2021年中国人工智能在银行业中的应用行业概览.pdf

2021年中国人工智能在银行业中的应用行业概览2021 Industry Overview on the Application of Artificial Intelligence in the Banking Industry in China2021年中国銀行業界人工知能応用概要报告标签：银行业、人工智能、金融科技报告作者：陈文广2021/044中国各商业银行相继成立金融科技子公司，加大在金融科技领域的资金投入，2020年四大国有银行在金融科技领域的投资共近80亿元。2014至2019年期间中国银行业业务平均离柜率从67.88%持续上升至的89.77%，离柜率上升的背后，是银行业利用人工智能技术进行智能化、数字化转型升级的结果中国银行业目前正处于金融科技迅速发展的阶段，各银行全积极布局智能化，数字化银行转型升级，“智慧银行”时代已经到来01人工智能技术在银行业各业务场景的应用可有效提高银行的运营效率及服务质量、节省人力成本，是解决中国银行业业务办理等待时间长、流程繁冗、重劳力等痛点的有效途径。随着人工智能技术的发展以及银行智能机具的普及，人工智能技术在银行业将渗透得更深更广，帮助银行业全面实现智能化、数字化转型，使其更好地服务于实体经济人工智能技术的应用是缓解中国银行业发展痛点的有效途径，人工智能技术在银行业具有良好发展前景02随着人工智能技术不断地发展和进步，未来银行业将拥有能够“自主学习”的风控模型，能够自动识别风险，并做出预警。人脸识别技术的准确性将从现在的99%上升到99.99%以上，而且场景实用性更强，对环境因素的敏感性更低。目前，中国第一家无人银行已在上海运营，未来随着人工智能技术的进步及智能设备的量产，无人银行的数量将逐渐上升人工智能技术将重构银行业务体系，业务办理不再受限于传统物理地址，风控体系将进入高级阶段，无人银行数量逐渐增加03从2016年起，中国各银行机构都在使用裁员，缩减招聘规模等手段以减少基层员工的数量，利用人工智能技术替代人工完成各项业务，该举措不但削减银行的人力成本，更提升了银行的运营效率。银行业数字化、智能化转型将是保持产业长久活力的必由途径。人工智能的应用将为银行业生产经营活动带来革命性的转变，将是推动银行业数字化、智能化转型的核心动力。人工智能应用的持续深化将是中国银行业未来发展的主要趋势摘要中国银行业智能化转型路在何方？52021 LeadL 名词解释-11 中国银行业领域人工智能行业综述-12发展现状-13发展历程-14 中国银行业领域人工智能产业链分析-15上游：云计算-17上游：大数据服务-18上游：AI芯片-19上游：图像传感器-20中游：计算机视觉-21中游：自然语言处理-22中游：语音识别-23中游：机器学习-24下游：应用现状-25下游：智能风控-27 中国银行业领域人工智能行业竞争格局-28用户规模-29资金投入-29 中国银行业领域人工智能行业发展前景-30政策端-31需求端-32发展趋势-33目录CONTENTS62021 LeadL 中国银行业领域人工智能行业企业推荐-35旷视科技-36第四范式-37思必驰-38 方法论-39 法律声明-40目录CONTENTS72021 LeadL Terms-11 Overview of the AI Industry in the Banking Industry-12Development History-13Development Status-14 Analysis of the AI Industry Chain in the Banking Industry-15Upstream:Cloud Computing-17Upstream:Big Data Service-18Upstream:AI Integrated Circuit-19Upstream:Imaging Sensors-20Midstream:Computer Vision-21Midstream:Natural Language Processing-22Midstream:Automatic Speech Recognition-23Midstream:Machine Learning-24Downstream:Application Status-25Downstream:Intelligent Risk Control-27 Competition