中國信通院：金融人工智能研究報告（2022年）（51頁）.pdf

《中國信通院：金融人工智能研究報告（2022年）（51頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院：金融人工智能研究報告（2022年）（51頁）.pdf（51頁珍藏版）》請在三個皮匠報告上搜索。

1、本報告版權屬于中國信息通信研究院，并受法律保護。轉載、摘編或利用其他方式使用本報告文字或者觀點的，應注明“來源：中國信息通信研究院”。違反上述聲明者，本院將追究其相關法律責任。 1. 中國信息通信研究院云計算與大數據研究所中國信息通信研究院云計算與大數據研究所 人人工智能關鍵技術和應用評測工業和信息化部重點實驗室工智能關鍵技術和應用評測工業和信息化部重點實驗室 2022022 2 年年 1 1 月月 金融人工智能研究報告金融人工智能研究報告 （2022 年）年） 前前 言言 金融機構數字化轉型正在如火如荼地進行，人工智能作為數字化轉型的重要手段之一，全方位融合賦能金融行業的業務領域和場景應用，

2、人工智能助力金融行業升級的序幕正式開啟。 從應用范圍來看，目前人工智能技術在金融產品設計、市場營銷、風險控制、客戶服務和其他支持性活動等金融行業五大業務鏈環節均有滲透，已經全面覆蓋了主流業務場景。從技術價值來看，深度融合金融業務場景的人工智能技術正逐步解決行業痛點問題，在實現業務流程自動化，彌合信息差，構建普惠金融方面發揮著關鍵作用，已經在獲取增量業務、降低風險成本、改善運營成本、提升客戶滿意度方面進入了價值創造階段。從應用場景來看，以生物特征識別、機器學習、計算機視覺、知識圖譜等技術賦能下的金融行業，衍生出智能營銷、智能身份識別、智能客服等多個金融人工智能典型場景。 本報告從金融行業業務鏈出

3、發，深度剖析人工智能各類細分技術在金融領域的應用及未來發展趨勢，力求展現目前金融人工智能技術應用全貌，為金融行業加快數字化轉型提供幫助和引導，推動健全具有高度適應性、競爭力、普惠性的現代金融體系。 目目 錄錄一、 金融人工智能發展概述 . 1 (一) 發展背景：金融數字化轉型，全面推動產業化發展 . 1 (二) 發展環境：AI 賦能金融業務，全面發揮價值創造力 . 3 二、 金融人工智能行業發展現狀 . 5 (一) 聚焦金融業務核心需求，發揮技術創造力優勢 . 5 (二) 細分行業需求存在差異，技術采納成熟度不同 . 7 (三) 行業發展呈現階梯分布，實現技術跨行業外溢 . 9 (四) 金融

4、AI 技術應用為關鍵，相關體系支撐為核心 . 11 三、 人工智能在金融行業的技術應用及實踐 . 13 (一) 基礎層：提供底層資源，支撐業務高效落地 . 13 (二) 通用層：解決業務痛點，創造核心應用價值 . 14 (三) 應用層：結合業務需求，衍生智能金融場景 . 20 四、 金融人工智能核心支撐能力 . 36 (一) 企業戰略規劃：決定技術價值潛力體現的保障 . 36 (二) 工程化平臺管理：推動技術場景快速落地的手段 . 38 (三) 可信合規治理：保證技術安全規范應用的根本 . 40 五、 金融人工智能發展前景展望 . 43 (一) 技術方面：技術能力革新，驅動行業發展不斷演進 .

5、 43 (二) 應用方面：場景智能深化，支撐現代金融體系建設 . 44 (三) 保障方面：可信治理評估，助力行業長期規范發展 . 46 圖圖 目目 錄錄圖 1 金融行業業務鏈 . 5 圖 2 金融人工智能技術價值創造力分析 . 6 圖 3 金融人工智能細分行業場景分類 . 7 圖 4 銀行業、保險業和證券業人工智能場景應用成熟度 . 8 圖 5 銀行業、保險業和證券業人工智能技術應用采納度 . 9 圖 6 金融人工智能行業發展階梯圖 . 9 圖 7 金融人工智能體系全景圖 . 11 圖 8 產業圖譜關系類型示意圖 . 16 圖 9 智慧營銷提供全渠道全產品智能服務示意圖 . 21 圖 10 G

6、BC 聯動營銷案例示意圖 . 22 圖 11 陽光保險云客服語音導航機器人系統 . 24 圖 12 智能投顧工作機制示意圖 . 26 圖 13 新聞輿情解析示例 . 27 圖 14 聲紋識別賦能智能語音能力架構示意圖 . 31 圖 15 智能消保中臺分析體系應用策略 . 32 圖 16 智能消保中臺數據場景融合分析示意圖 . 33 圖 17 RPA 數字員工工作機制示意圖 . 35 圖 18 人工智能開發平臺架構圖 . 39 圖 19 MLOps 參考流程 . 40 圖 20 可信人工智能總體框架 . 42 圖 21 可信人工智能研發管理體系 . 43 圖 22 金融人工智能業務場景智能化全景

