2022年中国AI金融行业发展研究报告.pdf

中国AI+金融行业发展研究报告2022.11 iResearch Inc.22022.11 iResearch I摘要来源：艾瑞咨询研究院自主研究绘制。市场竞争方面，头部金融科技子公司与AI企业在抢夺头部金融机构时将面临更为激烈的竞争，腰尾部金融科技子公司联手AI企业占领市场；市场挑战方面，数据安全、算法黑箱、产品公平公正等问题仍然存在，需从用户数据授权、算法稳定性攻克、防止大数据杀熟等方面入手，推进AI+金融产业健康有序发展；市场机遇方面，结合自然语言处理技术的金融精准营销应用将收获更多的市场关注，多模态虚拟数字人为员工培训、客户服务等场景提供多元服务可能性。金融机构内部市场竞争加剧、金融机构人力成本上升、金融市场监管趋严等客观环境驱使金融机构不断投入预算采购前沿科技，改善传统作业模式，提升金融业务运营水平。AI+金融作为优化金融业务场景的应用技术工具，主要应用于金融机构IT总体架构的中台层与渠道层，精细化解决具体场景的业务数字化诉求。总体而言，AI+金融在金融机构的内生需求、资本持续投入、政策不断扶持的驱动下，获得较为长足广阔的发展空间。本报告主要讨论金融科技子公司、AI企业、智能硬件企业、互联网大厂四类AI+金融业内玩家。金融科技子公司背靠母公司业务与数据资源，通常通过资源集成者、任务分包者的角色参与产业链中上游；AI企业通常生产自技术层到应用层的一体化金融解决方案，以垂直细分场景的算法优势见长；智能硬件企业基于已有的端侧硬件产品，逐步研发配套AI+金融软件；互联网大厂凭借品牌效应与互联网产业业务经验，开拓金融领域的业务与生态合作。本报告将AI+金融的落地产品分为计算机视觉、机器学习、知识图谱、智能语音与对话式AI、自然语言处理五种类型，将AI+金融的落地场景分为安防与身份识别、信贷风控与合规控制、精准营销、客服与运营业务优化、保险理赔与投顾投研五种类型，探讨每一技术类型产品所适用业务场景、业务价值、市场空间，对比各类技术产品在金融领域的应用情况，给出金融机构对AI+金融产品重要评价维度，为读者提供产品价值参考。行业概述细分技术领域商业分析未来展望nMwOqRrRnPnQuNoQoRzRtP7N8QbRtRpPnPtRkPoPmNfQrQrP6MpOmNxNnRsMvPmOoO3行业概述篇1AI赋能篇2商业分析篇3案例实践篇4未来思考篇542022.11 iResearch IAI+金融愿景改变传统作业服务模式，提升业务运营水平来源：艾瑞咨询研究院自主研究绘制。算力：AI算力基础数据：数据资源管理信用风险警示人脸核身团伙欺诈防范风控决策支持内部合规风控智能支付智能保险理赔业务人员培训落水识别安防监控理财精准推荐股价分析团伙作案分析需求监测识别chatbot产品定价智能财税算法：模型工具准备协同并行的AI+金融应用应用层：面向金融各类业务场景，改善金融业务痛点，提升金融业务运行水平基础层技术层算法研发：AI模型生产AI芯片智能服务器高性能计算平台超算中心智能云AI基础数据服务大数据治理与数据智能化AI开发平台AI开放平台计算机视觉机器学习知识图谱智能语音自然语言处理理想的AI金融产业链状态：AI+金融应用服务海量金融业务场景智能核保52022.11 iResearch IAI+金融场景中蕴藏的产业机会金融机构数字化需求与AI+金融产品功能在场景中得以匹配近年来，在市场竞争加剧、人力成本上升、市场监管趋严等因素的影响下，以中小银行为代表的金融机构数字化转型需求与意愿不断提升，在客服与运营业务优化、精准营销、安防与身份识别、信贷风控与合规控制、保险理赔与智能投顾等业务场景中释放出大量对智能化转型产品的需求。与此同时，AI+金融供给侧计算机视觉、智能语音与对话式AI、机器学习、知识图谱、自然语言处理等产品及功能逐渐完善，可在金融业务场景中实现与金融机构数字化转型需求的匹配。来源：艾瑞咨询研究院自主研究绘制。金融机构数字化转型需求业务场景匹配AI+金融产品及主要功能市场竞争加剧储蓄分流、利率市场化、金融脱媒等因素的影响下，对银行特别是中小型商业银行生存压力增大。需求点1：以数字化手段强化营销拓客能力。需求点2：需提升客户服务质量以满足客户需求。人力成本上升我国人口红利逐渐消失，劳动力成本逐渐上升，传统客服、安防等需要大量人员投入的场景人力成本提高。需求点1：减少在简单重复性劳动中所投入人力。需求点2：优化人员绩效考核与提升方式。市场监管趋严流动性风险管理等监管新规陆续颁发，金融机构合规、风控等场景的监管成本增高。