智能時代雲大數據

㈠ 人工智慧時代雲和大數據有多重要

就像水和空氣對於人類的重要性。

㈡ 《智能時代》讀後感

《智能時代》一書的作者是吳軍，該書揭示了大數據和機器智能對於未來社會的影響。以下是我為大家整理的關於這本書的讀後感，歡迎大家閱讀！

《智能時代》讀後感（一）

在《智能時代》一書中，作者系統地講述了大數據和智能革命相關的知識，對我觸動最大的是大數據引起的思維革命、大數據對商業的影響以及智能革命對未來社會的影響這三部分的內容。

思維革命

工業革命後人們形成的思維方式是機械思維，即確定性思維。我們可以通過找到特定的模型（公式、定律），找出事物之間的因果關系，而且發現的規律往往是放之四海而皆準的。

然而這個世界是不確定的。首先當我們對世界的了解越來越細致之後，我們會發現影響世界的變數其實非常多，已經無法通過簡單的方法或者公式計算出結果。

然後通過量子力學中的測不準原理，我們可以知道不確定性是宇宙的一個特性。面對不確定性的世界我們該怎麼辦呢？

香農在資訊理論中借用熱力學里熵的概念，他用熵來描述一個信息系統的不確定性。香農指出，信息量與不確定性有關：假如我們需要搞清楚一件非常不確定或一無所知的事情，就需要了解大量的信息。這是一個全新的方法論：資訊理論建立在不確定性基礎上，而想要消除這種不確定性，就要引入信息。要引入多少信息，則要看系統中的不確定性有多大。

在我們無法確定因果關系時，數據為我們提供了解決問題的新方法，數據中所包含的信息可以幫助我們消除不確定性，而數據之間的相關性在某種程度上可以取代原來的因果關系，幫助我們得到我們想知道的答案，這便是大數據思維的核心。

大數據與商業

從工業革命開始，幾次主要的技術革命都遵循相似的規律。首先，是大部分現有產業加上新技術等於新產業。或者說原有產業需要以新的形態出現。其次，並非每一家公司都要從事新技術產品本身的製造，更多的時候它們是利用新技術改造原有產業。這次以大數據為核心的智能革命也不例外，我們將看到它依然會延續這兩個特點。每次技術革命都會誕生新的思維方式和商業模式，企業只有在思維上跟上新的時代，才能在未來的商業中立於不敗之地。

智能革命和未來社會

大數據導致機器革命的到來，這對未來社會的影響不僅僅存在於經濟領域，而是全方位的。盡管總體上這些影響是正面的，從長遠看會使我們未來的社會變得更好；不過，和以唯敏往的技術革命搜塌一樣，智能革命也會帶來很多負面的影響（個人隱私、失業率等），特別是在它發展的初期，而這些影響很可能會持續很久。

任何一次技術革命，最初收益的都是發展它、使用它的人，而遠離它、拒絕接受它的人，在很長的世界裡都是迷茫的一代。在智能革命到來之際，作為人和企業指漏枝無疑應該擁抱它，讓自己成為那2%的受益者；而作為國家，則需要未雨綢繆，爭取不要像過去那樣每一次重大的技術革命多伴隨半個多世紀的動盪。

在我們還沒有經歷過機器在智能上全面超越人類的時代，我們需要在這樣的環境里學會生存。這將是一個讓我們振奮的時代，也是一個給我們帶來空前挑戰的時代。

作者在書中對很多基礎概念和技術發展歷史都有較詳細的講解，也列舉了很多生動有說服力的案例。在看這本書之前也在很多地方了解過關於人工智慧、大數據等方面的案例和知識。但遠沒有看過書後如此深刻的認識，所以推薦大家還是閱讀原書。書名雖然看上去是與科技相關的，實際上與每個人都相關。提前接觸和運用新的思維與新的技術也許不能保證你成為前2%的人，但至少可以讓你在過程中擁有更多的機會和成功概率。

願大家對新事物保持好奇心和熱情，擁抱智能時代，為成為前2%的'人而努力。

《智能時代》讀後感（二）

第一次讀《智能時代》，是通過朋友的豆瓣閱讀邀請碼下載到手機上看的。起先並沒有太認真閱讀，只是在下班路上隨手翻幾頁，以為這就是寫現在比較熱門的關於智能設備或者智能生活方式的乏善可陳的書，畢竟書名」智能時代「給我第一印象就是如此。實際讀的時候才發現，這是一本講人的智能和計算機能否產生類似智能的書。書的原名是《on Intelligence》，本意是關於智能的討論，翻譯書名《智能時代》和副標題不是很切題，會給人錯誤的第一印象。

