1 报告编号19RI0835 头豹研究院 | 金融科技系列深度研究 400-072-5588 2019 年 中国金融科技行业深度报告 报告摘要 金融研究团队 云计算、 大数据、 人工智能、 区块链四类技术属于当 前中国金融科技应用的关键技术领域，基于以上四 类技术为中国金融机构提供应用的企业组成了中国 金融科技行业。过去 5 年中，随着四大细分市场中 实现落地的应用数量不断增加， 私募股权投资基金、 产业投资基金、下游金融机构等投资者均加大了对 金融科技类企业及项目的投资，中国金融科技行业 投融资规模迅速扩大。2014 至 2018 年，中国金融 科技行业融资额由 119.5 亿元增长至 1,514.6 亿元 人民币，年复合增长率达到 88.7%。 热点一：金融科技核心技术快速发展 热点二：金融市场迅猛发展 热点三：区块链与云计算深度融合 在过去的 5 年中， 通过建立设施齐全的国家重点实验室、 成立专业的金融科技研发团队开展专题研究等方式，中 国在各类金融科技核心技术领域的科研水平迅速提升。 同时，中国企业在大数据、人工智能等领域的国际赛事 或评测排名中均有优异表现，打破了国际企业的技术垄 断。 作为下游应用行业的中国金融行业在过去 5 年中展现了 迅猛的发展速度，有力地驱动了中国金融科技应用行业 发展。作为金融科技主要投资及应用领域的互联网信用 贷款及移动支付市场于 2014 至 2018 年在交易规模方面 分别取得了 85.4%、133.9%的年复合增长率。 区块链与云计算的结合，能有效降低企业应用区块链的 部署成本。鉴于目前中国对区块链应用仍呈现严格监管 态势，为了避免触犯政策监管雷区，在短期内多数金融 科技企业仍将采取完善区块链底层平台技术的发展策 略，进一步整合区块链技术与云计算生态环境，待时机 成熟时通过提供 BaaS 平台为金融机构赋能。 蔡宇宁 邮箱：nick.caifrostchina 分析师 行业走势图 相关热点报告 金融科技系列研究报告 2019 年中国金融资讯服务行 业概览 金融科技系列研究报告 2019 年中国大数据技术在金 融行业的应用分析概览 宏观政策系列研究报告 2019 年中国金融产业政策分 析概览 2 报告编号19RI0790 目录 1 方法论 . 8 1.1 研究方法 . 8 1.2 名词解释 . 9 2 中国金融科技行业综述 . 13 2.1 中国金融科技行业概念及组成 . 13 2.2 中国金融科技行业政策及标准分析 . 14 2.2.1 中国金融科技行业政策 . 14 2.2.2 中国金融科技技术及行业应用标准 . 16 2.3 中国金融科技行业投融资情况 . 17 2.4 中国金融科技应用现状分析 . 18 2.5 中国金融科技行业竞争格局 . 20 3 中国金融科技行业产业链分析 . 23 3.1 上游分析 . 24 3.1.1 金融科技基础设施提供商 . 24 3.1.2 金融科技应用数据提供者 . 27 3.2 中游分析 . 31 3.3 下游分析 . 32 4 中国金融科技行业细分市场分析 . 33 4.1 云计算技术在中国金融行业的应用市场 . 33 4.1.1 云计算技术在中国金融行业的应用定义与分类 . 33 4.1.2 云计算金融应用核心技术分析 . 35 3 报告编号19RI0790 4.1.3 云计算技术在中国金融行业的应用市场规模 . 36 4.1.4 云技术在中国金融行业的应用典型企业分析 . 37 4.2 大数据技术在中国金融行业的应用市场 . 43 4.2.1 大数据技术在中国金融行业的应用定义与分类 . 43 4.2.2 大数据金融应用核心技术分析 . 45 4.2.3 大数据技术在中国金融行业的应用市场规模 . 46 4.2.4 大数据技术在中国金融行业的应用典型企业分析 . 47 4.3 人工智能技术在中国金融行业的应用市场 . 56 4.3.1 人工智能技术在中国金融行业的应用定义与分类 . 56 4.3.2 人工智能金融应用核心技术分析 . 