需求点1：提升信贷、理赔等业务自身风险识别能力。需求点2：提升对于相关业务的监管效率与精准度。计算机视觉基于视觉感知与内容分析技术处理前端硬件采集图像和视频数据，将分析结果用于预警或辅助决策等。机器学习以机器学习开发平台为核心载体，分析历史数据特征，预测风险点与营销点，辅助决策。知识图谱以知识提取与计算为核心环节，基于金融大数据构建关联网络，实现风险异常识别与监测等功能。智能语音与对话式AI以实现人机语音交互为核心目标，利用ASR、TTS、NLP技术，构建高度场景化、强交互性的产品。自然语言处理以NLU、NLG技术为核心，使计算机能够理解、处理并输出自然语言，实现交互与分析功能。客服与运营业务优化精准营销信贷风控与合规控制安防与身份识别保险理赔与投顾投研金融机构数字化转型需求与AI+金融产品可实现功能在实际业务场景中匹配情况62022.11 iResearch IAI+金融定义与分类来源：艾瑞咨询研究院自主研究绘制。聚焦AI技术在金融机构前中后台核心业务环节中的实际应用人工智能技术是一门用数据和模型去为当前问题提供解决方案的交叉学科，主要目标是让机器可以胜任通常需要人类智能才能完成的基础重复性工作甚至是复杂工作。本报告中，AI泛指开发用于模拟、延伸和扩展人的智能所涉及的人工智能细分技术，包括但不限于机器学习、计算机视觉、自然语言处理、知识图谱等。金融概念则指银行、保险公司、证券公司等主要金融主体机构。AI应用场景涵盖前中后台中的市场营销、产品设计、风险管控、客户服务、运营支持等。综合来看，AI+金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业务高质量发展的一系列配套解决方案。AI+金融界定及研究范畴人工智能金融主体前台中台后台智慧营销智能客服信用评估生物识别可视柜台智慧网点移动支付智能投顾数据中台业务中台客户画像信贷审批模型训练数据引擎智慧运营分控集市智慧风控反欺诈RPAOCR账户管理决策引擎模型开发大数据可视化机器学习深度学习NLP知识图谱智能语音计算机视觉银行保险证券基金信托72022.11 iResearch I金融机构AI产品在IT总体架构中的层级主要应用于渠道层和中台层，精细化解决业务数字化诉求AI技术的逐步落地应用帮助金融机构从后台的臃肿繁琐中解脱，降低沟通成本、提升协作效率，同时实现前台业务的快速决策、敏捷行动，进而在市场竞争中获得更强的竞争力。人工智能技术目前主要渗透于金融机构IT体系中的渠道层和中台层，技术嵌入愈加细化，应用模块也趋于广泛。渠道层属于应用层，与终端用户直接产生交互，服务于具体业务；中台层属于技术层，服务于应用开发者与业务管理者，进行场景应用模型的开发、调优、测试。来源：艾瑞咨询研究院自主研究绘制。数据中台业务中台智慧中台统一数据服务应用集成平台模型管理模型训练营销模型风控引擎决策类模型感知类模型账户管理支付中心营销支持交易中心数据研发数据引擎风控集市业务集市CRMECIF财务系统人力资源系统总账系统ALM外联系统安全公/私有云物理机金融级中间件虚拟机分布式数据库统一日志中心应用性能追踪渠道层中台层后台层基础层业务监控预警系统网点AI在金融机构IT总体架构中的覆盖层级网上银行外部设备第三方应用APP呼叫中心82022.11 iResearch I2022.11 iResearch I金融机构IT建设投入情况金融机构技术投入增势显著，推动AI+金融市场持续发展自2019年人民银行发布金融科技发展规划以来，我国金融业数字化转型升级深入推进，金融机构技术资金投入持续增长。2022年，以银行、保险、证券为主的金融机构技术资金投入预计将超过4000亿元。巨额投入夯实金融机构的IT基础，做好AI金融应用的底层设施建设。与此同时，政策扶持增强，金融科技核心技术不断迭代且与金融业务场景进一步融合，金融机构间科技竞争愈发激烈，前沿技术采购不断增长。以国内银行与保险机构为前沿科技采购代表，2022年中国银行与保险机构前沿科技采购支出将达到170亿元。金融机构在科技领域投入的持续增长将为AI金融企业的长远发展带来源头活水，推动AI+金融市场持续发展，促进金融业数字化转型升级提质增效。2020-2024年中国银行与保险机构前沿科技采购情况2078 2558 3082 3668 4328 351 432 532 648 798 263 321 396 495 629 20202021e2022e2023e2024e银行（亿元）保险（亿元）证券（亿元）2020-2024年中国金融机构技术资金投入情况36 42 47 60 69 77 98 122 149 186 20202021e2022e2023e2024e金融云计算基础设施（亿元）金融AI与大数据（亿元）11314017020925526923310401048125755来源：艾瑞咨询研究院根据专家访谈数据自主建模测算。