0
| 本文作者： 人人都是產品經理 | 2017-02-09 08:29 |
在畢馬威公布2016年Fintech 50強榜單之后，我大概花了一個多月的時間把這個榜單中每一家公司，從一個產品經理的角度仔細研習了一遍。在這個過程中，我有了一些發現和自己的見解，但也有很多疑惑。所以，通過智能金融沙龍這個平臺和大家溝通，一方面是想把自己一些粗淺的見解分享給大家，另外一方面是作為這個行業的后輩向各位前輩討教和學習。
本次分享的內容可以分為以下兩個部分：
第一部分：畢馬威Fintech 50強回顧概覽
第二部分：熱點細分領域及企業對比 （這部分是重頭戲）
一、畢馬威Fintech 50強回顧概覽
我們先回顧下2016年畢馬威中國Fintech 50強上榜企業的分布、估值和商業模式等情況。
還不太熟悉此次上榜企業的朋友，可以先看一下上圖中左邊的企業列表，有個大概印象。
上面右邊這張圖，則根據業務場景將上榜企業分為三大類：
第一類企業：圍繞個人用戶的消費信貸、信用卡、理財、保險、財富等需求，提供精準營銷、風險定價、反欺詐等服務。
第二類企業：圍繞企業用戶的收付款、票據、信用借貸、理財、租賃、抵押貸等需求，提供風險監控、定價及反欺詐服務。
第三類企業：也是極少的一部分企業，從事的是針對金融市場的量化交易、組合管理等業務。
在這張圖上我們可以明顯看到，做To C業務的Fintech企業明顯比做To B業務多，T0 C的企業連線要比T0 B的密集一些。
在這50家企業中，大數據類公司占比較高，綜合金融服務其次。
再來看這些企業的核心技術分布，目前金融領域很多痛點都需要通過領先的技術應創新實現突破，大數據和數據分析技術的研發和應用普及度最高。
二、FINTECH熱門細分領域及企業對比
在畢馬威關于Fintech 50強的官方報告中，這50家企業按照業務模式被劃分至10多個細分領域，包括消費金融、財富投顧、大數據/大數據征信、支付匯兌等，如下圖所示。
畢馬威還將2016年中國Fintech 50強和2015年的國際Fintech 100強進行了對比。大家可以看看在同一個領域，中外企業（其實主要是中國和美國企業）的數量對比，其實挺有意思的。不過由于時間的關系，我主要挑選了消費金融、支付匯兌、大數據/大數據征信和財富投顧這四個領域來講講我的發現。
1. 消費金融領域
在消費金融領域，51信用卡的打法是典型偏互聯網方式，做工具起家，圈住流量后再尋求場景變現；趣店是原來做得最大的一家校園借貸平臺——趣分期，不過他們已經宣布退出校園分期市場，此后將專注于非信用卡人群的消費金融業務；量化派最近剛宣布C輪5億的融資，近期也廣受關注。
傳統消費金融，是指向各階層消費者提供消費貸款的現代金融服務方式。消費金融公司由于具有單筆授信額度小、審批速度快、無需抵押擔保、服務方式靈活、貸款期限短等獨特優勢，廣受不同消費群體歡迎。
消費金融前景看好的主要原因：
政策推動：自2009年銀監會頒布《消費金融試點管理辦法》，開展消費金融公司試點工作以來，政策紅利不斷催化，消費金融正在成為眾多資本追逐的對象。
消費升級：中國國民經濟進入新常態，在拉動經濟增長的三輛馬車中，消費成為目前最關鍵的環節。目前，中國消費性貸款余額的占比只有20%左右，與歐美發達國家的50%左右的比例相比，有著明顯的差距。
巨量市場：2010年以來，中國城鄉居民的消費需求保持了較為強勁的增長勢頭。2015年12月，我國金融機構人民幣信貸余額為93.95萬億，個人消費信貸余額為18.95萬億，占比20.17%，增長迅速。據保守估計，2020年消費金融市場規模將突破5000億, 樂觀估計則將近9000億（引自中泰證券）。
互聯普惠：互聯網技術，特別是移動互聯網技術在消費金融領域的應用，使得消費金融服務更具普惠性，能夠覆蓋更多的中低端用戶群體，如學生、藍領、農民群體等。
