2020-2021中国AI+金融行业发展研究报告.pptx

2020-2021中国AI+金融行业发展研究报告,AI金融领域相关政策解读（1/4）,监管愈严，收紧与创新并重行业不再野蛮生长盘点2019年至2020年6月期间，中国人民银行和中国银保监会发布的涉及人工智能在金融领域应用的相关政策和指导意 见，可以看出，政策方向主要集中于监管收紧、技术促进和中小微企业贷款服务三方面。近年来，金融业务触网程度不断 加深，业务场景日趋复杂，边界逐渐淡化，在繁荣发展的同时也为金融监管带来了挑战，P2P行业暴雷后，监管部门更加 坚定了监管愈严的大方向。2019年10月，相继由银保监会发布的关于规范银行与金融科技公司合作类业务及互联网保 险业务的通知和央行发布的个人金融信息（数据）保护试行办法中，明确指出了金融机构严禁合作的违规金融科技 业务范畴，增加了对个人金融信息数据收集和保护的行为规范，两项监管政策从场景应用和基础数据获取两个角度钳制了 违法行为和违规操作，使打着金融科技旗号实则倒卖信息的企业无处遁形，也为行业敲响了警钟。此外，本着“堵不如 疏”的原则，监管力度加大的同时，监管创新也在跟进，2020年1月，人民银行发布了金融科技创新监管试点应用公示（2020年第一批），以“监管沙盒”的形式通过沙盒工具，在模拟场景中对人工智能、区块链等技术，以及银行API接 口开放等模式，在金融业务中的应用进行弹性监管实验，降低了运营风险和技术不确定性带来的隐患，以试错的方式探寻 金融科技下的监管更优解。从趋势上看，监管仍将坚持收紧和创新两手抓的方针，对金融科技公司的业务范畴、数据规范 等保持严格的监督，对新技术、新模式持有审慎的态度，科技公司将脱离金融服务业务，更加聚焦于技术输出，市场与监,管脱节的洪荒时代终将不复返。,规范机构与公司合作针对银行与金融科技公司合作 时的信息披露、合作原则等方 面，给出了明确的监管要求，,设置“监管沙盒”创新应用聚焦物联网、大数 据、人工智能、区块链、API 等前沿技术在金融领域的应用,个人金融信息保护涉及完善征信机制体制建设， 将对金融机构与第三方之间征 信业务活动等进一步作出明确 规定,框定认证规则金融科技产品共11个种类，分 别是客户端软件、安全芯片、 声纹识别系统等,2019年金融领域AI相关政策监管方面,收紧创新,AI金融领域相关政策解读（2/4）,强化金融科技合理应用,科学规划运用大数据、合理布局云计算、稳步应用人工智能、加强分布式数据库研发应用、健全网络身份认证体系,增强金融风险技防能力,提升金融业务风险防范能力、加强金融网络安全风险管控、加大金融信息保护力度、做好新技术金融应用风险防范,夯实金融科技基础支撑,加强金融科技联合攻关、推动强化法律法规建设、增强信用服务支 撑作用、推进标准化工作、强化金融消费者权益保护,加强金融科技战略部署,加强统筹规划、优化体制机制、人才队伍建设,赋能金融服务提质增效,拓宽金融服务渠道、完善金融产品供给、提升金融服务效率、增强 金融惠民服务能力、优化企业信贷融资服务、加大科技赋能支付服 务力度,加大金融审慎监管力度,建立金融科技监管基本规则体系、加强监管协调性、提升穿透式监 管能力、建立健全创新管理机制,金融科技促进政策日渐完善，未来将向微观层面下沉2017年5月，中国人民银行成立金融科技(Fin Tech)委员会,旨在加强金融科技工作的研究规划和统筹协调，同年6月，发布 的中国金融业信息技术“十三五”发展规划中，将人工智能、大数据、区块链、云计算等新一代信息技术设为金融科 技的重点研究方向，从政策高度上确立了上述技术的发展基调。时隔两年，2019年8月，人民银行正式发布了金融科技（FinTech） 发展规划（20192021年），这是我国金融科技第一份科学、全面的规划，明确提出未来三年金融科技 工作的指导思想、基本原则、发展目标、重点任务和保障措施，尤其是建立健全我国金融科技发展的“四梁八柱”，确定 未来三年六方面重点任务，为金融科技发展指明了方向和路径，对金融科技发展具有重要且深远的意义；2020年，中证协和银保监会就银行、保险和证券行业发展金融科技方面也做出指导意见，促进技术落地于金融领域的全场景。