金融科技报告-PDF版

香港金融科技创业生态洞察赞助：编制：目录01.香港金融科技机遇02.对内：与中国内地的融合03.对外：面向国际化的桥梁04.香港金融科技案例分享201.香港金融科技机遇3香港金融业态高度繁荣，彰显国际.

18人已浏览 2023-09-26 26页 5星级

金融科技行业及其人才与人力资源服务需求分析2022,2023十大行业洞察序言随着我国数字经济持续高速增长,金融科技政策环境和监管规则体系不断优化,行业守正创新,合规经营,规范发展的态势加快形成,我国金.

61人已浏览 2023-09-16 103页 5星级

银行数字科技五大趋势武连峰武连峰IDC中国副总裁兼首席分析师平台&社区规模化创新AI无处不在技术大变革的新时代已然开启云计算云计算移动移动201520352023量子计算广义通用AI生成式AI专属AI元宇宙生成式AI将渗透到所有领域行业专属应用场景业务职能应用场景生产力相关应用场景生成式AI基础模型负责任的AI政策智能体系架构培训与技能重构战略与路线图自动化7x24客服产品知识管理社交媒体内容销售建议书开发个性化营销活动产品研发设计代码产生与测试个性化员工入职和培训内部数字化助手加速研究与发现外部外部内部内部 信信 任任 与与 监监 督督新时代发展对金融提出了新要求转型更深化金融业数字化体系更健全金融科技治理释放更充分数据要素潜能应用更深化关键核心技术增效更显著金融服务提质建设更先进数字基础设施Source:中国人民银行，金融科技发展规划(2022-2025年),IDC整理，2023银行数字科技五大趋势数字技术应用现状与发展消费者与企业金融现状与需求银行业政策现状与未来导向从“卡时代卡时代”转向“移动时代移动时代”MORE银行行业平均电子渠道分流率为 银行在支付宝、微信截止2023年6月底，中国手机银行App月活用户数超一部手机就是一个银行网点，9成以上业务都能“点一点”始于金融，不止金融不止金融Source:CNNIC，国家统计局，人民银行，IDC，2023饭票汽车生活生活缴费商城积分影票充值缴费车主服务商超折扣出境-留学电子社保卡酒店积分游戏商超便利随身银行不只是手机App，还包括银行类服务API嵌入各类高频应用中随身银行也不只是手机，未来也会渗入各类可穿戴设备中，如AR/VR/MR等截至2022年底，招商银行App总用户数达 1.881.88 亿户月活近 7,0007,000 万户合作影院超 10,00010,000 家合作餐饮商户超100,000100,000 家覆盖全国 100100 多个城市接入公交、高铁、ETC等出行方式截至2022年底，工商银行App总用户数达5.165.16亿户月活1.741.74亿户，数字化业务占比超过 98%“发现”页签 实现“千人千面”开放式财富社区在手机银行8.0版中，重塑1818大类服务，提升500500余项功能，新增炫彩刷脸、重力感应、碳账簿、数字藏品等新功能Source:各银行2022年报，IDC，2023人工智能深入风控系统，“AI大脑”将成银行主流选择Source:IDC，2023智能化的风险管理智能化的风险管理智能化的信贷授信智能化的信贷授信银行风控系统银行风控系统如何用如何用AIAI到2026年，将人工智能应用于为信贷授信服务将人工智能应用于为信贷授信服务将成为银行的主流选择；至2026年底，由于复杂的(AI/ML)和深度学习算法的应用，尤其通过开放银行生态所搜集的多源可用数据，将使得企图进行身份欺诈的发案率降低12%IDCIDC预测预测风控大脑有助于：精细化风险识别和评估、精细化风险识别和评估、实时监控和预警、优化决策过程、反欺诈与实时监控和预警、优化决策过程、反欺诈与合规、预测性分析合规、预测性分析。建设风控大脑时需要关注：数据质量、算法准确数据质量、算法准确性、实时性、合规性、与核心业务系统集成。性、实时性、合规性、与核心业务系统集成。2022年全年，中信银行“哨兵”智能反欺诈系统通过电话核实、弹窗电话核实、弹窗警示、交易阻断警示、交易阻断等机制主动劝阻被诈骗客户860860人，拦截资金1.121.12亿元亿元；查控涉赌涉诈账户2.342.34万万户，管控资金2.652.65亿亿元业务场景情报收集覆盖全客户全产品全渠道欺诈交易拦截 涉赌涉诈查控 异常收单商户 可疑资金社团 异常登录行为 异常开户只收不付交易阻断风控专席人脸识别延迟到账限额调整风险提示管控手段行内案例库监管黑名单三方黑产数据风向处置协同链反欺诈策略运营01.总行预警02.分行下发03.支行核实异常入账异常出账异常设备异常操作异常地址异常登录风险决策链信息共享链06.处置结果反馈05.客户劝阻04.联动反诈中心/派出所中信银行零售业务反欺诈运营体系Source:IDC，2023感知认知交互多模态识别技术识别准确率高达 95%以上百灵智能交互式风控系统百灵系统决策业内最大的企业级动态图谱企业级动态图谱让机器具备行业洞察知识驱动的非剧本式对话让数字风控更有人情味更有人情味会进化的风控大脑多维度决策因子多维度决策因子实现了“310310”贷款模式累计服务小微用户数超800万能说会道懂业务，8成银行将“聘用”数字人统一标准改进服务提升效率降低成本沉淀数据挖掘价值重视科技重塑品牌集成GenAIGenAI的数字人将大行其道，“看懂文字、听懂语言、做懂业务”将成为常态集成AR/VR/MRAR/VR/MR的虚拟数字人作为元宇宙的重要组成部分将逐渐在金融行业应用到到20252025年，超过年，超过80%的银行都将部署数字人，承担的银行都将部署数字人，承担90%的客服和理财的客服和理财咨询服务咨询服务Source:IDC，2023IDCIDC预测预测数字员工的目的本质不是替代人不是替代人，而是做人的智能助理，做重复枯燥的工作，让人做更有创意的工作数字员工缺乏共情能力缺乏共情能力，或将有损用户体验，银行必须给予足够重视基于数字人形成的数字员工体系，已实现数字财富规划师、数字财富规划师、AI AI 培训师、数字文培训师、数字文档审核员、数字大堂经理档审核员、数字大堂经理等2020多个数字员工场景重点投入数字人，构建大规模数字员工队伍覆盖业务板块公司公司零售零售运营运营清算清算金融金融市场市场Source:网络，IDC整理分析，2023姣姣和小姣-交通银行的数字员工“姐妹花”短视频录制、企业宣传片、展会宣传业务答疑、服务引导、办理账务查询、理财推荐、脱口秀、定制祝福小姣姣姣物联网与边缘计算“打通”小微金融最后1公里，农户可通过卫星办理贷款数据流动使用合规关系创建连接人人流程流程应用应用物物IDC未来联接模型物联网物联网(包括卫星遥感包括卫星遥感)、边缘计算、人工智能、边缘计算、人工智能(包括计算机视觉等）包括计算机视觉等）正在普遍应用于银行小微金融业务，拓展着金融服务实体经济的边界；正在普遍应用于银行小微金融业务，拓展着金融服务实体经济的边界；到2027年，40%的G2000企业将通过低轨道卫星技术，满足偏远、农村和高风险地区的网络覆盖；AIoT贷款将流行，到2026年，借助人工智能物联网技术和其他数据，各行业的中、小、微型企业贷款覆盖率将达到70p%。Source:IDC，2023IDCIDC预测预测安全性和隐私保护：安全性和隐私保护：随着边缘计算和物联网设备的增加，银行应加强数据安全性和隐私保护；数据质量和分析：数据质量和分析：物联网与边缘计算生成大量的数据。银行应该确保收集数据准确、完整和可信。大山雀卫星遥感风控系统 大山雀卫星遥感风控系统首创大山雀卫星遥感风控系统首创通过AI技术，解析卫星图像，识别作物的种植面积、种类和长势，并结合气候、位置、行业景气度等因素，给予农户精准的授信和合理的还款周期截至2022年末，“大山雀”已覆盖3131个省市自治区，服务超120120万种植户。Source:IDC，2023星云物联网平台平安银行已连续合作发射了三颗卫星三颗卫星，搭建搭建 “星云物联网平台星云物联网平台”。截至2023年6月末，“星云物联计划”已在智慧车联、智慧制造、智慧能源、智慧农业、智慧基建、智慧物流等六大产业领域六大产业领域落地多个创新项目，累计支持实体经济融资发生额超8,0008,000亿元。6成以上银行将采用云原生架构，支持安全可控与未来生态创新完整的金融行业云原生是从物理部署层面到应用开发层面的全栈式架构，是“云原生云原生 金融金融ITIT架构架构 长期实践长期实践”的有机结合金融云原生覆盖5大领域：设计域、研发域、运行域、运维域、设计域、研发域、运行域、运维域、灾备域灾备域 金融行业云原生的含义42B%0%2%计划实施单点实验局部应用全面推行优化创新Source:IDC，2023云原生在金融行业的应用现状从技术从技术角度看角度看，云原生架构是一组架构原则和设计模式的集合；从业务角度看从业务角度看，云原生是一种业务创新模式的选择；从价值提升角度看从价值提升角度看，云原生面向企业IT架构中的大量非功能特性，对保障业务的高效开展必不可少到20252025年，60%的中国境内银行将基于当前应用程序的使用现状制定并实施云原生数字核心战略IDCIDC预测预测金融级云原生是一个覆盖战略、组织、流程、战略、组织、流程、技术和运营技术和运营的全方位演进过程，要建立一套全流程、端到端、标准化的云原生交付体系；对于已经有丰富云原生应用经验的金融机构，必须要关注：高可用、高性能、业务连续性、系统高可用、高性能、业务连续性、系统安全稳定。安全稳定。率先发布金融业云服务品牌“建行云”，首批推出三大类10个云服务套餐，为中小微金融机构提供“开箱即用”的技术服务建行云在2023年初推出三大类 10 10 个云服务套餐核心银行套餐对公信贷套餐数字化零售套餐信用卡套餐智能风控套餐业务应用类金融研发云套餐金融灾备云套餐基础技术类金融级云上数据中心套餐金融级龙舟远维护航套餐金融级安全防护套餐基础云服务类NEWNEWNEWNEWNEWNEWNEWNEWNEWNEWSource:IDC，20232019年11月2020年6月2021年5月2021年12月2022年10月2022年3月广发银行容器云平台建设历程项目立项开展容器相关技术验证容器云平台容器云平台1.01.0生产上线。对接行内运维体系具备容器资源管理以及容器资源监控能力完善运维体系，完成平台自动化巡检、自动化投产等功能上线。加固监控体系，自研BPM，扩大监控覆盖自研应用发布功能上线，在流程上接入现有持续集成以及自动化变更平台，降低应用接入门槛上云接入应用数突破100100个。平台完成对信息设备纳管，对外提供云服务容器云平台容器云平台2.02.0生产技术上线,实现以“应用为中心”，通过下沉公共能力到平台，让应用更关注自身业务逻辑的实现银行数字科技五大趋势一部手机就是一个银行网点一部手机就是一个银行网点九成以上九成以上业务都能业务都能“点一点点一点”能说会道懂业务，能说会道懂业务，20252025年，年，80%的银行将的银行将“聘用聘用”数字人数字人人工智能深入风控系统人工智能深入风控系统“AIAI大脑大脑”将成银行的主流选择将成银行的主流选择物联网与边缘计算物联网与边缘计算“打通打通”小微金融小微金融最后最后1 1公里公里 农户可农户可通过卫星办理贷款通过卫星办理贷款6成以上银行将采用云原生架构，支持安全可控与未来生态创新未来所有企业都将把绿色与可持续发展纳入公司的议事议程绿色普惠嵌入所有所有银行业务支持自身和社会可持续发展2030 2030 碳达峰碳达峰 2060 2060 碳中和碳中和 以降耗减排用能效率提升为主大力加强绿色能源建设(2045-2060年)全面使用清洁能源降低人均碳排放化石能源使用总量快速下降(2045-2060年)深度脱碳，零碳负碳技术规模应用最终实现碳中和(当前-2030年)2021203020452060绿色信贷持续增长，到2025年，全球头部银行25%的贷款产品将明确与可持续性关联。ESG支出持续增长创造社会价值。到2025年，中国1/41/4的组织将通过将与可持续性相关的数字技术支出在2022年的基础上增加25%以上，展现负责任的领导力。IDCIDC预测预测

77人已浏览 2023-09-13 17页 5星级

金融开放平台数据库转型白皮书金融开放平台数据库转型白皮书金融科技产业联盟金融科技产业联盟2022023 3 年年 0 09 9 月月1主编单位主编单位金融科技产业联盟工行华为2前前言言“十四五”规划提出“加快数字化发展”的总体布局，金融开放平台业务系统数据库作为金融信息系统的关键基础设施，对于突破金融效率瓶颈、释放金融创新空间、提升金融服务水平、支撑金融行业数字化转型和高质量发展具有重要而深远的意义。为进一步推动数据库技术在金融行业的应用与发展，北京金融科技产业联盟联合工行等金融机构及华为，调研金融行业开发平台数据库技术应用现状、分析金融行业数据库架构转型中的重点和难点应用场景，编写了本报告，希望可以为金融同业及相关领域从业者提供参考。本文主要聚焦于银行业为主的金融领域开放平台业务系统对关系型数据库的应用转型：对数据库的技术选型，提出以集中式 分布式双栈部署架构，满足不同业务场景需求。对于大部分的稳态业务，可以以集中式部署为主，满足快速原地平台的转型需求。对于部分敏态业务、有弹性扩缩容需求的场景，可以分布式部署。对涉及数据库转型各方面，包括同城双集群容灾、对象迁移、数据迁移、数据校验、测试验证、并行方案等，是一个整体解决方案的研究，是解决金融行业在分布式数据库迁移过程中的实际问题，提供整体迁移方案技术指导。目录一、金融开放平台业务系统现状调研 5 页.1（一）金融行业业务场景的数据库部署情况.11、金融行业应用数据库技术发展历程.12、金融行业应用数据库现状.2（二）传统数据库在金融行业应用高可用架构.3（三）传统数据库在金融行业存量情况：存储过程，函数、类型.4（四）转型挑战.4二、转型目标和总体思路.6（一）转型目标.6（二）解决思路.7三、数据库架构技术路线及在金融行业的应用（庞毅、怎么选）5 页.8（一）典型核心应用场景数据库需求.81、时效性要求高的业务.82、业务流量变化大的业务.83、可用性要求高的业务.84、混合负载应用的业务.9（二）国产化数据库技术路线分析.91、集中式.102、分布式.12（三）选型建议.141、集中式/分布式.142、高可用容灾.16四、开放平台应用转型（赵耀、怎么干）15 页.17（一）规划设计.171、业务与数据库适配规划设计.172、迁移步骤与迁移计划的规划设计.203、测试方案规划设计.244、运维方案规划设计.24（二）业务改造及测试.251、业务改造过程.252、业务测试过程.25（三）数据迁移.251、数据迁移设计.252、数据迁移执行过程.28（四）上线割接.281、割接演练.282、正式割接.29（五）运维实施.301、运维保障.302、异常处理情况.30（六）风险防范.311、实际及潜在风险的防范.312、路径上先外围后核心.313、漏洞及安全.31五、工行转型实践 庞毅 8 页.32（一）现状（GRAM 应用？）.32（二）挑战.32（三）路径选择.331.原位替换，平滑迁移.332.分布式改造.34（四）方案规划.341.精简模式性能、容量和高可用能力增强.342.部署架构选型.36（五）迁移和同步，单/并轨.371.构建自动化迁移工具，提升迁移转换成功率.372.提升异构数据库数据迁移工具能力.38（六）测试.381.自动化测试工具.382.比对测试工具.393.覆盖率统计工具.394.流量回放工具.39（七）运维.401.待工行补充实践.40（八）效果总结：迁移结果，运行多次时间，运行效果.401.提升 GaussDB 性能容量及高可用能力.412.提升异构数据库数据复制工具的数据同步能力.413.提升 Oracle 数据库到 GaussDB 的自动化迁移成功率.414.自动化测试工具链建设.41（九）未来规划.42六、未来展望5 页.42（一）内存池化，全栈解耦，追求极致的弹性伸缩.42（二）基于内存池的 HTAP，释放软硬协同的潜能.43（三）智能弹性，实现更细粒度、更精准的资源调度.44（四）全场景智能数据库，发挥 AI 与数据库的融合价值.45（五）结合全密态和防篡改技术，保障云上数据安全.47参考文献.481一、一、金融开放平台业务系统现状调研金融开放平台业务系统现状调研（一）（一）金融行业业务场景的数据库部署情况金融行业业务场景的数据库部署情况1、金融行业应用数据库技术发展历程、金融行业应用数据库技术发展历程改革开放后，我国金融行业面对信息技术革命滚滚大潮，积极学习和吸收世界金融行业技术革新成果，告别了手工记账时代，开启电子化、信息化建设进程，带来了金融行业工作方式和业务处理的巨大变革。随着金融体制改革不断深化，开始推动金融系统纵向统筹管控，金融行业走向数据大集中的发展道路。工行、农行、中行、建行等国有大行于世纪之交率先开启集中式金融信息系统技术体系建设，宣告中国大型金融机构步入集约化经营时代。1999 年，工商银行启动“9991”数据大集中工程，将全行 30000 多家下属机构经营数据全部集中到南北两个数据中心，实现数据共享大集中处理模式。这一时期，商用集中式数据库以其高效的数据存取效率、优异的系统稳定性，很好地契合了金融行业对数据存储管理的需求，为金融行业实现信息集中统计处理、财务集中改革、风险集中控制、业务集中管理等奠定了坚实的技术基础。商业集中式数据库以其较强的功能黏性、优秀的系统稳定性、良好的软硬适配能力，目前集中式数据库在金融业总体占比仍高达 89%。尽管银行业数字化转型推进更快，分布式数据库应用更多，但集中式数据库应用占比仍接近 80%，证券和保险业占比均超过 90%。详细情况如图 3 所示：2图而 MySQL、PostgreSQL 等开源数据库近些年逐渐从金融外围系统向金融核心业务延伸。为应对数字化转型带来的高并发、海量数据、超高峰值等挑战，近年来各金融机构纷纷开展分布式数据库的探索，多技术路线并行推进试点，分布式数据库在金融行业应用规模预计将有明显提升。2、金融行业应用数据库现状、金融行业应用数据库现状传统商业集中式数据库以其较强的功能黏性、优秀的系统稳定性、良好的软硬适配能力，目前在金融行业的存量应用仍占据较大的份额。而国产数据库和 MySQL、PostgreSQL 等开源数据库近些年逐渐3从金融外围系统向金融核心业务延伸。为应对数字化转型带来的高并发、海量数据、超高峰值等挑战，以及传统商业数据库迁移的难题（如 Oracle 部署规模大、存储过程复杂等），近年来各金融机构纷纷开始进行开展分布式数据库的探索，多技术路线并行推进试点，分布式数据库在金融行业应用规模已经有明显提升。（二）（二）传统数据库传统数据库在金融行业应用高可用架构在金融行业应用高可用架构传统数据库具备多种高可用方案，满足金融客户不同业务场景需求。如 Oracle 的 RAC、ADG 和存储复制方案，满足多中心高可用需求。该方案采用基于 FC-SAN 外置存储的存算分离架构，底层以共享存储（Shared Storage）的模式对接企业级存储盘机保证数据的高可靠，计算层部署多个无状态 Oracle 实例（RAC），通过缓存融合技术（Cache Fusion）实现计算实例多读多写。本地高可用基于 RAC 实现故障快速切换，实现 RPO=0，RTO 秒级，同城通过 ADG（ActiveDataGuard）进行数据同步，通过集中存储磁盘复制同步日志确保同城故障切4换时数据完整性，实现 RPO=0，RTO=1030 分钟。目前 Oracle 方案的成熟度高，在金融行业应用广泛，内核稳定，各类技术方案经过充分生产验证，具备完善的监控告警、高可用容灾及配套工具等运维体系。随着信创转型工作的重要性和紧迫性逐渐加大，大量基于 Oracle 数据库的应用面临数据库国产化转型的压力日益增大，而大型业务应用的 Oracle 数据库具有请求峰值大、数据量大和存储过程体量大等特点，应用转型对数据库系统部署方案提出更高的性能容量、高可用和稳定性的需求。（三）（三）传统数据库传统数据库在金融行业存量情况：存储过程，函数在金融行业存量情况：存储过程，函数、类型类型以工行为例，目前使用 Oracle 数据库的总行应用接近 200 个，其中 AB 类应用超过 90 个，合计使用了超过 36 类 Oracle 对象、24 类基础数据类型、166 个系统内置函数、67 个系统高级包和 168 个系统视图，存储过程总行数超过 2 亿，数据库对象总数量超过 3000千万，Oracle 数据库转型工作面临巨大挑战。（四）（四）转型挑战转型挑战缺少机制和指引保障，选型难（怎么选），迁移难（怎么干）目前，在国内政策和国际环境的双重作用下，国产数据库百花齐放，起步较早的国产数据库厂商已经在稳定性和性能上可以与国际大厂持平，并且在金融、政府等重要行业得到多次验证。面对如此众多的数据库厂商及其技术发展路线和部署架构，金融行业亟需解决如何5进行数据库的选型。除了数据库的选型问题外，开放平台应用转型还需要回答这三个核心问题：一是解决高可用问题，如何打消客户对系统可用性可靠性的疑虑。在金融业务创新、应用逻辑重构的过程中，也在不断实现底层系统架构的迁移和迭代，随着金融行业数字化转型不断深入，存量的开放平台传统应用往往具有历史比较久远、业务长期稳定、关联应用较多等特点，必须有效控制迁移风险，保障迁移过程中应用服务平稳运行。二是解决性能问题，如何解决客户对数据库、以及构建其上的应用性能的疑虑。开放平台传统应用与数据库高度耦合的优势就在于减少了系统组件之间的交互开销，此类应用的业务场景往往对系统性能有较高要求，需在满足业务性能指标要求的前提下开展数据库架构转型。三是业务的平滑迁移，如何降低整个过程的实施成本和风险。部分商业数据库产品的高级特性和软件包存在知识产权壁垒，国际化金融机构在数据库迁移过程中需更加重视目标数据库产品的知识产权风险，保障技术供应链的安全合规和稳定可靠。完全兼容商业数据库、无需应用层改造的迁移方案是否适合金融行业大规模推广使用，目前业界尚无定论。6二、二、转型目标和总体思路转型目标和总体思路（一）（一）转型目标转型目标（“两有两不两有两不”目标）目标）安全有保障，容灾有提升，功能不受损，服务不降级一是安全有保障。金融级数据库通常用于存储各行业的核心数据，其任意一笔数据错乱、丢失将带来严重影响。转型过程要保证数据库软硬件系统的整体安全可信，即使在某些软件故障、硬件异常的情况下，数据库都应保证数据的强一致性。二是容灾有提升。金融级数据库为确保在异常情况下数据不丢失、不错乱，需要具备多地多中心的容灾快速恢复能力。转型过程可以通过数据库软硬件协同的系统工程，实现系统级灾备能力及指标提升，例如双中心双集群容灾 RPO=0，RTO60 秒等。三是功能不受损。金融级数据库经过近二十年应用和演进，已经有大量的存量数据库部署，需要充分考虑当前已经使用的功能，尤其是应用开发使用的存储过程等特性，通过提升存储过程的兼容性，简化转型的工作量，可以加快转型的时间节奏。四是服务不降级。金融级分布式数据库服务于涉及国计民生的重要业务系统，其对运行连续性要求异常严格。数据库作为业务系统的基础，其通用的可用性要求在 5 个 9 以上。转型过程可以充分借鉴传统数据库的高可用设计，例如 Oracle 数据库的 RAC、ADG、存储复制等高可用特性。7（二）（二）解决思路解决思路（“四化四化”思路）思路）方案体系化，工艺标准化，工具链条化，经验资产化一是方案体系化。二是工艺标准化。三是工具链条化。四是经验资产化。对应挑战 逐步建立完善的机制和保障体系（单/并轨，回退、测试），怎么选（按场景目标架构以集中式 分布式 集中式为主）对数据库的技术选型，提出以集中式 分布式双栈部署架构，满足不同业务场景需求。对于大部分的稳态业务，可以以集中式部署为主，满足快速原地平台的转型需求。对于部分敏态业务、有弹性扩缩容需求的场景，可以分布式部署。对涉及数据库转型各方面，包括同城双集群容灾、对象迁移、数据迁移、数据校验、测试验证、并行方案等，是一个整体解决方案的研究，是解决金融行业在分布式数据库迁移过程中的实际问题，提供整体迁移方案技术指导。8三、三、数据库架构技术路线及在金融行业的数据库架构技术路线及在金融行业的应用应用（一）（一）典型核心应用场景数据库需求典型核心应用场景数据库需求1 1、时效性要求高的业务时效性要求高的业务高并发且多变的业务场景对数据库的时效性要求越来越高，当业务负载比较大的时候，以业务报表查询为例，高峰时段的业务量是平时业务的十倍左右。为了满足查询效率，需要数据库却可以快速扩容，满足业务高峰需求，很好地支持业务的快速变化。2 2、业务流量变化大的业务业务流量变化大的业务大多数传统行业业务增量相对稳定、容易规划所需要的资源容量，与之不同的是，互联网这类业务随时可能出现流量激增的情况，要求国产数据库具备很强的可扩展性，可以根据业务负载灵活调动资源，随时扩缩容，3 3、可用性要求高的业务可用性要求高的业务需要以下几个方式来保证核心业务的可用性。一是同集群的故障节点主备切换。在提供高性能的同时保证了系统的高可用性和业务的连续性。二是跨可用区、跨地域部署的容灾能力。三是通过自动的全量增量备份、数据快速恢复、恢复到任意时间点等方式保障多层次备份恢复。94 4、混合负载应用的业务混合负载应用的业务由于金融业务发展而带来的复杂多样的业务变化，导致大量不同业务类型的数据存放在一起。例如交互系统和报表系统，一种是 OLTP 应用场景，一种是 OLAP 应用场景，如果数据存放在一起，就需要数据库既具备事务能力，又需要在分析时具备高效性。需满足用户多类数据存储及在不同业务场景下的处理需求。（二）（二）国产化数据库技术路线分析国产化数据库技术路线分析数据库的架构分类维度很多，按数据操作的模式可分为集中式和分布式数据库（指数据分布而不是分布式技术），按计算和存储绑定关系分为 Shared Storage/Share Nothing/Share Everything，按数据存储方式分为存算一体和存算分离。数据库的技术架构非常复杂，各种维度相互交叉。比如集中式数据库这一概念为分布式数据库出现后，为进行区别而产生的人为归类。而集中式数据库在分布式数据库产生前后，或多或少都在使用分布式技术。比如 ORACLE RAC 的“网格计算”，MYSQL MGR 基于 Paxos 协议实现数据一致性保障等。对于数据库迁移替换，关注的“分布”与集中重点在于数据的分布是否需要跨实例、需要采用分布式事务等方面。由于集中式和分布式数据库对数据库迁移影响巨大，因此在架构定义上，本文重点按数据操作方式的维度来将数据库分为“集中式”和“分布式”两大类，后续高可用部分的讨论中会设计其他一些分类维度。101、集中式集中式本文的集中式数据库的共同特点是，数据库访问同一份数据（或数据副本），数据集中存储在一起。从使用体验上看，应用看到的数据在逻辑上是可以统一访问的，可以做到不像分布式数据库那样要考虑分片、分布式事务等问题，因此可规避分布式事务的性能影响，更好支持存储过程、多表关联、复杂查询，应用开发、存量业务迁移，运维都相对容易。传统集中式数据库包括主备 HA，主备多副本，共享存储多写等架构，在去 O 过程中，出现了一些引入分布式技术或从分布式数据库发展而来的分布式精简模式数据库也属于本文定义的集中式数据库。（1）传统集中式传统集中式一、主备 HA11此架构只有主实例工作，数据为一份，通过 HA 软件实现服务器高可用，通过外置存储实现数据持久化保障。二、共享存储多写此架构可实现多实例同时读写，性能、可靠性和扩展性有很大提升。常见的 ORACLE RAC 即属于此架构。三、主从多副本此架构采用数据库日志同步回放方式生成副本来实现高可用，实现简单，大量被开源数据库使用。备节点可作为只读节点使用。由于12日志回放受业务压力、网络抖动影响较大并易出现脑裂问题。（2）精简模式精简模式针对集中式数据库的可靠性、性能、容量等方面问题，部分厂商进行了优化，以工行使用的 GaussDB 精简模式为例，通过分布式一致性协议解决了日志复制的可靠性问题，通过对服务器性能优化提升了单库性能，通过使用外置存储打破了容量限制，并通过与存储配合实现本地数据持久化增强和解决了同城双集群容灾 RPO 无法为 0 的难题。2、分布式分布式本文的分布式数据库的共同特点是：数据分散存储在不同的数据节点，通过分布式技术进行并行处理，提升数据库的并发性能和容量，并通过分布式事务实现事务强一致性。分布式数据库主要分为分布式中间件和原生分布式两大类。13（1）分布式中间件分布式中间件分布式中间件架构由分布式中间件 单体数据库组成。分布式中间件实现数据的路由、分布式事务等操作，单体数据库多为单个集中式数据库。（2）原生分布式数据库原生分布式数据库原生分布式数据库由分布式事务调度管理和数据库引擎等组成，通过分布式一致性协议保障副本数据一致性。相对分布式路由架构对14分布式事务支持更好，存储引擎多为自主开发便于实现下推等特性提升能力。（三）（三）选型建议选型建议1、集中式集中式/分布式分布式与金融行业使用的商业集中式数据库相比，分布式数据库产品发展时间普遍较短，技术成熟度和产品稳定性有待金融行业生产环境长时间平稳运行的检验，目前还没有绝对优势产品出现，金融应用场景面临多种数据库产品选择的局面还将持续。考察金融行业数据库技术应用发展历程，从商用数据库 DB2、Oracle、SQL Server 到开源数据库 MySQL、PostgreSQL，以及文档数据库、大数据平台的引入，再到近些年繁荣发展的各种分布式数据库产品，金融行业使用的数据库产品和技术日趋多样化，这是金融业务不断创新发展在技术层面的体现。随着金融行业数字化转型逐步深入开展，金融应用持续创新，金融服务不断优化，金融业务场景的广度和深度都大幅扩展，对金融数据的使用方式日益多样化，单一数据库产品已难以支撑金融行业所有应用场景。多种数据库产品并行发展的现状将在金融行业持续存在，需针对具体应用场景对数据库能力的需求和侧重，选择合适的数据库产品。金融行业数据库架构转型的重点难点场景，使得分布式数据库成为业界关注的焦点，但集中式数据库的应用场景并未消失，集中式与15分布式数据库各有其适用的应用场景。分布式数据库解决了集中式数据库性能容量扩展能力不足的问题，相应地也在系统层和应用层付出了多方面的成本。在系统层面在系统层面：从专用大型机服务器迁移到通用服务器，单体设备可靠性降低，采用分布式架构可以实现更高的可用性和扩展性，同时也带来冗余备份、网络交互等方面的开销，硬件节点使用规模快速扩张为大型数据中心的节能减排和机房规划带来较大压力。大规模分布式集群的系统复杂度呈指数级上升，必须具备与之适配的运维管理能力作为支撑，需要在运维管理配套的系统能力建设和人才储备方面加大投入。在应用层面在应用层面：根据业界实践，将分布式系统完全封装成一个逻辑单库的解决方案虽然能够简化应用开发模型，但系统性能开销太大，因此适用场景有限。为充分发挥分布式架构优势，应用层也需要投入更多的研发设计成本，一是需要进行合理的数据分片设计，通过高内聚低耦合的数据规划，尽可能减少跨节点访问；二是需要在系统架构设计中充分考虑节点故障的容错及柔性事务的处理。综合来看，集中式与分布式数据库的使用成本集中式与分布式数据库的使用成本可表示如下图：16图 6 数据库综合使用成本示意图因此，对于小型系统和业务规模稳定的应用对于小型系统和业务规模稳定的应用，可优先考虑集中式可优先考虑集中式架构能否满足要求架构能否满足要求。基于同样原因，大多数分布式数据库产品都支持大多数分布式数据库产品都支持集中式单体部署模式，在业务规模较小时规避分布式架构的成本开集中式单体部署模式，在业务规模较小时规避分布式架构的成本开销，同时保留了随业务规模增长而横向扩展的灵活性。销，同时保留了随业务规模增长而横向扩展的灵活性。2、高可用容灾高可用容灾满足金融行业在高可用容灾、数据一致性、业务连续性和系统可扩展等方面的更高要求，提升分布式环境下对应用研发和系统运维的支持能力，是金融级数据库最核心的竞争力。例如，分布式数据库产品不仅需要提供金融级高可用能力，在节点级/园区级异常故障场景下保证数据服务可用性，还需充分考虑新旧数据库系统迁移期间、数据库版本升级期间、云底座或网络等基础设施升级变更期间、应用版本数据库对象投产期间、大批量作业执行17期间等各类实际落地的应用场景，提供完整的业务连续性解决方案。四、四、开放平台应用转型开放平台应用转型（一）（一）规划设计规划设计1、业务与数据库适配规划设计业务与数据库适配规划设计（1）规划设计原则）规划设计原则分布式数据库集群设计的基本原则主要包括：高性能、高可用、高安全、易维护等，具体内容如下：高性能高性能：多版本并发控制、查询优化、多级缓存、存储过程缓存等；高可用：高可用：快速启动、双机同步、故障切换等；高安全高安全：访问控制、密码策略、加密连接、数据加密、敏感数据处理、操作审计等；易维护易维护：一键安装和升级、低成本迁移、图形化管理工具、日志信息可定制、智能备份恢复等。（2）数据库规划）数据库规划开放平台业务系统数据库可以根据业务特征和支撑能力，选择集中式部署和分布式部署。集中式部署以稳态业务场景为主，具备架构18简单，易部署易运维，兼容存储过程，应用不需重构易迁移，减轻数据库中的网络交互，时延低等特点；分布式部署以敏态业务场景为主，具备并发高，适配业务量持续快速扩展，容量大，易水平扩展，需要应用做数据分区访问调优和改造等特点，建议优先选择集中式部署模式。集中式部署在不同园区部署独立数据库集群，同城间通过磁盘级复制实现增量日志强同步，异地园区间通过异步方式实现增量日志同步，形成多中心多活的部署方案，实现同城园区级故障场景下 RPO=0、RTO10T 存储容量，具备承接大型业务系统能力。数据库事务性能呈现线性增长趋势，物理服务器 CPU 资源使用率为 60-70%时，TPMC60 万（TPS2 万）。通过多集群部署，不同集群可使用不同版本，具备业务不中断前提下版本灰度升级能力，同时支持大型业务系统停机投产时提供基本服务的轻量级解决方案。19分布式数据库为提升数据库版本升级和故障期间的服务连续性，可采用同城单集群方案，通过集群内部日志强同步，实现集群间切换RPO=0，RTO 60 秒。（3）业务改造规划）业务改造规划业务改造主要是基于源数据库和目标数据库的 SQL 语法、接口驱动和数据库工具等差异，对业务进行适配改造。业务改造主要包括如下内容：20 提供源数据库和目标数据库的差异化列表；提供 SQL 录放工具，输出 SQL 回放报告。回放报告主要包含如下内容：慢 SQL 及异常 SQL，结合资源、性能给出慢 SQL 指标数据，SQL 兼容性；根据数据库的差异和 SQL 兼容性列表，梳理出业务的改造点；在数据库团队的支撑下，完成业务 SQL、驱动和数据库工具等的业务改造替换；完成改造后的业务系统的适配测试和性能测试等。（4）数据库与周边系统对接规划）数据库与周边系统对接规划除了业务系统需要适配新数据库外，配套的周边系统和工具同样需要适配，比如监控、告警、备份、审计系统等。主要工作有：梳理原数据库与周边系统的对接列表；针对不同的周边系统，设别出需要替换的模块；数据库驱动（jdbc、python 等）替换、数据库工具（客户端、导入导出、数据迁移等数据库工具）原数据库和新数据库保持并存运行，业务逐步从源库切换到新库。2、迁移步骤与迁移计划的规划设计迁移步骤与迁移计划的规划设计迁移总体工作流程包括：21 迁移评估：通过对现有数据库对象和现有业务系统调研，整理分析调研结果，输出数据库迁移可行性评估报告等；迁移规划设计：组建数据库迁移团队、数据库迁移总体方案设计、数据库迁移计划制定、数据库迁移实施方案设计等；迁移实施：结构迁移、数据迁移、数据校验、业务适配和测试、性能调优、迁移演练、上线割接等；迁移验收：试运行保障、项目验收等。（1）迁移评估）迁移评估根据项目需求，完成数据库迁移评估，完成数据库迁移可行性分析，确定数据迁移内容与范围，确认客户业务可接受的影响时间。数据库调研主要包括数据库信息调研、业务系统信息调研：数据库信息：数据库版本、实例个数、用户角色权限信息、数据总量、数据增量、表信息、业务 SQL 信息、数据库并发数、数据库容灾备份机制及要求、第三方系统对接（ETL）等；业务系统信息：业务系统架构、业务时延要求、业务系统并发要求、业务系统接口、业务系统数据加载方式等；可行性评估：应用 SQL 评估、不支持的 SQL 如何改造；集群规模评估：并发量、IOPS。（2）迁移规划设计）迁移规划设计根据迁移调研和评估结果，完成数据库迁移总体方案设计。在保22障业务逻辑不变的情况下，需对数据库进行端到端的迁移，包含对数据库对象迁移、性能保障、数据同步、数据校验、源/目标差异及竞争力、运维保障等方面进行详细分析与阐述。数据库对象迁移关键功能包括：对象采集、预迁移评估（对象兼容性、SQL 兼容性、语法改造建议、目标库选型、目标库规格及成本、迁移工作量、源库风险、迁移风险）、迁移实施、测试验证、自动上线。性能保障关键功能包括：SQL 等价改写，SQL 诊断与优化、实时性能监控。数据同步关键功能包括：数据全量迁移、数据增量同步。数据校验关键功能包括：全量离线数据校验、增量实时数据校验。源/目标差异及竞争力分析包括：目标库架构、关键技术分析、容灾方案分析、组网方案分析、数据库定义、数据类型差异、语法差异、数据库功能、性能、稳定性等多方位分析。运维保障关键功能包括：数据库巡检、数据库管理、数据库监控。根据以上各项细节，具体迁移规划设计如下：明确不同对象的迁移方式。通过使用 DRS 迁移工具完成从 Oracle 到 GaussDB 的数据迁移，存储过程等高级对象需要在业务适配阶段手工迁移；根据业务维护时间窗的长短，明确数据的迁移场景。全量迁移（停机）或全量 增量（在线）。根据数据库迁移总体方案，完成数据库迁移实施方案设计和制定迁移计划。23 根据数据库迁移总体方案，细化操作步骤，输出可操作的数据库迁移实施方案；在华为实验室完成数据库迁移实施方案技术验证；结合客户业务规划，根据业务迁移的紧急程度及数据库迁移工作量大小，制定数据库迁移计划。（3）迁移实施）迁移实施根据数据库迁移实施方案，完成数据库迁移实施，主要工作内容如下：迁移工具和目标环境的安装配置；运行迁移工具完成结构迁移和数据迁移；手工适配迁移存储过程等高级对象；应用系统的业务适配；迁移后的性能调优；数据迁移测试，验证数据库迁移技术可行性和完整性。（4）迁移验收）迁移验收数据迁移完成初期，完成数据库试运行保障，及时解决客户业务运行过程中出现的问题，保证数据库高效、平稳运行。数据库迁移完成后，配合客户完成数据迁移验收。验收主要关注点数据一致性验收：数据是否全部迁移到 GaussDB、迁移前后数据是否一致。243、测试方案规划设计测试方案规划设计为保障业务系统切换到新数据库后功能和性能满足现网生产运行，需要通过一系列的测试活动验证。主要的测试活动如下：功能测试、接口测试、数据库迁移测试、性能测试、UAT 验收测试。通过测试达成以下目标：功能测试：覆盖业务应用系统的全量功能。接口测试：针对业务系统所有相关的第三方进行 E2E 测试，与功能测试互补，完成真正的 E2E 测试。数据库迁移测试：完成数据一致性和正确性验证。性能测试：验证应用系统是否能够达到客户提出的性能指标,同时发现系统中存在的性能瓶颈,优化系统。UAT 验收测试：功能测试覆盖和客户达成一致的交付范围，覆盖主要第三方系统。测试过程以客户为主导，验证结果主要以业务检查的方式进行测试。4、运维方案规划设计运维方案规划设计运维保障目标是系统上线到系统转维的过程，保证各个环节按照流程规范高效运作，支撑项目平稳上线，保障项目商用后系统健康稳定运行，问题快速清理，局点快速完成内部转维。25（二）（二）业务改造及测试业务改造及测试1、业务改造过程业务改造过程业务整体改造包含数据库改造及应用改造。数据库改造包含数据库采集、迁移评估、语法转换、结构验证、性能调优、迁移上线等几个核心步骤；应用改造包含应用数据采集、迁移评估、语法转换、改造上线等核心步骤。2、业务测试过程业务测试过程业务测试过程可包含以下步骤：全量数据迁移，增量数据同步，数据一致性校验，业务语法迁移，业务性能调优，业务迁移文档，应用功能研发，业务功能测试，业务性能/压力测试，上线前方案模拟测试，版本交付，版本投产，业务试点上线，系统上线，原系统退库。（三）（三）数据迁移数据迁移1、数据数据迁移设计迁移设计数据的迁移根据不同的场景可分为，全量数据迁移、增量数据迁移和全量 增量同步迁移。（1）全量）全量数据迁移数据迁移全量数据迁移就是指将源数据库中的业务数据全部迁移到目标库，这个过程一般采用批量的方式进行数据的同步，在同构数据库迁26移的场景中，可以采用数据库的备份和恢复功能，也可以采用数据库自带的数据导出和导入工具，如 Oracle 的数据泵，这种方式比较高效。在异构数据库的全量迁移场景中，因为不同数据库之间的数据类型、存储格式等各不相同，上述同构数据库的迁移方式不再适用，一般采用数据库特定接口或 SQL 接口的方式进行迁移。基本迁移流程如下图：不同数据库提供了不同的数据导出/导入接口，如 pg 的 copy接口可以把数据导出成 csv 格式，也可以把 csv 格式的数据导入到 pg 库。数据的导出和导入经过缓存层，可以采用内存和落盘文件的方式。数据的导出和导入过程均可以设计为并发模式，可以通过按表并发和表内按记录并发的方式提高效率。（2）增量数据迁移）增量数据迁移增量迁移是将源数据库实时变化的数据同步到目标库，实现增量迁移的方式有很多种，如基于时间戳的定时同步、基于触发器的增量同步和基于日志解析的实时同步，对比各种方式，基于日志解析的同27步方式无论从对源库的影响还是实时性都是最优的。基于日志的增量同步架构如下图所示：数据的抽取阶段用来获取源库实时变化的日志数据。解析阶段对抽取的日志数据格式进行解析，整合等操作。转换阶段对异构同步过程中的转换规则进行适配，输出转换后的结果。应用阶段将最终的数据应用到目标库。（3）全量）全量 增量增量迁移迁移在整个数据迁移的过程中，源端数据库往往业务是不能停止的，需要做到源库无感知的数据迁移，同时保证数据的准确性，这就对全量迁移和增量迁移提出了新的要求，如何解决在源库持续变化的过程中，完成全量迁移，并且使得增量迁移能够对接上全量迁移的数据位点，不重不漏。不同的数据库提供了不同的机制，可以实现全量 增量的无缝衔接，如 Oracle 数据库提供了 scn 点机制，可以在进行全量迁移的时候指定 scn，当全量迁移完成后，再指定 scn 去进行增量同步。282、数据迁移执行过程数据迁移执行过程数据迁移的过程从时间的先后主要分为 4 个过程，如下图所示：对象迁移：首先将源库的数据库对象（表、存储过程，视图等）迁移到目标库。全量数据迁移：对源库的当前存量数据进行迁移。增量数据迁移：从全量迁移的完成点，进行增量实时数据同步。数据校验：当增量数据同步无延迟，达到实时的时候，对两端数据进行比对，确保数据迁移准确。（四）（四）上线割接上线割接1、割接演练割接演练（1）割接要求）割接要求1)割接过程中不能停止业务；2)割接时间不能超过两个小时；3)保证割接数据的正确性和割接脚本的健壮性。29（2）割接演练）割接演练建议选割接演练和正式割接采用完全一致的流程：1)先中断业务（如果业务负载非常轻，也可以尝试不中断业务）。2)在源数据库端执行简单语句，若在 1-5 分钟内无任何新会话执行 SQL，则可认为业务已经完全停止。3)监控数据同步时延是否为 0，若为 0 则必须稳定保持一段时间；4)进行割接前数据级一致性校验，建议进行全部数据比对；5)确定系统割接时机，业务系统指向新数据库，业务对外恢复使用，迁移完成。2、正式割接正式割接正式割接过程可能会碰到很多场景，存在跟种各样的问题，需要综合考虑，随机应变，割接过程经验总结如下：1)割接一定要预留足够的时间窗，各业务逐个进行割接，且务必选择业务低峰期进行割接；2)割接前一定要做完整的数据库备份，做好割接失败的回切方案；3)加强割接过程监控，提前梳理需要监控的基础指标和业务指标。30（五）（五）运维实施运维实施1、运维保障运维保障（1）数据库巡检）数据库巡检重点客户的重点实例可以在运维平台设置巡检告警，告警处理人员会及时处理。大客户重大活动保障的时候会安排专人进行巡检保障。（2）数据库管理）数据库管理运维平台集成了实例侧的管理功能，可以查看实例的信息和对实例进行日常运维所需的操作，如：重建备库，重试创建、扩容等失败流程的功能。（3）数据库监控）数据库监控实例上的 agent 会定时把监控指标上传到监控系统，运维平台上可以展示出实例的各项指标。运维人员可以根据指标来对客户实例的问题来进行分析。2、异常处理情况异常处理情况日常接到告警或者接到客户的报障，运维人员会及时进行处理。处理完成之后，如果确定为问题，则必须提问题单跟踪，最终版本解决。之后会总结成案例，在组内分享推广，提高异常处理的效率。31定期从案例中总结成应急预案，并且每月进行相关故障场景的演练，继续总结、持续改进。（六）（六）风险防范风险防范1、实际及潜在风险的防范实际及潜在风险的防范XXXXX2、路径上先外围后核心路径上先外围后核心XXXXX3、漏洞及安全漏洞及安全XXXXX32五、五、工行转型实践工行转型实践（一）（一）现状现状（GRAM 应用？）应用？）工商银行目前使用 Oracle 数据库约 1000 套，节点 3000 个。涉及总行应用接近 200 个，涵盖核心业务、渠道、前置、外联、管理与支撑等多类业务系统，其中 AB 类应用超过 90 个。合计使用了超过36 类 Oracle 对象、24 类基础数据类型、166 个系统内置函数、67个系统高级包和 168 个系统视图，存储过程总行数超过 3 亿，数据库对象总数量超过 3000 千万。（二）（二）挑战挑战工行 ORACLE 使用时间长，范围广，在转型中主要面临的挑战包括：存量存储过程多：为优化性能，大量业务逻辑在存储过程中实现，重构成本高，特别是大型业务系统，普遍使用多个 Oracle 库，存储过程行数达到千万级，如果全面进行分布式改造的工作量和难度都是难以想象的。业务模型复杂：很多业务数据不能简单通过主键访问，查询条件复杂、多表查询复杂 SQL 多，分布式改造后性能影响极大。性能要求高：大型业务系统高峰期 TPS6000 笔/秒，单库 41T，对信创基础设施及数据库的性能容量提出了较大的挑战。可靠性能力不足：大小机可靠性能力强，迁移后硬件可靠性下降，33容灾方案不满足原有业务多级容灾能力尤其是高等级应用需求。兼容性：Oracle 的语法和函数包比较复杂，完全兼容工作量大，前期工具自动化转换率只有 70%，改造改造成本非常高。数据同步挑战大：大型业务系统高峰期超过 300G/小时数据归档量，对新旧系统双库并行期间的数据同步效率要求极高。测试成本高：缺乏自动化测试工具，存储过程迁移后，功能测试、性能测试工作量巨大。针对以上挑战，工行联合厂商进行公关，采用原位替换平滑迁移与分布式改造双线并行、优化数据库基本能力、构建高可用架构、实现工具化自动化等方式完成改造迁移目标。（三）（三）路径选择路径选择为降低迁移难度，加快替换改造进程，针对当前信创数据库能力，工行根据业务的特性选择两条路径实现迁移：1.原位替换，平滑迁移原位替换，平滑迁移对有存量存储过程的业务，优先采用 GaussDB 精简模式进行平移替换，对于当前信创数据库并发性能无法满足的巨石类业务，优先考虑进行数据库拆分，保留存储过程，减少应用架构和迁移改造工作量。从业务形态来看，业务量增长稳定，业务逻辑复杂，对一致性要求高的传统业务多选择原位替换。选择集中式数据库采用原位替换的业务占 70%以上。342.分布式改造分布式改造对业务增长迅速，可通过分片较理想实现并发、容量提升且无存量存储过程、复杂查询的业务，可进行分布式改造，采用分布式数据库替换。从业务形态来看，业务量增长较快，高峰业务量巨大的互联网类业务如渠道类应用、快捷支付类应用、秒杀类应用多选择分布式改造，这类业务总量不到 30%。（四）（四）方案规划方案规划1.精简模式性能、容量和高可用能力增强精简模式性能、容量和高可用能力增强大型业务系统的 Oracle 数据库有存储容量大、交易并发高、可用性等级要求高等特点。GaussDB 基于本地盘部署方案，单节点存储容量在 10T 以内，无法满足大型业务系统 Oracle 数据库 10T 以上的存储需求，同时，单集群 GaussDB 容灾方案无法实现故障隔离。因此，针对大型业务系统的 Oracle 数据库转型，对标原主机 AB 站点双活方案，对 GaussDB 承载大型业务系统 Oracle 数据库转型的多集群方案开展技术攻关，最终实现以下目标：351、基于华为云裸金属环境部署，在华为云不同园区 REGION 中部署独立的存算分离架构的 GaussDB 数据库集群，同城间通过存储级复制实现增量日志强同步，异地园区间通过异步方式实现增量日志同步，形成了 GaussDB 多中心多活的部署方案，实现了同城园区级和 Region 级故障场景下 RPO=0、RTO0,双集群故障隔离，两集群可使用不同数据库版本，支持业务不中断灰度升级,用于 3-4 级业务本地盘单集群双中心架构：RPO=0，同城数据中心单集群双活，但不支持故障隔离和灰度升级，用于 3-4 级业务本地盘单集群单中心架构：无容灾能力，用于一般业务37（五）（五）迁移和同步，单迁移和同步，单/并轨并轨1.构建自动化迁移工具，提升迁移转换成功率构建自动化迁移工具，提升迁移转换成功率工行大型业务系统中使用了几十类 Oracle 对象、基础数据类型和系统高级包，使用了上百种系统内置函数和系统视图，存储过程总行数达亿级，按照目前自动化迁移工具 80%的转换成功率，转型过程中工作量巨大、技术难度和复杂度极高，工行与厂商联合针对 Oracle 兼容性从自动化迁移工具和 GaussDB 内核两方面开展技术攻关，最终参与技术验证的 Gram 应用和平台核心的转换成功率均提升到 95%以上，具体如下：2.应用各类型应用各类型 OracleOracle 对象语法转换成功率平均为对象语法转换成功率平均为 96.69.69%3.应用各类型应用各类型 OracleOracle 对象平均编译通过率为对象平均编译通过率为 99%4.存储过程手工修改率为 1.25%，平台核心的数据库代码近 80 万行，涉及 1688 个修改点，每个修改点平均约修改 10 行。整体修改代码约 16880 行，修改率 2.11%。5.平台核心各类型 Oracle 对象语法转换成功率平均为 99.05%6.平台核心各类型 Oracle 对象平均编译通过率为 98.23%，7.平台核心应用存储过程手工修改率为 1.65%，平台核心的数据库代码近 199 万行，涉及 1642 个修改点，每个修改点平均约修改 10 行。整体修改代码约 16420 行，修改率 0.83%。382.提升异构数据库数据迁移工具能力提升异构数据库数据迁移工具能力目前行内主要使用的数据库增量数据复制工具通过抓取 Oracle解析的日志，重构成目标数据库兼容的 SQL 语句，并在目标数据库回放实现准实时的数据同步，该工具增量数据同步性能无法满足大型业务系统投产后双库并行阶段 Oracle 数据库到 GaussDB 数据库的增量数据同步需求，通过与厂商对数据同步工具进行研究、测试，和持续优化，新工具具备 300G/小时的增量数据复制性能，可满足大型业务系统高峰期增量数据复制需求。（六）（六）测试测试目前针对 Oracle 数据库，采用配套工具完成日常的存储过程测试。由于目前业界国产数据库配套测试设施不完备，针对存储过程的测试工作需要依赖人工操作完成，工作量非常庞大。为降低测试人力投入，提升测试效率和测试覆盖率，保证上线后业务功能完备并稳定运行，工行建设了高效的国产数据库自动化测试工具集，具体如下：1.自动化测试工具自动化测试工具参照 Oracle 原有的 UT Plugin 自动化测试工具，基于 Watchman 自动化测试框架，根据功能需求按照等价类、边界值等常规测试方法编写自动化测试案例，通过 jenkins 完成案例调度执行。共执行自动化案例 97 个（其中 35 个核心功能批量），案例执行率和通过率均为 100%，有效节约了测试人力投入。392.比对测试工具比对测试工具基于存储过程比对、存储过程分支比对和 SQL 语句对比研发自动化比对测试工具，针对 Gram 应用分别进行了三期测试：一期测试针对Gram应用所有存储过程，比对测试工具自动生成4594个案例执行，每个案例对应一个存过；二期测试针对 Gram 应用所有存储过程的所有分支，比对测试工具自动生成 57947 个案例，每个案例对应一个分支；三期测试针对 Gram 应用中涉及到转换对象的 SQL 语句，比对测试工具自动生成 2754 个案例，每个案例对应一条 SQL 语句。通过 Gram应用的实际测试验证，比对测试工具可以有效的发现了 GaussDB 编译器无法发现的语法错误问题，弥补当前阶段高斯数据库的能力，节约测试人力，为 Oracle 应用迁移提供自动化验证方案。3.覆盖率统计工具覆盖率统计工具研发通过打桩方式统计存储过程测试覆盖率的工具，结合比对测试工具，Gram 应用存储过程的测试覆盖率 100%，分支覆盖率 75%，达到了预期的覆盖目标，有效解决了测试过程中测试覆盖率统计问题，起到全面了解测试过程的作用，有效保证了测试质量。4.流量回放工具流量回放工具通过技术攻关研发了交易录放工具，通过抓取 Oracle 数据库的流量在 GaussDB 数据库回放,目前可实现：流量抓取：通过在交换机上配置端口镜像，使用旁路模式把 Ora40cle 端口上的流量复制到另一台服务器 B 上，并在服务器 B 上部署 Agent 获取 TCP 网络包，根据 Oracle 网络协议解析出业务执行的 SQL信息，以 json 格式存储到 ElasticSearch 中。一致性流量回放：把抓取到的 SQL 按源库的执行顺序以事务的形式回放，确保 Oracle 回放库和 GaussDB 回放库中 SQL 的执行顺序完全一致，只要有一端执行失败两个库都会进行回滚操作，因此可以通过回放完成之后的数据对比，验证 GaussDB 对 SQL、存储过程的处理逻辑是否和 Oracle 一致。性能回放：抓取到的 SQL 按照源库执行的 SESSIONID 信息分发进行多线程并发回放，一端失败不影响另一端，这种回放方式能以接近实际生产业务压力的速度回放到目标库，从而对比 GaussDB 和 Oracle 在生产业务压力场景下的性能、可用性及可靠性表现。验证效果：选择 Gram 应用进行验证，共抓取 10W 条 SQL，全部回放成功，业务逻辑一致，无慢 SQL。（七）（七）运维运维1.待工行补充实践待工行补充实践（八）（八）效果总结：迁移结果，运行多次时间，运行效果效果总结：迁移结果，运行多次时间，运行效果经过大量实践，工行形成了一套无需整体重构 Oracle 存储过程逻辑，低成本、高效可控的转型技术方案、配套工具和转型方法论，在确保大型 Oracle 应用转型的便捷性和稳定性、有序推进国产软硬41件产品替代和保障生产安全稳定方面具有重要的借鉴和指导意义，对金融同业的 Oracle 数据库转型工作有重要借鉴意义。1.提升提升 GaussDB 性能容量及高可用能力性能容量及高可用能力通过多集群部署版本，满足 5A 级应用同城双活 异地灾备的部署要求，实现同城 RPO=0，双集群故障隔离、灰度轮换升级提升了单集群性能和容量规格2.提升异构数据库数据复制工具的数据同步能力提升异构数据库数据复制工具的数据同步能力通过技术攻关最终实现 300G/小时的增量数据同步，解决了大型业务系统 Oracle 数据库转型后的双向数据同步问题，降低了应用迁移难度。3.提升提升 Oracle 数据库到数据库到 GaussDB 的自动化迁移成功率的自动化迁移成功率通过工具自动转换 内核兼容的方式，将 Oracle 数据对象直接转成 GaussDB 数据库对象，转换正确率和编译通过均达到 95%以上，为存量的长期不动的老旧应用转型，提供了低成本、高效可控的转型方案。4.自动化测试工具链建设自动化测试工具链建设存储过程的自动化试工具，和比对测试工具，实现基于代码的测试用例自动生成能力和快速的自动化测试覆盖；在性能测试和生产验证方面，研发流量回放工具，抓取 Oracle 数据库运行的 SQL 在 Gaus42sDB 数据库进行回放，进一步检验目标数据库的性能和稳定性；形成了覆盖功能测试、性能测试、生产验证和测试管理过程的自动化测试工具链，有效的降低了测试人力投入和测试复杂度，提升了测试效率和覆盖率，有效的保证了上线后业务功能的完备和系统的稳定运行。（九）（九）未来规划未来规划xxxxxxxxxxxxx。六、六、未来展望未来展望5 页页（一）（一）内存池化，全栈解耦，追求极致的弹性伸缩内存池化，全栈解耦，追求极致的弹性伸缩在架构上云原生数据库要实现内存池化和全栈解耦。当前主流商用的云原生数据库都完成了计算层和存储层的解耦，接下来计算资源层中算力与内存也会解耦，计算能力池化、内存容量池化、存储能力池化，达到“计算-内存-外存”三层资源彻底解耦可分别进行弹性43热伸缩。基于存算分离三层解耦的云原生数据库，可以支持分钟级别的节点扩展能力，几分钟内就可以增加一个只读节点；秒级的高可用切换，在几秒内完成端到端的切换；秒级存储扩展能力，秒级资源释放回收能力，秒级快照备份能力。（二）（二）基于内存池的基于内存池的 HTAP，释放软硬协同的潜能，释放软硬协同的潜能内存池化后给云原生数据库也会带来一些新的挑战，比如内存池相比本地内存时延是有差异的，数据库软件结构需要适配改造，减少这部分的影响；内存池化后的可靠性恢复如何保障；内存池化后数据库如何管理和判断存放哪些数据；不同业务使用内存池的隔离性问题等等。如何在技术上应对这些挑战并将内存池更好地用起来，是一个需要持续探索的领域。将内存池技术和 HTAP 结合是其中一个趋势。云原生数据库在 OLTP 和OLAP 能力融合的基础上，未来更进一步结合内存池软硬协同，44实现网络吞吐的大幅度缩减，同时也将内存池的性能优势发挥到极致。其中的关键技术包括：1）使用 SCM（Storage Class Memory）新介质，基于内存池对数据进行加速，提供 PB 级数据量、万级并发、毫秒级访问时延；2）结合 AI 深度学习，根据应用负载和系统资源实现语句级自动弹性，自动确定分析节点数量，自动确定单个分析节点的资源；3）TP 侧通过 RDMA 直接写内存池中的 Delta Store，Delta Store 可立刻处理分析业务的读请求，不影响交易性能，又将 AP、TP 数据时延稳定控制在 1ms 以内；4）在行式存储引擎和列式存储引擎上建立全局的一致性事务视图，单条 SQL 可以横跨行存和列存；5）智能混合优化器，智能化判断 SQL 仅在 TP 引擎上执行、仅在 AP 引擎上执行、在 TP&AP 引擎上联合执行，实现语句级 TP&AP引擎协同执行。（三）（三）智能弹性，实现更细粒度、更精准的资源调度智能弹性，实现更细粒度、更精准的资源调度Serverless 数据库未来还需要具备智能弹性的能力，能够根据用户的历史负载计算出用户特征描述，快速判断未来的负载曲线，提前为弹性伸缩准备好资源，避免负载冲击到资源规格上限，减少系统资源浪费，追求更极致的弹性。其中的关键技术包括：智能检测业务负载趋势，预测资源消耗，基于服务等级协议保障，动态调整数据库资源纵向扩展，加减实例横向扩展；数据库内核基于业务负载动态调整内核多种参数包括线程池45大小、连接数、等待时延等；基于分布式共享内存的扩展缓存池、锁、事务状态、以及元数据管理等，实现数据库全局状态管理；也可以采用轻量化容器技术，提升系统的启动时间以及高密度部署。（四）（四）全场景智能数据库，发挥全场景智能数据库，发挥 AI 与数据库的融合价值与数据库的融合价值2019 年，华为首次发布了 GaussDB AI-Native 技术，并持续将AI 技术融入数据库内核、核心算法和数据结构，实现数据库自动优化和调优等功能。同时，GaussDB 还在分布列推荐、慢 SQL 发现与诊断、负载趋势预测与异常检测等领域，引入 AI 技术，大幅提升管理效率，让数据库管理更加智能高效。未来，云原生数据库将持续与 AI 内外协作，向全场景智能数据库迈进。全场景智能数据库包含两个方面：一是 AI for DB，让数据库管理更加智能高效。具备自检测、自诊断、自调优、自运维及自安全的能力，覆盖数据库全生命周期的管理与优化。核心组件包括支撑平台及服务平台，支撑平台用于采集分析数据支持上层服务；服务平台提供智能化的运维管理服务。全场景智能 DB 在 AI for DB 上将从专家经验或者规则，走向全模块智能化。46二是 DB for AI，提供库内 AI 引擎。库内全流程 AI 框架，数据不出库，端到端完成数据清洗、特征工程、模型选择和模型训练，安全可靠、简单高效；库内原生支持常用 AI 算子，满足绝大部分机器学习使用场景。全场景智能 DB 在 DB for AI 上将从 SQL 扩展到原生 SQL，从单点功能调用到全流程自动处理。47（五）（五）结合全密态和防篡改技术，保障云上数据安全结合全密态和防篡改技术，保障云上数据安全云原生数据库部署环境由封闭式私有环境向开放式公有云服务环境演变，数据库面临的威胁挑战也越来越多，数据安全隐私问题愈发凸显。针对传统的数据传输安全、数据存储安全、数据运维安全以及面向最终用户的数据显示安全等问题，当前云原生数据库产品提供了多种技术来保障数据的安全隐私，如安全传输通道、权限访问控制、数据存储加密及数据动态脱敏等。然而，数据运行态(查询计算)在缺乏有效保护手段的情况下，攻击者和恶意 DBA 仍然可以通过内存抓取来获取用户隐私数据，容易造成隐私泄露等安全问题。同时，可能存在恶意的篡改数据、擦除痕迹、难以有效跟进的问题。未来，云原生数据库也将结合当下迅猛发展的全密态和防篡改技术，提升数据可信存储与可信维护能力，保障数据全流程的安全。全密态数据库通过支持密文形态下的数据查询和计算，使得攻击者在获取内存数据后仍然无法解析出有效的明文信息，更重要的是，数据加解密所需的密钥均由最终用户持有，可以有效地解决第三方信任问题。一种实现方式是构建纯软形态的全密态数据库解决方案，提供分布式密文数据处理能力，在服务侧实现多种密文数据查询纯软算法；另一种是结合云基础设施提供的可信硬件（TEE）实现软件和硬件结合的密态数据处理技术，密文数据每次依据查询要求将指定的密文“传送”至 TEE，然后在 TEE 内完成数据解密和查询计算，充分提高系统整体效率，云原生数据库更适合第二种技术路线。防篡改数据库在技术层面通过去中心化的分布式账本数据库、分48布式数据存储、P2P 网络技术、共识机制、加密算法等，实现融合区块链特质的防篡改能力。第一阶段是做到单中心账本，对防篡改用户表进行操作，系统会在对应的用户历史表中记录行级数据变化，并通过密码学算法逐行生成校验码。通过校验码逐行验证用户历史表可保证用户表不被篡改；第二阶段是多方链上协同事务，多集群形成联盟链，每个集群均有全量数据，对防篡改用户表执行操作均需同步到链上所有集群，并使用公式算法校验执行结果。当前云原生数据库已初步具备第一阶段能力，将继续往第二阶段探索。参考文献参考文献1 中国人民银行办公厅,中央网络安全与信息化委员会办公室秘书局,工业和信息化部办公厅,中国银行保险监督管理委员会办公厅,中国证券监督管理委员会办公厅.关于规范金融业开源技术应用与发展的意见.20212 王珊,萨师瑄.数据库系统概论(第 5 版).20143 中国信通院.数据库发展研究报告.20214 Sanjay Ghemawat,Howard Gobioff,and Shun-Tak Leung.The Google File System.5 DEAN,J.,AND GHEMAWAT,S.MapReduce:Simplified data p49rocessing on large clusters.In Proc.of the 6th OSDI(Dec.2004),pp.137150.6 Fay Chang,Jeffrey Dean,Sanjay Ghemawat,Wilson C.Hsieh,Deborah A.Wallach,Michael Burrows,Tushar Chandra,Andrew Fikes,Robert Gruber.Bigtable:A Distributed StorageSystem for Structured Data.OSDI 2006:205-218.7 J.C.Corbett,J.Dean,et al.Spanner:Googles globally-distributed database.OSDI 2012.8 Alexandre Verbitski,Anurag Gupta,Debanjan Saha,Murali Brahmadesam,Kamal Gupta,Raman Mittal,Sailesh Krishnamurthy,Sandor Maurice,Tengiz Kharatishvili,Xiaofeng Bao.Amazon Aurora:Design Considerations for High Throughput Cloud-Native Relational Databases.SIGMOD 2017.

