资源描述
-1- 第 1 章：中国智慧金融发展概述 1.1 智慧金融的内涵分析 1.1.1 智慧金融的定义及内涵 智慧金融是依托于互联网技术，运用大数据、人工智能、云计算等金融科技手段，使金融行业在业务 流程、业务开拓和客户服务等方面得到全面的智慧提升，实现金融产品、风控、 营销 、服务的智慧化。 1 1.1.2 智慧金融行业主要产品及服务 智慧 金融 产品 ，是指 依托 智能金融场景服务如 智慧 风控、智慧 风控 、智慧运营 等 打造 的产品。 近年 来 ， 我国 智慧金融产品层出不穷， 下表中列举了国内各大银行推出的相关产品及服务以供参考 。 图表 1.：智慧金融行业主要产品及服务（部分） 产品 /服务 主要 内容 产品 工商 银行 ： 融智 e 信、智慧银行生态系统 ECOS、 小微 e 贷 、融 e 行 、 融 e 联 等 ； 农业 银行： 农银 e 贷 、 智能化风控平台 、 案防监测预警平台 、智能 反欺诈平台、智能反洗钱平台、 零售智慧营销平台 等 ； 招商 银行： 智能风控平台“天秤系统” 、 AI 服务平台 、 “政采贷” 、 “退税贷” 、 Open API 平台 等 ； 光大 银行： 线上普惠贷款和 智能风控 “随心贷”；打造“阳光区块链”，推出 “区块链支付”“区块链托管”“区块链代发”等金融产品； 普惠金融云和贸 易金融云 ； 新一代客服平台 ； 5G 光大超市 等 。 平安银行 ： 平安银行智慧托管系统 ； 小微业务三大平台 （ 数字投行、数字经 营管家、数字账户 ）； 11 个 AI 中台 （ AI 客服、 AI 风控、 AI 营销、 AI 语 音、 AI 质检等）； 一站式开放金融机构交易平台 -“行 e 通”； 基础 技术平台： 银行私有云平台、分布式 PaaS 平台、开放平台、区块链平台等。 服务 智能营销 、智能风控 、智能 投顾、智能 理赔 、智能 监管 等服务 。 资料来源：前瞻产业研究院整理 -2- 1.1.3 智慧金融的属性及特征 “智慧金融” 作为 更加高效、安全、个性化的综合性金融解决方案，贯穿于金融服务垂直全流程，使 资金融通的基础性作用以更加灵活、快速、精准的方式，服务于智能产业转型升级， 以及 智能生活提质增 效，进一步推动实体经济的高质量发展和社会民生的持续改善。智慧金融的发展将围绕“ 4C”特征渐次 推进 。 2 图表 2.：智慧金融“ 4C”特征 资料 来源： 腾讯研究院 前瞻产业研究院整理 1.2 智慧金融行业发展政策环境分析 1.2.1 中国智慧金融行业政策汇总及解读 为 加速 传统金融 改革和 转型 升级 ，近年来 国家 发布了多项 相关 政策， 支持互联网 、人工智能、大数 据、云 计算等 新兴技术在金融领域的应用和融合创新，为我国智慧金融的发展提供了良好的发展机遇。 2019 年 9 月，央行 发布 金融科技 (FinTech)发展规划 (2019-2021 年 )，提出到 2021 年 ， 建立健全我国金 融科技发展的“四梁八柱 ”，进一步增强金融业科技应用能力，实现金融与科技深度融合、协调发展。 再 加上 2020 年“新基建”横空出世并首次被写入 政府工作报告，国家大力推动重点领域新兴技术创新，加 大对金融基础设施建设，在此环境下，智慧金融发展空间必然进一步打开。 2019 年 和 2020 年 以来 ，我国智慧 金融 行业相关政策如下： -3- 图表 3.：中国智慧金融行业政策汇总及解读 时间 政策 主要内容 2019.09 金融科技（ FinTech） 发展规划（ 2019-2021 年） 加强人工智能、移动互联网、大数据、云计算等科技成果运用，加 快完善小微企业、民营企业、科创企业等重点领域的信贷流程和信 用评价模型，引导企业征信机构利用替代数据评估企业信用状况， 降低运营管理成本。 2019.10 金融科技产品认证 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 。 2019.12 中国人民银行启动 金融科技创新监管试 点工作 中国人民银行宣布启动金融科技创新监管试点工作，推动中国 版“监管沙盒”落地。截至 2020 年 底， “监管沙盒”试点范围已扩 大至北京、上海、重庆、深圳、雄安新区、杭州、苏州、广州、成 都 9 个地区。 