2022年中国金融AI解决方案市场追踪

市场读12022/01 中国：云安全系列 摘要 身份认证与智能客服应用最广泛，智能营销与智能风控落地较难 A可赋能金融营销、资管、风控等领域，面问金融消费者、金融机构和金融监管机构，改善金融市场信息对称性并提升金融交易的效率和安全性。 不同A应用场景在不同金融细分行业中的成熟度有所不同。其中，身份认证与智能客服应用最为广泛，且落地相对容易，其可有效地降低金融机构运营成本；智能营销与智能风控技术成熟但落地较难，原因分别为客户接受度低和营销成功率低，以及风控对A解决方案的定制化要求高。 目前，金融行业各机构对于安全认证和客户身份识别的需求较为迫切，身份识别和智能客服应用和落地最为成熟，智能营销和智能风控技术成熟 但落地较为困难， 计算机视觉、智能语音、知识图谱技术在银行、保险、券商的应用最为广泛 目前，银行、保险、券商对安全认证和客户身份识别的需求较大，其涉及的计算机视觉、智能语音技术应用程度较高。同时，在银行业，机器学习可为银行实现精细化客户管理，同时赋能于精准营销和智能风控；在保险业，RPA技术应用最为广泛， 报告提供的任何内容（包括但不限于数据、文字、图表、图像等均系头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式撞自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，头的研究院保留采取法律措施、追究相关人员责任的权利，头豹研究院开展的所有商业活动均使 其可负责大量且重复的后台流程，降低保险人力成本，同时提高客户满意度；在证券业，知识图措可为券商文本分析、奥情监控、知识发现、模式挖掘和推理决策提供坚实的技术底座。 采购方采购解决方案时重点关注产品易用性、投入产出比、报价高低、AI厂商实力 用“头豹研究院或“头豹"的商号、商标，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表头的研究院开展 AI解决方案采购方通过POC测试来筛选综 合得分最高的A广商，在筛选的同时，也会结合AI厂商提供的产品易用性、投入产出比、解决方案报价高低、A厂商实力和成立年限等因素。 商业活动。 金融A/行业综述 口金融AI行业综述： 应用综述 1发展概况 产业链 1各领域应用程度 解决方案采购流程解决方案采购标准 中国金融AI应用综述 A/可赋能金融营销、资管、风控三大领域，面向金融消费者、 金融机构和金融监管机构，改善金融市场信息对称性并提升金融交易的效率和安全性 人工智能在金融领域的应用 数清洗 数据标注 语鲁识别 知识图谐 金融资管 金融风控 直融营销 智尽测 反洗线 反欺许 应用层 鲁能放款 智能风控 智能培训 智能客服 智能投研 智能征信 AI可赋能金融营销、资管、风控三大领域，并应用于金融消费者、金融机构和金融监管机构 随着人工智能（AI）技术的不断成熟，其在金融领域得到了广泛的应用，促进了金融产品和服务的创新，改善了金融市场的信息对称性，提升了金融交易的效率和安全性。 目前，中国AI产业链可大致分为基础层、技术层和应用层。中国AI企业在技术层和应用层有着技术优势，而在基础层处于相对落后的状态。基础层是A的基石，主要为AI应用提供算力和数据的软、硬件支持，包括AI芯片、GPU/DPU/FPGA等加速硬件、传感器、 云计算等基础设施。以及数据采集、清洗、抽取、标注等数据服务。基础层AI企业市场 集中度较高，核心技术与产品主要掌握在龙头企业手中，企业需要极高的资金需求来满足研发投入以保证其技术壁垒；技术层是AI产业的核心，技术层的AI企业通过机器学习 深度学习、神经网络、遗传算法等算法理论，以及计算机视觉、语音识别、自然语言处理、知识图谱等应用技术，赋能下游应用领域，推动应用场示的落地。 