【投资专栏-跟枫走014】金融 AI 正迈向更智能 创新及风管是竞赛中胜利关键

【投资专栏-跟枫走014】上星期提到由于有关稳定币的法案通过，如Coinbase及Circle这些股份也出现大异动，股价在短短两星期上升了20%至及50%以上。至于有关稳定币，相关交易商如何得到盈利的方法在上篇文章已经提及。

其实随着人工智能的进步，人工智能的应用推进了很多行业，例如医疗制药，军工战备，以及金融交易，都能够将研发和评估的时间有所缩短， 在增加有效性及根据分析之下，精准解决客户的需要，提升了公司盈利效能。

当前，将人工智能应用于金融服务的公司日益增多，涵盖消费信贷、投资管理、保险、风险控管、诈骗侦测、交易执行等范畴。生成式与预测式人工智能正在重塑金融业，我们今次找来几间在美国上市公司作例子。如Upstart、SoFi、Affirm，以及Pagaya 与 Robinhood 。让大家先了解它们如何借助算法与大数据，将风险压降、收入抬升，最终提升盈利能力。
　
Upstart (UPST)　主打“AI 信用评分”。传统银行以 FICO 分数审核贷款，但 Upstart 收集超过一千三百项变量（教育、就业、网络行为等），透过深度学习模型即时计算违约概率。结果是平均可在几秒内批准约九成申请，违约率却较同业低三成，银行伙伴因风险资本占用下降而愿意支付更高的推荐费，带动 Upstart 的净收入率大幅优于传统放贷平台。
　
SoFi (SOFI)　从学生贷款切入，后续布局股票交易、保险与存款。它在“单一超级 App”的背后布建 AI 决策引擎：一方面以机器学习动态调整贷款利率与还款期限；另一方面透过 NLP 分析客户对话与交易路径，精准推送交叉销售产品。SoFi 公布数据显示，使用 AI 分层定价的用户平均终身价值较传统方案高两倍，行销成本却下降逾四成。
　
Affirm (AFRM)　聚焦“先买后付”(BNPL)。AI 在此扮演两重角色：其一为即时承保──模型在 300 毫秒内判定交易是否批核并设定分期费率；其二为“AdaptAI”行销平台，结合购物车资料与商家转化目标，自动生成个人化分期方案。实务结果是交易批准率提升，却未显著推高坏帐，使每笔 GMV 的边际利润上扬。
　
Pagaya (PGY)　是 B2B 型 AI 放贷平台，其模型整合社会数据与链下／链上行为，用 API 嵌入区域性银行流程。该平台为合作机构释放原本会被拒绝的潜在客群，并透过资产证券化将债权销售至二级市场获利。若未来链上 KYC、DeFi 信贷更普及，Pagaya 将有机会在链上提供“智能放贷模组”，将 AI 模型与加密网络整合，打开跨境风控新空间。

Robinhood (HOOD)　虽为券商，但其 AI 应用正快速扩张。藉收购 Pluto AI 打造个人化“投资助理”，用自然语言生成财报摘要、分析交易习惯并提出预测建议。据统计，使用 AI 功能的用户留存率与交易活跃度明显提升。Robinhood 同时提供加密资产交易功能，未来将 AI 应用于风险警示（如链上监控）、资产分类建议（如稳定币配置）甚至自动投资指令生成，可建立更完整的 Web2 + Web3 金融操作接口。

综合观察，Fintech 公司借 AI 以四条主线增厚利润：（一）精准风控：降违约、释放潜在客源；（二）动态定价：即时调整利率或分期条款，锁定最佳风险报酬；（三）个人化推荐：提高交叉销售与客户终身价值；（四）营运自动化：缩短审核与客服时间，降低营运费用率。
　
然而AI 模型高度依赖数据质量与偏差管理，若监管强化资料隐私或要求模型可解释性不足，利润增幅可能受限。此外，随大型银行自建模型、开源工具成本下降，先行者需持续投入研发与品牌才能维持优势。
　
总结来看，金融 AI 不再只是降本工具，而是塑造差异化盈利模式的引擎。无论是 Upstart 的信用评分革命，SoFi 的全域金融超市，抑或 Affirm 的即时承保，皆显示资本市场正重估“资料＋算法”带来的可持续回报。未来谁能以更低风险、更高转化率释放沉睡客群，谁就能在竞争激烈的 FinTech 擂台上取得超额利润。

(编按：本文观点不代表加拿大星岛立场，投资市场有赚有蚀，文章仅供读者参考。)

作者：Ricky Lau ，人称“庄主”。资产管理投资策略师、家族办公室顾问、股评人、财经书籍《最佳位置》及《AI选美》作者。