在2019年博鰲亞洲年會論壇《數據：有待開發的巨大資源》上，京東數字科技通過調節一箇中型鍋爐內約1.5萬個存儲器節點，幫助每台機器節省0.5%的能耗，摺合下來，平均每台機器每年可節約200多萬元人民幣；科大訊飛則通過推進機器深度學習，提升識別醫療影像診療準確度，讓醫生有更多時間投入到複雜疾病的研究中去。由此可見，大數據與人工智能技術已經逐漸滲透到工業、醫療等各行各業之中，那在金融行業能否同樣大放異彩呢？
本文圖片來源與卡方科技，經授權使用
對於金融行業而言，確實存在數字化轉型的需求。舉例來講，過去130年間，美國金融資產產生的平均成本是2%，這意味着，1塊錢的資金，從供給方轉移到需求方，中間的人員、服務、信息對接成本大概是2分錢。儘管金融機構試圖通過海外低人力成本地區招募交易員的方式以節省成本，但隨着地區經濟發展，人力成本提高，交易員的招募地點也不得不一遷再遷，長久來看通過數字化轉型降低金融生產成本勢在必行。
數字化轉型降低金融生產成本這件事不僅能為金融行業“賦能”，更能夠“賦值”。
卡方科技（以下簡稱“卡方”）成立於2017年8月，是國內金融科技領域中高端算法供應商，為金融機構提供算法交易的技術解決方案，服務對象也主要是私募基金及其他專業金融機構，卡方可以幫助他們達到提高交易效率、減少交易成本。簡單來講，卡方通過人工智能算法，將交易所行情實時大數據進行集成整合，幫助金融機構選擇合適的渠道與市場完成資產的量化交易，以減少人工交易的判斷失誤、心理因素等帶來的利益不能最大化的問題。同時卡方的交易機器人也能在效率上優於人工，減少金融企業70~80%的人員配置成本，提高利潤。
本文圖片來源與卡方科技，經授權使用
回到原來的問題：人工智能能否同樣在金融行業中大放異彩呢？答案既是肯定的也是否定的。原因從兩方面考慮：新技術本身存在的風險性與金融行業對於試錯的低忍耐性。從新技術角度來談，從技術的發展到完全成熟需要一個冗長的週期，而現如今的機器學習儘管在絕大多數場景中應用效果得到了印證，但仍存在數據庫被污染，計算結果也存在偏差的情況，同時在多個算法並行的情況下，容易造成市場擁堵和判斷決策出現失誤。而金融行業歷來試錯成本極高，百分點跌落背後帶來的經濟損失是難以估計的。因此在二者同時作用下，金融行業對新技術的需求始終難以形成高速增長。
卡方作為金融科技算法供應商，若想要在金融行業推進新技術的落地，那麼如何控制產品在實際應用中的誤差率和明確自身在金融市場中的定位成了兩座繞不開的“大山”。
本文圖片來源與卡方科技，經授權使用
卡方的核心產品ATGO平台本質是基於量化交易決策之下的智能交易執行平台，可根據用户需求幫助客户在最合適的價格和市場中淘選所需股票。產品本身原理基於機器學習，將行業內數據（新聞，公開信息等）聚合、清洗，建立模型並形成前端的預測模塊，以更優的價格和渠道以及對市場影響較小的策略來進行股票買賣。卡方的交易機器人相較於人工交易最顯著的優勢體現在三個方面。
首先是無情緒優勢，價格波動會顯著影響交易員情緒，這一點對於新手交易員尤為顯著，過度恐慌和過度貪婪會影響決策質量，在交易過程中通過算法和模型搭建的量化交易平台能有效避免情緒所帶來的負面影響。
其次是交易效率優勢，對於人工智能而言，尤其是交易方面，可以做到全年無休運轉，這一點是交易員很難做到的，全時段緊盯市場也就意味着效率能夠顯著提升，也能為資方在交易過程中發覺更多可能機會，快速的交易效率也讓市場變化對交易執行的影響降到一個非常低的程度，在一定程度上保證了決策的預期與實際收益的一致性。同時也避免了誤操作帶來的合規風險。
本文圖片來源與卡方科技，經授權使用
最後卡方產品本身也是基於大數據機器學習所打造的一款智能產品，對於市場的判斷是否準確很大程度依賴於數據庫的量級，據卡方聯合創始人鄭盛介紹：“卡方的數據庫在業內，尤其是國內是非常龐大且領先的，這樣讓我們在產品穩定性上得到了保障，因此很多大中型私募基金都很積極與我們合作。我們也通過收取交易金額部分比例服務費用的商業模式，持續企業運營正向增長。”
截至目前，卡方已簽約的證券公司達數十家家。自2017年Q4業務上線至今持續保持高速增長，2019年全年收入增長達500%並已實現盈利。
目前核心團隊由聯合創始人鄭盛、陸洋與CEO何劍勇三人組成，其中何劍勇在金融科技行業有着超過15年的從業經驗。團隊規模約有50人，接下來卡方將繼續擴充團隊，以滿足新產品的研發需求。
本文圖片來源與卡方科技，經授權使用
目前卡方已獲得過黑盒資產、珠池資產的天使輪融資、明勢資本的PRE-A輪投資、以及華蓋資本領投、銘笙資本跟投的數千萬A輪融資。
本文圖片來源與卡方科技，經授權使用。本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯繫[email protected]。