2018-2019“AI+金融”行业研究报告.pptx

2018年8月,2018-2019“AI+金融”行业研究报告,2,报告摘要,人工智能落地金融场景，行业发展潜力巨大,“AI+金融”即人工智能与金融行业的结合。金融业天然的数据属性与智能化需求为人工智能的应用提供了坚实的基础，加之政策和资本的驱动，人工智能落地金融场景已成为不可逆转的趋势。借助AI技术实现金融场景创新是行业普遍关注的课题，当前，AI技术在金融业各细分领域的应用方向已初见端倪，但整体来看尚不成熟。传统金融机构、大型互联网公司和人工智能公司纷纷布局，各自具有相对优势，行业发展潜力巨大。,AI技术向金融业各个务场景渗透，带来整体效率的提升和服务模式的转变,智慧银行、智能投顾、智能投研、智能信贷、智能保险和智能监管是当前人工智能在金融领域的主要应用场景，分别作用于银行运营、投资理财、信贷、保险和监管等业务场景。智慧银行从提升用户体验和服务效率为主要出发点，实现服务和运营的智能化变革；智能投顾是人工智能在理财领域的应用，旨在利用计算机程序评估用户的风险偏好和理财需求，从而提供自动化的配置建议；智能投研用于辅助投资分析，提升投研效率；此外，信贷、保险和监管也朝着智能化的方向发展。金融业智能化的变革从各个角度提升了行业效率，为业务模式的创新提供了新思路和新方法，但同时也使金融风险变得更加复杂，新监管手段的探索受到重视。,当前AI对金融业的辅助作用明显，场景创新是重点，未来具有不确定性当前，人工智能在金融行业的应用场景绝大多数是人机结合式的，即机器或技术对实际的金融业务起辅助性作用，人工干预仍不可或缺。但长期来说，随着技术的逐渐成熟，市场的发展具有较强的不确定性。一方面，技术所能达到的界限难以界定，不排除对行业产生颠覆性影响的可能性；另一方面，金融业务场景和技术应用场景都具有很强的创新潜力，未来，是否会出现新旧场景的迭代也是个未知数。,“AI+金融”行业研究报告2018.08,目 录 Contents一. “AI+金融”行业概述,概述驱动力市场现状,二. “AI+金融”产业链分析,产业链图产业链各环节分析,三. “AI+金融”应用场景,智慧银行智能投顾智能投研智能信贷智能保险智能监管,四. “AI+金融”行业总结与前景分析,行业总结与前景分析,CHAPTER “AI+金融”行业综述,“AI+金融”是人工智能技术与传统金融行业的结合政策、资本、技术、数据和场景多方驱动“AI+金融”场景落地行业处于初创期，智能化趋势明显，市场预期较好AI市场规模达百亿级，金融科技增长迅速,“AI+金融”行业研究报告2018.08,”AI+“即“AI+各个行业”，它是将人工智能作为基础特征，与金融、教育、医疗等传统行业的全面融合。相对于简单的行业叠加，“AI+”更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。人工智能与金融业的结合“AI+金融”是目前人工智能最被看好的落地应用场景之一。原因主要有三点：一方面，金融行业的信息化建设起步较早，且行业内极其重视数据的标准化和规范化采集，因而具有大量的数据积累，这些数据为人工智能的应用提供了坚实的基础；另一方面，以银行、保险、证券业为例，金融业的主要业务都是基于大规模数据（用户数据、业务数据、产品数据、市场数据等）展开的，大量繁琐的数据处理工作，急需自动化和智能化的变革来解放人力；此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。人工智能作为相对底层的基础技术，已呈现出向各个,行业、领域渗透的趋势。场景化创新将是AI技术逐步成熟之后市场关注的重要焦点之一。在金融行业亦是如此，各个细分领域的应用方向初见端倪，典型场景包括：智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等。5,1.1行业综述1.2驱动力1.3市场现状,行业综述“AI+金融”是人工智能技术与传统金融行业的结合,“AI+金融”行业研究报告2018.08,技术、数据和场景需求是人工智能在金融领域得以应用的基础。其中在技术方面，算法、算力的提升，使机器从海量数据中自行归纳物体特征、描述、,还原和定位新事物的能力得以提高，并在各类人工智能准确性测试中的表现越来越好；数据方面，海量的数据是深度学习算法构建的基础，为精准的目标画像和预测分析提供了可能；场景方面，契合业务场景的算法模型为金融活动提供更多的决策支持，从而能很大程度上提升效率。