Pattern of the AI industry in the Banking Industry-28User Size-29Capital Investment-29 Development Prospects of the AI industry in the Real Estate Industry-30Policy-31Market Demand-32Development Trend-33目录CONTENTS82021 LeadL Enterprise Recommendation of the AI industry in the Banking Industry-35Megvii-364Paradigm-37AIspeech-38 Methodology-39 Legal Statement-40目录CONTENTS92021 LeadL图表1：中国银行业金融科技发展状况，2020年-13图表2：中国银行业平均离柜率，2014年-2019年-13图表3：中国银行业金融科技发展历程-14图表4：中国银行业人工智能行业产业链-16图表5：中国金融机构云计算技术部署情况，2019年-17图表6：中国公有云在金融领域应用市场规模（按收入计），2015-2024年预测-17图表7：全球大数据储量地区分布，2019年-18图表8：中国大数据服务在金融行业的应用市场规模（以销售额计），2015-2024年预测-18图表9：中国AI芯片市场规模（按营收计），2016-2025年预测-19图表10：全球CMOS图像传感器市占率(按出货量计算)，2019年-20图表11：全球CMOS图像传感器市占率(按销售额计算)，2019年-20图表12：Galaxycore CMOS图像传感器销售额，2017-2022年预测-20图表13：计算机视觉技术在人脸识别中的应用流程-21图表14：中国计算机视觉市场行业规模，2014-2023年预测-21图表15：中国自然语言处理市场规模（按营收计），2014-2023年预测-22图表16：中国语音识别技术领域专利申请数量，2010-2019年-23图表17：中国机器学习市场规模，2014-2023年预测-24图表18：中国银行业领域人工智能应用现状（一）-25图表19：中国银行业领域人工智能应用现状（二）-26图表20：智能风控与传统风控的信贷流程对比-27图表21：中国商业银行手机银行用户规模，2020年-29图表22：中国商业银行金融科技资金投入，2020年-29图表目录List of Figures and Tables102021 LeadL图表23：中国部分金融科技政策汇总及影响，2017-2020年-31图表24：中国居民年度平均收入，2016-2020年-32图表25：中国智能投顾市场资产管理规模，2015-2024年预测-32图表26：旷视科技融资历史，2012-2019年-36图表27：第四范式融资历史，2017-2021年-37图表28：思必驰融资历史，2015-2020年-38图表目录List of Figures and Tables2021 LeadL11AI：Artificial Intelligence，人工智能，通过普通计算机程序来呈现人类智能的技术。CMOS：Complementary Metal-Oxide-Semiconductor，互补式金属氧化物半导体，是一种集成电路的设计工艺，常用来制作静态随机存取内存、微控制器、微处理器与其他数字逻辑电路系统。GPU：Graphics Processing Unit，图形处理器，专门用于绘图运算工作的微处理器。FPGA：Field Programmable Gate Array，现场可编程逻辑门阵列，以PAL、GAL、CPLD等可编程逻辑器件为技术基础发展而成的一种半客制电路。ASIC：Application Specific Integrated Circuit，专用集成电路，依产品需求不同而客制化的特殊规格集成电路。计算机视觉技术：Computer Vision,使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自然语言处理技术：Natural Language Processing，利用处理语言的技术，使计算机理解人类语言的含义，并通过对话的方式回答用户提出的问题。