摘   要

　　科技與產業創新離不開完善的科技金融體系保障。要做好科技產業金融一體化服務，就要實現金融科技的不斷創新，驅動金融體系系統性變革。本文提出了基于人工智能與大數據技術的科產金一體化服務支撐體系，通過數據收集、模型建立與決策輸出，幫助金融機構挖掘數據價值，推動運營效率提升和業態創新，更好支持科技創新與產業升級轉型。

　　關鍵詞

　　科技產業金融一體化　科技金融　大數據　人工智能　科技創新

　　引言

　　科技是第一生產力，產業是現代經濟的根基，金融是實體經濟的血脈。實現“科技—產業—金融”一體化發展，就是要把握科技創新、產業升級、金融發展的客觀規律，促進科技、產業、金融三者深度融合、精準對接、良性互動，這對增強國家自主創新能力、打造新質生產力、推動高質量發展具有重要意義。

　　當前，新一輪科技革命和產業變革加速演變，實現科技創新、產業進步和金融發展有機結合，發揮金融對科技創新和產業進步的支持作用，發展壯大新領域新賽道新產業，是我國經濟高質量發展的必由之路。2022年中央經濟工作會議明確提出，要推動“科技—產業—金融”良性循環，通過產學研資深度結合，加快科技成果產業化。2023年國務院常務會議審議通過《加大力度支持科技型企業融資行動方案》，強調要引導金融機構根據不同發展階段的科技型企業的不同需求，提供全生命周期的多元化接力式金融服務。2024年1月，工業和信息化部在牽頭實施“科技產業金融一體化”專項試點基礎上，聯合科技部等部門印發了《關于推動未來產業創新發展的實施意見》，進一步提出完善金融財稅支持政策，鼓勵政策性銀行和金融機構等加大投入，探索建立風險補償專項資金，優化風險撥備資金等補償措施。

　　隨著科技金融政策探索與改革試點不斷深入，我國科技金融發展取得顯著成效，銀行業金融機構成為科技金融的主力軍、資本市場成為科技金融的生力軍，但在服務科技創新、產業發展方面仍面臨諸多挑戰。一方面，金融機構缺乏對科技創新及產業發展的全面認識和客觀評價，難以快速“看見”市場需求；另一方面，金融機構“敢投敢貸、愿投愿貸、能投能貸、會投會貸”的機制尚不完善，科技金融產品服務同質化，難以精準“讀懂”企業需求。實現科技產業金融一體化發展，亟須借助信息化、智能化手段，助力金融機構和社會資本有針對性地提供創新金融產品和服務，精準支持科技產業高質量發展。

　　大數據和人工智能（AI）技術是當前科技領域的兩大熱點。人工智能模擬人類智能過程，通過算法和機器學習使機器能夠執行認知功能，如學習、推理和自我改進。大數據技術處理和分析海量數據集，揭示隱藏的模式、關聯和趨勢。在實際應用中，大數據能夠為人工智能提供所需的大量信息和訓練數據，而人工智能則通過智能分析增強對大數據的處理能力和洞察力。大數據與人工智能的融合應用推動了諸多領域的創新和效率提升，包括但不限于醫療、金融、交通和教育等。

　　本文提出一種基于大數據和人工智能技術的科產金一體化服務支撐體系，通過對海量數據進行收集、清洗、整合、建模、分析，構建數據可視化系統和多維度評價指標體系，提供更加智能化、個性化的服務，大幅提高金融機構決策分析、運營管理和風險控制能力，幫助金融機構更好地服務科技產業，促進科技創新和產業發展。

　　基于大數據與人工智能技術的科產金一體化服務支撐體系

　　基于大數據與人工智能技術的科產金一體化服務支撐體系主要包括數據收集與整合、數據分析與模型建立、支持決策三個模塊，實現看見產業、讀懂企業、量化評估功能（見圖1）。

　　（一）數據收集與整合

　　在數據收集與整合環節，金融機構基于自身業務確定所需的數據種類，通過自建或采購渠道獲取穩定可信賴的數據源。為實現數據持續更新，應當建立數據版本控制機制，通過保留數據歷史版本，實現對數據進行回溯和分析。在數據更新的過程中，可僅識別和處理變化的數據部分，以減少資源消耗并提高效率。

