文/新浪財經意見領袖專欄作家 任澤平、曹志楠、方思元、黃斯佳、梁珣

　　導讀

　　金融與科技深度融合成為全球趨勢，深刻改變金融服務市場格局，對傳統商業模式和監管規則提出新挑戰。如何看待金融科技創新？如何規范發展？

　　摘要

　　1、行業概覽：金融科技是技術驅動的金融創新，技術為手段，目標和利源仍在金融。金融科技自20世紀80年代興起，經歷金融信息化、互聯網金融、金融與科技深度融合三大階段，截至2019年全球金融科技投融資達1503億美元。中國金融科技后來居上，2018年伴隨螞蟻等大型融資，金融科技投融資達到階段性高點，形成少數大企業主導的市場格局。

　　2、細分市場：應用場景和賽道眾多，金融機構與互聯網企業各有優勢，競爭與合作共存。總體來看，銀行和保險科技投入多，在信貸、保險產品設計等應用成熟；證券和資管科技資金投入少，前沿科技滲透較低；互聯網平臺多以“支付+場景”為入口，向金融機構導流，輸出數據和技術優勢。

　　1）銀行：資金投入充足，發力數字化轉型。主要上市銀行2019年技術投入高達1079億元，偏好自建科技子公司或合作開發。應用場景包括消費信貸、供應鏈金融、智能柜臺、智能投顧等，通過大數據、AI貸前精準營銷，貸后動態監控，構建信用評級體系，大幅提高業務質量和效率。主要挑戰在于轉型時間長、數據處理難度大等。

　　2）保險：應用場景廣泛，發展迅速。頭部保險憑借數據和資金優勢自行研發，互聯網保險公司主要切入營銷、定損等局部市場，2019年技術投入達319億元。保險產品在設計、銷售、投保核保、理賠等環節均有金融科技滲透，顯著擴大保險覆蓋范圍。主要挑戰在于保險技術應用“重銷售、輕服務”、中小險企數據運用和管理水平有待提升。

　　3）證券：零售經紀和機構業務應用較廣。2019年證券技術投入約205億，主要應用于經紀、機構服務等標準化業務上，在投行、合規風控等依賴人力和經驗的業務尚未大規模應用。目前，證券科技同質化嚴重，且涉及全資本市場基礎設施改革，尚待頂層設計統籌推進。

　　4）資管：主要運用于投研決策、量化交易、智能搜索領域。2019年大資管行業存量規模約82萬億元，涵蓋基金、銀行理財、信托、券商資管、保險資管等機構，其中基金行業在金融科技運用方面較為領先。但輕資產商業模式決定資管行業難以大規模投入技術資金，基金業技術投入不足20億元、信托業15億，目前的金融科技水平難以完全取代人力作用，主要起到智能搜索、量化交易、投研輔助作用。

　　5）互聯網金融科技平臺：大型平臺企業主導，滲透支付、借貸、理財、技術輸出等細分領域。我們選取10家樣本企業觀察，企業涵蓋電商、社交、本地生活、直播等不同領域，但涉足金融服務路徑相同，均以獲取支付牌照為敲門磚，導流至高利潤的借貸和理財板塊，同時利用數據和技術向金融機構輸出技術解決方案。但醞釀高杠桿、系統性風險、隱私保護、壟斷地位等問題，引起高度關注。

　　3、監管導向：全面升級，鼓勵創新與規范發展。早期國家對金融創新持包容態度，但P2P等風險事件極大挑戰監管底線。吸取教訓，監管層提前預判互聯網金融科技潛在風險。頂層設計上，強調鼓勵創新與規范發展并重；監管主體上，金融委、央行、監管機構、市場監管總局多管齊下，提前介入，不留監管死角；監管思路上，推出中國版“監管沙盒”試點，打造培育創新與規范發展長效機制。

　　4、展望未來：2020年是金融科技發展分水嶺，如果說上半場關鍵詞是巨頭崛起、創新商業模式為王，下半場則是重建規則、靠硬實力取勝。金融科技未來發展面臨四大趨勢。1）步入監管元年，短期內面臨強監管，長期仍鼓勵創新與風險預防并重。2）金融科技前景依然廣闊，市場主體日趨多元，合作大于競爭。3）隨著新基建上升為國家戰略高度，人工智能、區塊鏈、云計算及大數據深度融合，推動金融科技發展進入新一階段。4）商業模式或被重塑，更好服務實體經濟、普惠金融、提高科技硬實力是三大發力方向。

　　風險提示：金融科技嚴監管，對市場格局和商業模式形成沖擊

　　目錄

　　1   金融科技行業概覽

　　1.1   何為金融科技：以技術為手段，提高金融效率和質量

　　1.2   發展歷程：中國金融科技起步較晚，后來居上

　　1.3   投資情況：2019年全球金融科技投融資達1500億美元，中國市場有所降溫   

　　1.4   核心技術：ABCD四大技術賦能

　　2   金融科技行業應用現狀

　　2.1   銀行科技

　　2.1.1   行業格局：數字化加速發展，央行、商業銀行以及銀行金融科技子公司是主要推動力

　　2.1.2   應用場景：金融科技深入各業務條線，信貸領域應用已較為成熟   

　　2.1.3   問題挑戰：技術轉型時間長、投入產出比不定、數據處理難度大

　　2.2   保險科技

　　2.2.1   行業格局：頭部險企和互聯網保險公司發展迅速，傳統互聯網公司加速布局

　　2.2.2   應用場景：貫穿保險業務全鏈條

　　2.2.3   問題挑戰：數據化進程緩慢、新技術運用尚不成熟

　　2.3   證券科技

　　2.3.1   行業格局：金融科技投資約200億，頭部券商、互聯網券商和軟件服務商三分天下

　　2.3.2   應用場景：廣泛應用于零售經紀和機構業務

　　2.3.3   問題挑戰：科技投入和應用深度不足，同質化嚴重

　　2.4   資管科技

　　2.4.1   行業格局：規模龐大、背景多元，但科技滲透較低

　　2.4.2   應用場景：輔助投資決策，提高金融產品設計能力

　　2.4.3   問題挑戰：資管行業大整合，金融科技尚處探索階段

　　2.5   互聯網金融科技平臺

　　2.5.1   行業格局：大型平臺企業主導，細分市場眾多

　　2.5.2   應用場景：支付和借貸為主，逐步轉向技術方案輸出

　　2.5.3   問題挑戰：高杠桿、系統性、隱私保護、壟斷地位

　　3   監管導向：監管升級，鼓勵創新與規范發展

　　3.1   吸取P2P教訓，從包容創新到整治規范

　　3.2   金融科技進入監管元年，創新與規范并重

　　4      展望和建議   

　　正文

　　1    金融科技行業概覽

　　1.1  何為金融科技：以技術為手段，提高金融效率和質量

　　金融科技是技術驅動的金融創新，技術為手段，金融為目標。金融科技Fintech一詞最早是花旗銀行1993年提出，由Finance（金融）+Technology（科技）合成而來。根據金融穩定理事會（FSB）2017年《金融科技對金融穩定的影響》，金融科技是指技術帶來的金融創新，能夠產生新的商業模式、應用、流程或產品，從而對金融服務的提供方式產生重大影響。中國央行《金融科技（FinTech）發展規劃（2019—2021年）》也參考了上述定義，指出“金融科技是技術驅動的金融創新，旨在運用現代科技成果改造或創新金融產品、經營模式、業務流程等，推動金融發展提質增效”。

