爱分析·中国智慧金融报告-爱分析

报告编委

报告指导人

金建华爱分析创始人&CEO

张扬爱分析联合创始人&首席分析师

报告执笔人

李喆爱分析合伙人&首席分析师

卢施宇爱分析高级分析师

冯伟爱分析分析师

文末附下载方式，可下载完整版《爱分析·中国智慧金融报告》。

前言

在当下的中国金融业，人工智能技术正被寄予厚望：工农中建四大行在最近的年报中均多次提及人工智能战略，并开始在业务场景中推广人工智能应用。这表明，随着人工智能各项技术应用逐步成熟，“智慧金融”时代即将到来。

本报告由爱分析与马上消费金融联合发布，通过人工智能技术在金融领域的真实应用案例，剖析技术对金融业务的价值创造，并指出下一步“智慧金融”产业链的演进方向。

本报告重点关注四项人工智能技术在金融领域的应用：计算机视觉、语音识别、自然语言处理、知识图谱。核心观点包括：

• 人工智能技术对金融业价值链每一环节产生影响，体现在三个层面：自动化、智能化、创新化。目前，计算机视觉和语音识别技术在金融业务中已经得到普遍应用，业务自动化水平得到突破；NLP和知识图谱则在逐步落地中，使得智能化创新逐渐增加。

• 现阶段，人工智能技术创造的价值主要体现在：为金融机构降低运营成本和风险成本。短期内，人工智能应用仍将以这两点价值为核心；长期来看，技术应用将有助于新业务获取与客户满意度增加。

• 为发掘智慧金融价值，持牌金融机构需要尽早布局人工智能技术。两项新趋势已经出现：第一，人工智能在金融领域的应用正从产品向综合解决方案发展；第二，领先的持牌金融机构以自身场景应用为基础，对外进行技术输出赋能。

• 未来，新的人工智能技术和算法将不断走向成熟，推动行业迈向智慧金融新时代。这里我们以两项热门领域——联邦学习和可解释的人工智能（XAI）为例，展望人工智能技术在金融领域的潜在价值。

目录

一. 智慧金融浪潮来袭

二. 四类AI技术重塑金融生态

三. 发掘智慧金融价值

四. 未来技术应用发展

结语

关于爱分析

法律声明

1.智慧金融浪潮来袭

在当下的中国，以互联网渠道和数字化技术为代表的“金融科技”正在深刻改变金融业态。其中，伴随着互联网的全方位渗透，云计算和大数据两项技术已经得到了广泛应用。下一步，人工智能技术的大规模应用对金融业态将产生更加深远的改变。

2019年，机器学习、计算机视觉等技术已经规模化商业应用，自然语言处理、知识图谱、深度学习等技术逐步落地，金融机构应用人工智能技术正当时，智慧金融浪潮将席卷金融业。

1.1人工智能技术概览

人工智能是计算机科学的分支，研究目的是让计算机以接近或超过人类智能的方式作出反应。现阶段，在数字化技术和新兴应用场景的推动下，人工智能技术发展愈加细化，应用愈加广泛。

从产业链角度来看，人工智能领域分为三个层次，由底至上，越来越靠近终端应用：

第一，基础层，包括AI芯片、AI云平台等提供计算、存储、数据等的基础设施，也包括TensorFlow、Caffe、PaddlePaddle等通用计算框架；

第二，通用层，包括计算机视觉、语音识别（ASR）、自然语言处理（NLP）、知识图谱等通用技术，也包括机器学习、深度学习、增强学习等各类实现算法；

第三，应用层，包括身份识别、智能营销、智能风控、智能客服等各类终端场景应用及解决方案。

本报告聚焦人工智能通用技术和落地的金融应用场景，从通用技术出发，结合马上消费金融的技术创新和业务应用案例，探讨人工智能应用如何在金融行业创造价值。

1.2 金融领域人工智能商用走向成熟

爱分析从技术生命周期和金融产业采纳程度两方面，综合评价人工智能技术在金融领域商业应用的成熟度。

根据爱分析调研，尽管人工智能技术整体仍处于技术生命周期的早期，远未到达成熟阶段，但有四类通用技术业已进入或者即将进入主流商业应用，分别是：计算机视觉、语音识别、自然语言处理、知识图谱。

这四项通用技术在金融领域的应用，和为金融机构创造的价值是本报告重点关注的内容。在第二章的内容中，我们将具体介绍这四项技术，并借助技术在马上消费金融业务场景中的落地应用案例，评估其当前创造的价值，以及未来潜在价值。

从技术生命周期角度来看，这四项通用技术尚处于推出到增长的阶段，距离技术完全成熟还有一段距离，但并不妨碍其在金融应用中发挥作用。随着人工智能技术未来的进一步成熟，场景覆盖和解决需求的深度、效率仍有进一步提升的空间。