,政策和资本的倾斜为人工智能在金融领域的发展营,造了良好的市场环境。政策对人工智能和金融科技的支持，使市场对行业发展整体呈乐观预期，这也进一步促进了资本的流入。,技术：AI 技术和市场生态的日渐成熟为其在金融行,业的发展奠定了基础。根据Gartner2017年7月发布的新兴技术成熟度曲线，人工智能相关技术在未来5-10年将逐步走向成熟，成为最有影响力的新兴技术之一。当前，应用在金融领域的人工智能相关技术主要有：机器学习、生物识别、自然语言处理、语音识别和知识图谱等。（1）机器学习：机器学习是金融行业应用最为广泛的人工智能技术之一。它可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。6,驱动力驱动力：技术、数据和场景是主要的驱动力,技术驱动,测试优化预测分析,定位数据驱动精准画像场景驱动,决策支持,场景模型,1.1行业综述1.2驱动力1.3市场现状,“AI+金融”行业研究报告2018.08,（2）生物识别：指纹识别、人脸识别、虹膜识别和指静脉识别是金融行业应用较为广泛的四项生物识别技术。它们分别通过设备采集人体指纹、面部、虹膜、指静脉等部位具有唯一标志性的特征信息，进行存储、匹配，进而完成身份认证。目前，这些生物识别技术已广泛应用于客户身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景。（3）自然语言处理：自然语言处理技术可以显著提升金融行业获取、清洗、加工和分析数据的效率。例如：新闻公告、年报、研究报告等大量文本形式信息，利用自然语言处理技术可迅速提取关键指标，进行分析总结，从而减少不必要的人力劳动。（4）语音识别：在金融领域的应用中，语音识别通常与语音合成技术结合在一起，提供一个基于语音自然流畅的人机交互方法。其主要应用于电话客服、各类智能终端的语音导航、业务咨询等场景。由于金融行业带有明显的客户服务属性，加上完整而庞大的业务及数据积累，因此语音技术应用广泛。（5）知识图谱：知识图谱从“实体-关系”的角度整合金融业现有数据，结合外部数据，建立连接形成大规模的实体关系网络。从而突破传统的计算模式，便于有效地挖掘潜在客户、预警潜在风险，帮助金融行业提升效率、优化流程。7,1.1行业综述1.2驱动力1.3市场现状,驱动力驱动力：技术、数据和场景是主要的驱动力,“AI+金融”行业研究报告2018.08,数据：金融行业沉淀了海量数据，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等数据，量大且多以非结构化形式存在（如客户的证件扫描件等），既占据宝贵的储存资源，又无法转成标准化数据以供分析，因此金融大数据的处理工作面临极大挑战。深度学习、知识图谱等技术的应用，能够不断完善甚至能够超过人类的知识回答能力，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控和业务处理能力。场景：在场景应用上，一方面，金融业良好的数据,基础为AI应用场景创新提供了条件，促使各领域充分挖掘数据的潜在价值，利用技术实现业务模式的创新和产业升级，从而使人工智能在金融领域的应用场景越来越多元；另一方面，金融服务业的属性决定了其大部分业务是基于用户服务展开的，大量的服务场景也需要利用技术来提升效率、优化体验、实现行业的精细化运营和服务升级。总之，金融业为人工智能的落地应用提供了良好的场景条件。8,1.1行业综述1.2驱动力1.3市场现状,驱动力驱动力：技术、数据和场景是主要的驱动力,9,AI+金融”行业研究报告2018.08,1.1行业综述1.2驱动力1.3市场现状1.4核心技术,驱动力驱动力：政策和资本营造良好的行业大环境,热度值：反映的是某个关键词受用户关注的程度，将关键词的阅读量、转发量、收藏量和评论量等加权计算得到。此处结论参考清华大学中国人工智能发展报告2018数据。,政策：政策对金融创新和人工智能的支持营造了良好市场预期。近年来政府和社会对人工智能发展的关注度越来越高，2015年国务院提出“互联网+”的大背景下，培育发展人工智能新兴产业。