最近“智能投顾”（Robo-Advisor）这个话题确实火得不得了，作为这个行业较早开始摸索实践的从业者（氪空间第四期项目“理财魔方”获1000万人民币天使轮融资，要做中国化的智能资产管理应用_36氪36氪首发｜理财魔方完成2000万Pre A轮融资，智能投顾暖风将至？）,也发现最近一段时间对这个领域感兴趣的记者和VC机构是越来越多。虽然苦逼吭哧了一年多的创业终于成了大家都看好的大方向，但我同时也发现，如前两年的P2P一样，很多鱼龙混杂的平台开始打着“智能投顾”的旗号，一面坑用户，Bwin必赢一面圈投资人的钱，没有静下心来好好巩固自己的智能投资管理系统，这对整个行业的健康发展都是不利的。

　　所以看到知乎上有“智能投顾”这个话题，感觉还是应该把这个概念说清楚，行业也应该在喧嚣中沉下心来把基础的事情做好。当然本人的理解也有不完善的地方，欢迎大家一起讨论。

　　以理财行业里面最为标准化的公募基金数据来看，整个基金产品和基金销售在中国可以说已经发展得非常充分。截止16年6月中国公募基金资产规模已达7.95万亿元，公募基金公司108家，基金产品数量达3114只。销售端有银行、券商、第三方基金销售平台、电商、直销等众多销售渠道百花齐放。6月末公募资产规模达7.95万亿元。

　　先看基金六个月业绩：过去24个半年里只有7次亏损；平均半年收益率8%；投资任意一只基金满半年正收益概率71.8%。

　　再看基金一年业绩：过去12年里只有两年亏损；平均年收益率19.2%；投资任意一只基金满一个自然年度正收益概率79.8%。

　　在投资用户踊跃申购之后的一个季度往往伴随着大幅亏损，说明投资用户在赔钱：

　　上面这段话清晰地说明了投资收益中资产配置的重要性，而资产配置又是投资顾问的重要职能，中国理财市场里存在大量挣钱的金融产品，也有大量低学历的金融销售，但恰恰缺少大量优秀的投资顾问，缺少专业人才给投资用户做资产配置，这也是为什么中国大部分投资用户会赔钱。

　　既然投资顾问这么重要，在介绍智能投顾之前先让大家了解什么是投资顾问。在国内大家对投资顾问（Financial Advisor简称FA）可能都比较陌生或理解有偏差，但投资顾问在美国这样的金融发达国家是却比较常见（美国人民当了100多年的韭菜，到上世纪70年代左右最终认命自己打不过市场和机构，干脆把钱交给投资顾问管理）。准确定义投资顾问是干什么的，首先要了解一下发达金融体系里投资理财行业的分工。

　　发达的金融产业依靠的是专业化分工和规模效应，投资理财领域如下图存在“金融产品”和“投资顾问”两个层面的分工：

　　金融产品本质上是为大众或专业投资者提供基础的投资工具。公募基金就是最典型的标准化投资工具，举个栗子，如果你非常看好互联网行业，你就可以选择互联网投资方向的基金，而该基金专攻方向就是通过专业的调查研究，选择最有前景、价值被低估的互联网公司股票进行投资，并通过这种投资获得尽可能的收益；金融产品一般是不进行资产配置的，好比一个明确投资互联网行业的基金就不应该去投资钢铁行业的股票，否则就违背了大家申购这个基金的初衷（当然国内这种挂羊头卖狗肉的基金数量不少，韭菜身边到处是坑啊）。

　　这里面的关键是用户有时候实际表达与他真实的风险偏好是有差异的。比如隔壁老王说他有30万要理财，目标是半年后能买辆劳斯莱斯，如果真的按照老王的意思直接给他组合资产，Bwin必赢最后大概率是30万被完全亏掉，因为极高收益都是伴随的极大风险，但这其实并不是老王真正期待的的。所以判断客户真实的风险偏好需要理财顾问非常专业细致的沟通，而这种沟通成本往往是非常高的。