利好因素如此之多，所以我們看到除了上榜的這5家企業，銀行派系的各種消費金融公司，互聯網巨頭BAT，大型零售商蘇寧、萬達等這些大企業們都有所布局，還有接下來將要介紹的那一堆做to C的大數據征信的公司都在磨刀霍霍要殺向消費金融領域。
說句題外話，我11月份去參加了畢馬威官方的金融科技50強研討會，一些上榜企業的代表被邀請參與現場討論。如果對研討會的講話做一個關鍵詞的詞頻排列統計的話，大數據排第一，消費金融絕對排第二。這是一個競爭非常激烈的紅海市場。
圖的來源：GEO大數據：2016年消費金融報告
上圖是我從網上看到的。這是一張消費金融的產業生態圖，主要的生態構成有資金供給方、催收機構、征信機構、服務商等。此次上榜的科技公司主要集中在征信的數據補充和互聯網平臺服務。
按照派系劃分消費金融：
如果再將消費金融的企業按照派系劃分一下，則可主要分為銀行系、電商系和產業系三個派系。
銀行系：據不完全統計，截至目前，經銀監會批復成立或正在籌建中的消費金融公司已有18家，銀行系占八成以上，其中包括中國銀行 、招商銀行 、興業銀行 、北京銀行 、南京銀行等。就在上個月（2016年11月份），短短十天之內，就有上海銀行 、華夏銀行和江蘇銀行三家上市銀行陸續發布消費金融公司的布局計劃。
電商系：以螞蟻金服、京東為首的電商翹楚，依托自身強大的在線購物場景和長期沉淀的龐大消費數據，開拓消費金融領域顯得游刃有余。
產業系：是由零售企業主導設立。零售企業在線下消費場景方面擁有穩固的基礎，相比越來越貴的互聯網流量和渠道成本，線下獲客成本反而比較低，比如此處上榜的馬上金融就是一家典型的產業系企業，由重慶百貨、重慶銀行、物美控股、陽光保險、浙江中國小商品城、中關村科金共同發起。
消費金融領域的兩個關鍵因素
在競爭如此激烈的態勢下，場景入口和數據風控成為了消費金融領域的關鍵，相關企業的競爭力取決于是否具備結合場景、將數據變現的能力。
場景入口：高頻的場景，如在線購物、租房、學生分期、旅游、整形等，已被上游企業占得先機。比如鏈家肯定會去做租房分期，攜程肯定會去做旅游分期等。作為創業企業，在場景的尋找和切入上實屬不易，有時甚至要自建場景。
另外再舉一個例子，安心de利也是此次上榜公司之一。我也有幸聽到安心de利CEO劉延峰劉總分享的公司模式。安心de利目前專注于大農業——養殖業，模式做得比較重，將產業鏈的整合、貿易和金融結合在一起做供應鏈金融。比如在他們的平臺上有產業鏈肉牛供應商的借款，皮毛經銷商動產質押借款之類產品。劉延峰認為，友商們玩數據和技術的太多了，而入口和場景被巨頭們把持著，所以安心de利認為不能靠利差賺錢，而要切入某個價值鏈，以此獲得價值。消費金融有時不缺錢，也不缺數據，反而是缺特定的金融服務，比如在養殖業那些小的養殖戶、屠宰廠等在之前很難獲得金融服務，或者說很難獲得低成本的服務。所以安心de利和其他公司趨勢相反，更注重服務。
數據風控：即數據能力。我們也可以看到此次畢馬威50強評選上涌現了那么多大數據征信公司。
從北美消費金融企業發展的經驗中可以總結出：消費金融的后來者能夠實現彎道超車，在于他們敢于采用與銀行這樣的傳統金融機構不一樣的體系篩選客戶。他們利用數據積累和大數據技術，建立智能化風控體系，并愿意足夠耐心地完成試錯，最終打造出獨特的信用評分體系與風控模型，實現個體差異化貸款利率。
比如有一家美國的公司，他們創立的起因就是當時聯邦政府對學生的貸款利率制定的是一個標準統一的數字，而其創始人則認為常春藤盟校的學生應該享受到更低的學生貸款利率。于是他們就自己建了一個主打學生貸款領域藤校學生差異化貸款服務的平臺。這家公司僅僅是發現了這個很簡單的道理，都沒用到什么大數據，實現個體差異化貸款利率，就做了一門成功的生意。
另外，現在普惠金融能夠更好地覆蓋學生、藍領、農民低端人群。這類群體的壞賬率雖然偏高，但可承受的實際利率更高。比如最近出現的女大學生“裸貸”事件，令人震驚的是他們對利率非常之不敏感。這些學生雖然都是幾千塊的小額貸款，但是年利率高達30%-40%。比如某平臺給藍領的借款，借1000元，每天利息1元，其實年化利率高達36.5%，只是換了個馬甲和說法之后，但藍領群體對這種高利率的感知變得很遲鈍。