　　1.2  發展歷程：中國金融科技起步較晚，后來居上

　　縱觀全球金融科技發展，可分為金融信息化、互聯網金融、金融與科技深度融合三大階段。

　　1.0金融信息化：上世紀80年代經濟全球化、金融自由化催生大量復雜金融服務需求，金融機構設立IT部門，銀行卡、ATM、證券交易無紙化等快速普及，金融服務與電子信息技術初步融合，起到提高業務效率、降低運營成本的作用。在中國，1993年國務院《有關金融體制改革的決定》提出“加快金融電子化建設”，中國金融信息化提上日程。

　　2.0互聯網金融：2000-2010年全球信息爆炸、互聯網紅利快速上升，金融機構圍繞互聯網拓客營銷，金融服務從線下轉移到線上，極大豐富觸及范圍和應用場景，減少信息不對稱，銷售渠道和業務模式大變革。在中國，2013-2015年是互聯網金融達到高峰，P2P、移動支付、網上開戶遍地開花，互聯網銀行、證券、保險等紛紛設立。

　　3.0金融科技深度融合：2011年以來，隨著人工智能、大數據、云計算、區塊鏈技術滲透于投資決策、風險定價、資產配置等環節，深刻改變金融服務方式和邏輯，對傳統金融機構和監管發起挑戰。中國由于人口基數龐大、移動通信和物流基建發達，在全球金融科技競爭格局中處于第一梯隊。

　　1.3  投資情況：2019年全球金融科技投融資達1500億美元，中國市場有所降溫

　　全球金融科技投融資2018年達到頂峰。根據畢馬威《金融科技脈搏》，2015-2019年，全球金融科技投融資金額從649億美元增至1503億美元，年均增速達23.4%，投融資數量從2123宗增至3286宗。2018年伴隨螞蟻等一批大型融資事件落地，金融科技投融資達到階段性高點，此后市場降溫。2020年上半年，因疫情導致跨境并購中斷，金融科技僅獲1221筆交易、256億美元投資。

　　分投資渠道看，風投表現較為強勁。金融科技主要投資者包括VC、PE和并購，平均所占份額為40%、3%、41%。VC是風險投資機構對初創企業股權投資，是反映金融科技投資市場領先指標。近5年，VC支持的金融科技投資金額從178億美元增至393億美元，2020年上半年為200億美元，超過同期水平。

　　分業態看，支付科技占四成，保險科技次之。金融科技投向業態包括支付、保險、監管科技、數字貨幣、財富管理、網絡安全等領域，2020年上半年占比分別為38%、9%、7%、5%、1%、3%。支付科技涉及領域廣泛，從大眾消費到醫療、房地產、跨境交易等細分賽道，均對支付流動性、安全性提出較高要求，投資者熱情高漲。

　　分國家和地區看，美國金融科技投資最多，中國投資降溫。2020年上半年，美洲、亞洲、其他地區金融科技投融資分別為129、81、46億美元，占比分別50%、32%、18%。其中，美國金融科技投資額119億美元，占美洲92%、全球投資額46%。亞太地區，以印尼、印度為代表東南亞金融科技公司成為熱點。中國內地金融科技投融資經歷2018年高峰，2019年投資額為45億美元，相比縮減82%，2020年上半年進一步降至6.1億美元。

　　分企業看，中國金融科技市場格局寡頭化。不同于其他國家和地區金融科技以中小型公司為主，中國金融科技市場結構趨向少數大型企業主導。《2020胡潤全球獨角獸榜》顯示，18家金融科技行業獨角獸企業估值共計16340億元。

　　1.4  核心技術：ABCD四大技術賦能

　　1、人工智能

　　人工智能（AI）將人的智能延伸到計算機系統，具體包括圖像識別、語言識別、自然語言處理、機器學習、知識圖譜等。金融領域涉及人工環節多、對數據安全性要求高，人工智能應用廣泛。根據艾瑞咨詢，預計2022年金融科技投資中，人工智能投入將達到580億元。

　　AI+金融典型應用包括：1）基于生物識別的人臉識別，可應用于賬戶遠程開戶、業務簽約等；2）基于語音識別與處理，實現智能客服、營業網點機器人服務，減少運營成本；3）基于OCR自動化視覺處理，將發票、合同、單據的信息結構化處理，提高效率；4）機器學習應用于智能投顧，提高市場有效性，加快產品創新。5）金融知識圖譜，將大量信息匯集到關系網，作用于風險預警、反欺詐方面。

　　2、大數據

　　大數據（Big data），是以新處理模式對大量多樣的數據集合進行捕捉、管理和處理，使之成為具備更強的決策力、洞察力和流程優化能力的生產資料。國家工業信息安全發展研究中心《2019中國大數據產業發展報告》顯示，2019年中國大數據產業規模達到8500億，預計2020年超過1萬億。

　　大數據+金融典型應用包括：1）客戶畫像：大數據根據客戶人口統計學特征、消費能力數據、興趣數據、風險偏好等，捕捉潛在需求，實現精準營銷與獲客。2）大數據征信：基于金融大數據，開發授信評估、信用報告、貸中預警等服務，降低信用評估成本，將審核周期縮短至秒級。

　　3、云計算

　　云計算（Cloud computing）將原本在本地服務器進行的計算轉移到云端，按需使用，具有計算高效、成本低廉特點。按照服務方式，云計算分為IaaS（將IT基礎設施作為服務交付），PaaS（將數據庫等平臺作為服務交付），SaaS（將應用解決方案作為服務交付）。根據IDC《中國金融云市場跟蹤》報告，2019年中國金融云市場規模達到33.4億美元，其中，以公有云和私有云為代表的IaaS規模達到23.5億美元，云解決方案市場規模達到9.8億美元。

　　云計算是金融科技基礎設施，典型應用包括：1）云+大數據：云計算以分布式處理架構為核心，高度契合大數據處理，實現海量數據云端存儲。2）拓展系統處理能力：傳統金融解決方案市場由IOE主導，即以 IBM、Oracle、EMC為代表的小型機、集中式數據庫和高端存儲的技術架構，難以應對數據量級和計算復雜程度的增長，金融機構自行開發或購買云服務，彌補基礎軟硬件的不足，滿足系統高性能和容災備份的要求。

　　4、區塊鏈

　　區塊鏈（Blockchain）是分布式共享記賬機制，具有去中心化、不可篡改、匿名性等特點，與金融行業對數據安全、交易真實、隱私保密等業務需求不謀而合。IDC《全球半年度區塊鏈支出指南》估算2018年中國區塊鏈市場支出規模達1.6億美元。

　　區塊鏈賦能金融典型場景包括：1）物聯網：區塊鏈是物聯網底層萬物互聯的基礎，確保底層資產交易真實可靠，提升交易安全性，降低信息不對稱。2）支付結算：支付收單機構間基于聯盟鏈和智能合約實時自動對賬，避免數據被篡改，全業務流程可追溯可審計。

　　2    金融科技行業應用現狀

　　金融科技細分賽道眾多，涵蓋支付、借貸、投資、財富管理、保險、解決方案輸出等業務形態，主要玩家包括傳統金融機構、互聯網企業、專業領域金融科技公司等。

　　2.1  銀行科技

　　2.1.1  行業格局：數字化加速發展，央行、商業銀行以及銀行金融科技子公司是主要推動力

　　近年來，銀行業發力金融科技領域，借助技術推動整體向數字化、智能化、生態化加速發展。根據《中國上市銀行分析報告2020》，2019年上市銀行繼續加大科技投入力度，在基礎平臺建設、數字化零售金融、數字化公司金融、數字化同業業務等方面取得長足進展，大中型上市銀行平均科技人員占比提升至4%以上，平均科技投入資金占營業收入比例約為2%，其中披露金融科技投入的18家上市銀行投資規模合計達1079億。