在应用层，通常针对客户的需求和应用场景的特性，会集成一种或多种A基础应用技术来提供软硬件产品或解决方案。A技术可赋能金融的营销、资管和风控三大领域，并应用于金融消费者、金融机构（券商、保险、基金等），以及金融监管机构。 中国金融AI发展概况 目前，金融行业已由传统的"IT/互联网+金融"演进至“AI+金融”。 AI可从降低人工成本、解决信息不对称性和提高客户转化率等方面赋能金融行业 中国金融AI发展概况 至今 2010 2015 2005 金融行业通过大数揭、云计算、人工智能、区块链技术 金融行业利用互联网和移动美选来汇聚用 改表传统全融值息果集求源，风险定价慢型，投资决策，等过程，改善金融市场值息不对性，提升金融文最的效率和安全性 全融行业通过传统的的软件的应用案广信息实现金送业务的产法，交易劳、实现办公也业务的电子化和户动化。经行 支付需、资金券的互联互通，实现信息共享和业务融合 内部的信供系统、清算系统款是这个对级的代表 田 移动支付 股票交易PC客户滑 智能风控 蒙化交易 办公白动化 智能投膜 智能客服 互联网级行 网上银行 智能孕调 众等 P2P网货 互联月+金站 IT+金融 AI+金融 传统金融行业痛点 "AI+金融"可提升金融行业数字化水平，通过实现金融 人工成本高 人业务流程自动化，降低人工成本，同时提升数据处理 效率，减小金融市场信息不对称性，并且提供智能营销等差异化服务，提升客户满意度， 传统金融行业存在业务流程复杂，处理周期较长，提供差异化服务能力较弱等问题，同时高度依赖人工审批及处理，导致人工成本居高不下。 央行出台金融科技发展新规，强调“数据"与"科技”在金融数字化转型中的重要地位 近年来，国家不断出相关政策，旨在推动AI在金融 金融市场信息不对称 领域的发展，加速金融数字化转型。2021年12月31日，中国人民银行印发金融科技发展规划（2022一2025 金融各大业务场景数据量大，数据复杂、有效信息难以挖掘等情况导致了数据孤岛和数据分析效率低下等问题增加了金融市场的信息不对称性。 年）》，为未来4年金融科技发展提出明确指导意见。 《规划》提出"将数字元素注入金融服务全流程，将数字思维贯穿业务运营全链条，注重金融创新的科技 驱动和数据赋能"，旨在强调"数据"和"科技"在金融科 技发展过程中的重要地位。同时，相较于三年前的 《规划》，新版《规划》在金融监管、金融科技基础能力建设、金融服务方面提出了进一步的要求，而以大数据和人工智能等为代表的数字技术将赋能金留监管、金融科技基础建设和金融服务，夯实金融科技基础支撑，构建金融创新与发展的"数字底座"。 客户转化率低 面对金融消费者上，传统金融业务存在办理流程整锁、差异化服务能力较 弱等问题，导致部分业务场票下客户满意度较低，客户转化率难以提升。 HISILICON 国 () 所需效据修 华力云 至达豫、终端AI芯计 输与算力短供网终基础。 2022年往后.陆善企业对IT解决 QUALCOWFPGA、ASIC等芯片的 BROADCOM N京东云 方军的费法型更加看重，混合云和无服务器云将成为势。 市场占比也陆之增 亚马进云科技 IBM. 卓阿里云 EMOTIBOT 中国流音识别市场 相较于计算机视觉和语落识别.NLP缺 乏恒对独立且足多大的落地场量。仅布局NLF的厂南发晨空间相对有限。近年来NLP与计算机视资和语音识别有融合发展的趋势 规模预计在2024年 MEGVII 广视 达222亿无，科 大讯飞在中国请音识别市场市占率第 A四小龙"的高涵、世、云从、集图会计占提超50的市场份额。 JEEPGLINT AI (VT) 技 机器学习 知识图谐 木层 综合型 如识图谱广运应月于金购各大A场景可为监管机构损供市场和合规监管； 中国机学司技 腾讯 阿里云 商主要可分为以BAT华为，AWS等为代表的云服务厂商，以东 明路科技 金选点牌决方需采购方权据置！ 