语音识别技术：Automatic Speech Recognition，将人类语音中的词汇内容转换成计算机可以处理的输入语料，最终实现词句词义识别的技术。声纹识别技术：通过语音信号提取说话人独有的声门开合频率、口腔大小形状及声道长度等声学特征，进而识别出说话人身份的技术。机器学习：Machine Learning，专门研究计算机怎样模拟或实现人类学习行为以获取新的知识或技能的学科，使计算机重新组织已有的知识结构并不断改善自身的性能。云计算：Cloud Computing，一种按使用量付费的模式，用户通过网络按需访问一个可配置计算资源共享池，实现计算资源快速配置且管理成本最小化。私有云：Private Cloud,云服务商为单一企业或单位搭建部署的云计算基础架构。公有云：Public Cloud,云计算服务商利用公共网络向客户提供具有弹性的计算资源和服务，允许用户根据服务使用量支付费用的云计算模式。区块链：Blockchain,一种按时间顺序将不断产生的信息区块以顺序相连的方式组合而成的一种可追溯的链式数据结构，是一种以密码学方式保证数据不可篡改、不可伪造的分布式账本。名词解释2021 LeadL12行业综述01020304052021 LeadL13来源：各企业年报，中国银行业协会，头豹研究院编辑整理中国银行业金融科技发展状况，2020年中国银行业领域人工智能应用综述发展现状人工智能对中国银行业造成巨大冲击，银行面临空前的压力与挑战，各银行相继成立金融科技子公司，投入巨额资金，扩大科技人才储备，积极发展金融科技水平，打造线上化、自主化、智能化银行中国银行业平均离柜率，2014年-2019年中国银行业顺应科技发展潮流，近年来各银行相继成立金融科技子公司，加大在金融科技领域的资金投入，扩大科技人员储备，加强人工智能在各业务场景的应用。2020年五大国有银行在金融科技领域的投资约占营业收入的3%，其中工商银行资金投入最多，增速最快2014至2019年期间银行业平均离柜率整体趋势上升明显，从67.88%持续上升至的89.77%。离柜率上升的背后，是银行业拥抱金融科技，加速线上功能布局，完善智能自助工具、网上银行、手机银行的结果单位：百分比银行金融科技子公司成立时间金融科技资金投入（亿元）增长率占营业收入比例新增科技人员数量工银科技2019/0323845%2.7%600建信金科2018/0422125%2.9%2,926农银金科2020/0718343%2.8%700中银金科2019/0616743%2.9%-274招银云创2016/0211927%4.5%5,629交银金科2020/085714%2.9%516光大科技2016/125251%3.6%42367.9%77.8%84.3%87.6%88.7%89.8%0.0%20.0%40.0%60.0%80.0%100.0%201420152016201720182019平均离柜率平均离柜率线性(平均离柜率)0%20%60%80%100%2021 LeadL14来源：头豹研究院编辑整理中国银行业领域人工智能应用综述发展历程中国银行业已经历金融电子化、金融信息化、互联网金融阶段，目前正处于金融科技迅速发展的阶段，各银行积极发展金融科技，陆续推出多种创新型智能机具，全面向智能化、数字化银行转型升级中国银行业金融科技发展历程（70年代-21世纪初）金融电子化阶段金融信息化阶段（21世纪初-2006年）（2007-2016年）互联网金融阶段金融科技阶段（2016-至今）网络银行逐渐成为客户与银行间的主要通道，中国银行业积极布局互联网金融，实现线上与线下双运营模式2012年，建设银行推出“善融商务”，进军互联网电商平台2014年12月，中国首家互联网银行-前海微众银行正式成立2015年，工商银行发布E-ICBC，大型国有银行正式加入互联网金融云端客服，实现业务VR视频连接办理中国银行业开始使用计算机代替业务的手工操作，极大地提升了银行服务效率，从根本上改变了银行的经营模式20世纪70年代，中国银行引进第一套理光-8型（RICOH-8）主机系统1991年，电子联行正式运行，在1999年形成覆盖全中国的电子联行网络1997年4月，招商银行正式建立了自己的网站，成为中国第一家网上银行中国银行卡业务发展迅猛，正式推出了以“银联”为标识的中国银行卡产业品牌，实现现代化支付系统的接入2001年，中国银行建立独立的CA认证中心2002年，中国建设银行总行成立电子银行部2002年，中国银联成立，建立全国银行卡跨行信息交换网络2004年，工商银行完成南北两大数据中心的整合中国银行业已全面向智能化，数字化银行转型升级，“智慧银行”时代已经到来2016年起，各银行纷纷成立金融科技子公司2016年，工商银行推出智能客服机器人“工小智”2016年，招商银行率先推出银行业首个智能投顾产品-“摩羯智投”2018年，农业银行新一代超级柜台完成投产2020年，深圳、苏州两地启动数字人民币试点2021 