58 4.3.3 人工智能技术在中国金融行业的应用市场规模 . 60 4.3.4 人工智能技术在中国金融行业的应用典型企业分析 . 61 4.4 区块链技术在中国金融行业的应用市场 . 70 4.4.1 区块链技术在中国金融行业的应用定义与分类 . 70 4.4.2 区块链金融应用核心技术分析 . 71 4.4.3 区块链技术在中国金融行业的应用市场规模 . 73 4.4.4 区块链技术在中国金融行业的应用典型项目分析 . 74 5 中国金融科技行业驱动因素分析 . 78 5.1 金融科技核心技术发展 . 78 5.2 金融数据资源丰富，非金融数据资源增加 . 79 5.3 金融市场迅猛发展 . 80 5.4 金融科技具备经济价值创造能力 . 82 4 报告编号19RI0790 6 中国金融科技行业发展趋势分析 . 83 6.1 风险控制类应用保持强势 . 83 6.2 智能投顾市场前景可观 . 84 6.3 中小银行市场进一步拓展 . 86 6.4 区块链与云计算深度融合 . 87 5 报告编号19RI0790 图表目录 图 2-1 金融科技组成 . 13 图 2-2 中国金融科技行业相关政策 . 14 图 2-3 中国金融科技行业相关标准 . 16 图 2-4 中国金融科技行业投融资情况，2014-2018 年 . 17 图 2-5 中国金融科技行业头部企业介绍 . 22 图 3-1 中国金融科技行业产业链 . 23 图 4-1 中国金融机构三种云部署方式占比，截至 2018 年底 . 34 图 4-2 云计算服务模式分类 . 34 图 4-3 中国公有云在金融领域应用市场规模（按收入计） ，2014-2023 年预测 . 37 图 4-4 兴业数金企业概况 . 38 图 4-5 兴业数金云计算金融应用 . 38 图 4-6 UCloud 企业概况 . 40 图 4-7 UCloud 云计算金融应用 . 41 图 4-8 大数据技术在中国金融行业的应用分类 . 43 图 4-9 大数据技术在中国金融行业的应用市场规模（以销售额计） ，2014-2023 年预 测 . 46 图 4-10 阿里云企业概况 . 48 图 4-11 阿里云大数据金融应用产品 . 48 图 4-12 同盾科技企业概况 . 51 图 4-13 同盾科技大数据金融应用产品 . 51 图 4-14 数联铭品企业概况 . 54 6 报告编号19RI0790 图 4-15 数联铭品大数据金融应用产品 . 54 图 4-16 人工智能技术在中国金融行业的应用分类 . 56 图 4-17 人工智能技术在中国金融行业的应用市场规模 （以销售额计） ， 2014-2023 年 预测 . 60 图 4-18 蚂蚁金服企业概况 . 61 图 4-19 蚂蚁金服人工智能金融应用 . 62 图 4-20 金融壹账通企业概况 . 65 图 4-21 金融壹账通人工智能金融应用 . 65 图 4-22 百融云创企业概况 . 68 图 4-23 百融云创人工智能金融应用 . 68 图 4-24 区块链技术在中国金融行业的应用分类 . 70 图 4-26 中国金融行业区块链支出规模，2014-2023 年预测 . 74 图 4-27 联动优势企业概况 . 74 图 4-28 联易融数科企业概况 . 76 图 5-1 数据排序基准评估大赛专用灰排序冠军，2013-2016 年 . 79 图 5-2 中国数据累计储存量，2014-2018 年 . 80 图 5-3 中国互联网信用贷款交易规模，2014-2018 年 . 81 图 5-4 中国移动支付交易规模，2014-2018 年 . 81 图 5-5 云计算交付模式 . 82 图 6-1 中国金融行业相关监管措施，2016-2018 年 . 83 图 6-2 美国智能投顾资产管理规模，2015-2018 年 . 84 图 6-3 中国智能投顾资产管理规模，2016-2018 年 . 85 7 报告编号19RI0790 图 6-4 部分已成立金融科技公司的股份制及国有商业银行 . 