金融科技发展：政策推动与产业创新

文章主题：金融科技, 人工智能, 大数据, 区块链

在2017年的五月，中国人民银行组建了金融科技委员会，该委员会的主要目标是增强金融科技研究的规划和协调能力。在同年的六月，《中国金融业信息技术“十三五”发展规划》发布，其中将人工智能、大数据、区块链、云计算等新一代信息技术列为金融科技的重点研究领域，这从政策层面确定了这些技术的发展方向。仅仅两年后的2019年八月，人民银行正式推出了《金融科技（FinTech）发展规划（2019—2021年）》，这是我国首个科学、全面的金融科技规划。该规划明确了未来三年金融科技工作的指导思想、基本原则、发展目标和重点任务，并提出了建立健全我国金融科技发展的“四梁八柱”的方案，为金融科技的未来发展提供了明确的指引。此外，2020年中证协和银保监会发布了关于银行、保险和证券行业发展金融科技的指导意见，以推动技术在金融领域全场景的应用。总体来看，金融科技政策的推动在深度和广度上都已经比较充分，未来在技术标准制定和具体场景应用方面预计会出台新的引导意见，以便确保技术的合规性和合理性，并为行业的赋能划出一条行得通的道路。

在我国的政策导向下，推动中小微企业贷款服务的优化和发展已成为当前的重要任务。这些企业在国内外经济中扮演着重要角色，贡献了超过80%的就业机会，对于稳定我国经济和刺激内需具有重大意义。随着疫情的逐步缓解，恢复生产和振兴经济成了工作的主要方向，其中，激活中小微企业的活力就显得尤为重要。为此，合理调整贷款政策，降低风险，加强监管，有效的贷款服务将成为推动这一进程的关键因素。2020年6月，人民银行等8家机构联合发布了《关于进一步强化中小微企业金融服务的指导意见》，该意见提出利用金融科技手段提升小微企业金融服务水平，鼓励商业银行采用大数据、人工智能等技术构建风险定价和管控模型，改革信贷审批流程。这一政策为AI金融行业目标群体由C端转向B端提供了明确的指导。发展供应链金融服务是解决中小微企业贷款难题的主要途径，而供应链金融的本质仍然是金融服务，因此，风险控制至关重要。在供应链金融中，主要包括主体企业风险、交易风险和操作风险。AI技术可以通过机器学习和知识图谱等方式，处理和建模主体企业的工商、税务、舆情等信息数据，建立信用评价体系，扩展行业自动化评价维度。同时，知识图谱可以组织和揭示产业链中的关联性交易，预防虚假交易的发生。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，既降低成本，提高效率，又减少机械风险和人员道德风险。从发展趋势来看，金融服务的重心将继续向B端企业倾斜，金融科技也将随之向B2B领域拓展。对于AI金融相关企业来说，如何适时调整战略，将C端积累的经验成功迁移到B端服务，将成为未来竞争的关键所在。

2019年至今AI+金融相关代表政策汇总

在2019年的市场上，银行依然是最主要的购买力来源。尤其是我国的一些大型国有银行和股份制银行，他们在人工智能领域的布局较为深远，技术和场景的融合也十分紧密，展现出了更具前瞻性和探索性的需求。在合作模式上，这些银行更加关注AI技术在银行系统框架溯源升级中的价值，以及在金融科技生态体系中的并联应用。因此，那些拥有丰富数据和场景资源，技术实力强大，并且有充足资本支持的科技巨头企业，成为了他们的首选合作伙伴。与此同时，随着业务复杂度的提升和数据量的增长，中小型银行与AI公司的合作也在不断深化。在2019年，他们的合作重点主要集中在风险控制、市场营销、消费金融和供应链金融等领域。中小型银行对成熟AI金融解决方案的广泛需求，为AI公司提供了良好的发展土壤。除了银行，保险公司、证券公司和证券交易所等金融机构也与AI公司展开了战略合作。然而，由于场景中的规则机制过于复杂，AI在诸如定损、定价、投顾等核心领域的价值尚未完全显现，双方的合作仍处于初级阶段，主要集中在文本处理、信息搜索和合规审核等场景。从供应方的角度看，AI金融行业的参与者开始逐步摆脱金融业务的束缚，向纯粹的技术输出转变，同时在产业链的拓展上也显得更为审慎。在服务中小微企业贷款政策的推动下，AI风控公司也开始倾向于利用企业数据来训练模型，向供应链金融输出风控体系。总的来说，行业的视角正在从AI技术的的能力转向了场景的需求，供应商的价值得到了肯定，但主动性有所下降，市场需求的话语权有所提升。展望未来，金融机构将会更加明确地知道他们需要什么技术，以及与哪些公司合作，技术提供方将在能力和范围的竞争中发挥重要作用。

