金融行業丨分析報告
全文字數:8247字 精讀時間:19分鐘
核心摘要：
監管政策越發收緊，回歸科技屬性是行業浪潮：從政策上看《金融控股公司監督管理試行辦法（徵求意見稿）》的推出，表明了國家對金融業務和大型金控公司（含網際網路巨頭）整頓的決心，回歸技術是行業浪潮也是政策驅動。
市場規模增長放緩，2022年基於技術的進一步成熟市場增速有望提升：AI+金融領域逐漸成熟，形成三大主流玩家陣營，整體市場增長放緩。
金融機構認可人工智慧技術價值，傳統金融機構紛紛成立全資科技子公司：作為AI+金融的主要買方，分析銀行等巨型金融機構逐步認可了AI的落地價值，同時在各類合作中，逐漸掌握了AI技術能力，開始尋求主導產業話語權。
人工智慧技術仍舊處於「輔助智能」階段，機器學習技術將促進更多場景的成熟：目前人工智慧並不能完全做到自主決策，對於更為複雜的場景數據的預測和分析能力，仍舊有待於機器學習技術的發展。
AI風控目前是最主要的落地場景：19年的AI+金融應用場景市場規模來看，AI風控佔到了約45%，是目前市場價值最大的應用場景。
趨勢洞見中小銀行將成為未來AI+金融領域企業主要的角逐市場：六大國有行目前已經具備一定的AI技術能力，而各類中小銀行開始紛紛嘗試AI賦能下的數位化轉型，AI市場將逐步下沉至該類銀行。
行業觀察篇
AI金融領域相關政策解讀
金融科技促進政策日漸完善，未來將向微觀層面下沉
2017年5月，中國人民銀行成立金融科技(Fin Tech)委員會,旨在加強金融科技工作的研究規劃和統籌協調，同年6月，發布的《中國金融業信息技術「十三五」發展規劃》中，將人工智慧、大數據、區塊鏈、雲計算等新一代信息技術設為金融科技的重點研究方向，從政策高度上確立了上述技術的發展基調。時隔兩年，2019年8月，人民銀行正式發布了《金融科技（FinTech） 發展規劃（2019—2021年）》，這是我國金融科技第一份科學、全面的規劃，明確提出未來三年金融科技工作的指導思想、基本原則、發展目標、重點任務和保障措施，尤其是建立健全我國金融科技發展的「四梁八柱」，確定未來三年六方面重點任務，為金融科技發展指明了方向和路徑，對金融科技發展具有重要且深遠的意義；
2020年，中證協和銀保監會就銀行、保險和證券行業發展金融科技方面也做出指導意見，促進技術落地於金融領域的全場景。從趨勢來看，金融科技的促進政策在高度和全局性上已經相對充分，深度和微觀層面也在陸續完善，未來在技術標準制定和更加具體的場景應用方面勢必會產生新的引導意見，為技術合規、合理賦能行業劃下行路線。
供應鏈金融對復產復工意義重大，或為AI技術下一片良田
促進中小微企業貸款服務是政策的又一大集中方向，全國範圍內中小微企業承擔了80%以上的就業率，是穩定國內經濟，拉動內需的重要組成部分。疫情緩解以來，復產復工成為了主旋律，激活中小微企業活力則成為首當其衝的任務，合理放寬、把控風險、有效監管的貸款服務將成為有力的促進措施。2020年6月，人民銀行等8家機構聯合發布的《關於進一步強化中小微企業金融服務的指導意見》中指出，運用金融科技手段賦能小微企業金融服務，鼓勵商業銀行運用大數據、人工智慧等技術建立風險定價和管控模型，改造信貸審批發放流程。《意見》肯定了上述技術在相關場景中的應用價值，也指明了落地方向，為AI+金融行業目標群體由C端向B端轉型提供了政策意見。