　　但凡涉及“投资”，比“收益”本身更重要的事情，永远是“风险”。资产配置就是在风险确定的情况下，给出在该风险下最高收益率的投资组合方案。如果投资高比例的股票基金是为了在更高风险下追求高收益和高流动性，那么投资更多货币基金却是在低收益下获得高流动性和几乎无风险。如果只看收益不看风险，不管你的决策怎样，投资结果怎样，其性质都是感性的，或者说就是赌博，一个典型的例子就是风险不透明的P2P。资产配置有很多现成方法论，如：Markowitz Mean-Variance Model，Black–Litterman Model等等，当然实践使用中还需要根据实际情况调整一些参数，鉴于是科普就不在这里一一展开了。

　　总之，如果把金融行业类比餐营业的话，那么金融产品就好比是各种食材，按标准配料，类型丰富；而投资顾问则是厨子，选择并加工上好的食材，最后做成客人喜爱的大餐。人精力有限，术业也有专攻，想在两、三个领域同时做到顶尖水平几乎是不可能的，所以专业的事情还需要专业机构来承担。

　　一般来讲智能投顾就是人工智能＋投资顾问的结合体，搞清楚上面什么是投资顾问后就应该好理解了。（当然金融领域类也有人工智能＋金融产品结合的方向，比如说量化投资Hedge Quant，下面也会有介绍）

　　与传统投资顾问一样智能投顾依然承担者用户和金融产品之前的桥梁作用，那么人工智能又是如何发挥这个桥梁作用的呢？

　　计算机的普及解决了几十年前金融统计计算效率的问题。几十年前不少大学还都没有计算机，一个简单的线性回归（linear regression）都需要几个研究生算几个小时，通过手工计算一个几十年序列收益均值的协方差矩阵，想想就要崩溃了，等算完了，估计投资机会也过去了。将计算机引入金融研究，极大的提高了金融的运行效率，大规模金融统计计算终于成为了现实。这几年也能看到不少机器学习如SVM、神经网络、甚至深度学习deep learning做股票预测的论文。所以金融投资拥抱计算机和智能算法过去就一直存在，人工智能与金融未来只会结合的更加紧密。

　　具体在资产配置这块应用，可以通过资产配置模型由计算机得出最优投资组合，也可以通过多因子风控模型更好更准确的把握前瞻性风险，还可以通过信号监控、量化手段制定择时策略。计算机的加入让资产配置做得更精准，也让投资决策变得更加理性。

　　随着这几年互联网应用的增多和数据积累，我们可以看到类似亚马逊向我们推荐个性化的商品、netflix推荐个性化的影视节目、还有今日头条这样推荐个性化的新闻。同样在智能理财领域也是根据用户这块大数据识别用户的个性化的风险偏好，根据不同的风险偏好提供个性化的理财方案。

　　这样一个好处在于解决前面说的传统理财顾问通过沟通识别风险偏好的带来的高成本问题，羊毛出在羊身上，这种成本最终也会反映在用户的投资收益里面，降低这块的成本就是帮用户提升收益。

　　更厉害的地方在于这种风险偏好的识别可以实时动态计算，一般风险偏好会表现为恐惧和贪婪两个方面，而且并不是固定不变的，大部分人的风险偏好会随着市场涨跌、收入水平等因素的变化而波动。比如15年上半年牛市的时候很多人都进入了股票市场，这就是贪婪导致的风险偏好的提升，但到了15年下半年熊市的时候，大家的风险偏好因恐惧又开始下降。如果是理财顾问来做这件事情，得到结论可能会有一定的滞后性，另外带来额外的沟通成本也会增加不少。

