NVIDIA 的“金融服务业 AI 现状”调查中详细介绍了 AI 在资本市场、零售银行和投资公司中的采用不断增长的情况。

无论是在华尔街交易的大型公司，还是为客户提供欺诈保护的银行，或是向消费者推荐合适的产品的金融科技公司，AI 均在推动整个金融服务行业的创新发展。

根据 NVIDIA 的新研究，我们发现，78% 的金融服务专业人士表示，他们的公司使用加速计算通过机器学习、深度学习或高性能计算来提供 AI 支持的应用程序。

NVIDIA 的“金融服务业 AI 现状”报告中详细介绍了调查结果，这些结果基于包括首席级高管、开发者、数据科学家、工程师和 IT 团队等 500 多名金融服务从业者的调查回复。

2020 年，全球共计处理了超过 700 亿笔实时支付交易，这表示金融机构需要稳健的系统来预防欺诈并降低成本。相应地，在所有受访者中，支付欺诈和交易欺诈是他们认为最热门的 AI 用例，占比 31%，其次是对话式 AI，占比 28%，然后是算法交易，占比 27%。

金融机构投资于 AI 用例的百分比逐年大幅增加。用于承销的 AI 增加了四倍，其普及率从 2021 年的 3% 增加到今年的 12%。对话式 AI 从 8% 跃升至 28%，同比增长了 3.5 倍。

与此同时，在近期的调查中，欺诈检测、了解客户和反洗钱等启用 AI 的应用程序均增长了至少 300%。在 13 个用例中，9 个用例现已在超过 15% 的金融服务公司中使用，而在去年的报告中，无一用例超过此普及率。

下图中用绿色标记了未来 6-12 个月的企业投资重点，热门 AI 案例的未来投资计划保持稳定。

当前金融服务业中的热门 AI 用例（按行业领域排名）

突出显示的绿色文本表示未来 6-12 个月的热门 AI 投资用例

金融服务业专业人士强调了 AI 在生成更准确的模型、创造竞争优势和改善客户体验方面的主要优势。总体而言，47% 的受访者表示 AI 能够为欺诈检测、风险计算和产品推荐等应用程序提供更准确的模型。

然而，要实现公司的 AI 目标，还存在着一些挑战。只有 16% 的受访者认为自己所在的公司在 AI 方面投入了适量的资金。而 37% 则认为“预算不足”是实现 AI 目标的主要挑战。其他障碍则包括数据科学家过少、缺乏数据和缺乏可解释性，三分之一的受访者分别列出了这些问题。

Munich Re、Scotiabank 和 Wells Fargo 等金融机构已开发出可解释的 AI 模型，用于解释借贷决策，构建多元化投资组合。

实现公司 AI 目标的主要挑战（按角色划分）

网络安全、数据所有权、数据引力，以及选择本地部署、云端部署还是使用混合云部署，这些是金融服务公司考虑在何处托管 AI 基础设施时的关注重点。这些偏好是从对公司运行其大多数 AI 项目的响应中推断出来的，其中超过四分之三的市场在本地实例或混合实例中运行。

金融服务公司在何处运行其 AI 工作负载

超过半数的首席级高管受访者认为，AI 对于公司在未来取得成功至关重要。对于“贵公司计划如何在未来投资 AI 技术？”这一问题，热门回答包括以下内容：

聘用更多 AI 专家 (45%)

识别其他 AI 用例 (38%)

吸引第三方合作伙伴加速 AI 采用 (38%)

增加在基础设施上的支出 (37%）

为员工提供 AI 培训 (34%)

但是，只有 23% 的公司表示，其公司有能力和知识将 AI 项目从调研阶段推向生产阶段。这表明有一个端到端平台来开发、部署和管理企业应用程序中的 AI是必需的。