注释：金融AI与大数据包括：AI技术、大数据技术、区块链技术、RPA、隐私计算等技术类别。前沿科技采购费用以银行机构从科技厂商进行技术采购的统计口径为主，不包括解决方案厂商集成或总包的科技采购部分。来源：艾瑞咨询研究院根据专家访谈数据自主建模测算。注释：金融机构技术资金投入的统计范畴包括：银行、保险、证券机构对信息化基础设施、软硬件技术工具、产品技术服务、支持性配套设备的投入，以及移动互联网及相关数字平台运营成本等。92022.11 iResearch IAI+金融资本热度机器学习产品热度上升，客服与运营业务优化场景布局增加据不完全统计，2020年至2022年9月，AI+金融领域总计发生融资事件104起，轮次分布较为平均。截止2022年9月，AI+金融领域融资事件已达29起，基本持平2021年全年。从技术分类看，机器学习产品与自然语言处理产品更受资本青睐，资本热度较高，而知识图谱和智能语音产品与2020年、2021年相比，资本热度有所下降。从应用场景分布看，融资企业更多布局客服与运营业务优化场景；同时，信贷风控与合规控制、精准营销两大场景的合计占比较高，是融资企业广泛布局的热点场景。来源：IT桔子，艾瑞咨询研究院自主整理绘制。2020-2022年9月获投AI金融企业应用场景分布2020-2022年9月获投AI金融企业产品布局种子及天使轮4%A轮相关24%B轮相关25%C轮-F轮26%F轮以后21%17.8%13.3%31.0%44.4%33.3%27.6%46.7%36.7%37.9%40.0%70.0%65.5%8.9%202020212022.9安防与身份识别信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投研投顾注释：由于部分AI金融企业布局多款产品和多个应用场景，本报告采取重复计数统计，故每年产品布局比例总和与场景分布比例总和超过100%。2020-2022年9月AI+金融融资事件数量26.7%16.7%24.1%46.7%63.3%69.0%31.1%20.0%10.3%37.8%26.7%13.8%46.7%53.3%34.5%202020212022.9计算机视觉机器学习知识图谱智能语音自然语言处理45起30起29起202020212022.9总事件104起2020-2022年9月AI+金融融资轮次分布102022.11 iResearch IAI+金融领域相关政策解读来源：艾瑞咨询研究院根据公开资料整理绘制。2019年8月，人民银行发布了金融科技（FinTech）发展规划（2019-2021年），明确了金融科技发展的重要意义和方向，推动建立健全金融科技的“四梁八柱”。经过3年的探索与实践，上述目标已基本实现，金融科技正在成为驱动金融业变革的重要引擎。2021年末，人民银行发布了金融科技发展规划（2022-2025 年），重在解决金融科技发展不平衡不充分的问题。在数字经济的浪潮下，新政策以“金融科技的整体水平与核心竞争力实现跨越式提升“为核心目标，在金融科技治理体系、数据要素价值挖掘、关键核心技术深化、数字基础设施建设等方面提出了更加具体的要求和举措，推动我国金融科技发展迈入”积厚成势”新阶段。政策推动金融科技从“立柱架梁”迈入“积厚成势”新阶段其他政策方面：近两年人民银行、银保监会、科技部等监管主体集中颁布一系列配套政策。从金融科技标准制定、数据安全与隐私保护、数据治理与应用、科技与金融场景深度融合等方向进一步促进我国金融科技的发展，完善金融科技监管框架体系。总体来说，“规范治理+科技与金融深度融合”是现阶段主要政策导向。2019-2021规划强调整体布局：加强金融科技战略部署：统筹规划、体制机制建设等战略部署强化金融科技合理应用：重点突破，提升金融科技应用水平赋能金融服务提质增效：运用金融科技手段提升金融服务质效金融科技发展的重点任务部署由宏观走向具体2022-2025规划强调具体措施：健全金融科技治理体系：完善治理结构、加强金融科技伦理建设等充分释放数据要素潜能：数据能力建设、数据安全保护等打造新型数字基础设施：建设绿色数据中心、布局先进算力体系等2021年9月 人民银行发布征信业务管理办法2022年1月，银保监会发布关于银行业保险业数字化转型的指导意见2022年2月，人民银行联合市场监管总局发布金融科技产品认证目录（第二批）和新的金融科技产品认证规则2022年7月，科技部等联合发布关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见近期AI+金融相关政策解读112022.11 iResearch IAI+金融领域相关政策汇总来源：艾瑞咨询研究院根据公开资料整理绘制。