百度智能云 求分列区属年个A技水亮道排！ 百度智能云 达观数据 空较的的厂商，要动调各厂交！ 常助全融机构实现智能风控、营销资履和投期等应用为金购服务提供信负风险评估等 亚马逊云科技软、新华三、星还科 DATA GRAND' 起开发整套A解决方需、综！ 阿里云 核等为代表的大数据平台公司，以及像第四范式、损智立方等前沿创新技术的初创公司 合型AI厂南互强立理进完整解决方实，但往注也等部分开发1工作处公金基厂交块目定点。 智言科技 陌科技 编合型A解决方离厂商可驻立投供完整决方案。 4Paradigm 探智立方 放海致大数据 保险 来速：买的研究染 e www.leadleo.ccm 金融A/各领域应用程度 金融行业对于安全认证和客户身份识别的需求最为迫切，身份识别和智能客服应用和落地最为成熟，智能营销和智能风控技术成熟但落地较为困难 金融细分行业AI应用场景成熟度 完整版登录www.leadleo.com 搜索《2022年中国金融A/解决方案市场追踪》 已成熟应用 尚未成熟应用 技术成熟落地较难 身份识别和智能客服应用成熟且落地最为广泛，智能营销和智能风控应用成熟但较难落地 金融细分行业AI技术应用程度 计算机视觉 目前，在以银行、保险、券商为代表的金融行业下，金融A在银行的应用最为成熟且广泛。同时，不同A应用场景在不同金融细分行业中的成熟度也有所不同，智能营销、智能风控、身份识别、智能合规、智能客服均已在三大金融细分行业中落地，智能投研和智能投顾主要应用于银行和券商，而智能理赔则应用于保险。其中，身份识别和智能客服应用最为成熟，且落地较为容易。其可较好地让金融机构上线使用且降低成本。而智能营销和智能风控技术成熟但落地难度较大，原因分别为客户接受度低和营销成功率低，以及风控对AI解决方案的定制化要求高。 知识图错 RPA 行 AI解决方案更多应用于银行业和资管业务，同时主要服务于金融消费者 计算机视觉、智能语音、知识图谱技术在银行、保险、券商的应用最为广泛 目前，银行、保险、券商对安全认证和客户身份识别的需求较大，其涉及的计算机视觉、智能语音技术应用程度较高。同时，在银行业，机器学习可为银行实现精细化客户管理，同时赋能于精准营销和智能风控；在保险业，RPA 修灸、保险 全融满费者 金融风拉 织行 （机器人流程自动化）技术应用最为广泛，其可负责大量且重复的后台流程，降低保险人力成本，同时提高客户满意度；在证券业，知识图谱可为券商文本分析、典情监控，知识发现、模式挖掘和推理决策提供坚实的技术底座。 头豹ewlkalo.cm 金融A/解决方案采购流程 采购方通过POC测试来筛选合适的AI解决方案厂商，此外，产品易用性、投入产出比、报价高低、AI厂商实力和成立年限也是采购方重点关注的因素 AI解决方案招标流程 完整版登录www.leadleo.com 搜索《2022年中国金融A/解决方案市场追踪》 采购方挑选AI解决方索厂商偏好 AI解决方案采购方通过POC测试来筛选综合得分最高的AI厂商 AI解决方案采购方根据场景应用需求发布招标通告，各大AI厂商应标，同时根据招标内容判断公司自有产品是 否满足需求。若有部分不满足或技术没源盖，则联合其他AI厂商一同开发。接着，根据投标的AI厂商情况，采购方对每个AI厂商展开POC（验证测试），验证厂商技术能力。在部分测试情况下，AI厂商先提供公有云环境采购方业务部门进行能力体验与功能验证。接若，AI厂 商提供私有化部署所需硬件配置，采购方进行资源申请再将测试的通用规则和要求给到AI厂商，AI厂商根据业 务要求输出测试结果。采购方根提厂商输出结果进行综合打分，并结合POC各项得分筛选出最合适的厂商，最终公布中标厂商。 公司成立年限 公司实力 入产出比 产品易用性 报价高低 采购方在挑选金融AI解决方案厂商时，也会