【观察】人工智能遍地开花，银行该如何研判并布局？

文/ 蔡普华  交通银行金融研究中心主任

许文兵  交通银行金融研究中心首席行业分析师

吴剑  交通银行金融研究中心高级研究员

人工智能作为科技创新和数字经济中的领先技术代表，将引领未来全球化发展迈向更高阶段。2025年，全球人工智能市场规模有望超过6万亿美元，我国人工智能核心产业规模将超过4000亿元。随着与实体经济的深度融合，人工智能产业前景广阔、应用场景日益丰富。在此背景下，本文梳理分析了近期我国人工智能产业发展特点及趋势，并从商业银行角度提出相关支持举措。

人工智能产业蓬勃发展，为全球化持续注入新动能

当前，全球化在一定程度上进入了平台期，但科技却从不止步，并将不断推动全球化迈向更高阶段。新冠疫情发生后，全球各大经济体正在重振经济和常态抗疫间寻求平衡，但疫情防控存在很大分化，这可能导致各类型经济体之间经济发展的差距较疫情前进一步扩大。IMF预计在2020-2024年间，发达经济体、新兴经济体、低收入国家平均每年人均GDP损失分别为2.4%、4.7%、5.7%。贸易增长率与外国直接投资也在下降，全球化进程似乎受到了一定挫折。然而展望未来，经济全球化的方向不会发生根本性逆转，全球产业链不会断链。当劳动力和资本促进经济达到停滞时点后，就需要通过技术创新提升生产函数的层级，全球化模式将由科技主导迭代更新。

人工智能作为科技创新和数字经济中的领先技术代表，将引领未来全球化发展迈向更高阶段。以人工智能等技术驱动的数字经济范式，天然就具有开放和互联的属性，并在以指数级、非线性化的演进速度消除世界的物理边界。人工智能在传统全球化的人流、物流、资金流、信息流连通的基础上，更好地加强了物与物的连通。随着智能制造时代的到来，信息技术、物联网技术与制造、能源、材料等各个领域交叉融合，超级计算、边缘计算、量子计算助推平台广度和速度升级，呈现出更加包罗万象的开放姿态。自修复材料、自适应材料、新型传感材料、4D打印材料等智能材料技术不久将大量涌现，为生物医疗、航空航天等领域发展提供支撑。

得益于各国政府的政策支持以及数据、算法、算力三个方面的资源积累和技术突破，人工智能正迎来第三次高速发展。德勤预测，2025年全球人工智能市场规模将超过6万亿美元，2017-2025年复合增长率达30%。

目前，我国在人工智能领域的多项指标已跻身世界前列。根据斯坦福大学的研究，从人工智能期刊引用比例的角度看，2020年我国（20.7%）首次超过美国（19.8%）。从人工智能的私人投资角度看，2020年我国人工智能的私人投资金额为99亿美元，位居全球第二位。虽然我国在基础层和技术层与世界领先水平还有差距，但在基础层、技术层和应用层这三个层面都有了相当深厚的技术积累与产业基础设施的积淀。

随着人工智能与实体经济的深度融合，我国人工智能产业在不断壮大的同时，必将形成一系列包含中国经济元素特有的发展规律。首先，科技创新资源的集聚成为新的趋势。打破信息壁垒，促进大数据融合，推动不同行业间数据资源共享，形成不同地域间的数据链接协同，将会成为人工智能发展的重要推动力。其次，通过政府主导、企业参与的形式，加速形成良好的数据生态，推动各类应用场景的开放将成为人工智能产业实现互补性创新和专用性技术积累的重要基础。而在人工智能与实体经济的融合发展过程中，我国在包括5G在内的新型基础设施建设方面的优势也将逐渐展现出来。

我国人工智能应用场景日益丰富，但产业成熟度仍不高

不断完善的政策和统计体系成为推动我国人工智能产业快速发展的重要支撑。人工智能与实体经济的融合发展过程，不是简单的拿来主义，而是需要结合我国经济和社会发展的特点，开展一系列适应性调整和互补性创新。从2015年发布的《中国制造2025》明确提出发展智能制造以来，我国人工智能政策密度明显加大。2017年，首次将人工智能正式写入政府工作报告，并发布《新一代人工智能发展规划》，正式将人工智能发展提升到国家战略层面；2019年出台的《关于促进人工智能和实体经济深度融合的指导意见》，强调构建跨界融合的智能经济形态。这些顶层设计不但有效提升了我国人工智能产业技术和应用层面创新的活跃度，也使产业的发展路径逐步清晰起来。