拋開書名不說，《智能時代》是我幾年內讀過最好的書之一，作者——傑夫霍金斯的文筆很簡潔，這本書翻譯的水平也很高，文中很客觀和批判性地描述了智能和人工智慧研究，並闡述了作者自己對智能的理解。本書一推出就獲得兩個諾貝爾獎得主及專業領域人士的大力推薦，考慮到霍金斯本人是企業家而不是職業科學家這一點，是十分罕見的。

我從小經常思考關於智能的問題，這本書能解答我很多疑惑，讀書時那種開悟的感覺只能用醍醐灌頂來形容。還記得初一的某天下課回家，我騎著自行車，突然產生了一個疑問——我的手是怎麼掌把的，我沒有有意識地控制哪根手指放哪個位置啊？然後我撞了汽車。如果你和我一樣，曾經思考過這類問題，那麼本書絕對是你的菜。

霍金斯在書中首先回顧了當今人工智慧研究的歷程以及自己探索的經歷，客觀批判了"智能行為派"，他認為智能是系統的內在屬性，和外在表現無關。比如一個人在靜靜思考的時候，雖然沒有表現出任何行為，他也是有智能的。退一步來講，假使通過行為來判斷是否有智能，當下的計算機也不合格。計算機要能識別圖片，必須設計一套視覺識別演算法，計算灰度、色階、輪廓等；識別語音要設計語言演算法，計算聲波頻率、音調、匹配語義等。圖片演算法和聲音演算法之間沒有任何關聯，從術語到計算過程完全不同。

但是對於大腦來說，聲音和圖像在大腦中的處理過程很類似，只是接受刺激的感官不同。把實驗動物幼崽的視覺神經接到本來應該發育聽覺的位置，這些動物都能發育出正常的視覺——而如果把計算機的攝像頭接到話筒上，結果可想而之。作者並非在否定演算法本身，無疑，大腦也有自己的演算法，這個演算法是高度抽象的，能根據信號輸入的不同發展出相應的知覺。相比之下，計算機演算法毫無變通的可能性。從這兩點出發，作者認為以往的計算機智能研究是一條死路。

那麼智能應該是什麼樣的？霍金斯從日常生活出發，通過對學習、記憶、回想等等行為的分解，結合腦部神經結構，提出了產生智能的"記憶——預測"框架。整個推斷過程非常精彩，在此就不劇透了，以免破壞了閱讀樂趣。

這個系統的核心在於"恆定表徵"這樣一個概念，霍金斯認為人類（或海豚猴子等其他動物）之所以能認知世界，依賴於對事物高度抽象的能力。這種抽象能力，不是指刻意訓練的邏輯思維能力，而是智慧生物由大腦結構決定的固有能力。舉個例子：當我看到我家的小狗，我能意識到它在附近；當我聽到它熟悉的叫聲，我也能意識到它在附近；甚至當我只是看到它掉在沙發上的毛，都能推斷出它肯定爬上過沙發。

我並不一定直接看到它，是如何判斷它是否在附近呢？這就表明我的大腦有關於這只狗的"恆定表徵"，不以我觀測的方式轉移。我認識我家的狗，無論它是蹲著還是趴著還是把腦袋藏在沙發下面，我都能意識到它的獨特存在。"恆定表徵"也就是人們常說的"理解"某個事物，對於計算機來說，目前的技術只能按部就班地計算，沒有理解的產生，更無所謂智能。

恆定表徵這個概念並非是霍金斯的原創，很多哲學家和科學家都有過類似的思想。比如大哲學家康德曾論證：人的心智擁有空間和時間的形式，獨立於經驗。康德稱這些形式為直覺，它們是純粹先天的知識方式，不依據經驗和思想，這使理解現實成為可能。比如沒有人見過完美的圓形，但不妨礙人理解正圓這個概念，因為空間的形式是先天的，是人的物理形態決定的。霍金斯的「恆定表徵」，就是先天知識（人或者計算機物理結構所決定的）加上後天經驗的產物。在我看來，計算機對時間和空間都沒有先天的知識，如果計算機對什麼有先天概念的話，那隻能是頻率。