2020.01 金融科技创新监管 试点应用公示 （ 2020 年第一批） 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，涵盖数字金融多个应用场景。 2020.01 关于推动银行业和 保险业高质量 发展的指导意见 充分运用人工智能、大数据、云计算、区块链、生物识别等新兴技 术，改进服务质量，降低服务成本，强化业务管理。 2020.04 中国证券业协会专 业委员会 2020 年工作 要点 研究推进区块链、人工智能、大数据等新技术在投行业务领域的应 用研究，研究制定保荐承销机构远程工作标准。 资料来源：前瞻产业研究院整理 1.2.2 中国智慧金融 发展监管与合规 与互联网金融、金融科技相同，智慧金融并未改变金融行业的本质， 实际上，智慧金融依然 符合 “一 委一行两会”的基本格局。但由于智慧金融业务所覆盖的领域更加全面、综合， 可能同时涉足支付、借贷、 基金销售、资产管理、保险代销、消费金融、私募股权融资、信托收益权转让、资产证券化机构性交易等 业务，因此智慧金融的监管将更加突出“穿透性”，无论其在流程上如何实现智能化、自动化，都需充分 发现底层金融业务本质，建立一致、统一的监管原则、监管工具、基础设施、监管指标等，确保对智慧金 融业务的 无死角 监管。 2019 年 12 月，中国人民银行宣布启动金融科技创新监管试点工作，支持在北京市率先开展金融科技 -4- 创新监管试点，目的为建立包容审慎、符合中国国情、与国际接轨的中国版“监管沙盒”。 2020 年 4 月 和 7 月，试点城市两度扩容，目前“监管沙盒”试点范围已扩大至北京、上海、重庆、深圳、雄安新区、杭 州、苏州、广州、成都 9 个地区。 另外， 2020 年以来，央行出台了关于发布金融行业标准做好个人金融信息保护技术管理工作的通 知、关于开展金融科技应用风险专项摸排工作的通知、金融科技发展指标 ；银保监会发布商业银 行互联网贷款管理暂行办法、互联网保险业务监管办法 ；证监会发布证券公司租用第三方网络平台 开展证券业务活动管理规定（试行）征求意见。 这些政策的出台 为给金融云的建设提供了明确和具体的 指引。 2020 年 10 月，中国人民银行发布云计算技术金融应用规范技术架构（ JR/T0166-2020）、云计 算技术金融应用规范安全技术要求（ JR/T0167-2020）、云计算技术金融应用规范容灾（ JR/T0168-2020） 等三项金融行业标准，结合金融云的运行机制与风险特性，从基本能力、网络安全、数据保护、运行环境 安全、业务连续性保障等方面提出了有针对性的技术 要求。 未来，随着智慧金融的持续发展，我国监管机构将持续完善监管体系和监管基础设施，并加强行业自 律管理，以政策化和市场化的方式促进行业健康有序发展 。 1.3 智慧金融行业技术环境 及基础设施 1.3.1 人工智能 人工 智能在金融领域的落地场景主要集中在八个方面 ： 智能 风控 、 智能营销、 智能投研 、身份 识别 、 智能 客服、智能保险、 智能监管 、智能投顾 。 根据 iResearch 数据显示 ， 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， 疫情 因素带动 了 “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” 和 “智能投顾” 在 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， 2020 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。 3 -5- 图表 4.：人工智能 +金融行业落地八大智能场景 落地场景 应用方面 智能风控 从场景上， 银行业 聚焦 于 信贷、反欺诈、反洗钱 、 关联分析 等；证券 业 聚焦于 异常交易行 为、违规账户侦测 等；保险业 聚焦于 风险定价、反欺诈与智能理赔 等 ； 技术上，依托于机 器学习 、 知识图谱 、 大数据、人工智能 等技术，开展贷前反欺诈，贷中信用审核，贷后智 能催收等。 智能营销 通过 对用户进行 多维度信息数据的采集 ，利用大数据 、 机器学习 等技术 ，对用户 画像 、消 费行为偏好等 特征 进行 综合 性的风险， 再结合 用户特征， 通过 推荐引擎 ， 对用户进行个性 化金融产品 智能 推送， 做到 “千人千面” ， 达到精准营销效果。 