剛才講了那么多，總的來說消費金融還是一個有機會但是壓力頗大的領域。我們來看看一些投資人對消費金融這個細分領域的觀點。
在畢馬威Fintech 50強的研討會上，高瓴資本的董事總經理洪婧女士提到：“Fintech領域分為上下半場，上半場觸達的游戲已經結束，下半場價值鏈的重構游戲才剛剛開始。”
上半場是對金融業務舊模式的升級，下半場的新模式、新技術才剛剛開始 。比如2016年11月，我們曾翻譯發布了福布斯2016年全球金融科技50強的榜單，AphaSense、Kensho等美國Fintech企業上榜。在中國，沒有一家企業能夠做到和榜單中的美國企業相匹敵匹配，文因互聯算是正在發展中。
此外，我還看到了金沙江創投的一篇文章，里面提到一個觀點：遠離Self-destruction模式和渠道驅動的業務。
什么叫Self-destruction呢？是指“平臺發展越快，業務規模發展越大，則該領域里的套利空間越小，越難保證持續收益與發展”的自我毀滅模式。
典型的例子是校園分期市場。短短三年時間，校園分期市場的利率水平從過百降到不足20個點，套利空間蒸發殆盡。這種Self-destruction模式就注定了企業持續轉移陣地、“打一槍就換個地”的命運。
另外一方面，消費金融都要依托（或自建）渠道以促進“銷售”。很多企業很難擺脫被渠道“驅動”的事實。一旦渠道成本攀升，或渠道維護出現問題，公司的業務發展都將受到嚴重影響。
2. 支付匯兌領域
很多投資人都喜歡具有“網絡效應”的商業模式。什么叫“網絡效應”呢？就是指使用或兼容某個產品和服務的人越多，這個產品或者服務的邊際價值就越大。這和Self-destruction模式完全相反，有網絡效應就意味著爆發式增長。而在Fintech領域中，存在顯著網絡效應就是支付，接下來我們就看看支付匯兌這個領域。
我們可以看看下圖中的這張表。財付通就不說了，快錢已被萬達收購。匯付天下是做金融機構類B端支付產品，Ping++和錢方好近我們稍后詳細講。支付寶沒上榜是因為螞蟻金服作為一個整體被歸類到綜合金服領域了。
看到下面這張圖，作為支付領域的創業公司都應該感覺到挺頭疼的。基于互聯網和移動互聯網的支付領域目前已被微信支付和支付寶占據了半壁江山，且巨頭統治力明顯。對于阿里和騰訊來說，支付是他們的“成本池”，是為一些更大的戰略目標而服務的。而對于一些外部支付的創業企業來說，支付是他們的“利潤池”。巨頭會有意無意地把支付領域從“利潤池”打成“成本池”，從而陷入惡性競爭。此外，相對于美國市場化的銀行格局，第三方支付企業平均可以獲得2%以上的利潤。而中國因為種種原因，利潤水平非常低，所以必須要靠規模效應來賺取利潤。
圖片來源：2016上半年度：中國第三方支付市場分析報告
那么，哪里還有空間留給創業公司呢？ Ping++及錢方好近的模式比較值得學習，其核心就是：做巨頭的朋友，而不是敵人。
錢方好近和Ping++都是幫助各種支付巨頭接入各種支付場景。Ping++主要做線上支付的接入，而錢方好近做的是線下支付的接入。
錢方好近——中國最大的小商戶服務平臺，提供線上線下的聚合支付、營銷及商戶貸款等系列商業運營方案及增值服務。2015年，推出智慧商圈概念“好近”，以線下支付和線上營銷的模式為商戶提供全方位服務。
我們最近感受非常明顯的各種線下小額支付場景，比如在路邊買了個早餐，便利店買了瓶水。錢方好近的線上線下支付平臺——錢臺，就是通過云端開放API及客戶端SDK的方式，讓小型商戶、O2O創業者都可很方便地接入提供交易云服務的SaaS平臺。并且錢臺支持iOS、 Android、H5等平臺，讓企業快速擁有線上支付、線下支付能力，低成本、高效率實現交易閉環。