从趋势来看，金融科技的促进政策在高度和全局性上已经相对充分，深度和微观层面也在陆续完善，未来在技术标准制定和更加具体的 场景应用方面势必会产生新的引导意见，为技术合规、合理赋能行业划下行路线。金融科技发展规划（2019-2021年）重点工作任务,AI金融领域相关政策解读（3/4）,供应链金融对复产复工意义重大，或为AI技术下一片良田促进中小微企业贷款服务是政策的又一大集中方向，全国范围内中小微企业承担了80%以上的就业率，是稳定国内经济， 拉动内需的重要组成部分。疫情缓解以来，复产复工成为了主旋律，激活中小微企业活力则成为首当其冲的任务，合理放 宽、把控风险、有效监管的贷款服务将成为有力的促进措施。2020年6月，人民银行等8家机构联合发布的关于进一步 强化中小微企业金融服务的指导意见中指出，运用金融科技手段赋能小微企业金融服务，鼓励商业银行运用大数据、人 工智能等技术建立风险定价和管控模型，改造信贷审批发放流程。意见肯定了上述技术在相关场景中的应用价值，也 指明了落地方向，为AI+金融行业目标群体由C端向B端转型提供了政策意见。发展供应链金融服务是解决中小微企业贷款 难的主要手段，而供应链金融的实质仍是金融服务，所以风险控制是重中之重。供应链金融中主要涉及的风险领域包括， 主体企业风险、交易风险和操作风险，AI可以通过机器学习和知识图谱等方式，对主体企业工商、税务、舆情等信息数据 进行处理建模，搭建信用评价体系，增加行业自动化评价维度；通过知识图谱对产业链中的关联性交易进行组织和透视， 防止虚假交易的存在；通过OCR识别、图像识别、NLP和智能语音等技术，对各类单据进行识别和审核，起到降本增效的 同时，降低机械风险和人员道德风险。从趋势上看，整体金融服务的重心将持续向B端企业倾斜，金融科技也将随之向 B2B领域拓展，AI+金融相关企业能否及时调整战略，将C端积累下的经验迁移向B端服务，会成为下一阶段竞争的重点。AI技术在供应链金融风险控制中的作用,发 展,促 进 中小微 企 业 贷 款 服 务,供,应 俩 金 融,贷前风险评估,交易风险,主体风险通过AI、大数据等技术对产业链中主体企业工商信息、税务,通过知识图谱等技术对关联交易数据进行交叉验证，防止出,现交易欺诈行为,通过图像识别、OCR识别、NLP、智能语音等技术对单据进,操作风险行识别，降本提效，防止遗漏、错误、人员道德等问题风向,贷后运营监管市场风险通过“供应链图谱”、NLP等技术对产业链上下游行情信息,进行识别监控，对市场风险进行及时预警,保 理 融 资贷 存款 货方 融式 资预 付 融 资,风 控,风 险,环类,节 贷中资产审核 型,AI,价,值,信息、舆情信息等进行收集处理，搭建企业信用模型,AI金融领域相关政策解读（4/4）2019年至今AI+金融相关代表政策汇总,AI+金融领域行业最新动态（1/4）,与AI技术公司的合作中银行逐步拥有了技术积累2019年从市场合作的需求方来看，银行仍然是主要购买力。其中国有行和部分大型股份制银行在人工智能领域布局较早， 技术与场景的结合也相对充分，需求更具有前瞻性和探索性。在合作方向上，它们更关注AI技术在银行系统框架溯源升级 中的价值，和其在金融科技生态体系中的并联应用。因此，具有丰富数据和场景资源，兼顾强技术研发能力，并且拥有充 足资本支撑的科技巨头企业成为了它们的合作首选；此外，中小行随着业务复杂度提升和数据量增长，与AI公司的合作也 在不断加深，2019年，二者的合作方向主要集中于风控、营销、消费金融和供应链金融等方面。中小行对于成熟AI+金融 解决方案的广泛需求，成为了AI公司良好的生存土壤。在银行以外，保险公司、证券公司、证券交易所也与AI公司进行了 战略合作，但由于场景中的规则机理过于复杂，AI在如定损、定价、投顾等核心领域中的价值还没有完全凸显，双方的合 作仍处于初期阶段，主要围绕如文本处理、信息搜索、合规审核等场景开展。从供给方角度来看，AI+金融行业的玩家开 始逐渐摒除金融业务，向纯技术输出方倾斜，在产业链拓展方面也更加审慎。在服务中小微企业贷款政策的推动下，AI风 控公司也有以企业数据为训练对象，向供应链金融输出风控体系的倾向。整体而言，行业的视角从AI技术能力向场景需求 进行迁移，供给侧公司的价值被肯定，但主动性下降，市场中需求侧的话语权提升。