人工智能在金融业的应用价值在于提升数据处理效能、推动金融服务智能化、助推普惠金融发展等，在大数据技术的基础上，对金融数据进行更深层次的挖掘和分析。人工智能技术可贯穿金融业务的各个环节，主要应用场景有智能客服、智能营销、智能风控、智能投顾、智能投研等。
大数据在金融业的应用价值在于提升决策效率、强化数据资产管理能力、促进业务创新升级、增强风险防控能力等，数据驱动业务创新和发展已成为常态。大数据在金融业最常见的应用场景有在线客服、精准营销、实时风控、交易预警、反欺诈等。
云计算在金融业的应用价值在于金融机构利用云计算技术大规模、分布式、高可用、虚拟化、可扩展等特性，推动业务和产品创新、系统快速迭代及计算资源动态管理，以迎合用户需求、抢占市场先机。与此同时，金融业务的高并发、低时延、高稳定性、高可靠性等特性，需配套建立完善的灾备体系，保障云计算业务的稳定性、安全性和连续性。
区块链在金融业的应用价值在于重构信用创造机制、加强个人信息保护、促进信息共享、提升交易效率、创新金融工具等。区块链更加安全、可信、高效的网络架构催生出更加复杂、多样的金融形式，金融机构期望区块链技术带来新的竞争优势。区块链在金融业重要的应用场景有征信授权管理、跨境支付结算、数字票据管理、保险风控等。
物联网在金融业的应用中，将物联网中物品的物品属性与价值属性有机融合，为金融机构带来新的机遇。金融机构通过5G网络融合物联网、大数据、人工智能等技术，广泛开展5G智慧金融建设，可有力推动业务模式创新，服务实体经济。
大数据和人工智能技术的关系：大数据是人工智能的基础，大数据的发展一定会带来人工智能的技术突破。
当大数据和区块链充分结合后，再与人工智能技术深度融合将会给社会带来更大的收益。
区块链在大数据的准确记录、认证和执行方面有着极大的优势，人工智能则能够帮助方案决策评估以及理解数据模型和数据集。
以大数据为桥梁，区块链和人工智能具有一些共通之处。
首先，两者都要求数据共享。
区块链本身就是一个分布式的数据库，尤其重视各个节点之间的数据共享，人工智能则在数据越开放的条件下生成的预测和评估才会越准确。
其次，两者都需要保证数据的安全。
由于没有中介，区块链上的交易必须有一种方式来保证交易数据的安全可靠，对于人工智能来说，为了把保证机器自主运行时的意外降到最低以避免灾难性事件的发生，就需要保证机器学习时使用的数据是安全有效的。
最后，作为技术，这两者想要得到广泛的认可，就都需要具备一个健全的信任机制。
当区块链和大数据技术充分结合即形成了“区块链 大数据”之后，就能够和人工智能技术进一步融合发展，具体的成果有以下3个方面：
1．进一步开放数据市场
人工智能技术的进步依靠数据来源的多样性。
现在的人工智能巨头公司（如谷歌、亚马逊等）都具有自己的人工智能数据源，但是这些数据并不在数据市场上流通。
当区块链和大数据技术充分融合后，区块链就能够为大数据的交易保证安全，加快数据市场的发展壮大。
有了数据市场的壮大，人工智能技术自然会有进一步的发展。
反过来，人工智能技术得到了发展后，一定会反哺数据市场，为评估数据资源和进行数据决策提供更完善的方案。
在这种良性循环下，数据市场就会不断地健康发展，迎来一个自由开放的数据时代。
2．更大规模的数据管理机制
无论数据是否成为了对所有人都开放的资源，数据的管理都是重中之重。
在区块链技术的支持下，由于数据分布在世界的各个角落，即使发生了灾害或者黑客攻击了某些数据集，数据的安全性也可以得到保证。
在这种优势下，人工智能的子领域“通用人工智能”就能够完全地发挥出自己的实力。
在不用考虑数据安全的前提下，通用人工智能就能更好地建立出一个反馈控制系统的模型，以实现自主代理人和物理环境之间的反馈交互。
这样一来，数据管理就变得自主性更强，规模也就可以得到进一步的扩大。
3．控制人工智能数据和模型的使用版权
前面提到过，人工智能模型可以看作是大数据资源经过加工后的最终商品，一定会发展成为能够进行交易的商品。
而人工智能的模型在市场上进行交易时，也一定会面临着所有商品都碰到过的所有权限定的问题。
而由于人工智能数据模型不同于其他商品能够通过直观的视听感官直接发现侵权行为，“区块链 大数据”的应用就显得尤其必要。
为了保障数据模型的版权，创建者一般通过在程序中设定某些必要的许可证以防止盗版。
在区块链技术的帮助下，这一过程将会变得更加容易。
数据一旦生成，就会有时间戳跟随记录，所有的访问者和使用者都会被记录，创建者还可以制定数字签名从根本上杜绝盗版的可能。
这样数据模型的使用版权就可以完全控制在创建者手里，尤其是一些需要隐私的行业，其人工智能模型将在“区块链 大数据”技术的帮助下获得更大的收益。