2016年人工智能正式被列入了“十三五国家战略性新兴产业发展规划”。2017年人工智能大会上，全国政协副主席科技部部长万钢表示“人工智能已成为科技发展不可忽视的重要力量”。与此同时，央行宣布，成立中国人民银行金融科技委员会，旨在加强金融科技工作的研究规划和统筹协调。AI先后被写入两会政府工作报告与十九大报告，已正式上升为国家战略。资本：资本方面，人工智能领域投融资热度不断升温，资本市场对AI商业化应用整体持乐观态度。根据清华大学发布的中国人工智能发展报告2018显示，2017年全球人工智能投融资总规模395亿美元，融资事件1208笔，其中，中国的投融资总额达277.1亿美元，融资事件369笔，分别占全球的70%和31%。此外，从社会关注度来看，金融是最受关注的人工1智能应用领域，据监测，其2017年的热度值 远高于交通、教育、医疗等热门领域。这也为其在资本市场的曝光提供了更多的机会。,“AI+金融”行业研究报告2018.08,1.1行业综述1.2驱动力1.3市场现状,市场现状行业处于初创期，智能化趋势明显，市场预期较好,作为未来最被市场看好的新兴技术之一，人工智能几乎可以渗透到各个行业的各个场景。整体来看，场景创新是实现技术商业化的关键，且逐渐成为各大科技公司的主攻方向。金融行业围绕银行服务、理财投资、信贷、保险、监管等业务已衍生出智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等应用场景。传统金融机构、金融IT与新兴互联网金融公司、信息服务商等均加速布局。我国“AI+金融”行业仍处于早期的探索阶段，但行业,智能化趋势明显，市场预期较好。在应用场景方面，智慧银行主要利用人工智能相关技术提升运营效率，是对银行业现有业务的改进，目前多由技术公司与银行合作共建。智能投顾、智能投研等均由国外先行探索，后在国内经创业公司引入并进行本土化改进，随后由传统金融机构、金融IT和数据服务提供商进一步推动其发展。智能信贷、智能保险和智能监管则分别由互金、保险、交易所和监管部门等将各自的业务领域与人工智能相结合产生的应用创新。目前，除智能投顾发展较早，在国外市场相对成熟之外，其它场景均处于起步探索阶段，但传统金融机构、互联网巨头、金融IT、人工智能技术类公司的纷纷布局将会较大程度地推动行业的发展。10,场规模约48.58亿人民币，据此推算，目前人工智能在,“AI+金融”行业研究报告2018.08,1.1行业综述1.2驱动力1.3市场现状,市场现状AI市场规模达百亿级，金融科技增长迅速,域的市场规模已经有一定体量，该领域也是人工智能落地应用的重要领域之一：根据艾瑞咨询数据，2016年中国网络资管规模超过2.7万亿元，网络信贷余额超过1万亿元。预计2020年，中国互联网金融核心业务市场规模将超过12万亿元。11,2018年7月，清华大学中国科技政策研究中心联合多家机构发布了中国人工智能发展报告（2018）显示：2017年中国人工智能市场规模达到237亿元，同比增长67%。计算机视觉、语音、自然语言处理的市场规模分别占34.9%、24.8%、21%，而硬件和算法的市场规模合计不足20%。预计2018年中国人工智能市场增速将达到75%。金融科技方面，根据MarketsandMarkets预测，人工智能在金融科技的市场规模预计将从2017年的13.38亿美元增长到2022年的73.06亿美元，年复合增长率（CAGR）为40.4。而在中国市场上，2014年中国1金融业IT市场规模达1140亿元，同年中国人工智能市2金融IT领域的渗透率约为4%。结合金融IT应用投资规模和人工智能渗透率预测测算，若2020年渗透率能够达到15%，金融 IT 应用投资规模保持5%的增速，则2020年金融人工智能投资规模将超过200亿元。从另一个角度来看，目前互联网资管、互联网信贷领,CHAPTER “AI+金融”产业链分析,”AI+金融“产业链图传统金融机构、互联网公司和人工智能技术公司是主要参与者科技赋能金融，人工智能应用广泛,13,“AI+金融”行业研究报告2018.08,2.1产业链图2.2产业链各环节分析,产业链图“AI+金融”产业链图,技,术,层,场,景,层,智慧银行,计算机视觉语音语义芯片云服务,智能投顾,基,础,层,智能投研,智能保险,智能信贷,监管等其它,生物识别语料采集等其它技术传感器摄像头等其它硬件,“AI+金融”行业研究报告2018.08,2.1产业链图2.2产业链各环节分析,产业链分析传统金融机构、互联网公司和人工智能技术公司是主要参与者,当前，参与到”AI+金融“应用场景的企业大致分为传,统金融机构、各类互联网公司（如：京东金融、百度金融等）和人工智能技术类公司等。