錢方好近的CEO稱自己是支付寶的線下拓展軍。而在2016年春節的時候，錢方好近也幫助微信掃碼支付，首次通過服務商接入香港本地300家零食超市759阿信屋。
這就是創業企業的模范生存模式，在巨頭斗爭中通過合縱連橫來獲得自己的落腳處。
支付最為核心的是“清算”。國際上最早的清算組織為英國倫敦的票據交換所，成立于1775年。提供相互代收、代付票據進行相互清算，這是一種集中辦理轉賬清算的制度。所以說，支付其實就是各種主體之間的結算活動，比如人與人之間的清算，人與銀行之間的結算，銀行與銀行之間的結算等。
科技使得支付行業進化，但只停留在工具層面。POS機、美國Square手持刷卡器、二維碼、刷臉本質上依然是更便宜、更高效、更便捷的清算工具。2014年，央行叫停二維碼支付，因為有很多潛在的風險。前段時間有新聞報道，有人把店家的收款二維碼改成了自己的，從中盜取很多錢。但這樣的支付方式，既便宜，又便捷。以前，一些商戶可能要購買價值不菲的POS機和收銀系統，才能讓顧客進行非現金結算。但是現在，只需要花1毛錢打印一張二維碼，就能進行無現金結賬了。所以，我們可以看到這個趨勢：大家甚至愿意犧牲一些風險，來換取支付清算的便捷性和廉價性。
但上面的進化也只是工具的進化，一旦有新的工具出現，很容易被抄襲，而且巨頭支付的清算成本一定會更低。比如，人與人之間的支付成本已經被支付寶和微信支付打到最低了，財務成本是0，使用成本也非常低，所以支付幾乎已經沒有空間了。
像螞蟻金服推出的刷臉支付，其本質也是更進一步地降支付清算的成本。如果說二維碼支付還需要購置一臺幾百元到幾千元的手機，那么刷臉支付的工具成本更低。
那支付匯兌領域還有哪些機會呢？關鍵是尋找那些清算主體之間成本還非常高的業務。有痛點的地方就有市場，比如跨境支付。
西聯匯款（Western Union）是一家國際匯款公司，擁有全球最大、最先進的電子匯兌金融網絡，迄今已有150年的歷史。
在福布斯2016年Fintech 50強的榜單上，出現了一家名為TransferWise的公司。該公司為客戶提供了一種低成本的國資金轉移服務。他們的定價和運營模式與傳統銀行大相徑庭，只收取很低的費用，比如轉賬金額在300英鎊以內的只收取1英鎊的費用。因此有人評價說：TransferWise實現了一個國際間的支付寶——PayPal，完全繞過了銀行高昂不合理的手續費。
我們在畢馬威中國Fintech 50強的榜單上就沒有看到過這樣的匯兌公司，大家都在盯著支付寶這種形式。
3. 大數據/大數據征信領域
大數據和大數據征信這個領域上榜公司太多了，我就先不做過多介紹了，請看下圖中的表格。
提起大數據，大家腦海里可能出現一系列各種關鍵字。作為一個非技術人員，我也不過多分享與此相關的技術了。縱觀此次的畢馬威Fintech 50強上榜企業，大數據領域的競爭者是最多的。
其實，大數據從未遠離過我們，它只是一直在不停地換馬甲。只不過隨著互聯網及技術的發展，數據更多了，算法更先進了，因此涌現出了更多的模式和公司類型。其實從本質上來說，大數據領域是一個客戶決定的領域。因為大數據公司一般都是To B公司，而開拓To B市場就是找到客戶并說服讓其買單。所以說大數據公司的客戶在哪兒，商業模式的落地就在哪兒。
服務于B端客戶就要去幫助他們解決實際業務上的問題。什么對B端客戶的業務最有幫助呢？無外乎兩點：增長收入，或削減成本。
那么針對不同類型企業增加收入和削減成本的目標，大數據企業利用技術做了這么一些事情：
針對大型消費企業，基于大數據形成用戶畫像和偏好，進行品牌塑造。比如說慧辰資訊這樣的企業。
對于電商企業，做精準營銷，推薦引擎，為媒體做廣告點擊優化。
前幾年移動互聯網大熱，我們在座的產品經理同行應該對這些比較熟悉。對于應用或者手游的運營分析、廣告檢測，個性化信息推送等，都有企業提供相關服務。
再到近些年互聯網金融的大熱，誕生了這次榜單上各種風控、征信、安全反欺詐的公司。