　　目前銀行業金融科技主要形成以下格局，央行發起設立金融科技公司引領行業發展，商業銀行與科技公司合作完善業務生態布局，大中型銀行成立金融科技子公司發力轉型。

　　央行主導成立金融科技公司，涉及數字貨幣、區塊鏈等。央行為完善數據共享、數字貨幣清結算、征信數據庫建設等工作，正穩步推進計劃中的金融科技工作，目前已成立五家金融科技公司，包括數字貨幣研究所、深圳金融科技有限公司、長三角金融科技有限公司、成方金融科技有限公司、中匯金融科技等，涉及數字貨幣、區塊鏈金融、密碼學等多個方向。

　　銀行與第三方互聯網公司和科技公司合作。銀行擁有牌照、研發實力、資金和客戶，科技公司具有科技能力和金融創新的敏感度，二者優勢互補，在客戶資源、科技開發與應用、風險控制等領域深度合作，銀行通過合作開發、協作引入等方式接受較為成熟的技術方案，同時推動組織轉型和架構升級。例如，贛州銀行與中興通訊、大連同方和天陽宏業等科技公司共同發起金融科技國產化實驗室，晉商銀行與山西移動簽署戰略合作協議將在金融業務、通信及信息化服務等方面共建金融科技生態。

　　大中型銀行成立金融科技子公司。各大銀行在深化與外部科技企業合作的基礎上，注重加強自身科技實力，成立金融科技子公司整合技術、業務、資源及經驗優勢，對內對外輸出技術能力，提升整體數字化水平。截止2020年11月，國有五大行及七家股份制銀行已成立獨立的金融科技子公司。

　　2.1.2  應用場景：金融科技深入各業務條線，信貸領域應用已較為成熟

　　當前銀行金融科技應用快速發展，深入各業務條線與產品，手機銀行、智能柜臺、交易銀行、智能客服、智能投顧等增值服務全面推出，提升客戶體驗、降低運營成本，各業務協同形成正向循環。其中，金融科技在信貸業務領域應用廣泛，目前大數據和人工智能技術已較為成熟，主要包括消費信貸、中小企業貸款及供應鏈金融。

　　（一）消費信貸

　　消費信貸具有小額、分散、高頻的特點，內嵌于日常生活，與消費場景深度融合。

　　1）貸前：觸達客戶、挖掘需求、精準營銷

　　消費金融場景化構建，增加流量、獲取數據。銀行通過和較強科技實力的頭部機構合作為消費金融業務提供精準導流，掌握客戶大數據，目前主要有兩種方式，一是與金融科技信息平臺合作，拓展技術應用和場景服務能力，如五大行分別與百度、阿里、騰訊、京東、蘇寧建立戰略合作關系，在金融產品、渠道建設、智能金融服務領域深度合作，其中重點布局校園生態、交通出行、醫療健康、零售商超等線下流量大的場景，如各大銀行接入第三方支付機構、合作線上發卡等。二是與生活社交、餐飲娛樂、旅游出行等平臺合作，互聯網在前端提供客戶和流量，商業銀行開放客戶端接入的API接口，同時吸引線上線下客戶，形成一站式服務。如在美團點評、永樂票務等平臺上提供支付、消費信貸等便捷優質的金融服務，聯合愛奇藝等視頻平臺提供會員服務等，形成消費金融生態圈。

　　根據大數據挖掘客戶信貸需求，實現精準營銷。依據外部平臺、內部個人信貸等數據，借助生物識別、人工智能等技術，準確分析客戶屬性、行為偏好、需求傾向等，形成信用卡、財富管理、信貸等不同層次的金融產品和服務體系，實現對目標客戶的精準觸達、智能營銷，并匹配最優產品組合，提升差異化定價能力。如恒豐銀行利用自主研發的企業級大數據技術平臺，提供客戶360視圖、產品貨架與優化組合方案、客戶風險預警等，實現團隊協作和精準營銷技術支撐，系統中的產品推薦和智能獲客功能有效增加了新客戶增長和產品持有，從2016年2月至2017年4月使用前后數據看，客戶增長率、價值客戶增加率、重點產品持有率分別上漲2.2%、3.6%、3.5%。

　　精準識別客戶資質，實現恰當準入。在授信環節，通過大數據征信、人工智能、知識圖譜等驗證借款人的真實身份和償付意愿，準確判斷用戶信用等級、項目風險、成本效益。數據來自與外部聚合的生態平臺、征信機構、社保、財稅、工商等公用事業系統、個人信用管理平臺等多維度，利用深度學習、神經網絡技術，減少人工干預。如平安金融壹賬通利用微表情面審輔助系統，整合人工智能與大數據技術，智能判斷并提示欺詐風險，可實現與人工判斷80%的吻合率，實現了面審流程智能化、規范化、減少40%以上人工干預。

　　2）貸中及貸后：動態監控、用戶復貸、逾期催收

　　貸款發放后，1）信用風險動態監控，大數據、人工智能等技術跟蹤交易行為、關聯交易動態，關注信用風險變化，基于風險預測模型進行預警和調整；2）用戶復貸、逾期催收，對于有良好的記錄的優質客戶，繼續使用精準營銷推動復貸，對逾期客戶進行催收預警，與公安司法部門連通，聯合執行催收。如恒豐銀行的全面風險預警系統，其依托于星環大數據平臺，可適用于貸款全流程風險監控，自上線以來，客戶識別效率、準確率、成本控制顯著提升，某平臺貸自增授信業務逾欠率控制在1%以內，且呈逐步降低趨勢。

　　（二）中小企業貸款及供應鏈金融服務

　　中小企業抵質押物較少、價值較低，銀行難以觸達和有效服務中小微客戶。近年隨著金融科技和業務的逐步融合，在中小企業貸款以及供應鏈金融方面，銀行可以通過金融科技提升數據收集能力、構建信用評級體系，極大提高支持中小企業融資效率。

　　1）貸前：數據采集、信貸審核流程整合

　　在普通中小企業貸款中，銀行通過金融科技技術采集電商交易、物流、企業結算、流水等數據，結合工商、稅務、法院等外部信息，一并進入數據湖，經數據挖掘、特征提取、機器學習等方式刻畫企業形象，進而構建信用模型、判斷信用風險、核定信用額度，完成企業到企業主的全面分析，實現線上審批、自動放款。金融科技中數據的獲取、加工、分析等是并行操作，將七大原有信貸審核流程整合為一體，提升審批效率、降低運營成本。

　　在供應鏈金融服務中，銀行貸前風控從授信主體轉向整體鏈條。供應鏈核心企業信用良好，根據上下游企業與其交易關系的大數據形成關系圖譜，通過知識圖譜技術將碎片化數據有機組織，利用區塊鏈技術實現供應鏈上下游信用穿透，同時使用交往圈分析模型，持續觀察企業間交往數據變化，動態監控供應鏈健康程度，實現信貸全流程管理。

　　其中最為關鍵的是區塊鏈技術實現的信用共享，具體來看，數據方面，通過將業務流程中的四流（信息流、商流、物流和資金流）與融資信息上鏈，利用區塊鏈不可篡改性，提升數據可信度；業務方面，將核心企業的票據、授信額度、應收應付等轉化為數字憑證，利用區塊鏈可溯源性，實現信用有效傳導，同時通過智能合約可實現數字憑證的多級拆分和流轉，有效提升金融機構風控效率，降低中小企業融資難度。目前已有較多區塊鏈結合供應鏈實踐，如工銀e信、農行e鏈貸等，主要用于應收款項、庫存融資等方面。以工銀e信為例，其是一種可流轉、可融資、可拆分的電子付款承諾函，可在平臺上自由轉讓、融資、質押等，實現銀行資金的全產業鏈支持。