图表：我国人工智能“三步走”战略

资料来源：（《国务院关于印发新一代人工智能发展规划的通知》）

在标准和统计体系方面相关政策指引的连续出台，也进一步促进了与数字经济和人工智能产业发展相适应的制度环境的改善。2020年8月发布的《国家新一代人工智能标准体系建设指南》，提出具体的国家新一代人工智能标准体系建设思路、建设内容；2021年6月发布的《数字经济及其核心产业统计分类（2021）》，为我国包括人工智能在内的数字经济核算提供了统一可比的统计标准、口径和范围。

助力传统产业智能化升级，人工智能在传统企业的应用将持续普及深化。人工智能在我国传统产业转型升级中大有可为。传统产业要突破既有思维局限，在生产管理、产品设计和用户管理的全流程挖掘人工智能应用场景，通过应用人工智能技术，提升自身竞争力和技术水平。

传统产业智能化转型升级是大势所趋。传统企业对人工智能重视程度不断提升，越来越多的企业将大量资源投入到智能化升级中，以进一步增强市场竞争力。以制造业为例，制造行业拥有大量高质量的数据积累以及自动化的工作流，为人工智能技术的介入提供了良好的技术铺垫。目前，一些人工智能企业已围绕定位、检测、测量、识别等功能场景，提供集光学、机械、电气、软件和算法于一体的自动化整体解决方案，应用于科技3C、汽车装配、服装纺织、磁性材料、钢铁冶金等多个细分领域。

赋能城市治理和公共服务，各级政府将成为人工智能重要需求方。人工智能赋能城市治理和公共服务，为政府运营模式变革带来机遇。作为一项复杂的系统工程，基于人工智能技术的城市治理和公共服务能够优化传统粗放式、经验化管理模式，为大幅强化政府效率和提升公共服务有效性带来了可能性。伴随人工智能产业的快速崛起，各级政府也加速智能化转型，由人力密集型向人机交互型、经验判断型向数据分析型、被动处置型向主动发现型转变，从而实现城市治理和公共服务的民心导向。“城市大脑”作为人工智能技术应用的典型，已成为新型智慧城市建设的重要抓手。

各级政府掀起智能化建设热潮，智能大脑等项目潜在发展空间巨大。据不完全统计，2020年共有100余个项目以“城市大脑”为名进行招标，平均中标金额超5000万元。根据中国信息通信研究院测算，2019年全国智慧城市投资总规模约为1.7万亿元，而“城市大脑”占智慧城市总投资比例约为4%，预计未来几年“城市大脑”项目可能保持100%以上增速，“十四五”期间城市大脑投资规模将持续扩张。各级政府在城市治理、公共服务等领域对人工智能展现出了越来越迫切的需求，正成为相关产品及服务的主要购买者之一。

人工智能产业需要较长孕育期，整体成熟度有待提升。人工智能产业孕育期较长，整体业绩有待提高。尽管人工智能应用场景丰富、发展前景广阔，但产业发展仍处于较初级阶段。工信部专家判断，全球近90%的人工智能公司财务报表亏损，而中国人工智能产业链中的企业亏损率也接近这一水平。从我国已上市和拟上市人工智能企业招股书披露的数据看，即使达到上市标准的部分人工智能独角兽企业，也很难达到盈利状态，且企业整体债务水平也相对较高。财务状况不佳限制了人工智能企业的融资渠道，总体来看风险投资仍是多数人工智能企业的主要资金来源。

人工智能企业融资状况进一步分化，头部企业资金优势相对明显。当前人工智能企业普遍亏损，加之Wave Computing、ScaleFactor等曾获大笔融资的知名创新企业由于预期过高、虚假宣传等原因退出，市场对新企业的融资需求更为谨慎。根据中国信息通信研究院统计，2020年全球人工智能企业投融资的轮次后移趋势不断扩大，全年B轮及以上融资笔数占总笔数的62.3%，较上一年提高40%以上。这一状况反映后疫情时代资本市场对人工智能产业的风险偏好趋于保守，风险投资进一步向行业内相对较成熟的头部企业集中，而初创企业或技术成熟度相对较低的企业资金状况则更为紧张。