　　总之因为客户收入、年龄、性别、心理特征的差异会产生不同的风险偏好和风险偏好变化轨迹，根据这样的特性智能理财就要做到千人千时千面。

　　因此识别智能投顾就有以下四个标准，离开这些标准说自己是智能投顾都是耍流氓：

　　当然大家也要理性的认识到，在智能理财领域计算机还无法完全替代人，在一些关键时刻还是需要人依靠专业经验来做决策，如果100%依赖计算机也会导致一些特殊风险的出现，所以在相当长的一段时间内智能理财也都会保持人工智能＋专业经验的状态。

　　我非常坚信智能投顾在中国有比美国更广阔的发展前景，看看电商，淘宝、京东加起来市场份额比amazon还大，为什么？因为中国线下零售太弱了，没有沃尔玛等那样的垄断机构成为竞争者。你再看看现在国内线下投顾市场是个什么水平，比中国零售当年还弱。如果你对中国智能投顾的未来有信心，欢迎大家加入一起为行业的未来奋斗！

　　这些公司曾经也是我们的模仿对象，也是现在很多国内智能投顾公司号称的模仿对象。但经过我们一年的创业实践，通过长期大量用户数据的积累分析，我们认为如果完全模仿Wealthfront这样的美国公司，在中国必然没有前途。

　　Wealthfront的首席投资官是大名鼎鼎的Burton Malkiel，Princeton的大学教授，《A Random Walk Down Wall Street》（书中文名是《漫步华尔街》，吐槽这个翻译）的作者，这本书基本代表了被动投资（Passive Investing）的投资哲学，即不能长期战胜市场，所以只应该集中精力在三件事情上：1、多样化分散投资；2、降低支付费用；3、降低税负（非401K部分投资在美国要交投资所得税）

　　这个逻辑在于，既然长期战胜不了市场，那就干脆直接投资市场算了（投资指数ETF），而且要投资不同的相关性弱的ETF，当然中间也需要识别用户风险，根据风险定制资产配置方案，并且低频做rebalance。当然，如果大家都是这么做，那大家的收益和风险也就差不多，Wealthfront还有什么独特优势和市场价值？既然收益一样那就比费用呗，依托互联网的低人工费用，Wealthfront成功的把费用降到了0.25%，线%佣金的用户看了会怎么想，这意味着一年收益瞬间就可以提升1.25%的收益啊，要知道美国银行存款利率接近于零啊，立马大量的用户就被互联网抢过来了。

　　以S&P500指数为例，在Wealthfront发展的过去5年可以用收益高（年化收益9.3%，在美国同期存款和货币基金收益几乎为0%）波动小来形容，投资这种指数让客户赚得脸都笑歪了，能不成功吗？

　　与S&P500指数相比，沪深300过去5年是这样的，年化收益只有0.06%（余额宝最高的时候都有6%啊），而且一不小心买在了去年6月的最高点，资产直接缩水近50%，让中国用户像Wealthfront这样持续投资指数，公司玻璃就等着挨砖吧。

　　所以我们现在结合一年多的实际经验，也引入了熟悉中国基金业的著名研究专家，潜心搞了大半年，终于找到了我们认为适合于中国市场的智能投顾之道。至于是什么，这个已经离题就不说了，以后会让大家知道！

　　最近看到一些文章把一切计算机参与的金融活动都纳入到智能投顾的这个范畴，这样理解是有偏差的，下面说两个容易混淆的概念

　　量化投资大部分交易是由计算机完成，也使用各种模型算法，但主要只针对股票和商品的现货、期货、衍生品市场，并不涉及大类资产的配置，量化投资并不等同于智能投顾。

　　技术分析也就是国内各种“大师”经常说的MACD、KDJ、二八轮动等，特点是能止损，但胜率低，收益要看天吃饭；

　　后者运用的金融工程里面的无套利定价原理，利用计算机强大的计算能力寻找市场上的无风险套利(Arbitrage)机会，所有Arbitrage的基础，就是在高度有效 (Efficient) 的市场中发现微小的失衡。这方面最著名的投资机构当属Jim Simons的Renaissance Technologies，他的独门秘籍据说来自麻省理工等从事密码破译和语音识别的数理高手。国内做的比较不错的有申毅（此人去年对国家救市方法的质疑上过很多媒体的头条如何评价申毅在第一财经针对目前股市的言论和建议？ - 金融，有没有印象？），原高盛ETF部门的负责人，但在国内主要做私募，基金开放期非常短，门槛高非土豪投不了。