　　2）貸中及貸后：全流程管理

　　與消費信貸類似，用數據監控客戶經營周期，關注用戶的欺詐風險與經營風險的動態改變，設置一系列預警指標，包括銀行流水、杠桿比例、稅務信息等傳統金融數據，以及交易對手方經營變化、市場數據等經營數據。

　　2.1.3  問題挑戰：技術轉型時間長、投入產出比不定、數據處理難度大

　　信貸業務數字化從根本上改善了中小企業、農戶的貸款服務。12月8日銀保監會主席郭樹清表示，銀行等機構的智能風控減少授信過程中對抵押物的依賴，提升融資的可得性，甚至可精準幫助貧困戶發展適宜產業。截至2020年9月，全國扶貧小額信貸累計發放5038億元，支持貧困戶1204萬戶次，截至10月，銀行的小微企業信貸客戶已達到2700萬，普惠型小微企業和個體工商戶貸款同比增速超過30%，農戶貸款同比增速達14.3%。

　　但當前銀行金融科技發展中也存在部分問題：

　　一是傳統對內的技術系統轉向以客戶為中心的數字系統尚需時日。傳統IT系統通過內部網絡和信息化技術實現業務流程電子化，提升工作流程效率、降低操作風險，核心系統的重點在于安全和穩定。而數字化改革的重點是以客戶為核心，需要快速響應和靈活拓展能力，以定制化、場景化的金融服務滿足客戶需求，因此傳統IT系統與以客戶為中心的數字化系統銜接與整合需要一定時日。

　　二是轉型所需投入成本較高，需權衡投入產出比。戰略轉型、軟硬件改革等需要較大的金融科技投入和人才吸納成本，短期內對銀行的盈利能力形成影響。2019年，上市銀行平均金融科技投入分別占營業收入、歸母凈利潤的2.3%和7.0%。持續高額投入能否成功轉型，未來創造更高額利潤、有良好的投入產出比仍存在不確定性，因此銀行在考慮進行改革時會不斷權衡轉型的可行性和可持續性。

　　三是數據處理和分析難度大。傳統銀行數據庫的信息具有碎片化、非結構化的特征，各項業務和項目運行是單獨的數據集，使得數據的整合、處理和分析存在較大困難。目前主要以“數據湖”的形式將所有數據集中，再依據所需進行提取加工，但實際操作中，入湖數據的篩選、海量原始數據的輸入、高效低成本的提取和分析數據等均存在難點。

　　2.2  保險科技

　　2.2.1  行業格局：頭部險企和互聯網保險公司發展迅速，傳統互聯網公司加速布局

　　近幾年，我國保險科技發展十分迅速。根據《中國金融科技生態白皮書2020》，2019 年中國保險機構的科技投入達 319 億元，預計2022年將增長到534億。頭部保險企業和互聯網保險公司的科技布局不斷加速，中國平安、中國人壽等傳統大型保險機構，均將“保險+科技”提到戰略高度。

　　當前我國保險科技市場主要參與方有三類，分別為傳統保險公司、互聯網保險公司以及互聯網公司。

　　1）傳統保險公司是當前推動保險科技運用的主力。在互聯網轉型的壓力下，傳統保險公司基于其自身穩定成熟的保險業務模式、產品設計、營銷渠道，積極擴大金融科技的運用范圍，通過與科技企業合作或自研，提升金融科技實力與創新能力。以中國平安為例，公司持續加大科技研發投入，打造領先的科技能力。截至2020年6月末，公司科技專利申請數較年初增加4，625項，累計達26，008項 ；在全球金融科技專利申請排名榜中，連續兩年位居全球第一位。

　　2）互聯網保險公司是保險科技生態的重要力量。互聯網保險公司自創立起就致力于在各方面業務發展創新，與傳統保險公司錯位競爭，主要圍繞產品設計、銷售、理賠、售后等多方面，實現線上化、場景化和去中介化目標。以眾安保險為例，由“保險+科技”雙引擎驅動，圍繞健康、消費金融、汽車、生活消費、航旅五大生態，以科技服務新生代，提供個性化、定制化、智能化的新保險，開發了眾享e家·意外險、騎行保共享單車意外險、尊享e生、童安保等特色互聯網保險產品。

　　3）互聯網公司是保險科技生態的新新力量。互聯網公司金融科技實力較強，并且具有豐富的流量入口，在將流量與金融科技結合方面具有顯著優勢。互聯網公司在布局大金融生態的同時，與保險公司深度合作，在保險領域的布局逐步深入，逐步成為保險科技的新新力量。以微民保險為例，作為騰訊旗下保險代理平臺，微民與保險公司深度合作，充分發揮騰訊的互聯網能力和“連接器”優勢，為用戶提供性價比高的保險產品以及微保特色的優惠與增值服務。微民保險著重打造“互聯網+保險”生態模式、“流量+場景+保險”生態模式、“保險+服務+用戶教育”閉環模式，通過結合微保的用戶觸達、風險識別、網上支付，跟保險公司的精算、承保、核賠和線下服務能力，實現全行業的生態共享共贏，最終讓用戶受惠。

　　2.2.2  應用場景：貫穿保險業務全鏈條

　　保險業務的核心鏈條包括產品設計、銷售、投保核保、理賠等四個環節。以人工智能、云計算、大數據、區塊鏈等新一代信息技術應用為代表的保險科技，正在深刻改變保險業務模式，重塑保險業務的核心價值鏈。

　　1）產品設計端：提供全面深入數據支持，提升風險定價能力

　　保險的產品設計是保險業務核心能力，通過區塊鏈、人工智能、大數據等技術，可以為保險產品設計提供更加全面深入的數據支持。如利用區塊鏈結合物聯網、以及人工智能技術，可以將通過場景獲得的數據上鏈儲存，保證數據安全性、真實性。在此基礎上，通過大數據建立客戶數據庫，輔助精算師進行產品開發，提升風險定價能力。

　　保險科技在產品設計端的運用，一方面有助于保險業務效益提升，實現保險產品精準定價，另一方面提升客戶的產品體驗，將保費與個人實際情況更精準結合。當前在車險行業較為熱門的保險科技運用是UBI車險，即“Usage Based Insurance”（基于實際使用的車險），根據《中國金融科技生態白皮書（2020）》，UBI車險采用前裝設備、OBD（On-Board Diagnostics，車載自診斷系統）設備以及智能手機，實時收集實際駕駛時間、地點、里程、加速、減速、轉彎、車燈狀態等駕駛信息，加以分析建模，精準地計算風險保費、設計保險產品。UBI 車險結合駕駛人、車輛、路面狀況等多個維度模型的分析，可以準確評估駕駛人員的駕駛行為風險等級，從而確定不同的保費級別，最終實現保費與風險的對價平衡。

　　2）產品營銷端：通過精準定位、定向投放提高轉化率

　　人壽集團公司副總裁盛和泰在撰文中表示，通過金融科技運用，“保險公司將保險服務融入客戶所處的網絡應用場景之中，通過適時風險提示來激發客戶投保意愿，推動保險銷售從‘干擾型的介入式推銷’向‘場景型的融入式營銷’轉變，實現客戶保險消費從‘要我買’向‘我要買’的轉變，將保險消費主導權歸還給消費者，客戶的保險消費體驗得到顯著提升。”