7、圖 . 46 表表 目目 錄錄表 1 各地金融人工智能相關專項政策 . 2 金融人工智能研究報告（2022 年） 1 一、金融人工智能發展概述 人工智能技術因其在文字、語音和圖像等各類信息的自動挖掘、提取和處理方面表現出的強大能力，成為促進金融科技發展，加速金融數字化轉型的關鍵力量。金融和人工智能的全面融合，正在逐步賦能金融業務鏈，提升金融機構的服務效率，拓展金融服務的廣度和深度，使得人工智能在金融行業不斷實現價值創造。 ( (一一) )發展背景發展背景：金融數字化轉型金融數字化轉型，全面推動產業化發展全面推動產業化發展國家宏觀政策和行業領域規范逐步出臺，推動金融數字化轉型。中華人民共和國國民

8、經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要中指出，要健全具有高度適應性、競爭力、普惠性的現代金融體系，有序推進金融創新，穩妥發展金融科技，加快金融機構數字化轉型， 這標志著金融領域的科技創新與數字化建設將邁入多領域、深層次探索與實踐的新階段。同時，在行業細分領域規范逐步出臺，多場景應用與安全監管并行。銀保監會在 2019 年 12 月發布的關于推動銀行業和保險業高質量發展的指導意見中提出，既要充分利用人工智能強化業務管理， 改進服務質量， 降本增效方面的能力，同時要發揮人工智能在打擊非法集資、反洗錢、反欺詐等方面的積極作用。中國證券業協會在 2020 年工作要點中指出，要大力推

9、進人工智能技術在投行業務領域的應用研究， 同時要針對疫情常態化制定保薦承銷機構遠程工作標準。 地方積極響應中央戰略布局，因地制宜出臺扶持政策。在中央統一宏觀政策指導下， 各地結合自身區域特點和行業發展狀況因地制宜金融人工智能研究報告（2022 年） 2 出臺相關政策，通過人才補貼、鼓勵創新、招商引資、設立專項投資基金等方式推動智能金融的特色化發展。其中，北京、上海出臺的相關政策中，均提到要在智能金融的發展創新中發揮龍頭作用，利用自身人才技術優勢將發展重點集中在智能金融的技術研發攻關和創新試點，而重慶、成都發布的相關規劃則將關注要點集中在利用人工智能進一步推進普惠金融，降低中小企業的融資成本。

10、表 1 各地金融人工智能相關專項政策 文件名稱 主要內容 發布機構 發布時間 北京市促進金融科技發展規劃（20182022年） 支持人工智能技術在身份識別與反欺詐、量化交易、投資顧問、客戶服務、風險管理、輔助監管等金融領域的創新和應用。 中關村科技園區管理委員會 2018-10 加快推進上海金融科技中心建設實施方案 將上海建設成為具有全球競爭力的金融科技中心，打造成為金融科技高地和監管創新試驗區。 上海市人民政府 2020-01 杭州國際金融科技中心建設專項規劃 支持新一代人工智能技術應用于金融機構創新業務領域，重視人工智能技術在金融風險防控與監管上的創新應用。 杭州市發展改革委員會 2020

11、-07 南京市關于加強金融支持新型研發機構高新技術企業和先進制造業發展的通知 積極探索運用大數據、區塊鏈及人工智能等技術手段，構建創新型企業的信用評級模型， 提高融資效率，降低風險。 南京市人民政府 2020-04 成都市金融科技發展規劃（2020-2022 年） 推動人工智能在金融領域的應用，推進金融服務向智慧化方向發展，構建數據驅動、人機協同、跨界融合、智能決策的智能經濟形態。 成都市人民政府 2020-05 重慶市人民政府辦公廳關于推進金融科技應用與發展的指導意見 推動以人工智能、 大數據、 云計算、區塊鏈等為代表的信息技術在我市金融領域廣泛應用，探索應用大數據、人工智能等新技術，開發有

12、針對性的金融科技服務產品。 重慶市人民政府 2020-10 來源：根據公開資料整理 行業標準規范逐步完善，推進市場成熟化發展。隨著人工智能在金融人工智能研究報告（2022 年） 3 金融領域的應用不斷探索發展， 相關的行業規范和監管政策也在不斷完善。2019 年 10 月 28 日，中國人民銀行和國家市場監督管理總局出臺的金融科技產品認證規則將金融科技產品的認證流程、監督模式、認證標志、查詢系統等標準化。2021 年，中國人民銀行正式發布人工智能算法金融應用評價規范（JR/T 0221-2021），規定了人工智能算法在金融領域應用的基本要求、評價方法、判定準則。由此可見，相關部門正在大力推進智

13、能金融行業的標準化改革，提高行業準入門檻，鼓勵合規企業自主創新，充分參與到規范化的市場競爭當中，推動行業健康可持續發展。 ( (二二) )發展環境發展環境： A AI I 賦能金融業務，全面發揮價值創造力賦能金融業務，全面發揮價值創造力 1.以需求為導向，傳統業務行業痛點凸顯 傳統金融行業受限于自身行業特性，行業痛點凸顯。以銀行、保險和證券業為代表的傳統金融行業，在業務、資金、客戶、風控和營銷方面，存在流程復雜，周期較長、流程單一、差異化服務較弱，審批方式依賴人工化等典型問題，尤其是在市場高度競爭環境下，無法及時有效地滿足客戶多樣化金融投資服務等需求?？傊?，傳統金融行業痛點集中在三方面，一是人