大數據技術公司的商業模式，是伴隨著某一個行業的集中崛起而找到落地方式的。前幾個領域的大部分競爭格局都已經定了，上榜企業大部分都是C輪及以后的公司，例如像百分點已經D輪。那么下一步是哪些領域的企業崛起呢？我們可以從此處上榜的一些典型公司初見端倪。
微眾稅銀、金電聯行、棱鏡征信、數聯銘品這四家公司，我們看到他們的共同點就是：能夠讓政府部門為他們買單，他們找到了一個新型的客戶。所以當時在畢馬威的研討會上，也有參會企業喊出一個口號叫做：“挖掘政府數據的金礦”。
為互聯網金融業服務的數據征信公司，目前還處在各方混戰的狀態，那我們回到大數據征信這方面來看。
我們來著重講一下企業征信。大家做征信一般第一步都是從數據看起。公開和私有數據，要看大數據企業的數據獲取能力；數字數據和文本數據，要看企業的數據處理能力。上榜的企業在這幾個維度都有做得挺不錯的公司，他們一般能夠甄別出企業的還款能力和還款意愿。但是這里有個問題：圍繞著企業的征信，大家都去關注了金融機構的借貸業務，而融資部分被忽略了。
對于金融機構來說，具體到針對某一資產的分析，主要分為兩個維度：一個是質量分析，另一個是成長分析。
銀行、股票市場和早期市場是三個典型代表機構。銀行注重質量分析，股票市場注重成長、質量混合分析，早期市場只注重成長分析。其他類型的機構也大同小異，比如資管、信托等等，只是對質量和成長分析的比例不同罷了。
到這里我們就會發現，大部分數據企業都在關注銀行的借貸業務，做的都是質量分析，而卻忽視了很多其他金融機構的成長分析需求。而就銀行本身來說，在中國銀行業發展報告（2016）中也提出：“投行化”是成為非信貸資產產業發展大趨勢，“大資管”是非信貸資產業務發展大方向。所以在企業征信里，對企業的成長分析是一塊巨大的潛在市場。
雖然大家都會說，金融的核心就是“風控”，但那是建立在判斷價值之后的，所以說大數據（智能）金融——不只是風控，價值也是一塊洼地，這也是文因互聯一直在嘗試做的事。
4. 財富投顧
順著上面的話題，我們就談到了財富投顧這個領域，因為這個領域需要大量的價值判斷。但是因為這次上榜的企業中就資配易一家，所以我把其他一些沒上榜的同類公司也在這里列了一下。不過財富投顧這個領域太大，我關注的范圍更小一些，鎖定的是智能投顧這個細分領域。
智能投顧是一種在線財富管理服務，基于算法提供自動化、智能化的投資組合，可以避免人的主觀情緒對投資帶來的負面影響。
再強調一個概念，就是這里說的“智能投顧”指的智能資產配置，不是“智能”薦股，抓漲停，提示買賣點那種。具體來說，智能投顧指的是：基于現代投資組合理論（MPT）指導，運用大數據、云計算及人工智能等技術，給投資者提供個性化、智能化、自動化的投資配置服務，使得用戶的投資具有效率更高、費率低、門檻低、投資分散度高等優勢。
在海外市場，主要是美國市場，智能投顧的發展非常迅猛。2012年，美國的智能投顧市場幾乎為0。而到了2016年，美國智能投顧的資產管理規模已經到達506億美元。到2020年，其市場規模預計會達到2.2萬億美元。同時，美國的智能投顧公司也遍地開花，目前已有超過 200 家公司布局智能投顧市場，且這一數字在不斷攀升。從競爭態勢來看，美國智能投顧行業集中度明顯，前五大智能投顧公司（或產品）占據超過 90% 的市場份額。他們的商業模式一般是靠收取管理費用、或推薦購買其旗下的ETF產品實現盈利。
對比美國To C端智能投顧業的蓬勃發展，中國慣用的Copy to China模式卻似乎顯得有點失靈？僅僅一家公司上榜，且其核心是To B業務。他們按照人工智能系統標準架構與證券投資任務環境要求，開發了一個可以獨立運行在云端的系統。
我們的問題就是，為什么“智能投顧”在中國沒有很好的發展呢？
針對于這個現象，我總結了以下幾點原因：
第一點：環境的客觀因素。人工投顧在中國的發展并不普及 ，投資組合理論的理念教育在中國投資者中也十分缺乏。
