点击查看更多资本市场学院：资本市场金融科技发展白皮书（2023）（159页）.pdf精彩内容。

0人已浏览 2023-12-17 159页 5星级

1 2 3 4 数智新应用 5 趋势一：大模型对场景普遍渗透，以“中控”为核心的生态范式初步定型 趋势简介 近期，国内外出现了许多大模型并形成了百模大战的现状。研究指出，金融行业头部机构会在未来 1 年内在相对成熟的场景中尝试引入大模型，以及生成式AI 能力。大语言模型时代的到来，为投研、投顾、风控、研发提效等场景带来了新的想象空间，行业在关注大模型本身建设的同时，作为连接大模型与应用的“中控”成为了行业未来大模型生态的核心。趋势阐述 国内外大模型的涌现，呈百模大战的态势，例如：OpenAI 的 ChatGPT、谷歌的 PaLM、Meta 的 LLaMA、清华的智普、华为云的盘古、百度的文心、阿里的千问、科大讯飞的星火、商汤的日日新等。预计 2024 年，已针对人工智能有领先性的探索且硬件配备较完善的金融机构，会尝试在一些业务场景中引入大模型以及生成式 AI 能力。此外，RPA 作为扩展 Al 落地的“最后一公里”，将助力大模型扩展其应用边界，且通过易于使用、易于管理的部署来帮助 Al 加速转型，增强认知决策能力以处理复杂的长链条业务，降低运维成本来提升应用价值。未来，金融行业在推动大语言模型的应用落地过程中，将会遇到生成式深度合成类应用行业的强监管以及数据安全境内保护的强监督。专业化的面向资本市场的金融大模型：金融领域具有复杂的金融知识和特殊的投资决策需求。为更好地满足行业特性，研发金融领域垂直大模型势在必行，典型代表有彭博的 BloombergGPT 和恒生的 LightGPT。这类模型能够触达金融 6 市场动态，学习和掌握投资组合优化、风险评估、金融法律法规等相关领域的知识。与大模型本身建设相比，大模型配套基础设施建设同样重要。通俗来讲，有了新工具，新工具的使用指南，也十分重要。构建连接大模型和行业应用的“中控”基础设施，对于像金融这样受到强监管的垂直细分行业在内容合规、业务适当性、部署模式和数据流向等数据安全方面都是至关重要的。“中控”基础设施，由三大部分组成：共性大模型插件、大模型工具链（任务编排和指令流水执行）、行业资源图谱。金融大模型插件：减少幻觉连接文档、数据库、API、元数据 金融领域存在大量数据需要连接，如行情、上市公司信息、基金基础信息、金融机构内部知识库文档等，因此需要大量共享插件能力，例如文档的解析处理能力、自然语言转 SQL 能力（NL2SQL）、智能 API 调用能力等。这些能力以插件的方式存在，构成对大模型能力的重要补充。更加智能的工具链：规划和执行智能体（Agent）与大模型配套的转接工具链，是大模型“中控”的基础部分之一。它负责处理输入输出、数据转换和模型部署，特别是任务编排和指令流水执行等任务。幸运的是，目前已经有很多这样的开源组件被证明是有效的，可供选择，但是现阶段基本是靠手工拆分任务和规划。为了更加智能化地处理、执行未见过的复杂任务，AI Agent 是时下热门的一个方向。在 OpenAI 应用研究负责人 Lilian Weng 撰写的一篇万字长文中，她提出 Agent=大模型 记忆 规划技能 工具使用，以输入一段指令自动实现复杂任务拆分和函数调用的场景为例来构建基础 Agent 流程，并侧重讲 7 解如何通过基础模型选择、Prompt 设计等来成功构建任务拆分和函数调用模块。例如问“某个基金经理怎么样”，通过大语言模型拆分任务，对基金经理基础信息（姓名、学历等）、任职情况、历史收益等因素进行拆分，并完成相应的 Prompt 设计，最后调用相关基金经理卡片的 API 得到最后的结果，从而完成相对复杂的任务。更专业的行业资源图谱 与大语言模型相配套的基础设施还包括应用侧的资源组织。从金融等垂直行业的需求来看，由于语料原因，单纯依赖大模型本身可能在短时间内没法快速满足金融业务场景的深度需求，需要在运行过程中结合丰富的应用侧专业化数据资源和计算资源，才能为面向特定应用场景的人工智能赋能。比如近几年新出现的向量数据库和图数据库，在应用侧资源组织中发挥着重要作用。向量数据库主要应用于大模型训练、推理和知识库补充等场景，在接入层、计算层和存储层等方面已实现了全面的语义化。向量数据库可以用于大模型预训练数据的分类、去重和清洗等任务。在大模型学习阶段，向量数据库接收多模态数据进行向量化表示，让大模型在训练时能够更高效地调用和处理数据。在大模型训练方面，向量数据库的应用也非常广泛，此外大模型在调用 API 过程中，向量数据库通过对API进行检索，也可以确保API调用后执行得到相应的实时数据。因此，数据库、图数据库对于组织企业和行业内部的数据要素资源、应用接口资源、流程角色资源和业务逻辑资源至关重要。我们可以将其打造成“中控”核心引擎，实现与大模型的统一对接，通过工具链将大模型解析的用户意图与企业和行业资源进行编排，按需集成和通联。这一环节也是未来制定大型语言模型行业标准的核心环节，具有重要的战略价值。因为在垂直领域的场景中，以大模型为 8 中心的插件联盟模式并不适用，而以中控为中心的企业和行业人工智能能力中心模式，将更具领先优势。典型场景 大模型正深刻影响着金融行业的智能化水平和数字化程度，开启了金融行业智能化转型升级新的大门，从场景层面来看，大模型与金融行业有很多结合点，包括但不限于以下几点：1）投顾 大语言模型可用于辅助投资顾问工作，针对投资者生成个性化的投资建议，供投资顾问参考，极大地提高了投顾工作效率。通过分析客户的投资偏好、风险承受能力以及市场动态，大语言模型能够为客户初步生成符合其需求的投资策略。此外，大语言模型还可以用于辅助资产配置、组合优化、基金筛选等投资管理工作，提高投资效率和收益。2）客服 金融机构可以利用大语言模型搭建智能客户服务系统，针对客户咨询提供 24小时不间断的在线服务和有效的解决方案。智能客服可以处理包括账户查询、交易操作等各种类型的问题，人工客服的工作量将大量减少。同时，智能客服还可以实时学习和优化，不断增进对客户的洞察理解，提升服务品质，这种进化能力超越很多金融从业者。3）舆情风控 大语言模型可以赋能金融机构监测舆情，及时挖掘潜在风险。大语言模型在海量数据基础上进行预训练，通过对互联网上的新闻、社交媒体等公开信息进行实 9 时分析，可以挖掘出可能对金融市场产生影响的重要事件和趋势，更好地理解和响应客户需求。4）运营 金融机构可以利用大语言模型对内部运营数据进行深入分析，发现业务流程中的痛点和优化点。大语言模型可以辅助金融机构挖掘客户需求、优化产品组合、提高市场推广效果等，进一步提升运营效率和客户满意度。5）投研 在投资研究领域，大语言模型可以辅助分析师快速获取和处理大量信息。例如，对公司财报、行业研究报告等文本数据进行自动摘要、关键指标提取，提高研究效率。同时，大语言模型还可以通过对海量历史数据的挖掘，发现投资机会和风险信号，辅助投资决策。6）监管合规 随着注册制的推进，金融市场对投行底稿的审核要求越来越高。大语言模型可以帮助投行和监管部门更高效地审核 IPO、并购重组等项目的底稿资料，通过自然语言处理技术，分析底稿中的文字、数据和图表，快速发现潜在的问题和风险。信息披露审核是金融监管的一个重要环节，主要关注上市公司、证券公司等金融机构的公开信息披露是否真实、准确和完整。大语言模型可以辅助监管部门自动化地审核金融机构披露的信息，识别出不符合规定的内容，提高审核效率和准确性。同时，大语言模型还能辅助金融机构进行自查，确保信息披露的合规性。7）软件研发提效 大模型技术的引入将对信息技术每一位从业者产生深远影响，从软件开发者到产品经理，再到用户支持团队、运维团队等，都将在生产力的提升和工作方式 10 的变革中受益。机构 IT 规划建议 1）理场景 确定应用场景。首先，金融机构需要明确希望在哪些方面应用大模型，如投顾、投研、客服、运营等。然后，针对不同的场景，制定合适的模型应用计划。2）储算力 提前规划。鉴于 GPU 采购周期较长，建议机构提前半年规划和储备适用于各种场景的 GPU 资源。这样可以确保在实际需要的时候，能够及时获得足够的计算资源。3）选模型 确保机构选择的大模型在金融领域有良好的表现，可以通过与业内专家合作、调研相关文献等方式进行评估。避免盲目选择通用模型，而是根据实际需求选择专为金融领域设计的模型。4）建队伍 外部分享与学习。组织团队成员参加行业内的分享会、研讨会等，以便了解金融领域的最新发展趋势和技术进展，从而更好地指导大模型的应用。投资于培养团队成员的技能，使他们能够有效地操作、管理和优化大模型。这可能包括深度学习、自然语言处理等领域的培训。其他建议：11 1）积极参与行业标准建设：生成式人工智能目前仍处于技术炒作的巅峰期，其落地应用仍未出现大规模的典型案例，因此需要积极参与行业对大模型数据标准、应用标准、架构标准等一系列标准建设工作。2）推动行业级大模型平台的建设：机构在算力、云资源、模型本身储备有限，行业级大模型的建设将有助于解决机构间重复建设、数据安全、应用合规以及生态连接等一系列问题。3）谨慎预训练，投入产出平衡：考虑预训练成本。大模型的预训练过程可能需要大量的计算资源和时间，而且投入产出比可能不总是很高。在决定是否进行预训练时，需要综合考虑成本与预期收益。4）法律法规遵循：大模型可能面临模型风险等监管问题。金融机构在构建大模型时,要确保模型遵循监管机构的相关要求，遵循国家和地区相关的法律法规，例如参考数据安全法、网络安全法、个人信息保护法等，制定并执行相应的用户隐私保护政策。12 趋势二：低代码融合 Copilot 等代码辅助工具，走向研发提效新纪元 趋势简介 作为 AI 增强开发的重要组成部分，以 Copilot 为代表的 AI 编码助手对低码行业产生了较大的影响，并引起广泛关注。低代码与 Copilot 将互相融合，全链路赋能到研发流程，包括编码前需求、设计的质量提升，到编码工作转向半人工的效率提升，以及编码后的测试、部署、运维智能化、自动化变革，低代码 Copilot将会领衔软件工程 3.0 时代，给研发提效带来新的生机。趋势阐述 2022 年末，OpenAI 更新版本至 GPT-3.5-turbo，GitHub Copilot 代码辅助工具的代码生成和智能助手能力大幅提升。AI 编码助手服务于研发环节提效，对低码行业产生了冲击，并引起广泛关注。1.代码辅助工具(如 Copilot)持续升级的影响 GitHub Copilot 基于 OpenAI 版本的持续升级对低代码行业可能产生冲击性的积极影响。它有助于提高开发效率、降低学习成本、提供定制化选项，但同时也需要开发人员注意代码质量和安全性的保障。这样的升级和进步有助于推动低代码行业的发展，为开发者提供更好的开发工具和体验。具体为以下几个方面：1）持续增强开发效率：随着 GitHub Copilot 持续升级，它的代码生成能力和智能提示能力将不断改进和优化。这将使低代码开发人员能够更快速地生成高质量的代码、快速原型验证和迭代。这进一步提高了低代码平台的开发效率和灵活性。13 2）持续降低学习成本：低代码平台旨在让非开发人员无需深入的编程知识也能快速构建应用程序。随着 GitHub Copilot 的不断升级，它可以为低代码开发人员提供更多自动化支持和智能建议，减轻对编程语言和框架的依赖。低代码行业的学习门槛将进一步降低，更多公民开发者可以与专业开发者协作。3）提供更多定制化选项：随着 GitHub Copilot 的版本迭代，可能会引入更多的定制化选项，允许低代码开发人员根据自己的需求和偏好进行调整。这可以满足不同项目和行业的特定需求，提供更灵活、可定制和个性化的低代码开发体验。4）辅助缓解代码质量和安全性问题：尽管 GitHub Copilot 可以辅助代码的生成，但质量和安全性仍然是必须关注的问题。低代码开发人员需要仔细审查生成的代码，确保其符合最佳实践和项目要求，避免潜在的代码漏洞和安全问题。伴随 GitHub Copilot 的不断升级，上下文空间扩大，允许在生成代码的同时，生成覆盖特定要求的测试用例代码，减少开发人员在这方面的工作量。此外，该趋势相应的消极影响也存在，建议行业同步关注：1）降低对开发技能的追求：GitHub Copilot 的不断升级和自动化代码生成能力的提升持续降低了对开发技能的需求，但这可能导致一些开发人员过度依赖自动化工具，缺乏对底层代码和编程概念的深入理解，这可能对他们的职业发展和解决复杂问题的能力产生负面影响。2）代码质量和安全问题：尽管 GitHub Copilot 可以生成代码，但生成的代码可能存在潜在的漏洞、性能问题或不符合最佳实践。低代码开发人员仍然需要审查和测试由 GitHub Copilot 生成的代码，以确保其质量和安全性。3）依赖于第三方平台：GitHub Copilot 是基于 OpenAI 模型的 AI 助手，依 14 赖于第三方平台的支持和持续更新。如果该平台停止支持或没有及时更新，使用GitHub Copilot 的开发人员可能会面临困扰，影响他们的开发流程和项目进展。4）限制创造性和创新：虽然 GitHub Copilot 可以加速开发过程，但过度依赖代码自动生成可能削弱了开发人员的创造性和创新能力。创造性的编码解决方案和创新的思维往往需要开发人员自己思考和实现，而不是完全依赖于自动化工具。5）数据出境风险：GitHub Copilot 服务位于境外，金融行业有更为严格的数据安全要求，使用 GitHub Copilot 则必然涉及数据出境，需要在具备数据合规出境的前提下才能适用。金融机构使用境外大模型必须考虑到生成内容合规性。2.低代码平台用户的工作场景 传统情况下，前端会调用后端接口进行数据处理和逻辑编排。在低码平台中，可以使用 UI 编排来实现低代码界面搭建，使用逻辑编排来构建页面间的交互行为和业务逻辑，而接口服务的构建则可以通过服务编排来实现。图示五个组成部分，是低码开发者在完成业务开发过程中的核心工作。由于业务的复杂度，此部分功能在可视化编排过程中，免不了需要使用脚本、代码块进行辅助完成。15 为了屏蔽低码平台内部前后端技术体系之间的差异，构建属于低码平台自身的领域概念，业内绝大多数的低码平台，无论是解释执行还是出码执行，都会构建起一套完善的 DSL 体系，在设计环节代替源码完整表达上述各环节中包含的业务逻辑。DSL 作为一个语言体系，能够很好地消减业务差异和复杂度，并确保技术可行性和表达完整性。综上，DSL 是低码平台业务开发的产出物，也是表达完整业务语义的载体。DSL 本质上并不能降低业务表达的复杂度。在一些较复杂的业务场景中，仍然对低码开发者有比较高的技术能力要求。也正是因为 DSL 的存在，利用代码辅助工具来辅助完成这部分复杂度较高的工作成为了可能。一旦分解任务、构建Prompt、将生成特定的 DSL 设定为目标，所有这些低码平台中的复杂工作都可以利用代码辅助工具来辅助实现。3.代码辅助工具切入低代码平台开发场景分析 DSL 通常是为特定领域或问题域而设计的，具备与该领域相关的特定语法、语义和功能，与已经经过通用语言训练的代码辅助工具不同。如果希望代码辅助工具在未经训练的基础上协助生成特定的 DSL 代码，技术上需要把完整的 DSL 定义提供出来作为前提，此过程必须包含包括语法规则、关键概念、操作符、函数或其他与 DSL 定义密切相关的信息。现有市面上大部分的辅助工具或类 ChatGPT 工具已经处于 GPT-3.5 模型级别。GPT-3.5 模型的最大输入长度限制是 2048 个令牌。一个令牌可以是一个字符，也可以是一个子词（subword，例如一个词的一部分）。对于 DSL 定义，字符的数量通常会转化为较多的令牌数量，这对于未经专门训练的辅助工具参与低码开发场景形成了比较大的限制。16 一方面，行业可以将低码平台中，主要的业务工作划分为以下五个大的组成部分：UI 编排来实现低代码界面搭建，前端逻辑编排来实现客户端交互行为的构建，后端逻辑编排来实现业务逻辑的构建，服务编排来实现接口服务的构建,模型编排完成数据持久化层的对接和构建工作。每个组成部分具备相对独立的领域，形成低码平台 DSL 的一个子集。在做具体工作的时候，只传入必要的 DSL 子集定义，可以有效减少 DSL 定义对输入令牌的消耗，留出更多输入空间给到业务逻辑表达。另一方面，OpenAI 版本也在持续升级。GPT-4 预训练阶段的上下文长度已经从 GPT-3.5-Turbo 的 2K 提高到 8K。后续还将在预训练后的 8K 基础上进行微调，形成 32K 的令牌长度版本。每个令牌的字节数也将从当前版本的 4 字节扩大为 600 字节。最大输入长度限制的放开，将为动态提供 DSL 的完整定义创造条件。也规避了有限输入长度中 DSL 定义对业务表达空间的侵占。综上，DSL 的存在对代码辅助工具切入到低代码平台开发的具体场景创造了条件。开发人员利用代码辅助工具快速生成应用页面或逻辑，再利用低代码平台进行微调、补充和确认。以此规避代码辅助工具与生俱来的安全风险，降低低码平台使用的门槛，并大大提高业务开发的效率。典型场景 低代码平台与代码辅助工具完成融合之后，UI 编排、前端逻辑编排、后端逻辑编排、服务编排、模型构建等以 DSL 来进行设计和表达的任务，都可以通过代码辅助工具辅助实现。开发人员的主要工作，聚焦于使用低代码平台设计器对辅助生成的 DSL 进行确认、补充和微调。详细的融合点场景如下：17 1）自动生成表单和界面：通过整合 GPT 模型，低代码平台可以自动生成基于用户输入和需求的表单和界面。开发人员只需提供必要的信息，GPT 可以帮助生成相应的表单字段、布局和交互逻辑，减少开发人员手动设计和编写的工作。2）代码自动生成：利用 GitHub Copilot 的能力，低代码平台可以提供更强大的代码自动生成功能。例如，在低代码平台的可视化界面中，开发人员可以通过拖拽和配置来定义业务逻辑，然后通过集成 GitHub Copilot 来自动生成与逻辑相关的代码片段，例如数据操作、网络请求等。3）智能代码补全和提示：通过整合 GitHub Copilot 的智能代码提示，低代码平台可以提供更智能、个性化的代码建议。根据用户的输入和上下文，Copilot可以自动补全代码、提供方法、类名等建议，以加速低代码平台上的开发过程。4）自动化流程生成：GitHub Copilot 可以帮助低代码平台生成自动化的工作流程代码。根据开发人员的定义和配置，Copilot 可以自动生成处理流程、状态转换、事件触发等代码，这样就可以轻松地实现复杂的业务流程。5）定制化代码生成模板：在低代码平台中，可以为开发人员提供定制化的代码生成模板。通过结合 GitHub Copilot 的能力，开发人员可以在模板中插入变量或条件，使得生成的代码更加灵活适应不同的需求。机构 IT 规划建议 在低代码平台与 AIGC 持续融合的大背景下，对机构 IT 规划的下一步建议如下：1）深化 DSL 体系的理解和应用：进一步深化 DSL 技术体系的理解和开发，根据金融行业的特点和需求，构建垂直业务领域的 DSL，并将 DSL 应用于低代码 18 平台的业务开发过程中，以降低业务表述的复杂度、提高开发效率、确保业务语义表达的准确性。2）加强自动化代码生成与优化：在低代码平台中，加强与代码辅助工具的整合，探索更多领域和场景下的自动化代码生成和优化。通过自动生成代码段、模块或整个功能模块，以及优化生成的代码质量和逻辑性，进一步提高低码开发速度和质量。3）强化数据治理和安全保障：随着低代码平台中 AIGC 的应用程度逐渐深入，要加强数据治理和安全保障。面向 AIGC 生成数据的不确定性，要确保数据的质量、完整性和安全性，满足内容合规性要求。加强数据隐私保护和安全防护措施，同时建立健全的数据管理和治理机制，确保数据的可靠性和可追溯性。4）持续学习和创新：持续关注低代码和 AIGC 技术的发展和创新，积极参与行业活动和社区交流，与同行分享经验和案例。通过不断学习和创新，探索更多的应用场景和最佳实践，为结构 IT 部门带来更多的业务价值和竞争优势。低码平台利用其 DSL 特性承接和阐述业务场景，将更加充分地发挥 AIGC 智能化生成能力，使其脱离基础技术栈的约束，展现出更加强大的创造性。伴随低代码平台与代码辅助工具持续融合，未来的业务创新将更加技术无关化、平台无关化。19 趋势三：AI 加速测试智能化进程，开启质量工程新征程 趋势简介 随着大模型技术在垂直行业的应用探索，其在代码检测分析、测试用例生成和补全、自动化测试脚本生成（RPA）、质量评价和风险管理、线上故障检测和预防等领域逐步落地，AI 不仅提高了这些场景中测试的效率和质量，也为质量工程带来了更智能和更高效的解决方案。趋势阐述 AI 技术的应用场景，核心在于发挥各类大模型的特征能力，如自然语言处理、科学计算、多模态转换、语音识别、计算机视觉、逻辑推理等。通过一些大语言模型的能力，可以自动分析测试需求、生成测试用例、执行测试和分析测试结果，在测试过程中重要的自动化测试、代码检测、问题分析定位环节中减少人工干预，使测试过程更智能化更高效。随着大模型（典型如：LLaMA2，GLM2）的开源，垂直行业的应用深入发展，以目前最具典型代表代码检测分析、自动化脚本、模糊测试为例，各技术提供商已进入到深度集成的阶段，也会彻底改进原来通过规则匹配的方式带来的高误报、高转换维护成本的问题，也会促使该部分的应用实现真正的智能化。典型场景 1）测试用例生成和补全：AI 可以根据特定行业知识（如金融行业）、应用程序的规范、历史测试数据和用户行为等信息，自动生成具有高覆盖率和效果的测试用例和测试数据，提高测试效率和质量。并且根据测试覆盖数据的搜集，自动 20 调整或生成新的用例，并从原有的案例库中根据变动部分选取、推荐更加匹配的用例，从而提高测试覆盖率。这类场景会在单测、接口测试、模糊测试等领域率先落地。再进一步可以利用 AI 大模型的多模态输入、总结、推理特性，输入系统的业务流程图、架构图等需求、设计文档，对测试方案和用例进行多个方面的优化补全。2）测试代码和脚本生成：AI 可以助力更智能、更高效的自动化脚本开发。通过使用 AI 技术，模型可以根据用例描述，自动识别应用程序的界面和操作流程，并生成相应的自动化脚本。这将加快自动化脚本的开发速度，并提高脚本的稳定性和可维护性。AI 还可以通过大量既有代码、单测代码的模型数据的训练，结合语法、结构和规范的要求，针对性地生成和完善单元测试代码。帮助开发团队提升单测能力和覆盖面，提高代码质量。结合多种数据源和技术手段，如图像识别、语音识别等，AI 还可以实现多模态融合，极大提升测试用例的覆盖率，更好地应对各种测试场景和需求。3）代码检测分析：利用 AI 技术对代码进行静态分析和检测，通过分析代码的语法、结构和规范，检测发现潜在的代码缺陷、安全漏洞和性能问题，并给出改进建议，帮助开发团队提高代码质量、降低排错成本。4）质量评价、风险管理：AI 在质量工程中的应用还体现在质量管理过程，包括质量数据分析和风险预防。模型可以分析测试结果、代码质量、线上监控和其他相关数据，提供准确和全面的质量评价指标和风险预测。这将帮助质量保证（QA）团队评估和监控整个研发过程的质量，并提前发现潜在的质量风险。再进一步，可以结合一些业界通用的质量维度和评估画像模型，以模型图谱的形式直观地呈现质量风险和薄弱部位。21 5）线上故障检测和预防：AI 可以通过线上运维监控系统监控应用程序的运行情况和各类指标状态，识别异常行为的发生模式，结合原有系统的架构设计、部署设计预测潜在的故障，有助于提前采取措施，防止系统故障。将这类异常发生场景总结为可靠性测试案例，可以提升系统的可靠性，反过来也可以通过累计的故障库去强化模型的故障识别能力。总体而言，AI 在质量工程领域的应用场景丰富，但目前仍处于探索阶段，还需要进一步的研究和实践来完善和提升应用效果。机构 IT 规划建议 机构将 AI 应用于的质量工程领域建议循序渐进，区分上述多种场景，在某一场景下得到良好应用后，再探索应用其它场景，以确保成功地落地这些技术并实现预期的效果：提升产品质量、降低运行风险。1）测试代码和脚本生成的场景应用，比较适合作为先期落地的场景。一方面业界已经有现成的案例和开源工具，近些年也涌现出一些不错的商业化产品。另一方面生成的脚本和代码会经过人工的审核才会应用于测试实践，对生产环境基本无风险。在这个场景中，测试效率会获得比较明显的提升，提升大家对 AI 应用场景落地的信心。2）测试用例生成和补全适合作为第二阶段。AI 在内容生成方面具有优势，用例补全的场景容易落地，但部分情况下，大模型的逻辑推理能力稍显不足，用例编写本身有一定的逻辑性要求，AI 技术生成的用例的覆盖面是否能够满足质量覆盖要求还存疑。AI 结合现有的一些数据结构理论，在测试数据生成方面具有明显的效率优势，也会比较容易落地。22 3）质量评价和风险管理、代码检测分析、线上故障检测和预防适合作为第三阶段的场景落地。一方面机构本身有一定的历史数据和代码积累，有一定的落地基础；另外一方面使用 AI 进行优化提升的效果，还需要一段时间的实践验证，特别是对代码检测发现的问题和识别出来的风险点，需要经过充分的测试和验证。这种场景的落地时间较长，且对机构的日常运营会带来一定的影响，需要谨慎评估。以上 3 个阶段的具体步骤和时间都可能因机构的规模、资源、技术要求和目标而有所不同。需要根据实际情况进行定制，并逐步推进。同时在整个过程中需要充分考虑合规性和数据安全问题。23 趋势四：数据技术的融合创新与业务实现“双向奔赴”趋势简介 对数据的离线和在线处理方式未来会呈现一种融合的趋势。这种趋势将促使数据技术需要能够同时处理在线的事务处理和离线的分析查询，实现一种混合负载的模式。未来，数据可能不再被严格限制于离线的大数据平台，而是被拆分后用于各种数据应用，以数据编织的形式提供数据服务能力。趋势阐述 数字化业务时代，金融机构数据技术的建设重点正逐渐与业务创新、战略目标深度融合。数据领域的技术融合创新的态势主要由以下技术趋势驱动，将同时赋能在线事务处理和离线分析查询两大场景：数据编织（Data Fabric）技术走向成熟。通过对数据的虚拟化和服务化，数据编织可以更好地管理、集成和处理不同数据源的数据，组织成实时、综合的数据视图，快速解决多源、多类型数据的协同问题，方便企业可以更高效、更直接地理解和利用这些数据。流批数据协同。在整合和协调处理实时数据流以及存储的批量数据时，可以通过采用统一的数据处理引擎、编程模型和数据管理层来实现，以帮助用户在处理流式和批量数据时能够更加一致和高效。业务数据服务化。传统的数据平台设计复杂，包含大量中间件和技术栈，需要高昂的成本和复杂的运维。企业迫切需要以更灵活、快速的方式完成数据处理，实现数据快速流动，价值实时变现，这其中需要业务系统一同转变，一方面做好交易管理，一方面做好数据服务。24 HTAP 能力进一步加强。通过在 OLTP 分布式数据库上发展的 HTAP 关键技术，实现一套引擎同时支撑业务系统运行和分析决策场景，避免在传统架构中，在线与离线数据库之间大量的数据交互，为混合负载场景的应用系统开发提供了便利性，大幅提升面向复杂查询场景的处理能力。典型场景 1）实时风控：基于流数据以及批数据的数据技术应用，是实时风控指标数据计算、分析和应对的关键组成部分。要满足实时风控指标计算的要求，通常会采用流式计算引擎、实时数据库、复杂事件处理（CEP）等先进技术。这些技术有助于高效地处理实时数据流和批数据调用，同时确保在低延迟和高可靠性的条件下进行风险计算和决策。2）业务流程协同：应用间、系统间的业务协同必然导致数据的协同。应用开放数据服务可以将业务系统中的数据通过开放的接口和标准进行共享和访问。这有助于在不同系统之间更加灵活地访问和调用数据，实现数据的快速流动。3）交易分析一体化：业务系统既要支持交易数据的产生和管理，也要支持数据在本地的快速查询、分析。满足用户实时分析、实时交易的业务操作连贯性，同时确保数据分析对业务交易 0 干扰。4）去中台化：数据中台大而全，但未必适合所有的企业，数据中台通常是一个更加封闭的数据平台，架构重，其目标是在一个中心化的环境中整合和管理数据。数据编织更注重开放性，通常采用开放标准和建立生态系统，以便更好地支持不同数据源和工具的集成。25 机构 IT 规划建议 1）选型维度：信创是大趋势，根据业务系统/生产应用/资源投入的不同等级，可以为性能设置不同的基准线。2）实施步骤：小步快走、灰度推进。在关键业务系统中按子系统或者模块逐步做验证和技术切换。3）建设规范：从应用建设、技术开发和数据处理、数据管理等多个角度，要充分考虑国家规范、行业规范、企业规范、自定义规范。4）运维管理：硬件监控、系统监控、数据监控、服务监控，要逐步智能化、自动化，从事中、事后逐步转为事前主动发现，主动告警，预防问题的出现。26 安全新态势 27 趋势一：业务连续性风险管理将成为金融科技安全新内容 趋势简介 2023 年 6 月中证协、中基协、中期协正式发布行业网络和信息安全三年提升计划(2023-2025)，推动证券/基金/期货公司加强网络与信息系统安全稳定运行和保障体系和能力建设，防范化解系统性风险，对系统运行保障和全生命周期的安全治理提出了新的要求。行业迫切需要加快软件供应链安全治理工作的落地实施，金融机构信息技术和软件资产的独立自主、安全合规成为了行业中的重中之重。趋势阐述 作为国家关键基础设施，金融机构的网络与信息系统安全稳定运行是金融安全乃至国家网络安全战略中至关重要的一环。随着数字化转型的深入，金融系统的软件资产及其供应链的复杂度也在不断增加，面临着更加复杂的安全威胁和风险，迫切需要加快软件供应链安全治理，防范化解系统性风险。行业近年来也在不断出台相关规范和指导意见，逐步完善软件供应链安全管理工作。2021 年 7 月国务院公布关键信息基础设施安全保护条例，强调了保障关键信息基础设施的供应链安全，才能维护国家安全。2022 年 1 月中国人民银行印发 金融科技发展规划（2022-2025 年），提出了切实保障供应链稳定可靠，构建稳健高效的关键核心技术金融应用供应体系。2023 年 6 月中证协、中基协、中期协分别发布本行业网络和信息安全三年提升计划(2023-2025)，均强调了证券、期货、基金管理公司需要加强软件供应链管理，防范软件供应链风险。同时近年来，金融业积极开展商用密码应用工作，通过与密码产业联合创新，形成 28 了完整且安全可控的金融业商用密码产品服务供给体系，这类关键技术应用也防范了隐性风险和不确定性风险。全链路软件供应链安全治理是实现关键核心技术和基础设施自主可控、安全合规的必要手段。传统软件供应链治理更多聚焦在开源治理方向，仅关注开源软件的安全风险，治理重点则在软件开发阶段的风险发现和移除，对于自研软件资产、商采软件资产在引入、集成、运行等阶段缺乏有效治理措施和手段。只有将软件资产进行全面梳理，构建全维度的软件资产台账，从引入到运行对整个软件生命周期进行综合的风险治理，实现精准实时的风险感知、风险追溯和风险预警，才能为金融机构提供全方位的供应链安全保障，为金融机构技术发展战略、信息安全战略、信创战略的落地保驾护航。全链路的软件供应链安全治理可以帮助金融 IT 厂商和金融机构更好地管理和控制软件的风险，提高软件的可信度和安全性。通过引入软件物料清单（SBOM）对软件资产进行全面管理，而 SBOM 可以借助软件成分分析（SCA）类工具进行自动生成。借助全链路的视图和细化的安全分析，可以实现对整个软件生命周期的全面管理和控制，从而降低潜在的安全风险和威胁。全链路的软件供应链安全治理应重点识别软件资产中所涉及关键数据保护所采用的密码算法，确保密码技术应用的合规性、正确性及有效性。随着全链路安全治理的标准和实践的逐步发展，金融行业将实现建立适合自身的安全治理方案，并有效应对软件供应链安全带来的挑战。典型场景 1）软件供应管理场景 29 软件供应管理职责，是从源头解决存在风险的软件被引入的情况。针对自身引入情况，可以对引入的软件进行全面风险评估，提前识别风险，并制定准用条件，规避风险软件被引入。针对商业采购引入的情况，可要求软件供应商提供软件物料清单（SBOM）和供应商风险评估结论，进而及时和全面了解商业采购软件资产的物料组成及风险情况，并纳入统一管理。供应商风险评估应重点进行技术风险评估，如：技术可控、安全合规等情况。2）软件资产管理场景 依托全链路的软件供应链安全治理体系，软件资产管理人员和技术管理人员，可以从全视角掌握企业内部使用的二方、三方软件/组件及其加解密算法等关键技术的情况，为企业内部的技术规划、架构选型、研发管理提供数据支撑。3）软件研发使用场景 在软件研发使用时，针对软件中使用到的二方、三方软件/组件及其加解密算法等关键技术，可以通过将 SCA 等工具接入 CI/CD 流水线进行自动化风险扫描和卡点，杜绝有风险的软件被集成发布。4）软件风险管理场景 在软件资产被披露出安全漏洞后，安全人员、研发人员、合规人员等角色可以快速地依托全链路的软件供应链安全治理体系，识别出风险软件的影响面，并针对性的高效处置。对于软件供应商来说，可以进一步掌握客户影响情况，及时做到风险预警和应急处置预案。对于金融机构来说可以有效实现安全治理的目标。机构 IT 规划建议 30 机构要实现全链路的软件供应链安全治理的快速落地，首先要明确目标和原则，并依据这些目标原则制定具体的实施方案。在实施过程中，以下四个关键要素需要得到重点关注：1）覆盖全流程：全链路的软件供应链安全治理应覆盖从需求收集、设计、研发、测试、发布、部署到运维的整个软件研发流程。每个环节都应当纳入安全治理的范围，以确保整个软件供应链的安全性和可靠性。2）全面治理：在全链路的软件供应链安全治理中，不仅要关注软件本身的安全性，还需要考虑软件成分的安全性。同时，还需要考虑软件供应商或者开源贡献团队是否可信，以及软件成分和所涉及采用的关键技术（如加解密算法）是否满足合规要求。3）工具链选择：实施全链路的软件供应链安全治理需要借助一系列的工具，可以选择成熟的商业工具，也可以考虑开源工具。在工具选择时，应考虑工具是否能满足全流程覆盖、全面治理、安全可控等需求。4）建立安全管理制度：全链路的软件供应链安全治理应与企业的研发流程相融合，并建立一套完善的风险处理流程及应急响应机制，明确各方的职责与义务。这有助于在遇到安全问题时，迅速采取有效的应对措施，降低潜在的风险和损失。5）人员的培训和管理：全链路的软件供应链安全治理不仅需要技术的支持，还需要人员具备足够的安全意识和技能。因此，定期开展培训是非常必要的，有助于提高员工的安全意识和技能水平，确保软件供应链的安全性和可靠性。31 趋势二：先进替代是信息技术应用创新的核心内涵和要求 趋势简介 信息技术应用创新（简称信创）已进入深水区，金融行业信创需要实现先进替代，金融机构以信创作为切入点，推动新技术和新架构的应用进而完成信创替代，是信创的核心内涵和要求。在这个过程中，行业需要通过软件补全硬件不足、业务逻辑与存储分离、架构重构等诸多方式来解决信创过程中的性能、体验等问题。其中最关键的技术是内存技术。趋势阐述 2023 年 7 月 27 日，习近平在四川考察时强调：以科技创新开辟发展新领域新赛道、塑造发展新动能新优势，是大势所趋，也是高质量发展的迫切要求，必须依靠创新特别是科技创新实现动力变革和动能转换。因此，信创不是简单的国产替代，而是瞄准下一代信息技术与数字经济的创新发展，实现先进替代。尽管长远的目标是实现更先进的替代，但现阶段不管是基础硬件还是软件，从芯片、服务器到操作系统、数据库，信创产品与非信创产品之间还存在明显的差距，特别是在性能和可靠性方面。在这个基础上，怎么实现整体的更快、更稳，需要在软件的技术和架构上创新。众所周知，可靠性是软件系统最关键的要求，而可靠性取决于软件系统依赖所有组件可靠性的乘积，这些依赖的组件可能包括从芯片、操作系统到网络、数据库以及内存、硬盘等所有的设备和基础软件，基本规律是依赖的组件越多，可靠性越差。当基础的组件可靠性小于 1 时，最终软件的可靠性将远小于 1。因此，提高可靠性的关键路径是减少组件依赖，而内存技术就成为关键。引入内存技术，32 减少了对硬盘和数据库的依赖，也减少了对网络的依赖，减少了依赖的组件后，在单机层面的可靠性将有效提升，分布式架构也将进一步通过集群和分片提升整体的可靠性。信创基础组件在性能方面与非信创也存在明显的差距，特别是传统的金融系统软件基于关系型数据库进行搭建，而关系型数据库部署在高性能 PC 服务器、小型机、中型机甚至大型机等服务器上，充分发挥服务器的稳定、高性能优势。在信创环境下，怎么保持性能不落后甚至领先是迫切的要求。那么内存技术、低时延平台成为了金融客户的首选。使用内存技术可以显著加快数据的读写速度，提高系统的响应能力和性能。并且进一步融合 CXL 技术以及其他加速器如 GPU 和FPGA，形成一种强大的高性能数据处理平台，实现更高的数据处理速度和更大规模的数据分析能力。通过使用更大容量的内存和更高效的内存管理技术，可以加快数据的读写速度，提高系统的响应能力和性能。内存技术对我们的系统开发提出了更高的的要求。一方面，我们必须确保业务系统的开发者从繁琐的技术细节中脱离出来，使其专注在业务领域，以达到快速的迭代、业务系统的健壮性。在这个层面，就需要有一套懂业务且和业务高度贴近的高可用的平台。在降低业务开发难度的同时，平台还需要数据的正确性、一致性，确保数据不丢失。低时延开发平台(包括：分布式一致性协议、高吞吐低延迟的通信机制、快速高效的内存资源管理：可以高效进行数据增删改查的内存数据组织形式等)成为开发券商核心业务系统的基石。另外一方面，即便有平台的助力，全内存的业务系统开发对开发者的技能要求也比 DB 模式更高，开发也更容易出错，那么这时候就必须有相应的工具来进一步降低业务开发难度，减少业务系统出错的可能性。在这个层面，一套专业的、适用于金融领域的开发工具，33 就显得尤为重要。借助开发工具强大的表达能力，使用尽可能少的、简单明了的逻辑，来生成复杂的业务逻辑，同时也使得问题更趋向于收敛。此外，先进替代还包括优化软件技术以解决硬件局限性的其他方面。例如，通过软件优化和算法改进，可以提高硬件的效率和利用率，从而实现更好的性能。当然，随着基础设置的完善，性能和可靠性方面信创与非信创拉平甚至赶超后，整体系统的性能和可靠性才能实现全面的先进替代。典型场景 内存交易从专业投资者逐渐向普通散户普及。金融交易系统往往面临大量的并发交易请求，内存数据库的高并发处理能力可以满足这一需求，确保稳定的系统性能和高吞吐量的交易处理能力。另外，交易系统对于低延迟的处理速度要求极高，内存数据库能够提供快速的读写和实时的数据处理能力，帮助金融机构实现快速交易执行。内存风控从事前风控向事中、事后风控延展。内存数据库能够支持实时风险管理，通过快速访问和处理大量的交易数据，帮助金融机构实时监测市场风险、评估交易风险，提高风险控制的能力。内存清算从小数据量（证券）向大数据量（TA、估值）场景铺开。在内存清算中，实时计算非常重要，可以及时处理和结算交易数据，以降低风险和提供即时的决策支持。内存数据库具备出色的并发处理能力，能够同时处理多个交易请求，确保即时清算。在高峰时段，内存数据库能够有效地应对并发请求，保持良好的性能表现。内存数据分析在策略场景逐渐深入。内存数据库能够快速回放和分析历史交 34 易数据，帮助金融机构进行模拟交易、回测策略和优化交易算法，提高交易决策的准确性和效率。机构 IT 规划建议 1）投资内存技术：金融机构应积极投资先进的内存技术，培养和储备内存技术先进人才，掌握内存技术相关的开发、测试、运维相关的技术，探索内存技术使用场景。2）关注内存技术的开发：内存技术的可靠性是生命线。而减少内存开发环节的缺陷是可靠性的有效保障。需要重点关注内存技术开发相关的工具，并建立内存技术的使用规范，进一步通过开发工具封装内存技术的使用规范，屏蔽风险和简化开发，提高内存技术使用的可靠性和提高内存技术的开发效率。3）关注双活（多活）架构：传统的内存有易失性的特点，在内存技术使用的同时，需要通过系统架构实现高可用性，需要关注并研究基于内存技术的双活（多活）技术。在可靠性要求最高的场景下，选择最合适的双活（多活）架构。4）关注内存技术的发展：关注和研究内存技术的发展，比如内存技术的持久化技术、内存压缩技术、内存加速技术以及非易失性内存技术等，积极的推进内存技术的发展和创新。35 架构新未来 36 趋势一：事件消息驱动服务的联合编织成为未来架构的核心趋势 趋势简介 随着数字化时代的到来，企业和组织面临着越来越大的挑战，对业务沟通结构也提出了新的要求。增强的业务信息共享需求包括多样化、快速变化和时效性等，传统的应用程序或服务间的数据沟通结构难以满足。因此，寻找新的系统沟通结构来构建具有解耦、可扩展和可插拔特性的企业数字化系统成为关键。在这样的背景下，事件消息驱动 微服务的联合编织模式崭露头角，并逐渐成为未来架构的核心趋势。趋势阐述 事件驱动将重点放在了业务事件上。它通过捕获和处理公司运转过程中的事件来完成特定的企业内部的数据交换和流转。业务事件可以是各种类型，比如市场数据（如公司行为、财务报告等）、用户操作、传感器数据、状态改变等。触发事件后，系统中相关的服务会根据定义的规则进行处理，实现异步和实时的交互。这种架构风格可以提供更好的松耦合性、可扩展性和弹性，同时也支持消息传递、事件驱动和数据的发布-订阅模式。微服务架构是指将应用程序拆分为一组小型、自治的服务单元，每个微服务都定向完成特定的业务功能，并通过轻量级的通信机制进行交互。通过业务域的重新划分和涉及，解耦了原来单体系统中交织在一起的各个领域，微服务架构使得每个业务域的服务能够独立开发、测试、部署和扩展，带来了更优的灵活性、可伸缩性和可维护性，使应用程序能够更好地适应不断变化的需求。37 但是单纯的微服务 RPC 交互方式，无法满足企业数字化过程中更多系统间交互。一般意义的发布订阅机制，更多是系统/服务间数据交互的一种技术手段。基于以上背景和现状，事件消息驱动架构与微服务结合起来，能够提供更加强大、灵活和可扩展的系统架构。它们相互补充，使得系统能够更好地应对复杂性、实时性和规模需求的挑战。目前，许多系统已经开始采用这种架构，落地了成功的应用案例，并且在未来将继续得到广泛应用和发展。典型场景 1）实时市场数据处理：资产管理业务需要实时监控市场资讯，以便及时调整投资组合来应对可能发生的风险或获取更高收益。事件消息驱动架构可以通过订阅市场数据源，并将数据推送给关心该类信息的业务服务（比如研究、风险分析、内部评级等），实现实时数据处理和决策。2）交易执行和处理：资产管理业务需要执行和处理各种交易，如买入、卖出、调仓等。事件消息驱动架构可以由相应的交易执行系统对各类交易事件的发布，驱动各事件关联方，通过消息发布订阅机制，将交易事件信息传递给交易分析、公平交易稽核、事中合规风控、估值等系统，实现交易事件信息的分发执行和处理。38 3）风险监控和预警：资产管理机构在产品成立时，往往需要将产品相关的信息传递给多个关联服务，如投资组合管理、投资交易、合规风险、估值、TA、CRM等。事件消息驱动架构可以通过运营系统发布产品成立事件、各关联服务订阅产品成立事件，从而实现产品成立信息的实时共享。后续如有新的服务需要获得产品成立事件，自主加入产品成立事件的消息主题订阅列表即可。机构 IT 规划建议 传统的单体应用程序和集中式架构难以适应不断变化的市场需求、规模扩展的要求和快速交付的期望。因此，采用事件消息驱动架构和微服务架构的事件编织成为必要的选择。增强可组合性：事件编织使得服务能够以一种更灵活和可组合的方式进行组织和协作。这样，可以通过重新组合和构建流程，快速地构建新的业务流程或应用。提升复杂业务的可控性：事件编织对于处理复杂的业务流程非常有帮助。通过定义和管理服务之间的交互和顺序，可以确保复杂流程的正确执行，减少错误和故障。支持异步和实时处理：事件编织能够处理和控制异步和事件驱动的任务、消息和事件。这使得系统能够快速响应和处理实时的业务需求，提高系统的性能和用户体验。提高可维护性和扩展性：通过事件编织，系统的不同部分变得松耦合，易于单独开发、测试和维护。由此，在需要增加、替换或修改服务时，可以更容易地进行调整和扩展，不会影响整个系统的稳定性。39 实时性和响应性：事件编织架构实现实时事件处理和响应，使得系统能够更快地响应用户操作、外部事件或环境变化。这对于需要快速响应的业务场景非常重要。由于不同机构业务规模、技术和运维力量等都各有差异，需要各机构根据自身的需要，合理地选择微服务的部署形式。恒生公司基于 JRES 平台的新一代产品，均支持展业机构按需部署：设计上能按业务域做到各微服务解耦，部署上能按需合并多个微服务到一个进程；也能按照容器化方式实现各微服务独立部署、弹性扩展；根据业务量在资源占用上可大可小、硬件要求可轻可重。40 趋势二：Scale-up Scale-out 双轮驱动证券公司核心业务系统 趋势简介 金融业务系统中存在敏态和稳态两种状态，稳态变动少，对稳定性的要求更高，敏态则相反。在核心系统中，Scale-up 即为用软件或硬件方式提升性能，无论是用硬件的手段还是软件的手段；非核心系统中，Scale-out 即为云原生能够容错、试错、快速灰度上线的一些措施，助力开发态、运行态中应用的快速上线。“Scale-up”指的是通过增加单个服务器或计算机的处理能力来扩展系统。这可以通过升级服务器硬件、增加内存、增加处理器核心数等方式来实现。Scale-up 的优势是可以提供更高的性能和处理能力，但成本较高，而且有一定的物理限制。“Scale-out”指的是通过增加服务器节点数来扩展系统。这可以通过在现有系统中增加更多的服务器节点来实现，每个节点负责处理一部分工作负载。Scale-out的优势是可以在较低的成本下提高系统的承载能力，并且具有较好的横向扩展性。通过同时采用 Scale-up 和 Scale-out 的双轮驱动策略，证券公司可以在需要的时候灵活地提高核心业务系统的性能和承载能力。这可以确保系统能够满足不断增长的交易量和用户需求，同时保持高可靠性和可扩展性。趋势阐述 随着证券市场的不断发展和数字化转型，交易量和交易频率不断增加。投资者对实时交易和迅速执行的需求也越来越高。为了应对这些挑战，证券公司需要提升核心业务系统的性能和承载能力，以满足市场需求。另外，计算机硬件和软件技术的不断进步为系统的扩展提供了更多选择和可能性。在硬件方面，处理器的性能不断提高，内存和存储容量也不断增加，这使得单个服务器的处理能力大幅提升。在软件方面，41 分布式计算、云计算和虚拟化等技术的出现，为系统的可扩展性和弹性带来了更多的选择。其次，作为金融服务机构，证券公司的核心业务系统必须具备高可靠性和容错性。如果系统出现故障或负载过高，可能导致交易延迟、数据丢失或业务中断，从而对公司的声誉和客户信任造成严重影响。通过采用Scale-up Scale-out 双轮驱动策略，可以提高系统的可靠性和容错性，确保系统在高负载和故障情况下仍能正常运行。分布式技术允许将系统的工作负载分散到多个服务器节点上并行处理，从而提高系统的性能和可扩展性；内存技术（如高速缓存、内存数据库等）在提高系统性能和响应速度方面起着关键作用。分布式技术和内存技术对于证券公司核心业务系统的性能和扩展能力至关重要。它们可以提高系统的并发处理能力、响应速度和可靠性，满足日益增长的交易量和用户需求。随着技术的不断发展，分布式技术和内存技术将继续演进并提供更多创新，为证券公司的核心业务系统提供更高的效能和竞争优势。典型场景 1）Scale-out 场景 整个集中交易系统可以分为两类场景，一类是以交易、两融、期权为主体的通道业务场景，另外一类是以认证、账户、资金、查询、清算为主体的运营场景。运营场景中，重点是提高运营系统的迭代速度，逐步实现公司级的运营底座。Scale-out 即云原生的核心目标是提升系统的迭代速度、实现业务 724 小时等，所以更侧重于关注运营系统场景。云原生系统不仅仅是要引入云原生相关的技术，更要实现微服务之间的松耦合（解耦）。只有在解耦的基础上，才能实现微服务的独立迭代升级，提高迭代速度，也能降低微服务之间运行的影响，更好地实现业务 724 小 42 时。再进一步，通过解耦还能实现系统的组件化支持，进一步提高不同部位的竞争力。微服务的难点是微服务划分粒度、接口的制定以及接口的管控等。微服务划分粒度应该以康威定律为指导，将开发团队与业务系统对应起来，一般每个开发团队人数不超过 10 个人。接口是微服务的边界，需要保持一定的稳定性。接口的制定要以系统之间松耦合为目标，系统之间的接口数量应尽量少，并且减少频繁变更。接口制定需要首先规定好每个微服务的核心职责，围绕核心职责提供相应的接口，同时关注接口的抽象。同时，接口变更需要严格的管控，需要有专门的接口管控工具或者平台，需要做好接口的内外部审核。接口的变化需要做好向下兼容。2）Scale-up 场景 全内存柜台：通过内存技术，将所有交易相关的数据存储在内存中，而不是传统的基于磁盘的存储系统。这样，交易数据可以以更快的速度读取和写入，大大提高了系统的响应速度。投资者下单或修改订单时，系统可以立即处理并执行，减少了订单处理和交易执行的延迟时间。全内存交易技术还使得券商可以更好地处理大规模并发请求。传统基于磁盘存储的系统可能无法及时处理大量并发的交易请求，导致延迟和瓶颈。使用全内存交易技术后，系统可以快速处理众多交易请求，满足高频交易的需求。机构 IT 规划建议 1）做好企业架构：证券公司应该以公司战略为目标，规划企业级别的业务架构和企业级别的技术架构，逐步实现企业架构的落地。企业架构的规划和建设应该具有全局的视角，在建设上根据轻重缓急规划好建设路径。集中交易系统的建设应该纳入企业架构的整体规划中，而不是单独作为一个独立 43 的系统存在。集中交易沉淀了大部分的客户资源与员工资源，应该将集中交易运营相关的部分规划为公司级系统，成为公司级的运营系统，实现整个公司运营体系的统一。2）Scale-out：在企业业务架构和技术架构的基础上，选择敏捷要求比较高的模块进行 Scale-out 试点。同时积累 Scale-out 即云原生相关的技术和能力，逐步建立云原生开发与运维体系。3）Scale-up:使用内存技术可以显著提升稳态业务的稳定性和性能要求。使用内存数据库作为交易数据的存储和管理系统。内存数据库具有高速读写和查询能力，可以实现实时数据更新和查询，大大提高交易数据的响应速度和吞吐量。44 趋势三：标准化、智能化加速运维数智化进程 趋势简介 企业现有 IT 系统面临着来自不同系统和基础设施的异构性和复杂性，对 IT 治理带来了巨大挑战。为确保 IT 资源和系统能够有效地支持业务目标，构建统一的运维平台是企业 IT 治理核心关键。通过提供统一的监控、管理和运维工具，协调各个环节之间的工作，保证系统持续稳定运行，及时解决故障，迅速减少潜在风险。趋势阐述 金融业务模式持续创新和发展，业务系统的复杂性和多样性也随之增长。同时，面对越来越严格的监管要求，如何保证业务连续性对运维形成巨大的挑战。面对大量异构系统，如何能够实时监控和评估业务系统的运行状态，如何能够在业务出现异常时快速发现与定位、及时止损与解决；面对不断变化的业务和更新的技术，如何引入新的技术和能力保证运维质量；这些问题都缺乏有效的工具和方法论支撑。大部分客户在不同运维问题上都使用专用运维工具，相互割裂无法串联，运维过程中在多个工具中不停切换，运维数据逐渐沉淀在各个工具中形成数据孤岛，具备较高价值但暂时没有得到合理的利用。同时面对有限的资源和预算，如何进一步优化资产管理，减少不必要的开支，提升资产使用效率，也是对运维提出的新课题。这些需求驱动运维系统从数据标准化与数据治理开始，不断地集成、融合更多的技术与组件，构建起一个连贯、高效的智能化平台，通过数据治理、数据建模、关联分析、数据挖掘、智能分析、处置串联等方式，实时综合呈现业务运行状 45 态，自动分析判断系统异常、实现自主决策处理，并伴随业务的发展不断扩展和更新。运维技术不断发展，有以下主要趋势：1）运维对象关联建模：构建数据管理平台，将各种运维对象（比如服务器、网络设备、应用程序等）的数据进行关联和建模，以便更好地理解它们之间的关系、相互影响以及运行状态。这通常需要对 IT 资产对象全局架构、分层分类，并借助 CMDB 配置管理数据、动态链路请求关系、生产消费者关联等数据快速构建关系模型。2）数据标准化与治理：随着运维的不断发展，各种运维工具采集的数据越来越多，但是各工具采集的数据具有各自独立的格式，没有统一标准。未来，智能运维将更深入地融合与分析多种数据来源，如日志、指标、事件、配置等，建立统一的数据格式标准，并在各种数据间建立融合基础元数据（数据标注与注释），将各类数据标准采集、存储并有效串联，实现对各类数据全面、持续的收集与分析。3）异常检测和自动诊断：通过对历史数据的分析和对实时数据的监控，对系统的工作状态进行决策树诊断、AI 智能模型分析，自动检测潜在的故障和异常。对于已经发生的故障，借助机器学习和知识图谱等技术实现自动诊断，并给出相应的解决建议，甚至可以自动完成故障修复操作。4）智能预测决策与处置：利用深度学习和时间序列分析等技术对系统性能指标、应用行为、资源使用等方面进行预测，为运维团队提前发现潜在问题提供支持。同时，结合业务场景和运维策略，自动为运维团队提供合理的决策建议与自动处置。未来通过智能生成技术，自动组建原子操作并编排生成新操作流程自动恢复故障。46 5）自我学习和训练：为运维系统赋予自我学习和优化的能力，根据系统实际运行状况和运维团队的反馈，不断完善运维知识和策略。这将有助于提高系统的预测和分析能力，同时减少人工干预和维护成本。随着大语言模型与 AIGC 技术的不断成熟，可基于大语言模型构建运维领域专有模型，并将海量的历史运维数据通过格式化、清洗与标注，注入到分析模型，通过不断训练与调优以得到最优的运维分析模型，从而形成有效的可落地路径实现上述功能。典型场景 随着企业数字化转型的不断深入，云原生微服务化已经逐渐进入成熟阶段，微服务业务的部署与运维成为重点需要解决的难题，业务实施从 Day0 到 Day2 均需要有平台化、智能化的运维工具支撑。首先是大量服务的资源规划、部署与调度。由于服务数量急剧膨胀，传统的人工分配与调度已经不能胜任，需要平台能够依照统一标准快速地部署与升级业务系统，并依照服务的运维负载情况和总体计算资源池的使用情况，智能决策服务运行资源、合理调度，并指导部署服务动态的扩缩容以满足业务的连续性与容量要求。同时也需要提前预测业务峰值以及资源容量，以便尽早发现资源瓶颈并早做规划与准备，应对业务洪峰。在业务运行期，为保障业务连续性，需要快速发现基础资源、中间件以及业务系统问题，通过平台对多维观测数据进行实时采集、清洗与预警，并通过数据标记与数据串联，实现告警收敛，快速发现问题根源。基于大语言模型的分析算法，对运维平台内所有相关性数据聚合分析与诊断，发现问题根因，基于根因给出解 47 决方案指导用户恢复系统，并在长期人工辅助介入后，生产智能处置流程自动处理问题并恢复业务运行。机构 IT 规划建议 随着运维平台化、智能化的不断发展，外部机构需要转换运维建设思路，打破部门、业务产品的隔离墙，站在公司级视角统一思考，构建公司级的统一运维 PaaS平台。部门、业务产品等按照 PaaS 平台租户的概念申请使用，统一管理，从而构建全局视野的物理资源管理视图、业务运维管理视图、业务运营管理视图；同时可以有效地制定企业级运维标准与数据治理标准，以统一的运维方案运维不同厂商提供的业务系统，同时又能从全局的维度规划与优化资源成本，掌握业务的运行状态，做出有效的 IT 决策。企业级的基础设施管理平台，将所有计算资源统一管理与池化，以标准化的规格与接口对外提供服务，供企业内部组织使用。通过动态分配与调度策略提升资源的使用率与可用性。同时也为业务提供统一标准的物理资源供给，所有接入业务系统需满足接入标准；并在平台准确高效地维护运维对象关系模型。企业级业务运维标准建设，基于企业运维 PaaS 平台，构建统一的运维标准，所有厂商业务产品接入需要满足统一的接入标准方可接入上线。对于自带运维解决方案的产品与厂商，其运维系统需要开放从资源规划到线上运维全生命周期的所有运维接口，通过运维能力插件化的方式接入到统一运维 PaaS 平台中以后，方可通过自带运维产品统一运维。运维数据采集与数据治理标准化，对各业务系统运维过程中产生的运维数据，需要统一格式或经过清洗转换后接入到企业级运维 PaaS 平台中，以支撑统一的 48 运维分析与决策。构建智能运维平台，建立智能运维平台，整合先进的人工智能和大数据技术，以提高运维效率和可靠性。集成大语言模型和自动化工具，以处理自然语言文本、日志数据和监控数据，实现自动化故障诊断和解决方案建议。持续的学习与演化，从根本上减轻运维成本与负担，并帮助企业管理者做出经营、管理、成本决策。持续改进和反馈，智能运维是一个不断演进的领域，机构需要建立持续改进的文化。定期评估智能运维系统的表现，收集用户反馈，根据实际情况调整策略和工具。49 版权声明 本白皮书版权属于恒生电子股份有限公司所有并受法律保护，未经恒生电子股份有限公司书面许可，任何单位或个人不得转载、摘编或利用其它方式对本白皮书进行商业使用。如有违反，恒生电子股份有限公司将依法追究相关法律责任。同时，恒生电子股份有限公司确保不存在任何侵犯他人知识产权的情形，如有侵权纠纷，恒生电子股份有限公司负责处理与承担，与联合发布单位无关。