　　一是精準營銷，通過大數據、人工智能作為主要技術，對客戶進行360度精準畫像，實現客戶群精準定位，同時提高保險營銷渠道的精細化管理，在匹配客群及渠道的基礎上進行定向投放，提高轉化率。

　　二是輔助代理人業務，通過強大的數據化平臺，將各類保險產品主要數據導入，為代理人業務提供手機端可移動、實時、可修改各類參保參數的線上保單生成系統，便于代理人實時制定個性化方案、跟進參保進度等。

　　三是智能客服，通過人工智能技術與潛在客戶深度交流，獲取客戶需求以及客戶信息，并提供定制化保險方案。

　　3）投保與核保端：流程智能化，降本增效

　　在投保與核保環節，保險科技的價值在于幫助企業提升風控能力，實現流程智能化，電子保單與自動核保的應用幫助降本增效。

　　在投保環節，通過區塊鏈技術，將過去分散的保單管理轉為統一鏈上管理，實現全流程數據化，便利數據分享。

　　在核保環節，通過區塊鏈及渠道溯源，以鏈上數據簡化投保評估流程，依據參保人全方位的數據信息，對參保人員進行智能綜合分析，實現智能核保以及流程自動化，降低成本；依據風險程度做出是否承保及確認承保條件，量化風險。

　　4）理賠與售后：提高理賠效率，識別騙保風險

　　通過人工智能及大數據技術，保險公司可以顯著提高理賠效率、實現騙保識別、提升客戶體驗。

　　在智能客服方面，利用人工智能可以實現理賠決策自動化，提高理賠效率，減少人工成本。如一些保險科技公司已推出“智能閃賠”產品，實現機構數據打通，能夠通過線上操作，不受時間地點限制，在半天內賠款到位，90%以上的案件10分鐘內就能完成查勘，自助理賠率達到60%，提升效率，降低賠付成本。

　　在理賠反欺詐方面，利用大數據，可以建設智能風控系統識別欺詐風險，改善傳統理賠環節存在的數據割裂問題。保險欺詐行為嚴重損害保險公司的利益，為識別可疑保險欺詐行為，需要開展多方面專項調查，耗時耗力。而借助大數據手段，通過建立保險欺詐識別模型，完善智能風控系統，通過篩選從數萬條賠付信息中挑出疑似詐騙索賠，再根據疑似詐騙索賠展開調查，提高工作效率。此外，保險企業可以利用大數據，結合內部、第三方和社交媒體數據進行早期異常值檢測，包括了客戶的健康狀況、財產狀況、理賠記錄等，及時采取干預措施，減少先期賠付。

　　2.2.3  問題挑戰：數據化進程緩慢、新技術運用尚不成熟

　　保險科技的運營顯著擴大了保險覆蓋范圍，實現保險業務降本增效。郭樹清在2020年新加坡科技節演講中提出，“數字保險顯著拓寬了保險覆蓋范圍。中國基本養老保險已覆蓋近10億人，基本醫療保險覆蓋超過13億人，并已實現跨省結算。保險機構運用視頻連線和遠程認證等科技手段，實現業務關鍵環節線上化。2020年上半年，互聯網人身險保費收入同比增長12.2%，互聯網財產保險公司保費收入同比增長44.2%。”

　　當前保險金融科技應用不斷向縱深化發展，然而仍面臨一定問題：

　　一是部分保險金融科技應用重銷售、輕服務。當前保險科技運用主要集中于銷售以及產品設計端，側重于獲取客戶信息、塑造場景化保險購買體驗，提升產品設計能力以及客戶購買意向，但對于售后、理賠便利性等環節的技術運用仍有待提升，切實提高保險服務品質。

　　二是數據化進程存在挑戰，數據儲存和安全問題日益突出。在當前保險行業在推進科技運用過程中，部分中小險企數據管理規范有待建立，在數據資源采集、傳輸、存儲、利用、開放等全流程數據化進程建設仍存在問題。部分保險公司積累大量客戶行為數據和交易數據，但數據管理水平仍不足，存在數據孤島化、分割化問題，數據安全性程度難以保障。

　　三是新技術在保險行業的運用尚不成熟，如區塊鏈、人工智能等。受限于科技成熟度，以及理論向實踐轉換的問題，新技術應用速度難以滿足市場需求，保險科技在行業內的應用仍然有很大提升空間。

　　2.3  證券科技

　　2.3.1  行業格局：金融科技投資約200億，頭部券商、互聯網券商和軟件服務商三分天下

　　證券行業金融科技投入2019年超200億。根據中證協，2017-2019年證券業信息技術投入金額從2017年112元增長至2019年205億元，年均增速35%；信息技術投入占上一年度營收比重從2.80%提高至8.07%。2019年證券行業信息技術人才有13241人，占3.75%。證券領域金融科技參與者主要包括大型綜合類券商、互聯網券商和軟件服務商。

　　1）大型綜合類券商通過自建團隊、合作開發等方式，注重培育自主研發能力。國泰君安成立數字金融部、華泰證券成立數字化運營部、中金與騰訊成立合資技術公司，2019年，國泰君安、華泰證券、中信證券信息技術投入位列前三，投入規模分別為12.4億元、12.0億元和11.4億元。

　　2）互聯網券商主打流量運營。東方財富從互聯網轉型券商，注重科技賦能，研發人員占比近40%。根據中證協，2019年東方財富信息技術投入占營收比重25%，遙遙領先于其他券商，旗下“東方財富網”PC端和APP分別貢獻日活6252萬人和月活4141萬人。

　　3）軟件服務商專注產品開發。同花順將人工智能導入傳統的理財顧問服務，提供投資建議，2019年研發投入占營收25%，研發人員占65%。恒生電子為證券等金融機構提供IT軟件產品和解決方案，研發支出占營業收入比例超過40%。

　　2.3.2  應用場景：廣泛應用于零售經紀和機構業務

　　金融科技廣泛應用于證券行業經紀交易等標準化業務上，在投行、合規風控等依賴人力和經驗的業務尚未大規模應用。具體體現：以互聯網、大數據升級移動終端、精準獲客，以智能投顧增加客戶粘性和服務附加值，以流程自動化RPA技術和數據倉庫提高PB機構服務。

　　1）零售經紀：人工智能、大數據助力經紀業務向財富管理升級。券商零售業務服務于C端客戶，包括經紀、投資咨詢、財富管理等業務。金融科技作用，一是互聯網大數據營銷，升級一站式終端平臺，通過身份信息、交易數據，挖掘客戶在理財、基金、融資、財富管理等深層需求，精準營銷；二是智能投顧，運用金融科技、量化模型、智能算法等技術打造智能投顧平臺，客戶輸入條件，即可篩選標的、生成資產配置方案，不但降低人工成本、提升投顧效率，而且擴大對長尾用戶的覆蓋范圍。

　　2）機構業務：RPA、數據倉庫打開PB發展空間。券商機構業務包括做市、托管等，存在海量交易數據和標準化流程。其中PB業務涉及為私募基金等專業投資者提供交易、估值、清算、風控等一攬子服務，對信息系統穩定性、時效性要求高。RPA技術（機器人流程自動化）基于人工智能完成重復工作，應用于量化交易平臺，是券商和軟件供應商發力方向。大數據和云計算集合，支持PB級數據和秒級處理，數據倉庫存儲容量將得到大幅拓展，滿足日常監控、交易分析等需求。