传统金融机构具有较好的客户和数据基础，对业务具有更深刻的理解，同时金融牌照相对齐全；互联网公司同样拥有较好的客户和数据基础，研发和创新能力较强，但在特定的金融业务上仍然缺乏经验；人工智能技术公司则不同，独立的技术研发和创新能力是本身最大的优势，但在数据、客户资源和具体业务场景应用上大多依赖于第三方合作机构。此外，牌照也是互联网和人工智能技术公司共同面临的问题。14,“AI+金融”行业研究报告2018.08,2.1产业链图2.2产业链各环节分析,产业链分析科技赋能金融，人工智能应用广泛,金融领域天然的数据属性与智能化需求为人工智能的应用提供了基础，加之政策和资本的驱动，人工智能落地金融场景已成为不可逆转的趋势。借助AI技术实现金融场景创新是行业普遍关注的课题，当前，人工智能技术在银行、理财、投研、信贷、保险、风控、支付等领域得到实践，并呈现出向各个领域渗透的趋势。在本篇报告中，我们根据市场参与情况将产业链分为,基础层、技术层和场景层，其中，基础层以云服务、芯片、传感器、摄像头等硬件厂商为主，为行业建设提供基础性支持；技术层是各类人工智能技术公司，主要提供人工智能算法等核心技术和解决方案；在场景层，我们选取了当前关注度较高的几个应用场景：智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等来做详细的分析。15,CHAPTER “AI+金融”应用场景,智慧银行智能投顾智能投研智能信贷智能保险智能监管,17,“AI+金融”行业研究报告2018.08,中心，重新审视银行和客户的实际需求，并利用人工智能、大数据等新兴技术实现银行服务方式与业务模,式再造和升级。智慧银行具有两个显著的特点：一是智能化的感知和度量。与以往直接的询问或根据,历史服务数据做简单分析的方式不同，智慧银行通过一系列的智能化设备，在用户毫无察觉的情况下感知用户需求、情绪、倾向偏好等，从而为进一步的营销和服务提供支持。例如，在银行客户对服务质量及满意度评价的场景中，银行通过智能化设备对用户表情、肢体动作、语音语调的分析可迅速得到用户对本次服务的满意程度，而无需再专门采集用户的反馈意见；又如，营销型网点能够根据用户在网点不同产品区域的停留时间，行为轨迹等信息，捕捉用户的注意力焦点，从而发现用户的潜在需求。二是资源和信息的全面互联互通。智能化的感知和度量改变了银行采集信息的方式，将以往无法量化的信息按照某种规则进行量化分析，从而为资源的配置和优化提供决策支持。如通过对银行网点的排队情况、业务类型、业务量的监控分析，可辅助银行完成网点布局的优化；通过对用户位置、需求信息以及网点实时服务情况的获取，可帮助用户选择最优的网点等。,智慧银行人工智能等现代科技对银行业务流程的再造与服务升级 智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管是当前金融领域中关注度较高的AI应用场景。其中，智慧银行是传统银行、网络银行的高级阶段，是银行在当前智能化趋势的背景下，以客户为,客户中心,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能监管、智能保险等其它应用定位客户,分析需求,满足客户,改变习惯,影响认知,图示：智慧银行理念,18,“AI+金融”行业研究报告2018.08,随着人工智能、大数据、区块链等互联网新技术的发展和互联网金融对传统银行业的冲击，商业银行智慧化转型已成为不可逆转的趋势。人工智能的场景化应用渗透到银行业的方方面面，从前台业务到后台分析决策和企业运营，典型应用包括：智慧网点、智能客服、刷脸支付、智能风控、精准营销和智能化运营等。其中，智慧网点是智慧银行的核心，以提升用户体验,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,3.6智能监管,智慧银行银行智慧化转型趋势明显，智慧网点成变革核心,为核心，一方面从网点软硬件设施和环境配置等实体上来改变银行信息采集方式和服务模式；另一方面充分利用后台分析和决策系统的结果来优化前台业务，从而提升服务质量，提高商业银行的核心竞争力。