14、工成本高無法有效覆蓋所有客戶，無法為客戶定制化金融服務；二是信息不對稱造成信息孤島，無法有效降低潛在風險；三是獲客難轉化低，遠程交易操作困難，流程繁瑣。結合金融業務鏈核心業務環節，不同階段具體對應各自的痛點和需求。產品設計與市場營銷環節，重點關注如何獲取增量業務；在風險控制環節，強調降低風險成本；在客戶服務環節，注重提升客戶滿意度；金融人工智能研究報告（2022 年） 4 在支持性活動方面，希望改善運營成本。 2.以智能為目標，提升金融數字化水平 針對金融行業存在著風控要求高、業務量大、模式化重復勞動多等切實痛點，人工智能技術深度融合業務場景，在實現業務流程自動化、 解決信息不對稱和構建普惠金

15、融等方面發揮著巨大的價值創造力。 實現業務流程自動化，降低人力成本。金融行業存在大量的信息錄入、核檢、提交等簡單重復性工作，人工智能技術可將人工操作實現流程自動化，提升操作精準度，降低了人工成本。解決信息不對稱問題，彌合數據信息差。在傳統金融業務場景中存在著大量信息不對稱問題，人工智能技術與金融業務場景深度融合，很大程度上是在解決了數據孤島、大數據分析效率問題，在客戶量大、數據復雜、精準度要求高的金融領域產生巨大價值。面對客戶千人千面，構建普惠金融。智能投顧、智能營銷等典型服務，利用人工智能技術提升線上線下用戶服務范圍和效率，提供定制個性化服務和投資方案，全新賦能數字普惠新發展模式。 3.以服

16、務為核心，聚焦業務五大核心環節 綜合細分行業共性，金融核心業務鏈可歸納為五大環節。綜合銀行、保險、證券行業業務共性，金融核心業務鏈可歸納為五大環節，包括產品設計、 市場營銷、 風險控制、 客戶服務、 支持性活動 （人力、財務、IT 等）。對應到相應的細分領域，銀行業務，圍繞產品與解決方案、營銷與銷售、風險管控與審核、客戶管理與服務，核心業務鏈可以總結為產品開發及定價、 資金攬貸、 市場營銷、 客戶服務環節。金融人工智能研究報告（2022 年） 5 保險業務，圍繞產品開發、營銷與銷售、核保定價及承保、保單管理與服務、理賠、資產管理，核心業務鏈可以總結為產品開發、市場銷售、渠道開拓與維護、客戶服務

17、、投資管理環節。證券業務，圍繞證券發行、投資決策支持、銷售和交易、清算結算與托管、報告與數據分析，核心業務鏈可以總結為產品開發、營銷、定價、承銷、募集、交易環節。 來源：根據調研和公開資料整理 圖 1 金融行業業務鏈 二、金融人工智能行業發展現狀 目前，人工智能與金融行業深入融合，金融行業數字化、智能化改革已經初見成效，金融人工智能整體呈現業務智能價值創造，細分行業技術應用和采納度存在差異性， 行業發展成熟度呈現階梯分布以及體系逐漸完善等現狀。 ( (一一) )聚焦金融業務核心需求，發揮技術創造力優勢聚焦金融業務核心需求，發揮技術創造力優勢 人工智能技術賦能主要聚焦金融業務鏈上五大環節的需求，

18、 在獲取增量業務、降低風險成本、改善運營成本，提升客戶滿意度四類金金融人工智能研究報告（2022 年） 6 融業務場景方面價值創造力突出。 來源：根據調研和公開資料整理 圖 2 金融人工智能技術價值創造力分析 獲取增量業務。 生物特征識別技術在獲取增量業務方面表現得最為突出，通過有效進行遠程身份鑒別，從而促進金融機構各類遠程業務的順利開展，極大提高了客戶服務效率及廣泛的客戶覆蓋。其次，知識圖譜、計算機視覺技術結合，可以通過智能精準營銷，在金融機構獲取增量業務方面發揮價值創造力。 降低風險成本。通過對操作風險對智能防控、信用風險全流程覆蓋、合規風險對內控建模、交叉風險對有效預警，以機器學習、知識

19、圖譜為基礎的智能風控體系，有效地為金融機構 降低風險成本發揮價值。 改善運營成本。目前，生物特征識別通過線上遠程方式，降低線下網點服務壓力， 進而縮減相關的相關成本支出； RPA 技術通過實現各類場景流程自動化，從而有效降低人力投入，此外智能語音、計算機視覺應用于智能票據審核、電話服務助理，都成為金融機構有效改金融人工智能研究報告（2022 年） 7 善運營成本的關鍵技術手段。 提高客戶滿意度。 生物特征識別技術可以高效獲取用戶身份信息，改善用戶交易體驗；自然語言處理、智能語音、計算機視覺等技術結合可以為客戶提供智能的交互體驗，從而有效提升客戶滿意度。 ( (二二) )細分行業需求存在差異，細

