为我们以前大多是从应用角度来讲，技术方面讲的并不多。
CCAI大会简介：
CCAI 2017大会由中国科学院院士、中国人工智能学会副理事长谭铁牛，阿里巴巴技术委员会主席王坚，香港科技大学计算机系主任、AAAI Fellow 杨强，蚂蚁金服副总裁、首席数据科学家漆远，南京大学教授、AAAI Fellow 周志华共同甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展，汇聚了超过 40 位顶级人工智能专家，带来 9 场权威主题报告，以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛，届时将有超过 2000 位人工智能专业人士参与。报名请戳这里！
大会讲师采访：
阿里人工智能实验室王刚：找到合适的应用场景是实现人工智能商业化的关键点
语音识别真的比肩人类了？听听阿里iDST初敏怎么说
专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门
CCAI 2017 | 小数据学习对人工智能究竟有着怎样的影响？
CCAI 讲师专访 | 机器学习奠基人Thomas Dietterich：人类将如何受到AI威胁
CCAI讲师专访 | Toby Walsh：用AI提高器官移植的成功率