未来，金融机构会更加清晰的知道需 要哪些技术，以及与哪些公司合作，技术提供方将展开能力边界和天花板的较量。AI+金融领域需求侧和供给侧的合作趋势,国有行、大型商业银行等机 构布局较早，与AI公司合作 更看重生态性和探索性,AI公司逐渐摒除金融业务， 向纯技术输出方倾斜，业务 拓展也更加审慎,中小行随着业务复杂度提升 和数据量增长，与AI公司合 作日益加深,保险、证券等非银机构也在 与AI公司进行探索式合作， 市场有待打开,需求侧,供给侧,在政策促进中小微企业贷款 服务的推动下，AI科技公司 也在向搭建企业风控模型的 方向发展AI公司的产业价值被肯定， 但主动性下降，需求方开始 主导市场,AI+金融领域行业最新动态（2/4）,金融机构成立全资科技子公司进入2019年，金融+科技的形式已经不再局限于金融机构和科技公司间的合作。以银行业为代表，国有四大行中三家银行 成立各自的全资金融科技子公司，而大型股份制银行则相对更快一步，截至2018年共有四家大型股份制银行成立全资金融 子公司，二者揭示了银行机构进军金融科技的决心。银行和金融科技公司的合作是技术与场景不断磨合的过程，AI在风控、 营销等领域产生的实际价值使银行机构意识到其战略意义。同时，在与科技公司的合作中，银行掌握了技术在场景落地的 丰富经验，这为银行成立科技子公司打下了基础。此外，从银行角度看，更需要的是专属于服务银行业务的技术能力，但 这与科技公司依托技术向全领域发展的理念矛盾，并且双方的合作中仍旧存在一定沟通成本和项目对接问题。因此，银行 更希望以成立科技子公司的形式获得服务自身和行业的技能，也以此掌握技术的主动权。从发展路径看，头部银行成立的 金融科技子公司除了为母公司提供技术服务外，同时也希望输出自身的技术产品辐射中小型银行。而从市场现状来看，在2019年至2020年中，金融科技公司仍旧是中小银行的主要合作对象。而在产品层面，银行系科技子公司尚未形成成熟的AI产品，竞争上暂未形成优势。未来在提托银行强大的资本背景和优质金融数据，在数据开源概念的加持下，银行系 Fintech公司将成为科技市场的新势力，并挤压金融科技公司的市场。,银行系全资金融科技子公司成立时间,立足于银行内部 服务，形成科技 产品逐步辐射中 小银行。,政策驱动：银行业信息 科技十三五规划,银行强大的资本 背景,数据开源概念 加持,银行系全资金融子公司竞争优势,AI+金融领域行业最新动态（3/4）,技术出海是大趋势，虚拟银行挂牌为科技公司提供完美场景金融科技出海和跨境金融业务是近些年来行业的热门话题，从支付宝、财付通以支付业务为切入点进军东南亚开始，移动 支付、消费金融、小微信贷、投资理财和大数据风控成为了国内金融科技公司对外服务的重点方向。2019年3月，香港发 布了8家虚拟银行牌照，包括蚂蚁金服、腾讯、小米、平安科技、京东数科在内的大陆金融科技公司以联合创办的形式参与其中，主要输出运营经验和科技能力，这对于金融科技公司补足银行场景，掌握技术赋能业务的闭环带来了难得的契机， 借助“国际港”的优势，对于科技公司技术出海也将带来有力的助推作用。虚拟银行是采用互联网或其他形式电子传送渠 道提供服务的银行，没有实体网点，虚拟化的形式更加适合数据的产生和共享，消除了数据孤岛和大量非结构数据的隐患， 这为AI技术应用提供了前所未有的环境支撑；同时，海量高并发的交易数据，以及随时可触达的用户端口，为AI风控、AI 营销带来了实际的应用场景。在8家虚拟银行牌照公布后，仍有不少银行、金融机构、科技公司表达了申请新牌照的意向， 从市场响应情况和香港金管局的态度可以看出，这一举措将分阶段继续开展，未来有望在大陆开设试运行项目，尽早参与其中的科技公司，将抢占先发席位。 虚拟银行牌照持有者&银行优势和启示,AI+金融领域行业最新动态（4/4）2019年至今AI+金融相关代表事件汇总,金融领域AI相关融资情况解读(1/2）,资本向优质标的汇聚，热门赛道突出，但竞争激烈通过对2015-2020年7月AI+金融相关融资情况的汇总，可以看出，2015-2018年期间，AI+金融行业备受资本青睐，融资事件数相对稳定，融资总金额增速持续上涨，创业公司表现良好，资本持续投入；而这一情况在2019年发生变化，由于P2P暴雷事件监管愈严，资本市场也趋于谨慎，融资事件数量大幅减少，但真正具有技术实力的相关企业依旧是资本追逐 的对象，资源逐渐向优质标的汇聚，预计这一趋势在2020年将依旧延续。