59人已浏览 2023-09-09 54页 5星级

保险科技洞察报告顾问专家,项目负责人,项目成员,美术编辑,何小锋北京协会会长贺竹君中国保险资产管理业协会副会长王波中国财富出版社社长张世强北京鑫科金融发展研究院院长,宋子洲君康人寿独立董事陈洪辉北京建.

95人已浏览 2023-09-08 76页 5星级

Prepared for银行保险金融机构生成式人工智能(GenAI)战略报告2023年8月2目录1 12 23 34 45 5技术发展背景场景应用机会关键应用挑战如何战略布局为什么选择安永3摘要生成式人工智能(GenAI)是人工智能的细分领域，其代表性应用ChatGPT的问世在全球范围引起巨大震动。大型语言模型(LLM)是ChatGPT技术的基础模块，它是一种深度学习算法，可识别、预测和生成基于上下文关联的文本，并在大量数据集上进行训练。基于ChatGPT的能力，企业可提供大规模、个性化和更高效的客户互动，进一步提升客户参与度和满意度。此外，生成式人工智能还将颠覆现有产品、流程、运营方式乃至商业模式，并通过赋能不同的业务职能，为企业带来全新转型机遇。随着生成式人工智能开始带来新的机遇，董事会和企业管理层需开始围绕人才团队、基础设施、可访问性及其他一系列错综复杂的问题制定强有力的战略。与所有其他生成式人工智能工具一样，ChatGPT仍处于萌芽阶段，并且其定义和能力仍在不断更新。未来在ChatGPT的引领下，利用大型语言模型和生成式人工智能的业务潜力将拥有广阔的想象空间。金融行业中不少细分领域的领先者已经开始将生成式人工智能引入业务实践，将这一技术广泛应用于不同业务场景，其卓越的内容理解和创造能力将对金融服务行业不同细分赛道带来极大的效能提升。若想率先在人工智能快速迭代的技术浪潮中确立竞争优势，金融机构应尽早审视自身战略发展过程中所面临的技术相关风险和阻碍，及时完成战略思维的转变；同时制定人工智能战略相关落地与流程管理保障机制，结合企业自身处境制定完整及契合自身发展节奏的人工智能战略规划、战略实施路径以及技术用例实施方案。4技术发展背景15什么是生成式人工智能（GenAI）？GenAI是人工智能的细分领域，可以通过学习现有数据来生成新数据，实现类人的创造力技术问世时间人工智能(AI)机器学习(ML)深度学习(DL)生成式人工智能(GenAI)1943195920062017人工智能人工智能是计算机科学的一个领域，主要研究如何创造出具备人类智慧的智能机器。机器学习机器学习是人工智能的一个子领域，广义上是一种机器模仿人类智能行为的能力。深度学习深度学习是机器学习的一个子集，本质上是一种具有三层或更多层的神经网络学习。生成式人工智能生成式人工智能是人工智能的一种，它可以基于训练过的数据，利用大型语言模型、变换神经网络和生成式对抗网络等技术，创建图像、文本、音频或视频等新内容。6GenAI的重要性体现在哪里？GenAI拥有普通AI不具备的内容创造能力，其中代表性应用ChatGPT的问世震动全球生成式人工智能有哪些特征?为何了解生成式人工智能非常重要?一种能创造如文字、代码、图像、音频和视频等全新内容的深度学习ChatGPT拥有互联网历史上增长最快的用户群将生成式人工智能技术与其他分析类产品整合可实现更高价值其工作方式与人类大脑非常相似，主要通过抽象和模式识别处理信息ChatGPT也只是生成式人工智能发展浪潮中的一员随着对其新兴功能和能力边界的快速探索，生成式人工智能的范围和对商业运行的影响正在迅速扩大100多项生成式人工智能专业领域专利项目的商业化进程预计需要12个月投资者电话会议中提及AI的次数增加了77%（彭博社）30%的被访专家在ChatGPT问世的两个月内尝试过该产品7什么是GPT？GPT是结合了自然语言处理、强化学习和深度学习等最新技术的人工智能模型注：1.OpenAI是指开发ChatGPT应用的一家公司生成式Generative预训练Pre-trained自注意力模型Transformer生成模型旨在训练人工智能生成新事物，如句子和故事、图像或视频预训练是指应用在大型数据集之前进行的训练模型。以ChatGPT为例，数据集来自从互联网上获取的大量文本，以及人为标记为“好”或“坏”的问题和答案自注意力模型是2017年问世的一种计算机技术，旨在帮助人工智能模型确定需要关注的内容。以GPT为例，该技术用于帮助模型识别句子中哪些词最能表达作者或演讲者的意图整合上述技术即得到了一个先进的、灵活的、具备接近人类创造力的人工智能模型，主要包括如下功能：GPT.深度神经网络(DNN)GPT自然语言处理(NLP)人类反馈强化学习(RLHF)GPT与ChatGPT的关系：GPT是OpenAI1为用户提供的人工智能模型统称；ChatGPT是其中专门针对聊天界面问答进行训练的版本回答用户提出的问题总结书籍或文章等文本中心思想创作故事或文案根据概念查询/搜索文本8生成式人工智能见证了前所未有的数字化应用。大规模投资正在涌入人工智能领域，创新热潮不断升温，ChatGTP的出现亦唤起各行业对自身业务的重新审视15 %05EPUepu%云计算工业物联网物理机器人/自动化机器人流程自动化物联网自动驾驶汽车或无人机人工智能头部企业其他同行人工智能领域39%的领先企业已充分实现效益，而其他同业的这一比例仅为19 23年企业技术投资进展情况传统人工智能技术生成式人工智能用例ChatGPT应用生成式人工智能领域的风险投资增长了425%截至2022年末，该领域的风险投资增长了425%，而且还在继续激增ChatGPT用户达到亿级用户在2023年1月达到1亿用户，是史上用户增长最快的应用程序多家公司的员工已经开始使用ChatGPT将市场推向全新应用的发展曲线如今，各行业的企业都不得不开始研究人工智能的影响，否则就会面临被颠覆的风险9生成式人工智能无法取代企业领导者的地位，但却能大大提高其领导力，企业需要重新制定战略，梳理各个业务职能节点结合人工智能工具的可行性业务简化和自动化流程，提高效率并降低成本产品与服务创建定制产品，提高客户满意度并推动创新人员协助人才招聘、员工活动和培训，优化人力资源流程财务分析大量数据，以便在财务运作中进行预测、风险管理和决策营销与销售增强客户定位、个性化营销和潜在客户挖掘能力，从而更有效地开展营销活动技术推进自动化、网络安全和数据分析，推动创新并提高技术性能研发提出新想法，模拟情景，协助开发尖端产品法律与合规协助法律研究、合同分析和合规监测，提高效率并确保遵守法规67853241重新思考战略每个企业都需要重新思考其战略和业务运营，将人与AI有机结合起来10虽然生成式人工智能的具体功能可能因平台而异，但从底层逻辑上看存在某些共性。这些特性使其成为企业寻求创新并在竞争中保持领先地位的有力工具适应性生成式人工智能可以适应新的场景和数据，使其更加灵活，能够处理复杂的任务创造力它能够产生新的想法、设计和解决方案，帮助组织创新并在竞争中保持领先地位可扩展性生成式人工智能可处理大型数据集和任务，因此适合企业级应用效率生成式人工智能可以快速、准确地执行重复性任务，让员工可以专注于更有价值的任务自动化生成式人工智能可以自动执行各种业务职能的任务，降低成本，提高效率整合它可以与其他技术和系统结合，强化自身功能并创造新的业务机会可预测性生成式人工智能可根据历史数据进行预测，从而改进预测准确性和风险管理效率多模态它可以处理不同的数据类型，包括文本、图像和音频，从而实现更全面的分析和洞察力11基础技术能力人工智能语言处理技术提升效率和准确性作为生成式人工智能技术的卓越代表，当前热门应用ChatGPT的战略优势可帮助企业转变用户体验并简化业务运营具有成本效益的客户服务和后备支持洞察客户行为和偏好724全天候服务处理大量客户互动提高客户满意度与其他系统和工具集成提高效率和生产力缩短响应时间自动和个性化回复访问实时数据和分析12从更广义的商业世界看，生成式人工智能将颠覆现有产品、流程、运营方式乃至商业模式，带来全新转型机遇自动建议和决策支持超个性化客户体验进入全新客户服务市场商业模式的颠覆定制化、适应性产品/服务创新客户数据驱动的优势生成式人工智能带来的6大转型机遇13场景应用机会214生成式人工智能包含信息处理、信息检索、新内容生成三大基础组件，可在多种场景下应用，赋能银行保险金融机构信息处理（IP）自然语言理解能力使其能够像人类一样处理信息理解文本内容理解指令、问题和提示信息检索（IR）能够检索特定的相关信息，并用自然语言进行处理和整合根据相关信息检索回答文件中的问题从文件中提取关键字新内容生成（NCG）语言生成能力可通过识别多种来源的固定样式信息来生成新内容根据流程文档编写用户手册运用多来源信息撰写报告自动化代码根据人类指令自动生成代码应用实例包括github，co-pilot举例：自动创建ETL代码文本分类通过零次学习、甚至无需微调即可为所输入文本打上类别标签举例：客户情绪分析聊天机器人作为问题解答系统运行，可根据提示回答相应问题举例：客户服务支持文档源数据和摘要从各种文档中提取和汇编关键信息，并对内容进行合成举例：提取关键词和短语搜索可在大型内部数据库中搜索和检索信息举例：知识管理平台IP，IRIP，IR，NCGIP，IRIP，IRIP，NCG潜在应用场景基础组件15基于生成式人工智能的自动化作业可广泛应用于金融机构各个业务职能的多类型场景人力资源及人员管理产品财务客户与业务增长销售及市场营销应用热度更高、可优先拓展领域风险合规客户互动洞察：客户反馈及情感分析、呼叫处理知识库管理：搜索、元数据标签、交叉关联、摘要和分类员工培训：客户经理绩效对标客户互动洞察：自动触发客户管理系统内容填充，提升客户体验营销活动策划：自动生成营销活动，定制报告和短文，通过文字、图片和视频进行营销和内容创作虚拟助理：客户经理助理（个性化优惠方案）知识库管理：财务文件分析、信息汇总等市场动向和需求/情绪变化项目组合和投资监控产品特性功能化、定价优化基于客户画像的产品建议基于客户反馈的个性化综合方案定制员工培训：绩效管理洞察、内部资源培训材料、内部游戏化培训知识库管理：政策/制度搜索入职管理客户互动洞察：投诉识别、合规监控（披露与承诺语言）、监管及审计知识库管理：条款搜索、回答审计询问商业信贷尽职调查审批人协助与培训16不仅如此，生成式人工智能技术还将通过语言、声音、图像相结合的方式为不同业务单位和职能部门创造价值语言生成图像生成语音/发声部分举例01营销和销售02业务03员工管理04风险、法律与合规05信息技术/工程06支持职能(人力资源、财务）根据客户资料、历史数据和近期行为，个性化推荐产品和服务从在线文本和图像中总结和提取重要主题，分析客户反馈意见创建或改进客户聊天机器人，以确保能够为客户提供所有业务类型的查询，并实现自动互动促进文件处理、识别和汇总，例如作为保险合同一部分的索赔照片根据上下文语境和语气，加强电子邮件分析和行动建议，优化与员工的沟通根据用户需求和背景（如特定的外部出版物）合成文件应用公司的法律框架，起草、审查和总结法律文件，并依据大量监管文件标注其中内容变化情况通过分析专利申请、商标和版权来保护知识产权，确保它们得到正确的申请和保护编写代码、测试和文档，以加快、确保和扩展开发（例如，将文本查询转换为Python代码），同时与外部系统或工具集成通过梳理遗留代码库、总结内容、厘清映射关系以及新语言翻译，实现遗留代码的迭代；代码和安全漏洞评估通过分析各种格式的简历（PDF、WORD.）和评估应聘者与职位之间的匹配程度，为候选人审查提供便利简化财务规划和分析流程，向用户推送近乎实时的进度和反馈，并对下一步行动进行最佳路径推荐17金融服务领域的新一代人工智能相关举措：金融业各细分领域头部玩家已采取行动，利用生成式人工智能工具赋能多个核心业务环节银行与资本市场财富与资产管理保险支付与金融科技某大型投资银行开发了支持OpenAI的聊天机器人，目前正在测试阶段用10万份预审财务和运营文件作为预训练模型，帮助顾问浏览大型数据库某财富管理公司A开发了人工智能对话助手，帮助投资经理和定量分析师实现股票投资流程自动化；同时配备语音功能，基于不同业务场景进行培训当前正处于概念验证阶段某全球化头部保险集团打造了一键式全自动端到端工伤理赔工具运用自然语言处理技术开发了首个真正意义上的人工智能保险律师某全球领先的银行卡组织利用生成式对抗网络(GAN)优化了风险和欺诈检测体系生成虚拟欺诈者，使之与现有反欺诈工具进行对抗训练，以找出欺诈检测模型中的漏洞，不断优化模型某大型金融数据平台创建了自己的大型语言模型，支持情感分析、命名实体识别、新闻分类和问答等多种功能某财富管理公司B构建了由Infosys Cobalt驱动的云原生记录维护平台利用虚拟现实和对话式人工智能为有养老规划需求的客户提供实时数据解决方案和定制服务某欧洲大型保险集团开发了由ChatGPT驱动的自动代码生成工具，用于统计模型、信息提取（如理赔）和索赔数据分析，以确定损失原因某金融科技公司开发了专属生成式人工智能虚拟助手，具有类似ChatGPT的功能与初创企业合作，在其代码库中培训自己的大型语言模型，以便打造自动代码生成工具以支持产品开发某大型商业银行打造了专属虚拟财务助理，可实现个性化产品方案定制可提供实时财务建议、个人财务见解和投资组合表现反馈某资产管理公司打造了专属数字助理，旨在回答投资顾问/客户提出的复杂问题可提供类似人工级别的流程指导，包括如何通过账户管理等环节挖掘潜在客户某大型寿险公司基于生成式人工智能技术制定个性化财务和退休规划方案投资了以AI创新为重点的初创企业，目前可提供无需医生参与的核保服务某北美大型支付平台实现了基于自然语言处理的客户服务自动化实现语音到文本的转录、旅行预订处理、按部门的电子邮件分类，以及客户服务聊天自动化18金融行业细分赛道已有多家企业启动了融合生成式人工智能技术的场景实践生成式人工智能在金融业十大细分赛道的机遇分析示例财富管理行业：核心应用于客户挖掘、整体财富管理建议、财务规划方案等领域资产管理行业：核心应用于前台投资人关系维系、交易支持、交易合规管理、销售和渠道管理等领域零售银行：核心应用于客户挖掘、信贷管理、信用卡和支付管理等领域投资银行：核心应用于财务框架研究分析、交易条款分析、法律合规分析等领域对公银行：核心应用于信贷审批、风险管理、运营和资金管理、客户挖掘等领域资本市场：核心应用于账户开立、交易执行、交易后处理、风险管理等领域财险行业：核心应用于客户获取、核保、保险方案定制、理赔处理、损失分析等领域寿险行业：核心应用于账户开立、核保和风控、定制化保险方案、风险模型预测等领域金融科技行业：核心应用于客户画像、数字化资产管理、运营流程优化等领域支付行业：核心应用于账户开立、支付处理、账户管理和动态风控等领域生成式人工智能在金融行业的核心应用实例19其中在金融服务的各个细分领域中，可以覆盖并产生效益的应用场景相当广泛提供全方位的零售银行服务，可生成人工智能建议利用机器学习即时、持续地检测欺诈风险对包含复杂、非流动性金融产品的资产负债表进行压力测试即时并购交易分析和自动交易结构设计风险决策和资本分配流程自动化基于预测性盈利/亏损分析，自动优化投资组合自动开户，包括KYC、交易协议和账户设置自动做市和资产服务，如抵押品管理根据市场预测自动创建和调整投资组合提供以数据为导向的理财建议基于市场预测自动调整资产配置自动风险评估/定制投资组合，提供个性化见解生成式人工智能承保分析与自动风险分析利用增强型机器学习算法实现自动理赔操作无需体检、化验或就诊，22秒内即可创建保单死亡率预测准确率达88%-90%自动化汇总市场数据和流动性状况用于辅助定价和交易执行优化分布式金融的财务运作和决策过程生成式对抗网络(GAN)支持信用卡欺诈检测通过客户分析开发和优化信用评分模型客户引流信用卡和付款管理信贷管理授权服务财务结构研究分析交易来源和条款分析法律主体分析交易结构设计营销销售信贷审批风险管理业务和资金管理新客登录交易执行交易后处理风险管理客户挖掘和开户全面财富建议财务规划方案共享服务前台和投资人关系业务、交易支持和对账合规和基金管理销售和分销客户挖掘/承销定制化保险方案设计理赔处理损失分析新客登录核保和风险评估定制化保险方案设计预测风险模型用户特征分析数字资产管理强化连通性运行优化新客登录付款处理账户管理动态风险管理零售银行业务投资银行业务大型企业、中小微企业银行业务资本市场财富管理资产管理财产和意外事故人寿保险和年金金融科技行业支付行业银行业和资本市场财富和资产管理支付与创新保险行业细分领域生成式人工智能可发挥作用应用场景20用例设计与开发模型测试（测试套件）未来状态BAU设计模型风险管理/法律/风险文件总体计划支持案例研究-财富管理：某财富管理公司通过嵌入生成式人工智能工具，大幅提升内部知识库使用效率，同时通过分析工具赋能财务顾问、改善客户服务体验一家大型财富管理公司正在实施一项以嵌入人工智能工具为核心的计划，希望将OpenAI集成到核心业务平台中，目的是：(i)改善员工（财务顾问、服务助理）对内部信息的访问；(ii)提高员工的工作效率；(iii)改善客户体验。问题陈述持续进行已开发内部知识管理虚拟助理搜索元数据（摘要、分类、常见问题）使用案例呼叫中心分析呼叫中心呼叫客户客户财务顾问(FA)安永支持领域内部知识管理通过虚拟助理、强化搜索和创建高质量元数据（摘要、分类、常见问题），提高组织知识库的访问和检索能力呼叫中心分析通过记录客户关系管理系统（CRM）关键内容、标记对话中的商机和风险、为员工培训提供交互洞察等举措，提高座席人员的工作效率和客户体验效率提升：简化内部流程，节省时间沟通一致性和准确性：大幅降低业务错误和语境误解情形的发生定制建议：生成量身定制的财富管理建议和配置方案迭代学习：通过对历史案例的学习，为未来战略和最佳实践提供依据能力建设：提高满足客户需求的能力和高价值客户挖掘能力项目价值21案例研究-筹资建议书的起草和管理：生成式人工智能卓越的文字语言整理能力帮助某金融服务机构提升客户项目筹资报告撰写效率和准确性效率提升：简化内部流程，节省时间沟通一致性和准确性：大幅降低业务错误和语境误解情形的发生定制建议：生成量身定制的筹资建议和方案迭代学习：通过对历史案例的学习，为未来战略和最佳实践提供依据能力建设：提高满足客户需求的能力和客户服务整体质量价值驱动资金筹措机会主题 1主题 2主题 3变量 1变量 2变量 3节省变量摘要提交格式目录项目摘要背景介绍方法单独显示每个章节、智能编辑器等用户通过预设提示和再生功能编辑每个章节下载筹资建议草案并提交根据相关性评分，将特定领域资金支持政策文件中的关键词与项目契合的相应因素相匹配在最有可能获得资助的客户与相关资助项目之间建立新的数据驱动联系使用特定功能模型和提示自动跑完程序，提高报告输出质量并减少文字错误标记匹配和申请生成人工干预在回路中的微调与项目方匹配某金融服务机构正在运用大型语言模型自动管理投资项目筹资流程，具体做法是：(i)从项目介绍中提取关键概念；(ii)以最小的工作量整合项目相关文档并起草筹资建议书使用案例22案例研究-ERP管理与理解：某基金销售平台通过打造“ChatERP”工具简化业务查询与决策流程并提高生产力定制的大型语言模型将大型语言模型作为所有ERP数据的接口基于大型语言模型的聊天界面自定义答案U:用户C:ChatERP在哪里可以找到有关X理财产品季度销售情况的信息？X先生在公司内部论坛发表了上一季度的产品销售情况分析报告，包括X产品的销售总金额和渠道类型，请查阅如下链接将Y的本月总业绩更新为300万您能确认他的员工编号和销售的产品吗？Y先生，员工编号1234，本月销售X产品金额300万我已将Y先生（员工编号1234）本月X产品的总业绩更新为300万将大型语言模型用作语义查询层指导大型语言模型了解数据库模式将自然语言作为数据库操作的界面包含临时分析的电子表格将企业资源规划与数据湖相结合带有标注作者和历史的元数据的站点确定关键绩效指标的仪表板文件包含零碎文件的电子邮件内部和外部正式文件UUCCUC金融机构面临的业务环境和合规要求日益复杂，金融行业也需要高效的方法来管理其企业资源规划（ERP）系统。然而传统的ERP系统界面通常较为复杂，操作这些系统需要较为高阶的技术知识积累，对用户使用的门槛要求通常较高ChatERP利用生成式人工智能的力量，通过自然语言实现直观的ERP互动，通过聊天实现数据无缝访问和更新，为所有用户简化决策并提高生产力问题陈述23案例研究-知识管理：某银行通过运用生成式人工智能工具提升线上平台客户服务效率、有效降低客户在账户开立等方面的问题咨诉率1.搜索仅限于关键字搜索，在根据查询上下文进行搜索时效率低下2.内容元数据往往较为缺乏，而且经常面临完整性和准确性问题3.聊天机器人建立在一套预先确定的常见问题清单基础上，因此回答仅限于这些内容领域1.大型语言模型可为上下文搜索创建更丰富的内容嵌入，并适应自然语言查询，从而增强搜索功能2.大型语言模型可用于自动生成元数据，这些元数据可由作者审查后发布3.可以利用大型语言模型驱动的内部聊天机器人来分析内容，并为用户找到/合成正确答案解决方案流程示例：1用户提交查询2生成和存储内容元数据；创建内容嵌入（带元数据）-简历和查询-QV3根据相似性评估和其他相关性算法评估匹配度4创建包含相关内容的提示，并传递给文本完成程序5整合并完成文本中的回复问题如何开设支票账户？请回答：开户步骤如下1.进入账户管理网站.0.10.70.60.80.90.5第一季度的部分内容Q1Q1第二条CV2QV1QV1QV1CV2CV1CV3.98更有效的元数据和搜索综合见解文本生成模型嵌入模式现状现状优化24生成式人工智能在金融机构部署的架构示例：通过输入结构化或非结构化数据，GenAI即可在大语言模型的支撑下通过分类、识别、排序和微调等步骤来完成文本内容输出工作预处理中间件(Python，Power Automate，.net/java等)大型语言模型最终结果Azure托管回路人工干预预处理步骤后处理输出数据输入提示工程将文本分成逻辑块以确认关联关系OCR，文档处理器根据令牌限制，识别并排列相关的数据块，然后发送数据块识别排序微调API响应整合标识脱敏筛选非结构化数据输入结构化数据收集运行时间修正偏差漂移模型微调微调API过程解析预处理1：初步合并聚类文本信息，使用OCR识别文本之间的逻辑关系预处理2：将查询文本限制在令牌限制的范围内，利用分类模型进行逻辑分组和排序个人专属标识脱敏：利用微软语言API或自定义标识进行脱敏，做到数据可用不可见提示工程设计：完成提示工程相关设计，即设置查询逻辑，并提取最优信息输出模型微调：以确保模型训练正确性，防止利用特定数据训练而出现误差的情形后处理1：对响应进行处理，以合并所有处理结果后处理2：评估响应的正确性、偏差和漂移，然后采取适当的调整策略25关键应用挑战326从技术角度考量，金融机构应尽早审视自身战略发展过程中所面临的技术层限制因素金融机构发展过程中面临的技术相关痛点信任和隐私问题与其他人工智能和人力开发系统的竞争监管和法律问题训练数据的偏差和公平性技术可靠性和稳健性部署和维护成本可扩展性和高效资源利用语言模型的技术限制和局限性安全和数据保护质量控制和监测与现有系统和平台集成用户教育和对技术的理解27纵观整个企业战略蓝图，每个组织都必须深入思考发展人工智能技术的相关风险和阻碍对企业战略和市场格局的思考要选取合适用例，就必须了解人工智能技术以及商业模式、熟知当前的市场机遇并预测未来的竞争格局缺乏技术人才很少有企业同时具备计算机科学、机器学习、人工智能和数据工程方面的人才，大规模部署对专业知识要求较高适宜的项目规模应谨慎选择模型和实施规模，以便在预算范围内最大限度提高效能；企业应选择部署对自身业务而言性能最高的模型模型井喷式发布目前不同类型的生成式模型多如牛毛，而且新模型仍在不断发布，模型的高速迭代带来了较高的学习和技术更新成本海量技术开发要跟踪不同开源企业和私营企业的新技术里程碑、进展和能力，巨大的技术投入可能会令企业望而生畏投资回报的考虑各组织在进行原型设计和部署之前，必须确保巨额投资的回报性，因此技术是否契合时代要求也是一大重要考虑因素道德与法律环境要时刻关注生成式人工智能快速演变的环境，包括知识产权、隐私和版权侵犯等领域意外后果及应对应提前完善事故处理机制，以应对意外的、灾难性、处理难度高的结果，并对其进行密切监测安全漏洞的处理新模型的引入或将带来大量新颖且难以攻克的安全漏洞28为什么人工智能战略至关重要？人工智能战略帮助企业更快地确立竞争优势，思考并确定相关制度与准则工具同样关键关键考虑因素1战略一致性：要实现生成式人工智能的全部价值，人工智能战略必须与组织的原则和战略保持一致合规性：尽早实施合规标准并根据法规变化进行修订，这将降低投资风险并助力组织保持发展势头2网络与数据安全：协议和监控必须自上而下进行，以防止漏洞的出现3品牌与体验：在员工和客户体验中采用生成式人工智能具有很高的上行价值，但同时也蕴藏巨大的潜在风险，必须快速部署并加以控制4产品创新服务成本未来韧性员工能效信任与准确性公平与偏见隐私与安全监管与法律实施人工智能战略的组织需要拥有一个重要的风险化解工具在加快追求竞争优势的同时，需要29为什么生成式人工智能的应用需要从战略规划入手？以战略为引领的组织才能提前扫除障碍，更大程度提升人工智能对企业发展的价值以人工智能战略为引领的组织.不以人工智能战略为引领的组织.在人工智能实现之前了解并降低其风险主动识别人工智能部署的高价值领域推广在早期试点中发现的经验和最佳做法在创造收入的同时保护收入，从而加快投资回报率大规模采用人工智能，最大限度地扩大对各职能部门和业务单位的影响各自为政地采用人工智能，从而限制了规模、投资回报率和可见性造成优先级混乱，导致投资分散被动应对风险，损害声誉和财务在采用人工智能的整个生命周期中，各业务单元重复犯错在生成式人工智能应用的早期阶段建立管理框架，可最大限度地提高上行价值，并最大限度地降低下行风险30制定人工智能相关政策、落地流程和实施指南可较大程度帮助企业顺利转型变革应用框架具体应用稳定且合理了解、记录人工智能的培训方法和决定数据安全确保数据安全，防止未经授权的访问、损坏和/或恶意攻击高性能使成果符合预期和行业标准无偏输出减少 求真，创建无偏见的模型是成功的关键框架框架框架描述框架描述政策政策人工智能模型风险管理政策目的和范围人工智能原则人工智能风险报告和执行人工智能风险管理战略优先级流程流程人工智能模型风险管理流程规则规则人工智能模型开发与验证指南模型开发指南（针对优先模型类型）模型验证指南（针对优先模型类型）用例选择模型启动模型开发实施前审查模型审批模型实施模型原型实施后审查持续监测持续审查模型变更模型退役31生成式人工智能将大大改变传统的数据战略方法，以知识战略为基础的同时塑造数据架构数据战略变为知识战略.同时塑造数据架构数据质量知识管理数据整合语义工程如何检查数据的正确性？经营企业需要哪些知识？如何提供这些数据？此用例需要哪些知识？变为变为数据处理数据获取数据存储架构文档模型监测模型开发用例识别与数据挖掘计划数据服务模型应用32如何战略布局433深厚的数据基础、丰富的场景用例、较强的科技能力、领先的金融专长和前瞻性的战略布局，是金融机构在发展生成式人工智能应用过程中能够脱颖而出的关键怎样的金融机构才能在当前趋势下取胜？1深厚的数据基础4领先的金融专长2丰富的场景用例5前瞻性的战略布局第三方IT服务商所提供的算法和算力资源或已经能支持金融机构的人工智能布局而未来真正能够体现生成式人工智能在金融服务上差异化的核心要素是各金融机构的专有数据储备打造商业模式闭环、实现商业化落地是发展生成式人工智能金融应用的关键环节例如银行业可利用生成式人工智能覆盖零售、对公、金融市场等各细分领域场景在细分领域更具金融专长的金融机构有望基于对行业的深度理解和丰富经验、广阔的业务网络和深厚的产业资源，顺应生成式人工智能浪潮实现自身业务的迭代升级3较强的科技能力若金融机构通过前期投入已建立了较为完善的系统，则有望较大幅度降低发展生成式人工智能应用成本例如某基金销售平台在ERP系统之上打造“ChatERP”以提高生产力提前进行应用布局的金融机构能够率先搭建较为完备的人工智能生态、进而为促进技术迭代，实现市场领先金融业各细分领域头部玩家已采取行动，赋能多个核心业务环节34变革迫在眉睫，金融机构可以采取哪些行动在生成式人工智能浪潮中取得成功？我们建议按目标确定、管理流程建立、服务商选择、用例测试、战略路径制定的步骤行动建议的初始步骤生成式人工智能市场将快速增长，其市场收入预计将从2022年的106.3亿美元增至2032年的2,007.3亿美元2023年至2032年的复合年增长率（CAGR）将达到34.2%确定业务目标和目的确定生成式人工智能可以实现的关键业务目标，如改善客户体验或提高运营效率建立管理流程建立管理流程，确保生成式人工智能的使用合乎道德和法规，包括数据隐私、安全和数据等透明度选择技术提供商寻找能够提供强大功能、可扩展性和灵活性，以及在金融行业有成功部署案例的供应商部署用例测试结合在金融行业内的业务特征，筛选能为企业创造最大价值的生成式人工智能特定用例，如客户服务或内容创作制定战略路径制定实施生成式人工智能的战略路径，包括时间计划、资源分配和沟通计划35生成式人工智能战略实施的重点在于如何选择对金融机构而言利用价值最高的应用场景我们将采用连贯一致的战略方案实施并指导，并非只专注于战略或发展的独立环节影响评估模型选择和实施风险评估选择合适用例以更好地契合企业战略将人工智能技术应用与最有可能利好企业的战略重点相结合通过评估内部数字化战略和基础设施现状来考虑生成式人工智能落地可行性绘制新技术和/或新业务模式的实施路线图新技术驱动的业务模式成本分析进行综合技术分析，考虑可扩展性、兼容性和易集成性等因素对数据模型进行微调以高敏捷性快速部署模型，以尽快测试实际可用性快速证明（或反驳）生成式人工智能技术在计划用例中的实际价值，快速且小规模试错与其他技术相结合，最大限度地发挥生成式人工智能工具的价值提前评估生成式人工智能落地的潜在风险，并提前制定应对措施充分考虑道德和法律环境因素践事实核查和反幻觉控制通过及时微调模型，增加防护措施，防止受保护群体受到模型偏见的影响建立生成式人工智能的响应自我识别机制36构建可扩展的生成式人工智能战略蓝图人工智能领导者必须了解生成式人工智能在企业中生存和成功的4个关键特征人工智能的伦理与信任人工智能对长期价值创造的影响战略布局设定愿景、目标、战略蓝图为生成式人工智能的实施确定愿景、目标和衡量标准，并制定未来战略蓝图，以确保战略的有力执行现在探索应用开始尝试不同的技术和用例探索不同的使用案例，确定成功的关键因素和应用部署的潜在障碍下一步实现超越为信任和治理奠定坚实基础建立健全的风险管理框架，并为生成式人工智能建立数据治理、道德、法律和监管框架未来资料来源：麻省理工学院与安永合作开展的技术审查近50%的受访企业和技术决策者不信任公司的人工智能数据质量管理和董事会的作用人工智能政策和法规37安永在帮助金融行业客户运用生成式人工智能技术方面发挥着不可或缺的作用，主要提供以下3项服务卓越的变革、迭代和应用速度快速融入和扩散跨部门和跨职能的用例帮助客户应对差异化竞争挑战1制定生成式人工智能战略和实施路线图2规划并提供可靠的人工智能应用服务3扩展用例实施借助生成式人工智能，帮助客户创建新的业务模式，重新构想运营模式，并推动人力资本的转型变革安永将协助客户部署相应的战略实施路线图，通过业务模式或运营模式转型创造价值，平衡风险与回报客户将抢先市场率先采用生成式人工智能安永将为客户提供人工智能部署和扩展管理服务，帮助客户管理和交付人工智能应用。提供的服务包括生成式人工智能模型应用中的流程管理、程序管理和风险管理等将用例原型化、构建、扩展并交付到完整的生产环境中（dataops、MLOps、API集成）人工智能战略供应商分析与技术选择效益实现/采用框架业务案例诊断和用例选择风险规划目标运行模式设计路线图和执行计划人工智能/移动语言政策模型验证程序/标准人工智能公平/偏见框架高风险程序模型验证持续监测制定基准模式变更管理概念设计和原型制作工艺设计建立和测试人工智能模型绩效评估技术/基础设施建设持续监测模式变更管理利用CoE用例安永在生成式人工智能领域主要提供战略制定和实施路线图规划、人工智能应用、扩展用例实施三方面服务38我们在项目中协助高管团队提升领导力：随着下一个前沿领域的展开，金融机构需要提出正确的问题人工智能自然语言处理机器学习深度学习语言模式ChatGPT算法神经网络数据自动化文本生成创意创新理解知识改变图像生成首席执行官/首席运营官生成式人工智能如何与我们公司的愿景、目标以及运营模式保持一致？生成式人工智能如何帮助我们的组织在竞争中保持领先并提高客户参与度？首席技术官/首席信息官如何将生成式人工智能与我们的核心技术和信息系统相结合？我们的技术人员需要什么样的培训和资源来实施/维护使用生成式人工智能的系统？首席合规官与生成式人工智能相关的潜在内部风险和外部风险是什么？我们该如何制定正确的保障措施和控制措施，以实现生成式人工智能的可操作性？生成式人工智能如何降低成本？首席营销官新老竞争对手和颠覆者是如何部署生成式人工智能的？生成式人工智能对您意味着什么？金融机构高管关键问题39首先，对企业的重新思考将助力我们在各种新可能性中创造价值，更高效地结合人与技术新的人工智能颠覆者生成式人工智能将从根本上颠覆许多商业模式。举例来说，在线教育平台现在可以大规模生成作业，并根据每个学习者的情况进行个性化定制。员工与客户体验的未来生成式人工智能无处不在地大规模体现个性化。客户和员工体验可以利用庞大的先前互动数据库来创建和优化。负责任和合乎道德的人工智能生成式人工智能需要安全屏障和经过验证的来源以保持可信度。在一个成熟的人工智能市场中，能够维护人工智能信任的知识拥有者将是必要的。人工智能生成的产品和服务生成式人工智能已经创造了许多新产品，从图像生成到按需制定个性化金融建议。随着人工智能能力的增长，需要思考的是：它将带来哪些新产品？如何在现有产品中引入人工智能以改进产品？优化企业决策知识管理和优化决策支持是规模化人工智能能力最强大的用例之一。通过更好的问题生成式人工智能可以帮助提升组织的数据价值，优化多变量选择，并实现大规模行动。突破创新创新和开发人工智能能力具有极高价值，然而人工智能也与现有技术相结合，从而帮助创造新的技术。企业可以利用人工智能创造新的产品，或通过优化销售沟通来改进客户关系管理。法律、监管和税务问题随着人工智能在全球范围内不断发展技术开发和执行需要重新思考每个流程和应用，将新技术与传统系统进行整合，并开发新的人工智能功能。重新思考企业从新的业务模式和产品/服务到重新定义的业务流程、人才方法和风险计划，每个企业都需要重新思考其战略和运营，将人和技术结合起来40同时，生成式人工智能将促进金融机构业务和运营模式的根本性转变，因此企业的战略思维也需随之更新战略思维必须从.为了实现这一新的价值.通过技术驱动数据，人员执行流程数据驱动技术，人员管理流程技术技术人人以以.新损益表数据货币化新产品创新联网/软件产品交付重塑直接面向消费者模式支持社交商务数字化的销售队伍市场拓展渠道性能投资组合和定价市场细分数字化运营模式供应链优化客户支持员工队伍规划收入增长生产率收益现有业务模式新商业模式损益价值杠杆业务模式整合41其次，要想取得成功，所有金融机构都必须认真回答与生成式人工智能相关的战略和技术问题管理风险深思熟虑地开始思考如下问题哪些用例可以平衡贵组织的风险和回报？我们该如何处理这些问题：采购还是自建，还是自然增长，还是等等再看？面对即将到来的基于生成式人工智能的在线市场，我们的长期战略愿景是什么？如何在人才库中获取并最大限度地发挥自动化的价值？在这种情况下，我们的新“速赢战略”是什么？管理生成式人工智能和应用的规则办法是什么？评估和确保相关数据隐私和所有权控制的流程是什么？内部测试、安全防护、审计以及相关提示和故障保险的框架是什么？针对新出现的安全威胁（如即时工程和身份伪造），贵公司有何策略？42具体而言，制定金融机构生成式人工智能战略需要囊括如下方面内容模型和购置计划、基础设施、预估成本和时间表生成式人工智能内部采用战略和组织转型路线图用例选择和技术路线图风险、治理与合规技术分析组织转型专属的近期、中期和长期应用市场和竞争分析针对特定行业的相关生成式人工智能模型技术路线图评估创收机会（新市场等）试点计划、合作伙伴参与和黑客马拉松活动生成式人工智能组织模式、规则办法和管理流程针对每种使用情况：数据管理建议知识产权和客户隐私保护战略及建议的控制措施当地法律法规合规指南模型准确性和偏差的防护栏网络安全风险评估针对每种使用情况：评估生成式人工智能模型的性能/成本权衡空间，包括开源与封闭、基于API与托管的对比技术采购/建设/收购/等待分析培训数据源识别、模型微调和培训、提示工程和“大语言模型运营指南预估成本和部署时间表生成式人工智能自动化机会评估内部工具建议和管理/采用战略人才技能提升路线图组织结构评估和变革管理计划绩效衡量和关键绩效指标制定重点突出的短期、中期和长期用例政策和程序、风险报告和治理建议43最后，可通过按时间投入划分的用例策略分类框架确定企业自身的人工智能用例实施生成式人工智能能够从短期、中期和长期为银行保险金融机构的组织实现价值提升能够立即执行的用例数据管理、政策和程序生成式人工智能安全企业平台探索性的黑客马拉松工具的学习、培训和应用知识管理和搜索创作文案和营销内容生产率、流程优化、调度对话式人工智能辅助编程和测试需要大量投入的用例长期建设的战略性用例探索插件生态系统和新市场内部生成式人工智能产品、系统和平台战略收购和合作伙伴关系知识产权开发和保护大规模自动化设计与实施跨企业系统（销售管理、SAP等）进行报告、数据操作和搜索对话式财务预测和机器学习/人工智能整合孤立的平台，例如企业资源规划、区块链等自动化和量身定制的人力资源支持与招聘自动化采购、合同和法律升级的聊天机器人销售和呼叫中心的下一步最佳行动呼叫中心和客户分析44为什么选择安永545安永通过建立并部署生成式人工智能产品，为客户的业务转型提供支持安永帮助客户从业务和技术角度运用生成式人工智能，在人工智能战略制定和实施提升方面发挥着重要的作用。人工智能治理与风险管理生成式人工智能模型风险管理的流程、程序和使用02生成式人工智能战略和路线图制定业务模式或运营模式转型的价值创造路线图，兼顾风险与收益的平衡01扩展用例应用将用例原型、架构、扩展和最终成果交付至完整的生产环境中（数据运营、MLOps、API集成等）生成式人工智能赋能安永解决方案生成式人工智能将支持安永解决方案产品的应用（如客户与增长、供应链、财务等）创新即服务提供托管环境服务，用于实验和共同创新董事会和员工培训提升帮助提升组织成员对技术及其应用的认识提供针对董事会、管理人员和员工的技术及其应用培训0304050646安永的生成式人工智能团队处于战略转型和快速创造价值的核心位置高级分析新兴技术战略战略与转型通过分析创造价值先进的人工智能解决方案预测分析引擎优化产品设计数字孪生与模拟新兴技术投资组合分析地平线扫描、勘测和路线图敏捷产品化、商业化和测试数据货币化战略安永可以帮助企业完成大规模价值创造规划和全新构想下的转型。我们的团队提供先进的分析能力和数据解决方案，以快速识别和实现价值创造。这些解决方案为更大规模的数字和技术转型提供了坚实的牵引力。安永提供深刻洞察力帮助创造新的价值、推动转型变革，从而更加灵活、快速地进行创新，并更有能力应对颠覆性变革。安永生成式人工智能团队的技术领域知识以及对新兴技术如何颠覆行业领域的理解，为安永的战略产品提供了支持，同时也是安永战略和转型机会的关键推动因素。47安永负责任的人工智能能力可以帮助客户平衡落地过程中的风险人工智能的成果符合利益相关者的期望，并能达到预期的精确度和一致性。在与人工智能互动时，终端用户会得到相应的通知，并有机会选择互动级别。在获取和使用数据时，必须征得用户同意。开发团队的组成、数据和培训方法所产生的固有偏差将通过人工智能设计加以识别和解决。人工智能系统的设计要考虑到受影响的利益相关者的需求，并促进产生积极的社会影响。确保人工智能系统组件和算法本身使用的数据安全，防止未经授权的访问、损坏和/或对抗性攻击。人工智能的训练方法和决策标准可以被理解、符合道德规范、有据可查，并可随时供人类操作员质疑和验证。安永开发了全球负责任的人工智能框架，帮助评估人工智能风险，并在五个信任属性、四个风险类别和三个治理领域建立控制措施。可靠性能偏差负责任人工智能弹性透明48联系我们王尊安永中国金融业战略咨询合伙人（安永博智隆）安永（中国）企业咨询有限公司Tel: 86 21 2228 8829赵晓京安永亚太区金融业战略与交易咨询主管合伙人安永企业财务服务有限公司Tel: 852 2846 9888李红军安永中国金融业战略与交易咨询主管合伙人安永（中国）企业咨询有限公司hong-Tel: 86 10 5815 2320忻怡亚太区金融科技及创新首席合伙人安永大中华区金融业首席主管合伙人安永（中国）企业咨询有限公司Tel: 86 21 2228 3286安永|建设更美好的商业世界安永的宗旨是建设更美好的商业世界。我们致力帮助客户、员工及社会各界创造长期价值，同时在资本市场建立信任。在数据及科技赋能下，安永的多元化团队通过鉴证服务，于150多个国家及地区构建信任，并协助企业成长、转型和运营。在审计、咨询、法律、战略、税务与交易的专业服务领域，安永团队对当前最复杂迫切的挑战，提出更好的问题，从而发掘创新的解决方案。 Ernst&Young Global Limited 的全球组织，加盟该全球组织的各成员机构均为独立的法律实体，各成员机构可单独简称为“安永”。Ernst&Young Global Limited 是注册于英国的一家保证（责任）有限公司，不对外提供任何服务，不拥有其成员机构的任何股权或控制权，亦不担任任何成员机构的总部。请登录 。关于EY-ParthenonEY-Parthenon团队与客户协作，应对各种复杂情况，协助他们重整生态系统，重塑业务组合，重塑自我，实现更美好的未来。借助全球互联与规模，团队着重战略实现协助企业首席执行官制定和实施战略，以在业务转型时更好应对挑战，同时最大程度抓住机遇。EY-Parthenon团队从构想到实施，协助企业促进长期的价值，建设更美好的商业世界。EY-Parthenon是一个品牌，全球各地多家安永成员机构在该品牌下提供战略性咨询服务。如欲了解更多，请访问 安永（中国）企业咨询有限公司。版权所有。APAC no.03018095ED None本材料是为提供一般信息的用途编制，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。