智能投研 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， 智能投研综合利用人工智能、区块链、云计 算、大数据等热门技术，在深入理解金融业务模式的基础上，赋能于 金融投资研究、决策、 交易与风控等各环节。通过数据挖掘算法模型从各信息源挖掘提取有价值信息，找出其中 规律并为金融投研活动提供决策依据 。 身份识别 从场景 上 ，主要集中 远程在线开户、在线支付认证、柜台身份验证、移动身份验证 (手持终 端用户移动信贷、移动保险、物流贵重物品实名制 )、自主发卡机等。 技术上， 身份识别主 要包 括人脸识别、语音识别、指纹 识别 ， 其 技术主要依托 计算机视觉 、 智能语音技术 、 生 物识别 技术 等。 智能客服 场景上，广泛应用于各类金融机构， 提供 售前 咨询， 售后服务，甚至 在 投诉方面 提供 24 小 时不间断的问答服务，提高 了 金融机构 客户 服务效率， 减少 客服人员投入。 此外 ， 智能 客 服还 能够为 金融 机构 提供精细化管理所需的统计分析信息。 技术上，依托于 大规模知识处 理技术、自然语言理解技术、知识管理技术、 推理技术 等技术打造的智能问答系统。 智能保险 场景上， 主要 集中在 销售 阶段的 产品营销 、 承保阶段的风险精算与定价 、 核保理赔阶段的 反欺诈系统 等 ； 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 更快速 和 个性化的理赔解决方案 等； 技术上 ，人工 智能与 云计算 、大数据结合 ， 实现从保 险产品设计、销售到售后服务的全流程智能化改造。 智能监管 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。 国家金融监管 机构 通过 人工 智能 数据，结合 监管 机构获得的金融机构数据，对金融机构和 上市企业进行监管，并针对 市场 发展趋势或者监管 漏洞 ，完善尽管方案等。 智能投顾 根据客户特征和风险偏好，基于量化投资策略推荐投资组合，并追踪宏观经济波动和市场 情绪，进行自动风控和授权调仓 。 因此 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。 资料来源： iResearch 前瞻产业研究院整理 -6- 图表 5.： 2019 年 AI 金融落地场景市场规模占比（单位： % ） 资料来源： iResearch 前瞻产业研究院整理 1.3.2 大数据 根据应用领域的不同，大数据技术在中国金融行业的应用可以分为精准营销类应用、风险控制类应 用、监管科技类应用及其他类型应用 。 1、精准营销类应用 大数据 通过以下方式 在金融营销业务流程中促进营销转化率的提高及精准营销的实现： 客户信息 整合 ： 利用 大数据平台整合企业内部及外部数据，形成与客户 一一 对应的数据记录； 客户分类：基于用 户的行为数据等数据，通过用户画像技术对用户进行标签化分类，为之后的产品推荐做准备。客户筛 选：基于大数据平台形成客户信用分级名单，按质量对客户进行筛选。 2、风险控制类应用 大数据技术可在售前 风险评估及交易欺诈识别等业务环节促进风险控制有效性及效率的提升。售 前风险评估：大数据平台可整合客户的社交、消费等不同类型的行为数据，突破中国金融机构在传统风险 控制中仅通过客户信用数据、历史交易数据等单一维度数据进行售前风险识别的局限。交易欺诈识别： 利用大数据技术，金融企业可将客户的历史位置、历史行为模式等数据与当前发生的交易行为数据进行 对比，识别恶意用户及欺诈行为，并在后续采取相应处理措施。 3、监管科技类应用 大数据技术可在违规风险预警等业务环节协助金融企业识别违法违规行为。利用大数据平台，金融 企业可 以从资金、企业的双重角度，对金融企业的资金链、违规记录、网络投诉率等维度的数据进行综合 分析，从而定位洗钱、非法集资等潜在违法违规行为风险，并向有关监管部门上报。 AI风 控 45.49% 智能保 险 17.58% 智能客服 7.88% 智能 营销 8.32% 其他 20.74% -7- 4、其他应用 除了以上三类应用外， 大数据也为商业发展提供了实际的应用 ， 以智能投资顾问为代表。 智能投资顾 问产品的核心技术包括大数据及人工智能技术等，其中大数据技术通过 对 用户 信息 、交易行为等个性化 数据， 识别用户的风险偏好及其变化规律 ，便于后续提供个性化的资产配置方案。 