　　总之量化投资只能算是交易策略范畴，投资品类集中也会导致风险不够分散，就算是Jim Simons也有表现平平的时候业绩惨淡 量化巨擘“文艺复兴”关闭10亿美元基金。

　　现在有很多量化投资的金融产品为了营销也打着智能投顾的旗号，大家要注意识别。而智能投顾是把量化投资的对冲基金作为一个资产大类加入到整个资产配置之中。

　　传统银行在贷款的时候会对贷款主体进行风险识别和控制，避免把钱带给信誉较差的带块主体导致坏账。当然传统银行更多的是靠人和流程来控制，P2P在这块的创新主要是运用了计算机算法，输入贷款主体的特征（如收入、职业、历史还款记录等），通过逻辑回归或者机器学习的方法，算出贷款主体未来按期还款的概率，提升了单一靠人贷款工作的效率。

　　可以看出来这种计算对贷款主体的风险识别虽然也大量运用了计算机和算法，但是他是为贷款机构服务的，并没有解决普通投资者的长期资产配置问题，只有智能但无投顾。所以你只要看到P2P平台说自己是智能投顾，那多半都是假的，小心被骗。

　　第一次在知乎上写东西，真是好累。一口气写了这么多还是道不尽我对智能投顾行业的理解，以后会在知乎上多解答大家的问题

　　陆陆续续介绍过几个智能投顾，昨天写了一篇蹦跶出个最接地气的智能组合……适合正在亏损的你之后，很多读者问我究竟市场上有多少家智能投顾，该怎么选。那我就把以国内基金为标的的都拉出来横着竖着比较一下。总体来说主要分两类吧：

　　其实，智能投顾到底好不好？关键在于它到底是变相卖出基金还是真的从投资者角度考虑：节省购买成本+获取长期稳健收益

　　图：红色字是智能投顾、基金超市和基金公司分别的利益关系，也就是你被收取的费用。【点击看大图，最好再把屏翻个个儿】

　　智能投顾，又称“机器人投顾”，大多数情况下，通过在线调查问卷来获取投资者关于投资目标、投资期限、收入、资产和风险，来了解投资者的风险偏好以及投资偏好，从而结合算法模型为用户制定个性化的资产配置方案，包括动态调仓，实时监控等功能。相较于传统的投资顾问，机器人投顾通常试图为投资者提供更为便宜的投顾服务，而且很多时候资金门槛也更低。不过，这些机器人投顾提供的服务内容、投资方法和特色都千差万别。

　　需要注意的是，智能投顾主要是帮助客户简化理财流程，享受更方便快捷的服务。传统上客户往往要亲自去银行理财专柜，填写若干复杂的问卷，看很多理财产品的资料，而智能投顾可以让用户足不出户，在移动端或者pc端上花上几分钟便可完成整个理财的流程。但是这并不能说明智能投顾可以保证客户理财的收益率，只能说智能投顾可以帮助客户用最短的时间，找到用户最喜欢的，最合适的投资标的。

　　至于智能体现在哪些方面，从我们自己的角度出发，我们希望是能够达到以下这些特点的：

　　首先开户流程上要快捷便利，现在人脸识别与OCR身份识别技术的结合，直接与公安系统联网，网上一键开户的体验，已经远远超过传统的线下渠道。

　　智投投顾的智能，还体现在利用前沿金融理论深入了解用户的风险偏好，将用户的需求和偏好，通过金融手段具体定位，提供相符的产品。

　　同时，对于底层资产要多样化，不能局限于ETF这样的被动基金，主动、被动、以及其他资产都要有，通过智能搜索和比较，快速找到用户心仪的资产，一键下单，建立自己的专属投资组合。