0人已浏览 2023-12-05 50页 5星级

金融业图数据库建设发展调研报告金融电子化杂志社有限责任公司2023年6月版权声明本报告版权属于 金融电子化 杂志社有限责任公司（以下简称：金融电子化 杂志社），并受法律保护。转载、摘编或利用其他方式使用本调研报告中的文字、图表、观点，应注明“来源：金融电子化杂志社”。未经金融电子化杂志社的书面许可，任何单位或个人不得断章取义、增删、曲解本报告内容。违反上述声明者，金融电子化杂志社将保留追究其法律责任的权利。本报告所涉及的数据来源于业内数据采样，采用深度访问、抽样调查相结合的统计方法。由于统计方法本身的局限性，报告数据与市场真实情况可能存在统计误差。金融电子化杂志社对其独立研究或与其他机构共同合作的所有研究数据、研究技术方法、研究模型、研究结论及衍生服务产品拥有全部知识产权。本报告及衍生产品最终解释权归金融电子化杂志社所有。前言随着数字经济的高速发展，以图数据库、图计算、图学习为代表的图技术迎来了蓬勃发展的黄金时期，新技术在赋能数字经济的同时也带来了应用实践上的全新挑战。作为算力和数据存储的载体，图数据库技术能够实现底层数据的互联互通，充分挖掘数据内在关联，最大化释放数据资产价值，已成为金融业数字化转型的重要基础设施。国家相关部门高度重视，先后出台多项政策，推动图技术在金融行业的应用。中国人民银行金融科技发展规划（20222025 年）明确指出：运用联合建模、图计算、数据可视化、数字孪生等技术手段，对海量多样化多维度数据资源进行价值挖掘和关联分析，建立面向用户、面向场景的大数据知识图谱和综合分析能力。因此，金融机构对激活数据要素和数智转型越发关注，图数据库凭借深挖数据价值、创新数据应用、释放数据潜能的关键能力，成为金融机构高效治理、利用数据资产实现业务升级的主要选项。为更好地了解我国金融业图数据库技术的应用现状及需求，发现行业共性问题，宣传成功经验，我们组织了针对金融业图数据库建设发展的调研工作，从建设背景、建设现状与挑战、趋势与展望等维度，对近百家金融机构进行了深入细致地调研，也获得了各方面的大力支持和积极参与。通过对调研数据科学的研究与分析，编撰出版了金融业图数据库建设发展调研报告，希望可以为金融行业的相关从业者和研究者提供有价值的参考和借鉴，有效推动金融业务创新和发展。编制委员会（010）82186848（010）82186849北京市西城区金融大街 37 号百盛大厦北楼 5 层 539 室100032电话地址邮编金融电子化杂志社有限责任公司业务策划中心主任 副主任成员 美术编辑潘润红 杨文艳 张学峰李明富魏斌郑艺 张芹贡献单位中国银联中国农业银行交通银行中信银行华夏银行广发银行上海浦东发展银行浙商银行建信金融科技有限责任公司北京银行秦皇岛银行阜新银行辽宁振兴银行吉林亿联银行江苏银行厦门国际银行青岛银行郑州银行汉口银行湖南银行广州银行重庆银行成都银行中国工商银行中国银行中国邮政储蓄银行中国光大银行中国民生银行平安银行渤海银行成方金融科技有限公司兴业数字金融服务（上海）股份有限公司河北银行晋商银行大连银行吉林银行上海银行杭州银行齐鲁银行中原银行湖北银行武汉众邦银行长沙银行广东华兴银行四川银行四川新网银行贵阳银行青海银行河北省农村信用社联合社长春农村商业银行浙江农村商业联合银行江西省农村信用社联合社青岛农村商业银行湖北省农村信用社联合社湖南省农村信用社联合社广州农村商业银行深圳农村商业银行广西壮族自治区农村信用社联合社四川省农村信用社联合社贵州省农村信用社联合社青海省农村信用社联合社中国人寿保险股份有限公司中国银河证券股份有限公司西安银行北京农村商业银行辽宁省农村信用社联合社江苏省农村信用社联合社宁波鄞州农村商业银行山东省农村信用社联合社河南省农村信用社联合社武汉农村商业银行广东省农村信用社联合社广东顺德农村商业银行东莞农村商业银行重庆农村商业银行成都农村商业银行甘肃省农村信用社联合社中国人民财产保险股份有限公司阳光财产保险股份有限公司浙江创邻科技有限公司目录观点摘要第一章调研背景与方法一、调研背景二、调研内容三、调研对象及方法第二章图数据库建设洞察一、图数据库知识介绍1.图数据库概念2.图数据库技术的发展历史3图数据库的优势4图数据库的分类二、加快图数据库建设的驱动因素1国家政策支持推进建设进程2激活数据要素是行业的共性需求3图数据库成为解决业务痛点的重要手段三、图数据库市场现状与生态1全球市场现状2图数据库生态213第三章我国金融业图数据库建设现状一、被调研机构样本统计二、金融业图数据库整体表现1图数据库建设发展不均衡2图数据库应用场景多元发展三、金融业图数据库选型关注重点1性能表现成为金融机构关注焦点2安全可控是金融机构的重要考虑因素3业务支撑能力是普遍关注点4简单易运维受行业青睐5用户普遍关注企业在行业的应用能力四、金融业图数据库建设难点1人才紧缺、业务场景价值有待验证是建设的主要瓶颈2亟待建立与推广图数据库行业标准第四章金融业图数据库建设与应用趋势一、金融业图数据库建设整体路径1自研应用 外采图数据库成为首要建设路径2业务发展是驱动金融机构图数据库应用的主要动力二、金融业图数据库建设方向1打破数据孤岛，打造企业级图数据库平台2图数据库应用场景向多元化、实时化发展3图数据建设与应用规模增速迅猛三、金融业期待与展望1大规模图数据实时分析需求增加，推动图技术向 Graph3.0 时代升级2与 ML、DL 等人工智能技术结合，实现可解释的 AI3关注时序数据分析，实现业务动态化分析32427292932323236383838393940424446464849第五章图数据库未来发展建议一、底层技术自主可控成为关键竞争力二、人才是打通图数据库金融行业应用的关键三、存储、计算、分析一体化的图平台或成主流第六章金融业图数据库实践案例案例 1农业银行图数据库建设历程案例 2交通银行全栈式知识图谱平台及应用建设案例 3民生银行知识图谱建设与应用案例 4图数据库建设发展思考与实践案例 5基于图数据库的金融知识图谱典型应用案例 6图数据应用建设探索与实践案例 7基于知识图谱的智能风控平台实施案例案例 8图计算在中原银行反欺诈领域的探索应用案例 9阳光财险非车新一代产品工厂参考文献5252525355555962656771747781831金融业图数据库建设发展调研报告观点摘要数字经济创造发展机遇，国家政策支持图数据库建设随着通信技术和大数据的快速发展，金融行业所具有的数据资产体量剧增，数据之间的关联关系也变得更加复杂交错。图数据库作为深入挖掘数据信息的有力工具，受到全行业的广泛关注。在国家将高性能计算技术提升到国家战略高度的大背景下，图数据库建设迎来了发展的黄金时代。2021 年 11 月，工信部发布“十四五”软件和信息技术服务业发展规划，在“关键基础软件补短板”专栏中，明确指出“突破全内存高速数据引擎、高可靠数据存储引擎、分布式数据处理与任务调度架构、大规模并行图数据处理等关键技术，推动高性能数据库在金融、电信、能源等重点行业关键业务系统应用。”图数据库在金融行业获得长足发展，但总体建设进度不一作为创新技术，虽然图数据库技术尚在技术采用周期的早期阶段，但在我国数字化程度领先的金融行业，已获得长足发展。本次被调研的 100 家机构中，79 家金融机构返回了有效问卷，超过半数的机构已在使用图数据库，仅有 2.5%的机构表示没听说过图数据库技术。图数据库的使用受到机构规模和区域环境的双重影响，呈现出建设进度不一的特征。其中，国有大型商业银行发挥领跑优势，对图数据库的认知、投入、建设规模均处于行业领先阶段，被调研的 6 家国有大型商业银行中，83.3%已进入图数据库的使用阶段，10 家股份制银行均已进入图数据库的使用阶段，6 家其他金融机构中，66.7%已进入使用阶段；32 家城商行中，50%正在使用图数据库；25 家农信社、农商行中，72.0%的机构未听说过图数据库，或听说但未使用过图数据库。长三角、珠三角地区的图数据库使用程度最高，超过半数的机构已使用一种及以上图数据库。金融业图数据库建设发展调研报告2金融机构图数据库建设规模增速快、技术应用差异化程度高图数据库能够实现底层数据的互联互通，充分挖掘数据要素的业务价值，已成为金融机构在数字化转型中的关键选择，被越来越多的金融机构所认知并采用。统计截至 2022 年末金融机构图数据库建设现状发现，已使用图数据库的 41 家机构技术应用差异化程度高：图数据量从 100GB 到超过 10TB，58.5%的金融机构达 TB 量级，17.1%超过 10TB；图规模从百万点边到超过百亿点边，主流在 1 亿-10 亿点边规模（36.6%），14.6%达 10 亿-100 亿点边规模，9.8%的机构建设规模达 100 亿以上；图服务器节点数量 2-3 个占比39.0%；4-10 个占比 31.7%，12.2%的机构部署了超过 30 个节点。统计被调研机构的 2023 年图数据库建设规划发现，图数据库市场增速快：规划中，31.7%机构的图数据规模达 10TB 以上，同比增长 85.7%；主流依然为 1 亿-10 亿点边规模（39.0%），24.4%达 10 亿-100 亿点边规模，同比增长 66.7%，17.1%达 100 亿以上点边规模，同比增长75.0%；图服务器节点数量 2-3 个占比 22.0%，同比降低 50.0%，4-10 个占比 36.6%，同比增长15.4%，14.6%的机构计划部署超过 30 个节点，同比增长 20.0%。这是由于一方面金融机构业务量的迅速增长导致数据量激增，对大数据的关联存储查询性能提出了更高需求；另一方面，金融机构的数字化转型压力在不断增加，发挥数据资产价值的需求更加强烈，促进了以图技术为驱动的业务应用创新。大数据查询性能与自主可控是金融机构选型的首要关注点随着数据规模急剧增长，存储处理的数据类型、数据维度多样化、复杂化，图数据库技术有助于在即时查询，并发操作，关联关系等方面大幅赋能业务数据潜在价值的释放。金融业对于图数据库产品的技术价值关注度主要聚焦于存储、查询、分析能力上，87.8%的被调研机构将图数据库的大数据处理性能看作最重要的考量指标。此外，随着政治环境的不断变化、金融机构对安全、自主可控提出了更高的要求。48%的被调研机构将产品闭源、代码安全性保障、能够规避知识产权风险或是否“100%自主可控”列为重要考量因素。50%以上被调研机构均认为“100%自主可控”是重要考量指标，其中 40%国有大型商业银行将其作为首要关注的指标。60%的被调研机构明确表示会选择自主可控的图数据库，其中所有被调研的股份制银行均表示必须为自主可控的图数据库。3金融业图数据库建设发展调研报告金融机构图场景建设方向明确，企业级图平台为首要建设目标金融机构在规划未来建设方向时，对于整合全行数据资源，打通各部门“数据孤岛”，实现统一的数据管理、关联挖掘、业务洞察表现出了极高的迫切性。在图技术场景建设方面，被调研机构更聚焦传统数据库不能有效支持的创新应用，超 90%的被调研机构规划建设企业关系图谱库、实时交易反欺诈应用、反洗钱应用。超过 60%的被调研机构有零售营销图谱及数据血缘场景的建设计划。虽然当前图技术主要由创新应用场景引入，但金融机构也明确表示希望形成跨单一场景的平台能力。调研结果显示，在有计划部署图数据库的 49家金融机构中，企业级图数据库平台成为首要规划建设的场景，80%的机构表示有相关建设计划。商业图数据库优势明显，单一供应商成为主流选择图数据库及其应用市场正处于快速发展迭代的过程中，市场内相关厂商较多，商业图数据库产品在性能表现、核心代码安全、综合运维管理成本，以及成熟的服务团队等方面都具有显著优势。相对于从 0 到 1 进行图数据库自研，或是基于开源图数据库自行搭建系统，金融机构更倾向于底层图数据库外采、上层应用自研的建设思路。在 49 家计划部署图数据库的金融机构中，仅有 5 家机构表示会以自研为主，近 90%的机构表示会选择与商业图数据库厂商合作，其中 73.0%表示会选择单一商业图数据库供应商，以降低管理与运维复杂度。打通应用“最后一公里”，成为图数据库技术发展的关键点在计划部署图数据库的 49 家被调研机构中，图数据库厂商的实际落地案例成为金融机构的首要考量因素，95.9%的被调研机构均表示更倾向于与已有金融机构合作案例的图数据库厂商开展合作，股份制银行则尤其看重大型银行的合作案例。此外，83.6%的被调研机构表示会关注厂商是否具备完善的实施和售后支持。图技术专业人才的稀缺已经成为制约金融行业图数据库应用的重要因素，78.5%的金融机构表示缺乏相关的技术专业人才。国有大型商业银行作为图数据库的深度用户，对业务、技术，以及技术业务结合的复合型人才均表现出了极高的需求。因此，被调研机构均表示期待有更多机会参与图数据库相关活动以获得技术指导，尤其对业务场景的具体解决方案的支持交流有着强烈需求，希望通过技术交流打通图技术应用“最后一公里”。金融业图数据库建设发展调研报告4第一章调研背景与方法一、调研背景当前，金融业积累的数据呈指数级增长，新的数据源层出不穷，且数据丰富程度增加，数据间的关联性增多，传统的对小量、单维度、静态化数据的分析已无法满足金融业数字化转型发展的需求。传统的关系型数据库无法满足高效、可扩展、复杂数据管理和分析的需求，存在数据处理效率低、分析应用效果弱的问题。图技术以“点”“边”为数据结构直观简洁地描述业务实体之间的复杂关联关系，以复杂关联关系的存储、查询、计算性能优化为第一设计原则，能够高效地挖掘多源异构数据间潜在的内在关联、最大化释放数据资产价值，提升金融机构对客户的全局洞察力，激发金融机构的业务创新能力。面对挑战和新的发展机遇，金融机构逐步落地图数据库应用，打造数据互联网络效应，实现金融科技创新，赋能业务发展。为深入了解我国金融机构图数据库技术应用现状及发展趋势，开展本次调研。二、调研内容本次调研工作主要围绕金融机构在图数据库领域的布局、应用规模、典型业务场景，以及在实际运用遇到的问题和未来发展规划等信息进行采集分析，力求客观反映当前国内金融机构图数据库的建设、应用和发展情况。三、调研对象及方法参与调研的金融机构包括：国有大型商业银行（简称国有大行）、全国性股份制商业银行（简称股份制银行）、城市商业银行（简称城商行）、农信社（农商行）及其他金融机构（银联、证第一章调研背景与方法5券和保险机构）。调研采用定量与定性结合的方法。定量方面，通过向100家金融机构发出份问卷，收到有效问卷 79 份，涵盖了长三角、珠三角、京津冀、中部、西部、东北等六大区域的金融机构。定性方面，与 13 家金融机构专家进行交流，详细调研了各家图数据库的应用现状。金融业图数据库建设发展调研报告6第二章图数据库建设洞察一、图数据库知识介绍“图”是以图论（Graph Theory）为理论基础、以点（实体）和边（关系）为核心逻辑、描述现实世界中个体和个体之间复杂关系的数据结构，对现实世界的内在关系具有简洁、直观的表达能力。图技术泛指一切研究事物和事物之间的关系，描述、刻画、分析和计算事物之间关系的技术，用于从图结构数据中挖掘出有价值的知识或规律来指导业务决策，如风险评估、事件溯源、因果推理和影响分析等。图技术可大致分为三大类：一是处理图数据存储查询的图数据库技术；二是对图数据进行分析和计算的图计算技术；三是对图数据进行可视化展示的图可视化技术。实际应用中，三者的能力呈现融合趋势。图数据库是以点、边为基础存储单元、以高效存储、查询图结构数据为第一设计原理的数据管理系统。图数据库非常善于处理海量关联数据，对于揭示数据之间的内在联系具有很大的性能优势。1.图数据库概念图的概念对于图数据库的理解至关重要。图（Graph）源于数学中的图论，是一组顶点和边的集合，“顶点”表示实体，“边”表示实体间的关系。图描述的是现实世界中一组对象以及这些对象之间存在的一组关联关系。图数据库是使用图结构存储数据、实现图语义查询的数据库管理系统，它通过“顶点”“边”和它们的“属性”来表示并存储数据。不同于传统数据库，数据间的关系以表与表之间的外键的形式隐形、间接存在，针对关系的查询必须在运行时进行具体化操作，在图数据库中，数据间的关系和数据本身同样重要，它们被作为数据的一部分显性存储，关系上可添加方向以及属性对其进一步描述。这样的存储设计使图数据库能够直观、快速地响应复杂关联关系以及关系特征的查询，是存储、查询、分析高度互联数据的最佳技术方案。2.图数据库技术的发展历史以属性图为核心数据模型的现代图数据库从诞生到大规模应用大致分为三个发展阶段（见图1）。第二章图数据库建设洞察7Graph 1.0：单机原生图数据库2002-2010 年，以 Neo4j 为代表的支持事务性的原生图数据库的发布，标志着图数据库技术的诞生。原生图数据库采用“免索引邻接”的设计，让图遍历的性能仅与被查询的顶点关联到的局部数据量相关，而不会像传统数据库那样随全局数据体量的增加而降低，实现了关联查询效率的极大提升。这个阶段的图数据库扩展性差，受限于单机的存储计算资源瓶颈，应用主要集中在知识图谱、股权图谱、数据血缘等小型静态数据的分析场景。Graph 2.0：分布式非原生图数据库2010-2015 年，随着大数据时代的到来，企业收集的数据的丰富程度与体量急速增长。图数据库应用开始从静态参考数据扩展到基于行为的核心交易数据，如资金流向、信贷申请、消费及生产关系上。此时，系统的横向扩展性成为行业刚需，是否支持大规模数据的分布式存储成为人们关注的重点。以 JanusGraph、ArangoDB 等为代表的分布式图数据库不断涌现，这些数据库底层基于分布式的开源 NoSQL 存储，实现了图数据的分布式存储和加工，一定程度上解决了单机图数据库在大数据量下的性能和扩展性问题。由于底层基于分布式的 NoSQL 存储，Graph 2.0 时代的图数据库产品的横向扩展性有长足提升。但由于底层的键值数据库、列式数据库等在内核设计上并不以“关系”的表达和处理作为优化重点，图遍历的查询性能较 Graph1.0 时代的原生图数据库有较大差距，无法满足大数据实时更新、查询、计算的需求，这个时代的图数据库技术多应用于大数据的离线分析场景。Graph 3.0：原生分布式图数据库2016 年开始，随着市场认知度的加强，图数据库技术的技术成熟度不断发展，应用场景也数据来源：金融电子化杂志社，2023 年 3 月图 1图数据库技术发展的三个阶段金融业图数据库建设发展调研报告8不断被拓宽、升级到了基于行为、事件、物联网大数据的实时处理、分析场景。为满足大数据量级下的查询返回效率，在快速变化的商业环境下提供实时的商业智能，诞生了以 Galaxybase、Tigergraph 为代表的原生分布式图数据库，有效解决了大图数据深链查询效率和系统横向扩展性的双重需求。同 Graph 2.0 时代的产品相比，第三代图数据库不再依赖其他 NoSQL 分布式存储系统，直接控制了底层的数据存储与分布式数据通讯机制，实现了分布式的原生图存储，因而大幅提升了大图数据的查询、处理性能。此外，由于图遍历的随机游走特性，大图数据的复杂查询任务往往涉及对不可以预测的数据量的分布式处理，查询优化需要复杂算法支撑，Graph 3.0 时代的图数据库同时增加了分布式并行计算的能力，以支撑实时图分析需求。大规模原生图存储、分布式并行计算能力正逐渐成为图数据库行业的主流。3.图数据库的优势相比传统的关系型数据库，图数据库有诸多优势：更直观、灵活的模型图数据模型直接还原业务场景，相比传统数据模型更直观、灵活，能够很好应对数据关系动态变化的场景，提升产品与研发的沟通效率，降低数据模型运营、变更成本。更简洁的查询语言图数据库的查询语言在关联查询中更简洁，以通用的 Cypher 图查询语言为例，复杂关联查询的代码量比 SQL 大幅降低，提升应用系统开发效率。更高效的关联查询图数据库在处理关联性强的数据及天然的图问题场景时具有强大的关联查询性能优势。传统关系型数据库在进行关联查询时需要做昂贵的表连接（Table JOIN）操作，涉及大量的 I/O 操作及内存消耗，性能存在很大瓶颈。而图数据库专门针对关联查询进行优化，通过数据存储模式的重构，防止局部数据的查询引发的全局数据遍历，可以数万倍提升关联查询的效率。4.图数据库的分类图结构数据由具备多种属性的“点”“边”构成，且“点”“边”间存在关联复杂，图结构数据往往呈现出复杂性、多样性和动态性的特征。图数据库的核心操作单元是图遍历，即通过不同的“边”关系查找给定“点”的多跳、不同属性的邻居点。这是所有图查询与图计算的原子操作，它的效率决定了图数据库的整体性能。“免索引邻接”(Index-free Adjacency)是一种数据组织形式，它能保证一个点和与它直接相邻的边被存储在一起，无需依赖其他索引类的数据结构即可通过图中的任意给定点直接访问它所第二章图数据库建设洞察9有的相邻边，让找到相邻点的时间成为一个不依赖整体数据量的常量开销。可以说图数据库的技术关键便是在于通过“免索引邻接”实现图查询效率的指数提升。根据实现免索引邻接的程度及方式不同，相应的图数据库的查询速度和数据的读写性能也会出现巨大的差距。因此，依据不同图数据库在内核设计上是否实现了免索引邻接，以及在什么层面上实现的免索引邻接，可以将图数据库分为三类（见图 2）。完全非原生。这种结构未实现免索引邻接，它在数据层使用关系型数据库、键值数据库、文档或者其他多模数据库作为存储，在处理层通过多表链接及字段索引实现关联关系的查询，仅在业务层以图的方式进行呈现。该存储架构面对数据量小、关联跳数少、表关系简单、静态的场景也能良好支撑，但在数据量大、关系复杂的场景下查询效率会急速下降，还会带来大量表的大量全局索引的维护工作，对数据关系动态变化的场景运维成本很高，正在被主流图数据库市场淘汰。（见图 2）非原生存储。该内核设计方式在数据层使用 Key-value 等非原生的存储结构，在处理层近似实现免索引邻接。由于存储层并没有完整的图语义支持，这种架构会导致图查询和计算时，存在存储层与处理层之间从非图模型到图模型转换的额外开销，产生性能损耗。在查询的点边数量较小，关联关系链路不深的场景中，非原生数据库性能尚可，但是当点边数量大，查询链路深，则需要数据来源：金融电子化杂志社，2023 年 3 月图 2图数据库的分类金融业图数据库建设发展调研报告10面对性能下降。此外，在处理层近似实现免索引邻接的过程受限于底层第三方存储系统的实现机制，还会导致查询性能稳定性、数据一致性差等问题。（见图 2）原生图存储。原生图存储不依赖第三方关系型或 NoSQL 的存储系统，直接在存储层实现免索引邻接，实现复杂图数据遍历的极致性能。在原生图数据库上实现的图处理层，保持了存储与处理层的数据模型的一致性，降低了不同数据模型之间转换的处理成本，能够更好地实现存储与运算系统的无缝联动，降低非原生架构下不同系统间的黑盒沟通成本，最优化图处理性能。（见图 2）二、加快图数据库建设的驱动因素 1.国家政策支持推进建设进程当前，高性能图计算技术已经上升到国家战略高度。国家陆续出台多重政策，从技术前沿性和市场价值出发，指引图数据库的加速发展。近年来，国家大力支持信息技术应用创新产业，鼓励图数据库处理技术研发和产品应用。2021 年 11 月，工信部发布的“十四五”软件和信息技术服务业发展规划，在“关键基础软件补短板”专栏中明确指出需要：“突破全内存高速数据引擎、高可靠数据存储引擎、分布式数据处理与任务调度架构、大规模并行图数据处理等关键技术。推动高性能数据库在金融、电信、能源等重点行业关键业务系统应用。”相关政策强有力地激发国内企业对于图数据库这项新兴技术的投资和研发，并不断激发各个行业、领域开展对图数据库技术的应用探索。2.激活数据要素是行业的共性需求习近平总书记指出：“充分发挥海量数据和丰富应用场景优势，促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。”数据作为新型生产要素，是数字经济时代区别农业、工业时代的关键特征。自党的十九届四中全会首次将数据列为生产要素以来，政府陆续出台“十四五”数字经济发展规划关于加快建设全国统一大市场的意见要素市场化配置综合改革试点总体方案、“数据二十条”等一系列顶层设计和落地举措，着力破解数据要素有序流通的体制机制障碍。中国人民银行金融科技发展规划（2022-2025 年）中强调，充分释放数据要素潜能，需要深刻认识数据要素重要价值，制定企业级数据规划和发展战略，深化数据综合应用。并且明确提出“运用联合建模、图计算、数据可视化、数字孪生等技术手段，对海量多样化多维度数据资源进行价值挖掘和关联分析，建立面向用户、面向场景的大数据知识图谱和综合分析能力，发挥数据和技术双轮驱动作用”。第二章图数据库建设洞察11随着信息时代的快速发展，金融机构内部完成了海量数据的沉淀，大规模数字化的客户互动和业务进程的背后会产生海量数据，要求企业对于海量数据的管理、关联、挖掘进行更加深入的探索，实现经营策略从“经验判断”向“数据说话”，组织发展从“产能驱动”向“数据驱动”的转变。图数据库作为数据时代的重要基础软件之一，能够通过数据关联关系挖掘，全面连接数据要素，激活数据资产价值，赋能金融机构数据应用从“能用、会用”向“好用、爱用”转变，打造数据驱动的全局运营决策能力，帮助金融机构实现数据资源的资产化、价值化。3.图数据库成为解决业务痛点的重要手段随着新一代互联网技术的发展，金融机构朝着更全面、深入、便捷的智能化方向发展，内部业务模式日趋线上化、平台化、实时化、场景化。而数字化运营背后，风险防控、智能营销的全新挑战随之而来。金融风控领域，一方面，金融机构内部传统风控手段出现效率低、精度差、成本高等问题，难以应对互联网技术下风险加速传播和交叉感染的难题；另一方面，犯罪分子在信息技术的加持下日趋职业化、集团化，作案手段多样化，难以直观定位。因此当前金融风险呈现出规模化、隐蔽性、快速性、动态变化的特征。而在营销场景，金融行业随互联网经济获得的流量红利逐渐见顶，竞争加剧，正逐步转向对已有客户深度运营阶段。传统客户管理系统中客户渠道多、维度少，产品同质化严重，很难做到客户的精准营销，实现差异化运营，客户黏性低、流失率高；并且金融机构线上线下对客渠道割裂，导致内部数据打通难，时间、人力、经济成本较高。因此，金融机构亟需抓住数字化、网络化、智能化融合发展的机遇，全面推进数字化转型，推动数字技术从“支撑使能”向“价值赋能”变革，为数字经济发展提供强劲的金融支持。中国人民银行 金融科技发展规划（2022-2025年）中将激活数字化运营新动能定为关键任务，提出“构建集成数据整合、提纯加工、建模分析、质量管控、可视化交互等功能的综合型数据中台，打造科技赋能，数据驱动、业务联动的企业级数据服务能力中枢”。图数据库，一种基于图论的新型数据管理及分析计算系统，擅长对海量、复杂、多变的数据进行深度、实时分析和计算，已成为金融机构在互联网时代的业务创新发展的核心引擎。基于图数据库，金融机构能够高效整合交易、客户、风险、运营等数据以及第三方数据，打造立体化的多维 KYC 完整视图，构建全行一张图，实现全客户、全渠道、全流程、全场景的数据智能融通，增强客户跨业务、跨产品、跨时间的风险识别及动机识别能力，并针对不同场景的不同客户定制化营销策略，助力客户全生命周期的精准营销，真正做到打通业务条线壁垒、解构业务逻辑、沉金融业图数据库建设发展调研报告12淀通用业务能力，赋能金融机构业务能力实现质的飞跃。三、图数据库市场现状与生态1全球市场现状当数字经济、产业数字化转型进入深化发展阶段时，数据作为产业发展的核心资产，被赋予新的角色和使命。企业更为关注数据资产的利用，图技术在处理复杂关联数据上的性能优势决定其在未来数据资产价值变现的场景有广阔的市场空间。Gartner 在2022 年图数据库管理系统市场指南中预估，“到 2025 年，包括图数据库管理系统（DBMSs）在内的图技术市场将增长到 32 亿美元，年复合增长率为 28.1%”。并预测，“到2025 年，图技术将用于 80%的数据和分析创新，高于 2021 年的 10%，促进企业快速决策”。在数据体量日益膨胀和数据间关联关系日益复杂的今天，越来越多的企业和研究机构都开始关注图数据库的应用。数据库门户网站 DB-Engines 数据显示，20132022 年图数据库的热度增长远远高于其他类型数据库（见图 3）。当前，基于图数据库技术日益增长的普及与使用，各国竞相布局图数据库赛道，全球图数据库市场已形成初步规模。中国的图数据库市场在政策和市场需求的共同推动下，正处于快速发展的起步阶段，市场中充满机遇和竞争（见图 4）。数据来源：DB-E，2022 年 12 月图 3各类数据库近十年来热度变化第二章图数据库建设洞察132图数据库生态2019 年末，国内图数据库市场加速发展，各类图数据库厂商在市场中亮相，图数据库迅速在各领域展开应用。现阶段商业图数据库厂商大致可分为三类：一是公有云厂商基于自身业务需求及技术架构开发的数据库产品，并逐步由内部能力提供向外部赋能，典型代表厂商为 AWS、腾讯云、阿里云、百度等，它们占据了图数据库公有云的主流市场；二是新兴的商业图数据库创业公司，其图数据库产品最大特点是高性能与更贴近客户需求的服务能力，典型代表厂商为创邻科技、TigerGraph等；三是传统数据库厂商、应用开发商关注到图数据库的发展趋势，为了弥补自身产品矩阵在图数据库方面的短板而打造的产品。这类厂商分布在图技术产业链的不同上下游位置，共同推动图技术的发展与应用（见图 5）。数据来源：赛迪顾问，2023 年 4 月图 42020-2022 年中国图数据库市场规模及增长数据来源：CB Insights 中国，2022 年 12 月图 5图技术产业生态金融业图数据库建设发展调研报告14第三章我国金融业图数据库建设现状一、被调研机构样本统计本次调研，我们共发出 100 份问卷，收集有效问卷 79 份。从机构类型来看，包括 6 家国有大型商业银行、10 家全国性股份制商业银行、32 家城市商业银行、25 家农信社（农商行）以及6 家其他金融机构。从分布地域来看，57 家城商行、农信社（农商行）按地域划分，1 家银行来自北部湾城市群、7 家来自成渝城市群、7 家来自东三省、5 家来自京津冀、3 家来自兰西城市群、2 家来自黔中城市群、9 家来自长江中游城市群、6 家来自长三角、9 家来自中原城市群、8 家来自珠三角。（见图 6-1、6-2）。二、金融业图数据库整体表现1.图数据库建设发展不均衡调研数据显示，图数据库技术在金融行业已经开始进入大众市场的视野。被调研的金融机构中，仅 2.5%未听说过图数据库的概念。数据来源：金融电子化杂志社，2023 年 3 月图 6-1调研对象机构类型样本描述数据来源：金融电子化杂志社，2023 年 3 月图 6-2调研对象分布地域样本描述第三章我国金融业图数据库建设现状15当前，金融机构对于图数据库的认知存在两极分化现象。对图数据库技术本身的不了解及其场景落地价值的不清晰，成为制约金融机构引入图数据库产品的主要障碍。对图数据库的使用进程主要集中在听说过但未使用过（20.3%），和已使用过一种以上的（51.9%），处于已了解、尚在探索或规划阶段（13.9%）（见图 7）。数据来源：金融电子化杂志社，2023 年 3 月图 7金融机构图数据库使用现状数据来源：金融电子化杂志社，2023 年 3 月图 8各类金融机构图数据库使用现状对比金融业图数据库建设发展调研报告16其中，中小型金融机构对图数据库的认知更多处于初期阶段。68.0%的农信社（农商行）、37.5%的城商行尚在接触概念、探索价值，使用率尚未超过 50%，仅 5 家采购了商业图数据库。相比之下，国有大行、股份制银行则均对图数据技术有了深入了解，除一家机构仍处于 POC 测试阶段外，其他被调研机构均表已使用过一种及以上的图数据库，其中 66.7%的国有大行、40.0%的股份制银行已立项或采购了商业图数据库（见图 8）。在对 30 家尚未使用图数据库且无采购计划的金融机构的调研发现，近 1/2 的被调研机构表示未使用图数据库产品的主要原因是对于图数据库技术（43.3%）及其业务价值（36.7%）不了解。近 1/3 的用户认为是尚未碰到技术痛点，1/4 的用户认为是缺乏合适的解决方案及技术支撑能力。由此可见图数据库技术的市场普及推广仍然不足（见图 9）。在已经使用图数据库的 41 家金融机构中，图数据库建设进程在不同规模的金融机构间也存在较大差距。国有大行、股份制银行等对图数据库技术的整体投入及应用规模更大，充分体现了大行的技术领跑优势。调研数据显示，60%的国有大行的图数据规模超过 10TB，图规模超过 100 亿点边。40%的国有大行图数据库部署规模达到 30 节点以上。50%的股份制银行的应用则多在 1TB-10TB 数据、数据来源：金融电子化杂志社，2023 年 3 月图 9金融机构未应用图数据库技术的原因第三章我国金融业图数据库建设现状171 亿-100 亿点边图规模上，部署节点数也多在 4-10 节点的中型集群规模。城商行与农信社则更多集中在 2-3 节点，千万到亿级别的图规模应用。投资力度上，大行更倾向于投入 128 核之上的大算力服务器。（见图 10）。数据来源：金融电子化杂志社，2023 年 3 月图 10-1不同类型金融机构图数据库建设规模现状对比：存储规模数据来源：金融电子化杂志社，2023 年 3 月图 10-2不同类型金融机构图数据库建设规模现状对比：图点边数量金融业图数据库建设发展调研报告18数据来源：金融电子化杂志社，2023 年 3 月图 10-3不同类型金融机构图数据库建设规模现状对比：服务器节点数量数据来源：金融电子化杂志社，2023 年 3 月图 10-4不同类型金融机构图数据库建设规模现状对比：服务器核数第三章我国金融业图数据库建设现状192.图数据库应用场景多元发展被调研的 41 家已部署图数据库的机构中，分别有 85.4%、73.2%、70.7%的机构在对公、内部管理以及零售三类业务场景中应用了图数据库（见图 11）。数据来源：金融电子化杂志社，2023 年 3 月图 11金融机构三大类场景中图数据库的应用率数据来源：金融电子化杂志社，2023 年 3 月图 12不同类型金融机构三大类场景中的图数据库应用率金融业图数据库建设发展调研报告20在零售业务中，申请反欺诈和交易反欺诈是主要应用场景，但整体图数据库应用普及率不及对公业务（见图 13-2）。在内部监管业务中，近半数被调研机构已将图数据库应用于反洗钱场景，合规与审计是仅次之的应用场景（见图 13-3）。不同机构间典型场景的应用情况也呈现出不同的分布特点。对公业务中（见图 14-1），不同机构间呈现出明显的梯度差异。除保险和证券机构外，图数据库在企业关联关系图谱相关场景（股权穿透图谱、担保互保圈挖掘、集团客户管理、资金流向）中应用率高，国有大行 100%覆盖；在产业链图谱、投研图谱场景中，各金融机构普遍应用率低。此外，对公业务中图数据库在营销场景的应用率整体远低于风险场景。在国家政策大力推广的小微信贷业务中，图数据库的应用率也低于传统对公业务，未来的市场发展空间较大。在零售业务中（见图 14-2），不同类型机构应用情况差异较大。国有大行在个人信贷反欺诈总体上，国有大型商业银行在图技术应用上全面领跑其他金融机构，银行机构更多将图数据库应用于对公场景，保险和证券机构则更加专注于内部监管等相关场景（见图 12）。在对公业务中，企业关系图谱是主要的应用场景，其中，股权穿透、担保互保圈挖掘为代表应用，超过 60%的被调研机构表示已经落地相关应用（见图 13-1）。数据来源：金融电子化杂志社，2023 年 3 月图 13-1对公业务中各场景的图数据库应用率第三章我国金融业图数据库建设现状21数据来源：金融电子化杂志社，2023 年 3 月图 13-2零售业务中各场景的图数据库应用率数据来源：金融电子化杂志社，2023 年 3 月图 13-3内部监管各场景的图数据库应用率金融业图数据库建设发展调研报告22场景下的应用率达到 100%，远超其他类型机构的场景应用率。相较之下，股份制银行更多投入在信用卡相关场景（申请反欺诈、精准营销、反套现）。农信社（农商行）则在反诈骗、反赌博场景方面投入高于国有大行、股份制银行及城商行。值得一提的是，被调研的股份制银行及农信数据来源：金融电子化杂志社，2023 年 3 月图 14-1对公业务：不同类型金融机构各场景图数据库应用率对比数据来源：金融电子化杂志社，2023 年 3 月图 14-2零售业务：不同类型金融机构各场景图数据库应用率对比第三章我国金融业图数据库建设现状23社（农商行）都未应用图数据库技术刻画零售客户 360 图谱，此场景或为零售业务图数据库应用的一个增长点。对公及零售业务中，国有大行、股份制银行的图数据库应用率更广。内部监管业务中（见图14-3），农信社（农商行）的图数据库应用率更高。审计及反洗钱场景中，农信社（农商行）应用率超过国有大行、股份制银行及城商行。对保险和证券机构而言，图数据库则主要应用于内部监管相关场景。反洗钱、智能问答、合规内控等场景应用率达到 50%。数据血缘、主数据管理、智能运维等提升银行 IT 部门自身运营、管理效率的场景，虽然当前整体应用率较低，但未来的市场增长空间大。三、金融业图数据库选型关注重点选择图数据库产品时需要从性能、安全可控性、业务支撑度、简单易用性等多个维度分析图数据库产品间的核心差异，应综合考虑图数据库大数据量下的查询性能、大规模部署下的稳定性、代码安全性、是否自主可控、是否具有解决方案能力、能够支撑业务逻辑的定制化开发、技术运维工具是否完备完善等多个方面。我们将这些技术要素按照性能、业务支撑度、安全可控、简单易运维四个维度进行分类（见表 1）。针对 49 份已立项、正在 POC、已使用图数据库的被调研机构有效问卷的排序，统计各类要数据来源：金融电子化杂志社，2023 年 3 月图 14-3内部监管：不同类型金融机构各场景图数据库应用率对比金融业图数据库建设发展调研报告24素被选择的数量占比、被选择的顺序在首位的占比、被选择的顺序在前三位的占比，得出四大维度在金融机构评价体系中的重要程度（见图 15）。1.性能表现成为金融机构关注焦点随着数据规模急剧增长，存储处理的数据类型、数据维度多样化、复杂化，金融机构首要关注的是图数据库的大数据处理性能。87.8%的被调研机构认为性能表现是重要的产品技术价值，性能大数据量下的查询性能，随业务增长性能的稳定性支持原生分布式架构，便于大规模部署，保障业务的连续性业务支撑度图数据库供应商是否拥有解决方案提供能力图分析功能是否丰富对业务部门是否简单易用应用生态是否完善，与多少解决方案商已完成适配安全可控是否闭源，代码安全性能否保障、知识产权风险能否规避是否 100%自主可控简单易运维是否具备丰富的开发接口是否具备完备的培训体系是否具备完备的售后服务体系对技术部门是否简单易运维表 1图数据库技术评估因素及其分类数据来源：金融电子化杂志社，2023 年 3 月图 15四个图数据库评估维度在金融机构采购决策中的重要性统计第三章我国金融业图数据库建设现状25其中 35.7%的机构将大数据量下的查询性能或是否支持原生分布式架构的性能相关指标重要程度排在首位。80.0%的被调研机构将大数据下的查询性能或是否支持原生分布式架构的性能相关指标重要度放在所有指标的前三位。大数据量下的查询性能随着金融机构存储、处理的数据量（点数）增大，数据间的复杂关联关系（边数）将呈指数级增长，这对图数据库存储、处理大数据的能力提出了很高的要求。91.8%的机构认为图数据库在大数据量下的查询性能是重要指标，其中 68.9%将其看作首要关注指标。国有大行、股份制银行、保险及证券机构对于性能的关注度更高，100%的被调研机构认为大数据查询性能重要，但只有半数机构将其重要性排在第一；股份制银行、城商行及农信社（农商行）并不都认为该指标重要，认为该指标重要的机构更多将其排在了相对更重要的位置，超 70%的机构将其排在了首位（见图 16）。数据来源：金融电子化杂志社，2023 年 3 月图 16不同金融机构对大数据量下查询性能的重要性评估是否支持原生分布式架构原生分布式架构能够保证图数据库的横向扩展力与分布式的查询性能。75.6%的被调研机构将其放在所有技术价值指标的前三位。金融业图数据库建设发展调研报告26与大数据的查询性能相似，在被调研的国有大行、股份制银行、保险及证券机构中，100%认为原生分布式架构重要，但极少机构将其作为首要考虑因素（见图 17）。数据来源：金融电子化杂志社，2023 年 3 月图 17不同类型金融机构对原生分布式架构的重要性评估数据来源：金融电子化杂志社，2023 年 3 月图 18不同类型金融机构对安全可控的重要性评估第三章我国金融业图数据库建设现状27相比其他类型的银行，国有大行更看重图数据库产品其他方面的能力，尤其是安全性。2.安全可控是金融机构的重要考虑因素数据库技术的安全可控主要包含闭源和自主可控两方面的因素。48%的被调研机构考虑安全可控的相关因素，30.2%将其放在了所有因素的前三位。尽管超过 60%的被调研机构认为“业务支撑度”“简单易运维”重要，但将这些因素排在前三位的比例非常低。不同类型机构中，国有大行普遍对于安全可控的关注度更高，75%的国有大行认为该因素重要；更多的农信社（农商行）、保险证券机构将其作为首要考虑因素。（见图 18）开源产品相比闭源产品有更高的知识产权风险、易受攻击的安全隐患，存在卡脖子的风险。开源社区项目的数据统计显示，没有大厂持续投入的开源项目商业服务持续性与稳定性不佳，造成产品的总体使用成本更高。统计发现，近 40%的被调研机构认为闭源为重要因素（见图19），其中，50%的保险、证券机构将其重要性排在所有考虑因素的前三。（见图 20）。数据来源：金融电子化杂志社，2023 年 3 月图 19图数据库在安全可控维度下的性能比较自主可控体现在两个方面，一是产品的知识产权及核心代码的开发人员都属于中国企业，二是企业的实控人及资本结构为内资。50%以上的金融机构认为自主可控重要，83.3%的国有大行、70.0%的股份制银行将自主可控作为重要考虑因素。在认为自主可控重要的机构中，40.0%的国金融业图数据库建设发展调研报告28数据来源：金融电子化杂志社，2023 年 3 月图 20不同类型金融机构对安全可控的评估对比数据来源：金融电子化杂志社，2023 年 3 月图 21不同类型金融机构对是否 100%自主可控的重要性评估对比第三章我国金融业图数据库建设现状29有大行将其列为首要考虑因素，80.0%将其排在了前三位。3.业务支撑能力是普遍关注点对于图数据库厂商对业务的支撑能力，金融机构同样表现出了较高的关注度。68.4%的被调研机构认为业务支撑能力十分重要，20.6%的被调研机构将其列在所有技术因素的前三位，84.4%的农信社（农商行）最关注业务支撑能力（见图 22）。数据来源：金融电子化杂志社，2023 年 3 月图 22不同类型金融机构对业务支撑能力的重要性评估对比图数据库的业务支撑能力主要体现在以下四方面：图数据库的供应商是否有解决方案供应能力；图数据库是否具备丰富的图分析功能；对业务人员是否简单易用；应用生态是否完善。关注图数据库厂商业务支持能力的机构中，83.7%的金融机构关注图数据库是否具备丰富的图分析能力，43.9%将其排在了所有考虑因素的前三位。值得关注的是，67.3%的金融机构期望图数据库供应商具备提供完整解决方案的能力（见图23）。这些需求意味着，不同于传统关系型数据库市场，图数据库产品需要在数据存储、查询能力之外，建设更完备的数据分析能力及方案支撑能力。4.简单易运维受行业青睐图数据库作为一种新兴技术，学习门槛高、市场人才少，因此，各类金融机构普遍对图数据库的便捷运维性提出了要求。64.8%的被调研机构认为简单易运维的相关特点是选择图数据库的重要考量因素。16.9%的被调研机构将该类别的相关因素排在了所有因素的前三位。金融业图数据库建设发展调研报告3075.0%的国有大行、71.9%的农信社（农商行）、67.5%的城商行和 57.5%的股份制银行关注简单易运维（见图 24）。图数据库的易运维程度取决于产品开发接口的丰富程度、培训体系与售后服务体系的完备程度等。这其中，是否具备丰富的开发接口成为最重要的考虑因素。因为金融机构业务复杂多样，数据来源：金融电子化杂志社，2023 年 3 月图 23业务支撑能力各技术要素重要性评估对比数据来源：金融电子化杂志社，2023 年 3 月图 24不同类型金融机构对简单易运维的重要性评估第三章我国金融业图数据库建设现状31丰富的开发接口能够帮助金融机构简易地实现业务的深度定制化开发。51.4%的金融机构将其排在重要性前三位（见图 25），少数城商行甚至将其评为最重要的因素（见图 26）。数据来源：金融电子化杂志社，2023 年 3 月图 25简单易运维各技术要素重要性评估对比数据来源：金融电子化杂志社，2023 年 3 月图 26不同类型金融机构对丰富开发接口要素的重要性评估金融业图数据库建设发展调研报告325.用户普遍关注企业在行业的应用能力图数据库技术正处在从小众市场逐步进入大众市场。不同于早期用户看重产品的技术性能，大众市场的用户更看重产品的行业实践案例。因此，除了产品的技术能力，图数据库厂商的商业化案例也成为影响金融机构决策的关键因素。对于图数据库厂商而言，丰富的落地案例意味着拥有成熟的产品和稳定的系统。调研结果显示，95.9%的被调研机构表示希望厂商有金融机构合作案例，其中 81.6%看重是否有国有大行的案例（见图 27）。国有大行具有丰富的业务场景、复杂的技术架构、数据及业务处理要求高，能很好地促进图数据库厂商产品迭代。除保险、证券机构外，各银行机构普遍看重和有国有大行案例。100%被调研的股份制银行将其作为重要考虑因素（见图 28）。四、金融业图数据库建设难点1.人才紧缺、业务场景价值有待验证是建设的主要瓶颈由于图数据库属于新兴领域，学习门槛高，应用难度大，亟需专业的图技术复合型人才。图技术专业人才的稀缺已经成为制约图数据库金融行业应用的重要因素，78.5%的被调研机构表示缺乏相关的专业技术人才。已经使用了图数据库的金融机构更明显，高达 87.8%的机构认为专业数据来源：金融电子化杂志社，2023 年 3 月图 27金融机构对图数据库企业在行业的应用能力要求第三章我国金融业图数据库建设现状33数据来源：金融电子化杂志社，2023 年 3 月图 28不同类型金融机构对企业在行业的应用能力要求对比人才的缺乏是重要痛点。人才的缺乏间接导致了图数据库业务价值难以发挥，缺乏相关专业人才意味着图技术在实际应用过程中，金融机构缺乏系统的知识体系，不知道哪里用、怎么用。即使是已使用图数据库的金融机构，依然有 24.4%的被调研机构表示图数据库在其业务场景下的价值有待验证，19.5%的被调研机构表示他们缺乏成功的架构和方案（见图 29）。数据来源：金融电子化杂志社，2023 年 3 月图 29金融机构应用图数据库的主要难点金融业图数据库建设发展调研报告34围绕不同金融机构的人才需求情况，100%的国有大行、保险和证券机构均表示缺乏相关人才（见图 30）。按技术人才的类型划分，金融行业最缺乏的是技术业务结合的复合型人才（见图 31）。数据来源：金融电子化杂志社，2023 年 3 月图 30不同类型金融机构对图技术人才的需求对比数据来源：金融电子化杂志社，2023 年 3 月图 31金融机构对各类图数据库人才的需求对比第三章我国金融业图数据库建设现状35数据来源：金融电子化杂志社，2023 年 3 月图 33-1被调研机构的人才现状及招聘计划国有大行作为图数据库技术的深度用户，对业务、技术，以及复合型人才均需求较高，农信社（农商行）等机构相对缺乏图数据库的运维人才（见图 32）。不同类型的金融机构在图数据库人才梯队建设上也存在明显差异。图数据库应用更成熟的国有大行人才建设更加完善，股份制银行的人才需求最为迫切（见图 33-1）。79 家被调研机构中，66.7%的国有大行、50%的股份制银行与保险证券公司均表示已经招聘了相关人才。56.3%城商数据来源：金融电子化杂志社，2023 年 3 月图 32不同类型金融机构对各类图数据库人才的需求对比金融业图数据库建设发展调研报告36行、80%的农信社（农商行）无人才招聘计划，原因是该群体对图数据库技术理解、应用程度不高。已经部署了图数据库的城商行与农信社（农商行）的人才建设需求显著高于未部署的同类机构，但整体的人才建设水平依然不及全国性银行（见图 33-2）。数据来源：金融电子化杂志社，2023 年 3 月图 33-2已部署图数据库的金融机构的人才现状及招聘计划2.亟待建立与推广图数据库行业标准当前，图数据库技术正在快速发展，但仍处于早期发展阶段，缺乏行业标准和业内共识。缺失国家、行业、团体标准，制约了图数据库的应用以及商业化落地进程，不利于图数据库行业的发展。调研结果显示，金融机构迫切需要相关部门制订图数据库行业标准，60.8%的被调研机构建议制订国家标准，79.7%的被调研机构希望加快制订行业标准（见图 34）。由于金融机构对于信通院测试、LDBC 测试等国内、国际图数据库测评标准了解不足，只有不足 50%的被调研机构表示在图数据库选型过程中会考虑厂商是否通过相关测试（见图 35）。LDBC 测试作为当前业界权威的衡量图数据库管理系统性能的测评标准，为图数据库产品测评提供了一个标准、全面的比较评判机制。LDBC 是由高校、研究所、企业联合组成的非营利组织，其中企业成员包括 Intel、Oracle、Neo4j、创邻科技等国内外知名图数据库厂商，致力于推进行业的规范标准化。SNB 是 LDBC 主导的基准测评之一，虽然采用的是社交网络数据，但模拟了真实业务场景下读写混合的任务形态，全面测试了简单交互式查询，复杂交互式查询，实时更新等第三章我国金融业图数据库建设现状37数据来源：金融电子化杂志社，2023 年 3 月图 34金融机构对制定相关标准的建议数据来源：金融电子化杂志社，2023 年 3 月图 35金融机构对现有标准的认知情况图数据库操作的性能，其中复杂交互式查询考验了图数据库对多个不同查询难点（特定通用子图结构）的查询性能，相较简单的多跳查询更贴近真实的业务查询逻辑。此外，信通院依据大数据图计算平台技术要求与测试方法，开展图计算平台产品基础能力评测工作，全方位覆盖图计算平台的基本功能、兼容能力、管理能力、高可用和扩展性等能力，在 LDBC 的数据库性能测评之外，较好地完善了图计算、图分析系统的测评标准。金融业图数据库建设发展调研报告38第四章 金融业图数据库建设与应用趋势一、金融业图数据库建设整体路径1.自研应用 外采图数据库成为首要建设路径图数据库及其应用市场正处于快速发展和迭代过程，与开闭源产品相比，商业图数据库产品在性能表现、代码安全、综合运维管理成本以及成熟的服务团队等方面都具有显著优势。相对于从0到1进行图数据库自研，或是基于开源图数据库自行搭建系统，金融机构更倾向于图应用自研、图数据库与外部厂商合作的建设思路。在 49 家计划使用图数据库的被调研机构中，45 家反馈了明确的建设思路，仅有 5 家机构表示图数据库及其上层应用以自研为主，40 家（89%）被调研机构表示会选择与图数据库厂商合作，其中，1 家表示希望以“联合研发”的方式；32 家（80%）被调研机构表示会选择单一商业图数据库供应商，以降低全行管理与运维复杂度；仅7家（17.5%）机构会选择与多家图数据库厂商合作，各场景独立运维（见图 36）。数据来源：金融电子化杂志社，2023 年 3 月图 36金融机构图数据库建设及应用思路第四章金融业图数据库建设与应用趋势39不同于底层图数据库，69%的被调研机构表达了上层图应用自研的倾向。图应用非自研的14 家机构中，78.6%的被调研机构倾向于将图数据库及其上层应用全部外包给单一商业数据库提供商，21.4%希望选择多家外部厂商赛马制分别建设。2.业务发展是驱动金融机构图数据库应用的主要动力相比传统关系型数据库，图数据库更贴近业务应用与业务逻辑，因为它的应用意在高效挖掘多源异构数据间潜藏的内在关联、提升以客户为中心的洞察与运营能力，能够降成本、控风险、优体验、增效益。因而，业务发展成为图数据库技术应用的主要驱动（见图 37）。41 家已部署图数据库的金融机构中，85.4%的机构表示采购决策的依据是希望落地图的创新应用，58.5%的机构采购图数据库由业务解决方案引入。此外，随着金融机构数据量的急速增长以及关联关系挖掘需求增长，传统数据库逐渐表现出在关联关系处理上的性能劣势，61.0%的被调研机构表示采购图数据库是由于现有场景中传统方案出现了性能瓶颈。二、金融业图数据库建设方向围绕金融机构规划部署图数据库的主要场景，针对 49 家计划使用图数据库的金融机构 2023数据来源：金融电子化杂志社，2023 年 3 月图 37金融机构应用图数据库原因金融业图数据库建设发展调研报告40年的建设规划进行调研，数据显示，企业级图数据库平台、企业关联关系图谱、实时交易反欺诈成为前三的主流场景，占比均达到 79.6%（见图 38）。相较于 2022 金融机构图数据库建设的场景，呈现出数据跨域融通、集中管理，更关注动态实时数据分析利用的特征，可见图数据库技术应用正迈向以“大规模数据实时分析”为特征的 Graph 3.0 时代。1.打破数据孤岛，打造企业级图数据库平台金融机构内部业务系统多元，且业务间相对独立，数据存在多、散、杂的特点，得不到很好的收集应用。业务人员需要在大量不同业务系统中寻找、清洗、整合、分析数据，技术人员需要耗费大量的人力和时间对接、运维、管理、监控不同业务系统及其后台数据库系统，数据应用及管理效率低。79.6%的被调研机构优先规划建设企业级图数据库平台，所有国有大行与股份制银行表示计划建设行级图平台，以图数据库技术作为技术底座，打通各部门核心数据，实现统一管理，赋能行内多数业务场景效能升级（见图 39）。从业务侧数据应用出发，统一的行级图平台能对行内外跨部门、跨产品、跨业务线中的数据联合建模、整合融通，做到对客户数据的全局分析，支撑多元化业务。从数据资产管理的角度，行级图平台既能够避免各业务部门重复技术选型与投入、解决跨产品间数据难寻找、难融合、全局分析耗时长、难满足实时智能决策支撑等问题。从信息管理成本出发，行级图平台能够解决 IT 部门运维管理不同图数据库产品难度高、成本大，基于不同产品间存在的不同图查询语言、差异化的图模型、不同的图查询计算接口做应用数据来源：金融电子化杂志社，2023 年 3 月图 38金融行业 2023 图数据库业务场景建设规划 TOP5第四章金融业图数据库建设与应用趋势41开发成本高、运维迭代难等问题。行级图平台的建设能够高效满足金融机构对数据资产的统一管理，实现数据之间的关联关系的深度挖掘和可视化呈现，解决传统金融机构中数据利用低效、数据转换中间过程长、实时决策数据来源：金融电子化杂志社，2023 年 3 月图 39各金融机构计划建设行级图平台的占比数据来源：金融电子化杂志社，2023 年 3 月图 40金融机构图数据库业务场景应用 2022 现状与 2023 规划对比金融业图数据库建设发展调研报告42难等一系列问题，全面提升金融机构的数据治理能力、营销服务能力、风险管控能力等，支撑全行“用好数，好用数”。2.图技术应用场景向多元化、实时化发展2023 年金融机构图技术的场景应用规划调研结果显示，金融机构高度关注对公业务、零售业务以及内部监管三类场景，2023 年应用规划中分别占比 89.8%、93.9%、87.8%，对比 2022 年建设现状，图数据库应用在零售场景中增长最快（见图 40）。依据图应用特征，我们将调研的图应用场景按Graph 1.0、Graph 2.0、Graph 3.0进行分类（见表 2）。Graph 1.0 时代的图应用特征是数据量小、关系相对静态，如知识图谱、企业关系图谱等。Graph 2.0 时代的图应用特征是数据体量增大、但分析的时效性要求低，如反洗钱、智能推荐等。Graph3.0 时代的图应用则侧重大数据、关系动态变化、实时分析计算响应要求高的场景，如实时申请反欺诈、智能运维等。针对 2022 年建设现状分析，已有 41 家机构应用图数据库，其中 37 家机构应用 Graph1.0静态关系图谱相关场景，占比 90.2%；28 家机构应用 Graph2.0，占比 68.3%；27 家机构应用 Graph3.0，占比 65.9%。分析 2023 年的建设规划，将有 49 家机构应用图数据库，其中，有 48 家机构有规划建设 Graph 1.0 类的应用，占比 98.0%,同比增长 8.5%；42 家机构有规划建设 Graph 2.0，占比 85.7%，同比增长 25.5%；48 家机构有规划建设 Graph3.0 类的应用，占比Graph1.0Graph2.0Graph 3.0零售KYC：零售客户 360 图谱信用卡反套现信用卡申请反欺诈智能问答反诈骗反赌博实时交易反欺诈信用卡精准营销智能推荐系统个人业务营销潜在 VIP 客户分析失联修复对公企业关联关系图谱（担保圈识别、股权穿透、集团客户管理等）投研图谱对公业务营销对公信贷审核产业链图谱内部监管审计反洗钱网络安全主数据管理外汇违规违法监管智能运维/CMDB合规内控数据血缘表 2图数据库场景第四章金融业图数据库建设与应用趋势43数据来源：金融电子化杂志社，2023 年 3 月图 42不同类型金融机构各类图应用场景 2022 现状与 2023 规划增量对比98.0%，同比增长 48.8%，金融机构的图应用在向动态构图、实时计算的场景发展（见图 41）。分析各类图应用在不同类型的金融机构中普及率的变化（见图 42）发现，在图技术应用相数据来源：金融电子化杂志社，2023 年 3 月图 41金融机构各类图应用场景 2022 现状与 2023 规划对比金融业图数据库建设发展调研报告44对成熟的国有大行及股份制银行中，各类图应用普及率略有提升。在图应用相对迟缓的城商行、农信社（农商行）、保险与证券机构中，各类图应用普及率同比增长巨大，尤其是 Graph 3.0 类场景的相关应用，最高达到同比 300%增长。3.图数据库建设与应用规模增速迅猛据 IDC 估算，2025 年全球数据总量将达到 175ZB。目前，中国金融业数据仓库已经陆续超过数百 PB 的数据量，金融机构对算力的需求也随之迈入到快速增长的阶段。对 41 家已经使用图数据库的金融机构 2023 年图数据库的建设规划调研发现，图数据库建设在图数据规模、图的点边数量、服务器节点数量等各维度均呈显著快速提升趋势。在图应用数据规模方面，78.0%的金融机构规划建成 TB 量级图数据库，相较 2022 年的整1 节点2-3 节点4-10 节点11-30 节点30 节点服务器节点数量2022 建设情况4161335(9.8%)(39.0%)(31.7%)(7.3%)(12.2%)2023 建设规划291586(4.9%)(22.0%)(26.6%)(19.5%)(14.6%)同比变化-50.0%-43.8.46.7 .0%1-16 核17-32 核33-64 核65-128 核128 核以上服务器核数2022 建设情况847913（19.5%）（9.8%）（17.1%）（22.0%）（31.7%）2023 建设规划635720（14.6%）（7.3%）（12.2%）（17.1%）（48.8%）同比变化-25.0%-25.0%-28.6%-22.2S.8%1-100GB101-500GB501-1024GB1-5TB6-10TB11TB 以上存储规模2022 建设情况7371257（17.1%）（7.3%）（17.1%）（29.3%）（12.2%）（17.1%）2023 建设规划35116313（7.3%）（12.2%）（2.4%）（39.0%）（7.3%）（31.7%）同比变化-57.1f.7%-85.73.3%-40.0.7%0-1 百万1 百万-1千万1 千万-1 亿1 亿-10 亿10 亿-100 亿100 亿以上图谱点边数量规模2022 建设情况3581564（7.3%）（12.2%）（19.5%）（36.6%）（14.6%）（9.8%）2023 建设规划24216107（4.9%）（9.8%）（4.9%）(39.0%)(24.4%)(17.1%)同比变化-33.3-20.0%-75.0%6.7f.7u.0%表 3已部署图数据库的金融机构 2022 建设现状及 2023 规划第四章金融业图数据库建设与应用趋势45数据来源：金融电子化杂志社，2023 年 3 月图 43不同类型金融机构 2022-2023 年图应用数据规模建设对比体建设规模（58.5%机构达到 TB 量级），同比增长 33.3%，建成 TB 量级图数据库的机构中，31.7%的机构图数据规模将达 10TB 以上，同比增长 85.7%。在图点边规模方面，41.5%机构规划建成 10 亿规模以上大图，同比增长 70.0%，其中，17.1%达 100 亿以上规模，同比增长 75.0%。在使用服务器节点规模方面，主流建设规模从 2-3 节点升级为 4-10 节点，仅 26.8%的机构建设规模小于 4 节点，同比降低 45.0%。34.1%的机构计划建设超 10 节点的图数据库集群，同比增长 75.0%。在使用的服务器核数上面，48.8%的机构预计采购 128 核以上大算力服务器，同比增长53.8%。可见在金融机构图应用数据量激增的同时，对大数据的关联查询、分析性能也提出了更高需求，金融机构数字化转型、高效挖掘数据资产价值的原生需求强烈（见表 3）。分析不同类别的金融机构规划的图应用数据规模（见图43）可见，已使用图数据库的国有大行、股份制银行、农信社（农商行）2023 年已经全面达到 TB 级别图数据应用规模，60%的股份制银行已达到 10TB 以上数据规模，同比增长 200%。在城商行与保险、证券机构中，整体数据量呈上涨趋势，但机构间差异依然较大，从小于 100G 到 10TB 以上的机构都有分布。分析不同类别的金融机构计划投入的图数据库集群规模（见图 44）可见，除股份制银行的集群规模变化不大外，其他各类已使用图数据库的金融机构普遍计划扩容。城商行普遍从 2-3 节金融业图数据库建设发展调研报告46数据来源：金融电子化杂志社，2023 年 3 月图 44不同类型金融机构 2022-2023 年图数据库集群规模建设对比点扩容至 4-10 节点，60%的国有大行达到 30 节点以上超大集群规模，同比增长 50%。保险与证券机构最快，从 2022 年 100%的机构集群数在 4-10 节点间，变成 2023 年 75%的机构提升到11-30 节点的集群。三、金融业期待与展望图技术作为理解世界的新方式，正凭借其对复杂关联关系的强大刻画能力赢得更多金融机构的关注。调研发现，金融机构期待图数据库技术朝着以下方向迭代发展：1.大规模图数据实时分析需求增加、推动图技术向 Graph3.0 时代升级随着数字经济的高速发展，数字金融的大规模普及，金融机构的数字化转型加速，图数据库的应用逐渐从静态的关系数据扩展到动态交易、申请、行为、事件数据，同时存储、分析和计算的数据量也呈爆炸式增长。一方面，金融机构内部积累的数据量呈井喷式增长，图规模亦快速增长。对已经使用图数据库的 41 家金融机构调研，结果显示，2023 年 80%以上的被调研机构图规模将超 1 亿点边，近20%的被调研机构的图规模将超过 100 亿点边，图应用深度与广度在迅速增长（见图 45）。另一方面，金融机构的业务日趋争分夺秒，无论是反洗钱、反欺诈，还是交叉营销和消费升第四章金融业图数据库建设与应用趋势47数据来源：金融电子化杂志社，2023 年 3 月图 46Graph3.0 典型场景图数据库应用趋势级，都期待突破 T 1 的桎梏，实现实时响应。以 Graph3.0 的典型场景智能运维为例，金融机构需要对 IT 基础设施和应用程序的自动化监控和实时管理，以便及时发现并应对系统故障，确保业务系统和应用程序的高可用性、可靠性和安全性，从而保障客户的服务体验。调研结果显示（见图 46），分别有 83.7%、32.7%、79.6%、61.2%的金融机构计划于 2023 年将图数据库应用于网数据来源：金融电子化杂志社，2023 年 3 月图 45金融机构 2022-2023 图规模发展金融业图数据库建设发展调研报告48数据来源：金融电子化杂志社，2023 年 3 月图 47金融机构对图数据库与人工智能结合的看法及期络安全、实时交易反欺诈、信用卡申请反欺诈、智能运维等高实时性场景。