4 图表 6.：大数据在金融领域的应用 资料来源：前瞻产业研究院整理 1.3.3 云计算 1、云计算发展概况 云计算主要分为 IaaS、 PaaS、 SaaS， 对应 基础设施级服务 、 平台级服务 、 软件级服务 三种 服务模式， 其中 IaaS 是指 消费者通过 Internet 可以从完善的计算机基础设施获得服务， IaaS 把数据中心、基础设施 等硬件资源通过 Web 分配给用户的商业模式。 PaaS 是指将软件研发的平台作为一种服务，以 SaaS 的 模式提交给用户， 因此 PaaS 也是 SaaS 模式的一种应用。但是 PaaS 的出现可以加快 SaaS 的发展，尤其 是加快 SaaS 应用的开发速度。 PaaS 服务使得软件开发人员可以不购买服务器等设备环境的情况下开发 新的应用程序。 SaaS 是一种通过 Internet 提供软件的模式，用户无需购买软件，而是向提供商租用基于 Web 的软件，来管理企业经营活动。 SaaS 模式大大降低了软件的使用成本和客户的管理维护成本，由于 软件是托管在服务商的服务器上 ，因此 可靠性也更高。 近年 来， 在政策以及行业需求推动下，我国云计算行业实现了快速的发展 。 根据 信通院数据， 2019 年 中 国云计算产业规模达 1334.5 亿元，增长 38.61%。其中公有云为 689.3 亿元，相比 2018 年增长 57.6%； 私有云市场规模达 645.2 亿元，增长 22.8%。 5 未来趋势 方面： 当前 我国云计算已经相对成熟，企业渴望 将 云计算 转变 为真正 帮助 其 构建自身业务 核心竞争力 的 工具，因此 对 云服务商 的精细化服务提出新要求。 具体 包括： 通过 多 云 环境 打破 云服务商之 间的障碍 、通过人工 智能提高 云计算 速度 、 专有云解决方案越来越受欢迎 、 本地企业加速 迁移 到云 等 。 6 -8- 图表 7.：金融机构云计算部署模式及选择 趋势 分析 多 云环境 打破 云 服务商之间的障 碍 多云是指在业务架构内使用多个云计算供应商和提供商， 从而使企业能够根据其 特定要求将不同的工作负载分散到不同的环境中 。 当前， 越来越多的企业转向混 合或多云环境，要求跨多个模型部署基础设施。这意味着，越来越多的 企业 要求 云服务商在它们的平台之间搭建桥梁， 因此 未来能够 提供多云管理的云服务商将 受到企业青睐。 人工智能将提高 云计算的速度 在很多方面，云计算和人工智能是相互建立的，未来人工智能服务将成为云计算 供应商的一个战场 ， 云计算市场的增长将受到云计算服务提供商正在开发的人工 智能 （ AI） 平台的客户的推动，以开发新的应用程序、流程、服务和用户体验。 专有云解决方案 越来越受欢迎 对一些企业来说，在公有、私有或混合云环境中进行选择是一个挑战 。 就灵活 性、性能、安全性和合规性而言，每种途径都有优缺点。但是随着云生态系统的 成熟， 很难 有 两全之策 的途径。 相比于公有云厂商，专有云厂商在面向企业核心 应用需求的时候更具优势。专有云厂商不仅能够将企业需求以云计算 的方式提供 给客户，同时依托服务行业客户的多年经验，更了解企业的需求痛点，能够为企 业提供定制化的专有云解决方案，能够更好的满足客户需求，使企业的核心应用 平滑过渡到云上。 本地企业加速迁 移到云 随着 2020 年 初以来， Covid-19 在 全球 肆虐 ， 拥有本地设备的企业 加速将 服务转移 到云、托管或托管基础架构中。 此次 疫情也让企业 意识 到 在家办公（ WFH）对于 雇员和雇主都是可行的长期选择 。 有专家 预计 ，未来的 办公空间将大幅缩减，并 且随着租金的减少，将有更多资金来支持向云计算的迁移。 而 这些后果将极大地 影响所有形式的云服务，尤其是涉及大型企业（如 Amazon Web 服务、 Microsoft Azure 和 Google Cloud）。 另外 IT 人员也 将 转移到云服务，因为需要的本地基础架 构 会 更少。 资料来源：前瞻产业研究院整理 2、云计算在金融领域的应用 云计算 在 金融 机构领域的应用简称 “金融 云 ”， 即 利用云计算的运算和服务优势，将金融业的数据、 客户、流程、服务及价值通过数据中心、客户端等技术手段分散到“云”中，以改善系统体验，提升运算 能力、重组数据价值，为客户提供更高水平的金融服务，并同时达到降低 运行成本的目的。 