　　在整个持仓周期内，还要不断的动态调整，根据用户需求和市场表现，智能再平衡，实时监控用户的组合风险，提供买卖建议。

　　作为金融科技的一部分，智能投顾还应该大数据，全市场扫描，为用户提供专业的研究咨询。

　　最后，智能投顾最终只是一个提供投资顾问服务的辅助存在，不能完全代替用户，需要给予用户一定的自由度，又提供自动解决方案。

　　自从阿尔法狗战胜李世石之后，关于智能技术的运用得到广泛关注。在金融领域，大家突然意识到人工智能可以运用在投资、金融、交易等方方面面，并且还能用人工智能技术来指导大家投资。

　　智能投顾：又称机器人投顾，就是投资人可以直接把钱交给专业机器人来打理。机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供相关理财建议。

　　智能投顾，作为一种新兴投资模式，近年来在美国市场快速崛起，出现了以威尔斯弗兰特为首的一批“独角兽”互联网金融公司。

　　聪明的中国人，当然很快就开始模仿了。据不完全统计，国内已经有数十家互联网金融平台提供智能投顾服务了。当然，也有打着“智能投顾”旗号的P2P公司。

　　书生去证券公司开户，证券公司会给我配一个投资顾问；书生去银行买理财，理财经理也就是我的投资顾问。书生跟会员交流，其实也是扮演着投资顾问的角色。

　　1.成本高，服务对象少。比如书生可以服务的对象撑到天，也就几百个。毕竟人的精力有限，所以经常有小伙伴问理财问题，如果没有及时回答，还请见谅。

　　2.道德风险。银行的理财经理，很多给你推荐的理财，不是从你的风险特点出发，而是看理财提成高低。券商的投资顾问，肯定也最怕你长线持有，这样就赚不到佣金了。

　　3.能力参差不齐，知识结构单一。一个人擅长的领域是有限的，书生很难告诉你期货怎么玩。而今年期货行情还一直不错，我们也就会错过了。

　　智能投顾的原理：诺贝尔奖得主马克维茨提出的现代组合理论。有兴趣的可以看下他的《证券选择理论》。

　　1.客观性。机器人会根据后台数据进行分析，不会为了业绩去误导客户操作。相对人工来说，更客观。

　　2.非常注重风险。智能投顾的原理是现代组合理论，它的一个基本原则就是高收益、高风险。国外智能投顾第一步就是鉴别投资者的风险承受能力，绝不会推荐老年人买P2P理财。

　　3.执行力。机器人根据固定的设置，达到止盈或者止损，一定会叫你卖出或买入。这样有效克服了人性的弱点，我们知道，往往亏损都是因为太贪婪。

　　4.服务面广，成本低。网络可以低成本服务最广大的人群，这就是互联网的特点。

　　1.恶意代码。软件也是人编的，很可能会为了公司利益，向你推荐不那么好的理财产品。比如某只基金给智能投顾公司一定费用，或智能投顾公司自己也开发理财产品。

　　2.人才稀缺。现在人工智能的人才全球的稀缺，而人工智能力量的核心就是人才储备。试问国内这些小的智能投顾公司，怎么去和谷歌那样的大公司抢人？国内真懂人工智能的，又有几个人？

　　3.法律风险。现在这块又是监管空白，如果智能投顾公司出现道德问题，谁来保障我们投资者的权益？

　　4.夸大宣传。你看到那些宣传的业绩，往往都是一些排名靠前的。可能指导了一千个客户，但只是把业绩靠前的给你看，来误导更多人跟进。历史业绩模拟，也可以截取一段表现最好的来展示。