从近几年AI+金融细分赛道融资情况看，包含整 体解决方案的大数据服务和智能风控是获得融资的重点，市场想象空间和明确的使用价值是吸引投资的关键，但由于业务 同质性问题，赛道中竞争也最为激烈。,28,29,22,30,17,6,16.3,19.1,28.0,58.350.3,43.8,17.2%,46.9%,79.7%,15.8%,201820192020.7AI+金融融资金额（亿元）,201520162017AI+金融融资事件（起）AI+金融融资金额增速（%）,2015-2020年7月中国AI+金融领域融资情况,29.5%,9.1%,8.3%,大数据服务 智能保险,智能风控 智能客服,智能投研 身份核验,智能投顾 文本处理,2015-2020年7月中国AI+金融细分赛道融资 事件数量情况3.8% 3.8%6.8%30.3%8.3%,金融领域AI相关融资情况解读(2/2）,8,6,12,2,12,6,53,1,4,0,0,42,3,2015,2016,2017,2018,2019,2020.7,大数据服务智能风控 智能投研 智能投顾 智能客服 智能保险 身份核验 文本处理0,实际应用价值和市场想象空间是资本关注的重点通过对2015-2020年7月中国AI+金融细分赛道融资事件发展节奏的统计，可以看出，2016年，中国AI应用市场爆发的前 夜，资本就将目光聚焦到了智能风控赛道，相对充分的标准化数据存量、明确清晰的使用价值，以及对新技术接受度良好 的市场环境都催化着赛道的繁荣；同时，想象空间更大、理想增益效果更强的智能投顾赛道也是资本青睐的对象。但经过 两年的落地发展，单纯的智能风控故事已经无法引起资本的兴趣，以大数据为基础，AI技术为手段，包含风控、营销、运 维在内的综合大数据服务成为了新的宠儿；而智能投顾在落地期间表现平平，价值也难以评估，故事显得不再生动，反而 是服务于一级市场的智能投研赛道让资本方有了尝试的兴趣。2019年，AI+金融投资市场整体冷淡，大数据服务赛道急转 直下，融资事件数少于智能风控和智能保险，边界更广的服务带来了价值模糊的隐患。预计资本寒冬的情况在2020年也难 有较大起色，头部科技公司也纷纷开始拓展其他场景，行业应用较为成熟，竞争愈渐激烈，资本开始观望，都希望将橄榄 枝抛向“最有价值球员”，行业整体对于初创企业而言不太友好。2015-2020年7月中国AI+金融细分赛道融资事件次数与趋势,金融领域AI相关市场规模(1/3）,需求方持续加大购买力度，市场规模良性增长通过对2018-2022年中国AI+金融相关市场规模的统计和预测，可以看出金融领域对整体信息化科技投入的总规模保持上 升趋势，金融科技和人工智能投入遵循同样步调，其中人工智能投入在整体科技投入中的占比增速平稳上升，并未出现特 异值，说明市场中的需求方肯定了AI技术的应用价值，并有计划的加大购买力度。通过互联网金融机构与传统金融机构AI 投入规模对比和预测可以看出，互联网金融机构在追加购买力度，这也符合该群体由金融服务向技术服务转型的趋势，人 工智能技术在转型中成为重要的能力抓手。,2386.5,2780.3,3232.3,3717.7,4198.2,7,9,1120.5,1336.1,1579.8,1,64.452.1,1,38.797.9,254.4,317.8,4,14.5,6.4%,7.1%7.9%8.5%9.9%,201820192020e2021e2022e金融领域科技投入总规模（亿元）金融科技（包括云、AI、区块链等）投入规模（亿元） 金融场景AI投入总规模（亿元）金融场景AI投入占比（%）,2018-2022年中国AI+金融相关市场规模和预测,2018-2022年中国互联网金融机构与传统金 融机构AI投入规模对比和预测,122.3,155.7,197.7,244.4,298.8,29.8,42.3,56.7,73.5,115.7,2018,2022e,20192020e2021e互联网金融机构AI投入规模（亿元） 