其中，以实时交易反欺诈的应用增长最快，同比增长 72.3%。网络安全作为全新的图应用场景进入金融机构视野。在金融图应用逐步迈向 Graph 3.0 时代的大背景下，机构对更大规模数据的实时分析需求必然推动商用图数据库向着承载数据更多、查询计算速度更快、算法支持更丰富等维度演进，可预见具备查询快、运算快、高扩展的第三代原生分布式图数据库将成为金融机构的优先选择。2.与 ML、DL 等人工智能技术结合，实现可解释的 AI随着金融业务日益复杂，金融机构面临着提高业务决策的准确性和可解释性挑战，传统机器学习模型缺乏决策依据的透明度和解释力。大量实际应用场景中的数据从非欧式空间生成，传统深度学习方案无法高效处理。为解决以上问题，图数据库与人工智能相结合成为具有潜力的解决方案。图数据库能够提供高效和灵活的方法存储和管理图数据，并提供丰富的查询和分析功能，以便于人工智能应用程序从中获取有用的信息和知识用于训练模型、推断过程和预测结果，提升系统的实时性和准确性，有效避免“黑天鹅”和“灰犀牛”事件的发生。近年来，图 机器学习、图 深度学习在人工智能领域引起广泛的研究兴趣。近 90%的被调研机构期待图数据库与 AI 结合，以 KG 知识图谱（79.7%）、GNN 图神经网络（55.7%）、ML机器学习（48.1%）、NLP 自然语言处理（46.8%）等技术受关注度最高（见图 47）。第四章金融业图数据库建设与应用趋势49图数据库技术 知识图谱据艾瑞统计测算，2021 年 AI 金融领域知识图谱核心产品市场规模达 21 亿元，预计 2026年核心产品市场规模达到 68 亿元，2021-2016 年，年复合增长率高达 26.6%。图数据库和知识图谱是两个相关但不同的概念：图数据库是一种存储图数据的技术，知识图谱则是用实体、关系、属性表示和组织信息的方法。知识图谱能够从应用层将客户行为、关系等建立关联分析，结合丰富的可视化能直观地呈现出数据背后所隐含的推理逻辑、提供决策依据。图数据库与知识图谱的结合可以支持高效的信息检索和复杂的数据分析，如基于知识图谱的推荐、利用知识图谱增强的搜索引擎等。两者的结合，让金融机构能够从技术层到应用层形成完整的解决方案闭环，更快实现业务价值落地。图数据库技术 图神经网络图神经网络是指使用神经网络来学习图结构数据，提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割等图学习任务需求的算法总称。它将人类已有的认知以图的形式建模并与计算机建立的神经网络模型相结合，有助于解决传统机器学习算法存在的可解释性低下、缺乏非欧空间数据结构处理能力等问题，已成功应用于推荐系统、计算机视觉等领域。随着图数据应用越来越普遍，其蕴含的信息越来越丰富，图神经网络的应用场景也会越来越广泛。图神经网络和图数据库的结合，能够将深度学习的预测能力应用于丰富的图数据结构上，帮助金融机构对数据进行全量推理，训练预测模型，从图中挖掘出全新的可解释的逻辑，获取正向业务知识反馈。以金融风控场景为例，基于图神经网络和图数据库技术的结合，金融机构能够清晰、实时地了解各个数据间的业务关联和风险传导路径和风险识别规则，从而精准定位、识别、判定风险，推动金融风控向更精准、可解释智能的维度发展。图数据库技术 机器学习目前，部分图平台产品已经实现了对机器学习相关功能的支持与扩展，除常规图算法之外，也开始支持与第三方机器学习平台的对接，通过将图挖掘与机器学习算法相结合，提高模型的准确率与可解释性。但图机器学习领域尚在发展早期，仍存在内存、硬件等多方面瓶颈，未来在大规模图挖掘的工程化方面仍有很长的路要走。3.关注时序数据分析，实现业务动态化分析数字化进程的加速推进，要求金融机构对数据的处理能力从事后的“跟随分析”变为实时的“伴随分析”，从响应式风险管控变成干预式风险防控，从标准金融产品的推送变成以客户为中心的定制化金融产品设计。这必然要求金融机构实时收集、处理、分析大量的用户行为、事件数据。时序数据是指一段时间内采集的，按时间顺序排列的数据，最大特点是数据具备时间属性。金融业图数据库建设发展调研报告50数据来源：金融电子化杂志社，2023 年 3 月图 48金融机构对图数据库时序分析功能看法及期待金融场景中，存在大量的时序数据，交易转账、产品购买、客户访问、价格波动等，都具备很强的时间特性。对这些数据的高效监控、分析能够支撑金融机构更实时、准确的业务决策、提升风险管理效率，甚至发现新的市场机会，创新产品和服务以满足客户需求。利用时序数据构建金融时序信息图谱（交易图谱、申请图谱、运维图谱等），通过将历史数据按时间段切分，实现对数据关联关系的动态变化的分析，得出基于时间维度的分析结论，立体、直观发现风控、营销、智能运维等业务实践及 IT 管理过程中的动态关系及属性特征变化，对未知的可能性进行预估判定，真正做到对分析对象的形成性、动态认知。被调研的 41 家金融机构中，53.7%表达了对图数据库支持时序数据分析的明确需求，另外 34.1%哪怕暂时不需要也希望未来能支持。这也进一步体现了图应用正逐步迈向基于行为、事件的实时分析的 Graph 3.0 时代（见图 48）。不同类型机构对时序分析的态度也体现出一定的不同。国有大行对于时序分析的需求最为强烈，80%的国有大行均期望建设时序功能（见图 49）。第四章金融业图数据库建设与应用趋势51数据来源：金融电子化杂志社，2023 年 3 月图 49不同类型金融机构对图数据库时序分析功能看法及期待对比金融业图数据库建设发展调研报告52第五章 图数据库未来发展建议一、底层技术自主可控成为关键竞争力我国的金融业务体量和服务场景的复杂度，均处于世界前列。随着新兴技术更深度地参与到金融交易、风险决策等活动中，金融风险的复杂性、传染性、交叉性进一步加剧。在当前多重因素影响下，传统、固化的底层软硬件设施已经无法满足最新的数据安全需求。对于金融行业而言，基础设施决定了业务场景的安全可控、高效智能。因此，金融机构积极响应国家自主创新的号召，加速提升各类软硬件的自主可控能力，打造底层架构，提升底层设施的安全能力，为形成高度稳定级的上层应用打好稳固的基础。未来，金融机构在进行图数据库选型时会更加关注图数据库的自主可控能力，并且关注其和其他软硬件的适配能力，实现核心业务系统的成功攻关，打造分布式核心平稳、安全的运营能力，解决关键能力瓶颈。当前，国有大型商业银行开始应用图技术赋能行内业务，拥有更成熟的数据库应用，更注重图数据库的安全性与技术自主性（见图 50）：75.0%的机构要求必须为自主可控的图数据库，83.3%要求原生，66.7%要求闭源，对图数据库厂商安全自主可控提出了更高的要求。二、人才是打通图数据库金融行业应用的关键图技术应用市场的繁荣发展离不开人才储备。图数据库领域人才的稀缺已经成为金融机构面临的共性问题。78.5%的被调研机构表示缺乏相关专业人才更好地使用图数据库，业务部门对相关人才的缺乏度达到 44.3%（见图 31）。对业务部门而言，拥有成熟专业的咨询团队，能够提供包括方案评估、设计、交付、迁移、测试工作过程等在内的规划服务，是图数据库厂商产品高效落地的关键竞争力。图数据库厂商在不断优化产品能力，提升产品性能外，需要重视图技术应用综合人才的招聘与培养，加强与下游图解决方案商的生态合作，降低金融机构应用、发掘图数据库价值的门槛和成本，打通图数据库应用“最后一公里”。第五章图数据库未来发展建议53数据来源：金融电子化杂志社，2023 年 3 月图 50不同类型金融机构对安全可控的要求被调研机构表示期待有更多机会获得图数据库厂商的技术指导，其中，获得图数据库场景应用支持需求占比 63.3%（见图 51）。因此，图数据库行业中的各厂商，可以通过开设图数据库基础理论知识和实践案例分析的培训课程、打造图数据库实战项目实践平台以及定期举办图数据库技术交流活动等宣传动作，加强图数据库业务应用和技术开发人才的培养力度；并且面向金融机构打造系统化的图数据库知识培训体系，利用系列培训课程和测评考试等方法，培养更多懂得金融业务的实战型、咨询型人才，赋能金融机构更方便、更快捷地使用图数据库，发挥图技术价值。三、存储、计算、分析一体化的图平台或成主流随着金融机构图应用规模的逐步增大、图应用场景逐步迈向 Graph 3.0 阶段，需求从离线/准实时计算到实时计算，金融机构对图数据库厂商的动态大规模图数据处理能力提出了更高的要求，推动图数据库产品迈向集图存储、计算、分析一体的平台化趋势。在传统解决方案采用的“图数据库 图计算引擎”独立系统架构下，对计算系统而言，存储系统内部通讯机制是黑盒，无法做执行过程优化，不仅查询、计算效率低，更重要的是数据从存储系统传输到计算系统、计算结果持久化回存储系统的时间较长，无法完成对实时写入的大数据进行复杂图查询与计算的任务。金融业图数据库建设发展调研报告54数据来源：金融电子化杂志社，2023 年 3 月图 51金融机构对图数据库宣传推广态度相较之下，一体化图平台可以融合图数据库的 OLTP 能力与图计算系统的 OLAP 能力，通过一致性协议集成为新一代 HTAP 图平台，而 HTAP 图平台在原生分布式图架构下将会实现更好的性能、扩展性和可靠性。以 Graph 3.0 的国内代表产品 Galaxybase 图平台为例，它采用分布式原生图存储的架构，能够根据图数据特征或动态或静态地进行分片管理，优化数据跨节点分布情况；并且依据底层数据存储的情况，高效实现各种分布式计算任务的调度和分发策略，降低跨节点数据网络传输与通信成本，实现存储计算协同，提升整体图查询、计算的性能。它在满足水平扩展的前提下，提升了查询与分析效率，能更好地支持金融机构海量行为、事件数据构成的超大规模业务图谱的高效查询分析和稳定运行。第六章金融业图数据库实践案例55农业银行图数据库建设历程中国农业银行研发中心罗晓峰李博现如今，数据分析越来越复杂、模式更改越来越频繁，银行业内多重关联分析、知识图谱建设、数据价值深度挖掘等需求越来越旺盛。传统关系型数据库已无法完全满足关联数据分析处理的挑战。图数据库通过图结构组织数据，克服了其他数据库难以支撑的深度关联数据分析痛点，为构建银行知识图谱，实现深度业务知识和价值挖掘提供重要科技保障和技术指引。为此，农业银行图数据库技术引入工作于 2018 年正式启动，经过几年来的研发实践，图数据库技术在农行信贷监测、反洗钱、风险控制、系统运维等领域均落地了较为成熟的应用场景，充分利用图数据库的数据挖掘能力，为业务创新提供基础支撑。初步探索建设图计算平台如图所示，作为行内图数据库技术应用的前沿，农行图计算平台最初设计并建立了图查询、图计算、图展示、图建模四大服务模块，集图构建、图存储、图分析建模、图管理、图展示于一体，提供实时和批量图计算服务、可视化及其他辅助工具，支撑各类图计算应用。建设伊始，同业之中尚无先例可循，对于如何建设一个能够为全行提供图计算服务的综合服务平台，图计算平台总体设计成为了首先面临的关键问题。从发展策略上，图计算平台底层图数据库使用坚持商业开源双线并举。自 2019 年开始，农行基于开源图数据库，探索搭建图计算平台，支撑全行应用系统深度关联数据分析处理，为农行提供基础图存储、图计算公共服务。2020 年，图计算平台开始商业版图数据库引入工作，采用商第六章 金融业图数据库实践案例金融业图数据库建设发展调研报告56业版图数据库来强化图数据库核心，健壮图数据库服务能力。这样对于不同需求的应用系统来说，可以通过图计算平台来选择适合自身现状的图数据库，满足差异化应用场景建设。从能力建设上，图计算平台采用前后端分离架构，对外提供联机接口、辅助开发建模工具，支持各系统实时查询、更新图数据，实现对外服务能力；采用“关系型数据库 图数据库”混合存储架构，管理型数据使用关系型数据库进行存储，应用分析类数据使用图数据库进行存储，同时发挥两个数据库在不同功能上的优势，自行设计主备机高可用架构，保障系统高可用能力；利用图数据标签建立了基于子图的用户权限体系，实现对各上层应用数据权限管控和数据隔离，实现一定安全管控能力；采用分层设计，制定了图应用数据交互接口标准，屏蔽底层图数据库语言差异，从平台层面规避图查询语言尚未统一标准的问题，提升应用系统适配能力。图计算平台的初期探索建设，实现了农行在图数据库技术应用方面从 0 到 1 的过程，虽然图计算平台仍有许多方面需继续完善，但还是为行内进一步深化应用图数据库技术打下了基础。持续提升图计算平台能力完善为更加深入应用图数据库技术，使之能够在行内大规模推广，农行通过制定相关技术规范，增强运行保障能力，丰富场景支撑，对图计算平台和商业版图数据库功能持续进行优化提升。在图计算平台不断完善的过程中，农行联合厂商制订了图数据库在行内的技术规范，只有这样，图数据库才能够具备在行内大规模推广使用的条件。例如，在安装部署规范中，不同等级系图图计算平台技术架构第六章金融业图数据库实践案例57统在使用图数据库时的部署架构是不同的，规范必须明确不同等级系统对应的图数据库集群架构，否则系统无法知道应该使用什么样的架构；又例如，安装部署规范还需要明确图数据库的容量模型，以便应用可以根据自身情况申请图数据库资源。此外，还有健康检查、系统监控、应急处理等一系列规范，均需要明确才能保证图数据库在行内具备推广的基础能力。除了行内的规范制定，图数据库在大型企业的应用标准仍然是较为空白的一个领域，农行根据自身实践经验，正在牵头制定图数据库金融应用技术要求，旨在补全图数据库技术在业内应用标准的空白。随着应用图数据库技术的系统越来越多，图数据库的运行保障不再是对简单的单一实例的维护。图计算平台为了应对多集群、多用户、多场景的运维挑战，新增了图项目管理、集群管理、集群监控、资源管理等一系列运维保障功能，提出基于图项目的租户模式，调整图计算平台服务架构，解耦平台应用边界，释放应用系统场景建设和技术研发潜力。通过进一步明确资源隔离模式，图计算平台实现了对不同应用的精细化运维管理。场景支撑方面，通过对底层图数据库的不断升级优化，采用原生分布式并行图存储，支持千万级邻居秒级查询；利用分布式架构，支持动态在线扩容，高效支持大规模数据量存储，图计算平台提供服务以来，数据规模已从开始试点时的百万级点边数据扩展到十亿级点、百亿级边的规模。推广应用多领域场景落地在图计算平台的支持下，农行图数据库应用稳步前行、逐渐深入。信贷风控、智能营销、内控审计、系统运维、知识图谱等领域均已落地相关应用，图数据库应用已取得阶段性成果。1.集团客户风险监测。相比传统银行授信业务，集团客户授信需要对集团公司及各个子公司间关联关系进行深入分析，并在单一企业风险分析维度的基础上从集团整体的角度进一步分析集团整体的风险。图数据库技术优异的关联数据深度分析能力能够帮助业务人员在这一传统业务中获得新的技术支撑。“集团客户风险监测”作为行内精准识别十大应用之一，基于图数据库技术建立了集团客户关联关系分析和风险分析两类模型，实现对股东关系的 10 层股权穿透，挖掘隐性集团、担保圈、资金圈等隐性关系，两模型总体准确率分别达到 82.94%、81.99%，精准定位隐性集团客户与风险集团，为各级行防范与化解大额风险提供精确线索。实现了农行信贷风控从“专家经验”到“智能识别”的转变，极大提升了农行的信贷风险预警和防控水平。2.智能客户精准营销。基于传统关系型数据库的客户、产品的深度关系难以挖掘，很大程度上制约了对客户的精准营销。农行利用图数据库技术，将存量客户、目标客户以及资金链、关键人等关联关系的分析变为现实。根据分析结果，构建客户画像，从中挖掘行内外高价值客户，为金融业图数据库建设发展调研报告58业务人员提供潜在目标客户名单，助力营销能力提升，进一步解决了客户在哪、存款在哪、业务在哪的问题。提升优质重点客户的信息获取能力，有利于及时、有效地开展精准营销，提高行外客户营销转化工作效率，增强行内客户黏性，实现客户资金在行内封闭运行，增强了农行综合收益。3.内部审计交易图谱检索。在银行业，内部审计监督工作是保障和促进资产保值增值的重要一环，审计人员约一半以上的审计查证模型是基于交易流水数据展开的，然而通过 SQL 规则加工方式来描述账户间的资金交易情况，面对复杂资金往来关系时，存在加工逻辑复杂、加工时间漫长、开发效率低下等痛点。农行利用图数据库技术，在内部审计管理监测系统搭建了基于图的交易图谱查证场景，很大程度上解决了当前资金交易关系查证难的问题。4.应用系统关联关系分析。对于农行这样一个巨大规模的企业，拥有成百上千套 IT 系统需要运维管理，这些系统之间往往不是孤立存在的，而是有着错综复杂的依赖关系。如果一个模块出现故障，则可能影响一个或多个下游系统的运行。图计算平台利用图数据库，清晰地描述这些关系，当一个系统模块发生故障时，能够快速地分析出可能受到影响的下游系统，应用系统关联关系分析为农行提供了一种高效的系统故障影响分析方法，极大地提升了企业的运维水平。5.知识图谱。基于图数据库，农行构建了知识图谱引擎，旨在持续积累全行领域级图谱资产，覆盖自然、信贷、金融资产等多个维度，累计建设全行个人、法人、产品、文章知识等数十类关系图谱。通过知识图谱构建、挖掘和积累，结合领域专家知识，提升已有模型准确性和发掘新的业务规则。例如，依托知识图谱引擎进行反洗钱可疑客户识别，应用系统基于 3 个月交易流水信息构建了包含 1.6 亿实体和 3.7 亿关系的图谱，最终筛选出约 2000 多个可疑客户，准确率超过 94%。第六章金融业图数据库实践案例59交通银行全栈式知识图谱平台及应用建设交通银行金融科技部根据行业发展趋势，当前金融企业在对客户、产品及行业进行分析时，往往不能仅靠单一的规则及因素，需结合多方面、多层级、多维度的关联关系，进行综合分析和深度挖掘。近年来，知识图谱技术发展迅速，其主要特点为：将客户等各种信息建立立体的关系图（包括集团关系、股权关系、投资人关系、交易关系、担保关系、诉讼关系、事件关系等），再以图分析和图计算为基础对信息进行挖掘，发挥数据深层价值。交通银行于2019年引入业界成熟的商用图数据库，并在此基础上自研全栈式知识图谱平台，覆盖数据获取、图谱构建、图谱管理、图谱应用等关键环节，具备全栈式图谱生产与应用服务能力。该平台建成后，有效地支撑风控、营销等领域的多个业务场景，并取得一定的业务成效。全栈式知识图谱建设方案随着知识图谱技术在交通银行业务应用的拓展，需要重点提升该技术的应用效率。通过实践，影响图谱技术应用规模化的因素主要有以下三点：一是数据复用难。过去，一般采用从特定需求出发构建图谱及其应用的建设模式，这种“烟囱”模式无疑能带来最大程度的解耦，但构建出的图谱异质且分散，难以集成与复用。二是应用门槛高。图谱分析需要掌握图查询语言、图计算框架以及各类图算法，对非技术人员不友好，影响图谱应用的推广。三是开发环节多。图谱建设涉及到数据收集、数据清洗、数据处理、图谱构建、图谱应用等流程，自动化程度低，导致图谱生产效率低下，无法快速响应银行日益增长的业务需求。为解决这些痛点问题，交通银行基于微服务架构和自研的微服务治理平台建设全栈式知识图谱平台，为业务提供一套集图谱构建、图谱管理、图谱应用于一体的敏捷的全流程闭环生态平台。在图谱构建层，交通银行自主研发图谱生产工作流引擎，提供基于可视化界面的图谱生产工作流服务，支持在 DAG 画布中通过拖拉拽方式组合不同的图谱生产算子，提高开发效率。在图谱管理层，通过本体库、实体集市、关系集市、资产目录、图谱发布等管理功能，为图金融业图数据库建设发展调研报告60谱构建提供规范化的指引，解决图数据融合困难的问题。在图谱应用层，通过运用 Cytoscape 图谱可视化组件，自主研发可视化图查询引擎，为用户提供自定义图形化查询工具，并预置图查询算子，降低平台使用门槛，提高用户友好度。基于全栈式知识图谱平台形成“图谱构建-图谱管理-图谱应用”的完整生态闭环，实现知识图谱从简单使用到生态打造的跃迁，有效缩短图谱构建周期，对于及时响应市场需求，提升金融服务质效有着重要意义。知识图谱应用建设交通银行借助知识图谱技术，深度挖掘关联关系，并与机器学习结合，在风控、营销等领域先后为风险监测、反洗钱、反欺诈、贷后资金监管、联动拓客、产业链拓客等场景建设一批智慧化应用，业务成效显著。在风控领域，交通银行致力于建立“全集团、全覆盖、全流程”的智能化风险监测体系，充分考虑企业风险事件的关联性、传播性等特点，构建出以关联关系为基础的风险预警模型，将风险事件的预警从单体识别变成群体识别，切实提升风险排查精度、风险预警敏感度和应急响应速度，有效防范系统性风险、区域性风险和重大个案风险。一是识别集团客户管理漏出，掌握集团客户在交通银行的全口径融资情况。目前集团管理漏出预警已经嵌入交通银行授信发起流程，并在风图交通银行全栈式知识图谱平台逻辑架构图第六章金融业图数据库实践案例61险监测中实时提示，有效改善分行集团授信管理中应建未建和应纳未纳问题。二是探查企业隐性关联关系，提高客户洞察能力。针对交通银行全集团授信业务有贷户组合进行预测，挖掘出确实存在隐性关联的客户，解决股权信息未公开企业之间隐性控制关系难以发现的问题，为客户准入、集团授信管理、贷后风险预警、不良处置等决策提供有力参考。三是完善担保网络风险监测，识别和防范担保链圈造成的区域性风险。完成对全行授信客户担保联通体的风险排查，将之前未纳入黑灰名单管理的潜在风险余额纳入名单制管理，有效防范风险传染。在营销领域，交通银行基于产业、贸易、股权、担保等数据，围绕行内外企业构建关联网络。一是建设产供应链图谱，挖掘企业的贸易特征，判定企业的市场地位、经营状态、行业生态等信息，辅助业务人员从宏观产业发展及微观企业多个视角全面评价企业。二是利用图分析能力支持联动营销，找到与目标企业关联的客户作为营销突破口，提供资金往来触达、间接股权触达等营销路径。三是通过建立产品匹配模型，为不同市场地位、不同经营状态的企业匹配特定的金融产品，支撑贸易金融、科技金融业务营销决策，提升精准营销效率。后续，交通银行将进一步聚焦降成本、控风险、优体验、增效益四大目标，推动场景建设落地，扩大图谱应用规模，为业务高质量发展赋能。金融业图数据库建设发展调研报告62民生银行知识图谱建设与应用中国民生银行数据管理部周礼沙利民张翔夏玮璐知识图谱作为前沿创新技术，可以融合银行内部和外部数据，从原始数据中深度挖掘各类实体之间的关联关系，进而识别企业风险、异常担保、疑似实控人等情况，为银行的风险防控、营销拓客等业务提供决策支持，更大程度地挖掘数据背后的价值。为此，民生银行建设包含“1 2 N”模式的“万象”知识图谱体系。以分布式图数据库与图计算框架为核心，构建了支持知识工程全流程处理的一站式知识图谱平台；实现了面向分析和面向交易两类图谱能力，分别用于关联挖掘与实时组网决策；融合行内外数据，构建了“N ”金融领域图谱，以超结构化数据驱动风险、营销、审计等数十个场景的业务创新。打造一站式平台，支持分析与交易根据对知识工程和复杂网络分析的能力抽象，基于 Hadoop/Spark 技术栈、整合图数据库、图算法以及知识构建工作流等相关组件，构建了“万象”知识图谱平台，提供了知识图谱建模、图谱分析、图谱挖掘、知识服务全流程的一站式应用能力。民生知识图谱平台主要包含四层内容，具体如下。1.基础设施层。在存储方面，以图数据库为核心，构建了多级存储机制。实体关系数据利用图数据库进行存储，并实现了生产多模态集群，分别服务于分析场景和交易场景；用于查询加速的索引数据以及关系详情等数据，使用 ES 或 HBase 等组件进行存储。在算法挖掘方面，通过图数据库以及 Spark GraphX 等计算框架的支持，提供对常规的图遍历、中心性、社区算法，以及图神经网络等深度学习算法的支撑，并且将常用算法封装为算子，便于研发人员使用。2.图谱工程层。为降低研发门槛，平台提供了界面化的工程能力。针对图谱研发的全流程提供了各类组件，能够支持各类大数据平台的数据整合和知识抽取，实现可见即所得的本体设计，并能够通过“拖拉拽”的挖掘流程构建复杂图谱，以及基于模型算子进行关系挖掘，形成的数据内容还可以一键发布为引擎服务。将这样的一站式能力供给行内各团队使用，形成“平台即服务”，从而推进图谱数据和应用场景的规模化落地。第六章金融业图数据库实践案例633.图谱服务层。为同时满足面向分析和面向交易的服务模式，平台在服务层构建了图谱分析模块和图谱服务引擎模块。其中图谱分析模块主要面向数据分析师和业务分析人员，提供交互式的知识图谱分析和探索能力；支持在各类图谱上进行自助查询、路径分析、群体分析、形态匹配等，并可以对分析结果进行快照导出或者文件下发进行进一步使用。而图谱服务引擎模块则将图谱数据或者图计算能力封装形成 API，对接业务系统形成实时在线服务。针对已建设好的实体、关系或者图数据，以服务对接或者嵌入式图谱等方式供业务系统使用。而针对交易决策场景，可以提供实时组网类或网络特征计算类服务，接受交易请求数据进行同步网络构建，根据策略计算各类特征并实时返回判定结果，嵌入交易流程形成智能决策支持。4.业务产品层。将图谱的各项数据、服务和能力封装后，可以形成独立的数据应用产品，如对标互联网企业图谱产品的行内金融图谱，覆盖了全国工商企业的档案和各类关系，并与行内客户数据实现了拉通，可以提供零售客户、法人客户和集团客户的全景视图。构建多领域图谱，赋能数字化转型民生银行持续夯实图谱内容与落地业务场景，以广泛支持各业务的数字化转型工作。在数据层面，通过不断引入工商、司法、税务、舆情等数据源和粗加工关系，与行内的交易、客户、风险、担保、申请、设备等数据进行拉通聚合，形成了企业图谱、信贷风险图谱、集团图谱、资金交易图谱等多项图谱资产；在赋能层面，基于平台和数据能力，当前在客户洞察、风险防控、营销获客、合规预警、经营管理等五大方向等 20 业务领域进行了场景实施。1.构建企业图谱，赋能数字化风控与营销场景。由于企业跨地域、集团化经营业态的发展，使得客户风险表现形式更加多元化，信息不对称进一步加剧，风险管理难度持续加大。为了应对复杂的经济形势，加强数字化风控能力，民生银行扩大观察视角，从客户整体关系网络角度评判风险。同时在营销场景中，传统的营销方式已无法满足快速变化的市场要求，民生银行顺应科技浪潮，占领发展先机，大力发展数字化营销。民生银行首先实现行内客户信息、风险相关数据和行外工商数据的拉通，然后提取法人、自然人、集团三类实体，和担保、抵质押、股权、法定代表人、额度使用等几十种基础关系，并通过图算法深度挖掘担保圈、担保链、互保、集中性担保、间接持股等隐形关联关系，进而构建企业全息图谱，共计近百亿数据；并对复杂的关系图谱网络进行可视化建设，根据不同关系类型提供不同可视化方案，做到企业客户“一眼清”，为风险管理全流程中各类业务人员、管理人员以及各类风险管理系统提供关联分析支持。同时企业图谱也应用于营销获客场景中，实现基于客户关系网络的营销线索挖掘，筛选出与金融业图数据库建设发展调研报告64我行存量客户有关联关系且关联关系符合一定特征的潜力客户，下发经营机构组织开展精准营销及客户关系维护，经统计此类潜力客户的营销成功率是无关系客户的 6 倍以上。2.构建交易图谱，全方位保障资金交易安全合规。将资金交易抽象为网络，将一次交易作为网络中的边，交易双方为网络中的点，每一条交易边从资金转出的一方起始，指向资金转入的一方。但是交易网络的构建与计算技术难度较大，首先是网络中的点、边数量都非常多，且随时间推移只增不减，这与相对稳定的企业集团关系是不同的。其次属性信息量也很多：点属性涉及客户的身份信息、账户信息；边属性涉及交易时间、金额、附言、渠道等。再次，图谱中会存在明显的超点，即单位时间内交易次数明显高于其他账户的账户实体。超点往往会极大影响图计算的性能。但交易图谱的应用范围非常广泛，包括异常资金流向、交易环路等都以它为基础。票据贴现资金流向监控是典型应用案例之一：央行的 126 号文等监管文件对于票据贴现业务给出了明确的监管要求，严禁票据贴现资金回流前手，严禁以贷款、贴现资金作保证金办理银行承兑汇票，虚增存款。以人工跟踪贴现资金流向效率较低且监控范围有限，亟需进行更高效、更全面的流向预警手段。在高性能的图存储和计算能力基础上，结合图算法解决了上述技术难题，也为资金流向监控提供了新方案。我们以交易流水、票据信息、背书历史、客户信息作为原数据，抽取出票据、公司、账户六类实体，和出票、收款、背书、贴现、转账、所属六种关系，进而构建形成票据的交易网络图谱；运用图算法进行社团划分与流向传播，识别交易网络中环路、汇聚、群组等复杂交易形态；运用流水中交易对手、资金用途、交易附言进行预警规则研判；运用机器学习算法预测贴现资金违规概率；最终形成了覆盖同名划转行外、流入保证金、流入房市、流入理财、流入股市、回流前手、流入存单七类违规场景的预警信息，并提供违规案例的可解释性图谱，便捷辅助业务决策。3.构建信贷申请图谱，实现全流程实时组网风控。近年来欺诈风险呈现多产业链、多团伙等特点，团体欺诈风险识别难度愈加递增，传统的反欺诈体系已无法满足当前复杂欺诈模式的识别。同时信贷领域愈加强调掌握用户间的关联关系以及信贷申请行为的聚集性特征，而知识图谱在识别用户关系和聚集性特征方面就有着不可替代的优势。民生银行为更好地保护客户资产安全，增强自身欺诈识别能力，通过知识图谱建设了信贷全流程的实时组网风控体系。通过知识图谱平台将信贷申请信息、设备信息、联系方式、工作单位、地址、受托支付、交易等行内关系数据和外部工商数据加工成信贷申请图谱，同时应用图实时计算技术，打造从关系视角进行风险分析的实时组网风控体系，支持在贷前、贷中、贷后全流程识别关联风险。并将实时组网风控结果进行可视化展示，提供交互式分析功能，配合相关的特征指标，帮助业务核查风险。目前知识图谱已为小微和消贷的 50 信贷产品申请提供实时组网与风险计算服务，响应时间达到毫秒级别。第六章金融业图数据库实践案例65图数据库建设发展思考与实践平安银行金融科技部云数据运营中心陈灿荣随着 Oracle、MySQL 等关系型数据库的使用范围不断扩大，慢慢的暴露出一些使用场景上无法解决的问题。同时，互联网的发展也对传统数据库产生了很多不适应，过去几年也出现了大量的新型 NoSQL 数据库，图数据库就是其中之一。它的数据模型主要以边和节点来体现，相比传统数据库它的优点是可以快速解决复杂的关系问题，是能直观表达真实世界的一种数据库。基于以上背景，平安银行引入了 Neo4j 作为图数据库的选型，目前主要应用到以下几个场景。一是银行CMDB系统。CMDB包含了各种配置项全生命周期的信息以及配置项之间的关系(包括物理关系、实时通信关系、非实时通信关系和依赖关系)，是天然适合图数据库的使用场景。假如只是存储资产，配置信息这些基础功能传统数据库就可以满足，但是 CMDB 的资产多，而且不同资产配置的属性，标签都不一样，放在传统数据库里表的种类、字段也各不相同，所以这类数据我们选择放在 MongoDB 里面，比起 MySQL 等传统数据库，MongoDB 更为灵活。基础配置数据有了，最大的问题就是如何展示各类配置之间的关联关系。因为每个配置之间的关系不是孤立的，想用起来就必须关联起来，假如放在传统数据库，可以通过主外键、表关联查询出结果，但是量多、关联层级也高的情况下性能表现不尽如人意。举个例子，假如我要查一台机器的主机名对应的 IP是多少，在库里可能很容易查出来，但是我再想查它运行在哪台物理机上？然后我还想看这台机器接入了哪台交换机，还可以沿着这条线一直查关联关系，在传统数据库上层次越多，关联效率就越慢，但是在图数据库通过节点的属性过滤和边的关联查询，就可以很轻松且直观的把整个链路的数据展示出来，所以我们把 MongoDB 的数据导入到 Neo4j 中，利用图数据库的特性去做数据展示和关系分析。二是行内应用关联分析系统。众所周知，各应用之间的调用链路是错综复杂的，想要获得和维护这份数据极具挑战，但是这项数据对于我们故障排查问题以及业务影响分析又是相当有用的。试想一下，我们日常维护一个应用可能只会通知第一下游关联方，但是还会有更多级联的关联方是我们忽略的对象，对他们可能也存在业务影响。或者在生产排障的时候，怎样才能迅速关联出两个甚至多个应用存在关联影响？所以行内也针对应用之间的访问关系进行采集，并且将数据存金融业图数据库建设发展调研报告66入图数据库，利用图库对关系的运算能力，可以轻松查询出各应用之间的关联关系。除此之外，对公反欺诈风控系统等也采用了图数据库。银行的图数据库选型建设中，我们选型了 Neo4j。首先 Neo4j 作为现在业界最流行的数据库，并且有开源版本，文档的丰富度以及社区的活跃度都是行业顶尖的；其次提供的算法也很丰富，如 APOC、GDS 作为插件可提供很多便利的功能，而且高可用、运维便利性等综合性能较高。下图是我们 Neo4j 的一个架构，生产环境采用 3 个 CORE 节点组成保证高可用提供对外服务，同城和远程采用 Read_Replica 方式配置只读副本，同城可作为只读节点对外提供读访问，还可作为跑 GDS 插件算法使用的节点。但是图数据库在日常使用中也存在痛点。例如跟传统数据库之间缺少联动的平台工具，如Oracle 的数据导入 MySQL 中，虽然是两种类型数据库，但是业内有很多成熟的方案进行数据同步，例如 ETL 工具，或者 GoldenGate 等，但是这类传统的抽取转换平台工具无法很好地兼容图数据库，很多情况下更依赖项目的开发方自行开发程序处理数据的导入初始化。所以选型Neo4j 作为图数据库也是其中一个原因，Neo4j 提供很多便利的插件类似 APOC，可以直接通过mysqljar 包连接到 MySQL 库将查询结果导入到 Neo4j 中，非常方便。还有 Neo4j 可通过各种插件与 Elasticsearch、Kafka 等相结合使用。在处理错综复杂的数据的场景下，图数据库可以给人们以直观的数据展示，很好地弥补传统数据库薄弱之处，在深度数据处理、关联查询场景相比还有着优秀的性能表现。针对图数据库，我们可以对未来做一些展望，第一个是类似 SQL 标准的统一查询语言，现在的每款图数据库产品的查询语言不尽相同，像 Cypher、Gremli 等，统一的开发语言可以大大的降低学习成本，降低图数据库的学习入门的门槛。第二个希望有优秀的国产图数据库的出现。第三个是有流行可靠的开源工具平台可以便利地实现关系型数据库迁移到图数据库，这样将会更有力地将图数据库在金融业进行推广。第六章金融业图数据库实践案例67基于图数据库的金融知识图谱典型应用兴业数字金融服务(上海)股份有限公司数据服务中心王敏建设背景知识图谱作为人工智能技术的重要研究方向与组成部分，正在快速渗透到金融业务应用层面，并日益成为金融科技的“底层支撑”。随着近年来金融数据的爆发式增长，传统风控系统逐渐无法满足业务需求，而知识图谱技术利用在风险识别能力和大规模运算方面的突出优势，通过创建本体模型，根据实体间关系形成关联数据网的图谱形式，描画个人、企业等各类实体的基础信息、金融行为、关系网络等综合画像，串联大量多源异构数据，挖掘数据深层价值。业务痛点在传统的风控运营中，尽管传统的专家规则和机器学习模型在减少欺诈损失方面起到了很重要的作用，但随着科技的发展和黑产产业链的日趋成熟，欺诈手法也在不断升级，有组织的、大规模的、团体性的作案方式屡见不鲜，传统的风险防控手段也无法及时、准确地评估客户风险，无法有效应对新型的欺诈手段。引入知识图谱技术，使兴业数金初步实现了在观察视角上从“个人维度”到“全局关系”的转变，反欺诈手段由“由点到面”的提升，个体隐藏关联欺诈风险“由浅到深”的挖掘，为银行数字化转型建设提供重要基础。图数据库实施路线1.图数据库选型。兴业数金结合自身技术体系及业务场景特点，基于对图数据库的基础数据服务能力、可视化管理功能以及性能等多方面进行考量，通过对比验证后发现，Nebula 图数据库在多跳遍历表现较好，可满足实时图指标计算、图挖掘等要求，最终选择了高性能、高可用、分布式可扩展的 NebulaGraph(后简称 Nebula)图数据库作为应用技术底座，适配不同场景的存储及计算需求，并进行具体应用层的平台功能实现。2.平台规划与建设。兴业数金遵循图计算服务平台的基本能力要求，打造了一套全行级的知金融业图数据库建设发展调研报告68识图谱平台应用体系，如下图所示，基于图数据库的底座支撑，搭建图计算及图谱应用平台，构建关联关系网络，以可视化技术，图算法为基石，提供全方位的图设计、图搜索、图分析、图规则、团伙识别、图探索等功能，满足行内各业务条线对于关联关系特征、规则及模型的快速开发及优化需求，提供一站式图构建、图计算和图应用等服务开放能力，以支撑兴业数金各业务场景应用，帮助业务快速发现风险点、可疑团伙和关联关系，实现“人机结合”形式的智能化分析、研判和决策，有效提升了风险防控及管控水平。（1）“1 N”模式，一个平台支撑多个场景，降低图谱构建和运维成本。通过构建全行通用统一的知识图谱平台，实现各业务条线的场景图谱的集中管理和知识复用。平台通过低代码、配置化方式实现数据接入、实体关系抽取和图谱更新，并支持批量构建、实时更新多种场景，高效完成图谱构建与更新。同时，提供任务调度管理、图谱评价等运维功能，帮助运维人员快速识别图谱中异常数据及任务。（2）统一存储配置中心，兼容适配多种图数据库。平台采用组件化、插件化的可插拔架构设计，通过对图查询和图计算的抽象层设计，可快速兼容适配多种图库如 JanusGraph、Nebula 等，各场景图谱也可独立配置其特有的存储方案，以适应不同场景图谱对图数据库的个性化需求，实现各图谱的数据权限安全隔离。（3）构建分布式图挖掘引擎，支撑百亿级关系图分析挖掘。基于分析挖掘的深度应用需求，平台内置子图抽职、关系推理补全、群组挖掘、图指标计算等各类图挖掘函数及任务模板，同时包含几十种通用、自研高阶图算法及特定场景图挖掘模型，可实现在百亿级关系图规模下完成各图兴业数金全行级知识图谱平台应用体系第六章金融业图数据库实践案例69类复杂图挖掘任务，有效支撑行内风险传导分析、团伙挖掘等场景。3.应用场景信贷申请反欺诈。基于信贷申请的进件数据、客户数据、人行征信数据以及逾期标签、历史客户贷后表现等数据，再结合外部的三方数据如多头借贷数据、外部黑名单、外部欺诈评分数据等，通过数据清洗加工、融合处理，然后再利用知识图谱平台进行知识抽取，构建信贷申请反欺诈关联图谱。以可视化关联分析工具形式，集成到审批系统和风控决策平台，供调查人员进行关系圈的洞察和匹配关联，发现中介包装、虚假进件等聚集和交叉关联模式和结构，为业务决策分析提供工具支持。同时，基于知识图谱关联指标，构建团伙识别模型、关联规则策略，共同为信贷事中检测和事后分析的业务赋能，进一步提升反欺诈调查效率和风险感知侦测能力。基于所构建的信贷申请反欺诈图谱，以关系拓展和挖掘为核心，对实体及其关系进行直观的可视化展示，同时结合图计算引擎为用户提供多维度、多层次的分析模式，支持单一个体的画像、关联路径分析到群体的集中性识别、关系演变分析，帮助用户快速完成数据探索、关系挖掘、案件调查等任务，实现数据到智慧、智慧到决策的转变。申请反欺诈通过引入知识图谱技术，大大提升了风控效果，不仅有效帮助业务部门识别出多种隐性风险，如中介包装、中介代办、虚假进件等聚集和交叉性关联风险模式，挖掘出数百个风险团伙，解决传统通过规则或模型手段无法快速识别的风险问题，还提高了业务人员的风险案件排查分析效能。4.应用场景企业关联关系图谱。融合行内企金工商客户多源业务数据，如对公 CRM、ECIF、银行核心、对公信贷等数据源，并结合行外企业工商相关数据补充，进行数据清洗、知识抽取、知识加工、知识融合，构建全面的对公企业关系图谱，深入挖掘企业客户股权/投资关系、集团派系、企业上下游产业链、资金链、产品链上的金融服务需求，实现基于知识图谱技术的企业关联洞察、集团派系授信管控、关联风险识别、客户营销等业务应用。通过融合行内外相关对公企业数据，建立企业 360 度全景视图，全方位展示企业工商信息、高管信息、上市信息、经营状况、关联关系、风险事件等等，实现企业客户的多维关联洞察。基于所构建的企业基础关系，通过知识推理技术挖掘企业间的隐性关联关系，按照行内集团统一授信管理办法认定标准，利用图谱挖掘技术深入挖掘符合规则的全部企业，形成基于企业客观全貌的关联族谱。基于行内客户抵质押物、连带保证等信息，全面梳理担保关系，挖掘普通担保、相互担保、循环担保等担保圈链，识别异常担保类型和担保链路，以全面掌握企业的担保风险状况，有效防范和化解担保圈贷款风险。采集信贷系统、核心交易流水、贸易融资系统上下游企业信息，以群组的形式直观展示企业金融业图数据库建设发展调研报告70产业链信息，分析企业在产业链中的地位及主营业务，发掘优质的企业客户，根据产业链客户需求营销供应链相关产品；分析上下游企业间的担保及应收应付账情况，根据行业特征及时推送风险及产品营销信息。通过构建对公企业图谱，充分应用企业间的关联关系，有效挖掘潜在客户商机，捕获并及时防范隐匿的关联风险，全面提升存量客户价值，助力对公业务不断向前快速发展。图数据库应用未来发展方向离线场景大规模图数据的高效处理能力和实时场景高并发、低延时的图计算能力或是未来知识图谱建设的重点和难点。而图数据库对以上能力的建设起着至关重要的作用，图数据库大规模数据存储能力和查询能力以及实时图更新、实时图计算的能力自然是未来图数据库能力选型的关键所在。另一方面，近年来以图神经网络为代表的图学习技术在人工智能领域掀起了研究热潮，图学习是一种人工智能相关的机器学习方法，通过学习节点和边之间的关系，从图数据中提取有用的特征和模式，可用于预测、分类、聚类和异常检测等任务。图学习技术有助于解决过往机器学习算法可解释性低等问题，如何解决图学习在内存、硬件方面的瓶颈及大规模图深度学习的难题并应用于金融场景产生业务价值，是知识图谱未来探索的另一重要方向。第六章金融业图数据库实践案例71图数据应用建设探索与实践渤海银行信息科技部知识图谱技术作为深化人工智能应用的重要手段，能够深度挖掘数据背后的价值，成为商业银行近年来发展创新的利器。随着金融监管要求的不断提高、金融机构内部管理和经营迅速发展、数据体量的指数级增长，渤海银行对于客户、账户、员工、资金关系等关联分析的要求也越来越高，其中又以风险、内控等领域尤为急迫，而传统的关系型数据库已无法满足深层级、高效率的关系链路挖掘需求。面对新挑战，我行紧跟时代潮流，积极引用知识图谱技术，不断探索金融知识图谱在各领域中的应用与发展。初期，基于 Neo4j 图数据库进行应用探索，以需求为导向从应用场景出发先后构建了信用风险、内控、血缘关系三个独立的知识图谱，真正实现了图谱应用在多领域的首轮实践，取得良好效果的同时证明了知识图谱技术重要意义和可行性。总结经验后开启了图谱建设新阶段，引入 StellarDB 分布式图数据库，统筹算力共享资源；打通行内外数据、整合多路外部数据源保证数据一致性；分领域构建了全量企业、信用风险、内部管理三个领域图谱；结合图计算和机器学习技术，赋能对公业务、内部管理、风险管控、内控合规等多领域业务，不断挖掘金融知识图谱技术带来的新价值。案例一：内控合规场景近年来，各个银行分支机构内部合规风险案件频发，个案涉及金额动辄上亿元甚至上百亿元。针对不断发生的风险事件，监管机构更是多次下发制度文件以及给予行政处罚，规范和防控各类违规事件。当前常规的合规监测方法主要有人工质检、专家规则与算法模型，但上述监测方法都具备一定程度的局限。人工质检核实违规行为的人工量大，频率较低，覆盖面少，并且无法进行标准化合规检查的推广；专家规则容易被人为探知，并且专家规则穷举耗尽，难以应对新模式的违规行为；而算法模型多度依赖先验经验，需要足量的黑样本数据，并且通过算法模型识别出的结果，很难给出逻辑解释。面对日益复杂的合规风险场景，渤海银行通过引入知识图谱技术提升整体风控水平与决策引擎能力，使得监测结果兼具准确性与可解释性。首先，利用图计算和图挖掘模型，对冗长、复杂金融业图数据库建设发展调研报告72的隐性关系进行深度的挖掘。其次，图谱计算出的关联特征指标可应用于专家决策分析，也可以为机器学习模型补充关联特征变量；最后，利用图谱的可视化，将模型命中情况、关系网络进行直观展现，满足对模型可解释性的要求。实际落地中，渤海银行在票据中介团伙、对公资金异常流向以及员工疑似归集资金、理财飞单以及操纵客户账户等场景中，通过构建自然人（企业、个人客户或员工）、电话、设备、账户、集团/投资/担保、业务与交易等组成的关联图谱，利用子图挖掘、指标计算、图规则计算等手段，识别异常场景的有效率和关注率均达到 40%。以票据中介团伙为例，构建以主要交易对手、共用IP/MAC、同一高管、同一集团、出票背书关系等多个维度上的团伙成员之间的关联图谱，从贴现笔数、贴现金额、贴现分行个数等多个维度解释团伙风险，能更有效的识别团伙风险，并且更清晰展示团伙成员之间的关联。案例二：集团智能识别因集团客户内部关联关系庞杂隐蔽，关联交易频繁且风险传导性强等特点，其识别管理成为银行信用管理领域的难题之一。目前渤海银行在集团管理上，识别依靠人工，且基于扁平化结构进行管理，无法识别成员间关系。基于此，渤海银行建设了集团智能识别模型进行风险识别。一是针对行内 3000 集团，共计 11000 的行内客户，利用工商等外部数据结合深度有限遍历算法，补全了集团成员间的层级关系。与公司业务部共同对识别结果进行核实。针对 8000 万左右工商企业，利用数据加图谱算法，共识别约 200 万个集团，自动出具认定结果辅助集团认定管理。二是完善集团客户管理的信息化手段，结合使用体验，将扁平化、清单化的集团管理改为图形化集团图谱展示，减少管理人员认定集团的工作量，提升集团客户管理水平。三是通过对集团授信信息、资产信息等进行整合，从整体层面对集团进行管控，识别集团整图图谱构建示意图-票据中介团伙第六章金融业图数据库实践案例73体风险。案例三：账户预警模型因尚未构建账户类风险预警规则，对于账户类风险未够成自动预警的护城河，风险识别依靠人工完成，账户类风险揭示能力较弱，基于此渤海银行建设了账户预警模型。针对全量授信客户，结合交易模型数据构建交易图谱，使用图模式匹配等相关图算法，识别检测 12 种监控异常账户行为（如借款企业资金存量下降）、24 种异常资金交易（如贷款、票据资金回流至借款人、保证人等），2022 年全年共识别 100 异常交易。同时将识别出的预警信号推送预警系统和渤银智脑，及时触达一线客户经理，进行信号展示以及预警处置。案例四：数据资产血缘链路图谱随着数据量不断增长，传统基于关系型数据库搭建的数据血缘已经无法满足使用，迫切需要重构一种更清晰、高效的方式，因此渤海银行构建了基于图数据库的数据资产血缘链路图谱。数据血缘链路图谱应用于数据管理域，提升了数据管理工作的效率与价值释放。数据血缘图谱清晰展现数据资产“从哪来”“到哪去”，实现数据追根溯源，加强了可视化展现。通过解析元数据存储过程，梳理数据资产之间加工链路关系，利用图数据库技术构建血缘图谱，逐步构建完整的数据资产地图；提供不同层次的展现粒度，系统、表、字段，满足业务上不同应用场景的数据查询和辅助分析需要。数据资产血缘图谱已投放至行内的数资管家平台，用户可以当前数据资产为中心点，关联系统、上下级影响、血缘关系、资产详情一点便知。案例五：产业链知识图谱银行对公业务逐渐由粗放式经营向数字化、精细化金融服务转型，同时结合业务发展规划，需围绕产业转型升级和全产业链抓行业客户。在此背景下渤海银行构建了产业链全景图谱，基于多层级产品关系梳理产业链上中下游，并挂接企业，利用知识图谱技术搭建产业链全景视图。为产业链路查询，产品供销关系查询，细分产业项下营销白名单生成，产业政策传导等提供公共服务能力。在未来很长一段时间内，渤海银行将从实际业务痛点出发，积极探索业务落地的场景，逐步在反欺诈、营销等领域，用好知识图谱这把利器。金融业图数据库建设发展调研报告74基于知识图谱的智能风控平台实施案例浙商银行金融科技部在金融领域中，信用评估、反欺诈和风险控制都是最为关键的环节，近些年金融数据爆发式增长，传统风控系统逐渐力有不逮。传统风控普遍存在信息不对称、成本高、时效性差、效率低等问题。一方面传统风控针对非结构化数据的汇总难度大、人力成本较高并且效率低下；另一方面由于金融领域数据具有海量、多结构、多维度、价值大、时效高等特点，数据获取难度大，隐藏在数据中的深层次关系难挖掘。因此，解决银行风控的难点和痛点迫在眉睫。为解决金融领域数据孤岛、格式多样、信息不对等、数据关联关系难以挖掘等问题造成的风险管控难的问题，浙商银行综合应用图数据库、人工智能和大数据等技术构建基于知识图谱的智能风控平台，并广泛引入外部数据，整合银行内部业务和流程，制定覆盖全客户、涵盖全流程的智能风控方案，赋能行内风险控制和管理业务。实施方案浙商银行自 2018 年开始开展知识图谱技术的应用研究，引入图数据库相关技术，并以集团和企业间的关联关系为切入点，自主研发基于知识图谱的智能风控平台。该平台基于 Neo4j 图数据库，整合并存储了包含工商、司法、监管、征信等外部权威数据以及行内业务数据。并综合应用知识图谱、人工智能、大数据等技术挖掘数据关系，构建集团和企业关联关系挖掘模型。构建涵盖自然人、集团、企业、公司客户以及集团关系、投资关系、股权关系、担保关系、任职关系等多种实体和关系类型的金融知识图谱，实现对企业客户的全流程风险防控管理，为银行风控中客户准入、关联关系、客户画像、风险预警等功能提供了数据和技术支撑。平台架构如图所示，浙商银行基于知识图谱的智能风控平台按照数据层、应用系统层和接入层划分，数据层包括银行内部的大数据平台、数据仓库/数据集市和其他数据平台，运用大数据及人工智能技术完成各类数据的处理、加工；应用系统层包括集成的业务系统模块、知识图谱模块和风控模块，业务系统模块包括银行内部客户信息管理系统、信用风险管理系统等业务系统，知识图谱模块包括图谱构建模块和能力封装模块，该模块主要包括图数据库的设计和知识图谱的构建和存储；风控业第六章金融业图数据库实践案例75务模块提供了客户准入、关联关系、客户画像、预警管理等业务功能；接入层提供了 PC 端门户展示、移动端 APP 以及 OpenAPI、SDK 能力。基于知识图谱的智能风控平台在图数据库设计和知识图谱构建过程中，首先对实体和关系进行建模，确定包含自然人和企业两类实体，集团和行内客户信息等其他类型分别以属性形式保存于两类实体中；综合利用工商、司法、监管和征信等外部数据和行内业务数据设计了任职、投资、持股、担保、集团等多种主要关系和行内认定集团、前十大股东等多种辅助查询的关系。并针对必要属性建立索引提升查询速度。在数据处理与入库存储过程中，针对多种数据类型分类处理，目前支持处理文本、表格、XML 和数据库数据等多种数据类型。图数据库和知识图谱构建所涉及的关键技术包括但不限于：采用 OCR、NLP 等人工智能技术，针对银行内部包括财务报表、权证、票据等凭证的非结构化数据进行识别和提取；利用基于HAWQ的大数据分析引擎对工商、监管等外部数据源和银行业务数据进行统一的存储、加工和计算，并保存至图数据库中；平台采用基于关系数据库、Neo4j 图数据库和 ES 集群的混合存储结构，实现数据高效插入、更新和查询。目前，浙商银行企业关联关系知识图谱规模达亿级，图数据库保存的实体和关系类型达 20多种，支持基础查询、路径查询、关系推理等多种查询算法，并具备一定的推理和图计算能力。图基于知识图谱的智能风控平台架构图金融业图数据库建设发展调研报告76应用成效浙商银行基于知识图谱的智能风控平台 2018 年 11 月上线，截至目前已完成多次系统迭代升级。该平台自运行以来取得了良好的经济和社会效益。平台产生超过 900 万条预警信号，自动定级信号占比 95.98%，事前预警率达 82.35%，系统平均事前预警时间为 339 天，大幅提升了事前预警能力；该平台将大量人工操作转化为自动化系统流程，帮助银行运营管理降本增效，提升服务质量；同时，平台可协助业务人员深耕、细耕风险和收益综合性较好的企业客户，实现盈利增长。未来发展方向浙商银行未来将持续致力于图数据库、知识图谱、人工智能等创新技术赋能银行传统业务的智能化、数字化建设，后续将继续开展图数据库和知识图谱的研究和应用，一方面将不断提升图数据库的应用能力和知识图谱的构建能力，沉淀包括知识建模、知识获取、知识融合、知识计算等关键技术积累，推进知识图谱行业标准建设；另一方面将持续推进图数据库和知识图谱的场景化应用，包括利用图数据库对交易信息存储、分析和挖掘，构建交易知识图谱，结合图计算等技术提升行内反欺诈和反洗钱能力。也将进一步赋能信贷风控、营销获客、产品创新、运营管理等金融场景的智能化建设。第六章金融业图数据库实践案例77图计算在中原银行反欺诈领域的探索应用中原银行数据信息部项目简介面对黑产欺诈和电信诈骗等活动日益猖獗且呈现高发多发态势，监管部门要求各金融机构采取有效风险防控措施，充分利用数据挖掘分析工具对账户异常开立和可疑交易情况进行实时监测，提高违规、欺诈交易识别能力。具体落实中面临如下主要问题：一是金融欺诈呈现专业化、产业化、隐蔽化、场景化四大特征，应用传统的专家规则无法实现银行业务风险的精准防控。二是机器学习等算法通过概率学指标预测风险等级，其相关性往往不构成因果关系，造成业务可解释性较差，导致对欺诈行为举证困难。三是传统架构在处理多数据源、大数据量的关系分析场景时，响应速度无法保障，容易错失风险防控的黄金时间。针对上述问题，中原银行利用图计算复杂网络分析能力强、大规模数据处理性能高、可视化展示效果好的特点，结合客户设备、账户、交易行为等数据，建立反欺诈模型，打造涵盖主体、行为、关系的多维智能反欺诈体系，实现对全行 14 个业务渠道、108 类业务场景的风险管控，全面提升业务风险的防范能力，保障客户财据安全，取得良好成效。建设内容中原银行基于图计算的智能反欺诈体系，通过图计算系统以图数据服务和图模型服务两种形式覆盖交易反欺诈、申请反欺诈、营销反欺诈三大业务方向，从事前、事中、事后风控管控闭环出发，实现涵盖主体、行为、关系的多维欺诈风险防控。1.图数据服务建设。图计算系统融合数据量达到 25.6 亿条，对外提供的数据服务包含 15 种实体，40 种关系，其中企业实体 2.1 亿余条，个人实体 5.3 亿余条，其他实体 1.5 亿余条，零售关系 4.25 亿余条，通用关系 7.39 亿余条，对公关系 5.1 亿余条。目前，图数据服务已形成基础标签、业务规则标签、智能标签三大类标签（见图 1），全面覆盖对公、零售、风险等业务条线，成为各部门数智化转型的基石。金融业图数据库建设发展调研报告782.图模型服务建设。面向不同场景特点提供端到端模型服务，已构建个人账户涉诈挖掘模型、对公涉赌涉诈模型、欺诈公司团伙图挖掘模型、紧急止付图挖掘模型、羊毛党挖掘模型等。项目成果1.图数据服务方面。通过对接银行内业务系统，提供数据展示、决策辅助等功能，实现传统线上业务的智能化升级。在对公场景中提供对公客户 360 视图，增强数据聚合服务能力。与对公 CRM 实现深度数据和功能融合，重点实现企业基本信息、关联关系、客户贡献度、已开展业务、行内动态、行外事件、拜访记录、舆情消息推送等企业全维度信息的展现。在零售场景中接入多种数据源的零售数据，形成标准化的实体和关系数据，构建零售图计算模型。嵌入零售 CRM 系统，建立完备的权限体系，支持不同零售部门的功能和数据权限隔离。实现个人担保圈分析、非关联人贷款分析等场景在零售业务中的应用。2.图模型服务建设。截至目前，中原银行应用图计算系统协助地方公安机关破获欺诈案件 3起，共发现可疑团伙 466 个，累计确认风险账户 18702 个，管控风险金额累计 3097 万元。在交易反欺诈场景中，基于公安系统下发紧急支付账户名单构建紧急止付实时图挖掘模型，推送可疑线索 3501 个，管控账户 1138 个，涉及余额 729 万。通过欺诈公司团伙图挖掘模型发现353 个可疑企业团伙，涉及 454 个可疑企业账户。低风险成长期企业有流失风险高贡献度绿色金融模型构建?指标输入?模型训练?模型输入智能标签高营销价值供应链金融?企业派系模型营收增长率网银理财金额交易现金总量近一月累计利润贸易集中?行业小型企业高频小额结算贷款评级下调有效合作年限流出他行同名账户金额净流入金额同比变动率关联企业规模贡献公司业绩下滑扁平化高管多方任职一致行动人涉案业务规则标签强抵押授信户生存周期产品偏好周期频率直接贡献贸易数据企业概况资金往来风险评级价值分层业务客群渠道偏好潜在贡献经营活动集团标识分布特征违约历史基础标签交往周期资金流量结算汇款关联派生业务事件关联网络关联关系特殊名单交易趋势上市企业外部事件生命周期公司轮廓产品持有交易行为价值贡献经营特征往来关系风险特征统计维度时点总量均值最值占比变化率区间总量排名关联挖掘标签较差自定义规则企业内外数据融合关系图谱构建关联信息深加工加工银行数据账户、合同、签约、集团关联方、客户经理、额度、利润贡献、信用评级、财务数据、担保数据外部数据招投标、企业、行业、政策图 1数据标签架构图第六章金融业图数据库实践案例79在申请防欺诈场景中，构建信贷业务申请欺诈团伙挖掘模型，共挖掘 19 万余个团体，精准筛选出近 200 个高危风险团体。在营销反欺诈场景中，通过对参与营销活动的 62.4 万人进行分析，构建羊毛党挖掘模型，认定高危名单共计 70660 个，其中高危设备 83 个，高危 IP 58 个，高危手机号 70460 个，高危客户号 59 个，加入反欺诈黑名单库进行管控。创新亮点1.多维度图算法体系赋能精准防控。中原银行提出“全渠道、全周期、智能化、实时化”目标，基于数仓和图数据库平台建立数据底座，融合基础算法与金融行业特色算法形成算法仓库，应用银行业务规则沉淀端对端模型，实现各条线全周期风险管理业务赋能。2.多模态融合框架实现全周期覆盖。中原银行采用 GraphX 图计算框架、NLP 关键字抽取等多种处理方式，对数据进行顶点和边的过滤、聚合、连接、映射，为后续的图模型挖掘和关系查询提供快速且充足的数据基础。借助 StarRocks Flink Kafka 完成实时数据的抽取与加工，实现分钟级、小时级、天级数据任务的多模态加工方案，为业务人员提供多种时效性的图数据可视化服务和图模型洞察服务。融合分布式缓存、微服务、容器云等技术，搭载高性能图数据库，具备多跳查询、关系强度计算、社区发现等场景的秒级计算能力。图 2转账关系图谱金融业图数据库建设发展调研报告803.可视化展示解决数据可解释性要求。图计算系统从实体、属性、关系的角度将业务逻辑抽象为图计算模型，通过标签传播、图直径等维度形象描述欺诈团伙的形态和构成，并通过可视化方式链状、环状、网状关系，生成企业和个人的投资关系、担保关系、资金往来关系等关系图谱，业务人员能够从多维度、多视角了解客户历史变更及现状情况，有效提升精准营销和风险预警能力。（见图 2）。未来展望未来，图计算技术在金融反欺诈领域的应用方向将更加多样化，将为金融反欺诈领域带来更准确、高效和可靠的解决方案。主要体现在：一是更高效的算法和模型。针对大规模的金融反欺诈场景，使用图卷积神经网络（GCN）或图注意力网络（GAT）等模型，对欺诈行为进行建模和预测，提高计算速度和准确度。二是更丰富的数据类型和数据源。除传统结构化数据外，需利用社交媒体数据非等结构化数据，更全面地了解客户行为和偏好，提高反欺诈的准确性。三是更好地保护隐私和数据安全。在应用图计算技术进行反欺诈分析时，结合隐私计算技术，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。第六章金融业图数据库实践案例81阳光财险非车新一代产品工厂阳光财产保险股份有限公司信息技术部为支撑阳光财险未来 5 10 年的非车业务发展需求，提升保险服务水平，解决当前产品创新与管理的诸多痛点，阳光财险信息技术部、财产险部、意外险部，联合阳光保险集团科技中心，自主设计研发了阳光财险非车新一代产品工厂，并成功应用于阳光非车新一代承保和理赔系统建设中。阳光财险非车新一代产品工厂基于数字化、低代码、云原生的设计理念，充分分析了非车业务特点，并借鉴了大量同业项目建设经验，探索性地将复杂的非车产品模型和组件关系等保险产品主数据基于图数据库维护，实现了产品配置化上线和分层管理能力，短时间内达到了服务提升、技术突破、业务赋能的目标，无论是在投产效果还是技术先进性上都达到了业内领先，有效提升了产品创新能力和保险服务水平。背景和意义保险作为社会保障体系的重要组成部分，是社会发展的“稳定器”和“助推器”，随着保险意识逐渐为大众所理解和接受，保险产品的快速创新能力和多元化配置能力显得愈发重要。非车险作为各保司重点发力的跑道，面临巨大的发展机遇的同时，也面临着竞争激烈、专业能力要求高的挑战，要在非车险市场获得长远发展，必须对传统非车业务转型升级。阳光的非车险产品管理多年来存在产品市场响应速度慢、新产品配置同步各业务环节效率低、产品投放和上下架管理支撑弱等问题。为解决上述痛点，阳光非车新一代产品工厂在建设过程中遵循业务驱动第一的建设原则，借助科技力量和流程创新，实现产品在承保等全流程、全渠道的快速精准投放，意健险产品零代码配置上线，复杂产品上线效率提升 50%以上。项目内容阳光财险非车新一代产品工厂系统基于阳光保险自研 SAAB 开发平台搭建，采用前后端分离的微服务架构，基于统一服务治理平台纳管，借鉴低代码、云原生的开发设计理念，将保险产品金融业图数据库建设发展调研报告82主数据基于图数据库维护，实现视图设计、模型管理、产品配置、编排管理等主要能力，80%以上的非车险产品可实现完全配置化上线，目前已提交发明专利申报。产品工厂主要包括以下设计目标和特点：1.满足保险产品相关视图配置化上线要求。前端基于模型配置驱动提供“拖拉拽”形式的页面构建能力，所见即所得，可实现复杂前端视图组件 100%配置化上线。同时自研契合保险场景的前端视图模型驱动，支持与后端数据模型绑定。2.满足保险产品相关保单模型配置化上线要求。后端基于 Neo4j 维护领域模型数据，支持保险条款、责任、标的、限额、特约等数据和规则的配置和计算公式配置，以元件、模型、组件、产品的理论模型层层驱动产品。借助产品工厂的配置能力，非车承保系统代码量由 900 万行缩减至 136 万行。项目创新点与实施效果1.创新点。技术创新方面，阳光财险非车新一代产品工厂基于低代码设计理念，探索性地将复杂的非车产品模型和组件关系基于图形数据库维护，通过产品的原子化、组件化管理及多层次组装，可在短时间内配置出一款产品，实现产品对不同渠道、活动、服务和客群要求的快速响应，同时对多业务模式、差异化的承保和批改流程提供更好的支持。理念创新方面，实现了同质化产品向客户需求定制化解决方案的转变，具有敏捷创新、全领域同步、精准投放等产品管理能力，产品研发上线效率快速提升。流程创新方面，实现了基于产品工厂的线上化产品研发、多版本上线、下架全生命周期灵活管控，运营作业效率大幅提升。2.项目实施效果。经济效益方面，非车新一代产品工厂大幅节约了保险产品创新和运营成本。非车产品上线效率提高了 50%，每年可节约 4000 小时的操作时间，同时产品工厂对外提供标准接口，实现对于合作伙伴系统的快速对接，接入速度平均加快了近2周，协同沟通效率提升了3倍。系统自 2021 年 4 月试点上线以来，已推广至阳光财险全国 36 家二级机构，目前已覆盖 400 余款非车险产品，获得了公司内外的广泛好评。非经济效益方面，阳光财险非车新一代产品工厂借鉴业内先进的科技理论基础，针对原有作业模式进行大胆革新和数字化转型，贯彻以客户为中心、场景驱动业务的设计理念，探索出一套适用于保险行业的低代码、云原生敏捷研发实践，提升了智能化、敏捷化、数字化、线上化、云化的五大技术端能力，推动了企业信息技术与业务共同变革，提升了保险服务水平。获奖情况方面，本项目于 2023 年荣获中国人民银行评选的“2021 年度金融科技发展奖”。83金融业图数据库建设发展调研报告参考文献【1】中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要【2】中国人民银行金融科技发展规划（2022-2025 年）【3】工业和信息化部“十四五”软件和信息技术服务业发展规划【4】中共中央、国务院数字中国建设整体布局规划【5】Gartner2022 年图数据库管理系统市场指南【6】赛迪顾问2022 年中国图数据库市场研究报告