20、分行業需求存在差異，技術技術采納采納成熟成熟度不同度不同 銀行、保險、證券行業存在眾多共性場景，針對不同領域還有個性化需求。一方面，身份識別、智能風控、智能營銷、智能客服、智能合規、智能運營六大場景已經實現銀行、保險、證券三類領域全覆蓋。另外一方面，由于面向服務對象和業務的內容的不同，智能理賠和智能投顧分別成為保險行業和銀行業單一使用場景， 銀行與證券行業均已落地智能投研。 來源：根據調研和公開資料整理 圖 3 金融人工智能細分行業場景分類 人工智能技術在金融主要場景基本實現全覆蓋， 細分行業場景應用成熟有所差異。目前，通用人工智能技術在金融多類場景中應用成熟度相對較高，如生物特征識別、機器學

21、習、知識圖譜、自然語言處金融人工智能研究報告（2022 年） 8 理等多項技術中都已經處于落地應用階段。從細分行業角度看，銀行業人工智能技術應用廣泛且落地場景價值能力突出， 多業務場景采納度高；證券業和保險業在人工智能場景應用成熟度相對較低，還存在較多只在單一業務場景采納應用， 隨著未來智能化業務和場景需求不斷增加，未來人工智能技術賦能的空間還有很大。 來源：根據調研和公開資料整理 圖 4 銀行業、保險業和證券業人工智能場景應用成熟度 機器學習和語音、視覺感知技術采納度較高，細分行業對于各類技術采納度具有鮮明的行業屬性。一方面，金融在安全認證和客戶服務方面的迫切需求，語音識別、計算機視覺和生物

22、特征識別技術在金融場景普遍使用范圍廣、采納度較高。另外一方面，不同細分領域對于技術采納度有各自的特點，銀行領域，機器學習技術有效地在大客戶精準吸儲、 信貸風險防控方面創造較大價值， 相對技術采納度較高；保險領域，擁有服務全流程強標準化、客戶群大、業務量多、執行重復度高等特征，對于 RPA 技術有較大的需求；證券領域，基于知識圖譜建立趨勢模型， 為客戶提供智能投顧服務成為有效的技術價值增長點。 金融人工智能研究報告（2022 年） 9 來源：根據調研和公開資料整理 圖 5 銀行業、保險業和證券業人工智能技術應用采納度 ( (三三) )行業發展呈現階梯分布，實現技術跨行業外溢行業發展呈現階梯分布，

23、實現技術跨行業外溢 來源：根據調研和公開資料整理 圖 6 金融人工智能行業發展階梯圖 金融行業的數字化、智能化改革已經初見成效，金融機構在技術研發應用方面呈現明顯的階梯分布。初步投入建設階段，以小型的城市商業銀行、小型金融機構為主，建設方式以采購第三方智能化技術和解決方案為主，逐步嘗試實現在智能客服、票據智能識別等單一場金融人工智能研究報告（2022 年） 10 景的智能化應用； 多維嘗試布局階段， 以大型城商行、 中型保險公司、小型券商機構為代表，采取自研、聯合開發和采購相結合，與智能研發類科技公司的合作，利用其技術優勢開發智能產品，迅速實現技術升級；深度成熟應用階段，以國有銀行、大型股份制

24、銀行、大型金融集團為代表，基本實現全場景自研為主，聯合開發為輔的建設布局。在外采與聯合開發方面，頭部機構會在技術成熟領域，與技術頭部廠商做聯合開發， 如生物識別技術、 智能語音技術等； 在新興技術領域，金融機構則通過自主研發，實現技術安全自主可控。 金融行業已形成標桿性示范效應， 建立技術與業務的聯動發展模式。以國有銀行為例，通過設立金融科技子公司完成核心技術的自研自用，通過自建企業級人工智能平臺，基本實現核心算法自研，關鍵技術和硬件具備國產化替代方案。例如，中國工商銀行以核心價值場景切入，實現數據全入湖，截至 2021 年 9 月，采集和積累行內外、境內外、結構化、非結構化全數據資產容量近

25、40PB，推動超過 1000個業務應用落地，單一智能業務場景節省年工作量百人以上1，利用人工智能技術推動的金融數字化正在逐步進入價值創造期。 金融行業技術自研率較高，部分金融機構實現技術跨行業外溢。經調研統計，金融機構人工智能技術平均自研率在 70%以上2。大型金融集團由于技術投入早、落地成果豐富，已經形成了跨行業技術輸出和外溢的趨勢。例如中國平安集團，已經將成熟應用于金融行業的 1 中國工商銀行調研資料 2 金融機構調研數據 金融人工智能研究報告（2022 年） 11 部分技術，應用于醫療領域形成技術外溢，并通過賦能醫療領域完善自身保險業務的相關迭代升級，進而反哺金融主業。 ( (四四) )