　　（二）數據分析與模型建立

　　在數據分析與模型建立環節，金融機構首先應當做好數據安全與隱私合規工作。前一階段收集的數據可能包括企業運營數據、金融交易數據等敏感信息，若在處理這些數據的過程中發生任何泄露事件，則可能對服務企業造成重大損失，并對金融機構的聲譽產生無法估量的負面影響。金融機構應當采用符合《中國人民銀行業務領域數據安全管理辦法》《證券期貨業網絡和信息安全管理辦法》《網絡和信息安全三年提升計劃（2023—2025年）》等管理辦法的數據存儲、傳輸和管理模式。對敏感數據進行匿名化和去標識化處理，做好機構內部的數據訪問控制與權限管理。

　　由于數據源的多樣性，前一階段獲取的數據集質量可能因干擾、冗余等因素而參差不齊，需要通過一定的預處理來提升質量。目前，主要的數據預處理技術包括數據集成、數據清洗和冗余消除。數據集成技術可在邏輯和物理上將多源數據集成，為用戶提供統一的視圖。數據清洗技術能夠修補或移除數據集中存在的低質量、不完整數據，在金融領域有著廣泛應用。冗余消除主要應用于圖像和視頻模態存儲的數據，這些數據中存在著大量時間、空間和統計上的冗余。金融機構應當綜合考慮所選取數據集的特性、模態、業務邏輯，應用多種技術來形成合適的數據預處理方案。

　　人工智能能夠有效挖掘大數據集中存在的數據模式，基于大數據建立的深度學習模型能夠基于不斷地自我學習和優化來提高分析和模式識別的準確性，這意味著隨著時間推移，其能夠更為有效地識別復雜的數據模式。

　　在科產金一體化服務中，金融機構的客戶主要包含大量中小微型硬科技企業。這些企業大多處于發展初期，業務、發展和運行模式呈現高度的非同質化特征。在傳統場景下，為這些企業提供包括信貸、債券、股票、保險、創投、融資擔保在內的全方位、多層次科技金融服務不僅要求金融機構具備過硬的金融功底，還需要具備相應科技領域的專業知識儲備，否則就很難進行企業估值、市場分析和行業研究。卷積神經網絡模型（CNN）和循環神經網絡模型（RNN）通過特征表征、元素點積、注意力機制等技術實現自動化特征組合，能夠充分捕捉中小微型硬科技企業相關大數據的復雜模式和關系，在數據無標注、標注不準確、小樣本等場景下有著獨特的優勢。圖神經網絡模型（GNN）適用于處理結構化數據，可以有效表示和分析不同實體和關系，對于那些具備復雜供應鏈或大量業務關聯方的硬科技企業，GNN能夠揭示業務單元之間的隱藏關聯。因子分析與主成分分析（PCA）能夠減少數據集中的維度數量，發現變量之間的關聯。在處理中小微型硬科技企業關聯的多維數據集時，其可以幫助識別最為重要的特征，簡化后續模型訓練和預測過程。

　　以上模型在不同場景下能夠取得最優表現，而集成學習能夠融合多個弱監督模型來生成一個更為全面的強監督模型，其能夠進一步提升建立的模型對于多源異構輸入數據的處理能力，對企業進行技術可行性、市場潛力、團隊能力等多維度分析，為金融機構提供更為綜合和全局的評估視角。

