王凯
凯峰数据 董事长 & CEO，14年技术研发与管理经验，擅长网络攻防与信息安全。曾就职于胡杨网络（新三板挂牌）、天天艾米（连续三周AppStore免费排行第一）、Defportal (香港) 等公司担任CTO、技术VP与CEO职位；在华为、金山网络（猎豹移动）担任技术总监负责云计算安全、移动安全；在联想研究院担任高级研究员、 主设计师研究系统安全和可信计算技术。
2017年7月5日下午，由三板慧主办、大成律所赞助的沙龙《Fintech遇上股权投资》在上海中心大厦成功举办。
三板慧CEO＆董事长王凯就《AI-股权投资》进一步表达了自己的观点，指出AI技术推动金融终端走向第三代——而这也是三板慧正在尝试的事，而要做第三代金融终端就意味彻底推翻了原有的技术架构、后台与存储方式，因此与wind、Chioce等代表第二代金融终端的产品有着根本区别。
以下为王凯先生的发言文字稿。
部分会议嘉宾合影（从左到右）：东方证券资本投资有限公司MD 唐洁、学者＆评论人 布娜新、海通证券新三板业务资本市场部负责人 李洁、凯峰数据董事长＆CEO王凯、大成律所合伙人 邓炜
01
非常感谢大家在炎热的天气到场，一起聚在大成非常漂亮的办公室里分享、探讨AI（人工智能）与股权投资。
先做个简单的自我介绍，我本人是技术人士出来创业，从事技术将近15年，一直在做黑客、攻防这方面的工作。实际上在做攻防的时候，即便是日常遇到的病毒、木马软件，其背后都有大量的样本要去做分析，而有了云计算和大数据之后，我们可以对海量互联网样本进行全量分析：什么病毒、木马将产生变种？我们可以利用大数据进行回归，第一时间发现它的规律，预测出一些病毒和木马可能产生的变种，以此实现在不依赖病毒库的特征下提前发现潜在威胁。
这样的技术应用到广告领域，属于精准营销。PC互联网时代，是人找广告，通过搜索去寻找广告；而在移动互联网时代，是广告找人，它精准地识别了每个人的兴趣、偏好，投放对应的广告。这背后的技术是大数据辅之以自动推荐的算法，是人工智能(AI）的雏形表现。
在美国，google很早就在布局AI，搜索引擎上已经发生了改变：在早些时候，搜索引擎可以把乔布斯相关的名字搜索出来，而现在可以把和乔布斯相关的关系也搜出来，包括他的妻子、同事等等，这其实是搜索引擎向AI能演进的一个方向。
前段时间炒得非常火热的AphalGo，已经连续战胜很多围棋界的高手，非常瞩目，在这里我们可以大胆预测未来：下个互联网的10年，是“互联网+”至“AI+”的发展，各行各业都会倡导AI+。我们现在就可以看到BAT都争抢布局人工智能，中国腾讯、百度都成立了人工智能实验室。
02
AI是Fintech的一个分支，聚焦在金融这一领域，AI为这个产业提供了核心的技术驱动力，可以让这个产业真正产生一次化学反应。在量化投资方面，AI已经有大量的应用。在美国，高盛、摩根这样的投资银行已经率先应用了很多这方面的技术。
我们是一家大数据公司，也是一家人工智能公司——在这里，需要申明一点，即为什么我们要把大数据和人工智能划在一起？AI离不开大数据，大数据可以帮助人工智能从海量样本中深度学习，从而提升人工智能的能力，因此两者是不可分割的。
现在，我们正在尝试大数据这一块的应用，尤其是金融终端这一领域里打造未来的金融终端——三板慧，这是我们凯峰数据的核心产品，其核心技术是自然语言处理、图像识别和数据挖掘，最终这些技术将指向一张知识图谱，而这个知识图谱是整个三板慧技术架构的核心。
知识图谱是AI重要技术，其概念最早由谷歌提出。谷歌为什么能搜索出乔布斯相关的关联信息？也全部基于一张知识图谱。
在数据的收集和处理端，AI是被大量应用的，但这个阶段大家看不见摸不着，完全是在后台自动化工作的。举个例子，新三板每天产生2000个公告，公告里面的pdf文件是一个非结构化的信息，针对这样一个海量数据，传统是人工去处理2000多个公告，去解读它每个的含义，以及2000多个公告之间的关联，后者仅依赖于人是有难度的。而在自动化处理的过程中，对于关键信息的提取、建立和链接，然后对这些关系信息进行存储，已经发生了重大改变。
在后台数据库方面，我们也进行了大量的数据改造，而这恰恰是传统金融终端做不到的事情，因为整个技术架构、后台、数据存储完全不同：以前关系式的数据库是一张二维表存储，数据的关联也就是通过表和表之间不同的进行关联，而现在的知识图谱，是一个网状的结构，它不是一个二维表的简单的二维关系，是一个非常复杂的网状关系。
图形数据库就是为了解决这种网状关系应之而生的一种存储技术。如图所示，每个圆圈是一个实体、一个对象。类比下现在的实例，可能是一个人，也可能是一个企业，也可能是一个事件或者一个资本；每个边都代表了它不同的关系。通过这样的知识图谱，我们可以查找出任何的一个节点和另一个节点之间的关系，以及其背后众多节点之间是什么关系，应用到咱们的资本市场，是将“人–企业-事件-资本”这四大对象进行链接，从而发现企业和企业的关系、企业与人的关系、人与人之间的关系。