26、金金融融 AI 技術應用為關鍵，相關體系支撐為核心技術應用為關鍵，相關體系支撐為核心 目前，金融人工智能技術正處于快速產業化應用階段，技術應用體系可分為基礎層、通用層和應用層共三層架構。 來源：根據調研和公開資料整理 圖 7 金融人工智能體系全景圖 基礎層，提供底層基礎軟硬件和計算能力。人工智能算法框架、智能硬件、系統軟件主要為支撐人工智能算法訓練、推理和應用，目前金融行業紛紛建立自有的算力集群，例如中國工商銀行已建成“集群混部、 調度統一、 使用集約、 管理集中” 的大規模異構 AI 算力云。通用層，實現金融智能場景的技術手段和方法。利用基礎層提供的資源，針對金融場景中應用層的需求開發系列通

27、用技術，為解決金融實際場景中的問題提供了完備的技術手段。在金融領域，常用的人工智能技術有知識圖譜、計算機視覺、智能語音、自然語言處理、生物特征識別和 RPA， 從感知認知、 流程自動化等方面提供全面的技術能力。應用層，融合技術與業務需求而產生的行業場景。通常來說，應用層金融人工智能研究報告（2022 年） 12 針對業務場景提供的智能解決方案是數種通用層技術的集合。 針對場景痛點和需求，技術賦能后產生全新智能金融新場景，目前主要包括身份識別、智能營銷、智能風控、智能客服、智能理賠、智能投研、智能投顧、智能運營、智能合規等。 配套支撐方面，從戰略、工具和安全層面保障技術應用落地。人工智能工程化，

28、面向數據、算法、模型、服務等要素，提供完備易用的工具體系、標準化的研發運營和管理體系和多樣的效能評價體系。由于人工智能技術在金融領域早期重開發輕管理的粗放模式， 造成了為解決臨時需求而持續產生成本等問題。人工智能工程化，主要通過開發平臺工具能力和研發運營一體化（Machine Learning Operations，MLOps）體系建設，集資源管理、數據管理、模型開發、模型訓練、模型發布、模型監控于一體，輔助金融機構解決人工智能技術實際應用中數據管控、人員協同、敏捷交付、產品測試、運營迭代等問題。安全合規治理，提供體系化可信人工智能技術風險治理規范。隨著人工智能技術與金融行業的廣泛融合，其應用

29、深度與日俱增，企業所面臨的可信特質要求將不斷擴充， 一方面對研發可信人工智能技術檢測規范和工具提出要求，以匹配業務發展需要和合規監管要求；另一方面應積極與監管部門對接，主動配合標準合規等監管措施，構建內部和外部相協調的敏捷可信機制。企業戰略規劃，提供可持續化人工智能技術戰略資源投入和布局。目前，金融行業呈現積極擁抱人工智能技術的態度，國有大型金融機構紛紛規劃人工智能發展戰略和布局，從頂層推動與人工智能的融合發展，拓寬自身人工智能應用場景，在金融人工智能研究報告（2022 年） 13 科技布局、資金投入和人才引進方面進行重點投入。根據銀保監會統計，2020 年銀行機構和保險機構信息科技資金總投入

30、分別為 2078 億元和 351 億元，同比增長 20和 27%。目前，中國工商銀行、中國建設銀行、中國農業銀行、招商銀行等國有和股份制銀行已經公開披露，正在開展與人工智能相關的應用探索，主要的應用場景包括智能風控、智能客服和智能營銷等。 三、人工智能在金融行業的技術應用及實踐 人工智能在金融行業的技術應用，主要從基礎層、通用層和應用層發揮賦能效應?；A層，主要為算法模型提供基礎計算資源和基礎設施，為業務高效落地提供支撐。通用層，充分利用智能感知認知技術，解決傳統金融業務場景的痛點。應用層，將智能技術與業務需求充分融合，衍生出智能營銷、智能投顧和智能理賠等典型智能金融場景。 ( (一一) )基

31、礎層基礎層：提供底層資源，支撐業務高效落地提供底層資源，支撐業務高效落地 基礎層為算法提供了基礎計算能力、工具和系統，一方面除了CPU （Central Processing Unit， CPU） 及 GPU （Graphics Processing Unit，GPU）外，還包括為特定場景應用而定制的計算芯片，以及基于計算芯片所定制的服務器，包括 GPU 服務器集群，各類移動終端設備以及類腦計算機等； 另外一方面人工智能系統軟件和開發框架作為支持性工具， 極大地提高開發效率， 簡化開發流程和降低開發成本。 例如，中國工商銀行已建成“集群混部、調度統一、使用集約、管理集中”的大規模異構 AI 算