从采纳程度来看，计算机视觉和语音识别技术在金融领域都已有大规模落地应用的场景，创新金融机构也开始布局NLP和知识图谱的未来应用。

作为持牌消费金融公司，马上消费金融自建人工智能研究院，重点布局视觉、语音、NLP等通用技术，形成FaceX人脸识别、活体唇语识别、智能语音监测、空号监测、OCR等通用技术及产品应用。在此基础上，落地智能交互平台、智慧双录平台、智能贷后管理系统等解决方案。

需要注意的是，几类通用技术在场景应用中存在一定程度的融合。例如，语音识别相关的应用场景中往往涉及到对话，需要NLP提供语义理解能力；此外，各类人工智能的应用也离不开其它数字化技术的支撑，如云计算、大数据等。本报告主要从单一技术的核心应用和价值创造出发，对于场景端具体使用了哪些技术不做细致区分。

这四项技术之外，联邦学习、可解释的人工智能（XAI）等算法框架的未来应用正在金融业中广泛探讨。例如，联邦学习技术有望解决建模和模型更新过程中的数据隐私问题，有望对金融领域的数据生态造成变革。

这些新兴人工智能技术距离规模化商业应用还有一定距离，但前景可期。在第四章中，我们将对联邦学习等未来的金融秩序潜在颠覆技术进行介绍和展望。

1.3 人工智能为金融行业实现价值创造

金融机构应用人工智能技术，最终目的是为自身创造新价值。目前，随着部分人工智能技术规模化商业应用，创新已经渗透到金融产业每一环节，并在自动化、智能化、创新化三个层面上重塑金融价值链。

1.3.1人工智能渗透金融价值链每一环节

随着技术商业应用成熟度的不断提升，人工智能技术在金融行业取得越来越广泛的应用，价值链的每一环节都在受到不同程度的渗透。

我们将金融核心价值链定义为四大环节：产品设计、市场营销、风险控制、客户服务，这四大环节再加上人力、财务、IT等支持性活动，共同构成金融行业价值链。

我们可以看到，人工智能技术在金融价值链每一环节都有清晰的落地场景。但这些落地应用给金融机构带来的价值创造不尽相同，其应用成熟度、方案采纳难度也不尽相同。

例如，针对客户个性化地设计金融产品是大量金融机构的未来追求，因为可以预期到这一改变将带来增量客户。但相应地，个性化产品设计依赖于NLP、知识图谱技术的进一步成熟，也涉及到金融机构大量内部IT架构、业务流程的变化。

因此，我们需要进一步回答，各类人工智能通用技术应用究竟为金融机构创造了哪些价值，并进一步地预测其潜在价值。

1.3.2价值创造的三个层次

我们将人工智能技术为金融行业创造的价值分为三个层次：自动化、智能化、创新化。

自动化主要涉及到流程性工作，多数场景下是单一的感知智能技术，如计算机视觉、语音识别的应用。

一方面是金融机构内部的操作流程，如马上消费金融利用OCR光学字符识别技术，完成证件信息识别，解放了相关人力，降低了运营成本。

另一方面是金融机构与客户的交互流程，如通过人脸或语音等生物特征识别，自动认证客户身份，取代密码等验证方式，优化了用户体验。

智能化主要涉及分析、推理和决策性的工作。应用场景中往往涉及到数据挖掘，以及NLP、深度学习、增强学习等认知智能技术和算法。

例如，金融营销中的“千人千面”是一个典型的智能化场景，通过对潜在客户多维度数据，如金融数据、消费数据、社交数据的挖掘，精准绘制用户画像并匹配相应的营销策略、产品，对于增量业务获取起到正面作用。

创新化指的是人工智能技术应用带来的金融价值链的变革。其基础在于人工智能技术在某些细分领域的广泛应用，核心是金融机构业务流程、组织架构、商业模式的再造。

例如，智能投顾是一个典型的创新化应用，通过人工智能技术为用户进行风险识别、资产配置（公募基金匹配）、投资风险提示等工作。

三个层次的价值创造最终会体现在四类可量化的价值杠杆上：获取增量业务、降低风险成本、改善运营成本、提升客户满意度。

在第2章中，我们将用这一框架结合技术商业应用成熟度，对人工智能的四项通用技术：计算机视觉、语音识别、NLP、知识图谱，在金融领域可预见的潜在价值进行评估。

1.4 智慧金融生态初现端倪

随着人工智能技术在金融领域开始广泛落地应用，围绕智慧金融而产生的产业链逐渐完善，包括：基础设施服务商、通用技术服务商、垂直场景服务商等。最终，这些服务商将人工智能应用面向终端场景，如各类持牌金融机构、互联网金融等。

本报告重点关注人工智能对于持牌金融机构终端场景的价值创造，以及面向场景的技术服务商如何提供这些价值，进而形成智慧金融生态。