發展供應鏈金融服務是解決中小微企業貸款難的主要手段，而供應鏈金融的實質仍是金融服務，所以風險控制是重中之重。供應鏈金融中主要涉及的風險領域包括，主體企業風險、交易風險和操作風險，AI可以通過機器學習和知識圖譜等方式，對主體企業工商、稅務、輿情等信息數據進行處理建模，搭建信用評價體系，增加行業自動化評價維度；通過知識圖譜對產業鏈中的關聯性交易進行組織和透視，防止虛假交易的存在；通過OCR識別、圖像識別、NLP和智能語音等技術，對各類單據進行識別和審核，起到降本增效的同時，降低機械風險和人員道德風險。從趨勢上看，整體金融服務的重心將持續向B端企業傾斜，金融科技也將隨之向B2B領域拓展，AI+金融相關企業能否及時調整戰略，將C端積累下的經驗遷移向B端服務，會成為下一階段競爭的重點。
2019年至今AI+金融相關代表政策匯總
AI+金融領域行業最新動態
金融機構成立全資科技子公司
進入2019年，金融+科技的形式已經不再局限於金融機構和科技公司間的合作。以銀行業為代表，國有四大行中三家銀行成立各自的全資金融科技子公司，而大型股份制銀行則相對更快一步，截至2018年共有四家大型股份制銀行成立全資金融子公司，二者揭示了銀行機構進軍金融科技的決心。銀行和金融科技公司的合作是技術與場景不斷磨合的過程，AI在風控、營銷等領域產生的實際價值使銀行機構意識到其戰略意義。同時，在與科技公司的合作中，銀行掌握了技術在場景落地的豐富經驗，這為銀行成立科技子公司打下了基礎。
此外，從銀行角度看，更需要的是專屬於服務銀行業務的技術能力，但這與科技公司依託技術向全領域發展的理念矛盾，並且雙方的合作中仍舊存在一定溝通成本和項目對接問題。因此，銀行更希望以成立科技子公司的形式獲得服務自身和行業的技能，也以此掌握技術的主動權。
從發展路徑看，頭部銀行成立的金融科技子公司除了為母公司提供技術服務外，同時也希望輸出自身的技術產品輻射中小型銀行。
而從市場現狀來看，在2019年至2020年中，金融科技公司仍舊是中小銀行的主要合作對象。
而在產品層面，銀行系科技子公司尚未形成成熟的AI產品，競爭上暫未形成優勢。未來在提託銀行強大的資本背景和優質金融數據，在數據開源概念的加持下，銀行系Fintech公司將成為科技市場的新勢力，並擠壓金融科技公司的市場。
技術出海是大趨勢，虛擬銀行掛牌為科技公司提供完美場景
金融科技出海和跨境金融業務是近些年來行業的熱門話題，從支付寶、財付通以支付業務為切入點進軍東南亞開始，行動支付、消費金融、小微信貸、投資理財和大數據風控成為了國內金融科技公司對外服務的重點方向。2019年3月，香港發布了8家虛擬銀行牌照，包括螞蟻金服、騰訊、小米、平安科技、京東數科在內的大陸金融科技公司以聯合創辦的形式參與其中，主要輸出運營經驗和科技能力，這對於金融科技公司補足銀行場景，掌握技術賦能業務的閉環帶來了難得的契機，藉助「國際港」的優勢，對於科技公司技術出海也將帶來有力的助推作用。
虛擬銀行是採用網際網路或其他形式電子傳送渠道提供服務的銀行，沒有實體網點，虛擬化的形式更加適合數據的產生和共享，消除了數據孤島和大量非結構數據的隱患，這為AI技術應用提供了前所未有的環境支撐；同時，海量高並發的交易數據，以及隨時可觸達的用戶埠，為AI風控、AI營銷帶來了實際的應用場景。在8家虛擬銀行牌照公布後，仍有不少銀行、金融機構、科技公司表達了申請新牌照的意向，從市場響應情況和香港金管局的態度可以看出，這一舉措將分階段繼續開展，未來有望在大陸開設試運行項目，儘早參與其中的科技公司，將搶佔先發席位。