32、力云，含 GPU、CPU、國產 AI 芯片等，滿足中金融人工智能研究報告（2022 年） 14 國工商銀行全場景、全領域的業務高效落地和快速迭代。 ( (二二) )通用層：解決業務痛點，創造核心應用價值通用層：解決業務痛點，創造核心應用價值 1.生物特征識別 生物特征識別技術是指通過計算機利用人體所固有的生理特征或行為特征進行個人身份鑒定。 目前被用于生物識別的生物特征有手形、指紋、聲紋、虹膜、視網膜、脈搏、耳廓等，行為特征有簽字、按鍵力度等。 隨著現代金融業務的在線化發展， 越來越多的業務場景需要對客戶進行遠程的身份核實和認證， 生物識別技術也因此在金融領域遍地開花。特別是在移動端，生物特征

33、識別技術因為其便捷的人機交互體驗和保密安全的特點已經成為移動智能終端的標準配置。目前，生物特征識別技術在金融領域的應用場景包括遠程開戶、賬戶管理、支付確認等。 2.計算機視覺 計算機視覺技術是指通過計算機等設備，對目標產生的圖像、視頻進行分析處理，使得目標能夠更好地被計算機所理解，從而取代以往由人的肉眼來識別目標的過程。計算機視覺包括圖像分類、物體檢測、 語義分割、 視頻分析等核心技術， 也包括衍生出的人體姿態識別、目標跟蹤、SLAM（同時定位與地圖構建）、OCR（光學字符識別）等其他細分技術。 計算機視覺技術部分類別已達商業化應用水平。 在金融領域的標準化使用場景中，人臉識別、票據識別、場景

34、識別等技術的應用取代金融人工智能研究報告（2022 年） 15 了原有的重復人工作業，并升級出更高效、便捷的客戶交互方式。中國工商銀行通過搭建衛星遙感監測平臺實現對境內、外的風電、光伏等多個場景實時監控，識別準確率達超過 90%，解決由于疫情、項目地處偏遠地區等原因導致人工現場監控不便的痛點問題， 每年僅現場查看人力成本可節省超上百萬元。同時，計算機視覺也在探索著非標準化的使用場景，例如在保險進行定價等場景，建立個性化的視覺模型，通過識別無人機圖像來對企業資產狀況進行評估。 3.知識圖譜 知識圖譜是用可視化技術描述信息資源及其載體，挖掘、分析、構建、繪制和顯示信息之間的相互聯系。知識圖譜的構建

35、包含：信息抽取、知識表示、知識融合、知識推理四個過程，每一次更新迭代均包含這四個階段。 在金融應用場景中，知識圖譜技術與 NLP 和大數據分析存在高度關聯，在智慧金融中的應用可分為金融監管、金融機構應用和金融服務三類： 在金融監管領域的應用包括資本市場監管、 新型金融監管、債券市場風險、個人信用反欺詐、反洗錢；金融機構應用包含智能風險預測、智能營銷、智能投顧與智能投研等；金融服務領域的應用包括銀行業信貸風險評估、銀行客戶全生命周期價值評估、失聯客戶管理。 通過知識圖譜技術構建的產業鏈圖譜是賦能金融機構智能投研的重要工具,產業鏈圖譜可以有效提升金融機構獲取行業信息、企業信息的便捷度，提高研究分析

36、的效率。例如，數庫科技建立的 SAM金融人工智能研究報告（2022 年） 16 產業鏈囊括了與其他行業分類體系的映射邏輯，形成覆蓋 A 股、港股、美股、債券、新三板等 20000 多家上市公司業務明細的動態產業鏈生態網絡體系。針對券商、銀行等金融機構原有的使用習慣，數庫科技可以有效整合金融機構內外部信息， 一方面可以實現金融機構數據的有序積累與知識沉淀， 另一方面可以通過全景圖譜打破信息孤島，串聯孤立數據提升數據分析價值， 不斷延展產業鏈數據的兼容性和關聯性。目前，SAM 產業鏈包含超過 100 萬細分產業節點，超過 1 萬可對接數據的標準化產品節點，和超過 10 萬組上下游產業關系，幫助金融

37、機構建立起了智能化產業數據的跟蹤能力， 進一步助力金融機構實現了智能投研、智能風控、智慧營銷等場景3。 來源：數庫科技 圖 8 產業圖譜關系類型示意圖 4.自然語言處理 自然語言處理技術是通過計算機處理和分析自然語言， 實現計算 3 數庫科技調研資料 金融人工智能研究報告（2022 年） 17 機與自然語言的有效交互。 常見的自然語言處理技術應用方向包括句法語義分析、信息抽取、文本挖掘、機器翻譯、信息檢索、對話系統等，而機器學習技術是實現這些應用方向的重要技術手段。 自然語言處理技術目前廣泛應用于金融行業的各個細分領域， 例如文本合規檢查、數據檢索等，且越來越成為更多業務場景中不可或缺的一部分

38、。自然語言處理技術往往與語音技術相結合，創造出更加智能的客戶交互模式， 一方面減少了人工座席數量， 優化了運營成本；另一方面，基于對信息的挖掘較人工操作的強大優勢，可以對資訊進行高效處理。 5.智能語音 智能語音技術實現了人機語言通信， 創造更加智能的客戶交互模式，包括語音識別技術（ASR）和語音合成技術（TTS）。智能語音技術的研究是以語音識別技術為開端。2016 年前后機器語音識別準確率超 95%達到人類水平，智能語音助手、智能音箱相繼落地。隨著信息技術的發展， 智能語音技術已經成為人們信息獲取和溝通最便捷、最有效的手段。 智能語音技術目前已經成為中大型金融機構在人工智能技術應用的標配之一