LeadL15产业链分析01020304052021 LeadL16来源：头豹研究院编辑整理中国银行业人工智能行业产业链中国银行业领域人工智能产业链中国银行业人工智能行业产业链上游以云服务、大数据服务、AI芯片及视觉传感器制造商为主体，产业链中游以计算机视觉、自然语言处理、语音识别与机器学习技术支持企业为主体，产业链下游主体为各银行机构上游基础层上游基础层中游技术层中游技术层下游应用层下游应用层智能客服云计算中国多数大型金融机构自建私有云，同时对中小金融机构提供专业金融云服务自然语言处理自然语言处理是人工智能设备不可或缺的核心技术互联网巨头企业占据约80%的市场份额机器学习大数据服务中国大数据技术在金融行业领域应用广泛中国大数据应用市场规模不断攀升AI芯片目 前 中 国 开展 AI 芯 片 相关 业 务 的 企业超90家，但仍超过90%的 AI 芯 片 依赖进口图像传感器日韩企业占据全球图像传感器市场的主导地位图像传感器主要应用于安防监控、汽车、医疗、金融等领域计算机视觉中国企业在计算机视觉算法领域处于领先地位中国计算机视觉行业市场正处于高速发展阶段机器学习可满足银行业在数据安全方面的高要求2012年谷歌将机器学习应用到语音识别中，将错误 率 从 30%降 至12.3%智能风控生物识别智能投顾智能营销智能征信智能支付智能开户语音识别技术已在多个领域实现规模化的应用中国知名企业的语音识别技术准确率达95%语音识别https:/ LeadL17来源：头豹研究院编辑整理中国银行业领域人工智能产业链上游：云计算62.3%23.2%14.5%500个虚拟服务器以内500-1000个虚拟服务器以内1,000个虚拟服务器以内以上中国金融机构云计算技术部署情况，2019年在政策鼓励下，云计算在金融领域的市场规模有较大增长空间。2015年以来，中国政府积极出台政策（如2015年国务院发布关于积极推进“互联网+”行动的指导意见），大力鼓励金融机构利用云技术开展业务。目前云计算在金融行业的应用渗透率不足15%，未来云计算在金融领域的市场规模仍有较大增长空间行业总体云部署规模较小。2019年，中国超过40%的金融机构采用了云部署，其中37.7%的金融机构部署的虚拟服务器数量在500台以上，多数金融金融仍需扩展部署方案5.510.621.640.768.3102.8151208.6281.7370.4050100150200250300350400201520162017201820192020E2021E2022E2023E2024E中国公有云在金融领域应用市场规模（按收入计），2015-2024年预测单位：人民币亿元CAGR2015-201987.7%2019-2024E40.2%中国金融机构以政策为导向，积极采用云计算技术开展业务，超过40%的金融机构采用了云部署，考虑到网络安全、隐私等因素，未来中国私有云在金融机构将普及化，公有云市场规模增速将有所下降云计算在金融领域的应用主要包括公有云和私有云：（1）公有云方面：2015至2019年，中国公有云在金融领域应用市场规模增长明显，从5.5亿元增长至68.3亿元，年均复合增长率达87.7%中国金融行业受政策强监管，近些年政策偏重鼓励对金融机构的网络安全、异构、灾备等方面的建设，不利于公有云在金融领域的创新发展，预计到2024年公有云在中国金融领域市场规模达370.4亿元（2）私有云方面：云由用户自主构建，不对外开放，不产生云计算服务使用规模。考虑到数据安全因素，超过80%的中国金融机构采用私有云部署2021 LeadL185.8%5.2%6.1%6.8%9.9%10.5%11.5%12.3%14.1%17.8%0.0%5.0%10.0%15.0%20.0%其他人工智能应用开发生活服务资源能化医疗健康企业管理移动通讯交通地理金融征信中国大数据交易资源行业分布概况，2019年来源：头豹研究院编辑整理中国银行业领域人工智能产业链上游：大数据服务单位：人民币亿元人工智能、云计算、区块链等新一代的信息技术的发展推动大数据服务发展，全球数据产生量迎来爆发式增长从2019年全球大数据储量地区分布状态分析，中国成为大数据存储量最高的国家，占据全球大数据储量的25%，美国大数据存储量世界第二，占比全球大数据储量的21.4%目前中国数据交易以政府为主导的数据交易为主，占据数据交易平台总量的60%。