行行查，行业研究数据库 www.hanghangcha.com

在2019年，金融科技创新的领域已经超越了传统的金融机构与科技公司之间的合作范畴。以我国国有四大行为代表，其中三家成立了全职金融科技子公司，而大型股份制银行也紧随其后，到2018年时已有四家大型股份制银行成立了全资金融子公司，这些举措充分展示了银行机构对于金融科技创新的决心。银行与金融科技公司的合作是一个技术和场景不断融合的过程，AI在风险控制、市场营销等领域的实际应用价值让银行机构深刻认识到其战略意义。在这个过程中，银行不仅掌握了技术在实际场景中的应用经验，也为成立金融科技子公司奠定了基础。然而，银行与科技公司之间的合作中也存在一些问题，如技术在场景落地中的经验、沟通成本以及项目对接等。因此，银行更倾向于通过成立科技子公司的形式来获取服务自身和行业所需的技术能力，从而掌握技术的主动权。在发展路径上，头部银行成立的金融科技子公司不仅为母公司提供技术服务，还希望将自身的技术产品推广至中小型银行。从2019年至2020年的市场现状来看，金融科技公司仍然是中小银行的主要合作伙伴。在产品层面，银行系科技子公司尚未形成具有竞争力的成熟AI产品，因此在竞争上并未形成明显的优势。然而，随着银行强大的资本背景和优质金融数据的运用，以及数据开源概念的推动，银行系金融科技子公司有望成为科技市场的新力量，并对金融科技公司的市场份额产生冲击。

在对2015-2020年7月份AI金融领域的融资情况进行综合分析后，我们可以明显地看出，2015至2018年期间，AI金融行业成为了资本的热门领域，融资事件的数量保持稳定，并且融资总额的增速一直呈现上升的趋势。在这个阶段，创业公司的发展势头强劲，得到了资本的持续关注和投入。然而，到了2019年，由于P2P行业的风险事件监管日益严格，资本市场也开始变得谨慎，融资事件的数量大幅度下降。尽管如此，那些具备技术实力的相关企业仍然成为了资本追逐的主要对象，资源开始逐步向优质的投资目标集中。预计这种趋势在2020年仍将继续。通过观察近几年AI金融各个细分赛道的融资情况，我们可以发现，大数据服务和智能风控领域是获得融资的重点。这些领域拥有巨大的市场潜力和明确的使用价值，这对吸引投资起到了关键的作用。然而，由于业务的同质性导致市场竞争异常激烈。

在分析2018-2022年中国AI金融市场规模及其预测的过程中，我们可以明显观察到，金融领域总体信息科技的投入持续增长，且金融科技与人工智能的投入同步发展。具体来说，人工智能在整体科技投入中所占比例的增速保持稳定，未出现异常值，这表明市场对AI技术的应用价值有充分认知，并积极计划增加购买力度。进一步观察互联网金融机构与传统金融机构在AI投入上的差异，可以发现互联网金融机构正在加大购买力度。这一现象符合互联网金融机构由传统的金融服务向技术服务转型的趋势，而人工智能技术在这个过程中发挥着关键作用，成为推动转型的主要能力抓手。

在2019年的中国金融机构AI投入规模结构中，我们可以明显地看到，银行业、互联网金融行业以及保险行业是AI技术的主要购买方。其中，银行业的业务流程最为复杂，数据量巨大，风险控制要求严格，因此成为金融领域中AI技术需求的最大来源。过去几年里，银行业对AI技术的投入不断增长，这种趋势预计将会持续下去。据预测，到2022年，银行业AI技术的总投入规模将超过220亿元。在技术获取途径方面，银行业主要通过与AI公司合作，购买相关产品和服务的模式，2019年这种方式占据了其AI投入的85%。然而，随着银行自建科技子公司等提高自主研发能力的策略的发展，采购规模有望逐步减少。尽管如此，合作和技术采购仍然是行业中最主要的AI技术获取方式。

AI+金融产业图谱

人工智能+金融行业落地八大智能场景定义

在2019年，人工智能（AI）在金融领域的三大核心应用场景——风控、智能保险和智能客服——占据了超过70%的市场份额，使其成为智能金融领域最具价值的的技术之一。其中，风控AI技术在银行业和互联网金融公司中被广泛认为是最具潜力的技术应用场景。受疫情影响，2020年智能客服市场规模实现了显著增长，短期总规模达到了11.57%，然而预计在2021年后将逐步回落。与此同时，保险行业也开始发掘AI技术的应用价值，预计其市场潜力将被逐步挖掘出来，智能保险产业规模在整个AI金融领域的比例也将持续上升。在技术层面，AI风控主要依赖于传统的机器学习技术和数据标签的训练。随着技术的发展，未来深度学习技术的进一步突破将为“智能投研”和“智能投顾”带来巨大的潜力。同时，我国政府机构拥有庞大的数据储备，并在2020年开始实施“监管沙盒”试点，这标志着政府在金融监管方面迈出了重要一步。预计在未来五年内，“AI监管”将成为一股强大的市场力量。

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。

行行查，行业研究数据库 www.hanghangcha.com

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。

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。