不過，計算機並非不能產生智能，只是現在的科技水平不夠。最初計算機的設計就是用於處理專項任務，而生命的演化是為了適應各種各樣的自然環境，人和計算機"硬體"的不同，體現了自然演化和人工製造的區別。產生人類智慧的大腦，對於現在的技術水平來說，的確很難復制（就算能復制，消耗的電量是相當驚人的），並非說大腦具有什麼獨特的"精神"層面的東西，是計算機無法模擬的。我相信在科學家們提取出大腦的"演算法"之後，人工智慧的產生是必然的，十年、二十年內都有可能。

想像一下吧，具有人類智慧的計算機，不僅計算速度快，還能接上定製的感官，不僅有視覺、聽覺、觸覺、味覺、嗅覺，它還能具有感受磁場的"磁覺"（就像一些魚），感受整個森林火災可能性的"安全感"，甚至感受股市變化的"發財直覺"（有些人聲稱自己就有，比如我媽）應用的可能性是無限多的。這也是小夥伴們改變命運，找到下一個藍海的機會啊！至於我呢，現在就開始著手創辦全球第一家」人工智慧幼兒早教機構「，並非人工智慧來教育人類小孩哦，而是我來教育人工智慧小孩……

《智能時代》讀後感（三）

像我這樣每天看的都是小說、歷史，會不會讓人覺得這個人已經老了，很頹廢，不求上進？尤其在這個開口閉口必談雲計算、大數據、人工智慧的年頭，既聽不懂又插不上話，會不會就真的落伍了呢？於是繼《浪潮之巔》後，又接著看了吳軍先生的《智能時代》（他的《文明之光》也同步在看，只是4本書看完還需要點時間）。沒想不看不打緊，這一看，未細思，心已冷。窗外雖是陽光燦爛，心中卻早已涼涼的。

作者說：「隨著技術革命的發展，並非每一個人的發展機會都是越來越多的，反而可能是越來越少。」「在歷次技術革命中，一個人、一家企業，甚至一個國家，可以選擇的道路只有兩條：要麼進入前2%的行列，要麼被淘汰。」「那麼大量淘汰下來的勞動力怎麼辦？新畢業的學生如何就業？答案是要麼去從事一份工資足夠低的服務性工作，要麼沒有工作靠領取救濟過活。」多麼直接，多麼殘酷，又多麼的冷酷，然而，這就是我們要面對的現實。於是又回到狄更斯那句被引用過無數次的《雙城記》中開篇的一句話：「這是最好的時代，也是最壞的時代。」

不要以為智能革命只會威脅到生產線上的工人和只需簡單動腦的工作，即使在今天看來依然高大上的職業，未來也會失去工作，譬如醫生、律師、編輯記者。先來看看醫生，「在過去，像放射科醫生這一類工作，被認為需要太多的專業技能，工作性質太復雜，不可能被機器取代。但是，今天智能的模式識別軟體通過醫學影像的識別和分析，可以比有經驗的放射科醫生更好地診斷病情，這將從根本上改變醫療行業的現狀。」

具有了智能的計算機不僅能幫助診斷，還可以進行手術。「相比醫生，計算機在診斷和手術等方面有三大優勢：

首先，它們漏判（或者失誤）的可能性非常低，也就是說它們能夠發現一些醫生們忽略的情況。

其次，它們的准確率很高，而且隨著數據量（病例）的增加提高得非常快。

最後，也是人所不具備的，這些智能程序的穩定性非常好，它們不會像人那樣受情緒的影響。」最要命的是，「這些智能程序的成本，通常不到人工的百分之一。」

再來看看律師，「位於矽谷帕羅奧圖市的Blackstone Discovery公司發明了一種處理法律文件的自然語言處理軟體，使得律師的效率可以提高500倍，而打官司的成本可以下降99%，這意味著未來將有相當多的律師（尤其是初級水平的律師）可能失去工作。」事實上這件事情在美國已經發生，「新畢業的法學院學生找到正式工作的時間比以前長了很多。」那麼記者和編輯呢？「今天美國很多媒體的財經新聞，尤其是對公司財報的評述，其實已經是計算機產生的了。」我想類似我們央視新聞聯播和《人民日報》那樣的新聞就更沒有問題。

有人會問：「文學作品如小說詩歌什麼的總還需要人創作吧？」就在今天中午剛看到一條消息：「微軟小冰通過對1920年後519位現代詩人的上千首詩經過10000次的迭代學習，小冰每學習一次的時間大約是0.6分鍾，10000次需要100個小時。她至今創作了70928首詩，從中精心挑選了139首，結集出版。」也就是說你未來看到的小說或詩集有可能是機器寫的。那麼，再仔細想想、細思一下，還有什麼工作是未來計算機做不了和不能替代的呢？包括你眼下正在乾的事情。是不是不思已恐，細思，則極恐、更恐、很恐、非常恐？是否覺得有些危言聳聽？