金融征信的数据交易在各行业中占比最高，为17.8%银行机构应用大数据及人工智能技术于金融征信中，提升信贷审批效率。征信是银行在信贷业务审批中最核心的部分，是风险管理的关键193.9 253.2 357.1 471 623.4 792.4 996 1,227.3 1,487 1,702 02004006008001,0001,2001,4001,6001,800201520162017201820192020E2021E2022E2023E2024E中国大数据服务在金融行业的应用市场规模（以销售额计），2015-2024年预测CAGR2015-201933.9%2019-2024E22.2%25.0%21.4%17.6%29.8%6.2%全球大数据储量地区分布，2019年中国美国APJxC地区EMEA地区其他地区注：APJxC地区：包括日本但不包含中国的亚太区EMEA地区：欧洲、中东及非洲三个地区的合称全球数据产生量爆发式增长，中国大数据储量居世界首位，其中金融征信是最主要的大数据交易行业及用途。随着大数据技术与金融业融合度不断提升，未来中国大数据服务在金融行业的市场规模逐年增长2015至2019年，以销售额计，大数据服务在中国金融行业市场规模从193.9亿元增长至623.4亿元，年复合增长率达33.9%。金融行业是大数据技术主要的应用行业之一，金融行业与大数据技术的融合效果良好，在降低企业运营成本及提升企业经营效益等方面见效明显随着大数据技术与中国金融行业融合深度提升以及市场潜力被不断挖掘，预测大数据服务在中国金融行业的应用市场规模有望实现22.2%的年复合增长率，在2024年达到1,702亿元2021 LeadL19来源：头豹研究院编辑整理中国银行业领域人工智能产业链上游：AI芯片010020030040050060070080020162017201820192020E2021E2022E2023E2024E2025EGPUFPGAASIC517.7375.9237.7189.6136.892.364.347.829.7中国AI芯片市场规模（按营收计），2016-2025年预测头豹洞察近年来，通用型GPU占据主要市场份额。全球人工智能芯片行业处于初步发展阶段，过去几年，通用型GPU发展较半定制FPGA、全定制ASIC成熟，商用的人工智能运算加速器以GPU为主，GPU核心技术长期被海外企业垄断，中国进口依存度高于90%未来ASIC市占率将超过GPU，占据行业主导地位。ASIC的开发难度大，研发投入高，目前商用量处于较低水平。未来随着芯片行业的发展与进步，ASIC将凭借着体积小、功耗低、计算性能高、量产成本低的优势的抢占GPU的市场份额，成为行业内主流的芯片类型，预测ASIC市场规模在2025年达到331.4亿元，在2020至2025年期间年复合增长率为46.3%687.5单位：人民币亿元CAGR年份GPUFPGAASIC总计2016-2020E40.2%38.9%64.3%46.5%2020-2025E32.5%32.4%46.3%38.1%AI芯片按技术架构分类标准分为GPU、FPGA、ASIC三种类型，目前GPU芯片占据主要市场份额，呈现稳定增长态势，未来ASIC将凭借性能高、成本低的优势成为行业内主流芯片类型2021 LeadL20来源：格科微招股说明，头豹研究院编辑整理全球图像传感器行业竞争格局Galaxycore CMOS图像传感器销售额，2017-2022年预测中国银行业领域人工智能产业链上游：图像传感器日韩企业在全球图像传感器行业中占主导地位，2019年中国企业格科微电子凭借着价格优势在全球CMOS图像传感器出货量排名第二。