86 图 6-5 中国部分金融 BaaS 提供商 . 88 8 报告编号19RI0790 1 方法论 1.1 研究方法 头豹研究院布局中国市场， 深入研究 10 大行业， 54 个垂直行业的市场变化， 已经积累 了近 50 万行业研究样本，完成近 10,000 多个独立的研究咨询项目。 研究院依托中国活跃的经济环境，从信息科技、人工智能、金融等领域着手，研究 内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业走 向上市及上市后的成熟期， 研究院的各行业研究员探索和评估行业中多变的产业模 式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法， 采用自主研发的算法， 结合行业交叉的人工智 能技术， 以多元化的调研方法， 挖掘定量数据背后的逻辑， 分析定性内容背后的观 点， 客观和真实地阐述行业的现状， 前瞻性地预测行业未来的发展趋势， 在研究院 的每一份研究报告中，完整地呈现行业的过去，现在和未来。 研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、 竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。 研究院秉承匠心研究， 砥砺前行的宗旨， 从战略的角度分析行业， 从执行的层面阅 读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 头豹研究院本次研究于 2019 年 11 月完成。 9 报告编号19RI0790 1.2 名词解释 金融稳定理事会：Financial Stability Board，前身为由七国集团（G7）成立的金融稳 定论坛 （Financial Stability Forum） ， 现成员扩大至二十国集团 （G20） 所有的成员国， 即英国、美国、日本、法国、德国、加拿大、意大利、俄罗斯、澳大利亚、巴西、阿根 廷、墨西哥、中国、印度尼西亚、印度、沙特阿拉伯、南非、土耳其，韩国及欧盟。 清算：银行业务术语，包括清分和结算两个过程。清分，依据交易类型、交易机构等标 准，对交易数据进行分类汇总，并计算结算金额；结算，对已分类汇总的交易数据进行 净额计算，提交并完成收款人和付款人账户之间的资金划拨。 服务器： 在网络环境中为客户端计算机提供特定应用服务的计算机系统， 由硬件系统及 软件系统两部分组成。 白牌生产模式：ODM 厂商无需为品牌商贴牌，可直接将生产的产品销售给下游客户。 云计算产品：通过互联网以按需方式提供的可伸缩、易扩展的共享物理和虚拟资源池， 其中资源包括存储设备、服务器、操作系统、应用软件等。 GPU：Graphics Processing Unit，图形处理器或图形处理单元，是具有数据运算功能 的电子计算机部件，传统上常用于图形相关的运算工作。 ODM：Original Design Manufacturer，原始设计制造商，指企业自主研发并生产产 品，客户根据需要采购。 ASIC：Application-Specific Integrated Circuit，专用集成电路。ASIC 芯片是一种针 对特定需求而定制的芯片，针对特定的算法设计，一旦设计及制造完成后无法改变。 FPGA：Field Programmable Gate Array，现场可编程门阵列。FPGA 芯片的特点在 于可编程性， 即使是出厂后的成品， 用户也可以在不改变硬件的前提下， 通过写入新的 配置文件来重新定义其功能。 10 报告编号19RI0790 Hadoop：分布式数据处理的奠基性框架，其主要模块包括用于数据储存的 HDFS （Hadoop Distributed File System）模块、用于数据计算的 MapReduce 模块。 Hadoop 诞生于 2005 年，此后出现的主流分布式数据处理框架大多基于 Hadoop 及 其相关项目构建。 