智能客服作为提升用户体验的重要方式，也是银行业服务升级的重要组成部分，故此处我们主要选取智慧网点和智能客服两部分做简要介绍。人工智能在银行业的相关应用场景,后台运营安防员工管理员工签到员工行为监控网点管理网点布局优化网点资源配置,后台决策分析精准营销用户行为分析智能获客与活客智能风控辅助决策产品定价流程决策,前台业务智能客服智能自助终端VTM在线应用智能身份鉴别刷脸支付,“AI+金融”行业研究报告2018.08,对于现代商业银行而言，网点作为其重要服务场所，是品牌形象的代表，更是影响客户、占领市场的重要渠道。早期，商业银行为提升自身竞争力，大量铺设线下网点，但随着网络渠道（如网络银行、虚拟银行等）对传统线下网点的取代和互联网金融的发展，银行网点运营的规模效应逐渐被削弱，运营成本整体增加。银行一方面大量裁撤网点以缩减成本，另一方面也迫切地寻求网点变革新路径。网点变革已成为银行业当前面临的重大课题之一。以客户为中心是智慧网点的核心理念。据PwC 2017年数字银行消费者调查显示，62的受访者表示银行拥有当地分支机构非常重要，25的人根本不会在没有当地分支机构的银行开户。诚然，客户前往线下网点的频率逐渐下降，但仍重视线下的服务体验，网点仍然是各种高价值互动服务的重要渠道。因而，充分考虑用户的实际体验、挖掘用户的潜在需求、以客户为中心提供高效率高质量的专业化服务在智慧网点建设中至关重要。以VIP客户为例，对于零售银行来说，VIP客户数量虽,少，但对网点业绩具有决定性作用。然而，在实际的运营中，当VIP客户出现在网点时，客户经理常常无法准确识别客户及其特定需求而导致用户体验的下降，引起VIP客户的流失。诸如此类，都对银行网点优化用户体验提出了更高的要求。19,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,智慧银行-智慧网点以客户为中心是智慧网点的核心理念,3.6智能监管Tip银监会数据显示，自2016年5月30日至2018年5月28日，我国银行物理网点共退出4591家，其中2016年1259家，2017年2540家，2018年至5月末792家，从2017年后半年开始银行退出网点数目同比增速平均是55%。,20,“AI+金融”行业研究报告2018.08,网点智慧化变革对银行整体服务生态来说是一个系统化的工程，未来或许还有更长的路要走，从建设现状来看，智能化、轻型化、特色化和社区化将是主要的发展趋势。智能化：随着人工智能技术的发展和行业竞争的加剧，利用智能化产品来改善和提升用户体验是市场的发展方向也是行业的必然选择。在智慧网点的建设中，越来越多的智能化设备将应用在银行业务的各个环节，同时也会有越来越多的智能系统和算法来辅助决策，提升用户体验。以下列举各类智能终端上人脸识别技术的应用情况。,智慧银行-智慧网点智慧网点以智能化、轻型化、特色化、社区化为发展趋势,网点VTM/ATM远程开户无卡取款转账/交易-,个人终端远程开户无卡取款转账/交易注册、登录等身份认证手机实名认证刷脸支付,摄像头客户身份确认VIP客户识别员工行为监控-,生物识别设备（人脸、虹膜、指纹等）核心区域安防、出入管理押运员身份确认-,网点自助终端手机实名认证刷脸支付-,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,3.6智能监管TipVTM:（VirtualTeller Machine）虚拟柜员机，是一种通过远程视频方式来办理一些柜台业务的机电一体化设备。,21,“AI+金融”行业研究报告2018.08,轻型化：传统网点面积大、人员多、运营成本高，智慧网点建设更倾向于轻型化和虚拟化。轻型化主要是将大网点、综合网点的功能进行拆分，通过不同的渠道实现，从而可以将传统的业务受理操作区域进行缩减，将拥挤的网点大堂人流有效分流至自助服务区、网上银行等非人工办理业务渠道；虚拟化，则是充分利用线上渠道，将实体网点的业务扩展到线上，从而降低实体网点的业务压力，营造小而精的线下轻型网点。这几年，各行在网点轻型化上进行了大胆的尝试，进一步简化网点功能，建立微型网点、社区网点，针对特定区域的客户办理简单快速的传统网点业务，如开卡、存取款、转账、甚至理财产品销售。