发布日期发布机构政策文件AI+金融相关内容2022-07科技部、教育部工业和信息化部等关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见鼓励在制造、金融等重点行业深入挖掘人工智能技术应用场景，促进智能经济高端高效发展。金融领域优先探索大数据金融风控、企业智能征信、智能反欺诈等场景。2022-02市场监管总局人民银行金融科技产品认证目录（第二批）金融科技产品认证规则新增区块链技术产品、商业银行应用程序接口、多方安全计算金融应用等金融科技产品目录以及新的认证规则。2022-02人民银行、银保监会、证监会等金融标准化“十四五”发展规划明确“十四五”时期统筹推进金融标准化发展的指导思想、基本原则、主要目标、重点任务和保障措施。2022-01银保监会关于银行业保险业数字化转型的指导意见明确了银行业保险业数字化转型的指导思想、基本原则和工作目标，为银行保险机构数字化转型指明了方向。2021-12人民银行金融科技发展规划（2022-2025年）提出新时期金融科技发展的指导意见，明确金融数字化转型的总体思路、发展目标、重点任务和实施保障。其中重点任务包括：健全金融科技治理体系、充分释放数据要素潜能等八个方面。2021-09人民银行征信业务管理办法数据助贷业务、大数据分析与处理等实质从事信用评价等业务的活动均纳入了监管范畴，对金融科技、大数据风控行业影响较大。2021-04科技部中国农业银行关于加强现代农业科技金融服务创新支撑乡村振兴战略实施的意见科技部和中国农业银行将加强资源整合力度，共同加大对新型研发机构、科技企业融资支持力度。探索建立投贷联动的科技金融服务模式，提供“融资+融智”全方位服务。2020-07银保监会商业银行互联网贷款管理暂行办法从风险管理体系、风险数据和风险模型管理、信息科技风险管理、贷款合作管理、监督管理等方面对商业银行互联网贷款管理提出明确要求。2020-01科技部邮储银行加强科技金融合作有关工作的通知完善科技创新投入和科技金融政策，进一步推动科技和金融深度结合，加强相关领域科技金融合作。2019-10市场监管总局人民银行金融科技产品认证目录（第一批）金融科技产品认证规则包含客户端软件、安全芯片、安全载体等11种金融科技产品目录与认证规则。2019-08人民银行金融科技（FinTech）发展规划（20192021年）明确了我国金融科技发展的重要意义和基础，提出了金融科技发展的总体要求、指导思想和基本原则，同时提出了六大重点发展任务。2019-2022年AI+金融相关政策汇总12行业概述篇1AI赋能篇2商业分析篇3案例实践篇4未来思考篇5132022.11 iResearch I2022.11 iResearch I169 223 296 375 453 516 589 666 382 501 677 885 1083 1211 1375 1562 201920202021e 2022e 2023e 2024e 2025e 2026e核心产品市场规模（亿元）带动相关产业规模（亿元）AI+金融市场规模金融机器学习产品为市场主要拉力由于金融机构往往具有信息安全要求高、数据处理量大且信息基础设施建设较为完善的特征，人工智能技术得以较早在金融领域营销、合规、风控等多元化场景实现落地应用并得到长足发展。据艾瑞统计测算，2021年AI+金融核心市场规模达到296亿元，带动相关产业规模677亿元，到2026年，核心市场规模达到666亿元，CAGR=17.6%，带动相关产业规模1562亿元，CAGR=18.2%。分技术产品来看，金融机器学习产品由于与金融机构多业务场景均可密切结合且产品能力在海量高质金融业务数据助力下得到快速提升成为市场主要拉力之一，2021年金融机器学习产品占AI+金融核心产品市场规模比重达42.2%。注释：核心规模包括计算机视觉、智能语音及对话式AI、机器学习、知识图谱、自然语言处理等核心产业；带动规模为为达到AI应用目的而连带采购的、具有相关性的软硬件产品、服务。来源：艾瑞咨询研究院根据专家访谈与桌研自主建模研究绘制。