「很多人會天真地認為，船到橋頭自然直，勞動力會被自然而然地分配到其他行業中去。」過去幾次技術和產業革命不就是這樣的嗎？「但是，這種勞動力的再分配，一來需要非常長的時間（至少半個世紀），二來依賴於產生新產業。」那麼，這一切究竟是怎麼發生的？為什麼早不來晚不來卻偏偏這個時候來、偏偏讓我們給趕上了？

回到吳軍先生的《智能時代》這本書，還有個副題「大數據與智能革命重新定義未來」。全書一共分為七章，分別介紹了數據的作用，大數據和機器智能，機器智能的原理及其發展歷程，大數據思維的核心及其重要性，大數據和機器智能與商業的關系，它們對社會正反兩個方面的巨大影響。

㈢ 大數據時代有哪些主要特點

大數據有4個特點，為別為：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值），一般我們稱之為4V。

1．大量。大數據的特徵首先就體現為「大」，從先Map3時代，一個小小的MB級別的Map3就可以滿足很多人的需求，然而隨著時間的推移，存儲單位從過去的GB到TB，乃至現在的PB、EB級別。

隨著信息技術的高速發展，數據開始爆發性增長。社交網路（微博、推特、臉書）、移動網路、各種智能工具，服務工具等，都成為數據的來源。淘寶網近4億的會員每天產生的商品交易數據約20TB；臉書約10億的用戶每天產生的日誌數據超過300TB。

迫切需要智能的演算法、強大的數據處理平台和新的數據處理技術，來統計、分析、預測和實時處理如此大規模的數據。

2．多樣。廣泛的數據來源，決定了大數據形式的多樣性。任何形式的數據都可以產生作用，目前應用最廣泛的就是推薦系統，如淘寶，網易雲音樂、今日頭條等，這些平台都會通過對用戶的日誌數據進行分析，從而進一步推薦用戶喜歡的東西。

日誌數據是結構化明顯的數據，還有一些數據結構化不明顯，例如圖片、音頻、視頻等，這些數據因果關系弱，就需要人工對其進行標注。

3．高速。大數據的產生非常迅速，主要通過互聯網傳輸。生活中每個人都離不開互聯網，也就是說每天個人每天都在向大數據提供大量的資料。

並且這些數據是需要及時處理的，因為花費大量資本去存儲作用較小的歷史數據是非常不劃算的，對於一個平台而言，也許保存的數據只有過去幾天或者一個月之內，再遠的數據就要及時清理，不然代價太大。

基於這種情況，大數據對處理速度有非常嚴格的要求，伺服器中大量的資源都用於處理和計算數據，很多平台都需要做到實時分析。數據無時無刻不在產生，誰的速度更快，誰就有優勢。

4.價值。這也是大數據的核心特徵。現實世界所產生的數據中，有價值的數據所佔比例很小。

相比於傳統的小數據，大數據最大的價值在於通過從大量不相關的各種類型的數據中，挖掘出對未來趨勢與模式預測分析有價值的數據，並通過機器學習方法、人工智慧方法或數據挖掘方法深度分析。

發現新規律和新知識，並運用於農業、金融、醫療等各個領域，從而最終達到改善社會治理、提高生產效率、推進科學研究的效果。

㈣ abcde時代是什麼

abcde時代是人工智慧時代。根據查詢相關資料信息，abcde時代包括雲計算、大數據以及邊緣州塌計算等技術，該技術使得企業、機構、組織紛紛向數字化轉型，落地於場景便是智能製造、智慧醫療沒清、枯跡前智慧教育等。

㈤ 大數據、雲計算、人工智慧之間有什麼樣的關系_什麼是大數據,雲計算和人工智慧他們有哪些應用

給你解釋一下這些術語：

雲計算：就是個炒得很熱的商業概念，其實說白了就是將計算任務轉移到伺服器端，用戶只需要個顯示器就行了，不過伺服器的計算資源可以轉包。當然，要想衡隱大規模商業化，這里還有些問題，特別是隱私保護問題。