　　杂谈乱侃：书生看好智能投顾的未来，毕竟可以服务更广大的普通投资者。但也不要把智能投顾神话了，美国智能投顾的收益其实一点也不亮眼。

　　书生很佩服国内互联网公司的模仿或学习能力，但智能投顾在国内刚刚起步，良莠不齐，还是谨慎选择为好。

　　“智能投顾”（Robo-Advisor）又称机器人投顾，投资人可以直接把钱交给专业机器人来打理，简而言之就是通过以技术为依托，用互联网和AI手段替代传统的投资顾问的职责（风险偏好分析，资产配置，投资组合推荐），从而实现高效精准的资产配置。

　　智能投顾的理论基础是脱胎于是诺贝尔获得者马克维茨在1952年提出的投资组合理论。马克维茨将所有资产配置的可能组合作成一个面，其边界上的每一个点都是一个最优资产组合。从纵向的角度看，它是某一个确定风险上回报最高的资产组合；从横向的角度看，它是在你希望得到的回报上风险最小的资产组合。简而言之，就是通过多样化投资分散投资风险，控制稳定回报率，而智能投顾正是可以利用其更精准的模型和算法实现分散风险和获得长期收益。

　　除此以外，支持的理论基础还有量化投资策略，其中包括多因子选股策略，趋势跟踪策略，事件驱动策略，风格轮动策略，Alpha策略，无风险套利策略，统计套利策略和期权/可转债和标的套利策略等。

　　智能投顾起源于美国。而背景则是传统投顾高昂的服务成本和服务人数的局限性推动技术革新去取代人力做更好的服务。因为在美国大部分人有退休金计划，其中83%的投资者都需要专业的投资顾问服务，但是传统投资顾问的服务费高达一年一万美金，服务于年收入1000万美金以上的高净值人群，服务费用大致在1%-2%之间；相比之下智能投顾可以通过高效和更精准的算法和模型提高服务效率，降低边际成本，同时也通过低昂的服务费（0.1%-0.4%）服务更多以前传统投顾无法服务到的中产阶级及年收入更低的受众群体。

　　智能投顾真正开始进入大众视野应该是在2010年Betterment和Wealthfront名声大噪以后，这两家美国最为知名的智能投顾公司，开始面向C端个人理财用户推出基于智能技术与算法的资产管理组合建议（其中包括债权配置、基金配置、股票配置、房地产资产配置等）。

　　2014年智能投顾进入快速发展阶段，出现了诸如Personal Capital的除了两家巨头以外的企业；而美国最大的投行高盛投资1500万美元收购了人工智能公司Kensho，希望用人工智能取代基层分析师的岗位；2015年全球最大的资产管理公司贝莱德收购了估值在1.5亿-2亿美元的机器人投顾初创公司Future Advisor，并希望以此行智能投顾相关的的基金投资产品。根据Citibank智能投顾市场报告来看，从2012到2015年底智能投顾管理的资产规模从零增加到了187亿美元，增速之快令人咋舌。

　　交易理性化。机器人没有情绪，可以通过已设定好的模型和程序严格执行交易指令（比如到达止损线/止盈线），不会像人类投顾那样会受情绪和交易心理（比如犹豫，贪婪等）造成投资失误

　　分散风险，控制回撤。通过合理的交易指导思想以及合理算法和程序，进行比人本身更精准的风险控制并且分散投资风险。

　　可持续相对稳定的收益率。通过基准线benchmark设置，可以通过过去算出回撤给出合理方案（筛选投资标的和控制仓位）维持一个相对稳定的长期收益率。

　　对人才要求非常高，既需要很顶尖的建模和IT知识，也需要很懂金融交易，不然很难以设计出相对优质的智能投顾。然而这类人才本来就相对稀缺。

　　不适合高风险投资者。智能投顾更适合长期相对稳定的收益率，一般也就实现比银行利息略高，无法像期货和股票那样短期内实现巨大收益，因此收益率表现相对平庸，不适合很多希望通过短期波动获取高利润的投资者。