来源：艾瑞咨询研究院根据专家访谈与桌研自主建模研究绘制。2019-2026年AI+金融产品及带动相关产业规模CAGR=17.6%CAGR=18.2%机器学习42.2%计算机视觉25.3%智能语音及对话式AI15.4%自然语言处理10.1%知识图谱7.0%2021年AI+金融产品市场规模占比142022.11 iResearch I2022.11 iResearch I产品应用情况机器学习类产品应用广度宽泛，价值深厚现阶段，各类AI+金融产品在金融业务中均得到落地应用，但产品应用广度与产品业务价值存在明显差异。机器学习类产品因与金融业务数据具备先天耦合性，可应用于银行大量的表单数据业务，抽取表单数据的标签并获取数据特征，有效拦截金融风险，避免欺诈与风险漏洞所带来的大额损失，同时提高营销精准度，为金融机构创收，具备较宽泛的产品应用广度与较高的产品应用价值。相比之下，计算机视觉类产品尽管能广泛应用于OCR审核、人脸门禁、安全支付等业务场景，但业务效果局限在重复劳动力的节省，产品应用价值偏低。从产品与应用场景适配情况看，AI+金融产品主要应用于信贷风控与合规控制、精准营销、客服与运营业务优化三类场景。信贷风控与合规场景主要采购机器学习与知识图谱两类产品；精准营销场景除采购机器学习与知识图谱产品外，会采购部分自然语言处理产品，以及少量智能语音与对话式AI产品。注释：气泡大小为2022年该类型产品在AI+金融市场的市场规模。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究整理及绘制。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究整理及绘制。计算机视觉机器学习知识图谱自然语言处理智能语音与对话式AI广泛狭窄低高产品应用价值产品应用广度计算机视觉机器学习知识图谱智能语音与对话式AI自然语言处理安防与身份识别客服与运营业务优化信贷风控与合规控制精准营销保险理赔与投顾投研AI+金融产品与应用场景适配情况现阶段AI+金融产品应用情况气泡大小代表2021年市场规模大小152022.11 iResearch I产品效果评价维度基于艾瑞对下游AI+金融服务商的深度调研，在选择AI+金融产品时，金融机构一般从产品业务适配性、产品运行准确率、产品运行稳定性、产品运行实际效果、性价比等维度评价是否采购某一服务商的产品。价格并非金融机构首要考虑的维度，产品与业务的高度适配才是客户看重的首要维度，厂商在开发AI+金融产品时首先仍先关注产品的实际业务价值。来源：艾瑞咨询研究院根据专家访谈自主研究绘制。产品与业务适配性为甲方首要关注维度产品类型/评价维度产品与业务适配性产品运行准确性产品运行稳定性产品运行实际效果价格计算机视觉安防、文本OCR等业务，满足重复操作的替代要求人脸/物体识别准确率与系统能够兼容、接入、匹配，产品运行期间尽可能保持不间断、不闪退、不卡顿服务业务一线人员减轻人力作业的工作难度、强度、业务量，改善各场景的业务痛点在满足产品要求的前提下，优先考虑价格优惠的产品。但不同金融机构对产品价格的敏感程度不同，在选型时会对产品价格有不同比重的考量。机器学习风控、营销、投研投顾等业务，满足业海量表单数据划分与分析的要求与规则计算分析结果准确率知识图谱风控、营销、客服与流程优化等业务，满足复杂关联推理的业务要求与规则推理分析结果可靠性智能语音与对话式AI营销、客服与流程优化等业务，满足重复操作的替代要求语音识别准确率、语义理解准确率等自然语言处理文字语义、语境理解准确率等金融机构对AI+金融产品重要评价维度首要考虑维度162022.11 iResearch I软硬件协同赋予计算机发现与理解的能力计算机视觉（简称“CV”）是指让计算机系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。计算机视觉产品依靠摄像头等前端硬件采集图像和视频数据（现阶段已有部分端侧硬件具备一定的AI计算能力，可实时处理前端数据），基于平台层视觉感知与内容分析技术处理采集到的数据，并将分析结果应用于预警或辅助决策等场景。在金融领域，人脸识别、智能视频监控等计算机视觉产品已经广泛应用于内控管理、安防、身份核验等场景，正在逐步渗透进金融机构日常经营活动的更多方面。