125人已浏览 2023-09-01 49页 5星级

金融业元宇宙技术应用报告金融业元宇宙技术应用报告 北京金融科技产业联盟北京金融科技产业联盟 2 2023023 年年 8 8 月月版权声明 版权声明版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其它方式使用本报告文字、图表或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。编制委员会 编制委员会 编委会成员：潘润红 陈钟 编写组成员：聂丽琴 胡达川 王硕 郭锐鹏 高伟 姚冕 盛沛 吴鑫 王润元 郭贞 吴磊 陈鑫 郭林海 李旭佳 须佳杰 姜渊 陈明 王卉 学术指导单位：北京大学元宇宙技术研究所 参 编 单 位：中国工商银行股份有限公司 中国银行股份有限公司 中国建设银行股份有限公司 上海浦东发展银行股份有限公司 深圳市腾讯计算机系统有限公司前言 前言前言 元宇宙“Metaverse”一词最早用于描述一个平行现实世界的网络世界，目前元宇宙概念还在不断演进，其定义还没有形成统一的共识。我们认为以下两个定义较好的阐释了元宇宙内涵。维维基百科认为基百科认为，元宇宙是一个聚焦于社交连结的 3D 虚拟世界，主要探讨一个线上三维虚拟环境，可以通过虚拟现实眼镜、增强现实眼镜、手机、个人电脑和电子游戏机等进入虚拟世界。清华大清华大学新媒体研究中心认为学新媒体研究中心认为，元宇宙是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态，它基于扩展现实技术提供沉浸式体验，以及数字孪生技术生成现实世界的镜像，通过区块链技术搭建经济体系，将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合，并且允许每个用户进行内容生产和编辑。国内互联网公司腾讯则从数实融合的角度，提出了全真互联的概念，指通过多种终端和形式，实现对真实世界全面感知、连接、交互的一系列技术集合与数实融合创新模式。元宇宙所蕴藏的技术创新活力和应用革新潜力，将深度影响金融产业未来生态，数字空间与物理空间的深度融合将进一步加快金融行业数字化转型工作，形成新的金融产业发展机遇。本文部分内容为便于描述元宇宙应用场景，使读者更容易理解虚实共生、数实融合的概念，以“物理世界”代表当前真实的物理环境，“虚拟世界”代表元宇宙场景中的数字环境。由于元宇宙技术和场景还处在不断演化和迭代创新过程中，所以本文内容仅代表在发布时点的情况。目录 目录目录 一、一、技术分析技术分析.1 1.1 1.1 技术原理技术原理.1 1.2 1.2 技术特点技术特点.11 1.3 1.3 技术挑战技术挑战.12 二、二、产业分析产业分析.15 2.1 2.1 产业概览产业概览.15 2.2 2.2 国际发展情况国际发展情况.16 2.3 2.3 国内发展情况国内发展情况.19 三、三、金融应用案例金融应用案例.27 3.1 3.1 用户服务领域应用用户服务领域应用.27 3.2 3.2 服务环境建设应用服务环境建设应用.29 3.3 3.3 营销创新领域应用营销创新领域应用.31 3.4 3.4 其他其他.34 四、四、应用实践分析应用实践分析.35 4.1 4.1 元宇宙应用价值元宇宙应用价值.35 4.2 4.2 金融业应用方向金融业应用方向.37 4.3 4.3 金融业发展路径金融业发展路径.39 4.4 4.4 需要探索的方面需要探索的方面.40 五、五、后续工作建议后续工作建议.42 5.15.1 总体思路总体思路.42 5.2 5.2 主要原则主要原则.42 5.3 5.3 工作建议工作建议.43 参考文献参考文献.45 一、技术分析 1 一、一、技术分析技术分析 1.1技术原理技术原理 元宇宙技术本身不是单一技术的革新或再创造，而是一系列技术的集合。从技术构成来看，元宇宙主要由云计算、区块链、人工智能等基础技术，音视频、虚拟现实、增强现实、全息投影等交互技术，以及数字人、数字空间、数字孪生等应用技术构成。通过上述技术的有机结合，为元宇宙场景中的用户带来高清优质的视听体验和沉浸逼真的交互体验，为元宇宙应用提供稳定高效的服务基础和丰富强大的扩展能力。1.1.1 技术体系概览技术体系概览 元宇宙技术体系可分为基础层、交互层和应用层三个层面。图 1 元宇宙技术体系概览 1.1.2 基础层技术基础层技术 1.1.2.1 云计算云计算 云计算云计算（Cloud Computing）是通过网络访问可扩展的、一、技术分析 2 灵活的物理或虚拟共享资源池，并按需自助获取和管理资源的模式1。云计算作为通用信息基础设施，主要面向长周期、高价值密度型数据的存储、计算和分析任务，为元宇宙场景中海量数据、大量设备接入提供强大的算力支撑，为用户在元宇宙场景中带来高质量服务。1.1.2.2 边缘边缘计算计算 边缘计算（边缘计算（Edge Computing）是将数据处理、存储放在物联网边缘侧的计算架构2。边缘计算是云计算向边缘的延伸，主要面向时间敏感、短周期、低价值密度型数据的存储和处理分析，旨在满足海量设备的数据和流量处理对时延、安全、能耗等方面的要求。边缘计算和云计算互为补充、协同工作，云计算依靠边缘计算作为数据采集单元，更好的支撑云端应用；边缘计算协助云计算，实现计算能力的进一步细化分工，将部分资源和服务下沉到边缘位置，丰富业务类型，优化服务处理，为用户在元宇宙场景中带来高质量用户体验。1.1.2.3 5G 网络网络 5G（5th Generation Mobile Communication Technology）具有高速率、低时延和大连接三大特征，结合边缘计算技术，可以将计算和存储功能从云端延伸到网络的边缘，从而满足元宇宙场景所需的超大带宽和超低时延的需求。5G 是元宇宙场景中信息传输速率和质量的技术保障，在支持数据传输方面发挥着至关重要的作用。1 引自：GB/T 311672014 信息安全技术 云计算服务安全指南。2 引自：GB/T 41780.12022 物联网 边缘计算 第 1 部分：通用要求。一、技术分析 3 1.1.2.4 物联网物联网 物联网（物联网（Internet of Things，IoT）是通过感知设备，按照约定协议，连接物、人、系统和信息资源，实现对物理和虚拟世界的信息进行处理并作出反应的智能服务系统3。物联网技术为元宇宙提供了实时、精准、持续的数据供给，同时满足了随时随地以多种方式、多元化接入元宇宙场景的需求。1.1.2.5 大数据大数据 大数据大数据（Big Data）是具有体量巨大、来源多样、生成极快、且多变等特征并且难以用传统数据体系结构有效处理的包含大量数据集的数据4。大数据技术是指存储、处理、管理和分析上述海量、复杂、多样化大数据的一系列技术和工具。大数据技术在元宇宙场景中，主要处理因人、场、物广泛连接，人人、人物、物物之间实时交互等产生的海量数据。1.1.2.6 区块链区块链 区块链区块链（Blockchain）技术是一种由多方共同维护，使用密码学保证传输和访问安全，能够实现数据一致存储、防篡改、防抵赖的技术体系5。区块链技术保障用户在元宇宙场景中实现互操作、所有权的数字证明、数字资产的收集、价值转移、生态治理等。主要包括分布式账本、智能合约、共识机制等。分布式账本技术（分布式账本技术（Distributed Ledger Technology，DLT）是实现分布式账本的技术的集合，是密码算法、共识机制、点对点通讯协议、分布式存储等多种核心技术体系高度融合形 3 引自：GT/T 337452017 物联网 术语。4 引自：GB/T 352952017 信息技术 大数据 术语。5 引自：JR/T 0193-2020 区块链技术金融应用 评估规则。一、技术分析 4 成的一种分布式基础架构与计算范式6。分布式账本技术用于元宇宙场景中簿记所有权、记录交易、跟踪资产，并确保数字资产在元宇宙交易中的透明度、安全性、信任和价值交换。智能合约（智能合约（Smart Contract）是一种旨在以信息化方式传播、验证或执行合同的计算机协议，其在分布式账本上体现为可自动执行的计算机程序7。智能合约技术允许元宇宙场景中的交易对手间设定交易条件，在达到约定条件后自动触发执行，从区块链上读取数据或者向区块链上写入数据，自动完成交易。智能合约技术是元宇宙场景中用户相互信任的核心技术之一。共识机制（共识机制（Consensus Mechanism）是实现区块链系统中各节点之间达成一致的机制。共识机制使得元宇宙场景中的区块链各互不相干的节点能够验证与确认交易数据，从而互相信任达成共识，解决元宇宙场景中的信任问题。1.1.2.7 人工智能人工智能 人工智能人工智能（Artificial Intelligence，AI）是在针对人类定义的给定目标，产生诸如内容、预测、推荐或决策等输出的一类工程系统，对这类系统的相关机制和应用的研究和开发8。人工智能技术主要包括计算机视觉、语音识别、自然语言处理和语音合成等。计算机视觉技术计算机视觉技术（Computer Vision，CV）是利用摄影机和计算机来代替人眼，进行目标识别、跟踪和检测等机器视觉 6 引自：JR/T 0184-2020 金融分布式账本技术安全规范。7 引自：JR/T 01932020 区块链技术金融应用 评估规则。8 引自：GB/T 418672022 信息技术 人工智能 术语。一、技术分析 5 处理的过程，从而生成更适合人眼观察或适用于仪器检测的图像。计算机视觉技术是实现增强现实等数字化能力的关键技术。语音识别语音识别（Speech Recognition）是指将人类的声音信号转化为文字或指令的过程9。语音识别是用户在元宇宙中进行语音交互过程的第一步，相当于机器的“耳朵”。自然语言处理自然语言处理（Natural Language Process，NLP）是基于自然语言理解和自然语言生成的信息处理10。通过构建算法，使计算机具有识别、分析、理解和生成自然语言文本的能力，依托海量语料累积，覆盖从词法分析、到句法分析、再到篇章分析等多个维度的综合文本处理能力。自然语言处理技术是元宇宙场景中真人与数字人、真人与真人交流和沟通的基础技术。语音合成语音合成（Speech Synthesis）是指通过机械的、电子的方法合成人类语言的过程11。通过前面两个步骤，用户在元宇宙中的声音信号经过语音识别、语言语义理解并处理后，系统将相关的反馈、策略等以语音形式表达出来，相当于机器的“嘴巴”。1.1.2.8 数字身份数字身份 用户身份识别、认证及对用户身份信息尤其是隐私信息的保护，是元宇宙场景中任意双方进行交互的信任基础。中心化数字身份中心化数字身份（Centralized Digital Identity）是指用户 9 引自：GB/T 41813.1-2022 信息技术 智能语音交互测试方法 第 1 部分：语音识别。10 引自：GB/T 41867-2022 信息技术 人工智能 术语。11 引自：GB/T 21024-2007 中文语音合成系统通用技术规范。一、技术分析 6 在应用服务中创建与应用相关的特定身份，并依据身份获取应用提供的服务。中心化数字身份采用中心化的技术架构，用户的数字身份和中心授权系统的授权信息全部集中保存在中心机构的服务器中，用户信息的所有权属于身份认证系统中心服务器，用户在中心认证系统的授权下才能使用身份信息。分布式数字身份（分布式数字身份（Decentralized Identity，DID）是一串全局唯一的字符串，唯一地对应着一个实体身份，从而实现对不同实体的独特标识。分布式数字身份技术实现了用户在元宇宙场景中拥有安全、可控和可移植的数字身份，可以有效保护用户的身份信息。1.1.2.9 隐私计算隐私计算 隐私计算隐私计算（Privacy Computing）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术。可以保障用户在元宇宙场景中的身份、行为、生物信息等隐私数据不对外泄露的前提下进行数据分析计算，达到数据可用不可见，充分保护敏感信息和隐私数据安全。1.1.3 交互层技术交互层技术 人机交互是人机之间信息交换理论和技术研究的总称。在人机交互的支持下，元宇宙场景中人的行为都能够被准确理解和把握，信息系统所具有的深度意图理解和情境感知能力可以给用户带来沉浸式交互体验。主要包括音视频技术、虚拟现实、增强现实、混合现实、全息影像和脑机接口等。1.1.3.1 音视频音视频 传统的语音聊天、视频通话及实时互动等交互方式已不一、技术分析 7 能满足元宇宙场景需求，在元宇宙中大部分场景都是综合、复杂、低延时的音视频业务，需要实时音视频和实时云渲染等技术作为支撑。实时音视频实时音视频（Real-Time Communication，RTC），也叫实时通信，从以下几方面解决延时问题，在网络层采用 TCP 拥塞控制策略、播放器抗抖动策略、ARQ 与 FEC 机制等技术降低网络传输延时；在设备端采用 RPS 帧参考关系、PLC 丢包隐藏技术等技术降低设备端内部处理延时；在服务端通过全球虚拟网络、跨国专线、智能选路等方法降低服务器内部处理延时。实时云渲染实时云渲染（Real-Time Cloud Rendering）技术是将渲染工作放在云端，是云计算在渲染领域的应用，让用户在普通终端设备上流畅、高效交互互动，沉浸式体验元宇宙场景。实时云渲染将大型应用程序搬到云端运行并实时渲染，通过低延迟音视频串流技术将实时渲染出的结果传输至终端进行解码播放，终端的操作指令也实时传输至云端，从而实现在任意终端上操作在云端运行的应用。1.1.3.2 虚拟现实虚拟现实 虚拟现实虚拟现实（Virtual Reality，VR）是采用以计算机为核心的现代高科技手段生成的逼真的视觉、听觉、触觉、嗅觉、味觉等多感官一体化的数字化人工环境，用户借助一些输入、输出设备，采用自然的方式与虚拟世界的对象进行交互，相互影响，从而产生亲临真实环境的感觉和体验12。目前 VR 设备是 12 引自：GB/T 382592019 信息技术 虚拟现实头戴式显示设备通用规范。一、技术分析 8 当前体验元宇宙场景的主要方式，核心技术包括显示（分辨率、刷新率等）、光学（影响佩戴舒适度、眩晕感等体验）、算力（需专属芯片支撑）以及屏幕等。1.1.3.3 增强现实增强现实 增强现实（增强现实（Augmented Reality，AR）是采用以计算机为核心的现代高科技手段生成的附加信息对使用者感知到的真实世界进行增强的环境，生成的信息以视觉、听觉、味觉、嗅觉、触觉等生理感觉融合的方式叠加至真实场景中13。虚拟现实强调沉浸式的虚拟世界，而增强现实主打在现实中实现虚实结合、信息增强，强调物理世界和虚拟空间的叠加。AR 设备需要感知周围的复杂环境，且轻量化和续航方面都有更加严苛的要求，目前硬件整体水平还处于核心部件和技术突破阶段。1.1.3.4 混合现实混合现实 混合现实（混合现实（Mixed Reality，MR）是实现真实场景和虚拟场景的混合匹配的技术，场景中物理对象和虚拟对象共同存在且能够实时交互，从而构建出的一个真实对象和虚拟对象实时交融的新环境。如果一切事物都是虚拟的就是虚拟现实，如果展现出来的虚拟信息只能简单叠加在物理世界上，就是增强现实。混合现实的关键点就是与物理世界进行交互和信息的及时获取,所以混合现实更贴近元宇宙场景所要给用户带来的体验感受。1.1.3.5 全息投影全息投影 13 引自：GB/T 382472019 信息技术 增强现实 术语。一、技术分析 9 全息投影技术全息投影技术（Front-projected Holographic Display）是指利用干涉和衍射原理记录并再现物体真实的三维图像的记录和再现的技术。结合全息膜与投影设备，将真实的三维图像投放在空气中，用户无需佩戴其他设备，便能沉浸式体验元宇宙场景。全息投影技术是前述虚拟现实、增强现实等技术的有益补充，共同为元宇宙用户提供良好的视觉体验。1.1.3.6 脑机接口脑机接口 脑机接口脑机接口（Brain-Machine Interface，BMI）技术通常是指通过在人脑神经与具有高生物相容性的外部设备间建立直接连接通路，实现神经系统和外部设备间信息交互与功能整合的技术，可以实现人脑对外部环境的控制和信息交换。从接入的方式看，分为非侵入式、半侵入式和侵入式。2022 年底，全国信息技术标准化技术委员会开始征集脑机接口国家标准立项建议，并积极筹备脑机接口分技术委员会负责相关工作。1.1.4 应用层技术应用层技术 1.1.4.1 数字人数字人 数字人数字人（Digital Human）是一种集成了计算机图形、计算机视觉、智能语音和自然语言处理技术的计算机应用程序14。可用于数字内容生成和人机交互，以帮助提高内容生产效率和用户体验。数字人主要应用在迎宾、客服、营销等领域，通过 2D 或 3D 的数字人完成与用户的交互式问答和业务指引办理等，也可以通过播报式数字人完成营销、直播、业务介绍等工作。14 引自：ITU-T F.748.15:Framework and metrics for digital human application systems.一、技术分析 10 1.1.4.2 数字数字空间空间 数字空间（数字空间（Digital Space）基于实时音视频、实时云渲染、数字人等技术构建，通过物理空间和数字空间互联，为用户提供模拟现实的创新金融服务体验。技术包括端云协同引擎、人场物创建、虚拟空间场景制作等。金融机构应用数字空间技术可以搭建元宇宙虚拟营业厅、3D 数字营业厅等场景。1.1.4.3 数字孪生数字孪生 数字孪生数字孪生（Digital Twin）是由物理资产、虚拟镜像和用户界面组成的混合模型15。通常以模型和数据为基础，通过多学科耦合仿真等方法，完成物理世界中的物理实体到虚拟世界中的镜像数字化模型的精准映射，并充分利用二者的双向交互反馈、迭代运行，以达到物理实体状态在数字空间的同步呈现，通过镜像化、数字化模型的诊断、分析和预测，进而优化实体对象在其全生命周期中的决策、控制行为，最终实现实体与数字模型的共享智慧与协同发展。1.1.4.4 数字藏品数字藏品 数字藏品（数字藏品（Digital Collectibles）是基于区块链系统通过智能合约进行唯一标识和权属簿记的特定美术作品、影音作品、艺术品和其他虚拟商品的数字化实现。特定数字藏品的数字凭证称为非同质化凭证（Non-Fungible Token，NFT）。在保护数字版权的基础上，实现真实可信的数字化发行、收藏和使用。在元宇宙场景中通过发行数字藏品，可以提升用户的活跃度，丰富产品与服务种类，在增加影响力和品牌效应的同时15 引自：GB/T 417232022 自动化系统与集成 复杂产品 数字孪生体系架构。一、技术分析 11 带来流量。1.2技术特点技术特点 1.2.1 高清优质的视听体验高清优质的视听体验 通过实时音视频和实时云渲染等技术可带来高清的视觉体验和优质的听觉体验。一是一是实时音视频技术提供将一定时长以内带噪语音去除噪声的服务，真实还原声音细节，为用户在元宇宙场景中提供高品质音质；二是二是利用视频低码率技术，大幅降低码率，实现低码高清体验，通过实现超分、片源修复，增强细节，提升色彩质量，为元宇宙场景提供高品质画质。1.2.2 沉浸逼真的交互体验沉浸逼真的交互体验 通过人工智能、交互技术、数字人等技术给用户带来了沉浸式的交互体验。一是一是综合运用计算机视觉、自然语言处理、语音识别、语音合成等人工智能技术，加深感知理解，从而支持丰富的业务场景。二是二是利用虚拟现实、增强现实、混合现实等交互技术，让用户能够体验到传统互联网服务所不具备的沉浸式体验和良好的人机交互体验。三是三是利用数字人技术创造类型齐全、高度拟真、可定制化的数字人形象。1.2.3 稳定稳定高效高效的服务基础的服务基础 通过云计算、边缘计算等技术支撑，为元宇宙场景提供可伸缩、弹性的共享物理和虚拟资源池，满足海量数据处理的低时延、低能耗等方面的要求并减少交互流程。利用 5G 高速率、低时延和大连接特性、物联网可靠传输、智能处理等特点并依托区块链技术不可篡改、可追溯等优势打造高速、智能、稳定、安全的数据传输网络，保证元宇宙场景下的各项服务稳定性。一、技术分析 12 1.2.4 丰富强大的扩展能力丰富强大的扩展能力 一是一是支持多平台扩展。随着基础技术的不断发展，元宇宙场景能够同时支持移动端、网页端等终端。二是二是具有丰富的功能。包括具备功能/业务组件库、开发集成框架、互动视频引擎、监控与质检等多种功能。三是三是多样的接入服务。元宇宙场景可以支持文本驱动、声音驱动，支持多种语言，具备较强的 AI 技术集成能力，支持多种端口对接，支持多种通信协议。四是四是丰富的外部接口和灵活的集成能力。通过丰富的 API 接口和 SDK 等，能够灵活地支持业务系统、第三方软件系统对接集成，形成整体解决方案，有效支撑机构各类业务需求实现。1.3技术挑战技术挑战 随着元宇宙场景在产业侧逐渐开始落地，作为构建元宇宙的云计算、区块链、人工智能、虚拟现实、数字人等技术迭代升级进一步加快，技术发展的不确定性直接影响元宇宙发展进程。1.3.1 技术局限技术局限 元宇宙涵盖技术种类众多，新技术迭代升级，产业链长且割裂，协同效率有待提升，技术成熟度参差不齐，部分技术仍处在应用场景探索阶段，或将成为元宇宙应用的短板。例如，尽管 5G 已进入商用阶段，但仍处在发展初期，尚未实现规模化应用，且 5G 的短波特点限制了覆盖范围，增加了基建成本；虚拟现实和增强现实设备的显示技术还没有达到沉浸式的消费级水平；隐私计算技术现阶段存在的性能瓶颈，制约了技术一、技术分析 13 的规模化应用。1.3.2 信息安全信息安全 元宇宙场景强调沉浸式互动体验，系统会采集包括行踪轨迹、生物信息（人脸、虹膜、指纹等）等敏感个人信息，要求对数据的收集、传输、存储、使用、共同处理、委托处理、对外提供、公开等处理活动建立更加完备的数据治理体系，确保数据处理活动同时符合个人信息保护和数据安全方面的合法合规要求。同时，为实现元宇宙场景中数实融合、虚实共生，存在对部分涉及具有一定保密性质和要求的物理世界，如道路、海域、建筑等位置、形状信息进行测绘和采集情况，需要具有保障相关信息安全的技术能力。1.3.3 能源消耗能源消耗 一方面，元宇宙场景构建涉及人工智能大模型训练、视觉渲染等需要消耗大量算力的环节，而算力的消耗又与电力能源的消耗成正比；另一方面，元宇宙基础系统的运行需要大量服务器资源支撑，同样会消耗较多的电力能源。随着元宇宙应用从初级探索阶段向深化应用阶段发展，将面临大量用户和终端设备连接带来的更大能源消耗和网络拥堵等问题。这些问题将会对地球环境造成极大负面影响，并且与现在国家双碳战略目标不相符，需要对元宇宙体系架构、技术选型等进一步优化完善。1.3.4 成本成本问题问题 无论是理论技术能力积累、系统平台建设及模型训练学习等都需要大量人力、物力支撑，特别是在人力方面投入资金一、技术分析 14 量巨大。云计算、人工智能、区块链等每一项技术若要精通都需要长期深耕相关领域的专家潜心研究，平台建设除需要人力支持外还需要设备、环境等基础设施支撑。在元宇宙场景应用尚未探索出一条成熟有效的盈利模式的当下，如何降低研发应用成本也是需要关注的一大挑战。二、产业分析 15 二、二、产业分析产业分析 2.1 产业概览产业概览 元宇宙在当前互联网和移动互联网基础上发展而来，在沉浸交互体验方面进行创新，为物理世界的业务功能转移到虚拟世界提供了丰富的机会，同时也为用户提供了许多新的空间和活动形式。从产业角度看主要分为技术层、平台层、内容层和用户层四个方面。图 2 元宇宙产业生态 技术层技术层：如前文所述，技术层包括基础技术、交互技术及应用技术。其中，基础技术包含云计算、边缘计算、人工智能、区块链等；交互技术包括音视频、虚拟现实、增强现实、混合现实、脑机接口等；应用技术包括数字人、数字空间、数字孪生、数字藏品等。平台层：平台层：主要指科技公司基于技术层搭建的支持元宇宙场景应用的虚拟社区、游戏引擎、分发平台等，支持各种智能应用和互动的算法。目前国内主要的元宇宙平台包括百度希壤、网易瑶二、产业分析 16 台等；国外主要的元宇宙平台包括 Roblox、Decentraland、The Sandbox 等。内容层：内容层：产生元宇宙场景所需的数字内容和应用。涉及金融、政务、教育、文旅、医疗、住房、办公、游戏、社交等行业。例如，金融行业可以创建虚拟营业厅、金融数字人；教育行业可以创建元宇宙课堂、元宇宙校园等；文旅行业可以创建元宇宙景区还原真实景区样貌，为游客提供沉浸式线上旅游。用户层用户层：元宇宙场景中的用户，包括个人消费者、机构消费者、运营方和监管方等。消费者可以办理金融服务咨询、转账、理财购买等业务；运营方指元宇宙系统、内容生产和维护的机构；监管方指对元宇宙场景中系统运行、业务合规、人员自律等方面进行监管的机构。2.2 国际发展情况国际发展情况 2.2.1 政策规划政策规划 美美国国国会研究服务局在 2022 年 8 月发布题为元宇宙：概念和国会应考虑的问题报告，提出国会需考虑的风险主要涉及内容控制、隐私保护、市场垄断和数字鸿沟等方面。欧盟欧盟出台人工智能法案数字服务法案数字市场法案等，提出对人工智能系统的风险分级和合规要求，规定了在线平台在处理非法或有害的内容、商品或服务的义务，并禁止超大型在线平台滥用其市场地位来排挤或歧视竞争对手或用户。这些法案反映了欧洲意图通过监管促进安全负责、公平开放的数字环境。日本日本经济产业省 2021 年 7 月发布关于虚拟空间行业未来二、产业分析 17 可能性与课题的调查报告，提出政府应着重防范和解决“虚拟空间”内法律问题。2022 年 4 月，日本成立面向应用推进研究和规则完善的“元宇宙推进协议会”。韩国韩国 2022 年 1 月发布元宇宙新产业先导战略，提出未来五年成为世界第五大虚拟市场；2 月，韩国科学技术和信息通信部宣布一项全力支持创建扩展虚拟世界生态系统的计划；首尔市政府发布了元宇宙首尔五年计划，宣布从 2022 年起分三个阶段打造元宇宙行政服务生态，并在 2023 年上线元宇宙综合市政平台。2.2.2 科技企业参与科技企业参与 在技术层、平台层和内容层，国际上很多科技企业有所布局，包括 Meta、谷歌、微软、亚马逊、英伟达等。Meta 由 Facebook 在 2021 年更名成立，标志着全面进军元宇宙产业。产品方面，产品方面，Meta 推出虚拟现实头戴设备 Oculus，布局 VR 生态，截至 2022 年第一季度末，其发布的硬件设备 Quest 2 全球占有率超过 91%。服务方面服务方面，Meta 提供了包括居家、会议、办公、游戏、社交等场景的元宇宙应用 Horizon 系列。谷歌谷歌较早介入增强现实硬件领域。产品方面，产品方面，2012 年推出了谷歌眼镜，但由于市场表现并不佳，导致其退出了硬件市场，到目前尚未有成功的元宇宙硬件产品。服务方面，服务方面，谷歌的安卓操作系统、谷歌云以及 Google Pay（谷歌支付）具有较强优势，是布局元宇宙的重要基座。谷歌云已经开始提供元宇宙基础技术方面的云服务。微软微软建立了较为全面的元宇宙技术底座，元宇宙布局主要体二、产业分析 18 现在办公和游戏行业。产品方面，产品方面，拥有混合现实眼镜 HoloLens、虚拟体验协作平台 Mesh、低代码平台 Power Platform、云服务Azure 等。服务方面服务方面，微软主要依托工作场所协同软件 Teams 在办公领域布局元宇宙应用，企业将可以在 Teams 内部建立自己的虚拟空间或元宇宙。游戏布局方面，游戏布局方面，微软收购 Mojang（我的世界开发商）、动视暴雪、Bethesda（B 社）等，丰富自身在游戏开发、IP 创建方面的能力。亚马逊亚马逊相对于其它厂商态度更加温和谨慎，更多是从其主业电子商务和云计算 AWS 出发布局元宇宙。产品方面，产品方面，亚马逊曾推出了 AR 购物工具，还推出了开源、免费、高扩展性的 3A 级游戏引擎，使客户更方便地搭建开发者生态，以便产生 UGC（用户生成内容，即用户原创内容）。服务方面服务方面，亚马逊云科技与 Meta公司开展深化合作，作为其战略云服务提供商。英伟达英伟达作为全球可编程图形处理技术领袖，在 AI 计算、图形处理等领域具有优势。产品方面，产品方面，英伟达推出 GPU（图形处理器）芯片是元宇宙底层云计算、人工智能等技术的硬件支撑；同时 2021 年下半年，英伟达宣布全球首个为元宇宙建立提供基础的模拟和协作平台 Omniverse，具有高效、低成本特征，快速打造了基于 Omniverse 的生态。2.2.3 金融机构参与金融机构参与 国际上，金融机构逐步开始元宇宙研究及应用，部分银行尝试入驻有加密货币背景的元宇宙平台，并围绕金融元宇宙场景开展探索。例如，韩国国民银行韩国国民银行在元宇宙平台 Gather 上建立虚拟城镇，用户可在其中进行业务咨询；摩根大通摩根大通在元宇宙平台二、产业分析 19 Decentraland 上开设了一间虚拟休息室，用户可以看到摩根大通高管关于加密经济的演讲；汇丰银行汇丰银行在 TheSandbox 中购买虚拟土地，该土地将被开发为面向娱乐、体育、电子竞技、游戏和金融专业人士的虚拟空间；花旗银行花旗银行发布了研究报告元宇宙与金钱-解密未来，讨论了元宇宙成为下一代互联网的可能性。2.3 国内发展情况国内发展情况 2.3.1 政策规划政策规划 2.3.1.1 国家部委国家部委 国务院、人民银行、工信部、教育部等发布的发展规划直接或间接鼓励元宇宙技术应用与发展。国务院国务院：2022 年 1 月印发 “十四五”数字经济发展规划，指出创新发展“云生活”服务，深化人工智能、虚拟现实、8K 高清视频等技术的融合。人民银行人民银行：2022 年 1 月发布 金融科技发展规划（2022-2025年），提出以线下为基础，依托 5G 高带宽、低延时特性将增强现实（AR）、混合现实（MR）等视觉技术与银行场景深度融合，推动实体网点向多模态、沉浸式、交互型智慧网点升级。工信部工信部：2022 年 10 月发布工业元宇宙创新发展三年行动计划（2022-2025 年），提出 3 年时间形成 100 个可复制的典型案例、打造 100 个工业元宇宙标杆应用、建设 100 个赋能创新中心的“三个 100”的目标。工信部、教育部等五部门工信部、教育部等五部门：2022 年 11 月联合发布虚拟现实与行业应用融合发展行动计划（20222026 年），提出到2026 年，虚拟现实在经济社会重要行业领域实现规模化应用，形二、产业分析 20 成若干具有较强国际竞争力的骨干企业和产业集群，打造技术、产品、服务和应用共同繁荣的产业发展格局。2.3.1.2 地方政策地方政策 目前北京市、上海市、广州市、深圳市、浙江省、河南省等发布了元宇宙发展支持政策、规划或方案。北京市：北京市：2022 年 8 月，通州印发城市副中心元宇宙三年行动计划；经信局印发促进数字人产业创新发展行动计划。相关计划旨在推动元宇宙产业在城市副中心落地发展，培育、引进 100家以上元宇宙生态链企业，落地建成 30 项以上“元宇宙 ”典型应用场景项目，搭建“1 N”产业承载空间，组建元宇宙产业联盟等。数字人发展方面，用 4 年时间培育 1-2 家营收超 50 亿元的头部数字人企业，10 家营收超 10 亿元的重点数字人企业；建成 10 家校企共建实验室和企业技术创新中心；建成 2 家以上特色数字人园区和基地等。上海市：上海市：2022 年 7 月，发布培育元宇宙的四年行动方案，明确通过实施四大行动和八项工程打造 50 创新示范应用，推出100 标杆性产品和服务，建设 3 到 5 个市级元宇宙产业创新园。广州市广州市：2022 年 4 月，黄埔区、开发区发布促进元宇宙创新发展的相关办法，主要通过对入驻园区的元宇宙专精特新企业减租、补贴，对攻关项目、平台建设、人才引进等方面进行一系列补贴扶持等措施，推动元宇宙相关技术、管理、商业模式的产业化与规模化应用。深圳市：深圳市：福田区 2022 年政府报告中明确提出，推动区块链、量子信息、类脑智能等未来产业的技术转化成果加速落地，多领二、产业分析 21 域拓展数字人民币、元宇宙等技术应用场景。浙江省：浙江省：2022 年 12 月，发改委等 5 部门印发省级元宇宙发展三年行动计划，明确通过实施元宇宙 5 大重点任务（创新协同攻关、产业链补链强链、消费场景提升、实体经济赋能、数字空间治理）和 5 大重点工程（元宇宙综合试验平台、元宇宙产业基地、元宇宙虚拟人、制造业赋能、“元宇宙浙江”品牌），实现3 个“1050”。河南省：河南省：2022 年 9 月，印发省级元宇宙发展四年行动计划，明确建成 10 个左右国内一流的元宇宙技术研究和创新平台，建成 1 个元宇宙核心园区、35 个特色园区，培育 10 家具有核心竞争力的元宇宙骨干企业。除上述省市外，南京、杭州、武汉、成都、重庆、厦门、沈南京、杭州、武汉、成都、重庆、厦门、沈阳、无锡阳、无锡等城市均从政策层面对元宇宙技术发展应用提供了支持。2.3.2 科技企业参与科技企业参与 在技术层和平台层，国内有所布局的企业包括腾讯、百度、字节跳动等。腾讯腾讯：提出“全真互联”的观念，并基于此开展元宇宙布局。主要围绕传统优势领域社交、游戏和电影直播等，还没有直接布局硬件设备。2019 年腾讯与 Roblox 共同出资成立了“罗布”公司，中国版 Roblox 平台“罗布乐思”获得版号并后续上线。在与金融机构合作方面，其利用在音视频、云计算、区块链等领域的技术优势，已与中国银行、工商银行、浦发银行、中信证券等多家金融机构在金融数字人、远程银行、数字藏品等领域进行业务合作。百度百度：2020 年 12 月启动元宇宙项目，2021 年 12 月百度在二、产业分析 22 AI 开发者大会上发布国产元宇宙 APP“希壤”。百度针对金融行业推出了元宇宙金融解决方案，在金融营销、沙龙空间、金融数字人、数字藏品等领域均有实践案例。浦发银行虚拟营业厅、工商银行河北雄安分行已经入驻希壤平台。字节跳动字节跳动：依托其社交、内容以及全球化的优势，布局元宇宙。2021 年字节跳动收购 VR 软硬件制造商 Pico，拥有目前全球市场占有率第二的VR产品（虽然Pico在全球市场份额相较Meta的 Oculus 还非常小）；此外，字节跳动还投资 VR 数字孪生技术公司众趣科技，专门做 3D 实景重建。2.3.3 金融机构参与金融机构参与 国内金融机构对元宇宙的应用探索整体呈审慎稳健态度，超过 15 家商业银行围绕虚拟营业厅、数字员工、数字藏品等元素开展营销方式和服务模式创新。值得关注的是，区别于定价发行数字藏品的互联网平台，国内金融机构采用免费方式发放数字藏品，主要用于营销和引流，均不支持转赠和二级交易，仅限用户本人持有和收藏，从根本上杜绝了炒作行为。从应用情况来看，国内金融机构主要围绕提升用户服务体验、强化服务环境建设、创新金融营销等方面开展元宇宙场景应用。工商银行：工商银行：2022 年 7 月在雄安新区推出“元宇宙虚拟营业厅”。农业银行农业银行：2022 年 1 月陕西分行发行小豆 Q 版城市英雄系列数字藏品。中国银行：中国银行：2022 年 7 月推出智慧海南数字藏品，8 月推出复兴一号党员数字藏品，党员同志通过复兴一号缴纳党费可以获得二、产业分析 23 一枚缴纳党费的数字藏品作为纪念。建设银行：建设银行：2022 年在世界人工智能大会上通过天地屏展示“建行金融城”线上展厅；携手新华网、中央民族乐团联名发布数字藏品。邮储银行：邮储银行：2022 年 5 月山东分行与山东国有数字藏品交易服务平台“海豹数藏”达成战略合作，发行 5 件限量数字藏品。浦发银行：浦发银行：2019年推出虚拟数字员工“小浦”；2020年10月，浦发银行云理财工作室在部分地区试点上线；2022 年 1 月推出“萌宠”主题信用卡，下设数字藏品卡版。光大银行：光大银行：2022 年 8 月协同新华网推出小茄子绿色低碳主题数字藏品。中国平安：中国平安：2022 年初以两只华南虎幼崽为原型，打造了 8 幅数字艺术藏品，每幅限量发行 2022 份。平安银行：平安银行：2022 年 6 月推出虚拟品牌形象代言人苏小妹；8月推出服务型数字人 Mita（米塔）；上线 3D 数字营业厅。宁波银行：宁波银行：2022 年初上海分行入职了 001 号虚拟数字员工“小宁”；同时申请注册多个元宇宙相关商标。上海银行：上海银行：2022 年 7 月发布二十四节气系列数字藏品活动，限量 400 份免费发行。南京银行：南京银行：2022 年 8 月发布数字藏品，之后上线元宇宙数字空间“你好世界”。华夏银行：华夏银行：2022 年 6 月郑州分行设计研发的“小龙人”形象数字藏品“郑小夏”首发。百信银行百信银行：2021 年推出集虚拟品牌官、理财顾问、AI 小助二、产业分析 24 手等多角色的数字员工 AIYA；2022 年下半年，上线 3D 数字营业厅。西安银行西安银行：2022 年 5 月免费发行 25000 份定制数字藏品，仅供访问、学习、研究、欣赏、展示和分享等非商业目的使用。此外，2022 年以来，中原银行中原银行、北京银行、微众银行、泰康、北京银行、微众银行、泰康在线在线等也有数字藏品推出。2.3.4 协会院校布局协会院校布局 国内部分行业协会、高等院校成立了元宇宙相关的工作委员会、设立元宇宙相关专业，开展元宇宙技术研究工作。中国计算机行业协会：中国计算机行业协会：2022 年成立元宇宙产业专委会。主要开展编制行业标准和产业规划、举办国际元宇宙产业大会、搭建元宇宙主题社区、推动元宇宙科学普及和示范应用等工作。中国电子工业标准化技术协会：中国电子工业标准化技术协会：2022 年成立元宇宙工作委员会。重点开展“理论 技术”研究、“应用 场景”研究和“标准 共识”保障等工作。中国国际科技促进会：中国国际科技促进会：成立元宇宙专业委员会。重点支持产业规范管理、推动核心技术突破、促进产业标准建设、推进产业创新发展、赋能传统产业升级以及加强产业合作交流等方面。中国移动通信联合会中国移动通信联合会：2021年成立元宇宙产业工作委员会。主要在产业引领、产业建设（调查研究、开发立项、专利发展等）、产业服务（渠道开发、运营公共服务平台、国际交流合作等）等方面开展工作。中国信息通信研究院：中国信息通信研究院：2022 年成立虚拟现实与元宇宙产业联盟，发布元宇宙生态全景图 V2.0（XRMA），发布3D 数二、产业分析 25 字内容生产技术白皮书、车载 XR 体验评测白皮书、5G空间计算白皮书等项目计划。浙江省计算机学会：浙江省计算机学会：2022 年成立元宇宙专委会。核心是推动元宇宙产业发展建设，探索浙江元宇宙特色化城市产业发展为目标，将立足元宇宙创新实验室，辐射全国，促进相关企业发展，为元宇宙产业培养更多的科技人才。北京大学：北京大学：成立元宇宙技术研究所，承担研究生和本科生在元宇宙技术、区块链、图形图像、人机交互等方面的课程教学和人才培养任务。通过推动元宇宙技术的创新研究与应用实践，建立完善的元宇宙技术人才培养和科技创新体系，为我国元宇宙关键核心技术自主可控和创新引领提供坚实支撑。清华大学清华大学：2022 年 4 月新闻与传播学院成立元宇宙文化实验室。在未来媒体技术发展、元宇宙文创、元宇宙指数、虚拟数字人指数等元宇宙领域展开研究。中国人民大学：中国人民大学：2022 年 2 月成立元宇宙研究中心。未来将推出研究报告，出版中英文书籍和发表高质量论文，面向本硕博设立人才培养相关课程，推送组织国内外元宇宙学术活动及行业峰会，承接地方政府及相关部门委托课题。浙江大学：浙江大学：2022 年 4 月国际联合商学院成立元宇宙校区。主要目标是建设沉浸式课堂、元宇宙展厅和创新创业路演等。同时在筹备元宇宙经济研究中心。北京邮电大学：北京邮电大学：2022 年成立北邮-中科深智元宇宙联合实验室。主要研究方向包括虚实融合的 XR 拍摄和成像、多模态驱动的虚拟人生成、面向任务的智能对话系统等。二、产业分析 26 南京信息工程学院南京信息工程学院：2022 年 9 月决定将信息工程系更名为元宇宙工程系。香港理工大学：香港理工大学：2023 年新学期新设立了“元宇宙科技”硕士专业。三、金融应用案例 27 三、三、金融应用案例金融应用案例 近年来，金融机构积极布局元宇宙金融应用，提升用户服务体验、创新金融营销模式、促进金融业数字化转型，创建金融数字人、搭建虚拟营业厅/虚拟展厅、AR/VR 营销、发行金融数字藏品等。3.1用户服务领域应用用户服务领域应用 3.1.1 金融数字人金融数字人 金融数字人是商业银行在元宇宙场景中打造的重要金融服务元素，分为播报型数字人和交互型数字人。播报型数字人多用于直播、视频、资讯、营销等播报场景，辅助或替代真人进行播报，实现提质增效。交互型数字人可用于迎宾、客服、营销等场景，实现对外形象展示、替代真人客服为客户提供具有多轮交互问答能力的服务，以及突破电话、短信渠道用金融数字人辅助真人做规模化营销，覆盖规模化、长尾化的客群。浦发银行：浦发银行：2018 年 5 月，启动“3D 金融数字人”创新计划，2019 年建设并投入应用。综合运用 3D 人像实时驱动、多模态交互、自然语言处理、情绪识别、智能推荐、多因素生物认证等前沿技术，连接多个金融交易系统及物联网系统、在金融云上运行的规模化金融数字人应用。现已上线 APP 渠道，在营业网点为C 端用户提供普惠服务。建设银行：建设银行：在 2022 世界人工智能大会上，建设银行以“建行AI 生活，金融元宇宙”为主题，展示了“千人千面”的孪生数字员工，推出“小应”、“百合”等数字人，承担起数字客户经理、大堂经理、产品销售、数智座席等不同角色，并将以更智慧的形态走三、金融应用案例 28 进建行金融元宇宙生态。平安银行：平安银行：2022 年 6 月，研发多款身份型和服务型虚拟数字人，推出身份型数字人苏小妹，定位为平安银行虚拟品牌形象代言人。2022 年 8 月，推出服务型数字人 Mita（米塔），定位为平安银行首位虚拟数字员工，在 ATM 机、超级柜台、客服、手机银行等线上线下渠道直接触达客户，为客户提供“面对面”的交互服务。百信银行：百信银行：2021 年 12 月，发布首个多模态、可交互的 AI 数字人数字员工 AIYA，拥有庞大的数据原型，是虚拟品牌官、理财顾问、AI 小助手等多角色的合集，推动人机交互向人人交互演变。2022 年下半年，百信银行在 APP 率先推出年轻化、科技感的 3D 数字营业厅阿尔法星球，完成“场”的搭建，实现流程、业务和生态的数字化，进一步丰富了元宇宙生态多样性。3.1.2 远程银行远程银行 远程银行是提供线上线下一体化金融服务能力的综合应用模式，主要应用在理财业务办理、贷款交易面签、账户管理、电子签约、存款业务等方面。远程银行是元宇宙落地场景之一，依托实时音视频、直播录播与智能中心等服务体系，打通线上线下，实现虚拟和现实之间的交互通道，对外以远程业务咨询、远程业务办理两条服务总线开展，对内以直播分享、录播培训以及协同会议等方式综合利用文字与音视频服务进行“零接触”式远程线上金融服务探索与实践，完成业务转化。龙岩农信：龙岩农信：2021 年 11 月，在人民银行福州中支和龙岩市中支指导下，上线远程银行应用，使原先需要线下跑腿才能办理的三、金融应用案例 29 业务，以全真互联的方式线上化，有效解决农村地区出行不便、线下办理效率低及外出人口金融服务缺位等时空局限问题，尤其在疫情、洪涝灾害期间，更是成为数字抗疫、抗汛的有力武器。工商银行：工商银行：2019 年，在远程银行智能服务场景实现首个项目试点，后续在云网点、远程面审、理财推介等场景得到应用。截至 2021 年 8 月，已在对客服务、产品创新等领域实现 30 余个业务场景落地，服务用户规模已超过 100 万。交通银行：交通银行：2020 年底，“远程视频银行”项目入选金融科技创新监管试点项目，项目从平台角度坚持全渠道、全终端、全场景建设思路，同时结合非接触服务需要打造远程视频银行服务，支持用户通过使用交通银行手机 APP 即可完成高柜、低柜、移动场景业务视频化办理，突破物理与空间限制，提升银行普惠金融的便捷性，打造线上线下一体化的金融服务。结合行内需求和监管要求，目前落地场景为对公开户线上申请服务。浦发银行：浦发银行：2020 年 10 月，云理财工作室在部分地区试点上线，客户通过小程序一键呼叫可随时接到云理财工作室，享受以音视频互动通话为基础的理财支撑服务。对客户而言，提供了安全高效、便捷灵活的财富管理渠道；对银行而言，突破了理财业务在实体营业厅中的限制，实现了银行营业网点竞争力向线上的转化。3.2服务环境建设应用服务环境建设应用 3.2.1 虚拟营业厅虚拟营业厅 虚拟营业厅应用打造了客户服务的创新体验，包括业务办理方式、企业文化宣传方式、业务拓展方式等方面。通过虚拟现实、三、金融应用案例 30 数字孪生、音视频等技术支撑，实现银行物理网点、设备、资产和虚拟网点、设备、资产的建模展现与仿真模拟，支撑银行定制化的营销场景和运营管理。全新的线上交互体验，提升了用户在线上业务办理的参与感、趣味性和交互性，尤其吸引年轻一代的用户进入其中。工商银行：工商银行：2022 年 7 月，在雄安新区推出“元宇宙虚拟营业厅”。9 月 16 日，工商银行进行焕新迭代，推出了“VR 元宇宙虚拟营业厅”，进一步提升了模型精度，优化了交互体验，丰富了服务内容。营业厅以工商银行线下旗舰网点为原型，综合运用数字孪生建模、内容生成、智能交互等前沿技术构建而成，依托手机、平板电脑、VR 设备等媒介，拓展线下物理网点的时空边界，为客户提供身临其境的拟真体验和丰富多样的交互方式。虚拟营业厅的主要功能包括基于 VR 眼镜的虚拟场景探索、数字人客服、虚拟营销沙龙等。其中，客户在虚拟营业厅可与数字人客服进行多维度交互；虚拟营销沙龙则实现场景内容的多样化展示。此外，用户可在其中进行寻宝游戏收集数字藏品，集齐后可前往线下网点兑换礼品。工商银行元宇宙虚拟营业厅相关成果已经推广至上海、安徽、新加坡、澳门等分行，并在 2022 世界人工智能大会、BEYOND 国际科技创新博览会、世界制造业大会、中国国际进出口博览会上进行了展示。中国银行：中国银行：2020 年 5 月，虚拟营业厅上线，提供有针对性的线上化、场景化、智能化金融解决方案，发挥全方位对外开放平台作用，为企业提供更加优质高效的线上线下服务。虚拟展厅展区在浏览器中支持客户在虚拟营业厅中漫游、裸眼 VR 体验、触三、金融应用案例 31 达各种定制化的银行服务入口，包括在线预约开户、查询广交会专属金融产品、在线办理贷款申请、互动体验、手机扫码拨通专属业务专家热线等。百信百信银行：银行：2022 年下半年，上线 3D 数字营业厅，包含多种3D 场馆，如未来汽车城、数字人民币馆、绿色低碳馆以及智慧财富馆等，让用户在线上感受仿佛亲临线下的游览及业务办理体验，让用户的线上体验从在线进化到在场。3.2.2 线上虚拟展厅线上虚拟展厅 建设银行：建设银行：2021 和 2022 年，连续两年承接数字中国云上峰会建设，构建主场馆及厂商展馆，支持元宇宙空间中可选的虚拟分身与多人逛展。建设银行还打造了线上“多彩消保 3D 数字化展厅”，探索数字时代消保新实践，累计实现用户访问人数超 45万人，让百姓沉浸式体验虚拟现实世界学习金融知识的乐趣。3.3营销创新领域应用营销创新领域应用 3.3.1 金融数字藏品金融数字藏品 以数字藏品为代表的元宇宙应用，金融机构进行相关的产品探索可以理解为是对元宇宙新技术、新应用、新业态的提前布局和试水。数字藏品在国内发展路径与国外不同，去金融化和避免炒作是国内数字藏品的特征。从目前银行发售的数字藏品来看，更多体现的是文创传播和收藏价值。光大银行在领取数字藏品的须知中提到，发布的数字藏品均为限量免费领取，用户不得将数字藏品用作任何商业用途，抵制对数字藏品进行任何形式的价格炒作、场外交易、欺诈或以任何非法方式进行使用。三、金融应用案例 32 金融机构在数字藏品探索中更加注重合规性，发行数字藏品免费预约领取或作为用户权益赠送，能够提升用户特别是年轻用户的活跃度和认同感，是营销促活、推广品牌比较好的方式。百信银行百信银行：2021 年 11 月，发行了“4 in love”四周年纪念数字藏品。该藏品基于区块链技术发行，具有唯一性和不可篡改性。北京银行：北京银行：2022 年 1 月，推出以“小京”形象为基础的“京喜小京”数字藏品。中国平安：中国平安：2022 年初，以两只华南虎幼崽为原型，打造了 8幅数字艺术藏品，每幅限量发行 2022 份。邮储银行：邮储银行：邮储银行在手机银行、企业手机银行推出一系列数字藏品，目前已发布“智慧兔”、“振兴兔”、“主动授信”、“智能答题”等 10 多款 2D 藏品，以及“兔”飞猛进 3D 数字藏品，邮储银行数字藏品总领取人数超过 75000 人次。西安银行：西安银行：2022 年 5 月，在成立 25 周年之际发行定制数字藏品，免费发行共计 25000 份，仅供访问、学习、研究、欣赏、展示和分享等非商业目的使用。华夏银行：华夏银行：2022 年 6 月，发行数字藏品“郑小夏”，同年 8月，开展“华夏银行 30 周年员工纪念数字藏品”领取体验活动，发行“千禧龙年珍藏卡（3D 版）”等多款数字藏品体验版。中国银行中国银行：2022 年 7 月，为庆祝第二届消博会顺利召开，特推出智慧海南数字藏品。同年 8 月，中国银行“复兴壹号”党建平台推出数字藏品，党员同志通过平台缴纳党费，可以获得一枚缴纳党费的数字藏品作为纪念。光大银行光大银行：2022 年 8 月，与新华网共同推出以“绿色低碳”为三、金融应用案例 33 主题的小茄子数字藏品，该数字藏品涵盖美丽中国、生态多样、低碳行动三个大类 32 款数字藏品，同时还有 4 款生日彩蛋数字藏品作为稀有款。南京银行南京银行：2022 年 8 月，发布首套数字藏品，该藏品以南京银行品牌 IP“你好鸭”为形象基础，下设“职场加油鸭”“赛博朋克鸭”“潮酷运动鸭”“名画艺术鸭”“南京你好鸭”五大系列，该系列数字藏品具有唯一性、不可置换性、不可篡改性等特点。上海银行上海银行：2022 年 7 月，推出 24 节气皮肤系列的限量数字藏品活动。3.3.2 AR 贵金属营销贵金属营销 中国银行：中国银行：2018 年 11 月，投产 AR 贵金属营销项目。项目包含面向互联网客户基于 HTML5 的贵金属展示网站、面向客户经理进行对客营销所用的手机 APP 以及面向总行、分行、贵金属厂商等生态角色的管理端网站，面向运维人员的 AR 云平台管理端。实现在线贵金属 360 度虚拟模型展示、AR 虚拟试戴试摆放、在线支付购买、分享朋友圈的全流程操作。AR 增强现实技术将物理世界信息和虚拟世界信息“无缝”集成，能够在物理世界叠加虚拟的信息，从而应用到贵金属的售卖中的虚拟试穿戴、试摆放到平面。3.3.3 VR 看车看房信贷营销看车看房信贷营销 中国银行：中国银行：2019 年 12 月，投产 VR 看房看车信贷营销项目。用户可以在虚拟展馆里面进行 360 度观看车辆、动态实时更换车辆配置、进入驾驶仓和打开后备箱等交互体验，进行全景漫游观看样板房、更换装修配置等，并营销相应的金融产品，可实时计三、金融应用案例 34 算车辆/房屋价格、卡分期/房贷还款计划和进行卡分期预约。该体验区让客户获得沉浸式看车看房体验，进行了卡分期、房贷产品营销，并为客户提供了业务办理入口，以较强的交互性体验让客户感受到机构的金融科技能力。利用 VR 技术模拟三维空间的虚拟世界，给客户以视觉、听觉、触觉等全方位的感官模拟，给用户以沉浸式的交互体验。将 VR 技术运用于客户独享身临其境的看车体验，在银行网点便可体验到不同车型、款式及内饰的细节展示，同时可在选定车型后，直观地向客户展示当前车型建议的车贷分期解决方案，实现一键预约车贷分期金融产品，免去繁琐的纸质信息填写过程。同样通过 VR 看房进行了房贷营销。3.4其他其他 除商业银行在金融场景上的应用外，科技公司的技术输出也为金融业元宇宙应用提供技术支撑。腾讯基于云渲染技术、数字孪生技术输出的元宇宙营业厅，百度发布的元宇宙产品“希壤”等，为金融机构元宇宙场景案例输出做到很好的技术和平台支撑。四、应用实践分析 35 四、四、应用实践分析应用实践分析 4.1元宇宙应用价值元宇宙应用价值 4.1.1 创新转变服务模式，增强机构获客能力创新转变服务模式，增强机构获客能力 元宇宙作为一个全新复杂的数字生态系统，联系物理世界和虚拟世界，丰富人与社会的关系。元宇宙打破了传统业务模式线下场景的局限，让个人及企业用户可以随时随地通过线上进行“无接触”式业务办理，实现信息多跑路，群众少跑腿。同时，技术的逐渐成熟也让机构在探索业务办理新路径、服务模式新变革方面具备了可靠的技术支撑。在元宇宙应用场景中，业务人员与客户的互动不再是发微信、打电话等，通过元宇宙的沉浸式交互体验，增强机构与客户的互动，增加客户对产品和服务的认识。通过建设不同元宇宙应用场景，抓住流量入口，积极构筑更具有吸引力的场景生态，依托营销资源、服务资源因地制宜开发适合不同群体的产品和服务，打造集约高效、精准简约的服务理念，进一步增强机构获客能力。4.1.2 产品流程实时创造，营销触达形式多样产品流程实时创造，营销触达形式多样 传统的消费产品创造存在周期长、灵活性差、同质化严重等痛点，在元宇宙场景中，根据客户需求，依托强大的模块化、组件化的元宇宙业务中台，极强的云计算能力，高度的 AI 集成程度，自动化的智能合约审批流程，业务人员通过低代码开发进行线上全流程的数字化产品制造，具有周期短、灵活度高、定制化等特点。传统营销主要依靠建立营销模型、打标签、圈定客群，并通过短信、电话、APP 作为触点进行产品推送，存在目标客群不精四、应用实践分析 36 准、客户转化率低、客户触达形式单一等痛点，而在元宇宙场景中，客户需求呈现多元化、多角度特点，有强大的人工智能模型分析和挖掘客户，通过设计高价值、高粘性的互动以及沉浸式服务体验来获取客户，实现营销对象更加精准、客户转化率更高、客户触达形式丰富多样的营销蜕变升级。4.1.3 数字身份保障隐私，有效降低业务风险数字身份保障隐私，有效降低业务风险 在元宇宙场景中，所有的信息都将以数字化的形态进行管理，分布式数字身份作为一种新型的、可由用户自我控制和管理的数字身份，将改变应用厂商控制数字身份的模式，实现用户控制身份信息、自我验证身份，避免身份信息过度分享，降低数据泄露风险，从而有效保护用户的隐私；进一步的，结合隐私计算等技术，实现各类敏感信息的可用不可见，保障身份、账户、生物等信息安全，使得元宇宙场景中的价值归属、流通和虚拟身份认证成为可能。区块链密码学、共识机制等奠定了元宇宙场景中各方的信任基础，在元宇宙中的交易、承诺等行为被区块链不可篡改的记录，防止抵赖情况发生；智能合约机制一方面将约定好的触发条件以合约代码的形式写进执行系统，有效防止合同违约行为，另一方面将业务监管、合规审计等规则进行固化，进而有效降低业务风险的发生。4.1.4 资源共享降本增效，提升用户服务体验资源共享降本增效，提升用户服务体验 元宇宙场景突破了物理世界中空间、时间、地域的限制，通过打造元宇宙公共服务设施平台，实现服务、营销资源的发布、交易、共享，并依托链上信息体系进行监控，降低了信息不对称四、应用实践分析 37 造成的额外成本。元宇宙场景中通过区块链跨链技术有效打通跨系统间的认证屏障，实现信息互联互通，避免重复“造轮子”，提升价值创造效率。元宇宙场景下，机构对客户的服务模式从面对面交互、线上点击交互，演变为语音、手势、表情、点触等多模态交互融合。机构通过构建线上虚拟服务场所，用户通过 VR、AR 等设备远程接受业务办理和咨询服务，提升便捷性，数字人技术应用进一步提升用户信息隐私保护能力，用户服务体验获得进一步提升。4.2金融业应用方向金融业应用方向 从金融机构角度来看，元宇宙提供的沉浸式交互方式、虚拟与现实的双向连接等能力，将提升机构现有金融服务水平，重塑业务流程和服务运营模式；同时，元宇宙场景为金融机构打造虚拟世界金融生态，赋能千行百业提供了契机。4.2.1 对客服务与内部运营方面对客服务与内部运营方面 快速上线用户感知度较高的元宇宙虚拟营业厅，有助于创新用户体验，丰富营销手段，拓客、活客、黏客。突破金融服务的时空限制，进一步丰富完善对客服务渠道，进一步升级现有银行线上服务体验，虚拟金融服务网点将搬入元宇宙，为客户提供身临其境的现场感和丰富多样的交互方式；提升金融服务的参与感、趣味性、交互性，创新客户与银行的交互模式。以云审核、音视频协同为代表的线上服务将从“屏对屏”的模式升级为元宇宙场景中客户与柜员的“面对面”，进一步拉近与客户的距离；涉及实物的业务依托元宇宙与物理现实的交织，客户与柜员在虚拟空间完成业务办理，实物通过线下物流送达。四、应用实践分析 38 提升机构内部远程协作与互动，远程协作办公、音视频会议、远程培训等服务在元宇宙的加持下，用户体验、交互能力等将产生质的飞跃。元宇宙背景下的会议有两种运用方式，一种方式是将参会者投射到虚拟世界；另一种方式是利用裸眼 3D、全息投影等三维展示技术，将元宇宙场景中的数字人投影到现实环境中。4.2.2 业务风控与安全合规方面业务风控与安全合规方面 现有音视频面审、双录质检等服务将进一步提质增效。在元宇宙场景中审核人员将沉浸式、全方位感知到相关人员的语言、动作、表情、情绪、体态等信息，获得与线下洽谈一致的效果，有效提升风控与合规水平。另一方面，通过运用数字孪生、物联网等工业元宇宙相关技术，可将生产经营主体、抵押物等纳入元宇宙并动态监测以提升信贷服务水平与智能风控能力。4.2.3 产品创新与金融生态方面产品创新与金融生态方面 元宇宙场景中虚实共生的表达能力，将极大的丰富客户营销手段。金融产品设计时需适应元宇宙带来的交互方式变化，通过设计参与感、趣味性、交互性强的营销活动，辅以对贵金属、定制化信用卡、纪念币等产品的三维可视化展现能力，可激发潜在客户的参与兴趣，创新金融产品设计与销售模式，催生基于数字资产的数字金融服务新业态，拓展银行业务空间。在元宇宙场景中将产生新的金融服务生态。商业银行作为连接器，线上线下金融服务模式在元宇宙图景下均需转型升级，以适应客户、银行、企业间的全新连接方式；另一方面，元宇宙场景中数字化资产的确权、定价、流通、交易，以及虚拟与实体经济的交互，都离不开金融的支撑。现实中商业银行的支付结算、四、应用实践分析 39 信贷融资、交易撮合等服务，都可以在元宇宙场景中复现与重构。4.3金融业发展路径金融业发展路径 在探索元宇宙发展路径方面，可通过建立“人、场、物”三维立体的元宇宙服务与应用体系，即规划 1 个技术底座、“人、场、物”3 大核心要素、多样交叉场景 X 组成的“1 3 X”体系。“1”为元宇宙的技术基础，通过高效、集约、安全的基础技术能力，为上层元宇宙要素提供支撑。人工智能贯穿元宇宙内容生产、分发到应用全过程，加速内容生产、增强内容呈现，以及提升内容分发和终端应用效率；区块链技术支撑元宇宙场景中数字资产系统的有序运转，保障用户数字身份安全，同时协助系统规则的透明执行；云计算、边缘计算、5G、物联网等技术降低对终端硬件的性能要求，支撑大规模用户同时在线需求；大数据通过数据挖掘等提供基础数据保障；AR、VR、MR 等技术为用户带来逼真的感官体验，提升沉浸感与体验感。这些基础技术和交互技术能力为元宇宙沉浸感和随时随地的特征实现，提供了网络传输、计算能力、内容输出、互动体验等方面的保障。“3”为元宇宙场景中的“人、场、物”。“人”即金融数字人，“场”为金融数字空间，“物”为数字资产与数字物品。三者的互相链接形成一个与物理世界相呼应的虚拟世界，驱动元宇宙的多元发展，扩张元宇宙发展的边界，形成一个庞大的、复杂的元宇宙系统。与传统的链式价值传递不同，在元宇宙场景中，不同主体之间以共创、共享、共生的方式紧密协同，从而形成开放的、有机的生态系统。通过关系元素的相互作用，从而逐步演化出元宇宙生态系统的全貌。“人、场、物”三者通过相互连接四、应用实践分析 40 与共创，构建元宇宙开放生态。“X”为元宇宙场景应用，也是无可穷尽的元宇宙生态内涵。基于元宇宙的基础层技术、交互层技术和“人、场、物”的应用能力，延伸构建元宇宙交叉应用的金融应用场景。从理财营销、网点服务等传统金融服务的元宇宙应用，到金融赋能线上住房租赁、元宇宙党建等领域，将元宇宙金融场景的辐射范围拓展到经济、生活、文化、社交等多重领域，促进元宇宙生态建设。4.4需要探索的方面需要探索的方面 元宇宙技术在金融业应用仍处于探索阶段，缺乏对元宇宙运用带来的潜在问题全面研究。4.4.1 监管制度监管制度方面方面 元宇宙作为新场景、新业态，现行的法律规章等尚未对元宇宙中的概念、行为等纳入日常监管。一是元宇宙场景中身份、资产（确权、交易、继承等）、行为等的法律界定尚不清晰。二是针对元宇宙场景中各种行为的约束性体系（包括法律法规、制度、机制、规则等）尚未建立。三是缺乏针对元宇宙指导性意见，引导金融机构合理、合规探索元宇宙技术应用。4.4.2 资产定价方面资产定价方面 元宇宙场景中的各类数字资产，其定价可能会面临物理世界没有科学的定价模型或者可供参考的定价标的，导致数字资产价格被严重高估进而引发资产炒作、洗钱甚至恐怖融资等问题。同时，数字资产所有权问题面临法律和技术双重问题，尽管民法典明确了对“网络虚拟财产”的保护，但元宇宙场景中的数字资产的法律定性在司法实践和学术界还尚无定论。四、应用实践分析 41 4.4.3 道德伦理方面道德伦理方面 元宇宙作为数字空间的存在，其同样构成了符合人类公序良俗、道德伦理的社会环境。如何规范在虚拟化、数字化的社会环境中人的行为能够符合物理世界的道德伦理要求，出现了具体事件后，从法律、道德、伦理以及技术层面又该如何处理，元宇宙场景中数字人的法律主体定位、行为监管和规范等，都是元宇宙应用需要面对的问题。4.4.4 商业行为方面商业行为方面 元宇宙技术及应用尚处产业发展早期阶段，产品形态初级，内容较为单一，可落地场景有限，总体上没有实现盈利，也没有成熟的、可持续的盈利模式可供遵循。同时，元宇宙场景涉及机构、个人、监管和运维等各类用户，需求呈现离散化、个性化等特征，需要定制化开发，短期内难以探索出能满足各类用户需求的商业化路径。五、后续工作建议 42 五、五、后续工作建议后续工作建议 创新是金融业的基因，元宇宙是新事物，其发展既有创新驱动数字化发展的机遇，也面临着诸多挑战，在整体产业尚未有突破性布局时，需要探索适合金融业的元宇宙发展之路。5.1总体思路总体思路 持续跟踪元宇宙产业发展态势，客观理性评估元宇宙发展机遇和挑战，审慎运用元宇宙相关技术提升金融业服务能力水平，促进数字金融赋能实体经济。5.2主要原则主要原则 坚持安全可控坚持安全可控。严格落实网络安全各项法律法规，构建制度、管理、技术、业务协调配套的安全体系，保障信息系统安全作为元宇宙场景应用发展的底线，建设完备的监督管理体制机制。坚持合规底线。坚持合规底线。遵守 个人信息保护法 数据安全法 国家安全法等法律法规、国家及行业标准，保护用户隐私及个人信息权益。建立全面的法律合规体系，适应法规变化发展，确保元宇宙技术在金融行业的应用合法、合规和公正。坚持市场导向坚持市场导向。推动元宇宙技术创新应用必须始终坚持以市场为导向，尊重市场规律，整合优势资源，深入剖析金融产品和金融服务面临的痛点、难点和堵点，精准把握元宇宙用户需求，挖掘元宇宙技术在金融行业应用的价值潜力。坚持自主可控坚持自主可控。加强元宇宙底层技术和产品联合攻关，提升自主创新能力，强化安全可靠的技术和产品应用，切实保障技术可持续和供应链安全，扎实有效增强基础技术自主可控能力。坚持开放创新坚持开放创新。鼓励金融机构和科技企业立足自身优势，在五、后续工作建议 43 自主可控的前提下，加强国际间在技术、人才、资金、产业链等方面的交流合作，汲取先进经验贡献中国智慧，培育更多中国特色金融应用场景。5.3工作建议工作建议 5.3.1 统一规划部署，强化标准引领统一规划部署，强化标准引领 应始终把握金融服务实体经济的大方向，加强对金融业元宇宙发展工作的集中领导，统一思路、统筹规划、统一部署，适时推出适合金融业元宇宙应用与发展的指导性文件；充分发挥行业自律组织作用，成立专业委员会，推动金融元宇宙健康可持续发展。强化标准引领作用，积极推动元宇宙标准体系和相关标准的研制，重点推动基础性、通用性标准的研制工作，增强行业共识，指导金融元宇宙规范合规发展。加强标准化试点建设，推进标准实施应用，推动元宇宙系统间的互联互通，鼓励具有能力的社会团体组织元宇宙产业链企业开展标准试点工作，带动金融业元宇宙技术应用创新和质量提升。5.3.2 掌握核心技术，丰富应用场景掌握核心技术，丰富应用场景 针对构建元宇宙所需的重点硬件、软件、基础理论技术，加强战略规划、资金投入、人才培养和专利申请等工作，强化关键共性技术、前沿引领技术、颠覆性技术的研究储备，营造良好的科研环境，鼓励和引导金融机构参与到技术应用、成果转化等环节中来，突破元宇宙发展的“卡脖子”难题。现阶段元宇宙场景主要集中在数字人客服、虚拟营业厅、数字展厅、数字藏品等领域，应当以数字金融赋能实体经济为出发五、后续工作建议 44 点，以市场需求为导向，探索在金融风控、内部运营、产品创新等更多元宇宙金融场景落地。5.3.3 注重伦理研究，加强产业治理注重伦理研究，加强产业治理 技术的发展必须坚守伦理道德，符合人类社会发展的普适价值观，坚持以人为本和可持续发展的核心要求，在金融科技伦理公约的基础上，探索制定元宇宙伦理准则，加强隐私保护力度，发挥社会监督和行业自律作用，开展元宇宙金融应用伦理素养教育活动，注重完善伦理道德研究和教育普及。元宇宙技术金融应用治理可从技术治理、合规治理等角度开展工作，建立行业层面的元宇宙治理协调机制，引入检测、评估体系，做到技术可控、内容可控、应用可控，通过数字发展为社会促进步，为人类文明谋福祉。5.3.4 深化机构合作，推动生态建设深化机构合作，推动生态建设 加强机构协作、促进交流互助，通过产业合作降低技术投入成本及运营能源消耗等，打造高质高效的机构协作模式。鼓励社会团体组织产、学、研、用各方面力量，加强研究元宇宙共性问题，积极开展项目合作，促进产业健康持续发展。鼓励金融机构和产业机构积极参与元宇宙生态建设，依法合规分享元宇宙应用经验，共享应用研究成果，通过开源共建理念提升金融业应用整体水平，实现优势互补、互利共赢、共同发展新生态。参考文献 45 参考文献参考文献 1 GB/T 311672014 信息安全技术 云计算服务安全指南.2 GB/T 41780.12022 物联网 边缘计算 第 1 部分：通用要求.3 GT/T 337452017 物联网 术语.4 GB/T 352952017 信息技术 大数据 术语.5 JR/T 0193-2020 区块链技术金融应用 评估规则.6 JR/T 0184-2020 金融分布式账本技术安全规范.7 JR/T 01932020 区块链技术金融应用 评估规则.8 GB/T 418672022 信息技术 人工智能 术语.9 GB/T 41813.1-2022 信息技术 智能语音交互测试方法 第 1 部分：语音识别.10 GB/T 41867-2022 信息技术 人工智能 术语.11 GB/T 21024-2007 中文语音合成系统通用技术规范.12 GB/T 382592019 信息技术 虚拟现实头戴式显示设备通用规范.13 GB/T 382472019 信息技术 增强现实 术语.14 ITU-T F.748.15:Framework and metrics for digital human application systems.15 GB/T 417232022 自动化系统与集成 复杂产品 数字孪生体系架构.16 中国工商银行金融科技研究院,北京大学计算机学院元宇宙技术研究所.银行元宇宙创新应用白皮书R.2022 年 12 月.17 清华大学新闻与传播学院新媒体研究中心.元宇宙发展研究报告 2.0 版R.2022 年 1 月 21 日.18 上海智慧城市发展研究院,上海浦东新产研科技产业研究中心.2022元宇宙产业技术和创新应用白皮书R.19 腾讯,埃森哲.腾讯 X 埃森哲全真互联白皮书R.20 安信国际研究部.2023 年元宇宙行业进阶的机会R.2023 年 1 月 10 日.