第二點：普通投資者期望值太高。在C端市場里，中國的散戶可能更看重漲停等。我們之前提到美國智能投顧的標桿企業Wealthfont，他們為投資者提供的“稅收損益收割”、“稅收優化直接指數化服務”、“單只股票分散化服務” ，我相信中國的大部分投資者根本就沒有聽說過這些名詞。其實這些都和避稅相關。智能投顧所能帶來的年收益率0.5%的提升，可能不足以吸引投資者的極大關注。而且最重要一點是，智能投顧打敗的不是市場，沒有人可以打敗市場，智能投顧幫你打敗的是每一位投資者中不理性的自己。
第三點：國內的風險更高。如果說在美國市場取得一分收益要冒一分風險的話，在中國取得一分收益則要冒兩分的風險。如果以全球資產配置的視角來看的話，中國市場就沒有配置資產的必要了。在美國，金融市場的格局以資本市場為主；而中國則是以銀行體系為主，資本市場的體量在銀行體系面前完全還是弱勢群體。對于那些正確認知到自己沒有能力戰勝市場的普通投資者來說，中國的銀行提供的各種理財產品，給普通人的保底年化5%或者6.5%，給高端人士保底的信托年化15%其實就是市場中最好的產品了。品類很鮮明，一枝獨秀，就沒有再優化配置的需求了。就在前兩天招商銀行發布了魔羯智投，這也是一款智能投顧產品，其他機構在銀行面前就是鳥槍對大炮了。
第四點：產品優化空間小。中國固收、債權類產品在融資市場占比很高。這類產品非常穩定，沒有什么可以再優化的。中國的投資標的選擇太少，不像美國有那么多結構化的ETF產品。基金的未來業績不可預測，但基金的成本是實實在在的。在美國，基金業高度競爭，主動基金很難制造超額收益，而高昂的管理費就成為了劣勢。一支主動型基金每年可能會收取1.5%-2%的管理費，而優秀的ETF可以低至0.09%。
第五點；中國個人養老金賬戶沒有入市，限制資金流出才會是投資而不是投機。比如說美國有403（b）或401（k）這些養老金賬戶。這些賬戶每年都會往里面打錢，但是這個錢又取不出來，30年之后才可以取出，提前支取要支付罰金。美國有這種賬戶的人有7千萬人，這部分錢必須要打理，否則會直接投在比較爛的公募基金上。想想從美國人民的惰性來看，對一種更便宜、更方便、更自動化的投資組合優化的需求應該非常強烈。
分析了那么多，也就是說：在中國Copy to China的智能投顧模式做不起來。不過也并非完全否定這個領域，我相信在投資管理這個領域內，技術一定有發揮優勢的空間。技術在財富領域到應用，從信息化到大數據化，到自動化，到現在的智能化。一個很明顯的趨勢就是：讓人力不斷在減少，而機器智能則逐漸提高。剛才也提到，在高度競爭的市場，成本是競爭的核心要素。我們就可以看到機器和算法能夠越來越快復制人的能力，而且比人做得更高效更便宜。而且金融投資領域的理論進步非常慢，70多年過去了，就是馬考維茲的投資組合理論和席勒的行為金融理論， 巴菲特那套價值投資就不是理論，而是藝術了。但技術的發展卻在日新月異，我們期待AI技術帶來的金融變革。
在新的金融科技榜單上我們還是可以看到像AlphaSense和Kensho這類的新型智能金融公司仍然在涌現。財鯨的CEO葉鑫曾說過，他基本上每隔2、3個月就飛到美國，去華爾街和芯片的相關人員交流一下，看下芯片都賣給誰了，結果發現華爾街拿走了一部分芯片的出貨量。但是現在國內，這些芯片廠商的出貨量基本上都是在游戲、BAT等。
所以，智能金融的發展還需要我們這些從業人士不斷的去探索，去發現！
雷鋒網注：本文由人人都是產品經理社區專欄作家@莫顏云月原創發布。莫顏云月，同花順產品經理，一只初級女產品汪，文科出身卻向往成為一名極客，同時游走在產品和技術之間。時常念叨Elon Musk 的 Take X ;Add AI，預備點的技能樹是 NLP+推薦算法。目前正在學習Python&Machine Learning。文章未經許可，不得轉載。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