目前 ，国内金 融机构使用云计算 技术 主要采用私有云和行业云两种部署方式，对公有云的 接受 程度相对落后于其他行 业。 7 -9- 图表 8.：金融机构云计算部署模式及选择 方面 具体情况 部署模式 私有云 运行核心业务系统，存储重要敏感数据； 一般采用购买硬件产品、基础设施、解决方案搭建； 在生产过程汇中实施外包驻场运维、自主运维或自主运维。 行业云 通过金融机构间在基础设施领域的合作 及 资源 方面的共享，在金 融行业内形成公共基础设施、公共接口、公共应用等一批技术公共 服务； 用于对金融机构外部客户的数据处理、服务，或一定区域内金融 机构、金融机构垂直机构提供资源共享服务。 金融机构选择 大型金融机构 具有较强的经济基础和技术实力， 大多偏向 私有云； 中小型金融机构 自身技术实力相对较弱，且行业云在搭建过程中充分考虑行业合规 等监管及政策要求，并且有专业化团队负责运营维护。 因此 中小 金 融机构大多偏向 行业 云。 资料来源：前瞻产业研究院整理 1.3.4 物联网 物联 网 在金融领域的 应用 非常广泛， 主要 应用 如下： 1、 在动产融资、保险等领域 在动产融资领域，银行利用物联网技术监控抵押物的实时状况；在保险领域，车险公司利用车联网技 术了解驾驶员驾驶习惯；在供应链金融业务中银行利用物联网技术监控物流信息和企业的货物销售状况； 在租赁业务中 ， 租赁公司利用车联网技术监控车辆信息。在动产融资业务中，通过物联网技术赋予动产以 不动产的属性，重振商业银行万亿元规模的动产融资业务。车险领域引入车联网技术后， UBI 车险的发展 迅速，全球已有 1540 万名客户。 2、 在定价、风控、监管方面 物联网技术的应用，可以帮助银行 对抵押物实行全面监控，及时了解供应链上下游企业的经营状况； 还可以帮助保险公司掌握驾驶员行为习惯，实现精准定价；帮助租赁公司实时监控车辆的状况，动态监 管。物联网金融的这些优势，促使各金融机构不断推动物联网金融的发展。 3、 非金融机构类物联网金融参与企业 方面 在动产融资领域，物联网解决方案提供商和仓储物流公司合作负责仓库改造，银行等金融机构将增 加对改造后的仓库的使用需求。物联网保险和租赁业务都需要车联网技术服务商对车辆进行改装，运用 -10- 云平台对车辆进行实时监控，了解车辆状况。在供应链金融领域，需要核心企业和仓储物流 企业提供贸易 往来数据，车联网企业提供物流监控服务，从而了解中小企业财务和经营状况。动产融资业务中，物联网 解决方案提供商和仓储物流公司、物联网保险和租赁业务中的车联网等企业，都将获得巨大的市场需求。 1.3.5 区块链 区块链技术的发展最初由金融业推动，区块链与金融有着天然紧密的联系。作为“比特币”的技术解 决方案，区块链诞生，“比特币”可以理解为一种点对点的电子现金支付系统，而支付是一切金融活动的 重要基础。 2015 年，区块链技术从“比特币”概念中分离出来，成为独立的研究方向，主要依赖于金融 行业的推动。当前银行 、保险、证券行业已经开始实际的落地尝试。应用场景主要包括数字货币、支付清 算、数字票据、资产证券化、供应链金融、银行征信、贷款业务、资产转让及股权交易、 KYC 信息传递 等。 整体来看，区块链在金融领域具有巨大的改造力，仍处在早期阶段，四大典型应用场景包括跨境支 付、供应链金融、保险和征信。相较于传统跨境支付模式，基于区块链的跨境支付模式效率更高、成本更 低、流动性更强、权利更平等。区块链技术可以解决供应链金融信息孤岛问题、传递核心企业信用、丰富 可信的贸易场景、运用智能合约防范履约风险、实现融资降本增效。区块链技术可 在保险行业的产品开 发、风险防范、流程优化以及相互保险等领域具有较广泛的应用价值。征信方面，基于区块链技术，构建 真正独立、可信赖的第三方数据交易平台，进而解决数据孤岛问题。 8 -12- 第 2 章：中国智慧金融行业产业链分析 2.1 智慧金融行业产业链简介 在金融基础设施全面信息化、电子化的基础上，用户对通过远程渠道获取金融服务的模式适应性不 断提高，各类金融交易数据的收集、处理、分析、共享得以实现线上化，信息数据的规模不断增长、多样 性不断丰富，在物联网、大数据、机器学习等技术应用日益成熟的助推下，一个需求更多元、供给更精准、 风险防控更高效、协同效应更明显的智慧金融时代正在悄然来临。