2022年中国AI＋金融行业发展研究报告

核心摘要：

行业概述：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。

细分技术领域：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。

商业分析：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。

未来展望：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。

AI+金融定义与分类

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。

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。

AI+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。

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%。

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。

产品效果评价维度

产品与业务适配性为甲方首要关注维度

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。

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。

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。

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。

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。

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。

知识图谱市场规模

在知识图谱解决方案与大数据类产品带动下迎来新一轮增长

据艾瑞统计测算， 2021年AI+金融领域知识图谱核心产品市场规模达到21亿元，预计2026年核心产品市场规模将达到68亿元，2021-2026年CAGR=26.6%。自2019年开始，知识图谱产品在金融市场逐渐得到认可，并加速向信贷风控、精准营销、流程优化等场景渗透，促使知识图谱市场规模逐渐提升。从市场结构来看，知识图谱软硬件市场规模比例约为6:4，知识图谱解决方案类产品是知识图谱在金融领域渗透最深的产品，2021年市场规模占比达84%，其在金融领域的加速渗透也将带动知识图谱整体市场规模在2022年迎来新一轮增长。

智能语音与对话式AI可解决业务痛点

应用于客服、营销等交互场景，助力金融机构降本增效

由于具有较强的场景化、交互性等特点，智能语音与对话式AI产品通过替代或辅助人工的方式，广泛应用于金融机构客户服务、营销推广等场景，可精准有效地解决金融机构在客户服务、营销、培训等方面人工成本不断增加、客户服务效率低下、获客成本高等问题，助力金融机构实现降本增效。随着生活节奏的加快，人们对金融服务的要求越来越高，及时性和准确性成为衡量服务质量的重要标准之一，智能语音与对话式AI产品在即时反馈和标准化服务方面具有显著优势，在金融客服领域具有广阔的应用前景。

智能语音与对话式AI市场规模

以智能客服类产品为代表，市场增速呈明显放缓趋势

据艾瑞统计测算， 2021年AI+金融领域智能语音与对话式AI核心产品市场规模达到45亿元，预计到2026年核心产品市场规模将达到108亿元，2021-2026CAGR=18.9%。目前，金融领域智能语音与对话式AI产品主要应用在智能客服领域，以语音机器人的形式融合智能语音技术与自然语言识别、知识图谱等技术，替代传统人工客服大批量、重复性工作以实现降本增效。未来，智能客服等较为成熟的智能语音与对话式AI产品则以向二三线城市中小商业银行市场下沉实现规模增长，但整体增速呈放缓趋势，而以智能营销为代表的新兴应用场景将成为行业新增长点。

自然语言处理可解决业务痛点分析

应用于智能客服等交互型场景及智能风控等分析型场景

自然语言处理产品在金融领域主要应用于交互型场景与分析型场景。在智能客服、智能营销等与客户交互属性较强的场景中，自然语言处理产品的核心价值主要在于快速理解客户表达的语义并生成恰当的回复，有利于节省金融机构客服团队的人员及管理成本并提升客户服务与市场营销效率。在智能风控、智能投研、智能投顾等分析型场景中，自然语言处理产品的核心价值体现于对海量的金融资讯进行高效、精准的分析从而为后续的金融决策提供辅助。

自然语言处理市场规模

垂直应用解决方案类产品旺盛需求刺激下，保持高增长态势

据艾瑞统计测算， 2021年AI+金融领域自然语言处理核心产品市场规模达到30亿元，预计2026年核心产品市场规模将达到91亿元，2021-2026CAGR=24.9%。自然语言技术区别于其他AI技术，在金融领域中通常不以独立产品的形式出售，而是作为底层技术结合智能语音、知识图谱等技术，以对话式AI、机器翻译、知识库等产品形式出现，而独立产品化模块发展相对缓慢。近两年受对话机器人加速应用及知识图谱产品的加速推广，加之金融机构本身具有数据敏感度高的特征和IT研发能力较弱的痛点，需要由外部机构构建大而全、复杂度高、私有化部署的垂直应用类解决方案同时进行频繁的更新迭代，金融自然语言处理产品市场规模保持相对高速增长。

