金融人工智能研究报告

       2022年1月14日，中国信息通信研究院（以下简称“中国信通院”）召开“可信AI成果发布会”。会上发布了《金融人工智能研究报告（2022年）》，中国信通院云计算与大数据研究所人工智能部高级业务主管李荪详细介绍和解读了报告内容。

       《金融人工智能研究报告》自2021年8月启动编制，中国信息通信研究院云计算与大数据研究所牵头，发起单位为中国工商银行股份有限公司、中国农业银行股份有限公司、上海浦东发展银行股份有限公司、中原银行股份有限公司、中泰证券股份有限公司、阳光保险集团股份有限公司、中国人寿财产保险股份有限公司、中国平安保险(集团)股份有限公司，联合北京爱分析科技有限公司共同起草撰写。

       金融机构数字化转型正在如火如荼地进行，人工智能作为数字化转型的重要手段之一，全方位融合赋能金融行业的业务领域和场景应用，人工智能助力金融行业升级的序幕正式开启。

       从应用范围来看，目前人工智能技术在金融产品设计、市场营销、 风险控制、客户服务和其他支持性活动等金融行业五大业务链环节均有渗透，已经全面覆盖了主流业务场景。

       从技术价值来看，深度融合 金融业务场景的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 面进入了价值创造阶段。

       从应用场景来看，以生物特征识别、机器学习、计算机视觉、知识图谱等技术赋能下的金融行业，衍生出智能营销、智能身份识别、智能客服等多个金融人工智能典型场景。

       本报告从金融行业业务链出发，深度剖析人工智能各类细分技术在金融领域的应用及未来发展趋势，力求展现目前金融人工智能技术应用全貌，为金融行业加快数字化转型提供帮助和引导，推动健全具有高度适应性、竞争力、普惠性的现代金融体系。

       报告概要如下：

       01金融人工智能行业发展现状

       人工智能技术因其在文字、语音和图像等各类信息的自动挖掘、 提取和处理方面表现出的强大能力，成为促进金融科技发展，加速金融数字化转型的关键力量。金融和人工智能的全面融合，正在逐步赋 能金融业务链，提升金融机构的服务效率，拓展金融服务的广度和深度，使得人工智能在金融行业不断实现价值创造。

       一）发展背景：金融数字化转型，全面推动产业化发展

       国家宏观政策和行业领域规范逐步出台，推动金融数字化转型。

       地方积极响应中央战略布局，因地制宜出台扶持政策。

       行业标准规范逐步完善，推进市场成熟化发展。

       二）发展环境：AI赋能金融业务，全面发挥价值创造力

       以需求为导向，传统业务行业痛点凸显

       以智能为目标，提升金融化水平

       以服务为核心，聚焦业务五大核心环节

       02金融人工智能行业发展现状

       目前，人工智能与金融行业深入融合，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，细分行业技术应用和采纳度存在差异性，行业发展成熟度呈现阶梯分布以 及体系逐渐完善等现状。