大体看来，我国智慧金融产业链 从 下至 上 主要 包括四个层次： 金融 机构、 场景应用层 、 通用技术层 、 基础服务层 。具体 如下： 图表 9.：中国智慧金融产业链图谱 资料来源：前 瞻产业研究院整理 -13- 2.2 智慧金融行业上游产业分析 2.2.1 智慧金融行业上游产业概述 以 智慧金融 场景应用 层作为行业中游，则 智慧 金融的上游为 基础 服务层（ AI 芯片 、 基础 云服务、 AI 计算 框架） 和通用 技术层 （机器 视觉、语音 识别、 NLP、网络 技术 、区块链 、大数据、 物联网 技术 等 ）。 上游 产业 的 技术发展是智慧金融发展的基石， 构成 了智慧金融的 基础设施 。 2.2.2 智慧金融行业上游重点产业分析 1、 AI 芯片服务 AI 芯片 是 人工智能的“大脑” ，不仅 驱策 智能产品 的 创新，还加速了 数据、算法、算力在各类场景应 用落地 。目前 AI 芯片 主要分为 主要类型有 CPU（中央处理器）、 GPU(图形处理器 )、 FPGA(现场可编辑门 阵列 )、 DSP（数字信号处理器）、 ASIC(针对神经网络算法的专用芯片 )和类人脑芯片几种 。近年来 ，随着 人工智能的快速发展， 传统芯片厂商、科技巨头、应用层厂商及初创企业纷纷开始涉足其中 ，加快 芯片国 产化 进程 ， 打造 国内 芯片产业链， 在 整个 AI 行业格局未定的态势下 ， 抢占市场主动 权， 通过 AI 芯片实 现“弯道超车” ， 成为行业领军者。 在 全球 各国 政策推动 、 企业 积极 布局等推动下， 近年来 AI 芯片市场规模呈快速增长态势 ， 全球市场 规模达到 75 亿美元 。 根据 IDC 数据显示， 预计至 2022 年， 全球整体 AI 芯片市场规模将会达到 352 亿美 元， CAGR 大于 55% 就国内而言，目前我国的人工智能芯片行业发展尚处于起步阶段。随着大数据的发展，计算能力的提 升，人工智能近两年迎来了新一轮的爆发。数据显示， 2019 年中国人工智能芯片市场规模达到 56.1 亿元， 预计 2020 年市场规模将进一步增长，达到 75.1 亿元。 图表 10.： 2016-2022 年中国及全球 AI 芯片市场规模（单位：亿元，亿美元） 资料来源： Gartner 前瞻产业研究院整理 19 33.3 45.6 56.1 75.1 97.6 123 36 47 60 75 91 111 130 0 20 40 60 80 100 120 140 2016年 2017年 2018年 2019年 2020E 2021E 2022E 中国（ 亿 元） 美国（ 亿 美元） -14- 2、计算机视觉 计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图 形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究 相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计算机视觉是使 用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获 得相应场景的三维信息。 计算机视觉技术在金融领域的广泛应用，普通个人用户对此有明显感知：传统的线下柜台、面对面的 交互、验证模式被线上化逐步取代。但与此同 时，业务模式的改变，意味着过去基于线下流程的风控模式 需要变革。通过计算机视觉技术对用户进行安全、有效、便捷的身份核验，已经成为金融行业“标配”。 在金融业实际应用，计算机视觉主要应用在金融机构内部流程、以及与客户交互的自动化，对风险控制、 客户服务等核心价值链产生影响。这些影响体现在：对现有重复性的人工作业进行取代、提升，并创造出 新的客户交互模式。 3、语音识别 智能语音消费者业务主要通过硬件出售及相关互联网增值服务获利，而企业级和公共级业务则主要 有两类合作模式：一是技术平台输出模式，将通用技术能力封装为 SDK 或 API，下游客户或生态中的开 发者使用时 需 向技术提供方支付一定费用 。 另外 为了促进生态的快速发展，一些平台如华为 HiAI、百度 语音技术采取面向开发者免费的策略；二是切入传统行业，提供解决方案（含核心设备），这种情形下涉 及智能语音企业与传统行业集成商或最终客户进行定制化、深度合作。 