2019年至今AI+金融相關代表事件匯總
金融領域AI相關融資情況解讀
資本向優質標的匯聚，熱門賽道突出，但競爭激烈
通過對2015-2020年7月AI+金融相關融資情況的匯總，可以看出，2015-2018年期間，AI+金融行業備受資本青睞，融資事件數相對穩定，融資總金額增速持續上漲，創業公司表現良好，資本持續投入；而這一情況在2019年發生變化，由於P2P暴雷事件監管愈嚴，資本市場也趨于謹慎，融資事件數量大幅減少，但真正具有技術實力的相關企業依舊是資本追逐的對象，資源逐漸向優質標的匯聚，預計這一趨勢在2020年將依舊延續。從近幾年AI+金融細分賽道融資情況看，包含整體解決方案的大數據服務和智能風控是獲得融資的重點，市場想像空間和明確的使用價值是吸引投資的關鍵，但由於業務同質性問題，賽道中競爭也最為激烈。
實際應用價值和市場想像空間是資本關注的重點
通過對2015-2020年7月中國AI+金融細分賽道融資事件發展節奏的統計，可以看出，2016年，中國AI應用市場爆發的前夜，資本就將目光聚焦到了智能風控賽道，相對充分的標準化數據存量、明確清晰的使用價值，以及對新技術接受度良好的市場環境都催化著賽道的繁榮；同時，想像空間更大、理想增益效果更強的智能投顧賽道也是資本青睞的對象。但經過兩年的落地發展，單純的智能風控故事已經無法引起資本的興趣，以大數據為基礎，AI技術為手段，包含風控、營銷、運維在內的綜合大數據服務成為了新的寵兒；而智能投顧在落地期間表現平平，價值也難以評估，故事顯得不再生動，反而是服務於一級市場的智能投研賽道讓資本方有了嘗試的興趣。
2019年，AI+金融投資市場整體冷淡，大數據服務賽道急轉直下，融資事件數少於智能風控和智能保險，邊界更廣的服務帶來了價值模糊的隱患。預計資本寒冬的情況在2020年也難有較大起色，頭部科技公司也紛紛開始拓展其他場景，行業應用較為成熟，競爭愈漸激烈，資本開始觀望，都希望將橄欖枝拋向「最有價值球員」，行業整體對於初創企業而言不太友好。
金融領域AI相關市場規模
需求方持續加大購買力度，市場規模良性增長
通過對2018-2022年中國AI+金融相關市場規模的統計和預測，可以看出金融領域對整體信息化科技投入的總規模保持上升趨勢，金融科技和人工智慧投入遵循同樣步調，其中人工智慧投入在整體科技投入中的佔比增速平穩上升，並未出現特異值，說明市場中的需求方肯定了AI技術的應用價值，並有計劃的加大購買力度。通過網際網路金融機構與傳統金融機構AI投入規模對比和預測可以看出，網際網路金融機構在追加購買力度，這也符合該群體由金融服務向技術服務轉型的趨勢，人工智慧技術在轉型中成為重要的能力抓手。
銀行業仍然是主要需求方，2022年AI總投入將超220億元
從2019年中國金融機構AI投入規模結構中可以看出，銀行業、互金行業和保險行業是AI技術的主要購買方，其中銀行業的業務最為複雜，數據海量，同時風控要求最高，成為了金融領域中AI技術最主要的需求方。在過去幾年中銀行業對於AI技術的投入持續增加，這一趨勢也將延續，據預測，2022年總投入規模將超過220億元。從技術獲取途徑看，銀行業主要依靠與AI公司合作，採購相應的產品和服務，2019年採購規模佔投入的85%，但隨著銀行自建科技子公司等增強自研能力的舉措發展壯大，採購規模將有所下降，不過合作與技術採購仍然會是行業中主要的技術獲取手段。