0人已浏览 2023-12-05 92页 5星级

中小银行金融科技发展研究报告Research Report on the Development of Fintech in Small and Medium Banks第一章中小银行金融科技发展的趋势与宏观背景第二章基于“蜂巢模型”的中小银行金融科技发展总体特征第三章中小银行金融科技发展成绩与经验分析第四章中小银行金融科技发展问题与痛点分析第五章中小银行金融科技发展趋势与先进模式分析第六章中小银行金融科技发展的对策建议专题中小银行推动绿色金融发展的数字化创新与实践本报告由中小银行互联网金融（深圳）联盟、金融壹账通、金融科技50人论坛（CFT50）联合发布如需转载，请标明出处

0人已浏览 2023-11-30 132页 5星级

1 金融科技行业 2023 年 专利分析白皮书 1 报告摘要 金融是国民经济的血脉，是国家核心竞争力的重要组成部分，金融高质量发展成为 2023 年中央金融工作的重要议题。中国金融科技调查报告中指出，我国金融服务业在科技的助力下，从 1.0 时代的“信息科技 金融”、2.0时代的“互联网 金融”逐步向 3.0 的“智能金融”转型，人工智能、云计算、大数据等多种技术与金融业深度融合，科技正在变革金融生态的现在和未来，“无科技不金融”已成行业发展特征！2018 年以来，全球金融科技专利申请量已突破 34 万件，保持高基数下的稳步增长 创新是引领发展的第一动力，保护知识产权就是保护创新，知识产权已成为高质量发展不可或缺的重要资源。2018 年以来，全球金融科技行业专利申请量已突破 34 万件，年均专利申请量近 6 万件，2021 年金融科技年度申请量达到近年申请峰值，高达 70869 件，年均专利申请增长率为 3.8%，保持了高申请基数下的稳步增长。中美两国引领技术创新，中国主体创新活跃，美国市场更受青睐 全球 70 余个国家和地区积极进行金融科技行业的技术创新和专利布局，中国和美国是金融科技行业技术创新的重要引领国，两国专利占比高达2 64.5%。中国专利申请量已突破 15 万件，以 6.6%的年均专利申请增长率快速发展。美国专利申请量近 7 万件，年均专利申请增长率为-1.6%。美国专利申请中近 1/4 的专利申请来自非本国创新主体，所占比重明显高于其他主要专利布局国家，同时美国申请人在 PCT 国际专利申请中以 37.6%的占比位列第一。比较而言，美国市场更受本行业创新主体关注。TOP 10 专利权人均为集团性金融机构，行业竞争激烈，平安集团和蚂蚁集团脱颖而出 2018 年以来，金融科技行业的科技创新领军企业包括平安集团、蚂蚁集团、中国银行、阿里巴巴、腾讯集团、工商银行、CAPITAL ONE、建设银行、万事达卡以及京东集团，位列专利权人榜单前十位。中国权利人位列 8 席，平安集团以 9373 件的专利申请量位列首位，蚂蚁集团以 8395 件的专利申请量位列第二位，两家集团公司专利申请量占金融科技行业专利申请量的比例达 5.1%，技术创新实力明显超过其他主体。美国权利人位列 2 席，分别为第一资本集团 CAPITAL ONE、万事达卡MasterCard。科技创新推动行业发展，人工智能、区块链引领行业创新风向 金融科技行业专利布局中，以人工智能和区块链技术为重点。2019 年至2021 年，这两项技术的专利申请平均增长率分别为 23.1%、3.3%。在金融科技行业所使用的技术中，人工智能技术自2020年起显示出了更加突出的创新优势，引领了行业的技术创新风向。3 从重点技术专利权人分布情况来看，平安集团与蚂蚁集团领跑金融科技技术创新赛道，竞相展现强大技术实力，在多项重点技术的专利申请量排名中均位列 TOP 3。其中，平安集团在人工智能、大数据领域位列第一，蚂蚁集团在区块链领域位列第一。云计算领域位列首位的专利权人为 IBM。风控、智能客服场景创新成果显著，人工智能发挥引领作用 专利数据清晰地描绘了金融科技行业在不同应用场景下的创新格局。风险防控和智能客服的发展突显了金融科技在提升客户体验和风险管控方面的技术优势。同时，数字化经营的活跃发展也为行业的数字化转型提供了强有力的支持。在关键技术的应用上，“ABCD”四项技术均发挥着重要的作用，人工智能技术备受瞩目，其在各应用场景中均表现出了技术引领作用，其中人工智能在保险理赔、风险防控中的专利占比分别为 31.0%、27.9%，所占比例最高。足以看出，基于人工智能技术解决金融交易过程中的安全问题是重要的技术发展方向。从主要应用场景专利权人分布情况来看，平安集团在金融科技各应用场景专利布局实力均非常突出，其在金融科技行业的风险防控、智能客服、保险理赔、数字化经营领域的专利申请数量均位列第一。除平安集团外，蚂蚁集团、阿里巴巴、Capital One、建设银行在金融科技主要应用场景也具有较大竞争优势，均至少在两个应用场景进入 TOP5 之列。4 金融科技巨头平安集团和 Capital One 均致力于全球专利战略，并极为重视借助人工智能技术推动行业革新 作为金融科技行业的领军企业，平安集团以中国本土市场为主阵地，同时在美国、新加坡、日本等多国布局，构建了全球化专利战略。在技术创新方面，平安集团高度重视核心技术的研发，将人工智能视为关键的创新方向。其作品“智能拜访助手AI 会客厅”在人工智能领域屡获殊荣。在应用场景方面，风险防控、智能客服、保险理赔等领域是平安集团专利布局的重点。美国第一资本集团（Capital One）作为一家多元化的金融企业，以其在科技创新方面的卓越表现而备受瞩目。其被誉为银行业中最具科技智慧的公司之一，也是美国金融科技行业的杰出代表。在专利布局方面，近 75%的专利申请聚焦于美国市场，除 PCT 国际专利申请外，其在其他国家或地区的专利申请逐渐收紧。同时，该公司极为重视人工智能技术在安全领域的运用，这成为了其在解决安全问题上的关键选择。金融科技行业 2023 年专利分析白皮书 I 目 录 第 1 章 金融科技行业专利宏观分析.1 1.1 新技术推动金融科技快速发展，中国市场规模已超五千亿元.1 1.2 中美两国引领行业发展，创新主体多为集团性企业.1 第 2 章 金融科技核心技术要素创新.6 2.1 科技创新推动行业发展，人工智能、区块链引领行业创新风向.7 2.2 平安集团与蚂蚁集团领跑金融科技技术创新，竞相展现强大技术实力.8 第 3 章 金融科技在行业应用的创新与发展.9 3.1 应用场景蓬勃发展，风控、智能客服创新成果显著.9 3.2 关键技术推动场景创新，人工智能发挥引领作用.11 3.3 平安全面布局场景创新，蚂蚁、阿里巴巴等行业巨头紧随其后.12 第 4 章 重点企业专利布局案例分析.13 4.1 平安集团：引领金融科技创新，打造全球化金融科技影响力.13 4.2 Capital One：人工智能技术推动银行业务革新.16 金融科技行业 2023 年专利分析白皮书 II 图 表 目 录 图 1 金融科技行业全球专利申请趋势.2 图 2 金融科技行业全球专利布局区域.3 图 3 主要布局国家/地区技术来源国分布.4 图 4 金融科技行业核心技术分布.7 图 5 金融科技行业重要应用场景分布.10 图 6 平安集团金融科技行业专利申请趋势及区域布局.13 图 7 平安集团金融科技行业技术构成及应用场景分布.14 图 8 Capital One 金融科技行业专利申请趋势.16 图 9 Capital One 金融科技行业全球专利布局.17 图 10 Capital One 金融科技行业技术构成及应用场景分布.18 表 1 金融科技行业全球专利权人 TOP 10.5 表 2 金融科技行业核心技术主要专利权人.8 表 3 金融科技行业应用场景采用技术分布情况.11 表 4 金融科技行业应用场景主要专利权人.12 表 5 平安集团金融科技应用场景采用技术占比.15 金融科技行业 2023 年专利分析白皮书 1 第 1 章 金融科技行业专利宏观分析 1.1 新技术推动金融科技快速发展，中国市场规模已超五千亿元 金融稳定委员会（FSB）将金融科技定义为由大数据、区块链、云计算、人工智能等新兴前沿技术带动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。金融科技凭借着新的技术和商业模式快速发展，据波士顿咨询集团发布的 2023 年全球金融科技：重塑金融未来报告预测，全球金融科技行业收入预计从 2023 年 2450 亿美元增至 2030 年 1.5 万亿美元，全球金融服务收入从当前的 2%攀升至未来 7%，其中银行业金融科技预计到 2030 年将占全球所有银行估值的近 25%。近年来我国金融科技市场规模持续保持增长态势，年均增速 10%左右，2022 年我国市场规模达到约 5423 亿元。与此同时，金融科技对传统金融的影响，以及如何适应并促进数字经济发展是时代给出的新命题、新挑战。在此背景下，美国、欧洲、日本等发达国家纷纷发布政策法案来构建金融科技行业新型的发展路径，推动金融技术发展和基础设施的建设，建立健全金融监管机制。我国紧跟时代潮流，为加强金融科技工作的研究规划和统筹协调，2017 年中国人民银行成立金融科技委员会。2019 年和 2022 年，央行先后印发金融科技（FinTech）发展规划（20192021 年）、金融科技发展规划（2022-2025年），从宏观层面对我国金融科技发展进行顶层设计，为科技金融发展指明道路，推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段。近年来，随着各省市及各部委相继出台金融科技及相关产业的有关政策，从数据、技术、经济等方面扶持行业发展，进一步细化了行业的发展规划，有助于落实好规划的重点任务，促进金融科技行业健康、有序、高速发展。1.2 中美两国引领行业发展，创新主体多为集团型企业 当代经济发展已将科技创新置于核心地位，成为我国持续繁荣的引擎。现代经济发展正经历结构性的变革和高速发展，科技与金融的融合愈发成为必然。这金融科技行业 2023 年专利分析白皮书 2 种融合不仅可以全面推动创新，还能有效促进经济的持续增长，进而推动着贫困的根本消除，创造更多就业机会，提升生活质量。图 1 金融科技行业全球专利申请趋势 2018 年以来，金融科技行业全球专利申请逐年稳步增加，总量 34 万余件，20182021 年期间保持正向增长，年均专利申请增长率为 3.8%。根据国家知识产权局发布的2022 年知识产权年报1数据显示，中国 2022年专利申请量为 5364639 件（包含未公开数据），截至本项目数据检索时间，中国 2022 年专利申请公开量为 4442123 件，2022 年专利申请公开率为 82.8%。若按照这一比例推算，金融科技 2022 年中国专利申请量（含未公开）应为 35646件，较 2021 年同比增长了 17.3%。总体来看，金融科技行业表现出了较高的创新活力，同时自 2022 年起，中国专利申请量超过国外在金融科技行业的专利申请总量。这一发展趋势与我国数字经济持续高速增长，行业政策环境和监管规则体系不断优化，行业守正创新、合规经营、规范发展的整体环境紧密相关。1 https:/ 金融科技行业 2023 年专利分析白皮书 3 由于 2022 年和 2023 年递交的专利申请仍未完全公开，因此，2022 年和 2023年的专利申请趋势并未充分展示，可持续关注最新专利申请公开情况。图 2 金融科技行业全球专利布局区域 在金融科技行业，专利申请量位列前四位的国家分别是中国、美国、韩国、日本。其中，中国专利申请量尤为突出，已超过 15 万件，占全球总量的 44.3%，远超过其他国家和地区。中国、美国、韩国、日本是当今世界专利布局的重要国家，2018 年以来，这四个国家专利申请量占全球专利申请总量的比例为 81.9%，同时，中美韩日四国在金融科技行业中的专利申请占比与全球占比保持基本一致（81.8%）。对比来看，美国、韩国、日本在金融科技行业的占比分别高于其全量占比的 14.2%、7.7%、3.0%，从这一数据来看，美国、韩国、日本高度重视金融科技行业的技术创新与专利布局，中国申请人在全球市场面临着更加严峻的竞争形势。金融科技行业 2023 年专利分析白皮书 4 图 3 主要布局国家/地区技术来源国分布 在金融科技行业，各国均以本国创新主体的专利申请为主，中国、美国、韩国、日本专利申请中，来自本国专利申请人的专利比重分别为 94.5%、76.3%、95.5%、86.7%。另外，通过向世界知识产权组织（WIPO 局）递交 PCT 国际专利申请，再由 PCT 途径进入海外市场是当前各国创新主体优先选择的申请途径，在金融科技行业 PCT 国际专利申请中，来自美国、中国、日本、韩国申请人的专利比重依次为 37.6%、18.2%、10.3%、8.6%。综合专利布局国家、技术来源国家的分析结果可以看出，中国和美国是金融科技行业技术创新的重要引领国。在这其中，中国已成为全球金融科技专利申请的佼佼者，超过 95%的专利申请源自国内申请人。而美国则紧随其后，虽然在总体申请量上略显差距，但其国外申请人的比例高达 23.7%。在 PCT 国际专利申请中，美国申请人占据了近 40%的专利申请比例，位居榜首，这一数据彰显了美国申请人对海外专利布局的积极态度。金融科技行业 2023 年专利分析白皮书 5 表 1 金融科技行业全球专利权人 TOP 10 专利申请是创新主体进行技术保护、参与市场竞争、树立品牌形象、展现科技创新能力的重要手段，通过分析行业内专利申请人或专利权人排名情况，可以了解行业内创新主体的专利申请及持有情况。为了方便表述，在本报告行文中将专利申请人和专利权人统一称为专利权人。2018 年以来，金融科技行业的科技创新领军企业包括平安集团、蚂蚁集团、中国银行、阿里巴巴、腾讯集团、工商银行、CAPITAL ONE、建设银行、万事达卡以及京东集团。所属国家来自专利文献中登记的地址信息，数据显示 TOP 10 专利权人分别源自中国、美国和开曼群岛。其中，8 家企业来自中国，2 家企业来自美国。值得一提的是，蚂蚁集团和阿里巴巴集团的部分专利登记地址位于开曼群岛。在专利数量方面，平安集团和蚂蚁集团脱颖而出，分别拥有 9373 件和 8395件专利申请，明显领先于排名第三的中国银行（4777 件）。这使得它们在金融科技行业堪称科技创新的佼佼者，具有显著的领先优势。值得一提的是，TOP 10 专利权人均为集团型企业，涵盖了金融科技企业、排名权利人名称专利（申请）量专利占比所属国家1平安集团93732.7%中国2蚂蚁集团83952.4%中国/开曼群岛3中国银行47771.4%中国4阿里巴巴42541.2%中国/开曼群岛5腾讯集团39581.1%中国6工商银行37281.1%中国7CAPITAL ONE35711.0%美国8建设银行32410.9%中国9MasterCard22930.7%美国10京东集团21220.6%中国金融科技行业全球专利权人 TOP 10金融科技行业 2023 年专利分析白皮书 6 银行业企业以及信用卡公司等不同类型。综合来看，尽管上述专利权人所属细分业务领域存在差异，但它们都以金融行业为核心，共同推动着金融科技行业的创新与发展。第 2 章 金融科技核心技术要素创新 世界顶级会计专业服务机构毕马威持续关注金融科技发展，先后发布2022毕马威中国金融科技企业双 50 报告、2023 中国金融科技企业首席洞察报告等多份分析研究报告，同时在其网页设立金融科技动向板块。毕马威在其研究报告中指出，现阶段，以“ABCD”为代表的核心技术要素是金融科技基础设施的重要发展基础，即 AI（人工智能）、Blockchain（区块链）、Cloud Computing（云计算）、Big Data（大数据）。人工智能为金融行业各参与主体和业务环节赋予了强大动力，特别突显了AI 技术在产品创新、流程再造以及服务升级方面的重要作用。据麦肯锡估计，AI 技术每年可为全球银行业带来高达 1 万亿美元的增值。机器学习、知识图谱、图计算等核心技术的应用将对整个金融行业产生颠覆性影响。在金融行业发展中，信用问题一直是一个关键难题。区块链技术作为一种去中心化的数据库，将强化大数据信用机制。它能够对数字资产进行加密记录和安全存储，保证区块链网络中所有节点的信息一致性。这将连接原本相互不信任的节点，实现信任的传递，从而实现参与方之间的高效连接与协作。大数据被誉为“未来的新石油”，因其规模性、多样性、实时性和价值性而备受瞩目。各行业正快速迈入大数据时代，而金融行业则处于变革的前沿。云计算作为数字时代新基建的重要组成部分之一，为金融机构提供了存储和处理海量数据的能力，省去了机构在内部架构建设和管理上的诸多成本。综上所述，人工智能、区块链、大数据以及云计算等技术将深刻影响金融行业，为其发展注入新动能，也将推动金融行业朝着更加智能、高效和可信赖的方向发展。基于此，我们将以专利数据为分析对象，探讨上述重点技术在金融科技行业的专利布局情况。金融科技行业 2023 年专利分析白皮书 7 2.1 科技创新推动行业发展，人工智能、区块链引领行业创新风向 2023 年 1 月，毕马威发布2022 金融科技发展趋势2报告指出，以人工智能、区块链、云计算、大数据（简称 ABCD）等为代表的新一代信息技术是金融“新基建”的重要组成部分，经过数年的跨越发展与积累沉淀，核心技术的发展和应用更加成熟稳定，科技对金融的影响已由“模式创新”转向“技术创新”，金融基础设施的技术底座已基本夯实。图 4 金融科技行业核心技术分布 金融科技行业专利申请中，以人工智能和区块链技术为布局重点。自 2019年至 2021 年，这两项技术的专利申请平均增长率分别为 23.1%、3.3%。在所有技术中，人工智能技术自 2020 年起显示出了更加突出的创新优势，引领了行业的技术创新风向。2 https:/ 金融科技行业 2023 年专利分析白皮书 8 另一方面，云计算和大数据两项技术领域在专利数量上保持相对稳定的水平。它们的专利申请趋势保持着基本稳定的态势。然而，从 2022 年开始，大数据领域相关专利申请量超过了云计算，显示出了大数据相关技术逐渐成为金融科技行业中新的发展趋势。这些技术的聚焦表明了金融科技行业在不断追求创新，并将人工智能和区块链作为未来发展的核心驱动力。同时，云计算和大数据两项技术领域的稳定表现也显示出它们在金融科技发展中的持久价值。在这个充满变革的时代，技术创新是金融科技企业持续发展的关键。这些技术的不断演进将为金融行业带来更多的可能性，也将推动着金融科技行业朝着更加智能化、高效化的方向迈进。因此，持续地投资和关注这些关键技术，将是企业在未来金融科技竞争中脱颖而出的关键因素之一。2.2 平安集团与蚂蚁集团领跑金融科技技术创新，竞相展现强大技术实力 随着金融科技行业竞争加剧，企业需要具备强大的科技创新能力和敏锐的市场洞察力，以应对未来的挑战。通过对行业支撑技术不断创新和积极专利布局，可以为未来业务及产品创新提供有力保障，使企业持续保持竞争优势。表 2 金融科技行业核心技术主要专利权人 金融科技行业 2023 年专利分析白皮书 9 从金融科技行业重点技术专利权人分布情况来看，平安集团在金融科技行业具有较强的综合技术实力，其应用人工智能和大数据领域的专利申请数量均位列第一，应用区块链与云计算的技术也排名前五。这些技术在金融科技行业中具有重要应用价值，为平安集团在金融科技行业中的竞争提供了坚实基础。此外，蚂蚁集团在金融科技行业也具有较大竞争优势，采用人工智能、云计算与区块链技术的专利申请也位居前五之列。第 3 章 金融科技在行业应用的创新与发展 3.1 应用场景蓬勃发展，风控、智能客服创新成果显著 风险防控是金融行业的基石风险防控是金融行业的基石。通过应用先进的技术如人工智能、大数据技术，可以实时监测、识别并响应潜在的风险事件，从而降低金融机构的信用和市场风险，保障了金融体系的稳定运行。随着金融市场的不断创新和复杂化，风险防控需求日益迫切。风控技术可以在保持高效性的同时，提供更准确的风险识别和评估，为企业提供可靠的风险管理手段。用户满意度是推动产业发展的关键用户满意度是推动产业发展的关键。随着客户服务需求的不断增长，传统的客服方式已经无法满足高效、个性化的服务要求。通过智能客服，可以实现 24/7 的全天候服务，同时提供更快速、精准的问题解决方案。智能客服结合了自然语言处理、机器学习等技术，可以根据用户的语义理解历史数据，提供更个性化、智能化的服务。这不仅提升了客户满意度，也为企业节省了人力成本，同时也反向推动了人工智能技术的快速发展。同时，在2023 中国金融科技企业首席洞察报告3中指出，客服、营销是行业内普遍看好的应用场景。保险理赔是用户最直接接触的环节保险理赔是用户最直接接触的环节。通过数字化技术，可以实现理赔流程的高效化、透明化，提升了用户的体验和信任度。基于人工智能和大数据相关技术，保险公司可以更准确地评估理赔申请的真实性，避免了不必要的理赔争议。数字化经营是企业在数字化时代保持竞争力的关键数字化经营是企业在数字化时代保持竞争力的关键。通过数字化技术，企业可以实现业务流程的优化和自动化，提高了运营效率，降低了成本。数字化经营还可以为企业提供丰富的数据和信息，为决策提供科学依据。同时，可以借助数字化手段拓展市场，提升品牌影响力。3 2023 中国金融科技企业首席洞察报告()金融科技行业 2023 年专利分析白皮书 10 综上所述，风险防控、智能客服、保险理赔和数字化经营是金融科技的重点应用场景进行，这些领域涵盖了金融行业的核心环节，通过技术的创新和应用，可以为企业提供更高效、智能、安全的服务，提升其在市场竞争中的竞争力。同时，也能够为整个金融行业的发展注入新的动力。图 5 金融科技行业重要应用场景分布 2018 年以来，金融科技在风险防控和智能客服领域取得了显著的融合发展成果。在专利申请数量方面，风险防控专利申请达到了 30991 件，智能客服领域则有 28263 件。这两个关键领域的专利申请年均增长率分别为 6.7%和 13.3%。这显示了金融科技在不断深化应用场景的过程中，尤其在风险控制和智能客户服务方面取得了显著的创新成果。同时，数字化经营和保险理赔领域的专利申请数量和发展趋势也保持着基本一致的步伐。数字化经营在 2019 年至 2021 年的专利申请年均增长率达到了 9.0%，展现了更高的创新活跃度，这表明了数字化经营在金融科技中的重要性以及其在金融科技行业 2023 年专利分析白皮书 11 未来发展中的巨大潜力。专利数据清晰地描绘了金融科技行业在不同应用场景下的创新格局。风险防控和智能客服的发展突显了金融科技在提升客户体验和风险管控方面的技术优势。同时，数字化经营的活跃发展也为行业的数字化转型提供了强有力的支持。3.2 关键技术推动场景创新，人工智能发挥引领作用 核心技术在推动应用场景发展方面扮演着至关重要的角色，在金融科技行业，“ABCD”关键技术的创新与发展可以有效提升处理速度、拓宽场景边界、降低运营成本、改善用户体验，甚至颠覆行业格局。表 3 金融科技行业应用场景采用技术分布情况 在关键技术的应用上，人工智能技术备受瞩目，其在保险理赔领域的表现最为突出，其专利占比高达 31.0%。风险防控、智能客服和数字化经营领域的人工智能专利占比则逐渐降低。金融安全是当今社会经济发展中不可忽视的重要问题，而区块链技术则被视为解决金融安全问题的一种创新型工具。从专利数据来看，风险防控、保险理赔领域高度重视区块链技术的创新与布局，专利占比分别为 12.6%、15.9%，显示出其在解决金融安全问题上的创新潜力。数据作为数字化经营的核心要素，已成为现代经济发展的引擎。数据分析在数字化经营中扮演着举足轻重的角色。特别是在数字化经营领域，大数据相关技术的专利占比高达 13.2%，远超其他领域。技术领域风险防控智能客服保险理赔数字化经营人工智能27.9%.31.0.6%区块链12.6%4.7.9%9.9%云计算3.9%3.6%4.5%9.6%大数据6.2%2.2%5.1.2%金融科技行业应用场景采用技术分布情况金融科技行业 2023 年专利分析白皮书 12 云计算在金融科技的风险防控、智能客服、保险理赔和数字化经营中都发挥着重要作用，在这些领域中，其与数字化经营的融合尤为密切。云计算技术以多种模式（IaaS、PaaS、SaaS）助力企业实现数字化转型。从专利数据来看，云计算技术在数字化经营中的专利占比最高，高达 9.6%。3.3 平安全面布局场景创新，蚂蚁、阿里巴巴等行业巨头紧随其后 表 4 金融科技行业应用场景主要专利权人 从主要应用场景专利权人分布情况来看，平安集团在金融科技各应用场景专利布局实力均非常突出，其在金融科技行业的风险防控、智能客服、保险理赔、数字化经营领域的专利申请数量均位列第一。除平安集团外，蚂蚁集团、阿里巴巴、Capital One、建设银行在金融科技主要应用场景也具有较大竞争优势，均至少在两个应用场景进入 TOP5 之列。其中，蚂蚁集团在金融科技行业四个主要应用场景均位列前五之列；而阿里巴巴在风险防控、保险理赔、数字化经营领域位列前五之列；Capital One 在风险防控与智能客服领域的专利申请进入 TOP5。平安集团、蚂蚁集团、阿里巴巴、Capital One 和建设银行在金融科技行业的强大研发实力和专利布局的竞争优势，使其市场竞争中具有显著的优势。未来，金融科技行业 2023 年专利分析白皮书 13 随着金融科技的不断发展，这些公司将继续发挥重要的引领作用，推动金融科技的创新和发展。第 4 章 重点企业专利布局案例分析 本章将甄选中国、美国一家企业进行典型案例分析，鉴于平安集团、Capital One 在专利权人中的创新实力，本章节将其作为重点分析对象，挖掘其在金融科技行业的专利申请态势、全球化布局策略、业务场景等内容。以期研究行业领先企业专利布局特点，为整体创新实力提升提供思路。4.1 平安集团：引领金融科技创新，打造全球化金融科技影响力 作为一家具有全球视野的综合金融集团，集团积极响应“十四五”发展规划，坚守金融主业，深化“综合金融”服务体系，深入推进全面数字化转型，助力金融业务提质增效，加速推进生态圈建设，实现“科技赋能金融、生态赋能金融、科技促进发展”。图 6 平安集团金融科技行业专利申请趋势及区域布局 金融科技行业 2023 年专利分析白皮书 14 平安集团登顶金融科技专利榜首，展现强大创新实力平安集团登顶金融科技专利榜首，展现强大创新实力 2018 年以来，平安集团在金融科技行业的专利申请量为 9373 件，这一申请量彰显了平安集团在金融科技行业的创新活力和技术实力，并使其登顶行业专利权人榜首。从专利申请趋势来看，平安集团 2018 年以来持续稳定创新，虽然在 2019 年到 2021 年期间受集团技术创新方向调整优化、专利数量向质量转变等企业策略的影响，专利申请量有所降低，但平安集团在技术创新方面的步伐并未放缓，从2022 年开始呈现上升趋势。构建全球化专利布局，以夯实本土优势，扩大国际影响力构建全球化专利布局，以夯实本土优势，扩大国际影响力 就全球专利布局而言，平安集团在中国本土拥有高达 89.4%的专利申请比例。中国作为全球最大的市场之一，也是平安集团专利布局的基石和核心区域。中国本土扮演了平安集团专利布局的基础角色，也是其特别重视的专利布局区域。因此，平安集团在中国本土进行专利布局，以保护和巩固其在市场中的地位，显得尤为重要。除在中国本土进行充分的专利布局外，平安集团也积极在海外进行专利布局，目前国外专利申请占比约为 10%，其中向世界知识产权组织递交的 PCT 国际专利申请占比 9.6%，已进入国家阶段的国家/地区包括中国香港、美国、新加坡、日本、EPO、印度、印尼、中国台湾。随着全球化的加速，海外市场对于平安集团的业务发展也越来越重要，虽然目前海外布局专利数量仍不高，但足以看出其全球化的发展策略。图 7 平安集团金融科技行业技术构成及应用场景分布 金融科技行业 2023 年专利分析白皮书 15 以人工智能为技术引领，打造金融科技创新优势以人工智能为技术引领，打造金融科技创新优势 在技术创新方面，人工智能是平安集团在金融科技行业专利布局的重要方向，专利申请比重为 30.8%。区块链专利申请比重位列第二，占比 22.9%。大数据领域专利申请相对较少，占比 12.0%。云计算领域专利布局数量最低，仅有 81 件，占比不足 1%。在应用场景创新方面，风险防控是平安集团的重点布局方向，专利申请比重达 13.8%。智能客服与保险理赔的专利申请量略低于风险防控，专利申请比重分别为 8.1%与 6.3%。表 5 平安集团金融科技行业应用场景采用技术占比 从平安集团金融科技应用场景采用的技术占比情况看，人工智能在各应用场景占比较大。尤其在智能客服领域，采用的人工智能技术占比接近 50%。较其他应用场景，人工智能在智能客服领域较发挥的作用更大。比较而言，平安集团在风险防控、数字化经营和保险理赔领域积极使用大数据相关技术，专利占比介于 10 %之间，在智能客服领域采用该技术的专利申请相对较少。平安集团运用科技助力金融业务提质增效和提升风控水平，“智能拜访助手AI 会客厅”采用平安人寿自主研发的 AI 技术，凭借在数字化转型方面的卓越表现以及丰富的业务场景应用经验，斩获“2022 年 Efma-埃森哲保险创新大赛”技术领域风险防控智能客服保险理赔数字化经营人工智能36.6G.19.2#.0%区块链18.0$.1.2.1%大数据17.5%5.3.9.9%云计算0.6%0.4%0.7%平安集团金融科技行业应用场景采用技术占比金融科技行业 2023 年专利分析白皮书 16 全球铜奖4。平安集团运用科技赋能金融业务提效率、控风险，2023 年上半年实现数字化营销平台助力代理人触客超 1.1 亿人次，AI 坐席服务量约 9.9 亿次，智能化理赔拦截损失 60 亿元，同比增长 33%。同时，平安集团注重健全 AI 伦理体系，成立 AI 伦理管理委员会，制定了平安集团 AI 伦理治理政策，对人工智能的开发和应用进行全面科学管控。对外，平安积极参与人工智能全球治理，协助推动行业 AI 治理标准化发展。4.2 Capital One：人工智能技术推动银行业务革新 美国第一资本集团（Capital One）是一家以投资融资及基金管理为基础，集国际贸易、项目开发、投资银行业务为一体的多元化国际企业集团，根据 2022年财富榜单显示，Capital One Financial 美国 500 强第 108 位，资产超过四千亿美元5。Capital One 是科技赋能银行业务的先行者，被称为银行业中最懂技术的公司之一。其利用人工智能技术推出聊天机器人 Eno，支持客户用自然语言查询信用卡帐户和支票帐户、查阅转账记录，还支持询问机器人获取信用卡还款日期，以及对 Capital One 信用卡进行支付操作。图 8 Capital One 金融科技行业专利申请趋势 4 https:/ 5 第一资本金融公司 Capital One Financial(美国 500 强 2022 年公司排名)-2022 企业名单-财富中文网()金融科技行业 2023 年专利分析白皮书 17 受经营状况影响，受经营状况影响，Capital One 公司在公司在 2021 年之后专利申请呈现下降趋势年之后专利申请呈现下降趋势 2018 年以来，Capital One 公司在金融科技行业的专利申请量为 3571 件，位列金融科技专利权人排名第七位，位列金融科技美国申请人排名首位。20192021 年专利申请年均增长率为 27.0%，20192020 年专利申请活跃度较高，此后专利申请呈现下降趋势。Capital One Financial 经营数据显示，该公司 2021 年营业收入为 31643 百万美元，较 2020 年同比下降 6.3%，2022 年营业收入为 32033 百万美元，虽然较2021 年出现了 1.2%的同比增长率，但是营业收入仍不及 2019 年营收水平。综合来看，Capital One 公司在 2021 年之后营业收入方面的波动或对其专利申请趋势产生了一定的影响。图 9 Capital One 金融科技行业全球专利布局 金融科技行业 2023 年专利分析白皮书 18 Capital One 公司近公司近 75%的专利申请聚焦于美国市场，除的专利申请聚焦于美国市场，除 PCT 国际专利申国际专利申请外，其在其他国家或地区的专利申请逐渐收紧请外，其在其他国家或地区的专利申请逐渐收紧 从专利布局国家分布情况来看，Capital One 公司采用以美国市场为主辐射全球 15 个国家或地区的专利保护策略。美国专利占比最高，达 73.2%。其次，加拿大、WIPO、EPO、中国专利占比依次为 7.5%、6.0%、3.9%、2.1%。结合主要布局国家或地区专利申请趋势来看，其在美国、加拿大、EPO、中国的专利申请在 2021 年前后均出现了不同程度的下降，但是 PCT 国际专利申请依然保持了正向增长，从侧面反映出其对美国以外市场的重视程度。图 10 Capital One 金融科技行业技术构成及应用场景分布 Capital One 公司专注于通过人工智能技术防范风险、提高用户体验公司专注于通过人工智能技术防范风险、提高用户体验 在技术创新方面，Capital One 公司高度重视人工智能方向的专利申请，专利申请量占其总量的比例高达 26.9%，在人工智能领域位列专利权人排名第五位。在应用场景方面，Capital One 公司非常重视风险防控方面的专利申请，专利占比为 12.1%，位列主要应用场景首位。通过人工智能技术解决安全问题，是 Capital One 公司的重要选择，专利申请涉及基于对消息传送账户中的消息的分析的欺诈检测、用于生成预测性风险结果的系统和方法、使用语音和/或视频数据的交易跟踪和欺诈检测等内容。反欺诈和安全是 Capital One 公司部署的系列人工智能项目之一，其专注于通过机器学习分析大量数据，从而帮助该银行金融科技行业 2023 年专利分析白皮书 19 实时侦测并预防欺诈行为。智能客服也是 Capital One 公司重点布局的应用场景，专利占比为 10.0%，位列主要应用场景第二位。其通过人工智能技术设计客户服务预测的系统和方法、用户对话管理、自动化身份验证系统等，通过利用大量的非结构化数据来分析客户，从而提高用户体验。除了自主研发以外，通过收购专业型公司以快速实现专业领域的技术突破，是美国企业普遍采用的发展战略。2018 年，Capital One 收购机器学习咨询公司 Notch，以便为客户开发更多更好的数据驱动产品和服务。金融科技行业 2023 年专利分析白皮书 20 附录 数据说明 数据范围：数据范围：（1）专利数据：发明专利、实用新型专利及外观专利（2）国家范围：中国、美国、欧洲、日本、韩国、世界知识产权组织、德国、英国、法国、俄罗斯等 170 个国家及地区（3）数据时间范围：申请日=2018 年 1 月 1 日2023 年 9 月 30 日（4）数据检索截止时间：2023 年 10 月 10 日 数据来源：数据来源：知识产权出版社有限责任公司（CNIPR、DI）、合享新创（INCOPAT）。数据说明：数据说明：由于数据公开的时限性，部分专利文献还没有公开，因此实际的申请文献数据会略大于本报告检索到的数据。同时，由于法律状态发生变化时，公布及检索数据存在滞后性的原因，本文提供的法律状态信息仅供参考。