80人已浏览 2023-08-31 50页 5星级

模板下载,券商智能风控落地场景分析华盛证券黄曙光模板下载,华盛证券是香港证监会许可的持牌券商,中央编号,持有香港证监会授予的,号牌照,将香港专业的金融优势与内地的科技研发实力结合,华盛通是自主研发的交.

29人已浏览 2023-08-27 10页 5星级

金融数据中心 人工智能算力建设指引 北京金融科技产业联盟 2023 年 8 月 I 版权声明 本白皮书版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。II 编制委员会 编委会成员：王长江 聂丽琴 张海燕 编写组成员：赵春华 王妍娟 葛金磊 张浩然 吴仲阳 宋 虎 余学山白 阳 符海芳 李书建 黄志鹏 徐 旭 陆碧波 薛 亮谭 翔 马庆杰 李 洁 郭 亮 王 月 吴 刚 郭江波吴战立 雷昭燕 袁 智 王伟锋 李 培 彭 晋 李俊奎杨海悌 俞颖熙 程归鹏 张贯忠 李鸿鹏 宋 飞 玄凌博郑鹏飞 黎世勇 王云凤 编审：黄本涛 周豫齐 王妍娟 张浩然 III 参编单位：北京金融科技产业联盟秘书处 北京国家金融科技认证中心有限公司 中国工商银行股份有限公司 华为技术有限公司 浙江网商银行股份有限公司 中国信息通信研究院 腾讯云计算（北京）有限责任公司 新华三技术有限公司 蚂蚁科技集团股份有限公司 中科寒武纪科技股份有限公司 超聚变数字技术有限公司 北京百度网讯科技有限公司 IV 前 言 前 言 人工智能基础设施作为“新基建”的重要组成部分，是数字化走向智能化的核心力量，是金融机构智慧再造的关键载体。近年来，我国发布多项政策文件，进一步明确人工智能的发展规划，对人工智能算力建设指出方向。2021 年底，中国人民银行发布金融科技发展规划（20222025 年），提出抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域深化应用，着力打造场景感知、人机协同、跨界融合的智慧金融新业态，实现金融服务全生命周期智能化。人工智能算力数据中心是以数据中心为基础的人工智能基础设施。具体来说，人工智能数据中心是在超算中心和云计算数据中心大规模并行计算和数据处理的技术架构基础之上，通过大数据和深度学习技术保障其高效、安全运营，以人工智能专用芯片为计算算力底座，融合公共算力服务、数据开放共享、智能生态建设、产业创新聚集“四位一体”的综合平台，可提供算力、数据和算法等人工智能全栈能力，是当前人工智能快速发展和应用所依托的新型算力基础设施。“数据、算法、算力、开放平台”是人工智能基础设施的核心内容，其中算力包括 AI 芯片、AI 平台、智能计算中心等产品，提供高性能、低成本、绿色的计算能力是算力建设的关键目标。本报告阐述了国内外人工智能算力建设情况，梳理了当前金 V 融数据中心人工智能算力建设面临的挑战，从整体上提出人工智能算力数据中心的架构，围绕基建、硬件及软件基础设施给出了人工智能算力建设指引，并进一步分析了传统与新型算力、数据中心算力与边缘算力、算力与网络等关键技术的协同建设问题，探索了人工智能算力数据中心绿色低碳运维模式，最后通过成功案例展望未来，以期为金融机构数据中心建设人工智能算力基础设施提供指引与参考。关键词：关键词：人工智能、AI 算力、人工智能算力数据中心、AI 使能软件、AI 开发框架 VI 目 录 目 录 第一章 发展背景和研究目标.1 一、发展背景.1（一）国家政策及“十四五”规划要求.1（二）金融科技发展的基础支撑.4（三）国内外当前 AI 算力建设情况.4 二、研究目标.9 第二章 面临的挑战和难点.10 一、整体看.10（一）数据中心 AI 算力发展不均衡.10（二）数据中心 AI 计算能力不足.10（三）数据中心 AI 算力连接和协同能力不强.10（四）数据中心 AI 算力调度不灵活.11 二、分层看.11（一）数据中心选址问题（L0 层）.11（二）能耗及供电问题（L1 层）.12（三）AI 算力底座与周边设备及网络的问题（L2 层）.12（四）支持不同业务场景的 AI 应用问题（L3 层）.13 第三章 建设指引.14 一、人工智能算力数据中心架构.14（一）总体架构.14（二）分层布局.15 二、基建基础设施层（L0-L1).20 三、硬件基础设施层（L2）.20（一）AI 芯片.20（二）AI 服务器.21（三）AI 计算子系统.22 四、软件基础设施层（L3）.22 VII（一）芯片使能软件.22（二）AI 开发框架.23（三）使能软件.23 第四章 建设协同.30 一、整体原则.30 二、传统算力与新型算力协同.30（一）算力产品特征.30（二）算力协同建设.32 三、数据中心算力与边缘算力协同.37 四、算力与网络协同.39（一）广域算力网络架构.40（二）广域算力网络关键技术.43（三）数据中心算力网络关键技术.44（四）算力网络协同关键技术.46（五）算力网络数字化能力.47 第五章 运维和节能管理.49 一、运维管理.49（一）人员组织.49（二）日常运行维护.50 二、节能管理.50 第六章 成功案例和未来展望.53 一、成功案例.53（一）工商银行基于高性能网络的中高算力集群探索.53（二）蚂蚁集团 AI 算力端云协同发展实践.54（三）网商银行基于卫星遥感的 AI 算力服务农村金融实践.56 二、未来展望.57（一）AI 算力的建设需求快速提升.57（二）AI 算力的金融价值不断凸显.58 参考文献.60 1 第一章 发展背景和研究目标 一、发展背景（一）国家政策及“十四五”规划要求 人工智能基础设施是“新基建”的重要组成部分，是数字化走向智能化的核心力量，是金融机构智慧再造的关键载体。“数据、算法、算力、开放平台”是人工智能基础设施的核心内容，其中算力包括 AI 芯片、AI 平台、智能计算中心等产品，提供高性能、低成本、绿色的计算能力是算力建设的关键目标。近年来，我国发布多项政策文件，进一步明确人工智能的发展规划，对人工智能算力建设指出方向。人工智能已上升为国家战略，人工智能的发展迎来重大机遇。表 1 汇总了近年来国家和相关部委发布的人工智能及算力相关政策。表 1 人工智能及算力相关政策 时间 时间 内容 内容 2017 年 3 月 国务院总理李克强 2017 年政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”首次被写入了国家政府工作报告。2017 年 7 月 国务院出台新一代人工智能发展规划，提出三步走的战略目标。2017 年 12月 工业和信息化部印发促进新一代人工智能产业发展三年行动计划（20182020 年），明确了到 2020 年人工智能在推动战略性新兴产业总体突破、推进供给侧结构性改革、振兴实体经济、建设制造强国和网络强国方面的重大作用和具体目标。2 时间 时间 内容 内容 2018 年 3 月 国务院总理李克强在十三届全国人大一次会议作政府工作报告时表示，要加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进“互联网 ”。2018 年 5 月 习近平总书记在两院院士大会上指出，“要推进人工智能同实体经济深度融合，做大做强数字经济。”2018 年 12月 中央经济工作会议，重新定义了基础设施建设，把 5G、人工智能、工业互联网、物联网定义为“新型基础设施建设”。2019 年 3 月 国务院总理李克强在2019 年国务院政府工作报告中明确提出深化人工智能等研发应用。紧扣国家发展战略，加强新一代信息基础设施建设。2019 年 7 月 中央政治局会议，强调要加快推进信息网络等新型基础设施建设。2020 年 3 月 中共中央政治局常务委员会召开会议再次强调“新基建”，要求加强人工智能等新型基础设施建设。2020 年 4 月 国家发改委首次明确“新基建”范围，强调数据中心、智能计算中心就是算力基础设施的代表。2020 年 7 月 国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化部印发 国家新一代人工智能标准体系建设指南，指导人工智能标准化工作有序开展。2020 年 10月 科技部印发国家新一代人工智能创新发展试验区建设工作指引（修订版），明确要布局建设 20 个左右国家人工智能创新发展试验区。2020 年 11月 2020 年 11 月 17 日，国家信息中心信息化和产业发展部发布智能计算中心规划建设指南，对智能计算中心的概念、内涵、技术架构、投建运模式等进行全面解读。3 时间 时间 内容 内容 2021 年 3 月 国务院发布中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要，提出要强化国家战略科技力量，加强原创性引领性科技攻关。新一代人工智能作为重要的科技攻关领域，重点投入前沿基础理论突破，专用芯片研发，深度学习框架等开源算法平台构建，学习推理与决策、图像图形、语音视频、自然语言识别处理等领域创新。2021 年 5 月 国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发全国一体化大数据中心协同创新体系算力枢纽实施方案，明确在京津冀、长三角、粤港澳大湾区、成渝，以及贵州、内蒙古、甘肃、宁夏等地布局建设全国一体化算力网络国家枢纽节点（以下简称“国家枢纽节点”）。在金融行业，银保监会于 2019 年发布关于推动银行业和保险业高质量发展的指导意见，提出既要充分利用人工智能强化业务管理，改进服务质量，降本增效，又要发挥人工智能在打击非法集资、反洗钱、反欺诈等方面的积极作用。在相关宏观政策的指导下，各地结合自身区域特点和行业发展状况因地制宜出台相关政策推动智能金融的特色化发展，相关行业标准规范逐步完善。2021 年，中国人民银行发布 人工智能算法金融应用评价规范（JR/T 02212021），规定了人工智能算法在金融领域应用的基本要求、评价方法、判定准则。金融行业以智能化为目标，提升金融数字化水平，通过业务流程自动化降低人力成本，4 通过解决信息不对称问题弥合数据信息差，通过个性化的千人千面提供普惠金融服务，从而实现业务的增长、风险成本的降低、运营成本的改善。（二）金融科技发展的基础支撑 金融科技发展提出人工智能、大数据分析等场景，响应金融监管政策的要求。2021 年 12 月，中国人民银行印发金融科技发展规划（20222025 年），提出“坚持发展与监管两手抓，推动金融科技在实体经济的沃土中落地生根。大数据、云计算、人工智能、区块链等技术金融应用成效显著。金融服务覆盖面逐步扩大，优质金融产品供给不断丰富，金融惠民利企水平持续提升。”人工智能作为金融机构数字化转型的重要手段，助力金融行业在产品设计、市场营销、风险控制、客户服务以及其他支撑性业务领域和场景中实现整体升级。金融科技发展规划（20222025 年）在“智慧为民”基本原则中，提出“抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域深化应用，强化科技伦理治理，着力打造场景感知、人机协同、跨界融合的智慧金融新业态，实现金融服务全生命周期智能化，切实增强人民群众获得感、安全感和幸福感”，加快金融服务智慧再造，提升数字绿色的服务体系中的智能应用水平。（三）国内外当前 AI 算力建设情况 1.1.国内外算力规模发展 国内外算力规模发展 5 2020 年全球算力总规模达到 429EFlops1，增速达到 39%，其中基础算力规模为 313EFlops，AI 算力规模为 107EFlops，超算算力规模（换算为 FP32）为 9EFlops。预估未来五年全球算力规模将以超过 50%的速度增长，到 2025 年整体规模将达到3300EFlops。全球算力竞争激烈，基础算力方面以中国和美国为第一梯队，其中美国占 43%份额，中国占 26%份额。智能算力方面，中国智能算力占算力的比重由 2016 年的 3%提升至 2020 年41%，以人工智能算力数据中心为代表的 AI 算力基础设施发展迅猛。2020 全球计算力指数评估报告显示“全球计算力水平top5 行业分别是互联网、制造、金融、政府和电信”，金融行业综合排名进入前三。2.2.金融业务应用系统需求 金融业务应用系统需求 在新一轮科技革命和产业变革的背景下，金融科技蓬勃发展，人工智能、大数据、云计算、物联网等信息技术与金融业务深度融合，为金融发展提供源源不断的创新活力。同时 2020 全球计算力指数评估报告显示“金融行业信息化和数字化起步较早，金融行业因对算力的稳定性、可靠性、实时性、安全性等方面要求较高，对于算力的投资规模处于行业领先水平且比较稳定。从全球来看，金融行业是人工智能算力投资最大的传统行业，据IDC数据，全球 AI 算力支出的 24.9%来自金融行业，人工智能作为金融行业数字化转型过程的关键部分，被广泛用于反欺诈、风险 1 EFlops：百亿亿次，Flops 指的是每秒浮点运算次数，E 代表的是一百京，一个 EFLOPS（exaFLOPS）等于每秒一百京（=1018）次的浮点运算。6 管控、合规管理、运营流程、自动化客服、智能 CRM 和量化交易等领域，辅助金融企业降低成本、提升效率和提高客户体验”。人工智能应用对算力最大的挑战来自数据中心的模型训练。具有海量参数的模型训练几乎完全依赖于核心数据中心的算力支撑。比如 2020 年微软发布的智能感知计算模型 Turing-NLG，参数量高达到 175 亿；OpenAI 发布的 GPT-3 模型，参数量更达到 1750 亿，是 GPT-2 的 100 余倍。由于其庞大的参数体量，在给人工智能应用提供便利的同时，对 AI 算力提出了更高的要求。尤其是在金融行业数字化转型的浪潮中，人工智能的算法越来越依赖于算力的发展。3.3.国内金融业AI典型业务场景 国内金融业AI典型业务场景 人工智能与金融行业深度融合，金融行业数字化、智能化改革已经初见成效，金融人工智能整体呈现业务智能价值创造，全面覆盖产品设计、市场营销、风险控制、客户服务等主流业务场景。从技术价值来看，人工智能技术正逐步解决行业痛点问题，在实现业务流程自动化、弥合信息差、构建普惠金融方面发挥着关键作用，已经在获取增量业务、降低风险成本、改善运营成本、提升客户满意度方面进入价值创造阶段。从应用场景来看，以机器学习、机器视觉、生物特征识别、知识图谱等技术赋能的金融行业，衍生出智慧网点、量化交易、智能投顾、智能风控等多个典型场景。表 2 列举了 AI 算力金融行业应用的十大典型业务场景。7 表 2 AI 算力金融行业应用的典型业务场景 场景名称 场景名称 描述 描述 智慧网点 场景：场景：标配“无人、无证、无卡”，提供普惠金融服务、财富管理服务、智慧金融服务、国际业务等服务。技术：技术：依托身份识别、数字人、人脸识别、语音识别等技术提供服务。数字员工 场景：场景：模拟人工完成图像识别、关键信息提取、数据录入、报表生成、行为分析、合规分析、结果决策等。技 术：技 术：光 学 识 别 技 术 OCR（Optical Character Recognition）、RPA(Robotic Process Automation）技术、数字人、NLP（Natural Language Processing）技术、图像分类。智能客服 场景：场景：广泛应用于各类金融机构，提供 24 小时不间断问答服务。技术：技术：依托自然语言理解、语音识别、RPA、知识图谱、NLP 等技术提供智能交互服务。量化交易 场景及技术：场景及技术：依托先进的数学模型替代人为的主观判断，量化交易有很多种，包括跨平台搬砖、趋势交易、对冲等。跨平台搬砖是指当不同目标平台价差达到一定金额，在价高的平台卖出，在价低的平台买入。智能身份识别 场景及技术：场景及技术：人脸识别、声纹识别、静脉识别、指纹识别等。8 场景名称 场景名称 描述 描述 智能投研 场景：场景：B 端金融机构用户，整合各类研报数据。并自动撰写研报，给出机构投资意见。技术：技术：智能投研依赖知识图谱和深度学习技术的进一步发展，通过智能数据收集、清洗、分析，实现对投资标的的发展趋势判断与风险预测。智能投顾 场景：场景：通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。其实质是利用机器模拟理财顾问的个人经验。技术：技术：核心环节包括用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。智能营销 场景：场景：聚焦存贷款产品营销、信用卡分期、理财产品、节假日关怀等。技术：技术：依托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。利用知识图谱和自然语言处理等技术建立客户画像，实现精准的营销定位与需求挖掘。智能风控 场景：场景：聚焦金融业交易等风险防控场景，如支付、信贷，反洗钱等。技术：技术：依托机器学习和知识图谱等技术，通过数据驱动风险管理与运营优化。智能反欺诈 场景：场景：主要集中在支付和金融账户登录等场景。技术：技术：包括人脸识别、声纹识别、指纹识别、虹膜识别、光学识别等。9 二、研究目标 本课题的研究目标分为两方面。一是一是基于当前金融机构积极探索和建设新型人工智能业务系统及人工智能算力数据中心的情况，广泛吸取金融行业目前较为优秀的建设经验和解决方案，编制研究报告，为金融机构数据中心建设人工智能算力基础设施提供指引与参考。二是二是在完成研究报告的基础上，进一步编制相关标准，以规范金融数据中心人工智能算力基础设施建设。10 第二章 面临的挑战和难点 一、整体看（一）数据中心 AI 算力发展不均衡 在当今金融业庞大的数据处理量面前，数据中心规模总量和能耗总量不断增长，而且 AI 算力业务天然存在波动，存在部分能耗闲置现象。数据中心特别是西部地区一些数据中心算力资源未能充分利用的问题也常被业内专家提及。我国东部算力资源紧张与西部算力需求不足的问题并存，区域数字基础设施和应用空间布局亟待优化。数字化时代的今天，“东数西算”备受瞩目，他与“南水北调、西电东送、西气东输”一样，成为国家级的超级工程，也是解决算力发展不均衡的基本国策。（二）数据中心 AI 计算能力不足 伴随数据的激增和算法的日益复杂，算力将成为决定人工智能发展上限的重要因素。人工智能算力数据中心能耗总量较大，且保持不断增长。以人工智能专用芯片为计算算力底座，在其上开发的 AI 框架、AI 应用呈现出多样化、复杂化、碎片化的态势。电力的潜能已经全被释放，算力的潜能随着数据的产生和数字化的进展，还会持续释放。合理架构网络，优化算法，运用新技术使得软硬件不断推陈出新，使算力不断指数级提升，从而满足智能应用的多元化需求。（三）数据中心 AI 算力连接和协同能力不强 在全产业数字化转型的大形势下，新兴技术应用成为算力提 11 升最主要的驱动力，尤其是人工智能带动的 AI 算力需求。政府、企业一同建设，集约化不够，利用率有限，成本居高。并且算力服务器成本居高不下，尤其 AI 算力服务器。如果建成人工智能算力数据中心，实现设备网络共享，降低成本，可以发挥我国的制度和行业优势。如何实现人工智能算力数据中心间互联，分支边缘算力互联，第三方算力协同互联，AI 算力物联终端互联，这是一个体系化的布局。政策性设计为基础，其中资源匹配、网络部署、算力对接等都是本课题研究的重点。（四）数据中心 AI 算力调度不灵活 在国家碳达峰、碳中和的目标下，实现在不同数据中心间算力协同调度、削峰填谷、精细化能耗控制的要求。算力的灵活调度尤为重要。数据每丢失千分之一，吞吐量就会下降 50%，浪费算力资源。一方面，对网络提出要求，尽量实现无损网络。另一方面，通过自动混合并行、全局内存管理、可视化调优以及分布式推理等核心技术，强化对人工智能网络的灵活调度，以提升人工智能算力数据中心的调度协同水平。二、分层看2（一）数据中心选址问题（L0 层）新建或改扩建的人工智能算力数据中心位置，一方面受地方政府规划局限，另一方面还要考虑当地政府对 PUE3等的绿色环保 2 人工智能算力数据中心分层布局详见第三章第二部分 人工智能算力数据中心架构。3 Power Usage Effectiveness 的简写，是评价数据中心能源效率的指标，是数据中心消耗的所有能源与 IT 负载消耗的能源的比值。PUE=数据中心总能耗/IT 设备能耗，其中数据中心总能耗包括 IT 设备能耗和制冷、配电等系统的能耗，其值大于 1，越接近 1 表明非 IT 设备耗能越少，即能效水平越好。12 要求。当前人工智能算力数据中心的建设现状主要为政府主导建设和头部企业自行建设。为加快推动数据中心绿色高质量发展，建设全国算力枢纽体系，落实国家“东数西算”工程，统筹围绕国家重大区域发展战略，根据能源结构、产业布局、市场发展、气候环境等，建议人工智能算力数据中心在国家枢纽节点布局建设，发展数据中心集群，引导数据中心集约化、规模化、绿色化发展。国家枢纽节点之间进一步打通网络传输通道，提升跨区域算力调度水平。（二）能耗及供电问题（L1 层）人工智能算力数据中心远远高于一般数据中心对于电力能耗的需求，需要向当地电力供应部门申请电力配额，以解决供电等突出问题。另外，传统数据中心在改扩建过程中，传统机柜电力不足以支撑能耗巨大的 AI 算力服务器，需要液冷等更高能效的设备，在提升算力的同时降低对电力能耗的需求。对已建成的传统业务设施改扩建过程，为确保金融业务的平稳过渡和无缝衔接，需要经验丰富的公司执行。（三）AI 算力底座与周边设备及网络的问题（L2 层）人工智能、HPC(High Performance Computing，高性能计算）、元宇宙等新兴应用需要大量数据吞吐和运算能力，GPU(Graphics Processing Unit，图形处理单元）随着性能的提升，功耗也在显著提升，服务器等 IT 设备，特别是 AI 服务器的功耗呈上升趋势（AI 服务器单台能耗甚至要突破 10kW），数据中心面临能耗 13 和散热的挑战。通过云网融合，整合云、数据中心资源和优质网络资源，把连接和计算整合在一起，从而提升 AI 算力水平，攻克“数据上不来，算力下不去”的难题。（四）支持不同业务场景的 AI 应用问题（L3 层）AI 框架及主流框架纷繁多样，金融机构需要时间提升对框架和工具的使用能力，对金融机构的服务也具有一定挑战。在设计具体场景的 AI 业务软件系统时，由于开发人员缺少相关标准和应用接口的参考，因此对特定行业计算系统的适应性、可裁剪性、可伸缩性等细节特性的考虑不充分，缺少在各种严苛条件下系统的可靠性、可服务性以及对整体软硬件系统性能影响的考虑，这就加大了 AI 算力业务落地的成本。14 第三章 建设指引 数据中心 AI 算力指标包含 4 大核心要素：通用计算能力、高性能计算能力、存储能力、网络能力。数据中心 AI 算力的建设应满足 3 大要求：一是 AI 算力建设对电力动力等的要求。二是数据中心 AI 算力软硬件技术要求，包括核心 AI 处理器架构、AI 训练产品性能、集群互联系统能力、AI 主流软件适配能力、软件平台和工具的完备性、主流机器学习和深度学习网络支撑能力等。三是 AI 算力和通用算力协同建设及改造指引，包括以 AI算力建设作为主算力的 AI 计算集群软硬件建设要求，与通用计算集群、网络及存储集群的软硬件协同建设的要求。一、人工智能算力数据中心架构 计算是人类能力的延伸，算力的建设与社会的发展需求紧密结合，在不同历史阶段出现了超级计算中心、云计算数据中心、人工智能算力数据中心等不同形态的算力基础设施。人工智能算力数据中心是当前人工智能快速发展和应用所依托的新型算力基础设施。（一）总体架构 人工智能算力数据中心借鉴了超级计算中心和云计算数据中心大规模并行计算和数据处理的技术架构，但以人工智能专用芯片为计算算力底座。人工智能算力数据中心由基建基础设施、硬件基础设施、软件基础设施及行业应用等组成。为了能高效、清晰地对人工智能算力数据中心建设展开研究，15 把人工智能算力数据中心建设划分成 5 层，总体架构如图 1 所示。图 1 人工智能算力数据中心总体架构 土建层（L0）土建层（L0），包括地基和建筑体。基础设施层（L1）基础设施层（L1），包括 IT 运行环境、风火水电及运维管理。硬件基础设施层（L2）硬件基础设施层（L2），包括 AI 芯片及服务器等硬件设备。软件基础设施层（L3）软件基础设施层（L3），包括应用软件、开发框架、软件平台和数据。行业应用层（L4）行业应用层（L4），包括智能识别、智能投顾、智能客服等金融行业应用。L0 和 L1 相关度较大，统称为基建基础设施层。（二）分层布局 人工智能算力数据中心分层布局如图 2 所示，其中与人工智能算力建设相关的部分包括基建、硬件及软件基础设施 3 层。行业应用行业应用 软件基础设施软件基础设施 硬件基础设施硬件基础设施 基建基础设施基建基础设施 人工智能算力数据中心人工智能算力数据中心 16 金融行业应用智能识别智能投顾智能客服智能营销量化交易智能风控人工智能算力数据中心软件基础设施行业算法：AI与金融业务融合金融市场：AI与数据要素流动数据管理智能诊断模型开发数据标注自动学习大规模AI训练预置算法云边端部署芯片使能资源云化算力调度AI开发框架多租户隔离云边端协同使能软件使能软件AI系统软件GPUNPUFPGAASIC存储子系统网络子系统规划设计机房土建L0L1L2L3L3L3L4AI计算子系统弹性共享云平台基础软件基础软件硬件基础设施基建基础设施TPU风火水电IT运行环境运维管理 图 2 人工智能算力数据中心分层布局 1.1.基建基础设施层（L0-L1）基建基础设施层（L0-L1）基建基础设施层包括人工智能算力数据中心规划设计和为中心提供空间、电力、水源、冷量、防火等基本条件的机房土建、风水火电、IT 运行环境及运维管理建设等底层设施。2.2.硬件基础设施层（L2）硬件基础设施层（L2）硬件基础设施层是人工智能算力数据中心的核心基础，由AI计算子系统、存储子系统、网络互联子系统组成，如图 3 所示。17 图 3 硬件基础设施架构图（1）AI芯片。（1）AI芯片。依据承担的功能，AI芯片可划分为训练和推理芯片。训练芯片涉及海量数据和大规模计算，对算法、精度、处理能力要求非常高，当前仅适合在中心端部署。推理芯片更加注重综合能力，包括算力能耗、时延、成本等因素，支持计算机视觉、视频处理、自然语言处理和搜索推荐等推理应用场景，可部署在中心端、边缘或终端侧。目前GPU、NPU(Neural network Processing Unit)、FPGA(Field Programmable Gate Array)、ASIC(Application Specific Intergrated Circuits）等是AI芯片行业的主流技术路线。（2）AI计算子系统。（2）AI计算子系统。AI计算子系统一般由高密度、集成化机柜式设计的集群基础单元组成，每个集群基础单元包括若干AI服务器，每台AI服务器均搭载AI芯片，在芯片和服务器之间通过互联网络传递人工智能网络模型的梯度参数更新等数据。各集群基础单元可支持约40kW的散热功耗，实现低PUE数据中心能源效率。硬件 基础 设施 AIAI 计算子系统计算子系统 AI 集群基础单元 GPU NPU FPGA ASIC AI 服务器 供电 制冷 AI 集群 基础 单元 AI 集群 基础 单元 存储 节点 存储子系统存储子系统 网络互联子系统网络互联子系统 数据中心交换机 数据中心交换机 数据中心交换机 18（3）存储子系统。（3）存储子系统。存储子系统提供高性能、高可靠、高扩展性和易备份的分布式存储。存储子系统部署存储节点，提供对象存储、块存储等存储服务，为人工智能训练平台提供高吞吐，大带宽的样本原始数据。（4）网络互联子系统。（4）网络互联子系统。网络互联子系统为整个AI硬件基础设施层各子系统间提供互联互通支撑。3.3.软件基础设施层（L3）软件基础设施层（L3）软件基础设施层包含基础软件、AI 使能4软件、行业算法和AI 市场，如图 4 所示。图 4 软件基础设施架构图（1）基础软件（a）芯片使能软件。（1）基础软件（a）芯片使能软件。芯片使能软件构建于 AI 芯片驱动层之上，是人工智能软件加速库（算子）集合，为深度学习提供必不可少的计算优化功能。各大芯片厂商都推出了针对自身芯片进行优化的使能库，如对于以 GPU 和 NPU 为基础的两类 AI 芯片，其 4 使能，其英文为“Enable”，使能软件是增强原有系统或基础软件能力的一种软件，使其具备更多新的能力。软件 基础 设施 行业算法行业算法：AIAI 与行业业务融合与行业业务融合 AIAI 市场市场：AIAI 与数据要素流动与数据要素流动 数据管理 智能诊断 模型开发 数据标注 自动学习 大规模 AI 训练 预置算法 云边端部署 芯片使能软件 资源云化 算力调度 AI 开发框架 多租户隔离 云边端协同 使能软件使能软件 基础软件基础软件 弹性共享 AIAI 系统软件系统软件 云平台云平台 19 芯片使能软件的代表分别是 CUDA（Compute Unified Device Architecture，计 算 统 一 设 备 架 构）和 CANN（Compute Architecture for Neural networks，神经网络计算体系结构）。（b）AI 开发框架。（b）AI 开发框架。AI 开发框架封装卷积运算、激活函数、损失函数计算、优化器使用等基本操作，提供人工智能网络模型开发环境。主流 AI 开发框架包括 MindSpore、TensorFlow、PyTorch 和 PaddlePaddle 等。（c）云平台。（c）云平台。基础软件中还包括云平台，对计算、存储及网络资源进行统一调度和管理，提供统一的算力支持。（2）使能软件（2）使能软件 人工智能算力数据中心面向大规模分布式模型训练、全流程人工智能应用支撑，需要对大规模算力资源进行管理和调度。使能软件基于硬件基础设施的组网特点实现对算力资源的统一管理、调度和监控，进行细粒度的资源实时分配，支持海量任务的智能自动调度、任务管理、数据加载和预处理，支持大规模人工智能计算场景，并能够提供丰富的人工智能场景应用和API 服务，使用户能够在该平台上进行一站式人工智能开发和应用部署。软件 API 服务主要包括提供智能语音语言类和计算机视觉服务。智能语音语言类服务主要提供语音识别、语音合成、声纹识别、语音听转写等在线服务，计算机视觉类服务主要提供物体检测、人脸识别、人脸检测、图像识别、光学字符识别等服务。20 产业侧使能软件包括华为的modelArts、百度的AI studio、第四范式的 sageEE、寒武纪的 CAIP 算力平台、新华三的傲飞AMPHA、亚马逊的 AWS sageMaker 等。（3）行业算法和 AI 市场（3）行业算法和 AI 市场 行业算法通过行业知识的积累，预置各样经验，从而更快、更高效地为行业赋能。AI 市场则支持数据和 AI 模型的有效流动和共享。二、基建基础设施层（L0-L1)在数据中心选址方面，除符合国家标准 GB 50174 的 4.1.1、4.1.2 和附录 A 中选址相关技术要求和使用需求外，还应符合JR/T 0265 中 7.2 规划及布局的基本要求。在数据中心环境、建筑与结构、空气调节、电气、电磁屏蔽、网络与布线系统、智能化系统、给水排水、消防与安全方面，除符合国家标准 GB 50174 第 5 章至第 13 章及附录 A 相关技术要求外，还应符合 JR/T 0265 中第 7.3 章节至 7.11 章节的基本要求。三、硬件基础设施层（L2）（一）AI 芯片 1.1.AI芯片架构 AI芯片架构（1）应采用适合的AI芯片架构，提供高AI算力和能效比。（2）应支持高速互联技术。（3）应支持高度集成化、模块化和冗余设计。21 2.2.AI加速芯片 AI加速芯片（1）应支持专用的矩阵乘法运算加速单元和向量乘加运算加速单元。（2）应支持片上配备高速缓存，加速数据存取与多核通信。（3）应提供 FP32、FP16、TF32 浮点运算精度。对于推理卡，FP32 不小于 20TOPS 或 FP16 不小于 250TOPS；对于训练卡，FP32 不小于 64TFLOPS 或 FP16 不小于 280TFLOPS，TF32 宜不小于 128TFOPS。（4）推理卡应具备 INT8 定点运算能力，宜不小于 250TOPS。（5）应支持内存、算力等资源的切分和良好的隔离。（6）应具有 PCIE 或 OAM 接口，以便与主机 CPU 进行高速数据传输。（7）包含专用加解密运算单元，应提供可信的 AI 运算环境。（二）AI 服务器 AI 服务器根据形态可分为通用型 AI 服务器和模组型 AI 服务器，根据功能又可分为 AI 训练服务器和 AI 推理服务器。1.1.通用型AI服务器 通用型AI服务器 通用型 AI 服务器需要支持承载不同形态的加速卡的算力需求，主要采用 CPU AI 加速卡为主体的服务器架构。在自主可控背景的影响下，服务器需要支持 AI 加速卡，如寒武纪 MLU 加速卡，燧原、华为等厂商的 GPU 加速卡和华为的 NPU 加速卡。数据中心训练型 AI 服务器机型一般建议支持 8 张双宽 GPU 卡。推理 22 型服务器根据 GPU 卡的密度需求不同，数据中心建议使用支持 8张及以上双宽或单宽 GPU 卡的 4U 机型，边缘数据中心可选择支持 4 张及以上的双宽或单宽 GPU 卡的 2U 机型。2.2.模组型AI服务器 模组型AI服务器 模组型 AI 服务器主要目的是为支持多加速卡间互联，从而获得更高的卡间带宽，提升训练性能。模组型 AI 服务器主要用于数据中心的 AI 训练场景。（三）AI 计算子系统 1.可以实现同一服务器的卡间、跨服务器间的高速数据通信能力，并进行横向和纵向扩展。2.有专用的卡间互联高速接口，满足训练和推理过程中卡间大数据量交换传输的需求。3.具备常见的分布式集合通信原语实现，支持主流分布式框架。4.支持集群通过高速通信协议进行横向和纵向扩展。5.存储子系统应满足高效AI算力子系统的要求。6.网卡配置应满足AI算力子系统对带宽、ROCE5及TCP网络等的需求。四、软件基础设施层（L3）（一）芯片使能软件 1.提供基于C和Python语言的算子开发接口，使用户具有自 5 ROCE（RDMA over Converged Ethernet），是在 InfiniBand Trade Association(IBTA)标准中定义的网络协议，允许通过以太网络使用 RDMA。23 定义算子开发的能力，如英伟达CUDA、寒武纪bang C/bang Python、华为CANN等。2.具备容器镜像部署能力，方便开发生产环境的快速部署。3.AI产品可以使用k8s进行算力资源的运维管理，并提供AI产品主要指标的监测能力。4.提供高性能推理引擎，完备的深度学习调优、调试、监控工具，加速深度学习模型的开发流程。（二）AI 开发框架 1.1.开发框架兼容能力 开发框架兼容能力（1）提供 AI 主流软件适配能力，支持国内外主流深度学习框架。（2）宜 支 持MindSpore、TensorFlow、PyTorch、PaddlePaddle、Horvod 等至少 1 种深度学习或分布式框架。（3）宜支持麒麟、CentOS 等至少 1 种国内外操作系统。2.2.主流机器学习和深度学习支撑能力 主流机器学习和深度学习支撑能力 支持常见的视觉分析、NLP 和语音识别功能。视觉分析宜支持 resnet50、yoloV5 等神经网络，NLP 宜支持 bert、Transformer等神经网络，语音识别宜支持 tacotron2、waveRNN、FlySpeech等神经网络。（三）使能软件 1.1.数据接入 数据接入 数据接入是人工智能开发平台的基础环节，根据项目需求，24 平台按照不同方式接入不同类型的数据，并在此基础上开展后续环节。主要功能包括：（1）支持接入不同类型的数据，包括结构化数据（如数据库表）和非结构化数据（如文本、图像、视频及音频等格式）。（2）支持本地数据接入、各类接口协议接入等数据接入方式。（3）支持接入数据的参数配置。2.2.数据预处理 数据预处理 经过清洗、转换等操作，数据预处理部分可以解决数据可能存在的质量问题（如不一致、无效、缺失、重复等），将数据加工为模型开发能够直接使用的形式，并在此基础上开展后续环节。主要功能包括数据清洗（如去重、异常值检测、缺失值填充等）、数据转换、数据增强。3.3.数据标注 数据标注 数据标注是认知数据特征的重要过程，标注质量与模型效果息息相关，平台应提供面向不同类型数据（如文本、图像、视频及音频等）的人工标注及自动标注工具，并提供可灵活扩展的团队标注和智能标注模式。4.4.数据管理 数据管理 数据管理是人工智能开发平台的支撑环节，平台应支持用户对其权限内的数据进行统一管理，并以数据集的形式服务于后续环节。主要功能包括：25（1）支持创建、删除、修改、查看及导出等数据集操作。（2）支持数据集信息展示和查询，如名称、原始数据、标注信息、标签等。（3）提供权限与版本管理、拆分与合并等数据集管理功能。5.5.数据分析 数据分析 数据分析支持使用统计方法分析数据并提取有效信息，及时发现数据特征或分布上的问题，从而有针对性地优化处理。主要功能包括：（1）不同类型的数据预览，如结构化、半结构化、非结构化的数据。（2）数据集分析，如结构化数据的质量分析、特征分析，非结构化数据的特征分析。6.6.特征工程 特征工程 特征工程是从原始数据或者预处理后的数据中提取、变换为更易解决问题的特征数据的过程，旨在去除数据中杂质和冗余量。特征工程是传统机器学习中尤为重要的一个环节，直接影响到最终模型结果。7.7.模型开发 模型开发 模型开发为开发者提供一个便捷的开发环境，使用户更加聚焦在模型本身的设计上。本模块中集成 AI 框架，免去繁琐的安装配置过程。针对不同层次的开发者，开发环境采用更加人性化的操作接口，如拖拽式的可视化建模环境、JupyterLab、命令行 26 建模等，也可帮助用户完成模型脚本在线编辑。主要功能包括：（1）支持主流的传统机器学习框架（库）、深度学习框架，及深度学习预训练模型。（2）针对不同层次用户提供多种建模方式，如交互式编码、可视化建模等。8.8.模型训练 模型训练 模型训练是按照既定的训练规则，通过训练数据集来完成算法实例化的过程。训练过程中，根据业务需求提供不同的训练模式，包括单机训练和分布式训练。平台对用户屏蔽算力设施的底层复杂组网和配置，通过简易的设置即可实现不同的训练模式。平台支持多种训练加速手段。整个训练过程有可视化指标形式呈现。主要功能包括：（1）支持单机、分布式训练。（2）支持 GPU、国产化等多种异构计算加速芯片。（3）训练过程中计算、内存等资源使用情况的可视化呈现。（4）训练过程中模型精度等关键指标可视化跟踪。（5）支持创建、启停、删除、修改及查询等训练任务操作。9.9.模型评估 模型评估 模型评估是通过既定的各类 AI 任务评估指标，对训练生成的模型进行质量评判，生成详细的评估报告，选择出符合要求的模型用于后续环节。模型评估提供可视化的图表形式呈现不同模型版本的指标对比，使用户能快速分辨出模型优劣。同时，模型 27 评估对于分析模型对数据特征的偏好、模型的可解释性等方面也有指导意义。主要功能包括：（1）针对待评估模型生成评估报告。（2）常用模型如图像分类、目标检测等的评估指标。（3）模型指标的历史版本评估结果比较。（4）评估指标的可视化呈现，如精度、资源占用等指标。10.模型管理 10.模型管理 模型管理是针对已有的模型，提供模型的导入导出、查询检索、版本管理、模型格式转化等功能，支持主流的模型格式。对于一些资源紧张的部署环境，提供模型压缩功能来降低模型的资源消耗。主要功能包括：（1）导入、查询、修改及删除等与模型文件存储相关的基本操作。（2）支持 ONNX、TensorFlow、PyTorch 等业界主流模型格式。（3）支持不同模型格式的转化。11.模型部署 11.模型部署 模型部署是按照一定的编排规则，将模型部署到生产环境中，对外提供智能服务。根据具体业务需求，可将模型部署在云端、边缘侧或终端侧等不同位置。利用云计算平台提供的基础功能，可实现 AI 模型的平滑升级、灰度测试、根据业务流量弹性伸缩模型实例等功能。主要功能包括：28（1）支持容器镜像部署方式。（2）支持部署为在线服务，如 REST、gRPC 接口。（3）支持部署为批量推理服务。（4）支持模型灰度发布及 AB 测试。12.模型推理 12.模型推理 模型推理是对用户调用模型服务接口返回执行结果的过程，是发挥模型价值的环节。平台应分配相应的计算资源，运行模型并输出结果。主要功能包括：（1）宜 支 持TensorFlow、PyTorch、MindSpore、PaddlePaddle中两种以上框架训练所得模型的高性能推理部署。（2）推理服务管理操作，如任务启动、停止，服务的限流、负载均衡等。（3）推理服务的接口信息查询和展示，如版本、实例数、接口格式等。（4）推理服务的使用情况统计，如运行状态、调用量、成功率等。13.资源管理 13.资源管理 AI 平台底层对基础设施如计算、存储、网络等资源进行管理和配置，为 AI 的推理和训练场景分配资源和运行环境。主要功能包括：（1）支持异构加速资源的调度，如 GPU、国产加速卡等。（2）支持多种类型存储资源，如对象存储、块存储、文件 29 存储等。（3）支持 CPU 和 GPU 资源的虚拟化。（4）支持配置资源调度的颗粒度，如 CPU 核、GPU 卡数、内存数量等。（5）支持各类资源的使用情况展示、监控和告警。（6）支持各类资源的使用计量计费。30 第四章 建设协同 一、整体原则 建设金融人工智能算力数据中心是一个演进迭代的过程，一是需考虑原有的金融 IT 基础设施传统算力与新型算力之间的关系，二是需考虑人工智能算力数据中心建设与边缘计算的协同关系，三是需考虑算力与网络融合的关系。建设协同的整体原则为：安全稳定。安全稳定。金融数据中心业务保持稳定运行是在建设协同中要考虑的首要因素。应采用灰度、增量、平滑迁移等方式，逐步实现金融人工智能算力数据中心建设。异构兼容。异构兼容。在建设协同过程中应充分考虑金融业 IT 基础设施架构的多样性，构建异构兼容生态，实现一体化的调度能力。结合实际场景寻求最佳架构实践，发挥异构兼容的特点，协同合作共同支撑业务发展。端边云协同。端边云协同。边缘计算发展驱动算力去中心化，释放云数据中心发展压力，实现算力负载均衡的优化。在规划中应统筹人工智能算力数据中心与边缘计算协同的端边云体系，赋能金融业务应用在边缘场景创新。二、传统算力与新型算力协同（一）算力产品特征 1.1.算力分类（1）推理算力 算力分类（1）推理算力（a）推理加速模块。推理加速模块是一款高性能、低功耗 31 的 AI 加速模块，耗电量仅为数瓦。可以部署在其他通用服务器、终端上摄像头、无人机和机器人等设备上。（b）AI 推理卡。AI 推理卡提供多种数据精度，可广泛应用于数据中心和智能边缘。（c）AI 推理服务器。AI 推理服务器是面向边缘应用的产品，具有超强计算性能、高环境适应性、易于部署维护和支持云边协同等特点，可在边缘场景中广泛部署，通常以传统 X86 或ARM 服务器加配 AI 算力卡的形式存在。（2）训练算力（2）训练算力（a）AI 训练卡。AI 训练卡为数据中心提供强劲算力，可加快深度学习训练进程。具有高计算密度、大内存、高带宽等优点，适用于通用服务器。（b）AI 训练服务器。支持多个 AI 加速卡或板载加速模块，适应各种视频图像分析场景。主要应用于视频分析、深度学习训练等训练场景中。（c）AI 集群单元。AI 计算集群机柜基本单元，具有高密度、高性能、高能效、高可靠、易拓展、低 TCO 等特点，支持大规模、高性能 AI 训练业务。2.2.算力密度 算力密度 算力性能的高低通过算力密度进行衡量。算力密度指单位时间的算力水平，根据算力密度，可将 AI 算力分为超级算力、中高算力、普通算力。32 3.3.算力形态 算力形态 常见的 AI 芯片根据形态分为 GPU、NPU、FPGA、ASIC 等。（二）算力协同建设 算力协同建设的目的是在实现异构算力一体化调度的基础上，实现不同类型算力计算效率的最大化。不同算力协同合作，共同支撑业务发展，其关系如图 5 所示。图 5 算力协同示意图 1.1.AI算力设备可直接部署的建议 AI算力设备可直接部署的建议 用于推理和训练的芯片和加速卡通常可直接部署在通用服务器设备上，启动设备和相关驱动，即可搭建好相关环境。训练服务器部署时，通常需要 2U4U 的机柜空间，2kW3kW 的电力部署，可在传统数据中心直接使用。2.2.AI算力对数据中心的改造或新建建议 AI算力对数据中心的改造或新建建议 目前机房多采用风冷散热方式。在使用 AI 集群时，所承载算力形态 统一调度、统一管理 训练框架 算力调度 租户隔离 算力协同 资源池化 传统 TCP/IP 网络 高性能网络（IB/RoCE）算力分类 算力密度 GPU FPGA ASIC NPU 推理加速 AI 推理卡 推理服务器 AI 训练卡 AI 训练服务器 AI 集群单元 普通算力 高密度算力 33 AI 训练作业的计算复杂度和计算量较大，对应的制冷系统应满足其散热需求，可进一步采用液冷或其他更高效率制冷技术对散热进行改造。液冷场景分为风液混合液冷（简称混合液冷）和全液冷两种场景。混合液冷场景中，计算节点上的 CPU、NPU、GPU处理器等大功耗部件通过液冷冷板散热，其余通过机房空调散热。全液冷场景中，计算节点上产生的热量全部由液冷散热。通常CPU、NPU、GPU 处理器等大功率部件通过液冷冷板直接散热，其余热量通过无源液冷背门实现液冷散热。液冷系统 CDU 二次侧管路示意图如图 6 所示，浸没式液冷的示意图如图 7 所示。图 6 CDU 二次侧管路示意图 图 7 浸没式液冷示意图 一次侧一次侧 冷塔/冷机 一次管道 CDU 二次侧管路 液冷 机柜 二次侧二次侧 液冷 服务器 工质 34 液冷新技术与普通空调管路的区别如表 3 所示。表 3 液冷系统二次侧管路与普通空调管路的区别 项目 项目 液冷二次侧管路 液冷二次侧管路 普通空调管路 普通空调管路 标准化 技术新，目前仅有团体标准，如数据中心温水冷板式间接液冷设备通用技术要求（T/CIE 0902020）、温水冷板式间接液 冷 数 据 中 心 设 计 规 范（T/CIE 0912020）等。具体质量要求如杂质容忍度等建议参考相关团体规范，尽量减少排他性。有国家标准，有明确的标准要求。质量影响 管路中 0.1mm 杂质可导致快接头堵塞漏液。管路中材料与服务器散热材料不兼容会导致金属材料发生电化学腐蚀，非金属材料产生老化腐蚀，长期作用下导致服务器漏液。管路系统的杂质，材料兼容性只影响空调系统漏水，堵塞，不会影响服务器，不会导致高价值物料损坏。质量管理 体系 “食品药品级”全流程质量管理体系，具备可追溯、全流程管理能力。质量管理需要细化到原材料、生产设备、生产工艺、工艺参数、装制程的端到端过程管理。原材料和部件需要和液冷系统进行长期材料兼容性测 普通建筑工程质量，只要求成品质量。工程化现场交付无法保证质量一致性。临时原材料，临时部件选型无法保证长期材料兼容性。35 项目 项目 液冷二次侧管路 液冷二次侧管路 普通空调管路 普通空调管路 试。供应商资质 液冷系统管路的制作能力和检测能力，尤其是工厂化的制程能力。有明确的焊接、表面处理及检测设备要求。不要求工厂化的制程能力。依赖人工设备，要求低，一般无专业的焊接、表面处理及检测设备要求。交付模式 工厂化生产（工装夹具焊接 体系化表面处理 超声波清洗 洁净车间） 现场拼装（现场只打螺丝 去离子水冲洗）。现场焊接 现场表面处理 现场清洗 粉尘环境。杂质容忍度 0.1mm（10 倍普通管路要求）1mm 材料兼容 要求高，25%乙二醇 去离子水 缓释剂 要求低，普通自来水 阻垢剂。质量追溯 焊接质量，冲洗质量由工厂设备、工艺及参数确定，制程稳定则加工质量稳定，可追溯性好。现场有工程督导进行管路可靠性和洁净度质量验收，可追溯性好。无工厂交付，严重依赖人力保障质量，焊接质量依赖人工技术水平和责任心，冲洗环节依赖责任心，可追溯性差。现场交付环节一般只关注打压泄露测试，可追溯性差。36 各改造流程说明、责任主体等相关信息见表 4。表 4 改造流程说明 序号 序号 流程名称 流程名称 流程说明 流程说明 输入 输入 输出 输出 1 首次工勘 组织一线服务进行工勘。机 房 改 造需求 整机工勘报告 2 是 否 可 改造 组织整机工勘报告评审，给出是否可以进行改造的结论。整 机 工 勘报告 是否可评审结论 3 是 否 由 能基承接 组织评审，确认承接主体。可 改 造 结论 确认承接主体 4 按 能 基 改造 标 准 流程执行 按能基改造标准流程执行。确 认 承 接主体能基 能基本完成机房改造 5 总 集 采 购CDU 二 次侧管路 组织总集沟通机房改造 CDU 二次侧管路采购。确 认 承 接主 体 是 总集 总集确认采购CDU 二次侧管路 6 采 购 自 有编码 CDU 总集采购 CDU。总 集 确 认采购 CDU CDU 发货 7 采 购 推 荐第 三 方 二次 侧 管 路供 应 商 的方案 推荐第三方二次侧管路供应商的方案，供应商协助总集采购二次侧管路规格参数。总 集 确 认采 购 二 次侧管路 确定采购二次侧管路方案 8 第 三 方 二次 侧 管 路供 应 商 工勘、设计和报价 第三方二次侧管路供应商对机房管路部署进行工勘、设计和报价。确 定 采 购二 次 侧 管路方案 给总集输出工勘、设计和报价 37 序号 序号 流程名称 流程名称 流程说明 流程说明 输入 输入 输出 输出 9 二 次 侧 管路 预 制 加工 第三方二次侧管路供应商启动二次侧管路预制加工。给 总 集 输出工勘、设计和报价 完成预制加工 10 厂 验 是 否通过 在预制加工过程，开展质量督导，发现不合格及时要求供应返工返修。启 动 预 制加工 质量验收报告 11 现 场 交 付安装 工厂完成二次侧管路预制加工后运到现场进行交付安装。完 成 预 制加工 完成现场安装施工 12 验 收 是 否通过 在现场安装过程，对现场安装完成质量督导，发现不合格及时要求供应返工返修，直到项目完成验收。启 动 现 场安装施工 质量验收报告 三、数据中心算力与边缘算力协同 端边云协同是 5G 新兴领域的一个重要基础技术，可有效应对物联网领域海量数据增长、服务实时响应、数据隐私安全等挑战。金融行业加强金融创新，加快边缘计算布局，推动端边云协同体系建设。38 图 8 端边云协同体系 打造端边云协同体系（见图 8），提供资源、数据、技术等协同服务，探索形成金融业端边云协同模式，赋能业务应用和场景创新。边缘计算应包含资源协同、数据协同、技术协同能力。协同计算框架示意见图 9。图 9 协同计算框架示意图 技术协同。技术协同。以数据中心算力进行训练、边缘算力进行推理为普通传感器 音视频摄像头 云 非结构化数据（海量）边缘侧 存储 边缘侧分析处理 端 边 结构化数据 业务系统、新技术平台 挖掘/归档 控制决策 分行本地存储 业务 场景 安全 应用安全 数据安全 网络安全 资源安全.信贷管理 押品远程监控 尽职调查 客户服要客识别 远程服务 客户营销 直播电商 智能广告 运营管理 网点服务质检 客户行为检测 物联网 边缘计算 云计算 区块链 大数据 人工智能 生物识别 音视频 协 同 协 同 计 计 算 框 架 算 框 架 技术协同 应用管理 边缘智能 数据布局 数据处理 数据分析 数据决策 数据协同 运维 运维 设备 计算 存储 网络 资源协同 安装部署 运行监测 运维操作 39 整体原则，边缘算力将数据预处理结果上传数据中心算力进行AI模型训练，训练后的模型在边缘算力侧部署，完成 AI 算法数据、模型训练和推理的闭环。资源协同。资源协同。边缘侧对边缘终端设备进行本地管理，数据中心应建设集中管理平台，对边缘节点和终端实现统一管理和调度。边缘资源管理应具备根据业务场景需要进行资源编排调度部署能力，应支撑 CPU、GPU、TPU、FPGA、NPU 等多种异构计算能力，应具备如 WIFI、蓝牙、5G 等多种接入能力。数据协同。数据协同。应建设金融业数据协同框架，针对低价值、非核心、非涉密的探测数据应实现源数据就近保存，且建立边缘侧数据生命周期管理机制，控制数据规模，减少系统资源浪费。对于高价值、核心、涉密等数据，应实现上送数据中心集中存储，并进行数据分析、数据价值挖掘等进一步利用。协同安全。协同安全。应根据金融业网络系统安全管理规范，结合端边云安全架构，针对性加强边缘计算安全管控。在云侧，可增加对边缘设备的节点监控功能。在边缘侧，可采用应用加固、数据脱敏、数据备份保护、模型加密、虚拟化安全等多种手段加强安全。在端侧，采用端侧物联网安全体系满足对终端安全的要求。四、算力与网络协同 近年来，国家规划数据中心布局实现东中西部协调发展，集约化、规模化发展水平显著提高，形成数网协同、数云协同、云边协同、绿色智能的多层次算力设施体系。提出了“东数西算”40 国家枢纽节点建设布局。在此基础上，算力网络是面向计算与网络融合的新架构，是实现东数西算和数据流动的关键支撑。如何建设 AI 算力环境，在数据中心内部，以及广域网互联的多个数据中心之间形成新型的一体化算力网络，为当下及未来金融 AI 算力提供高体验、高价值的网络服务，成为金融机构网络建设的关键考量因素。（一）广域算力网络架构 金融广域网络基于 IP 技术构建，是 AI 算力在数据中心、分支边缘、第三方机构、物联终端之间的互联枢纽，主要场景及架构建设示意见图 10。云云边缘计算前置边缘计算前置设备认证设备接入全局数据分析数据可视化业务对接边缘计算服务群组边缘计算服务群组数据认证隐私保护边缘应用部署边缘配置管理设备生命周期管理监控运维业务编排用户管理决策指令下发算法框架数据标注算法构建模型训练模型运营机器学习平台大数据平台机器学习平台大数据平台数据湖大数据分析人脸识别边缘引擎虹膜识别边缘引擎生物特征识别平台生物特征识别平台镜像仓库日志中心云计算平台云计算平台边边边缘计算边缘计算资源隔离轻量AI推理边缘分析处理边缘存储数据处理终端管理端端端侧采集端侧采集传感器音视频摄像头侧端节能采算一体一体机数据存储 图 10 主要场景及架构建设示意图 1.1.人工智能算力数据中心间互联 人工智能算力数据中心间互联（1）广域网络建议采用分层架构，核心层负责数据高速转 41 发、接入层提供算力数据中心接入 POP6网关。（2）核心层根据业务诉求建议采用全互联拓扑，保证任意数据中心间的数据及算力平台的互访跳数一致性。（3）POP 接入点建议采用双设备高可用接入，数据中心通过双归方式接入 POP 网关。（4）整网建议采用 IPv6 地址，优选 SRv6 作为广域路由协议承载，支持基于不同 AI 算力需求（带宽、时延、丢包率、利用率、线路类型等）进行路径自动发现，按需选择。（5）数据中心间需具备带宽弹性扩缩能力，根据算力需求的潮汐规律、业务节假日突发等场景，提供弹性带宽调整。（6）数据中心间带宽需考虑链路冗余及带宽冗余，极端情况下，可保障最高业务等级相关算力传输的带宽。（7）广域线路选择需要满足 AI 算力数据传输的要求，需要线路供应商提前确认高可用性、线路时延、丢包率及 MTU 等相关参数需求。（8）广域网应具备智能链路负载分担能力，提供基于网络路径服务质量的动态负载均衡，可实现不同 AI 算力模型下数据流并发的均匀哈希模式。2.2.分支边缘算力互联 分支边缘算力互联（1）广域网针对边缘分支应提供就近接入能力，包括 5G 等无线接入能力。6在计算机网络中，POP 表示入网点（Point Of Presence），pop 位于数据中心和企业网络的边缘外侧，是访问数据中心和企业网络内部的进入点，外界提供的服务通过 pop 进入，这些服务包括 Internet 接入、广域连接及电话服务（PSTN）。42（2）广域网针对分支边缘算力节点应提供到数据中心的冗余多路径能力，实现算力协同、数据回传的高可用。（3）在边缘节点所在区域基础设施条件满足的情况下，尽量采用扁平化架构，减少数据回传，算力协同的转发跳数。3.3.第三方算力协同互联 第三方算力协同互联（1）广域网针对第三方接入应提供专用的互联接入网关，不建议与机构自有的互联接入网关共同部署，以提供差分服务、业务隔离能力，减小故障域影响和风险。（2）第三方互联应定制统一、标准化的对接模型，包括但不限于地址规范、路由规划、转发策略规划、QoS 规划、安全防护策略等。（3）第三方接入建议根据地域进行多点 POP 就近接入能力。（4）第三方接入建议通过单独的 VPN 在广域网进行数据转发，与企业自有业务数据进行安全隔离。（5）第三方接入边界可部署安全防控设备，对数据安全访问、合规策略、异常行为、恶意攻击进行防护。（6）第三方接入的隐私计算建议采取联邦学习等技术实现任务运行以黑盒状态处理数据，实现数据安全。（7）第三方算力协同互联实现业务开放、数据开放，典型业务场景包括第三方支付、授信、对账和查询等。4.4.AI算力物联终端连接 AI算力物联终端连接（1）AI 算力需要针对物联网相关数据进行分析、训练和计 43 算，应提供海量物联终端接入能力，支持广域数据回传。（2）物联网关应支持企业内部所需物联近场通信协议的互转，提供上行广域 IP 回传能力。（3）应支持 IPv6 数据回传能力，提供千万级物联终端接入回传能力。（4）建议金融业建设统一的专用物联网络，可以是物理专用物联网络，也可以通过 VPN Overlay 提供虚拟化物联专用网络，避免因建设多张网络带来的管理复杂及成本高的问题。（5）支持点对多点互联、任意多点互联和 full-mesh 全互联组网模型。（二）广域算力网络关键技术 广域算力网络用于提供远距离算力数据传输，需具备确定性时延、算力感知和优先级调度、流量路径动态调优、网络智能运维等能力，对应的网络关键技术要求如下。1.1.支持基于SRv6 TE Policy技术和SDN架构的流量路径编排、自动质量调优能力 支持基于SRv6 TE Policy技术和SDN架构的流量路径编排、自动质量调优能力（1）SRv6 是 SR 技术在 IPv6 平面上的实现，通过在路径头节点压入途经节点信息，实现快速路径编程。（2）具备全网链路流量状态信息提取感知能力，结合 SRv6的快速路径编程能力，实现流量动态调优的目标。2.2.支持基于SDN、iFIT和Telemetry的智能运维能力 支持基于SDN、iFIT和Telemetry的智能运维能力（1）网络设备通过 iFIT 技术实现对业务随流检测统计，通 44 过 Telemetry 上送到广域网 SDN 控制器，SDN 控制器根据统计信息计算出逐跳或者端到端的时延、丢包等参数。（2）Telemetry 上送算力网络所有状态和统计信息。（3）控制器具备 AI 分析能力，实现网络故障的自动发现、定位和闭环、算力数据流量预测等能力。3.3.支持基于APN6、网络切片、QoS的算力感知和调度能力 支持基于APN6、网络切片、QoS的算力感知和调度能力（1）网络支持对算力业务标识 APN6 字段的识别，并基于APN6 的 SLA 需求分配对应的网络服务，实现算力应用、算力数据与算力网络的协同映射。（2）支持网络切片、SRv6 切片，实现基于应用的确定带宽供给和差异化调度。4.4.业务标识协同能力 业务标识协同能力 广域网络边界支持数据中心、分支边缘算力节点、第三方机构的算力业务标识协同，包括不限于VLAN、VXLAN、IPv4五元组、IPv6五元组、DSCP、APN6等。5.广域网加密能力广域网加密能力 在IPv4及IPv6的环境下，提供网络有状态加密、网络无状态加密等能力，可集成商用密钥、国密和量子密钥，网络加密能力要支持未来3至5年的数据转发能力要求。应考虑加密对传输性能的影响，结合应用层二次加密等因素综合评估广域网加密能力的应用场景。（三）数据中心算力网络关键技术 45 数据中心算力网络传输协议分为基于 TCP/IP 的以太网传输协议和基于信任和流控制的 InfiniBand 协议。从数据中心局域网传输协议发展趋势看，以太网关注不同系统之间流畅的信息交换，具有兼容性优势。InfiniBand 在传输带宽和延时方面具备明显性能优势，但是其传输距离受限且与以太网络基础设施不兼容，一直以来其应用范围关注于如何实现系统内部不同部件之间的高速互联。自 2007 年始，InfiniBand 中的 RDMA7技术与以太网出现技术融合，整合了以太网的兼容性和 InfiniBand 的高性能传输优势，并有 iWARP、RoCEv2 等典型技术实现，近年来已成为局域网技术领域的热点。数据中心算力网络关键技术演进如图11所示。图 11 数据中心算力网络关键技术演进图 随着大数据、人工智能技术的快速发展和应用，使得深度学习往往还需要更多的数据来训练更为复杂的模型，这些复杂的模 7 RDMA(远程直接数据存取)就是为了解决网络传输中服务器端数据处理的延迟而产生的，无需使用 CPU，就可以从一个主机或服务器的内存直接访问另一主机或服务器的内存。IBTA IETF RoCEv1 iWARP IBTA SDR 10Gbps IBTA QDR 40Gbps IBTA FDR 56Gbps IBTA HDR 200Gbps 802.3u 802.3z 802.3ae 802.3by 100Mbps 1Gbps 10Gbps 25/100Gbps 25G/50G Ethernet Consortium 25/100Gbps 1995 1998 2003 2014 2016 2000 802.3ba 40/100Gbps 2010 802.3bs 400Gbps 2017 2006 2011 2007 以太网 InfiniBand RDMA 融合 RoCEv2 IBTA 46 型对算力的要求更高，需要整合多节点分布式训练和并行运算来提升训练效率。业界典型的分布式训练框架通过分布式并行训练实现，整个系统的吞吐量随着 GPU 卡的数量呈线性扩展。多节点间分布式训练框架对节点间高带宽、低延时的高速通信有非常高的要求。远期看，网络、内存、存储、处理器等计算机软硬件技术的巨大发展将引领数据中心基础设施的变革，如以太网带宽从10Gbps 走向 400Gbps，未来 RoCEv2 网络会成为人工智能、大规模分布式训练通信的优选技术。金融业算力数据中心应用依托 RoCEv2 等高性能网络技术，构建规模化“高速网络”，通过其高带宽、低延时的特性在分布式计算领域、人工智能领域为金融业务赋能。（四）算力网络协同关键技术 网络是影响 AI 算力的重要环节之一。云网协同技术可实现数据中心内部网络、骨干网络和数据中心云资源的协同管理运营，随时随地发放并按需部署计算、存储和网络资源，实现算力资源自动化部署和智能化调度，从而提高算力资源调度效率，并通过SLA 稳定的网络承载确保算力能效。云网协同方案通过对数据中心网络（DCN）算力业务进行区分筛选，并将标识映射到骨干网（DCI），再利用骨干网调优能力，以实现跨数据中心算力业务的无损传输。云网协同方案的关键能力包括以下两部分。47 1.DCI 网络1.DCI 网络。针对算力业务的调优能力，保障业务 SLA。2.DCN 与 DCI 网络2.DCN 与 DCI 网络。实现算力业务的识别及保障需求的相互传递。从现有技术体系能力及网络演进趋势来看，可通过 DSCP标记、VXLAN 与 SRv6 转化、APN6 协同等技术实现。（1）DSCP 标记（1）DSCP 标记。DCI 边缘设备需支持基于 ACL/策略路由识别算力业务，对该业务进行 DSCP 的 remark 标识，再根据 DSCP入 SRv6 隧道。该方式需要在 DCN 和 DCI 进行静态配置，即依赖人工方式实现 DCN 和 DCI 网络能力的协同，有一定复杂度。（2）VXLAN 与 SRv6 转化（2）VXLAN 与 SRv6 转化。DCI 边缘设备需支持 VXLAN 与SRv6 路由转换技术，重新生成 SRv6 VPN 和 VXLAN VPN 路由。该方式不依赖人工配置，可自动完成 DCN 和 DCI 算力业务的平滑对接，实现 DCN 内租户级信息与 DCI 的 VPN 级信息的自动传递感知。（3）APN6 协同（3）APN6 协同。DCI 边缘设备需支持算力业务 APN6 的识别感知，自动引流入 SRv6 隧道，SRv6 隧道可根据 APN6 的 SLA 要求动态调整最优的路径进行转发保障。该方式可实现 DCN 和 DCI算力业务的自动衔接，且粒度更细。（五）算力网络数字化能力 算力网络的数字化是以数据和模型为基础，融合 AI、大数据等前沿技术，在数字世界里力求完整地还原现实物理网络，进而对传统网络运维方式进行创新和重塑，提升算力网络的自动化和智能化水平。主要功能包括：48 1.支持全网动态拓扑呈现，实时展示整网的组网、连接和健康状态。2.支持对AI应用的感知，实现对数据中心集群算力数据交互，以及AI系统组件路径的可视追踪。3.支持对AI应用的网络SLA监测，感知应用质量。4.支持针对不同类型的AI应用提供差异化的网络SLA保障。5.支持网络故障快速定位溯源、故障根因推导。6.支持基于AI算力因子的网络调优，实现算力网络的智能调度，保障AI算力的高效使用。49 第五章 运维和节能管理 一、运维管理 为满足数据中心的运营管理需要，应对数据中心的运维提出规范化管理以及精细化运营的要求和目标。数据中心运维管理需对管理范畴进行界定，并对运营管理架构进行定义，从人、事、物及各种场景的管理应对上进行说明，并按数据中心的层级建立分级的运营体系。在 IT 运营、基础设施运营以及物业安保 3 个团队管理工作的基础上，延伸到生命周期管理、资源与费用管理、资产管理与业务交付管理等重要板块，运维管理中要定义各板块相关的部门和职责。（一）人员组织 数据中心在企业 IT 信息基础设施中居于基础和核心地位，数据中心建立合理的组织架构形式和清晰明确的职能定位，对于企业达成业务目标，实现高效能、高效率、高安全的数据中心运维，具有巨大的牵引和指导作用。在人员的组织架构设计上，数据中心分可为 3 大块，每个部分再细分，建设完善的运维系统，如表 5 所示。表 5 数据中心运维人员组织结构 数据中心运维组 日常运维管理（IT 管理）网络运维 服务器运维 应用软件运维 存储运维 云平台运维 50 基础设施管理 电气运维 空调运维 消防运维 监控运维 物业安保与保洁 保安部 保洁部 后勤管理部（二）日常运行维护 数据中心的日常运行管理涵盖值班管理、巡检管理、清洁管理、应急预案及演练管理（EOP）、操作指导书（SOP）、配置程序（SCP）等工作，主要包括设备运行方案制定、设备轮巡管理、数据中心巡检管理和应急预案及演练（EOP）等内容。运行管理的目的主要包括制定数据中心基础设施运行方案、延长设备使用寿命、安排数据中心巡检计划以及提升人员应急能力等。数据中心的日常维护管理涵盖预防性及预测性维护、应急演练、系统可用性检查、生命周期管理和风险管理等内容。维护管理的目的主要包括降低设备发生重大故障的可能性、及早发现潜在风险、提高数据中心可用性以及延长数据中心的使用寿命等。数据中心应有一套成熟、高效的基础设施智能运维平台，提供机房可视化管理、巡检管理、能耗管理、监控管理、告警管理、容量管理、配置管理、数据中心服务门户等功能，支持对数据中心的电力系统、制冷环境、安防环境等进行监控和智能化分析，并为数据中心外部客户提供透明化的服务体验。二、节能管理 51 我国数据中心年用电量已占全社会用电的 2%左右，且数据量仍在快速增长。全国在用的大型数据中心平均 PUE 为 1.55，超大型数据中心平均 PUE 为 1.46。为确保实现碳达峰碳中和目标，需要在数据中心建设模式、技术、标准、可再生能源利用等方面进一步挖掘节能减排潜力，处理好发展和节能的关系。通过国家枢纽节点和数据中心集群建设，扩大绿色能源对数据中心供给，提升数据中心建设的能效标准，推动数据中心绿色高质量发展。根据贯彻落实碳达峰碳中和目标要求 推动数据中心和 5G等新型基础设施绿色高质量发展实施方案，到 2025 年，数据中心运行电能利用效率和可再生能源利用率明显提升，全国新建大型、超大型数据中心平均电能利用效率降到 1.3 以下，国家枢纽节点进一步降到 1.25 以下，绿色低碳等级达到 4A 级以上。针对 AI 算力的节能管理，主要通过两方面实现节能减排。一是发展绿色计算，利用技术优化流程，降低数据中心能耗。二是发展绿色算法，构建绿色集约的大模型，提升基础设施能效比。绿色计算的主要载体是终端设备、计算机、服务器和相关子系统数据中心机柜、配电单元及制冷系统，例如数据中心、云计算、服务器、CPU、GPU、算法调度和能耗优化上，除此之外，还包括了资源管理、空间利用、二氧化碳、噪声、辐射等。绿色计算的研究主要是从功耗问题开始，绿色的含义可分为 3 层，即能源和资源的节约，能源和资源的高效利用与循环利用，对人和环境的友好，即低碳与无害。计算可理解为终端设备、计算机、服 52 务器和相关子系统。绿色计算的目的是优化计算资源的设计、建设、使用及回收过程，消除计算机系统对环境的不利影响，实现节能、环保和节约的目的。绿色计算的手段主要为计算机软件优化，计算机硬件优化制冷方案优化，空间布局优化及回收与循环利用。当前，发展 AI 算力能耗管理在评价考核、效果评估等方面还存在一些问题，包括数据中心使用绿电仍面临能耗双控考核、绿色算法衡量标准体系尚未建立、缺少健全的碳排放统计核算体系等。探索数据中心碳排放双控，对数据中心使用绿电部分的额度不计入能耗考核，实施分级分类管理，适度放宽能耗审核标准，推动全国加快开放绿电跨省市交易。同时建立兼顾性能和能耗的绿色算法度量标准，倡导人工智能领军企业构建能效高、性能优的预训练大模型，并向行业开放，引导企业研发、采购低能耗的AI 芯片，与绿色算法更好适配。加快完善碳排放统计核算体系，开启国家核证自愿减排量签发，并加快建立科技减排的方法库和行业标准。53 第六章 成功案例和未来展望 一、成功案例（一）工商银行基于高性能网络的中高算力集群探索 在金融行业数字化转型的趋势下，为满足大规模智能化应用需求，在智慧金融领域，中国工商银行积极开展信息技术创新实践，对传统金融模式进行数字化重构，致力于 AI 技术与金融业务场景深度融合及关键 IT 基础设施技术创新。2021 年底，中国工商银行落地基于 100G RoCE 高性能网络的中高算力 GPU 服务云并在典型金融业务场景进行实践，如在金融凭证识别场景中，大规模图片数量训练周期由 1 周压缩为 1 个工作日，模型训练效率显著提升，进一步赋能 AI 业务创新。在技术创新方面，一是应用高算力高能效 GPU 专用服务器技术一是应用高算力高能效 GPU 专用服务器技术，创新采用中高密度算力节点，减少节点间网络通信开销，提升整体处理性能。同一个模型训练任务，迁移至该集群运行不仅可以有效降低总能耗，同时可以减少机柜占用，提高集群算力密度，实现基础资源降本增效，为中国工商银行业务创新提供了有力的基础技术支撑。二是建设高性能 RoCE 网络二是建设高性能 RoCE 网络，使用高带宽、低延迟的 RoCE 网络组建集群，实现中高算力训练任务节点间数据高速传输，相比传统以太网整体性能提升约 20%。实时采集流量特征和网络状态，基于 AI 算法，本地实时决策并动态调整网络参数配置，使得交换机缓存被合理高效利用，实现整网 0 丢包。采用 100G 大带宽和开放标准的 RoCE 网络协议，完全替代了常规 54 GPU 集群的 InfiniBand 交换机组网方案，适合更大规模的应用部署，更加符合技术发展趋势。三是协同联动提升 AI 训练效率，三是协同联动提升 AI 训练效率，通过跨集群协同的训练环技术，实现了超大规模 AI 训练场景，通过自研策略路由技术解决了亲和性和协议栈路由的一致性问题，进一步提升网络传输性能。实现“断点续传”功能，提升在故障情况下的 AI 训练可持续性水平。支持计算节点内 GPU 卡资源池化及按需调度能力，提升 GPU 算力资源整体利用率。四是建设中高算力 GPU 训练集群的上层训练平台，四是建设中高算力 GPU 训练集群的上层训练平台，根据 AI 建模任务需求，通过 AI 工作站选择算法、数据集等模型训练任务配置及参数，并向异构调度框架下发；异构调度框架的任务调度管理机制根据任务请求信息，自动分配到合适的 GPU 算力集群上运行。打造 GPU 资源统一调度引擎，支持在高性能负载、多作业分布式训练场景下 GPU 资源精细化调度。中高算力 GPU 服务云的落地，意味着中国工商银行的人工智能模型训练算力建设进入新阶段，为后续规模化的人工智能建设和应用打下坚实的技术基础。充分发挥中国工商银行在人工智能领域的引领优势，助力金融行业数字化转型。（二）蚂蚁集团 AI 算力端云协同发展实践 2015 年，蚂蚁集团内部启动首个“端特征”的研究项目，迈出蚂蚁“端云协同风控”研究的第一步，开启将 AI 算力分布在端云两侧的探索。2021 年蚂蚁集团基于可信 AI 技术自研的、IMAGE 智能风控体系中的“E端云协同风控”能力已经覆盖了 55 99%的业务场景。“端云协同风控”（Edge to Cloud），成为隐私保护中的第三视角，将需求隐私数据计算在用户智能终端（如手机）中进行计算，将不含隐私信息的决策结果输送到云端，以实现“端云协同”的风控保障。“可信 AI 中的隐私保护”是一个比隐私计算更大的概念，持续创新视角和解决方案，是践行隐私保护的重点。将数据放在“端”上计算，却不影响“云”提供的安全保障服务，这是对用户隐私最有效的保护。例如，最初在智能终端（如手机）上，机器学习技术的研发及应用并不成熟，需要技术团队打破传统的建模方式，来解决诸如“端数据表征”等技术问题。同时，由于智能终端之间的巨大差异，能在苹果手机上跑的模型，低端机却未必跑得了。蚂蚁安全实验室的技术团队就此提出了“动态千机千模”的方案，通过对模型的有效简化和适配，选择匹配用户智能终端的风控模型下载计算。2021 年创新了“AI 算力网络”，以实现“端”和“云”之间算力的全局化调配。解决了计算能力的问题，还需要应对安全挑战。在端云协同的过程中，模型和信息的加密在智能终端上、决策也在智能终端上，一旦“端”被攻破，如果“云”不能及时获知，风险控制将无从谈起。自 2018 端云协同风控上线以来，不仅为用户提供了基于隐私保护的安全防御能力；也帮助支付宝在大促等流量高并发期，极大地缓解了风控计算压力计算压力分流至“端”；56 更为“云”上风控模型提供了更大的响应和计算空间，为进一步降低资损率，提供了可能，可谓“三赢”。（三）网商银行基于卫星遥感的 AI 算力服务农村金融实践 2020年初，网商银行（以下简称“网商”）推出卫星遥感贷款技术，在全国690个县开始全面推广，解决农户贷款难世界级难题。中国也成为全球第一个把这项科技运用在农村贷款领域的国家。简单来说，就是把照相机架在卫星上，用卫星拍照。拍下来后，再用人工智能去识别种了何种作物。知道种了何种作物，才好估算产量产值，给农民贷款。使用遥感服务时，银行需要在卫星图片精度、数据处理能力和总体成本间权衡。卫星的分辨率越高，价格越贵。银行出于成本考虑，通常会选择中低分辨率的卫星图片，但这对AI算力和GPU资源的利用率带来极大的挑战。针对不同通信模式下的分布式训练任务和数据规模，网商设计了一种GPU拓扑感知的调度模块，达成两个目的：一是为分布式训练任务提供尽可能快的通信链路，二是减少GPU资源碎片浪费。例如，一个Ring All-Reduce的分布式训练任务提交时，拓扑感知模块将生成资源分配计划，根据任务所需卡的数量生成多种GPU卡组合的方案，同时依据组合内同服务器、同机架、同机房，以及网络设备性能等因素，计算出对应的通信成本表，优先选择通信成本最低的拓扑方案，保证训练任务参数传递的通信性 57 能最优。相反，当一个计算密集的单点任务提交时，拓扑感知模块，将优先分配GPU碎片资源，提高GPU集群的资源利用率。网商GPU拓扑感知模块的尝试，优化了分布式训练任务的参数传递性能，提高了GPU资源的利用率，为后续大规模GPU集群的AI任务调度奠定了基础。而AI算力在卫星遥感方面助力农村金融场景的落地，打开了科技银行的数字普惠金融局面。二、未来展望（一）AI 算力的建设需求快速提升 2020 全球计算力指数评估报告 显示，过去一年各国算力评分均有提升，其中中国增幅最大，同比增长 13.5%，以总分 70分进入全球领跑者行列，计算力指数排名全球第二，仅次于美国，中国在算力方面的投入持续增加。同时，数字经济与实体经济之间的融合呈加速之势，算力对于产业变革和国家竞争力的支撑价值获得全球公认，未来各主要经济体之间竞争加剧已无悬念。未来，预计政府层面将继续推动智能计算中心有序发展，打造智能算力、通用算法和开发平台一体化的新型智能基础设施。技术上，算法模型发展愈加复杂，巨量模型将是规模化创新的基础，“源 1.0”等巨量模型的出现，让构建大模型、提升 AI处理性能成为发展趋势。一是单体数据中心的规模和密度仍将逐步提高。一是单体数据中心的规模和密度仍将逐步提高。在单体数据中心堆集更多的服务器一直是扩充算力的重要方式。近年来，集 58 约化、大型化数据中心加快发展。工业和信息化部通信发展司发布的全国数据中心应用发展指引（2020）显示，截至 2019 年底，我国在用数据中心机架总规模达到 314.5 万架，其中超大型数据中心机架规模约 117.9 万架，大型数据中心机架规模约119.4 万架，同比规模增速为 41.7%。大型数据中心增加了机柜和服务器的密度与数量，推动数据中心布局、供电、功耗、制冷、网络和运维管理等各方面技术的持续创新突破。二是异构算力充分融合。二是异构算力充分融合。算力是人工智能应用的基础，传统数据中心仅依靠 CPU 通用服务器已无法满足机器学习、无人驾驶、工业仿真、人工智能模型训练等新兴应用场景所需的算力。除在数据中心部署更多 48 核或 64 核等高核心 CPU 来应对激增的算力需求外，引入 GPU、FPGA、ASIC 等异构算力来承担新算力需求已成为必然趋势。适应异构算力融合，相关的算力虚拟化调度、面向 AI 调度的数据中心网络、AI 及大数据混合计算加速等技术均在快速发展，以在数据中心基础上，有效实现高性能算力的高效利用和灵活共享分配。（二）AI 算力的金融价值不断凸显 在应用层面，金融智能化是金融业进化的高级形态。今天数据逐渐作为生产要素，计算能力尤为重要。实践看来，低代码开发和 RPA 技术将提升计算能力，深层次赋能金融业的数字化、自动化、智能化转型。在普惠层面，全真互联时代的到来，将加速金融普惠，实现 59 数实融合。全真互联具体的技术特征包含无限算力、实时处理、极致传输，将为金融普惠提供底层助力。在可持续发展层面，绿色算力将保障社会可持续发展，应对气候变化，实现净零排放的目标。算力正在向绿色化和集约化方向加速演进，同时算力能够帮助企业应对减排压力，并助力企业在数字化转型中取得商业先机。60 参考文献 1 金融科技发展规划（20222025 年）（中国人民银行）2 智能计算中心规划建设指南（国家信息中心）3 人工智能金融应用评价体系研究报告（北京国家金融科技认证中心）4 金融人工智能研究报告（2022 年）（中国信通院）5 人工智能基础设施发展态势报告（2021 年）（中国信通院）6 中国算力发展指数白皮书（2021 年）（中国信通院）7 全球人工智能基础设施战略与政策观察（中国信通院）8 2020 全球计算力指数评估报告（浪潮信息联合国际权威机构 IDC 发布）9 人工智能开发平台系统功能要求（中国人工智能产业发展联盟）10人工智能数据中心研究（信息通信技术与政策2021 年第 4 期）