39、，在身份識別、智能營銷、智能客服、智能理賠、智能運營等多個場景已實現技術落地。整體來看，智能語音技術最具價值的應用在于與客戶交互、服務相關的環節中，起到降本增效的目的。 6.機器人流程自動化 RPA RPA 即機器人流程自動化， 是一種通過軟件機器人模擬人與計算金融人工智能研究報告（2022 年） 18 機的交互過程， 實現工作流程自動化執行的技術應用。 RPA 的核心價值是實現業務流程的自動化和智能化， 在具體應用上只要符合大量重復、規則明確的特征場景，都可以應用 RPA 技術。 金融業是目前 RPA 的主要應用領域之一，RPA 因為其在重復性工作處理上的高適用性被應用在金融業的多個領域。在

40、商業銀行中，國庫退稅自動核對、單位結算賬戶自動備案、清算資金自動對賬、反洗錢明細信息補錄、 信用卡中心風險換卡等工作都可以由RPA包攬。在保險行業，RPA 則可以完成合同文件報送、風控指標監控、系統清算等基礎性工作。在證券行業，也可以利用 RPA 實現無人工的自動開閉市、開市期間監控和定時巡檢。例如，中泰證券在零售、信貸、托管等 16 個業務部門均有 RPA 落地解決方案，覆蓋財務管理、交易清算、數據報送、估值核對等多個業務場景。截至目前，中泰證券累計部署 RPA 機器人 218 個，RPA 累計運行時長 6361 小時、累計折算人力 3578 人天、累計折算成本 477 萬元，助力各業務降本

41、增效，為全司數字化轉型深度賦能。4此外，南洋商業銀行建立 RPA+ AI 解決方案，使得銀行 KYC 流程能夠更加全面的貫徹，銀行數據處理更加準確，降低風險的同時，監管數據報送更為及時。通過 RPA 技術，南洋商業銀行縮減人力成本 333 小時/月，人工操作時間減少 80%。 7.其他 隨著人工智能技術的不斷更新迭代，以預訓練模型、虛擬數字人等新興前沿技術，正在逐漸賦能于金融行業。 4 中泰證券調研資料 金融人工智能研究報告（2022 年） 19 預訓練模型是通過對大量訓練數據進行預先學習， 完成參數與算法結構定義的模型統稱，通過微調的方式，將預訓練成果嫁接到新問題的解決過程中，大大減少新模型

42、的學習時間，節約開發成本。在金融行業對高頻業務場景中，目前主要通過結合 NLP 技術對文本或音頻的關鍵詞提取并進行高精準度情感分析， 從而獲得對服務的有效反饋， 進行針對性地改進。 2020 年， 金融領域預訓練語言模型 FinBERT 1.0 開源， 是國內首個在金融領域大規模語料上訓練的開源中文 BERT預訓練模型，包括金融財經新聞，研報/上市公司和金融類百科詞條等垂直領域。 虛擬數字人是指基于真人視頻影像， 利用計算機視覺和語音合成等技術，對真人形象、聲音、動作等進行模型訓練，生成可任意編輯內容的“真人”講解視頻。在金融領域，虛擬數字人可在虛擬接待，引導業務辦理，解答業務問等業務場景發揮

43、作用，可獨立閉環完成銀行業務交易場景的自助應答、業務辦理、主動服務、風控合規等全流程服務，在交互方式上，采用擬人化的對話方式與親和的形象，為用戶提供了良好的沉浸式體驗。2019 年，百度與浦發銀行聯手打造的國內首個虛擬數字員工“小浦”正式上崗，近年來浦發銀行已形成十多種數字員工崗位，這些數字崗位包括智能客服、智能外呼、財富規劃師、AI 培訓、AI 營銷員、數字質檢員、文檔審核員、AI 大堂經理等角色，已創造了約 2000 人年勞動力的價值。在智能客服和智能外呼場景下，機器人可每天接待 8 萬通電話，提供客戶賬戶管理、業務咨詢等服務，同時機器人能就風險提示、業務通知等場景每天呼出 50金融人工智

44、能研究報告（2022 年） 20 萬通電話，大大擴展了服務的覆蓋面；在文檔審核員場景下，以 NLP技術為核心應用的智能文本處理能力已覆蓋10多個部門的60多個場景，在提升文本處理精準度的同時更節約了近 200 人年勞動力。另外值得一提的是，2021 年浦發銀行將數字員工的服務能力賦能了上海市虹口區北外灘政務自助服務中心，在那里數字人“小虹”面向居民和企業用戶提供 300 余種一網通辦業務咨詢和指引服務。；2021 年 1月，農行與商湯科技打造的 AI 數字人員工正式“入職”中國農業銀行杭州中山支行營業廳，“擔任”線下大堂經理，承擔著輔助甚至替代人力完成客戶服務、運營提效、以及內部管理的職責。