0人已浏览 2023-11-28 27页 5星级

-编撰支持单位编撰支持单位 -中国信托登记有限责任公司中国信托登记有限责任公司 上海交通大学上海高级金融学院上海交通大学上海高级金融学院 -案例支持单位案例支持单位-（按笔画排序）上海国际信托有限公司上海国际信托有限公司 五矿国际信托有限公司五矿国际信托有限公司 中信信托有限责任公司中信信托有限责任公司 中航信托股份有限公司中航信托股份有限公司 中国对外经济贸易信托有限公司中国对外经济贸易信托有限公司 中诚信托有限责任公司中诚信托有限责任公司 中粮信托有限责任公司中粮信托有限责任公司 平安信托有限责任公司平安信托有限责任公司 长安国际信托股份有限公司长安国际信托股份有限公司 华润深国投信托有限公司华润深国投信托有限公司 华宝信托有限责任公司华宝信托有限责任公司 陆家嘴国际信托有限公司陆家嘴国际信托有限公司 建信信托有限责任公司建信信托有限责任公司 社会发展步入数字经济时代，数字化已成为推动社会各行业创新发展的重要力量，国家高度重视数字技术发展。党的二十大报告指出，要加快建设网络强国、数字中国，加快发展数字经济，促进数字经济和实体经济深度融合。中共中央、国务院印发数字中国建设整体布局规划，明确了数字中国“2522”整体建设框架，从党和国家事业发展全局的战略高度作出了全面部署。人民银行、国家金融监督管理总局1也相继提出了关于引导和促进数字化转型发展的指导意见。当前，信托业正积极推进业务模式和经营模式的深度转型。2023年 3 月，关于规范信托公司信托业务分类的通知的颁布实施，是信托转型发展过程中的重要里程碑。一方面，充分厘清了信托业务边界和服务内涵，引导信托公司回归本源，积极发挥制度优势，走高质量转型发展之路；另一方面，进一步强调了信托业务的服务属性。而要走好“服务”新征程，不仅需要在客户经营、渠道建设、投研交易等多个业务能力方面加强数字化提升，也需要在信息安全、业务连续性等基础保障方面进一步巩固夯实，金融科技支撑的重要性愈发凸显。新版信托公司评级指引也首次增加了信息科技建设方面的内容要求。对信托业而言，金融科技已不再是选择，而是必然和必须。为深度观察信托业金融科技应用现状和发展趋势，洞悉行业发展 1 2022 月 1 月前后，人民银行、原银保监会相继发布金融科技发展规划(2022-2025 年)和关于银行业保险业数字化转型的指导意见。前言 诉求，探索行业发展路径，自 2022 起，信托业协会金融科技专业委员会立足金融科技视角，组织行业各方力量，共同编撰中国信托业金融科技应用发展报告（以下简称报告）。今年，报告继续围绕业务经营（B）、客户体验（X）、技术研发（T）、科技治理（G）模型框架，结合问卷调研和专家访谈，对行业金融科技发展情况进行调研分析。同时，为进一步深化报告内涵，提升报告对行业金融科技建设的指引与参考价值，在 BXTG 模型基础上，进一步总结提炼了以进一步总结提炼了以“经营、服务、交付、管控”为核心、“经营、服务、交付、管控”为核心、“ITIT 和数据和数据”为支撑的金融科为支撑的金融科技能力技能力框架和发展成熟度模型。整体来看，虽然行业正处转型周期，框架和发展成熟度模型。整体来看，虽然行业正处转型周期，但金融科技发展稳中有升，金融科技能力建设也在稳步推进。但金融科技发展稳中有升，金融科技能力建设也在稳步推进。具体而言，报告分为行业发展环境阐述、行业金融科技发展现状分析、他山之石案例以及发展建议四个部分。从行业发展环境来看，从行业发展环境来看，行业面临监管改革深化、经济增长放缓、业务经营承压和市场竞争加剧等问题，给业务转型和经营转型带来了较大的挑战。从行业金融科技发展现状来看，从行业金融科技发展现状来看，整体保持稳中有进，BXTG 得分小幅提升。基于金融科技能力视角分析：经营能力方面，客户经营能力基础平台基本建立，机构经营与公司经营能力有待提升；服务能力方面，客户服务能力相对全面，机构服务和员工服务能力有待加强；交付能力方面，重点业务已基本满足经营需求，不同业务的数字化交付实现差异较大；管控能力方面，合规管理的数字化建设已基本满足展业需要，风险管理的数字化建设有待加强；IT 支撑方面，总体保障基本建立，但尚不稳健，有待进一步夯实；数据支撑方面，机制建设较为全面，但支撑能力和业务应用尚不充分。行业整体在发展金融科技过程中，仍面临资源投入并不充足、基础积累尚不充分、数据治理方式方法和技术支撑仍待优化加强、数字底座尚不稳健等多方面的不足与挑战。为积极推动行业金融科技发展，报告基于数字化能力视角，提出了“经营综合化、服务定制化、交付敏捷化、管控敏知化”以及“基础设施现代化”的评估模型，并划分了“初始、探索、形成、成熟、卓越”五阶段成熟度，为每个等级拟定了不同的目标以及重点建设内容，以帮助信托公司进行能力定位，科学制定金融科技发展路径，更好地推进金融科技应用建设，实现高质量数字化转型。中国信托业协会金融科技专业委员会 2023 年 8 月 目 录 第一章第一章 转型之路：转型变革深化，金融科技赋能愈发重要转型之路：转型变革深化，金融科技赋能愈发重要 /1 1 一、监管趋严、经营承压，信托转型步入深水区 /2（一）监管改革深化、经济增长放缓，行业发展面临较大挑战 /2（二）业务经营承压、市场竞争加剧，数字转型有待持续加强 /3 二、“服务”新征程，金融科技赋能需求愈发突显 /4（一）政策指引，引导加强金融科技建设发展 /4（二）“服务”新征程，亟需金融科技赋能前行 /5（三）同业先行，金融科技赋能价值可期 /5 第二章第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑行业洞察：深化金融科技应用，洞悉转型能力支撑 /7 7 一、金融科技应用发展总体概况 /8 二、信托业金融科技能力发展现状分析 /12（一）金融科技能力框架模型 /12（二）信托金融科技能力建设分析 /14 三、信托业金融科技发展存在的不足与挑战 /99（一）金融科技建设发展资源投入并不充足 /99（二）构建数字化能力的基础积累尚不充分 /99（三）数据治理的方式方法和技术支撑仍待优化加强 /100（四）数字底座支撑尚不稳健 /100 第三章第三章 他山之石：深化先进经验借鉴，加快转型创新步伐他山之石：深化先进经验借鉴，加快转型创新步伐 /10103 3 一、道富集团：以金融科技促进机构服务转型 /104 二、贝莱德：金融科技助力实现资管行业领先地位 /106 目 录 第四章第四章 突围思考：明确转型发展方向，加强能力体系建设突围思考：明确转型发展方向，加强能力体系建设 /10109 9 一、金融科技能力成熟度模型 /110 二、信托业金融科技能力成熟度现状/113 三、信托业金融科技能力建设路径/目标建议 /115（一）经营能力发展建议 /115（二）服务能力发展建议 /119（三）交付能力发展建议 /123（四）管控能力发展建议 /125（五）IT 支撑能力发展建议 /127（六）数据支撑能力发展建议 /129 四、行业公共服务能力建设发展建议 /131（一）深化行业金融科技生态建设，提升行业金融科技发展活力 /131（二）加强行业公共服务平台建设，提升行业金融科技发展质效 /132 后记后记 /13/135 5 第一章 转型之路：转型变革深化，金融科技赋能愈发重要 1 第一章 转型之路：转型变革深化，金融科技赋能愈发重要 1 第一章 转型之路：转型变革深化，金融科技赋能愈发重要 2 2018 年，关于规范金融机构资产管理业务的指导意见（以下简称资管新规）的发布，拉开了大资管行业改革的序幕。三年过渡期结束，资管新规正式实施，期间资产管理行业变化巨大。与此同时，信托行业积极推进转型变革，坚持走高质量发展之路高质量发展之路。2022 年是信托业务转型深化的重要一年，信托公司紧密围绕监管要求，积极探索差异化发展道路。整体来看，业务结构正持续优化，经营质量也趋于好转，但也面临多方面的挑战。（一）（一）监管改革深化、经济增长放缓，行业发展面临较大挑战监管改革深化、经济增长放缓，行业发展面临较大挑战 从监管政策上看，行业改革持续深化从监管政策上看，行业改革持续深化。一方面，为防风险、治乱象，“两压一降”政策持续推进。另一方面，关于规范信托公司信托业务分类的通知（以下简称“信托业务三分类新规”）的颁布实施，并将资产服务信托放在首位，积极引导和鼓励行业转变传统思路，将服务信托作为未来重点方向，回归信托“服务”本源，做好做强服务信托，推进高质量转型发展。此外，异地展业要求出台，进一步规范了行业跨区域经营模式。从经济环境上看，行业发展产业支撑转弱。从经济环境上看，行业发展产业支撑转弱。受多方面因素影响，2022 年全年国内生产总值（GDP）增速放缓。信托业长期倚重的房地产、基础设施建设等传统产业的景气度走弱，优质资产稀缺。与此同时，数字经济快速发展，已成为未来经济发展的重要方向，但行业整一、监管趋严、经营承压，信托转型步入深水区 第一章 转型之路：转型变革深化，金融科技赋能愈发重要 3 体在数字产业的布局尚不充分，切入路径、服务模式尚不清晰，需要进一步加紧研究深化。（二）（二）业务经营承压、市场竞争加剧，数字转型有待持续加强业务经营承压、市场竞争加剧，数字转型有待持续加强 从业务经营上看，盈利能力持续下滑。从业务经营上看，盈利能力持续下滑。在新旧动能转换的转型阶段，2022 年虽然行业信托资产规模有所回升，但收入规模、利润总额持续走低，分别为 838.79 亿元和 362.43 亿元，同比下滑 30.46%和39.76%。多家信托公司开始出现亏损，而保持盈利的公司其营收规模和利润率也出现明显下滑，行业整体面临较大的经营压力。从市场格局上看，竞争优势尚需挖掘从市场格局上看，竞争优势尚需挖掘。信托行业在财富管理、证券投资等未来发展的重点领域，面临着与银行理财子公司、公募基金、私募基金、保险资管等诸多同业的同质化竞争。但在客户资源、投研能力、运营服务等方面，信托业与同业都存在一定的差距，竞争优势并不明显，需要围绕自身信托制度优势，积极开展与同业的错位竞争和优势互补，找到经营发展的破局之道。第一章 转型之路：转型变革深化，金融科技赋能愈发重要 4 信托业务三分类新规的颁布实施，重点强调了信托业务的“服务”属性，积极引导和推动信托公司经营展业从传统融资利差模式向服务手续费模式转变，信托业也将迈入以“服务”为核心的全新征程。相较传统业务，“服务”型信托业务具有客户广、交互频、数据多、周期长等特点，要走好“服务”新征程，在客户经营、产品设计、风险管理等多个方面，都需要依托稳健强大的金融科技支撑，以线上化、自动化、智能化的方式，推进业务经营和服务保障。（一）政策指引，引导加强金融科技建设发展（一）政策指引，引导加强金融科技建设发展 2022 年初，人民银行、原银保监会相继发布金融科技发展规划（2022-2025 年）（以下简称规划）和关于银行业保险业数字化转型的指导意见（以下简称 意见）两份金融科技重要文件，旨在引导和加强金融机构加强金融科技投入建设。其中，意见从战略组织、业务经营、数据能力、科技能力和风险防范等多个方面，系统全面地提出了数字化发展要求，引导金融机构加快构建适应数字经济时代发展需要的数字能力体系。中国信托业协会发布新版信托公司行业评级指引首次增加了信息科技建设方面的内容，切实加强了对行业发展金融科技的引导和推动。此外，中共中央、国务院颁布了 数字中国建设整体布局规划，明确了数字基础设施和数据资源体系“两大基础”，强调了数字技术二、“服务”新征程，金融科技赋能需求愈发突显 第一章 转型之路：转型变革深化，金融科技赋能愈发重要 5 创新体系和数字安全屏障“两大能力”，从更高的层面阐释了数字化的重要价值，也从更全的视角指明了数字化的发展方向。而围绕数字中国展开的技术创新所带来的示范效应和技术外溢也将极大地丰富信托行业金融科技应用，提升行业整体的数字化能力。（二）“服务”新征程，亟需金融科技赋能前行（二）“服务”新征程，亟需金融科技赋能前行“服务”新征程上，各项业务的发展都离不开金融科技的赋能支持，并且越是重点业务对金融科技的赋能诉求越为强烈。家族信托，作为信托公司推进财富管理的发力重点，以客户需求为核心，个性化属性较强，内容复杂多样，服务周期长，需要资金端、资产端等多个业务环节的协同联动，因此在账户设计、资产配置、合约管理、数据流通、渠道对接等多个方面强烈依赖金融科技平台的支持；预付类资金信托，是信托业服务社会治理的重要手段，其核心是基于信托资产隔离制度优势，建立合理的权益登记及分配体系，而客户多、交易频、时效强等特点也要求信托公司必须在账户管理、登记结算、权益分配、资金划拨、信息披露等方面具备强大的数字化能力。（三）同业先行，金融科技赋能价值可期（三）同业先行，金融科技赋能价值可期 受传统业务模式影响，信托业对金融科技投入与应用尚处于起步阶段，但银行、证券、保险等同业对金融科技的应用已较为广泛，并已在金融业务前中后台各个环节都产生了明显的赋能效果。在客户经营领域，同业通过运用大数据技术建立了精准的客户画像，基于客户特点，开展个性化营销和智能投顾，大幅提升了营销的第一章 转型之路：转型变革深化，金融科技赋能愈发重要 6 针对性和有效性。同时，通过在客户交易流程中引入“埋点”，及时发现客户交易断点，并运用智能机器人动态触发断点外呼，为客户提供针对性的交易断点引导服务，大幅提升交易成功率。在风险管理领域，同业通过引入指纹、人脸等生物识别技术，大幅提升了移动客户端的安全保障；同时，对于实时风控，基于消息中间件、实时计算技术建立动态的、主动式风控能力，提升了交易前、交易中的风险识别时效，有效防范各类风险。在公司经营领域，同业通过建立企业级的数字化看板及分析系统，及时直观了解公司各项业务发展动态，准确把握业务经营走向，为业务决策和经营分析提供有力支持，有效提升公司经营管理质效。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 7 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 2 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 8 为有效观察评估行业金融科技应用发展现状，2021 年编写组设计了 BXTG2 模型，2022 年继续以该模型为基础，对问卷进一步补充完善，面向 67 家信托公司进行了书面调研（以下简称调研问卷）。总体来看，行业行业金融科技发展稳步金融科技发展稳步提提升，但增长势头相对平缓。升，但增长势头相对平缓。图 2.1 信托业金融科技投入情况 在业务结构深入调整、经营承压的背景下，2022 年行业整体金融科技投入仍保持小幅增长，达到 24.02 亿元，同比增长 5.6%。基于 调研问卷 结果统计3，2022 年行业 BXTG 得分均值为 52.7，中位数为 51.6，最高分为 77.5，最低分为 26.2。得分在20-40)之间的信托公司有 11 家，占比 16%；得分在40-60)之间的有 34 家，占比51%；得分在60-80)之间的有 22 家，占比 33%。相较 2021 年，信托 2 业务应用(Business)、客户体验(Experience)、技术研发(Technology)、科技治理(Governance)。3 2022 年 BXTG 模型四个模块比例权仍然为 25%、15%、30%、30%。编写组对不同板块所有问题得分按百分制进行归一化和权重比例赋权后，计算统计 2022 年行业整体金融科技应用发展水平。整体科技投入 亿元）同比增速 年科技投入趋势年科技投入趋势一、金融科技应用发展总体概况 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 9 业金融科技应用发展水平有所提升，平均得分提高 2.2 分，同比增长4.39%。图 2.2 BXTG 指数情况 信托业整体金融科技水平虽然较去年有所进步，但提升幅度较小。分板块来看，2022 年 BXTG 均呈现不同程度的提升，其中 G（科技治理）、X（客户体验）提升幅度相对较大。面对快速发展的数字经济浪潮和日趋激烈的市场竞争环境，需要加大金融科技投入，实现数字能力的提升。图 2.3 BXTG 模型指数 业务应用（业务应用（BusinessBusiness）方面）方面，2022 年的得分为 42.2，较 2021 年50.572.126.850.152.777.526.251.6总分最高分最低分中位数2021年行业2022年行业42.246.870.047.2BXTG2021年行业2022年行业X-客户体验 G-科技治理 B-业务应用 T-技术研发 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 10 41.6 提升 0.6。其中，在业务赋能上，资产管理信托领域的金融科技应用普及度较高，得分达到 66.3，家族信托、资产证券化服务信托等业务的科技应用渗透也相对较高。在经营管控上，客户经营、公司经营和风险管控领域，行业整体对金融科技的应用也相对较为普及。图 2.4 BXTG-业务应用 客户体验客户体验(Experience)(Experience)方面方面，2022 年的得分为 46.8，较 2021 年42.6 提升 4.2。在客户服务上，渠道建设和客户信息整合领域的普及程度相对较高，得分分别达到 88.4 和 75.4；而面向机构的服务，金融科技的渗透普及尚不充分。图 2.5 BXTG-客户体验 技术研发技术研发(Technology)(Technology)方面方面，2022 年的得分为 70.0，较 2021 年67.6 提升 2.4。其中，在业务连续性上，得分达到 71.6，“竖井系统”现象有所改善；在安全管理上，信息安全方面的科技建设渗透相 业务赋能经营管控 客户经营机构经营公司经营风险管控资产服务信托资产管理信托公益 善信托家族信托保险金资产证券化预付资金信托风险处置 客户服务客户服务机构服务机构服务客户信息整合客户信息加工客户信息应用客户服务渠道完善程度是 建设机构服务平台机构服务的时效性功能点建设情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 11 对较好。图 2.6 BXTG-技术研发 科技治理科技治理(Governan(Governance)ce)方面方面，2022 年的得分为 47.2，较 2021 年44.8 提升 2.4。其中，在组织制度保障上，行业对金融科技的重视进一步提高，得分达到 84.9；在数据治理上，组织和岗位设置已较为完善，得分分别为 90.9 和 72.4；在平台架构上，行业整体上云已较为普遍。图 2.7 BXTG-科技治理 业务连续性安全管理 研发去系统断点 备管理信息安全系统安全研发模式项目管理系统网络安全 组织制度保障数据治理工作云技术应用是 有高管 金融科技科技人员构成创新激励 施是 有 头部 是 有专人专岗数据质量管理数据标准管理数据资产管理是 有系统上云上云的系统类型云原生技术应用程度第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 12 （一）金融科技能力框架模型（一）金融科技能力框架模型 图 2.8 金融科技能力框架模型4 BXTG 模型主要侧重对行业当前金融科技应用发展实际情况的客观描述，而从数字化转型目标来看，信托公司转型核心是需要依托金融科技构建适应数字化发展需要的能力体系。为此，本章节将从能力体系视角进一步对行业整体的数字化能力构建情况进行挖掘分析，并结合信托业务价值链各项重点工作，将信托转型所需的数字化能力总结提炼为“经营、服务、交付、管控”四大能力体系和“IT、数据”两大基础支撑。其中：经营与服务：经营与服务：在业务全流程中，经营是基，服务是本。此处将业务达成前的环节归入“经营”范畴；业务达成后的环节归入“服务”范畴。对于经营，按照业务主体不同，细分为客户经营、机构经营和 4 不同公司对于经营、服务、交付、管控理解可能有所不同，本模型仅供参考，有待持续完善。信托业务 ：型 经营经营服务服务交付交付管控管控价值链模型价值链模型价值链价值链主要主要 动 动客户管理投资管理运营支持客户数据整合客户 机构画像客户需求洞察资产配置建议行政管理财务管理销 渠道触点管理代销渠道信息 移动展业经营分析前台前台中台中台风险合规后台后台投资研究资产服务系统投资交易管理业 考核销 支持统计分析经营决策盈利分析账户管理交易 行份额登记风险管理监管报 交易监控投资 准入行政 公财务核算资金管理全生 周期管理权益 增值服务产品管理产品设计产品 架产品发行资产估值资金清算客户 机构合作方销 人员客户 程管理信息披露人力资源科技基础科技基础 善信托系统项目管理 数据数据安全数据标准数据质量数据资产数据 存 数据分析数据应用数据服务 基础设施信创业务连续性云服务信息安全数据加工产品分析资金划拨管理会计二、金融科技应用能力发展现状分析 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 13 公司经营。对于服务，按照业务主体不同，细分为客户服务、机构服务和员工服务5。经营和服务贯穿业务全流程，在数字经济时代，建立扎实、稳健、强大的数字化经营和服务能力体系，是拥抱时代趋势，实现可持续发展的必然要求，也是建立业务优势的重要前提。交付与管控：交付与管控：在业务全流程中，交付是核、管控是纲。此处将业务 理流程相关工作归入交付；将风险合规等保障业务规范有序 理的工作归入管控。交付与管控是实现和保障业务运转的关键。在数字经济时代，引入金融科技力量，建立数字化的交付与管控能力体系，是提升业务 理效率、提升风控质效的核心支撑。ITIT 与数据：与数据：是数字化建设的底层支撑，其中 IT 支撑是骨骼，涉及操作系统、服务器等软硬件设施设备及网络等资源环境；数据支撑是血液，为业务系统的运转提供必要的信息养分。两大底层支撑的强弱直接决定了上层能力的优劣，是数字化转型过程中不可或缺的底座。5 客户客户指购买信托计划的自然人、法人实体等，主要包括财富管理客户、资产管理信托委托人、预付资金服务信托的消费 等。机构机构指信托公司合作伙伴，主要包括信托代销机构，资管产品受托服务委托人，预付资金服务信托的服务实体、善信托委托人等。员工员工指信托公司的主要工作人员，包括投资、运营、研发、客服、行政管理等。公司公司指的是信托公司经营主体。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 14（二）（二）信托业信托业金融科技能力建设金融科技能力建设分析分析 1 1、业务方向有共识，财富管理服务信托、资产管理信托是发展重点业务方向有共识，财富管理服务信托、资产管理信托是发展重点 数字化能力建设与业务发展方向息息相关。不同的业务需要不同的能力支撑，因此在开展行业金融科技能力分析之前，有必要对行业当前的业务发展重点方向进行排摸梳理。基于此，本报告围绕信托业务三分类新规中 3 大类 25 小类业务分类，对信托公司的重点发展方向进行了调研。数据显示，财富管理服务信托、资产管理信托是行业发展重点。其中，将家族信托、家庭信托和保险金信托作为重点方向的信托公司占比分别为 95%、81%和 74%；将资产管理信托作为重点方向的信托公司占比为 83%；将资产证券化服务信托作为重点方向的信托公司占比为 69%；将资管产品服务信托作为重点方向的信托公司占比为 63%。从科技投入规模上看，也与上述调研结果基本一致。2022 年，全行业在数字渠道建设、客户关系管理等方面的系统投入超过 1.63 亿元；数据 购及投研平台方面的投入超过 1.05 亿元；家族信托、资管产品服务信托系统投入分别达到 6208 万元和 4634 万元，近三年来保持较为稳定的增长。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 15 图 2.9 业务发展重点方向 2 2、经营能力：客户经营能力基础平台基本建立，机构经营与公司经经营能力：客户经营能力基础平台基本建立，机构经营与公司经营能力有待提升营能力有待提升 经营能力主要涉及客户经营、机构经营和公司经营三个层面。其中，客户经营主要体现在客户中心、产品中心、账户中心等基础平台建设以及相应的业务应用等方面；机构经营主要体现在机构信息整合、机构业务支撑等方面；公司经营主要体现在经分体系建设等方面。数字化客户经营能力，基本实现了主要功能平台建设，但对经营数字化客户经营能力，基本实现了主要功能平台建设，但对经营能力的应用转化尚不充分。能力的应用转化尚不充分。调研结果显示，行业整体对客户信息、产品信息在识别、整合等方面的基础功能建设相对全面，约 92%的信托公司已经实现客户唯一性识别、82%的信托公司已开展了客户数据整合6，68%的信托公司已不同程度建立了统一账户管理，97%的信托公司已建立了统一的产品管理系统。但在业务应用方面，尚不充分，对经营能力的支撑转化相对不足。调研数据显示，仅 35%的信托公司基于客户数据开展了数字化营销、仅 29%的信托公司具备个性化产品推荐 6 58%的信托公司实现部分关联性较强业务条线的客户数据整合，24%的公司实现了企业级数据整合。家族信托家族信托家庭服务信托家庭服务信托保险金信托保险金信托资产证券化服务信托资产证券化服务信托资管产品服务信托资管产品服务信托预付类资金服务信托预付类资金服务信托 保品服务信托 保品服务信托企业企业 业年金服务信托 业年金服务信托风险处置服务信托风险处置服务信托资产管理信托资产管理信托 善信托 善信托行政管理行政管理服务类信托服务类信托资产证券化服务信托资产证券化服务信托风险处置服务信托风险处置服务信托资产管理信托资产管理信托公益 善信托公益 善信托财富管理服务信托财富管理服务信托 ：新新 三分类三分类 业务发展重点业务发展重点第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 16 能力。图 2.10 客户经营能力金融科技建设普及情况7 数字化机构经营能力建设所需功能平台尚不完善，有待加强提升。数字化机构经营能力建设所需功能平台尚不完善，有待加强提升。调研结果显示，仅 28%的信托公司建设了机构全景视，少于 50%的信托公司建设了面向机构侧的数字化的销 过程管理平台，但是大多数信托公司已意识到机构侧经营的重要意义，超过 55%的信托公司已在规划中。在合作方客户信息对接的数字化建设方面，已有 63%的信托公司能够通过系统对接的方式从合作方 客户数据。图 2.11 机构经营能力金融科技建设普及情况 7 因不同公司数字化情况各异，调研问卷中的答案选项难免不能包括所有可能，只能覆盖大部分主流选项。对于问卷选项未能覆盖的情况，问卷采用了开放式问答方式，由信托公司根据实际情况自行填写。在统计过程中发现此类情况相对较少，故在分析展示时均用“其他”替代。客户信息整合客户信息加工客户信息应用销 支持服务产品管理账户管理部分业务条线客户数据 通企业级客户数据整合客户唯一性识别客户标 客户画像客户评价其他规划中需求洞察个性化产品推荐营销 动其他规划中 不需要客户统一视 需求分析产品 配渠道信息整合知识 规划中转化率预 手工在投交系统管理在产品管理系统统一管理其他规划中已建设系统，未实现统一管理已实现统一管理 不需要部分系统数据整合 ：客户经营数字化能力建设客户经营数字化能力建设 机构全景视 建设机构客户销 支持合作方客户信息 规划中客户或合作方全景视 不需要机构全景视 销 过程管理知识 其他未 得数据开放手工 系统对接方式 其他客户与合作方全景视 规划中 不需要 ：机构经营数字化能力建设机构经营数字化能力建设第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 17 数字化公司经营能力相对薄弱，行业整体基本尚未实现企业级的数字化公司经营能力相对薄弱，行业整体基本尚未实现企业级的经营分析经营分析。调研数据显示，约 90%的信托公司主要基于半自动化形式开展经营分析工作，少部分信托公司仍以纯手工方式实现开展。为更高效地拥抱时代、应对竞争，在公司经营能力的数字化建设方面，行业整体需要结合经营实际，积极加大投入，着力构建企业级的数字化经营分析能力。图 2.12 公司经营能力金融科技建设普及情况 半自动化，仍存在部分手工统计情况纯手工方式实现报 或经营分析报告全自动化，实现了企业级数字化经营分析其他 ：公司经营数字化能力建设公司经营数字化能力建设第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 18 随着信托业务三分类信托影响不断深入，财富管理服务信托越来越多地被认为是行业未来发展的重点方向，而做好客户经营则对财富管理发展有着至关重要的作用。五矿国际信托有限公司（以下简称“五矿信托”）经过数年的财富管理数字化建设和线上经营实践，已充分感受到提高客户经营能力在展业过程中的重要性，于是提出以“客户数据闭环”为数字化建设思想，以数智化客户经营 造全新 4K资产配置体系的目标。财富管理领域应用架构图 五矿信托 APP 经过多年的运营，目前已达到注册用户超 8 万人、实名用户 5 万人、月 跃用户 2 万的水平，累计完成募 资金已超6220 亿元。公司基于运营成果提前布局引入客户智能分析平台，逐渐在 APP 中覆盖埋点，将客户行为数据进行沉淀收，已形成近 2 亿条的行为事件记录。大量的行为数据使得个性化营销成为可能，数据经过客户智能分析平台的灵 加工分析，已在内部提炼形成近百种客户财富 财富 包系统 包系统投配与运营管理投配与运营管理五矿 财富管理相关系统未来 构想服务信托服务信托标品资管标品资管财富管理财富管理消费金融消费金融五矿信托五矿信托 财富展业财富展业 小程序小程序公司 网公司 网财富财富管理管理域域业务业务中台中台客户中心客户中心产品中心产品中心资 中心资 中心客服中心客服中心 量化网 量化网 企业 信企业 信开放平台开放平台 渠道渠道 资 选资 选趋势研 趋势研 市场动态市场动态家族家族 家庭信托系统家庭信托系统项目 项目 调 调 项目设立项目设立 加委托 加委托信托利益分配信托利益分配 清算 清算产品管理产品管理产品 产品 投资项目 投资项目 产品 产品 管理 管理统计报 统计报 工作管理工作管理 核 核 事件通知事件通知日 日 流程 管理流程 管理客户 客户 项目人员管理项目人员管理产品价格 产品价格 营销管理营销管理直 管理直 管理积分 积分 营销 动监控营销 动监控 券管理 券管理内容运营内容运营个性化推荐个性化推荐营销效果分析营销效果分析积分管理积分管理营销工具营销工具营销 动管理营销 动管理理财经理工具 理财经理工具 服务管理服务管理资产 断资产 断指标监控指标监控资产组合资产组合 效归因 效归因未完成 未完成 资金流水 资金流水 创建 创建 产品线管理产品线管理额度管理额度管理 值 值 产品信息管理产品信息管理计费管理计费管理开放日管理开放日管理披露报告管理披露报告管理营销 管理营销 管理产品画像管理产品画像管理产品资 服务产品资 服务上下架管理上下架管理基础服务管理基础服务管理服务过程管理服务过程管理服务资 管理服务资 管理服务信息管理服务信息管理增值服务对接增值服务对接策略管理策略管理披露日 披露日 数据数据中台中台人工智能实验 人工智能实验 数据赋能数据赋能数据价值 数据价值 数据资产管理数据资产管理数据研发管理数据研发管理数据底座数据底座投研中心投研中心风控中心风控中心投资服务投资服务资金收付服务资金收付服务头 管理头 管理异 处理管理异 处理管理特 业务支持特 业务支持充值提现充值提现受益权流转 合受益权流转 合账户管理账户管理账户服务账户服务客户管理客户管理核心服务核心服务会计管理会计管理权益管理权益管理对账管理对账管理资产管理资产管理客户经营客户经营新建新建现有现有待改造待改造 例 例运营中心运营中心 行业代表案例（客户经营-1）五矿国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 19 标 及超过 450 个定向客群，涵盖客户基础特性、使用黏性、关注版块、投资行为特征、心理账户特性、资产分析特征、内部评价特征等多 度的应用场景。客户智能分析平台分析报告 有了丰富的客户标 和客群，还需配套个性化营销能力才能发挥价值。为此，五矿信托 APP 进行了深度的技术架构改造，对接客群数据，提炼形成通用客群能力，并在轮 、弹窗、icon、推 消息、产品露出、动露出等诸多版块中整合客群能力，为不同客群提供不同内容，实现千人千面的个性化营销。如今，客群能力已经在五矿信托 APP 上得到广泛应用，营销之外的许多业务场景（如个性化业务入口、特定业务通知等）也接入了客群能力，使得客户经营更加精细化，客户服务更加精准。优秀的客户经营需要持续改进优化，五矿信托还进一步引入客户第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 20 体验分析平台，在五矿信托 APP 各使用节点中植入问卷收 能力，针对服务意向、服务满意度向客户随时随地直接收 馈意见，在得到 馈结论的同时又进一步丰富客户标 基础数据，帮助持续改进标 和画像算法，真正做到客户数据的闭环生态。客户体验分析平台分析报告 另一方面，丰富的标 也为理财经理提供了更加多 度的客户分析能力，凭借多种标、属性的组合 选，理财经理可以依据需要快速圈选目标客群，使得高效、高质量地制定营销策略成为可能。算法工程师经过对标 的深入研究，还形成了 20 套极具代 性的典型客户画像，并为其研究搭配了各自不同的 SOP 营销策略。运营团队基于多 的标，搭建了由多元资产、客户黏性、投资经验等多 度构成的全新客户价值模型，指导理财经理科学认知客户价值。“客户数据闭环”的数字化建设思想，使得五矿信托在客户经营领域并非基于提供的功能，而是基于客户数据链路来思考、规划解决方案。前期功能建设沉淀下来的大量数据经过疏通，变的不再孤立，能够快速流动起来，从而实现将数据转化为资产的价值赋能，完成向第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 21 全新数智化客户经营的蜕变。而全新的数智化客户经营则为五矿财富4K 资产配置体系提供了精细化的分析能力，4K 体系依托 KYC（理解客户 Know Your Client）、KYM（市场解读 Know Your Market）、KYP（产品研 Know Your Product）三套研究分析框架，将沉淀的闭环数据提炼为不同客户、市场、产品的不同“因子”并进行融合，通过科学、智能的算法为客户提供 KYA（组合管理 Know Your Allocation）资产配置服务。未来，五矿信托财富管理将围绕 4K 资产配置体系为客户提供更加智能、精准、贴心的服务，使得财富管理回归本来目的，使得信托业务回归本源。4K 资产配置体系解读 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 22 建信信托有限 任公司（以下简称“建信信托”）始 坚持以客户为中心，充分利用互联网发展成果，为客户提供“时不在、因需而在”的服务，并不断丰富直销渠道服务场景。建信信托重构客户服务 程，充分挖掘前期对客服务中的痛点与断点，总结过往经验教训，从客户视角出发，形成了以全流程线上化，加强自动化、可视化、智能化为核心理念的新一代对客服务顶层设计。在 IT 架构 的指导下，形成了以信托综合管理系统、企业级客户信息整合系统、数据仓 为底层基座；以 管理系统、客户关系管理系统、信 平台系统保障客户权益；新建销 中心系统，整合对客服务公共能力；重构建信尊享 APP、智能客服系统、智慧双录系统，持续优化客户触达解决方案。建信信托充分借鉴互联网发展前沿成果，引入移动开发平台，支应用层应用层建信尊享建信尊享 建信尊享 信端建信尊享 信端建信尊享后台管理系统建信尊享后台管理系统接入层接入层 网关网关应用服务层应用服务层用户管理用户管理产品管理产品管理资产管理资产管理 子合同服务 子合同服务 动运营 动运营内容运营内容运营后台用户管理后台用户管理后台产品管理后台产品管理后台后台 设置设置账 管理账 管理财富专区财富专区 内触客 内触客客户服务客户服务后台 核管理后台 核管理后台参数管理后台参数管理中台服务层中台服务层销 中心销 中心 家族财富家族财富智慧双录智慧双录 数据仓 数据仓 系统 系统信披中心信披中心 信平台 信平台智能客服智能客服存 层存 层 内容管理平台内容管理平台 安全服务层安全服务层 行业代表案例（客户经营-2）建信信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 23 撑移动 端开发、应用发布、安全保障、移动监控与分析等功能，满足移动应用 APP 快速开发、安全运行、高效运、精准运营的需要。基于新平台，客户可以通过建信尊享 APP、建信信托 信公众 进入，也可通过 网、客户经理营销码等途径快速注册；全自助完成线上实名认证和风险 评；感通过 黑名 ；并线上 署提交税收居民 与合格投资 认证 。平台提供了多 度的 选功能，搭配丰富的产品特 标，帮助客户找到最适合的信托产品。客户下 后，即可在 APP 立刻发起 AI 自助双录。需排队等待客服人员，不需事前约定工作时间，双录 AI 机器人随时随地为客户提供双录服务，并通过人脸识别、生物 体识别、语音识别等技术保障录制人的真实性和录制的有效性。线上 署 子合同功能省去了传统纸质合同寄 的漫长等待。合同一经 署即上传区块链，以技术手段确保合同的有效性。以客户为出发点，以精细化服务驱动精益成长。建信信托基于用户的风险偏好、业务特征等数据，开展客户画像分析，实现精准服务，提升用户精细化运营能力。借助客户画像精准分析，将日 消息提醒、专区推、弹窗提醒等多种运营策略，精准触达客户，提供满足个性化、定制化客户服务，大幅提升客户满意度和认可度。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 24 3 3、服务能力：客户服务能力相对全面，机构服务和员工服务能力有服务能力：客户服务能力相对全面，机构服务和员工服务能力有待加强待加强 服务能力主要涉及客户服务、机构服务和员工服务三个层面。其中，客户服务主要体现在对交易流程安全便捷的支持及资 咨 专业全面的供给等方面的数字化建设，提升客户体验；机构服务主要体现在对机构运营高效便捷的支持及信息传递及时准确的响应等方面的数字化建设，增进机构信任；员工服务主要体现在对员工展业的及时便捷的支持等方面的数字化建设，释放员工能效。图 2.13 客户服务能力金融科技建设普及情况 数字化客户服务能力主要面向财富端，已较为专业全面。数字化客户服务能力主要面向财富端，已较为专业全面。调研数据显示，绝大部分信托公司完成了移动 APP、PC 端及 信渠道的数字化建设，并针对账户开立、合同 署、支付交易等财富管理主要流程提供了全面的数字化应用支持。在客户权益等增值服务方面，已有超过 50%的信托公司提供了数字化应用。此外，对于以智能机器人为代 的数字化 后服务，虽然行业总体处于起步阶段，但渗透普及率也已超过 16%。触客渠道客户服务数字化 前 中 后服务 端移动 信公众 小程序其他账户开立交易 信托交易合同 署资 推 财富权益服务 值动态展示 程 文本智能客服 智能客服其他规划中 不需要 ：客户服务数字化能力建设客户服务数字化能力建设第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 25 数字化机构服务能力建设总体处于起步阶段，但行业整体给予了数字化机构服务能力建设总体处于起步阶段，但行业整体给予了较高的重视。较高的重视。调研数据显示，当前已建立机构服务平台的信托公司不到 30%，而建立企业级机构服务平台的信托公司占比仅 5%，但近一半的信托公司已在制定机构服务平台建设规划。从机构服务平台的功能应用来看，信披报告 、交易指令自动下达的数字化渗透率较高，分别为 42%和 39%，其余功能服务的数字化渗透有待提升。图 2.14 机构服务能力金融科技建设普及情况 数字化员工服务能力建设主要侧重业务运营端，销、投研投资数字化员工服务能力建设主要侧重业务运营端，销、投研投资等领域的赋能有待加强。等领域的赋能有待加强。调研数据显示，当前行业整体对数字化员工服务能力建设较为重视，主要侧重在业务运营流程的自动化、智能化等方面，运营工作的数字化程度在 85%以上。但对于移动销 支持及投研、交易等工作的数字化赋能，行业整体仍有待加强。其中，对于财富管理，超过 40%的信托公司 未面向销 条线员工提供移动展业工具支持；对于投研投资工作，超过 60%的信托公司尚未面向投研条线员工提供投研工作台，投资交易工作台的行业渗透较投研工作台高，达到 70%以上，但主要功能应用渗透尚不全面，主要 中在指令自动收、交易 行等方面，业 归因、投资模拟等数字化支持能力相对 机构服务平台建设机构客户服务数字化合作伙伴服务数字化建立 立服务平台 接口企业级平台 不需要规划中其他 调 合同 署意见 馈资 推 交易指令下达 量交易估值信披报告 效分析财务对账规划中 直联报 值披露与同步产品信息互通交易确认及持仓同步公告发布风险 示异 交易预 对账规划中 ：机构服务数字化能力建设机构服务数字化能力建设第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 26 薄弱。图 2.15 员工服务能力金融科技建设普及情况 移动展业投研工作台数字化应用投资交易工作台数字化应用运营工作台资 分析产品知识 客户信息展示账户开户合同 署 规划中 不需要信息 索知识 业务预 不需要规划中 事件分析业 归因分析研报生成 价指令管理投资指令收 指令 分交易 行 效归因 实时估值规划中文 管理项目要素管理收益分配管理 品管理运营任务管理信披管理规划中 ：员工服务数字化能力建设员工服务数字化能力建设第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 27 华润深国投信托有限公司（以下简称“华润信托”）是“阳光私募”发源地，是当前国内规模最大的证券投资信托服务，截至 2023年 7 月，存续信托产品规模超 1.5 万亿元。通过 造润管家系统群润管家系统群，实现了覆盖场内外基金，股票和债券的投研一体综合服务体系。委外业务和债券业务爆发式增长，传统运作模式，不仅需要占用大量人力资源，还存在较高的操作风险，运作压力较大。基于此，华润信托自主研发建设了投资润管家和产品润管家系统自主研发建设了投资润管家和产品润管家系统，使用 RPA AI完成场外非标准化数据转换的最后一公里，替代场外交易和估值场景中的人工劳动，大幅提高了场外业务的运作效率和容量。同时，针对债券业务交易量激增的情况，专 建设交易润管家交易润管家 通银行间市场接口、中债和上清结算直连接口及券 PB 接口，实现债券交易线上化。润管家系统群由投资润管家，产品润管家和交易润管家组成。投润管家系统群由投资润管家，产品润管家和交易润管家组成。投资润管家系统资润管家系统面向资金端和资产端，构建资金端与资产端的有机互联华润 投资、交易、分析等科技服务一体化向资金方及投顾提供的场外业务资管系统，系统 交易、风控、运营为一体，构建资金端与资产端的有机互联 ，通公司内直销 台，估值系统，子印章等系统，支持内部运营高效运作；对接托管机构和公募基金等指令 行渠道，建设全线上化场外投资流程。为合作机构客户提供的 证券服务系统平台，直观展示产品运作情况，灵 支持各类用户服务，提供投资组合模拟分析，风格行业 归因，业 归因等投资分析、信息 等工具，全方位多 度满足客户需求。结合证券业务头 管理、交易、运营的需求，与头部金融科技公司合作，精心 造的 子化交易平台。该平台 用全新的 服务架构，核心功能实现了全内存化处理，提供极速交易体验，业务场景完成了场内、银行间、场外交易市场的全覆盖，支持交易全流程风控，投资流程灵 调配。投资润管家系统投资润管家系统交易润管家系统交易润管家系统产品润管家系统产品润管家系统投研一体化投研一体化系统群系统群行业代表案例（机构服务-1）华润深国投信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 28 ，提供投资、交易、风控、头、数据服务；产品润管家系统产品润管家系统主要为上下游机构（投资顾问，代销渠道，资金方）提供了多渠道，全方位的投研和投后分析服务；交易润管家交易润管家是基于证券业务头 管理、交易、运营等需求，造的 子化交易平台，完成了场内、银行间、场外交易市场的全覆盖，支持交易全流程风控，投资流程灵 调配。整体而言，润管家系统群实现了：（1）从资金端指令发、委托 行，到资产端的成交回传全流程的闭环管理；（2）支持银行理财产品、FOF 等委外业务和股票、大宗交易、固收等场内业务多类型资产指令线上化管理；（3）与招银理财、招银私行、基煜基金等众多主流平台互通互联；（4）支持场外业务非标准数据的 7*24 小时自动化处理；（5）灵 便捷的投研分析和信息披露服务。润管家系统群上线以来，开拓了银信合作的线上化新模式，是业内首个专 针对银行委外业务场景的系统，为全委及委外业务插上金融科技的翅膀。同时，高效解决了银行委外与全委业务中广泛存在的精力“2/8 错配”问题，各业务方大大节省了宝贵时间。投资润管家 造行业首创合作新模式通过 技术的应用，实现 小时不间断解析行情、交易确认、估值 等文件，实现场外资管产品交易数据标准化、自动化的处理和 配。通投资、交易、风控、估值、运营等产品管理所涉及的内部系统，实现了指令传、风控管理、头 管理、成交回报、估值清算的系统化统一管理，支持场外交易事前事中风控，大幅提高交易、风控和运营效率，降低人工操作风险。与多家理财子公司、业银行、托管券、金融机构直销 台、基金代销平台等渠道完成系统互联，实现了从投资 信托产品，到信托机构 行投资交易（如 投资子层标的）的全流程线上化。场外交易场外交易系统化系统化机构互连机构互连线上化线上化交易估值交易估值自动化自动化第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 29 为有效解决证券信托业务快速发展中在运营承载、客户服务、操作风险、监管报、清算运营、信息传递和人均 荷等多方面的压力，中国对外经济贸易信托有限公司（以下简称“外贸信托”）结合资金端运营、信托财务管理及证券项目运营、清算的实际业务特点，建设了公司运营管理系统，构建公司运营可视化作业机制，提升系统整体支持能力，实现证券业务高效协作、深度互联互通，提升公司运营管理的高效性和精确性，支持公司证券业务的持续发展壮大。运管管理平台核心定位：主干快速路主干快速路：a、流程驱动，根据预先定制的业务流程，触发待 或提醒的方式驱动业务；b、功能组件模块化，根据业务、部、项目角 不同，差异化支持运营场景。工作台工作台进度中心进度中心效能中心效能中心项目项目中心中心合作合作机构机构账户账户中心中心划 划 转账转账文 文 中心中心日 日 中心中心场景场景 流程 流程 移动移动 应用应用工具工具 新一代证券运管平台新一代证券运管平台统一 户流程平台数据中心 合同系统（要素模板）综管系统用印系统 系统资管系统估值系统信息披露尊享平台行业代表案例（机构服务-2）中国对外经济贸易信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 30 监控分析平台监控分析平台：a、进度监控，根据业务领域、项目运营事项，提供个性化运营进度监控视；b、效能分析，基于业务数据为时间管理、效率、点分析提供量化支撑。数据加工厂数据加工厂：a、按主题存，实时抽 加工，提升系统间数据交互效率；b、指标统一归口，提供标准数据服务，赋能业务应用。可视化工作台可视化工作台：a、千人千面，提供按业务领域、角 个性化设置的项目运营节点导航视；b、全景视，待、任务、行程、会议以及自定义 动等内容及时提醒。1 1、可视化运营工作台、可视化运营工作台 以项目全生 周期和员工 360 度 工作信息和完成工作为场景，一 式展示当日或设定时间需完成的所有工作及设定日期需提示的所有工作，并且可按不同人员视角区分展示，实现千人千面。支持我的项目、我的任务、我的计划、我的提醒、我的报告等我相关的所有工作，以工作驾驶舱、工作日、流程待 等多种形式进行信息展示。2 2、进度监控中心、进度监控中心 通过将项目对应的成立、估值、清算、支付等时效标准灵 线上化配置，生成紧急程度不同的待 任务，实现智能化的运营清算监控，提升运营工作整体的数字化作业效率，降低业务操作风险。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 31 支持进度监控时效设置、账户进度监控、项目进度监控、估值进度监控、清算进度监控、清算进度监控、支付进度监控、交易进度监控、风控进度监控和信息披露监控等，在项目 度、公司 度、部 度多种不同 度做可视化大屏展示。3 3、效能分析中心、效能分析中心 效能平台对公司主要运营环节进行效率分析（人均承载、平均耗时、最长最 耗时、人均耗时、关键 点耗时等），最 达到优化工作流程的目标，提高运营效率。主要需要分析的场景：合同 运营分析、项目运营分析、账户运营分析、估值运营分析、清算运营分配分析、投资交易运营分析、支付 分析、信息披露分析和全流程自定义节点分析。实现项目初始管理、账户开销、估值做账、清算分配、投资交易、划 支付、信息披露、流程 等各个关键节点的人均承载、平均耗时、最长最 耗时、人均耗时、关键 点耗时等数据进行分析，并生成对应的统计。4 4、项目生 周期管理功能优化项目生 周期管理功能优化 项目综合管理系统重构，以实现证券项目全生 周期管理，各环节流转通过流程待 和事务待 驱动，实现事找人，提升整体系统性能。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 32 5 5、AIAI 工具应用工具应用 在管理过程中应用 RPA 和 OCR 技术，构建 像识别、语音识别等AI 工具，实现智能账户中心、机器人等场景应用。以 AI 的手段解决因账户信息录入、数据变更、余额 、合同上传等大量低价值劳动耗费宝贵时间的问题，提高生产效率。在运营管理系统支持赋能下，实现了与合同中心、信息披露、资管、估值、TA、综管、证券数据 市、数据中心等系统平台的互联互通，支持（1）证券项目初始、费用计算、权限导入、合作机构、角 及 等功能应用；（2）构建了证券内部业务运营的可视化科技支撑，实现了可视化运营；（3）构建证券项目权限统一管理，实现运营管理（证券）、公司合同中心、信息披露、资管、估值、TA 系统、综管系统等核心系统一致性；（4）支持辅助管理分析、自动作业和运营决策，将业务人员从低价值劳动中解放出来。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 33 为高效支撑公司业务战略转型，华润信托制定了公司级数字化转型框架。以“服务智能化、运营高效化、管理数字化、决策科学化”四大转型目标为指导，聚焦“数字化服务、数字化运营、数字化风控、数字化管理”四大核心场景，本着“一张 绘到底”的指导思想，推进数字化转型建设，启动了“智能一体化业务管理平台”建设项目，旨在重构信托核心业务管理中枢，以数智化平台助力公司业务转型。在新一代“智能工作台”建设过程中，华润信托针对自身业务特点和发展阶段，确立了“敏前台、强中台”和“个性化、一体化、标准化、数智化”的建设原则 前台应用建设层面，针对信托不同业务条线的个性化需求分别 造工作台，实现了操作聚合、数据聚合、监控聚合和一体化作业。各个工作台围绕着信托计划全生 周期，按照业务运作逻辑，实现各中台中心操作入口统一、业务主数据及参数管理统一、各专业系统进度监控整合以及 缝衔接的一体化作业。华润 为 配信托各业务条线个性化需求以及快速响应客户需求，亟需差异化建设各业务条线的工作台。智能工作台围绕着业务流程再造、作业模式转型和数据驱动管理三个重点，旨在 造业务管理的智能中枢，实现业务管理的可知、可视及可管智能工作台整体规划智能工作台整体规划建设内容建设内容业务层业务层工作台建设工作台建设中台建设中台建设标准建设标准建设差异化建设差异化建设同业工作台同业工作台标品工作台标品工作台家 工作台家 工作台普 工作台普 工作台非标工作台非标工作台产品日 产品日 流程导向流程导向提醒待 提醒待 流程 流程 项目管理项目管理客户管理客户管理账户管理账户管理文 管理文 管理信息披露信息披露认证中心认证中心项目中心项目中心资 中心资 中心流程中心流程中心账户中心账户中心文 中心文 中心数据中台数据中台数据标准数据标准接口标准接口标准业务模型标准业务模型标准 面组件标准 面组件标准账户通账户通数据通数据通流程通流程通消息中心消息中心工作台建设工作台建设基于公司统一的技术框架基于公司统一的技术框架、标准标准、规范规范，按需按需、逐步建逐步建设各业务自 的工作台设各业务自 的工作台。通通过工作台为业务用户 造操过工作台为业务用户 造操作聚合作聚合、数据聚合数据聚合、监控聚监控聚合的一体化工作台合的一体化工作台中台建设中台建设推动业务和技术中台的建设推动业务和技术中台的建设，从账户从账户、数据数据、流程三个方流程三个方面保证系统间的互联互通面保证系统间的互联互通，实现线上化实现线上化、数字化的业务数字化的业务流程再造流程再造标准建设标准建设以系统建设 实贯标以系统建设 实贯标，推动推动业务流程业务流程、数据接口数据接口、业务业务模型模型、功能组件等多个方面功能组件等多个方面的标准化建设的标准化建设行业代表案例（员工服务-1）-华润深国投信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 34 在中台和标准建设层面，充分考虑了信托业务在流程 、项目管理、文 管理等方面的共性需求，用户在使用系统时对用户体验、操作习惯、数据口径的一致性要求，同步推进了项目中心、流程中心、文 中心等多个中台和数据、UI 等标准的建设。通过引入“智能工作台”（1）全面梳理了产品全生 周期，推动流程再造；（2）将割裂于不同系统业务操作进行整合，统一业务操作入口，实现业务作业前、中后台的贯通和业务数据 缝化流转；（3）变革传统依赖人为主观驱动发起业务，事后线下跟踪确认的方式，变为事前主动提醒、事中处理监控、事后闭环 馈的全线上管理；（4）面向全信托业务抽象出项目管理、客户管理、账户管理、流程管理、合同管理、信息披露、文 协同、资金交收等共性化能力，造可复用的平台能力体系；（5）借助 RPA、OCR 等智能工具应用，嵌入信托业务场景辅助提升作业效能。截至目前，智能工作台已完成了一期项目投产。上线以来，项目管理数量年均同比增长 24%，资产管理规模年均同比增长 16%，管理华润 智能工作台功能架构作为华润信托数字规划 中的 数字 经系统，智能工作台是实现信息高度聚合的一 式工作平台，旨在 通业务前、中、后台，实现移动化、线上化、智能化的业务作用和数字化、自动化、约化的运营支持智能智能工作工作台台业务业务作业作业移动化移动化、线上化线上化、智能化的业务作业智能化的业务作业业务业务运营运营数字化数字化、自动化自动化、约化的运营支持 约化的运营支持产品成立产品成立产品存续产品存续产品清算产品清算项目事前项目事前产品立项产品立项 移动 调移动 调、移动 移动 技术技术平台平台服务化服务化、分布式分布式、灵 化的技术服务灵 化的技术服务 服务架构 服务架构 拟化 拟化 云部署云部署分布式分布式流程引 灵 配置流程引 灵 配置统一登录认证统一登录认证数据数据管理管理客户数据客户数据合同数据合同数据账户数据账户数据交易数据交易数据项目数据项目数据信息高度聚合的一 式工作处理平台信息高度聚合的一 式工作处理平台业务指标进度业务指标进度项目进度总 项目进度总 重点指标展示重点指标展示日 制驱动日 管理日 制驱动日 管理 流程流程、事务待 事务待 业务报 分析业务报 分析智能撰写智能撰写智能核 智能核 算法引 算法引 业务向导地 业务向导地 数字 名数字 名标准化标准化、充分共享的主数据统一管控充分共享的主数据统一管控合同灵 配置合同灵 配置文 分 传 和处理文 分 传 和处理 量文件断点续传 量文件断点续传规则引 规则引 量化操作支持 量化操作支持 作业作业 子用印 子用印第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 35 客户数同比增长 30%，约 10.88 万，管理信托账户数同比增长 18%，约 1.8 万户。同时，业务效率大幅提升，某业务线业务规模年均同比增长 181%，信托经理人均产能同比增长 20%，项目成立周期从 T 21日缩 至 T 3 日，投资时效从 T 5 日缩 至 T 2 日，估值时效从月估值缩 成周估值。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 36 陆家嘴国际信托有限公司（以下简称“陆家嘴信托”）自动化估值数字员工项目，通过应用 RPA AI 技术，以 拟数字化劳动力代替人工操作，提升运营效率，提高流程质量和业务处理的准确性，实现降本增效，并推动全公司业务流程优化与再造，提升客户体验，推动科技金融、全面助力信托业务数字化转型。在数字员工的开发过程中，科技团队与业务团队在需求设计、试迭代等多个环节开展了紧密协作，设计了深度契合运营流程需求的AI 机器人。自动化估值数字员工完全自主开发可控，支持 FA 公共数据同步、FA 自动清算转账、增值税自动划、FA、AM、网银余额自动比对、分配流程部分节点自动化、清 流程部分节点自动化功能，大幅提升了业务运作效率。分配流程部分节点自动化 行业代表案例（员工服务-2）陆家嘴国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 37 FA、AM、网银余额自动比对 数字员工上线以来，不仅大幅提升了日 业务运营质效，并且通过人力劳动的节省，进一步实现了经济降本。功能应用功能应用 效率提升效率提升 FA 公共数据同步 20min/天 FA 自动清算转账 150min/天 增值税自动划 20min/天 FA、AM、网银余额自动比对 30min/天 分配流程部分节点自动化 120min/天 清 流程部分节点自动化 20min/天 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 38 RPA 机器人，被视为企业的数字化操作员工，在加速企业数字化转型、减少业务开展过程中的人工错误、提高企业运营效率、降低企业运营成本、提升科技与创新能力等方面发挥重要作用。华宝信托有限 任公司（以下简称“华宝信托”）作为从事资产运营的专业金融机构，业务开展过程中，具有大量工作涉及多系统信息交互、对业务细节准确性及时性要求高、数据计算过程繁复等特点，这些业务都可以通过 RPA 机器人及相关数字化技术进行提升、改进和优化。证券信托业务部是华宝信托的核心部，信托经理是证券信托业务部的核心人员，也是 资产管理业务的专业人士。然而，由于资产管理涉及的数据量庞大、信息来源复杂，加上市场波动等因素的影响，工作中会出现 关键信息不及时、业务处理出错、决策时间不足等痛点。具体 现在：产品开放日信息 不及时，错过产品开放日，影响了产品交易操作；信息不及时，还会进一步影响决策时间；开放日进行产品 购、回等操作时，涉及华宝信托多个内、外部系统数据的 及加工，容易出现错误，直接导致业务事故。通过引入 RPA 建设理念，对开放日信息及时 到产品数据加工全流程进行重新梳理：流程中能够自动化运行的工作进行自动化处理，通过人机结合的方式对全流程进行重构。华宝信托 RPA 平台 用市面主流的 C/S（Client/Server）架构，行业代表案例（员工服务-3）华宝信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 39 整个平台包括服务端控制台、机器人、设计器以及 AI 平台。服务端控制台包括设计中心、运行中心和控制中心三部分；机器人分为有人值守机器人、人值守机器人和服务型机器人；设计器即编辑器，用于流程构建开发。AI 平台，提供人工智能相关能力，为 RPA 运行提供智能支持，相关功能包括 OCR、NLP、智能语音等。RPA 平台整体架构 如下：RPA 对业务流程的重构说明如下：原来业务每月在开放日 的操作累计需要 22 个小时，通过RPA OCR UKEY 机器人等相关技术对流程的重塑，每月仅需 1.8 小时，宝之云宝之云 数据存 服务数据存 服务 拟资源计算 拟资源计算 拟网络 拟网络 载均 载均 内容与分发内容与分发容器服务容器服务弹性 缩弹性 缩分布式文件系统分布式文件系统 通用通用技术组件技术组件数据中台技术组件数据中台技术组件企业互联网架构企业互联网架构业务中台技术组件业务中台技术组件基础中台组件基础中台组件业务交付业务交付 通用业务通用业务组件组件业务中台业务中台数据中台数据中台人力资源中心人力资源中心财务中心财务中心投资中心投资中心 计风险内控 计风险内控 务服务中心 务服务中心 直数据层 直数据层公共数据层公共数据层数据运营层数据运营层业务业务应用应用数字数字员工员工 平台平台工程项目中心工程项目中心 中台中台模型工厂模型工厂运 优化运 优化智能感知智能感知智能控制智能控制固有合同固有合同业务流水业务流水资金额度资金额度成本收益成本收益自营自营业务业务受托管理受托管理 计划 计划账户管理账户管理 利 利产品目录产品目录资产组合资产组合组合投资组合投资 组合组合管理管理资产配置资产配置资产分析资产分析配置优化配置优化 资产资产配置配置 生资管 生资管券 券 融资融券融资融券 品期 品期 资本市资本市场投资场投资 本引 本引 记录 记录 插件插件 有人值守有人值守 人值守 人值守 管理调度管理调度运行监控运行监控 部署 部署 设计设计中心中心运行运行中心中心控制控制中心中心网银机器人网银机器人 银行 银行 发银行 发银行 银行 银行 值机器人 值机器人 件 值 件 值 拟 值 拟 值产品 值 产品 值 证券信托机器人证券信托机器人开放日提醒开放日提醒开放日数据处理开放日数据处理监控台账处理监控台账处理业务管理机器人业务管理机器人每月公司定价每月公司定价银监月报银监月报行业周报 数行业周报 数更多更多 平台平台运营运营 户管理 户管理产品管理产品管理计费管理计费管理开放平台开放平台 招 银行招 银行成都银行成都银行光大银行光大银行平安银行平安银行 银行 银行广发银行广发银行工 银行工 银行 业银行 业银行 营销管理营销管理销 管理销 管理客户服务客户服务客户信息客户信息 产品管理产品管理 流程 流程 信托信托业务业务产品管理产品管理 家族家族信托信托 资产视 资产视 资产配置资产配置 财富财富管理管理资产接收资产接收份额管理份额管理资产 付资产 付 数字员工平台方案安全安全安全安全运 运 数据安全数据安全应用安全应用安全主机安全主机安全数据安全数据安全云平台安全云平台安全物理安全物理安全网络安全网络安全服务运 服务运 服务分析服务分析认证服务认证服务数据安全数据安全定量分析定量分析资源计算资源计算资源监管资源监管 开放日提醒及开放日数据处理登录代销系统登录代销系统，开放日，开放日基金产品信息基金产品信息登录核心系登录核心系统，核 基统，核 基金产品状态金产品状态 开 开RPARPA机器机器人程序人程序两个两个 RPARPA机器人机器人(开放日提醒、开放日数据处理开放日提醒、开放日数据处理)加上人工沟通，完成复杂业务工作加上人工沟通，完成复杂业务工作.整个流程涉及整个流程涉及 RPA RPA、OCR OCR、UKEY UKEY 机器人等多种技术的协同工作。机器人等多种技术的协同工作。1 1发 件通发 件通知 核知 核 用前：用前：每月每月花费时长花费时长2222小时小时 用后：用后：1.81.8小时小时RPARPA 效效率提升率提升RPARPA 的工作量的工作量相当于相当于纯纯手手工工自自动动化化2 2与银行人员沟与银行人员沟通，确定操作通，确定操作产品清 系统产品清 系统3 3银行 件回银行 件回复可 产复可 产品信息品信息4 4业务人员登业务人员登录银行网银录银行网银，网银，网银相关数据相关数据5 5业务人员登业务人员登录核心、代录核心、代销系统进行销系统进行 操作 操作6 6 个流程操作用时：个流程操作用时：每月投入人力：每月投入人力：用前：用前：3 3个人个人 用后：用后：1 1个人个人12001200%2 2个人个人 用用RPARPA前前 用用RPARPA后后第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 40 效率提升高达 12 倍。在保证准确率、及时性的前提下，业务人员也从 3 人降为 1 人。此流程目前应用于某银行端的 购、回操作；未来，如需扩展至其他银行，流程仅需快速迭代，扩展其他银行 UKEY 机器人的辅助，即可满足业务发展需求。未来，随着人工智能技术不断成熟，RPA 与传统模型、AIGC 为代 的大模型的结合将越来越紧密。IDC 报告预，受到大模型、AIGC等影响，中国 RPA AI 市场将进入爆发期，预计未来三年的复合增长率在 60%以上。目前看来，AIGC 已经在金融领域多个层面展现其价值。例如，为金融机构员工的专业化营销、渠道 提供更多支持，提升面向客户的个性化服务能力；提升业务智能化与 公模式化自动化，改善内部工作流程，提升工作效率。AIGC 相当于数字员工的“脑”，RPA 技术相当于数字员工的“手”，相信有更多大“脑”加持的 RPA技术在未来有更大应用前景和发展空间。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 41 4 4、交付能力：不同业务的数字化交付存在较大差异，重点业务已基交付能力：不同业务的数字化交付存在较大差异，重点业务已基本满足需求本满足需求 数字化交付能力主要是指能够基于数字化的方式实现各项业务流程的 理，提升业务经营质效，相关业务平台功能应用的全面性、专业性、有效性是 量交付能力的重要参考。交付能力的建设积累，除了必要的预算投入外，高质量的业务需求也是重要前提。业务方向的差异化，决定了交付能力范围的差异化；需求价值的高低，决定了交付能力专业性的深浅。从三分类角度来看，资产服务信托、资产管理信托、公益 善信托的数字化交付能力呈现较大的差异性。资产服务信托方面资产服务信托方面，已建立了相对较强的数字化交付能力，但仍已建立了相对较强的数字化交付能力，但仍需持续加强。需持续加强。结合资产服务信托的几个重点细分业务来看，家族信托、保险金信托、资产证券化信托等重点业务的数字化交付能力较强，大部分业务流程已实现数字化的信托公司占比分别为 72.6%、53.2%和62.9%，而预付类资金服务信托、风险处置服务信托的数字化交付能力相对较弱，大部分业务流程已实现数字化的信托公司占比分别仅为19.4%和 27.4%。其中：家族信托的数字化交付能力较强，家族信托的数字化交付能力较强，不仅数字化建设的行业渗透率较高，并且在功能应用方面也较为全面，分配方案制定、事务管理、资产配置功能应用等是家族信托数字化交付能力中最普及的能力点。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 42 图 2.16 家族信托重点金融科技应用普及情况 资产证券化信托、保险金信托也具备了一定的数字化交付能力，资产证券化信托、保险金信托也具备了一定的数字化交付能力，收益分配、信息披露以及保/资金 加、计划制定分别是两个业务中最主要的数字化能力建设点；图 2.17 资产证券化信托和保险金信托重点金融科技应用普及情况 预付类资金信托和风险处置信托的数字化交付能力建设尚处起步阶段，已具备的数字化能力中最普及的能力点其渗透率尚不足15%。财富传承计划制定资产配置现金流预 全流程风险管理投资收益分析利益分配方案制定家族事务管理合作伙伴对接未经营此类业务规划中 不需要 ：家族信托业务系统建设情况家族信托业务系统建设情况 产品设计产品发行发行备案估值做账注册上市 环购买收益分配受托管理信息披露未经营此类业务 未建设此类系统 不需要 ：资产证券化信托业务系统建设情况资产证券化信托业务系统建设情况 保险金信托计划制定保 资金 加保 质 减保 现未经营此类业务规划中 不需要 ：保险金信托业务系统建设情况保险金信托业务系统建设情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 43 图 2.18 预付类资金信托重点金融科技应用普及情况 资产管理信托方面，投研资产管理信托方面，投研工作的数字化交付能力偏弱，投资交易工作的数字化交付能力偏弱，投资交易的数字化交付能力相对较强。的数字化交付能力相对较强。调研数据显示，仅 15%的信托公司实现了投研一体化，45%的信托公司在开展数字化投研能力建设过程中仅是接入了外部数据，为研究人员提供基础的数据分析支持，而投资策略研究、资产配置等功能应用的普及度均较低。相较而言，超过 83%的信托公司已建立投资交易系统，其中 29%的信托公司建立了企业级的多资产交易系统，交易指令下达、清结算、估值、认 购/回等功能应用的普及程度也较高。图 2.19 投研系统及投资交易系统重点金融科技应用普及情况 公益 善信托公益 善信托数字化交付能力建设处于探索阶段，调研数据显示，超过 56%的信托公司尚未搭建数字化系统。信托财产保管权益登记 行监督支付清算信息披露未经营此类业务规划中 不需要 ：预付类资金管理信托业务系统建设情况预付类资金管理信托业务系统建设情况 观数据分析行业数据分析 情监 投资策略研究大类资产配置规划中 不需要风险建模其他 ：投研系统系统建设情况投研系统系统建设情况 市场数据对接投资决策管理资产认购 购 回交易指令下达指令 指令分发 中交易日 清算数据处理与估值对账头 管理业 归因其他规划中 不需要 ：投资交易系统建设情况投资交易系统建设情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 44 图 2.20 公益慈善信托重点金融科技应用普及情况 善信托结构设计 善项目管理客户权益体系设计 善信托效果评估规划中未经营此类业务 不需要 ：善信托业务系统建设情况 善信托业务系统建设情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 45 为积极做好家族信托业务赋能，上海国际信托有限公司（以下简称“上海信托”）聚焦“服务平台”建设，推出“信睿”家族信托综合业务平台，满足家族信托客户多元化、深层次的资产管理需求，以及标准化、量化项目运营管理目标。在“信睿”平台建设过程中，鉴于家族信托需求个性化程度高，定制化特 明显，上海信托专 成立数字化团队，汇 产品设计、财富管理和科技人员，通力协作，确保科技力量持续赋能。产品团队将渠道客户多样化需求通过系统汇 成家族信托项目报 及设立时需要的标准要素内容，与信息科技部沟通，利用“信睿”平台将各类型家族信托的共性内容标准化，基本架构嵌入系统中，大大简化业务报 流程及合同制作流程，减少人工差错，同时保 定制化制作的空间，支持业务长期发展。功能应用上，“信睿”平台已实现现金类家族信托及保险金家族信托 子 章、智能双录、客户 约等全流程线上化操作。通过对客户风险等级，投资比例及分配情况的综合 断，为项目经理对客户进行资产配置提供智能建议，并能自动生成标准合同、投资指令、信披报告。通过不断优化迭代，帮助家族信托业务逐步建立系 化、标准化产品，成为家族财富服务理念与资源的高效整合，不仅为客户实现个性化理财与全方位规划的财富管理目标，也大大提高了项目创设、资产配置、流程 效率，为公司拓宽更多信保合作 好了基础。行业代表案例（家族信托）-上海国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 46 “信睿”平台以面向服务的架构设计为理念，通过 Springcloud 服务应用服务平台，实现应用组件级别的解耦，以应对业务种类和系统压力的持续增长，提高架构的可扩展性，保障系统易开发、易 、易扩展和可靠稳定运行。在渠道端，“信睿”APP 的专属远程 约、智能双录模块，既保持了 约的私密性、合规性，又有专属性，并且可以在多个渠道上快速复制运用。远程 约和智能双录功能有效地支持了已经成熟的合作渠道方，大大提高了渠道客户经理的业务拓展便捷程度。在投资端，“信睿”平台开发了智能化资产配置模块和现金流管理算法，根据委托人的风险偏好、期限偏好、产品额度、合同约定的投资范围和投资比例等，自动 选出可投产品，并计算各产品可投资金额，实现拟投资产品与项目资金配置需求、投资逻辑能自动 配。他益分配是家族信托的特 之一，也是与其他投资类信托在分配信睿信睿 前期营销信睿信睿 系统基础功能系统基础功能项目报 项目成立项目运营视频双录视频双录受益人录入受益人录入风险 评风险 评 名 管理 名 管理保 录入保 录入分配方案录入分配方案录入 件上传 件上传意向书复核意向书复核保险金合同定制保险金合同定制产品信息预登记产品信息预登记项目创建项目创建项目模板管理项目模板管理子项目管理子项目管理委托人管理委托人管理保 人管理保 人管理受托人管理受托人管理受益人管理受益人管理分配方案管理分配方案管理分 方式管理分 方式管理保费录入保费录入投资比例管理投资比例管理项目基本信息管理项目基本信息管理投资标的管理投资标的管理自有产品管理自有产品管理引进产品管理引进产品管理智能投顾智能投顾产品 产品投资产品 产品投资信睿项目资产配置信睿项目资产配置产品 量 回产品 量 回投资投决额度管理投资投决额度管理 加分配 加分配信睿项目 加信睿项目 加存续期 规分配存续期 规分配存续期特 分配存续期特 分配各省最低工资标准各省最低工资标准 划拨指令重划 划拨指令重划身份证信息管理身份证信息管理身份证 记录身份证 记录身份证有效期 身份证有效期 信息披露信息披露报 数据复核报 数据复核 生成及下载生成及下载 生成及下载生成及下载报 数据节点 报 数据节点 估值日 估值日 其他披露事项 其他披露事项 外 部 产 品 披 露 信 息 管 理外 部 产 品 披 露 信 息 管 理 需 本 期 披 露 项 目 需 本 期 披 露 项 目 信息 信息 信睿项目信息 信睿项目信息 信睿投资指令 信睿投资指令 信睿分配指令 信睿分配指令 信睿划 指令 信睿划 指令 项目账户 项目账户 项目状态 项目状态 项目 项目 项目 时分配 时分配系统参数管理系统参数管理系统流程管理系统流程管理系统公告管理系统公告管理系统用户管理系统用户管理系统角 管理系统角 管理系统权限管理系统权限管理数据同步管理数据同步管理定时任务管理定时任务管理第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 47 端的最大差异。基于“信睿”平台的流程引 和规则引，创设专属受益人业务模式，重构他益分配流程，在满足个性化需求的同时实现了标准化，解决了委托人身故后的归属权风险，确保资金划付零 误。借助“信睿”平台，上海信托家族信托实现了从原有以产品为中心、分散化、碎片化的资产管理模式，向以客户为中心、智能化、自动化服务模式转变。2023 年上半年，上海信托家族信托呈现爆发式增长势头，共 地近 1700 ，新增管理规模超 130 亿元，存续规模突破 500 亿元。在业务拓展成效显著的同时，对项目运营也提效明显。家族信托合同文件由合同模板自动生成，核要素明确，效率大幅提升。系统上线前每 家族信托业务耗时约 150 分钟，“信睿”平台上线后，耗时缩减至 60 分钟，大大提高了业务处理效率。系统还能对合同加盖 子 章，替代了原有效率较低的人工盖章过程，加速了项目 地，响应了客户意愿、渠道/合作机构 馈和市场竞争要求。家族信托是最具代 性的信托本源业务，是行业在转型过程中最重要的投入方向之一。从业务特点来看，家族信托是以客户需求为核心，业务模式创新多变，每个家族信托服务内容都有各自特点，个性化属性较强，涉及多个业务条线协同。对公司信息系统来说，需要实现以客户为中心的全流程贯通、业务方案的配置化和智能化运营，并且和家族信托业务生态布局以及渠道进行合作对接。一方面要及时响应客户需求，灵 开发部署上线；另一方面要保证系统对全流程涉及几千，甚至几万个客户资金的 量化处理，提高效率和安全性。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 48 保险金信托是资产服务信托大类的重点业务，凭借起点低、分配灵、可资产隔离等优势，受到众多高 值人群欢迎，并快速发展，截至 2023 年上半年，全市场规模已经超过 1600 亿。平安信托有限 任公司（以下简称“平安信托”）在 2019 年已将保险金信托作为战略发展的业务之一，与 团内平安银行、平安寿险合作，共同探索出了一条具有普适性的业务发展模式，建了一套智能化的产品管理平台，助力业务实现低成本、高质量的发展。为清晰全面地梳理平台需求，信托、银行、寿险联合成立项目组，由业务和科技部 参与，共同制定项目规划。在 2019 年下半年完成了一套关于保 设立、保 赔付、产品销、产品管理、产品投资、产品服务等涵盖保险金全生 周期管理的详细规划，为构建智能化平台奠定了基础。在开发实施过程中，基于平安 团云平台，用 服务架构，并且 100%自主设计和编码，既实现了完全可控，又保证了系统先进性。平台建设引入了人脸识别、语音识别、区块链等新技术，并自主设立了流动性管理、量建壳、一键开户等创新功能。行业代表案例（保险金信托-1）-平安信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 49 保险金信托产品的管理高度依赖系统，论是保险销 和赔付，保险金产品的设立、管理和投资都需要系统连续、精准、高频的支持。在系统平台上线后，保险金业务快速增长，截至 2023 年上半年累计规模突破 1000 亿，市场总份额超过 60%。系统平台的持续迭代完善，有力支撑了保险金业务的快速发展，是业务发展的垫 石和助推器。平台建设的优劣，直接影响了业务发展的质效，因此在系统平台的设计开发过程中需要（1）做好合理规划，平台不能仅仅满足 期需要，而是要有明确的战略指导和长远的系统规划，能够支持业务长期、灵、稳定的发展：（2）引入先进的技术，系统建设要提前规划、设计、选 好基础架构平台，选择好开发框架，并根据业务未来发展引入适用的 AI 技术和工具，保证系统项目运作方案 全流程管理系统方案 存续存续投资投资设立设立直投外部理财直投公募 投资行 通公募 置资金投资直投理财子保费代 直投存 金投中投中产品到期提醒流动性投后风控投后数据 投后投后产品 中信登报 管理 证管理份额登记产品成立登记成立登记成立信息 核立项决策资产 入产品升级产品创设产品创设建壳推 账户开立决策 资产建券投前投前投前 验受益分配清算分配变更管理费用管理业 报 信披管理权 管理数据一体化客户咨诉 证寄 产品估值区块链存 其他事务管理保 赔付产品产品保险金 保险金 保险金 保险金信托服务管理平台寿险端平台银行端平台服务服务设立设立投配投配投后投后保险金设立 加和升级资产看板传承 评 管理设立 证 署银信交互流程 设立流程设立流程运营支持运营支持家 助手 核 调 风险 评托管交互投配 证 署银信交互流程 投配流程投配流程运营支持运营支持投配录入 管理资产配置银行代销银行理财子托管网银银行平台支持银行平台支持运营报 账户视 投后监 流动性监控资金报 服务设置数据服务数据服务账户服务账户服务账户分析账户报告账户管理信托保 理赔报案 受理 新报案是 已开户是 待信托开户理赔处理给付后推 理赔数据给信托理赔开始理赔结束保 销 投保人变更保 同步保 管理销 设立销 设立保 理赔保 理赔21 122 228 326 327 00200222023第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 50 可以在未来 3-5 年或更长时间保持领先；（3）建立开放的合作关系，平台能够较高质量地完成建设，离不开三方业务、运营、科技等众多人员的合作，所以 论是对内还是对外系统建设或对接，都需要保持合作开发的态度，共同探索和实践，才能不断成长和保持先进性。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 51 为有效策应建设银行 团化战略业务快速发展，建信信托积极推进统 科技顶层设计，应用人工智能、云计算、移动互联等科技利器，升级 造数字化、自动化、智能化保险金信托线上工作平台，推动业务实现跨越式发展，已陆续对接支持了建信人寿线上化保全变更，线上保费 纳，泰康人寿保全变更等流程，极大地缩 业务 理流程，提升了客户体验。基于保险金信托线上工作台，委托人可完成线上 、线上视频双录、线上合同 署、线上自动生成收益分配方案、线上智能核算投资决策、线上资金划转等流程。同时，支持私人定制的分配细则支持特定激励或约束机制的特 分配，支持定向、分次有条件的传承等个性化需求。应用层应用层 端（信托公司）应用服务层应用服务层工作管理 核 核 待 通知待 通知系统通知系统通知 项目管理项目设立项目设立项目 项目 利益分配利益分配要素变更要素变更投资决策投资建设投资建设投资决策投资决策交易 行交易 行 产品管理产品 产品 开放期管理开放期管理 值管理 值管理 系统管理数据字典数据字典用户管理用户管理角 管理角 管理模板管理模板管理财产交付财产交付 基础服务基础服务流程引 流程引：大数据大数据统一认证统一认证：统一文件管理统一文件管理：内容管理平台内容管理平台客户管理客户管理 归 归：案系统 案系统待 待：任务中心任务中心项目后期项目后期 运行环境运行环境云服务保险公司保险公司 报系统 报系统尊享尊享 视频双录视频双录 子 约 子 约 流程平台流程平台 公司内部系统保全变更保全变更项目数据项目数据传 传 数据交互数据交互行业代表案例（保险金信托-2）-建信信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 52 建信信托保险金线上工作台通过线上对接保险公司，实现了保险金信托业务的全部流程线上化，同时支持部分保险公司保费 纳业务。基于客户的受托意愿，保险公司和建信信托通过科技系统依次完成客户项目 报，保全变更，财产交付，以及合同线上 约。在线上化、智能化与生态化的多元驱动下，建信信托保险金信托业务 通了资金、资产和产品之间的壁垒，实现了投前、投中、投后的线上化管理。通过与多个保险资金渠道实现线上实时连接，逐步形成全面覆盖、深度经营、可持续发展的保险金信托业务生态圈，最 实现保险金信托项目资金快速 配信托投向资产的优质受托体验，以较低的业务 槛满足客户财富传承规划、保 隔离、管理配置等多元化财富需求。自系统上线以来，保险金信托业务规模 得大幅增长。截至 6 月底，规模突破 80 亿元，前五个月新增保 规模 65.5 亿，较去年增长4 倍以上；保险金信托客户数超 1400 人；今年累计设立保险金信托项目 1300 多笔，月最高设立 520 多笔；一账户保 规模超 1.5亿元，上亿保 4 笔；保险金信托项目处理周期，从去年的平均 77天，缩减为平均 27 天，工作效率提高 65%第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 53 上海信托积极响应信托“三分类”要求，探索通过涉众服务信托搭建覆盖广泛、面向未来的综合性服务信托平台，充分运用信托财产 立优势，促进涉众性社会资金的安全管理和有效使用，在服务人民群众美好生 和提升社会治理水平方面发挥信托特有价值。上海信托以预付 类业务为涉众性资金服务信托突破口，在充分了解上海市 委、宝山区政府对涉众性社会资金管理的需求基础上，制定 业预付 涉众服务信托方案，启动与协同监管平台的端口对接，搭建了 预付码管理、协同监管服务、服务信托、风险管理等全业务周期的线上化预付 资金业务管理系统，对预付资金从支付、消费、退 等环节进行全方位的监管，凭借信托风险隔离的制度优势，实现对信托账户内资金的安全监管。上海信托预付 资金业务管理系统包含四个部分：预付码管理系统、上海市 用途预付消费 协同监管服务平台、上海信托服务信托系统、风险管理等其他辅助系统。其中，经营 通过 B 端系统，实现注册、信息对接、预付 管理、会员管理等功能；消费 通过 C 端小程序浏 户和预付 产品，完成购、消费、退、举报等操作；G 端系统部署于政府政务云，同时接入前端交易数据，帮助政府各相关部 实时掌握辖区内 户发 底数及异 预，实现对 用途预付 的全流程动态管理；T 端系统以提高运营效率为核心，可实现 户在线 约开户，在线即时资金存管，724 小时高频交易 处理，行业代表案例（预付类资金服务信托）-上海国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 54 以及 T 1 日的资金结算和 付。目前，上海信托成功 地了上海市首“用途预付 资金受托服务信托业务”，完成了首 户的预付 资金监管，造了上海信托“卫士”品牌的预付类受托服务产品。通过对接上海市 用途预付消费 协同监管服务平台和上海市大数据中心，协助政府对各类 户开展全周期动态管理，有效保障消费 权益，为上海市行政类综合监管提供了全新的金融服务类型。涉众资金管理领域，是信托比较典型的本源业务，也是信托公司参与和服务社会治理的重要抓手。近年来，涉众资金应用场景持续丰富，包括预付、物业费，住宅专项 修基金等，社会资金管理市场空间广阔。涉众服务信托符合监管指引方向，也可以提升公司的管理规模，为信托业务引流，并扩大信托公司社会影响力。从业务特点上看，涉众资金管理具有类型丰富、适用场景多、账户数量多、体金额小、交易笔数多、频率高、时效性强等特点，对信托公司的托管和康存系统康存客户端康存客户端康存业务系统康存业务系统政府监管系统政府监管系统支付系统支付系统资金监管服务系统系统开放平台开放平台 户管理 户管理应用应用服务服务交易交易中心中心基础服务基础服务信托公司内部系统CFCACFCA 章系统章系统风控系统风控系统TATA系统系统TCMP/CCTCMP/CC服务服务信托信托 WEBWEBwfxtwfxt-web.warweb.war服务信托开发平台服务信托开发平台fwxtfwxt-open.waropen.war资金监管业务 台资金监管业务 台stdstd-server.warserver.war收银台核心服务收银台核心服务pmcpmc-server.warserver.war运营管理系统运营管理系统fwxtfwxt-oms.waroms.warstcstc-server.warserver.war核心服务核心服务StcStc-server.warserver.war离线服务离线服务StcStc-nrt.jarnrt.jar权益登记服务权益登记服务StcStc-rights.warrights.war协议服务协议服务agmtagmt-server.warserver.war会员服务会员服务StcStc-cust.jarcust.jarredisredisminiominiooracleoraclemysqlmysqlsftpsftpRabbitRabbit-mqmq收银台收银台 支付地址、机构 支付地址、机构/个人注册，个人注册，产品同步，对账，购买，充值，产品同步，对账，购买，充值，退 退 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 55 运营能力提出了较大的挑战。因此，建立以客户为中心的账户体系，通系统各个环节，实现业务流程贯通，以及开放接口，满足合作机构和业务场景的灵 管理是其数字化建设重点。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 56 信托公司开展特 资产业务属于创新型业务，由于不良资产处置模式复杂，特 资产类型多样，涉及关联方众多，处置周期长，对信息系统的安全性、稳定性和处理效率都有较高要求，登记管理方式与传统信托项目也有较大差别，导致信托公司现有的业务系统很难承载特 资产业务的管理，同时专业的信息系统开发厂 也没有成熟的产品。为了支持公司特 资产业务的发展，中信信托有限 任公司（以下简称“中信信托”）基于对业务逻辑的深入理解，充分发挥金融科技优势，用自主研发的方式建成了适合中信信托不良资产处置业务特点的特资业务一体化运营管理平台，开创了行业先河。公司特 资产业务规模跃居行业前。中信信托特 资产管理系统上线后，实现数万名债权人、数千亿资产的管理和运营。充分发挥业务协同优势，建立了 团内外协同的一体化特资业务管理生态圈。团内通过与中信银行协同，实现数万名受益人同时在线参与的受益人大会的召开，并充分发掘客户潜力，为客户提供在线开户等其他增值金融服务。通过与光大信托协同，实现海航客户统一管理、标准化运营，并实现双方自动份额确认、子 章等交互。可以最大限度保障受益人的知情权、参与权和监督权，有效提升运营管理效率，良好适应业务转型背景下破产服务信托对于受托人勤勉 、提供优质服务的要求。中信信托抓住特资业务登记管理本质，对系统进行合理分层，并行业代表案例（风险处置服务信托-1）-中信信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 57 对业务流程进行抽象和统一，既建立了面向客户的标准化服务流程和功能，也建立了统一的登记管理体系，实现了业务流程全线上化管理和统一运营，可快速推广到特资业务的多种场景中。依托该一体化平台，中信信托特资业务在 2023 年持续发力，先后 地多个信托项目，特资业务规模实现快速增长。特资系统能在 时间内高质量完成，标志着中信信托自主研发和交付能力迈上了一个新的台阶，特资业务运营管理能力和系统建设能力均处于行业领先地位。未来，将更加积极地探索新技术，充分发挥金融科技创新驱动力，推动公司向数字化和智能化转型，助力特 资产业务高质量发展。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 58 “彩蝶”系 破产重整服务信托业务是建信信托为响应回归信托本源转型发展首创的业务模式，该模式利用信托天然的法律和制度优势参与债务企业风险化解，有效解决破产重整项目 见难题。根据重整计划规定，债务企业作为委托人以特定资产为信托财产委托建信信托成立信托计划，债权人通过 得信托受益权份额实现部分债权清偿。信托存续期间，建信信托履行受托人 任，包括配合债权人完成信托受益权份额领受和受益人登记、向受益人分配信托财产管理与处置收益等。为支持创新业务发展、搭建高效快捷的破产重整业务 中运营体系，建信信托先后开展了服务信托平台系统建并实现与机构渠道客户端、个人客户移动端相关配套功能的快速 地。服务信托目前已实现关键业务流程及环节的线上化运营。全面支持信托受益权转受让、受益人信息登记、受益账户变更、机构经 人变更等业务流程，大幅提升客户信息 、核、合规 、合同 署、受益权登记、归 的工作效率。同时正在进行迭视 层视 层服务层服务层存 层存 层互联网机构客户服务平台 面内容管理平台 数据存 信息录入服务服务信托系统数据 服务信托系统 面 子协议模板管理及生成服务 件模板管理及生成工 信息 服务用户 量注册互联网个人客户服务平台 面服务信托系统行业代表案例（风险处置服务信托-2）-建信信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 59 代优化，预计实现信息披露、受益人持仓及收益分配信息展示、个人客户线上 约、信托受益权冻结等功能，进一步提升运营工作线上化、自动化水平，实现业务提质增效的目标。在赋能高效运营的同时，机构渠道客户端与个人客户移动端的配套模块上线，为机构客户、个人客户提供便捷、安全的 方平台，有效提升客户体验及我司行业竞争力。自 2023 年 1 月系统正式运行起，已承接 9 个彩蝶产品的线上化运营，支持信托资产规模超 2 千亿元。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 60 自 2018 年资管新规发布实施、今年 3 月银保监会发布“信托业务分类新规”以来，信托行业拉开了第三次转型的序幕。数智化时代的信托业务转型，产品不断创新，论从客户交互、交易频度、交互体验还是数据量相对于传统业务发生了巨变，中信信托以客户为中心，全面 造精准营销能力、客户经营能力、产品创新能力、投资研究能力、资产配置能力、一体化运营能力和风控合规能力的数智化，以实现信托公司价值。近年来随着中信信托业务转型的不断深入，围绕“做大型金融机构综合服务”定位，在产品设计方面不断创新，包括家族信托、家庭服务信托、递延服务信托、养老金服务信托、多策略投资信托、现金管理类信托等，公司秉承金融科技与投资研究、资产配置业务紧密结合的理念，持续进行业务与科技及数据的深度融合，在信用研究、资管产品研究及资产配置业务的数字化、智能化、一体化方面深耕；同时，以数据为驱动，造业务数据化、数据资产化，实现大规模、多源异构内外部数据高效存，对数据进行结构化、标准化处理，使其沉淀为满足信用风险研究分析及预 和资产配置业务所需的资产。行业代表案例（投研-1）-中信信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 61 资产配置业务功能框架 信用风险评级与预 系统信用风险评级与预 系统：信托行业首家通过 OCR、NLP、知识 、大数据分析和机器学习等前沿技术，综合专家经验，实现对交易对手的企业 团关联网、面 情、二级市场交易、信用研究报告的模型量化评分及分析，提前预 信用风险，为投资决策和风险管理提供科学依据，造端到端的、闭环式的信用风险管控手段，实现投前风险 算与预、投中风险监控、投后风险监 与 馈的信用风险控制中心，大幅释放人力投入，降低市场、信用、操作风险。信用风险预 系统功能架构 资产配置业务系统：资产配置业务系统：信托行业首家通过大数据、大模型、机器学（二）中信信托数字化转型战略之资产管理 财富管理领域家族 公 家族 公 高 值客户高 值客户大众客户大众客户个性化个性化 定制尊享的财富服务定制尊享的财富服务伴随式财富服务伴随式财富服务智能化财富服务智能化财富服务投前投前投中投中投后投后 基于用户画像和投资偏好进行风险定位基于用户画像和投资偏好进行风险定位、推荐产品组合推荐产品组合 一 式一 式、自动自动、高效的产品下 高效的产品下，资产资产组合管理组合管理 资产收益风险分析资产收益风险分析，智能风险预 和再智能风险预 和再平 平 客户画像客户画像目标风险确定目标风险确定产品画像评价产品画像评价智能投顾智能投顾一 式下 一 式下 智能验证智能验证 子合同 子合同资产组合资产组合资产风险分析资产风险分析资产再平 资产再平 资产收益分析资产收益分析智能账户智能账户产品创新能力产品创新能力 发挥信托投融资创新能力发挥信托投融资创新能力，丰富信托产丰富信托产品线品线，覆盖债券覆盖债券、股权股权、资本市场等跨资本市场等跨资产资产资管信托资管信托特 信托特 信托家族信托家族信托家庭信托家庭信托消金信托消金信托保险金信托保险金信托企业年金企业年金 业年金 业年金 信托信托 中台业务能力中台业务能力 提升信托托管运营提升信托托管运营、风险评 效能风险评 效能，通过通过规范化产品规范化产品 用户数据赋能中台用户数据赋能中台、产品创新产品创新托管运营托管运营数据中台能力数据中台能力风险评 风险评 合规管理合规管理金融科技能力金融科技能力 将影像将影像 生物生物 语音识别语音识别、人工智能移动人工智能移动互联网技术互联网技术，应用于产品创新应用于产品创新、中台业中台业务务 前端 合营销等场景前端 合营销等场景机器学习机器学习知识 知识 云计算云计算 服务架构 服务架构大数据大数据能力支撑能力支撑资产配置资产配置前台 客前台 客数据驱动、顾智能算法和专家经验指标，使信评和投资团队对市场信用风险的关注方式改变并降低工作量。企业风险标 体系 规则规则关键 抽 去重、主体 信用 市场 管理 经营 财务 不可 力风险低频低频基本面基本面区域数据财务数据行业数据经营数据关系关系基本面基本面股权数据实控人关联经营关联高频高频市场面市场面工 变更司法 信 面 情市场报价高频高频中债 含 评级 情预 情预 情感面传导预 传导预 企业关联度股权 供应链 保传导重大风险事件可信度 财务质量财务质量预 预 计相关真实偿债能力资产质量财务异 财务异 预 预 经营指标同比异 经营指标行业位置异 约 率模型分行业结合专家指标 选要素分模型拟合 约特征得到 约 率主体信用风险预 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 62 习等前沿技术，构建资产中心、配置中心及风险监 中心，实现公司级资产配置业务线上全生 周期的闭环式管理，包括资管产品研究、资产配置方案、组合模拟 算、组合配置优化、机构代销生态通道对接、穿透式类风险因子归因分析及类 Barra 多因子风格漂移分析等，以及对产品进行标 式的定性评价、管理人进行 面 情预。资产配置业务系统架构 风险因子研究框架内置遗传算法因子挖掘系统和深度学习因子风险因子研究框架内置遗传算法因子挖掘系统和深度学习因子合成系统：合成系统：运用前沿人工智能技术挖掘阿尔法因子，通过 选有效因子，自动优化组合配置并进行模拟 算、回 分析，形成从因子研究到配置组合优化的全流程智能化。投资管理系统：投资管理系统：信托行业首家实现信托与代销机构生态全 通，包括公募基金代销、私募基金线上 子 约、银行理财平台、券 台代销等；同时，实现一键式多账户、多资产组合下、组合智能 的 OMS 管理能力。