83人已浏览 2023-08-25 68页 5星级

中国金融科技百强企业竞争力报告,年月日北京中关村互联网金融研究院,年全球金融科技产业融资规模及数量,年全球金融科技细分市场结构年,全球金融科技细分市场展现出创新与合规并重的发展趋势,支付科技,加密数字.

96人已浏览 2023-07-26 17页 5星级

中国金融科技和数字普惠金融发展报告（2023）中关村互联网金融研究院中关村金融科技产业发展联盟2022年12月13日0102金融科技行业发展篇金融科技创新应用与实践篇0304数字普惠金融发展与实践篇金融科技和数字普惠金融趋势篇目录CONTENTS前言2022年，金融科技重新进入缓慢增长的修正整合阶段，各国在金融科技关键底层技术的布局调整加快，大力发展数字金融，促进数字经济和实体经济深度融合，成为未来金融科技发展的方。站在2022年的高度上展望2023年，我们发现，未来我国金融科技发展将围绕数字金融生态圈建设，由技术导向向场景、需求导向转变；数字技术的融合叠加效应显现，加速带动上层业务深度融合；金融业的数智化转型，将由“量变”走向“质变”；数字技术的融合发展，将加速带动上层业务深度融合；跨链互通与隐私计算的融合发展，为实现数据的价值提供路径；数字普惠金融赋能乡村振兴的形式更加多样；数字服务平台助力中小微企业的数智化转型；科技伦理迎来多方共治；数据安全迎来“可信时代”。今年是“十四五”的开局之年，数字金融作为链接数字经济和实体经济的纽带，在促进数实融合发展中，金融科技技术属性愈发凸显。以人工智能、区块链、云计算、大数据为代表的信息技术产业规模不断扩大，物联网设备连接数持续扩展，网络安全保障力度显著提升，为传统金融机构建立了高效安全的信息基础设施。各细分技术领域纷纷加快关键核心技术攻关，为中国金融科技行业的持续发展提供了核心驱动力，同时也加速了金融科技在业务中的渗透程度。在政策、技术和客户需求个性化等因素的促进下，银行、保险、证券等金融业数智化转型进一步加快，金融科技投入持续增加，加大技术和人员投入、提升自身核心竞争力成为金融业数智化转型的主要方向。金融科技行业发展篇 2022年，金融科技重新进入缓慢增长的修正整合阶段。各国在金融科技关键底层技术布局加快，大力发展数字金融，并高度关注数据价值的体现，对绿色金融、普惠金融、元宇宙等领域持续加大投入；跨国合作和监管力度加强，跨境交易安全成关注焦点。中国金融科技在经过前期爆发式增长后，行业法规、标准等领域逐渐完善，产业逐步进入更加规范的发展阶段，对于金融科技应用的识别、管理更加严格。金融科技也不断实现与数字经济的深度融合，助推科技创新与核心竞争力提升。注：为便于作图，本报告使用了抽象和简化的世界地图 国际金融科技发展情况国际金融科技行业本年度融资金额及数量有所收减，新增独角兽企业减少，并购金融略有增加，整体趋于保守整合的投资趋势。从区域发展来看，北美洲仍是金融科技投融资的热点地区，东南亚及拉美地区保持良好的发展的势头。从领域划分看，金融科技各领域的投融资金额及数量相较去年都有不同程度下降。从市场情况来看，元宇宙、数字资产、绿色金融等都是各国关注和发展的热点。从监管环境看，各国政府都在持续加强对金融科技行业的数据规则、竞争规则以及监管规则制定。市场：关注底层技术创新应用l科技巨头纷纷布局元宇宙，各国政府对元宇宙态度存在分化。l先买后付模式呈快速发展态势，各国金融监管部门从严监管。l以数据为关键生产要素的数字经济成为增长的新动能、就业的新空间，数据资产价值倍增。l金融科技赋能绿色金融发展，气候变化纳入金融风险考虑因素。l各国纷纷出台量子科技创新发展政策，布局量子技术金融应用。融资：整体趋保守整合投资趋势l金额：前三季度，全球融资金额635亿美元，较去年同期下降。l数量：融资数量一季度达到峰值，后续持续下降。独角兽新增数量降至自2020年以来最低值。并购交易额则有小幅提升。l分布：北美洲依然是金融科技投资热门地区。亚洲和欧洲分别占全球投资额30%左右，变化不大。l领域：各细分领域投融资金额和数量均出现不同程度下降。监管：跨国合作交流及监管力度加大l国家间监管科技交流合作不断深入。l多国及国际机构完善和加紧反恐反洗钱相关监察制度。l数据本地化趋势明显，跨境数据流通被纳入重点监管范围。l各国对数字加密资产价值和风险持谨慎态度。l各国对大型科技企业监管趋严，出台相关法令采取反垄断措施。l各国对人工智能安全合规应用和监管加强。金融科技重点地区发展：各有特色l美国：底层技术快速发展，热门领域引领行业发展趋势。l英国：金融科技生态系统逐渐完善，监管面向更多领域。l欧盟：加快完善数字监管法案，促进隐私保护和市场公平竞争。l新加坡：融资逆势而上，金融科技成发展特色及重点。l印度：金融科技市场快速增长，大力推进国家经济数字化转型。l中国香港：发挥国际金融中心和制度优势，加强创新监管。5中国金融科技发展情况6融资金融科技融资额依然较高市场监管2022年，中国金融科技继续全球领先，金融科技市场规模、投融资规模持续扩大。央行、银保监会等部门出台了多项政策，对金融科技各细分领域的发展提出了更为严格的要求。金融科技企业加快发展，企业融资规模持续增长。北京、上海、深圳、杭州等城市金融科技发展位居国内前列，发挥着引领示范作用。我国金融科技人才队伍建设亦取得了较大的提升。产业发展规模持续领先金融科技监管进一步完善l2022年前三季度，中国金融科技投融资总额达到531.3亿元，融资事件总数达到184笔。l金融科技融资活动主要集中在一季度，其后投融资活动规模逐步趋于稳定。l其中，一月融资金融达237.07亿元，二月份融资金额亦高达145.72亿元。l金融科技监管顶层设计持续完善。监管部门提出将所有金融活动纳入金融监管，并及时针对金融科技活动的变化出台相应的监管规则，将监管科技应用于现场检查和非现场监测等环节l金融科技监管领域不断细化。央行、银保监会、工信部等部门已在信息保存、平台建设、城市建设、跨境结算、互联网贷款、虚拟现实等细分领域提出监管要求l金融科技“监管沙盒”持续扩容。监管沙盒实现试点地区范围扩大、试点项目数量增长、业务类型持续丰富，监管沙盒被引入资本市场领域6l 金融机构技术资金投入稳定增长l 金融科技企业发展迅速l 平台类金融科技企业不断规范l 数字人民币应用场景加速落地l 金融科技伦理治理体系不断完善l 金融科技服务实体经济能力持续增强l 新市民服务等民生场景快速推进237.07145.7239.928.125.255.9514.0629.0526.1916131611919224236010203040500501001502002501月2月3月4月5月6月7月8月9月2022年1-9月中国金融科技企业投融资金融及数量（单位：亿元，笔）融资金额（亿元）融资事件中国金融科技发展情况国内重点城市金融科技发展概况北京：发挥“金融 科技 数据”叠加优势，推动数字金融体系建设l打造全球金融科技领军企业集聚地l“金融 科技 数据”优势叠加l培育数字金融产业高地l金融监管环境包容有度l全球金融科技中心城市排名北京居首深圳：发挥特区优势，“政策引导 产业集聚”l丰富的金融科技应用场景l完整的金融科技生态体系l多层次的人才培养机制l各类金融科技试点叠加上海：建设具有全球竞争力的金融科技中心l推进金融科技创新发展l加快金融业数字化转型步伐l产业生态持续完善l数字人民币试点稳步实施l金融科技创新监管试点持续推进杭州：金融科技试点先行，推进生态建设l金融科技整体实力稳步增强l深化科技转型l发力金融科技创新监管试点l参与金融科技标准制定广州：推动金融数智化转型，打造金融科技创新高地l打造金融科技骨干企业和数字金融聚集区l探索建设粤港澳大湾区金融科技联合实验中心注：为便于作图，本报告使用了抽象和简化的中国地图 金融科技创新应用与实践篇 2022年，金融科技底层技术在市场和政策的双重加持下加快了发展速度，“ABCD ”技术生态正在逐步完善，金融科技在业务中的渗透程度不断提升。与此同时，银行、保险、证券等金融业在政策推动和自身转型需要的促进下数智化转型进一步加快，金融科技投入持续增加，加大技术和人员投入、提升自身核心竞争力成为金融业数智化转型的主要方向。金融科技底层技术人工智能技术（AI）2021-2022年，国内人工智能产业市场规模稳步提升，市场投融资热情高涨，创新能力进一步提升，助力金融行业转型升级、提质增效。在十四五国家顶层规划指引下，我国人工智能行业正面临重要的发展机遇期。各地区纷纷出台配套政策措施推动人工智能产业建设。整体上看，长三角地区的区域竞争力不断提高，已位居四大城市圈之首。l 人工智能产业市场规模稳步提升。2016年至2021年，中国人工智能产业的年均复合增长率达29.7%，领先于全球19.6%的平均增速。预测2023年产业规模有望达突破3千亿。l 四大都市圈中，长三角地区人工智能产业规模不断提高，已和京津冀并列第一，珠三角和川渝分别稳居三、四。投融资热度保持高涨。2021年我国人工智能行业投资事件数1001起，已披露投资金额达501.44亿元。2022年1月至6月，共发生投资事件344起。4186327821030775827100134402004006008001000120020152016201720182019202020212022.6我国人工智能行业投资事件数统计数据来源：观研报告网注：为便于作图，本报告使用了抽象和简化的中国地图 金融科技底层技术区块链技术（Block Chain）l 区块链产业规模进一步扩大。近年来，中国区块链市场规模一直保持增长，从2017年的0.85亿元增长至2020年的5.61亿元，年均复合增长率达87.58%。在政策与市场的双轮驱动以及元宇宙及数字藏品等热门领域的带动下，预计2023年中国区块链市场整体支出规模将达到22.8亿美元，市场趋势向好。l 投融资规模大幅回升。继2019年国内强化监管造成投融资断崖下降后，投融资规模开始反弹。2021年，中国区块链产业投资数量为39起，金额为39.31亿元，同比增长60.65%；融资事件共105起，融资金额合计17.36亿美元。2022年1月-8月我国区块链金融行业投融资事件数达161起。2022年10月24日，习近平在主持学习中央政治局第十八次集体学习时强调，把区块链作为核心技术自主创新重要突破口，加快推动区块链技术和产业创新发展。随着元宇宙等数字经济新业态的出现，未来区块链产业将得到进一步发展。预计2025年区块链推动数字经济核心产业增加值将占GDP比重10%。2021以来，区块链产业园区在全国范围开始加速建设。当前我国区块链产业园依然集中于以浙江、上海、江苏为主的长江三角洲聚集区、以北京、山东为主的环渤海聚集区、以广东为主的珠江三角洲聚集区和以重庆、湖南为主的鄂湘黔渝聚集区。金融科技底层技术云计算技术（Cloud）作为数字化建设的新型基础设施，云计算在数字经济时代的重要性日益凸显。2021-2022年，我国云计算市场保持高速增长。整体上看，我国公有云IaaS市场较为成熟，SaaS市场前景可期，而云服务的可信情况是当前影响用户业务向云迁移的重要因素。预计原生云安全技术将成为未来的研究热点之一，且在部署方式上混合云有望统一公私边界，成为行业通行的方案。云计算产业已进入高速发展阶段。2021年中国云计算市场规模达3229亿元，较2020年增长54.4%。其中，公有云市场规模以70.8%的增速扩至2181亿元，有望成为未来中国云计算市场增长的主要动力。我国云计算产业群主要集中在长三角、大湾区、京津冀地区，企业则分布在北京、广东、上海、浙江、江苏等互联网产业相对发达的省市。行业龙头企业而言，北京、上海、深圳、杭州的龙头企业较多。云计算产业投融资持续保持热度。SaaS与云安全领域备受资本青睐注：为便于作图，本报告使用了抽象和简化的中国地图 金融科技底层技术大数据技术（Big Data）随着“东数西算”工程的全面启动，我国大数据投融资结构不断优化，2021-2022年产业规模稳步增长，已由前期的爆发式增长逐渐步入稳定增长阶段。目前全国一体化大数据中心体系已完成总体布局设计，在相关政策带动下，将形成算力资源协同、数据跨区域流动的良好局面，全国统一的数据要素大市场加快形成，大数据产业将迈向高质量发展。l 我国大数据产业规模日趋成熟。2022年中国大数据产业规模预计将达1.4万亿元。另据IDC预计，2026 年中国大数据IT支出规模预计为359.5亿美元（约 2484.14亿元人民币），市场规模位列单体国家第二。l投融资结构优化，趋向核心技术。数据中心运营与建设的比重开始减少，而芯片、计算、存储等相关领域所占份额开始扩大。预计2022年行业资本进一步聚焦数据中心网络芯片与分布式储存系统产品，其中DPU芯片为新兴投融资热点。中国大数据优质头部企业主要集中在北上广。从区域分布来看，2021年处在健康发展阶段及以上阶段的优质大数据企业中，所处区域分布排名前三的为北京市、广东省和上海市，企业数量分别为3531家、2745家和1651家，合计占比接近50%。53家上市大数据企业中大部分也均分布在北京市、广东省和上海市，三省份合计有23家上市大数据企业。占比超过60%。金融科技底层技术物联技术l 物联网产业规模稳步扩大。中国物联网市场的收益由2016年的9120亿元快速增长至2021年的2.88万亿元，复合年增长率达26.2%；预计2023年达到市场规模约39310亿元。中国已经成为推动全球物联网产业发展中的重要力量。2022年中国物联网设备连接数量将达106亿个，物联网技术将继续向各个行业快速渗透并得到大规模采用，赋予各行各业新动能。未来在智能制造、车联网、消费智能终端等细分领域的带动下，物联网产业有望得到进一步发展。预计到2030年，中国将占全球物联网经济价值的26%左右。国内物联网产业已初步形成环渤海、长三角、珠三角,以及中西部地区等四大区域集聚发展的总体产业空间格局。北京和广东依托其强大的经济实力在物联网领域发展较快，物联网代表性企业最密集。9120118601350015700240002923234757393100500010000150002000025000300003500040000450002016201720182019202020212022E2023E市场规模（亿元）注：为便于作图，本报告使用了抽象和简化的中国地图 金融科技底层技术安全技术金融业务对经济数据的高度敏感决定了金融机构对跨行业数据的安全、透明流动存在强烈的需求。我国数字经济发展面临的安全形势日趋严峻，政府对信息安全建设的支持力度将持续提升，信息安全行业将迎来巨大政策性红利和发展契机。2017-2021年，国内网络安全上市公司总收入的五年年复合增长率维持在20%-30%范围，预计未来网络安全行业依然会保持较高的收入增速。l 信息安全领域正在形成产业化发展。中国信息安全市场规模由2017年的409.6亿元增长至2020年的740.7亿元，年均复合增长率为21.9%。2023年我国网络安全行业市场规模有望超2500亿元。l 信息安全领域投融资受疫情影响相对较小。2022年上半年发生融资共60笔，与比去年基本持平，相比其他产业/领域平均30%的降幅而言受影响较小。预计全年投融资规模有望达到200亿元。l受下游需求及政府政策的推动，我国网络安全企业数量不断增加，网络安全产业规模也不断发展。从下游应用市场份额看，网络安全在政府、教育、医疗卫生等行业的客户数量占比已超过60%。l政府仍然是信息安全的最大的应用领域。金融科技在银行业的创新和发展一、银行数字化转型概况l 银行业数智化投入持续增长。据中关村互联网金融研究院的统计，2021年，28家商业银行金融科技投入合计达1766.23亿元，较2020年大幅增长15.63%。金融科技投入占营收的比例达到3.1%，较2020年增长0.3%。2022年上半年，金融科技投入持续快速增长，其中，交通银行金融科技投入28.05亿元，同比增长14.50%；光大银行科技投入21.38亿元，同比增长25.47%。我国银行数字化转型步伐进一步加快，银行业数智化转型政策密集出台，各家银行银行业数智化建设已经初具规模，关注数据治理和合规风险。银行业数智化投入持续增长。l 银行业数智化转型政策密集出台。2022年以来，央行、银保监会等部门相继出台了一些政策文件，加大对银行业数智化转型的支持力度。其中，金融科技发展规划（2022-2025年）、关于银行业保险业数字化转型的指导意见等政策文件，对银行业强化金融科技投入、加快数智化转型提出了较高要求。l 银行业数智化建设已经初具规模，关注数据治理和合规风险。银行业已基本实现了金融产品、营销、风控等领域的数智化。从行业监管来看，更加关注数据治理和合规风险，提高数据使用效率、保障数据安全成为银行关注的重点之一。1002.821527.51766.232.4%2.8%3.1%0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.500400600800100012001400160018002000201920202021金融科技投入（亿元）占营收的比例2019-2021年银行金融科技投入及占营收比例金融科技在银行业的创新和发展二、银行数字化转型发展措施2022年，开放银行模式更加普及，并不断向开放金融延伸。银行系金融科技子公司创新发展步伐不断加快。民营银行发展依然强劲，总资产规模增速远超行业平均。l 开放银行模式更加普及n 开放银行标准化建设日益完善。2022年1月，央行和银保监会分别发布金融科技发展规划（2022-2025年）、关于银行业保险业数字化转型的指导意见，强调开放银行接口和统一数字门户建设。n 开放银行向开放金融延伸。根据IDC与平安银行联合发布的中国开放银行白皮书2022显示，开放金融作为平台化的金融发展模式，以API、SDK为技术内核，综合运用Al、大数据等技术，通过业务整合架构和模块封装使金融服务嵌入至实体经济领域，让实体经济与开放金融生态系统中的各类参与方共享数据、算法、交易和流程，在全新的生态结构下为各类参与方赋能。l 银行系金融科技子公司创新发展n 2022年以来，银行系金融科技子公司增加，更有越来越多中小行加入设立科技子公司的队列。n 截止到2022年11月，我国已有19家银行金融科技子公司成立，包括5家国有银行、7家股份行、4家城商行、3家农商行，另有浦发银行、中原银行2家旗下科技子公司尚在筹建中。l 民营银行发展依然强劲n 民营银行总资产规模增速远超行业平均。2021年我国银行业总资产同比增长7.8%。截至2021年底，19家民营银行总资产1.64万亿元，同比增长28.12%，增速远超银行业平均水平。2022年上半年，6家民营银行总资产同比增长8.69%，亦实现较高增长。n 民营银行经营业绩持续分化。金融科技在保险业的创新和发展2022年，在监管和业务内生需要的双重推动下，金融科技在保险业的应用持续提升。科技投入持续上升，加速保险业数智化进程。保险行业监管政策日趋完善，促进保险科技规范健康发展。数智化转型发展参差不齐。当前创新能力较强的保险企业仍集中于头部保险企业，中小型保险公司表现为科技资源投入不足、数智化转型支撑不够，在行业竞争中处于劣势状态，行业整体发展参差不齐。挑战数智化机制不完善。目前，大部分保险公司缺少统领数智化转型的主要部门、激励机制，导致数智化转型机制尚未形成，创新激励机制不完善。l 保险业组织架构加速转型保险行业开始逐步创新组织结构，创新激励机制，更加主动地融入数智化转型进程保险业数字化建设协同化管理，数字化体系建设逐步向外部客户服务延伸，实现内外部数字化建设协同l 金融科技投入持续提升加大技术投入开发业务中台、信息共享平台、数据云平台等专业化应用l 监管政策日趋完善，促进行业规范健康发展依据当前行业在推动保险业数字化转型等方面的需求，在保险业服务实体经济、服务社会民生、提升风险管控能力、促进保险业数字化转型等方面提出了发展规划和远景银保监会发布的数据显示，2020年保险机构信息科技资金总投入为351亿元，同比上涨27 22年中国保险机构科技投入将达到477.3亿，同比增长15.5%从投入比例来看，中国保险行业科技投入仅占保费收入的0.75%，仍存在巨大的提升空间预计未来几年保险业金融科技投入仍将保持近15%的增长速度金融科技在保险业的创新和发展智能化、数字化成为各行业谋发展的普遍趋势，保险行业也在此契机下谋求转型。截至2022年上半年，我国共有73家保险公司开展互联网财产保险业务。互联网财产保险累计保费收入530.4亿，同比负增长1.4%。经营主体保持稳定，业务发展稳中向好l 经营主体保持稳定l 保费规模稳步增长l 人身险占据主流市场l 业务渗透率企稳回升互联网人身保险行业保持平稳增长，渠道业务仍占据主导l 市场规模保持平稳增长l 市场集中度同比下降l 渠道业务仍占据主导l 互联网健康保险持续稳定增长互联网财产保险行业稳步增长，保费高于行业整体增速l 保费规模稳步增长l 车险扭转负增长局面l 非车险呈现结构性变化l 互联网车险市场集中度较同期有所提高监管政策日趋完善，引导行业规范健康发展l 持牌经营理念得到强化l 互联网保险经营环境进一步规范l 将信息科技外包风险纳入全面风险管理体系110.7318.4859223422991876 18892696.32908.83778.7187.629.790.07%2.91%-18.40%0.69B.74%7.88).91%-0.500.511.52050010001500200025003000350040002012 2013 2014 2015 2016 2017 2018 2019 2020 2021互联网保险规模（亿元）增长率2012-2021年中国互联网保险保费规模及变化情况2017-2022年上半年中国互联网财产保费规模情况493695839798862530.4-2A!%-5%8%-1.40%-10%0 0P00200300400500600700800900201720182019202020212022年上半年互联网财险保费（亿元）同比增速金融科技在其他行业的创新和发展l“回归本源”和风险防控推动信托业加速转型。随着国内政策要求信托行业回归本源，压降信托“通道”业务规模，对信托公司智能化投研能力、智能风控水平等方面提出了较高要求。l 信托业数智化投入持续增长，行业集中度上升。2019-2021年行业金融科技累计投入为60.41亿元，其中，2021年金融科技投入为22.74亿元，同比增长10.6%。从行业集中度来看，头部效应明显，投入排名前十的信托公司金融科技投入规模占比持续提升，从2019年的44%上升至2021年的46%。17.1120.5622.742.62%2.51%3.12%0.00%0.50%1.00%1.50%2.00%2.50%3.00%3.5010152025201920202021金融科技投入（亿元）占营收比例2019-2021年信托业金融科技投入及占营收比例情况信托业数智化转型加速证券业数智化的投入稳定增长l 金融科技投入稳定增长。从21家券商年报中披露的金融科技投入情况数据来看，2021年，21家券商金融科技投入总额达到174.33亿元，同比增长33.16%。l 证券经纪业务和中后台业务占比较高。两者合计占比78.98%。其中，中后台IT投入占比最大，投入增长也较快，占比为40.74%；证券经纪业务投入占比为 38.24%；投行、资管、融资、投资等业务各自的IT投入占比均不足10%。418%2%2%5%5%7%中后台业务证券经纪业务融资业务投行业务投资业务资管业务其他业务2021年证券业各类型业务金融科技投入占比情况金融科技场景应用新趋势数字人民币l中国数字人民币的试点推进受到了国家产业政策的重点支持和各级政府的高度重视。从国家层面看，新出台的金融标准化“十四五”发展规划明确提出将探索建立完善法定数字货币基础架构标准。l地方省市积极建设数字人民币发展配套政策，为数字人民币的试点做好充足准备。近一年来，我国数字人民币“10 1”试点城市积极发布推动数字人民币发展的政策，目前数字货币试点城市范围已扩大至23个城市，2020年6月，北京金融科技创新监管试点第二批11个创新应用向社会公示。主要省市发布数字人民币政策情况随着数字人民币顶层规划的出台，各地方省市纷纷制定政策，有力地促进了试点地区的规模流通。873322221深圳上海北京海南雄安苏州青岛成都西安 截至2021年底，数字人民币试点场景已超过808.51万个，累计开立个人钱包2.61亿个，交易金额875.65亿元。预计到2027年，我国数字人民币的交易规模将超5000亿元。随着试点城市的推广，未来支付场景将不断创新，推动数字人民币交易规模进一步扩大。注：为便于作图，本报告使用了抽象和简化的中国地图 金融科技场景应用新趋势场景金融发展概况发展趋势C端场景金融将持续优化客户体验。未来C端场景建设要以服务民生为出发点，为特定客群打造特色场景，从自身的优势领域出发寻找切入点，不断优化客户服务体验。B端场景金融服务进一步丰富。未来，金融机构将通过B端场景金融服务，将传统的信贷、支付结算、财务管理、资金归集等金融服务融入其中，并采用技术输出的方式，推动企业利用信息化手段改善经营、提高效率，为B端客户带来优质体验。G端场景金融将逐步强化技术合作。未来，金融机构将参与智慧政务细分领域制度标准建设，加强与第三方服务商的技术合作，打造系统化的建设模式和解决方案，提升专业化品牌形象。场景金融逐步受到政策的大力支持。2022年1月，人民银行发布的金融科技发展规划（2022-2025年）指出，要依托5G高带宽、低延时特性将增强现实（AR）、混合现实（MR）等视觉技术与银行场景深度融合，推动实体网点向多模态、沉浸式、交互型智慧网点升级。银保监会发布了关于银行业保险业数字化转型的指导意见，提出充分利用科技手段开展个人金融产品营销和服务，拓展线上渠道，丰富服务场景。4月，银保监会发布了关于2022年进一步强化金融支持小微企业发展工作的通知，要求银行保险机构拓宽融资服务场景，建设数字化运营服务体系和金融服务生态。场景金融建设更加关注自身能力的整合输出和对场景资源的把控。场景金融生态建设应聚焦批量化、轻型化的拓客能力提升，围绕场景中的资金、数据和服务流向，构建关键数据分析模型和灵活组装的金融产品，对资源做精准布放，优化场景运营成本，保持对场景运营效果的定期评估。同时，还应打造主动型风控策略，沉淀和转化场景数据资产，在场景各服务流通环节融入数字技术，构建数字信用体系，提升风险预判和面对风险变化的快速决策能力。场景金融数智化应用场景不断拓展。随着居民消费升级需求和新兴消费业态增长，为金融科技助力场景金融提供丰富载体，推动消费金融机构对各类消费场景设计针对性的信贷方案。同时，随着金融业务和具体场景的融合不断深化，场景金融实现与业务流程适配融合。金融机构运用各类技术手段，建立全场景数据关系链路和关系图谱，从场景金融提炼出标准化、组件化的业务流程，将金融业务合理地嵌入到场景中，实现金融业务与场景流程的匹配。金融科技场景应用新趋势元宇宙l 元宇宙概念已受到国家高层的重视。自“十四五”规划中首次提及元宇宙以来，国务院办公厅、工信部等部门出台元宇宙相关行业的政策规划，促进元宇宙产业的发展。2022年1月，工业和信息化部在中小企业发展情况发布会上表示，要特别注重培育一批进军元宇宙、区块链、人工智能等新兴领域的创新型中小企业。元宇宙元宇宙作为运用虚拟现实、区块链、人工智能等各类先进技术的综合载体，通过底层技术的不断融合创新为传统金融机构数字化转型带来更丰富的路径选择。“元宇宙”为传统金融业打开了通向基于数字原生且具有完备经济与社交体系的虚拟世界道路。沉浸式体验感以及虚拟元素的真实感将为金融机构线上协作、线上展业以及客户体验升级等方面提供更丰富的想象空间。预计随着国内监管体系的完善以及配套规范性政策陆续出台后，元宇宙会迎来高速发展阶段，进而催生新模式新业态出现。物联网区块链 量子计算虚拟现实大数据 人工 智能元宇宙数字孪生 云计算金融科技场景应用新趋势绿色金融n绿色金融政策顶层设计不断强化。绿色金融政策顶层设计不断强化。自人民银行、银保监会等七部委联合出台关于构建绿色金融体系的指导意见这一顶层架构设计后，国内绿色金融激励约束政策与制度创新不断发展，出台的绿色金融激励约束政策从“导向性”越来越走向“实质化”。n绿色金融市场规模稳步提升我国绿色信贷规模位居世界第一。近年来，我国绿色信贷规模及占比呈现逐步上升的趋势，已成为绿色金融业务最主要的融资渠道。2021年末，我国主要金融机构本外币绿色贷款余额达到15.9万亿元，占各项贷款总规模的比例提升到8.25%。目前我国绿色金融产品以绿色信贷、绿色债券为主。随着绿色保险、绿色基金、绿色股票等也将不断创新并落地，有望成为与绿色债券并驾齐驱的核心绿色金融资产之一。15.98.25%金融科技在其他金融相关领域的创新发展监管科技l监管科技建设受到政府部门的高度重视。2022年1月，中国人民银行发布的金融科技发展规划（2022-2025年）提出，加快监管科技的全方位运营，强化数智化监管能力建设，对金融科技创新实施穿透式监管。2022年10月，国务院关于金融工作情况的报告指出，要加快监管数字化智能化建设，推动监管数据共享，推进金融数据治理，提高数据真实性和数据质量。2022年11月，证监会科技监管局局长姚前在2022金融街论坛年会平行论坛上表示，要进一步加强监管科技顶层设计与统筹规划，建设智慧监管平台。l在监管趋严的形势下，对监管科技需求快速提升。随着各类金融机构业务创新持续增强、混业经营成为发展趋势，金融机构风险的复杂性和隐蔽性日益突出，传统的监管方式已经难以满足当前的监管要求，监管难度持续加大。同时，在监管趋严的背景下，金融机构需加大各项资源投入，以满足各项业务的合规要求，降低因业务不合规而被处罚的风险，提升其自身管理效率和市场竞争力。l监管科技的应用领域快速拓展。随着各类技术快速应用，监管科技也得到了长足发展，应用领域从金融向非金融不断延展，参与主体持续丰富，同时，各类金融基础设施管理平台数字化水平不断提升，以及金融监管机构与数字技术、网络安全监管部门之间合作深入，持续强化金融科技数字化监管能力的基础。发展趋势l完善监管科技顶层设计。进一步完善监管部门之间的沟通协调机制，优化监管数据采集方式，提高自动化数据报送和智能化合规能力，并利用技术手段挖掘监管数据的价值。推动监管方式转变，强化事前、事中监管，积极布局主动监管，增强监管分析的准确性和可追溯性。l强化数据治理和消费者权益保护。金融科技的快速发展使我国的消费者保护形势严峻，监管部门对消费者权益保护的要求也更加严格，因而监管科技将进一步考虑消费者权益保护的内容。l监管科技参与方之间的合作将持续增强。未来监管机构、被监管企业等参与方之间的协调与合作将进一步加强，以实现监管数据共享并提升监管效率，减少数据孤岛问题的发生。同时，在数据跨境传输持续增强的情况下，跨境监管与合作将成为监管科技未来发展的重要方向之一。发展概况数字普惠金融发展与实践篇 随着首个普惠金融发展规划的圆满收官，我国普惠金融取得了世界瞩目的成绩，发展水平位居世界前列并引领世界数字普惠金融的发展。根据银保监会统计，截至2022年6月底，我国普惠小微贷款余额达到21.77万亿元，同比增速是22.6%，比各项贷款的平均增速高出11.69个百分点。数字技术在解决普惠金融领域的痛点和难点，取得了显著进展，积累了丰富经验，逐步形成了新技术、新业态、新模式。数字普惠金融发展概况 近年来，随着“宽带下乡”、5G基站等基础设施建设的推进，数字技术加速迭代和创新，推动了数字普惠金融的快速发展，初步构建了数字普惠金融生态圈。数字普惠金融的发展，拓展了数字金融服务的触达范围，缓解了金融服务的排斥性，缩小了数字鸿沟，缓解了信息不对称，赋能社会减贫纾困，缓解了社会不公，为促进经济包容性发展提供了重要途径。发展现状 数字普惠金融的覆盖广度和使用深度不断扩大：居民账户拥有率与借贷参与率稳定增长。数字普惠金融发展基础更加夯实：网民规模及手机网民规模不断增加。中小金融机构数智化有待进一步提升。乡数字基础设施建设相对滞后，农村居民的数字鸿沟有待跨越。数字普惠金融与产业协同发展有待提高。22.725.2528.0130.7833.9437.3364.5869.7579.0587.4227.2329.231.6334.3838.2542.546.7650.1353.2556.6301020304050607080901002012201320142015201620172018201920202021数据来源：世界银行商业银行账户拥有率(%)借贷参与率（%）机遇与挑战5.385.645.916.186.326.496.686.887.17.317.517.728.028.298.549.049.49.8910.1110.3210.513.884.24.6455.275.575.946.26.566.957.247.537.888.178.478.979.329.8610.0710.2910.470369122012-062012-122013-062013-122014-062014-122015-062015-122016-062016-122017-062017-122018-062018-122019-062019-122020-062020-122021-062021-122022-06数据来源：中国互联网信息中心中国网民规模(亿人)手机网民（亿人）数字普惠金融的发展模式与创新实践 2022年随着城乡金融环境的改善和基础金融服务的进一步普及，城乡居民的金融意识明显增强；并且由于更多生产生活场景被打通，城乡金融服务模式呈现多样化，在服务小微企业融资、乡村振兴和金融服务数字化等方面，新服务、新产品不断涌现。当好“链长”赋能中小微企业中移金科中移助融产品。围绕核心企业，依托上下游中小企业的资金流、物流、商流和信息流，把单个企业的不可控风险转变为供应链企业整体的可控风险，通过高效获取各类信息将其传递给金融机构，金融机构在数据可得、风险可控的情况下提供金融服务。提高金融服务的广度和深度博彦科技普惠金融APP。围绕小微企业信贷融资需求，打造“管家式”服务，提供移动化、智能化、便捷化金融服务,实现全线上、多场景、全生命 周期的一站式普惠金融服务。赋能农村产业数字化农信互联基于区块链 物联网的生物资产监管平台。通过构建“数智 交易 金融”的业务模式赋能农业产业数字化，形成产业大数据，通过区块链技术将产业大数据转变成数据资产，进而将生物资产转化为可抵押资产，为农村产业发展纾困解难。构建主动服务体系邮储银行北京分行主动式金融服务体系。银行零售业务数字化转型进入瓶颈阶段，获客触客渠道多限于被动式，无法培育客户并建立信任关系，客户价值难深耕。因此，构建主动式金融服务体系，改变金融机构与客户互动关系，提高市场反应速度和服务效率。金融科技和数字普惠金融趋势篇l 金融业数字化将从“量变”走向“质变”l 数字技术的融合发展，将加速带动上层业务深度融合l 跨链互通与隐私计算的融合发展，为实现数据的价值提供路径l 数实共生加速普惠金融发展l 数字普惠金融赋能乡村振兴，形式更加多样化l 数字服务平台助力中小微企业数智化转型l 数字技术全方位赋能绿色金融l 元宇宙将为金融行业创新发展带来新的突破口l 加强科技伦理治理，建设多方共治的金融科技伦理体系l 数据安全迎来“可信时代”趋势一：金融业数字化将从“量变”走向“质变”金融科技和数字普惠金融发展趋势n金融科技技术的不断更新迭代，数据的互联互通机制逐步完善，创新共赢将突破地域、行业、社会限制，造就科技共享、利益共分的金融科技新时代。n金融机构的数字化进入由“量变”到“质变”的新阶段，智慧金融、元宇宙金融成为未来金融发展的新趋势。n“技术 金融”的深度融合，将重塑金融服务模式，将由“在线”的单项业务模式转向以用户、场景为中心的沉浸式“在场”服务模式转变。趋势二：数字技术的融合发展，将加速带动上层业务深度融合n随着大数据、人工智能、区块链、云计算、物联网等数字技术的深入挖掘，融合效应更加明显，“ABCDI”逐渐转化为“ABCDI”，技术的创新乘数效应取代各项技术的单点突破。n随着技术融合的加快，下游金融应用场景会不断拓宽，用户管理、产品定价、渠道营销、运营模式等业务场景将产生重大变革，金融科技生态更加完善。乡村振兴ABCDX信贷创新链生态链供应链理财I产业链消费金融科技量 质智慧金融元宇宙金融金融业数字化转型金融科技和数字普惠金融发展趋势趋势三：跨链互通与隐私计算的融合发展，为实现数据的价值提供路径n针对当前阶段不同机构、不同行业独立建设区块链而形成新的“数据孤岛”问题，跨链互操作技术成为下阶段区块链研发的重点方向。n当前，各链普遍存在的技术路线和标准差异，需在技术选型、接口支持和隐私保护等方面制订相互兼容、扩充性好的标准，打通割裂的区块链系统，解决链下、链间以及应用间的数据互联互通问题。n在互通过程中，为保证数据互通时数据资产能够安全有效地流通和共享，需要进一步借助隐私计算实现数据的可用不可见。区块链与隐私计算技术进行融合可以整合双方的优势，在提供隐私保护的同时也增强了数据的可用性，真正实现数据的价值化。趋势四：数实共生将加速普惠金融发展n移动互联技术和5G的发展，有效提升客户的金融感知能力，为客户提供了全面真实的应用场景和应用体验，实现线上线下一体化，虚拟现实交互的全方位、多模态体验，促进了实体产业与数字技术的深入融合。n随着Web3.0、VR、AR、MR等技术的创新与应用，为数实融合提供了技术支撑和实现路径，通过虚实互动、数实共生将进一步提高金融服务的可获得性和便捷性。移动互联技术数实共生数实交互技术信息基础设施5G通信技术金融科技和数字普惠金融发展趋势趋势五：数字普惠金融赋能乡村振兴，形式更加多样化n2022年是全面推进乡村振兴的关键之年，推进乡村产业数字化，振兴乡村产业是防止规模性返贫，增加农民收入的主要途径。n随着乡村地区5G、大数据、人工智能、互联网等数字经济新型基础设施建设的不断推进，金融服务与乡村振兴模式不断丰富，数字普惠金融与乡村特色产业结合模式更加多样化、个性化，塑造了数字普惠金融发展的新模式、新业态。趋势六：数字技术全方位赋能绿色金融n数字技术在绿色金融领域的全方位运用，将更好地服务于绿色信贷、绿色债券、绿色保险、碳金融等金融产品和服务，推动科技金融服务业务线上化、智能化，优化场景应用，同时推动科技金融精准融资、加速资本高效对接，并对环境效益和转型风险进行监测分析。n未来，随着技术手段的丰富和应用融合的深化，数字技术和绿色金融场景融合探索进一步扩大，形成数字科技与绿色金融深度融合的良好生态，显著降低金融机构的绿色识别和风险管理成本。金融科技绿色金融数字技术碳金融绿色贷款绿色保险绿色识别风险管理绿色债券数字普惠金融资源枯竭型大都市 农业农村型农业大市/生态大市型金融科技和数字普惠金融发展趋势趋势七：数字服务平台助力中小微企业数智化转型n中小微企业数智化转型是建设数字中国的重要组成部分，但仅靠自有资源很难实现数智化转型的目标。n以互联网平台为基础的数字服务平台为其提供了数字化转型路径。n通过数字服务平台，中小微企业可以广泛的接入数字化资源，通过SaaS、PaaS等应用程序和数据集成技术，构建数智化业务流程，满足瞬息万变的市场需求，加速中小微企业的数智化转型。趋势八：元宇宙将为金融行业创新发展带来新的突破口n当前，金融机构之间服务和产品同质化严重，在机构纷纷寻求发展各自优势的努力中，元宇宙将成为企业脱颖而出的一把“利器”。从场景、互动到消费，元宇宙在场景上的叙事能力将发挥作用。n虚实结合的空间构造支持打造虚拟金融中心，沉浸式环境将提升金融机构获取客户与推销产品的效果。数字服务平台中小微企业市场信息市场数据物流企业数据金融科技和数字普惠金融发展趋势趋势十：数据安全迎来“可信时代”政府科技伦理治理体系协会监管机构机构个人数据安全法个人信息保护法数据安全n网络安全法、数据安全法和个人信息保护法相续出台，对数据的采集、存储、保护、传输和使用提出了新的要求，数据的“可用不可见”是数字时代面临的最大挑战。n数据的使用和交互、数据价值的发掘都以数据安全为前提，“零信任”技术为数字金融服务提供网络安全新理念、新架构，“隐私计算 区块链”的深度融合为数据安全共享提供保障，推动中国FinTech行业迈入“可信时代”。网络安全法趋势九：加强科技伦理治理，建设多方共治的金融科技伦理体系n2022年中国人民银行发布金融领域科技伦理指引，强调加强金融科技伦理建设，促进创新与防范风险相统一、制度规范与自我约束相结合原则，健全多方参与、协同共治的金融科技伦理治理体系。n一方面将加快建立与金融体系相适应的主体行为规范，另一方面将进一步加强在数据安全、个人隐私保护、消费者权益、技术应用风险以及价值共享等方面监督与管理，探索多方参与的金融科技伦理制度规则和治理体系。声明中国金融科技和数字普惠金融发展报告（2023）所有文字、内容、图示及表格版权归中关村金融科技产业发展联盟和中关村互联网金融研究院所有。未经书面许可，任何组织和个人不得将本报告的部分或全部内容用于商业目的。如需转载请注明出处。本报告所使用的数据来源于国家部委网站、国家统计局数据、中关村互联网金融研究院专项调研及公开资料等。对读者等基于本报告信息做出的战略决策与投资行为，中关村互联网金融研究院不承担任何法律责任。如有涉及版权纠纷问题，请及时联系我们。官 网：http:/www.czifi.org/微信公众号：cnzifi（中关村互联网金融研究院）

