在数字技术、物联网、大数据和数据算法等的共同作用下，智慧金融生态系统通过在产融各环节实现流程的透明可视和可控，使信息获取不再是一个告知-反应的过程，而是如同一个大超市。
摘要：随着数字技术等的发展，经济社会活动愈发平台化、生态化和智能化，传统金融将面临日益复杂的解构与重构过程。智慧金融就是数字技术对金融服务流程的系统再造与重构，使金融服务流程与其他经济活动流程紧凑融合，形成新的产融生态耦合系统，让金融具有自学习能力，让信息具有基因自传导和动态反馈机制，让金融透射智慧光芒。
一、引言
随着数字技术、智能终端等的快速普及，信息的搜集、获取、聚类分析与运算能力等获得快速提升，信息不对称性的状态和局面已经得到极大改变。受此影响，经济社会的组织形态和商事主体的运作思维也日益发生明显的变化，即产品思维将逐渐被服务思维替代，产品将主要成为服务的载体和通道，而不再是一个独立而完整的商事活动，正如《免费》作者克里斯@安德森所揭示的盈利模式后置化和流程化，概言之，数字化时代将使商事活动由物化的产品时代迈入人性化的服务时代。智慧城市、智慧交通、智慧医疗等正是背靠不断发展的人工智能系统，从概念走向实战，并不断散发出强大的生命力。而在信息经济学中占主导地位的金融业，也正在这场方兴未艾的科技革命中显露出创造性破坏的势能，并依靠强大的分析工具和不断提升的运算能力，以及专业、专注的网络化众包合作，为金融供需双方营造一个趋势互动、协同参与的平台和场域，使用户思维嵌入金融服务设计，让金融服务智能化、应景化、透明可视化，及金融分工更加社会化、市场化。
通常而言，企业作为商事主体，自产生以来的商业运营模式就是利用市场信息离散性和不对称性，培育自身在特定领域的信息搜集、识别和分析能力，并将占优的信息流转换成具有竞争优势的产品和服务流，从而挖掘和培养其独特的市场生存和发展能力。如以此思路透视金融业，则传统金融机构的商业模式就是：金融机构凭借自身在特定领域聚敛的信息占优地位，及专业的信息分析、处理和赋值赋权能力，将信息不对称性改造成金融产品和服务，并主要以信用中介形式获取信息不对称所带来的信用价差。
随着数字技术等的发展，尤其是高通公司开发的CDMA(多码分址)信息技术和光纤网络等的快速发展，信息稀缺的局面逐步向信息冗余状态转变，海量信息与尚待襁褓的信息处理技术能力出现失配，导致有效的市场信号被湮没在庞杂无章的信息噪音之中，判研信息相关性与因果关系的边际成本大幅增加。同时，随着信息科技革命使个体特性和个体偏好得到经济上的有效释放，以群体为单位来定义价值取向并对社会进行解构分析的做法显得愈发不恰当，社会总体偏好可能更适宜基于个体偏好进行加权求总，这预示着传统基于信息不对称性提炼企业竞争优势的商业模式或将遭遇前所未有的重大冲击。从信息对称性中探寻新的盈利模式和商业运营模式，已成为金融业高端发展的内在诉求。这也就意味着，长期以来基于信息不对称性建立的金融运营模式，将逐渐被基于信息不完备性的金融运营模式所替代，金融业将呈现出更加智能、动态、自反馈修正等新型发展态势。
二、智慧金融的概念、流程及特征
从概念上看，金融简言之就是资金融通。智慧金融直观地说就是构建一套确保资金投融更快速、更高效、更安全、且具有内生迭代学习和进化能力的生态系统，使金融机构逐渐走出基于信息不对称获取信用利差的盈利模式。具体而言，要使金融服务变得更具智慧，必须要处理好金融服务主受体的关系、金融系统与环境的关系等。为此，智慧金融系统的内部结构主要包括以下几大子系统：信息和环境感知系统，信息甄别归类系统，任务执行系统，任务与目标评价和矫正系统，自反馈与学习迭代系统等。其运作和工作流程如下：
第一，信息和环境感知系统是智慧金融的信息捕捉和输入系统，这是由传感器构筑的高效协同的传感系统，负责将与各类金融服务具有相关性的信息搜集起来，作为金融服务机构分析市场需求的输入信息，降低信息不对称性和信息的搜集成本，进而提高智慧金融体系对经济社会的敏感性适应能力，保持市场供需的动态有效性。
第二，信息甄别归类系统是通过特定的算法运算和经验知识，将信息和环境感知系统搜集的信息，根据相关性和拟合值等进行初步的分析、加权和归类，提高信息的配比能力，降低市场白噪音，进而增强金融服务机构的风险识别、筛选和市场的价格发现能力等，如提炼和发现用户的风险偏好、风险可承载能力、预期风险敞口和风险阀值等，并辨析和描述金融服务的外部风险因素，风险限定值等。
第三，经过信息甄别归类系统处理的信息将被传输到任务执行系统，执行系统根据用户的风险偏好、预期风险敞口、外部风险因素和风险敏感性、风险阀值等，为用户提供金融服务框架、金融服务策略、金融服务目标等，并精确制定并靶向执行用户的合目的诉求，为用户提供量体裁衣、随需而变的个性化金融服务。
第四，任务与目标评价和矫正系统，是将执行系统、信息甄别归类系统和信息和环境感知系统中的相关情况和问题，输入到学习迭代系统，学习迭代系统对执行、甄别归类和感知过程中出现的各种可能情况、偏离值等进行分析和重新设定，形成新的金融目标、金融策略和金融释缓策略等，然后向信息和环境感知系统、信息甄别归类系统及执行系统发出更新程序，感知系统、信息甄别归类系统、执行系统及任务与目标评价和矫正系统等根据新的更新任务和程序进行修正操作。
这些不同的子系统协同工作，形成人工智能化的、具有自反馈学习迭代能力的生态系统，为用户提供动态并实时响应的金融服务，从而使金融服务模式从原来的同一化、标准化的产品服务，凭借大数据、云计算等手段进行深度挖掘，并在经历和跨越市场细分的基础上真正走向个性化和随需而变的金融服务阶段。