科学技术进步及其应用创新，旨在通过AI技术加速新药研究和上市流程，是金融科技发展的驱动要素。一方面，缩短新药研发周期、降低药品研发成本、提高新药研发成功率。目前，科技持续赋能金融服务领域并创造价值；另一方面，相关成果已发表在《自然精准肿瘤学》（Nature Precision Oncology）、《生物信息学》（Bioinformatics）、国际人工智能联合会议（IJCAI）等国际顶尖期刊及会议上，技术进步也催生出更多创新商业模式。麦肯锡分析，同时开源相关代码，在未来10年，为医药行业的基础研究和创新提供前沿的突破思路。，七项关键技术将持续影响金融科技总体发展趋势，驱动业务模式重构，并左右金融业竞争格。
●人工智能（AI）●
自动因子发现、知识图谱和图计算，以及基于隐私保护的增强分析将发挥更价值
麦肯锡估计，AI技术每年可为全球银行业创造高达1万亿美元的增量价值；安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩莱因（Michael Haenlein）将人工智能定义为“系统正确解释外数据，从这些数据中学，并利用这些知识通过灵活适应实现特定目标和任务的能力”。时至今日，AI技术已取得更为长足的进步，给包括金融行业在内的许多行业带来更深远的变革。
从技术趋势看
一是基于自动因子发现的机器学应用将越来越广泛并产生颠覆性影响，改变传统机器学算法中，影响因子依赖于人工干预而客观性不足的弱点；
二是知识图谱与图计算将发挥更作用，知识图谱作为人工智能语义表征的关键应用，利用广泛的数据来源构建关系，利用复杂网络技术和图计算，进行模式识别和特征发现，在金融科技的不同领域将发挥更价值；
三是基于隐私保护的增强分析，强调在使用数据的同时保护数据，实现数据最化使用原则，即仅获取相关、必要、脱敏后的特征信息进行模型训练，采用联邦机学和隐私感知机器学，利用加密、安全多方计算、零知识证明等技术在隐私保护的前提下进行数据分析。
从应用角度看
人工智能应用覆盖金融业的前、中、后台，从千人千面的产品及服务，个性化的用户体验与分析、智能客服或对话界面、市场测算及自动化交易、机器人投顾；
到利用非财务数据的另类信用评分、利用人脸辨识的身份验证；
再到智能流程，以知识图谱为代表的知识表示和自然语言解析，这些技术被用于检测欺诈行为，也越来越多的被金融行业用于构建产业图谱和客户关联关系，提升客户洞察能力。
虽然对很多金融机构而言，人工智能应用仍然较为零星，且往往只针对特定用例，但越来越多银行业领军者已开始通过系统性方法署高级人工智能，并将其整合到贯穿前后台的数字化经营全生命周期之中。
值得留意的是，算法只是人工智能的一分，要发挥人工智能的竞争优势最终还是靠数据。人工智能的普及让金融业确实体会到数据、特别是传统运营上没有采集的客户行为数据的重要性，这将推动金融业与非金融业的联盟，体现了生态圈金融的重要性。
以银行为例：在内，“AI先行”机构将通过手动任务的极致自动化（“零操作”概念）以及在银行运营的各个领域以高级诊断引擎替换或增强人为决策，来提高运营效率。
运营绩效提升带来的收益，将从广泛的传统和尖端AI技术应用（例如机器学和人脸识别）投资，流向对庞而复杂的客户数据（近乎）实时的分析上。未来的AI先行银行也将拥有当今数字原生企业的速度和敏捷性。
银行将快速创新，在数天、数周而非数月的时间内发布新功能。银行还将与合作伙伴广泛协作，提供覆盖各个旅程、技术平台和数据集、无缝整合的全新价值主张。
本文节选自麦肯锡 金融业CEO季刊
《Fintech 2030: 全球金融科技生态扫描》