金融業務線中AI投入不容忽視，供應鏈金融有望成為新支柱
我們按照「存貸匯」的業務視角，將金融業務劃分為銀行理財業務、保險業務、證券業務、基金業務、消費金融業務、供應鏈金融業務和支付業務，2019年各業務線對於金融科技的投入以雲計算和大數據為主，遵循新基建方向，以構建雲基礎為目標，而人工智慧作為生產力升級的代表技術投入佔比也在逐年攀升。本年中，智能風控需求最旺盛的消費金融業務仍是AI投入的主要領域，涵蓋智能核保、定損、定價場景的保險業務、涵蓋智能營銷、投研、投顧的銀行理財業務緊隨其後。其中，供應鏈金融業務因中小微企業數據難以採集，交易行為複雜等問題，通過技術手段建立的信用體系普遍不成熟，市場仍未打開，但隨著政策推動，更多AI公司將會聚焦於此，該業務有望成為AI+金融的又一需求支柱。
AI+金融產業圖譜
AI+金融的落地場景介紹
人工智慧+金融行業落地八大智能場景定義
AI+金融的落地場景與規模
市場偏愛AI風控，智能保險，智能客服三大場景
2019年在AI+金融的主要落地場景中，AI風控，智能保險和智能客服佔據了整個智能金融領域70%以上的市場規模。風控+AI技術也被銀行業和網際網路金融公司看作最有價值的技術落地場景。其次，因為疫情對於「無接觸」業務的需求大量提升，2020年智能客服的市場規模出現短期的大幅的增長佔到了11.57%的總規模，但預計在2021年後開始逐步回落。另外保險行業逐步探索出AI技術的場景落地價值，AI在該行業的市場潛力也將逐漸被挖掘，智能保險的產業規模佔據整個AI+金融領域的比例也將不斷攀升。
從技術上，AI風控主要依託於傳統機器學習技術和數據標籤的訓練。在技術發展上，未來在深度學習技術進一步的突破下，作為目前市場反響一般的「智能投研」，「智能投顧」未來的潛力也是巨大的。同時，政府機構擁有的龐大數據儲備，20年「監管沙盒」的試點啟動，也標誌著政府機構在「金融監管」上邁出重大的一步，「AI監管」在未來5年內也將爆發出強大的市場動力。
銀行是AI風控的主要投入者，2022年其投入將超過115億
2017年央行正式成立金融科技委員會，AI+金融的落地場景正式擁有了各項的技術標準。信貸場景中的AI風控技術目前主要還是依託於機器學習和知識圖譜等前沿科技。
從技術發展路徑上，2018年是深度學習和知識圖譜商業化應用飛速發展的一年。而從金融市場角度，17年的下旬央行對於現金貸的各項整治，讓市場重新開始認識到風控體系的重要性。因而18年銀行對於AI風控投入佔到整個AI技術投入的佔比出現明顯的提升，AI風控也逐步成為AI+金融領域中最有價值的「C位」。從中期來看，未來銀行對於AI風控的投入佔AI總投入的比例將保持50%以上，至2022年銀行業對於AI風控的投入總額將超過115億。
智能保險場景的市場規模高速增長在21年將有40%的增長
中國銀保監會統計數據顯示，國內市場的第一大險種為「人壽保險」，其次為「財產保險」。智能保險在保險業的應用主要體現在兩個環節，承保定價和核保理賠。
在承保定價方面，以人壽保險和信用保險（財產保險）中，通過智能保險系統協助對投保人進行風險定價。
在核保理賠方面，目前車險（財產保險）的極速理賠系統已經開始得到廣泛的應用，因而人工智慧技術的落地，為保險公司節省大量的「人力成本」並提升風險定價的能力。從市場階段上看，智能保險業務仍舊處於起步階段，保險公司經過前期的探索肯定了AI技術落地的價值，2020年7月「PICC」也成立了全資科技子公司，全力發展保險科技。因而我們預計在19年後智能保險場景的市場增速不斷上升，預計21年同比增長率將達到40%以上。