随着全球智能设备需求量的快速增长，图像传感器的需求量随之增大全球CMOS图像传感器市占率(按出货量计算)，2019年全球CMOS图像传感器市占率(按销售额计算)，2019年26.9%20.7%18.9%15.1%7.1%11.3%SonyGalaxycoreSamsungOmnivisionSK HynixOther44.60%22.70%8%3.40%3.10%3%3%2.80%9.40%SonySamsungOmnivisionON SemiconductorSTMicroelectronicSK HynixCanonGalaxycoreOther图像传感器分为CMOS图像传感器与CCD图像传感器两种，CMOS图像传感器的综合性能比CCD更具有优势，且生产成本更低，因此占据绝大部分市场份额；2019年，CMOS图像传感器在全球图像销售额中占比约为85%2019年，按出货量计算，中国企业格科微电子(Galaxycore)的CMOS图像传感器全球市占率为20.7%，排名全球第二。按销售额计算，市占率仅为3%，排名全球第八预测格科微电子凭借着技术的进步、良好的市场口碑以及价格优势在未来中长期的行业竞争中将抢占更大的市场份额。全球第二的出货量表明格科微电子的CMOS图像传感器的具有良好的市场口碑，受到市场青睐；全球20.7%的出货量对应的仅3%的销售额市占率表明了格科微电子的CMOS图像传感器的价格相对较低，性价比高，与各企业在行业竞争中具有价格优势16.117.631.946.263.881.701020304050607080902017201820192020E2021E2022ECAGR2017-201940.8%2019-2023E36.8%单位：人民币亿元2017至2019年，中国CMOS图像传感器龙头企业格科微电子(Galaxycore)发展势头良好，销售额从16.1亿元增长到31.9亿元，年均复合增长率达40.8%全 球 对 图 像 传 感 器 的 需 求 量 持 续 增 长，预 测 格 科 微 电 子(Galaxycore)凭借着价格优势和性价比优势，在2019至2022年保持年均36.8%的年均复合增长率，于2022年达到81.7亿元2021 LeadL21来源：头豹研究院编辑整理计算机视觉技术在人脸识别中的应用流程中国银行业领域人工智能产业链中游：计算机视觉计算机视觉技术主要应用于银行业务中人脸识别的身份认证环节中，助力银行业电子支付、刷脸取款、远程开户、安保监控等领域快速发展，为银行客户金融安全及消费安全提供保障中国计算机视觉市场行业规模，2014-2023年预测单位：人民币亿元在银行业领域，计算机视觉技术是人脸识别中最核心的技术，主要处理流程包括目标检测和目标识别两大环节。银行中的智能机具主要通过人脸识别对客户进行身份验证，人脸识别准确率达99%以上银行的智能柜台在客户确认办理业务前，通过计算机视觉技术捕捉客户的人脸图像进行身份的查验，只有在与数据库中对应的人脸图像匹配成功后，客户才能够在该机器上继续办理业务，该技术极大地提升银行对客户进行身份认证的效率，并且确保客户身份的真实性，降低运营风险2014至2019年，中国计算机视觉市场规模由11.1亿元增长至136.7亿元，年复合增长率达51.9%。银行业对金融安全、消费安全以及智能化转型升级的追求推动着计算机视觉技术的提升与发展，计算机视觉技术在银行业身份认证、安保监控等领域将迎来更多需求。从短期来看，中国计算机视觉市场规模将保持快速增长趋势，预测2019至2023年中国计算机视觉行业市场规模年均复合增长率将达45%，2023年规模达603.5亿元客户人像目标识别提取人脸特征特征分析目标分类与数据库中的对应人脸特征进行比对认证结果目标检测人脸检测定位人脸区域图像预处理图像分割过滤背景及其他无关信息11.115.624.651.682.7136.7206.2306.4430.2603.501002003004005006007002014201520162017201820192020E2021E2022E2023ECAGR2014-201951.9%2019-2023E45%2021 LeadL224.16.88.613.520.630.750.675.6110.5150.70204060801001201401602014201520162017201820192020E2021E2022E2023E来源：头豹研究院编辑整理自然语言处理在银行业中的应用中国银行业领域人工智能产业链中游：自然语言处理自然语言处理技术为银行业提供自动问答、信息检索、情感分析等功能，主要应用于智能客服、智能风控、智能营销等场景中，随着银行业智能化的发展，自然语言处理技术将被用于更多业务场景中，市场规模随之增大中国自然语言处理市场规模（按营收计），2014-2023年预测单位：人民币亿元现阶段的自然语言处理技术商业化并不成熟，部分已实现商业化应用的自然语言处理技术相关产品（如智能客服）均无法将直接收益归因于自然语言处理技术，因此自然语言处理技术产生的市场营收规模较小。