传统金融机构AI投入规模（亿元）,金融领域AI相关市场规模(2/3）,86.4,111.7,143.3,179.8,73.5,95.0,114.6,143.8,178.0,85.0%,85.0%,80.0%,80.0%,80.0%222.6,2018,20192020e2021e2022e银行业AI投入规模（亿元）银行采购AI产品及服务市场规模（亿元）银行采购AI产品及服务市场规模占比（%）,56.5%,21.3%,21.4%,银行互联网金融,保险证券基金,银行业仍然是主要需求方，2022年AI总投入将超220亿元从2019年中国金融机构AI投入规模结构中可以看出，银行业、互金行业和保险行业是AI技术的主要购买方，其中银行业的 业务最为复杂，数据海量，同时风控要求最高，成为了金融领域中AI技术最主要的需求方。在过去几年中银行业对于AI技 术的投入持续增加，这一趋势也将延续，据预测，2022年总投入规模将超过220亿元。从技术获取途径看，银行业主要依 靠与AI公司合作，采购相应的产品和服务，2019年采购规模占投入的85%，但随着银行自建科技子公司等增强自研能力的 举措发展壮大，采购规模将有所下降，不过合作与技术采购仍然会是行业中主要的技术获取手段。2019年中国金融机构AI投入规模结构2018-2022年中国银行业AI投入规模和采购情况,金融领域AI相关市场规模(3/3）,70.2%,24.8%,4.4%,2.1%,云计算&大数据,人工智能,其他区块链,供 应 链 金 融 业,务,证 券 业 务基 金 业 务,金融业务线中AI投入不容忽视，供应链金融有望成为新支柱我们按照“存贷汇”的业务视角，将金融业务划分为银行理财业务、保险业务、证券业务、基金业务、消费金融业务、供 应链金融业务和支付业务，2019年各业务线对于金融科技的投入以云计算和大数据为主，遵循新基建方向，以构建云基础 为目标，而人工智能作为生产力升级的代表技术投入占比也在逐年攀升。本年中，智能风控需求最旺盛的消费金融业务仍 是AI投入的主要领域，涵盖智能核保、定损、定价场景的保险业务、涵盖智能营销、投研、投顾的银行理财业务紧随其后。其中，供应链金融业务因中小微企业数据难以采集，交易行为复杂等问题，通过技术手段建立的信用体系普遍不成 熟，市场仍未打开，但随着政策推动，更多AI公司将会聚焦于此，该业务有望成为AI+金融的又一需求支柱。2019年中国金融业务中科技投入情况2019年中国金融业务AI投入情况,AI+金融产业图谱2020年AI+金融产业图谱,解 决 方 案 层,智能风控,智 慧 金 融 综 合 方 案 提 供 商,智能投研,智能投顾,身份核验,智能客服,智能监管,承保定价,智能保险核保理赔,智能营销,AI+金融的落地场景介绍,智能风控定义从场景上，智能风控聚焦在银行业和 互联网金融端的信贷，反洗钱场景 等。技术上，依托于机器学习和知识图谱 等技术，开展贷前反欺诈，贷中信用 审核，贷后智能催收等。,智能保险定义,智 能 客 服,身 份 识 别,人工智能+金融行业落地八大智能场景定义智能客服定义场景上，广泛应用于各类金融机构， 提供24小时不间断的问答服务。技术上，依托于自然语言理解，语音,识别等技术打造的智能问答系统。,场景上，主要集中在承保阶段的风险精 算与定价，核保理赔阶段的反欺诈系 统。从产品上，主要应用于健康保险和信用 保险类的风险定价，以及财产保险的极 速理陪系统等。,智能营销定义技术上主要依托于推荐引擎和 机器学习技术，通过分析用户 数据并聚类用户特征，做到 “千人千面”的智能推送。,智能监管定义通过和政府机构合作，通过人工 智能技术结合政府数据，对金融 机构和上市企业进行监管。从产品上，“蚂蚁金服”和“上 交所”合作鹰眼系统，开展对上 市公司的监管。,智能投顾定义从场景上，主要集中在c端金融产品零 售领域。依托于算法，分析用户的风 险偏好和财务状况，根据投资组合理 论，提供个性化理财方案。,身份识别定义从场景，主要集中在支付场景和金 融账户登录等。技术上，主要依托计算机视觉技术。,智能投研定义从场景上，主要集中在B端金融机构用户， 通过智能投研系统，整合各类研报数据。 并自动撰写研报，给出机构投资意见。