　　（三）支持決策

　　在支持決策階段，金融機構主要通過構建數據可視化系統和多維度評價指標體系來支持決策分析。數據可視化能夠將復雜的數據模式轉換成直觀易懂的圖表，快速揭示科產金一體化服務中存在的趨勢、模式和異常。多維度評價指標體系能夠很好地評估企業從建立到上市的全生命流程，在金融機構進入到退出的服務全鏈路中發揮著重要作用。金融機構可以根據自身業務特點和戰略重點，選擇和優化特定領域評價指標，例如創投服務的提供機構可能會格外關注5年期企業營收增長和市場容量，而信貸服務的提供機構可能更為關注企業凈利潤水平與業務穩定性。

　　以下以風險評估和業態創新等經典場景為例，進一步展開介紹體系。

　　科產金一體化服務支撐體系在風險評估中的應用

　　風險評估與控制是金融機構經營中至關重要的一環，有效的風險評估和控制措施能夠幫助金融機構減少潛在的財務損失。科技產業金融一體化的服務目標主要是早期硬科技企業，這些企業專研的項目往往研發周期較長、技術難度大、市場接受度不確定。金融機構為其提供服務風險較高，執行流程伴隨著高度的不確定性和復雜性。為了規避這些風險，金融機構往往會采取篩選、評審、盡職調查、委員會表決等多層次審批來深入分析和評估項目各方面，從而作出更加明智的投資決策。然而，這些環節也會使得流程不斷延長，消耗金融機構的時間和資源。過長的風控流程可能會導致硬科技企業錯過至關重要的融資窗口期，影響企業發展甚至是生存。

　　（一）自動化實時數據分析

　　服務支撐體系能夠從多方面有效支撐金融服務的風險管理，幫助金融機構識別、評估和應對潛在的風險，從而保護投資回報，減少損失，加速服務流程。服務支撐體系能夠幫助金融機構處理和分析大量持續更新迭代的數據，自動化開展實時數據分析。相較于人工風險評估，這種實時分析具備更強的時效性，能夠持續跟蹤迅速變化的市場條件，即時調整風險評估和對應的管理策略。例如，中國工商銀行基于大數據和信息化技術，建立了“工銀融安e信”風險信息服務平臺。該平臺以風險管理為核心，整合了來自工行內部、社會公信體系、國內外金融同業、境內外反欺詐服務組織等多方信息，建立了權威、準確、合規的企業級全球風險信息庫。平臺依托于數據處理專利技術，運用金融業領先的大數據云平臺，結合決策樹、神經網絡等機器學習先進算法，打造了集風險探查、經營情報、輿情監測、關聯分析、評估報告為一體的智能風險防控體系，可為各行業客戶提供集風險目標識別、風險交易預警、風險管控方案、風險分析評估于一體的全渠道、全鏈條的智能風險防控支持。用戶可以對目標企業、行業的實時輿情資訊進行監控，對目標企業的近期負面狀況進行追蹤，對目標賬戶的供貨商風險進行識別。

　　（二）細粒度分級管控

　　服務支撐體系還能夠支持金融機構對客戶不同場景下的風險進行更細粒度的分級管控，從而提供定制化的金融產品和服務。前沿科技領域的發展具有高度不確定性，帶來的風險難以被傳統風險評估框架涵蓋。此外，前沿科技領域的企業可能需要高度定制化，更加適應自身業務邏輯的風險覆蓋和對沖方案，這對金融行業設計產品和風險管理能力提出了更高的要求。服務支撐體系可以識別和預測特定情境下的風險，不僅能夠支撐金融機構高效、低成本完成風險評估工作，還能量化分析許多傳統風險評估框架難以估量的隱患，進一步拓展前沿科技領域中金融服務的覆蓋面。例如，在汽車芯片領域，傳統的財產保險不解決使用芯片產生的相應風險，只能夠解決正常運營風險。人保財險的“強芯保”產品通過建立汽車芯片保險風險評估模型，實現了整車應用端全生命周期風險的有效風險評估，涵蓋了汽車芯片行業設計、制造和應用的全流程，在整車應用端保障了研發失敗、新車上市延遲、產品質量安全、汽車召回等全流程可能出現的費用損失和經濟補償。基于人工智能和大數據技術建立的科技保險能夠幫助小、硬科技企業分散和轉移產業鏈各環節風險，加快科技成果產業化的進程。由此可見，服務支撐體系能夠進一步推動保險產品業態創新，輔助設計適應不同前沿科技領域業務邏輯的產品，幫助更多早、小、硬科技企業分擔風險。