智能金融将成为金融业的核心竞争力

金融业是人工智能的重要应用场景。金融机构积极探索人工智能的应用已是大势所趋，越来越多的金融机构正通过系统性方法部署高级人工智能。根据银保监会统计，2020年银行机构和保险机构信息科技资金总投入分别为2078亿元和351亿元，同比增长20％和27%。其中，工行、农行、中行、建行、招行的科技投入均超过百亿，占营收比例均在2.70%以上，招行甚至高达4.45%。目前，超过九成的上市银行已经公开披露，正在开展与人工智能相关的应用探索，主要的应用场景包括智能风控、智能客服和智能营销等。

人工智能技术的广泛应用成为金融业服务实体经济、防控金融风险、深化金融改革的重要力量。在风险管理领域，人工智能风控技术的引入，将大幅提升银行风控的效率和准确性。尤其是在普惠金融的风险防控上，人工智能在接入外部数据开展风险分析以及对风险控制模型的适应性调整方面已经开始体现出明显优势。在消费支付领域，随着场景的多元化、多样化，以人脸识别、语音识别、指纹识别等生物识别载体为主要手段的智能支付逐渐替代传统验证模式，在2018年支付宝首次公布“双11”生物识别支付占比达到60.3%后，这一比例每年以超过10个百分点的速度提升，且用户支付体验也大为改观。在客户服务领域，人工智能基于大规模知识管理系统构建客户接待、管理及服务智能化解决方案的应用领域广阔。无论是在解决简单重复的问题方面，还是以大数据为基础把握客户需求、了解服务动向、为业务分析提供支撑方面，人工智能都将大有可为。目前，部分商业银行通过手机银行和网银等为客户提供拟人化智能客服，应答量已占客户提问总量的三成以上。在内部运营领域，通过运用OCR（图像识别）、RPA（机器人流程自动化）等人工智能技术，可以有效提升业务运营效率。

一些商业银行已将OCR技术应用于手机银行、企业网银、小程序和H5页面等主流渠道，大幅缩短了表单版面识别耗时、清分时长等。可以说金融业是当前人工智能落地的最重要场景之一，未来人工智能也必将重塑金融业的发展模式。随着人工智能技术在金融业应用的广度和深度不断推进，智能金融将逐步成为金融业的核心竞争力。

围绕应用场景及头部企业，商业银行应加快产业布局及自身数字化转型

商业银行要充分把握人工智能产业的发展趋势及特点，在不断加强自身人工智能场景应用广度和深度的同时，持续提升对数字产业的分析能力，有选择地适当加大对相关重点企业、重点应用领域的金融支持，推动高质量可持续发展。

以行业政策调整为抓手，强化对前台的业务指导和支持。结合国家统计局出台的《数字经济及其核心产业统计分类（2021）》标准，在尽快调整相关系统的行业分类，强化业务数据统计分析的基础上，出台对人工智能和数字经济相关行业的授信政策和风险管控政策指引。

聚焦智慧城市建设，发力拓展人工智能在数字政府领域的金融业务。积极跟踪对接各地的智慧城市建设规划，并在智慧城市投入的区域定位上明确把15个国家新一代人工智能创新发展试验区以及8个国家人工智能创新应用先导区列为重点，适当加大资源倾斜力度。

重点突破人工智能头部企业，打造科技金融特色。加强对15家“国家新一代人工智能开放创新平台”名单企业的金融需求模式研究，提供全周期、全流程、全市场、智能化、综合化全方位解决方案，并围绕这些重点企业开展产业链、供应链的延伸。

积极拥抱人工智能，加快自身数字化转型步伐。将人工智能纳入全行发展的战略谋划中，从全行层面推动与人工智能的融合发展。在继续巩固优化智慧风控、智能营销和智能客服等应用体系前提下，持续拓宽自身人工智能应用场景，充分发挥人工智能在客户信息整合、流程银行重塑等方面的优势。

针对人工智能产业发展特点，加强重点风险防控。鉴于人工智能企业质量参差不齐，在展业中要审慎把控风险。针对部分企业缺乏落地场景、商业模式不清晰、经贸摩擦可能导致供应链中断等问题，要积极做好相应风险评估与防范。

本文首发于微信公众号：中国银行业杂志。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。