从技术上，智能投研依赖于知识图谱和深 度学习技术的进一步发展,AI+金融的落地场景与规模,45.49%,7.88%,8.32%,AI风控,17.58%智能保险,智能客服,智能营销其他,41.23%,41.49%,37.28%,16.92%,18.98%,19.13%,11.57%,9.73%,5.73%,7.24%,5.89%,4.55%,23.96%,23.91%,33.31%,2020eAI风控智能保险,2021e智能客服,2022e智能营销其他,市场偏爱AI风控，智能保险，智能客服三大场景2019年在AI+金融的主要落地场景中，AI风控，智能保险和智能客服占据了整个智能金融领域70%以上的市场规模。风控+AI技术也被银行业和互联网金融公司看作最有价值的技术落地场景。其次，因为疫情对于“无接触”业务的需求大量提 升，2020年智能客服的市场规模出现短期的大幅的增长占到了11.57%的总规模，但预计在2021年后开始逐步回落。另外 保险行业逐步探索出AI技术的场景落地价值，AI在该行业的市场潜力也将逐渐被挖掘，智能保险的产业规模占据整个AI+ 金融领域的比例也将不断攀升。从技术上，AI风控主要依托于传统机器学习技术和数据标签的训练。在技术发展上，未来 在深度学习技术进一步的突破下，作为目前市场反响一般的“智能投研”，“智能投顾”未来的潜力也是巨大的。同时， 政府机构拥有的庞大数据储备，20年“监管沙盒”的试点启动，也标志着政府机构在“金融监管”上迈出重大的一步， “AI监管”在未来5年内也将爆发出强大的市场动力。2019年AI金融落地场景市场规模占比2020-2022年AI落地金融场景市场规模预计占比20.74%,AI+金融的落地场景与规模,银行是AI风控的主要投入者，2022年其投入将超过115亿2017年央行正式成立金融科技委员会，AI+金融的落地场景正式拥有了各项的技术标准。信贷场景中的AI风控技术目前主 要还是依托于机器学习和知识图谱等前沿科技。从技术发展路径上，2018年是深度学习和知识图谱商业化应用飞速发展的 一年。而从金融市场角度，17年的下旬央行对于现金贷的各项整治，让市场重新开始认识到风控体系的重要性。因而18年 银行对于AI风控投入占到整个AI技术投入的占比出现明显的提升，AI风控也逐步成为AI+金融领域中最有价值的“C位”。 从中期来看，未来银行对于AI风控的投入占AI总投入的比例将保持50%以上，至2022年银行业对于AI风控的投入总额将超 过115亿。,贷 前 审 核,贷 中 监 管,申请,反欺诈,信用评估,审批,申请准入模型,征信模型,定价模型,额度管理,监控预警,行为评分模型,贷 后 催 收,催收策略,策略调整优化,催熟模型,数 据 源,2017-2022年银行AI风控投入规模,AI风控场景流程模型,29.24,49.47,67.51,78.67,98.90,115.90,74.66,86.40,111.70,143.30,179.80,222.60,39.16%,57.26%,60.44%,54.90%55.01%,52.07%,2017,2018,2022e,20192020e2021e银行业在AI风控中的投入（亿元）银行业在AI技术的总投入（亿元）AI风控在其中的占比（%）,AI+金融的落地场景与规模,保险 欺诈,依赖 人力,信息 不对称,保险业内部数据尚未完成共享，投保人信息 存在一定不对称，加大了风险定价的难度。在健康保险或信用保险承保中，投保人对于 风险信息的隐藏，导致核准难度较大。,国际保险监督官协会统计，全球每年约 20%-30%的保险赔款涉及欺诈行为。保险欺诈的手段和方式的多样，导致理赔 程序复杂，核保理赔的难度加大。,保险的产品定价依赖于精算师团队对于各类风险信息的核算。精算成本较高。财产保险等险种的核保理赔需要保险人员 进行现场勘查，全国每年财产保险理赔案 多达百万起。,29.5,34.8,43.0,60.3,79.3,40.1%,2018,2022e,智能保险场景的市场规模高速增长在21年将有40%的增长中国银保监会统计数据显示，国内市场的第一大险种为“人寿保险”，其次为“财产保险”。智能保险在保险业的应用主 要体现在两个环节，承保定价和核保理赔。