大數據：說白了就是數據太多了。如今幾兆的數據在20年前也是大數據。但如今所說的大數據特殊在哪呢？如今的問題是數據實在是太多了，這已經超過了傳統計算機的處理能力（區別與量子計算機），所以對於大數據我們不得不用一些折衷的辦法（比如數據挖掘），就是說沒必要所有數據都需要精確管理，實際上有效數據很有限，前塌用數據挖掘的方法把這些有限的知識提取出來就行了。·此外，數據抽樣，數據壓縮也是解決大數據問題的一些策略。

數據挖掘：從數據中提取潛在知識，這些知識可以描述或者預測數據的特性。有代表性的數據挖掘任務包括關聯規則分析、數據分類、數據聚類等，這些你在任一本數據挖掘教材都可以了解。下面我說說和大數據的區別：數據挖掘只是大數據處理的一個方法。馬雲所說的大數據，或者如今商業領域所說的大數據，實際上指慧攔圓的就是數據挖掘，其實真正所謂大數據，或者Science雜志中提到的大數據，或者奧巴馬提出的大數據發展戰略，我的理解是，這些都遠遠大於數據挖掘的范疇，當然數據挖掘是其中很重要的一個方法。真正目的是如何將大數據進行有效管理。

機器學習：這個詞很虛，泛指了一大類計算機演算法。重點是學習這個詞，如果想讓計算機有效學習，目前絕大多數方法都採用了迭代的方法。所以在科研界，只要是採用了這種迭代並不斷逼近的策略，一般都可以歸到機器學習的范疇。此外，所謂學習，肯定要知道學什麼，這就是所謂訓練集，從訓練集數據中計算機要學到其中的某個一般規律，然後用一些別的數據（即測試集）來看看學得好不好，之後才能用於實際應用。所以，選取合適的訓練集也是個學問。

模式識別：意思就是模式的識別。模式多種多樣，可以是語言，可以是圖像，可以是事物一些有意義的模塊，這些都算。所以總體來說，模式識別這個詞我是覺得有點虛，倒是具體的人臉圖像識別、聲音識別等，這些倒是挺實在的。也許是我不太了解吧。

另外說說你的其他問題。

傳統分析方法不包括數據挖掘。對於數據分析這塊我不是很了解，不過可以肯定的是，傳統分析都有一定的分析方向，比如我就想知道這兩個商品的關聯情況，那我查查資料庫就行了。數據挖掘雖說有些歷史，不過也挺時髦的，它是自動將那些關聯程度大的商品告訴你，這期間不需要用戶指定數據分析的具體對象。

如果想應對大數據時代，數據挖掘這門課是少不了的。此外對資料庫，特別是並行資料庫、分布式資料庫，最好了解點。至於機器學習和模式識別，這些總的來說和數據挖掘關系不太大，除了一些特殊的領域外。

總之，概念挺熱，但大數據還很不成熟，無論從研究上還是商業化上。我目前在作大數據背景下的演算法研究，說實話，目前基本沒有拓展性非常強的演算法，所以未來大數據的發展方向，我也挺迷茫。

PS：將數據挖掘應用於商業，最最重要的就是如何確定挖掘角度，這需要你對具體應用的領域知識非常了解，需要你有非常敏銳的眼光。至於數據挖掘的具體演算法，這些就交給我們專門搞研究的吧！（對演算法的理解也很重要，這可以把演算法拓展到你的應用領域）

㈥ 大數據、雲計算、人工智慧時代的臨界點，你離目標還有多遠

馬雲曾說過，十年前世界上爭奪的是石油，十年後世界爭奪的將是 大數據、雲計算、人工智慧 ！

目前，中國人工智慧行業正處於一個創新發展時期，據中商產業研究院大數據顯示，2015年中國的人工智慧市場規模達12億美元，2017年中國的人工智慧市場規模達700億元，預測將在2020年達到1600億元的規模。

在國務院《新一代人工智慧發展規劃》中也明確表示，我國新一代人工智慧發展的戰略目標：

第一步到2020年，人工智慧總體技術和應用與世界先進水平同步，人工智慧產業成為新的重要經濟增長點，人工智慧技術應用成為改善民生的新途徑；第二步到2025年，人工智慧基礎理論實現重大突破，部分技術與應用達到世界領先水平，人工智慧成為我國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展；第三步到2030年，人工智慧理論、技術與應用總體達到世界領先水平，成為世界主要人工智慧創新中心。