　　3）投行業務：區塊鏈在資產證券化潛力大。區塊鏈具有不可篡改、可追溯、可溯源、可驗證的特征，通過區塊鏈技術實現資產證券化產品底層穿透，會計、評估、律師等中介機構上鏈盡調，顯著推動新經濟資產證券化業務。2017年，百度-長安新生-天風2017年第一期資產支持專項計劃，是首單基于區塊鏈技術的場內ABS，基礎資產為汽車消費信貸。

　　4）合規風控：構建智能風控體系。通過大數據、智能算法構建智能風控體系，多維度數據綜合評估，加強線上業務合規審查，達到欺詐行為、異常交易、反洗錢識別監控效果，進行“全面風險管理”，保障投資及資產安全。

　　2.3.3  問題挑戰：科技投入和應用深度不足，同質化嚴重

　　證券行業在金融科技投入不足、業務復雜，金融科技應用多停留在系統建設表層，難以實現前沿金融科技融合創新，依靠金融科技實現差異化發展仍任重道遠。

　　一是整體投入方面，證券業金融科技整體投入不足。證券行業為輕資產模式，整體資金實力較弱，2019年中國券業技術投入205億元，頭部券商投入規模在10-14億元。相比之下，不但落后于銀行業1079億、保險業330億元的信息投入水平，而且與國際投行相差甚遠，摩根士丹利、高盛信息技術投入超過10億美元，通過自研和大手筆收購布局金融前沿技術。

　　二是應用深度方面，金融科技應用的深度和廣度不足，同質化嚴重。目前券業處于數字化探索轉型期，線上化、智能化已經滲透到各個業務鏈條，但大部分停留在信息系統建設、移動終端平臺等層面，對前沿金融科技投入和應用不足。根據艾瑞咨詢，2019年證券公司投入在云計算大數據、AI、RPA、區塊鏈金額分別為3.3、2、0.6、0.5億元，合計在信息技術投入占比2.9%，金融與科技如何深度融合發展尚未形成共識。

　　三是外部環境方面，證券科技創新復雜性高，面臨更嚴格的監管要求。證券業前中后臺種類較多，業務之間數據共享、系統串聯和防火墻要求嚴格，金融科技基礎設施牽一發而動全身，證券行業技術創新受到嚴格監管。能否突破系統壁壘、打通數據孤島，需要在頂層設計層面予以統一明確。

　　2.4  資管科技

　　2.4.1  行業格局：規模龐大、背景多元，但科技滲透較低

　　資管行業參與者包括以基金、銀行理財、信托等為代表的資產管理機構。截至2019年，大資管行業存量規模約82萬億元，銀行、信托、公募基金、基金專戶及基金子公司、券商資管、保險資管、期貨資管分別占28.5%、26.3%、18.0%、10.4%、13.2%、3.4%、0.2%。此外，還有私募基金、第三方財富管理公司等眾多非持牌參與者。

　　基金行業以二級市場標準化產品投資為特色，金融科技輔助投研決策。主動型投資對基金經理個人經驗依賴度高，目前的金融科技水平難以完全取代人力作用，主要起到智能搜索、投研輔助作用。根據艾瑞咨詢，2019年中國基金行業整體技術投入為19.8億元。基金業協會2020年《資產管理行業金融科技應用現狀調查分析報告》，22家公募基金對金融科技年投入額在千萬級別，受訪公募基金對金融科技投入占收入比重低于5%、介于5%-10%、超過10%，分別占54%、39%、7%。

　　以信托為代表的非標投資機構，金融科技水平較低，仍處于探索期。根據信托業協會，2019年信托公司投入信息科技建設的金額約15億元，主要應用場景是提升信息化系統、消費金融智能風控等方面。

　　2.4.2  應用場景：輔助投資決策，提高金融產品設計能力

　　金融科技在資管行業的應用場景，除了系統改造降低成本、大數據獲客等常規應用，在投研管理、被動產品開發、客戶資產配置方面表現突出。

　　主動投資方面，機器學習在信息篩選、模型搭建方面表現突出，輔助主動管理型投研決策。基于人工智能的投研系統，在數據采集、數據處理、算法優化方面遠高于人力，落地場景包括，1）信息篩選：大數據、機器學習、爬蟲技術可以實現多渠道抓取信息，不但全面網羅公告、研報、新聞等傳統渠道，而且更好捕捉微博、論壇等市場情緒因子，提高信息有效性，輔助生成投資觀點。2）模型構建：利用機器算法構建智能信評、智能風控、量化模型，用于歷史回測、情景模擬、未來預測，投資決策模型經過不斷訓練迭代，更加精確地識別潛在風險和超額收益機會。

　　被動投資方面，算法和量化模型實現低成本、大規模開發指數產品。國際經驗表明，以指數基金、ETF為代表的被動投資發展空間廣闊，2019年全球指數型基金規模達到11.8萬億美元，近10年年均增長約15%。金融科技在被動投資應用關鍵是量化模型開發和大數據處理，為ETF等創新產品設計提供低成本、最優化解決方案。博時基金2019年初曾表示，近兩年基于大數據的指數增強基金取得了超越基準指數 10% 以上的超額收益。

　　2.4.3  問題挑戰：資管行業大整合，金融科技尚處探索階段

　　一是整體投入方面，資管行業技術投入明顯不足。無論是以二級市場投資為代表的公募基金，還是以非標為代表的信托，金融科技投入量級僅數十億，遠遠低于銀行千億級別和保險、證券百億級別的科技投入。這是由行業和業務特性共同決定：一方面，資管行業普遍以代客理財的輕資產運營模式，資金體量小，另一方面傳統資管業務高度依賴人才、經驗、人際關系等定性因素，難以被科技完全取代。但從長遠看，重視金融科技投入是資管行業差異化、跨越式發展的必經之路，仍需長期科技投入，培育科技創新文化。

　　二是滲透深度方面，前沿技術尚未普及。資管行業普遍在信息系統升級改造、互聯網獲客方面獲得長足進展，例如通過自有APP打造運營、互聯網平臺線上引流，基金公司突破了傳統銷售渠道束縛，直達用戶需求，大幅提高營銷效率。但對人工智能、云計算、大數據等前沿科技在投研、風控等核心領域尚未形成普及。相比貝萊德2019年技術投入費用為2.89億美元，占比近16.4%，自主研發 Aladdin 系統，利用大數據構建的風險管理平臺，2019年已獲得9.74億美元技術服務收入。

　　三是外部環境方面，市場與監管處于磨合探索期，金融科技具體展業方式存在不確定。市場端，近年來面對資管新規、金融開放等挑戰，資管行業處于整合和轉型階段，既要壓降不符合規定的舊業務，同時還要想方設法創新業務模式，轉型任務重、競爭激烈。政策端，監管規則也處在變化和完善過程中，如何規范金融機構與互聯網平臺合作、如何在確保獨立合規前提下實現金融集團與旗下資管子公司業務協同、如何引導財富管理機構健康發展、如何建立信息安全與投資者保護機制等一系列問題尚無確定規范，使部分中小機構對金融科技的投入和應用處于觀察階段。

　　2.5  互聯網金融科技平臺

　　2.5.1  行業格局：大型平臺企業主導，細分市場眾多

　　互聯網巨頭通過豐富場景、海量用戶、網絡信息技術滲透到支付、借貸、投資、保險等各個金融服務，形成金融科技頭部平臺。根據畢馬威2019年全球金融科技100強榜單（Fintech100），中國共7家公司列入前50強，其中螞蟻集團、京東數科、度小滿金融等分別列第1、3、6位，是我國互聯網金融科技平臺類企業的代表。我們選取螞蟻、騰訊、京東、百度、新浪、蘇寧、美團、網易、字節跳動、陸金所共10家互聯網平臺作為研究樣本。