128人已浏览 2023-07-21 34页 5星级

中国金融科技百强企业竞争力报告(2023)2023年7月20日北京2023 CHINA TOP 100 FINTECH ENTERPRISES COMPETITIVENESS REPORT中 关 村 互 联 网 金 融 研 究 院 2019-2022年全球金融科技产业融资规模及数量2019-2022年全球金融科技细分市场结构2022年，全球金融科技细分市场展现出创新与合规并重的发展趋势。支付科技、加密数字货币与合规科技成为三大主导领域，投资总额分别高达531亿美元231亿美元和186亿美元。其中，投资总额下降的背景下，合规科技领域的发展势头强劲，成为年度投资热点。2022年，全球金融科技市场表现稳中有进，融资数量为近五年来的次高水平。区域分布上，北美地区继续引领全球金融科技融资市场，占据了全球融资总额的42%。以中国为首的亚洲地区占全球融资总额的31%位居第二，而欧洲、中东与非洲地区（EMEA）紧随其后，占全球融资总额的27%。全球金融科技行业发展概况全球金融科技行业发展概况Overview of Global FinTech Industry Development资料来源：KPMG，中关村互联网金融研究院资料来源：KPMG，中关村互联网金融研究院2168 1249 2389 1641 437944377321600601000200030004000500060007000800001000200030004000500060002019202020212022(件)(亿美元)融资总额融资数量83.3F.5Q.9X.1.0$.8.0%7.8%2.9.0.7 .4%0.9%3.5%4.6%2.3%0.3%0.3%1.8%1.3%4.1%8.5.3%.3%0 0Pp0 19202020212022支付科技保险科技合规科技网络安全财富科技加密数字货币 2016-2022年中国金融科技产业市场规模及增长率05101520253001000200030004000500060002016201720182019202020212022(%)(亿元)市场规模(亿元)增速(%)2022年中国金融科技细分市场规模从金融科技行业划分来看，2022年银行科技支出达到3773亿元，市场占有率达到70%，其次为保险科技和证券科技投入分别达到532亿元，423亿元。相比之下，资管行业虽然规模庞大，但科技渗透率较低，2022年资管科技支出78亿元，仅占金融科技市场总量的1%。根据市场统计，近年我国金融科技市场规模保持增长态势，平均增速保持在10%左右，2022年金融科技市场规模达到5423亿元左右。特别是在三年疫情期间，金融机构及互联网公司纷纷抓住传统行业数字化转型、资产数字化的关键时期进入金融科技产业，为我国金融科技产业注入新活力。中国金融科技行业发展概况中国金融科技行业发展概况Overview of Global FinTech Industry Development资料来源：艾瑞咨询，中关村互联网金融研究院资料来源：中国证券业协会，Gartner，IDC，赛迪顾问，中关村互联网金融研究院3773亿,70S2亿,10 x亿,1B3亿,8g8亿,11%银行科技保险科技资管科技证券科技其他参选企业范围 采用人工智能技术、大数据技术、互联技术（移动互联、物联网）、分布式技术（云计算、区块链）、安全技术（密码技术、量子技术、生物识别技术）等领先技术，围绕监管、征信、支付、数据、交易以及量化投资和智能金融等领域和环节提供服务，获得国家金融监管部门批复的金融业务资质或牌照的金融机构、金融科技子公司或为金融监管部门、金融机构提供技术服务的科技型企业或平台。2022年有公开的融资纪录；提供技术服务的科技型企业或平台;具备较好的投资价值，特别是有较大的成长空间；在模式、技术等方面具备领先性，技术密集、创新驱动，能支持国家战略或带动新业态；业务积极正向，没有被有关部门查处的重大违法纪录，无重大负面或争议性报道。评价标准 本次评价采用专家评价，专家评价委员会集合多位具有专业经验的专家，结合评价标准，最终确认“2023中国金融科技百强企业”。专家评价中国金融科技百强企业竞争力评价说明中国金融科技百强企业竞争力评价说明Explanation of the Competitiveness Evaluation of Chinas Top 100 FinTech Enterprises中国金融科技百强企业竞争力评价说明中国金融科技百强企业竞争力评价说明Explanation of the Competitiveness Evaluation of Chinas Top 100 FinTech EnterprisesStep 1资料来源通过调研、企业申请和第三方公司共同完成。企业申请材料收集Step 2内部评价团队对收集的企业材料进行整理并进行打分，输出评价结果。内部评价Step 3外部评价团队对企业进行评价，输出评价结果。外部评价Step 4对评价结果组织专家进行论证，保证结果的公平、准确，并确定最终入围名单。结果审核确认2023中国金融科技百强企业评价流程中国金融科技百强企业竞争力评价说明中国金融科技百强企业竞争力评价说明Explanation of the Competitiveness Evaluation of Chinas Top 100 FinTech Enterprises成长能力1.项目中标次数(50%)2.项目中标金额(50%)技术创新能力1.研发人员流转率(20%)2.研发人员占比(20%)3.研发支出占比(20%)4.知识产权数量(40%)2023中国金融科技百强企业评价指标体系技术输出能力市场影响力1.营业收入增长率(55%)2.培育阶梯(45%)(注：创新型中小企业10%、专精特新中小企业15%、专精特新“小巨人”企业20%)1.产品覆盖的领域数量(50%)2.企业所获得荣誉、奖项等(50%)综合得分=技术创新力*0.4 技术输出能力*0.25 成长力*0.2 市场影响力*0.15中国金融科技百强企业竞争力评价中国金融科技百强企业竞争力评价Evaluation of the Competitiveness of Chinas Top 100 FinTech Enterprises2023中国金融科技百强企业（排名不分先后）（排名不分先后）建信金科龙盈智达中移金科工银科技京东科技民生科技平安科技亚信科技神州信息宇信科技光大科技中科软北银金科太平科技交银金科新致软件恒生电子中电金信度小满长亮科技招银云创数库科技先进数通拉卡拉众安科技明世金融宽拓科技本应科技金智维京北方中银金科浩丰科技人保金服中科闻歌即构科技安华信达网联清算梆梆安全凯美瑞德金锐同创新国都金融壹账通赢时胜赛博昆仑天翼电子商务理财魔方中国银联百望股份云采科技科大讯飞零犀科技商汤科技农银金科数字认证根网科技灵伴科技同盾科技数牍科技迅销科技金仕达银信科技东华软件博彦科技博雅正链云筑智港墨云科技华控清交徽投控股北京金融大数据擎创科技车晓科技比瓴科技易道博识融慧金科联动优势庖丁科技力码科技凌志软件博云科技步客科技信雅达同花顺中科柏诚金证股份华信永道东方微银指南针顶点软件慧安金科保泰科技中科金财大智慧睿格钛氪飞鸟鱼领雁科技索信达高伟达金证软件中亦科技广电运通0 0 20202120225年以内6-10年11-15年16-20年20年以上从百强企业所在城市分布来看，京津冀、长三角和粤港澳城市群的产业集聚效应依然明显，北上广深杭等主要城市的企业申请数量占比达82%。另一方面，金融科技发展的地域多元化趋势明显，成渝、长江中游城市群发展势头强劲，百强企业数持续增长，金融科技的发展潜力正在全国范围内得到逐步释放。从百强企业成立年限来看，成立5年以上的企业数量连续两年稳定增长，2022年占比达到74%，相较2021年增加了7个百分点，显示出越来越多的金融科技企业已跨越“创新死亡谷”，进入相对稳定发展的阶段。中国金融科技百强企业发展现状分析中国金融科技百强企业发展现状分析Analysis of the Current Development Status of Chinas Top 100 FinTech Enterprises 中国金融科技百强企业分布京津冀长三角粤港澳资料来源：中关村互联网金融研究院 2020-2022年中国金融科技百强企业成立年限分布资料来源：中关村互联网金融研究院成渝长江中游*注：为便于作图，使用抽象和简化的中国地图百强企业申请资料统计显示，2022年超过五成的企业研发费用高于30%，比2021年增加8个百分点。其中，28%的企业研发费用超过50%，比2021年提高3个百分点。根据资料统计，专业科技人员占比大于50%的企业从2021年的57%增加到2022年的72%。与此同时，专业科技人员占比小于50%的企业从2021年的43%下降到2022年的28%，反映出企业对金融科技人才队伍建设的重视程度不断提高。2020-2022年中国金融科技百强企业研发投入占应收比重资料来源：中关村互联网金融研究院 2022年中国金融科技百强企业研发人员占总员工比重资料来源：中关村互联网金融研究院中国金融科技百强企业发展现状分析中国金融科技百强企业发展现状分析Analysis of the Current Development Status of Chinas Top 100 FinTech Enterprises0 0P 20202120220-300%-50P%-80%-100H$%0-300%-50P%-80%-100%6(%8%1%0%云计算互联技术人工智能区块链技术大数据技术密码安全技术生物识别安全技术量子安全技术资料来源：本应科技，中关村互联网金融研究院中国金融科技百强企业发展现状分析中国金融科技百强企业发展现状分析Analysis of the Current Development Status of Chinas Top 100 FinTech Enterprises 2022年中国金融科技百强企业金融科技专利申请数量TOP20 2022年中国金融科技百强企业新增专利分布情况根据样本统计显示，大数据、云计算、人工智能技术是2022年金融科技企业的三大核心技术要素，占比分别为28%、27%、18%。专利技术的分布表明，数据和技术的双轮驱动已经成为了当前金融科技发展的主要趋向。未来，金融科技的发展方向将以安全为底线、以数据为基础、以智能化为目标、以场景应用为抓手，全面推进金融机构的数字化转型。*注：所统计的专利数量为2022年度内百强企业专利申请提交数量资料来源：本应科技，中关村互联网金融研究院01000200030004000北京数字认证股份有限公司北京先进数通信息技术股份公司联动优势科技有限公司北京浩丰创源科技股份有限公司中电金信软件有限公司百望股份有限公司北京梆梆安全科技有限公司上海新致软件股份有限公司中移动金融科技有限公司建信金融科技有限责任公司北京宇信科技集团股份有限公司平安科技(深圳)有限公司 天翼电子商务有限公司中科软科技股份有限公司工银科技有限公司度小满科技（北京）有限公司科大讯飞股份有限公司神州数码信息服务股份有限公司亚信科技（中国）有限公司中银金融科技有限公司金融机构类别市场总数榜单入围数银行系21家11家保险系29家4家在母公司资金支持与场景牵引下，金融机构科技子公司已经成为科技赋能金融创新的中坚力量。在21家银行系金融科技子公司中，有12家跻身百强，彰显了银行系科技子公司在母行资金支持与场景牵引下综合竞争能力的迅速增长。同时，以平安科技、众安科技为代表的保险系金融科技子公司也有4家入选。资料来源：中关村互联网金融研究院 金融科技百强企业产业形态分布情况中国金融科技百强企业集群分析中国金融科技百强企业集群分析Analysis of the Clusters of Chinas Top 100 FinTech Enterprises金融机构科技子公司入围情况资料来源：中关村互联网金融研究院9148880620102030405060708090100基础硬件基础软件应用软件数据服务信息安全(家)从产业分布看，企业主要以提供应用软件、数据服务和信息安全服务为主，其数量分别达到88家、80家和62家，反映出金融科技产业在强调信息安全的同时，也高度重视数据资产的深度挖掘和软件应用的场景实践。未来，在金融信创的潮流引领下，百强企业中着力于金融软硬件基础设施端的企业数量有望实现突破式增长。*注：分类结果按照金融科技百强企业主营业务范围进行交叉分类企业名称收入（亿元）企业名称收入（亿元）恒生电子63.02 博彦科技15.90 神州信息55.90 高伟达13.76 广电运通46.97 赢时胜13.26 中科软41.45 指南针12.55 新国都40.40 长亮科技11.06 宇信科技40.20 中亦科技10.50 同花顺35.59 浩丰科技8.58 金证股份23.25 新致软件8.25 先进数通17.44 大智慧7.71 银信科技16.69 中科金财6.50中国金融科技细分领域主要服务商中国金融科技细分领域主要服务商Major Service Providers in Chinas FinTech Subsectors资料来源：Choice 金融终端，中关村互联网金融研究院*注：数据来源于中证金融科技主题指数2022年样本股年报披露的金融科技业务收入2022年金融科技业务收入TOP20服务商在53家金融科技公司中，截至2022年12月，金融科技业务收入排名前三的公司分别为恒生电子（600570.SH）、神州信息（000555.SZ）和广电运通（002152.SZ），收入分别为63.02亿元、55.90亿元和46.97亿元，同比增长率分别为18.30%、5.67%和10.98%，恒生电子和广电运通的增长率超过10%。企业名称收入（亿元）中科软36.45恒生电子5.58新致软件4.21银信科技 3.37 宇信科技3.27企业名称收入（亿元）宇信科技36.94金证股份23.25先进数通17.44银信科技16.69高伟达13.762022年中国保险科技支出为532.62亿元，预计2023年支出规模为617.28亿元，同比增长15.9%。现阶段中国保险行业多数软件及服务的合同额均不大，市场集中相对较低。2022年中国银行业IT支出达到3773亿元，到2026年将达到5472亿元，近五年复合增速达到9.7%。相对于规模庞大的金融科技市场，银行科技服务商竞争优势不明显，当前主要集中在银行核心系统等信创领域的科技收入。中国金融科技细分领域主要服务商中国金融科技细分领域主要服务商Major Service Providers in Chinas FinTech Subsectors2022年保险科技收入TOP5服务商2022年银行科技收入TOP5服务商资料来源：Choice 金融终端，中关村互联网金融研究院资料来源：Choice 金融终端，中关村互联网金融研究院*注：数据来源于中证金融科技主题指数2022年样本股年报披露的金融科技业务收入企业名称收入（亿元）大智慧8.64金证股份6.6东方财富2.28财富趋势0.67指南针0.252022年中国资管行业科技支出为78亿元（银行系资管除外），同比增长13%。资管科技行业服务商相对较少，业务集中度相对较高，前3名金融科技企业收入占市场总规模的56%。2022年证券业科技支出为423亿元，同比增长达到21%。证券科技服务商收入基本不足10亿元，服务商之间收入差距较小。中国金融科技细分领域主要服务商中国金融科技细分领域主要服务商Major Service Providers in Chinas FinTech Subsectors资料来源：Choice 金融终端，中关村互联网金融研究院资料来源：Choice 金融终端，中关村互联网金融研究院34.64亿,44%2.33亿,3(.05亿,36.26亿,17%其他金证股份恒生电子赢时胜2022年证券科技收入TOP5服务商 2022 年资管科技收入TOP3服务商*注：数据来源于中证金融科技主题指数2022年样本股年报披露的金融科技业务收入中国金融科技产业发展趋势中国金融科技产业发展趋势Progressive trends in Chinas FinTech industry趋势二趋势二 跨链互通与隐私计算的融合发展，为数据可信流通提供安全底座跨链互通与隐私计算的融合发展，为数据可信流通提供安全底座 2022年12月19日，中共中央、国务院发布关于构建数据基础制度更好发挥数据要素作用的意见，为全社会数据要素作用发挥“立柱架梁”，在这一顶层规划指导下，金融业数据要素推动生产力发展的作用将进一步发挥。针对当前阶段不同机构、不同行业独立建设区块链而形成新的“数据孤岛”问题，跨链互操作技术成为下阶段区块链研发的重点方向。跨链互通与隐私计算的融合，在保证原始数据不出本地的情况下可以使得各合作机构既能保障数据安全，又能发挥数据最大价值，实现数据可用不可见，为数据可信流通提供安全底座。大模型技术在金融领域的创新与应用，不仅能够有效提升金融机构智能客服、智慧办公、运营管理、营销创造、智能研发等业务领域的智能化水平，而且能够真正解决一线员工的痛点问题。与此同时，金融领域的大模型技术应用，也面临较高的算力、数据安全性和数据合规的挑战，且多数金融应用场景仍需要大量数据合规性清洗。因此，要加快推动相关技术及产品熟化落地，不断拓展行业大模型应用广度和深度，构建技术支撑、场景牵引、深度赋能的人工智能行业大模型产业生态。趋势一趋势一 AIGC AIGC技术在金融领域的应用和探索将不断加速技术在金融领域的应用和探索将不断加速中国金融科技产业发展趋势中国金融科技产业发展趋势Progressive trends in Chinas FinTech industry 随着数字经济的发展壮大，金融业数据规模的加速增长对计算能力的需求日渐不匹配，现有传统计算能力难以支撑愈加庞大的数据计算与分析，特别是高度依赖算力算法的智能风控、智能营销等人工智能应用方面的短板效应凸显，并成为银行业数字化转型升级征程中难以逾越的一道鸿沟。而量子技术的发展将彻底打破计算能力的瓶颈，为推动金融业的数字化转型升级提供技术路径。趋势三趋势三 量子技术将成为未来数字化转型升级的重要推手量子技术将成为未来数字化转型升级的重要推手 金融科技在绿色金融领域的全方位运用，将更好地服务于绿色信贷、绿色债券、绿色保险、碳金融等金融产品和服务，推动科技金融服务业务线上化、智能化转型，优化场景应用，同时推动科技金融精准融资、加速资本高效对接，并对环境效益和转型风险进行监测分析。金融科技将有力推动绿色金融的高质量发展。趋势四趋势四 金融科技在转型金融领域的应用水平持续提升，金融科技在转型金融领域的应用水平持续提升，将将全方位赋能绿色金融全方位赋能绿色金融趋势六趋势六 金融科技伦理治理工作要求持续升级，建设多方共治的金融科技伦理体系的需求更加迫切金融科技伦理治理工作要求持续升级，建设多方共治的金融科技伦理体系的需求更加迫切 金融科技伦理治理体系将不断健全，治理举措全面落地成为趋势，未来金融监管“他律”与科技治理“自律”将双管齐下，对金融从业者、信息科技服务机构的管理将日益强化。科技伦理风险预警、跟踪研判和敏捷治理等有待持续强化，数据治理、算法模型治理、隐私风险评估等安全评估与合规审计手段建设的必要性和重要性进一步凸显。中国金融科技产业发展趋势中国金融科技产业发展趋势Progressive trends in Chinas FinTech industry 2022年12月召开的中央经济工作会议明确提出要推动“科技产业金融”良性循环。2023年，金融科技应用将更加关注产业发展和科技创新。未来将依托国家产融合作平台为代表的公共服务平台，进一步强化数据共享在普惠金融和科创投资方面的作用，借助隐私计算等技术手段释放数据要素价值，在科技创新领域的数据信息披露、数据共享应用、数据价值挖掘等层面带来新进展。趋势五趋势五 金融科技应用将更加着力于服务产业科技创新发展，科创金融服务迎来发展新机遇金融科技应用将更加着力于服务产业科技创新发展，科创金融服务迎来发展新机遇

84人已浏览 2023-07-21 17页 5星级

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。计算机行业 行业研究|深度报告 第三方支付：盈利有望边际改善。第三方支付：盈利有望边际改善。（1）行业层面：在银行卡收单方面，银行非现金支付业务交易量与交易规模呈现长期增长态势；在移动支付收单方面，2022 年以前移动支付业务的规模持续增长，占电子支付业务的比重不断上升。（2）企业层面：疫情管控放开催化毛利率回升。近年来，收单厂商收单规模总体保持增长。2022年，宏观环境的变化对中国线下消费市场产生较大影响，拉卡拉、新大陆收单规模有所收缩。但随着疫情管控放开，以及整体支付行业规模的扩张，收单厂商的规模预计将重回增长轨道。而随着疫情管控放开，渠道合作方分成预计将逐步回归疫情前水平，头部收单公司收单业务毛利率预计也将回升。清算资金退还完毕、平台经济整改结束，产业监管常态化持续推进清算资金退还完毕、平台经济整改结束，产业监管常态化持续推进。第三方支付上市公司拉卡拉、新大陆、翠微股份、新国都等公告披露关于标准类商户交易使用优惠类商户交易费率上送清算网络情况的解决方案。从公告披露情况，相关事件已有解决方案，相关的损益已计入 2022 年报表。2022 年支付产业监管常态化持续推进，产业规范发展进一步夯实。另外，平台企业金融业务存在的大部分突出问题已完成整改，未来相关部门将落实促进平台经济健康发展的金融政策措施，支持、鼓励平台企业持续提升金融普惠性。数字人民币应用前景广阔，支付厂商有望成为生态中重要一环。数字人民币应用前景广阔，支付厂商有望成为生态中重要一环。数字人民币预计将为企业提升业务量，并带来硬件升级需求。一方面，拥有数字人民币先发优势收单服务商会提高自己线下点位资源的占比，拉卡拉等头部收单公司已经完成了与中国人民银行数字货币研究所以及发行数字人民币的全部六大国有银行的系统对接；另外，数字人民币支付也将推动 POS 迭代。数字人民币的试点与推广需要针对数字人民币的支付模块以及“双离线支付”功能进行升级。消费复苏有望催化支付业务弹性，行业内公司也可通过帮助中小微商户加快数字化转型拓展新营收曲线，此外产业监管的持续推进为商户服务及收单公司提供标准合规化的经营环境。建议关注参与第三方支付收单业务的公司新国都(300130，未评级)、新大陆(000997，未评级)、拉卡拉(300773，买入)、移卡(09923，买入)、海联金汇(002537，未评级)、翠微股份(603123，未评级)、仁东控股(002647，未评级)。风险提示风险提示 监管风险；宏观风险；第三方支付费率下降风险；竞争加剧风险。投资建议与投资标的 核心观点 国家/地区 中国 行业 计算机行业 报告发布日期 2023 年 07 月 20 日 证券分析师 张颖 021-63325888*6085 执业证书编号：S0860514090001 香港证监会牌照：BRW773 证券分析师 浦俊懿 021-63325888*6106 执业证书编号：S0860514050004 联系人 王婉婷 联系人 周天恩 互联网金融平台有望迎来健康、合规发展期：金融科技系列报告 3 2023-03-31 银行 IT：金融信创方兴未艾，数字化需求蓄势待发：金融科技系列报告 2 2023-03-07 第三方支付：费率逐渐明确叠加支付规模扩张，行业迈入成熟发展阶段：金融科技系列报告 1 2023-02-14 第三方支付：盈利有望边际改善，行业监管持续推进 金融科技系列报告 4 看好（维持）计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。2 目 录 一、第三方支付：盈利有望边际改善.5 1.1、行业数据：银行卡收单持续稳健增长，2022 受疫情影响移动支付规模有所回落5 银行卡收单 5 移动支付收单 6 1.2、头部公司数据：疫情管控放开催化毛利率回升.7 二、清算资金退还完毕、平台经济整改结束，产业监管常态化持续推进 10 三、数字人民币应用前景广阔，支付厂商有望成为生态中重要一环.11 投资建议与投资标的.14 新国都.14 新大陆.14 拉卡拉.15 移卡.16 海联金汇.17 翠微股份.17 仁东控股.18 风险提示.19 EYnUaVjUdY9XxUdUtO8O9R7NmOqQmOsRfQnNoReRnPqQbRnMqQxNoNpOwMnNrN 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。3 图表目录 图 1：全国银行非现金支付业务笔数.5 图 2：全国银行非现金支付业务规模.5 图 3：全国联网 POS 机具台数.5 图 4：全国电子支付业务笔数.6 图 5：全国电子支付业务金额.6 图 6：全国网上支付业务笔数.6 图 7：全国网上支付业务金额.6 图 8：全国移动支付业务笔数.7 图 9：全国移动支付业务金额.7 图 10：全国电话支付业务笔数.7 图 11：全国电话支付业务金额.7 图 12：部分收单厂商收单规模（亿元）.8 图 13：部分收单厂商支付收入（亿元）.8 图 14：部分收单厂商支付费率情况（%）.8 图 15：部分收单厂商支付毛利率情况（%）.9 图 16：部分收单厂商总体毛利率情况（%），新国都、新大陆、拉卡拉 23Q1 毛利率回升.9 图 17：拉卡拉净利润在 2022 年受到影响.10 图 18：新大陆净利润在 2022 年受到影响.10 图 19：翠微股份净利润在 2022 年受到影响.11 图 20：新国都净利润在 2022 年受到影响.11 图 21：济南市数字人民币试点工作应用场景.12 图 22：新国都营收情况.14 图 23：新国都净利润情况.14 图 24：新大陆营收情况.15 图 25：新大陆净利润情况.15 图 26：拉卡拉营收情况.16 图 27：拉卡拉净利润情况.16 图 28：移卡营收情况.16 图 29：移卡净利润情况.16 图 30：海联金汇支付业务营收情况.17 图 31：海联金汇净利润情况.17 图 32：翠微股份第三方支付业务营收情况.18 图 33：翠微股份净利润情况.18 图 34：仁东控股支付业务营收情况.18 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。4 图 35：仁东控股净利润情况.18 未找到图形项目表。未找到图形项目表。计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。5 一、一、第三方支付：第三方支付：盈利有望边际改善盈利有望边际改善 1.1、行业数据：银行卡收单持续稳健增长，2022 受疫情影响移动支付规模有所回落 银行卡收单 在银行卡收单规模方面，根据人民银行数据，银行非现金支付业务交易量与交易规模呈现长期增长态势。2022 年，全国银行共办理非现金支付业务 4626.49亿笔，金额 4805.77 万亿元，同比分别增 5.27%和 8.84%。图 1：全国银行非现金支付业务笔数 数据来源：中国人民银行，东方证券研究所 图 2：全国银行非现金支付业务规模 数据来源：中国人民银行，东方证券研究所 截至2022年末，银联跨行支付系统联网特约商户3556.07万台，较2021年末减少337.54万台，同比下降 8.67%。全国 POS 机数量自 2017 年至今始终保持 3000 余万的规模，总体较为稳定，POS 机的使用场景渗透较为深化。图 3：全国联网 POS 机具台数 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。6 数据来源：中国人民银行，东方证券研究所 移动支付收单 在移动支付收单方面：根据中国人民银行数据，电子支付业务笔数持续增长，2015 年后电子支付业务交易规模总体波动上升。2022 年，银行共处理电子支付业务 2789.65 亿笔，金额 3110.13 万亿元，同比分别增长 1.45%和 4.50%。图 4：全国电子支付业务笔数 图 5：全国电子支付业务金额 数据来源：中国人民银行，东方证券研究所 数据来源：中国人民银行，东方证券研究所 在电子支付业务中，2022 年以前移动支付业务的规模持续增长，占电子支付业务的比重不断上升。2022 年受疫情影响移动支付整体规模有所回落。网上支付业务 1021.26 亿笔，同比下降 0.15%，金额 2527.95 万亿元，同比增长 7.39%；移动支付业务 1585.07 亿笔，同比增长 4.81%，金额 499.62 万亿元，同比下降 5.19%；电话支付业务 2.45 亿笔，金额 10.35 万亿元，同比分别下降 10.53%和 11.21%。图 6：全国网上支付业务笔数 图 7：全国网上支付业务金额 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。7 数据来源：中国人民银行，东方证券研究所 数据来源：中国人民银行，东方证券研究所 图 8：全国移动支付业务笔数 图 9：全国移动支付业务金额 数据来源：中国人民银行，东方证券研究所 数据来源：中国人民银行，东方证券研究所 图 10：全国电话支付业务笔数 图 11：全国电话支付业务金额 数据来源：中国人民银行，东方证券研究所 数据来源：中国人民银行，东方证券研究所 1.2、头部公司数据：疫情管控放开催化毛利率回升 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。8 近年来，收单厂商收单规模总体保持增长。2022 年，宏观环境的变化对中国线下消费市场产生较大影响，拉卡拉、新大陆收单规模有所收缩。但随着疫情管控放开，以及整体支付行业规模的扩张，收单厂商的规模预计将重回增长轨道。图 12：部分收单厂商收单规模（亿元）数据来源：Wind，东方证券研究所 图 13：部分收单厂商支付收入（亿元）数据来源：Wind，东方证券研究所 在在疫情疫情过程中，过程中，部分收单公司部分收单公司重视支付生态的维系，通过让利的方式帮助渠道合作方。重视支付生态的维系，通过让利的方式帮助渠道合作方。由于公司对渠道的扶持让利，渠道专业化服务费占营业收入的比重上升，导致支付业务的毛利率下降。图 14：部分收单厂商支付费率情况（%）计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。9 数据来源：Wind，东方证券研究所 图 15：部分收单厂商支付毛利率情况（%）数据来源：Wind，东方证券研究所 随着疫情管控放开，渠道合作方分成预计将逐步回归疫情前水平，头部收单公司收单业务毛利率随着疫情管控放开，渠道合作方分成预计将逐步回归疫情前水平，头部收单公司收单业务毛利率预计也将回升。预计也将回升。从上市公司 2023年一季报中，我们可以看到新国都、新大陆、拉卡拉 23Q1总体业务的毛利率有所回升。（分业务毛利率未披露）图 16：部分收单厂商总体毛利率情况（%），新国都、新大陆、拉卡拉 23Q1 毛利率回升 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。10 数据来源：Wind，东方证券研究所 二、二、清算资金退还完毕、清算资金退还完毕、平台经济整改平台经济整改结束结束，产业监产业监管常态化持续推进管常态化持续推进 根据拉卡拉 4 月 18 日公告，公司在收单业务中存在部分标准类商户交易使用优惠类商户交易费率上送清算网络，公司已按照相关协议将涉及资金退还至待处理账户。基于谨慎性原则，公司将所涉及资金进行适当会计处理，冲减 2022 年当期损益，导致公司非经常性损益为-13.16 亿元，归属于上市公司股东的净利润下降。随后，第三方支付上市公司新大陆、翠微股份、新国都也公告披露关于标准类商户交易使用优惠类商户交易费率上送清算网络情况的解决方案。从公告披露情况，相关事件已有解决方案，相关的损益已计入 2022 年报表。2022 年支付产业监管常态化持续推进，产业规范发展进一步夯实。受此影响，上述公司的 2022 年经营业绩受到拖累，净利润同比下降。图 17：拉卡拉净利润在 2022 年受到影响 图 18：新大陆净利润在 2022 年受到影响 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。11 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 图 19：翠微股份净利润在 2022 年受到影响 图 20：新国都净利润在 2022 年受到影响 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 2023 年 7 月 7 日晚，中国人民银行、国家金融监督管理总局、中国证监会共同发布新闻称，目前平台企业金融业务存在的大部分突出问题已完成整改，同时公布对于部分平台企业金融业务的行政处罚信息：国家金融监管总局针对消费者权益保护与违规参与银行保险机构业务活动对蚂蚁集团处以37.62 亿人民币罚款，并要求蚂蚁集团关停违规开展的“相互宝”业务；人民银行针对支付问题（账户管理、清算管理、反洗钱、消费者权益保护及个人信息保护等五方面）与金控集团问题（公司治理和关联交易两方面）对蚂蚁集团处以 32.87 亿人民币罚款；证监会针对违规进行基金销售对蚂蚁集团处以 0.74 亿人民币罚款。蚂蚁集团随后公告表示，蚂蚁集团收到金融管理部门行政处罚决定书，对此诚恳接受、坚决服从。腾讯集团相关机构及负责人共收到 5 张罚单，被罚金额近 30 亿元。其中，财付通因违反机构管理规定、违反商户管理规定、违反清算管理规定、违反支付账户管理规定等 11 项违法行为被没收违法所得超 5.6 亿元、被罚金额超 24.26 亿元。财付通随后公告表示，财付通诚恳接受、坚决服从和落实，严格执行相关决定。目前，平台企业金融业务存在的大部分突出问题已完成整改，整改结束标志着平台企业金融业务常态化监管时代到来。根据监管部门公告，未来相关部门将落实促进平台经济健康发展的金融政策措施，支持、鼓励平台企业持续提升金融普惠性，推动科技金融创新，增强国际金融竞争力，更好地服务实体经济和民生需求。平台经济金融业务预计将呈现合规、健康化发展态势。三、三、数字人民币数字人民币应用前景广阔，支付厂商有望成为生应用前景广阔，支付厂商有望成为生态中重要一环态中重要一环 数字人民币试点范围已扩大至数字人民币试点范围已扩大至 17 个省（市）的个省（市）的 26 个地区个地区，涵盖华北、华东、华南、华中、西南、涵盖华北、华东、华南、华中、西南、西北、东北。西北、东北。试点地区包括：北京、天津、河北省、大连、上海、江苏省、浙江（杭州、宁波、温州、湖州、绍兴、金华）、福建（福州、厦门）、山东（济南、青岛）、长沙、广东省、广西 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。12（南宁、防城港）、海南省、重庆、四川省、云南（昆明、西双版纳）、西安。其中，全省试点的省份有河北、江苏、广东、四川、海南 5 个。数字人民币试点持续推进，数字人民币试点持续推进，包括江苏、广东深圳等多个试点地区推出具体方案。包括江苏、广东深圳等多个试点地区推出具体方案。根据经济日报报道，相关方案的密集推出，为各地因地制宜推广数字人民币提供了政策基础，有利于扩展数字人民币应用场景、提升交易规模，有望在拉动居民消费、助力降本提效、促进数字经济高质量发展等方面发挥更大作用。山东济南：山东济南：2023 年 6 月 9 日，济南市人民政府发布关于印发济南市数字人民币试点工作实施方案的通知，主要应用场景包含如下十六个方向。除以上场景外，济南市人民政府也鼓励各区县政府、市政府各部门（单位）结合工作实际，将使用数字人民币嵌入日常工作应用之中，推动更多的数字人民币应用场景落地。图 21：济南市数字人民币试点工作应用场景 数据来源：济南市人民政府，东方证券研究所 江苏盐城：江苏盐城：江苏银行盐城分行积极拓展数字人民币试点应用。4 月 8 日，该行成功落地 800 多名员工部分工资的数字人民币代发业务，并将此项业务常态化开展；5 月中旬，该行通过对接盐城丞晖出入境服务有限公司微信小程序“丞晖旅游”，顺利为客户新增了数字人民币支付渠道；6 月 6 日开始，该行与盐城华为公司合作，开展“满 1000 减 66”数字人民币支付满减活动。对于第三方支付企业，数字人民币预计将为企业提升业务量，并带来硬件升级需求。对于第三方支付企业，数字人民币预计将为企业提升业务量，并带来硬件升级需求。一方面，拥有数字人民币先发优势收单服务商会提高自己线下点位资源的占比，拉卡拉等头部收单公司已经完成了与中国人民银行数字货币研究所以及发行数字人民币的全部六大国有银行的系统对接，部分公司也开发了数字人民币聚合支付、数字人民币钱包、数字人民币手环应用产品。计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。13 另外，数字人民币支付也将推动 POS迭代。数字人民币的试点与推广需要厂家研发的支持数字人民币支付的 POS机的参与，原有支持扫码支付或 NFC支付的 POS机在数字人民币广泛推广后也需要针对数字人民币的支付模块以及“双离线支付”功能进行升级。计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。14 投资建议与投资标的投资建议与投资标的 消费复苏有望催化支付业务弹性，行业内公司也可通过帮助中小微商户加快数字化转型拓展新营收曲线，此外产业监管的持续推进为商户服务及收单公司提供标准合规化的经营环境。建议关注参与第三方支付收单业务的公司新国都(300130，未评级)、新大陆(000997，未评级)、拉卡拉(300773，买入)、移卡(09923，买入)、海联金汇(002537，未评级)、翠微股份(603123，未评级)、仁东控股(002647，未评级)。新国都 新国都业务主要涵盖支付服务及场景数字化服务、电子支付产品、生物识别产品和审核服务等领域，公司同时也在积极围绕跨境电商场景积极研究跨境支付等新业务。公司2023年第一季度营收约10.13亿元，同比减少0.27%；归属于上市公司股东的净利润约1.33亿元，同比增加45.48%。在支付牌照续展方面，2023 年 7 月 5 日，中国人民银行于其官方网站公布了非银行机构续展公示信息（2023 年 7 月第六批），公司全资子公司嘉联支付获得本次续展。图 22：新国都营收情况 图 23：新国都净利润情况 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 在海外业务方面，公司已顺利开拓中东非洲等大市场，成功进入欧美等高端市场，未来公司也将会持续在海外重点市场实现本地化运营。根据公司 2022 年年报，公司营销服务网络共覆盖全国300 多个城市（含港澳台）及全球 80 多个国家，可以迅速响应客户对电子支付受理终端设备和电子支付服务的需求。在 AI 技术应用方面，公司于 2022 年第四季度推出 AI 图像生成工具 PicSo，该工具同时支持移动端（安卓和 IOS）和网页端，该产品具有 AI 图像生成功能。用户在文本框内输入文字描述，选择喜欢的图片风格，点击生成按钮，就能在短时间内生成一张高质量图片。新大陆 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。15 新大陆的主营业务是为商户提供以商户服务平台为核心、以支付服务为支点、叠加金融服务等增值服务的商户综合运营服务，为电子支付行业和信息识别行业客户提供终端产品和系统解决方案，为综合信息技术服务行业和高速公路行业客户提供软件和系统开发等信息化服务。在软件方面，新大陆是最早一批参与数字人民币研发的企业，是中国银行总行数字人民币受理系统建设服务商，也是北京冬奥会唯一指定的数字人民币受理系统建设服务商，在银行软件系统建设上具有很强的行业积累，同时新大陆在电信运营商、能源、交通、政务、教育等领域都具备很强的软件服务和系统建设能力。在硬件方面，新大陆是数字货币研究所数字人民币硬钱包标准制定的参与者之一，同时也是全球前三的数字支付终端供应商，2022 年出货量超 1,100 万台，当前公司全系产品均可受理数字人民币，并且完成了支付终端在双离线场景中的技术预研，其中条码类产品已支持部分双离线场景应用。在场景建设与运营方面，新大陆拥有全国性银行卡收单牌照，超过 1000 万的存量商户，通过与银行开展联合收单的模式，助推数币活跃度提升和场景落地。目前新大陆与 19 家银行展开合作，累计服务商户超 200 万户，实现近 4000 亿交易流水。公司与建设银行、中国银行、邮储银行进行数字人民币相关系统对接，实现了基于数字人民币的联合运营模式。另外，公司在人工智能、边缘计算、区块链等前瞻技术研发上取得了显著效果。2021 年底公司加入由中科院自动化研究所牵头的“多模态人工智能产业联盟”，并成为首批理事单位，参与“紫东太初”多模态大模型的研发应用，采用预训练大模型的方式，将图像模型应用在行人、烟火、车辆、船只检测场景，通过数据蒸馏形成垂直行业的算法模型，嵌入至自主研发的 AI 视频边缘计算网关产品，在分布式终端形成先进算法，推动端边算力的应用与落地。此外，公司基于自研的新链基础能力平台，可为数字资产发行流转提供支撑，并参与中央网信办国家区块链创新应用试点，提供跨境电商区块链溯源、社区证明区块链管理、预付卡区块链监管、工程电子招投标区块链存证等，围绕数字政务、金融、溯源等主要行业开展应用试点。图 24：新大陆营收情况 图 25：新大陆净利润情况 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 拉卡拉 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。16 2022 年，公司营业收入 53.66 亿元，同比减少 18.65%；由于公司在收单业务中存在部分标准类商户交易使用优惠类商户交易费率上送清算网络，且公司按照相关协议将涉及资金退还至待处理账户，2022年公司归属母公司股东的净亏损14.37亿元，同比减少232.75%，扣非后净亏损1.21亿元，同比减少 113.18%。2023 年一季度，公司营业收入为 15.2 亿元，同比减少 3.69%；归母净利润为 2.58 亿元，同比增长 1.31%；扣非后归母净利润为 1.86 亿元，同比增长 4.36%。2022 年，公司支付交易金额 4.52 万亿元，同比下降约 11.7%；费率约为 10.1bps，同比减少约1.2bps。尽管公司交易规模受经济下行影响有所下降，但公司市场份额继续提升，保持行业领先；公司科技服务业务实现收入 3.42 亿元，同比减少了 8%。其中，受外部环境不利影响，公司服务的商户向银行新增贷款规模下降，公司金融科技业务同比减少 45%至1.44亿元；另外，公司积极探索科技业务潜力，云收单业务以及拓客 SaaS 平台收入大幅增长。图 26：拉卡拉营收情况 图 27：拉卡拉净利润情况 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 移卡 移卡于 2023 年 3 月 27 日公布 2022 年报。2022 年公司收入为人民币 34.18 亿元，同比增长11.8%；归母净利润为 1.54 亿元，毛利率则由 26.6%提升至 30.2%。公司的战略定位及三条业务线之间的协同效应确保公司的稳健增长及盈利能力。一站式支付服务：一站式支付服务：主营业务稳健，费率与毛利率回升。（1）2022 年移卡一站式支付服务收入27.54 亿元，同比增加 21.4%，支付业务 GPV 总量同比增加 5.1%至人民币 22,316 亿元，费率由10.7 个基点增至 12.3 个基点。基于线下消费的快速恢复，移卡预计 2023 年支付 GPV 将达到 2.7万亿元至 2.9 万亿元之间。（2）公司目前正在积极拓展北美、东南亚及东亚市场，并在美国、新加坡、中国香港等地申请支付牌照。目前，公司在新加坡、日本等地已有相关主体，且逐步开展业务并与海外电子钱包、卡组织、本地银行等渠道建立合作关系。到店电商服务：到店电商服务：一站式支付业务及有效促销的协同作用快速发展。（1）2022 年移卡客户订单接近 3700 万笔，同比增长 305.0%；GMV 总量由人民币 4 亿元增至人民币 33 亿元，同比增长733.1%。（2）在技术端，公司表示已开发有超过 10 种功能的 AI 工具，通过 AI 文案生成工具和AI 云剪辑工具自动生成推广文案和短视频，效率分别提升了 30%及 70%，并丰富了内容基础，降低了制作成本。图 28：移卡营收情况 图 29：移卡净利润情况 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。17 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 海联金汇 海联金汇原是国内综合实力较强的家电零部件供应商。2016 年 7 月，公司成功重组并购了互联网金融信息技术服务公司联动优势科技有限公司，通过并购加快了公司产业转型升级，公司产业结构由家电零部件产业向互联网金融技术服务产业和整车及汽车总成件企业转型，并迈入新能源行业，成功实现“工业制造互联网金融信息技术服务”双轮驱动发展模式。公司拥有在“全国范围内”从事“银行卡收单”、“互联网支付”、“移动电话支付”业务许可牌照以及基金销售支付结算业务许可，跨境支付业务资质等，在全国范围内为企业及个人用户提供基于支付的综合服务。公司聚焦产业互联网、消费互联网应用合作，为交通出行、电商物流、农资农产、线下实体经济场景等多行业领域提供“支付 ”定制化综合解决方案。图 30：海联金汇支付业务营收情况 图 31：海联金汇净利润情况 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 翠微股份 公司商业零售业务以百货业态为主，在北京拥有翠微百货翠微店（A、B 座）、牡丹园店、龙德店、大成路店、当代商城中关村店、鼎城店和甘家口百货 7 家门店，建筑面积共计 40.23 万平方米。零售业务经营模式包括联营、自营及租赁，以联营为主，营业收入主要来自于商品销售和租赁业务收入。计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。18 公司的控股子公司海科融通主要从事第三方支付业务，2011 年获得中国人民银行颁发的支付业务许可证（全国范围银行卡收单支付牌照），拥有全国范围内经营第三方支付业务的从业资质。海科融通主营业务为支付业务及科技服务，在收单业务产业链中，海科融通作为收单机构处于收单业务产业链中游，作为持卡人和商户之间的桥梁，与收单行、银行卡专业机构、发卡行共同完成交易资金的清结算服务。收单机构既是商户接入数字化支付平台的入口，也是支付、清算甚至发卡机构在 B 端撬动市场交易增长的重要渠道，海科融通作为行业领先的收单机构一手托两端，成为收单业务产业链中的重要支点，为商户提供支付收单服务和数字化科技服务。海科融通的收单业务遍布国内，主要为餐饮、娱乐、服装、零售等行业的线下上千万商户提供收单服务。图 32：翠微股份第三方支付业务营收情况 图 33：翠微股份净利润情况 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 仁东控股 公司控股子公司合利宝对外提供第三方支付服务，其生产行为是对支付系统的开发维护，主要为开发、运营并维护支付系统以及清算平台系统、交易资金的清算、用户的审核、银联卡受理终端主密钥的生成和管理、研发增值服务、拓展终端用户、提升用户体验、增强用户粘性、为用户提供电话、微信及网络平台客服等。合利宝拥有中国人民银行核发的支付业务许可证，并具有跨境人民币支付业务备案许可，经营范围包括互联网支付、移动电话支付、银行卡收单服务。合利宝重视技术创新，拥有独立研发的支付结算系统，在行业内具有较强的竞争优势，发展至今先后获得国家级高新技术企业认证、国家重点软件企业、中国数字服务百强企业、广东省工程研发中心、广东省 2022 年专精特新中小企业等认证和荣誉。2022 年，合利宝取得营业收入 160,349.82 万元，实现净利润 11,034.99万元。图 34：仁东控股支付业务营收情况 图 35：仁东控股净利润情况 计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。19 数据来源：Wind，东方证券研究所 数据来源：Wind，东方证券研究所 风险提示风险提示 监管风险：监管风险：支付是强监管行业，监管措施变革或对企业运营产生影响；宏观风险：宏观风险：疫情放开后社零总额增速不及预期，行业总体交易规模增长亦会随之放缓；第三方支付费率下降第三方支付费率下降风险风险：费率下降会减少行业总体的市场规模及利润水平；竞争加剧风险：竞争加剧风险：线上收单会出现新进入者，行业内竞争存在加剧的可能性。计算机行业深度报告 第三方支付：盈利有望边际改善，行业监管持续推进 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。20 分析师申明 每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。投资评级和相关定义 报告发布日后的 12个月内行业或公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数）；公司投资评级的量化标准公司投资评级的量化标准 买入：相对强于市场基准指数收益率 15%以上；增持：相对强于市场基准指数收益率 5%；中性：相对于市场基准指数收益率在-5% 5%之间波动；减持：相对弱于市场基准指数收益率在-5%以下。未评级 由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股票的研究状况，未给予投资评级相关信息。暂停评级 根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确投资评级；分析师在上述情况下暂停对该股票给予投资评级等信息，投资者需要注意在此报告发布之前曾给予该股票的投资评级、盈利预测及目标价格等信息不再有效。行业投资评级的量化标准行业投资评级的量化标准：看好：相对强于市场基准指数收益率 5%以上；中性：相对于市场基准指数收益率在-5% 5%之间波动；看淡：相对于市场基准指数收益率在-5%以下。未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的研究状况，未给予投资评级等相关信息。暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确行业投资评级；分析师在上述情况下暂停对该行业给予投资评级信息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。免责声明 本证券研究报告（以下简称“本报告”）由东方证券股份有限公司（以下简称“本公司”）制作及发布。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的全体接收人应当采取必要措施防止本报告被转发给他人。本报告是基于本公司认为可靠的且目前已公开的信息撰写，本公司力求但不保证该信息的准确性和完整性，客户也不应该认为该信息是准确和完整的。同时，本公司不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的证券研究报告。本公司会适时更新我们的研究，但可能会因某些规定而无法做到。除了一些定期出版的证券研究报告之外，绝大多数证券研究报告是在分析师认为适当的时候不定期地发布。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻求专家意见。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动。过去的表现并不代表未来的表现，未来的回报也无法保证，投资者可能会损失本金。外汇汇率波动有可能对某些投资的价值或价格或来自这一投资的收入产生不良影响。那些涉及期货、期权及其它衍生工具的交易，因其包括重大的市场风险，因此并不适合所有投资者。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告主要以电子版形式分发，间或也会辅以印刷品形式分发，所有报告版权均归本公司所有。未经本公司事先书面协议授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容。不得将报告内容作为诉讼、仲裁、传媒所引用之证明或依据，不得用于营利或用于未经允许的其它用途。经本公司事先书面协议授权刊载或转发的，被授权机构承担相关刊载或者转发责任。不得对本报告进行任何有悖原意的引用、删节和修改。提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告，慎重使用公众媒体刊载的证券研究报告。HeadertTable_Address 东方证券研究所 地址：上海市中山南路 318 号东方国际金融广场 26 楼 电话：021-63325888 传真：021-63326786 网址：

16人已浏览 2023-07-20 21页 5星级

在调研中，我们首先对金融行业的分布式数据库应用情况做了调查，从上图中，我们可以看到，81%的受访人表示，其所在企业已经、正在或计划部署分布式数据库，其中已经部署、正在部署、正在计划部署的企业分别占比37%、18%、26%，只有19%的企业表示没有任何计划。这说明，分布式数据库在金融行业中的应用是大势所趋。调查发现，分布式数据库在金融行业中的应用之所以是大势所趋，有两个大背景，其一，业务驱动，随着数据井喷，金融行业不仅业务需求升级倒逼架构创新，同时互联网金融的快速发展对金融系统能力带来全新挑战，传统集中式数据库已经难以承载，而分布式能很好的解决这一问题。其二、政策指引，金融科技(FinTech)发展规划(2019-2021)中明确指出：“加强分布式数据库的研发应用。做好分布式数据库金融应用的长期规划，加大研发与应用投入力度。有计划、分步骤稳妥推动分布式数据产品先行先试，形成可借鉴、能推广的典型案例和解决方案，为分布式数据库在金融领域的全面应用探明路径。分布式数据库应用在金融行业是大势所趋分布式数据库选型首先面对的是技术路线的选择，原生分布式架构，重构了数据库系统，原生支持分布式事务处理与数据切分，在扩展性方面存在天然的优势，在未来具有更广阔的发展空间，但目前产品成熟度，仍需时间锤炼。分库分表中间件技术相对成熟，但对数据库的核心能力改造并不多，基本上都沿用了原来单点数据库的核心能力，最大的优势是能够以最小的代价在最短的时间内突破单点数据库的瓶颈。企业选择了一个分布式数据库产品之后，意味着选择了未来五年甚至十年的一个技术路线，因此，大多数用户从长远角度来看，更愿意选择原生分布式架构。调查也证实了这样的结果，56%的受访者更倾向于原生分布式技术路线。而倾向于分布式中间件 分库分表的受访者也不少，占比44%。(说明：数据仅代表受访者选择的倾向性，并不代表当下的应用状态)分布式数据库改造更青睐原生分布式架构技术路线金融企业对分布式数据库产品的选择和使用，毫无疑问是各大厂商争夺的焦点，对于其他企业也极具参考价值，下图是一个多选项的调查数据。特别说明：该项调查，以部署的企业案例数为主，不看具体的部署节点数。对GaussDB的定义并不包含openGauss。产品选择和使用上，OceanBase最受欢迎有16.67%的受访者表示，其所在企业已使用或计划采用OceanBase，排名第一。2012年OceanBase开始支持支付宝，2014年替换支付宝交易系统，2015年双十一100%支持交易数据链和支付数据链，2016年双十一支付宝的整个核心账务库已经运行在OceanBase上，2017年蚂蚁集团的所有核心数据链全部迁移到OceanBase。今年OceanBase宣布开源，并一次性开放300万行代码，都让OceanBase备受关注。调查显示，OceanBase具有丰富的金融级内部实践与商用实践，商用案例覆盖国有大行、城商行、农商行、证券及保险行业，其中不乏重度使用案例，目前金融领域TOP200的客户服务比例高达四分之一。第二名华为云GaussDB占比15.32%，与第三名腾讯云TDSQL15.21%，差距极微。短期华为云GaussDB受华为整体战略调整影响，但从长期看，是看好的。而腾讯云TDSQL过去一年在金融行业大力发展，遍地开花势头很猛，在TOP 10 银行中服务比例高达 60%，劲头十足。数据库供应商的产品技术及服务能力，也是金融行业选择分布式数据库至关重要的环节。数据显示，在当前各个分布式数据库产品的供应商中，腾讯云 TDSQL的产品周边生态完善程度及服务保障能力，最受金融企业用户推崇，占比23.4%，目前TDSQL已助力20余家金融机构完成核心替换。腾讯云TDSQL在产品实施的技术服务方面，建设了完善的产品实施服务、维保服务团队，有实力保障金融用户的数据库产品的实施与日常运营。另外腾讯云TDSQL提供了比较完整的产品周边服务工具套件。金融企业选择使用分布式数据库产品时，实现高质量与高效的数据迁移，是一项至关重要的任务。产品技术及服务能力上，腾讯云TDSQL最受推崇金融是国民经济的命脉，数据是金融企业最核心的资产，所以，金融行业对分布式数据库的要求“稳”是第一位的，数据既不能错也不能丢，同时系统不能停，因为，一旦系统停机会给金融企业带来无法估量的经济和名誉损失。因此，金融企业对与“稳”相关的“可用性、可靠性、稳定性”的要求较为极致。安全性自然成为分布式数据库选型的首要指标，占比20%。其次是产品服务能力与价格，占比18%，容灾能力占比13%，技术产品领先性，占比10%，可扩展性占比9%。安全性是金融行业选择分布式数据库的首要指标数据和分析是数字化转型的关键，金融科技以技术创新推动业务创新带来了更多大数据分析需求，而信创则加速了国产化替代进程，尤其是一些金融企业核心业务分布式改造进程标志着金融级分布式数据库逐渐走向成熟和稳定。调查显示，有36%的分布式数据库被用于大数据分析，30%用于传统业务，14%用于互联网业务，12%用于人工智能场景，其它场景8%。当前分布式数据库在金融行业的应用场景分析偏多，交易次之在金融行业，数据库部署模式不仅与监管要求有关，也与企业规模相关，尤其是头部企业。目前在金融行业，尤其是核心系统，处于对数据主权及安全考量，大多数还是独立部署，但随着基础层及平台层的快速云化，上云是必然趋势。调查显示，从云部署模式看，私有云与混合云部署将是常态，其中私有云部署占比46%，混合云部署占比37%，公有云部署只有17%。私有云与混合云部署将是常态相比传统商业数据库，分布式数据库会有更多的节点和组件，更难于管理。调查显示，金融行业在使用分布式数据库过程中，最突出的问题是运维复杂度提升，占比18%，其次是人才储备不足，占比16%，对原有应用系统升级改造成本较高，占比15%，数据迁移难度大占比14%，兼容性问题，占比11%。运维复杂度提升是金融行业在应用分布式数据库过程中遇到的最突出问题相比传统商业数据库，分布式数据库相对较新，金融企业在分布式数据库方面的自有运维支持能力有待进一步提高。所以，为了降低运维复杂度，金融企业对供应商提供相关图形化的数据库优化软件或工具有较强的诉求。运维复杂让金融行业对供应商提供相关数据库优化软件有较强诉求具体到供应商满意度，OceanBase以7.65分满意度排名第一，PingCAP以7.55分排名第二，华为云GaussDB以7.27排名第三。用户满意度：OceanBase第一通过对选用(或者试用)OceanBase的用户进一步调查得知，OceanBase相比其它开源数据库，具备技术领先性的优势，技术领先性主要在于功能和性能，双十一和TPC-C打榜是最有力的证明，并且支持MySQL和Oracle、Paxos协议、生态工具等。安全性，OceanBase满足行业规范，如支持私有化部署，支持多中心多副本架构满足容灾高可用需求。服务方面，OceanBase有较为完善的产品服务体系，尤其在某些方面表现突出，多位受访者表示其解决问题时效比较快。在供应商推荐度方面，PingCAP以7.86分排名榜首，腾讯云TDSQL以7.12分排名第二，OceanBase以7分排名第三。供应商推荐度：PingCAP第一通过对选用(或者试用)TiDB的金融行业用户的进一步调查得知，TiDB原生分布式架构适用于海量数据规模的OLTP和混合负载业务，对MySQL高度兼容，相较于分库分表方案，对业务无侵入，在线 DDL 对敏态业务开发友好。TiDB 5.0 版本引入MPP模式，支持函数和算子下推，HTAP引擎可以提供更加强劲的算力，目前已在银行、证券等金融机构的实时数仓、风控、营销和数据中台等场景中得到落地应用。不过，对于金融用户而言，之所以更愿意推荐TiDB，就是 TiDB 是一个开源的项目，而且社区很活跃，版本迭代快速。一方面，对于企业用户而言，企业的技术团队可以方便地深入到数据库核心代码的开发中，有利于对数据库平台的后期深度的运营开发维护。另一方面，一旦有疑难问题时，可以向社区求助，通过社区平台解决问题，从而降低可能产生的服务支持费用。

36人已浏览 2023-07-19 13页 5星级

免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读,1证券研究报告金融金融科技赋能金融,重构业态模式科技赋能金融,重构业态模式华泰研究华泰研究银行银行增持增持,维持维持,证券证券增持增持,维持.