在承保定价方面，以人寿保险和信用保险（财产保险）中，通过智能保险系统 协助对投保人进行风险定价。在核保理赔方面，目前车险（财产保险）的极速理赔系统已经开始得到广泛的应用，因而人 工智能技术的落地，为保险公司节省大量的“人力成本”并提升风险定价的能力。从市场阶段上看，智能保险业务仍旧处 于起步阶段，保险公司经过前期的探索肯定了AI技术落地的价值，2020年7月“PICC”也成立了全资科技子公司，全力发 展保险科技。因而我们预计在19年后智能保险场景的市场增速不断上升，预计21年同比增长率将达到40%以上。2018-2022年智能保险市场规模保险业对于“智能化” 的需求痛点,20192020e智能保险（亿元）,2021e增长率（%）,AI+金融领域行业发展和竞争格局,AI金融领域行业逐渐成熟，新入局者减少，从17年-22年的AI+金融的市场趋势上看，其保持一个稳步增长的同时市场规模增速却出现下降。其主要原因在于作为供 应者的上游技术厂商在行业话语权的减弱，主要的金融客户集中在银行和保险行业，而这类行业中的头部企业都在AI的自 主研发能力上有较大的进步，因而作为供给侧的AI技术企业的利润空间不断缩小。在买方逐步掌握话语权后，科技公司在 产品方案和技术发展上也需要更加贴近金融机构的实际应用场景。同时在拥有一定的技术自研能力后，金融机构也逐渐摸 索出哪些AI技术的场景落地价值较大，不再盲目采购或投入研发AI技术进行场景适配试验。从供给侧来看，2016年以后AI 金融领域的新入局者（不含银行和保险类科技子公司）出现大幅下降。因而行业已经形成一个稳步的市场格局，头部和腰 部玩家已经逐渐清晰。,139,2015-2019年新增AI金融相关公司数量（家）223,129,57,26,2015,2016,2017,2018,2019,103.7,152.1,197.9,254.4,317.8,463.5,30.1%,28.5%,24.9%,201720182019202020212022市场规模（亿元）,市场增长率（%）,2017-2022年AI+金融市场规模与增长46.6%45.8%,AI+金融领域行业发展和竞争格局AI+金融市场中的三大玩家阵营,210,科技输出占 营收比,AI+金融业 金融牌照覆 务场景覆盖盖,研发投入与 营收比,210,科技输出 占营收比,AI+金融 金融牌照 业务场覆盖,研发投入 与营收比,大型金控集团及其全资科技子公司特征拥有金融业务的互联网巨头特征传统金融科技类公司,大型金控公司及其科技子公司,拥有金融业务的互联网巨头特征科技能力543,传统金融科技公司特征科技能力543,210,金控公司及其科技子公司特征科技能力543,科技输出占 营收比,AI+金融业 金融牌照覆 务场景覆盖盖,研发投入与 营收比,公司特征：从科技能力上看，这类 成立年份较短，金融科技类专利和 软件著作权积累较少；但其持有几 乎所有金融业务牌照，在AI+金融 的八大场景中覆盖上只关注于个别 公司相关业务的场景。市场战略：从服务于集团内部开始（内部服务收入占比超过70%）， 逐步辐射其他中小金融机构。（其 科技输出营收较少）代表公司：中银科技，建信金科,拥有金融背景的互联网巨头公司特征：基于早期积累的大量金 融场景数据和强大的技术开发能 力，几乎拥有除“金控牌照”之外 的所有金融资质，科技输出能力也 几乎覆盖八大场景中的全部场景。市场战略：科技输出能力占到总营 收30%以上，且在合作方式上会以 联营公司和合作科技实验室的形式 与金融机构展开战略合作。代表公司：蚂蚁数科，腾讯金融科技，京东数科,传统金融科技公司公司特征：早期大多聚焦于“金融 大数据”相关业务。大部分没有金 融业务板块，缺少金融场景数据的 积累，但在算法模型，深度学习等 技术能力上投入较大，大多数深耕 于部分金融业务场景的智能化。市场战略：科技服务输入占到总营 收的70%以上，主要作为各类银行 机构的技术供应商。由于营收在大 多数在10亿左右，研发投入与营收 占比相对较高。代表公司：同盾科技，云从科技,典型案例展示,金融壹账通打造大金融中台构建智慧银行4.0从2007-2017年的银行3.0时代，银行业已经将业务重心从线下网点逐步转移至线上。一部智能手机，为全球用户打开了 银行服务的无处不在。