Spark： Spark 是 Hadoop 的相关项目之一， 是一款适用大规模数据处理的计算引擎， 但本身不具备文件管理功能， 需要与其他的分布式文件系统集成才能运作。 与 Hadoop 从硬盘中读取数据不同， Spark 以计算机内存记录及交换数据， 在数据处理速度上具备 优势。 Storm：是一个分布式的实时数据处理框架，与 Spark 同样使用计算机内存进行数据 读写，但比 Spark 更适合于流数据的实时处理。 私有云： 云服务商为单一企业或单位搭建部署的云计算架构， 在用户的内部网络上部署 运营。与公有云不同，私有云的核心属性是资源专有，用户的信息私密性、安全性及获 得的服务质量更有保障。 公有云： 云计算服务商利用公共网络、 以低廉或免费的价格向所有客户提供具有弹性的 计算资源及服务，允许用户根据服务使用量支付费用的云计算模式。 公有链：读取信息、写入信息、参与共识过程等权限完全开放的区块链。 联盟链： 符合一定标准的节点能读取信息、 写入信息， 共识过程由预先设定节点控制的 区块链。 私有链：读取信息权限受到限制，并仅有单个组织能写入信息的区块链。 IaaS：Infrastructure as a Service，基础设施即服务，将通用计算、存储、网络以及 其他基础硬件资源虚拟化后，以出租方式提供给客户的服务模式。 PaaS：Platform as a Service，平台即服务，为开发者提供应用服务运行和开发环境 11 报告编号19RI0790 的服务模式。 SaaS：Software as a Service，软件即服务，直接通过网络为客户提供软件服务的商 业模式。 虚拟机：使用服务器虚拟化技术，在物理服务器基础上生成的虚拟服务器。 耦合：两个元件或模块之间存在的紧密配合与相互影响的关系，解耦合即解除这种关系。 虚拟机管理器：管理虚拟机的软件。 用户画像： 根据用户的基本人口统计学信息及消费、 社交等行为信息为用户构建标签化 的抽象形象。 人工神经网络： 模仿人脑神经网络工作方式的运算模型， 具有非线性、 自适应性等基本 特征。 计算机视觉：令计算机表现出类似人类提取、处理和分析图像能力的技术。 生物特征识别：利用个体生理特征对个体身份进行识别的技术。 现代投资组合理论： Modern Portfolio Theory， 由美国经济学家哈里·马科维茨于 1952 年提出，其核心理论是利用均值-方差分析法在给定的风险水平下建立回报最高的投资 组合。 大数据：具有体量巨大、来源及结构多样、生成速度快、单位价值密度低、多变等特 征，需要使用非结构化数据库等新型数据体系结构进行有效处理的数据。 大数据技术：以大数据为对象的数据采集、传输、储存、计算分析、可视化等技术。 结构化数据： 也称行数据， 是具备统一的结构、 能够用行列二维形式表达和管理的数据， 如关系型数据库数据。 非结构化数据：数据结构不规则，不方便用行列二维形式表达的数据，如图片、文本、 音视频等。 12 报告编号19RI0790 ZB：Zettabyte，泽字节，计算机储存容量单位。1 泽字节等于 2 的 70 次方字节 （Byte） 。 TB：Terabyte，太字节，计算机储存容量单位。1 太字节等于 2 的 40 次方字节 （Byte） 。 PB：Petabyte，拍字节，计算机储存容量单位。1 拍字节等于 2 的 50 次方字节 （Byte） 。 P2P 金融：Peer-to-Peer Lending，是一种由互联网平台撮合的信用贷款交易。 国家宏观杠杆率：居民、企业（金融及非金融） 、政府（中央及地方）三大经济部门的 债务余额总和与国民生产总值（GDP）的比值。 13 报告编号19RI0790 2 中国金融科技行业综述 2.1 中国金融科技行业概念及组成 在发表于 2016 年 3 月的报告 Fintech： Describing the Landscape and a Framework for Analysis 中， 全球金融治理牵头机构金融稳定理事会 （Financial Stabili