最近在收集整理东南亚新经济领域融资新闻时，发现一个很久没被关注的行业在一周之内三刷存在感，而且融资额也一刷之前停留在百万美元级别的“憋屈”，达到了千万美元的高度。

首先是新加坡两个老资格的智能投顾平台，Bambu 和 StashAway 分别获得了1000万和1200万美元同为 B 轮的投资，投资方里面不乏像 Franklin Templeton 和富达国际下属的 Eight Roads Ventures (斯道资本)的身影，这两个投资机构一家管着7000多亿美金，另一家在1999年就领投了巨头阿里巴巴的 A 轮。

而 Bambu 和 StashAway 虽然总部都设立在新加坡，但由于线上平台的优势，服务的市场横跨全球投资者和金融机构，融资后业务侧重也有所不同，Bambu 宣布拿到钱后会深耕 SaaS 领域，将企业端的服务能力进一步提升，而 StashAway 则表示会进一步针对零售端发力，目前已经吸引了125个国家数十万的注册用户，下一步计划是进军新加坡的邻国马来西亚。

而前几天还有一个泰国的 Fintech 企业 Finnomena 宣布在准备自己的 B 轮融资，与此同时也推出了智能投顾服务 GuruPort 。Finnomena 虽然在发展速度上没有前两家亮眼，但是背后也有泰国金融巨头 Krungsri Bank 旗下风投 KrungsriFinnovate 的支持，后者在2017年曾领投了 Finnomena 的320万美元 A 轮融资。

智能投顾的发展历史

根据兴业证券发表的一篇题为《智能投顾：技术为镐，蓝海掘金》的文章，我们可以大致将最早起源于美国的智能投顾分成三个发展阶段。

1. 在线投顾阶段

20世纪90年代末期，可供投资者选择应用的投资分析工具的技术水平和规模开始扩大。2005年， FINRA 颁布 NASD IM2210-6 Requirements for the Use of Investment Analysis Tools 规章，允许证券自营商将投资分析工具(investment analysis tools)直接让投资者使用，投资者可以利用投资分析工具进行不同投资策略的投资收益分析，对收益和风险有更好的把控。

此后，在线资产管理服务规模迅速增长，更多长尾客户在此阶段受益。此阶段的特点主要是机器智能应用比较有限，主要应用领域是投资组合分析。

2. 机器人投顾阶段

2008年～2015年期间，大量新兴科技企业开始为客户直接提供各类基于机器学习的 “数字化投顾工具”，机器人投顾商业模式开始发展。这些公司开发的面向客户的投顾工具提供的功能之前只被金融从业者应用，目前已经广泛被客户所直接应用。在这个阶段的很多实际应用案例中，证券公司对他们的“数字化投顾工具”提供的投资策略负责。

3. 人工智能投顾阶段

2015年至今，以大数据为基础的深度学习被广泛应用，人工智能技术取得突破性进展。智能投顾服务商和科技企业开始尝试开发能够完全消除人类参与投资管理价值链的人工智能系统。目前包括国外的 Bridge Water 、Wealthfront ，国内的弥财等都已经实现了这样的系统开发和商业化运营。通常采用“人工智能+云计算”体系结构的服务商，在计算设备和软件开发方面投资巨大(少则1-2亿，多则几十亿)，能够同时服务千万、亿级别的海量用户。

智能投顾主要解决什么问题?

客户分析：客户分析是提供符合个人情况的精准投资建议的前提。目前，主流的智能投顾平台在进行客户分析和画像时，基本均采用调查问卷和询问打分形式。

大类资产配置：根据现代资产组合理论，在确定性收益情况下是存在最优投资的。大多数智能投顾服务都利用此原理建立了分散的投资组合。并且依据其不同的商业模式做了优化。

投资组合选择：主要有两种类型，一种是由风险等级选择不同的投资组合，而另外一种是根据投资风格选择不同的投资组合。

交易执行：大多数智能投顾基本都是利用自有的券商或合作券商提供顺畅的交易执行服务。

投资组合再平衡：组合再平衡主要是指随着市值的变化，如果资产投资配置偏离目标资产配置过大，投资组合再平衡可以实施动态资产配置向静态资产配置的重新调整。

税收规划：是美国智能投顾平台特色，产品自动提供税收亏损收割节税功能。具体操作是卖出投资者亏损的资产，抵免一部分资本利得税，同时买入其他类似资产，从而达到合理节税和增加客户净收益的目的。