       一）聚焦金融业务核心需求，发挥技术创造力优势

       人工智能技术赋能主要聚焦金融业务链上五大环节的需求，在获取增量业务、降低风险成本、改善运营成本，提升客户满意度四类金融业务场景方面价值创造力突出。

图 1：金融人工智能技术价值创造力分析

资料来源：调研和公开资料整理

       二）细分行业需求存在差异，技术采纳成熟度不同

       银行、保险、证券行业存在众多共性场景，针对不同领域还有个性化需求。

       人工智能技术在金融主要场景基本实现全覆盖，细分行业场景应用成熟有所差异。

       机器学习和语音、视觉感知技术采纳度较高，细分行业对于各类技术采纳度具有鲜明的行业属性。

       三）行业发展呈现阶梯分布，实现技术跨行业外溢

图2：金融人工智能行业发展阶梯图

资料来源：调研和公开资料整理

       金融行业的数字化、智能化改革已经初见成效，金融机构在技术研发应用方面呈现明显的阶梯分布。

       金融行业已形成标杆性示范效应，建立技术与业务的联动发展模式。

       金融行业技术自研率较高，部分金融机构实现技术跨行业外溢。

       四）金融 AI 技术应用为关键，相关体系支撑为核心

       目前，金融人工智能技术正处于快速产业化应用阶段，技术应用体系可分为基础层、通用层和应用层共三层架构。

图3：金融人工智能体系全景图

资料来源：调研和公开资料整理

• 基础层，提供底层基础软硬件和计算能力。
• 通用层，实现金融智能场景的技术手段和方法
• 应用层，融合技术与业务需求而产生的行业场景。

       配套支撑方面，从战略、工具和安全层面保障技术应用落地。人工智能工程化，面向数据、算法、模型、服务等要素，提供完备易用的工具体系、标准化的研发运营和管理体系和多样的效能评价体系。

       安全合规治理，提供体系化可信人工智能技术风险治理规范。

       企业战略规划，提供可持续化人工智能技术战略资源投入和布局。

       03人工智能在金融行业的技术应用及实践

       人工智能在金融行业的技术应用，主要从基础层、通用层和应用层发挥赋能效应。基础层，主要为算法模型提供基础计算资源和基础设施，为业务高效落地提供支撑。通用层，充分利用智能感知认知技术，解决传统金融业务场景的痛点。应用层，将智能技术与业务需求充分融合，衍生出智能营销、智能投顾和智能理赔等典型智能金融场景。

       一）基础层：提供底层资源，支撑业务高效落地

       基础层为算法提供了基础计算能力、工具和系统，一方面除了CPU（Central Processing Unit，CPU）及GPU（Graphics Processing Unit， GPU）外，还包括为特定场景应用而定制的计算芯片，以及基于计算芯片所定制的服务器，包括 GPU 服务器集群，各类移动终端设备以及类脑计算机等；另外一方面人工智能系统软件和开发框架作为支持性工具，极大地提高开发效率，简化开发流程和降低开发成本。

       二）通用层：解决业务痛点，创造核心应用价值

生物特征识别

计算机视觉

知识图谱

自然语言处理

智能语音

机器人流程自动化 RPA

其他

       三）应用层：结合业务需求，衍生智能金融场景

智能营销

智能身份识别

智能客服

智能投顾

智能投研

智能理赔

智能风控

智能合规

智能运营

       04金融人工智能核心支撑能力

       一）企业战略规划：决定技术价值潜力体现的保障

       前期投入担忧效应存在，战略定力影响转型成效

       长期自适性的战略规划，生态和机制多方面创新

       二）工程化平台管理：推动技术场景快速落地的手段

       技术早期重开发轻管理，应用落地方面问题凸显

       开发平台提供一站式服务，配套 MLOps 管理机制

       三）可信合规治理：保证技术安全规范应用的根本

       金融行业重视合规要求，忽略 AI 治理将造成隐患

       可信人工智能治理评估，多维度解决合规安全风险

图 4：可信人工智能总体框架

来源：中国信息通信研究院

       05金融人工智能发展前景展望

       一）技术方面：技术能力革新，驱动行业发展不断演进

       基础技术能力创新突破，成为金融人工智能发展的新驱动力。

       工程化平台和体系支持能力建设，成为金融人工智能发展的重点方向。

       二）应用方面：场景智能深化，支撑现代金融体系建设

       人工智能逐步渗透业务链五大个环节，业务赋能逐步升级。

       人工智能不断拓宽金融业务领域边界，进行智能化场景赋能。

图5：金融人工智能业务场景智能化全景图

       三）保障方面：可信治理评估，助力行业长期规范发展

       行业逐步重视 AI 技术应用规范，不断完善评估能力建设。

       重视可信人工智能多元化治理评估，平衡业务转型要求与合规风险治理。