在此之上，我们还做了一个垂直的智能搜索引擎，只要是在金融、投资领域，大家可以用非常贴近自然的方式来查找你想要的数据，比如说最近所说的三类股东问题，我们就直接搜索“新三板有三类股东问题的企业”，存在相关问题的企业就会被检索出来。
03
AI还有一个典型应用，就是概念标签。很多朋友可能听说过这个词语，很多互联网产品也提供标签，但互联网产品的标签是人打上去的，通过大量、海量的用户使用，形成了标签体系。
新三板里面也有行业概念股，是股转公司的官方定义，但这个比较宽泛，如果靠人为新三板1万1千多家企业打上细致的标签是不现实的，而AI就是要对它的具体业务进行语义分析来识别它究竟是做什么事情的。
在这里，我要强调语义分析，而非传统的关键词匹配。
关键词匹配可能有大量错误。因为一个企业可能有个客户是医药制造的行业龙头，这个时候关键词匹配可能命中医药制造，但实际上可能不是它做这个事，而是他的客户在做这个事情，所以这个时候我们需要语义分析去了解它到底在干什么事情。
基于此，就可以对企业的商业模式展开深度分析，发现其潜在的竞争对手和同行，比用行业去分析潜在竞争对手和同行更为精准。
另一个应用是多维度分析预测，在三板慧SaaS的“慧分析”模块中三板慧色谱还对三板整个企业做了更进一步的做层次划分。我们知道，股转分了两层，基础层和创新层，而且主要是以财务指标为方式分层，但其实对于一个创新企业或者成长中的企业，仅仅用财务指标去衡量的话，是不合理的。
在三板慧色谱中，既有定量分析，又有定性分析。比如是否处于高新企业、行业属性、企业规模等，这些就属于定性……在这样的基础上，三板慧精选了一批企业，将它们归为“精选层”。
在精选层之上，我们还推出了IPO预测。IPO预测除了包括一些硬性的指标之外，还通过分析IPO之前的信号，以预测其潜在的IPO企业。
再往上去企业家数就比较少了，IPO监控只包括了真正公布过上市辅导的企业。在这里，我们全览、监控、并第一时间将信息推送给关注我们的用户，同时对后续的阶段也进行持续跟踪。
04
纵观金融终端发展史，第一代其实是小纸条、DOS机，满足了信息获取的原始需求；第二代是信息化时代的金融终端，产生了像Wind、Choice等本土化传统金融终端，通过人工录入加上技术辅助，将传统纸面上的信息变成电子化的信息，大大提升了查询的效率。
但随着互联网与移动互联网进一步发展，数据产生的速度越来越快，从以前的几TB到现在的PB，到未来甚至可能是ZB为衡量单位产生，如何快速获取数据、从杂乱的数据中分析出有价值的数据，成了整个信息产业面临的新问题。大数据技术及AI不断完善、发展，使得第三代金融终端呼之欲出——三板慧要做的就是第三代金融终端，是一个“慧”分析的金融终端，这里我想强调的是不是能不能的“会”，而是智“慧”的“慧”。
相对第二代金融终端，第三代金融终端就好比“单兵作战系统”，如图所示，下面这两张图很好地类比了两者间的区别：
传统单兵作战装备包括了侦查、武器和防护，比如头盔（夜视仪、传感仪）、M4冲锋枪、防弹衣等等，这里仍然存在着一些问题：
侦查系统方面，支持个体单独作战，但由于无法纵览整个战争全局，决策效率较低，也就是没有一整个有效体系。
武器方面，精度比较低，攻击范围有限，批量审查、无法定制，这有点像我们今天传统的金融终端，其实是批量生产、无法定制的。
防御方面，环境适应能力比较差，不灵活。
而一个综合的“单兵作战系统”，包括了战场情报分析系统、武器系统、防御系统，能做到既是战场的一个点，又可以在全局中起到至关重要的作用。
以三板慧为例，其战场情报分析系统类比到产品中的功能，就好比是IPO监控、交易异动、指数、全市场下单信息监控等等，可以帮助用户进行快速决策支持。
在武器系统，我们可以让投资人、企业及时发现市场的机会，对应的功能就是“慧分析”功能，包括精选层、IPO预测、企业对比及概念标签等等。这里特别要说下我们的“企业调查报告”，可以一键生成企业调查报告，可以帮助我们做尽职调查，可以提升效率。
在防御系统方面，主要是防范风险，对应提供的功能是司法、诉讼信息，还有对整个企业的新闻、全市场新闻全网汇聚，感情色彩分析，这也是人工智能的一个应用，可以对一个事件进行定性，定性背后有其算法作为支撑。还有财务状况预警，对异常进行预测，一个企业的财务是否有异常，完全可以让AI替代进行。
AI的最终目的是要使用计算机代替人类实现认知、识别、分析、决策的功能，本质是对人的思维与意识关于信息获得的模拟。不过坦率说，现在AI还处于有监督地学习中，真正能够做到无监督学习的，就是机器可以实现自我学习、自我成长、自我提高，那种时候才是真正达到人类水平。