2014至2019年，中国自然语言处理市场规模从4.1亿元增长至30.7亿元，年均复合增长率为49.6%随着智能设备数量的增长以及行业智能化业务处理水平要求的提高，自然语言处理市场有望得到进一步拓展，预测2019至2023年中国自然语言处理市场营收规模年均复合增长率将达48.8%，在2023年达到150.7亿元CAGR2014-201949.6%2019-2023E48.8%自动问答（商用率低）信息检索（商用率高）情感分析（商用率低）智能客服智能问答服务反馈厅堂指引自动问答系统能够正确理解用户提出的问题，抽取问题中的关键信息，进而检索语料库，将可匹配的最佳答案用自然语言的形式反馈给客户搜索引擎风险管理信息标记智能营销提取关键数据和条款，帮助信贷员审查商业贷款协议对用户账户中可疑交易数据进行标记与监控，加强风险管理意见挖掘服务评价舆情分析精准营销从客户反馈信息中进行客户情绪分析，帮助银行洞察客户需求与痛点根据用户的信息反馈为其推送个性化的金融产品，实现精准营销功能应用场景场景描述2021 LeadL23来源：头豹研究院编辑整理中国语音识别技术在银行业智能客服中的应用中国银行业领域人工智能产业链中游：语音识别在银行业领域，语音识别技术主要应用于声纹核身、身纹解锁、电话银行等业务场景中，助力银行降低人力负担，提升业务效率及用户体验；中国语音识别技术不断进步，专利申请数量上升趋势明显中国语音识别技术领域专利申请数量，2010-2019年单位：项语音识别技术是实现银行业智能客服、智能外呼等场景的核心技术，银行客户对语音客服需求性高，因此银行业对语音识别的准确率上有很高的要求，目前中国工商银行智能客服“工小智”的语音识别准确率已达98%中国人工智能语音识别领域的专利申请量总体上呈上升趋势，2010至2018年，年均复合增长率达34.3%，在2018年达到峰值7,249项。由此可见，人工智能语音识别领域的发展受到各科研企业的重视，正在迎来全面的技术进步，将更有效、更广泛地应用于银行各业务场景中6878991,3841,8232,1073,0994,2985,9797,2493,19901,0002,0003,0004,0005,0006,0007,0008,0002010201120122013201420152016201720182019声纹核身声纹解锁电话银行在电话客服中，智能设备通过提取说话人声音的生物特征验证说话人身份。目前使用率较低银行在信用卡电话客服渠道引入声纹识别技术，解决了繁琐的提问核身、流程冗长的痛点，实现无感知身份核实，提升业务办理效率，业务平均办理时间较以前按键菜单缩短60%手机银行APP通过用户语音中所蕴含的声纹特征信息验证说话人身份。目前使用率较低手机银行为用户提供了更多渠道的身份认证方法，解决用户忘记密码，及在某些场景不适合人脸识别认证（如戴着口罩、在黑暗中）的困扰，减少客户用户登录时间，降低信息泄露的风险，在保障账户安全的同时，也提升了用户体验在电话银行中，机器人通过识别说话人的语音内容，为其提供业务咨询及办理的服务。目前使用较为普及语音识别技术广泛应用于银行电话智能客服，智能客服覆盖80%以上业务咨询和服务场景，语音识别准确率高达98%，可节约80%以上的人工成本应用场景场景描述作用影响2021 LeadL24来源：头豹研究院编辑整理机器学习在银行业中的应用中国银行业领域人工智能产业链中游：机器学习机器学习技术广泛应于银行业客户分析、营销类、风控类的场景中，助力银行业有效提升客户管理、风险管理、智能营销的效率与能力水平。中国机器学习市场发展势头良好，预测2023年市场规模将达336.7亿元中国机器学习市场规模，2014-2023年预测单位：人民币亿元2014至2019年，各垂直领域的机器学习应用项目平均市场价格处于500万元至580万元区间内，根据各垂直领域机器学习项目平均市场价格以及项目数量进行计算，中国机器学习行业市场规模从2014年的8.7亿元增长至2019年的76.8亿元，年复合增长率达54.6%随着机器学习算法的不断改进，其在各垂直领域的应用将进一步加深，各垂直领域的机器学习应用项目数量将不断增多，预计至2023年，机器学习市场规模将达336.7亿元客户管理风险管理智能营销客户流失预警客户价值挖掘客户画