42人已浏览 2023-07-13 40页 5星级

金融科技专题 从 AIGC 看商业银行数字化转型行业深度报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。行业报告 银行 2023 年 07 月 06 日 强于大市（维持）强于大市（维持）行情走势图行情走势图 相关研究报告相关研究报告【平安证券】行业深度报告*银行与金融科技*支付行业系列（一）总起篇：律回春渐，变革提速*强于大市 20230525 证券分析师证券分析师 袁袁喆喆奇奇投资咨询资格编号 S1060520080003 YUANZHEQI 研究助理研究助理 黄韦涵黄韦涵 一般证券从业资格编号 S1060121070072 HUANGWEIHAN 许淼许淼 一般证券从业资格编号 S1060123020012 XUMIAO 平安观点：银行数字化银行数字化转型转型稳步推进，稳步推进，AIGC 有望助力转型提速有望助力转型提速。新兴科技的逐步应用推动着银行业数字化转型的稳步推进，前沿科技与金融业态间的融合已经是增加行业增长韧性和潜力的必经之路。从银行的经营模式转变来看，负债端的综合化平台业务转型，资产端信贷类场景的丰富，支付端的线上化和移动化趋势以及“智能化、数字化、开放化”商业模式转型都离不开技术支持，区块链、大数据、云计算等新兴技术已经融入到银行日常的业务架构之中，金融科技投入逐步加大，22 年国有大行和股份行金融科技投入占比达到了 3.37%，金融科技人员占比达到了 5.45%，同比皆有所抬升。今年以来由 ChatGPT 引爆的 AIGC 浪潮，有望进一步推动银行业的数字化转型，目前行业广泛探索大模型的应用落地，农业银行推出的业内首个自主创新的金融 AI 大模型应用 ChatABC，邮储银行、兴业银行等积极接入“文心一言”等大模型平台，银行通过自研发布或者第三方平台合作发挥自身数据和资本优势，大模型的场景应用有望落地。科技赋能全业务链条，科技赋能全业务链条，AIGC有望推动银行智能化水平再提升有望推动银行智能化水平再提升。ChatGPT让人们看到 AIGC 在认知智能领域突破所能带来的颠覆性的变革，特别是其行业认知智能应用场景有望解决目前银行业转型存在的一些瓶颈。我们从渠道、服务和风险管理三个方面去分析行业目前的发展现状及未来通过AIGC 所能够带来的潜在提升，例如 AIGC 强用户交互能力对于渠道端智能客服体系的完善以及场景化金融服务能力的提升具有显著正面作用，“AI 大数据”在智能投研方向的应用有望降低投顾服务的门槛以及计算智能和感知智能在风控场景下的应用等都能够持续推动银行业的智能化转型。拥抱科技发展机遇，关注技术应用边界拥抱科技发展机遇，关注技术应用边界。随着科技的迅猛发展，银行等金融机构在拥抱科技进步带来的机遇的同时仍需关注由此衍生出来的数据和伦理风险，特别是拥有“强学习能力”人工智能应用背景下，隐私安全和风险防控显得更为重要。由于银行行业的数据具有特殊性，这决定了银行在应用第三方技术时必须持谨慎态度。尤其是对于大型模型训练所需的海量数据来源，银行需要做好数据的筛选和闭环管理，确保数据的质量和隐私安全。除此之外，人工智能快速发展所带来的科技伦理问题，以及对大型模型计算的过度依赖所引发的信用风险等问题，都值得整个行业的广泛关注。在追求技术进步和创新的同时，金融机构必须认真评估数据和伦理风险，并采取适当的措施加以管理。建立健全的隐私保护机制和风险防控体系、确保用户数据的安全和合规性，确立新技术的业务边界都将成为银行的重要任务。风险提示：风险提示：1）人工智能发展不及预期；2）竞争加剧导致成本抬升；3）监管力度超预期。证券研究报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 2/19 正文目录正文目录 一、一、银行数字化稳步推进，银行数字化稳步推进，AIGC 助力转型提速助力转型提速.4 1.1 内外协同共发力，数字化转型步步为营.4 1.2 ChatGPT 引爆 AIGC 浪潮，技术革命加速行业转型.7 二、二、科技赋能全业务链条，科技赋能全业务链条，AIGC 有望推动银行智能化水平再提升有望推动银行智能化水平再提升.9 2.1 渠道：人机交互新突破提升用户体验，场景化金融服务能力有望提升.9 2.2 服务：赋能财富管理，发掘长尾客户价值.12 2.3 风险管理：AIGC 强化业务风险管控，提供“定制化”智能模型方案.14 三、三、拥抱科技发展机遇，关注技术应用边界拥抱科技发展机遇，关注技术应用边界.16 3.1 完善数据闭环管理，关注生成式内容监管.16 3.2 人工智能发展不能一蹴而就，关注道德伦理风险.17 四、四、风险提示风险提示.18 FZlW8XnYdYbVMBdUtO8ObP7NmOmMtRoNiNrRsNiNrRoQ9PrQoOMYpOmMwMoMmP 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 3/19 图表目录图表目录 图表 1 国有大行和股份制银行金融科技及人才培养战略.4 图表 2 上市国有行 股份行银行金融科技投入.5 图表 3 上市国有行 股份行银行金融科技人员情况.5 图表 4 金融科技子公司设立情况.5 图表 5 国内金融科技重点政策梳理.6 图表 6 科技赋能银行数字化转型.7 图表 7 大模型基础架构.7 图表 8 银行积极探索大模型应用场景.8 图表 9 国内部分银行智能客服名称.9 图表 10 智能客服服务体系.9 图表 11 ChatGPT科普式交互.10 图表 12 ChatGPT“观点修复”.10 图表 13 科大讯飞智能客服服务体系.11 图表 14 银行融入生活场景，提升流量获取能力.11 图表 15 AI 场景化营销方案.12 图表 16 智能投顾服务体系.13 图表 17 蚂蚁金服智能投顾系统.13 图表 18 海外部分智能投顾平台对比.13 图表 19 商业银行风险管理结构.14 图表 20 智能化大模型方案.15 图表 21 我国重要数据安全政策梳理.16 图表 22 关于加强科技伦理治理的意见.17 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 4/19 一、一、银行数字化稳步推进，银行数字化稳步推进，AIGC 助力转型提速助力转型提速 新兴科技的逐步应用推动着银行业数字化转型的稳步推进，前沿科技与金融业态间的融合已经是增加行业增长韧性和潜力的必经之路。从银行的经营模式转变来看，负债端的综合化平台业务转型，资产端信贷类场景的丰富，支付端的线上化和移动化趋势以及“智能化、数字化、开放化”商业模式转型都离不开技术支持，区块链、大数据、云计算等新兴技术已经融入到银行日常的业务架构之中，金融科技投入逐步加大，22 年国有大行和股份行金融科技投入占比达到了 3.37%，金融科技人员占比达到了 5.45%，同比皆有所抬升。今年以来由 ChatGPT引爆的AIGC 浪潮，有望进一步加快银行业的数字化转型速度，目前行业广泛探索大模型的应用落地，农业银行推出的业内首个自主创新的金融 AI 大模型应用 ChatABC，邮储银行、兴业银行等积极接入“文心一言”等大模型平台，银行通过自研发布或者第三方平台合作发挥自身数据和资本优势，大模型的场景应用有望落地。1.1 内外协同共发力，数字化转型步步为营内外协同共发力，数字化转型步步为营 科技引领变革，银行数字化转型进程不断加快科技引领变革，银行数字化转型进程不断加快 从技术发展对于银行业转型的帮助来说，银行业的金融数字化转型经历了从 1.0 电子化阶段、2.0 移动线上化阶段以及现在朝着 3.0 智能化的状态进行转变，区块链以及人工智能等新兴技术同银行的业务结构深度融合，在风险定价、用户识别等方面解决了传统金融的痛点，金融科技的发展已经不仅是“行业发展的必备趋势”，也是实现弯道超车的必须选择。此外，从银行自身来说，科技能力的提高对于发挥银行自身资本和人力优势起到重要作用，是提高生产效率的必经之路，所以自 20世纪 90 年代后，银行一直是 IT行业产品和服务的主要买家，国内外银行皆先后在支付、借贷、财富管理等业务领域提高了战略关注。从国有大行和股份制银行 22 年年报中披露的战略规划来看，金融科技战略都已经成为银行转型的重要推手。图表图表1 国有大行和股份制银行国有大行和股份制银行金融科技及人才培养战略金融科技及人才培养战略 银行名称银行名称 科技战略科技战略 人才战略人才战略 工商银行 坚持科技驱动、价值创造，推动“科技强行”和“数字工行”建设。增强科技菁英人才引进力度，首次开展科技与数据人才专项社会招聘，分层开展数字化菁英跨部门联合培养、科技菁英人才集中培养 建设银行 持续推进全面云化转型，打造“建行云”高价值品牌；推进技术中台建设，推进分布式架构转型。金融科技人才工程列为全行首个重大人才项目，着力推进懂科技、懂业务、懂行情的市场化人才队伍建设。中国银行 将科技金融作为集团“八大金融”战略之首。打造数字化管理、行业规划等 10 支科技人才队伍，农业银行 加快推进新一代技术体系转型，打造面向未来的数字新基建与 IT 架构底座。打造“ABC 菁穗计划”，面向优秀科技类毕业生创新实施“智领计划”。交通银行 加快数字化新交行建设，坚定推动以“平台、开放、智能、企业级、重塑”为核心的金融科技发展愿景落地。推进金融科技万人计划，加大重点领域人才队伍建设力度。邮储银行 规划了“123456”数字化转型战略布局：一条主线，两大轨道，三大板块数字化改造，四大数字化能力，五大领域，六大支撑。初步完成“青年、骨干、领军”三级人才梯队搭建，建立分行综合化金融服务团队。招商银行 聚焦“财富管理、金融科技、风险管理”三大核心能力建设，以打造“最强金融科技银行”为目标。加强科技人才队伍建设，构建适配金融科技银行的人才体系，强化人才专业能力建设，强化“六能机制”。兴业银行 围绕“数据 技术 平台”，持续加大数字化转型领域资源投入。设立金融科技研究院，实施科技人才万人计划。浦发银行 强化金融科技应用提升服务线上化智能化水平，推动“面向全用户、贯穿全时域、提供全服务、实现全智联”的“全景银行”建设。丰富人才引进手段，强化专业人才能力建设。平安银行 运用前沿科技支持数字化转型，筑牢数字基础底座，打造领先的金融科技能力，为战略转型注入强劲科技动能。加快多元化“金融 科技”复合型人才团队建设，打造“精技术、懂业务、会管理”的人才队伍。中信银行 坚持以科技赋能、创新驱动为核心动力，为业务发展全面赋能，推动本行成为一流科技型银行。聚焦“人才强行”，强化人才“第一资源“作用，为基业长青奠定坚实的人才根基。民生银行 以科技驱动生态银行谋突破，以数据驱动智慧银行上台阶，全面提升经营管理数智水平。加大科技人才招聘和培养力度，对总行科技和民生科技公司研发团队实施一体化管理，加速建设异地研发中心。光大银行“全行战略引领、数字化转型规划实施、金融科技战略保障”战略。加大科技资源投入和人才队伍建设，组织架构调整落地实施。华夏银行 聚焦打造一流智慧生态银行的战略目标，坚持移动化、智能化、平台化、开放化的转型方向。制定 2023-2028 年数字化人才体系建设行动方案，启动运营千人数字人才计划，组织数据分析建模特训营。浙商银行 构建“185N”改革体系构架，推出“微海”数字化品牌，打造一批有浙银辨识度和行业竞争力的数字化重大应用。增强数字化人才队伍建设，特别是加强对懂科技、懂数据、懂业务的复合型人才的培养和引进。资料来源：公司公告，平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 5/19 从科技投入的总量和人才队伍的建设成果来看，国有大行中工商银行以及股份制银行中招商银行的领先地位较为突出，我们以 22 年数据为例，工商银行和招商银行金融科技投入总量和人才队伍绝对数量位于可比同业首位，其中工商银行全年投入262 亿元，占营业收入比重达到了 2.86%，招行全年投入 142 亿元，占营业收入比重达到了 4.51%。图表图表2 上市国有行上市国有行 股份行银行金融科技投入股份行银行金融科技投入 图表图表3 上市国有行上市国有行 股份行银行金融科技人员情况股份行银行金融科技人员情况 资料来源：公司公告，平安证券研究所 注：因浙商银行年报中未披露金融科技投入暂不纳入可比项 资料来源：公司公告，平安证券研究所 注：因平安银行和华夏银行22年未披露科技人员数量暂不纳入可比项 加快专业团队布局，科技子公司加速设立。加快专业团队布局，科技子公司加速设立。除此之外，各家银行通过内部孵化设立子公司的方式，依托自身力量培育金融科技核心竞争力，以独立化运营、科技创新为目标的金融科技子公司应运而生，自 2015 年兴业银行业内首次设立金融科技子公司以来，各大上市银行紧锣密鼓的构建着专业化团队。目前来说，团队建设较为完备的金融科技子公司已经走上了“科技输出 科技变现”的新道路，例如“兴业数金”推出 RPA 流程机器人，实现自动化软件模拟人工交互过程，“招银云创”则为招商局集团构建了非现金金融交易平台 图表图表4 金融科技子公司设立情况金融科技子公司设立情况 金融科技子公司金融科技子公司 所属银行所属银行 成立时间成立时间 注册资本（亿元）注册资本（亿元）兴业数金 兴业银行 2015/11/10 3.5 招银云创 招商银行 2016/2/23 2.49 建信金科 建设银行 2018/4/18 17.3 民生科技 民生银行 2018/4/26 2 龙盈智达 华夏银行 2018/5/23 0.21 工银科技 工商银行 2019/3/25 9 北银金科 北京银行 2019/5/16 0.5 中银金科 中国银行 2019/6/13 6 易企银 浙商银行 2020/2/27 0.2 农银金科 农业银行 2020/7/28 6 交银金科 交通银行 2020/8/25 6 资料来源：公司公告，平安证券研究所 政策环境：积微成著，稳步前进政策环境：积微成著，稳步前进“自上而下”稳步推进，顶层建设趋于完善“自上而下”稳步推进，顶层建设趋于完善。以 2017 年为界，17 年之前监管机构更多的用“科技创新”“互联网金融”的表述形容银行业的科技融合，自 17 年 5 月央行正式成立金融科技委员会后，金融科技的概念才被正式明确，并且在 17 年0%1%2%3%4%5%6%-50 100 150 200 250 300工商银行建设银行农业银行中国银行交通银行邮储银行招商银行中信银行兴业银行浦发银行平安银行光大银行民生银行华夏银行2022年金融科技投入（亿元）占营业收入比重（%）-右轴0%2%4%6%8%-0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0工商银行建设银行中国银行农业银行邮储银行交通银行招商银行兴业银行浦发银行中信银行民生银行光大银行浙商银行金融科技人员数量（万人）科技人员数量占比（%）-右轴 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 6/19 的政府工作报告中将“提升科技创新能力”和“抓好金融体制改革”列为了重点工作，此后对于金融创新和防范风险的政策导向逐步明确，金融科技的应用之路稳步推进。2019 年，央行首次提出了金融科技发展规划（2019-2021 年），提出在 2021 年建立健全我国金融科技发展的“四梁八柱”，增强人民群众对数字化、网络化、智能化金融产品和服务的满意度，为金融科技的发展方向指明了道路。政策导向愈发清晰，应用落地逐步加速。政策导向愈发清晰，应用落地逐步加速。2022 年，央行提出了金融科技的新三年规划，提出了要“积微成著”，强调了以数据要素应用为基础，并在围绕基础设施建设、产业生态建设方面的重点任务加速应用落地，金融科技的发展要求已经转变成夯实数字金融底座、激活数据要素潜能和促进科技成果转化三个方面。图表图表5 国内金融科技重点国内金融科技重点政策梳理政策梳理 年份年份 发布机构发布机构 文件文件 内容内容 2014 央行、科技部等六部委 关于大力推进体制机制创新，扎实做好科技金融服务的意见 大力培育和发展服务科技创新的金融组织体系。2015 央行、工信部等十部委 关于促进互联网金融健康发展的指导意见 提出一系列鼓励创新、支持互联网金融稳步发展的政策措施，确立了互联网支付、网络借贷、股权众筹融资、互联网基金销售、保险、信托、消费金融等主要业态的监管职责分工。2016 国务院 关于印发“十三五“国家科技创新规划的通知 促进科技金融产品和服务创新，鼓励银行为创新创业企业提供股权与债权融资方式，引导银行等金融机构创新信贷产品和金融服务。2017 国务院 政府工作报告 将“提升科技创新能力”与“抓好金融体制改革”列为重点工作任务 2018 央行、科技部等六部委 关于开展金融科技应用试点工作的通知 在北京、上海、江苏、浙江、福建、山东、广东、重庆、四川、陕西 10 省市开展金融科技应用试点。重点围绕纾解民营小微企业融资难融资贵、提高金融风险防范和化解能力等方面开展金融科技应用。2019 中国人民银行 金融科技发展规划（2019-2021年）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。2020 国务院 中共中央关于制定“十四五”规划和 2035 远景目标的建议 构建金融有效支持实体经济的体制机制，提升金融科技水平，增强金融普惠性。2021 银保监会 关于银行业保险业支持高水平科技自立自强的指导意见 充分发挥银行业保险业服务科技创新的积极作用，推动完善多层次、专业化、特色化的科技金融体系，为实现高水平科技自立自强提供有力支撑。2022 国务院“十四五”数字经济发展规划 推动产业互联网融通应用，培育供应链金融、服务型制造等融通发展模式，以数字技术促进产业融合发展。2022 中国人民银行 金融科技发展规划（2022-2025年）解决金融科技发展不平衡不充分等问题，推动金融科技健全治理体系，完善数字基础设施。2022 银保监会 关于银行业保险业数字化转型的指导意见 工作目标：到 2025 年，数字化金融产品和服务方式广泛普及，基于数据资产和数字化技术的金融创新有序实践，个性化、差异化、定制化产品和服务开发能力明显增强。资料来源：国务院官网、国家金融监督管理总局官网（原银保监会官网）、央行官网、平安证券研究所 金融科技持续赋能，金融科技持续赋能，数字化数字化转型初见成效转型初见成效 金融科技的发展从负债端、资产端、支付端以及商业模式四个维度持续赋能银行业的经营转型，例如线上化水平的提高加快了银行零售转型的进度，场景化金融服务体系的搭建提升了银行的获客效率，区块链技术的应用提升了普惠信贷的覆盖力，以及人工智能的快速发展则提升了银行业的服务效率等。因此，金融科技水平成为打造银行差异化优势的重要途径。请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 7/19 图表图表6 科技赋能银行科技赋能银行数字化数字化转型转型 资料来源：文献整理（1）、平安证券研究所 1.2 ChatGPT 引爆引爆 AIGC 浪潮，技术革命加速行业转型浪潮，技术革命加速行业转型 ChatGPT 问世引起广泛关注，国内大模型争相出炉。问世引起广泛关注，国内大模型争相出炉。自 22 年 11 月 ChatGPT 正式发布以来，打破了现有模式下的人机交互模式，引起了对于 ChatGPT背后支撑性的 AIGC 技术的广泛性关注。AIGC 的狭义概念是利用AI自动生产内容的生产方式，通过大量的训练数据和生成算法模型，自动生成文本、图片、音乐、视频、3D 交互内容等各种形式的内容，广义的AIGC还包括策略生成、虚拟人等概念。根据 IDC 发布的2022 中国大模型发展白皮书，我国的大模型可大致分为底层服务支撑层、基础算法平台层及应用层，通过芯片提供的算力支持，训练模型的深度学习进而实现行业的广泛应用。图表图表7 大模型基础架构大模型基础架构 资料来源：文献整理（2）、平安证券研究所 文献整理（1）:中国农业银行运营管理部课题组：从银行清算到清算银行-基于金融科技创新的思考J，农村金融研究；张明：“金融新常态”下中国商业银行的转型发展之道；张德茂 蒋亮（2018）：金融科技在传统商业银行转型中的赋能作用和路径J，西南金融。文献整理（2）：IDC：2022 中国大模型发展白皮书；明略科技&复旦大学&秒针营销科学院：2023AI 人工智能与营销新纪元；爱分析：人工智能行业：2023AIGC 厂商全景报告；慧博智能投研：AI 大模型行业深度：行业概述、发展现状、产业链和相关公司深度梳理。请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 8/19 国内外大模型百花齐放，泛化性特征加速产业智能化变革。国内外大模型百花齐放，泛化性特征加速产业智能化变革。自 2019 年 OpenAI提出 GPT-2 以来，大模型发展迅速，Google、百度、阿里、腾讯等国内外头部科技企业开发迭代多版 AI 大模型，特别是今年 AIGC 的浪潮下，国产大模型争相出炉，3月百度推出文心一言，4 月阿里、华为和商汤推出通义千问、盘古大模型和日日新大模型，大模型拉开了通用人工智能的序幕。此外，垂直领域的大模型因为其能更好的专注于特定的行业、领域或者场景，更好的满足用户在特定情形下的需求，又因为金融领域自身优异的数据禀赋优势和专业性要求，金融行业是垂直领域大模型应用的一片蓝海，例如 Bloomberg 采用的自助构建数据及和语料库开发出的金融行业语言大模型 BloombergGPT，以及AI4Finance 开发推出的 FinGPT金融大语言模型都是垂直领域大模型在金融领域应用的优秀代表。国内银行积极探索应用新模式，广泛合作快速接入。国内银行积极探索应用新模式，广泛合作快速接入。大模型的广泛接入有望解决目前金融科技定制化服务成本高以及客户需求变化速度快等存在于银行数字化改革进程中的问题。从目前来看，银行接入大模型的方式主要分为两个方面：1）自研发布。例如农行 3 月率先推出了名为 ChatABC 的自主金融AI大模型，工商银行发布基于昇腾 AI的金融行业通用模型；2）第三方合作。例如邮储银行将接入“文心一言”作为“邮储大脑”的重要技术行补充，中信银行、兴业银行和苏州银行接入“文心一言”打造生成式人工智能生态服务。对于拥有海量金融数据且应用场景丰富的银行来说，引入业内领先的大模型，采用微调方式形成专业领域的任务大模型是快速赋能业务，提高运营的效率的重要途径。图表图表8 银行积极探索大模型应用场景银行积极探索大模型应用场景 资料来源：财联社、证券时报、上证报、中证报、天天基金网、移动支付网、雪球、平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 9/19 二、二、科技赋能全业务链条，科技赋能全业务链条，AIGC 有望推动银行智能化水平再提升有望推动银行智能化水平再提升 ChatGPT 让人们看到 AIGC 在认知智能领域突破所能带来的颠覆性的变革，特别是其行业认知智能应用场景有望解决目前银行业转型存在的一些瓶颈。我们从渠道、服务和风险管理三个方面去分析行业目前的发展现状及未来通过AIGC 所能够带来的潜在提升，例如 AIGC 强用户交互能力对于渠道端智能客服体系的完善以及场景化金融服务能力的提升具有显著正面作用，“AI 大数据”在智能投研方向的应用有望降低投顾服务的门槛以及计算智能和感知智能在风控场景下的应用等都能够持续推动银行业的智能化转型。2.1 渠道：渠道：人机交互新突破提升用户体验，场景化金融服务能力有望提升人机交互新突破提升用户体验，场景化金融服务能力有望提升 渠道建设是现代银行发展的重要组成部分，如何实现线上线下多情景多层次的渠道网格覆盖、如何提升个性化服务能力以及如何实现数据的整合处理是银行在推进渠道建设的重点关注方向，本文从目前渠道建设中以自动化服务为代表的“智能客服”体系以及以“开放银行”为代表的场景金融服务体系分析目前银行业的现状和 AIGC 大模型带来的帮助。融入智能客服体系，提升交互效率融入智能客服体系，提升交互效率“线上化-数字化-智能化”已经成为银行面对互联网冲击下的行业转型共识，在此背景下的智能客服应运而生，利用场景服务体系中的产品了解客户多样化的诉求，以语音交互、产品交互或者文字交互等方式获取信息并通过智能引擎精准识别并匹配细分产品是目前大多数智能客服的运行逻辑，例如工商银行推出的智能客服“工小智”不仅能够在线上用户交互层面满足基本的业务咨询、信息查询等功能，也能融入到线下智能化网点的建设过程中，以机器人的方式参与到网点的业务分流、扫码取号以及客户服务等过程，落地 600 具有数字员工属性的智能应用场景，招商银行推出的“小招客服”则实现了全托管、辅助应答等功能，实现了人力替代超过 1.2 万人，浦发银行推出的针对智能产品推介、业务咨询等智能化服务的智能员工“小浦”以及宁波银行推出的面向自动化引导和智能分流的线上 AI机器人“小宁”皆是如此。智能客服不“智能”，机械化交流影响用户体验。智能客服不“智能”，机械化交流影响用户体验。在目前大多数的智能客服的体验过程中，机械化重复化的表达是亟待解决的问题。目前的大多数智能客服仍是一种基于规则或者预设脚本的自动化程序，只能执行预设的任务情景，自我学习能力不够导致在难以对超出其能力范围的问题或者模糊化问题给出解决方案，与目前以 ChatGPT为例的生成式AI带来的客户体验仍有较大差距。图表图表9 国内国内部分银行智能客服名称部分银行智能客服名称 图表图表10 智能客服服务体系智能客服服务体系 银行 员工名称 功能 工商银行 工小智 1）线上的业务咨询、金融信息查询；2）线下网点的机器人协同、扫码取号、业务分流等服务。招商银行 AI 小招 智能财富助理，为客户提供收益查询建议等财富管理综合服务。浦发银行 小浦 实现电话银行基于自然语言的智能产品推荐。宁波银行 小宁 基于“数字人服务中台”实现从前端客户接待到后端运营管理的全链条支持。资料来源：公司官网及公告、新民晚报、平安证券研究所 资料来源：文献整理(3)，平安证券研究所 文献整理(3)：腾讯研究院：互联网行业全真互联：银行数字化发展研究报告；清华大学和亚信科技：AIGC（GPT-）赋能通信行业应用白皮书；弘则研究：互联网行业 AI对互联网影响系列报告 1：国内大模型箭在弦上，电商流量入口有望重塑；众安保险和众安科技：AIGC/ChatGPT保险行业应用白皮书；第一新声研究部：2022 年中国 MarTech行业研究报告。请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 10/19 以以 ChatGPT 为代表的大型语言模型为用户交互体验大幅提升提供可能性。为代表的大型语言模型为用户交互体验大幅提升提供可能性。在融入了以 ChatGPT 为代表的大型语言模型之后的客服交互则有望通过增加与用户的对话时长来积累用户数据并进行分析，形成用户画像，从而为综合化的金融服务提供更为广泛的数据支持。特别是针对不同类别客户均有竞争力：1）零售客户：通过智能客服直接与客户互动，替代人工基础性工作；基于用户画像展开针对性的产品推销；2）投资顾问：提升理财师工作效率，包括但不限于调取海量数据库、自动化形成量化代码、用户画像分析等；3）机构客户：核心数据的整理以及观点性描述的输出，给予参考性的投资建议。此外，因为语言类的大模型特殊的“观点修复”能力，使得能够在较短时间内完成所需信息的精简或者错误信息的更正，极大的提高了用户交互的效率。图表图表11 ChatGPT 科普式交互科普式交互 图表图表12 ChatGPT“观点修复”“观点修复”资料来源：OpenAI官网，平安证券研究所 资料来源：OpenAI官网，平安证券研究所 大大模型融入智能客服，解决交互以及模型融入智能客服，解决交互以及运营成本运营成本等痛点等痛点。此外，因为大模型自带的“深度学习”特性，不仅能在语音场景实现人工分流和辅助应答，更能够通过海量的知识学习解决客服坐席知识储备水平良莠不一的现象，对外输出的统一标准更能规避掉因表述问题导致的合规风险。我们以科大讯飞提供了“AI 智能客服”产品为例，从客服培训端介入，覆盖视频、音频以及文字多种线上交互方式，不仅能够极大提高交互效率，也能够有效降低客服团队的运营成本。以科大讯飞和农行的合作案例来看，每日进线约 70 万通，语音识别准确率高达 97%，语义识别准确率达到 95%，人工坐席分流率可达 60%，运营成本和服务精确性皆有了较大提升。数据统一处理，提升数据利用效率。数据统一处理，提升数据利用效率。大模型数据处理和深度学习能力，能够在数据闭环的背景下更好发挥数据在不同环节的最大价值：1）全流程服务构建。我们以智能客服体系为例，通过语音交互过程留存的用户需求等信息，不仅可以完成现有产品的推荐，也为未来新营销活动的外呼提供了存量客户信息，实现了单一客户的价值衍生的全过程；2）服务质量控制。对于海量数据的批量质检分析可以提升整体的服务质量，例如科大讯飞为长沙银行打造的智能质检系统已建立 511 个业务模型，涵盖质检、营销、投诉、客户之声多维度，助推品质监测、客户服务数据挖掘与客户之声管理。质检率实现了 100%全覆盖，平均每天处理超过 500 个小时的录音量，客户之声交互实现 99%智能化。请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 11/19 图表图表13 科大讯飞智能客服服务体系科大讯飞智能客服服务体系 资料来源：科大讯飞官网，平安证券研究所 完善场景化营销，强化流量变现能力完善场景化营销，强化流量变现能力 场景化营销是零售业务主要的运营方式，让客户在日常生活场景中体验银行的金融产品进而提高用户的客户粘性，通过完整的金融产品体系提升单客价值是场景金融的核心所在。目前，银行打造“开放银行”方式努力将金融服务融入生活的各类场景，通过技术方式把银行服务融入到第三方的平台服务之中，扩大双方的客户服务范围。以平安银行为例，21 年平安银行提出“智能化银行 3.0”战略，将“开放银行、AI银行、远程银行、线下银行和综合化银行”作为零售业务转型升级的新模式，其中零售开放银行 22 年全年实现了互联网获客 230 万户，新客户均AUM 余额同比增长 63.0%，极大的丰富的零售业务的客户来源。但在“开放过程”中，产生的账户数据以及服务数据的处理由于计算能力的限制以及个性化服务的难度仍是制约流量变现效率的重要原因。图表图表14 银行融入生活场景，银行融入生活场景，提升流量获取能力提升流量获取能力 资料来源：公司官网，平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 12/19 大模型的深度学习、数据挖掘、提取和分析海量数据中的价值信息对于理解客户需求和行为模式的能力，对于划分客户群体至金融场景中进而匹配个性化的金融产品有着举足轻重的影响，需求满足程度与否将直接决定了最后流量变现的能力。以科大讯飞星火认知大模型提供的场景化营销方案为例，通过“公域 私域”流量的双重引流，衣食住行四大场景的营销场景搭建，以及渠道管理、画像分析、营销管理和活动管理等多个展业工具的使用实现流量最终的变现，通过科大讯飞官网案例可以看出，“AI 营销”模型在信用卡的业务推进中实现了每月挖掘价值线索 10 万条，质量合格率 98%，银行跟进接通率 83%，最终信用卡交单率 25%，场景化营销能力得到了快速提升。图表图表15 AIAI 场景化营销方案场景化营销方案 资料来源：科大讯飞官网，平安证券研究所 2.2 服务：服务：赋能财富管理，发掘长尾客户价值赋能财富管理，发掘长尾客户价值 得益于科技的快速发展，银行服务模式已经不局限于时间和空间的限制，已经可以提供全天候、不间断的金融服务，并且能够更快的响应各种金融服务需求。我们以财富管理场景中的投顾服务为例，探索 AIGC 大模型重塑服务端的能力。传统财富管理中的投顾业务由于其费用和门槛等问题的存在，难以实现针对广泛群体的定制化服务。因此，在新兴科技快速发展背景下应运而生的智能投顾受到了金融机构的广泛关注，其费率较低、服务效率高、信息相对透明、情绪化资产配置影 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 13/19 响小等优点提升了用户覆盖的广度。一般来说，智能投顾分为三个步骤：1）数据收集整理以及投资风险评估。通过调查问卷、公开信息整合等方式判断风险偏好和投资需求目的；2）数据分析与建模。获取用户数据之后，智能投顾平台为用户构建一个多元化的投资组合，组合标的由服务提供商的专业团队挑选；3）辅助投资决策。通过定期监测市场变化、投资组合再平衡等等方式提供目标优化等方面的辅助投资决策。我们以智能化程度较高的蚂蚁金服的智能投顾系统为例，蚂蚁金服将线上财富管理分为“投”“顾”两个方面，分别设计了“帮你投”和“支小宝”两个体系。“帮你投”通过调查问卷方式收集客户的资产信息、风险偏好以及投资目标等信息向客户推介相关的产品，“支小宝”借助人工智能和数据分析向投资者提供个性化理财服务的体系。根据中国经济时报消息，“支小宝”目前能够覆盖 5000 金融百科的词条，解答约 8000 种理财问题，能够满足大部分投资者的投资需求，覆盖了客户第一次接触-思考-选品-涨跌等操作的全流程。图表图表16 智能智能投顾投顾服务体系服务体系 图表图表17 蚂蚁金服智能投顾系统蚂蚁金服智能投顾系统 资料来源：平安证券研究所 资料来源：支付宝APP，平安证券研究所 借“他山之石”，看借“他山之石”，看 AIGC 浪潮下的智能投顾发展。浪潮下的智能投顾发展。智能投顾是信息技术发展和金融行业迭代的产物，长尾市场得到快速发展，改变了过去投顾是高净值家庭“专属服务”的概念，我们以智能投顾发展较为完善的美国市场来看，市场上主要包括三类参与主体：1）以Wealthfront、Betterment 为代表的初创公司利用自身的技术优势与低门槛要求，挖掘长尾客户价值；2）以 Vanguard、嘉信理财为代表的大型金融机构，发挥自有资本优势、存量客户优势、品牌优势以及竞争壁垒推出智能化投顾产品；3）收购第三方公司，快速布局智能投顾市场，例如贝莱德收购 Future Advisor 等。图表图表18 海外部分智能投顾平台对比海外部分智能投顾平台对比 Vanguard 嘉信理财嘉信理财 Future Advisor Betterment 最低投资最低投资额额 DA（Digital Advisory）：$3000 P AS（Personal Advisory Service）：$50000 Intelligent Portfolios:$5000；Intelligent Portfolios Premium:$25000$5000 Digital:$0 Premium:$100000 费率费率 DA：0.2%/年，前 90 天免费 P AS:500 万美元以下 0.3%，500-1000 万美元 0.2%，1000 万美元以上0.1%IP：免费 IPP：一次付费 300 美元，此后 30 美元/月 0.125%/季 Digital:0.25%/年 Premium:0.4%/年 投资标的投资标的 DA:股票、债、ETF P AS:主要为本公司的基金 ETF ETF 股票、ETF 资料来源：公司官网，平安证券研究所 从上表中智能投顾平台的对比来看，初创企业通过低门槛和独立性吸引更多的下沉客户，传统金融公司则发挥自身优势，瞄准存量客户和推介自有产品，不同体量的金融机构决定了他们在智能投顾领域的不同打法。从目前国内智能投顾市场来看，因为规章制度不完善、投资标的广度、投资者接受程度等方式导致国内的智能投顾市场处于探索阶段，但在基础设施层面的数字化建设布局是“大势所趋”，数字化转型的重要应用就包括“智能投顾”等信息科技业态融合的新模式，特别是大模型的出现提升了投研人员的工作效率和用户的投研体验，对于推动智能投顾的应用落地具有积极的正面作用。此外，大模型应用降低的成本则有望降低财富管理的门槛，进一步挖掘长尾客户的价值，根据印度信用评级公司 CRISIL GR&A测算，大模 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 14/19 型在智能投研领域的应用有望节省 22.5%的成本。2.3 风险管理风险管理：AIGC 强化业务风险强化业务风险管控管控，提供，提供“定制化定制化”智能”智能模型方案模型方案 传统金融业态下，受限于用户信用评估要求，企业和个人信贷申请流程较为繁琐。金融科技可以通过打造大数据平台实现信金融科技可以通过打造大数据平台实现信贷流程的低成本管理。贷流程的低成本管理。在客户营销环节，从“依据经验”到“依据数据”，实现对客户的精准营销，预先测算出客户可接受的最大风险敞口，提高风险控制的效率，在授信审批环节，大数据技术能够扩展信用数据的边界，将一些非传统信用数据作为非常重要的信用评估来源。在贷后管理环节，建立风险预警信息系统，将财务信息与非财务信息、还款还息资金来源与贷款资金去向等资金流数据进行收集整合，实现实时的风险防控与客户监测，用于风险的提前预警与化解。因此，如何找到普因此，如何找到普适化、低成本的风控模式判断业务风险管理是风控体系的核心。适化、低成本的风控模式判断业务风险管理是风控体系的核心。图表图表19 商业银行风险管理结构商业银行风险管理结构 资料来源：王丽焱 王彦博(2018):Fintech 时代大数据在商业银行全面风险管理中的应用探索J.银行家，平安证券研究所 “预训练“预训练 精调”大模型提供“低成本”智能模型方案，场景应用精确性进一步提高。精调”大模型提供“低成本”智能模型方案，场景应用精确性进一步提高。目前国内大模型“预训练 精调”的模式提供了在不同场景提供定制化风控模型的可能，我们以科大讯飞智能化大模型为例，针对信用卡、消费分期或者小微企业等不同的用户群体的六大场景，通过生成式网络、逻辑回归等算法构建了 6 大对应的智能化模型，覆盖了信贷过程中的贷前贷中以及贷后流程，提升了特定场景下的风险识别能力。从目前大模型的实际接入情况来看，浦发银行同百度“文心一言”合作开发的金融行业模型，提升金融文本命名实体识别模型的 F1 值约 3%，有望极大提升授信报告的处理效率，在金融语义相似度，金融事件主体抽取等一系列公开数据集上相对通用大模型取得显著提升。请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 15/19 图表图表20 智能化大模型方案智能化大模型方案 资料来源：科大讯飞官网，文心一言官网、平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 16/19 三、三、拥抱科技发展机遇，关注技术应用边界拥抱科技发展机遇，关注技术应用边界 随着科技的迅猛发展，银行等金融机构在拥抱科技进步带来的机遇的同时仍需关注由此衍生出来的数据和伦理风险，特别是拥有“强学习能力”人工智能应用背景下，隐私安全和风险防控显得更为重要。由于银行行业的数据具有特殊性，这决定了银行在应用第三方技术时必须持谨慎态度。尤其是对于大型模型训练所需的海量数据来源，银行需要做好数据的筛选和闭环管理，确保数据的质量和隐私安全。除此之外，人工智能快速发展所带来的科技伦理问题，以及对大型模型计算的过度依赖所引发的信用风险等问题，都值得整个行业的广泛关注。在追求技术进步和创新的同时，金融机构必须认真评估数据和伦理风险，并采取适当的措施加以管理。建立健全的隐私保护机制和风险防控体系、确保用户数据的安全和合规性，确立新技术的业务边界都将成为银行的重要任务。3.1 完善数据闭环管理，完善数据闭环管理，关注生成式内容监管关注生成式内容监管 强化数据资产管理，完善数据闭环链条。强化数据资产管理，完善数据闭环链条。一方面，大模型的应用需要海量的数据进行深度学习，数据跨层级、跨地域、跨系统以及跨业务的融合产生的数据泄漏风险不容忽视，特别是在应用过程中的数据复制性处理、传输性管控都显得尤为重要。在大模型的计算下，单序列数据的衍生价值在高频计算下会被无限放大，故而可能导致多方利益同时受损，因此在数据资产管理方面显得尤为重要。另一方面，银行作为我国海量的“数据中心”，隐私保护等问题的存在为不同主体的业务协作带来的挑战，如何找到数据价值和安全合规的平衡是应用大模型的重要挑战。特别是目前海外引入 ChatGPT的过程中已经发生了数据泄漏的风险，据凤凰网报道，三星公司在引入 ChatGPT 的近 20 天时间内，已经发生 3 起数据外泄事件，其中 2 次和半导体设备有关，1 次和内部会议有关，其原因是三星员工直接将企业机密信息以提问的方式输入到 ChatGPT 中，造成半导体设备测量资料、产品良率相关信息传输至美国公司并泄露给第三方。因此，银行数据的特殊性决定了大模型的应用需考虑本地化和私有化的部署模式。生成式内容的监管值得关注。生成式内容的监管值得关注。我们以从 ChatGPT的内容生成反馈来说，带来了效率和便利的同时，其输出结果的真伪性带来了巨大的伴生性风险，特别是提问过程中对于 AI 的引导极容易得出错误的答案，大范围应用下的社会问题不容忽视，因此 2023 年 4 月，国信办发布了生成式人工智能服务管理办法（征求意见稿），从内容生成、主体责任、数据来源和数据处理四个方面以及研发、数据使用、提供服务、用户应用等各个环节进行了较详细的规范规范了 AIGC 的发展，具有良好的导向性意义。图表图表21 我国重要数据安全政策梳理我国重要数据安全政策梳理 年份年份 文件文件 内容内容 2021 年 中华人民共和国数据安全法 从数据安全与发展、数据安全制度、数据安全保护义务、政务数据安全与开放等六个方面规范了数据处理活动，是我国数据安全的基础性法律法规。2021 年“十四五”数字经济发展规划 提出到 2025 年，数字经济迈向全面扩展期，数字经济核心产业增加值占 GDP比重达到 10%。2022 年 工业和信息化领域数据安全管理办法（试行）1）明确监管范围和职责；2）确定数据分类分级管理、重要数据识别与备案要求；3）围绕数据收集、存储、加工等方面提出了要求；4）建立数据安全监测预警；5）明确数据安全监测、认证的要求。2023 年 关于促进数据安全产业发展的指导意见 1）产业规模：数据安全产业规模超过 1500 亿元，年复合增长率超过 30%；2）核心技术创新：建成 5 个省部级及以上数据安全重点实验室；3）应用推广：打造 8 个以上重点行业领域典型应用示范场景；4）产业生态：建成 3-5个国家数据安全产业园、10 个创新应用先进示范区。2023 年 生成式人工智能服务管理办法（征求意见稿）对生成式人工智能从研发、数据使用、提供服务、用户应用等各个环节进行了较详细的规范。资料来源：国务院官网、网信办官网、工信部官网、平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 17/19 3.2 人工智能发展不能一蹴而就，关注道德伦理风险人工智能发展不能一蹴而就，关注道德伦理风险 伦理风险随着 AI 技术的发展将会被逐渐放大，特别是产生的例如算法歧视和非道德内容生成等问题也会制约大模型生态应用的发展。目前海内外都对人工智能的伦理问题进行了监管约束，欧盟将人工智能划分成不可接受的风险、高风险、中风险和低风险四个类别进行约束，国内 2022 年 1 月施行的新修订的中华人民共和国科学技术进步法中，细化了科技伦理治理的相关要求，直到 22 年 3 月，中共中央办公厅和国务院联合发布了关于加强科技伦理治理的意见，是国内首个国家层面的科技伦理治理的指导性文件，标志着国内的科技伦理的治理进程迈向了新的阶段。图表图表22 关于加强科技伦理治理的意见关于加强科技伦理治理的意见 意见 具体内容 总体要求(一)指导思想：以习近平新时代中国特色社会主义思想为指导，建立完善符合我国国情、与国际接轨的科技伦理制度；(二)治理要求：伦理先行;依法依规;敏感治理;立足国情;开放合作 明确科技伦理原则(一)增进人类福祉；(二)尊重生命权力；(三)坚持公平公正；(四)合理控制风险；(五)保持公开透明；健全科技伦理治理体制(一)完善政府科技伦理管理体制；(二)压实创新主体科技伦理管理主体责任；(三)发挥科技类社会团体的作用；(四)引导科技人员自觉遵守科技伦理要求；加强科技伦理治理制度保障(一)制定完善科技伦理规范和标准；(二)建立科技伦理审查和监管制度；(三)提高科技伦理治理法治化水平；(四)加强科技伦理理论研究；强化科技伦理审查监管(一)严格科技伦理审查；(二)加强科技伦理监管；(三)监测预警科技伦理风险；(四)严肃查处科技伦理违法违规行为；深入开展科技伦理教育宣传(一)重视科技伦理教育；(二)推动科技伦理培训机制化；(三)抓好科技伦理宣传；资料来源：国务院官网、平安证券研究所 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。银行行业深度报告 18/19 四、四、风险提示风险提示 1）人工智能发展不及预期人工智能发展不及预期。科技发展不及预期，大数据分析能力受到质疑。2）竞争加剧导致成本抬升竞争加剧导致成本抬升。AI大模型的恶性竞争导致技术开发投入产出不成正比，产品开发进度不及预期。3）监管力度超预期监管力度超预期。人工智能发展是监管重点，监管因素的变化对于科技应用产生重大影响，监管变革短期内对行业业务模式产生冲击。平安证券研究所投资评级：平安证券研究所投资评级：股票投资评级:强烈推荐（预计 6 个月内，股价表现强于市场表现 20%以上）推 荐（预计 6 个月内，股价表现强于市场表现 10%至 20%之间）中 性（预计 6 个月内，股价表现相对市场表现在10%之间）回 避（预计 6 个月内，股价表现弱于市场表现 10%以上）行业投资评级:强于大市（预计 6 个月内，行业指数表现强于市场表现 5%以上）中 性（预计 6 个月内，行业指数表现相对市场表现在5%之间）弱于大市（预计 6 个月内，行业指数表现弱于市场表现 5%以上）公司声明及风险提示：负责撰写此报告的分析师（一人或多人）就本研究报告确认：本人具有中国证券业协会授予的证券投资咨询执业资格。平安证券股份有限公司具备证券投资咨询业务资格。本公司研究报告是针对与公司签署服务协议的签约客户的专属研究产品，为该类客户进行投资决策时提供辅助和参考，双方对权利与义务均有严格约定。本公司研究报告仅提供给上述特定客户，并不面向公众发布。未经书面授权刊载或者转发的，本公司将采取维权措施追究其侵权责任。证券市场是一个风险无时不在的市场。您在进行证券交易时存在赢利的可能，也存在亏损的风险。请您务必对此有清醒的认识，认真考虑是否进行证券交易。市场有风险，投资需谨慎。免责条款：此报告旨为发给平安证券股份有限公司（以下简称“平安证券”）的特定客户及其他专业人士。未经平安证券事先书面明文批准，不得更改或以任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其他人。此报告所载资料的来源及观点的出处皆被平安证券认为可靠，但平安证券不能担保其准确性或完整性，报告中的信息或所表达观点不构成所述证券买卖的出价或询价，报告内容仅供参考。平安证券不对因使用此报告的材料而引致的损失而负上任何责任，除非法律法规有明确规定。客户并不能仅依靠此报告而取代行使独立判断。平安证券可发出其它与本报告所载资料不一致及有不同结论的报告。本报告及该等报告反映编写分析员的不同设想、见解及分析方法。报告所载资料、意见及推测仅反映分析员于发出此报告日期当日的判断，可随时更改。此报告所指的证券价格、价值及收入可跌可升。为免生疑问，此报告所载观点并不代表平安证券的立场。平安证券在法律许可的情况下可能参与此报告所提及的发行商的投资银行业务或投资其发行的证券。平安证券股份有限公司 2023 版权所有。保留一切权利。平安证券研究所 电话：4008866338 深圳深圳 上海上海 北京北京 深圳市福田区益田路 5023 号平安金融中心 B 座 25 层 上海市陆家嘴环路 1333 号平安金融大厦 26 楼 北京市丰台区金泽西路 4 号院 1 号楼丽泽平安金融中心 B 座 25 层