来源：公开资料，专家访谈，艾瑞咨询研究院自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉金融计算机视觉产品技术架构与应用场景硬件层智能硬件（具备AI计算能力）传统硬件（不具备AI计算能力）服务器平台层应用层内控管理智能安防智能风控业务赋能主要场景探索场景行为分析仪人脸识别设备摄像头其他智能设备超出端侧设备处理能力的数据门禁系统扫描仪照相机其他设备考勤打卡、员工行为规范侵害防范、异常事件预警等身份核验、辅助资料审核流量监控、客户行为分析等服务器数据平台数据采集数据预处理数据标注图像视频降噪、锐化轮廓提取描点、转写训练平台数据管理模型优选模型训练摄取、存储视觉算法参数调整内容分析平台图像分析视频分析图像分类图像分割图像检测语义理解视频分类视频检索事件分析动作分析轨迹分析运维、管理、授权算法图像、视频等非结构化数据运维、管理设备内部实时处理前端数据智能传感器云化云化计算机视觉技术架构与应用场景172022.11 iResearch I计算机视觉可解决业务痛点分析从内控管理、安防等细分场景切入，逐步触达业务端金融机构众多营业网点所产生的数据量巨大，数据处理工作量众多，对人力造成工作负担的同时，也提高了管理成本。金融机构的安防与风控场景急需改进工作方式，解放人力与降低运营管理成本。计算机视觉产品的引入不仅能提高金融机构内控管理效率，加速工作方式向智能化、标准化方向转变，而且能降低运营管理成本，以低成本换取高效益。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉计算机视觉应用改善金融机构业务痛点痛点改善场景一：内控管理l考勤、智能监控等产品助力解决金融机构员工上下班、日常行为管理等问题l智能监控、身份核验等产品助力解决金融机构安防与风控问题l主要在业务流程自动化、智慧网点等领域进行探索智能考勤系统、实时监控等计算机视觉产品可助力金融机构提高员工上下班管理、日常工作管理效率，降低管理成本。实时监控、身份核验等计算机视觉产品助力金融机构安防与风控智能化升级，提升金融机构运营服务效率，降低运营成本。考勤打卡：员工通过智能考勤系统实现自动化刷脸打卡上下班员工违规行为监控：实时监控并预防员工违规放置现金等上班不规范行为金库、车库、办公大楼等区域实时监控，针对危险事件提前预警，实现安防智能化人脸识别、身份核验等在风险防控的基础上简化开户、支付流程，提升服务效率智能安防：业务流程自动化：智能风控：智慧网点建设：贷款、报账等标准化流程自动化探索通过客流监控、客户行为分析等进行营业网点智能化探索OCR产品、实时监控、人机交互等助力金融机构流程自动化与网点智能化探索，促进金融机构业务运营的发展。金融机构优先考虑从不涉及敏感数据和金融安全的端侧非结构化数据相关业务领域引入计算机视觉产品，并逐步向核心业务拓展，以达到自身降本增效的目的。痛点改善场景二：安防与风控其他场景探索来源：公开资料，专家访谈，艾瑞咨询研究院自主研究绘制。182022.11 iResearch I计算机视觉市场规模大部分市场需求在前期已得到满足，未来保持稳定中速增长据艾瑞统计测算，2021年AI+金融领域计算机视觉核心产品及服务市场规模达到75亿元，预计到2026年核心产品及服务市场规模将达到128亿元，2021-2026年CAGR=11.2%。金融行业内，计算机视觉产品及服务在深度学习算法的加持与带动下在人脸识别及证照识别等应用场景得到了广泛的应用。相较于其他人工智能产品，计算机视觉产品及服务在金融领域特别是银行中的应用时间相对较早、应用产品也相对成熟，导致金融领域大部分计算机视觉市场的需求在前期已被满足，未来数年将以平稳中速释放市场空间为主，市场规模保持稳定中速增长。注释：核心规模包含OCR、智能网点、AI双录、生物识别平台、刷脸付及其他金融行业计算机视觉产品及服务的核心部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。44 61 75 86 96 106 116 128 201920202021e2022e2023e2024e2025e2026e核心产品服务市场规模（亿元）自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉2019-2026年中国金融计算机视觉核心市场规模2021-2026年年CAGR=11.2%192022.11 iResearch I机器学习技术架构与应用场景产品核心为机器学习开发平台，在表单数据场景中受青睐金融机器学习产品特指以机器学习开发平台为载体，解决金融机构业务决策与运营优化问题的一类AI金融技术产品，可单独作为软件解决方案出售，亦可与软硬体一体机打包捆绑销售。