资产配置业务系统资产配置业务系统自主决策型组合管理自主决策型组合管理养老金服务信托养老金服务信托受托管理型配置方案推荐受托管理型配置方案推荐 递延服务信托 递延服务信托中信优品中信优品家族家族 家庭服务信托家庭服务信托应用功能层应用功能层数据处理层数据处理层投研工具投研工具资产中心资产中心供给方管理供给方管理产品信息管理产品信息管理产品研究分析产品研究分析管理人 调管理人 调产品入 产品入 定量评价定量评价策略标 策略标 年金组合年金组合资产包管理资产包管理配置中心配置中心约束条件管理约束条件管理资配模型资配模型（、风险平风险平价价、自定义权重自定义权重）组合回 及对比分组合回 及对比分析析组合优化再平 组合优化再平 中枢 调中枢 调、资产替资产替代代 产品组合指令 产品组合指令生成生成多账户组合指令多账户组合指令生成生成投资目标管理投资目标管理资产配置方案设计资产配置方案设计交易通道对接交易通道对接风险监 中心风险监 中心数据 数据 、清 处理清 处理事前计划层风事前计划层风险 算险 算资产包工资产包工具具资产包构建资产包构建排名优选排名优选定期更新定期更新研究报告研究报告 观研究 观研究中观研究中观研究 合信托计划 合信托计划公募基金公募基金银行理财银行理财外部资产包外部资产包私募子基金私募子基金市场 情市场 情综合业务管理系统综合业务管理系统（）系统对接系统对接财富管理系统财富管理系统（）投资管理系统投资管理系统（）年金受托投资年金受托投资监督系统监督系统估值系统估值系统（）业 归因与 效业 归因与 效评价系统评价系统 投资业务投资业务管理系统管理系统信用评信用评级系统级系统养老金产品养老金产品策略研究策略研究模型研究模型研究 调服务 调服务事前组合层风事前组合层风险 算险 算事后计划及组合层 事后计划及组合层 值预估值预估事后计划事后计划、组合及资组合及资产层风险归因产层风险归因策略验证及风策略验证及风格漂移预 格漂移预 事后计划流动性事后计划流动性、穿穿透式信用风险预 透式信用风险预 应用场景层应用场景层第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 63 基于上述平台，实现了研究、配置及交易一体化，提高协同效率，研究员能够专注于分析研究，提升研究水平，组合经理能够专注于组合调仓优化回 上，可以试算调仓对组合久期、收益率等的影响，提升组合管理能力；交易员能够专注于实时头 和实时组合指标上，提升投资交易能力。中信信托在数字化转型的浪潮中，将持续科技赋能业务创新和经营转型，提升资产端信用研究、产品研究、资产配置能力，为财富客户提供分层的个性化财富服务体验、千人千面画像、伴侣式陪伴以及收益风险 配的财富增值保值服务，从而提升中信信托乃至整个信托行业在资产配置及投资研究领域的品牌价值。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 64 为深入贯彻 实资管新规、信托三分类的监管要求，长安国际信托有限公司（以下简称“长安信托”）围绕公司标品业务转型，支撑资产配置事业部业务开展，资产配置事业部与信息技术部联合组建资产配置数字化转型共创团队，搭建研究、投资和管理为一体的资产配置投研管理体系，促进资产配置的科学化和精细化，有效 地机构投资、高 值客户定制化的资产配置需求，造长安信托特 的资产配置业务品牌。目前已实现 观及资产气象跟踪、管理人 调、基金产品、大类资产配置、组合构建分析、效归因、策略标、投资决策、母基金分析、风险监、个性场景等。同时引入公私募基金、观指标、因子模型等多渠道外部数据，提升产品运作效率，沉淀资产研究成果，实现了资产配置业务线上化管理目标。在该平台的赋能支持下，对于开展市场研究分析，能够及时掌握 观经济指标跟踪，大类资产市场 现，解决以往资 行情信息 财富管理财富管理家族信托服务信托资管机构高 值客户数据中心数据中心外部数据外部数据业务系统业务系统资配模型资配模型量化指标量化指标策略标 策略标 接口接口业务数据业务数据统一交互统一交互 地 地清 加工清 加工管理人及资产管理人及资产画像画像私有基金管理人数据 私有基金管理人数据、投研知识 投研知识 决策 决策 调 调 入 入 指令 指令 提高决策 效率提高决策 效率 私有数据等私有数据等研发平台研发平台系统管理系统管理组织角 组织角 户样式 户样式统一认证登录平台统一认证登录平台资产管理资产管理场外交易场外交易公募基金公募基金私募基金私募基金银行理财银行理财同业产品同业产品场内交易场内交易交易所交易所 股通 股通银行间银行间期 市场期 市场全资产交易管理全资产交易管理资金划拨、估值、项目、份额等运营支撑系统 、企业 信、共享等工具，支撑重要提醒、问卷调、报告 出等，提高交互效率数据范围数据范围私募基金因子行情公募基金资产气象运营支撑运营支撑、辅助功能辅助功能业务价值业务价值市场研究跟踪市场研究跟踪高效构建组合高效构建组合精细策略标 精细策略标 母基金 效分析母基金 效分析线上基金投资线上基金投资定制客户报告定制客户报告风险 情监 风险 情监 提高 效率提高 效率公开数据公开数据私有数据私有数据 调模板 调模板决策 决策 入 报告入 报告管理报告管理报告因子模型因子模型三方数据三方数据私募基金私募基金监管协会监管协会 情资 情资 业务数据业务数据配置报告配置报告基金 基金 配置模型配置模型归因模型归因模型策略分类策略分类资产配置资产配置资产配置资产配置组合平 组合平 资本 设资本 设资产模型资产模型构建组合构建组合组合共享组合共享数智化数智化标准标准 配置化配置化工程化工程化标 指数标 指数优选策略优选策略 产品产品 调 分 调 分基金研究基金研究基金入 基金入 管理人研究管理人研究基准比较基准比较组合模拟组合模拟策略研究策略研究 分评价 分评价投后管理投后管理母基金信息母基金信息策略环境策略环境 效分析 效分析投顾 现投顾 现归因分析归因分析市场环境市场环境风险管理风险管理黑名 黑名 基基础础数数据据模模板板报报告告量化模型 接口接口资产配置业务系统建设目标资产配置业务系统建设目标市场跟踪市场跟踪 观气象 观气象因子指标因子指标市场 现市场 现策略指数策略指数资产 现资产 现研究报告等研究报告等角 权限角 权限 观气象业务系统解决方案私募基金行业代表案例（投研-2）-长安国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 65 效率低的问题；对于开展基金产品研究，通过数据 地、RPA 、API 接口等方式，引入公私募、外部第三方多数据源，全面覆盖基金产品数据，解决手工频繁操作的情况；对于开展资产组合建设，支持股票、债券、基金等标准化多资产配置，按照 观经济周期与大类资产配置模型快速实现组合构建，满足自上而下和自下而上多种构建方式；对于投决 支持，与决策 系统实现接口交互，实现基金入 决策线上化，构建长安信托公私募基金，沉淀资产知识。通过以上业务场景的应用，极大的满足资产配置的投研决策，更好的满足投资 资产配置的需求。后续将进一步推进资产配置系统建设和资产配置研究，一是深化资产研究框架，科技赋能提高资产研究效率；二是夯实业务系统基础功能，提升用户体验感；三是丰富业务功能场景，基金生态探索等功能；四是培养自主研发能力，沉淀知识成果，领先行业布局资产配置系统以增强研究实力和扩大资产规模，赋能公司资产管理与财富管理业务。开展投研系统的建设，需要结合公司业务思路明确系统定位，可围绕母基金 效风险管理，侧重投后；可按照投研为核心的一体化平台方案，侧重研究；行业现状，资管机构在 FOF、MOM 组合投资方面处于起步阶段，多以账 端模式或 基础 UI 界面进行分析，部分头部信托公司进行产品自研，行业尚未有标准成熟的 地产品，需要在使用过程中不断 磨提升；数据方面，私募数据披露不够透明，能提供基础数据为排排、朝阳等，衍生数据不一，需要结合自身需要进第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 66 行选型，目的确保数据的稳定性，如需进行深度研究要对私募数据进行清 加工，为系统提供准确清晰的数据源，满足系统进行投研投后分析。总之，投研系统的建设呈现出个性化、定制化的特点，起步阶段需要把控好业务思路与需求边界，评估好需求的可行性和实用性，有利于项目的顺利推进。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 67 5 5、管控、管控能力：风险管理数字化建设有待加强，合规管理的数字化建能力：风险管理数字化建设有待加强，合规管理的数字化建设基本满足展业需要设基本满足展业需要 数字化管控能力能够更高效地保障业务经营的规范有序发展，数字化的风险管理与合规管理是管控能力建设的重点。其中，风险管理围绕信用风险、市场风险、流动性风险与操作风险等内容展开；合规管理围绕外规内化、销 服务全生 周期、交易监控与监管报 等内容展开。整体来看，信托业数字化管控能力建设有待持续提升，特别是风险管理，需要结合信托业务三分类新规要求构建新型的数字化风险管理体系。风险管理方面，数字化建设总体较为薄弱，处于起步阶段。风险管理方面，数字化建设总体较为薄弱，处于起步阶段。调研结果显示，仅 16%的信托公司搭建了专 的风险管理系统，约 60%的信托公司主要基于相关业务系统开展风险管理。分项来看，信用风险、操作风险的数字化建设相对较好，近一半的信托公司都对 情监控、项目评级和 调 建立了数字化的应用支持；超过 82%的信托公司针对交易指令发起与复核等重点操作环节建立数字化的应用支持。而市场风险、流动性风险的数字化支撑相对较弱，市场风险预、现金流预 等重点工作的数字化应用的行业普及度不足 30%。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 68 图 2.21 风险管理重点金融科技应用普及情况 合规管理方面合规管理方面，数字化建设已基本满足展业需要。调研结果显示，行业整体在销 服务全生 周期中涉及的 、交易 、投资 适当性管理等数字化实现渗透率均已达到 80%以上，对 KYC 的数字化渗透率也达到了 66%。特别是在监管报 方面，超过 89%的信托公司已实现了对大部分报 数据的自动抽，超过 79%的信托公司实现了对大部分报 数据的自动质检。图 2.22 合规管理重点金融科技应用普及情况 风险管理平台数字化应用情况信用风险市场风险流动性风险操作风险风险预 管理风险偏好管理 量化模型分析规划中客户评级交易对手关联关系资金流监控 情监控市场风险预 市场风险指标量化市场风险评估监 现金流预 流动性分析融资 中度流动性限额管理操作 行检 客户资格 及信息管理交易指令发起复核其他其他关键风险指标监 会计自动 核 调 资产穿透风险管理平台数字化情况风险管理平台数字化情况 动态外规内化数字化应用销 服务全生 周期交易行为监控管理外规检索外规与内部制定的比对分析 交易 投资 适当性管理其他异 交易行为监控关联交易核 其他合规管理数字化现状合规管理数字化现状 数据抽 数据质检数据自动化报 监管报 数字化程度监管报 数字化程度覆盖少部分数据覆盖大部分数据覆盖所有数据覆盖少部分数据覆盖大部分数据覆盖所有数据覆盖少部分数据覆盖大部分数据覆盖所有数据第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 69 6 6、ITIT 支撑：总体保障基本建立，但尚不稳健支撑：总体保障基本建立，但尚不稳健，有待进一步夯实提升，有待进一步夯实提升 信息安全方面，规性防 已基本建立，突发性网络攻击应对有信息安全方面，规性防 已基本建立，突发性网络攻击应对有待加强。待加强。调研数据显示，89%的信托公司已建立了信息安全专岗，较2021 年进一步提升；绝大部分信托公司都建立了覆盖防火墙、入侵检、端防病毒、堡垒机、漏洞扫描等功能的 规性网络安全防 体系，已有 55%的信托公司应用了态势感知技术。此外，对于重要信息系统，50%信托公司已达到等保 3 级标准。但另一方面，结合调研访谈和行业实际来看，鉴于前期积累相对较少，当前行业整体对突发性、针对性的网络安全防 能力相对有限，需要持续加强。图 2.23 信息安全建设普及情况 业务连续性方面，基础 备保障进一步夯实，业务级容 尚不充业务连续性方面，基础 备保障进一步夯实，业务级容 尚不充分。分。调研数据显示，绝大部分信托公司均实现了同 备，超过 81%的信托公司建立了数据级容，较 2021 年进一步提升，但行业整体的业务级容 保障尚不充分，仅 35%左右信托公司具备实时/准实时的业务切换能力。鉴于信托业务三分类新规实施后，服务信托等创新业务的实时性要求均较高，行业整体在业务级容 建设上有待加强。信息安全岗设立情况重要信息系统安全等保评级网络安全管理防 手段 是等保 级等保 级等保 级 未做等保评级防火墙入侵检 件网关 端防病毒 内外网络隔离堡垒机主机安全 流量安全监 漏洞扫描 态势感知网络安全管理情况网络安全管理情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 70 图 2.24 业务连续性建设普及情况 云服务方面，行业上云尚处探索阶段，私有云是主要方式。云服务方面，行业上云尚处探索阶段，私有云是主要方式。调研数据显示，近 70%的信托公司不同程度地开展了云服务探索，较 2021年小幅增长。其中，私有云是主要上云方式，使用公有云或以公有云为主的混合云的信托公司占比仅 6.4%。从不同业务上来看，销 支持等外围业务系统是上云的重点，近 50%的信托公司开展了尝试。对于核心业务系统上云，行业整体仍较为谨慎。图 2.25 行业云服务建设普及情况 信创国产化信创国产化方面，行业整体起步相对较晚，尚处探索发展阶段。方面，行业整体起步相对较晚，尚处探索发展阶段。调研数据显示，公软件、服务器两个领域的国产化程度相对较高，而在操作系统、数据、中间件等领域，国产化程度较低。同 备异地 备数据级 备业务级 备其他 未建立 备系统，规划中 备 施建设 备 施建设 云服务应用情况云服务信息系统应用情况云原生技术应用情况已使用公有云已使用私有云已使用混合云（私有云为主）已使用混合云（公有云为主）其他 未上云 不需要销 支持服务类系统资产服务业务类系统风控合规管理类系统 公类系统其他 未上云 未 用云原生技术计划 用云原生已 用云原生云服务使用情况云服务使用情况第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 71 图 2.26 行业信创建设普及情况 ）国产服务器）国产操作系统）国产数据 ）国产中间件）国产 公软件信创国产化现状信创国产化现状少部分国产化大部分国产化全部国产化规划中 不需要少部分国产化少部分国产化少部分国产化少部分国产化大部分国产化大部分国产化大部分国产化大部分国产化规划中规划中规划中规划中全部国产化 不需要 不需要 不需要 不需要第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 72 平安信托业务连续性建设以风险部 头，组织合规、品宣、人事、行政、中后台、业务后管等部，为有效应对重要业务运营中断事件，建设应急响应、恢复机制和管理能力框架，保障重要业务连续运营的管理过程，推动建立业务连续性管理制度，详细制定公司业务连续性目标、策略、组织形式、方法、标准和流程。根据公司业务连续性目标、策略，结合金融机构属性和现状，IT服务连续性管理是其中重要一环。公司以信息科技部 头，建立了IT 服务持续性管理制度，规范公司 难恢复规划、恢复实施和日 的管理，以确保在 IT 系统发生 难的情况下能够快速恢复 IT 服务，最大限度地降低中断对业务的影响，从而确保高效、有效地保持IT 服务持续运行。平安信托通过 IT 难恢复计划（DRP）保障服务持续性的实现。管理对象包括组织机构、难恢复需求分析、难恢复方案制定、难备份环境 、难恢复预案的演练和管理、应急响应和 难恢复、计等过程，在此重点 难恢复技术建设方案。公司当前有对外客户的在线服务，对内作业和管理支持系统，以及公共技术平台等，结合监管要求，了“两地三中心”的技术方案。根据系统和服务的 RTO/RPO 不同的容 等级。具体是深圳建设生产 IDC 和同 双 IDC、上海建设远程 备 IDC。深圳两个 IDC是双 互为备份，上海 IDC 在发生 害情况下，启动远程恢复系统和服务。行业代表案例（业务连续性）-平安信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 73 两地三中心灾备架构 IDC 建设 平安信托在深圳同 完成了双 IDC 建设，每年演练双 同 快速切换（10 分钟内），期间也发生过类似数据 实例意外宕机，切换到同 双 数据 的情况，有效降低服务中断带来的影响，保障服务有效性。平安信托在深圳、上海完成两地三中心 IDC 建设，每年度进行实战演练切换。最近一次演练，模拟在重大 害发生情况下，约 60 分钟切换到 备 IDC，恢复系统和服务。为业务发展，在发生极端情况下提供有力保障。业务连续性下的 IT 服务连续性的建设，是一个复杂、高成本的体系，也是一个时间跨度比较大的工程。涉及多个部/组织协同，涉及基础设施建设，涉及应用整体架构设计，涉及每个系统/组件，涉及支撑平台和运。所以从上至下明确 IT 服务连续性要达到的目标，合理的策略和规划，适当技术方案，建设规模合理、成本适当、效能高的服务连续性保障体系。监控告 监控告 变更管理变更管理 资产管理资产管理 事件管理事件管理 自愈平台自愈平台 平安平安云云 户 户数据 主实例数据 主实例 双机双机 同 多 同 多 容 容 双机双机 远程容 远程容 双机双机 云 户云 户运 管理运 管理 服务层服务层深圳区深圳区 同 双 云区同 双 云区 容 容 上海远程容 区上海远程容 区 群 群 资源 资源 业务领域业务领域云服务层云服务层 群 群 资源 资源 服务及公共服务服务及公共服务 网 网客服客服产品产品资金资金信托信托 智能智能风控风控客户客户信息信息资管资管估值估值监管监管报 报 资管资管估值估值监管监管报 报 服务及公共服务服务及公共服务双 双 群 群 资源 资源 服务及公共服务服务及公共服务容 容 对象存 对象存 工作流工作流消息 日志云日志云 部署部署 网 网客服客服产品产品资金资金信托信托 智能智能风控风控客户客户信息信息 网 网客服客服产品产品资金资金信托信托 智能智能风控风控客户客户信息信息资管资管估值估值监管监管报 报 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 74 随着数字化进程的不断加速，传统的 IT 架构“厚、重、笨”，需求支撑的周期长、速度慢，长链条、紧耦合，灵 性差，严重制约了业务创新模式的发展。基于此，五矿国际信托有限公司开启探索企业级的 DevOps 建设，引入 DevOps 工具链加强流程体系建设，用统一的工具链实现稳敏双态实践并行，确保项目质量与管理的“可视、可管、可控、可信”。在研发管理流程上，五矿信托针对流程体系建设和平台支撑能力进行了双向探索，实现稳敏相融。在流程体系建设上，利用 TAPD 和 鲸 DevOps 等工具搭建起统一的 DevOps 工具链；平台支撑能力方面，围绕流程规范、工具能力、运营服务等构建起全新的 DevOps 能力体系。实践中，五矿信托把工具体系相融合，通过端到端一体化方式推动稳敏双态开发、试及发布流程。以质量风控流程为例，基于TAPD、Gitlab 和 鲸 DevOps 产品 成，在代码仓 上，通过工作项加强流程体系建设 根据目标形成适合团队的流程体系建立高效的敏态研发管理体系需求管理建立透明的管理制度配置管理快速响应业务变化核心目标 规范的项目规划与管理 可靠的质量和 试 可 踪的研发数据 敏态研发管理体系 工具链改进规划持续 成、持续交付敏捷计划和进度管理配置变更管理持续 成和发布研发数据分析将敏态研发体系内建到工具链平台需求定义和管理 多样的，混合型的研发模式支持；重点关注复杂型稳敏结合的项目如 进行支撑目标形成体系试点导入工具链构建完成全面推广传统模式（稳态体系 工具链）敏态模式（稳态体系 工具链）看板方法 监控和度量数据分析现状 断分析现有的敏捷团队的核心成员的 访，了解目前组织实施情况。包括人员、流程、结构、交付物以及各项 式等，形成适应企业的研发体系方案根据上述方法论形成对 体系支撑的敏态研发体系并进行试点导入 行业代表案例（DevOps）-五矿国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 75 目 ID 能够与代码进行关联，并在 TAPD 上可以看到需求信息、开发信息和 馈信息、试用例以及一些 bug 情况。在工具平台 实上，五矿信托通过组建 拟团队，解任务需求，细化成员分工，实现 DevOps 平台在企业内部 地。在持续改进方面，通过 DevOps 平台对研发全生 周期可控、可视，自行识别 板，进而持续迭代优化。同时导入敏捷实践、看板实践和研发过程管理系统，实现对人员、团队、组织的透明化管理；增加数字化分析能力，通过设定度量指标体系、提供组织级效能分析、提供对接外围的数据接口等让组织效能看得清；完善 DevOps 生态链，从 量研发投入产出、生成版本发布计划等环节提升平台能力，形成最佳实践，帮助企业各研发团队更好地、更规范地去使用平台，实现研发效能整体提升。DevOps 平台功能分为过程管理、持续交付、试管理三部分，上有统一的平台权限管理，下有统一的安全能力质量保证，做到从需求、研发、试、部署，端到端的自动化流转与全方位管理，让平台建设质量、风控 质量内建要求需要在平台中实现，包含数据、性能、体验等非功能性质量要求 平台规划和建设要满足安全、合规、风控等 计要求 平台规划要符合体系架构要求和规范约束 平台建设要 在用户角度提供一 式服务 平台演进要参考成熟度等级要求架构、体系组织架构组织结构、角 权限、技术架构实施工艺流程、规约、功能、质量等要求成熟度模型平台能力参考和演进路径度量规范数据 、馈和度量规范等要求文化建设团队能力提升，促进架构和技术演进 体系流程要 在平台工具中实现，可在试点推广 平台要支持流程交付物的线上化 平台要考虑流程中的管控环节流程、规约 平台要实现体系约定的节点能力 工具实现的能力 量 在平台内 节点能力要符合度量规范要求能力、度量以平台规划吸 业内先进经验和技术发展趋势，参考五矿信托组织级研发体系的规范和流程要求，指导平台与工具建设，通过端到端一体化方式实现稳敏双态开发、试及发布流程，更好的从体系层面支撑团队实践推广以提速增效第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 76 价值流真正流转起来。在实施中，五矿信托通过工具支撑敏捷管理项目流程、构建 成、部署等能力，实现流程编排自动化；统一管理 试用例，把 试管理环节纳入需求交付整理流程，启用自动化引 指定 行 试 本，精确度量，实时监控，提高 试有效性。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 77 结合公司转型战略，在原有系统架构、核心开发厂 法快速响应公司不断增加的创新业务需求、客观上制约了公司业务快速发展的背景下，中粮信托有限 任公司（以下简称“中粮信托”）于 2022年启动以 造数字化快速响应能力、赋能业务发展为主要目标的数字化 2.0 战略，数字化 2.0 战略从基础设施、应用架构、团队组织、服务管理体系、信息安全等方面加强数字化能力建设。在应用架构方面，中粮信托以数字化中台为总体思路，将共性需求进行抽象，造成平台化、组件化的系统能力并共享使用，先期布局研发管理、运营管理、金融服务、企业数据中心 2.0 四大核心基础平台。定义为技术中台的研发管理平台主要 出敏捷开发能力。与许多信托公司不同的是，中粮信托选择基于多年自主研发经验积累自主搭建技术中台，一方面确保从应用底层开始的整体自主可控，另一方面也可以避免市面上许多技术平台因为本身过重导致在使用过程中对信托公司普遍不太富裕的研发资源的过度消耗。中粮信托自主设计、研发的研发管理平台在设计中融入大量贴近信托行业系统研发场景的设计，因而能为中粮信托系统研发工作带来更高的效率。其核心组件包括：Action 服务设计框架、Action 解释型前端框架、Action流程引 等。结合自主研发并嵌入到 IDE 的代码生成器等工具，可以让研发人员专注于各自领域内的具体业务逻辑研发，降低研发人员技术水平要求并提高研发效率。基于该平台研发的运营管理平台已于行业代表案例（技术架构）-中粮信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 78 2022 年底正式投产运行，3 个 Action 组件已提交发明专利 ，其中 1 个已 颁发明专利证书。定义为业务中台的运营管理平台、金融服务平台主要 出平台化、组件化的系统能力。为解决传统竖井式架构普遍存在的 闭、耦合度高、重复造轮子、对接成本高等问题，中粮信托 用自主研发、合作研发相结合的方式，将传统 OA、CRM、TA、PM、AM（不含场内）等系统进行了 解，并按从领域到模型再到场景的设计思路用 服务框架进行了重新组织，从而形成模块化的系统能力，并通过模块编排和流程组织，快速支持各类创新业务场景。基于中粮信托自主的技术框架，所有的系统能力均可在受控的前提下被内外部系统开发人员根据需要自由调用，从而 破不同开发 之间的技术壁垒。基于领域、模型、场景的设计框架，复杂的业务逻辑被分解成众多相对简 的逻辑 元，从而有利于内外部细分领域专业能力、资源的整合与调度。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 79 定义为数据中台的企业数据中心 2.0 主要 出高效的数据资产管理、数据应用开发、数据服务等能力。中粮信托在 2018 年自主搭建了以传统数仓为主要特征的企业数据中心，主要用于监管报 等数据应用场景。为解决数据应用开发、数据资产管理工具化水平较低等问题，中粮信托通过选型外 了猛犸平台作为数据技术底座，通过模型复用等方式按主题域快速构建标准数据资产模型，通过 CDC 等工具将各源系统数据准实时归 到贴源层，并利用平台离线计算、实时计算能力对贴源层数据进行加工，形成准实时、标准化的数据资产，按不同应用场景需要加工到应用层，结合 BI 等工具平台快速构建各类数据应用，并通过数据接口服务等形成数据闭环。中粮信托总体上从数字化快速响应能力建设、数字化需求挖掘与实现两条线推进数字化建设工作，为解决技术和业务两个声音的问题，中粮信托 2022 年开始在高度依赖信息系统的领域引入“数字化 ”联合工作组机制，即由数字化中心和运营、业务部 等组建联合工作组，由运营、业务部 资深人员 任组长，工作组定期沟通，滚动梳理相业务 Oracle业务 SQL Server业务 MySQL数据源CDC实时增量ODS贴源层DWD明细层DIMDWS离线指标实时指标业务宽 数据中台ADS应用层项目管理业务中台（OMP FSP）抽 同步存 ETL流式抽 应用数据调度账户管理合同管理客户管理权益管理渠道管理资产管理治理加工加工CRAWL动态爬 经营分析监管报 量化风控智能投研第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 80 应领域的数字化需求，形成一致目标，孵化数字化建设项目，定期向数字化委员会汇报进展，跟进项目开发、实施、验收及后评价。以运营数字化联合工作组为例，在 2022 年孵化并 地资金清算网关、估值自动化、合同全生 周期管理等多个数字化建设专项，使得公司估值、资金清算等运营工作效率得到极大提升。除联合工作组机制外，中粮信托在运营管理平台开发了需求管理模块，业务人员可在线提交数字化需求，并经过沟通、确认、核、分析、设计、开发、试、发布、评价等标准化需求处理流程实现业技联动。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 81 7 7、数据支撑：机制建设较为全面，但支撑能力和业务应用尚不充分、数据支撑：机制建设较为全面，但支撑能力和业务应用尚不充分 组织机制方面，行业整体普遍较为重视，并建立了较为全面的组织机制方面，行业整体普遍较为重视，并建立了较为全面的制度规范。制度规范。调研数据显示，超过 90%的信托公司设立了明确的数据治理 头部，超过 80%的信托公司在不同程度上建立了数据治理专岗，与 2021 年基本一致。同时，71%以上的信托公司制定了数据治理相关工作制度，42%的信托公司专 制定了数据战略。图 2.27 数据治理组织机制建设情况 数据标准化方面，标准规范建设渗透率较高，但标准应用仍需加数据标准化方面，标准规范建设渗透率较高，但标准应用仍需加强。强。调研数据显示，超过 80%的信托公司开展了数据标准建设，覆盖客户、产品、资产、财务、监管报 等多个领域，信托公司数量较 2021年进一步提升，其中监管报 数据的标准化建设行业渗透率最高，达到 69%，有 13%的信托公司已实现了对所有类型数据的标准化建设。但大部分信托公司其数据标准仅在个别系统或新系统中的应用，仅13%的信托公司实现了数据标准在新旧系统中全面应用。图 2.28 数据标准化建设情况 42$q7RB%2q$)V%5%87P%2%数据治理建设内容数据治理专岗设立数据治理 头部 其他 设置专岗仅 头部 设有专岗所有部 都设有专岗 头部 和少数部 设有专岗金融科技部 头部 其他 数据战略与规划 完善相关制度规范 数据标准管理 数据质量管理 数据安全管理 数据平台及管理系统 地 数据资产管理运营管理部 风险管理部 数据标准化建设数据标准化应用情况数据标准化建设现状数据标准化建设现状客户经营类数据产品管理类数据交易类数据资产类数据财务类数据管理类数据监管报 类数据所有数据仅少量标准应用于个别系统中仅在新建系统中应用仅在新建系统中应用，但与旧系统实现了 全面标准化 未应用，规划中 不需要其他第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 82 质量管理方面，行业整体较为重视，但数字化程度有待提升。质量管理方面，行业整体较为重视，但数字化程度有待提升。调研数据显示，约 73%的信托公司已不同程度开展数据质量管理，超过60%的信托公司建立了质量检核规则/方案，42%的信托公司建立了质量跟踪机制，信托公司数量均较 2021 年有所增加。但从实现方式来看，数字化程度有待提升，建立企业级数据质量管理平台的信托公司仅为 23%，多数信托公司主要通过传统人工方式或基于特定业务系统内置模块开展数据质量管理。图 2.29 数据质量管理建设情况 数据应用方面，数据中台建设稳步推进，但应用服务尚不充分。数据应用方面，数据中台建设稳步推进，但应用服务尚不充分。调研数据显示，近 60%的信托公司建立了专 的数据中台，具备较为全面的数据 和存 能力，与 2021 年保持一致。但从数据应用支撑来看，能够响应业务用数需求，提供针对性数据应用服务的信托公司仅 40%左右。从用数场景来看，当前数据中台所提供的数据应用主要 中在可视化、经营分析、信息披露等领域，面向其他业务场景的数据应用较少。数据质量管理开展情况数据质量管理数字化程度数据质量管理建设现状数据质量管理建设现状检核规则和方案数据质量管理平台问题跟踪机制问 及整改机制 未开展，规划中监控预 系统定期出具检核报告手工管理数据质量，线下跟进业务系统内嵌该业务模块相关的数据质量 核规则企业级数据质量管理平台，动态监控数据质量 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 83 图 2.30 数据中台及应用建设情况 数据中台建设数据中台建设 数据中台应用内容数据中台建设程度具备 、存 等功能为所有业务提供数据服务 不需要为部分业务提供数据服务其他未建设数据中台，规划中数据可视化客户标 画像实时估值经营分析财务处理信息披露实时监控其他 不需要第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 84 当前金融行业对数据治理的重视程度也越来越高，“数字化转型，治理先行”逐渐成为行业共识。平安信托在数字化转型过程中，经过几年的持续探索和治理实践，总结出一套全面、行之有效的数据治理体系，充分数据价值释放，成效显著。信托业整体的科技投入偏少，数字化底子薄弱，数据治理面临诸多痛点。一方面，系统大多是竖井系统，缺乏整体的规划，业务标准和数据标准不统一，数据分散杂乱，难以整合利用；另一方面，业务流程在系统间存在诸多断点，数据质量较差，难以有效管控。此外，技术系统 后、难以满足数据管理需求，数据安全和风险 患成为挑战。如 开展有效的数据治理，成为行业数字化转型亟待攻破的难点。“价值创造”是平安信托数据治理模式坚守的原则和行动的宗旨，数据治理的效果要用数据创造的价值来 量。平安信托基于这个原则和宗旨，进行全局顶层设计，构建完整的数据治理体系，括来说就是：一张、一条路、三方法、深赋能。“一张”是指公司在决定开展数据治理工作时会围绕公司战略制定数据治理的 规划；“一条路”是指实施路径，用“整体规划，分步实施”的理念将数据治理工作进行阶段划分；“三方法”是 实在机制层面，主要从治“规”，治“人”，治“数”三个方面展开；最，数据治理 在业务赋能上，创造业务价值。行业代表案例（数据治理-1）-平安信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 85 其中，“治数”的核心关键可归纳为三个“全”，即全流程系统 通、全链路质量管控，以及全领域安全管理。1、全流程系统 通。数据治理不仅仅是处理数据本身，更重要的是与业务流程相结合，在数据源头确保数据的完整、一致、准确和及时，其难点和核心就是对业务流程的优化和重塑。通过流程再造，实现业务流的线上化管控，系统间全流程 通，紧密衔接 断点。以“外部投资标的”信息管控为例，以前平安信托在 8 个系统中都存在建券入口，缺少统一管控，多口录入、重复录入，导致信息凌乱、空值率高。通过数据治理，对券入口进行了“关停并转”，对流程进行了统一并增加了复核流程，外部产品券数据字段空值率从 47%下降到0，数据准确率提升 21%。2、全链路质量管控。基于业务场景，进行覆盖事前、事中、事后全链路的数据质量管控。事前，明确数据 任，所有线下数据纳入系统化管控范围，同时确定数据标准，统一数据口径。事中，做好过程控制，实数据的 核及 验机制，防 数据错误；同时，配套质量在高层指导和支持下，我 构建 路 法 能 的平安信托数据治理体系平安信托数据治理体系平安信托数据治理体系（规划 规划 实施路径实施路径 方法机制方法机制 赋能业务赋能业务）计划 行检视改进长效长效机制机制 基于业务战略基于业务战略，服务业务战略服务业务战略 引入业界先行治理实施方法论引入业界先行治理实施方法论 结合公司现状结合公司现状，形成数据治理形成数据治理体系体系 出纲领性指导规划 出纲领性指导规划 解 规划 解 规划，规划实施路径规划实施路径 明确建设阶段划分明确建设阶段划分 合理分配各阶段 地实施计划合理分配各阶段 地实施计划 指导数据治理体系建设指导数据治理体系建设 规划 规划 实施路径实施路径 方法机制方法机制 赋能业务赋能业务 治治 规规 ：建章立制建章立制 治治 人人 ：认 认 文化文化 治治 数数 ：专项治理专项治理 赋能业务是一切数据治理的赋能业务是一切数据治理的出发点和 点出发点和 点，以 为始以 为始 明确数据治理的业务赋能的明确数据治理的业务赋能的考核导向考核导向 重点项目必须有数据治理子重点项目必须有数据治理子项目项目 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 86 预 监控，确保问题及时发现。事后，做好监督控制，对应用场景中的数据质量问题开展全面分析，实数据问，推动数据问题的修复，实现数据质量的闭环管理。3、全领域安全管理。基于“横到边、纵到底”的理念，构建以实现客户 私权为核心的数据安全体系，慎处理在数据的收、传、存、使用、删除、销毁等各环节的操作，严格进行数据全生 周期管理。通过信息收 授权、传 加密、存 加密、使用管控、删除彻底、监督销毁等 施，严防数据安全风险，确保公司内、外数据的有效隔离，未经授权数据 法共享。平安信托按照“三个 One 和三个 ”整体思路建成企业级数据中台，即统一数据平台、统一数据模型、统一数据服务、更多数据产品、数据场景应用和 出更多数据价值。在数据中台内，平安信托建设了企业级数据治理平台，包括数据架构、数据模型、数据标准、数据质量、元数据、数据安全、数据资产等治理套件/工具。其中，数据标准的套件嵌入系统开发流程，提升 标率；数据质量监控雷达，周期性监控数据质量，形成质量报告，闭环管控；自动化管理元数据的 、变更、血缘和影响分析等，促进元数据准确和共享；以“技术和制度”双轮驱动实施“传存用毁”全过程数据安全管控；借助 AI 等技术更快更准地进行数据资产 点，形成数据资产地，尝试推动数据资产估值。数据治理平台实现了数据管理的信息化、便捷化、规范化和安全第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 87 化，在数据流转环节实现一定程度的自治，为数据治理工作奠定坚实的技术底座。公司的数字化转型离不开数据治理。三年来，平安信托在数字化转型过程中，共开展四轮全链路的数据治理，针对问题数据“清存量控新增”，优化变革业务流程 59 项，梳理字段 1.7 万，整改风险项510 项，修正异 数据 22 万 ，推动公司完善制度 6 个，提升全员的质量意识。在数据治理的推动下，平安信托的数据价值得以全面释放。在业务赋能方面，通过智能化的系统建设，支撑保险金信托业务规模超千亿，市场规模占比过 60%。在风险管控方面，基于完整的数据流和高质量的数据基础，实现募、投、管、退全方位的智能化风险管控。在运营提效方面，通过自动估值等智能化手段，支持产品高效运作，形成展业优势。22 年在产品数量增幅57%，估值次数增幅70%的情况下，运营成本不升 降。在监管合规方面，深圳银保监局发布 2022 年下半年报 质量评价，平安信托在 74 家对比组中得分最高。数据治理是一项企业级工作，不是仅靠科技就能解决问题的。高层真正地重视是成功关键。工作难点和核心是对业务流程的优化和重塑。数据必须从源头抓起，从根上解决。数据质量提升的关键是对数据的使用，要结合实际的业务场景 地。数据治理是个持续工程，需要长期坚持不懈，不可能一蹴而就。组织需要建立并不断完善数据治理策略、流程、技术，持续推动治理，才能真正实现数字化转型。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 88 数据治理与公司数字化转型、公司精细化管理密不可分。数据治理工作的开展，应立足当下，着眼未来，结合监管要求，外看同业实践，内看痛点需求，秉承所属公司、所属 团的数字化战略一体化设计，配套制定数据治理 与实施路径。五矿信托于 2020 年启动“数说未来”专项行动，聘 外部咨 公司，伴随公司大运营系统体系建设与流程优化工作开展，以实现数据资产价值为导向，持续推进制度建设、组织建设、资产清 管理、数据中台整合和人员队伍建设“五位一体”支撑体系。即建立一套规范完整的数据管理制度体系，促进数据管理工作规范运行；建立一个行之有效的数据管理组织机制，促进数据治理各项工作 地实施；构建一个经纬分明的数据资产清，丰富数据分析的 度和深度；搭建一套安全实用的数据中台系统体系，促进数据的互联和共享；造一支专业高效的数据先锋队，促进数据管理工作全面创新发展。经 三年“数说未来”工作开展，五矿信托已经形成“一个中台五大体系”的数据中台系统群，依托于数据中台提供的管理、研发、运、分析能力，构建治理、监管、报、应用、服务等五大数据能力体系。行业代表案例（数据治理-2）-五矿国际信托有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 89 数据中台系统群整体架构 数据中台工具体系，以数据管控为基础，研发体系为核心，效能管理为准绳，涵盖包括元数据、数据标准、数据质量、数据交换、数据模型、数据开发、数据 试、指标管理、接口服务、调度管理、部署管理、效能管理的全流程数据研发管理工艺。数据中台开发管理概览 基于数据中台工具体系以及大数据平台技术，造离线、准实时、源系统 外部数据 财汇财汇企 企 补录数据手工补录手工补录数数据据交交换换平平台台 实实时时同同步步交交易易接接口口补补录录平平台台数据中台 数据中心 数据平台准实时数据平台实时数据平台贴源层贴源层实时明细加工层实时明细加工层实时明细汇总层实时明细汇总层贴源层贴源层明细加工层明细加工层明细汇总层明细汇总层贴源层贴源层主题层主题层汇总层汇总层 市层 市层客户客户产品产品协议协议事件事件资产资产总账总账公共公共 度 度汇总汇总共性共性汇总汇总经营分析经营分析监管报 监管报 财富营销财富营销消费金融消费金融 数据 方高管驾驶舱高管驾驶舱财富管理财富管理经营分析经营分析标品投资标品投资消费金融消费金融自助分析自助分析监管报 人行人行外管局外管局银保监银保监中信登中信登中保登中保登中证登中证登国税国税五矿资本五矿资本数据治理数据资产数据资产数据标准数据标准元数据元数据数据质量数据质量数据应用全面风险全面风险投后管理投后管理 效考核 效考核 策分析 策分析数据服务财富服务财富服务运营服务运营服务风控服务风控服务 服务 服务数据中台工具体系项目管理开发管理效能管理需求管理需求管理需求 需求 需求分配需求分配项目管理项目管理资源管理资源管理人员管理人员管理任务管理任务管理任务 任务 任务分配任务分配数据交换数据交换文件传 文件传 对接 对接 模型管理模型管理模型全 模型全 模型设计模型设计数据开发数据开发 模式模式开发规范开发规范数据服务数据服务指标管理指标管理接口服务接口服务调度管理调度管理作业配置作业配置 行监控 行监控数据 试数据 试 试 试数据检核数据检核部署上线部署上线上线准备上线准备发布包发布包效能分析效能分析响应效率响应效率团队 荷团队 荷第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 90 实时三大数据中心。离线数据中心主要服务于 T 1 数据应用，设置贴源层、主题层、汇总层、市层 4 大区域，构建参与人、产品、协议、事件、资产、财务、渠道、公共等 8 大业务主题模型，形成经营分析、监管报、财富管理、消费金融等数据 市。准实时数据平台通过 的方式，形成准实时数据模型，满足准实时报 与 7*24 小时 间断数据接口服务需求。实时数据平台基于五矿信托大数据平台实时流处理技术实现，目前仍在探索阶段，主要应用于具有实时 诉求的内部管理报、内部日 操作预 领域等方面。离线数据中心概览 数据治理体系建设，将标准建立、系统 标、标准认、数据检核、质量报告、影响分析、问题治理、定期评估等一整套工作体系融入系统中，以实现闭环的数据治理工作链路。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 91 数据治理体系概览 数据 方报 体系建设，形成高管驾驶舱、经营分析、财富管理、标品资管、消费金融、数据治理、数据资 等多个报 板块。并与数据属主部 合作，开放各领域沉淀的稳固数据模型，为相关部 提供自助分析服务。同时，基于五矿信托安全管控机制，提供 PC 端与企业 信移动端访问渠道，实现数据安全可，随处可，为各部 提供良好的用户体验。统一监管报 体系建设，五矿信托已实现向人行、银保监、中信登等各监管机构及上级管理机构报 共计 18 类监管报 工作，自动化率达到 90%以上。从系统建设角度出发，五矿信托最核心的经验，是建设一套统一监管报 市，实现各个监管报 体系数出同源。在满足数出同源的基础上，通过报文管理、数据 验、数据溯源等系统核心功能，确保报 质量满足各监管要求，进一步提升数据管理水平。数据服务体系建设，为五矿信托财富营销、全面风险、运营管理、等领域相关系统提供 7*24 小时 API 数据接口服务，目前日均数第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 92 据接口访问量超 18 万次。数据服务体系的出现，有效缓解业务系统 数据 及汇总统计 带来的系统压力，有效解决跨多系统数据 带来的一系 开发与运 问题，有效应对 7*24 小时业务场景下部分系统 法满足 7*24 小时服务问题。同时，由于数据服务易于 成、服务稳定、运 成本低等特性，能够快速提升企业数据开放共享能力，扩展更为丰富的数据应用场景。数据服务监控情况概览 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 93 中航信托股份有限公司（以下简称“中航信托”）将数据治理作为数字化战略转型的重要组成部分，从 2020 年 6 月开始，持续推动公司数据平台的建设：构建了企业级数据治理及数据平台框架，形成元数据、数据标准、数据质量的管控体系；实现核心业务数据入仓、建模及应用；基于统一数据基础之上，实现人行利率监、2021 版全要素、人行金融基础数据报 等多方面的建设成果。数据中台整体架构 中航信托数据中台包括“1 平台 2 中心 1 体系”，其中：数据平台：数据平台：全面汇聚内外部数据资源，通过数据模型实现离散异构数据统一。数据服务能力中心：数据服务能力中心：面向应用提供公共的服务能力，如为 中台提供项目全景、交易对手全景、信息披露、风险智能预 等数据服外部数据存 计算两中心数据应用智能决策智能运营智能风控智能营销智能报 数据服务API服务可视化服务计算服务分析服务算法服务文件服务可视化引 计算引 数据平台项目全景公司全景客户全景交易对手员工全景交易方协议事件产品资产TCMPTAAMFANC 量计算实时/流计算近线计算调度监控异 处理数据 ETL数据填报接口消息通道流式数据 内部数据综合管理一平台数据基础数据管控体系数据治理平台一体系统一服务平台（Micro Services)算法引 风险 市 报 市 运营 市财务公共外部数据登记结算客户管理家族信托资产管理投资交易信托财务固有财务企 财汇万得中指克尔瑞 数据 市数据公共数据 直数据组织架构管理 法数据标准主数据元数据数据质量数据安全生 周期管理行业代表案例（数据中台-1）-中航信托股份有限公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 94 务等，支撑项目全生 周期运营管理。数据洞察能力中心数据洞察能力中心：展示全司数据产品及应用场景，如智能决策、智能运营、智能风控、智能报 等，进行全面数据赋能 数据管控体系数据管控体系：建立数据治理组织、配套数据管理制度流程，梳理数据资产，保障数据质量 在数据平台建设过程中，面对信托业普遍存在的“系统割裂”、“信息孤岛”等问题，通过迭代的规划设计和 地建设，逐步形成数据平台核心能力。一是全域的数据 中能力，通过 内外部数据资源，实现企业级数据大融合，覆盖财务、业务、人力等内外部 20 多个数据领域；二是统一数据架构与模型，基于中航信托整体发展以及行业监管的要求，借鉴银行企业级数据模型成果和数据建模经验，进行企业级数据模型设计及 地，包含：当事人、产品、协议、事件、资产、财务等核心主题域进行分类建设，通过全方位数据视角，消灭信息孤岛与数据差异；三是建设过程中辅助进行业务梳理、改进业务流程。在数据平台开展过程中同步进行了数据治理工作，针对治理体系缺、数据标准不统一、数据质量参差等问题，中航信托自顶向下建立综合治理体系，保障推动数据治理的有效开展。数据标准方面，制定了基础、指标、监管 3 大类标准，25 个主题，1760 个数据标准。数据质量方面，进行了 15 个核心信息系统的数据探索及质量分析，对各信息系统普遍存在数据不完整、不及时、不准确等数据质量问题第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 95 进行专题治理。随着信托业务的开放转型，比如服务信托、绿 信托、家族信托的持续发展，融合多生态场景、顾多样化数据形式、满足多方面实时数据需求，是未来数据治理持续深化研究的重要方向。持续推进数据中台建设，“从数字中来，到经营中去”，通过场景 引，切实发挥数据的强大力量，为公司经营管理赋能。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 96 中 信托有限 任公司（以下简称“中 信托”）按照 团要求推进数字化战略，2022 年数据平台项目引入了基于工 结算模式的敏捷开发机制，提高了需求 地效率，实现了需求的快速迭代上线。项目实施过程中，技术部 与业务部 协同合作，严格遵 需求调研、需求提出、需求沟通、需求分析、方案确认、实施计划确认、需求说明书编写、系统开发实施、技术 试、业务 试、上线切换、功能验收的工作流程，从流程上保证业务部 积极参与到实际项目建设过程中，让应用更切合业务实际需求，提升项目交付质量。中 信托统一数据管理平台（以下简称“数据平台”）自 2017 年持续建设至今，其在中 信托信息化架构中作为公司级数据仓 的模式已成熟，至今已 成融合了中 信托内部各系统大部分数据（包含但不限于 TCMP、TA、AIMS、CRM、FA 标品估值、非标 值化平台、信托财务、自营财务、HR、OA、支付平台、小 金融、部分监管报 等）和外部数据源数据（如启信宝 情数据、万得资 数据、外部业务合作数据等），在为公司资产端、资金端、管理运营、监管报 等提供统一的数据统计分析和数据服务的同时，形成了一套 具中 特 的信托项目全生 周期 绿灯信息化风险监 预 的管理模式。数据平台系统的逻辑体系架构，在可扩展的数据仓 框架的基础上结合系统建设的实际情况进行了专 设计。同时，建立了全生 周期 绿灯信息化风险监 预 流程特 应用，实现了从外部信息 、行业代表案例（数据中台-2）-中诚信托有限责任公司 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 97 情标 生成、风险预 模型构建识别到项目全生 周期预 监 全流程，并根据预 信息生成 OA 工，下发项目风险管控任务。目前数据平台在中 信托信息化架构中发挥了公司级数据仓 的作用。基于前期建设成果，数据平台应用范围已扩展至运营管理、风险监控预、监管报 报、业务数据统计分析、外部数据 成对接、公司特 基本、数据治理支持等领域，为经营和管理提供高质量的数据服务支持的同时，满足合作方、监管机构和 团等上级 位不断提出的数据报 对接方面的要求，并逐步实践 团科技赋能，实运营数字化转型的战略思路。数据平台建设是一个持续发展，逐步完善的过程，方法论与底层基础设施基础设施（服务器服务器、存 存、网络网络）数据源层数据源层 手工数据业务系统数据其 其 等格式等格式内内部部数数据据源源外外部部数数据据源源启信宝数据其 外部数据 数据缓 区数据缓 区 数据存 层数据存 层 数据 市区数据 市区 应用服务层应用服务层业务域业务域主题模型主题模型数据仓 区数据仓 区 共性汇总区共性汇总区 基础模型风险模型 情模型 情域 情域主题模型主题模型数据质量管理调度管理信息安全信息生 周期业务主题财务主题运营主题人力主题客户主题统计报 外部数据共享区 风险分析统一对外数据共享服务统计报 运营分析管理驾驶舱人力分析风险管控数据项管理系统管理主题报告 配置配置 外部外部数据数据接口接口 工具工具数据数据处理处理清 转换解析用户层用户层决策层决策层各业务部各业务部 各业务条线各业务条线业务用户业务用户监管机构信息披露外部用户外部用户技术人员高级分析人员技术用户技术用户访问控制层访问控制层 访访问问应用应用 户 户移动移动 端 端 接接口口 服务层服务层抽 加载总体架构财务共性汇总区业务共性汇总区客户共性汇总区交易对手共性汇总区风险监 预 流程数据 数据 信息处理信息处理预 监 预 监 决策应用决策应用工 数据新 网 重大 情事件报告 情统计分析数据可视化呈现洞悉产业经济 络实时监 企业动向 全国经济局势数据处理构建模型第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 98 架构设计是平台建设的基础，切合公司业务实际的技术和应用创新是平台建设的核心。目前，小 金融数据的产生对信托行业数据平台大数据处理能力提出了考验，项目实时风险预 需求也正在孵化信托行业数据平台的实时数据处理能力，后续数据平台将不断发展、持续进化，逐步升级 造成技术强大、数据完善、标准统一、覆盖全面、服务丰富、智能高效、具备大数据处理的企业级数据服务平台，并持续探索 成人工智能、大数据分析、实时数据分析、RPA 等新技术，发掘公司沉淀的数据资产价值，以科技手段持续助力公司全方位提升风险控制、管理运营、决策分析能力。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 99 （一）（一）金融科技建设发展资源投入并不充足金融科技建设发展资源投入并不充足 开展金融科技建设是一项规模较大、周期较长的刚性投入，且投产效益并非一蹴而就，需要具备保持较强的战略定力和充分的资源 备。目前行业正处转型周期，金融科技赋能诉求迫切，较为薄弱的金融科技基础对资源投入提出了更高的需求。但传统业务持续收缩、创新业务尚在探索，行业整体经营承压较大，2022 年行业利润下滑39.76%，要全面、持续地推进金融科技的建设升级除个别头部信托公司外，大部分公司都面临不小的挑战。行业调研结果显示，中小信托公司推进金融科技建设面临的主要痛点是高昂的资金投入，需要更充分、更精细地平 投产质效。（二）（二）构建数字化能力的基础积累尚不充分构建数字化能力的基础积累尚不充分 构建契合时代要求和竞争需要的数字化能力是信托公司实现转型发展的重要前提，而能力构建的核心在于业务、技术实现充分积累下的协同融合。当前行业转型仍处探索阶段，整体来看，构建数字化能力所需的基础积累尚不充分。一方面，业务侧对创新业务和数字化经营模式的认知理解有待进一步深化，尚难以提出高质量的企业级需求。行业调研结果显示，行业头部信托公司推进金融科技建设的主要痛点在于缺少企业级的数字化需求；另一方面，受传统业务模式和经营模式影响，行业金融科技底子较为薄弱，行业金融科技在编人员仅三、信托业金融科技发展存在的不足与挑战 第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 100 9158人，自研能力不足，对外部科技合作伙伴也缺乏有效的掌控约束。此外，行业整体业技融合相对较浅，调研结果显示，仅 17%的信托公司设立了 ITBP9岗位，均为头部信托公司，大部分信托公司主要基于传统模式推进金融科技建设。（三）（三）数据治理的方式方法和技术支撑仍待优化加强数据治理的方式方法和技术支撑仍待优化加强 数据是构建数字化能力的基础支撑。但目前行业整体普遍面临系统异构、数据孤岛、质量不佳等数据痛点，且业务条线越丰富，此类痛点越突出。虽然行业整体对数据治理的重视程度不断提升，绝大部分信托公司都已制定了相应的制度规范，但从治理成效和实际应用来看，仍存在诸多痛点。治理方式上，有待进一步优化，经调研了解，目前仅少部分信托公司通过对业务流程的优化重塑，从业务源头上理顺了数据治理，且对于数据质量的问 也并未有效 行，导致行业整体数据质量仍普遍不佳，有待深化治理；技术支撑上，导致数据孤岛的系统竖井现象仍较为普遍，仅不到50%的信托公司上线了数据中台，实现了对数据的统一 存。此外，行业整体对数据的开发使用并不充分，的数据缺乏足够的应用场景和验证契机，也在很大程度上影响了数据质量的提升。（四）（四）数字底座支撑尚不稳健数字底座支撑尚不稳健 稳健、高效的数字底座是保障业务转型的重要基础，特别是信托 8 2021 年为 926 人。9 具科技与业务 能的岗位。第二章 行业洞察：深化金融科技应用，洞悉转型能力支撑 101 业务三分类新规后，财富管理服务信托、行政管理服务信托以及资产管理信托等重点创新业务都对数字底座支撑提出了更高的要求，但调研结果显示，行业整体数字底座尚不稳健。一方面，受传统业务模式影响，行业整体在业务连续性上的投入并不充分，仅不到一半的信托公司建立了异地 备，且 备模式以数据容 为主，仅 30%左右信托公司建立了业务级的容，对于实时性要求较高的业务，难以提供充分的连续性保障；另一方面，面对日趋严峻的数字环境和更高的安全防范要求，行业整体虽然已基本能够实现对 规漏洞、差异攻击等风险的防，但对于突发性、针对性的网络攻击尚未建立全面、坚实的防 能力；此外，当前行业整体的自研能力有限，除少数头部信托公司外，大部分信托公司对于核心业务系统的开发迭代、运 保障等工作的外部依赖较强，自主可控建设存在一定的不足与挑战，而行业科技人员的持续流 进一步加剧了这一挑战。第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 103 第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 3 第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 104 道富银行于 1972 年成立，创建之初仅是一家区域性银行，在 200多年的发展过程中，道富银行形成了以投资服务（托管）和投资管理（资管）为主要业务的经营模式，现为全世界领先的资产管理公司和托管银行。作为全球最大的专业托管银行之一，道富始 把保持业界领先的IT 优势作为一项战略目标，每年将 25%-30%的运营费用投资于 IT 建设方面，其全球 IT 领域有 4000 多名员工，占全公司人数 10%以上，道富的自主研发能力极强。道富数字化路径分为三个阶段。第一阶段是提升直通式处理能力（Straight Through Processing，简称 STP）和全球化的客户服务能力。作为托管银行的核心需求，以流程和数据的标准化为基础，通过直通式处理的提升内部运作效率、降低运营风险、实现规模经济效应。第二阶段是投入前沿技术，如大数据、人工智能和区块链等，建立数据即服务的产品 DataGX，为客户提供端到端的数据管理、投资组合与风险分析、另类数据研究等解决方案。第三阶段是提出灯塔计划，构建一个数字化互联平台，提供从前台到后台的一 式服务。期间，道富公司斥资 26 个亿收购了 Charles River，将其 IBOR 解决方案整合，并提升了前中后台一体化的整体投资管理服务能力。此外，道富构建了 Alpha 平台，此平台包括数据平台、数据服务和投资管理解决方案三个部分。一、道富集团：以金融科技促进机构服务转型 第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 105 图 3.1 道富 alpha 平台数据服务 在道富的成长 程中，托管和资管相伴成长，这是一种良性 环的状态，二 相互促进。回顾道富在转型上成功，对于信托行业的业务转型具有三点启发。第一，道富提供了综合化的客户服务以增加客户粘性，第二，道富 造了敏捷化的系统和组织以快速交付，第三，道富加大了科技投入，推出数字信息服务，为客户提供实时市场数据、市场流动性指标等道富自研数据，为客户提供从组合分析到风险监控的综合服务。此外，道富客户还可以享受公司提供的私有云服务，在线管理投资数据。资产管理业务类似于技术密 型产业，领先的金融科技能力是转型的重要基石，也是核心竞争力。对于希望大力发展资产管理服务信托的信托公司来说，以道富为榜样、构建领先的服务模式和服务能力是实现数字化转型、提升在整体资管行业竞争力的关键。数据整合数据整合证券投资组合分析 中台服务 效评估与业 归因风险监督 托管 行 合规管理数据聚合与分层基于规则的数据验证和质量保证 全球运 服务数据监管与治理 金 规则数据管理数据管理参考数据指数 基准市场数据客户数据直联实体机构信息信息服务服务用户界面 超市原始数据 要数据报 数据服务海外实践 道富第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 106 莱德成立于 1988 年，自创立以来便对机构与个人投资 投资解决方案进行探索，在发展 程中，莱德多次抓住资管行业发展所带来的巨大机遇，一方面不断完善产品体系，提升多资产投资能力；另一方面致力于技术创新，持续发展技术产品，以“阿拉丁系统”为核心 造 莱德解决方案（BRS），向金融机构客户 出服务能力。图 3.2 贝莱德解决方案（BRS）示意图 阿拉丁平台基于海量数据构建多种金融模型，具前台客户服务、中台投研运营与后台技术开发功能：客户服务上，提供账户 中管理、组合构建、市场分析等能力；投研运营上，成投研风控、组合管理、交易运作与投资运营，提供一体化投资管理能力；技术开发上，数据引用与服务构建方式灵 可配置，同时提供云平台服务。阿拉丁对 莱德自身业务赋能的同时也为其拓展了业务边界，创造科技服务收入。一方面，倚靠一体化投研系统可有效支持 莱德业 高度可扩展的投资管理平台，涵盖投资组合分析和风险管理工具风险分析平台风险分析平台端到端投资管理系统端到端投资管理系统投资会计投资会计运营外包运营外包 客户解决方案客户解决方案为机构投资 提供定制化多资产投资组合构建和风险管理策略咨 服务资产配置战略和策略资产配置战略和策略风险预算与投资组合优化风险预算与投资组合优化意见领 与客户培训意见领 与客户培训 金融市场咨 金融市场咨 通过公 的金融市场建议与综合性项目 行服务为资产持有人解决复杂问题估值与风险评估估值与风险评估财务战略财务战略 资产 债管理资产 债管理定制财务模型和分析定制财务模型和分析不良资产处置不良资产处置三类主要服务三类主要服务定制化解决方案定制化解决方案 莱德解决方案（）：结合风险与投资分析投资系统与资本市场专业知识，满足机构投资 风险管理需求二、贝莱德：金融科技助力实现资管行业领先地位 第三章 他山之石：深化先进经验借鉴，加快转型创新步伐 107 务品类广、策略多、定制强的投资管理业务，拓展能力半径，帮助其 得优秀投资业 从而增厚收益，提升风险管控与交易效能；另一方面，阿拉丁系统服务客户包含银行、保险、养老基金以及政府部 等机构，管理了 80 万以上投资组合，技术 出直接为 莱德带来科技服务收入。2011-2022 年十多年时间中，阿拉丁所带来的技术服务收入稳步增长，2011 年科技服务收入占总收入 5.62%，2022 年这一比例提升至 7.63%，达到 13.6 亿美元。与此同时，公司高度重视科技投入，每年将营收的 10%左右用于科技投资，持续的提升竞争力。以客户为中心的全面的资产管理服务是资管机构长期发展的重要方向，在模式建设中，金融科技实力将成为企业的综合竞争力之一。莱德依托实力强劲的综合投资平台，能够为全球范围内的机构和个人投资 提供解决方案，进一步 哺自身资管业务的发展。如今 莱德的业务模式已经成为全球资产管理机构学习的对象。对于信托公司来讲，数字化转型是业务、服务、技术三位一体同步开展的工作。莱德的服务模式值得借鉴。在大力发展服务信托和资产管理信托的过程中，信托公司可以依托智能化技术提升投资端、交易端、风控端、数据端、管理端能力。在能力建设中回归业务本源，思考挖掘客户需求与价值，以客户为中心构建自身特 服务能力，充分发挥金融科技作用，赋能业务价值创造。在与机构合作的过程中，也可以吸收相关实践，例如为私募基金、行业小型公司提供全面的托管、运营服务，以降低机构的运营成本，使其专注于投资业务。第四章 突围思考：明确转型发展方向，加强能力体系建设 109 第四章 突围思考：明确转型发展方向，加强能力体系建设 4 第四章 突围思考：明确转型发展方向，加强能力体系建设 110 从信托公司金融科技发展路径看，本报告基于业务能力构成提出以“经营综合化（Synthetic）、服务定制化（Tailored）、交付敏捷化（Agile）、管控敏知化（Responsive）”以及 造现代化的基础设施暨“”的能力愿景。图 4.1 金融科技能力建设模型 经营综合化经营综合化指实现客户、机构、信托公司全域信息整合、加工与应用，构建全面、综合的客户和机构视，通过数据分析洞察客户需求，最 实现以客户为中心的经营策略，实现跨渠道、跨部 协同，构建综合经营能力。服务定制化服务定制化指为客户、机构、员工等不同主体提供定制化的服务，实现千人千面、满足其个性化需求。通过金融科技深度应用，提高服务效率与服务体验。能力 型信托高质量发展信托高质量发展客户经营客户经营机构经营机构经营企业经营企业经营机构服务机构服务员工服务员工服务资产服务信托资产服务信托客户服务客户服务资产管理资产管理信托信托公益 善公益 善信托信托风险管理风险管理合规管理合规管理 经营综合化经营综合化 服务定制化服务定制化 交付敏捷化交付敏捷化 管控敏知化管控敏知化客户中心产品中心账户中心管理会计市场风险信用风险投资 教 交易合规其他机制保障组织制度流程 支撑数据支撑 低代码数据 安全管理 容器云 服务数据存 数据加工数据应用数据服务数据治理 治理 数据模型数据科学流动性风险操作风险客户画像智能投顾销 支持智能客服机构画像资产配置预算管理财务分析指标体系信托服务权益服务智能服务增值服务财产保管证券服务运营服务项目管理 智能运营智能投研资管产品服务家族 家庭信托保险金信托资产证券化其他预付类资金信托风险处置监管报 一、金融科技能力成熟度 型 第四章 突围思考：明确转型发展方向，加强能力体系建设 111 交付敏捷化交付敏捷化指前瞻性考虑业务需求和技术趋势，设计健壮、灵 的应用系统，实现系统解耦，提升系统开放性，通系统壁垒，实现数据在不同系统的 缝流转，最 实现对业务需求的敏捷响应。管控敏知化管控敏知化指构建全面风险管理体系，从被动处置到主动合规的转变，快速识别风险并及时响应形成风险应对 施，利用金融科技构建全面、自动、实时的风险管控能力。基础设施现代化基础设施现代化指构建敏捷的科技组织、科学的管理金融科技投入，通过现代化的技术栈构建 IT 基础技术平台和数据平台，通系统壁垒，实现自主可控，可迭代、可运，全面支撑信托业务。同时，在经营、服务、交付、管控、IT 支撑和数据支撑主要能力象限，划分包括“初始、探索、形成、成熟、卓越”个等级，为每个等级设定不同的目标以及重点任务，作为信托公司自主能力定位参考，以便科学制定金融科技发展路径，更好地推进科技应用建设，实现高质量数字化转型。图 4.2 金融科技能力成熟度模型 能力 型 第四章 突围思考：明确转型发展方向，加强能力体系建设 112 初始级初始级指金融科技应用较少，尚未建立金融科技应用的认知和规范，数字化工作整体处于尚未起步的阶段。探索探索级级指对于金融科技应用开展了一定工作（如试点、速赢），得初步进展，可基本满足需求。形成形成级级指金融科技应用相对成熟，形成核心能力子体系，并能 有效的方式持续优化，可全面支持优势业务发展。成熟成熟级级指金融科技应用较为成熟，形成综合化、平台化的核心能力，助力信托公司做大做强。卓越级卓越级指金融科技应用达到金融行业领先水平，达到“经营综合化、服务定制化、交付敏捷化、管控敏知化、基础设施现代化”的能力建设目标，实现金融科技全面驱动业务发展。第四章 突围思考：明确转型发展方向，加强能力体系建设 113 整体来看，目前信托行业金融科技发展能力处于“形成级”阶段，金融科技应用相对成熟，在经营、服务、交付、管控、IT 支撑及数据支撑等领域基本形成核心能力体系，并能 有效的方式持续优化，可支持业务持续高效发展。具体来看：在经营能力上在经营能力上，少数头部信托公司处于成熟级阶段，大部分信托公司处于形成级阶段。细分来看，客户经营处于形成级阶段，多数信托公司基本完成客户信息管理建设，但应用能力仍需提升，而机构经营能力处于探索阶段，公司经营也尚处形成级阶段。在服务能力上在服务能力上，少数头部信托公司处于形成级向成熟级演进发展过程中，大部分信托公司处于形成级别阶段。细分来看，客户服务能力的功能应用建设相对全面，机构服务能力和员工服务能力的功能应用建设均需要加强。在交付能力上在交付能力上，少数头部信托公司处于成熟阶段，而规模较小的信托公司总体处于探索阶段。细分来说，各类业务系统的建设情况差异较大，投资类系统相对成熟完善，部分服务类业务系统尚处于探索和规划阶段。在管控能力上在管控能力上，行业整体的管控能力均需要进一步提升。除面向监管的监管报 能力相对处于成熟阶段外，业务视角的管控能力均需要加强。二、信托业金融科技能力成熟度现状 第四章 突围思考：明确转型发展方向，加强能力体系建设 114 在在 ITIT 支撑上支撑上，少数头部信托公司处于成熟级阶段，大部分信托公司处于形成级。在组织保障、基础设施、业务连续性、基础架构上均需要持续投入。在数据支撑上在数据支撑上，少数头部信托公司处于成熟级阶段，大部分信托公司处于探索阶段。尚有少部分信托公司 用传统的数仓模式构建相应能力。行业可借鉴中台化的建设思路，基于领先的湖仓一体、流 一体架构来设计数据基础平台，按照开发、运、治理一体的思路来运 平台，构建数据支撑能力。第四章 突围思考：明确转型发展方向，加强能力体系建设 115 在信托业务三分类新规下，资产服务信托、资产管理信托、公益 善信托对于“经营、服务、交付、管控”及“IT 支撑、数据支撑”的能力建设侧重点有所不同。整体来看，“经营、服务、交付、管控”能力的建设，除必要的科技支撑外，更需要与业务侧实现有机融合，建立合理、高效的业技联动模式。围绕企业数字化转型战略方向，从首先做好高质量业务需求分析的视角推动实现各项能力的构建和提升。（一一）经营能力发展建议经营能力发展建议 按照金融科技能力成熟度模型，经营能力主要围绕客户经营、机客户经营、机构经营和公司经营构经营和公司经营三个层面展开。其中，构建客户经营能力的核心包括客户中心、产品中心、账户中心等；构建机构经营能力的核心主要侧重机构信息整合、机构业务支撑等；构建公司经营能力则需要聚焦业务经营分析体系等。目前多数信托公司的经营能力水平处于形成级阶段，部分信托公司仍处于探索级，在客户经营、机构经营、公司经营方面建立了点状应用。经营能力的目标是从“探索级”向“卓越级”发展，构建综合化经营能力以实现核心竞争力。在经营能力每个阶段的跃升都需要相应金融科技应用水平的提升与业务发展能力的构建。1 1、从探索到形成阶段的能力建设从探索到形成阶段的能力建设 从探索到形成阶段，需要重点关注客户经营、机构经营、公司经三、信托业金融科技能力建设路径/目标建议 第四章 突围思考：明确转型发展方向，加强能力体系建设 116 营的基础能力建设。客户经营能力方面，客户经营能力方面，规划设计并开展客户中心、产品中心、账户中心等方面建设工作，形成客户经营能力体系，为客户全生 周期服务提供支持。具体而言，首先是建设客户信息整合平台，在探索向形成的阶段，信托公司加强全域客户数据整合，对于客户基本信息、资产信息、交易信息、行为信息等基础数据进行整合。其次是建设产品管理体系，搭建信托产品 架，实现产品研发、上架、销、后等环节的管理功能。第三，建设账户管理体系，将客户的资金户、资产户、权益户统一管理，形成客户账户树，建设统一账户视。机构经营能力方面机构经营能力方面，需要加强对机构信息的整合、加工与应用，机构客户关系。公司经营能力方面公司经营能力方面，需要以“战略目标-战略任务-量指标-看数视角”为 络，向下逐层分解，梳理形成符合业务经营需要的指标体系。2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 从形成到成熟阶段，需要构建成熟的金融科技应用，通客户经客户经营、机构经营、公司经营营、机构经营、公司经营之间的数据，形成综合化、平台化的经营体系。客户经营能力方面客户经营能力方面，首先是强化客户数据深入应用客户数据深入应用，建设客户标 和画像，在整合客户全域信息后加强对数据的加工与分析，建立更丰富的标 体系，进一步丰富客户的精准数字画像，为服务定制化提供支撑。同时，加深客户需求洞察，充分利用数据分析技术，主动识第四章 突围思考：明确转型发展方向，加强能力体系建设 117 别客户需求与风险，客户信任。从客户 程的视角出发，在财富客户管理过程中，以客户中心为抓手，实现全流程陪伴式的智慧服务。其次，在在产品中心产品中心建设上建设上，造精细产品超市，实现自有产品与代销产品统一管理，结合客户中心发挥客户洞察与产品推荐的效用。对于信托计划的管理，应搭建特 鲜明的产品 架。为 造差异化竞争优势，信托计划产品 架应具备“精选”、“特”两大特点。“精选”是指在宽 系的产品 架基础上，随着客群的投资认知水平提升，信托公司需要结合专业的产品 选 断能力，为客户提供个性化的精选产品推荐；“特”是指信托提升主动管理能力和产品创设能力，利用信托制度优势，根据客户需求提供定制化的投资产品或稀缺产品。最后，在账户中心建设上，在整合账户信息的基础上，造投顾价值链，在投教环节，通过多样的形式提供优质的内容；在投顾服务方面，通过专业的工具提供优秀的策略和长期的陪伴，实时关注资金账户、资产账户信息波动；在交易流程，根据客户账户信息应用，提供丰富的产品和流畅的体验，让客户可以关注自身购买资产的进度等。机构经营能力方面机构经营能力方面，加强综合化营销意识，加强对战略机构客户需求理解的全面性、准确性，造机构全景视，将机构客户的营销端与产品服务端进行深度整合，进行有效联动，实现专业能力驱动的机构客户综合营销。公司经公司经营能力方面，营能力方面，形成丰富信托业务指标体系和完善的系统管理功能，实现自助看数、数。在经营分析上，为高管层提供及时、第四章 突围思考：明确转型发展方向，加强能力体系建设 118 有效的决策支持；在风险预 上，为风控人员提供敏捷的风险指标的识别与 示，跟进风险防范与跟踪；在监管报 上，统一指标数据标准，提升监管报 数据质量和效率。此外，形成经分体系管理规范，为经分应用、平台建设、运 提供流程及规范指引。3 3、从成熟到卓越阶段的能力建设从成熟到卓越阶段的能力建设 从成熟到卓越，在客户经营、机构经营、公司经营等方面形成智能化的金融科技应用，实现客户、机构、信托公司多方的信息整合、加工与应用，赋能客户 、经营分析等环节，为给客户/机构全生 周期服务的提供全面综合画像、高管驾驶舱等支持，通过数据分析洞察客户需求，高效配置产品，智能经营分析，以达到经营综合化目标。4 4、不同业务类型的建设侧重点、不同业务类型的建设侧重点 在实际建设过程中，财富管理服务信托、资管产品服务信托、资产证券化服务信托、预付类资金服务信托、资产管理信托等重点业务属性存在差异，在构建具体金融科技能力上侧重点略有不同。对于对于财富管理财富管理服务服务信托信托，以客户需求为核心，个性化属性较强，服务内容复杂多样，重点建设内容为客户经营客户经营，至少要达到成熟级，至少要达到成熟级，目标是卓越级目标是卓越级。对于缺乏 团背景支持的信托公司而言，更需要拓展自身客户 能力，造业务流量基础。对于资管产品服务信托、资产证券化服务信托和预付资金信托来对于资管产品服务信托、资产证券化服务信托和预付资金信托来说，说，主要面向理财子公司、私募证券基金、债权人企业及预付 发行第四章 突围思考：明确转型发展方向，加强能力体系建设 119 户等，重点建设内容为机构经营机构经营，至少要达到形成级，目标是成熟级。具体目标制定需要综合考虑投入产出比。对于资产管理信托，对于资产管理信托，是行业未来发展重点，论是行业内部还是同业之间的竞争会愈发激烈。在相应的金融科技能力构建上，必须向最优秀的资产管理机构看齐。在客户经营方面，具体建设内容包括客户画像、资产组合配置、产品 架丰富、产品画像、投资经理画像等内容。在机构经营方面，建设重点包括联合营销、销 支持等能力建设。对于公益 善信托，目前处于探索阶段对于公益 善信托，目前处于探索阶段，除少数信托公司构建了相应的系统支撑外，大部分信托公司正在摸索规划。信托公司可以复用在其他业务发展中积累的经营能力，基于客户中心、账户中心等能力扩展来实现对公益 善信托的科技赋能。（二二）服务能力发展建议服务能力发展建议 夯实服务能力是信托公司找准定位、坚实发展的重要基础。在业务转型过程中，需树立以客户为中心，为客户服务的核心理念，全方面建设与发展整体服务能力。目前行业整体的服务能力处于形成级阶段，少部分信托公司仍处于探索级，在客户服务、机构服务上尚可，但是面向内部员工，主要是投资人员的投研支持能力较弱。信托公司应当对标行业领先实践，积极运用金融科技能力，加快能力建设达到成熟级，部分业务域 刺卓越级，结合自身制度与能力优势探索特 服务竞争力。第四章 突围思考：明确转型发展方向，加强能力体系建设 120 1 1、从探索到形成阶段的能力建设从探索到形成阶段的能力建设 信托公司需结合自身业务重点，提升客户服务、机构服务与员工服务（特别是投研能力）体系的建设，依托平台能力提供服务，与客户形成联系纽带，完成客户关系与信赖的原始积累。客户服务能力方面客户服务能力方面，首先应当完善自身渠道及渠道服务能力的建设，搭建多元化移动服务渠道，加快财富管理 APP、CRM 等系统建设，加强全域数据的整合与客户信息的进一步应用，实现基本交易流程线上化，提升产品认购、投顾服务、智能客服等板块的服务能力。机构服务能力方面机构服务能力方面，对机构运营提供服务保障，建设一 式机构服务平台，使得机构客户与合作伙伴能够依托于服务平台完成业务操作、信息传 等相关流程。员工服务能力方面员工服务能力方面，重点是加强数字化投研能力建设，造公司级智能投研平台，整合各类资，形成统一投研工作台，为投资人员赋能。2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 从形成到成熟，完成不同渠道、业务之间的数据整合，形成成熟的金融科技应用，为客户与机构提供稳定、连续、有增值价值的服务；同时，处于该阶段的信托公司，开始挖掘合作中的数据价值，开展客户需求挖掘，通过一体化客户画像使业务之间形成合力。客户服务能力方面客户服务能力方面，成熟级的信托公司需实现核心流程线上化、第四章 突围思考：明确转型发展方向，加强能力体系建设 121 财富数据整合，形成客户数字画像，应用领先技术对客户金融与金融需求进行挖掘与分析，基于此提供个性化应用与增值服务，同时注重财富管理系统与资产管理系统、投顾工作平台的互联互通，洞察客户投资与偏好，传导资产配置需求至投资端。机构服机构服务能力方面务能力方面，需要发挥服务优势，利用场外交易经验更丰富的优势，运用先进技术，在信息披露、估值核算等方面提供较同业更深入的服务。员工服务能力方面员工服务能力方面，进一步提升投研能力，达到成熟级则需要提高投研分析智能化水平，运用智能算法能力，提升投资决策效率。3 3、从成熟到卓越阶段的能力建设、从成熟到卓越阶段的能力建设 从成熟到卓越，自身优势业务服务领域已经建立标杆，依托金融科技能力向客户提供融合信托优势的一揽子服务，提升客户生 周期价值，提升客户合作的广度与深度。客户服务能力方面，客户服务能力方面，卓越级别的信托公司类似资管行业领先机构，可穿越周期持续服务客户，充分利用智能技术，形成千人千面的服务能力，搭建一 式财富管理投顾平台，与客户深度互动。机构服务能力方面机构服务能力方面，卓越级别的信托公司可考虑如 融入客户资产管理业务流程与环节中，从 出科技硬实力到 出业务软实力，以金融科技为支持基石，造涵盖产品设计、投研支持、运营管理、风险管理等领域的服务体系。第四章 突围思考：明确转型发展方向，加强能力体系建设 122 员工服务能力方面员工服务能力方面，投研能力发展到卓越级，信托公司所搭建的智能化投研平台已可提供全方位投研能力，如 观分析、调估值、资产定价、大类资产配置等，作为业务开展，超额收益的基石，有机融入不同业务板块，赋能业务开展。4 4、不同业务类、不同业务类型的建设侧重点型的建设侧重点 从不同业务发展的视角而言，信托公司需结合自身业务特点并结合资源禀赋，以对标同业实践指引，探索自身优势业务领域，提升金融科技水平，在达到成熟度级的基础上积极发展卓越能力。财富管理服务信托所面对的市场竞争更强，信托公司应至少达到财富管理服务信托所面对的市场竞争更强，信托公司应至少达到成熟级成熟级，积极发展卓越能力，以客户为中心、以前端应用作为数字化转型的主战场，以客户交互平台与统一财富管理工作台作为载体，完善财富客户服务与买方投顾模式能力的建设。资管产品服务信托、资产证券化服务信托和预付资金信托发展应资管产品服务信托、资产证券化服务信托和预付资金信托发展应以成熟级为目标，头部信托公司可锚定卓越级，以成熟级为目标，头部信托公司可锚定卓越级，资管产品服务信托重点关注机构服务，重点开展一体化的服务平台构建，为机构提供多样化的、高质量的交易与托管等服务，逐步探索、向外延展服务内涵。预付类资金管理信托预付类资金管理信托目前总体处于试点的阶段，服务能力是其核心竞争力之一，切入此领域需要重点在账户管理等领域建立一定基础。资产管理信托，至少要达到成熟级、目标是卓越级资产管理信托，至少要达到成熟级、目标是卓越级。在客户域，重点建设内容包括个性化服务方案设计、资 推荐、客户 程服务、权益服务等内容。在机构域的重点建设内容为证券运营服务，自动化第四章 突围思考：明确转型发展方向，加强能力体系建设 123 估值、信息披露等内容。投研能力上，推进投研工作平台建设，通投研、投管和底层数据平台，实现前中后的一体化，全面提升投研决策的效率和质量。公益 善信托，公益 善信托，信托公司可利用其制度与产品创设优势，运用金融科技能力针对性提升业务运转效率，使信托助力第三次分配。（三三）交付能力发展建议交付能力发展建议 对于不同类型的信托业务，因业务复杂程度不同，系统建设的难度也有较大的差异。以业务需求出发，参考行业建设实践，以及主流的技术架构，进行系统调研、规划，设计合理的技术架构和技术实现方案，对市场上成熟的软件功能进行科学地选型，综合考虑建设成本、周期、产品功能、自主可控程度，评估自研可行性，进行科学合理的业务系统建设。目前信托 25 小类业务，一部分具备成熟产品，如资产管理信托、财富管理服务信托等；另外一部分自研可行性较高，如保险金信托、预付式资金服务信托等；此外还有一部分业务目前整体规模较小，系统化支撑程度低。1 1、从探索到形成阶段的能力建设、从探索到形成阶段的能力建设 在探索阶段，对重点业务系统进行合理地建设规划，选择合适的路线。遵照自身或 团的技术要求进行系统实施路径选择。对于创新型大类业务，业务模式、市场前景有待验证的，可以适当 用相对简 的技术路线来进行设计开发。例如 用低代码等技术，建设满足基本需求的应用系统，以快速地响应业务需要。第四章 突围思考：明确转型发展方向，加强能力体系建设 124 从探索到形成阶段，主要通过产品迭代升级和业务交叉验证，逐步积累起相应的能力，此阶段的系统建成后应当具备满足未来 1-2 年业务发展需求的能力，对当前业务进行有效的支撑，具备基本的业务连续性保证，实现数据级备份，实现与周边系统的对接，一定程度上保证业务的数字化和自动化程度。2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 从形成到成熟阶段，需要综合考虑业务系统与周边系统的连通性，开发性、业务连续性和系统安全等内容。一是实现业务系统与周边系统的 缝对接，能够通过接口或 底层数据服务的形式接入外围系统数据，并向下游系统开放数据 求，保证数据在系统间的 缝流转。二是能力组件化和公共化，基于公司统一的技术架构进行开发，充分利用成熟的技术组件进行系统的设计和实现，保证系统可以运、可扩展，系统低耦合、高内聚。在实现过程中，要综合考虑底层数据存、中间件、前后端分离等设计要求。三是在业务连续上至少实现完整的数据级备份，具备应用备份能力，保证系统安全等级和可靠性。成熟阶段的系统可以保证满足公司在 3-5 年内的业务发展需求。3 3、从成熟到卓越阶段的能力建设、从成熟到卓越阶段的能力建设 从成熟到卓越迈进的过程中，系统的可扩展性、稳定性和技术架构能力都达到金融行业的领先水平。该阶段的系统能够和业务发展的演化同步，具备快速迭代开发的能力，系统功能高度灵，用户体验第四章 突围思考：明确转型发展方向，加强能力体系建设 125 优秀。在系统架构上，遵 统一的技术标准，在统一的技术平台上构建业务系统群。4 4、不同业务类型的建设侧重点不同业务类型的建设侧重点 对于不同类型的业务系统，因业务模式不同，需要综合考虑交易复杂度、业务发生频率、未来业务规模、业务自身要求等因素进行系统建设。其中资产服务信托中财富管理服务信托系统、资管产品服务信托系统、资产证券化服务信托系统、资产管理信托中的投资交易系统等，涉及的用户规模较大、交易复杂度高、需要对接外部金融市场和金融机构，对信息和资金的安全性等级要求非 高，这类业务需要至少要等达到成熟级，目标是卓越级。对于资产服务信托中其他类型业务以及公益 善信托业务，目前处于探索和发展阶段，业务复杂度不高、交易频率低，可考虑自主研发，通过公司现有技术能力进行系统搭建，系统交付能力要达到形成级，目标是成熟级。（四四）管控能力发展建议管控能力发展建议 在监管要求和经营需要双管驱动下，行业整体管控能力已有所提升，但仍需持续加大数字化建设。需要改变原来以信用风险管控为核心的模式，综合考虑市场风险、操作风险、流动性风险管控，建设全面风险管理体系，适应自身转型发展的需求，保证投资 资产安全，第四章 突围思考：明确转型发展方向，加强能力体系建设 126 实现高质量发展。综合来看，管控能力建设建议至少达到成熟级，头部信托公司目标可定位卓越级。1 1、从探索到形成阶段的能力建设、从探索到形成阶段的能力建设 从探索到形成阶段，需要体系化梳理风险管理体系、实风险管理流程，搭建风险管理平台。一是梳理各类风险指标定义、明确指标口径、确定数据来源和加工方式，逐步完善风险监控指标。二是系统化设计风险监控功能，结合风险管理制度和流程，从风险识别、风险评估、风险计量、风险监、风险预、风险报告、风险缓释的角度来开展建设，运用风险管理系统来辅助开展风险管理工作。三是构建底层的数据支撑，通过数据风险 市建设或 依托于公司通用的数据平台来实现风险管理指标的加工计算，并综合考虑公司现有的客户数据、资产数据、产品数据、外部公开数据。此外，除面向经营的风险管理外，还应建设面向监管的风险管理功能，支撑监管报 的需求。在此阶段应该形成主动式的风险管理能力。2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 从形成到成熟阶段，应建成完整的风险管理体系能力，包括统一的风险管理系统、统一的风险指标加工计算，统一的风险管理功能。通过各种技术手段自动化提、加工风险指标，建立风险指标核验规则，不断完善指标体系，实现数据加工的自动化和实时化，能够主动管理风险。在平台能力上，支持用户进行精细化的风险分析和管理，第四章 突围思考：明确转型发展方向，加强能力体系建设 127 例如多 分析功能、风险报、风险监控驾驶舱等。此阶段的管控能力得到极大的提升，能够满足公司业务稳健经营、高质量发展的需求，帮助公司建立在行业内的领先地位。3 3、从成熟到卓越阶段的能力建设、从成熟到卓越阶段的能力建设 管控能力的建设伴随着业务拓展同步展开。从成熟到卓越阶段，对标大资管行业的管控能力，应建立风险识别、计量、监 与预、控制与缓释的全流程闭环管理体系，建立全资产的风险管理能力。在风险管理科技能力上，充分运用内外部数据，进行实时风险监控，构建完整的风险管理功能，支撑公司整体业务发展，构建金融行业的领先能力。（五五）ITIT 支撑能力发展建议支撑能力发展建议 健壮的 IT 基础是信托业务实现数字化转型的保障。在经营、服务、交付、管控的能力建设中，需要统一建设底层平台。参照金融行业主流的技术发展路线，信托公司可 用中台化的思路来搭建相应能力，其核心思想是统一规划、统一设计、统一实现，最 形成技术架构领先、功能灵 的基础平台能力。在能力建设目标上，头部信托公司 量达到卓越级，腰部信托公司至少达到成熟级，中小信托公司可结合自身实际情况，利用行业公共资源构建相应的基础能力。1 1、从探索到形成阶段的能力建设、从探索到形成阶段的能力建设 IT 支撑能力在探索阶段向形成阶段迈进的过程中，可围绕以下重点展开。一是 IT 基础平台的完善，梳理公司现有技术架构现状，第四章 突围思考：明确转型发展方向，加强能力体系建设 128 改变原有 体应用的建设模式，重点考虑 服务架构、引入云原生技术，将信托业务中不同业务的公共能力进行抽象、提炼，构建底层通用的技术支撑。二是提供公共能力支撑，引入低代码、流程引、引、计算引、可视化组件等技术，构建统一的应用框架。三是引入必要的 AI 技术，如 OCR、RPA、智能音视频技术等，提升系统间数据流转的自动化程度，减少人工操作，为提升用户体验奠定技术基础。四是通过速赢项目验证能力，在此阶段以管理类系统为试点，快速构建应用，以使相应 IT 基础能力达到形成级。2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 IT支撑能力从形成到成熟阶段，需要建设成完整的平台级能力，逐步将已有的业务应用按需剥离，可实现运用 IT 基础平台升级优化。此外在平台之上，适时构建统一的运营工作平台、经营分析平台、投研分析平台、风险管理平台等应用，支撑业务快速建设需求，提升整体应用的先进性，高效地支撑信托公司的数字化转型工作。3 3、从成熟到卓越阶段的能力建设、从成熟到卓越阶段的能力建设 IT 支撑能力从成熟到卓越阶段，需要通过不断努力建设成行业领先的 IT 基础平台，平台从技术能力、稳定性、安全性等都达到领先水平，不仅能够支撑信托公司自身业务快速迭代和创新、帮助其建立行业领先地位，还具备技术 出能力，可以面向行业其他公司赋能，形成新的业务收入来源。第四章 突围思考：明确转型发展方向，加强能力体系建设 129（六六）数据支撑能力发展建议数据支撑能力发展建议 数据支撑能力建设主要包括数据的统一 、存、加工、计算和服务，以及配套的数据治理和数据平台运 能力建设。具体包括基础数据平台建设、数据应用建设、数据服务能力建设等。统一的数据支撑能力是实现业务数字化、应用智能化的基础。在能力建设目标上，头部、腰部信托公司至少要达到成熟级，目标是卓越级，中小信托公司 可能达到形成级，目标是成熟级。1 1、从探索到形成阶段的能力建设、从探索到形成阶段的能力建设 从探索到形成阶段，首先是构建公司统一的数据基础平台建设，具体建设内容包括数据平台搭建、数据治理应用建设、数据服务能力建设。在数据平台建设上，建议 用行业主流的湖仓一体、流 一体的架构来设计数据平台，实现数据 的一体化、实时化，数据加工计算的 和流的统一，并综合 度建模和范式建模的方法构建数据平台模型，支撑多种形态的数据应用。在数据治理应用上，实现对数据整理工作的数据支撑，按照开发治理一体化的思路来构建数据治理功能，提升数据治理的自动化程度，使得数据治理工作可持续性得到提升。在数据服务能力上，构建统一的 API 来提供数据服务，支持周边系统和用户的 数需求和分析需求。其次是数据能力试点应用，可以从监管治理、报 分析等应用出发构建相应的能力，以使数据支撑能力达到形成级。第四章 突围思考：明确转型发展方向，加强能力体系建设 130 2 2、从形成到成熟阶段的能力建设、从形成到成熟阶段的能力建设 数据基础能力从形成到成熟阶段，首先是平台的全面完善，建议 用云原生、大数据、MPP、实时计算等技术建设成完整的湖仓一体、流 一体的平台能力。其次是构建多模态、全场景的数据应用。其中，实时数据应用上，支持业务交易、风险管理、实时监控、估值清算、对账等多场景需求，在离线数据应用上，支持如经营分析、报 、清 等 OLAP 和即席 操作。最后是构建智慧分析能力，例如 用数据挖掘、NLP 等技术进行数据建模，提升智能水平，利用 LLM等技术构建知识 和公司级别知识，支撑智能投研、智能投管、智慧经营分析应用等场景。在此阶段，通过基础数据能力建设和应用场景的丰富，造公司统一的计算能力平台，实现计算资源的 约化、统一化管理。3 3、从成熟到卓越阶段的能力建设、从成熟到卓越阶段的能力建设 从成熟向卓越阶段，行业整体的数据能力得到充分释放，数据治理实现良性 环、数据质量得到完善，数据成为公司的核心资产，建立了完整的数字化分析和经营能力，实现数据驱动经营，达到金融行业领先。第四章 突围思考：明确转型发展方向，加强能力体系建设 131 作为行业性的服务平台，建议信托业协会、信托保障基金及中国信登，立足服务行业数字化转型发展目标，围绕行业转型痛点和服务诉求，进一步发挥在行业公信、资源凝聚、监管沟通、平台 约等方面的功能优势，共同构建行业公共服务能力体系。（一）（一）深化行业金融科技生态建设，提升行业金融科技发展 力深化行业金融科技生态建设，提升行业金融科技发展 力 金融科技赛道多、创新快，同时存在较高的投产不确定性和较长的投产周期，任 信托公司 斗均是道路曲折。当前，领先同业都通过建立行业生态的方式，更高效地凝聚行业资源，加快金融科技发展，降低投产不确定性等风险。信托业金融科技发展起步较晚、底子较薄，更应抱团合力，深化行业生态建设，充分发挥“金融科技专业委员会”、“金融科技创新联合实验”两大平台作用，积极引导和有力促进行业整体金融科技发展。一是建议深化行业金融科技交流。举 年度论坛、主题沙龙、讲座培训等多种形式的行业 动，增进监管与行业在政策导向、风险合规等方面的沟通交流，加强机构之间在科技赋能、自主可控等方面的经验分享，提升行业生态互动 力。二是建议加强行业金融科技共研。围绕数据治理、业务连续性保障、信息安全、信创建设等基础支撑领域以及日 运营、合规响应、四、行业公共服务能力建设发展建议 第四章 突围思考：明确转型发展方向，加强能力体系建设 132 风险管控等管理中台领域，加强课题共研，联合行业智慧，共同探索契合行业共性特点的数字化方案与实施路径，提升行业生态研究能力。三是建议强化行业金融科技生态激励机制建设。借鉴金融同业经验，围绕转型创新优秀实践、课题研究成果、行业生态建设贡献等主题，强化行业金融科技生态激励机制建设，鼓励信托公司开展金融科技创新，提升行业生态参与动力。四是建议建立行业金融科技培训机制。围绕行业转型方向，联合专业学术机构，共同 造契合信托业务发展和数字化需求实际、覆盖专业课程和机构参访的金融科技培训体系，为行业金融科技从业人员提供务实、解渴的培训服务，加强行业金融科技队伍能力建设，提升行业生态发展潜力。（二）（二）加强行业公共服务平台建设，提升行业金融科技发展质效加强行业公共服务平台建设，提升行业金融科技发展质效 重投入、重资产特性是横亘在信托公司金融科技建设道路上的一大障碍，特别是在行业处于转型周期，营收承压，进一步加重了信托公司的成本 。其中，中小信托公司不仅资源预算并不充足，也欠缺足够的建设经验，立推进存在较大难度，投产风险较大。从行业整体来看，在发展金融科技过程中，虽然不同信托公司在业务侧重、经营模式等方面存在一定差异，但在合规科技、数字底座等领域都存在较多的同质化建设。面对上述局面，建议中国信登等行业基础设施积极依托科技能力积累，着力发挥行业平台优势，借鉴国内外金融同业先进经验，立足行业 约、行业赋能视角，开展行业共性需求的功第四章 突围思考：明确转型发展方向，加强能力体系建设 133 能抽象和标准化设计，加强行业公共技术服务平台建设，为信托公司，特别是中小信托公司提供便捷、高效、优质的金融科技服务平台，降低信托公司的金融科技建设技术 槛，提升行业金融科技发展质效。一是加强行业合规科技公共平台建设。一是加强行业合规科技公共平台建设。一方面，合规是推进转型发展的首要前提，在经营模式、业务流程快速数字化的背景下，合规工作的数字化亦是数字化转型的重要拼。另一方面，信托监管正加快数字化、智能化升级，对信托公司监管报 数据的准确性、及时性及颗粒度等方面提出了更高要求。因此，建议中国信登等行业基础设充分发挥行业与监管间的 作用，以监管报 这一行业共性需求最明显、服务诉求最迫切的场景为切入点，加强行业合规科技平台的建设迭代，围绕数据治理、合规内控等方面提供更全面、更便捷的服务支持。二是提升行业数字底座公共服务供给二是提升行业数字底座公共服务供给。一方面，作为转型重点的服务信托具有高频、实时、大规模、强互动等特点，对业务连续性保障提出了较高要求，但受预算资源等多方面因素约束，信托公司普遍尚未建立起业务级的 备能力和安全防 体系，对于突发风险的实时保障尚不充分。另一方面，受传统竖井式技术架构约束，信托公司对于业务规模的扩张/收缩，也难以实现灵、便捷的弹性资源配置。数字底座的不完善，已然成为信托公司转型道路上的重要掣肘。基于此，建议中国信登等行业基础设施积极行动，发挥平台优势，在推动监管认同前提下，借助行业合力和外部资源，以更经济、更高效的方第四章 突围思考：明确转型发展方向，加强能力体系建设 134 式，加快推进以行业云为核心的行业数字底座服务孵化，夯实信托公司转型发展根基。三是推进转型业务公共服务平台建设。三是推进转型业务公共服务平台建设。受自身技术实力、规模体量、预算资源等因素约束，部分中小信托公司在开展服务信托、资产管理等创新业务转型过程中仍面临业务系统建设成本高、难度大等痛点，在缺乏科技系统支撑情况下，难以高质量推进业务转型。基于此，建议中国信登等行业基础设施进一步延展服务范围，推进对转型业务系统的行业公共技术服务平台建设。通过充分发挥行业金融科技生态资源优势，引入相关业务领域的专业合作伙伴等方式，开展转型业务系统的标准化功能模块抽象和 SaaS 化服务探索，降低中小信托公司业务转型的科技 槛。135 高质量的金融科技能力支撑是推动和实现数字化转型的重要依托。在当前数字技术快速发展、资源投入愈发高昂的环境下，一家家公司的 斗已不再适应行业的发展节奏。要加快信托业整体金融科技的建设发展，需要积极借鉴同业经验，通过行业生态的方式，将信托公司、金融科技厂、咨 公司和行业基础设施机构等资源力量有效联合起来，以行业合力构建面向信托业整体的金融科技服务支撑体系。为更好服务行业数字化转型发展，金融科技专业委员会自成立以来持续推动行业金融科技生态的建设，希望通过凝聚行业力量，有效加快行业整体金融科技能力的提升。报告是行业金融科技生态建设的重要组成部分，以行业研究的形式，客观清晰地展现行业金融科技发展全貌、专业深刻地洞悉行业金融科技发展诉求、务实前瞻地探索行业金融科技发展路径。去年首次编撰发布以来，初步 得了业界同仁的认同。相较去年，今年的报告提出了以“经营、服务、交付、管控”为核心的金融科技能力体系，旨在为信托公司开展金融科技建设提供更具实操价值的方法指引。在四项核心能力的总结提炼和报告的调研编撰过程中，不仅得到了信托业协会的大力支持，也得到了行业 67 家信托公司的积极配合，在此 示 挚的感谢。同时，也对华润信托、平安信托、外贸信托、长安信托、中粮信托、百瑞信托、英后记 136 大信托、陆家嘴信托、华宝信托等 位的领导专家在百忙之中抽出时间接受工作组的调研访谈，并 私分享关于趋势、痛点、诉求及路径等方面的观点经验，示感谢。报告的编撰是一项长期性工作，编撰工作组将紧密围绕行业金融科技发展动向，做好详细调研、认真分析和客观记录，同时结合行业需求，提出具有普适价值和实操意义的建议参考，为行业整体的金融科技建设和数字化转型做好服务支持。因时间有限、经验不足，难免有错漏之处，恳 评指正。中国信托业金融科技应用发展报告编撰工作组 2023 年 8 月