　　通过简单的统计，我总结了目前市面上相对活跃的主打智能投顾的金融app，通过目前融资阶段和运营数据可以对目前国内智能投顾类创业公司有个直观印象：

　　从上面表格可以看出，目前国内智能投顾创业公司里面并没有出现一个绝对占领市场处于垄断地位的公司，还处于群雄混战阶段，而目前To C的智能投顾创业公司也是占绝大多数，但是在中国目前如果直接To C是很难做起来的。

　　我认为在中国未来相当长一段时间里，To C的智能投顾是个伪命题，很难大规模推行或者有长足发展。 目前的中国要想成功复制美国Wealthfront，Batterment这类智能投顾模式面临着一些大的挑战，首先是智能投顾适合的投资产品类型中美就有很大的差异：

　　1）中国目前的法律不允许非法集资，先有理财产品才允许集资。Batterment的方式为收到用户投资资金后，根据不同的风险喜好，投资在不同的国家，不同种类的ETF和中国的法律相违背

　　2）从资产角度来看，国内ETF规模较小，数量少，据wind的不完全统计，截至3月初大约有120只ETF，规模不到2000亿元，而且主要是传统的指数型ETF，债券型ETF、商品型ETF等较少。

　　其次，就是中国散户投资者缺乏对智能投顾的信任，更相信自己通过各种渠道得到的信息，而且中国投资市场并没有像欧美那么普遍的投顾传统，中国散户习惯于自己参与资本市场投资，这和欧美市场主要以机构投资者为主不一样；而散户即使不自己直接参与资本市场，也更倾向于委托或者投资于通过人（比如基金经理）而管理的基金来投资，对于纯粹依靠冰冷的程序算法来投资始终会抱有一种怀疑的态度。

　　并且收益率在中国远达不到中国大众投资者的预期，因此无法获得忠诚用户。中国股市因为不够成熟，无法像美股那样进行价值投资，大部分散户都经历过大起大跌的牛市和熊市，习惯于超短期内获得超短期收益率，是无法接受智能投顾短期远低于以往在中国资本市场获得的收益率。

　　在技术方面，智能并不能实现真正智能：在算法和程序与金融的结合的技术上达不到，也缺乏像Google里那么顶尖的人工智能专家，这类人才一般也在顶尖的科技公司里而不是在金融公司里，因此可能所谓的智能投顾并不能真正实现。

　　从投资溢价策略来说，投资博弈里的独占收益和普及性在智能投顾里也是个悖论：因为资本市场假定是个零和市场或者趋近于零和市场，那这里面代表着一个人赚钱同时也有另一个人亏钱，因此存在着优于别人的交易和投资策略。而假如智能投顾能通过算法和程序实现长期更优的策略，那它如果是被一个人所用，是可以产生更大收益并且实现盈利，这种时候就是通过独占市场上更优的投资策略获得投资溢价回报；但倘若这种策略变成服务于大众的策略，那就说明这种策略被大部分人所有，基于资本市场的零和游戏性质，收益率必然会下降，因为一个策略被大部分人所熟知时就失去了市场上较之于别的策略的相对优势，而这个策略也就渐渐失效。因此，通过高效和低服务费来为大众提供投资顾问服务和获取高回报投资收益在智能投顾的问题上本来就是个悖论。

　　虽然我不看好在国内这个散户占大多数的投资环境里做To C端的智能投顾，但是智能投顾从长期科技发展的角度来看是个需要持续关注的方向，而To B的智能投顾也许是目前很多创业公司可以探索的方向。而这里To B的智能投顾可以做两块业务：一块是给金融公司提供智能投顾的算法和程序的技术支持（比如系统等）这种收费模式主要是以系统license购买和系统维护费，还有单个模块的收费；另外一块业务可以通过给中小基金公司还有资产管理公司提供底层开放式策略SDK以及定制化的智能投顾策略，通过策略进行收费。通过To B 业务不断打磨产品完善智能投顾的算法和程序，在有强大积淀的时候To B再To C，这样就可以避免需要获取C端流量的尴尬冷启动，从而慢慢打开市场。