投资组合分析：投资组合分析主要是智能投顾为客户提供的投资分析，一般包括：业绩展示，业绩归因，风险因子分析，组合描述性统计分析，回测和模拟等。

智能投顾的核心优势在于通过技术的引入，极大降低人力成本，从而降低客户获取投顾服务的门槛和费用，有助于推动普惠金融发展。传统投顾服务的费用昂贵，主要客户为高净值人群。而智能投顾引入了人工智能和大数据等技术，可以快速处理海量信息，根据客户填写问卷反馈的信息进行风险偏好判别，通过算法模型为投资者提供资产配置建议，极大节约了专业投顾的人力成本，降低了客户获取投顾服务的门槛和费用，具有低门槛、低费用、投资广、易操作、透明度高和个性化定制等优势。

根据德勤最新的一份关于亚太智能投顾市场的报告，中国智能投顾的竞争异常激烈，已经进场的巨头名号响到让小玩家望而却步，比如金融新贵蚂蚁金服的“财富号”、陆金所和曾经轰动一时的招商银行推出的“摩羯智投”。

根据德勤这份报告，蚂蚁“财富号”吸引的27家财富管理公司已经尝到了甜头，其中包括运营效率提高70%，总体成本降低50%，企业平台每日访客人数增加了十倍，老客户继续加码的投资额增加了三倍，而所有客户的持有期增加了89%。

而在新加坡这个东南亚智能投顾行业的大本营里，传统的金融玩家也不乏像招商银行一样的机构，比如说在2018年，新加坡华侨银行 OCBC 推出了 RoboInvest 投资服务机器人，专门针对新一代投资人，投资额要求最低的门槛可以低到3500新币，也就是17500人民币左右。这个是在跟新加坡另外一家金融科技公司 WeInvest 合作之后推出的服务，可以通过算法来自动监测和管理投资组合，这样的合作属于新加坡传统金融机构中在智能投顾领域的先行者。

智能投顾的魅力和出路

对于投资顾问和财富管理公司来说，智能投顾最大的缺点和想象空间都落在了金融行业需要拿捏的两个平衡点，一个是使用体验，另外一个是效率。传统的金融机构清一色以银行本身为中心，通过银行这个主体来搭建各种渠道和进行大量的买卖操作来提高效率，而新金融讲究的是以每一个用户为主体，通过不断革新的技术和观念来提高体验。一个是为了效率牺牲了体验，一个是为了体验而很可能要耽误效率，可见传统的和新式的各有利弊，智能投顾与其说是全新的行业迭代，还不如说是一次行业的试探，盲从很可能会把步子迈太大。

所以无论是前面提到的 Franklin Templeton ，还是 OCBC 和招商银行业，基本上都希望通过投资或者外包项目的方式与初创公司达成合作，这么做的原因首先是传统的金融机构有自己的一套，要从内部更新非常难，而同时初创公司也能通过传统机构提供的更大的平台来验证自己的算法和适用性，一举两得。

所以我们可以看到现在的智能投顾已经从当初比较“不成熟”的追求 To C 慢慢向更合理的 To B 的转变，后者的退出渠道也更稳，可以是被并购也可以是分拆后再横向发展。Bambu 的创始人 Ned Phillips 曾经在一次采访中就表示，To C 不是不能做，但是在东南亚市场，如果一个 To C 的玩家不能一直保证有5000万美金的现金流，基本不可能在蚂蚁金服、微信、KaoKao 和当地银行中杀出一条自己的路。从 To B 向 To C 过渡才是最稳妥的路径。