核心产业链与图谱

产业链内角色演变态势

AI+金融市场中的四大玩家阵营均呈现全栈式布局趋势

现阶段AI+金融领域的主要玩家包含互联网大厂、AI企业、智能硬件企业、金融机构科技子公司等4大类，其业务均呈现全栈式布局趋势。其中，互联网大厂与深耕垂直领域的AI企业核心优势业务领域集中于AI+金融软件业务，可独立从技术层到应用层自闭环产出一套AI+金融解决方案，并辅以人工智能基础层能力为支撑。由于金融机构近年愈发注重信息安全并倾向采购软硬一体产品，互联网大厂与AI企业一方面提升隐私计算等技术能力以巩固软件业务优势，另一方面逐步拓展硬件集成能力、制造能力以缩小硬件业务差距。智能硬件企业以端侧硬件部署能力见长，并在AI金融业务实际拓展中基于对配套软件的需求，产业链内角色逐步由软件集成者向开发者转变。例如，如海康威视等大型智能硬件企业进一步拓展AI模型生产等基础层能力以完善自身供应链链条。金融机构科技子公司则以从母公司获取的金融业务知识沉淀、数据积累为核心，从AI金融应用层入场，并发挥金融机构派系内关系优势，以资源集成者、任务分包者等角色参与中上游环节，通过与AI企业、智能硬件企业合作解决自身存在技术短板的问题。

AI企业商业分析

拓客方式含独立直销及与金融机构科技子公司合作销售，客户以大中型金融机构为主

AI企业在AI+金融领域新客拓展主要通过独立直销与合作销售两种方式，新客拓展关键在于通过以往成熟案例的展示，展现出AI企业针对客户具体金融业务场景需求可提供具有较高贴合度的产品或解决方案。目前，AI企业在AI+金融领域下游客户以中型金融机构为主，其原因主要包括两方面：1）核心优势在AI+金融技术层垂直领域的技术能力强，符合中型金融机构以有限预算针对特定业务场景获取较高价值提升的需求；2）中型金融机构在激烈的市场竞争环境下急需借助AI技术通过数智化获客营销保证在流量战中不落下风。相较于大型金融机构，中型金融机构更倾向于通过成立金融科技子公司补足自身金融能力，而中型金融机构的资源条件不足以支撑引培顶尖IT团队或成立金融科技子公司，因此中型金融机构高度依赖外部机构提供的AI+金融产品，从而更易被AI企业触达。

金融机构科技子公司商业分析

以服务母公司为首要目的，以同业科技能力输出为长远目标

金融科技子公司是由银行、保险、证券等金融机构以全资控股或合资方式设立的专注于AI技术与金融服务深度融合的技术服务公司。在战略定位上，金融科技子公司以服务母公司IT建设与数字化转型，赋能金融主业发展为首要目的。在满足母公司需求的前提下，金融科技子公司以同业科技能力输出作为业务延伸。大部分金融科技子公司由头部金融机构出资设立，在同业输出方面具有潜在优势，因为大量中小金融机构不具备成立金融科技子公司的资源条件，购买其他机构输出的技术解决方案和服务是快速布局金融科技的有效方法。

新格局

需求方掌握更多话语权，供给侧四类玩家竞争大于合作

在AI+金融市场，作为需求主体的金融机构拥有更多话语权，一个金融科技采购项目通常会有多个供给侧玩家参与其中。AI+金融市场供给侧玩家可分为金融科技子公司、AI企业、智能硬件企业、互联网大厂四类。在面对中小金融机构客群时，四类玩家呈竞争关系，大量中小金融机构并未成立自己的科技子公司，但机构间业务竞争激烈，为避免业务竞争中落伍，更倾向于外购AI产品和解决方案；在面对头部金融机构客群时，由于金融科技子公司的独特地位与资源优势，其他三类玩家更倾向于联合金融科技子公司拓客，此时竞争主要在其他三类玩家之间展开。

新挑战

安全、可信、公平是AI+金融良性发展的必要条件

受益于国家政策支持、强劲的需求以及资本加持，人工智能在金融领域的应用发展迅猛。但与此同时，人工智能应用于金融领域所带来的安全、可信与公平等问题挑战也引起广泛关注。2022年10月，中国人民银行发布《金融领域科技伦理指引》，提出了金融科技活动需要遵从守正创新、数据安全、公开透明、公平竞争等行为规范，为应对AI+金融领域的新挑战、新问题指明了方向。长远来看，安全、可信、公平是AI+金融市场良性发展的必要条件，也更加符合AI赋能金融服务提质增效的初衷。

新机遇

场景需求转移与产品创新升级为AI+金融行业带来新机遇

AI技术较早在金融行业实现应用，随着需求侧场景主要需求的转移与供给侧新产品形式的出现，智能客服等早期实现应用的场景逐渐转为红海市场，而精准营销场景及多模态数字人则成为了下一轮AI+金融市场的新热点。其中，精准营销场景增长机遇的出现，主要受益于中小型金融机构对于营销拓客环节智能化水平提升的需求增加；多模态数字人产品增长机遇的出现，则主要受益于产品创新升级所带来的非标准化、高复杂性的交互场景拓展可能性。

责任编辑：赵智华

文章来源：//www.profoottalk.com/2022/1229/3844.shtml