由于电销、客服、回访等场景的广泛存在，语音识别技术在金融机构中渗透相当广泛。在提升用户交 互满意度、进一步降本增效上，语音识别的应用价值仍有进一步提升空间。从技术成熟度角度来看，语音 识别技术方兴未艾，尤其是中文语音识别在模型上与 拉丁语系存在较大差距，在识别准确率、场景深度交 互等方面还有较大提升空间。在应用环节上同样，语音技术的相关应用 目前是 中大型金融机构的标配，如 客服机器人、合规场景的质检等，实际创造的价值更多体现在对人力的替代， 而 在 更具 深度、复杂的场景 中的 应用 还 需 进一步探索。 4、 NLP 技术 NLP 是人工智能分支之一，是计算语言学、计算机科学等多学科的交叉技术， 是使用 计算机去处理 和分析自然语言，最终目的是实现计算机与自然语言的有效交互。 目前 NLP 自然语言处理技术包括基础 技术和核心技术两部分：基础技术围绕不同层次的自然语言处理，如分词、词性标注、语义分析、篇章分 析等，它是其他语言技术或应用的基础； NLP 核心技术包括词汇、短语、句子、篇章的表示技术，具体 应用而言包括知识图谱、机器翻译、自动问答、自动摘要、信息检索、信息抽取、聊天和对话、语言生成、 推荐系统等技术。 从应用角度来看 ，自然语言处理技术深入已应用到各个应用系统和垂直领域中，比如搜 索引擎、智能客服、商业智能、语音助手、舆情监控等应用系统和法律、医疗、教育、政务、专利、出版、 -15- 公安等垂直领域。 图表 11.： NLP 的技术和应用 资料来源： Gartner 前瞻产业研究院整理 在金融领域， NLP 是一项在所有价值链环节都有着广泛潜在应用的技术，尽管目前成熟度仍不足以 支撑其为金融机构创造较高的价值，但前景可期。考虑到这一点，金融机构需要及早布局 NLP 相关应用。 当前阶段，受限于技术成熟度， NLP 技术为金融行业创造的价值还相对有限，仅仅应用在自动化相关的 场景下，例如文本合规检查、数据检索等，主要价值体现在帮助金融机构降低运营成本上。 市场 规模方面 ， 根据美国一家市场研究机构 Marketsand Markets提供的数据 ， 2019 年 全球 NLP 市 场规模 为 102 亿 美元 9。 据信通院预测， 2021 年全球 NLP 市场规模将达到 160.7 亿美元 。同时 在基于 NLP 技术得不到突破的保守预期下， 2021 年国内 NLP 市场也能够保持 20%的增长速度。 5、网络技术 经过多年的快速发展，移动通信、互联网等技术趋于成熟，为智慧金融提供了坚实的网络基础。智慧 金融主要技术包括信息网络的 IPV4/IPV6 技术、 Wi-Fi 网络、 4G/5G 网络等。 近年来，企业数字化转型进程不断深入，终端数量极速暴增，海量的数据流量对 WLAN 的速率、时 延及可靠性提出了更高要求，企业需要无处不在、可靠且强大的无线网络提供连接支撑。 WiFi6 凭借技术 成熟、建设成本低、建设周期短、场景化定制、灵活组网等优势，已成为当前企业无线组网的最优选择。 IDC 预计在 2020 年， WiFi6 将在无线市场中大放异彩，仅在中国市场的规模就将接近 2 亿美元 ； 至 2023 年， WiFi6 在中国无线 AP 市场出货量占比中将超过 90%。 另外，在 5G 技术方面，截至 2020 年 6 月底， 5G 终端连接 数已超过 6600 万，三家基础电信企业已 开通 5G 基站超 40 万个。工业互联网领域已培育形成超过 500 个特色鲜明、能力多样的工业互联网平台。 截至 2020 年 7 月，我国已分配 IPv6 地址用户数达 14.42 亿， IPv6 活跃用户数达 3.62 亿，排名前 100 位 的商用网站及应用已经全部支持 IPv6 访问。 -16- 2020 年以来，各地加快布局 5G，三大运营商也发布了 5G 建设计划 ，并 披露了 2020 年 5G 投资计 划。据投资计划显示：三大运营商 2020 年将建 50 万个基站。其中，中国移动将新建 25 万个 5G 基站， 另外，中国电信将与中国联通共建约 25 万个 5G 基站，覆盖全国所有地市级（含）以上城市。具体来看： 图表 12.