45、除此之外，知識計算、腦機接口、多模態分析等很多人工智能新的研究領域，隨著技術研發和應用能力的不斷完善和突破，將在金融的智能化場景應用中不斷釋放新的價值。 ( (三三) )應用層應用層：結合業務需求結合業務需求，衍生智能金融場景，衍生智能金融場景 1.智能營銷 智能營銷是指利用人工智能、物聯網、計算機和互聯網通信等現代科學技術，通過建立客戶畫像、進行圖譜構建，從智能化獲客到精準施策達成交易的智能營銷新模式。 利用知識圖譜和 NLP 等人工智能技術金融機構可以將自身儲存的大量客戶信息，不僅可以通過深度數據分析轉化為營銷資源，還可以根據用戶畫像實現精準的營銷定位并且在此基礎上深挖客戶潛在需求，極大提

46、高了營銷的轉化率。同時，RPA 助力企業完成營銷自動化，解放企業人力資源，助力營銷降本增效。 金融人工智能研究報告（2022 年） 21 （1）個性化金融服務構建普惠金融的核心 個性化營銷是智能金融的重要應用場景。 基于機器學習和知識圖譜建立的智能推薦系統，可以根據客戶的歷史交易信息、員工服務信息和產品信息等內部數據， 通過內容推薦算法和協同過濾算法為客戶提供個性化的營銷服務。 來源：中國工商銀行 圖 9 智慧營銷提供全渠道全產品智能服務示意圖 （2）GBC 聯動營銷創新聯動，智能化獲客手段 銀行利用運用知識圖譜技術，構建涵蓋個人、機構、法人的全網絡資金流向知識圖譜，快速、精準定位資金漏損點，

47、創新突破聯動營銷業務模式， 提升全鏈條拓戶增存能力。 例如， 截止至 2021 年 9 月，中國工商銀行 GBC 聯動營銷模式成功拓展客戶近萬，帶動新增存款約百億元，實現“源頭客戶精細管理、業務場景精準施策、下游賬戶精確發力”目標5。 5 中國工商銀行調研資料 金融人工智能研究報告（2022 年） 22 來源：中國工商銀行 圖 10 GBC 聯動營銷案例示意圖 中國工商銀行將某醫院為營銷切入點開展資金流分析。 與其資往來密切的下游兩家公司（藍點紅圈）。經分析，兩家公司資金流入量大， 且資金往來交易對手大部分為工行賬戶， 具有較大潛在營銷價值，通過這種直觀的資金流關系分析方式， 讓客戶經理精準發

48、現潛在客戶，并為拓戶提供抓手和依據 2.智能身份識別 生物特征識別技術利用其便捷性、廣泛性和相對穩定性的特點，助力金融機構在智能身份識別業務場景落地應用， 其在減少金融欺詐和擴張傳統業務方面發揮作用。 通過引入智能身份識別技術， 商業銀行在基本阻斷了冒名開戶和冒名支取的經營風險的同時還大幅簡化了支付流程， 推動了電子化支付的廣泛應用。除此之外，金融行業的傳統個人業務也在諸如人臉識別等認證技術的幫助下實現了遠程化，線上化和簡便化。聲紋識別技術的應用，有效彌補了缺乏人臉識別使用條件的語音交互場景。聲揚金融人工智能研究報告（2022 年） 23 科技通過聲紋識別技術，幫助金融機構進一步降低騙貸騙保的

49、風險。這不僅擴張了金融機構的業務覆蓋能力還有效地推動了普惠金融的進一步深化。 隨著生物識別技術與金融業的進一步融合， 已經落地應用的認證技術也在迭代更新， 例如部分城商行希望用指靜脈識別取代現有的指紋識別技術。 指靜脈識別技術利用手指內的靜脈分布圖像來進行身份識別，比起其他生物識別技術具有不可復制，不受外部環境影響的特點，具有更高的安全性。 3.智能客服 智能客服是利用 RPA、NLP、知識圖譜、智能語音、機器學習等技術在大規模知識處理基礎上發展起來的一種技術引擎。 可以提供基于語義的智能應答服務，幫助企業完成面向客戶的知識管理。智能客服已經成為現代金融機構與客戶間溝通交流最高效的模式。 （1

50、）智能客服系統全天候處理專業問答 智能客服系統利用知識自動化抽取結構化和半結構化文本， 然后通過 NLP 技術解析語義邏輯，并通過構建可視化知識圖譜實現對候選答案的向量表達和問題表達的得分進行篩選，獲取精準答案，極大地縮短反應時長，提高處理效率。智能客服系統有效地解決了傳統客服人力占用較大、成本較高、業務高峰期難以有效覆蓋、多渠道端口難以有效資源整合等痛點。例如，平安自研問答算法及智能坐席機器人，能夠對客戶咨詢的開放性、針對性、關聯性問題，信息告知、簡單寒暄、無意義信息等進行有效的分析、識別、過濾、整理和輸出。金融人工智能研究報告（2022 年） 24 智能機器人還具有自我學習能力，對知識庫進