0人已浏览 2023-11-26 142页 5星级

序言IDC观点第一章 市场环境供应链金融内核升级.市场需求升级.供给意愿提升.技术能力升级.政策推动助力第二章 问题诊断当前供应链金融发展的痛点和瓶颈.供应链上下游融资均存在痛点.供应链金融在核心企业落地面临挑战第三章 创新破局破解供应链金融发展困局.技术创新，提升供应链金融数字化能力.价值跃迁，以运营与风控管理提升供应链金融价值.模式创新，降低供应链金融服务获取门槛.产品创新，促进供应链金融服务“精准滴灌”.场景延伸，扩展供应链金融服务范围0103050817 第四章 实践落地供应链金融科技的产业洞察与实践探索.ICT行业-神州数码.大消费行业-古井贡酒.制造业-立邦.能源化工行业-中海信托.大宗商品供应链行业-国贸股份.行业探索经验总结与分析第五章 领先实践京东供应链金融科技的产业实践.“双链联动”新范式.京东供应链金融科技业务系统与服务体系第六章 洞见未来关注前沿趋势 采取最佳行动.未来展望.行动建议Contents第四章 实践落地供应链金融科技的产业洞察与实践探索.ICT行业-神州数码.大消费行业-古井贡酒.制造业-立邦.能源化工行业-中海信托.大宗商品供应链行业-国贸股份.行业探索经验总结与分析第五章 领先实践京东供应链金融科技的产业实践.“双链联动”新范式.京东供应链金融科技业务系统与服务体系第六章 洞见未来关注前沿趋势 采取最佳行动.未来展望.行动建议335871序言数字经济时代，供应链对于商业的意义已由过去的“成本中心”转变为“机会中心”。过去，供应链主要是解决生产中的原材料供应问题，对企业来说是成本支出。但是，未来通过优化供应链各环节，可以帮助提升企业的整体竞争力，带来新的商业机会。这一转变意味着，在供应链内部以及市场、销售等活动中，供应链需要有能力实时收集、处理、传递数据洞察。而那些积极推进供应链数字化转型的公司将在营收和利润上超越那些迟迟不行动的公司。供应链金融正成为推动这个转变的核心要素之一。供应链金融主要服务于对中国GDP贡献超过%、税收贡献超过%的中小微企业，这些企业也是市场经济中更具活力与创新精神的部分。中小微企业融资是世界性难题。究其根源，是巨大的信息不对称，造成金融机构为中小微企业提供金融服务的成本与收益不匹配。供应链金融，将单个中小微企业置于产业供应链视野中，通过从供应链上下游搜集生产、流通、交易、消费等各环节的数据，以尽可能低的成本最大程度降低信息不对称，同时借助产业链中实力较强的核心企业的信用，重构金融机构在服务提供当中的成本与收益，打通金融资源流向中小微企业的堵点。供应链金融在中国已有超过二十年的发展历程。其在中国的起步，开始于上世纪九十年代末。二十多年间，供应链金融业务的开展以核心企业为主导的模式占据主流。其中，金融机构依托核心企业为其上下游企业授信，通过银行承兑汇票、核心企业商业票据进行融资，是供应链金融最为主流、市场份额最大的业务。虽然从根本上来看，仍然面临着供应链金融业务开展过度依赖核心企业，尚未摆脱主体信用，尤其是核心企业的信用流动尚且无法触及二、三级产业链末端的节点等核心痛点。但与此同时，我们也看到尤其是近两年来，供应链金融的发展迎来高歌猛进。在政策推动、市场需求、供给意愿、技术赋能等因素下，供应链金融的市场价值、业务模式、服务场景、产品创新等都迎来了新的发展范式。产业场景丰沃，数字技术日新月异，金融科技不断深化，也都在不断为供应链金融的进化进行着反哺。供应链金融科技正与产业充分交融，并迈向产业纵深，重塑着供应链金融之基，助力产业链底盘更稳，实体经济发展韧性更强。“大江云涌千帆尽”，在当前的供应链金融“黄金十年”中，如何结合产业场景，以数字技术将产业链上下游以千万计的中小微企业贯通链接，一方面为核心企业降本增效、一方面为链上中小微企业精准滴灌，成为产业与金融之间的双向奔赴，亦成为核心企业、金融机构、科技企业等多方在时代浪潮下竞相奔涌的底色。IDC观点供应链金融已成为推动金融服务实体经济的重要力量年以来，中国陆续出台了各项推动供应链金融发展的政策，提升了供应链金融的战略高度。同时，在市场经济影响下，中小微企业融资需求也在持续加强，供应链金融的发展能够帮助供应链的上下游企业获得更全面高效的融资，从而畅通供应链、提升供应链的安全与韧性、促进供应链降本增效。风控是供应链金融产业落地的核心痛点IDC对中国供应链金融科技发展现状进行的专题调研显示，供应链上游融资可获得性相对较高，只是在融资成本、期限、额度、便捷度等方面需要进一步优化。下游企业融资可获得性较低的主要痛点是风控。同时,还存在供应链上下游数字化程度较低，平台建设成本高、缺乏运营能力等问题。科技进步成为推动供应链金融创新发展的第一引擎物联网、大数据、人工智能等技术极大地提升了供应链及供应链金融的数字化、智能化水平，能够有效推动供应链中各个环节的数据实时共享，并提高供应链中信息的透明度。同时，金融机构基于更多、更全面的数据可以对供应链中的各方进行更智能、及时且准确的风险评估。在此基础上，供应链金融的发展将有更多的模式创新、产品创新，从而打开新的局面。产业、科技与金融相融合的生态模式成为供应链金融突围关键供应链金融数字生态的建设能有效推动传统模式下，过度依赖于核心企业的融资模式，发展为由金融机构、金融科技公司、产业企业等生态伙伴共同参与、协同的发展的生态化发展模式。这种生态化的模式不仅能将融资企业置于生态网络当中，而非单一核心企业的供应链当中，生态中的多元数据可以相互关联、校验，从而大幅提升风控能力；而且也能有效促进供应链与供应链金融之间的有效联动，实现供应链金融从“单链”到“多链”、从链状到网状的跃迁发展，从而提升供应链效益。数字经济的迅速发展，正在改变供应链金融赖以开展的根基。这使得现实中对供应链金融的迫切需求遇上了被科技改变的供给。二者的相遇，正在从根本上改变驱动供应链金融发展的核心元素。.市场需求升级从需求侧来看，当前中小微企业与实力较强的核心企业对供应链金融的需求都在上升。一方面，中小微企业数量快速增长，释放出旺盛的融资需求。据工信部数据，截至年末，中国登记在册的中小微企业数量超过万户，比年末增长%。年平均每天新设企业.万户，是年的.倍。对于数量庞大的中小微企业来说，他们缺乏抵质押物，供应链金融是其获取金融资源的有力支持途径。第一章市场环境供应链金融内核升级:年月日，人民日报海外版，我国中小微企业已超万户，https:/ 年以来供应链金融相关政策梳理来源：IDC依据网络整理编辑，关于规范发展供应链金融、支持供应链产业链稳定循环和优化升级的意见加强供应链金融配套基础设施建设，首次提出通过打造物的信用和数据的信用助推产业链升级“十四五”规划和年远景目标纲要聚焦提高要素配置效率，推动供应链金融服务创新发展 国家发改委“十四五”现代流通体系建设规划统一供应链金融数据采集和使用的相关标准、流程，确保数据流转安全合规，加快人工智能、大数据、物联网等技术应用，为供应链金融线上化、场景化及风控模式转变提供技术支撑银保监会关于加力提升小微企业金融服务质量的通知综合运用动产、供应链票据、应收账款融资推动小微企业综合融资成本逐步降低年政府工作报告政府工作报告在解决小微企业融资难题具体举措中首提创新供应链金融服务模式国务院十四五数字经济发展规划“推动产业互联网融通应用，培育供应链金融、服务型制造等融通发展模式，以数字技术促进产业融合发展国务院十四五现代物流发展规划鼓励银行等金融机构在依法合规、风险可控的前提下，加强与供应链核心企业或平台企业合作，丰富创新供应链金融产品供给”关于金融支持全面推进乡村振兴、加快建设农业强国的指导意见“鼓励供应链核心企业通过链条白名单确认、应收账款确权等多种方式为上下游企业担保增信，提升链上企业农户和新型农业经营主体融资可得性”年，IDC对中国供应链金融发展现状进行了专题调研。调研显示，总体来看目前供应链金融的惠及面还有待进一步提升。%的受访企业供应链金融业务处于单点实验阶段（第一阶段）。.%的受访企业供应链金融业务处于局部推广阶段（第二阶段）。供应链金融在落地核心企业以及产业链上下游时，存在不同程度的困难。第二章问题诊断当前供应链金融发展的痛点和瓶颈:定量调研的样本为家核心企业，主要分布在制造业、消费品、能源化工、交通运输、ICT行业，其中以年全国主营业务规模在亿元人民币以上的企业为主。图 核心企业供应链金融发展阶段分布单点实验：正尝试帮助上下游厂商获得供应链金融服务局部推广：已开始帮助上下游某一个或几个厂商群体获得供应链金融服务全面推行：正在全面帮助上下游厂商获取供应链金融服务管理运营：供应链金融已经成为公司发展的重要战略，开始完善管理运营 方案，并开始全面部署优化创新：与公司业务深度融合，助力业务创新发展来源：IDC年中国供应链金融发展现状调研，N=.%.%.%.%.%.供应链上下游融资均存在痛点以核心企业主体信用背书，供应链上游的融资可获得性较高，但在融资的成本、期限、额度、便捷度等方面存在优化空间。供应链下游融资的可获得性较低。阻碍下游企业获得融资的因素当中，风控因素是最根本的原因。.上游融资服务有待优化IDC调研显示，以应收账款为基础的上游供应商融资，仅有.%的受访者表示融资顺畅，不存在困难。其余受访者对于融资困难的反馈中，排名前五位的要素为：融资成本高（.%）、期限不够灵活（.%）、额度太低不能满足要求（.%）、便捷度（.%）、缺乏抵押物（.%）。图 核心企业上游供应商的融资难题来源：IDC年中国供应链金融发展现状调研，N=融资成本高期限不够灵活便捷度方面，比如申请手续繁杂等额度太低，不能满足需求申请需要抵押物，供应商难以提供抵押物只有一级供应商能够获得融资，二三级及其他供应商很难获得融资从申请到拿到贷款经历的时间较长（一周以上）融资顺畅，没有困难无法提前还款，资金占用成本较高.%.%.%.%.%.%.%.%.%.%.%.%.%.%.%.%.下游融资可得性低与上游融资相比，下游融资的痛点更为突出，其融资的可获得性明显更低。尽管有.%的核心企业受访者表示，供应链金融需求主要来自企业的下游，但在实际业务开展中，超过一半的受访者表示，其下游经销商没有获得过融资。据IDC研究显示，可用于支持风控决策的相关数据缺乏是下游经销商融资获得性低的主要原因。供应链下游企业多为中小微企业，其财务制度并不完善，在申请贷款过程中能够提供的数据较为有限，而供应链金融风控往往需涉及从原材料到成品、流通、仓储、消费等诸多环节的相关数据，金融机构进行风控调研成本巨大；此外，AI、物联网、区块链等技术在产业中的应用程度较弱，其通过技术手段来搜集数据、支持风控的能力较弱。图 核心企业上游供应商的融资难题来源：IDC年中国供应链金融发展现状调研，N=供应链金融需求主要来自于上游还是下游？贵司下游经销商是否获得过融资？.%.%没有有.%.%.%上游下游上游下游需求都不少.供应链金融在核心企业落地面临挑战从落地企业的角度来看，核心企业在推进供应链金融落地方面尚存在数字化程度较低、数字基建成本高、风控能力不足、运营提升困难等关键挑战。要推动供应链金融在产业落地，核心企业是一个极佳的切入点。但是，供应链金融在核心企业落地也存在不少的挑战。.数字化程度较低数字化建设的完善程度，是供应链金融落地的关键挑战。IDC调研显示，大部分核心企业供应链金融的数字化程度较低，“几乎没有数字化”和“有少量的数字化系统”的受访者总计占比高达%。图 核心企业下游经销商没有获得过融资的原因来源：IDC年中国供应链金融发展现状调研，N=核心企业不方便提供数据便捷度方面，比如申请手续繁杂等没有足够数据支持，金融机构难以把控风险期限不够灵活额度太低，不能满足需求申请需要抵押物，经销商难以提供抵押物.%.%.%.%.%.%.%.%.%.%.%.%.数字化建设成本高供应链金融服务能力的提升需要解决数字化能力不足的问题，首先要面对的就是成本挑战。因为供应链金融业务的拓展，需要进行供应链金融科技平台的建设，来支持资金与资产的对接。而供应链金融科技平台的数字化是系统工程，需要较长的建设周期和较高的成本投入。调研显示，“平台建设成本太高”成为阻碍核心企业搭建供应链金融服务平台的第一大因素。一方面供应链金融服务平台往往涉及到多个系统的搭建。例如在产业端包括：供应商管理系统、电子招投标系统、智能物流系统、数字化仓储系统等，在资金端包括：保理融资系统、动产融资系统、征信科技支持系统、支付结算支持系统等多个业务系统。另一方面，供应链金融科技平台的建设常常涉及到多方系统对接。例如，在供应链金融科技平台的建设过程中，涉及到与企业此前建设的相关系统的对接，如ERP、CRM等系统，这往往会涉及到系统的改造升级，随之带来的是较长的实施周期和较高的成本。图 核心企业所在行业的供应链金融数字化程度来源：IDC年中国供应链金融发展现状调研，N=几乎没有数字化有少量的数字化系统有一定的数字化基础设施建设有充分的数字化基础设施支撑.%.%.%.%.风控能力不足供应链金融在各行业的落地过程中，风控能力的提升是核心挑战。如前文所述，此前，供应链金融服务主要面向核心企业的上游企业；对于下游企业来说，风控能力的提升是供应链金融下沉的关键点。在实践中，下游企业申请贷款时，核心企业需要辅助金融机构进行风控。而在辅助风控当中，核心企业面临的风控难点体现在：缺乏对抵质押物进行管控的科学方法，导致金融机构无法基于这些财产进行授信。可用数据不足，包括缺乏外部数据、缺乏二三级及更终端的经销商数据、历史数据积累不够等。对数据进行分析的技术实力不足。图 核心企业尚未搭建供应链金融服务平台的原因来源：IDC年中国供应链金融发展现状调研，N=平台建设成本太高项目复杂，系统建设时间长现有业务模块基本可以满足日常使用，暂未看到上线供应链金融服务平台的明显好处，感觉性价比不高.%.%.%此外，核心企业在辅助供应链金融风控方面面临的挑战，也体现在其选择合作伙伴时所看重的能力上。IDC调研数据显示，与外部合作搭建或完善供应链金融服务平台时，核心企业看中合作伙伴的能力当中，风控能力是排名第一的要素。图 与外部合作搭建或完善供应链金融服务平台，核心企业看中的合作伙伴能力排序情况来源：IDC年中国供应链金融发展现状调研，N=.%.%.%.%.%.%.%风控能力丰富的融资渠道对接可帮助进行联合运营，将平台充分用起来数字化系统建设能力.%.%.%.%图 核心企业辅助金融机构为下游经销商提供融资时存在的风控难点来源：IDC年中国供应链金融发展现状调研，N=.%.%.%.%.%.%.%缺乏对抵押物进行管控的科学方法，使得金融机构无法基于这些资产进行授信只有我司作为核心企业的内部数据，不够用，缺乏外部数据除一级经销商之外，二三级及更终端经销商的数据难以获得对数据进行分析的技术实力不足历史数据积累不够，经验不足.%.%.%.%.%.运营支持乏力对于供应链金融服务平台而言，有科技能力、系统建设之后，运营是更重要的因素。只有做好运营，供应链金融科技平台才能让产业客户用起来，真正解决供应链中的融资问题，从而为供应链上下游创造价值。市场中供应链金融服务平台的运营是较为薄弱的环节。IDC调研显示（如下图），.%的受访者反馈，现有供应链金融服务平台有少量运营，但不够精细化，运营效率不高，缺乏数据抓手，还是依赖经验导向。另有.%的受访者反馈，几乎没有运营。运营往往包括：产品运营、用户运营、渠道运营、数据运营等。对供应链金融科技平台的运营来说，这些必须有机结合、形成体系，才能最终为客户创造持续的价值。图 核心企业现有供应链金融服务平台的运营情况来源：IDC年中国供应链金融发展现状调研，N=几乎没有运营有少量运营，但不够精细化，运营效率不高，缺乏数据抓手，还是依赖经验导向自身有成熟的运营，效果也较好与外部科技型的合作方进行联合运营，实现了数据导向，效果较好%IDC调研结果显示，数据运营是核心企业推进供应链金融业务中最大的挑战。数据运营是驱动数据要素创造业务价值的有效方法，其中包括几大要素：数据、算法、流量、风控、合规。在供应链金融场景的用户增长、反欺诈、信用评估、合规审查等诸多环节中，数据运营能够有效让数据产生更大的业务价值，如提升用户活跃度、放大信贷规模、管理不良风险等。.%.%.%.%.%.%.%图 核心企业现有供应链金融服务平台运营的困难环节排序情况来源：IDC年中国供应链金融发展现状调研，N=数据运营（精准营销、BI平台、数据分析报告、业务看板等）渠道运营（企微运营、销售公司、大区运营、资方联合营销等）用户运营（拉新、转化、留存、促活等）产品运营（产品培训、推广、活动物料等）.%.%.%.%虽然供应链金融科技落地产业、拓展服务范围面临诸多困局。但在数字技术赋能、平台支持、政策催动，以及产业数字化转型持续深入推进下，以技术创新、价值跃迁、模式创新、产品创新以及场景延伸等途径，成为有效赋能供应链金融服务模式创新与产业链高质量发展的破局良药。第三章创新破局破解供应链金融发展困局图 供应链金融科技服务生态架构来源：IDC,金融服务（银行 信托 小贷 商业保理 融资担保 保险/核心企业的财务公司或下属金融公司）场景嵌入业务流程线上化信用评估数据化风控决策智能化数据共享、应用程序共享、平台联通；产业与科技及金融融合；产品创新供应链数据：可得 可信 可用大数据产品/组件 区块链产品/组件 Al产品/组件 边缘计算产品/组件.大数据 云计算 区块链 物联网 隐私计算 边缘计算 G 生物识别 卫星遥感 供应链金融科技服务：可运营 可扩展 可迭代运营管理可视化场景延展从单链到多链的生态扩展技术底座供应链数字化供应链管理集采商城仓网优化智能物流数字化仓储智慧供应链管理经销商管理与分销系统电子招投标系统供应链金融科技平台保理融资融资租赁仓单融资信用融资票据融资动产融资采购单融资征信科技如图所示，结合IDC对当前供应链金融发展现状、实践、特点洞察，IDC提出“供应链金融科技服务生态架构”。该框架以数字技术为基础，通过各类技术产品/组件的场景化输出，为产业方或资金方提供其数字化能力，为供应链金融服务的智能化升级，以及为供应链金融与产业结合、与场景融合、产品创新等方面提供了新的支撑。同时，也能有效解决供应链上下游融资存在的痛点及核心企业在开展供应链金融业务中的难点。在此基础上，供应链金融构建主体更容易通过数据共享、平台联通、供应链上下游数据、资产等产业资源的共享、科技与产业和金融融合发展等方式，把金融服务更高效地嵌入各场景与各行业中，从而实现从单链到多链的生态扩展，推动金融更精准、安全地服务于实体经济，促进金融普惠。.技术创新，提升供应链金融数字化能力供应链金融作为一种针对中小企业的新型融资模式。它通过利用供应链中各方的信用、风险和资金需求信息，将融资和资金管理等金融服务融入到供应链贸易中，为供应链参与方提供资金支持和风险保障。而在数字技术的赋能下，供应链金融通过运用数字技术整合供应链上下游资源，对接丰富的金融产品，以促进产业内外部中小企业之间建立长期协同关系，并提升供应链的竞争能力。例如，供应链金融通过引入区块链、人工智能、物联网等前沿技术，并通过建设保理融资、融资租赁、仓单融资、票据融资、动产融资、采购单融资等系统，全面提升供应链金融数字化能力，构建更加安全、高效的供应链金融生态。关于数字技术在提升供应链金融数字化能力的梳理详见下表。同时，IDC认为，随着数字技术在供应链各环节深入应用，能极大地提升供应链中的数据实时收集、处理、以及共享与传递等效率。IDC预测，未来五年中，在全球范围内，相当比例的企业将在建设数智供应链方面采取积极行动，并且看到显著成效。具体表现在以下两个方面。获得更加可靠的供应链金融风控信息。供应链数字化使得大量的底层数据可以被记录、共享与分析，促使供应链数据可得、可信、可用，只有这样供应链金融的风控效果才能提升。同时，此前不能判断的风险才可以被判断，从而产生供应链金融的模式创新。表：数字技术在供应链金融中的作用描述来源：IDC年中国供应链金融发展现状调研，N=物联网区块链隐私计算大数据人工智能云计算边缘计算G技术优势采集关于物的信息分布式账本，可溯源，不可篡改让数据可用不可见对海量、快速、多样数据进行专业化处理提升对数据的分析和预测能力低成本提供计算资源减少网络和云端数据处理的负担，提升前端客户数据的分析能力和速度提升数据传输和处理效率在供应链金融当中的作用实现对实物资产的感知、识别、定位、跟踪、监控和管理记录并自动同步交易数据，使信用可以拆分、传递，从而建立数字信任实现多方数据共享，以支持供应链金融风控、运营等业务各环节采集、存储、处理、应用多样化数据在营销、风控、运营等各环节对数据进行分析和预测使中小微企业可以低成本使用供应链金融科技服务提升对数据的实时处理能力，可以提升交易效率、提升供应链金融风控当中的反欺诈能力让海量的工业数据快速、稳定、可靠地传输技术类别提升供应链企业间的协同效率。供应链数字化可以实现对全局信息的监控和分析，链上企业可以实时了解供应链运行情况，并为可以为了实现共同利益提高协同意愿和协同效率，进而推动协同模式创新。综合来说，供应链数字化（如供应链管理、采购、物流、经销商管理、仓储管理等的数字化）能够有效推动供应链中各个环节的数据实时共享，并提高供应链中信息的透明度。同时，金融机构可以基于更多、更全面的数据可以对供应链中的各方进行更及时且准确的风险评估。这也使得金融机构能够更准确地了解供应链中的各方需求，提供更精细化、定制化的金融服务。.价值跃迁，以运营与风控管理提升供应链金融价值供应链上下游及供应链金融科技能力的提升，逐渐推动着供应链金融业务流程线上化、风控决策数智化、运营管理数字化等，在此基础上能有效促进供应链金融服务向更高效、安全、透明的方向发展，助力产业链提质增效，实现价值跃迁。具体表现业务流程线上化风控决策数智化运营管理数字化描述通过在线平台，供应链金融的各个阶段，如融资申请、审批、放款、还款等，可以在数字化平台上进行；减少物理文件和纸质流程，提高流程的自动化和效率，同时也为参与方提供了更方便、快捷的融资和交易渠道。通过人工智能和机器学习等技术提高预测风险和实时监控能力；通过数据模型，分析供应链各方数据，提高信用风险评估的准确性；识别潜在风险信号，自动发出预警并提供决策支持，快速应对市场变化，减少损失和风险。将供应链上下游业务运营数据和指标可视化呈现，帮助决策者更直观地了解供应链业务状况和趋势；优化运营流程，提高效率，让决策者更快速地识别问题并做出决策，同时让参与方更好地理解和参与决策。表：供应链金融数字化的具体表现在上述“三化”中，需要着重强调的是风控决策智能化和运营管理数字化都将为供应链金融的发展带来关键改变。风控决策数智化（或称“智能风控”）将使供应链金融业务当中原本不可控的风险变得更为可控，原本不可行的业务也开始逐步变得可行，从而在根本上改变供应链金融的覆盖度。在供应链金融领域，智能风控是全面识别并判断供应链金融服务各个环节中所涉及的风险，并实现全流程智能风控决策，提升业务效果和效率的关键举措。具体来说，智能风控往往需要覆盖金融业务的贷前、贷中、贷后全流程。在贷前，可以通过大数据采集技术（如物联网技术、声音识别、OCR等）收集金融机构内外部各类数据，应用人工智能技术对数据进行挖掘，从而预判风险。在贷中，可以根据相关规则，应用人工智能等技术进行监控，在出现实际损失前启动拦截流程，降低损失金额。在贷后，也可以应用大数据、人工智能等技术辅助风险处置以及复盘。智能风控在供应链金融中的实际效果有赖于风控模型的先进性和成熟度。其中，多样的、可信的数据是提升风控模型先进性的关键，例如，整合供应链中各环节的数据，包括交易记录、物流信息、企业财务信息等，以及外部数据源，以提升风控模型评估的准确度。AI大模型的出现，也使得人工智能技术迎来新的拐点，未来应用人工智能技术可以不断提升可以处理的数据类型、数据量，也可以大幅提高处理效率，从而支持在金融风控当中做出更精准的决策。同时，采用先进的机器学习和人工智能算法，如深度学习、强化学习等，确保模型的预测和决策过程具有可解释性和透明度，并结合大数据分析，可以更准确地识别异常和风险。在供应链金融的风控当中，智能风控也将大大提升金融的可获得性。智能风控此前在局部场景应用更为领先，如消费金融、供应链金融的部分产业场景等。未来，结合对产业的深耕，经过前期场景实践验证过的智能风控原理可以在新的场景中继续提升。在数字化运营方面，IDC认为，目前，金融机构亟需以端到端客户旅程为视角，以数据分析作为手段，将客户体验作为出发点和落脚点作为金融业务运营及客户运营的新标准。换言之，金融机构需采用数字优先的客户体验方法，并提供具有同理心的体验，即：使用数据了解客户环境，并通过数字技术及数字化运营策略高效地响应他们的需求。金融机构通过数字化运营方式，让客户服务体验贯彻至客户旅程周期的各个环节，从而让其在成为提升金融业务增长和客户价值的重要手段。其主要包括：客户运营、业务运营、渠道运营等。在客户运营方面，通过客户旅程数据的采集及指标监测，金融机构可以根据客户属性、交易特征等行为数据/特征数据，同时基于业务模型、策略模型、推荐模型等，并在客户旅程的各接触点进行精准且个性化的产品/服务推荐。此外，在金融服务提供过程中，为了强化客户体验，实现客户的深度服务，金融机构可以通过客户旅程数据监测指标，还可以透过动态化的监测数据，从而优化从数字参与到实时交互的体验。在业务运营方面，将供应链上下游业务运营数据和指标可视化呈现，可以帮助决策者更直观地了解供应链业务状况和趋势，并基于供应链全链条运营数据，让决策者更快速地识别问题并做出决策，同时让参与方更好地理解和参与决策。在渠道运营方面，借助于数字化技术可以实现供应链金融渠道的数字化和集成，连接供应商、制造商、经销商和金融机构，并提供在线交易、支付和结算等功能。这有助于统一获取渠道运营数据，并基于渠道数据分析，加快资金流转速度，降低运营风险，并简化供应链金融渠道的管理和监控。IDC认为，未来，数字化运营将是驱动供应链金融的良性发展不可或缺的模块，数字化运营不仅可以提升客户服务体验，而且也能助力解决供应链金融科技服务的“最后一公里”，推动供应链金融深度服务实体经济的深度，从而驱动供应链金融业务增长。综合来说，数字技术在供应链金融中的创新应用，不仅能助力洞察供应链金融上下游中更复杂和多元的贸易关系，也能促进供应链金融业务协同与服务高效。同时，随着供应链数字化水平的加强，供应链金融数字化能力的提升（例如通过构建供应链金融数字服务平台），并通过数字供应链与供应链金融之间的融合发展，以及基于多方业务之间协同而实现的风控能力和运营能力的提升，也会促进金融机构向更多场景、更大范围扩展金融服务，从而实现服务能力的下沉。.模式创新，降低供应链金融服务获取门槛当前，由于供应链金融业务复杂程度高、所涉主体数量多，供应链上下游企业融资服务效率的提升、融资服务范围的扩展，以及融资服务成本的降低，是当前供应链金融发展中仍存在的问题。如何通过模式创新解决供应链金融业务开展当中面临的难题，让供应链金融成为各行各业都无门槛使用的服务，是实现供应链金融稳定健康发展的关键。而当前，供应链金融的落地仍有几个关键问题需要解决。首先，需要对接丰富的资金方。不同金融机构能力禀赋、资金成本、风险偏好不同，供应链金融平台需要对接尽可能多的资金方，上下游企业的融资可获得性才会比较高。第二，需要具备风控能力。金融机构仅靠自身能力难以解决问题，因为金融机构不参与各行业的生产，要细致了解每个行业的生产过程，成本较高。因此，需要供应链金融平台与产业方合作，帮助金融机构开展风控。如果不能解决风控的问题，再多资金方的接入都没有意义。风控能力的建设，难点在于对产业场景有足够的了解，并且风控逻辑需要经过真实场景的验证，这样才具有可信度。近年来，不同背景的供应链金融科技平台都在进行探索。这些探索不同程度地解决了部分问题，但是在产业、科技、金融的不同维度仍存在一定缺失。核心企业主导的供应链金融科技平台往往由科技企业或者软件服务商帮助解决技术问题。此类平台的优势在于对产业的深入理解和广泛的影响力，缺点在于两个方面：其一，在引入资方上存在诸多困难，所能对接的资方和引入的资金比较有限，因为核心企业缺乏与多层次金融机构交往的经验；其二，该类平台风控能力不足。一方面，如前文所述，核心企业风控能力存在缺失；另一方面，该类平台往往只应用于一家核心企业的供应链上下游企业，难以获得自身供应链外部的数据，风控能力的拓展具有局限性。金融机构主导的供应链金融科技平台，优势在于本身就是资金方，对融资企业有相当影响力。为了获取融资，企业愿意使用此类平台。但此类平台的缺点在于三个方面：其一，难以获得深入产业的底层数据，为了规避风险，风控容易“一刀切”，难以为产业链、供应链上的中小微企业提供灵活的融资服务。他们往往优先选择与产业中的头部企业合作，提供服务的范围有限；其二，由于金融机构之间存在竞争，此类平台较难吸引其他金融机构入驻，从而使得融资企业在资金选择上较为单一。其三，金融机构数字化基础设施建设能力参差不齐，实力雄厚的头部金融机构可以建设比较完备的数字化基础设施，但是中腰部的金融机构却不具备同样的能力。数字化基础设施的完备程度，也决定了其开展供应链金融服务的丰富程度。科技公司主导的供应链金融科技平台，优势在于科技能力。但是也存在两方面的缺点：其一，没有产业背景，缺乏对产业的理解，风控能力不足；其二，对接资金方的能力不足。综合来说，随着市场环境加速变化（如前文提到的市场需求升级、供给意愿提升、技术能力升级、以及政策推动等），供应链上下游的中小微企业对金融需求越来越呈现出多样化、个性化、碎片化特点。而仅靠核心企业的产业资源、渠道资源，或科技服务商的科技能力，或金融机构的金融服务能力等单方面的资源或能力，较难解决供应链金融风控及运营等多样问题，无法识别并满足供应链上下游中多样的金融需求。IDC认为，为了更有效地实现供应链金融服务向更大范围、更深层次发展跃迁，需在充分借鉴未来行业生态系统的基础上，结合供应链金融服务的特点和要求，打造供应链金融生态服务平台。该方式对于提升服务实体经济能力，推进供应链金融普惠化、创新化发展等方面具有较大价值和意义。数字化 资本化 物理化共享的数据与洞察 共享的应用 共享的运营与经验图 IDC未来行业生态系统模型来源：IDC，可信的行业生态系统模型IDC认为，未来产业生态系统的构建需要在共享数据、应用程序、运营和专业知识的平台基础上进行扩展。共享数据和洞察：通过共享数据，一方面金融机构可以洞悉用户客户需求，提供更高质量、更加安全、更加创新的金融产品及服务；另一方面，也便于提高金融机构风控能力，确保服务的安全性和可靠性，减少因数据不透明而引发的欺诈等风险。共享应用程序：应用程序是获取数据、承载数据、共享数据、分析数据的重要支持，通过共享应用程序，可以更快提高运营效率，并创造更好的客户体验。同时，还可以改进业务流程，提高数据治理水平，优化人力、资产和财务资本的利用效果。共享运营和专业知识：共享运营和专业知识对于金融机构在行业的发展、合作与创新等方面至关重要，在此基础上更便于金融机构完善行业知识图谱，更高效的满足企业融资需求。供应链金融数字生态的建设能有效推动主流的依赖于核心企业贸易关系的融资模式，发展为由金融机构、金融科技公司、产业企业等生态伙伴共同参与、协同发展的“生态圈”，能有效整合并打通金融、科技及产业等多方资源，并实现资金与资产的高效对接。产业方、金融机构与科技公司之间的融合发展就是一种推动三方资源共享、平台互通、数据共用的数字供应链金融生态建设及模式创新的方法。资源共享：例如，供应商可以通过金融机构提供的资金支持来扩大生产规模，同时向金融机构共享其销售订单和供应链信息，以获取更多的融资机会。金融机构可以通过与供应链中核心企业的合作，获得更多的金融服务机会和收益。科技公司可以提供智能化的供应链管理工具和数据分析服务，为供应链各方提供更高效的运营和决策支持。平台互通：基于开放的供应链金融服务平台，以开放API的形式打通供应链管理系统与产业信息平台或供应链金融服务之间的壁垒，实现不同参与方之间的信息交流和业务对接。如此，供应链上的各个环节可以更加便捷地进行合作和交易，提高供应链的整体效率和灵活性。同时，通过平台的互通，金融机构可以更好地了解和评估供应链上的风险，并为供应链企业提供更精准的金融服务。数据共用：供应链中的每个参与方都会产生大量的数据，包括订单数据、物流数据、资金流数据等。通过将这些数据进行整合和分析，可以更好地了解供应链的运行情况，预测和控制风险，优化供应链的各个环节。同时，数据的共用也可以促进供应链上各个环节之间的合作和协调，提高整体运作效率。比如，通过区块链技术的应用，提升数据的可信度；通过隐私保护计算技术的应用，提升数据在跨场景、跨机构、跨应用间的高效共享、流通与交互的安全性。IDC认为，“供应链金融数字生态”模式的出现，将有效推动供应链金融实现跨越式发展。该模式的出现，将产业、科技、金融三者相结合，补齐了此前实践的短板，使得供应链金融落地各行业企业的门槛大幅降低，中小微企业融资可获得性大幅提升。该服务模式具有如下个方面特点：第一，具有产业资源基础。如果没有产业背景，科技公司要想推动供应链金融高效落地及创新发展，最关键的一点是初期在供应链金融服务场景中检验风控逻辑，需要承担试错风险。这需要科技公司具备较强的风险承受能力。因此，一般来说，供应链金融在产业中的创新落地往往需要其具有一定的产业认知和产业资源，因为既有产业资源，也具备深刻的产业认知，往往对风险有更强的判断能力，初期试错成本最低。第二，具备综合的科技能力。供应链金融要想取得突破，往往需要借助于大数据、区块链、物联网、人工智能等多种数字技术解决供应链金融具体业务场景中的问题。第三，具有较为丰富的金融服务经验。供应链金融的创新发展需要了解金融机构的能力禀赋、资金成本、风险偏好等特性。只有拥有较多的项目经验，并深入供应链金融业务流程的各个环节，才能比较准确、及时地把握这些特性。第四，具有产业协同能力。一方面，该模式有利于聚集不同产业的企业，使不同产业、不同企业形成新的连接与协同能力，未来在风控方面可以获得更多的数据支持，从而进一步提升供应链金融服务的可获得性。另一方面，该模式有利于将源于不同产业的供应链金融服务经验推广复制，使得供应链金融服务迭代进化及边界扩展的速度加快。综上所述，“供应链金融数字生态”的模式创新，是当前供应链金融科技平台各类尝试当中的较优解。该模式的应用，使得供应链上下游企业可以以较低的成本获得科技能力、风控能力以及与资金方迅速对接的能力，因此较容易被产业方与资金方所接受。同时，这种模式也能有效促进供应链与供应链金融之间的有效联动，实现供应链金融从链状到网状的跃迁发展，有利于核心企业或金融机构穿透式管理多层级上下游之间的贸易关系，并实现多级供应商融资，从而提高供应链效率、降低融资成本，促进产业升级，提升智能风控及数字化运营水平。此外，通过供应链金融数字生态资源的积累，亦可较容易地将生态资源（包括金融服务及科技服务等）定向地向产业方输出，从而实现金融产品与产业场景深度融合，让金融服务随需可得。.产品创新，促进供应链金融服务“精准滴灌”技术创新和模式创新，最终会带来供应链金融产品创新。目前，供应链金融产品创新也在两个维度上持续推进。一是金融产品本身的创新。以往，供应链金融服务以信贷服务为主。目前，围绕供应链各环节的需求，金融机构正在尝试推出各类金融服务产品，为中小微企业提供综合服务。例如，为供应链提供结算、融资、财资管理、避险等系统化的综合解决方案，以及从不同行业、不同场景需求出发，为供应链上下游企业量身定制金融产品服务，提升整条供应链的融资能力和资金管理水平，提升支付效率，降低企业成本，畅通和稳定上下游产业链条。例如，针对快速消费品行业，产品的季节性需求变化较大。金融机构可以基于销售数据和市场趋势，为供应链中的经销体系提供灵活的匹配其经营周转节奏的融资产品方案，以适应季节性的资金需求变化。二是在技术和模式创新的基础上，推出更多的创新产品，例如：订单融资/到货融资，是比较典型的在技术创新基础上的产品创新。订单融资，是基于上游供应商与优质核心企业间真实有效的采购订单或合同，以订单项下预期销售回款为主要还款来源，为上游小微供应商提供的一项全线上化融资服务。核心企业与上游经销商的交易过程，包含下订单、发货、入库、确认营收、开票、结算等多个环节。以往金融机构为上游供应商融资，为了规避风险，是在应收账款确认之后的开票环节提供融资。但是，通过对历史交易数据建模，对违约/履约概率进行分析，可以提高抗风险能力，从而把融资时点提前到订单确认或到货环节，同时通过全线上化的系统对接，降低传统展业过程中人工介入的操作风险，以及提高整体服务的运营效率。采购融资创新。核心企业拥有较完善的经销商分销体系，直达终端零售商。而经销商是否具备充足的资金，现金流是否稳定，对核心企业的销量增长、业务拓展至关重要。传统的采购融资模式主要基于核心企业提供经销商的历史交易数据而进行授信。当经销商在场景中的历史交易数据不足时，较难享有采购融资服务。创新后的采购融资，可以让经销商的授信资质不拘泥于与核心企业的历史交易收据，而是以经销商主体授信 交易数据为基础，以税票数据为补充，由此可以通过更全面的客户画像的获取，使以前不可贷的客户成为可贷，由低额度自动升级为高额度，并且客户有机会获得更低的利率。小额融资租赁。数字化技术使得供应链金融机构能够创新设计多种融资租赁产品，以满足不同中小企业的需求。例如，灵活的租赁产品结构，可以根据中小企业的资金需求和还款能力，提供包括设备租赁、商用房租赁等在内的多种融资选择。或者结合保险机制，为小额融资租赁提供风险保障。例如，推出小额融资租赁保证保险，为租赁公司或投资人提供违约风险的保障，鼓励更多投资者参与小额融资租赁市场。IDC认为，未来嵌入场景型产品也将是供应链金融产品/服务创新的主要创新，核心企业或金融机构借助于大数据、区块链、知识图谱等技术，能有效洞察多级贸易关系及供应链上下游中的融资需求，在此基础上，可以更加高效地嵌入供应链交易场景，赋能供货商融资及经销商预付款融资，实现金融产品与交易场景之间的深度融合。.场景延伸，扩展供应链金融服务范围IDC认为，为了更有效地实现供应链金融服务向更多产业、更多场景产业实现跃迁，需通过扩展生态体系，从而打造更加丰富且具有韧性的供应链金融生态系统，以此有效提升供应链金融科技服务能力，实现资源共享、优势互补，从而提供更全面、高效的服务。以下是实现供应链金融服务场景延伸的条件或方法：技术/产品能力整合与复用：供应链金融科技服务商可以将技术能力或产品能力整合，打造更强大、更综合的供应链金融科技基础能力/组件，从而形成标准化的服务模式，核心企业及其链属企业入驻即可链接多家银行，并能有效帮助其上下游中小微企业匹配相应融资服务，从而实现技术资源的有效复用和金融服务效率的有效提升。创新合作：以供应链金融服务生态构建促进创新合作，推动新技术、新产品的研发和应用，共同探索供应链金融领域的创新解决方案，以满足不断变化的市场需求。例如，在推动供应链金融创新发展的过程中，生态内的各参与者（如：金融科技公司与产业企业）可以成立合资公司，双方或多方通过共享其优势资源，共同打造面向某一（某些）产业的供应链金融服务链路的闭环。同时，供应链金融生态的构建可以更有效的拓展服务范围，提供更多元化的供应链金融科技服务，覆盖更广泛的业务需求。这有助于满足不同客户的需求，提高市场竞争力。联合运营：IDC认为，在复杂的市场环境中，金融科技服务商除了帮助客户开发及部署供应链金融系统外，更需要以联合运营等陪伴式成长的方式，帮助客户实现供应链金融业务的稳步发展，并实现业务的增长。例如，通过以渠道资源、营销资源等之间的共享与共用，通过用户运营、产品运营或业务运营等模式，共同扩展客户，深耕客户，以此扩展供应链金融服务范围和提高供应链金融服务深度，扩大市场影响力，从而形成市场合力。联合运营模式的优势在于，它可以加强供应链上各个环节之间的合作与协调，降低信息不对称和信任风险。同时，通过共享数据和资源，各方可以更好地了解供应链的整体情况，从而更准确地评估风险和提供金融支持。同时，通过生态合作或联合运营，合作伙伴可以共同分担风险，降低单个机构面临的风险。这有助于增加对风险的承受能力，提高业务稳定性。在此基础上，更利于供应链金融的服务实现金融服务场景延伸及多层级融资模式的创新，例如，不仅有核心企业融资，还可以延伸至一级、二级甚至更多级别的供应商融资，形成更完善的融资链条。目前，供应链金融有关的的技术创新、产品创新和模式创新已率先在ICT行业、大消费行业、制造业、交通出行、能源化工及大宗商品贸易等行业落地实践。.ICT行业-神州数码.行业特点消费电子行业具有产品更新速度快、市场竞争激烈、渠道多元化等特点。企业的销售渠道及合作伙伴数量、规模及其资产健康度等对企业的生存发展至关重要。尤其是消费电子产品的销售渠道通常需要与各类渠道合作伙伴建立合作关系，如经销商、代理商、零售商等。产业链上的企业为应对快速变化的消费者需求，需要不断地迭代产品、更新库存等，用款规模大、频次高、时间紧急是目前ICT行业企业在获取金融服务时的主要问题。此外若供应链上的企业无法及时收到回款，将难以支持下一阶段的生产研发、备货等需求。而传统银行的供应链金融服务从贷款申请到放款耗时较长，难以满足ICT行业及时用款的需求。第四章实践落地供应链金融科技的产业洞察与实践探索神州数码 X 京东科技 从京保贝到采购融资，再到供金平台lite版，实现精准资金路由，让融资更轻快更简单，助力销量提升，扩大3C数码业务经营规模。在ICT行业 因此，为了解决自身的金融需求，越来越多的ICT企业开始寻求创新型的供应链金融服务，确保及时获得资金支持以确保企业的持续发展。近年来，采购融资的产品创新有效解决了ICT行业下游经销商融资难的问题。依托以往的采购数据和其上游核心企业的信用，下游的经销商能够从金融机构轻松获得贷款。.创新实践案例背景 神州数码是国内领先的网络设备制造商和解决方案提供商，其构建了遍布全国 城市，集合万家合作伙伴，涵盖各大垂直行业，覆盖全产品、全周期的庞大BB营销生态网络。以往神州数码的下游经销商常面临融资难的问题。由于C数码产品相对客单价高，叠加多品种采购复杂性，为下游各级经销商带来了较大的资金压力，因此经销商普遍有融资需求。作为行业头部的中间环节资源聚合商，连接上游品牌商和下游经销商，年神州数码打造了其与下游渠道伙伴之间进行信息对接与交易的互联网平台“神州商桥”。由于下游经销商处于供应链的末端，其面临的市场风险和经营风险较高，金融机构更加注重风险控制，因此对于下游经销商的融资申请会更加审慎。这导致了下游经销商无法获得足够的资金支持，从而影响了其正常经营和与神州数码的合作。这种情况进一步加剧了供应链的问题。由于下游经销商无法及时付款，神州数码的资金链也受到了影响。作为供应链的中游企业，神州数码需要向上游供应商支付货款，以确保供应链的正常运转。然而，由于下游经销商无法按时付款，神州数码也无法及时向上游供应商支付货款，导致上游供应商的资金链受到压力。这种连锁反应使得供应链的资金流动受到了严重的阻碍，不仅影响了各个环节的正常运作，还限制了神州数码业务的进一步发展。解决方案为了解决这一问题，改善下游经销商的融资环境。神州数码携手京东科技于年尝试京东科技推出的行业首款基于互联网的保理融资产品“京保贝”。此后，神州数码和京东供应金融科技的合作从单一产品向多元产品拓展，在融资规模、融资成本、融资便捷性、安全性、时效性等方面，都极大满足了神州数码产业链客户的融资需求。年，神州数码与京东科技为其旗下的BB垂直分销服务平台“神州商桥”提供采购融资服务，主要服务于神州数码在ICT分销领域广大二级经销商。京东科技通过神州商桥上的“神州商桥易贷”板块为神州商桥中小微采购企业提供纯线上支付流动资金信贷服务。依托中小微企业的采购数据，评估授信额，从而满足二级经销商的采购资金需求。年，神州数码又与京东供应链金融科技平台Lite版合作，通过本地化部署，全面提升神州数码金融产品的运营能力，实现资金路由，让更多金融机构顺利接入。实施效果神州数码通过与京东科技的合作拓展了供应链金融服务范围。其将供应链金融服务拓展至二级经销商，为二级经销商解决了资金周转难题，不仅实现了自身销量和规模的增长，也带动下游合作伙伴的规模增长，拉升了整体供应链的业绩。“神州商桥易贷”大幅提升了二级经销商的融资可得性、贷款效率和便捷性，从线上申请到线上放款全流程在线完成；年化利率.%，借款期限最高个月，无需抵押或担保，且可按需借款按日计息，还款方式支持随借随还。神州数码也拓展了融资渠道，各级经销商在申请贷款时有更多的资方选择，提高了融资成功率及客户体验。未来，神州数码将与京东供应链金融科技继续深入合作，助力C数码产业链的健康发展，让更多供应链上下游的客户融资更高效、更便捷，进而推动整个行业的高质量发展。图 神州数码与京东科技合作历程与合作方案示意图来源：京东科技，合作产品京保贝年外部保理年采购融资年京东供金平台Lite版年神码运营端神码本地化信贷驾驶舱供金科技平台方案资金路由端京东供金平台Lite版产品多元化、全覆盖应收融资系统京东风控系统采购融资系统（有订单模式）.大消费行业.行业特点大消费行业具有上下游涉及企业主体数量庞大、分销层级繁杂、库存规模受到节庆影响较强、销量不确定性大等特点，这使得核心企业上下游的中小微企业易受到资金流动性短缺的制约。而供应链金融可以及时解决中小微企业在生产和销售中的资金需求，因此在大消费行业中发挥着重要作用。随着中国消费市场逐步复苏，大消费行业对供应链金融的需求将逐步上升。然而，目前大消费行业的企业在获取供应链金融服务时面临以下挑战：第一，渠道层级繁多，经销商质量参差不齐。大消费行业渠道层级繁多，下游分布了大量的经销商、分销商、一批、二批、终端零售商等，融资需求旺盛。但渠道商的经营规模、管理模式、经营模式、经营效率等各异，信用质量参差不齐。如何在海量的渠道商中筛选出信用优质的渠道商，提供供应链金融服务，是个难题。第二，经销商的数字化程度低，且数字化意愿不强。多数经销商的规模较小，订单管理仍以线下方式为主，数字化程度较低。此外，他们对数字化的接受能力较弱，发展数字化的意愿较低。第三，受限于盈利空间，金融机构提供金融服务的意愿不强。客户分散且融资频繁，操作成本、运营成本、风控成本却不比大额融资低，盈利空间有限，因而针对大消费行业开展供应链金融业务时，金融机构本身的意愿不强。第四，数据获取困难，服务客户层级有限。目前，在大消费行业的供应链金融主要服务于供应链上的一级供应商和一级经销商。由于其他层级的客户数据难以获取，即使他们对供应链金融有着更迫切的需求，供应链金融业务也难以覆盖到该层级客户。:大消费行业是指向终端消费者销售日常生活必需品和服务的行业，是拉动国民经济发展的重要动力。古井 京东科技 打造供应链金融科技服务平台，提升多级经销商和供货商、票据服务等场景的金融服务体验。在白酒行业供应链金融科技平台的创新有效解决了大消费行业二级经销商融资难、融资贵的问题。供应链金融科技平台通过打通数据链条，基于数据对二级经销商的资产进行分层，实现资产和资金的精准匹配，提高了二级经销商的融资可得性，同时传统金融机构也能够透过平台在合规的前提下获得对方的经营数据，从而基于交易数据为二级经销商融资。.创新实践案例背景古井集团是中国老八大名酒企业。白酒行业的上下游产业链庞大，上游有原料供应商，下游有庞大的经销商体系。下游的中小经销商需要大量资金压货，但白酒企业通常不提供账期，因此他们常面临较大的资金约束，有强烈的融资需求。目前，传统供应链金融绝大多数只能服务到一级经销商，不能服务到二级经销商，这主要是由于二级经销商通常是一些个体工商户或终端门店，他们与核心企业没有直接的交易往来，没有任何征信标准，在传统金融机构的名单中属于“白户”，由于缺少数据，传统金融机构难以把控风险，也就难以提供融资。解决方案年月，古井集团全资子公司汇信金融集团与京东科技达成合作，双方联合打造基于该产业生态金融的供应链金融科技平台，增强产业链协同效应，推动白酒主业发展。平台包括上游供应商融资管理系统、下游经销商业务系统、二批终端业务系统、票据服务系统等场景的金融服务。在此次合作中，京东科技通过重新设计白酒供应链金融交易结构、搭建供应链金融科技平台和白酒供应链智能风控系统、资产分层，解决了二级经销商融资难、风控难的问题，将供应链金融服务渗透到二级经销商，实现了大消费行业供应链金融实践的一大突破。交易结构方面：京东科技引入担保公司为二级经销商增信，同时自身作为再担保方。此外，设立监管账户，贷到的款项汇入一级经销商名下的监管账户，由古井集团、银行和京东三方进行监管。坏账率在一定阈值下时由担保公司担保，超出阈值则由京东代偿。在该交易结构下，交易风险分散到银行、担保公司和京东三方。对于银行而言，银行根据二级经销商以往的交易数据进行授信，同时监管账户保障资金安全，降低了贷款风险，使得银行在风险可控的前提下增加贷款量。对于二级经销商而言，其融资门槛降低，提高了其压货能力和销售积极性。供应链金融科技平台方面：古井集团联合京东科技构建供应链金融服务平台，实现了商流、信息流、资金流的透明化、标准化和集约化。平台将古井集团的销售管理系统和融资服务系统打通，二级经销商在一个平台即可完成进货、贷款、还款和订单管理，在进货的同时完成贷款，提高了融资的便捷性。平台所实现的信息透明化大幅降低了信息不对称性，为银行授信提供了依据，降低了授信风险。实施效果借助京东科技所搭建的供应链金融科技平台，古井集团将融资服务下沉至覆盖全国多个城市的二级经销商，使得长期无法获得金融扶持的二批终端门店获得了融资。智能风控系统方面：京东科技结合其科技能力、数智供应链和供应链金融业务的实战经验以及对白酒供应链业务场景，搭建了白酒供应链智能风控系统。基于供应链金融科技平台接入的内外部系统数据和智能风控模型，实现了准入筛选、欺诈识别、量化定价等功能，并对高风险情景进行监控和预警，从而提高决策效率，降低交易风险。资产分层方面：京东科技针对古井贡酒下游经销商的各种资金情况，做了相应的资产分层，精准匹配资金端和资产端。为一级经销商引入农业银行等资源，为二级经销商引入中关村银行等资源，提高了各级经销商的资金可得性。图 古井贡酒与京东科技合作方案示意图来源：京东科技，应用层服务层应收融资员工贷票据业务采购融资二批终端融资系统对接资金对接多家创新银行产品北京中关村银行中国农业银行供应商供应商数据服务资产服务风险服务资金服务支付服务智能撮合.古井贡一级经销商二批终端员工对于古井集团而言，降低二级经销商的融资门槛能为其吸引更多的经销商，同时提高已有经销商的品牌粘性，从而提高古井旗下产品在经销商销售总额中的比例，促进自身销售业绩的增长。此外除了为下游多级经销商提供融资，还能为古井集团的上游多级供应商提供融资。通过平台，实现了商流、信息流、资金流的归一，能够帮助古井更好地管理供应链，提高供应链效率，增强产业链协同效应，带动白酒产业链的共同发展。.制造业.行业特点制造业是国民经济的重要组成部分，是我国实体经济的主体，战略地位高，对中国经济的高质量发展具有重要作用。国家统计局数据显示，年中国制造业增加值占GDP比重达到.%，规模达到.万亿元，连续年位居世界首位。然而，制造业高质量发展需求与现有的金融服务供给之间存在不匹配的问题，制造业在融资方面面临着一定的困难和挑战，大量的金融服务流向供应链产业链中的核心企业，中小企业融资难题突出；加之制造业供应链环节众多，节点关系复杂交错，易受外部环境影响造成断链、少链的风险。首先，制造业的资金需求较大。制造业通常需要大量的资金来购买设备、原材料以及支付员工工资等。这些资金需求对于许多中小型企业来说是一个巨大的负担，因为它们通常没有足够的资本来满足这些需求。由于资金需求巨大，制造业往往需要寻找更多的融资渠道。其次，业务线上化程度低。制造业整体的数字化水平较低，在供应链管理方面的数字化建设基础较弱。核心企业与其上下游企业交易频繁、业务琐碎，账款结算工作量巨大，目前仍主要以传统线下的方式进行操作。对于银行而言，融资企业的业务流程无法线上化、数字化，则难以体现交易数据的真实有效性，也难以对接银行的供应链金融系统，将加大银行的风控难度。第三，金融产品单一。制造业企业的经营活动和资金使用范围广，资金需求多样且复杂，例如用于购买原材料、半成品和支付工资的流动资金，购买设备和零配件的中长期贷款，产品营销费用等。但是，多数金融机构的产品在融资金额、融资期限、担保方式等方面同质性强，难以满足制造业多元化的融资需求。第四，制造业的资产结构复杂。制造业通常拥有大量的固定资产，例如生产设备和厂房等。然而，这些资产在价值评估和抵押贷款方面存在一定的困难。由于这些资产的特殊性，涉及资产折旧、变卖等，金融机构可能会对其价值和流动性产生怀疑，从而对融资产生障碍。最后，制造业的盈利周期较长。制造业的产品通常需要经过一系列的生产过程才能最终完成和销售，一些新兴的高精特新类制造业企业往往也需要更长的时间才能实现真正的盈利。这使得制造业总体而言盈利周期较长，而金融机构往往更偏好快速回收资金的行业。因此，制造业在融资方面也面临着一定的挑战。综上所述，制造业在融资方面存在一些难点。资金需求大、风险高、资产结构复杂以及盈利周期长等因素都导致制造业融资的困难。近年来，一系列供应链金融的技术和产品创新有效解决了制造业的融资难题。在技术创新方面，通过供应链金融平台与核心企业的业务平台直连，上游供应商基于核心企业平台开具的应收账款电子债权凭证，即可在平台申请融资，提前回款，全流程线上操作，大幅提高了融资效率。在产品创新方面，金融机构创新推出的“集群资产池”产品，使得供应商通过质押应收账款得以定制融资产品，满足了供应商复杂多样的融资需求。立邦 京东科技 搭建生态圈资金赋能平台，为经销商提供低成本纯信用的资金支持，强化销售端的可持续增长。在涂料行业.创新实践案例背景立邦中国隶属于新加坡立时集团，是世界知名的涂料制造与服务商。立邦的业务范围涵盖装饰涂料、建筑涂料、工业涂料、汽车涂料、船舶涂料、厨卫底材、防护涂料、卷材涂料、粉末涂料和辅材等多个领域。立邦中国区在全国拥有超过家生产供应链基地。立邦中国制定了“生态数智化”发展战略，即以“共识、共创、共建”为核心，携手涂装生态圈的客户，通过数字化转型赋能管理能力升级和驱动业务创新，共同提升核心竞争力的同时，实现规模化、高质量发展。在该战略推进过程中，立邦中国希望为涂装生态圈构建供应链金融科技服务体系，帮助生态圈内客户获得资金支持。该体系需要确保以用户为中心，为客户提供合规、安全、高效、便捷、高性价比的服务。解决方案为更好地助力立邦服务集团客户，打造更和谐的产业生态，提升供应链稳定性，京东科技助力立邦搭建了供应链金融科技平台，上线了资金赋能工具“立邦E邦融”。“立邦E邦融”主要包含两方面服务：融资服务和平台服务。融资服务，包含注册、登录、预授信、授信、用信、还款等模块。主要是方便立邦客户应用该平台进行贷款申请、提款、还款等操作。平台服务，包含业务看板、用户管理、企业管理、个人中心等模块。主要是方便立邦根据平台信息了解客户情况，对客户进行管理。之所以选择与京东供应链金融科技合作，是因为立邦中国看重京东供应链金融科技团队在两方面的优势：其一，团队的专业性。该团队既懂科技，又懂供应链金融，在沟通需求和业务实施过程中沟通可以迅速达成一致。其二，京东供应链金融科技平台底层构建拓展性好，有利于未来的升级迭代、不断进化。立邦E邦融拥有数智化平台、整合式的优质资金资源和客户专属服务体系。平台建成后，客户端和立邦中国自身都感受到了其带来的改变。从客户视角出发，在使用该平台时，客户登录、授信、用信、还款业务办理、客户服务等环节获得了优质的体验。在客户登录环节，客户可以选择PC、手机等设备在客户端登录，并在线上方便快捷地进行操作。在业务办理环节，一方面，平台上可以链接多资金方的接入，丰富的金融产品满足了下游不同客户不同场景的资金需求，客户在申请贷款时可以有更多的资金选择；另一方面，该平台上的风控初筛及资金路由的智能匹配，可以帮助立邦客户更便捷找到相匹配的金融产品，提升下游客户的融资可获得性以及获取资金的时效性，提升资金周转率，进而进一步提升企业资金流动性和稳健性。在客户服务方面，客户如果有任何问题或需求，都可以通过平台快速反馈给立邦运营团队，获得高效、及时的服务体验，甚至为客户提供专属定制化方案。从立邦中国自身来看，平台在行业影响力、提升客户融资可获得性、提升管理能力等方面都带来了显著改变。通过构建开放、多元、共生、灵活、共荣的资金赋能生态圈，通过生态数智化供应链金融，提升企业资金流动性和稳健性。帮助立邦提升了其客户融资可获得性，平台上线年，已助力立邦客户获得了数亿规模的资金，有效帮助帮助立邦中国的客户缓解了资金压力，与此同时也助力立邦的主业增长。提升了立邦对产业链生态圈的管理能力，更好地发挥龙头企业的引领作用。平台还可实现供应链金融产品的信息发布及更新、各银行差异化准入规则预置、立邦与银行数据自动交互、客户授信申请发起、银行授信、用款还款等反馈信息的展示、立邦对客户进行统一风险管理。最终，立邦E邦融能够让客户一站式、全线上获得纯信用、低成本、高效便捷的融资服务，同时降低融资成本，增加立邦客户粘性。实施效果该平台的建设，为立邦中国进一步完善生态数智化布局提供了强大助利的同时，还获得了客户的赞誉。首先，该平台的建设提升了立邦中国供应链金融数字化程度，降本增效。其次，以创新的数字化方式赋能立邦经销商群体，使其获得高效、便捷、经济的供应链金融服务。再次，客户反馈，通过该平台，B端服务获得了像C端一样的客户体验。这有利于立邦中国与客户高效互动，共同提升产业效益。通过以供应链金融为核心的服务运营体系，立邦将构建开放、多元、共生、灵活、共融的资金赋能生态圈，打造核心企业、客户、金融机构三方共赢的局面，最终以供应链金融科技能力提升立邦的核心竞争力，实现规模化的高质量发展。图“立邦E邦融”平台功能框架示意图来源：京东科技，数智化平台一站式&全线上获得资金资源客户专属服务体系为客户提供全程化融资服务整合式的优质资金资源降低客户融资成本平台入口PC端移动端-微信公众号/企业微信电子签章平台电子签章平台短信平台平台服务融资服务授信用信还款业务看板用户管理企业管理个人中心.能源化工行业.行业特点能源化工行业是中国经济快速发展的重要支柱之一，近年来，能源化工行业产能过剩，供大于求，市场竞争加剧。此外能源化工项目的投资规模庞大，从石油炼化到煤化工，从天然气化工到生物化工，这些项目往往需要巨额的资金投入。另外，整个周期可能需要数年甚至更长时间。这导致了融资周期长、回报周期较长的特点。由于投资规模大，项目周期长，很多传统的商业银行对此类项目持谨慎态度，难以提供足够的融资支持。具体来看，目前能源化工行业企业在获取供应链金融服务时面临以下难点：第一，抵质押物的管理难度较大。一方面，能源化工行业单笔融资金额往往较大，金融机构需要贷款申请方提供抵质押物来帮助增信。该行业的产品多为大宗商品，一般需要专门的仓库进行存放，如何确保可以用来抵质押的货物在仓库当中的真实性，不会丢失或被替换，是个难题。另一方面，该行业许多领域涉及危险化学品，如何保障其安全储存、运输，也是难题。第二，市场行情波动较大。受到宏观经济形势以及国际关系等诸多因素影响，能源化工类产品往往市场行情波动较大，这就增加了融资的难度。一方面，即使在有抵质押物的情形下，由于价格波动，抵质押物能够变现的价值不确定性增强。另一方面，没有规避价格风险的企业极易遭受损失，面临资金不足、资金链断裂等经营风险。第三，能源数据安全标准高。央国企背景的能源化工企业关乎国计民生，监管层对其数据安全、自主可控要求较高。而供应链金融服务的获取和开展，需要以其经营数据为基础进行风险管理。因此该领域的供应链金融业务，需要统筹考虑数据安全与数据利用的问题。中海信托 京东科技围绕“海油商城”部署中海信托贸易融资系统，为其物资供应及工程建设提供产融结合的切实保障。在能源化工行业第四，供应链数字化程度较低。多数能源化工企业是生产制造型企业，供应链数字化程度不高。尤其是中小微企业由于其供应链数字化程度低，业务系统、资金系统、物流系统等对接难，控货确权难，信息流、物流、资金流、商流四流数据无法归集合一，增加了供应链金融的风控难度。目前，供应链金融科技平台已在能源化工行业的供应链场景中落地，提供“系统建设 风控 运营”服务，有效解决了行业下游众多中小微企业的融资难题。.创新实践案例背景 中海信托股份有限公司是由中国海洋石油集团有限公司和中国中信有限公司共同投资设立的国有银行业非存款类金融机构。年起，中海油开始提升发展供应链金融的战略高度。此前，年月，国务院办公厅发布关于积极推进供应链创新与应用的指导意见，将供应链的创新与应用视为落实新发展理念的重要举措、供给侧结构性改革的重要抓手、引领全球化提升竞争力的重要载体，提出积极稳妥发展供应链金融。中海信托成为中海油体系内发展供应链金融的主要主体。当时，中海信托拓展供应链金融服务难度较大。中海信托在中海油体系内的供应链金融业务主要服务于中海油的上游企业，尚未延伸到下游。主要由于当时供应链金融的风控主要依靠线下尽职调查等方式完成，中海油下游中小微企业众多，线下风控成本较高、难度较大。此外中海油“海油商城”的下游经销商特别是中小微企业的采购订单金额小而分散，在商品销售旺季有较大借款需求。传统模式下，采购商在海油商城采购能源物资都需要以现款或者预付款的形式，很难获得系统化的供应链金融服务，即便在银行能申请到贷款，也需要用自己的资产进行抵押，然而现实情况是中小微企业往往缺乏抵押物。解决方案年月，中海信托与京东科技达成战略合作，在此次合作中，中海信托基于产业背景，引入了京东的科技能力、新的风控和运营方法论，探索为中海油下游企业提供供应链金融服务。合作初期，双方以服务中海油“海油商城”下游企业的采购融资系统模块的建设切入，搭建供应链金融服务平台。中海油供应链金融服务平台上线之后，中海信托推出面向海油下游客户专属的订单信用融资产品“海油e融”，融资资金专项用于向海油商城店铺支付订单货款。依托中海信托供应链金融服务平台，依托在海油商城的订单和历史交易数据，下游的采购商即可高效便捷获得及时贷款，解决短期资金周转难题。在合作中，京东科技不只承担了供应链金融科技平台的系统建设，还提供风控系统、数据支持及运营服务。在风控方面，中海油供应链金融服务平台上线之后，“海油e融”可以借助平台接入的大数据进行风控，有效地提升了风控效率，降低了风控成本。其风控有效性已经在真实场景中得到验证经过大数据风控识别出的风险较高的客户，经过人工实地调研，验证了判断的准确性。在运营方面，京东科技从业务流程、工具系统、生态连接等方面，为中海信托提供一体化的运营服务策略。得益于此，中海信托在供应链金融的运营方面可以借助京东科技的丰富经验，少走弯路，使得中海油供应链金融服务平台的客户获取、以及持续活跃运行可以健康稳步推进。此外，中海信托面向上游供应商提供金融服务的模块正在与京东科技合作建设当中。未来，数智供应链以及供应链金融的其他模块的建设也将持续推进。图 中海信托与京东科技合作方案示意图来源：京东科技，金融机构 供应链金融科技平台中海油集团下游销售业务上游采购业务经销商供应商订单融资到货融资应收融资采购融资履约保险可视化协同平台物流仓储能力建设采集平台京东云京东工业京东物流京东科技平安银行风控输出征信服务资产资金链接支付账户体系投标保险信用流转中海信托供应链金融科技平台实施效果年月，中海信托“海油e融”产品首次成功放款。据中海信托披露数据，截至年月，中海信托已为余家下游采购商客户授信超过亿元，相当于年全年中海信托供应链金融项目累计放款规模。“海油e融”的突破，让中海信托看到了服务中海油下游经销商的巨大蓝海市场。中海油下游分布着产值高达多亿元人民币的数万家石油产生品生产及销售企业。未来，中海信托通过产业与科技、金融的结合，供应链精细化运营、促活增效的空间巨大。“海油e融”的推出对中海信托来说是一次全新的突破。对下游企业用户而言，它优化了用户体验，有效解决了下游中小微企业资信弱、无抵押、手续繁、周期长等问题，高效便捷助力中海油产业链下游企业缓解资金周转压力。对中海信托而言，一来通过供应链金融科技系统的建设大大提升了作业的效率、节省了人力成本；二来新的借助人工智能技术进行风控的理念，改变了此前完全依靠人力在线下进行尽职调查的风控方式，提升风控能力。在中海油供应链金融服务平台的助力下，中海信托计划进一步拓展面向中海油下游企业的供应链金融服务，与京东供应链金融科技携手探索诸如：大幅拓展供应链金融服务范围。未来比如采购商的贷款申请门槛可以进一步降低，由目前的“须有一年以上交易历史”降低为“三个月以上交易历史”；在更多维数据的帮助下，可以对客户进行精细化的分类经营；在对产业深入理解的基础上，借助大数据开发出更多贴合产业需求的更细分的供应链金融产品等。同时，未来通过发展供应链金融，中海信托也可以助力中海油提升整体竞争力。供应链金融可以为中海油供应链上下游企业深度赋能，增强中海油与上下企业的粘性，从而稳定供应链、扩大销售量，推动中海油供应链发展不断良性循环，从而为打造中国特色国际一流能源公司奠定坚实根基。.大宗商品供应链行业.行业特点大宗商品供应链是制造业的基石。大宗商品供应链企业主要服务于上游及中游制造业厂商的采购、库存及分销等各个环节，保障了制造业生产过程的连续性。近年来，大宗商品供应链经历巨大变革，商业模式由依靠集采集销获得贸易价差的传统形式，逐步向提供信息、物流、金融、加工等综合服务进化。在此过程中，供应链服务的专业化程度面临更高的要求，不仅需要持续提升贸易层面的专业力，还需要实现商流、物流、信息流和资金流的多层次、多维度整合。商业模式的改变，对大宗商品供应链的协同管理提出更高要求，使得大宗商品供应链亟需向数字化、科技化方向深入发展；解决这些挑战，将提升大宗商品供应链的经营稳定性，也将进一步提升与其密不可分的产业链稳定性。以浆纸行业的上下游企业面临的痛点为例：第一，长尾客户的服务成本高。供应链企业在下游对接大量中小制造厂商，他们是下游市场的重要组成部分。但这些长尾客户采购资金有限，单次订单量小，订单频次高，导致操作成本也高。对于供应链企业而言，要服务好长尾客户，所需的工作量大，成本高。第二，客户群体小而分散，供应链管理企业需要完善的信用管理团队进行信用准入审核与后续持续的跟踪管理，需要付出较高的人工成本。国贸股份 京东科技建立供应链管理协同及供应链金融科技平台，优化供应链流转效率，满足全链条金融需求。在供应链行业第三，大宗商品贸易交易主体繁多，金融信息数量大且较难完整获得。大宗商品贸易涉及到上游原材料供应商、供应链企业、仓储物流企业和下游制造商、银行等多个主体，各类主体的金融信息因不同的性质较难完整提供给供应链企业，导致其运营决策时在金融信息的获取或加工方面存在不及时、不完整的天然缺陷。目前，供应链一体化业务协同的综合服务平台和依托数智化平台所打造的供应链金融科技平台已开始在大宗商品供应链行业落地，有效解决了部分产业企业面临的以上痛点。.创新实践案例背景厦门国贸集团股份有限公司（以下简称“国贸股份”）聚焦供应链管理主业，以“采购服务、分销服务、价格管理、物流服务、金融服务、市场研发、数智运营、产业升级”等八种服务为基础，为产业链上下游客户提供ITG Solutions产业综合服务解决方案，覆盖“冶金、浆纸、农产、纺织、能化、有色、橡胶”等条成型的产业链，服务上下游万余家合作伙伴。为更好的解决前述的供应链产业痛点问题，更好服务产业链上下游客户，推动数字化升级，国贸股份携手京东科技，为供应链产业伙伴提供了更优解决方案。解决方案年月，国贸股份与京东科技达成合作，共同开展供应链业务协同平台建设。双方充分发挥各自资源禀赋，携手打造了供应链一体化业务协同平台国贸云链，有效促进供应链多方高效协作，优化传统业务管理模式和流转效率。在国贸云链的基础上，双方还合作打造了供应链金融科技平台国贸云链金贸通，在国贸云链平台上叠加供应链金融科技服务和风控技术，解决产业链供应链上合作伙伴的资金需求，形成更加有效的供应链协同生态。具体的解决方案包含以下三方面：建设供应链业务中台，提升业务协同水平。国贸云链的供应链中台涵盖了会员、商品、订单、合同、仓储、支付、物流、运营等中心，整合了商流、物流、资金流和信息流，增强内外部业务协同能力和供应链流转效率，灵活支撑业务开展。比如，在销售环节，实现客户在线自助下单，并提供各个节点可视化与全流程的自助服务，“链”上每一笔订单都可全程追踪；在技术层面，国贸云链打通了数据孤岛，有效解决了以往供应链业务流程繁杂、信息不对称的问题；在业务层面，提升了对供应链上下游客户的服务效率，降低了长尾客户服务成本。提升数据资产价值，实现客户信用统一的智能化管理。国贸云链为国贸股份各业务板块的数字化业务，运用数据中台技术拉通业务流程，整合多路资源，利用数据资产打造企业对数据的洞察能力，支持数据的业务价值不断提升。通过数字化业务中台，国贸股份实现了客户信用管理和授信标准的统一。引入多家金融机构作为资方，提升资金效益。在供应链全链路数字化的基础上，金融机构可掌握全链路交易信息，在风险可控的情况下为供应链上的中小企业提供授信。京东科技依托“国贸云链”的数智化底盘以及国贸股份丰富的业务场景，携手国贸股份搭建了“国贸云链金贸通”供应链金融科技图 国贸股份与京东科技合作方案示意图来源：京东科技，供应链金融科技平台金贸通智慧供应链平台国贸云链国贸云链：通过国贸云链整合商流、物流、资金流和信息流，增强内外部业务协同能力和供应链流转效率，整合外部产业资源（仓储物流、加工、金融机构等），打造高效的生态型。金贸通：依托业务场景提供应收融资、采购融资、未来货权等供应链金融产品，服务国贸各业务板块产业链客户。供应链供应链金融服务应收融资采购融资未来货权采购流转代付采购品牌商应收终端信用买方预付订单各业务单位供应商应收订单原料商供应商厦门国贸运输仓储经销商下游物流上游终端客户动态折扣融资租赁信用流转付款代理 应收融资司机钱包存货融资预付融资信用融资平台：一方面统一了客户信用管理和授信标准；另一方面，依托供应链全链路的数字化，可以根据上下游客户与国贸股份的历史交易信息，实现智能评级和风控，不仅加快周转，也降级了融资过程中的人工成本。未来，“金贸通”平台将拓展上线更多的金融产品，如现货质押类和电子仓单类。实施效果“国贸云链”整合了此前分散、重复的数据，打破了数据孤岛，消除业务协同的“割裂感”。通过“国贸云链”的建设，国贸股份的供应链管理效率大幅提升，成本大幅降低，其自身业务也获得显著增长。在成交数据方面，截至年月底，“国贸云链”已服务国贸纸业、国贸物产、国贸农产、启润农产、国贸化工、国贸能源等多个业务单位，实现累计订单超万笔，成交金额超亿。“金贸通”自年月上线以来不断丰富产品与服务，截至年月底已服务国贸股份旗下国贸纸业、厦门国贸金属、国贸农林、国贸纺原等多家业务单位，已累计帮助约家企业客户获得亿元的金融授信。在金融产品创新方面，年月，京东供应链金融科技的采购融资产品在金贸通平台正式上线，并在厦门福海纸业、厦门佳琳达纸业等国贸纸业下游客户中实现了首批落地。这些客户基于在“国贸云链浆纸e站”的历史交易数据，从注册到授信申请，到采购，再到还款的全链路在“金贸通”平台一站式完成，既有效提升供应链流转效率和资金流转的安全性，也促进了国贸股份的业务增长。未来，京东科技将与国贸股份深度合作，让供应链金融服务惠及冶金、浆纸、纺织、农产、能化、有色、橡胶等产业链上下游客户，进一步增强产业链上下游企业的黏性，赋能产业，助力实体经济高质量发展。.行业探索经验总结与分析纵观以上的行业分析与案例，在数字化时代围绕供应链金融的探索都是通过充分发挥数字技术的作用推动供应链金融的发展，解决资金方、企业方直接的信息不对称问题，从而破解供应链上下游的企业获取金融服务的难题。在这些实践案例中，各方担任的角色各有差异，虽探索的切入方式、角度、应用场景各不相同，但这些领先探索的底层要素都是围绕场景、风控、生态，即借助新兴技术，拉通数据要素，将数据作为逻辑闭环的根本。从供应链中来，纵深到产业中去，方能再造供应链之基。京东供应链金融科技在与实体产业深度融合的过程中，走出了一条“数智供应链 供应链金融”的“双链联动”独特道路，将数字化触角深入更多更广泛的产业，使得供应链金融的服务纵深进一步得到拓展，增强了产业链中小微企业的融资可获得性，也提升了供应链产业链的韧性与安全性。.“双链联动”新范式“十年磨一剑”，在供应链金融科技领域，京东科技拥有十年的丰富实践经验。起步于年的京东供应链金融科技从“服务京东内部生态发展”的.阶段、“服务京东外场生态发展”的.阶段，逐步迈入“产业平台化输出”的.阶段，面向核心企业、地方政府平台和金融机构进行输出。第五章领先实践京东供应链金融科技的产业实践.阶段：构建了京东生态内供应链上下游金融服务体系，服务于集团主业。年，京东面向京东自营供应商推出了第一款基于互联网的供应链保理融资产品京保贝。后续，陆续推出了服务于上下游的采购融资、动产融资、仓单融资、信用融资、融资租赁、企业支付、票据平台等多种供应链金融科技产品和服务。.阶段：从生态内部开始往外走，把在京东体系内打磨出来全线产品逐步实现了向外部产业开放，帮助更多的像京东这样的链主企业服务其链属中小微企业。.阶段：解耦供应链金融业务能力、大数据风控能力、资产代运营能力和科技能力，提供一体化供应链金融科技解决方案，服务更多客户和合作伙伴，实现“从京东供应链走向产业供应链”。通过“双链联动”模式，京东供应链金融科技平台旨在打造成为资产、资金高效对接的生态服务平台。首先，通过数智供应链平台的搭建，实现数据的平台化归集。京东科技深入核心企业的产业链中，基于对产业链和供应链know-how的掌握，利用数字化技术打通研、采、产、销、服等各节点，实现整个供应链的商流、图 京东供应链金融科技发展历程来源：京东科技，服务集团主业-京保贝-京东金采向外走，向产业看输出供应链金融科技综合能力.未来，随着京东供应链金融科技平台引入的参与方越来越多，资金方类型越来越多元化，资产越来越标准化，可为供应链上各个环节的企业提供更高的融资效率和更低的融资成本。.京东供应链金融科技业务系统与服务体系京东供应链金融科技“双链联动”的新范式不仅包括由“双十模型”构建的产品体系，还包括其所提供的数智化风控和贯穿业务全生命周期的运营服务。.京东供应链金融科技平台业务系统与生态模式）京东供应链金融科技平台“双十模型”京东供应链金融科技平台涵盖十大供应链金融业务系统与十大数智供应链服务体系，是一个模块化、可拆解、开放的平台，能够结合中小企业的需求进行定制。系统的部署既可以采用SaaS模式，也可以采用SaaS 本地化结合的模式。十大供应链金融业务系统构成了平台的核心功能，包括保理融资系统、信用流转系统、采购融资系统、动产融资系统、仓单融资系统、票据融资系统、信用融资系统、融资租赁系统、征信科技支持系统、支付结算支持系统。物流、资金流和信息流四流数据的闭环并实现平台化归集。第二，基于四流数据，提升风控能力。在四流数据汇集的基础上，京东科技可以对融资企业精准画像，数智化风控能力对金融机构“一刀切”的风控形成有力补充。第三，实现资金与资产高效匹配。在对融资企业精准画像的基础上，平台可对资产进行分层，匹配不同金融机构的风险偏好和价格，从而实现资金和资产的高效对接。最终，促使中小微企业贷款审批通过率提高、融资成本降低。十大供应链金融业务系统平台的底层是十大数智供应链服务体系。它集成了京东在零售、物流、工业、健康、金融、城市、产发等多个产业链服务场景中锤炼出的数智化系统能力，这些数智化系统能力是平台核心功能得以实现的必要支撑。其中包括，服务于企业上游数智采购的供应商管理、集采商城、电子招投标系统；服务于数智物流仓储的仓网优化、智能物流、数字化仓储；服务于下游经销商和终端用户的全渠道履约体系和智能运营体系，以及服务于数智研发生产的CM反向定制、工业互联平台。京东供应链金融科技平台是一个综合科技平台。该平台基于京东云的全栈式融合技术，以京东云混合数字基础设施为底座，以AI、IoT、区块链技术为通用模块，可为客户搭建集供应链金融、消费金融、支付管理、风险管理、资产管理等能力的综合科技平台。比如使用人工智能算法 知识图谱关联分析技术的供应链金融大数据风控平台，为核心企业准确评估供应商的信用水平和潜在风险情况提供有效的业务抓手和决策辅助。图 京东供应链金融科技平台“双十模型”全景图来源：京东科技，京东供应链金融科技平台全景双十模型JDT供应链金融科技平台供应链数智底座金融服务大数智供应链服务体系大供应链金融业务系统核心企业分销经销/零售终端信用核心企业应收采购采购到期收款流转代付 开单流转代付买方预付银行 信托 小贷 商业保理 融资担保 保险/核心企业的财务公司或下属金融公司资产管理：优质资产（ABS ABN）不良资产（资产处置）支付结算（本地 SaaS）采购融资（本地 SaaS）仓单融资（本地 SaaS）动产融资（本地 SaaS）信用流转（本地 SaaS）保理融资（本地 SaaS）供应商管理应收信用流转存货物流 仓储基础设施建设预付款下游上游采集商城电子招投标系统全渠道履约体系智能运营体系CM反向定制工业互联平台仓网优化智能物流数字化仓储信用融资（SaaS)融资租赁（SaaS)票据融资（SaaS)数智化风控前置驾驶舱（本地化部署）人工智能区块链/大数据云计算物联网前言技术探索一体化运营征信科技（本地 SaaS）供应商供应商）京东供应链金融科技平台Lite版在打造十大数智供应链服务体系和十大供应链金融业务系统的基础上，京东科技推出了京东供应链金融科技平台Lite版（以下简称“Lite版”）。该版本的推出主要针对供应链金融科技平台建设初期决策周期长、成本高的问题，它是可以帮助核心企业以更快、更低成本的方式接入供应链金融服务平台的轻量化版本。具体来看，Lite版具有四个核心价值：轻量部署、快速上马。Lite版的部署支持本地化 SaaS化相结合的模式，系统架构“更轻盈”，部署速度快，核心企业接入无需高成本。核心企业接入Lite版的时长平均在三周左右，效率提升%。多金融产品接入。Lite版将供应链预付、应收、存货等多个不同业务场景，以及供应链流转过程不同环节的融资产品和融资服务纳入同一入口和界面，实现一个平台部署多个产品，便于核心企业整合运营。授信覆盖广、服务效能高。Lite版可接入京东科技智能风控体系和运营体系。一方面，帮助提升核心企业对于上下游客户的风控能力，扩大产业链上下游客户的授信覆盖范围，提高授信通过率。一方面，核心企业可通过线上化、数智化的运营管理工具，优化在服务链属客户过程中的重复繁杂的运营工作，提高整体运营效率和服务效能。多元资方对接、精准资金路由。Lite版将原有的非标资产通过资产引入、模型适配、资产筛选、分类定级，以实现风险管理把控。在此基础上，平台再依据资金方的风险和价格偏好进行资金匹配，实现精准资金路由。目前Lite版已在大消费、大制造、能源化工等领域落地服务天章实业集团、道恩集团等核心企业。.数智化风控体系京东科技通过京东生态体系内外供应链金融业务的实践，构建了由场景、数据、系统、模型共同驱动的京东供应链金融数智化风控体系。图 京东供应链金融科技平台Lite版优势来源：京东科技，一个平台多个产品授信覆盖广服务效能高多元资方对接精准资金路由轻量部署快速上马）“五全”风控能力京东科技建立了贯穿产业链上下游的“五全”风控能力，即：全场景、全客户、全业务、全流程、全模式。全场景：满足经销商采购、供应商回款、存货盘活、设备采购等多个贸易场景的需求。全客户：覆盖产业链核心企业及链属企业的全部中小微客户。全业务：为企业提供保理融资、采购融资、信用流转、融资租赁、动产融资、票据融资等多种类型金融服务。全流程：覆盖从贷前审批、贷中防控、贷后监控、资产处置的信贷全流程。全模式：支持京东自主出资、平台合作、一体化联合运营等多种合作模式。图 京东供应链金融科技平台数智化风控体系示意图来源：京东科技，信用体系数据枢纽蓝鲸/朴道 征信牌照企业评级、行业评级数据集市智能决策反欺诈地方政府核心企业金融机构各类场景数据打通四流合一基础画像综合评定外部信息内部特色物联网数字化数字仓库、数字监管、影像监控、环控信息、设备保息银企直连、企业网银、企业支付、数字人民币企业：工商、司法、税票、财报、征信、水电煤、购情等企业主：投融资、个人征信、关联企业数据企业：零售、物流、健康、工业品企业主：消费、信贷、理财ERP（进销存）、集采/招采平台、财务结算系统、BB商城WMS系统、OMS系统、TMS系统多维识别核心企业 商流、信息流物流公司 物流、信息流金融机构 资金流、信息流）核心竞争力综合来看，京东科技数智化风控体系的核心竞争力主要在以下四个方面：第一，多年实践所积累的数据资源。一方面，基于京东自营电商业务，京东体系内沉淀了大量的关于价格、销量、物流、评价等数据，这些数据对于商品估值、风险控制意义重大。另一方面，在多年实践中，京东科技接入了丰富的工商、司法、税票等外部数据，与京东自身数据、核心企业数据相结合，提升风控能力。第二，应用新技术提升风控能力。从京东白条的探索开始，京东科技的智能风控能力一直在业界处于领先地位。多年来，京东科技不断探索将人工智能、大数据、区块链、云计算、物联网等前沿科技应用在智能风控中解决难题，形成了深厚的技术积累。第三，经历真实业务场景检验的供应链金融风控逻辑。经过前期京东自身及周边生态的供应链金融实践，京东科技沉淀了可靠的供应链金融风控逻辑。这为京东供应链金融科技向其他产业输出打下了坚实的基础。第四，京东供应链金融科技平台的风控，下沉到了产业。在向其他产业进行供应链金融科技的输出时，京东科技会深入产业进行调研，了解行业发展实际情况，从而制定风控策略。这是风控思维的全新转变，它突破了金融机构单纯从规避风险出发的较为保守的风控理念，基于产业实践分情况、分步骤地适度降低融资门槛，从而可以从根本上提升金融服务实体经济、服务中小微企业的能力。目前，京东供应链金融科技.数智化风控体系已经助力产业链中小微企业获得融资服务超百亿次，单笔业务秒级审批，自动化率达到%以上。）大语言模型技术在供应链金融风控场景的探索在大模型的帮助下，供应链金融业务可以由传统的“数据强链接”向“数据弱连接”、“泛供应链金融”方向转变，可以将更多的中小微企业纳入供应链金融业务范围。目前，京东科技在行业风险监测与预警、动产融资模式下押品准入和估值、应收融资模式下供应商信用评估、小微金融模式下中小企业信用评估等领域进行了大语言模型应用的探索实践，并且取得了成效。例如，在行业风险监测与预警场景下，京东科技可通过大语言模型技术，对于海量公开数据进行分析。例如，在行业维度、行业关联维度、企业维度、企业关联维度进行理解和分析，并生成行业舆情、行业景气度、行业政策风险、行业产业关联度等指数，并输出产业链图谱、行业研究报告、行业风险政策等内容。这些内容可为不同行业开展供应链金融业务、动态化调整风控行业政策提供依据。此前，这些数据的分析主要靠人力完成。大模型的应用，可以提升数据分析的效率，从而大为提升可以支持风控的数据量，从而提升风控效果。再例如，在押品准入 估值场景下，京东供应链金融科技借助于多模态大模型对于信息的超强提取和整合能力，对海量的商品标题、商品详情、商品图片、商品评论、订单信息等非结构化和结构化文本数据、图片数据进行处理，形成押品估值模型和押品监控模型，实现质押价自动评估和健康度实时监测。截至目前，京东供应链金融科技所积累押品库数据超过亿条，准入的SPU超过W，为生态内外客户融资超过亿，盘活了超过亿的商家库存。.贯穿全生命周期的运营体系不同于一般互联网产品的运营，供应链金融科技平台的运营有三个显著特点：运营复杂度更高。不止需要了解互联网产品的运营，还需要了解金融和产业的影响。一方面，要结合风险、合规等方面的要求，综合形成供应链金融业务的运营规划和策略设计；另外一方面，还需统筹考虑业务各参与方需求，将标准化和特殊性相结合，兼顾平台运营效率和运营效果；同时在面对行业、客户等内外要素变动时，还需要做好预判和及时调整。需要形成全局的体系化能力。区别于各功能模块的独立运营，供应链金融运营需要在产品、用户、渠道、数据运营等层面具备全局统筹的视角，不能“头痛医头、脚痛医脚”，要系统性地解决问题提升整体运营服务体验。需要深入具体产业场景“一链一策”。泛场景的通用方案往往无法奏效，深入场景才能发挥效用。从产业链维度、核心企业维度、再到最终的融资客户维度，供应链金融科技的运营需要结合多场景、多角色的互动与链接情况，做出运营端的设计和反馈。京东供应链金融科技平台整合了京东科技多业务场景积累的线上线下的运营经验，从业务流程、工具系统、生态连接等方面，为客户提供一体化的运营服务。通过对渠道运营、用户运营、产品运营、数据运营等不同功能模块的有效整合，覆盖用户全生命周期各阶段和各节点的运营需求，使得供应链金融科技平台的价值向核心企业客户及用户维度实现“链式传导”，也强化核心企业对上下游企业的黏性，进而提升核心企业主业。在运营服务介入的链路方面，京东科技为核心企业或合作伙伴提供全程的陪伴式运营服务；在运营服务的专业深度方面，提供针对产业特性的个性化、全生命周期运营服务。）陪伴式运营服务，帮助客户建立运营大脑京东科技通过与客户联合运营，将有效实用的运营经验传授给客户，助力客户形成自己的运营大脑。京东供应链金融科技平台的运营服务分为四个阶段：深度调研、运营规划、运营实施及迭代升级，确保平台运营的顺利启动和有效运转。深度调研阶段：通过对供应链金融业务所涉及的业务场景和各方需求的深入了解和洞察，理清业务运转的关系网和要素池，为后续整体业务计划、组织、实施和控制提供有效的输入和决策依据；运营规划阶段：确定整体运营目标，从而确保业务链条各角色认知和后续动作的统一性，以各方的有效协同推动业务从启动进入良性循环；运营实施阶段：围绕规划阶段的目标，通过对渠道、用户、产品、资金等各要素有效影响和推动，实现多方式触达、多需求匹配、多服务满足和多数据反哺，在业务动态中完成起步期向成长期再到成熟期的顺利过渡。迭代升级阶段：通过对目标、流程、策略、效果及问题的定期分析，为业务后续调优提供反哺。图 京东供应链金融科技平台运营服务步骤示意图来源：京东科技，深度调研运营规划运营实施迭代升级）全生命周期管理和个性化运营，专业系统解决运营问题不同于单纯的标准化运营动作，供应链金融科技平台金融产品的运营，需要依据各产业属性的不同，制定个性化的运营体系和策略，以确保与行业、客户需求的最大化适配。）数字化运营能力，助力运营提质增效在业务实践中，通过将前期行业、企业、用户三个维度的内外部数据作为初始分析输入，中期业务运行中的动态数据，以及后期的业务结果数据相结合，对业务链条建立完整的、动态的认知，辅助运营精准决策；同时，通过对多维度、多层面的数据融合分析，逐步加强对平台资产的有效识别，进而推动实现资产和资金的精准适配，最终提升产业链融资可获得性，降低融资成本，助力产业链提质降本增效。京东科技图 京东供应链金融科技运营管理流程来源：京东科技，流量导入流量管理资产管理精细运营核心企业流量聚集金融资产沉淀用户资产沉淀产品内容服务流量管理贷前贷中贷后HPC小程序电销短信微信营销运营产品线上目标拉齐/节奏拉齐/认知拉齐流量&机制交互流量管理/标准/策略业务资产管理品牌/营销用户运营产品运营渠道运营数据运营运营能力建设/运营竞争力提升用户资产用户画像用户分层渠道运营资产稳定性用户关系用户运营产品运营金融资产流量围栏线下有效流量导入拉新扩增有效流量转化提升概率有效流量夯实业务底盘有效输入经验反哺优化前置有效输入经验反哺优化前置有效输入经验反哺优化前置图 京东供应链金融科技平台金融产品运营服务示意图来源：京东科技，京东供金平台金融产品的运营产品运营深入场景 定制化客户运营获客 转化数据运营丰富标签库 数据分析由数字化就技术升级及应用所推动的供应链金融的发展正在进入新的阶段。随着全球供应链的日益复杂化、金融科技的发展及产业数字化升级，供应链金融这一通过金融手段为供应链中的各个环节提供融资、结算、风险管理等服务的金融模式将在数字技术的影响下迎来重大的变革，朝着更加数字化和智能化的方向发展。.未来展望.科技成为第一引擎供应链金融将与金融科技发展深度融合。金融科技企业将成为供应链金融的重要参与者，通过技术手段提供更便捷、高效的供应链金融服务，如供应链金融平台、供应链风险评估工具等。第六章洞见未来关注前沿趋势 采取最佳行动技术的进步和发展将催生更家多元化的供应链金融产品。云计算、大数据、物联网、区块链以及隐私计算等数字化技术的应用可以助力供应链金融实现更快速的交易处理、更准确的风险评估和更智能的决策支持。此外也有望为企业提供更多的融资渠道和更灵活的融资方式，除了传统的应收账款融资、存货融资等产品外，还会出现更多针对供应链中各个环节的定制化金融产品，如供应商贷款、物流融资等。技术将为供应链金融的风险管理提供更加有力的保障。通过利用大数据、人工智能、区块链等技术，可以对供应链中的各个环节进行实时监控和风险评估，及时发现和应对潜在风险，提高供应链金融各参与方金融活动的稳定性和安全性。大模型有望为供应链金融场景提速增效。在供应链金融相关场景中，大模型可以帮助提升对结构化和非结构化数据的处理能力，有望在多个领域提升效率。风险评估和信用评级：大模型可以分析供应链中的各种数据来源，包括供应商和买家的历史数据、财务报表、交易记录等，以评估其风险水平和信用评级。帮助资方准确地评估供应链参与者的信用风险，并做出相应决策。欺诈检测：通过分析供应链中的大量数据，大语言模型可以识别潜在的欺诈行为。例如识别虚假交易、重复融资、假冒身份等欺诈行为，并提供实时的警报和风险提示，降低金融欺诈风险。资金流优化：借助大模型可以分析供应链中的资金流动情况，包括供应商和买家之间的付款周期、资金需求等。基于这些分析，金融机构可以提供更准确的资金流优化建议，帮助供应链参与者更好地管理资金，并提高资金使用效率。预测和规划：大模型可以分析供应链中的历史数据，并基于这些数据进行预测和规划。例如，它可以预测需求量、交付时间、库存水平等，做出更准确的生产计划和库存管理决策，从而为供应链金融参与者提供更加准备的资产信息。未来随着技术的不断发展和大模型的进一步成熟，供应链金融场景中还会有望出现更多创新的应用。.生态化模式创新将是供应链金融科技突围关键生态化，指的是供应链金融科技平台能够汇集跨企业、跨行业的多元主体，并且这些主体之间能够形成有机合作。生态化将成为未来供应链金融破解现实困境的关键，即通过整合各种资源和利益相关方，构建一个相互依存、互利共赢的生态系统，在当前环境下以更低成本破解前期实践中遇到的科技、风控、运营能力不足、融资成本高等问题。生态化将带来供应链金融在三个方面的关键变革：更有效的市场，更高性价比的金融服务。生态化将使得供应链金融多方（金融机构、产业企业以及其他参与方）汇集。这将带来三方面的改变：第一，资金方和资产方都有更多的选择空间，从而匹配的成功率提升；第二，科技、物流、风控、运营等专业服务的提供，能够疏通卡点，进一步提升资金方与资产方匹配成功率；第三，竞争带来融资成本下降，提升供应链整体效益。更有力的风控。生态化的模式将融资企业置于生态网络当中，而非单一核心企业的供应链当中，这使得在风控中可获得的数据变得更加多维丰富。这些数据可以相互关联、校验，从而大幅提升风控能力。更协同的发展。生态化将使得生态内企业与机构更好地协同发展，从而提升供应链效益。未来的竞争不仅仅是单个企业之间的竞争，还是整体供应链之间的竞争，已经成为共识。总之，生态化模式创新可以借助平台化、数据驱动、跨界合作、协同发展的方式来构建一个更加协同、创新和可持续发展的供应链金融生态系统。这种创新模式将为各参与方带来更大的价值和发展机会。.供应链金融将深度嵌入更多、更深层次的场景 未来，在供应链金融场景中，服务将在广度和深度两个维度上不断演进。广度：金融服务将进入更多的产业、覆盖供应链更多的层级和场景。科技进步将提升金融机构在供应链金融服务中的风控能力，一方面更多行业可以获得供应链金融服务，另一方面供应链金融可以逐步延伸至供应链上下游多级供应商和经销商，触达更多的需求场景。深度：未来供应链各环节场景中将有更丰富、更多元的金融服务。随着技术的进一步成熟，供应链金融服务深度嵌入到各个场景中，有望提高供应链的流动性和效率，降低融资成本，促进供应链的稳定和可持续发展。同时，也为金融机构提供了更多的商机和创新空间。.行动建议由数字化、生态化引领的供应链金融发展是大势所趋。面向趋势，供应链金融各重要参与方应当采取积极行动，以在未来获得更强的竞争优势，帮助生态各方提升价值。.核心企业将供应链金融提升至战略高度。供应链金融将为企业带来全新的发展空间。实体产业经过多年发展，不少已经完成了主要产品和市场的占领，未来发展面临瓶颈。供应链金融通过对资金流的优化，将贸易中的买卖双方、第三方物流以及金融机构紧密联系在一起，用较低资金成本实现较高经营绩效，推动供应链整体运作效率提升。这样的提升，可以帮助企业实现精细化运营，加快产品创新和优化，提升发展的安全性、质量和效益。基于其在供应链管理中的核心地位，核心企业应当提升发展供应链金融的战略高度，通过供应链金融的发展，进一步提升产业竞争力。拥抱新兴科技。科技，应当成为核心企业供应链金融战略中的首要考虑因素。核心企业可以自主研发或者与科技服务商合作，借助科技力量实现数字化转型，推动“产业-科技-金融”良性循环。在供应链金融领域，那些未能利用科技推动业务数字化转型的企业，将落后于投资技术的同行。建立生态化的思维。建立数字化生态在构建自身平台和融入外部平台方面，改变非此即彼的思维。一方面，走出自身体系，加入供应链金融科技平台构建的生态，分享平台带来的低成本、多元跨链连接、经验策略迭代、多元主体协同等生态红利；另一方面，推动供应链上中小企业、尾部企业的数字化建设，让他们更好地接入平台，从而真正提高供应链金融的普惠程度，也提升自身的竞争力。以数据驱动运营。未来，供应链金融的运营将是以数据驱动的更为精细化的运营。数据能够帮助清晰了解运营效果、提升资源配置效率，从而最终提升商业价值、持续创新、缓释风险。轻量破局。供应链金融、以及供应链金融科技的发展是一个系统工程。在实践中，一次性投入建设完整系统的解决方案是最佳选择。但是，建设系统性的解决方案需要耗费较长的时间和不低的资金投入，IDC建议核心企业可以从局部需求较强业务入手试点。在试点取得成功的基础上，再逐步进行完整的体系建设，从而破解系统性变革难题。.金融机构重塑应链金融风控体系。以往，金融机构主要依赖核心企业的主体信用。未来，在科技力量加持、金融机构内外部数据有希望打通的情况下，金融机构应当考虑重塑供应链金融风控体系，以拓展供应链金融业务，否则将无法开拓新市场。利用技术加大产品创新。在应用科技的基础上，充分发挥金融优势，推出多层次（服务于不同类型的客户）、多维度的（服务产品与服务种类）供应链金融产品。优先数字化程度较高场景。未来，金融业将由“坐商”转变为“行商”，金融服务将深度渗透各行各业真实场景。金融机构应当从数字化程度较高的场景入手，嵌入供应链金融服务。主动走出自身体系，接触外部商业场景。优选合作伙伴，循序渐进。未来，金融机构拓展供应链金融服务，涉及到与外部合作。在此过程中，应当优先选择稳定发展的行业、信用优质、客群优质的合作伙伴，逐步积累经验，循序渐进扩大服务客群。.科技公司找准定位。科技公司应当基于自身禀赋，选择适合自身的发展方向。或者搭建供应链金融科技平台，或者成为某些服务的专业提供商，与其他科技公司、金融机构或者企业进行有机合作。与产业、金融深度融合，在场景中打磨技术。在供应链金融领域，技术落地真实金融场景还处于初期。要使技术更好地服务于供应链金融场景，还需要在场景中打磨技术。在技术的应用层面，还有巨大的创新空间。针对产业痛点，系统性解决供应链金融服务落地困境。从技术创新，到供应链金融服务真正落地产业，还有较长的距离。其中要解决的问题包括资金的对接、风控能力的支持、产品设计的支持、运营能力的支持等。科技公司应当迈向产业纵深，针对产业痛点，拓展自身在供应链金融服务提供当中更加系统性的支持能力，以提升竞争力。.政府机构政策引领：供应链金融的拓展，将涉及到不同的产业领域、不同的管理机构，政府部门可推动供应链金融发展的体系化政策制定。分类监管：适应产业发展需要，适时对现有监管政策进行调整，疏通供应链金融发展的政策堵点。例如，涉及企业线上开户、供应链金融业务跨区经营、不同地区税收计算标准等监管细则。数据市场：通过推动公共数据的开发利用，加快数据基础制度建设，促进数据交易市场发展，在数据要素层面给予供应链金融发展有力支持。关于 IDC国际数据公司（IDC）是在信息技术、电信行业和消费科技领域，全球领先的专业的市场调查、咨询服务及会展活动提供商。IDC帮助IT专业人士、业务主管和投资机构制定以事实为基础的技术采购决策和业务发展战略。IDC 在全球拥有超过名分析师，他们针对多个国家的技术和行业发展机遇和趋势，提供全球化、区域性和本地化的专业意见。在IDC超过年的发展历史中，众多企业客户借助 IDC 的战略分析实现了其关键业务目标。IDC 是 IDG 旗下子公司，IDG 是全球领先的媒体出版，会展服务及研究咨询公司。IDC ChinaIDC中国（北京）：中国北京市东城区北三环东路号环球贸易中心E座室邮编： .Twitter:IDCidc-版权声明凡是在广告、新闻发布稿或促销材料中使用 IDC信息或提及IDC都需要预先获得IDC的书面许可。如需获取许可，请致信。翻译或本地化本文档需要IDC额外的许可。获取更多信息请访问，获取更多有关IDC GMS信息，请访问https:/ IDC。未经许可，不得复制。保留所有权利。

0人已浏览 2023-11-26 81页 5星级

 人工智能在金融行业中的创新应用人工智能在金融行业中的创新应用杨青杨青度小满 技术委员会执行主席，数据智能部总经理2023.11.19CONTENTSCONTENTS1.1.人工智能与金融行业：正当其时. 

0人已浏览 2023-11-21 37页 5星级

交银国际研究交银国际研究 行业剖析行业剖析2023 年 11 月 16 日稳中可求进，静待风来稳中可求进，静待风来消费信贷市场：梯队分化的竞争格局趋稳。消费信贷市场：梯队分化的竞争格局趋稳。2026 .