61人已浏览 2023-07-06 19页 5星级

2023中国金融科技企业首席洞察报告致 辞当前，全球正迎来新一轮科技革命和产业变革，数字经济浪潮蓬勃发展，人工智能、大数据、云计算、区块链、隐私计算等数字技术在金融领域应用不断深化，金融科技作为数字化时代科技驱动的金融创新，日益成为现代金融体系建设的重要组成部分和关键驱动力量。在金融管理部门、行业协会、从业机构等各方持续共同努力下，我国金融科技应用与发展取得了积极成效。一是金融机构数字化转型迈入快车道。以2022年上市银行金融科技投入为例，已披露相关数据的绝大多数上市银行金融科技资金投入占营业收入的比重在2%-6%之间，投入力度较上年实现了不同程度的增长。二是金融科技监管规则和创新监管工具深入实施。截至2023年6月底，我国已有200余项金融科技创新应用“入盒”测试或进入公示阶段，60%以上的项目涉及小微企业融资、农村金融服务等领域，服务产业发展和实体经济的导向明显。三是数字化渠道对金融消费者的覆盖面和便利性不断提升。截至2022年底，我国网络支付用户规模增至9.11亿人，完成中国互联网金融协会标准符合性自律备案的移动金融APP达2273款。四是数字金融产品和服务持续丰富。个人数字金融、产业数字金融、金融市场数字化交易等领域的创新产品和服务不断涌现，更好满足了实体经济和人民群众多样化的金融服务需求。尽管已取得积极成效，我国金融科技发展但仍面临一些亟待破解的现实挑战。比如，新兴业态监管和长尾消费者保护难度大，多重风险交叉叠加效应增强，金融数据治理和融合应用不足，产业链供应链安全可控水平有待持续提升，金融科技服务产业发展的直达性和有效性需要进一步加强。下一步，建议在我国数字经济健康发展和规划的总体框架下，进一步加强金融科技发展规划（2022-2025年）关于银行业保险业数字化转型的指导意见证券期货业科技发展“十四五”规划等政策文件的落地实施和中期评估，与时俱进地完善金融科技政策监管体系，继续深化金融科技创新监管工具、资本市场金融科技创新试点等中国版“监管沙盒”机制，扎实推进金融科技赋能乡村振兴工程、金融数据综合应用等领域的改革创新实践，大力促进金融科技与绿色金融、供应链金融、普惠金融、养老金融、新市民金融等场景的深度融合，着力推动“科技-产业-金融”良性循环。风正时济，自当破浪前行；任重道远，更需快马加鞭。在过去两年深度合作的基础上，中国互联网金融协会金融科技发展与研究专委会联合毕马威中国发挥渠道资源的协同互补效应，按照“从行业中来，到行业中去”的工作思路，共同研究发布2023中国金融科技企业首席洞察报告，通过调查问卷和深度访谈，汇聚来自中国金融科技市场第一线的真知灼见，相信能够为金融管理部门、广大从业机构和社会公众提供一份激发数字思维、穿透创新迷雾、洞察行业态势的高质量研究参考，从而为促进数字经济高质量发展、助力中国式现代化建设和实现共同富裕目标贡献积极力量。杨 农中国互联网金融协会副秘书长 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。22023中国金融科技企业首席洞察报告金融科技是以技术为驱动的金融创新型行业，数字经济的蓬勃兴起为其发展构筑了广阔舞台，数字技术的快速演进为金融数字化转型注入了充沛活力。尽管面临国内外发展环境的不确定性，但依托金融科技驱动的金融数字化转型全面深化已是确定趋势，行业未来发展前景广阔。尤其自去年底以来，以ChatGPT为代表的生成式人工智能（AIGC）引发了新一轮的创新浪潮，为金融科技的发展带来新机遇。创新是一把“双刃剑”，金融科技行业在把握AIGC带来创新机遇的同时，也要注意防范数据安全与隐私保护等风险。企业应通过前瞻性研究与潜在风险研判，及时有效防范新技术自身风险与金融应用风险，全面强化金融科技风险管理。值此行业发展的新阶段，毕马威与中国互联网金融协会金融科技发展与研究专委会联合发布2023中国金融科技企业首席洞察报告，这也是双方自2021年以来的第三次携手。报告通过中互金和毕马威的企业联络渠道，向超过200家全国范围内优秀金融科技企业CEO发放问卷，依据调研结果对金融科技发展的现状和未来趋势进行了全面的梳理，并提出了相应的政策建议。从调研结果来看，行业和企业的亮点频出。随着我国成功走出疫情大流行，国民经济稳步重启，金融科技行业信心指数达到三年来的新高，行业发展韧性增强，行业预期稳中向好。从企业端来看，成立5年以上的受访企业数量已超过80%，在2020年基础上翻了一番，企业的风险抵御能力增强，行业成熟度也进一步提升。此外，今年“钻研技术，增强竞争力”超过“开拓市场，树立品牌”再次成为受访企业未来3-5年的主要发展方向。企业发展方向优先级的变化体现了金融科技企业对技术竞争力的重视程度进一步提升，“秉承工匠精神，打牢技术基础”逐渐成为金融科技企业未来的主流发展理念。在ChatGPT引爆AIGC技术应用和金融机构数字化转型逐渐深化的当下，金融科技企业有望把握生成式AI大模型崛起的机遇，依托“基础通用大模型 行业落地小模型”赢得金融领域的更多市场空间。我们也欣喜地看到，去年底颁布实施的“数据二十条”在政策层面为金融科技行业高质量发展提供了有效支持，落地效果初显。高达79%的受访企业认为“数据二十条”对金融科技行业数据流通和共享有积极促进作用。但金融数据的融合应用及个人隐私保护等数据安全问题仍是企业关注的焦点，也是行业未来仍需持续面临的重要课题。毕马威中国自2016年开始，已连续举办了七届中国领先金融科技企业的评选，见证了众多优秀金融科技企业的发展和壮大。此次再度与中互金协会携手开展企业联合调研也离不开多年来双方在金融科技行业的深耕和细耘。我衷心希望本次报告中来自金融科技行业第一线的真知灼见能为促进金融科技的持续高质量发展尽绵薄之力！张楚东毕马威中国金融服务业主管合伙人32023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。摘要经济为肌体，金融为血脉。数字经济的蓬勃兴起为金融创新发展构筑广阔舞台，数字技术的快速演进为金融数字化转型注入充沛活力，数字金融基础设施不断完善，金融服务覆盖面逐步扩大，金融惠民利企水平持续提升，金融科技监管规则体系和监管框架持续健全，金融科技逐步从“立柱架梁”全面迈入“积厚成势”的高质量发展新阶段。为全面把握新阶段和新形势下金融科技发展的脉动和趋势，毕马威中国连续第三年携手中国互联网金融协会金融科技发展与研究专委会开展专项调查，面向全国范围内金融科技企业首席执行官、创始人或金融科技业务负责人发放调查问卷，收集和分析来自金融科技行业第一线的真知灼见。本次调查问卷依托毕马威中国和中国互联网金融协会的渠道，主要面向金融科技企业CEO和高管发放。调研自2023年5月16日启动，至2023年6月4日结束，共计回收250份有效问卷样本，样本量与去年持平。联合课题组通过对问卷数据的归纳、整理和分析，并与2020-2022年三年间的有关调查数据横向对比，最终形成2023年中国金融科技企业首席洞察报告。报告由受访企业基本情况、金融科技十大发展现状、金融科技十大趋势展望、金融科技行业发展政策建议等主要部分构成。各章节的核心发现和主要观点包括：受访企业基本情况北京、上海、深圳、广州四地的金融科技产业集聚效应和头雁效应依然明显，受访企业数量占比达82%，杭州和成都的受访企业数量占比分别为6%和5%，呈稳步抬升趋势；成立5年以上的受访企业数量已超过80%，在2020年基础上翻了一番，企业的风险抵御能力增强，行业成熟度也进一步提升。2023年平台技术赋能（33%）、普惠科技（14%）和财富科技（10%）赛道位列前三，在金融科技市场占据主流；其余业务领域则分别拥有3%-9%不等的份额，延续了百花齐放的行业格局。北上深广等主要城市的受访企业数量占比达到823%平台技术赋能14%普惠科技10%财富科技 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。42023中国金融科技企业首席洞察报告01在不确定时代保持韧性生长，金融科技行业信心指数为近三年最高。2023年金融科技行业未来发展信心指数平均分提升至82.8，创近三年新高。06企业持续强化技术创新和科技人才投入，显著带动专利成果数量增加。受访企业中，研发费用占比超过40%的占比48%，专业科技人员占比超过40%的占比73%，拥有超过100项专利的占比首次突破20%。02金融数字化转型已进入攻坚期，银行业持续走在前列。从近三年数据来看，受访企业对各类金融机构数字化转型的进度评估平均分为3分，金融业整体数字化进度保持平稳态势。其中，银行业评估得分连续三年稳居第一，保持在3.5分以上，处于金融数字化转型的领跑者地位。07科技赋能综合化特征明显，区块链、隐私计算与安全技术应用水平显著提升。综合技术赋能占比从2022年的42%上升至2023年的50%，科技赋能金融的综合化特征愈发明显。此外，区块链、隐私计算与安全技术占比从2022年的12%上升至23年的14%。03超五成企业已经或计划“走出去”，我国港澳台地区成为业务布局首选地。在受访企业中，52%的企业已经或计划“走出去”，较2022年大幅提高了9%。我国港澳台地区（65%）、东南亚（57%）、北美（24%）和欧洲（20%）为金融科技企业“走出去”热门目的地。08行业标准化意识有待持续增强，国际标准实质性参与程度仍有欠缺。共有55家受访企业参与制定国家标准和行业标准，与2022年基本保持一致，占比23%；参与制定行业协会和产业联盟标准的企业为58家，比2022年增加9家，占比24%；参与国际标准制定的企业为6家，比2022年基本持平，占比2%。04金融机构和科技公司合作过程中对数据安全和隐私保护风险的担忧有所下降。2023年共有77%的受访企业将“对数据安全和隐私保护风险的担忧”视为金融机构和金融科技公司合作的最主要困难，较去年下降了5个百分点。“合作摩擦成本和管理成本较高”占比由45%升至54%，益发受到业界关注。09开展员工教育培训、提升算法等应用的公平普惠性是金融科技伦理的重点实践方向。50%的受访企业已开展教育培训、提升员工金融科技伦理意识和职业素养，尚未开展金融科技伦理治理相关工作的受访企业从去年的23%下降至18%，反映出越来越多的企业主体参与到了金融科技伦理的行业实践建设中，行业伦理意识持续强化。05金融科技企业的投资主体更加多元，传统金融机构占比逐年上升。2023年受访企业投资方中的各类主体占比更加均衡，其中PE&VC占比逐年下降，从2020年的53%下降到2023年的36%；传统金融机构投资占比呈上升趋势，从2020年的10%上升到2023年的19%，已从第三位变为第二位；个人资金发展最快，从2020年的5%上升到2023年的16%。10“数据二十条”落地效果初显，金融数据治理仍需重点关注隐私安全。79%的受访企业认为“数据二十条”对金融科技行业数据流通和共享有积极促进作用。结合金融科技行业数据治理问题来看，金融数据治理仍需重点关注过度采集个人信息的隐私安全问题，42%的企业将其作为第一选项，相比2022年上升了5个百分点。2023金融科技十大发展现状52023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。2023金融科技十大趋势展望金融信息技术创新生态不断完善，IT基础设施和基础软件领域需重点发力。受访企业认为，传统金融机构金融信创需重点发力的领域主要集中于IT基础设施（72%）和基础软件（72%），有55%的受访企业将IT基础设施作为首选项。金融科技赋能绿色金融可重点发力ESG信息披露标准和业务决策流程优化。针对金融科技赋能绿色金融和ESG投资方面的主要着力点，65%的受访企业选择“建立绿色金融和ESG披露行业标准，完善风险分析与管理”，54%的受访企业选择“将ESG披露与金融机构业务流程有机结合，简化决策流程”。业界对待元宇宙态度更加理性务实，主要落地金融客服和营销两大业务场景。22%的受访企业不看好元宇宙金融应用前景，相较去年大幅提高了11个百分点。在看好元宇宙的企业中，选择客服和营销作为元宇宙金融应用的主要落地场景的占比分别为76%、69%。九成以上企业看好AIGC金融应用前景，有望深度融入金融机构日常运营。高达92%的受访企业看好AIGC金融应用前景，并且27%的受访企业已有技术和产品布局。77%的受访企业认为AIGC可以优化业务创新、内容生产，深度融入金融机构日常运营。金融科技企业更加重视增强技术竞争力，降本增效趋势较为明显。与2022年相比，“钻研技术，增强竞争力”超过“开拓市场，树立品牌”再次成为受访企业未来3-5年的主要发展方向，占比53%；选择“压缩成本，提高效率”的企业占比从12%大幅增加到18%。趋势一中小金融机构多措并举破解金融科技发展“三缺”难题，突出特色化、差异化、本地化是关键。76%的受访企业将“着力发展中小金融机构特色化、差异化、本地化金融科技”作为应对“三缺”难题的着力点，其中36%的受访企业将其作为第一选项。趋势六金融科技行业的核心痛点仍是如何在数据融合应用和安全保护间取得平衡。56%的受访企业将数据要素流通和融合应用列为困扰金融科技行业的主要痛点，但将其作为首选的企业占比为21%，仍低于数据质量和数据安全的35%。趋势二长三角、珠三角、京津冀等产业集群优势延续，苏杭、成渝等新高地快速崛起。长三角（74%）、珠三角（66%）、京津冀（34%）被受访企业认为是未来金融科技产业增长最快的区域。杭州（75%）成为除北上广深外最被看好的城市，成都（63%）、重庆（47%）、苏州（44%）紧随其后。趋势三发展监管科技和推进中国版“监管沙盒”是平衡金融科技创新和风险的关键举措。推进监管科技应用和中国版“监管沙盒”被受访企业视为平衡金融科技创新和风险的最重要举措，分别占比56%和53%，其中21%的受访企业把“推进监管科技应用”作为首选项。趋势四数字化供应链金融、绿色金融持续位居前三蓝海业务领域，科创金融服务迎发展新机。数字化供应链金融、绿色金融分列蓝海应用领域第一、第三位，分别占比55%、36%；科创金融服务2023年首次纳入问卷调查即位居蓝海业务领域第二位，占比为50%，其中30%的受访企业把科创金融服务作为首选项，成为细分赛道中占比最高的首选项。趋势五趋势七趋势八趋势九趋势十 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。62023中国金融科技企业首席洞察报告建议一：持续优化金融科技监管政策。建议进一步加强规划执行、监测评估、典型示范等工作，推动金融科技发展规划（2022-2025年）关于银行业保险业数字化转型的指导意见证券期货业科技发展“十四五”规划等政策文件的落地实施。建议二：着力完善金融科技产业生态。建议进一步推动金融科技发展与京津冀、长三角、粤港澳大湾区等国家区域发展战略相融合，深入推进金融科技领域的人才、资本、技术、标准等多元交流合作，进一步完善和活跃涵盖金融机构、科技公司、研究机构、中介机构、检测认证机构等多元主体的金融科技产业生态，积极支持相关从业机构通过境外合作展业、参与国际标准、申请技术专利、国际人才交流等多种方式“走出去”，加快形成立足中国、辐射全球、具备国际竞争力的金融科技产业集群。建议三：不断深化金融科技应用场景。建议进一步推动产业数字金融规范发展，促进金融科技与绿色金融、供应链金融、科创金融、小微金融、制造业金融等产业场景的深度融合，推动金融科技高效服务科技自立自强、产业转型升级、智能制造、绿色发展、新型基础设施建设等国家重大领域发展战略，助力实现“科技-产业-金融”良性循环。建议四：有序推动金融数据融合应用。建议进一步落实数据安全法个人信息保护法等法律规范和相关金融标准规则，建立涵盖数据全生命周期的数据安全管理体系。探索建立公共数据、企业数据、个人数据的分类分级确权授权制度，遵循“用户授权、安全合规、分类施策、最小够用、可用不可见”等原则，规范自身采数、用数、存数行为，定期开展数据安全审计和外部评估，注重运用区块链、隐私计算等技术，推动金融数据安全共享与融合应用。建议五：全面强化金融科技风险管理。加强对元宇宙、AIGC等新技术金融应用的前瞻性研究与潜在风险研判，适时通过风险拨备资金、保险计划、运行监控、应急处置等安全保障措施，及时有效防范新技术自身风险与金融应用风险。金融科技行业五大发展建议目录01概述02受访企业基本情况分析042023金融科技十大趋势展望05政策建议032023金融科技十大发展现状 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。82023中国金融科技企业首席洞察报告概述党的二十大报告高度重视数字经济健康发展，将其作为建设现代化产业体系、推动高质量发展的重要内容，强调“加快发展数字经济，促进数字经济与实体经济深度融合，打造具有国际竞争力的数字产业集群”，为中国未来数字经济发展明确了方向，谋划了重点。国务院印发的“十四五”数字经济发展规划明确提出“十四五”时期我国数字经济发展目标，到2025年，数字经济迈向全面扩展期，数字经济核心产业增加值占GDP比重达到10%，数字化创新引领发展能力大幅提升，智能化水平明显增强，数字技术与实体经济融合取得显著成效，数字经济治理体系更加完善，我国数字经济竞争力和影响力稳步提升。经济为肌体，金融为血脉。数字经济的蓬勃兴起为金融创新发展构筑广阔舞台，数字技术的快速演进为金融数字化转型注入充沛活力，数字金融基础设施不断完善，金融服务覆盖面逐步扩大，金融惠民利企水平持续提升，金融科技监管规则体系和监管框架持续健全，金融科技逐步从“立柱架梁”全面迈入“积厚成势”的高质量发展新阶段。金融是强监管行业，推动金融科技行稳致远需要发展与规范并重，在持续提升金融科技创新能力和活跃水平的同时，注重发挥制度对金融科技发展的激励约束作用，不断完善法律制度、监管规定、行业标准、自律规则等制度安排。2022年10月出台的金融领域科技伦理指引以及12月颁布的关于构建数据基础制度更好发挥数据要素作用的意见，即“数据二十条”，有助于完善金融科技守正创新的“制度拼图”，加快形成多层次金融科技制度规则体系。在金融科技行业持续践行“金融为本、科技为器、制度为基”这一重要发展理念的同时，我们也应看到，进入2023年以来，我国成功走出疫情大流行，国民经济稳步重启，但当前经济复苏依然处于早期，各行业恢复态势并不均衡，市场信心依然有待提升，经济回升基础仍需巩固。从国际情况看，当前世界经济增长放缓，地缘政治冲突持续，国际金融市场波动加剧，给中国经济复苏带来更加复杂多变的国际环境。为全面把握新阶段和新形势下金融科技发展的脉动和趋势，中国互联网金融协会金融科技发展与研究专委会连续第三年携手毕马威中国开展专项调查，面向全国范围内金融科技企业首席执行官、创始人或金融科技业务负责人发放调查问卷，收集和分析来自金融科技行业第一线的真知灼见。本次调查问卷依托中国互联网金融协会和毕马威中国渠道，主要面向金融科技企业CEO和高管发放。调研自2023年5月16日启动，至2023年6月4日结束，共计回收250份有效问卷样本，样本量与去年持平。联合课题组通过对问卷数据的归纳、整理和分析，并与2020-2022年三年间的有关调查数据横向对比，最终形成2023年中国金融科技企业首席洞察报告，以期为进一步优化完善中国金融科技行业政策与监管、促进金融科技高质量发展提供第一手调研资料和研究参考。82023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。92023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。受访企业基本情况分析02 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。102023中国金融科技企业首席洞察报告图 1 受访企业所在城市分布1八成以上受访企业位于北上深广，杭州、成都金融科技创新发展势头强劲2.1从受访企业城市分布来看，北京、上海、深圳、广州四地的金融科技产业集聚效应和头雁效应依然明显，聚集了超过80%的受访企业，体现了一线城市在金融科技政策、人才、资金等方面的强大吸引力（图1）。其中，北京受访企业数量已连续四年蝉联第一，2023年数量占比43%；2023年上海和深圳的受访企业数量持平，占比均为16%；广州受访企业数量占比为7%，已连续四年小幅增长。除北上深广外，杭州和成都作为新兴金融科技中心城市，受访企业的数量近年来也稳步抬升，展现出了良好的创新活力和发展势头。54PFC%1%3%4%7%2%5%7%6%2%7%5%7%6%8 20202120222023北京上海深圳广州杭州成都其他1 本报告图表中所列数据由于四舍五入可能加总不等于100。112023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。八成以上受访企业成立年限超过五年，进入相对成熟稳定的经营发展阶段2.2图 2 受访企业成立年限分布8%4%3%2Q114GIU%6& 202021202220232年2-5年5-10年10年以上从受访企业成立年限来看，成立5年以上的企业数量在四年中增长迅速，2023年占比超过80%，较2020年翻了一番（图 2）。其中26%的企业成立时间已超十年，较2022年提升8个百分点，是2020年占比的四倍。尽管金融科技行业在过去三年内面临新冠疫情流行、经济下行压力、地缘政治冲突等多重叠加因素的冲击，但大部分受访企业仍表现出较强的发展韧性和风险抵御能力，持续赋能金融业服务实体经济。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。122023中国金融科技企业首席洞察报告图 3 受访企业主要业务领域283 %9%9%9%8%7%9%7%4%7%3%3 222023平台技术赋能普惠科技财富科技支付科技供应链科技监管科技保险科技综合金融科技其他表 1 金融科技企业细分赛道名词解释赛道名称赛道名称业务内容业务内容综合金融科技综合金融科技持牌金融机构赋能场景金融，构建开放、场景化和可持续的金融科技生态。财富科技财富科技赋能财富管理价值链，为客户提供高效、便捷的财富管理服务保险科技保险科技科技加速保险服务升级，助力保险行业从多场景涵盖迈入全场景涵盖普惠科技普惠科技科技催生新的普惠服务应用场景，赋能普惠金融的可持续发展供应链科技供应链科技赋能创新供应链金融服务，构建供应链中占主导地位的核心企业与上下游企业一体化的金融供给体系和风险评估体系支付科技支付科技赋能移动支付市场，为支付增加便捷性和安全性；打通企业资金流和信息流，有效帮助企业高效解决资金的运转问题监管科技监管科技解决监管面临的困难，推动各类机构满足合规要求的新兴技术，有效地促进监管达标平台平台技术赋能技术赋能为金融机构、企业提供复合式技术应用与解决方案，赋能金融业数字化转型，驱动业务的突破和发展；涵盖的技术有：大数据与AI,区块链、隐私计算与安全，分布式云计算与硬件加速等。平台技术赋能企业占比增至三成以上，技术是金融科技企业立身之本2.3从受访企业主要从事的业务领域看，2023年平台技术赋能（33%）、普惠科技（14%）和财富科技（10%）位列前三，在金融科技市场占据主流；其余业务领域则分别拥有3%-9%不等的份额，延续了百花齐放的行业格局（图3）。值得关注的是，平台技术赋能企业占比相较2022年提高了5%，一定程度上体现了当前金融科技企业更加重视底层技术研发和综合应用优势。从长远发展的角度看，加快实现底层技术突破、依托复合式底层技术优势赋能金融业务将会是金融科技行业未来发展的主攻方向。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。132023中国金融科技企业首席洞察报告2023金融科技发展十大现状03 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。142023中国金融科技企业首席洞察报告在不确定时代保持韧性生长，金融科技行业信心指数为近三年最高3.1图 4 受访企业对未来行业发展信心指数3%8%62eST%0 0Pp0 212022202360分以下60-8081-100进入2023年以来，随着我国成功走出疫情大流行，国民经济稳步重启。但当前我国经济复苏依然处于早期，各行业的恢复态势并不均衡，市场信心依然有待提升，经济回升基础仍需巩固。从国际情况看，当前世界经济增长放缓，地缘政治冲突持续，国际金融市场波动加剧，给中国经济复苏带来更加复杂多变的国际环境。在不确定性增大的时代背景下，受访企业依旧保持经营发展韧性，对金融科技行业未来发展信心满满，2023年金融科技行业未来发展信心指数平均分提升至82.8，为近三年最高。分项来看，信心指数在60分以下的受访企业（低分组）占比从2022年的8%下降至2023年的6%，81-100分的企业（高分组）占比则从53%小幅升至54%（图 4）。可以看到，尽管外部经营环境充满不确定性，但依托金融科技驱动金融数字化转型全面深化已是确定性趋势，相关企业对行业发展前景的预期稳中向好。152023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 5 金融行业推动数字化转型的进度金融数字化转型进入攻坚期，银行业持续走在前列3.23.52.72.82.13.83.33.12.53.62.92.82.20.01.02.03.04.0银行业证券及资管业保险业其他202120222023近年来，在消费互联网快速发展的背景下，我国金融数字化转型可以说是基于零售、始于营销、兴于风控，在这些方面的数字化程度往往高于对公、资管、交易、运营等其他核心业务环节。随着消费互联网“红利效应”递减，金融数字化转型逐步进入攻坚期，亟需在对公、资管、交易、运营等方面加快补齐数字化短板，将金融科技应用重点更多向优流程、强运营倾斜。从近三年数据来看，受访企业对各类金融机构数字化转型的进度评估得分基本处于2-4分，金融业整体数字化进度保持平稳态势。其中，银行业评估得分连续三年稳居第一，保持在3.5分以上，处于金融数字化转型的领跑者地位（图 5）。同时我们也看到，2023年受访企业对各金融子行业数字化转型的进度评估得分较之2022年的平均评分有所下降，一定程度上验证了上述对于金融数字化转型进入攻坚期、金融科技应用重点有所变化的趋势判断。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。162023中国金融科技企业首席洞察报告超五成企业已经或计划“走出去”，我国港澳台地区成为业务布局首选地3.3图 6 受访企业境外业务开展情况57H%8%0%2%6%7 222023无相关计划已在境外设立机构独立开展业务已与境外机构合作开展业务已投资境外机构计划以合作或投资方式在境外开展业务计划在境外设立机构独立开展业务随着金融双向开放程度的持续加深，开辟海外市场、寻求业务增长的“新蓝海”已成为越来越多金融科技企业的选择。在受访企业中，52%的企业已经或计划“走出去”，较2022年大幅提高了9%。其中，32%的企业已经以独立、合作或投资的方式开展境外业务，20%的企业计划开展境外业务，二者占比均稳步提升（图6）。从区域选择来看，我国港澳台地区（65%）、东南亚（57%）、北美（24%）和欧洲（20%）为金融科技企业“走出去”热门目的地，特别是我国港澳台地区已由去年的区域选择第二位跃升为首位（图7）。172023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 7 已经或计划开展境外业务的受访企业区域选择（多选）5%7h%3%6%6%8%9 $We%其他南美洲南亚澳洲非洲欧洲北美东南亚我国港澳台地区20232022 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。182023中国金融科技企业首席洞察报告金融机构和科技公司合作过程中对数据安全和隐私保护风险的担忧有所下降3.4图 8 金融机构和金融科技公司合作中遇到的主要困难（多选排序）1%3%2%3%8#Y%4%7#%5%9%7%8%8%5%0 0Pp%合作行为不规范导致声誉风险合作双方权责界定不清系统对接带来网络安全风险金融科技合作伙伴潜在经营失败风险合规与风险管理理念不匹配合作摩擦成本和管理成本较高数据安全和隐私保护风险的担忧第一选项第二选项第三选项调查显示，2023年共有77%的受访企业将“对数据安全和隐私保护风险的担忧”视为金融机构和金融科技公司合作的最主要困难，较去年下降了5个百分点；59%的受访企业将其作为第一选项，较去年大幅下降了9个百分点（图 8）。随着金融科技合作的持续深化以及个人信息保护数据安全法等相关法律制度的贯彻落实，双方对数据安全和隐私保护风险的担忧得以部分缓解，并有望通过加强合作规范管理以及隐私计算等技术应用进一步妥善解决。此外，选择“合作摩擦成本和管理成本较高”的企业占比从45%增加到了54%，且有23%的企业将其作为了首选项，较去年提高了11个百分点。金融机构和金融科技公司在合作的过程中，往往会因沟通渠道不畅、协调机制复杂而产生较高的合作摩擦成本和管理成本，出现一段时间的“合作磨合期”。随着金融科技市场的快速发展以及合作场景的日益增多，这种合作过程中的“隐性成本”也越发为业界所关注，成为未来双方合作所急需解决的问题之一。除此之外，受访企业表示在合作中也会遇到合规与风险管理理念不匹配（40%）、金融科技合作伙伴潜在经营失败风险（22%）、系统对接带来网络安全风险（20%）等困难。192023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 9 受访企业最大投资方金融科技企业的投资主体更加多元，传统金融机构占比逐年上升3.553F96%5%8 20202120222023PE&VC传统金融机构个人资金互联网系企业其他2023年受访企业投资方中的各类主体占比更加均衡，其中PE&VC占比逐年下降，从2020年的53%下降到2023年的36%；传统金融机构投资占比呈上升趋势，从2020年的10%上升到2023年的19%，已从第三位变为第二位；个人资金发展最快，从2020年的5%上升到2023年的16%（图9）。在当前经济金融环境快速变化的背景下，各方主体基于不同原因纷纷参与金融科技投资。其中，传统金融机构希望通过投资金融科技创新团队，提升科技赋能有效性和直达性，进一步加快数字化转型，以期在未来的市场环境中占据技术创新优势；个人资金则看好金融科技这一新兴行业的前景，通过持续参与市场投资以求提高资产回报。可以预见的是，未来将会有更多类型的市场主体参与金融科技投资，金融科技投融资市场将进一步呈现百花齐放的良好格局。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。202023中国金融科技企业首席洞察报告企业持续强化技术创新和科技人才投入，显著带动专利成果数量增加3.6图 10 受访企业研发费用占总成本的比例8! 53011)2 %0%3%3%2%0 0Pp0 2020212022202320 %-40%-60%-80%-100%研发投入和创新人才储备是推动技术进步的关键因素。人民银行金融科技发展规划（20222025年）提出要“扎实做好金融科技人才培养”，原银保监会关于银行业保险业数字化转型的指导意见也表示“注重引进和培养金融、科技、数据复合型人才，重点关注数据治理、架构设计、模型算法、大数据、人工智能、网络安全等专业领域。积极引入数字化运营人才，提高金融生态经营能力，强化对领军人才和核心专家的激励措施”。调查显示，近四年来，约一半的受访企业研发费用占总成本比例超过40%，其中，2023年研发费用占比超过40%的受访企业占比为48%，较2022年小幅下降4个百分点（图 10）。从专业科技人员占比来看，近四年来，科技人员占比超过40%的受访企业约为60-70%，科技人员占比超过60%的受访企业约占40%，其中，2023年科技人员占比超40%和60%的受访企业比例分别为73%和39%，与历年数据持平，充分体现了加强技术创新和科技人才投入一直是金融科技企业发展的核心要素（图11）。随着人工智能、大数据、云计算、区块链等数字技术日益成熟，越来越多的金融科技企业将金融场景与数字技术融合，并注重加强专利申请和知识产权保护工作。结合受访企业专利取得情况来看，2023年专利数量在100项以上的企业占比首次突破20%，30项以上的企业占比更是稳步增至43%（图 12）。212023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 11 受访企业专业科技人员占比9%4%6%53%!#457B9%0 0Pp0 2020212022202360%图 12 受访企业拥有专利数量83bYW%7%6%7%8%4 %0 0Pp0 2020212022202330项30-50项50-100项超过100项 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。222023中国金融科技企业首席洞察报告科技赋能综合化特征明显，区块链、隐私计算与安全技术应用水平显著提升图 13 受访企业核心技术要素综合技术赋能,50%大数据,15%区块链、隐私计算与安全,14%分布式、云计算与硬件加速,4%其他,2%5G与物联网,1%机器学习,34%自然语言处理,25%计算机视觉,13%知识图谱,13%智能语音与对话式AI,9%机器人流程自动化,3%其他,3%AI,13%随着数字技术快速迭代和深入发展，金融科技企业的核心技术要素的分布格局出现新变化。调研显示，综合技术赋能占比从2022年的42%上升至2023年的50%，科技赋能金融的综合化特征愈发明显（图13）。在数据安全方面，区块链、隐私计算与安全技术占比从2022年的12%上升至23年的14%。2022年1月，国家市场监管总局、人民银行发布了金融科技产品认证目录（第二批），将区块链技术产品、商业银行应用程序接口、多方安全计算金融应用纳入国家统一推行的认证体系，有力推动了金融机构和金融科技企业加强对区块链、隐私计算与安全技术的规范应用。同时，其他受访企业也围绕大数据（15%）、AI（13%）、分布式、云计算与硬件加速（4%）等多个核心技术要素构建自己的核心竞争力。在AI核心技术领域，机器学习和自然语言处理占比较高，分别为34%、25%。目前，在机器学习和自然语言处理等AI核心技术的发展和推动下，以ChatGPT为代表的生成式AI大模型一经推出就备受业界关注。未来金融科技企业有望把握生成式AI大模型崛起的机遇，依托“基础通用大模型 行业落地小模型”赢得金融领域的更多市场空间。此外，受访企业在计算机视觉（13%）、知识图谱（13%）、智能语音与对话式AI（9%）等细分方向也有不同程度的发展。3.7232023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。行业标准化意识有待持续增强，国际标准实质性参与程度仍有欠缺3.8图 14 企业制定金融科技相关标准的情况和数量3%2# $UQ%0 0Pp0 222023国际标准国家标准和行业标准行业协会、产业联盟等团体标准暂未参与有关标准制定工作2022年2月，人民银行等四部门联合印发的金融标准化“十四五”发展规划明确要求，稳步推进金融科技标准建设，引领金融科技规范健康发展。建立一个“国家标准是底线，行业标准是门槛，企业标准是标杆”的多层次金融科技标准体系，已成为金融科技行业可持续健康发展的关注焦点。调查显示，共有55家受访企业参与制定国家标准和行业标准，与2022年基本保持一致，占比23%；参与制定行业协会和产业联盟标准的企业为58家，比2022年增加9家，占比24%；参与国际标准制定的企业为6家，比2022年基本持平，占比2%（图14）。总体而言，金融科技行业标准化工作日益成为行业共识，在部分领域也取得了可喜进展，但仍需进一步激励金融科技企业继续深入参与制定行业标准。尤为重要的是，当前金融科技国际交流不断增多，国际竞争日趋激烈，国际治理更加重要，而我国受访企业在国际标准制定的参与程度仍有很大提升空间，未来需大力支持相关企业进一步实质性参与甚至主导金融科技国际标准制定，为全球金融科技发展和治理提供中国智慧和中国方案。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。242023中国金融科技企业首席洞察报告开展员工教育培训、提升算法等应用的公平普惠性是金融科技伦理的重点实践方向3.9图 15 企业在金融科技伦理方面的主要探索实践(多选)18%1%8HP%尚未开展相关工作其他建立金融科技伦理相关审查和信息披露机制设立金融科技伦理委员会等组织或由指定部门、人员负责参与制定金融科技伦理标准规则、行动指南或自律公约将金融科技伦理要求纳入公司治理、数据治理等内部管理制度公平公正地使用智能算法模型，提升技术应用的公平普惠性开展教育培训，提升员工金融科技伦理意识和职业素养随着金融与科技的深度融合，数据滥用、算法歧视、数字鸿沟等诸多伦理问题受到社会各方广泛关注。鉴于此，中国人民银行于2022年底出台了金融领域科技伦理指引，提供了在金融领域开展科技活动需要遵循的7个价值理念和行为规范，为加强金融科技伦理建设、营造行业健康秩序提出了任务要求。调查显示，50%的受访企业已开展教育培训、提升员工金融科技伦理意识和职业素养，比去年提升5%，跃升为金融科技伦理的首要发力方向；48%的受访企业已探索公平公正地使用智能算法模型、提升技术应用的公平普惠性；40%的受访企业已将金融科技伦理要求纳入公司治理、数据治理等内部管理制度（图 15）。值得注意的是，尚未开展相关工作的受访企业比例从去年的23%下降至18%，反映出越来越多的企业主体参与到了金融科技伦理的行业实践建设中，行业伦理意识持续强化。此外，参与制定金融科技伦理自律规范（14%）、设立金融科技伦理委员会等组织机构（10%）、建立金融科技伦理相关审查和信息披露机制（9%）的受访企业数量仍有进一步提升的空间。252023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。“数据二十条”落地效果初显，金融数据治理仍需重点关注隐私安全3.10图 16“数据二十条”对金融科技行业的影响（多选排序）5%4%7%5g%7%90%7%9%8%5%0 0Pp%企业数字化转型需求激增数据资产相关行业标准和业务规范受到关注数据安全治理问题成为行业焦点产业金融、公共数据应用能够获得长足发展对行业数据基础设施需求凸显（如数据资产存管用平台）对金融科技行业数据流通、共享有积极促进作用第一选项第二选项第三选项2022年12月，中共中央、国务院发布了关于构建数据基础制度更好发挥数据要素作用的意见（即“数据二十条”），旨在从数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度，有助于进一步增强金融科技等领域的发展新动能。从调查结果来看，79%的受访企业认为“数据二十条”对金融科技行业数据流通和共享有积极促进作用，其中更有67%的企业将其视为最重要的影响结果，远远高于其他选项（图 16）。由此可见，“数据二十条”在政策层面为金融科技行业高质量发展提供了有效支持，落地效果得以初步显现。此外，受访企业认为“数据二十条”对金融科技行业的影响还包括对行业数据基础设施需求凸显（43%）、产业金融、公共数据应用能够获得长足发展（41%）、数据安全治理问题成为行业焦点（36%）等方面。结合金融科技行业数据治理问题来看，如何破解金融行业数据融合应用能力不足（50%）仍是受访企业关注的首要问题，这一结果与2022年调研结果保持一致；此外，金融数据治理仍需重点关注过度采集个人信息的隐私安全问题，42%的企业将其作为第一选项，相比2022年上升了5个百分点（图 17）。同时，缺乏覆盖数据生命周期的治理框架（42%）、数据质量较低（34%）、基于算法的价格歧视和掠夺式定价（31%）等也是行业内普遍存在的数据治理问题。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。262023中国金融科技企业首席洞察报告图 17 金融科技行业存在哪些数据治理问题（多选排序）9%7%9%7B%5 %7%4%9%3%0 0P%数据存储安全问题数据违规交易问题基于算法的价格歧视、掠夺式定价等数据质量较低问题缺乏覆盖数据全生命周期的治理架构过度采集个人信息数据融合应用能力不足第一选项第二选项第三选项 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。272023中国金融科技企业首席洞察报告2023金融科技十大趋势展望04 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。282023中国金融科技企业首席洞察报告图 18 未来3-5年内公司的主要发展方向（多选排序）金融科技企业更加重视增强技术竞争力，降本增效趋势较为明显4.19#2#%90%0 0P%压缩成本，提高效率业务范围多元化，综合化发展引入资本，扩张规模开拓市场，树立品牌钻研技术，增强竞争力第一选项第二选项与2022年相比，“钻研技术，增强竞争力”超过“开拓市场，树立品牌”再次成为受访企业未来3-5年的主要发展方向，占比保持在53%，其中23%的受访企业将其列为首选项（图18）。公司发展方向优先级的变化体现了金融科技企业对技术竞争力的重视程度进一步提升，“秉承工匠精神，打牢技术基础”逐渐成为金融科技企业未来的主流发展理念。此外，选择“压缩成本，提高效率”的企业占比从12%增加到18%，作为首选项的企业占比则从6%升至9%，两项占比均有所增加，且与其他选项的差距也在缩小。当前，国内经济结构调整压力较大，经济恢复基础尚不稳固，国际环境复杂多变给企业经营环境带来不确定性，可以预见的是，未来会有更多金融科技企业将降本增效作为经营管理重点纳入考量。292023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。金融科技行业的核心痛点仍是如何在数据融合应用和安全保护间取得平衡4.2图 19 当前行业发展的主要痛点是（多选排序）8%6%35!%9%8%9%6%9%3%0 0P%金融科技投融资环境不够成熟关键核心技术攻关能力不够长期主义和工匠精神有待培育金融科技高素质人才供给不足金融科技相关政策和制度规范仍待完善数据质量和数据安全问题数据要素流通和融合应用存在困难第一选项第二选项第三选项调查显示，数据要素流通和融合应用仍是行业的主要痛点，选择此选项的受访占比达56%，比去年提高4个百分点。金融科技正处于爬坡过坎的深化应用阶段，业务拓展和运营管理各领域各环节均需要数据支持，对数据要素流通和融合应用的需求极为迫切。但目前数据来源多样、数据标准不同、数据质量不一，叠加对数据安全和隐私保护的考虑限制了数据融合应用，数据共享和融合应用依然面临现实困难，数据要素价值难以充分发挥。近年来，陆续出台的个人信息保护、数据安全、数据要素相关法律法规护航数据安全，较大程度上缓解了行业数据质量和数据安全问题，有效助力了金融科技可持续健康发展。2023年，35%的受访企业将“数据质量和数据安全问题”作为行业发展痛点的首选项，比2022年下降3个百分点（图19）。数据安全法、“数据二十条”等政策文件明确了数据安全的基本原则和工作要求，对于金融科技行业收集、使用、存储和传输数据等行为提出了清晰且严格的要求，为金融科技行业合规使用数据、提升数据安全管理水平提供了指导和支持。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。302023中国金融科技企业首席洞察报告图 20 未来金融科技产业增长最快的区域是（多选排序）长三角、珠三角、京津冀等产业集群优势延续，苏杭、成渝等新高地快速崛起4.30%1%4E%1%2%59)%0 0Pp%山东半岛城市群长江中游城市群成渝城市群京津冀城市群珠三角城市群长三角城市群第一选项第二选项金融科技发展深受区域环境的影响，一个区域或城市的政策支持、营商环境、经济资源、配套服务、城市吸引力都会对行业产生显著影响。从区域分布看，长三角（74%）、珠三角（66%）被受访企业认为是未来金融科技产业增长最快的区域，其中分别有45%和27%的受访企业分别将长三角、珠三角列为首选重点发展区域，沿海发达城市群的产业聚集效应明显（图20）。此外，京津冀城市群表现同样亮眼，被34%的受访企业列为未来金融科技产业增长最快区域，受企业青睐程度稳定在前三水平。从城市分布看，杭州、成都、重庆、苏州、武汉等成为除北上广深外最受看好的金融科技中心城市。其中，杭州成为除北上广深外最被看好的城市，75%的受访企业选择杭州，其中27%将其作为首选项，与前一年比例基本一致。成都作为崛起的新一线城市紧随其后，63%的企业选择成都，其中24%将其作为首选项。此外，南京（26%）、青岛（17%）、雄安（16%）也受到金融科技企业不同程度的关注，有望依托城市比较优势在金融科技产业集群和区域竞争中占据一席之地（图21）。312023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 21 除北上广深外，未来最看好的五个金融科技发展重点城市（多选排序）0%2%2%2%3%5%1%7$%1%2%2%2%4%2%6%9 %1%3%3%3%4%5%6%9%9%1%3%4%6%3%3%7%9%5%6%8%6%3%2%5%2%2%2%6%6%7%5%3%7%0 0Pp%郑州天津合肥西安雄安青岛南京武汉苏州重庆成都杭州第一选项第二选项第三选项第四选项第五选项 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。322023中国金融科技企业首席洞察报告图 22在平衡金融科技创新和风险方面，哪些举措能够发挥较好作用（多选排序）发展监管科技和推进中国版“监管沙盒”是平衡金融科技创新和风险的关键举措4.44%5%8%9B!%9%7%6%7%5%8%0 0P%开展移动金融APP、金融云等自律备案和管理强化金融科技与平台经济反垄断开展金融科技产品认证和信息技术服务机构备案发布实施金融科技标准规范加强金融科技创新、风险等信息披露持续开展中国版“监管沙盒”推进监管科技应用第一选项第二选项第三选项调查显示，推进监管科技应用和中国版“监管沙盒”被受访企业认为是平衡金融科技创新和风险的最重要举措，分别占比56%和53%，其中21%的受访企业把“推进监管科技应用”作为首选项，比2022年提升3个百分点。近年来，面对金融科技蓬勃兴起所带来的业态主体多元、长尾客户众多、产品跨界嵌套、集团混业经营、多重风险叠加等新特征新变化，金融管理部门注重将科技驱动优势贯穿事前事中事后的金融监管全链条，探索运用人工智能、大数据、云计算、区块链、物联网、应用程序编程接口（API）等科技手段，逐步实现并优化规则数字化翻译、数据实时化采集、风险智能化分析、结果自动化处置等功能，着力提升宏观审慎监管和微观行为监管的科技应用水平，从而使金融管理部门对各类金融科技创新真正做到“看得懂、穿得透、控得住、管得好”。与此同时，人民银行金融科技创新监管工具、证监会资本市场金融科技创新试点等中国版“监管沙盒”机制也在持续推进中。监管沙盒作为一种“试验主义”监管机制，能够为金融创新提供“缩小版”的真实市场和审慎包容的探索环境，使金融监管部门在风险可控的前提下加快认清新业务模式和技术方案的风险、价值和改进路径，深入评估相关监管方法是否能够实现目标，同时减少金融产品和服务创新发展成熟所需的时间和成本。另外，加强金融科技创新、风险等信息披露（44%）、发布实施金融科技标准规范（35%）、开展金融科技产品信息认证和信息技术服务机构备案（35%）也是受访企业认为平衡金融科技创新和风险的必要举措（图22）。332023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。数字化供应链金融、绿色金融持续位居前三蓝海业务领域，科创金融服务迎发展新机4.5图 23 未来金融科技发展的蓝海业务领域有哪些（多选排序）8%6%90%9%7&%8%7%5%9%0 0P%“三农”金融服务小微金融服务财富管理和资产管理业务养老金融服务绿色金融和ESG投资科创金融服务数字化供应链金融第一选项第二选项第三选项数字化供应链金融继2022年之后再次成为最被受访企业看好的蓝海应用领域，占比55%，比去年提高2个百分点。数字化供应链金融通过整合供应链上各个环节的数据信息，为链上中小企业提供灵活、高效的金融服务。国务院发布的扩大内需战略规划纲要（20222035年）提出，“聚焦提高要素配置效率，推动供应链金融、信息数据、人力资源等服务创新发展”。可以预见的是，随着政策支持和市场环境的优化以及国内市场规模的扩大，供应链金融服务需求将进一步增加，加之人工智能、区块链、物联网、大数据等数字技术赋能持续深化，我国供应链金融有望激发出更大的创新活力和发展空间。科创金融服务2023年首次纳入问卷调查即位居蓝海业务领域第二位，占比为50%，其中30%的受访企业把科创金融服务作为首选项，超过数字化供应链金融、绿色金融等，成为细分赛道中占比最高的首选项（图23）。科技创新是提高社会生产力和综合国力的战略支撑，科创企业是创新活动的重要载体，近年来，各级政府着力从搭建对接平台、完善数据基础设施、实施差异化监管等方面出台支持政策，进一步完善科创金融供给体系，支持科创企业创新发展。2023年6月，国务院常务会议审议通过加大力度支持科技型企业融资行动方案，强调要引导金融机构根据不同发展阶段的科技型企业的不同需求，进一步优化产品、市场和服务体系，为科技型企业提供全生命周期的多元化接力式金融服务。绿色金融和ESG投资作为新型金融服务模式，也受到市场青睐，占比为36%，连续两年位居蓝海业务领域前三位。绿色金融和ESG投资可以为实现绿色低碳发展提供必要的资金支持，是推动实现“双碳”目标和经济转型升级的重要力量。另外，32%的受访企业看好养老金融服务，其中16%的受访企业把养老金融服务作为首选项，仅次于科创金融服务和数字化供应链金融服务。伴随着人口老龄化程度的加深，日益增长的银发群体对养老金融服务的需求持续增加，催生出巨大的养老金融市场潜力。同时，移动支付、智能投顾等金融科技应用为养老金融服务创新提供了支撑。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。342023中国金融科技企业首席洞察报告图 24 破解中小金融机构发展金融科技“缺资金、缺人才、缺技术”等困难有哪些着力点（多选排序）中小金融机构多措并举破解金融科技发展“三缺”难题，突出特色化、差异化、本地化是关键4.6我国中小金融机构数量多，规模和能力参差不齐，在推进金融科技创新和数字转型过程中往往面临“缺资金、缺人才、缺技术”（简称“三缺”）等困难。中小金融机构结合自身实际提供有特色的金融服务，形成与大型金融机构的错位发展和差异化竞争，是中小金融机构破解金融科技发展“三缺”难题的有力举措。76%的受访企业将“着力发展中小金融机构特色化、差异化、本地化金融科技”作为应对“三缺”难题的着力点，其中36%的受访企业将其作为第一选项。40%的受访企业将“与平台企业加强合作”作为解决中小金融机构金融科技发展“三缺”难题的首选项。平台企业通常拥有良好的用户基础和丰富的数据资源，而中小金融机构往往面临着获客难、运营成本高等问题，与平台企业合作一定程度上可以共享资源和技术，加快推进金融科技创新和数字化转型。另外，依靠大型金融机构金融科技输出（34%）、依托行业协会和产业联盟抱团取暖（30%），以及提供更加完善的政策储备工具箱（24%）也是破解中小金融机构发展金融科技“三缺”难题的着力点（图24）。4%86$%9%7%9%0 0Pp%提供更加完善的政策储备工具箱依托行业协会、产业联盟报团取暖依靠大型金融机构金融科技输出与平台企业加强合作着力发展中小金融机构特色化、差异化、本地化金融科技第一选项第二选项第三选项352023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。金融信息技术创新生态不断完善，IT基础设施和基础软件领域需重点发力4.7图 25 传统金融机构信创改造上面临的困难（多选排序）7%U$%7%5%应用软件：例如OA、ERP、办公软件等信息安全：例如边界安全产品、终端安全产品等基础软件：例如数据库、操作系统、中间件等IT基础设施：例如CPU芯片、服务器、存储、交换机、及各种云和相关服务内容等第一选项第二选项第三选项信创产业主要涉及IT基础设施（芯片、服务器等）、基础软件（操作系统、数据库等）、应用软件（OA、ERP、办公软件等）、信息安全（边界安全产品、终端安全产品等）等领域。近年来，在加快实现高水平科技自立自强的战略任务指引下，金融信息技术创新生态建设正快步向前，但同时也面临一些现实挑战。调查显示，受访企业认为，传统金融机构金融信创需重点发力的领域主要集中于IT基础设施（72%）和基础软件（72%），有55%的受访企业将IT基础设施作为首选项（图 25）。金融信创的深化和推广，离不开金融机构、科技厂商的双向选择和紧密合作，未来两类主体有望在基础软硬件层面不断深入探索，解决共有痛点，促进更具适配性的自主创新产品、服务及解决方案的落地，推动金融信创实现更全面、更深层次、更高水平的发展升级。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。362023中国金融科技企业首席洞察报告金融科技赋能绿色金融可重点发力ESG信息披露标准和业务决策流程优化4.8图 26 金融科技赋能绿色金融和ESG投资方面的主要着力点有哪些（多选排序）6(#%8%7!%7%6%协助金融管理部门开展数字化监管和金融消费者教育协助金融机构做好信息收集、处理和分析完善行业基础设施，保证ESG数据来源真实可核验将ESG披露与金融机构业务流程有机结合，简化决策流程建立绿色金融和ESG披露行业标准，完善风险分析与管理第一选项第二选项第三选项绿色金融是支持经济社会低碳绿色发展的重要工具，经过多年探索，中国绿色金融发展已初步形成绿色金融标准体系、环境信息披露、激励约束机制、产品与市场体系和国际合作等五大支柱。这一过程中，金融科技在环境数据采集、绿色资产识别、环境气候风险量化、环境信息披露等场景中不断深化应用，在促进绿色金融标准推广、金融机构降本增效、绿色金融产品创新等方面发挥着重要作用。调查显示，针对金融科技赋能绿色金融和ESG投资方面的主要着力点，65%的受访企业选择“建立绿色金融和ESG披露行业标准，完善风险分析与管理”，54%的受访企业选择“将ESG披露与金融机构业务流程有机结合，简化决策流程”（图26）。372023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 27 对当前元宇宙金融应用前景的看法业界对待元宇宙态度更加理性务实，主要落地金融客服和营销两大业务场景4.9看好，已有技术和产品布局11%看好，计划在1至2年内布局9%看好，近期无计划布局38%暂无法判断20%其他2%主要支撑技术尚不成熟11%元宇宙内涵外延尚未形成共识13%缺乏合适的金融应用场景31%概念投机炒作氛围浓厚43%不看好，近期无计划布局22%在经历一轮发展热潮之后，元宇宙逐渐进入“冷静期”，金融科技业界对待元宇宙的态度更加理性务实。调研显示，22%的受访企业不看好元宇宙金融应用前景，相较去年提高了11个百分点，在上述企业不看好元宇宙的各种原因中，除概念投资炒作因素外（43%），缺乏合适的金融应用场景（31%）和支撑技术尚不成熟（13%）是主要原因（图27）。从应用场景和技术的角度来看，元宇宙融合了虚拟现实、3D建模、数字孪生等多种底层技术，在提供沉浸式体验、打造虚实融合空间等方面具有很好的应用潜力，有望发挥改善金融运营管理、创新金融场景服务等多重价值。结合调研来看，金融元宇宙在客服和营销两大业务场景中的应用前景较为广阔，在看好元宇宙的企业（占比合计58%）中，选择客服和营销作为元宇宙金融应用的主要落地场景的占比分别为76%、69%，并且60%的受访企业将客服作为第一选项，相关应用包括数字人客服、虚拟营业厅等（图28）。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。382023中国金融科技企业首席洞察报告图 28 目前元宇宙金融应用主要落地业务场景（多选排序）3%5%9%6%9%6H%8%5%投顾：例如实时模拟看盘、可视化互动等投研：例如虚拟报告厅、交互式研究成果展示等风控：例如金融市场和产品的模拟计算等金融产品创新：例如数字藏品、数字人民币营销：例如虚拟形象代言人、虚拟直播等客服：例如数字人客服、虚拟营业厅等第一选项第二选项第三选项392023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。图 29对当前以ChatGPT为代表的AIGC热潮的看法看好AIGC的金融应用前景，已有技术和产品布局,27%看好AIGC金融应用前景，计划在1至2年内布局,30%看好AIGC金融应用前景，但近期无计划布局,34%不看好AIGC金融应用前景，近期无计划布局,1%图 30 AIGC会对金融科技行业带来哪些机遇和挑战（多选排序）2%2%4%6(X%9%94%5%5%5%降低证券、期货、保险等领域程序化交易门槛分析金融数据，改善风险管理和投资决策在投研、授信及流程管理等方面提高效率，降低成本数据收集、使用、披露面临更多合规要求，数据共享与隐通过人机交互、提升虚拟场景的温度服务等方式升级用户优化业务创新、内容生产，深度融入金融机构日常运营第一选项第二选项第三选项九成以上企业看好AIGC金融应用前景，有望深度融入金融机构日常运营4.10金融业是典型的创新驱动型和技术密集型行业，在ChatGPT引爆AIGC技术应用和金融机构数字化转型逐渐深化的当下，金融业有望成为AIGC落地的“试验田”和“前沿阵地”。调研显示，共有92%的受访企业看好AIGC金融应用前景，并且27%的受访企业已有技术和产品布局（图29）。对于看好AIGC金融应用前景的受访企业来说，AIGC带来的机遇和风险并存，但总体上，机遇大于风险。例如，77%的受访企业认为AIGC可以优化业务创新、内容生产，深度融入金融机构日常运营，68%的受访企业认为AIGC能通过人机交互、提升虚拟场景的温度服务等方式升级用户体验。从风险挑战来看，36%的受访企业认为AIGC会使数据收集、使用、披露面临更多合规要求，数据共享与隐私保护成行业焦点（图 30）。从落地赛道来看，综合金融科技（64%）、平台技术赋能（39%）、财富科技（35%）有望成为AIGC率先落地的三大热门赛道，尤其是对于综合金融科技赛道，有47%的受访企业将其作为首选（图31）。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。402023中国金融科技企业首席洞察报告图 31 AIGC有望先在哪个金融科技赛道中落地（多选排序）5%4%5%8%8%9G%5%7%5%4%5%7%7%9%5%6%支付科技供应链科技监管科技保险科技普惠科技财富科技平台技术赋能综合金融科技第一选项第二选项第三选项 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。412023中国金融科技企业首席洞察报告政策建议05 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。422023中国金融科技企业首席洞察报告建议进一步加强规划执行、监测评估、典型示范等工作，推动金融科技发展规划（2022-2025年）关于银行业保险业数字化转型的指导意见证券期货业科技发展“十四五”规划等政策文件的落地实施。与时俱进完善金融科技创新应用、数字金融合规业务、数字金融消费者保护、金融机构和金融科技企业合作、互联网助贷等“节点式”第三方服务等领域的监管规则和标准规范，着力实现金融科技监管“全覆盖、无例外”。扎实推进金融科技赋能乡村振兴工程、金融数据综合应用、金融信息技术创新等领域的改革探索实践，有序扩大金融科技创新监管工具、资本市场金融科技创新试点等中国版“监管沙盒”覆盖的机构、技术、业务范围，合理借鉴国际经验探索快速沙盒、主题沙盒、数字沙盒等创新机制，为金融科技发展提供沟通更加有效、预期更加稳定的监管环境。进一步发挥行业自律组织在金融科技有关自律备案、惩戒管理、数据统计、风险监测、标准研制、调查研究、教育培训等方面的积极作用，形成对行政监管的有效补充和有力支撑。持续优化金融科技监管政策5.1建议进一步推动金融科技发展与京津冀、长三角、粤港澳大湾区等国家区域发展战略相融合，深入推进金融科技领域的人才、资本、技术、标准等多元交流合作，进一步完善和活跃涵盖金融机构、科技公司、研究机构、中介机构、检测认证机构等多元主体的金融科技产业生态，积极支持相关从业机构通过境外合作展业、参与国际标准、申请技术专利、国际人才交流等多种方式“走出去”，加快形成立足中国、辐射全球、具备国际竞争力的金融科技产业集群。深入开展金融数字化转型提升工程，构建金融数字化能力成熟度评估体系和优秀实践案例库，全面推进金融机构数字化转型，通过金融科技“结对子”帮扶、合作建设数字基础设施、联合采购外包服务、开展培训交流等方式，助力广大金融机构特别是中小机构打造技术先进、业务高效、渠道融合、风控精准的数字化能力体系。着力完善金融科技产业生态5.2建议进一步推动产业数字金融规范发展，促进金融科技与绿色金融、供应链金融、科创金融、小微金融、制造业金融等产业场景的深度融合，推动金融科技高效服务科技自立自强、产业转型升级、智能制造、绿色发展、新型基础设施建设等国家重大领域发展战略，助力实现“科技-产业-金融”良性循环。聚焦人民群众多元化、个性化的金融服务需求，因人而异发展个人数字金融，推动金融科技在个人金融服务渠道建设、产品设计、信用评估、风险管理等领域的创新应用，实现金融科技发展成果对老年人、城镇低收入群体、残障人士、农民、新市民等普惠群体的精准滴灌。推动金融市场交易业务数字化能力建设，加强金融科技在金融市场交易平台建设、投资分析、交易管理等领域的应用，有效提升投资交易效率。不断深化金融科技应用场景5.3432023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。建议进一步落实数据安全法个人信息保护法等法律规范和相关金融标准规则，建立涵盖数据全生命周期的数据安全管理体系。探索建立公共数据、企业数据、个人数据的分类分级确权授权制度，遵循“用户授权、安全合规、分类施策、最小够用、可用不可见”等原则，规范自身采数、用数、存数行为，定期开展数据安全审计和外部评估，注重运用区块链、隐私计算等技术，推动金融数据安全共享与融合应用。综合运用约谈高管、限期整改、行业通报、监管评级挂钩、行政处罚等各类监管措施，持续加大对侵犯个人隐私、违规采集数据、非法数据买卖等危害金融消费者权益的行为的监管执法及惩处披露力度，进一步加强个人金融信息保护和金融数据安全保障。对替代性数据应用保持审慎包容态度，考虑在普惠金融、养老金融等传统金融数据基础薄弱的领域，通过“监管沙盒”等机制对替代性数据应用进行测试验证，基于测试结果出台相应监管规则和配套数据标准。有序推动金融数据融合应用5.4加强对元宇宙、AIGC等新技术金融应用的前瞻性研究与潜在风险研判，适时通过风险拨备资金、保险计划、运行监控、应急处置等安全保障措施，及时有效防范新技术自身风险与金融应用风险。严格执行网络安全法、网络安全等级保护等相关法律法规和标准规范，优化金融数据中心和灾备系统布局，建立全链条、全周期的网络安全防护体系。加强关键技术、平台、组件的自主研发，建立符合金融科技特征的操作风险和外包风险管理体系，强化技术合作集中度以及供应链安全管理。落实金融科技伦理管理要求，加快推进金融科技伦理相关自律公约研制和发布实施，着力防范算法黑盒、算法歧视、算法共谋等伦理问题。加快监管科技全方位应用，积极将数字合规工具无缝嵌入交易行为监测、业务数据报送、风险事件报告等场景，提升金融监管效能、降低合规成本。全面强化金融科技风险管理5.5 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。442023中国金融科技企业首席洞察报告2023中国金融科技企业首席洞察报告主要参与者指导委员会单强中国互联网金融协会会长陆书春中国互联网金融协会秘书长杨农中国互联网金融协会副秘书长黄益平北京大学数字金融研究中心主任、教授、中国互联网金融协会金融科技发展与研究专委会主任委员调研组成员肖 翔中国互联网金融协会法规咨询部（研究部）主任吕钰涛中国互联网金融协会法规咨询部（研究部）高级经理丁洋洋中国互联网金融协会法规咨询部（研究部）高级经理陈艳中国互联网金融协会法规咨询部（研究部）主管陈鑫中国互联网金融协会法规咨询部（研究部）高级经理中国互联网金融协会金融科技发展与研究专委会陶匡淳毕马威中国及亚太区主席邹俊毕马威中国副主席及北方区首席合伙人江立勤毕马威中国副主席及客户与业务发展主管合伙人张楚东毕马威中国副主席及金融业主管合伙人黄艾舟毕马威中国金融科技主管合伙人康勇毕马威中国首席经济学家王薇毕马威中国研究副总监马曼毕马威中国研究经理程苑芬毕马威中国研究助理经理张延栋毕马威中国金融审计服务经理毕马威中国报告设计：麦泳仪452023中国金融科技企业首席洞察报告 2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。中国互联网金融协会中国互联网金融协会金融科技发展与研究专业委员会中国互联网金融协会金融科技发展与研究专业委员会是中国互联网金融协会理事会下设的专业委员会，主要职责包括：研究提出金融科技重点研究指南和工作规划，参与组织协会重点研究课题、优秀成果评选工作；组织开展跨机构、跨行业、跨领域研究交流活动，推动行业研究资源整合和信息共享；促进金融科技重点领域研究成果向标准规则、政策建议和行业实践转化应用；组织开展金融科技研究的国际交流与合作等。中国互联网金融协会是按照人民银行等十部门联合发布的关于促进互联网金融健康发展的指导意见的要求，由人民银行会同有关金融监管部门共同组织建立的全国性行业自律组织。协会会员单位包括从事互联网金融业务和相关科技、信息、咨询等服务的市场主体及相关领域的从业人员、专家学者，基本覆盖了互联网金融的主流业态和新兴业态。协会旨在通过自律管理和会员服务，规范从业机构市场行为，保护行业合法权益，推动从业机构更好地服务社会经济发展，引导行业规范健康运行。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。462023中国金融科技企业首席洞察报告关于毕马威中国毕马威中国在三十一个城市设有办事机构，合伙人及员工超过15,000名，分布在北京、长春、长沙、成都、重庆、大连、东莞、佛山、福州、广州、海口、杭州、合肥、济南、南京、南通、宁波、青岛、上海、沈阳、深圳、苏州、太原、天津、武汉、无锡、厦门、西安、郑州、香港特别行政区和澳门特别行政区。在这些办事机构紧密合作下，毕马威中国能够高效和迅速地调动各方面的资源，为客户提供高质量的服务。毕马威是一个由独立的专业成员所组成的全球性组织，提供审计、税务和咨询等专业服务。毕马威国际有限公司（“毕马威国际”）的成员所以毕马威为品牌开展业务运营，并提供专业服务。“毕马威”可以指毕马威全球性组织内的独立成员所，也可以指一家或多家毕马威成员所。毕马威成员所遍布全球143个国家及地区，拥有超过265,000名专业人员。各成员所均为各自独立的法律主体，其对自身描述亦是如此。各毕马威成员所独立承担自身义务与责任。毕马威国际有限公司是一家英国私营担保有限责任公司。毕马威国际及其关联实体不提供任何客户服务。1992年，毕马威在中国内地成为首家获准中外合作开业的国际会计师事务所。2012年8月1日，毕马威成为四大会计师事务所之中首家从中外合作制转为特殊普通合伙的事务所。毕马威香港的成立更早在1945年。率先打入市场的先机以及对质量的不懈追求，使我们积累了丰富的行业经验，中国多家知名企业长期聘请毕马威提供广泛领域的专业服务（包括审计、税务和咨询），也反映了毕马威的领导地位。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。472023中国金融科技企业首席洞察报告所载资料仅供一般参考用，并非针对任何个人或团体的个别情况而提供。虽然本所已致力提供准确和及时的资料，但本所不能保证这些资料在阁下收取时或日后仍然准确。任何人士不应在没有详细考虑相关的情况及获取适当的专业意见下依据所载资料行事。2023 毕马威华振会计师事务所(特殊普通合伙)中国合伙制会计师事务所，毕马威企业咨询(中国)有限公司 中国有限责任公司，毕马威会计师事务所 澳门特别行政区合伙制事务所，及毕马威会计师事务所 香港特别行政区合伙制事务所，均是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国印刷。毕马威的名称和标识均为毕马威全球性组织中的独立成员所经许可后使用的商标。中国互联网金融协会服务监管服务行业服务社会如需获取中国互联网金融协会信息，请扫描二维码或登录我们的网站：https:/

118人已浏览 2023-07-04 48页 5星级

证券研究报告请参阅附注免责声明技术发展不及预期,行业竞争加剧,请参阅附注免责声明请参阅附注免责声明请参阅附注免责声明计算智能指快速计算,记忆并储存的能力,目前在计算智能领域,计算机已超过人类,典型案例.

31人已浏览 2023-06-27 31页 5星级

序言序言当前,金融科技正全面,深刻改变金融格局,深圳市先行先试,多措并举全面推进金融科技发展,初步形成了完善的金融科技生态体系,作为深圳金融核心区,福田区持续为深圳建设全球金融科技中心贡献力量,全力打.

47人已浏览 2023-06-25 61页 5星级

点击查看更多赛迪顾问：2023中国金融科技发展研究报告（概要版）（22页）.pdf精彩内容。

215人已浏览 2023-06-06 22页 5星级