步入2017年以后，深度学习的发展让各类AI技术开始得到实际的应用，从而让银行从3.0时代步入 了4.0的人工智能时代。在银行4.0的构架中，如何构建“金融中台”将成为银行业转型的核心问题。金融壹账通，依托于 平安集团深耕金融+AI技术的落地场景能力，其自研的Gamma平台，基于“业务中台”，“AI中台”，“数据中台”和 “技术中台”四大构架来打造金融中台，为银行提供从消费金融，零售业务到营销服务的多场景智能化支持。通过将多种AI技术灵活解耦，让业务人员可以根据业务场景进行技术引擎组合进行适配。在技术能力上，加马实验室以超过772项专 利，领跑业内。以信贷面审环节为例，其自主研发的微表情识别技术，对于欺诈的识别率达到80%以上。金融壹账通通过 大金融中台的战略，为技术和场景找到结合点，赋予银行4.0时代更高的智慧性。金融壹账通-Gamma O金融中台业务构架,营销,银行服务数据服务安全服务,贷款智能智能审批进件,理财智能智能清算投顾,营销 外呼,营销 管理,智能 客服,智能 双录,数据预警,加马 洞察,智能 加固,实勘 相机,企业应用 服务层,配置层统一操作平台插线板配置工作流配置RPA配置,云网关层（场景&平台对接）,云网关层（金融机构数据&平台对接）,技术中台,影响 管理,电子 合同,远程 通信,类API,账户 服务,风控 查询,智能 认证,交易反欺查询诈,人脸 识别,加密 服务,声纹 识别,登录 认证,电子 签章,金融云服务,计算 存储,大数 据,数据 库,上云 迁移,网站快 速部署,备份 恢复,金融场 景数据,数据标注 管理,元数据,数据质量监测,数据安全管理,开 放 支 持 体 系,机构准入服务,机构管理,调用控制,接入与共享,云沙盒,项目运营服务,典型案例展示,金融壹账通智能语音中台助力银行营销与客服智能化在疫情“无接触”业务与新基建政策的加持下，金融机构对智能客服的诉求逐步增加。依托于GAMMA平台的AI技术能力， 围绕银行在营销场景和客服问答场景的需求，金融壹账通自研的GAMMA VOICE智能语音技术实现95%的语音识别准确 率。依托于平安集团多元的金融场景数据，金融壹账通的智能语音技术深度挖掘银行等金融机构需求，在智能客服解决方 案中，GAMMA VOCIE以更贴近金融场景的技术实力，实现了超过90%的客服场景覆盖；在智能语音中台部署上，实现 从技术模型数据标注训练到算法模型优化的全流程。同时在营销场景中，银行能通过智能语音中台，优化营销外呼策略， 实现“千人千面”的精准外呼。金融壹账通依托技术+场景+数据+研发能力的四大优势，以“更懂金融场景”的方案能力，,智 能 语 音 中 台,ASR,NLP,TTS,DM,声纹识别,语音分析,技术 引擎,方 案 层,场景&研发优势：依托平安集团，深耕金融领域，贴近金融业需求；600+银行机构展开技术合作；500+科学家团队，8大金融科技 研究院，强大AI自研能力数据优势：4000+客服场景，有效覆 盖超过90%的问答场景；训练多达上千类客服机器 人。,金融壹账通-智能语音中台优势技术优势：95%语音识别准确率；92%NLP识别准确率；近万项专利技术，；多项世界级AI竞赛冠军。,让金融服务更智能化。 金融壹账通-智能语音中台应用案例智能客服整体解决方案,典型案例展示,数 字 技 术,数 字 业 务,京东数科银行数字化全场景解决方案构建全新金融生态分散的系统建设是信息化发展必然阶段，而在数字化转型的今天，零散的信息系统和分散的数据管理成为了信息流动的主 要瓶颈，数据中台可以实现企业信息快速挖掘与利用，是搭建智能化业务应用的数据基础。京东数科为银行业量身提出的 八大战略数字化全景解决方案，围绕数据中台战略为核心，进而打造智能风控和智能营销体系。基于敏捷IT构架战略，为 各类银行提供灵活的云部署能力，打造多样化的技术平台。以技术能力和敏捷IT构架为支点，京东数科为银行的零售业务， 企业金融业务，金融市场业务提供灵活解决方案。在场景方面，通过京东数科的开放平台，融合外部和京东集团的强大生 态，帮助银行强化自身生态影响力。进而让银行实现从技术到业务，再到场景的全方位能力提升，打造全新的银行业生态。京东数科-银行业八大战略数字化全景解决方案,