金融机器学习产品的核心在于机器学习开发平台。一般而言，一套机器学习开发平台由底层算法框架、数据准备与特征工程、算法建模、模型运营与管理等主要模块构成。金融企业可依据自身业务规则与场景情况，在算法建模模块选择合适的机器学习算法，运算经过筛选、清洗的数据，基于历史数据规律得出运算结果。由于表单数据与机器学习具备天然的适配性，金融机器学习产品经常应用于金融信贷风控与合规控制、精准营销、保险理赔与投研投顾等场景。此外，金融机器学习产品还可基于底层的卷积网络算法，服务于视觉与语音类的感知场景，如金融的客服与运营业务优化场景。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉基础算力与存储设施机器学习算法底层框架：TensorFlow/PyTorch/Alink/Caffe机器学习开发平台数据准备与特征工程数据接入数据清洗数据预处理：单个特征处理/多个特征处理特征监控数据集算法建模算法选择：聚类/分类与回归/贝叶斯/协同过滤/卷积网络模型评估与分析模型部署模型监控模型运营与管理模型训练模型试跑日志管理权限发放其他信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投顾投研金融机器学习应用场景主要场景金融机器学习产品技术架构与服务场景202022.11 iResearch I机器学习可解决业务痛点分析基于历史特征预测风险点与营销点，辅助分析决策机器学习与知识图谱类似，常用于信贷风控与合规控制、金融精准营销两大场景中。知识图谱常用于推测复杂关系中的群体异常特征，但机器学习更多用于预测个体行为特征，完成对某个人/企业的风险识别与营销动作。聚类与回归算法是金融业务场景中典型的机器学习算法。聚类算法基于金融交易数据与金融异常交易业务规则，可自动划分疑似异常交易的交易记录，服务于信贷风控与合规控制业务，在风险交易发生前警示拦截该交易。回归算法常用于信贷风控与合规控制业务，以及精准营销业务。回归算法通过金融数据自带的各类业务标签，尽可能将数据群切割为不同的群落，寻找群落各自的特征，并分析标签与特征之间的规律，通过规律进行风险与营销预测，提供分析参考角度，提升风险拦截效率与营销精准率。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉服务场景一：信贷风控与合规控制业务服务场景二：精准营销业务l以识别金融异常交易为例：机器学习（决策智能类产品）协助解决金融业务痛点典型示例频率高金额高金额低频率低疑似异常交易疑似异常交易核心原理：金额低但频率高的金融交易与频率低但单笔交易偏高的金融交易为常见的异常交易特征，可将这些特征转化为模型需要遵守的规则；操作流程：基于金融机构的交易数据，使用聚类算法进行金额与频率的分类，划分异常交易与正常交易；识别出异常交易后，及时向用户发出异常交易警示，达到风险防范的效果。服务价值：通过机器自动分类并划分可疑交易，辅助人力快速分析异常交易，解放针对复杂异常交易的冗长人力分析过程。金融异常交易聚类年龄购买偏好高购买偏好低线性回归模型建立l以根据线性回归结果，推荐金融理财产品为例：核心原理：客户群的某一属性，如用户年龄，可以划分为区间，而每一区间都有对应的客群分布，不同群落各有其理财偏好及特征，客户群落之间的分界曲线可进行回归分析，也就是说尽量用不同的标签把数据点切割开；操作流程：以回归曲线对不同区间群落进行划分，并对不同群落赋以分值，并叠加其他特征进行客户的购买力预测。服务价值：通过机器寻找客户数据内部标签与特征之间的规律，依据规律实现客户购买力预测，针对不同购买力的客户进行差异化营销，提升营销精准度。25岁55岁212022.11 iResearch I机器学习市场规模需求带动与能力提升共同作用下，市场规模保持稳步增长据艾瑞统计测算，2021年AI+金融领域机器学习核心产品市场规模达到125亿元，突破百亿大关，预计到2026年核心产品市场规模将达到272亿元，2021-2026CAGR=16.8%。机器学习产品与金融行业天然适配性较高，一方面金融机构自身多变性、复杂性，且通常面临营销获客难、风险防范难、用户管理难的痛点，因而对机器学习产品需求强烈，另一方面金融机构本身拥有海量高质的数据基础，为金融机器学习产品，有利于机器学习产品能力的提升，也正因如此金融机器学习市场规模可保持稳步增长。注释：核心规模包含决策应用类、数据治理类及其他金融行业机器学习产品的核心部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。