　　科產金一體化服務支撐體系在信貸額度評估中的應用

　　信貸額度評估是金融機構提供貸款的關鍵步驟，通過對企業財務狀況、還款能力、信用歷史等多方面進行評估，金融機構能夠確定一個合理的貸款額度，這有助于減少貸款違約風險和信用損失。

　　長久以來，如何建立起信貸額度的評價指標體系是金融和學術界關注的重點。國外關于信貸額度的研究開始較早，Altman等人1968年建立的Z-Score模型是最具影響力的風險評估模型之一。在國內，傳統商業銀行、互聯網金融企業和第三方評級機構也開展了大量的實踐和探索。然而，這些方案的設計大多以大型企業的評估為基準，很難覆蓋到小微企業。具體而言，金融機構在評估中比較關注過往信用記錄和財務指標。小微企業的財務信息完整度、可信度相對較低、過往信用記錄缺乏、發放信貸后監管難度較大，這些因素決定了金融機構給小微企業授信提供貸款的意愿相對較弱。

　　科產金一體化服務的目標對象主要是早期、小型硬科技企業，這些企業往往信用較差、財務數據不全面、盈利前景不明確，在傳統信貸額度評估體系下難以獲得資金支持，從而失去了擴大規模的機會。金融機構要為早、小、硬企業提供信貸支持，就要建立起能夠體現早小硬科技企業經營特點、充分綜合考慮財務和非財務指標的信貸額度評估體系，將企業的技術創新能力、市場潛力與團隊背景等多方面納入考慮。

　　相較傳統企業，早、小、硬科技企業的核心競爭力在于在核心科技領域長期大量投入時間、人才、技能，其技術內涵一旦成功轉化為商品或服務，就能帶來高額的經濟回報。因此，在科技產業金融一體化服務中，信貸額度評估可以基于大數據與人工智能技術進一步擴展，從多維度挖掘企業長期沉淀的科技創新能力，力求反映企業潛在價值。例如，漢口銀行基于輕資產科技型企業輕資產、高成長、強研發投入的特點建立了“科企貸”產品，其底層引入了湖北省知識產權數據，基于大數據技術建立起企業科創畫像，通過構建智能數據模型對企業額度進行評估，實現快速申請、授信、提額。漢口銀行推出的類似的產品還有“專精特新貸”“科技創新積分貸”“專利貸”“科擔貸”“科保貸”，這些產品充分挖掘早、小、硬科技企業的多維競爭優勢與長期技術沉淀，助力企業在種子期、初創期、成長期和成熟期等不同發展階段的融資需求。

　　除了專利、軟著、商標、標準等與已進行科技創新直接相關的指標數據，更多與企業成長潛力相關的指標數據也可以被納入考慮范圍。如管理層的社會經驗與背景、研發團隊的專業能力、合作關系、供應鏈穩定性等數據均能從側面提供觀察企業長期價值和潛力的視角。與財務報表、專利數量等結構化數據不同，這些數據往往具有非結構化的特征，可從新聞、訪談、社交媒體等多種來源收集獲得。服務支撐體系能夠充分挖掘非結構化數據的內在模式，相比傳統分析方法有著較為明顯的優勢。例如，自然語言處理模型能夠對管理層的發言、訪談、社交媒體活動等相關文本數據進行分析，提取其視野、決策風格等背景信息；知識圖譜能夠對團隊的論文進行分析，評估其研發能力和創新水平；復雜網絡能夠對企業的外部合作與社會關聯關系進行分析，揭示企業合作與業務擴展的廣度與深度。招商銀行北京海淀科技金融支行通過對底層技術和臨床試驗數據進行剖析，為持續虧損的肝病創新藥企業授信。中國銀行建立了“企業創新積分貸”信貸模型，融合商業銀行信用分析方法與投資銀行價值分析視角，通過構建智能化模型對科技型企業信用風險及成長潛力進行量化評價，目前已為1000余家科技企業授信。