：三大运营商 2020 年 5G 计划 运营商 5G 资本开支 5G 基站数量 5G 覆盖范围 5G 部署方式 中国移动 1000 亿元 25 万个 覆盖全国所有 地市级（含） 以上城市 加快向 SA 演进，坚持云网一体发展 中国电信 453 亿元 25 万个 覆盖全国所有 地市级（含） 以上城市 5GSA 商用能力处于行业领先地位， 5G+ 公有云 +MEC 融合最大化 5G 技术价值 中国联通 350 亿元 25 万个 覆盖全国所有 地市级（含） 以上城市 年中商用 5G SA 网络，推进“云网边端 业”高度协同 合计 1803 亿元 50 万个 注 ： 因有部分运营商基站合并共建，故合计数据已忽略合并部分避免重复计算。 资料来源：前瞻产业研究院整理 2.3 智慧金融行业中游产业分析 2.3.1 智慧金融行业中游产业概述 智慧金融行业 中游 产业 为 场景 应用层， 包括智能营销 、智能客服、智能风控、智能 监管 、 智能投研、 智能保险 、 智能理财、智能支付 等 相关应用 场景，以及 智慧 金融应用场景的综合方案解决 商、单个 应用场 景解决方案商等。 综合 解决方案商则 基于 上游的 基础 服务层 通用 技术 层的 大数据、人工智能、 区块链 、云 计算等相关技术，为 金融机构 提供 全 场景或多场景的 智慧 解决方案 ； 细分 场景解决 方案商 则是 基于营销、 风控 、 理财等单个应用场景， 提供 智慧解决方案。 -17- 2.3.2 智慧金融重点企业分析 注 ： 由于报告 第三章对智慧 金融场景有 具体的 分析 ，因此本节 只列举 行业 内重点企业 进行 分析 。 1、京东数科 京东数字 是 一家全国领先的金融 机构 数字化解决方案 商，根据京东 数科 发布 的招股 说明书显示 ， 2017 年、 2018 年、 2019 年及 2020 年 1-6 月，京东数科金融机构数字化解决方案的收入分别为 15.46 亿元、 32.98 亿元、 62.17 亿元和 42.84 亿元，年复合增长率达到 100.51%。截至 2020 年 6 月末，京东数科在金 融机构服务领域，已为超 600 家包括商业银行、保险公司、基金公司、信托公司、证券公司在内的各类金 融机构 ， 以及 1000 多家资管 科技公司， 提供了多层次全方位数字化解决方案 。 图表 13.： 2017-2020 年 京东数科金融机构数字化解决方案营收（单位：亿元） 资料 来源： 招股说明书 前瞻产业研究院整理 2、金融壹账通 金 融壹账通旨在打造全球领先的面向金融机构的商业科技云服务（ Technology-as-a-Service，简称 “ TaaS”）平台，于 2019 年在美国纽交所上市（股票代码为“ OCFT”）， 是 国家高新技术企业。公司融合 丰富的金融服务经验与领先科技，为金融机构提供 科技 +业务 的解决方案，帮助客户实现“三升两降”， 即提升收入，提升效率，提升服务质量，降低风险，降低成本，实现数字化转型。 作为中国平安集团的联营公司，金融壹账通依托平安集团 30 多年金融行业的丰富经验，精准把握金 融机构需求，为银行、保险、投资等金融行业多 个垂直领域提供端到端的服务。目前金融壹账通共有 16 大解决方案，覆盖从营销获客、风险管理和客户服务的全流程服务，以及从数据管理、智慧经营到云平台 的底层技术服务。 金融壹账通在金融行业打造了人工智能、大数据和区块链等前沿科技实力。截至 2020 年 6 月 30 日， 全球专利申请累计 4327 项，其中境外专利申请 945 项，先后斩获 IDC2019 年真实价值奖、 BAI 全球创新 大奖、 OMG 微表情竞赛第一名等 36 项国际专业大奖，并获得 CMMI5 国际认证。 15.46 32.98 62.17 42.84 0 10 20 30 40 50 60 70 2017年 2018年 2019年 2020H1 -18- 截至 2020 年 6 月 30 日，金融壹账通服务客户已涵盖中国全部的国有银行和股份制银 行、 99%的城 商行和 53%的保险公司。 3、泛钛客科技 泛钛客科技是一家智慧金融解决方案提供商，专注 AI 与金融领域，运用自身业务场景的深入理解和 持续的科技创新能力，为银行、信托、消费金融公司等金融机构提供智慧营销、智慧运营、智慧风控方面 的服务。公司的股东背景包括国内大型消费金融服务商、信托公司，以及非银行金融机构，并汇聚了来自 国内外金融界及 IT 界的核心团队。泛钛客科技与天津大学管理学院联合设立的 FInSight人工智能实验室， 在首席科学家
展开阅读全文