80 98 125 150 181 208 240 272 201920202021e2022e2023e2024e2025e2026e核心产品服务市场规模（亿元）2019-2026年中国金融机器学习核心市场规模2021-2026年年CAGR=16.8%自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉222022.11 iResearch I知识图谱技术架构与应用场景知识提取层与计算层为核心模块，信贷风控为应用典范通常而言，知识图谱技术架构由数据处理层、知识提取层、知识计算层、权限管理层、交互服务层组成。知识提取层与知识计算层为核心模块。知识提取层解决金融细分场景Schema搭建、Schema所需数据标准制定、数据与知识融合、知识的指代消解与实体对齐等核心知识图谱建设问题。知识计算层解决知识图谱的结构转换与存储、频繁子图挖掘、图计算等问题。知识图谱经过两大核心环节后正式完成开发，并依照金融机构监管规定进行权限配置，在端侧与用户实现交互。现阶段，知识图谱主要应用于金融的信贷风控与合规控制、精准营销、客服与运营应用场景，尤其以信贷风控于合规场景为应用典范。在该场景中，知识图谱可发挥风险异常识别与监测的效果。来源：艾瑞咨询2022年中国知识图谱行业研究报告，艾瑞咨询研究院自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉数据采集、接入与数据治理知识提取层知识计算层数据接入数据整合Schema构建知识融合本体抽取质量评估图谱调整知识图谱存储：图结构、全文结构、列式结构图数据库存储为更优方式，但关系型数据库亦可存储知识图谱计算：频繁子图挖掘从大量的图中挖掘出满足给定支持度的频繁子图知识图谱平台权限管理层交互服务层统一认证租户用户管理权限和日志其他知识智能检索知识图谱可视化知识智能问答金融知识图谱产品技术架构与服务场景信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投顾投研金融知识图谱应用场景主要场景数据处理层232022.11 iResearch I知识图谱可解决业务痛点分析基于复杂关联网络快速识别风险点、营销点、知识点在常见的三类金融应用场景中，知识图谱一般用以解决团伙作案、客户信用能力评估、新产品开发、客户拓展与留存、机械性高度重复咨询、内外部知识快速检索匹配等问题。基于金融机构可用的大数据，构建知识图谱关联网络，可快速识别异常风险、发掘业务增长点、精准匹配问答知识点。来源：艾瑞咨询2022年中国知识图谱行业研究报告，艾瑞咨询研究院自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉知识图谱协助解决金融三大场景业务痛点信贷风控与合规控制业务精准营销业务客服与运营业务l主要解决团伙作案与客户信用能力评估问题以供应链金融按需拓客为例：以团伙作案识别为例：Step1：高维数据降维Step2：抽象分析社交借款人A借款人B同公司同年龄同学历银行卡连号手机号码数字相同有大量逾期贷款借款人公司年龄手机学历IP/Wifi银行卡就职社交上网拥有使用是持有具备共性Step3：群体分类ABCDEFG潜在风险集群与事先设定的量化指标对比，检测相关指标是否异常。是否Step4：检测拦截用户赊销异地买卖应收账款抵押保理业务信用证业务贷款异地买卖本地买卖赊销贷款异地买卖硬件供应商B硬件供应商E核心企业D核心企业A核心企业F小型企业乙银行甲银行物流企业C零售商H经销商B与A为异地买卖关系，故A让甲银行为其提供信用证业务。而此时A企业正处于快速成长期，需要大量融资，故A向乙银行申请贷款。核心企业D向零售商H赊销产品，H为境外企业，还款期不确定，故D向甲银行申请保理业务。l主要解决产品同质化、产品创新设计与客户转化问题l主要解决机械性高度重复咨询、内外部知识更新沉淀匹配问题内部员工内部知识库外部客户咨询知识库企业内部业务规则常见业务问题新人入职知识经验分享中间业务结算担保租赁融资衍生金融工具代理在后台搭建好外部客户咨询业务问题的外部知识库与服务于金融体系内业务培训的内部知识库，将知识图谱知识库嵌入智能客服或智能检索类产品中，与NLP、RPA等技术结合，使得智能客服与智能检索应用能够自动理解咨询者的业务问题，迅速定位知识库中的知识点并输出。242022.11 iResearch I2022.11 iResearch I知识图谱市场规模在知