特色化：特色化是与轻型化相伴的另一个趋势，即将传统的综合性网点功能进行拆解分流到不同的网点，就会导致不同网点业务功能的分化，从而形成各自的特色。如，以营销和获客为特色的营销型网点，以产品体验为特色的体验型网点等。社区化：社区化具有两层含义，一层是通过线上社交营造网络社区环境，通过社交互动增加用户粘性；另一层是实体社区，即通过社区网点将银行服务深入到社区，为社区居民提供在线物业缴纳、物业信息通知、邻里互动、在线商城等贴近社区生活场景的金融服务。网点社区化的变革打破了传统等客上门的模式，将网点服务与社区生活场景相结合，从而增加用户的使用频次。,智慧银行-智慧网点智慧网点以智能化、轻型化、特色化、社区化为主要趋势,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,3.6智能监管,“AI+金融”行业研究报告2018.08,金融服务业的本质决定了大量的客户运营需求，银行业尤其如此。客服作为企业与用户沟通的直接出口，需要兼具专业解答能力、营销能力与良好的沟通交流能力等多种素质。当前，客服行业人员素质参差不齐，高素质客服短缺且成本较高，而智能客服无疑是兼顾成本、效率与服务质量的一个折中选择。此外，更重要的是，智能客服相对于人工客服的高效性特点，为服务流程优化提供了更多的可操作空间，从而改变原有的营销和服务模式，使之更加精准化、智能化和人性化。当前，智能客服在银行业的应用主要有以下三种形态：在线智能客服：它通过知识图谱构建客服机器人的理解和专业答复体系，结合自然语言处理技术进行实时语音识别和语义理解，从而掌握客户需求，为用户提供自助在线服务，必要时向服务人员推送客户特征、知识库等内容，协助客服人员做好服务。实体服务机器人：实体机器人集智能语音语义、生物识别等多种交互技术为一体，在大堂内分担部分客户经理的工作，如迎宾分流、引导客户、介绍银行业务,等。语音数据挖掘：通过语音和语义技术，系统可自动将电话银行海量通话和各种用户单据内容结构化，打上各类标签，挖掘分析有价值信息，为服务与营销等提供数据与决策支持，如通过对通话过程中人员的语音语调分析获得客户满意度评价信息等。,智慧银行-智能客服基于智能客服的精准营销和语音数据挖掘,Hi! HowCanI HelpYou?,图为交通银行的网点服务机器人来源于：视觉中国22,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,3.6智能监管,23,“AI+金融”行业研究报告2018.08,云从科技成立于2015年3月，是一家以生物识别和计算机视觉为核心的人工智能技术服务提供商。成立以来，云从在金融、安防等领域数十个场景下，为银行、机场、公安等客户提供软件、硬件定制化服务方案。其中，在银行客户中，全国有能力自建系统且完成招标的128家商业银行，95家总行平台使用云从的技术和产品。云从科技已成为国内参与智慧银行建设的主要技术服务商之一。解决方案：以人脸识别为主的智慧识人、智慧网点、智慧鉴身、刷脸支付等产品和方案60余个，覆盖全国近15万网点，约占全国商业银行网点总数的65%以上。 此外，针对银行特定需求，建立了大数据风控和营销平台。,云从科技为银行等金融机构提供以人脸识别为主的智能化产品和解决方案,杰翱基金、新太科技,智慧网点 网点布局优化 网点产品管理 网点客户运营 网点渠道配置,智慧识人 VIP客户识别 智能迎宾 智能刷脸闸机 签到考勤,智慧鉴身 柜面业务鉴身 网络交易鉴身 自助机具鉴身 业务内控鉴身,刷脸支付 线下消费 线上支付验证 自助售卖 无人零售, 智能门禁智慧识人：,基于人脸识别的智慧识人方案广泛应用于银行的管理、客户服务等场景。如：应用于银行员工管理的智能门禁、会务签到、员工考勤等；应用于营业厅的智能迎宾和VIP客户识别（当VIP客户进入服务区，被智能摄像头捕捉到，即可将客户信息发送到客户经理个人终端，使客户需求得到及时地响应）等场景。,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,3.6智能监管成立时间：2015年成立地点：广州最近融资：5亿人民币融资阶段：B轮融资时间：2017年11月本轮投资方为：顺为资本、元禾控股、普华资本、越秀产业基金、兴旺投资、,24,“AI+金融”行业研究报告2018.08,云从科技的智慧网点解决方案从网点内功能区域的设计规划、物品摆放、软硬件支持、监控分析等多个角度帮助银行网点完成智慧化转型。