AI+金融領域行業發展和競爭格局
AI金融領域行業逐漸成熟，新入局者減少
從17年-22年的AI+金融的市場趨勢上看，其保持一個穩步增長的同時市場規模增速卻出現下降。其主要原因在於作為供應者的上遊技術廠商在行業話語權的減弱，主要的金融客戶集中在銀行和保險行業，而這類行業中的頭部企業都在AI的自主研發能力上有較大的進步，因而作為供給側的AI技術企業的利潤空間不斷縮小。在買方逐步掌握話語權後，科技公司在產品方案和技術發展上也需要更加貼近金融機構的實際應用場景。同時在擁有一定的技術自研能力後，金融機構也逐漸摸索出哪些AI技術的場景落地價值較大，不再盲目採購或投入研發AI技術進行場景適配試驗。從供給側來看，2016年以後AI金融領域的新入局者（不含銀行和保險類科技子公司）出現大幅下降。因而行業已經形成一個穩步的市場格局，頭部和腰部玩家已經逐漸清晰。
AI+金融市場中的三大玩家陣營
行業洞察篇
技術與場景融合體現技術落地成熟度
AI金融技術潛力仍然巨大，2022年技術將驅動市場增速上升
雖然AI+金融的市場規模增長有所放緩，但作為產業第一發展力的「技術」卻從未停滯。根據阿里雲研究院的數據統計，AI四大技術的應用程度來看，金融業在,六大行業排名第5，屬於中遊水平。
但2019年在AI應用層的專利申請數量來看，智能金融板塊遙遙領先，由此來看大量人工智慧企業對AI在金融領域的落地保持了強大的技術關注度。依據「摩爾定律」人工智慧基礎層通常會在18月左右發生一次技術上的革新，而基礎層帶來的技術紅利也將為逐步傳導致應用層，未來兩年，現有的AI+金融落地應用場景將更加成熟，新的落地場景也將會被逐步探索，且相應的技術落地成本也將會下降。基於技術落地能力的成熟和成本的下降，預計2022年AI+金融整體市場也將出現增速的提高。
AI風控是最有價值的應用場景，AI監管場景潛力巨大
政策導向和行業事件交叉展示行業趨勢
「去金融化，回歸科技」的浪潮一定程度上是政策壓力
從2016年國務院發布《網際網路金融風險專項整治工作實施方案的通知》（國辦發31號文）正式宣告網際網路金融進入強監管時代。然而步入2019年7月，《金融控股公司監督管理試行辦法（徵求意見稿）》（下稱辦法）釋放國家將大力整治仍存有大量金融業務的非傳統金融機構的信號。從2018年7月央行發布的《中國金融穩定報告》中，明確劃分了大型金控公司的類型：一類是金融機構在開展本行業主營業務的同時，投資或設立其他行業金融機構，形成綜合化金融集團；另一類是非金融企業投資控股兩種或兩種以上類型金融機構，事實上形成了金融控股公司。目前「辦法」尚未正式具備法律效力，但為了避免未來的合規風險，各大網際網路金融巨頭紛紛開始「更名」。更名的背後，也同時伴隨著部分金融業務和金融牌照從母集團的剝離。因而，回歸技術在一定程度上是來自監管信號的施壓，另一個層面上也離不開市場對於金融科技和人工智慧技術的追捧。
一線城市組織建立公共金融科技平臺共同攻克AI技術