　　總結與建議

　　科技創新與產業升級是我國各行各業轉型升級、形成新質生產力的關鍵環節和必由之路。要實現科技產業金融一體化發展，讓金融更好為產業科技創新提供保障，就要實現金融與科技的有機結合，深度推動科技金融服務體系發展。本文將人工智能與大數據技術結合，提出了基于人工智能與大數據技術的科產金一體化服務支撐體系。該體系能夠幫助金融機構高效挖掘科技創新與產業升級過程中的未來趨勢與企業特征，通過可視化圖標、指標體系等多種方式支撐金融機構的決策過程。

　　將前沿科技與金融業務深度融合創新，實現數字金融，也對金融機構自身能力提出了更高的要求。金融機構需要建立起高質量的數據源和適應自身需求的大數據基礎設施，在人工智能和數據挖掘領域需要建立起強有力的技術底座。在推廣過程中，金融機構可以在風險可控、收效明顯的應用場景下廣泛試點、穩步推進，平衡好數字金融帶來的風險與收益，提升運營效率與服務能力，助力科技產業轉型升級。

　　參考文獻

　　[1]葛叢叢，高云君，郭宇翔，等．面向關系型數據與知識圖譜的數據集成技術綜述[J]．軟件學報，2023，34（5）．

　　[2]龔海剛，李學龍．大數據系統綜述[J]．中國科學：信息科學，2015，45（1）．

　　[3]工業和信息化部等七部門關于推動未來產業創新發展的實施意見［EB/OL］．https：//zwgk.mct.gov.cn/zfxxgkml/kjjy/202401/t20240131_951102.html，2024-01-18．

　　[4]融安e信功能介紹[EB/OL]． https：//open.icbc.com.cn/icbc/apip/service_detail.html？service_id=P0065．

　　[5]人保財險發布國內首款汽車芯片 專屬保險產品“強芯保”［EB/OL］． https：//app.xinhuanet.com/news/article.html？articleId=09f6dabf6a4a72eb3beea9205cb4cbde， 2023-09-25．

　　[6]漢口銀行與地方經濟同頻共振 以金融創新助力提升發展“含新量”“含綠量”“含金量”［EB/OL］． http://96558.com/portal/zh_CN/home/yhdt/26763.html，2023-10-16．

　　[7]《北京商報》報道：招商銀行北京海淀科技金融支行：創新信貸產品 陪伴科創企業成長[EB/OL]．https：//branch.cmbchina.com/0010/branchnews/newsbj20220221.htm，2022-02-21．

　　[8]創新積分制：精準破解科技企業融資難題[EB/OL]． http://finance.people.com.cn/n1/2023/0614/c1004-40013051.html，2023-06-14．

　　[9]EDWARD I． Altman.FINANCIAL RATIOS， DISCRIMINANT ANALYSIS AND THE PREDICTION OF CORPORATE BANKRUPTCY[J]．The Journal of Finance， 1968， 23（4）：589-609.DOI：10.1111/j.1540-6261.1968.tb00843.x．

　　[10]FREDERIC Dufaux， TOURADJ Ebrahimi． Video surveillance using JPEG 2000[C]//Applications of Digital Image Processing XXVII． SPIE， 2004， 5558： 268-275．

　　◇ 本文原載《債券》2024年5月刊

　　◇ 作者：工業和信息化部產業發展促進中心工程師　張煒

　　北京航空航天大學網絡空間安全學院研究生　李世中

　　工業和信息化部產業發展促進中心高級工程師　劉志娟

　　北京航空航天大學網絡空間安全學院副教授　李大偉

　　◇ 編輯：王延昭　鹿寧寧

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：趙思遠