　　2.5.2  應用場景：支付和借貸為主，逐步轉向技術方案輸出

　　1）第三方支付

　　支付業務是互聯網巨頭參與金融服務的敲門磚，10家樣本企業均完成支付業務布局，通過數以億計的用戶構建金融生態。截至2020年6月我國第三方移動支付市場規模達到59.8萬億，支付寶和財付通分別憑借強大的電商和社交屬性，占據55%和39%的市場份額，其他競爭者僅壹錢包和京東支付份額超過1%。雖然剩余市場空間有限但支付業務起到重要的流量端口作用，互聯網巨頭們仍激烈競爭存量牌照，如2020年1月拼多多收購付費通，8月字節跳動入手合眾支付，11月快手收購易聯支付等。

　　2）互聯網借貸

　　互聯網信貸市場規模巨大，利潤豐厚，10家樣本企業均有布局。截至2018年底我國互聯網消費金融市場規模達到9.15萬億。電商巨頭旗下消費金融平臺憑借流量和場景占據市場優勢，2018年市場份額最高達到37.2%；其中，螞蟻集團互聯網平臺促成信貸余額最高，截至2020年6月達到21356億元，其次為陸金所5194億元。

　　互聯網平臺普遍通過助貸、聯合貸、賒銷等模式開展借貸業務。1）螞蟻集團、陸金所、京東金條等產品以助貸和聯合貸的方式為主，該模式下互聯網平臺負責獲客、信用評估、風控等，金融機構負責提供大部分貸款。截至2020年6月，螞蟻促成信貸余額2.15萬億，其中表內貸款僅362億元，占比1.68%，2020年上半年陸金所新增零售信貸284億元，其中自有資金放款比例僅為0.7%，其余60.6%的資金來自49家銀行銀行、38.7%的資金來自信托計劃融資。2）京東白條以賒銷模式為主，該模式下，京東數科與電商合作，提供數據支持和風控等服務，針對用戶使用京東白條產生的應收賬款進行資產證券化。

　　3）互聯網投資理財和保險

　　互聯網平臺集合銀行存款、公募基金、股票、保險等各類資產，試圖打造一站式財富管理平臺，為金融機構導流。截至2018年，我國互聯網理財市場規模達到5.67萬億元，同比17.1%。截至2020年6月螞蟻集團與約170家資產管理公司合作，促成資產管理規模約4萬億元，根據澳緯咨詢的統計其市場份額約為48%-51%，其次騰訊金融管理規模超過8000億元，陸金所合作機構達429家，AUM為3742億元。

　　4）科技輸出

　　頭部互聯網平臺去金融化，增加科技研發投入，提供金融服務解決方案。投入方面，2020年上半年，螞蟻研發投入57.2億元，占收入比重7.9%；京東數科研發投入16.19億元，占收入比重15.7%。產出方面，螞蟻集團在數據庫和區塊鏈領域的布局成果卓著，2019年和2020年上半年支付寶申請公開的全球區塊鏈發明專利數量分別為1505項、1457項，全球位列第一；2019年螞蟻自研的OceanBase數據庫在被譽為“數據庫領域世界杯”的TPC-C基準測試中，成為首個登頂該榜單的中國數據庫產品。而京東數科重點在發展智能城市業務，例如京東以自研“智能城市操作系統”為指揮中心，打通南通市9個委辦局、12個系統聯動，打造危化品全流程監管創新應用；2019年10月京東與中儲發展公司合資成立“中儲京科”共同研發在大宗商品領域的“區塊鏈+物聯網”的應用技術。

　　2.5.3  問題挑戰：高杠桿、系統性、隱私保護、壟斷地位

　　1）高杠桿放貸轉移風險。螞蟻等互聯網金融科技平臺的信貸業務放杠桿過大，引發監管擔憂。拆解螞蟻發現，大部分以ABS、信托計劃、聯合貸款等形式將信貸資產轉移到表外，避免了自身承擔違約風險，壞賬風險將轉嫁至出資的金融機構；雖然有技術和數據保駕護航，但如此大體量信貸存量一旦出現極端環境、風控模型失靈，社會隱性成本難以估量。

　　2）數據確權與隱私保護問題亟待改善。大型科技公司實際上擁有數據的控制權，數據資產成為科技公司產品開發、精準營銷、業務拓展等基石。但是，一些科技公司利用市場優勢，過度采集、使用企業和個人數據，甚至盜賣數據，這些行為沒有得到用戶充分授權，嚴重侵犯企業利益和個人隱私，因而完善個人信息保護的相關法律法規，構建有效的數據采集、使用、交易機制亟待解決。

　　3）濫用市場支配地位，壟斷市場。無論傳統行業或新興行業均可能形成壟斷，新經濟在移動互聯網技術和大規模資本的支持下，形成自然壟斷速度更快，涉及面更廣，用戶粘性更強，由平臺壟斷造成的危害消費者權益、榨取剩余價值、擠壓小企業生存空間等負外部性可能更大，誘導過度消費、會員之上再收費、“大數據殺熟”、捆綁銷售等侵害消費者權益的問題屢見不鮮。

　　3    監管導向：監管升級，鼓勵創新與規范發展

　　我國高度重視信息科技在金融領域的應用拓展，早期以包容創新為導向，但隨著風險積累與暴露，金融監管全面升級，2020年進入監管元年，規范與發展并重。

　　3.1  吸取P2P教訓，從包容創新到整治規范

　　2018年前，高度重視金融科技，包容性政策為主。2017年5月，央行成立專門“金融科技委員會”，定位于“金融科技工作的研究、規劃與統籌協調”，標志著金融科技行業迎來監管層面的重要支持與規范。7月，國務院印發《新一代人工智能發展規劃》專門提出了“智能金融”的發展要求，12月，工信部印發《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》，將“金融”列為智能產品應用的重要方向之一。

　　業務模式日益復雜、交易規模迅速增加，挑戰監管能力。隨著P2P網貸大面積暴雷、非法代幣融資等風險事件頻發，動搖金融穩定，負面影響深遠，暴露出分業監管漏洞。2018年多部委聯合開啟整治風險行動，清退P2P平臺、地方交易所、加密貨幣等，整肅市場秩序。

　　3.2  金融科技進入監管元年，創新與規范并重

　　2020年以來，金融科技在經歷爆發式增長后，行業規范化和標準化的缺失，系統性風險累積，引起監管高度重視。吸取P2P事后監管教訓，監管層提前預判風險，出臺政策整治互聯網貸款、網絡小貸等，約談金融科技巨頭，平衡創新與風險的關系。

　　一是頂層設計上，金融科技的發展與監管上升至重要地位，鼓勵創新與規范發展并重。央行印發《金融科技發展規劃（2019-2021）》，從國家層面對金融科技發展做出全局規劃，制定《金融科技產品認證目錄》等明確金融科技技術標準、業務規范、風險管控等政策，出臺針對移動支付、網絡借貸、數字貨幣等監管強化文件。12月16-18日中央經濟工作會議將“強化反壟斷和防止資本無序擴張”列為2021年八項重點工作之一，并明確提出要完善數據收集使用管理。未來新金融必然匹配新監管，既要保持創新活力，又要防止打著“金融創新”的旗號割韭菜，防止金融業務“無照駕駛”導致監管失效。