自2019年8月，央行發布《金融科技發展規劃》（下稱規劃），一線城市將金融科技發展升級為區域重點扶持戰略。為了將金融科技打造成區域內重點特色產業，政府機構除了給予各金融科技企業補貼外，集合區域內的重點企業，成立公共金融科技開發平臺，共同攻克人工智慧，區塊鏈等技術為AI+金融行業拓展了良好的技術成長空間。從金融業分布來看，2018年北京市金融資產總規模已經達到99.5萬億，佔全國金融資產的40%左右，此外在人工智慧企業分布上，北京以1070家AI企業領先全國。在此基礎上，北京市科委在2019年年度績效任務中，明確規定「建立金融科技公共研發平臺-重點開展人工智慧、大數據和區塊鏈等金融科技關鍵技術攻關和示範應用」為年度工作目標。同時，上海市市政協十三屆二次會議中「對於0674號提案的批覆」中也明確了「金融科技公共服務平臺」的落地。此外，廣東省率先提出「數字政府+金融科技平臺」概念，對全省1100多萬家企業進行信用數據採樣和風險畫像。在政策基礎上，各大巨大牽頭先後組建了「金融科技產業聯盟」，通過金融場景數據的合規分享和技術交流為AI+金融的技術和產業發展開拓了一片良田。
企業發展與競爭格局交叉-顯現商業變革
未來3-5年內中小銀行的AI市場潛力巨大
根據2017年數據統計，銀行業對於IT技術的投入金額比例中，大型國有銀行以43.8%比例佔據了最大的IT市場。其次為城商行與各類農商行，佔據了30.4%的IT投入市場。但從17-19年的數據顯示，大型國有銀行對於IT的投入金額出現較小的下浮，而各類城商行與農商行從30.4%的投入比例，穩步上升至31.7%（2019年）。此外，從A股36家上市銀行的營收統計中，六大行國有行以64.3%的營收總佔比遠遠超過上市城商行與農商行的7.7%的營收佔比。從而可以推斷，各類城商行和農商行對於IT基礎的提升和數位化轉型的需求是強烈。
但銀行在數位化，智能化進程中的挑戰也是眾多的，針對中小銀行而言提升信息化水平和數據治理能力是重中之重。大部分城商行和農商行的項目經理表達了「銀行數據資產化」的需求，通過激活內部的數據的治理能力，提升獲客和風險控制的智能化水平。其次，城商行與農商行缺乏大量的科技人才，據IDC統計54%的區域性銀行的科技部門人員在150人以下。2019年大部分的城商行已經開始布局數字中臺戰略，中小銀行在未來3年內會逐漸爆發出對於AI技術的大量需求。而在供給側除了傳統的AI科技公司，各類大型銀行的全資科技子公司也將「輻射各類中小銀行」設立為自身的戰略目標。因而在市場潛力巨大的同時也伴隨著三大玩家陣營激烈的競爭。
開放銀行概念興起，聯邦學習技術將成為行業新的生產力
「開放銀行」概念起源於英國，2013年由英國「競爭和市場管理局」（CMA）推出，並在2016年3月正式發布了《開放銀行標準》。開放銀行的本質是為各類小型金融機構提供共享信息的安全通道，來幫助各類金融機構提供多元化的金融服務，並創新銀行產品。那麼如何建立安全的信息共享通道就成了開放銀行發展的關鍵。此外，鑑於國內對於用戶金融信息的「防洩密」要求逐步嚴格，對於直接開放金融數據進行交互的模式是不合規的。由此，如何合規的進行金融機構間的數據交互成了中國銀行業探索「開放銀行」業務的關鍵。
聯邦學習的誕生就是為了解決這個難題，其技術本質是分布式加密機器學習，在保護原始數據隱私安全的情況下進行聯合建模，共同分享計算結果。而在銀行數位化的進程中，商業銀行機構逐步將對數據的需求發展至「捕捉基於場景下的動態數據「從而實現高效獲客和低成本風控。基於銀行需求和合規要求，聯邦學習技術的發展也將對開放銀行模式起到決定性作用。該項技術的積累與突破，也將成為AI金融各賽道企業探索新AI+金融落地場景和商業模式的戰略藍海。
文
章
精
選
專
題
推
薦