像建立客户价值建模根据客户的特征（如职业、收入），对客户进行分类，标签化客户根据客户历史行为及数据，预测客户流失概率，发现原因，及时挽留根据客户的交易数据和消费行为挖掘高价值潜力客户贷前准入贷中监测违约预测逾期预测根据客户多维度数据（如征信、财务状况）进行贷前准入分析与预测对信贷资金进行追踪监测，对可疑交易进行预警根据客户历史数据，预测违约、逾期概率获客筛选交叉销售客户挖掘精准营销根据客户的历史流水、财务状况等数据过滤低质量客户，定位高质量客户，提升营销成功率通过对存量客户的历史数据的分析挖掘，搭配关联性高的组合产品，对客户进行捆绑销售或精准营销功能应用场景场景描述8.714.318.229.652.576.8116.5172.3239.4336.70501001502002503003504002014201520162017201820192020E2021E2022E2023ECAGR2014-201954.6%2019-2023E44.7%2021 LeadL25来源：头豹研究院编辑整理中国银行业领域人工智能应用现状（一）中国银行业领域人工智能产业链下游应用现状（1/2）中国银行业依托人工智能加速转型升级，将人工智能覆盖到前、中、后台各个领域，使各项业务、流程能够智能化、自动化办理，目前智能客服、生物识别、智能风控在银行的应用率高，未来智能投顾的商用率有望提升客服机器人应用语音、文本识别、自然语言处理技术完成流程标准化的业务咨询、办理等客户服务定义售前电销售后咨询反馈服务催收外呼应用场景完成高重复性、流程标准化的业务咨询及疑难解答，能够解决85%以上的客户常见问题节约人力成本，一个机器人坐席的成本相当于一个人工座席成本的10%客户等待时间缩短，企业运营效率、服务效率及客户满意度提升作用及影响将大数据、云计算、人工智能等技术作为风险控制工具，应用到银行的风险控制流程当中贷款业务风险定价智能征信交易反欺诈自动化审批替代人工审批，降低人力成本，平安银行90%信用卡通过AI自动审批关联多维度数据分析客户特征，精确量化客户授信额度、还款能力与意愿，违约成本等因素，从而降低银行不良贷款率及信用风险，客户风险预警准确率达70%通过应用计算机视觉、模式识别、机器学习等技术进行人脸识别及指纹识别，达到身份核实的目的人脸识别刷脸支付指纹支付智能安保通过现实人脸图像与联网核查图像、客户身份证图像交叉比对，完成身份认证，准确率达99%，大幅提高支付安全性能及用户体验替代人工肉眼辨识工作，节约人力成本，提升身份核查的准确性以及银行服务效率通过应用特定算法，结合投资者风险偏好，财务状况与理财目标等，为投资者提供资产配置建议投资理财产品营销风险测评理财咨询依托海量数据实时调整资产配置策略，执行最优化投资方案，克服人为情绪化交易的弊端，具有专业性与有效性。智能投顾目前在美国商用程度较高，在中国较低技术专业高效（平衡风险与收益），降低投顾成本和资金门槛（最低1元起投）智能客服生物识别智能风控智能投顾2021 LeadL26来源：各企业年报，头豹研究院编辑整理中国银行业领域人工智能应用现状（二）中国银行业领域人工智能产业链下游应用现状（2/2）中国银行业大力发展人工智能，打造“智能银行”，改变传统的营销、服务、管理模式，优化升级其金融体系，为消费者提供更便捷、安全、有效的服务体验，目前智能支付在中国一线城市已实现普及化通过应用自然语言处理、生物识别、大数据等技术为用户提供个性化、精准化的营销服务定义线上产品营销信贷产品营销电话营销厅堂营销应用场景通过关联用户交易、消费、网络浏览等行为数据，为用户推介与其自身需求关联性高的金融产品，提升产品营销的精准性与成功率个性化精准营销缓解银行金融产品高度同质化的痛点，提升引流获客效率，降低获客成本作用及影响通过应用生物识别、自然语言处理等技术为用户提供资金转移和支付的服务移动支付扫码支付刷脸支付指纹支付智能支付摆脱了纸币真伪查验、找零等环节，支付数据可溯源，提升交易的安全性智能支付解决了传统银行90%以上的现金业务，解决了传统银行现金业务等待时间长，业务流程冗长、交易处理慢等痛点，为用户带来更快捷、更便利、更智能的支付体验通过应用大数据、知识图谱等技术提取用户多维度数据并建立信用模型，从而评估用户的信用企业征信个人征信信贷征信雇佣征信结合多维度数据对用户进行信用分析及预测，解决用户信用的风险评估问题，全面降低银行面临的信用风险摆脱了人工征信的繁琐流程和低效性，节约人力成本，提升运