通过优化网点布局提升体验。网点外，根据城市不同区域的客户数量和特点，优化网点布局；网点内，根据各个网点的实际人流情况和业务特点规划网点大厅的等候区、现金区、贵宾区、体验区等不同功能区域的空间位置、大小及相应的物品陈设，从而满足客户需求，提升用户体验。利用智能设备多渠道营销。例如，在网点内配置互动娱乐终端大屏、智能广告机、刷脸购物机、智能摄像头等智能设备，配合用户个人智能终端，在各种用户闲暇的时间，根据用户的性别、年龄、关注点、表情变化等因素推送特定的广告或进行智能互动营销。线上线下有效协同。通过线上线下资源的整合，用户可在线预约办理业务，系统根据用户的实际需求和个,人位置等信息，综合分析，帮助客户选择最佳网点。智慧鉴身：,智慧鉴身是指利用智能化手段对用户身份进行验证。目前云从对智慧银行提供的鉴身方案面向银行各个业务部门，支持指静脉识别、声纹识别、人脸识别、指,纹识别、虹膜识别等多模态生物识别。刷脸支付：,云从联合银行和消费场所提供刷脸支付解决方案。,云从科技为银行等金融机构提供以人脸识别为主的智能化产品和解决方案智慧网点：,智能硬件 红外双目摄像头 刷脸自助售卖机 炬眼AI摄像机 立式认证合一终端 人脸互动大屏终端 活体检测 小云智能门禁 大库检索笔记本 云从动态人脸业务应用平台服务器 云从静态人脸业务应用平台一体机 云从静态人脸业务应用平台服务器 云从静态人脸检索节点服务器 云从动态人脸布控节点服务器,智能系统, 生物识别 人脸识别加速服务 身份证/银行卡OCR IBIS集成生物识别系统, 线下营销智能监控系统 大数据风控系统,3.1智慧银行3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险3.6智能监管,“AI+金融”行业研究报告2018.08,智能投顾（Robo-Adviser）全称智能投资顾问，又称智能理财、机器投顾、机器理财等，是现代人工智能相关技术在财富管理领域的应用。它通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。其实质是利用机器模拟理财顾问的个人经验。智能投顾的概念产生于美国，2014年进入中国。机器理财在适应用户个性化需求、降低门槛限制、避免人为因素干扰等方面有着明显的优势，因而越来越受到行业的关注；加之近期人工智能的火热，智能投顾迎来了发展的高峰。智能投顾的核心环节包括：用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。,3.1智慧网点3.2智能投顾3.3智能投研3.4智能信贷3.5智能保险,智能投顾智能投顾是一种智能化的线上财富管理系统,智能投顾追踪市场变化和用户需求变动，进行配置优化和再平衡25,用户画像个人投资者,大类资产配置,构建投资组合理财产品（ETF为主）,3.6智能监管TIP现代投资组合理论：也有人将其称为现代证券投资组合理论、证券组合理论或投资分散理论。1952年由美国纽约市立大学巴鲁克学院的经济学教授马柯维茨提出，它奠定了西方证券投资理论基础。,“AI+金融”行业研究报告2018.08,智能投顾是对专业理财顾问的模拟，在灵活性上比人工投顾要差，但也有其独特的优势，主要表现在：专业高效：相比于人工投顾，智能投顾更高效。在用户端，智能投顾通过问卷或互联网上的留存数据进行用户画像（目前以问卷采集为主），即利用计算机程序对用户的基本信息、风险偏好和投资目标等进行综合评估， 从而快速得到用户的投资人画像；在资产端，平台可自动处理金融产品及市场的相关数据，亦可迅速得到分析结果，生成投资组合建议。降低门槛：传统机构投资顾问主要针对高净值客户，以一对一的顾问模式展开，目标客户覆盖范围有限，服务成本较高。以私人银行为例，资金门槛约为200-300万人民币，家族财富管理办公室和独立第三方理财等买方经纪人模式的理财机构则更高。而智能投顾则依靠互联网优势，有效节省了人力成本，从而大大降低了服务门槛，可有效覆盖中产及以下的普通投资者。避免人为因素干扰：传统投顾模式下，投资顾问人为,