2018年時代的臨界點，你離目標還有多遠？

目前創新企業普遍面臨的難題：

1、獲客難  每日互聯網用戶千千萬萬，但是，真正是你客戶的有多少？

2、營銷難  人工智慧時代，技術創造未來，同行產品多，營銷渠道少，市場競爭壓力大；

3、運營難  客戶永遠是一群追逐利益最大化、最善變的群體，客戶要什麼，運營就得提供什麼；

4、成本高  人工成本+招聘成本+培訓成本+硬體成本+五險一金+場地，企業成本高；

5、情緒化  每天重復的回答簡單的問題，繁瑣的營銷流程，因天滑歲氣、因心情、因同事、因客戶等不同情緒影響。

作為國家、深圳「雙新」高新科技企業，獨立研發的新一代AI人工智慧—智能握讓高語音機器人。採用 真人語音、自動撥打、自動應答、智能分類、語段尺音記錄、人機交互、自主學習、多輪對話、智能語音、預測外呼、直轉坐席... ... 有效的降低企業成本，提高企業效益。

截止目前，我們已經看到了人工智慧全球的發展，在不久後的未來，每個人都可能有一個人工智慧私人助理，幫你打理生活瑣事，安排行程；生病不怕再耽擱，人工智慧感測器實時採集你的各項生理數據，並針對性地給出健康生活的改善建議，做到重大突發疾病的早期預警；出行不再需要司機，智能自動駕駛無人車，安全把你送達目的地；旅遊不再需要翻譯，智能翻譯耳機將聽到的英文實時翻譯成中文播給你聽；

人工智慧，一切讓人類生活 更方便、快捷 ！時代的臨界點，你離目標還有多遠？

㈦ 你如何理解「金融科技是驅動金融業變革的核心力量」

第一、金融科技有助於推動金融機構的轉型升級。數字化轉型已經成為所有金融機構共同關注、共同推動的行業趨勢。拓展金融服務的邊界，提高金融供給的效率，拓寬金融機構的發展空間，已成為金老含灶融機構的重要戰略選擇。金融科技簡化供需雙方的交易環節，降低資金融通邊際成本，開辟融達客戶的全新途徑，推動金融機構實現服務模式創新、業務流程再造、運營管理變革，不斷增強核心競爭力，為金融業轉型升級持續賦能。例如各大銀行都在加大企業手機銀行建設用於服務企業，對於中小企業、初創企業來說，線上服務能更加便捷的滿足企業需求。
第二、金融科技有助於推動普惠金融發展。大數據分析等新技術應用是解決中小企業融資難、融資貴問題的一把金鑰匙。通過線上服務、生物識別等便利化服務，同時通過引進海關數據、工商數據、稅務數據等第三方侍扮數老判據建立模型，提升風控能力，使業務能覆蓋到更多的中小企業，促進普惠金融加快發展。應用線上模式促進中小企業、中小客戶以及初創企業融資，是突破物理網點局限、推動普惠金融發展的新途徑。
【拓展資料】
金融科技的關鍵是金融和科技的相互融合，技術突破是金融科技發展的原動力。所以結合信息技術對金融的推動，可以將金融科技的發展分為以下三個階段。
第一階段：傳統金融觸網
2005-2010年是互聯網時代，互聯網加快世界互通互聯，使得互聯網商業迅速發展起來，對金融業也產生了些許改變。
具體表現為金融觸網，簡單的傳統金融業務線上化，通過IT技術應用實現辦公和業務的電子化自動化，從而提高業務效率。典型代表為網上銀行，將線下櫃台業務轉移至PC端。此時，IT作為後台部門存在，為部分金融業務提供技術支持，或者科技企業扮演技術服務或解決方案提供商角色。
第二階段：互聯新金融興起
2011-2015年是移動互聯網時代，智能手機的普及使得人們隨時隨地溝通成為可能，極大提高了網路利用的效率。
這一階段具體表現為傳統金融類機構搭建在線業務平台，對傳統金融渠道的變革，實現信息共享和業務融合。同時互聯網公司的金融化應運而生，使得移動支付成為可能。此時，互聯網在金融業的滲透率逐步提升，但並不改變傳統金融的本質屬性。
第三階段：金融和科技強強聯合
2016年至今人工智慧時代，雲計算、大數據、區塊鏈、人工智慧等關鍵技術日益成熟，成為金融創新的重要推動力。
在這個階段，金融業通過新的科技改變傳統的金融信息採集來源、風險定價模型、交易決策的過程、信用中介的角色，大幅提升傳統金融的效率，解決傳統金融的痛點，如數字貨幣、大數據徵信、智能投顧、供應鏈金融。至此，金融和科技強強聯合，對傳統金融產生變革。