　　二是監管主體上，跨市場跨行業監管提前介入，不留監管死角。金融委統籌協調，10月31日劉鶴副總理主持金融委會議時強調，“當前金融科技與金融創新快速發展，必須處理好金融發展、金融穩定和金融安全的關系”，“對同類業務、同類主體一視同仁”，明確持牌經營監管方向。央行正式實施《金融控股公司監督管理試行辦法》，金控必須持牌經營。銀保監會、證監會在細分領域出臺監管辦法，如互聯網貸款新規、網絡小貸新規、互聯網保險新規。同時非金融監管機構迅速介入，最高法規定民間借貸最高利率不超4倍LPR，市場監管總局發布《關于平臺經濟領域的反壟斷指南（征求意見稿）》。監管機構涵蓋金融業務、數據安全、互聯網等度方面，體現全方位、跨行業監管思路。

　　三是監管思路上，中國版“監管沙盒”試點推出，有望打造培育創新與規范發展長效機制。2016年FSB提出金融科技監管評估框架，一是判斷金融科技產品和服務是不是創新，二是評估創新動力是提高效率還是監管套利，三是評估對金融穩定的影響，成為全球金融創新監管共識。英國金融行為監管局（FCA）2015年提出“監管沙盒”（Sandbox），針對難以判斷影響的金融科技創新，先選擇進行小范圍試行，監管部門與企業共同設定范圍、參數等，若創新確實提高效率并風險可控，則允許在更大范圍應用。截至2020年5月，FCA已開展5批測試，參與企業累計118家。中國央行2019年12月啟動“監管沙盒”，截至2020年8月已有北京、上海、成渝、粵港澳、蘇杭等地區啟動金融科技創新監管試點，推出60個試點項目，有望打造培育創新與規范發展長效機制。

　　4    展望和建議

　　2020年是金融科技發展分水嶺，如果說上半場關鍵詞是巨頭崛起、創新商業模式為王，下半場則是重建規則、靠硬實力取勝。金融科技未來發展面臨四大趨勢。

　　趨勢一：步入監管元年，短期內面臨強監管，長期仍鼓勵創新與風險預防并重。金融科技是把“雙刃劍”，一方面，我國金融科技發展迅猛，不可否認依托大數據優勢讓金融惠及更多長尾客戶，移動支付方便日常生活，但另一方面，金融科技主體多元化、跨行業、去中心化，部分互聯網金融打著金融創新的旗號，實質進行監管套利、甚至觸犯法律，傳統的機構監管、事后監管難以全面管控金融風險，對金融監管帶來一定挑戰。創新必須在審慎監管的框架下進行，充分發揮金融科技對社會和市場效率的支持，同時樹立監管底線，才能保證金融科技發展行穩致遠。2020年中央經濟工作會議強調“強化反壟斷和防止資本無序擴張”，劍指平臺型企業濫用市場支配地位等亂象。展望未來，針對金融科技相關監管將大幅提速，引導行業穩健發展。

　　趨勢二：金融科技前景依然廣闊，市場主體多元化，合作大于競爭。在供給端，中國具有龐大的用戶群體、發達的互聯網5G等基礎設施，為金融科技發展提供數據基礎；在需求端，普惠金融程度尚存短板，金融科技空間仍然巨大。互聯網巨頭具有場景和流量優勢，但在金融嚴監管、持牌經營背景下，紛紛“去金融化”；傳統金融機構具有牌照和資金優勢，明確數字化轉型戰略，選擇成立金融科技子公司，或與互聯網公司加深合作。未來傳統金融機構、互聯網公司以及細分賽道中小型服務商仍將在競爭中長期共存。

　　趨勢三：隨著新基建上升為國家戰略高度，人工智能、區塊鏈、云計算及大數據深度融合，推動金融科技發展進入新一階段。根據《中國金融科技生態白皮書2019》，從各項技術的運用領域來看，大數據是基礎資源、云計算是基礎設施、人工智能依托于云計算和大數據，區塊鏈為金融業務基礎架構和交易機制變革提供條件，但是離不開數據資源和計算分析能力的支持。當前各個技術發展程度各有不同，云計算和大數據技術成熟度較高，但在應用方面，系統云集中面臨的傳統信息系統改造升級壓力較大，大數據平臺構建在系統穩定性和實際使用效益方面面臨挑戰，人工智能和區塊鏈處于技術演進發展階段。從未來發展趨勢來看，隨著5G、芯片等基礎技術發展，四項技術在實際應用中將會更加趨向深度融合，技術邊界削弱，技術創新將會集中產生于技術交叉和融合領域。

　　趨勢四：商業模式或被重塑，更好服務實體經濟、普惠金融、提高科技硬實力是三大發力方向。隨著金融科技發展逐步進入深水區，社會輿論對互聯網金融利用監管規則漏洞加杠桿、“普而不惠”、進軍“社區團購”提出質疑，政策引導互聯網巨頭增強社會責任感和科技創新意識。展望未來，在持續的政策引導下，大型互聯網企業有望進一步利用數據和技術優勢，承擔起推進科技創新排頭兵的責任，著眼攻克更長遠的前沿技術難題，力爭突破“卡脖子”的關鍵技術，服務實體經濟，在解決民營小微企業融資難融資貴等問題上發揮成效，與國家戰略相契合。

　　中國金融科技已經走在世界前列，金融為民、科技向善，加強監管引導行業健康有序發展，更好培育新經濟，提高我國經濟金融和科技實力。我們建議：

　　1）落實金融科技監管，樹立監管底線。金融科技是把“雙刃劍”，創新必須在審慎監管的框架下進行，充分發揮金融科技對社會和市場效率的支持，同時樹立監管底線，才能保證金融科技發展行穩致遠。在監管政策執行過程中，需要將良性金融創新與“偽創新”區分開來，更好地保護金融機構創新發展的積極性和能動性，對于以監管套利、無序擴張為主要形式的“偽創新”，堅決予以整治和取締。

　　2）完善金融科技行業標準和監管規則，明確市場預期。金融科技產業同時具備金融屬性和科技屬性。在金融屬性下，業務存在復雜性、專業性，業務數據存在較高的保密要求，在科技屬性下，業務技術迭代速度較快、靈活性較高。未來在金融科技持續推進的大趨勢下，亟待統一金融科技產業規范、技術標準。

　　3）健全數據規則，完善數據確權、隱私保護的相關法律法規。建議通過立法明確數據資源具有公共屬性，敦促平臺對數據的使用、篩選、處理等過程進行全流程管控，對用于共享或交易的數據進行嚴格的脫敏處理；對于過度采集、使用企業和個人數據，甚至盜賣數據等嚴重侵犯企業利益和個人隱私的行為予以處罰。

　　4）落實反壟斷法律法規，關注和防范新型“大而不能倒”風險。當前部分互聯網金融科技平臺的信貸業務放杠桿過大，引發監管擔憂，平臺大部分以ABS、信托計劃、聯合貸款等形式將信貸資產轉移到表外，避免了自身承擔違約風險，壞賬風險將轉嫁至出資的金融機構；雖然有技術和數據保駕護航，但如此大體量信貸存量一旦出現極端環境、風控模型失靈，社會隱性成本難以估量。要將大型互聯網平臺納入宏觀審慎監管框架，加大力度整治市場亂象，防止平臺風險跨行業跨領域傳導。

　　(本文作者介紹：恒大集團首席經濟學家，恒大經濟研究院院長。曾擔任國務院發展研究中心宏觀部研究室副主任、國泰君安證券研究所董事總經理、首席宏觀分析師。)