0人已浏览 2023-11-20 100页 5星级

No.202311中国信息通信研究院2023年11月中国金融科技生态白皮书中国金融科技生态白皮书(20232023 年年)版权声明版权声明本白皮书版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。本白皮书版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。前言前言随着新一代信息通信技术的快速发展，数字化驱动产业变革、推动产业转型升级加速。作为数字化技术在金融业的核心呈现形式，金融科技持续发挥着金融业供给侧结构性改革和数字化转型的重要引擎作用，推动数字化技术进一步在金融业各环节、各场景深入应用，持续充实产业“积厚成势”新阶段的内涵。从全球市场看，受全球经济和金融市场不稳定的影响，金融科技投融资规模持续下行，但非洲、南美等新兴市场表现出较大增长潜力。金融科技市场主体不断加快对前沿技术的探索，寻求新的场景突破，同时也高度重视新技术给金融市场带来的风险。金融业数字化发展以及数据要素价值释放，对于多个国家和地区建设信用体系与弥补数字鸿沟发挥着重要作用。为应对数字金融发展带来的新挑战，各国政府、国际组织、大型企业加快探索并积极推进金融科技跨境协作规则和互操作性平台建设。国内金融科技产业形成相对稳定格局，更加注重行业规范化发展，并突出强调对实体经济的支撑作用。国民经济复苏过程中，各类稳增长、扩内需政策的精准有效实施对金融科技提出新的要求，金融监管体制改革深度推进，也使金融科技发展面临新的形势。近一年来，金融科技市场主体的发展路径更加明确，金融科技投入成效成为关注重点。同时，“科技产业金融”良性循环对于金融科技提升金融资源配置提出新要求，也成为金融科技新的发展导向，进一步强化金融科技对实体经济的支持力度。金融业对数字化技术应用需求不断提升，金融科技“工具箱”进一步丰富。数字原生理念在金融业逐步深化，算力能力成为金融业数智化发展的新焦点，大模型、数据智能技术加速金融业数据要素价值释放，金融信创走向深水区，助力金融应用现代化转型。同时，安全防护体系化、服务化发展，正在成为构建数字金融安全底座的新风向。另外，量子计算、5G-Advanced 等前沿技术发展，进一步丰富了金融科技体系的内涵。金融科技深度嵌入到金融业务和经营管理流程中，加快金融服务的数字化进程。数字技术的深入应用，金融业客户服务、营销渠道加速智能化进程，支付、风控等核心环节能力也得到进一步提升。在金融科技加持下，各类金融产品持续创新，推动个人金融业务全面数智化转型，并深入影响产业金融，推动产业数字金融创新成为热点，扩大了产业金融参与群体，支持实体企业高质量发展。本白皮书是中国信息通信研究院连续第六年针对金融科技领域的跟踪研究成果，聚焦过去一年来国内外金融科技领域新的发展情况，重点分析了中国金融科技产业、技术、市场主体、应用场景创新等方面的进展，并对金融科技产业生态未来发展进行了展望。白皮书仍有很多不足之处，希望业界批评指正。目录目录一、全球金融科技总体发展态势.1（一）全球金融科技产业增速放缓，发展格局呈多样化态势.1（二）市场主体更加关注前沿技术和创新模式，并强化风险平衡意识.4（三）全球金融科技协作需求日益提升，跨境规则及平台建设加速.7（四）金融科技价值持续释放，发挥社会经济发展“粘合剂”作用.9二、中国金融科技总体发展态势.11（一）经济复苏与监管改革双期叠加，产业发展面临新形势与新要求.11（二）产业格局进入相对稳定期，规范化与高质量发展成为行业共识.14（三）发展导向强调“科产金良性循环”，助力金融业供给侧改革.18三、金融科技关键技术发展呈现新特征.21（一）算力成为金融数智化新引擎，数字原生应用巩固转型基础.21（二）大模型助推数据智能技术升级，加速数据要素价值释放.23（三）信息技术应用创新深入推进，持续助力金融服务现代化转型.26（四）金融安全防护体系化布局持续增强，服务模式向多维度发展.27（五）前沿技术与应用持续探索，进一步拓展金融科技体系内涵.29四、金融科技重点应用场景催生新导向.31（一）数字原生理念影响深刻，金融业运营服务智能水平不断提升.31（二）新技术在业务核心环节深入应用，支付与风控能力持续升级.34（三）数字化有力驱动产品创新，资本市场与保险业科技应用加速.37（四）数字基因贯穿业务生态全流程，个人金融向数智化全面转型.39（五）金融科技深度赋能产业金融服务，产业数字金融创新成热点.41五、金融科技生态发展展望.44（一）金融科技应用进入深水区，投入成效与高质量发展成为关键.44（二）金融业数字化向纵深发展，业务驱动与需求驱动更为凸显.45（三）数字原生理念加速落地，数字金融示范应用效应愈加明显.46（四）金融科技助力政策精准实施，充分释放金融业经济社会价值.47（五）统筹创新和稳定的关系，全方位审慎监管进入新阶段.48（六）金融科技“走出去”趋势明显，支撑金融业高水平对外开放.48图 目 录图 目 录图 1 全球金融科技融资总体规模（亿美元）.2图 2 全球金融科技投融资交易数.2图 3 全球金融科技公司 IPO 数量.3图 4 近三年国有六大行科技投入增速对比.16图 5 历年银行客服中心从业人数及增长率.32图 6 人民币跨境支付系统（CIPS）处理金额（万亿元）.35图 7 普惠小微贷款余额（万亿元）.44表 目 录表 目 录表 1 2023 年以来相关经济发展政策文件.12表 2 银行机构大模型布局.24中国金融科技生态白皮书（2023 年）1一、全球金融科技总体发展态势受经贸摩擦、通缩预期、地缘冲突等叠加因素影响，全球经济增速下行趋势明显，金融科技产业同样受到冲击，基本结束快速扩张阶段。同时，不同规模市场主体发展分化态势明显。数字化智能化前沿技术已成为全球金融业寻求新突破的重要驱动力，但在具体实践过程中，部分技术由于应用不当或缺少监管，一定程度上放大了金融行业风险，针对金融科技的国际协作要求日益提升。长期来看，金融科技对于弥补行业间数字鸿沟、完善社会信用体系方面具有赋能效果，未来有望继续作为社会经济发展的“粘合剂”持续发挥作用。（一）全球金融科技产业增速放缓，发展格局呈多样化态势（一）全球金融科技产业增速放缓，发展格局呈多样化态势1.受全球经济和科技行业低迷影响，金融科技融资下降和盈利不足等问题突出金融科技的发展与全球宏观经济、金融市场和科技产业进展密切相关。受全球经济预期弱势、美联储加息缩表、科技行业增长放缓等多种因素叠加的影响，全球金融科技产业下行压力持续加大，尤其在金融科技企业群体中表现更为明显。一方面，全球金融科技投资规模持续下滑，不同发展阶段的企业融资表现普遍较差。2022 年全球金融科技投融资总额为 770 亿美元，较 2021 年下降 45%，2023 年上半年金融科技投融资总额为 229 亿美元，同比下降 57%，投融资交易数为 1922 笔，同比下降 41%，半年度投融资水平已降为自 2017 年以来的最低点。各阶段金融科技企业的融资规模，也出现了不同程度的下中国金融科技生态白皮书（2023 年）2滑，2023 年上半年种子轮融资规模下降 12%，创业初期融资规模下降 14%，成长期和成熟期创业公司的融资规模分别下降 43%和 66%1。来源：CB Insights图 1 全球金融科技融资总体规模（亿美元）来源：CB Insights图 2 全球金融科技投融资交易数1数据来源：标准普尔中国金融科技生态白皮书（2023 年）3来源：CB Insights图 3 全球金融科技公司 IPO 数量另一方面，金融科技公司盈利能力不足的问题更加凸显。在大量金融科技企业估值下滑、获得融资支持减少的背景下，企业的盈利能力及现金流等问题更为突出。整体来看，金融科技领域商业模式尚不成熟，缺少长期的可持续收入。波士顿咨询对 85 家上市金融科技公司的调查发现，其中仅有 45%的公司是盈利状态。尽管金融科技公司以科技创新为立足点，常自称拥有“最新的理念和产品”，但大多数商业模式并不足以支持持续增长，尤其是对于成长期和成熟期的企业，由于缺少盈利模式正面临严峻的淘汰压力。2.不同区域发展速度分化明显，新兴市场发展潜力巨大从全球不同区域来看，金融科技发展速度出现明显分化。以北美和欧洲为代表的金融科技先发区域，投融资规模、活跃度等方面均出现显著下降趋势。对比来看，以拉美、非洲等地区为代表的新兴金融科技市场发展潜力突出，尤其是拉美地区 2023 年二季度金融科技投融资规模较一季度相比增长 150%，是同期全球唯一出现增长的区域，中国金融科技生态白皮书（2023 年）4非洲地区的金融财务类应用活跃用户规模较 2022 年同期增长 31%2。新兴金融科技市场有巨大发展潜力，主要原因在于：一是得益于持续增长的人口数量，金融科技的潜在用户规模巨大，这些区域均拥有庞大的人口基数、大量的中小企业以及对于新技术接受度高的年轻群体，共同构成金融科技的用户基础。世界银行全球金融数据库显示，拉美拥有银行账户的人口比例已超过 73%，但并不是所有人都能使用信用卡或借记卡，这个差距达到了 46%，给金融科技发展带来巨大空间。二是数字基础设施不断完善，为金融科技发展奠定技术基础。以非洲为例，近年来非洲各国不断加大 ICT 基础设施投入，网络覆盖提升明显，预计到 2025 年移动互联网用户将达到 6.7 亿，普及率达到51%3，在此基础上，移动支付、跨境电商支付等金融科技公司迅速扩张。同时由于非洲无遗留的基础设施更迭问题，能够跨越式进入新的数字基础设施生态，金融科技不必再经历与基础设施的迭代磨合，能够实现快速规模化应用。（二）市场主体更加关注前沿技术和创新模式，并强化风险平衡意识（二）市场主体更加关注前沿技术和创新模式，并强化风险平衡意识1.海外大型平台突破传统模式边界，加速拓展金融业务近一年来，部分海外大型互联网平台公司为探索更多的新模式，开始突破传统业务边界，涉足更多金融业务。一方面，大型平台公司加大与金融机构合作力度，共同推动金融业务的拓展。最为典型的代表是苹果公司。2023 年 4 月，苹果与高盛合作推出 Apple Card 高收2数据来源：DataSparkle3数据来源：ITU中国金融科技生态白皮书（2023 年）5益储蓄账户，采用美国银行的托管服务模式，为客户提供多种利率选择和存款方案，借助苹果的影响力，该储蓄账户发布第一周开卡用户超过 24 万，截至 2023 年 8 月，存款总额已超过 100 亿美元。亚马逊也加强和金融机构合作，在全球多地推出银行卡服务，作为一项成功的创新模式为数字金融带来更多机遇。另一方面，新型社交媒体、数字信息服务平台借助用户规模、技术能力等优势，加大金融业务的拓展力度。2023 年 3 月，Meta 基于即时通信应用 WhatsApp 已有的本地点对点支付系统，向巴西中小企业提供支付服务，同时覆盖了商家收款场景。截止到 2023 年 8 月，马斯克旗下社交平台 X（推特）已获得了美国 7 个州的货币转账许可证。同时，X（推特）也积极寻求与金融数据服务商的合作，计划打造一个新的金融交易平台，为用户提供金融相关内容，包括实时股票数据等信息。2.金融机构积极拥抱生成式人工智能，为拓展数智化场景打开新思路金融业对人工智能的需求日益增长，ChatGPT 的出现强化了人工智能在内容和生产力两方面的有效连接，推动了生成式人工智能（AIGC）的快速发展，给金融场景应用带来了新的智能化机遇：一是改进人机交互方式，例如基于专业金融知识库，灵活生成行研报告、客服响应等内容；二是抽取场景数据，以大规模的预训练为基础针对结构化/非结构化的场景实现高精度抽取，形成不同业务场景的知识图谱；三是整合多数据源信息，通过人工智能的能力减少重复工作提高效率，支撑日益复杂的投资决策。中国金融科技生态白皮书（2023 年）6就实践方面而言，各类金融机构都非常重视 AIGC 对业务变革性发展的潜在价值，积极探索金融业人工智能垂直应用领域的发展机遇。例如全球最大的财经资讯机构彭博社在一篇公开文章中介绍了其专门的金融大语言模型 BloombergGPT，包含 3630 亿词例的金融数据集，将应用在市场情绪分析、命名实体识别和新闻分类等场景。摩根士丹利借助 ChatGPT-4，为面向内部的聊天机器人提供支持，改变其财富管理人员查找相关信息的方式，帮助员工从海量的数据中获取所需的内容。在线支付公司 Klarna 将 ChatGPT 功能集成至自身的支付、购物等服务中，用户可以向 Klarna 询问购物建议或产品推荐，并借助搜索和比较工具获得产品链接，实现无缝便捷的一站式体验。从人才储备方面，也能看到金融业对于人工智能大模型的充分重视。例如2023 年 2 月至 4 月，摩根大通在全球招聘了超过 3000 个专注于自然语言处理、时间序列分析和强化学习等领域的 AI 岗位，并搭建大模型来赋能员工。3.“去中心化”技术推动金融业务创新的同时，也带来了数字原生的潜在风险“去中心化”技术对于金融业务尤其是个人金融服务方面意味着广阔的创新机遇与空间。去中心化架构的发展促进了 Web3.0 的兴起，在新的架构下，用户能够实现对于数据、内容、资产的自主掌握，个人能够与平台之间建立更加公平透明的关系，通过“去中心化”技术改变许多原有的商业运作模式，创造更多新的机遇。面对 Web3.0 技术发展趋势，多个国家及地区抢先布局并深入探索，如香港成立中国金融科技生态白皮书（2023 年）7Web3.0 协会，并拨款投资，加速推动香港 Web3.0 生态圈的发展；迪拜拟向 Web3.0 业务的公司颁发商业许可执照，重点关注虚拟资产服务、公共网络服务等领域。不容忽视的是，“去中心化”金融独特的数字原生环境也带来了难以监管的潜在风险。尤其是数字加密货币作为“去中心化”金融的典型应用，在其发展过程中出现过多次异常波动，少数极端情形甚至引发市场恐慌，对全球金融市场的稳定性造成显著的负面影响。其原因一是数字加密货币自身的稳定性难以保障，尤其是面对市场操纵或者技术漏洞的人为风险难以控制。如算法稳定币 LUNA-UST 的双币机制，在机构做空下难以维持其锚定，最终导致恐慌性抛售和价格崩溃。二是对“去中心化”金融的安全合规监管明显缺位，如全球第二大加密交易所 FTX 破产后，清算中发现其内部管理失控以及资金滥用十分严重，财务信息“完全不具可信度”。（三）全球金融科技协作需求日益提升，跨境规则及平台建设加速（三）全球金融科技协作需求日益提升，跨境规则及平台建设加速1.多国加速建立金融科技跨境协作规则，跨境数据流动成为重要方向金融业作为国际经济的“连接器”，在支撑全球经济交往与国际贸易的过程中，一直面临着不断升级的跨境规则协同建设需求。在金融业数字化深度发展的背景下，金融部门数据跨境流动呈快速增长态势，探索建立全球金融业跨境数据治理协作规则，成为各国重点关注领域。尤其是金融业数据自由跨境流动和本地存储，成为最显著的协中国金融科技生态白皮书（2023 年）8同关注方向。数据自由跨境流动方面，北美自贸协定区域全面经济伙伴关系协定等多项自贸协定提出，成员应允许金融机构出于“日常经营处理数据所需”的目的跨境转移信息，即原则上不应限制金融数据出境4。数据本地化方面，经济合作与发展组织（OECD）研究表明，已有 39 个国家出台 92 项措施，明确要求数据本地化存储或处理5。就实践而言，G7、G20、OECD 等国际化组织不断探索建立统一的金融业数据治理框架。此前，OECD、亚太经济合作组织（APEC）、世界贸易组织（WTO）和 G20 分别出台多项国际数据流动框架。其中，对金融部门的数据跨境流动提出了具体建议，但受不同国情和时代背景约束，一直未形成具备法律约束力的治理规则。近年来，跨境数据流动治理框架规则建设务实推进。2022 年，G20 数字经济工作组会议、G7 数据保护和隐私权机构圆桌会议的主要议题均聚焦于跨境数据流动，旨在推进各方在监管合作、数据本地化、国际数据空间知识共享方面的合作落地，金融业跨境数据流动是其中重点探讨的领域。2.全球金融科技跨境互操作性平台不断涌现，提升市场主体合作便利性随着金融业数字化转型的深入推进，国际组织和市场主体主导建立新型平台，提升金融科技市场互操作的便利性，成为全球金融科技跨境合作的重点着力方向之一。一方面，国际组织牵头探索建立金融科技协作平台，推动不同经济体之间的金融科技业态融合与互通。如4来源：中国人民银行周宇，关于金融部门数据跨境流动规则的初步思考5https:/www.oecd-ilibrary.org/trade/a-preliminary-mapping-of-data-localisation-measures_c5ca3fed-en中国金融科技生态白皮书（2023 年）9国际货币基金组织（IMF）公布的相关信息显示，其正在开发一个全球央行数字货币平台去实现国家之间的数字货币交易，该平台将连接各国的数字货币系统，提升不同经济体的互操作性，充分释放央行数字货币（CBDC）发展潜力，提升全球货币交易的市场效率。另一方面，大型市场主体开展提升互操作性的理论研究和实践，加速推动相关金融业务互联互通。德勤研究表明，在数字社会形态下，缺乏互操作性会扼杀竞争，互联互通是生态系统从价值链向价值网络转变的首要因素。2023 年 5 月，金融科技公司 Digital Asset 宣布将启动一个支持隐私的可互操作区块链网络（Canton Network），作为未来数字和分布式金融市场基础设施的关键组成部分，其参与者包括法国巴黎银行、芝加哥期权交易所、高盛等大型机构。（四）金融科技价值持续释放，发挥社会经济发展“粘合剂”作用（四）金融科技价值持续释放，发挥社会经济发展“粘合剂”作用1.数字技术推动金融服务打破场景局限，为弥合数字鸿沟提供有力支撑数字技术带来更加丰富的金融业务应用场景和更加普惠的金融产品服务供给，对于打破传统金融服务局限性，弥合全球数字发展鸿沟具有重要价值。一方面，数字技术应用扩大普惠金融覆盖范围，促进金融业自身数字鸿沟问题的有效解决。不同用户群体在获取金融服务过程中存在明显的数字鸿沟问题，其原因包括业务理念规则、基础设施完善度以及用户群体对数字应用的接受能力的差异，数字普惠金融的发展，为中国金融科技生态白皮书（2023 年）10匹配金融服务供需双方要求形成科技能力输入，这在发展中国家和地区尤其典型。例如沃达丰旗下的支付公司 M-PESA 借助沃达丰的网络基础设施，在非洲网络相对落后的情况下，通过非智能手机预置STK 功能提供服务，逐步成为非洲支付领域的主要服务商，已占据肯尼亚 98%的市场份额，尤其是为数百万拥有手机但没有银行账户或只能有限访问银行服务的商户和消费者提供了支付渠道。另一方面，数字金融服务延伸至各行业，在弥合整个社会数字鸿沟问题发挥重要作用。缺乏数字素养和技能的低收入群体、老年群体等，能够以数字普惠金融服务为渠道获取数字资源，并逐步延伸至更多高频数字场景，尤其是数字银行平台已经成为数字生态的主要入口，叠加新闻资讯、社交通讯、搜索引擎、生活购物、旅游出行、医疗健康等各类场景，帮助数字鸿沟群体最大程度地享受数字社会红利，进而促进社会公平。例如新加坡企业 Grab 为大量无银行账户的低收入群体提供金融服务，并延伸到租车、电商等领域，用户通过数字平台入口能够享受折扣。2.数据驱动效能显著提升，促进现有信用体系不断升级完善金融科技在各业务场景的深入应用，为缓解信用信息不对称问题提供了有力的数据支撑。在部分国家的先行探索中，数据驱动的重要价值已经被充分认识到，并将其作为建设更完善的金融信用体系、惠及更多企业和个人用户的关键性因素。一是积极吸纳科创企业作为征信市场主体，构建更完善的信用信中国金融科技生态白皮书（2023 年）11息共享体系。如美国征信市场已出现邓白氏、律商联讯等数据征信服务商，Credit Karma、Nav 等金融科技公司也正在发挥着愈加重要的作用。前者以信用评分和信用报告为基础，模拟信用潜在风险，后者为中小企业提供在线管理和全天候实时监控平台，并提供信用改善建议。二是重视对于隐藏信用的挖掘，释放潜在的数据价值为中小企业增信。以 OnDeck、Kabbage 为代表的金融科技公司是该领域的积极参与者，通常也被称为另类融资机构。Kabbage 主要面向规模较小的零售电商，依据网店的营运数据、记账信息、发货信息等建立信用模型做出付款判断。Ondeck 的主要客户包括餐馆、食品批发商，其信用评价核心是中小企业自身的运营状况、风险特征、融资需求以及客户评价，并实现线上智能审核。二、中国金融科技总体发展态势随着经济持续复苏，宏观政策实施与消费潜力释放的需求对金融科技应用提出更高要求，同时新一轮的金融监管改革进一步推动金融科技集中统一监管和穿透式监管。金融科技产业格局趋于稳定，产业发展模式和路径更加成熟，同时，金融科技投入质效的提升、金融科技伦理治理体系的规范、“科产金良性循环”及金融业供给侧结构性改革的深入成为行业关注重点。（一）经济复苏与监管改革双期叠加，产业发展面临新形势与新要求（一）经济复苏与监管改革双期叠加，产业发展面临新形势与新要求1.经济复苏在探索中前进，对金融科技应用提出新要求中国金融科技生态白皮书（2023 年）12今年以来，全国宏观经济呈现“曲折中前进”的复苏态势。为进一步稳固国内经济恢复基础，国家出台和实施了一系列积极的财政与货币政策，并从全面促进消费的角度提出了多项重点措施。从当前金融科技的发展环境来看，不论是宏观政策的精准实施，还是消费潜力的释放都对金融科技提出了新的要求。表 1 2023 年以来相关经济发展政策文件发文日期发文部门文件名称2023 年 7 月 28 日国务院办公厅国务院办公厅转发国家发展改革委关于恢复和扩大消费措施的通知2023 年 7 月 14 日中共中央、国务院中共中央 国务院关于促进民营经济发展壮大的意见2023 年 4 月 26 日国务院办公厅国务院办公厅关于优化调整稳就业政策措施全力促发展惠民生的通知一是要求金融科技更加强化对宏观政策实施的赋能作用，提升政策执行的精准性和有效性。为支持国民经济和社会发展重点领域及薄弱环节，金融监管部门需要不断调整和优化货币政策，督导金融机构加大贷款投放力度、优化贷款结构，而如何精准识别重点领域金融需求，准确引导资金流向成为政策有效实施的关键。大数据、人工智能、区块链等金融科技手段在政策实施中可充分发挥识别、控制、评估作用，在赋能金融机构实现主体精准识别、有效服务的同时，也能帮助监管部门建立数字化监督模型，实现对资金流向、用途的动态监管和风险的及时识别。利用技术手段提升金融在科技创新、实体经济、中小微企业、绿色低碳等领域的服务能力，正在成为当前金融科技应用的现实需求和价值导向。二是要求金融科技更加凸显对消费潜力释放的应用价值，加中国金融科技生态白皮书（2023 年）13强消费对经济发展的拉动作用。消费作为拉动经济增长的三驾马车之一，在稳增长方面具有十分重要的作用。今年以来，随着经济逐步恢复，积压的消费需求不断释放。在这一过程中，金融科技正在发挥着愈加有力的促进作用。一方面，金融科技创新服务模式，满足消费升级需求。金融科技助力金融机构与汽车经销商、电商平台、商超的数据打通，创新大件耐用品的消费金融产品线，满足消费者涉及汽车、家电、家装、旅游等商品的消费需求。另一方面，金融科技服务更多长尾用户及新市民群体，释放消费潜能。在金融科技助力下，消费金融产品能够更好发挥其小额、高频、分散、多元的特色，从“线上”切入“衣、食、住、用、行”全链条消费场景，提升用户覆盖度，释放广阔的消费潜力。2.金融监管改革深度推进，金融科技发展面临新形势按照党的二十大关于深化机构改革的重要部署，今年以来我国金融监管体系进行了深度调整，形成了由中央金融委员会和中央金融工作委员会集中统一领导，“一行一局一会”等部门共同构建的全新监管架构，金融科技监管与发展面临新的形势。一是金融监管职责的集中和统一，将进一步推动金融科技监管的全覆盖和一致性，提升监管效率。本轮金融监管体系改革加强了党中央对金融工作的统一领导，旨在进一步集中监管、简化层级、规范管理，提高金融监管质效，有效防范化解金融风险。相对应的，金融科技跨业态、跨市场、风险传导路径复杂的各类创新活动，也将在本轮机构改革完成后得到中央层面更加强化的中国金融科技生态白皮书（2023 年）14集中统一监管。在新的监管体系下，金融科技监管体制将更加完善，能够更好的统一金融科技监管理念与监管标准，统筹各相关部门监管力量与监管措施，避免监管交叉与监管空白并存的问题，降低监管成本、提高监管效能，更有效的防范金融科技风险。二是机构监管与行为监管相结合，强化对金融科技的穿透式监管，筑牢风险防范措施。此次金融监管体系改革强调了对金融机构业务活动以及所发挥的基本金融功能的监管，为更好地协调混业经营与分业监管的关系，建立了由机构监管转向机构监管与行为监管相并重的“双峰监管”体系。从金融科技监管所面临的新形势来看，监管体系的调整，一方面将有利于以防范风险、维护金融稳定为目标，持续加强对金融科技活动开展审慎监管，将所有创新活动纳入监管。另一方面，也将有利于促进金融科技行为规范，通过对金融机构经营行为的穿透式监管，防止监管套利行为，保护消费者权益。（二）产业格局进入相对稳定期，规范化与高质量发展成为行业共识（二）产业格局进入相对稳定期，规范化与高质量发展成为行业共识1.金融科技市场格局趋于稳定，发展模式和路径更加成熟从当前金融科技市场格局来看，行业发展经历了快速成长期和波动调整期之后，各类产业主体发展定位更加明确，发展模式和路径愈加清晰，行业竞争态势进入相对稳定阶段。具体来看：一是头部金融机构继续坚持科技引领战略，整体科技投入仍保持增长态势，主导地位更加突出。尤其是头部金融机构体系下的科中国金融科技生态白皮书（2023 年）15技子公司，利用丰富的应用场景和领先的技术实力，从战略规划、解决方案、基础设施建设落地等方面，全方位地为同业机构输出科技能力，而且进一步从“科技输出”向“生态赋能”转变，跨域赋能电子政务、智慧城市、医疗健康、智慧教育等多个行业。二是平台企业金融业务常态化监管制度框架已初步形成，以蚂蚁集团为代表的大型平台企业金融科技业务整改进入收尾阶段，监管要求已经逐步落实到企业运营层面；平台企业正在新的政策导向和支持下，聚焦提升科技创新能力、服务实体经济发展和促进传统产业转型等目标，重新成为金融科技创新发展的重要力量。三是 IT 解决方案供应商不再局限于软件系统开发与集成服务，正在探索应用大模型等新技术为金融行业提供新的服务内容与模式，并从“传统产品 服务收费”的定制化业务模式向 SaaS 订阅收费的标准化模式进行转变，助力金融机构在降低成本的同时，提升基础设施建设的灵活性和可扩展性，实现产品和商业模式的革新，推动规模化营收。2.金融科技投入更加关注能效成果，高质量发展成为主流共识当前，金融机构的科技能力建设和数字化转型已经步入深水区，科技投入主要呈现以下两方面特征：一是从投入目标看，金融机构更加注重业务价值导向。只有能够为业务“增值”的科技投入才是可持续的科技投入，提升投入产出比成为金融机构科技投入的关键目标。在上述的目标导向下，中国金融科技生态白皮书（2023 年）16金融业监管部门及行业协会均从各个层面，通过课题研究、标准建设等多种方式，推动业务价值导向的数字化转型投入能效评估，为金融业科技投入的提质增效提供指引。二是从投入方式看，金融机构科技投入从全面投入转向精准投入。随着金融科技应用进入深水区，头部金融机构科技投入由高速增长转向中低速增长（国有六大行科技投入平均同比增速由 2021 年的 12.34%下降至 2022 年的 8.42%6），“广撒网”式的探索性投入逐步减少，向业务聚焦、要落地成效成为投入重点方向和发展共识。从当前主要金融机构的科技投入战略来看，以往“全面加快数字化”的提法正在减少，“数据治理”“数字营销”“零售数字化”等具体业务领域成为投入聚焦点，金融机构科技投入的技术供给驱动在弱化，业务需求驱动愈加显著。图 4 近三年国有六大行科技投入增速对比3.金融科技伦理治理体系不断完善，行业规范化程度持续提升6数据来源于六大行年报。中国金融科技生态白皮书（2023 年）17当前，我国科技创新快速发展，面临的科技伦理挑战日益增多，随着新技术在金融行业的逐步应用与推广，金融科技伦理受到更加广泛的关注：一是金融科技伦理治理体系不断完善。当前，我国金融科技伦理治理体系呈现出从通用到行业、从中央到地方、从监管层到机构个体的多维度架构，主要体现在：第一，工信部和科技部强调面向各行各业的科学研究、技术开发等科技活动的科技伦理审查工作；同时，金融行业主管部门根据金融业务特点，进一步制定更加明确的行为指引规范。第二，科技伦理治理审查办法发布，并成立科技伦理治理委员会，给金融业科技伦理治理提供参考；同时，江苏、浙江、四川、云南等 15 个省份相继征集或已经印发科技伦理治理的实施意见，以强化项目实施过程的科技伦理监管。第三，金融监管部门已经逐步建立起金融科技伦理治理体系的规范和制度；同时工商银行等头部银行机构也建立起了公司层面的科技伦理治理机制。二是金融科技行业规范化持续提升。第一，“三法两意见”7构成了我国金融科技行业规范的顶层设计，从数据安全、网络安全、个人信息保护等方面为金融行业规范化管理奠定基础。第二，垂直领域政策法规满足场景化的金融科技规范化管理需要。近两年，国务院及各部委陆续发布移动互联网、互联网信息服务、数据出境安全、人脸识别等领域的政策和标准，构成金融科技规范化建设全方位细化场景下的政策支撑体系。第三，行业组织及地方政府发布多项实施意见，强7“三法”指的是网络安全法 数据安全法和个人信息保护法，“两意见”指的是关于加强互联网信息服务算法综合治理的指导意见和关于加强科技伦理治理的意见。中国金融科技生态白皮书（2023 年）18化实践层面的规范和要求。例如中国支付清算协会、中国银行业协会等行业协会，安徽、深圳等地方政府发布了多项标准、指南和自律公约，金融科技行业规范性内容不断丰富。（三）发展导向强调“科产金良性循环”，助力金融业供给侧改革（三）发展导向强调“科产金良性循环”，助力金融业供给侧改革1.“科产金良性循环”成为国家战略要求，树立金融科技发展新导向2022 年 12 月，中央经济工作会议明确提出，推动“科技产业金融”良性循环。在对科技、产业、金融三者关系进行全新诠释的过程中，着重强调了当前形势下，金融资源配置要以促进产业升级和科技创新为导向，实现产业链、创新链、资金链的协同发展。“科技产业金融”良性循环的提出，为金融科技产业发展树立了新的导向，让金融与科技的双向协同有了新的聚焦点：一是更加强调金融科技应用要以促进产业升级与科技创新为导向。产业革命始于技术创新，成于金融创新；科技创新始于技术，成于资本。无论是传统产业转型升级，还是新兴产业创新孵化，都离不开金融资本的大力支持。面对当前数字技术全面应用，带来社会经济发展模式深刻变革的时代趋势，金融服务需要更加聚焦产业升级与科技创新需求。尤其是在金融科技应用方面，如何打通金融资源供给与产业升级、科技创新过程中的投融资需求对接渠道，让金融更懂科技、更近产业，成为新形势下金融科技应用的新使命和新焦点。无论是数据要素创新应用，还是人工智能大模型加速渗透，金融领域的技术应中国金融科技生态白皮书（2023 年）19用都需要聚焦新导向，找准发力点，才能真正服务于国家“科技产业金融”良性循环的战略要求。二是更加凸显金融科技应用对于创新发展产业金融与科创金融的重要价值。“科技产业金融”良性循环需要更加创新和适应性的产业金融与科创金融服务，金融科技应用能够带来金融服务产品和渠道的优化升级，为金融支持产业升级与科技创新提供有力支撑。在产业金融服务方面，以制造业为例，通过打造“金融科技 工业互联网”模式，将工业互联网运行数据与企业融资授信服务相融合，能有效改善中小微企业融资环境，降低融资成本，从而更好地推动中小微企业的数字化转型和产业升级。在科创金融服务方面，通过金融科技应用，能推动金融机构构建适应科技型企业轻资产特点的信贷产品，通过打造科创资本和特色金融服务，为科技创新提供多元、高效、灵活的融资服务，精准增强科技型企业融资的可得性，有效推动资本市场促进科技创新的价值实现。2.金融业供给侧改革走向深入，金融科技应用价值更加凸显近年来，国家相继出台多项举措推动绿色金融、转型金融、普惠金融和科创金融等协同发展，金融业供给侧改革持续深化，对金融资源配置高效性、金融产品多样性和金融服务可及性等提出了更高要求。金融科技在提升金融服务实体经济能力和促进社会经济高质量发展方面的作用愈加凸显，已经成为支撑金融供给侧改革的重要驱动力。一是金融科技引导金融资源精准配置到绿色、普惠、科创等重点中国金融科技生态白皮书（2023 年）20领域和薄弱环节，缓解金融供给侧结构失衡。在推进金融更好地服务实体经济的过程中，面临着“配置、期限、市场、主体、阶段”等不同类型的金融资源供给结构性不平衡问题。金融科技的深入应用，一方面，能优化资金投向结构，以数字技术实现政府、金融、企业数据的有效整合打通，深度挖掘真正有融资需求的企业，将资源精准投放到绿色低碳、普惠小微、科技创新等关键领域。据央行相关数据统计，截至 2023 年 6 月末，绿色贷款、普惠小微贷款、“专精特新”中小企业贷款余额分别为 27.05 万亿元、27.69 万亿元、2.72 万亿元，同比增长 38.4%、26.1%和 20.4%，均呈现显著增长态势。另一方面，能提升资金融通效率，通过建立有效的征信评级和评价体系，增加信用依据，优化审批流程，发现“长尾”客户，从而提升金融机构对优质企业的资金投放效率，缓解融资的“难、慢、贵”问题，为符合国家政策导向的产业企业提供更加及时、高效和普惠的金融支持。二是金融科技加速金融客户管理走向个性化与精细化，助力金融服务效能升级与模式创新。当前，金融服务正在加速从传统的单向销售模式转向以客户为中心的双向多维互动服务模式。金融科技应用能够有效提升金融业面向客户的精细化服务能力，通过设计更加个性化、差异化和定制化的金融产品，使金融供给体系更好的适应社会经济转型所带来的客户需求变化。一是在企业客户服务方面，面对产业数字化发展趋势，利用金融科技深度嵌入企业数字化转型需求场景，打造创新型的产业数字金融服务体系，才能真正满足当前形势下的企业金融服务需求。二是在个人金融服务方面，随着数字基因全面渗透到个中国金融科技生态白皮书（2023 年）21体生活场景中，个人用户的金融服务需求也呈现更加显著的数智化升级趋势，以手机银行为例，金融科技在个人金融服务场景中已经占据着越来越核心的位置，成为影响用户体验的首要因素。三、金融科技关键技术发展呈现新特征随着金融业数字化转型的日益深入，金融科技关键技术应用落地不断呈现新趋势：数智化时代，智能算力成为助推金融业转型发展的新引擎，包含云原生、AI 原生等在内的数字原生应用催生金融领域新的发展动能；生成式人工智能技术助推金融行业新应用探索，加快金融数据要素价值释放；“多云多芯”信息技术创新、分布式技术应用等持续夯实金融业应用现代化转型基础；金融领域安全防护向体系化部署升级，安全发展更加关注敏捷高效的管理能力构建；后量子密码成为金融机构应对量子时代潜在风险的关键抓手，移动通信等技术的持续演进将为金融领域创新发展打开新的发展空间。（一）算力成为金融数智化新引擎，数字原生应用巩固转型基础（一）算力成为金融数智化新引擎，数字原生应用巩固转型基础1.智能算力在金融业加速应用，算力布局成为数智化发展新焦点以多样算力资源为基础、以算力网络为连接的算力服务成为数字化转型竞争的新领域。截至 2023 年 6 月底，全国算力总规模同比增长 30%，智能算力规模同比增长约 45%8，据浪潮与 IDC8来源：中国综合算力指数(2023 年)中国金融科技生态白皮书（2023 年）22联合统计数据显示，金融领域位列算力水平行业排名前三位，算力发展对金融业数字化转型有重要价值。一是金融业对智能算力需求呈现快速增长态势。金融机构分布式技术架构转型、业务多元化发展等对算力的性能和效率提出更高要求，大数据、人工智能等数字技术的广泛应用进一步推动了金融业算力的爆发式增长，架构灵活、高效调度、效能优越的智能算力服务成为金融领域数字化转型的关键生产力之一。二是大型机构算力布局在整体战略中占据更加重要的地位。大型金融机构探索持续建设先进的算力基础设施，纷纷构建更加强大的算力平台，探索更加智能、敏捷、安全的算力解决方案，推动算力与算法、数据深度融合，持续优化智能信用评估、客户筛选、风险定价、风险控制、投资顾问、保险精算等金融服务。2.数字原生理念逐步落地，云原生、AI 原生在金融业转型发展基础不断夯实数字原生指天生具备“数字化基因”，将互联网、云原生、大数据等数字技术与组织形态、业务模式、技术架构等深度融合的、数字技术优先的思维理念，是一种涵盖了生产资料、生产力、生产关系的全方位的数字化。云原生、AI 原生等理念在金融业持续落地，金融业向数字原生不断进阶。其中，云原生在金融领域数字化转型过程中起到关键引领作用，大型金融机构已深入应用。云原生分布式架构作为突破性的技术革新，已经成为部分金融机构核心系统转型的趋势和方向。AI 原生从赋予场景智能，到在产中国金融科技生态白皮书（2023 年）23品和解决方案全面嵌入智能，再到组织智能迭代，助力进入全面智能时代。AI 原生应用更加注重技术的实际应用和商业化，应用前景受到金融等行业的普遍关注，在投资组合优化、风险评估与风险管理、金融市场预测等环节均有较大应用潜力。（二）大模型助推数据智能技术升级，加速数据要素价值释放（二）大模型助推数据智能技术升级，加速数据要素价值释放1.生成式人工智能技术发展迅猛，加快金融业应用新入口的探索一方面，由 ChatGPT 等引发的 AI 大模型技术变革正在持续演进，为金融业带来新机遇。一是参数规模呈指数级增长。GPT 由 1.0 到4.0，参数从亿级爆发增长至千亿规模，模型的上下文理解能力大幅提高，在金融级大数据量的知识问答、逻辑推理等任务上的准确性显著提升。二是数据模态逐渐往多模态化发展。通过对文本、图片等不同存储信息载体的训练，大模型对金融业复杂文本图像的融合处理和分析能力进一步增强。在大模型技术不断发展的背景下，金融行业数字化基础好、人工智能应用场景密集，也为大模型落地应用提供充分的环境。另一方面，金融业积极拥抱大模型，推动大模型在各场景的探索落地。基础大模型需通过特定金融场景的数据喂养、提示工程和微调工程训练形成专业领域任务大模型赋能金融业，可广泛应用于市场营销、产品设计、风险管控、客户服务、运营支持等领域。当前，金融业大模型多以智能助手、人机协同等形式赋能智能客中国金融科技生态白皮书（2023 年）24服、智能风控等环节，提高员工工作效率和质量的同时加速金融业智能化进程。以银行业为例，农行发布自主金融 AI 大模型ChatABC、工行发布基于昇腾 AI 的金融行业通用大模型，探索新的应用。此外，大模型也面临着安全与合规风险，受制于模型本身黑盒、计算复杂度高的因素，大模型存在无法溯源、科技伦理风险等方面问题，金融业应用大模型更需谨慎。表 2 银行机构大模型布局时间时间机构名称机构名称大模型布局措施大模型布局措施2023 年 3 月农业银行推出基于开源自研的自主金融 AI 大模型 ChatABC，初步具备自由闲聊、行内知识问答、内容摘要等多类型任务的服务能力。2023 年 3 月工商银行基于昇腾 AI，发布了首个金融行业通用模型，实现百亿级基础大模型在知识运营助手、金融市场投研助手等场景的应用。2023 年 8 月交通银行制定AIGC 建设规划，组建 GPT 大模型专项研究团队。2023 年 8 月招商银行提升 GPT 类自然语言处理大模型的建设能力，并重点发掘其在全流程财富管理中的应用，投产 FinGPT 创意中心。2023 年 8 月中信银行与华为、雄安新区成立联合创新实验室，布局大模型等联创课题。2023 年 8 月平安银行公布一项名为“银行业务中大模型的微调方法、装置、设备及存储介质”专利。2023 年 8 月兴业银行引入部署私有化的商业大模型,上线大模型产品ChatCIB。2023 年 8 月浙商银行设立数字创作中心（AIGC Center），打造一批有浙银辨识度和行业竞争力的重大数字化应用。中国金融科技生态白皮书（2023 年）252.金融数据智能技术加速演进，助力数据价值释放跃升新阶段金融业数据智能技术的持续演进，进一步促进数据资产的可信流通和价值释放。一方面，数据智能技术的发展进入新阶段，提升金融业务决策智能化水平。金融业是数据智能技术应用的先行者之一，主流机构会率先探索数据智能技术的应用。目前，现代数据栈、数据编织和数据操作流程自动化等现代数据管理方法走进现实；湖仓一体等新一代数字化平台进入融合一体化阶段；作为数据分析的智能化升级，智能增强分析开始应用，帮助金融机构洞察和构建数据资产可信流通的生态分析能力。另一方面，数据要素流通和数据资产化的方式逐渐丰富和落地。过去几年，金融机构不断尝试通过借助隐私计算等技术解决数据流通难的挑战，尝试将低价值高风险的原始数据交易转变为高价值低风险的知识产品交易，积极探索构建数字空间、数据交易平台等安全可信的数据流通基础设施，在实现数据资产变现方面进行了探索，目前这些方式已实现一定规模商用。一些头部商业银行研究将数据资产列入无形资产二级科目进行核算，探索数据资产化，诞生了数据资产质押融资、数据资产证券化、数据资产信托、数据资产担保等一系列金融创新产品，比如北京银行在城市副中心分行落地全国首笔数据资产质押融资贷款，杭州高新金投控股集团有限公司发行了全国首单包含数据知识产权的证券化产品。中国金融科技生态白皮书（2023 年）26（三）信息技术应用创新深入推进，持续助力金融服务现代化转型（三）信息技术应用创新深入推进，持续助力金融服务现代化转型1.“多云多芯”在金融行业呈规模化应用态势，日益夯实信息技术创新底座随着金融业自主创新以及数字化转型等工作深度推进，“多云多芯”作为关键技术底座在金融行业广泛应用。一方面，“多云”可充分发挥各云差异化优势，针对性支撑不同金融业务落地。金融机构根据不同业务需求进行跨云的统一资源调度与编排，发挥各云平台差异化优势，支撑金融业务快速落地。另一方面，“多芯”多元异构兼容能力可有效避免单一技术路线局限性和单一产品依赖性，同时满足金融业多样化算力需求。“多芯”为金融机构降低信创芯片技术路线分散、技术走向尚不明晰引入的技术延续性风险，同时兼容 GPU、DPU 等多样化算力，满足日趋复杂的金融业务。人保集团“多芯架构”向下屏蔽底层环境差异，向上提供多云环境中的不同用户安全隔离、物理隔离等安全保障服务能力，灵活配置云资源，实现资源快速交付和应用高效运营。2.分布式技术在核心业务系统进一步落地，金融机构更加关注系统稳定性一方面，分布式技术在金融业核心业务系统进一步落地，在金融行业的覆盖范围和应用深度持续提升。分布式技术已逐渐从外围推进到核心，金融机构借助分布式技术模块化和分散等特性，不断提升核心业务系统的高效性、稳定性和敏捷性。从银行业来看，中国金融科技生态白皮书（2023 年）27随着技术的进一步成熟，分布式技术在国有大行、全国性股份制银行、省级联社、地方性城商行、农商行等金融机构中得到广泛的应用实践。证券、保险行业机构根据各自行业的业务特点，广泛应用中台以及云原生等技术推动核心业务系统转型。另一方面，分布式技术的引入提升了系统复杂度，金融机构更加注重分布式系统的稳定性能力提升。对于金融行业而言，分布式技术提升了系统的业务承载能力，但同时也引入了系统复杂度，增加了系统的不稳定因素以及运维难度，因此，机构更加注重分布式系统稳定性能力建设，引入可观测性、混沌工程等技术推动核心业务系统业务连续性以及稳定性稳步提升。例如工商银行建设了可观测、混沌工程等技术手段为基础的系统稳定性保障体系，构建了企业级可观测能力平台，开展了混沌工程演练实践，在提升业务连续性的同时，有效降低生产故障发生概率和故障影响范围。（四）金融安全防护体系化布局持续增强，服务模式向多维度发展（四）金融安全防护体系化布局持续增强，服务模式向多维度发展1.金融领域信息安全需求多样化增强，安全防护体系化升级成为布局重点金融科技边界广泛，金融业务转型的同时，安全威胁日渐复杂，安全事件层出不穷。金融领域安全管理规范陆续出台，持续强化对网络和信息安全的体系化要求，金融领域信息安全逐步从单一的网络和信息安全需求转为复杂多变的叠加式安全需求，如云原生中国金融科技生态白皮书（2023 年）28安全、数据安全、开发运营安全、基础设施供应链安全等。安全防护技术逐步与金融业务需求全面结合，构建全场景、深层次的立体化金融安全体系。如国泰君安证券通过实践落地，建立了适应行业监管与企业特性的开发安全管控流程和技术平台，形成了“风险前置、管控内生、能力汇聚”的应用开发安全体系建设理念。另外，安全防护技术逐步完善金融机构运营机制，为安全运营智能化发展提供支持，助力金融安全体系全面健康落地。当前金融机构推动有效的运营机制建设，是形成协同联动式安全防护的关键，也是对金融机构安全防护的顶层规划、技术、管理等维度进行体系化梳理形成的，推动实现“防患于未然”。如厦门银行通过安全体系现状分析，结合新技术建立智能化网络安全运营平台，实现事件智能检测，事件自动化响应，多平台安全协同联动处置，形成了全链路智能化的安全运营理念，提升了应对高复杂性安全攻击的对抗能力。2.金融领域安全服务化特征凸显，业务安全与连续性管理成为关注点近年来，数实融合深入推进，随着新技术、新场景、新应用日渐深化，智能终端接入数量持续增加，网络边界不断模糊，网络和信息安全威胁纷繁复杂。为应对数字时代多层级多维度的安全威胁，安全防护的平台化、服务化趋势越发明显。一方面，安全服务企业提出“安全即服务”的防护理念，通过统一的云化安全平台协同处理安全需求，客户按需付费，真正实现高效低成本的安全服中国金融科技生态白皮书（2023 年）29务模式。另一方面，多家金融机构从新视角解读“安全即服务”理念，提出要强化网络、终端、系统、应用及云基础设施等在内的全生命周期安全管理，提出要打造金融级的安全运营平台。此外，当前业务与网络和信息系统融合程度日益加深，金融业务安全保障的复杂性和重要性更加凸显。做好业务安全风险防控，保障业务的可用性和连续性，确保业务运行过程中数据的完整性和一致性，正在成为金融领域网络与信息安全的重要关注点。（五）前沿技术与应用持续探索，进一步拓展金融科技体系内涵（五）前沿技术与应用持续探索，进一步拓展金融科技体系内涵1.量子计算冲击当前密码体系，后量子密码成为金融机构风险应对的关键抓手近年来，量子计算快速发展，其计算速度远超超级计算机，对当前密码体系的冲击已成为行业共识。政策指引方面，中国人民银行下发关于开展深化金融科技应用推进金融数字化转型提升工程的通知明确提出要“提升金融领域密码算法抵抗潜在量子计算攻击的能力”，说明了潜在的威胁和提前应对的重要性。技术路线方面，应对量子信息的威胁分为量子密钥分发（QKD）和后量子密码算法（PQC）两种技术路线。QKD 路线是利用量子不可分割、不可精确测量等特性，替代通信协议中的非对称算法协商部分，得到安全密钥，国内银行与 QKD 技术头部企业保持密切交流与合作，在同城文件传输、异地数据备份、合作方互联等多个场景完成试点。PQC 侧重不受已知量子算法攻击中国金融科技生态白皮书（2023 年）30的数学难题而重新设计的非对称密码算法，已有银行针对 NIST发布的最新后量子密码算法开展了技术验证。两种技术各有优势与不足，作为包含复杂信息应用场景的金融机构会将两个方案结合使用可以更好地形成互补，降低单一路线的密码体系技术风险。2.移动通信技术标准持续演进，新特性将为金融创新打开发展新空间移动通信的代际升级，给金融业带来持续的场景扩展和体验升级。当前，面向 5G 第二阶段 5G Advanced 的标准正在推进中，同时，国际电信联盟（ITU）于 2023 年 6 月明确了 6G 发展愿景和目标，移动通信的持续演进将进一步丰富金融科技的技术体系，支持构建包容性信息社会和实现可持续发展的目标。一是沉浸式交互技术的演进，支持金融业服务体验前所未有的升级优化。实时沉浸式 XR、全息通信、感官互联等新的技术的进化，带来小于 1 毫秒的时延、Tbps 级的吞吐量，形成自然逼真的视觉还原，未来这些技术的落地，能够支持金融业推动真正的全息数字人、沉浸式服务的落地。二是内生智能化在移动通信的应用，支持金融场景全方位数字孪生的应用。未来移动通信融入普惠智能、自学习、自维护、数字镜像实体等技术，支持各行业从数字孪生到数字原生的发展，金融业拥抱这些技术，是建立高度智能化业务的基础。三是千亿物联、空天地一体等全域化通信技术的支持，将大幅提升“无处不在”的金融感知能力。5GAdvanced 和 6G 都将空天地一体化通信作为主要趋势，同时无源中国金融科技生态白皮书（2023 年）31物联等技术将在 2024 年第一季度的 5G R18 标准中形成初步成果，支持无处不在的泛在连接，相应的全域通信能力将为金融产品创新渗透到国民经济各个层面和场景中提供技术支持。四、金融科技重点应用场景催生新导向金融科技深刻嵌入到金融业务和经营管理流程中，加快金融服务的数字化进程，数据驱动成为金融业务各环节和各领域发展核心导向，数据要素效能持续显现。过去一年，金融科技的重点应用场景形成新导向，客服、营销、支付、风控等核心环节和主要场景数字化、智能化进程加速，个人消费和产业场景数据驱动的金融创新成为热点，进一步支持实体企业高质量发展。（一）数字原生理念影响深刻，金融业运营服务智能水平不断提升（一）数字原生理念影响深刻，金融业运营服务智能水平不断提升1.数字客服对人工替代加速，新的智能化客服形态能力显著提升近年来，在数字原生理念的驱动下，金融业客服智能化趋势更加明显，创新形态不断涌现，服务能力持续提升，大部分金融机构加速引入数字客服并产生实质性成效。一方面，智能客服向金融业加速渗透，同时推动人工客服规模精简和优化。对于异常项识别、简单语料和数据分析等重复性高、业务流程相对固化的客服业务，智能客服对人工客服可产生较好的替代效果，客服机器人、语音导航、智能外呼、智能质检等产品形态蓬勃发展，替代人工的能力正在增强。中国银行业协会数据显示，2022中国金融科技生态白皮书（2023 年）32年银行业金融机构客服从业人员为 4.38 万人，较 2020 年的 5.44万人减少近 20%。与此同时，人工客服素养也在金融科技的加持下不断提升，在更加专业化、个性化的复杂业务方面为客户提供优质服务。来源:中国银行业协会图 5 历年银行客服中心从业人数及增长率另一方面，智能客服的服务水平进一步提升，开始成为金融业对外服务的一张名片。随着生成式人工智能的突破性进展以及语义理解、语音识别和语音合成等人机交互技术日趋成熟，各类创新型智能客服的工具不断被引入金融机构，中国银行业协会数据显示，2022 年银行业客服中心与远程银行智能服务占比达 50.13%。一些智能客服的能力也有了实质性提升，例如，虚拟数字人从之前的“吉祥物”升级为实实在在承担大量工作的数字员工，工商银行2023年半年报披露，数字员工承担22000余个自然人的工作量，累计建设智能场景达 47 个，上半年累计处理业务 1.3 亿笔。中国金融科技生态白皮书（2023 年）332.金融科技驱动全渠道营销服务协同明显，加快构建内外部合作生态随着数字化技术在金融业的广泛应用，营销渠道数字化转型加速，渠道智能化水平及用户体验正日益成为金融机构的核心竞争力。一方面，线上线下渠道智能化升级加速，统筹能力进一步增强。近年来，数字化手段的广泛应用，金融业营销渠道的智能化转型从过去的“多渠道”“跨渠道”向“全渠道”转型升级。以银行为例，线上和线下渠道、人工和虚拟渠道持续打通，包括手机银行、银行柜台、自助银行、微信银行等各类渠道通过智能化手段无缝融合起来，加速渠道一体化、开放化。例如，各家银行引入数字人、5G等技术，加快推进物理网点智慧化转型过程，同时融合手机银行、自助设备等多渠道实现语音和视频方式的业务办理，提升业务响应速度，尤其是手机银行已成为渠道迭代的重点，多家银行提出“一个 App 就是一家银行”的理念。以农业银行为例，该行将手机App 命名为“掌上银行”，以“一部手机走天下”为服务理念，围绕掌银月活跃客户数（MAU）指标，最大化调动整合研发、营销、运营等资源，推进产品服务集成。另一方面，金融与非金融场景加速融合，内外部渠道协同范围进一步拓展。新一代信息技术助推短视频平台和社交媒体快速发展，借助智能算法和模型优势，精准定位用户群体。金融机构积极探索这一新兴渠道，通过定制化内容分享理财知识、投资技巧、行业趋势等信息，吸引客户的关注和兴趣并推动转化，一些客户将良中国金融科技生态白皮书（2023 年）34好的金融服务体验分享到小红书等虚拟社区，进一步实现裂变式获客。同时，零售、交通出行、教育等行业在推进数字化转型的过程中，也给场景金融带来新的营销渠道。以交通行业为例，围绕高频、刚需、高粘性的智慧出行，衍生出一个完整的场景，已被大量金融机构作为重要的外部合作渠道，例如邮储银行等机构与亿通行平台合作，借助公共交通出行数字化渠道，实现金融业务有效拓客。（二）新技术在业务核心环节深入应用，支付与风控能力持续升级（二）新技术在业务核心环节深入应用，支付与风控能力持续升级1.支付科技持续迭代，助力支付结算场景扩展和体验提升应用于支付结算的各类技术发展的成熟度、可见度不断提升，实现应用不断深入，有效提升支付服务质效。一是数字人民币新技术形态不断引入，推动应用试点进入快车道。过去一年，多项创新技术在数字人民币试点中扩大应用范围，包括：无电无网支付技术的首次引入，验证了数字人民币离线交易功能，解决信号不稳定、极端天气等场景支付问题；数字人民币App 结合最新的 5G 超级 SIM 卡技术上线 SIM 卡硬钱包功能，借助手机这一渗透率最广的智能终端进一步提升数字人民币支付的便利性和安全性。二是新型生物识别技术应用于第三方支付，进一步延伸支付场景半径。生物识别技术一直以来都是第三方支付平台重点关注的领域，在提升支付体验和安全性方面发挥重要作用。此前，指纹支中国金融科技生态白皮书（2023 年）35付、刷脸支付等生物识别方式已大范围普及，2023 年多家第三方支付机构开始推动在验证速度、保护个人隐私等方面更具优势的掌纹支付商用，例如微信上线的刷掌支付功能，通过掌纹和掌静脉双因子验证，提升支付安全性。三是跨境支付平台技术不断提升，助力宏观经济外循环。CIPS（人民币跨境支付系统）、M Brigde（数字货币桥平台）等跨境支付基础设施技术能力持续提升，助力国际贸易和跨境人民币结算快速增长。CIPS 支付透镜服务融合运用大数据、人工智能等技术，为全球人民币用户提供即时完整、覆盖全链路、一站式支付状态的穿透式展示服务。过去一年，多家银行纷纷上线这一功能。MBridge 项目使用基于分布式账本技术的通用平台进行跨境支付试验，已完成基于四种央行数字货币的真实交易场景试点，处理一笔支付业务最快可于 7 秒内完成。来源：中国人民银行图 6 人民币跨境支付系统（CIPS）处理金额（万亿元）中国金融科技生态白皮书（2023 年）362.数据驱动决策全程全网应用，带动金融业风控管理体系持续进阶金融机构借助新一代信息技术充分挖掘数据要素价值，建立覆盖风险识别、计量、分析、处置全流程的智能风控体系，进而全面提升风险防控能力。一是搭建全生命周期智能风控平台，实现金融全流程风险预防。各类金融机构从贷前信用评估、贷中资金监督、贷后风险防范，实时监测客户账户动态，以实现风险的提前预警与化解。例如招商银行依托智能风控平台“天秤”，实施全生命周期的量化风险监测和分类管理，提升风控精准性。二是探索通过大模型挖掘数据要素价值，实现风控效能倍增。金融风控大模型提取以往积累的跨场景风控数据，根据特定信贷场景与信贷业务样本特点，自动生成业务专属的反欺诈模型，提升风控效率。例如腾讯云利用行业大模型构建反欺诈风控解决方案，融合自身经验数据和业务场景数据，使监测效率实现指数倍增，反欺诈整体效果比传统模式提升 20%。三是智能交互技术进一步释放数据要素价值，破解小微金融风控难题。面对中小微企业风控难题，各大金融机构积极挖掘数据价值，利用智能交互技术识别用户提供的碎片化信息，还原真实经营情况，为其提供更精准信贷服务。例如，网商银行“百灵”系统在线接收客户结构化资料和非结构化信息，进行多模态综合分析，并配合地理位中国金融科技生态白皮书（2023 年）37置、商圈信息等多维校验，获取客户真实经营情况，匹配精准信贷额度。（三）数字化有力驱动产品创新，资本市场与保险业科技应用加速（三）数字化有力驱动产品创新，资本市场与保险业科技应用加速1.数据洞察深化客户认知，资本市场科技服务综合能力提高数字化转型对证券、资管行业的经营模式、服务业态和商业生态进行全方位的赋能，在降低服务成本和提升服务质效的同时催生了更多平台化、智能化的新场景和新业态。一方面，金融科技升级资本市场平台思维，机构业务实现智能化转型。资本市场的机构客户具有多元化特征，基金、理财、保险、信托等参与主体需求不尽相同。金融科技升级平台思维，机构积极利用分布式、低延时技术，建设极速算法系统，提供全种类全矩阵业务服务，针对不同类型机构投资者打造相适配的智能交易平台、融券平台和服务平台等，为机构客户提供一站式综合金融解决方案。例如，海通证券整合集团业务链和服务优势，搭建“e 海通券”“e海通达”等平台，实现资金端和资产端的高效衔接。另一方面，金融科技嵌入资本市场全流程各领域，投行业务实现全生命周期协同。依托人工智能、大数据、区块链等前沿数字技术，聚焦投行业务执行中尽调审核、项目管理和协同营销等方向，以日常工作推进为导向，打造“投行 生态圈”一体化智能平台，在将监管合规要求固化于全线条业务流程的前提下，使执业过程全流程线上化中国金融科技生态白皮书（2023 年）38留痕、可追溯，实现了业务流程全生命周期的一体化贯通，员工执业的一站式服务，内外部数据的全方位互通，提高沟通的便捷性和数据的安全性。例如，中金公司打造新一代投行业务平台，融入自然语言处理、光学字符识别等技术，覆盖了投行业务全生命周期和全生态链的文本读取、编辑、比对、审校等文档处理，在提升信息披露、尽调分析、底稿审核等效率的同时，有效防范合规风险。2.金融科技延展保险服务领域，风险减量服务理念深入贯彻金融科技助力保险机构充分发挥新一代“金融水利工程”的重要作用，立足金融发电、金融防洪等功能，畅通保险服务实体经济水循环。一方面，金融科技推动适合数字经济的新型保险产品研发，助力数字中国建设。数据作为新型生产要素的同时，也成为网络攻击的主要对象，数据安全保险成为数字经济时代一种新兴保险产品形态，能够推动企业与保险公司、安全企业、第三方机构等加强合作，及时对数据安全保护能力进行检测评估，在事件发生后能够弥补损失。工信部会同金融监管总局等部门，围绕促进网络和数据安全保险发展做了大量工作，保险机构也进行了探索研究，例如，中国人保发布全国首批数据保险类解决方案，聚焦数据网络安全、数据产品知识产权保护、网络安全软件质量等领域，有效降低数据安全事故应急响应成本。另一方面，金融科技重塑风险减量服务理念，探索“保险 科技 服务”管理新模式。在数字化技术赋能的背景下，保险制度和科技手段优势全面介入社会、企业和家庭的风险管理，保险机构利用遥感监中国金融科技生态白皮书（2023 年）39测、物联网、人工智能、大数据等技术搭建全周期智能化服务平台，根据客户历史出险情况、自然灾害平台水灾风险信息、行业风险特点，通过业务、核保、风控、理赔联动机制，协助客户做好险中响应和险前预警，推动保险行业从提供保险产品向提供一揽子风险解决方案转型，实现风险减量的目标。例如，平安产险“鹰眼系统 DRS2.0”利用数值模拟、卫星遥感进行自然灾害预测预警，完成了“卡努”“杜苏芮”等两次台风过程的隐患排查整治工作。（四）数字基因贯穿业务生态全流程，个人金融向数智化全面转型（四）数字基因贯穿业务生态全流程，个人金融向数智化全面转型1.个金业务生态全流程加速演进，智能化水平全方位提升近年来，金融科技的深度渗透对个金业务的生态全流程产生了深远影响。一是金融科技全面提升个金业务对客服务水平，实现全方位响应直接输出。围绕营销人员开展目标客户资产诊断、产品到期承接、执行销售任务等具体场景，提供适配客户的个性化产品推荐组合、产品推荐排序和营销话术，准时下达新品预告、异动提醒以及潜客提升、流失预警等多项客户维护工作、客群销售任务和精准营销活动，对管户维护提出定量目标并进行跟踪监测、结果评价，固化日常工作流程。精准提高业务处理效率和准确性，降低人力成本。二是金融科技创新金融服务组件化组合，提升产品数字化能力。金融机构智能化服务系统通过微服务架构设计，实现系统功能分层中国金融科技生态白皮书（2023 年）40解耦，系统各部分可相对独立地完成研发和投产，根据业务需求灵活组装，快速完成产品迭代创新。例如，金融机构可以灵活组合不同存款类型和介质种类，形成节庆存单、主题存单等多种特色存款产品。三是金融科技辅助实现全生态场景整合输出，有效提升智慧金融服务精准度。各类技术手段贯穿于个金业务的“售前、售中、售后”环节，金融科技有效促进金融核心系统功能优化创新，通过建立账户反欺诈智能风控模型，提高对涉案风险账户识别的时效性和精准度。同时打通“赚、管、花、借”等功能，推出开放生态金融产品，服务于智慧民生、教育服务、产业互联等领域，在全周期、全业务链、全场景整合升级系统应用，有效提升个金业务的智能服务精度。如工商银行 App 已累计上线开放生态类项目近 3000 个、服务客户超过 5300 万。2.科技能力在个金业务全方位下沉，市场规模持续扩大一是消费金融市场规模不断扩大，“长尾”用户服务持续延伸。在扩大内需战略规划纲要（20222035 年）关于恢复和扩大消费的措施等相关政策指导下，金融科技持续助力消费金融服务推陈出新。金融机构运用科技手段制定成熟的金融定价和风控模型，提升金融服务质效。例如，针对“淄博烧烤”意外走红的新场景，衍生出一系列纯线上、信用佳、易获批、体验好的数字普惠金融产品，如“金炉惠享贷”“优享淄味贷”“淄滋贷”中国金融科技生态白皮书（2023 年）41“烧烤 e 贷”等，进一步提升夜间消费“长尾”用户的金融覆盖度。二是信用卡业务全方位优化，推动场景服务更加智能化、精细化。当前信用卡市场竞争日益激烈，各大金融机构不断深化金融科技应用，在无需打扰客户的基础上，可以较低成本实现服务全方位优化。例如，金融机构深度应用文本挖掘技术在语音转写、业务小结提取、客户声音采集、座席辅助工具、智能策略中台等方面持续突破创新。三是个人与家庭金融服务需求不断增长，财富管理服务更加智慧高效。近年来，我国居民财富规模及高净值人群规模均呈现持续增长态势，居民财富管理需求急剧扩张。根据中金公司财富报告数据，2023 年中国社会总财富达到 790 万亿，私人财富 430 万亿，占比 54.4%。如今，在资产配置多元化、科技应用广泛化的发展趋势下，财富管理机构通过挖掘投资行为、交易记录、社交媒体活动等非结构数据，提供“千人千时千面”的方案。同时，基于情感计算的多模态情绪分析模型赋予机器感知、识别、理解情感能力。据 IDC Financial Insights 预测，到 2024 年，40%的大型银行将使用基于人工智能的情绪分析提高客户对当前及未来产品和服务的体验。（五）金融科技深度赋能产业金融服务，产业数字金融创新成热点（五）金融科技深度赋能产业金融服务，产业数字金融创新成热点1.金融科技降低参与门槛，产业数字金融参与主体持续中国金融科技生态白皮书（2023 年）42扩大随着金融行业数字化转型和“科技产业金融”良性循环的深入推进，数字化技术不断应用于产业金融领域，传统产业金融的市场格局也发生了明显变化。一方面，产业金融相关供给群体增多，生态协同能力增强。产业数字金融打破传统产业金融的生态供给方的格局，原来以金融机构和核心企业为主导的供给方群体逐步扩大到包括科技企业、供应链管理公司、工业互联网平台、产业园区等群体，形成多种创新生态合作模式。其中，工业互联网平台就是一个典型的新型群体，通过工业互联网平台的连接作用，打破产业链供应链上下游几乎所有群体的信息壁垒，吸引更多企业加入供应链中，为直达企业的金融服务打下基础。海尔卡奥斯、航天云网等“双跨”工业互联网平台均创新地将金融服务嵌入到平台解决方案中，实现“工业 4.0 金融”的融合。另一方面，产业金融需求方参与门槛降低，促进更多中小微企业加入其中。数字技术和平台经济的发展突破了供应链核心企业信用模式，进一步跨出原有供应链体系，实现核心企业信用流转，扩大产业数字金融需求方规模。例如，一些供应链平台通过区块链手段，推动应付账款和票据数字化认证，加速供应链上的中小微企业融资；大量中小微企业接入工业互联网平台，实现自身供应链信息流和交易的可视化，在不依赖核心企业增信的情况下也能将自身商业信用转化为金融信用获得融资。中国金融科技生态白皮书（2023 年）432.金融科技加持下的产业数字金融初见成效从经济发展的一般规律看，传统产业金融领域存在金融服务可获得性、低融资成本以及低风险选择难以兼得的“不可能三角”。“不可能三角”指三者一般情况下只能取其二，如果做到可获得性，又做到低融资成本，意味着大量客户可以获得低利率贷款，风险往往超过利息收益，商业无法持续；如果解决了可获得性，又要防范风险，就需要用高收益覆盖高风险，解决不了低成本的问题；如果解决了低成本，又不能出风险问题，所覆盖的对象一定是特定的，解决不了普遍可获得性的问题。因此，解决“不可能三角”的难题，就必须在可获得性、低融资成本以及低风险三者中寻求适当的平衡，而数字技术的变革为产业数字金融打破“不可能三角”提供新的解决方案。9一方面，金融科技在促进资金提供方支持中小微企业的同时，也可获得合理的收益。各类金融机构作为资金提供方，结合不同产业链特点，充分利用大数据、区块链、物联网等科技手段，将风险控制手段下沉到企业生产经营和供应链各环节，赋能融资增信、风控、贷后管理等业务，在扩大对中小微企业支持的同时降低了风险，实现相对稳定的收益。例如，一些商业银行利用物联网手段连接生产、仓储、物流设备，获取企业产品生产和流通的真实情况，并基于此进行信用评估及风险控制，从而针对性地投放金融产品进行资金支持，实现不良率和通过率之间的最大化平衡。9蒲海涛.以科技破解普惠金融“不可能三角”.中国金融，2020（1）：23-25.中国金融科技生态白皮书（2023 年）44另一方面，金融科技助力中小微企业提高融资可得性的同时，不断拉低综合融资成本。金融科技在产业数字金融领域的持续应用，有效纾解中小微企业缺乏信用保障、抵押资产不足、融资范围局限等困境。技术手段持续迭代降低了信息不对称和风控成本，吸引更多资金供给方不断优化业务流程和成本控制方案。很多金融机构积极提高中小微企业“首贷率”和信用贷款占比，进一步压降中小微企业综合融资成本。来源:中国人民银行季度金融机构贷款投向统计报告图 7 普惠小微贷款余额（万亿元）五、金融科技生态发展展望（一）金融科技应用进入深水区，投入成效与高质量发展成为关键（一）金融科技应用进入深水区，投入成效与高质量发展成为关键当前，金融科技的投资从高速增长进入平稳发展阶段，各方更加关注大规模投入的产出效应，为进一步推动金融科技深入应用决策提供支持。一是更加重视金融科技对金融业重点领域转型升级成效的影响。经过几年的实践，金融科技发展和应用的路径逐渐明晰，各类主中国金融科技生态白皮书（2023 年）45体对于金融科技的重点领域已初步形成共识，接下来金融科技资源投入将更加关注精准性，推动金融服务提质增效的要求更加明确。可以预见，完善金融科技投入产出成效的评估机制将成为重点研究方向，“向技术要效益”的观念将持续强化，做好短期效益和长期布局的平衡将成为关注点。二是畅通金融科技的传导路径是未来关注的重点。相关政策要求进一步提升金融科技对于实体经济的支持力度，最大化发挥金融科技对中小微企业融资效率的促进作用。从理论上说，金融科技对金融服务效率的提升，会进一步传导至企业融资层面，实践中也确实形成了明显成效。不过，金融科技对于实体经济的支持依赖于众多客观条件，对技术应用的认知不足、人才匮乏、固有模式路径依赖等，都可能导致金融科技向实体经济传导不畅。未来业界需要进一步优化机制体制，让金融科技的投资能够更好地为实体企业高质量发展服务。（二）金融业数字化向纵深发展，业务驱动与需求驱动更为凸显（二）金融业数字化向纵深发展，业务驱动与需求驱动更为凸显在金融业数字化转型体系化布局的推动下，转型成效初步显现，数字化理念开始根植于金融业各领域各环节，业务和需求驱动数字化转型向纵深发展。一是数字化转型更深入聚焦业务和经营管理的有效需求。数字化转型已成为金融机构探索的“第二发展曲线”，借助数字技术手段，对个人金融、产业金融、金融市场等方面服务进行升级，重点关注如何提升金融机构服务能力，拓展金融服务的边界，最终对消费升级和实体经济有效需求形成支撑；同时，要坚持发展与安全并中国金融科技生态白皮书（2023 年）46重，进一步聚焦风险管理能力的提升，建立健全风险监测和识别体系，持续提升数字化转型中的风险防范能力。二是要充分认识到数字化转型“长跑”过程中的阶段性重点，构建合适的发展模式。数字化转型作为一个长期的系统性工程，是分阶段、分领域重点推进的过程，金融机构在业务和需求驱动下，对阶段性的重点和难点进行精准化布局，不断完善有序推进数字化转型的模式，不同主体形成不同侧重点。（三）数字原生理念加速落地，数字金融示范应用效应愈加明显（三）数字原生理念加速落地，数字金融示范应用效应愈加明显数字技术的快速迭代，推动物理世界与数字世界的广泛连接和数实融合，给数字原生理念落地打下基础，金融业将更加快速的“拥抱”数字原生，推动示范性应用的不断落地。一是前沿技术更加重视金融业的落地场景，数智金融应用成为产业数字化的典型示范。金融业丰富的应用场景和需求，给各类技术落地提供舞台，推动一些前沿技术在金融业率先应用。以大模型为例，大模型技术提供方将金融服务作为其应用的重点领域，金融业也是当前大模型应用探索规模最大的行业之一。二是金融业务全流程数字化的推进，数字原生系统和场景开始涌现。虽然实现全面的数字原生还有很长的周期，但在金融业一些细分领域和场景中，不仅基础设施以数字原生理念建设，产品研发、经营决策、客户服务、运营管理等环节已采用全面数字化的方式，并建立数字原生组织和治理体系，形成初步的数字原生经济体，这一形态在金融业将继续扩大。三是数据资产化进程加快，金融业有望成为数据基础制度建设的先行者。随着构建数据基础制度的政策文件“数中国金融科技生态白皮书（2023 年）47据二十条”发布和实施，数据确权、流通、交易、收益分配、治理等制度建设加速，基于数据要素的金融工具创新有了基础依据，预计会形成数据资产化、资本化的有效实践。（四）金融科技助力政策精准实施，充分释放金融业经济社会价值（四）金融科技助力政策精准实施，充分释放金融业经济社会价值金融科技通过支持金融业供给侧结构性改革，服务国民经济和社会发展各项政策的落实，推动金融业的经济价值和社会价值进一步融合统一。一是在助力金融业经济价值释放方面，金融科技是宏观政策和产业政策精准实施过程中的有效工具。稳增长、促消费、调结构等方面的政策需要借助金融手段来有效落实，在新的形势下，金融科技在这一过程中发挥的作用越来越明显，包括丰富金融机构对小微企业、科技创新、绿色发展等领域支持的手段，识别有效消费需求促进消费复苏等。以落实“科技产业金融”良性循环政策为例，金融科技支撑的产业数字金融不断创新，通过科技手段下沉，提升对科创企业甄别和服务能力，助力现代化产业体系建设。二是在助力金融业社会价值释放方面，金融科技在一定程度上为社会民生政策落实创造更加有利的环境。此前，金融科技赋能的普惠金融对缩小数字鸿沟方面的作用已形成明显成效，未来仍将在提升低收入群体和特殊人群金融可得性方面发挥重要作用。近年来，金融科技助力金融业不断完善对养老、就业、医疗、教育等社会民生方面的支持功能，建设支持民生的数字化平台、创新面向民生领域的金融产品，为国家实施兜牢民生底线的政策创造了有利条件。中国金融科技生态白皮书（2023 年）48（五）统筹创新和稳定的关系，全方位审慎监管进入新阶段（五）统筹创新和稳定的关系，全方位审慎监管进入新阶段处理好金融稳定与金融创新的对立统一关系是监管过程中的重要原则，在我国金融监管体系改革的背景下，金融科技审慎监管进入新的阶段，实现全方位加速落实。一是将提升对金融科技全生命周期风险的预判和处置能力。顺应金融业数字化转型趋势和金融科技业态发展方向，审慎监管法律、政策、制度将进一步革新，尤其是积极利用新的技术手段建立预警监测平台，对金融科技发展的关键数据进行采集和分析，有效甄别科技应用的重大风险并做好提前应对；同时，在总结过去几年金融科技审慎监管实践经验基础上，一些审慎监管具体规则将持续出台。二是监管工具和监管能力数字化创新进一步推进。在数字化转型推动下，监管部门运用监管科技提升能力进一步加速，数字化“基因”也不断融入监管部门运作过程中，形成“用科技监管金融科技”的形态；另外，在此前监管沙盒运行经验基础上，未来金融科技创新试点进一步扩大。三是行为监管继续加速落地，规范微观市场主体行为。在金融科技市场主体间关系日益复杂的情况下，行为监管在对微观主体经营过程中各种具体行为进行监督，通过各类技术实施穿透式监管，纠正市场主体不规范行为、落实信息披露要求，保护消费者合法权益。（六）金融科技“走出去”趋势明显，支撑金融业高水平对外开放（六）金融科技“走出去”趋势明显，支撑金融业高水平对外开放在着力建设高水平开放型的经济新体制、以高水平开放促进高质中国金融科技生态白皮书（2023 年）49量发展的背景下，金融业的对外开放稳步推进，金融科技“走出去”已成为跨境金融设施连通、助力金融深度合作的重要组成部分。一方面，金融科技对国际经贸活动中交易结算赋能作用更加明显。2023年上半年，中国货物贸易进出口总额首次突破 20 万亿元大关，服务贸易总额超过 3.1 万亿元，其中跨境电商进出口额达 1.1 万亿元，同比增长 16%。不断恢复和加速发展的对外贸易，对于跨境支付的结算效率、安全性提出新的挑战，金融机构和跨境支付企业不断推动技术研发，提升对跨境支付结算的支撑能力，破解对外贸易中资金流、信息流中的痛点。另一方面，国内金融科技企业对外技术输出加快，不断提升企业国际竞争力。国内金融科技企业此前推动移动支付、手机银行为核心的普惠金融走出去，尤其是在“一带一路”推进中，为海外的支付结算、清算系统建设做出贡献，依托国内成熟的技术和业务模式，这一领域将继续向海外输出；同时，国内科技企业自主创新的数字化产品方案不断完善，为海外金融业科技能力提升提供技术支持，包括金融机具、网络、数据库、云计算、AI、风控等产品和能力。

0人已浏览 2023-11-18 56页 5星级

金融机构金融机构 AIAI 芯片应用情况专题报告芯片应用情况专题报告 北京金融科技产业联盟北京金融科技产业联盟 2 2023023 年年 1 11 1 月月 版权声明 版权声明版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其它方式使用本报告文字、图表或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。编制委员会 编委会成员：潘润红 编写组成员：聂丽琴 胡达川 王硕 纪钟 罗方华 徐斌 刘玉海 崔雨萍 伊纯 方科 徐梓丞 王静逸 岳永强 郭贞 陆俊 原菁菁 杜依迪 解培张彬 李银凤 胡捷 邓玉洁 徐小芳 王景俊 薛亮 白阳 张增金 洪喜如 朱军民 王勇 武凤霞 参 编 单 位：北京金融科技产业联盟秘书处 中科可控信息产业有限公司 中国银行股份有限公司 中国建设银行股份有限公司 中国邮政储蓄银行股份有限公司 中国光大银行股份有限公司 华夏银行股份有限公司 华为技术有限公司 北京趋动科技有限公司 北京易道博识科技有限公司 格兰菲智能科技有限公司 目目 录录1 研究意义.1 2 技术路线.4 2.1 硬件层.5 2.2 开发平台.23 2.3 算力服务.24 3 产业分析.28 3.1 产业概览.28 3.2 国际情况.30 3.3 国内情况.36 4 金融应用情况.50 4.1 应用场景.50 4.2 机构实践.55 5 后续工作建议.68 5.1 形成一批具有金融行业特色的应用系列标准.68 5.2 推动一批金融行业普遍关注的课题攻关研究.68 5.3 征集一批适宜开展适配验证的金融应用案例.69 5.4 研发一批面向中小金融机构的易用产品服务.69 5.5 制定一批可用性强的国产芯片产品服务目录.69 5.6 打造覆盖芯片应用全产业链的创新生态系统.70 第一章 研究意义 1 1 研究意义研究意义 习近平总书记在中共中央政治局第九次集体学习上的讲话强调：“人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”。近年来，人工智能技术在金融领域广泛应用，主要在信贷审核、智能客服、量化交易、金融反欺诈等业务场景应用落地。近期，人工智能现象级应用 ChatGPT 在社会中备受关注，再次引起人工智能、大模型、算法、加速卡等概念的热议。人工智能技术的发展对金融行业具有深远意义。一是交易模式发生变革。一是交易模式发生变革。在 2010 年之前客户交易的主要介质为存折、银行卡，以柜台人工服务模式为主；2010 年之后以自助设备替代高柜和低柜，并通过远程视频与自助设备结合实现交易达成；2016 年手机成为了新一代的交易媒介，移动金融成为主流，指纹、人脸等生物识别技术实现了通过人体生物特征信息与金融账户体系的关联，身份核验服务实现密码替代。二是数据价值充分挖掘。二是数据价值充分挖掘。在 2014 年之前，凭证和文件信息都是以图像的方式存储在影像平台，在出现问题的时候通过人工检索的模式来收集交易过程信息和证据信息，且收集到的数据和信息分散，没有充分发挥数据价值。光学字符识别（Optical Character Recognition，OCR）技术的诞生将金融机构大量的影像文件信息进行了识别处理，实现自动化分类整理、内容级搜索、概要信息提取、文件合规性审核、归档、统计分析、知识图谱构第一章 研究意义 2 建等，将零散的信息整理形成具有价值的数据。三是客户服务智能化升级三是客户服务智能化升级。传统的金融客服平台需要大量人力支撑，存在人员压力大、业务培训难、高峰期人员瓶颈、通话数据价值浪费等问题。人工智能等技术的应用使得金融机构客服坐席通过语音识别（Automatic Speech Recognition,ASR）、语义理解、语音合成（Text-To-Speech,TTS）、语音克隆、智能导航等人工智能的应用，实现了电话营销、电话邀约、智能催收、电话回访、语音通知等各场景的智能化升级。人工智能应用的成功离不开强大的算力能力支撑，如果说算力是人工智能的“发动机”，那么 AI 芯片就是人工智能的“火花塞”。当前金融行业 AI 芯片应用存在难题。一是一是 AI 芯片供需不平衡。芯片供需不平衡。一方面，随着生成式人工智能、大模型、隐私计算、大数据等技术的应用逐渐向成熟化和商业化发展，带动了算法公司、应用方等产业各方对 AI 芯片及服务器投入，尤其是高端芯片的需求不断增长，超出了原有 AI 芯片的供给能力。另一方面，国内在高端芯片制造方面还存在不足，而一些非市场性因素又限制了国内机构采购国外高端芯片的渠道，导致国内机构面临 AI 芯片采购难的问题。二是二是 AI 芯片应用成本高。芯片应用成本高。一方面，AI 芯片的应用不同于消费级显卡以及零售客户对芯片的需求，金融机构单次采购量少则几十、多则几百，而目前供不应求的市场关系导致 AI 芯片单价居高不下，大量采购提高了应用成本。另一方面，AI 芯片自身也在持续创新和技术进步，随着金融产品和服务的迭代创新，对性第一章 研究意义 3 能和效率更高的 AI 芯片更新需求也在不断增加，导致机构持续投入成本上升。三是异构芯片池化管理不完善。三是异构芯片池化管理不完善。随着人工智能产业的蓬勃发展，不同厂商、不同型号的芯片陆续发布；同时金融机构也开始测试不同芯片性能，开展芯片领域信创工作。目前存在异构芯片的资源池化管理和资源的远程调用能力不完善、AI 算力资源利用率不高等问题。四是信息安全面临挑战。四是信息安全面临挑战。金融业是数据密集型行业，信息安全不仅关乎金融用户的资产安全和隐私保护，还关系到国家金融系统的安全稳定运行。国产芯片符合我国加密算法相关标准，产品经过安全性测试和认证，与金融机构技术架构开展适配性验证，从硬件、算法等方面保障金融机构信息安全。综上所述，人工智能的发展对金融行业产生了变革式的影响，极大提升了金融服务实体经济的智能化和数字化水平。研究并解决当前金融机构 AI 应用“卡脖子”、应用成本高、算力资源管理效率低下、信息安全等现实问题，有助于满足金融机构对于 AI芯片硬件安全可控、供应链可持续、产品高性能等需求，对金融业高质量发展具有重要价值。第二章 技术路线 4 2 技术路线技术路线 为什么 AI 芯片被视为人工智能应用的重要基础，CPU 是否可以承担相应的工作任务？CPU 作为中央处理器，最擅长的是让各计算指令在串行模式下一条接一条的有序执行，但是在诸如深度学习等人工智能场景下，并不需要太多的程序指令，而是需要海量数据运算，此时 CPU 就无法满足需求。而诸如图形处理器（Graphics Processing Unit,GPU）等 AI 芯片具有高并行结构，在处理图形数据和复杂算法方面拥有比 CPU 更高的效率。AI 芯片主要包括 GPU、专用集成电路（Application Specific Integrated Circuit,ASIC）、现场可编程门阵列（Field Programmable Gate Array,FPGA）、专用领域架构（Domain Specific Architecture,DSA）处理器等类型。表格 1 不同 AI 芯片技术路线对比 平台平台 性能性能 资源效率资源效率 灵活性灵活性 软件生态软件生态 CPU 单核性能强，但核心数较少 CPU 硬件加速效率最低 指令集最健全，编程灵活 广泛应用，软件生态庞大且成熟 GPGPU 并行计算性能相较CPU 大幅提升，比DSA/ASIC 有较大差距 高效集成数千至上万个高效率小核，以及数百个AI 加速核，资源效率很高 本质是众核并行，指令集丰富，通用性强，AI 算子编写具有很高的灵活性，编程相对简单 1.由于 GPGPU 有极强通用性，主流的和新出的 AI 算子和框架都基于 GPGPU 实现，AI 生态较健全2.硬件产品升级后，计算框架容易向后兼容，GPGPU 软件生态可持续维护 ASIC 针对特定 场景定制，无冗余设计，理论上有极 致的性能。受限于设计复杂度，难以超大规模设计 理论上最高的资源效率，但不可避免存在功能超集 1.功能逻辑完全确定，通过配置方式调整功能 2.不支持 AI 算子编写不同领域及不同厂家的 ASIC实现都存在巨大差别，且都需要特定驱动程序，软件生态不完善 FPGA 针对特定 场景定制，无冗余设计 AIAI 算法硬件定制，资源利用效率取决于算法设灵活性较 ASIC 和DSA 高，但是 AI算法设计难度大，需要针对具体 AI 算法或应用进行定制化设计和开发，软件生态不完善 第二章 技术路线 5 算法和应用，计算性能高 计水平和实际需求 需要大规模开发团队 DSA（如（如NPU、DSP等）等）接近ASIC的性能，由于一定程度的软硬件解耦，能够实现较大规模设计 1.在 AI 算子与DSA 指令集高度适 配 情 况 下，DSA 资源效率很高，甚 至 接 近ASIC 2.在 AI 算子与DSA 指令集不适配时，算子性能表现很差，甚至无法适配 支持少量指令，算子编写难度大，需要强大的编译器，把算法映射到特定 DSA 架构；相比 ASIC，具有一定的可编程性 1.软件生态不成熟，主要是自研框架 2.对主流计算框架不支持或支持度十分有限 3.AI 算法及框架层出不穷且更新频繁，DSA 无法及时支持或无法支持，无法构建持续的 AI 软件生态 2.1 硬件层硬件层 AI 芯片发展主要路线包括 GPGPU、NPU 等。2.1.1 GPGPUGPGPU 路线路线 GPGPU 是并行计算加速卡技术架构，兼顾并行计算性能和编程通用性，基于该架构的 CUDA（Compute Unified Device Architecture）支撑起了由数百个 AI 软件工具构成的开放 AI 软件生态。（1）技术实现技术实现 GPGPU 作为运算协处理器，具有高效并行性、高密集运算、超长流水线等技术优势，并可以针对不同场景的需要，增加专用向量、张量、矩阵运算指令，提升浮点运算的精度和性能，整体提升 GPU 的技术性能。1 1）整体架构整体架构 典型的 GPGPU 架构的核心部分为可编程多处理器，其核心部分包含了众多可编程多处理器，每个可编程多处理器又包含了多个流处理器，可以支持整型、浮点、特殊函数、矩阵运算等多第二章 技术路线 6 种不同类型的计算。GPGPU 通过 PCI-E 总线与 CPU 处理器进行通信，其存在的目的是为了对程序某些模块或者函数进行加速。GPGPU 是原硬件系统的一个扩展，接受 CPU 调度指挥，其硬件构造由计算单元、内存控制器、线程调度器等组成。同时借助特定的互连结构和协议，在一个主机系统 PCI-E 总线上可以使多个并行的 GPGPU 与 CPU 进行互连，这使得一台主机的算力具有可扩展性，合理的组织多个 GPGPU 可以获得更好的加速效果。GPGPU 里有多个计算单元，每个计算单元使用多个单指令多数据（Single Instruction Multiple Data,SIMD）单元，每个 SIMD单元里又有很多加减乘等流式计算部件，GPGPU 可以有众多流处理单元，因此其吞吐量非常高，如果任务有足够的并行性，GPGPU 可以更快完成。图 1 GPGPU 整体架构 第二章 技术路线 7 GPGPU 有相对完整的缓存系统，为数据的重用提供了便利，减少了开发者手动控制的难度，提升了开发效率。缓存系统虽然对用户是编程透明的，但极致性能优化时也有一定的影响，需要考虑数据排布和读取方式等优化方法来提升缓存命中率。GPGPU 有可共享的全局内存单元，用于存储计算单元计算时所要访问的数据。当 CPU 接受到数据传输指令即将数据拷贝到 GPGPU 时，直接内存访问（Direct Memory Access,DMA）单元来接管这一过程，当 CPU 转交这一个控制权后可以继续执行后续指令。DMA传输不能保证读取数据时，数据一定是传输完毕的，所以在应用中需要通过查询传输是否完成来保证数据使用的安全性，合理的使用 DMA 可以提高程序的并行度。计算核心 SIMD 架构是计算单元的计算核心部件，可以访问寄存器文件，当 GPGPU 进行并行计算时，线程会被分配给计算单元。计算单元包括矢量计算单元和标量计算单元，其中矢量计算单元主要用于复杂计算，而标量计算单元主要用于地址计算、分支跳转等。当多线程同时启动时，会出现同一个计算单元被多个线程共用的情况，在使用时需要考虑资源的分配情况，合理的将线程进行分配。存储核心 GPGPU 的寄存器数量相较 CPU 更多，寄存器的访问等待时间比较短，因此在进行密集计算时，可以将常用的数据保存在寄第二章 技术路线 8 存器中，减少数据读取的开销。而不同线程之间也可以通过寄存器来进行数据的交互，因此数据读取延迟就可以通过多个线程来回切换进行掩藏。GPGPU 还提供了多种类型的片上存储空间，如 L1 数据缓存、共享内存等。其中，共享内存作用是数据重用，线程可以通过计算单元上的共享内存交换数据或者把一些常用的数据放进共享内存中减少对全局内存的读取次数，提高效率。2 2）节点架构节点架构 GPGPU 与 CPU 互联架构 在 CPU-GPGPU 异构体系结构中，GPGPU 作为 CPU 的协处理器完成图形计算和通用计算，以外部设备的形式，通过 PCI-E总线和 CPU 通信。常见的异构计算节点体系结构主要由四个部分组成：主存、多核处理器、I/O HUB 和 GPGPU 加速器，图 2描述了这种体系结构互连关系。图 2 常见异构计算节点内部互联结构 主存（System Memory）与多核处理器之间通过 Memory Bus互连，多核处理器借助 I/O HUB 链接多种外部设备，I/O HUB 通过 PCI-E 总线链接，以树状结构链接各种功能设备，在异构计算节点中，主要的设备就是 GPGPU 加速器，在 I/O HUB 与 GPGPU第二章 技术路线 9 加速器之间还会增加 PCI-E Switch，从而扩展 PCI-E 链路链接更多设备。由于部分 AI 应用需要大量的内存复制带宽，英伟达公司开发了 NVLink 技术能够比 PCI-E 提供更高的带宽，对大模型类应用有非常高的性能提升效果，目前芯片出口限制的一个很重要参数就是限制芯片传输速率不超过每秒 600GB，主要就是限制这部分的通道带宽。GPGPU 之间的互联 GPGPU 之间通过 PCI-E 互连并完成数据传输，在高级GPGPU 加速器上，同时还支持互联协议。如今大模型训练的发展趋势就是参数量和神经网络复杂程度增加，往往需要多台服务器搭建集群协同工作进行分布式训练，而极大的参数量传输意味着需要 GPGPU 之间以及服务器之间进行数据传输交互。通过借助特定的互联结构和互联协议，使得 GPGPU 加速器可以获得高带宽、低延时的传输性能，并且可以支持 GPGPU 加速器之间的缓存一致性，从而实现共享显存。3 3）软件栈架构支持软件栈架构支持 基于 GPGPU 的 AI 芯片生态系统或软件层，是一种轻量级、模块化的软件开发环境，可以提供多种开发工具和运行时环境。同时也拥有丰富的系统关键功能组件支持，每个组件根据其功能自底向上构建出完整的平台功能，可适用于大规模应用程序计算、编译器及程序运行时组件开发。同时，还提供对OpenCL、SYCL、OpenMP、CUDA 等框架的支持。第二章 技术路线 10 图 3 GPU 生态系统架构 OpenCL（Open Computing Language,开放设计语言）OpenCL 是为异构平台编程设计的框架，此异构平台可由CPU、GPU、FPGA 或其他类型的处理器与硬件加速器组成。OpenCL 由两部分组成，一是用于编写 kernel 的语言，二是用于定义并控制平台的 API。OpenCL 提供了基于任务和基于数据两种并行计算机制，极大地扩展了 GPU 的应用范围，使其可用于处理信号转换、线性代数、分裂检查等没有太多依赖性且计算量大的问题。此外，OpenCL 还具有良好的代码可移植性，为某一个供应商平台编写的 OpenCL 应用程序正常情况下可以在其他供应商平台上运行。SYCL SYCL 作为基于 C 的单源特定于域的嵌入式语言，是OpenCL 的高级编程模型。它提高了各种加速设备上的编程效率（如高性能计算、机器学习、内嵌计算等），简单来说就是一种跨平台的抽象层，用户不需要关心底层的加速器是什么，按照标第二章 技术路线 11 准编写统一的代码就可以在各种平台上运行，大大提高了编写异构计算代码的可移植性和编程效率。SYCL 在目前用于 HPC、AI/ML、自动驾驶汽车、嵌入式或定制设备。CUDA CUDA 是显卡厂商英伟达推出的平行运算平台，也是一种通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题。它包含了 CUDA 指令集架构以及 GPU 内部的并行计算引擎。随着显卡的发展，GPU 越来越强大，而且 GPU 为显示图像做了优化，在计算上已经超越了通用的 CPU。如此强大的芯片如果只是作为显卡就太浪费了。因此英伟达（NVIDIA）推出 CUDA，让显卡可以用于图像计算以外的目的。（2）技术优势技术优势 1）性能优势 GPGPU 具有高度的并行计算能力，支持矩阵计算、大规模数据处理等复杂计算，能够同时处理多个任务和数据，使其在金融行业处理大规模数据时具有快速和高效的优势。同时，GPGPU支持高精度的计算和数值稳定性更好的算法，可以提高计算准确性，在风险评估和交易决策等场景中有重要意义。此外，使用GPGPU 可以减少对 CPU 等其他硬件的需求，降低硬件成本。综上所述，GPGPU 在金融行业中可以提高计算速度、实现更复杂的计算、提高精度和准确性，并且节省硬件成本，这些优势对金融行业的业务运作和决策制定都有着重要的影响。2）支持场景 第二章 技术路线 12 AI 大数据分析作为“发动机”，推动金融科技在交互模式变迁、获客留客、风控营销、安全运营等业务发展，从多个维度不断为行业发展注入活力。以下介绍几个 GPGPU 在金融行业的场景化应用。人工智能 金融机构正在越来越多地使用人工智能和机器学习技术来进行交易分析和风险管理，GPGPU 可提供预训练大模型、计算机视觉、自然语言处理、语音合成等大模型训练任务以及生物识别、语义识别等特定领域任务。GPU 虚拟化 传统的 GPU 虚拟化是指在一个物理 GPU 上创建多个虚拟GPU 的过程。这种技术可以使多个用户同时使用同一个物理GPU，从而提高利用率。更进一步，以 GPU 虚拟化为基础，融合了 GPU 共享，资源超分，远程调用，跨物理节点多合一的 GPU池化技术，可以站在更高的层次解决整个数据中心内 GPU 利用率低、成本高、分配和管理困难的问题。该技术与软件定义网络、软件定义存储的原理类似，以软件定义 GPU 的方式对全局 GPU进行抽象，软件化后形成一个统一的资源池，方便用户按需对GPU 资源进行有效调用，无需关注实际物理 GPU 的大小，数量，型号以及安插的物理位置。该技术可以作为一个通用的技术底座，与各种云计算平台进行无缝整合，与各种 AI 异构芯片进行适配对接，形成一池多云、一池多芯的效果。大数据分析 第二章 技术路线 13 大数据分析技术可用于金融行业的风险管理；对大量交易数据进行交易分析，以此预测市场走势和做出投资决策；检测欺诈模式，并预测潜在的欺诈行为；分析客户数据，了解客户需求和偏好，并据此制定更好的产品和服务策略。隐私计算 隐私计算可以帮助金融机构在保护客户隐私的同时满足合规性要求、实现数据共享、进行数据计算和分析、训练和测试模型并提高预测准确性，从而提高数据的利用价值。其中可信执行环境（Trusted Execution Environment,TEE），基于芯片层面机密计算能力，构建运行时安全机制，将存储安全、传输安全与运行时安全想结合，打造基于国密的安全闭环能力。英伟达在 H100 已实现了机密计算能力，国内也已有支持国密的国产 CPU 国产 GPU 区块链的 TEE 方案，对标英特尔 Sgx 英伟达 H100 的模式，为金融机构 AI SaaS 化输出、远程算力安全使用、数据互联互通、内网纵深防御、计算外包等提供落地支持。3）应用生态 使用 GPGPU 可以加速数据计算速度、降低计算成本、提高数据安全性、支持多种应用场景。以下是 GPGPU 在金融行业的一些应用场景。OCR 识别 金融业务中需要处理大量的交易数据和财务报表等文本信息，这些文本信息需要快速准确地识别和处理，利用 GPGPU 加速 OCR 识别可以并行处理 OCR 算法，提高计算精度和处理速第二章 技术路线 14 度，从而提高工作效率和准确性。同时，金融业务中需要处理来自不同语言的汇款单据、财务报表等文本信息，GPGPU 可以支持多语言 OCR 识别，更好地满足金融行业需求。NLP（自然语言处理）、ASR（语音识别）、TTS（语音合成）GPGPU 在金融行业的自然语言处理（Natural Language Processing,NLP）方面应用可以加速算法的运行，从而更快地提取关键信息，帮助金融机构更好地了解市场和客户情绪，并做出更好的投资决策。GPGPU 在金融行业语音识别（Automatic Speech Recognition,ASR）方面的应用主要是通过利用 GPU 的并行计算能力来加速语音信号的处理和分析。例如，在交易处理场景，GPGPU 可以加速语音信号的处理和识别算法，更快地识别和处理交易数据；在客户服务场景，GPGPU 可以帮助金融机构加速语音识别算法，更快地识别客户的问题和需求，并提供更好的服务；在身份验证场景，语音识别技术可以用于客户的声纹识别，以识别客户的身份，GPGPU 可以加速语音信号的处理和分析，更快地进行声纹识别。GPGPU在金融行业的语音合成（Text To Speech,TTS）方面，主要是通过利用 GPU 的并行计算能力来加速语音合成的过程。例如，在语音报价场景，语音合成技术可以用于生成市场报价的语音信息，大语言模型（Large Language Model,LLM）可接受输入的文本数据，将其转化为自然流畅的人类语音，GPGPU 可以加速语音合成算法，更快地生成市场报价的语音信息；在自动化客户服务场景，LLM 模型支持风格和音色控制，用户可以根第二章 技术路线 15 据需要选择不同的音色、声音和说话风格，有助于提高客户满意度，GPGPU 可以帮助金融机构加速语音合成算法，从而更快地生成回复客户请求的语音信息；在智能客服机器人场景，LLM 模型可生成高质量的合成音频，使合成的语音听起来更加自然、清晰和流利，GPGPU 可以加速语音合成算法，更快、更自然地生成机器人的语音输出。2.1.2 NPUNPU 路线路线 神经网络处理单元（Neural-network Process Units,NPU）采用 ASIC 技术，通过硬件模拟神经网络的方式克服了 CPU、GPU在深度学习设计上的先天不足，从而大幅提高了深度学习芯片的运算速度。虽然目前 NPU 主要集中于推理芯片领域，但已经对GPU 在人工智能领域的地位产生了冲击。NPU 的问世标志着人工智能芯片开始向定制专用化方向发展。（1）技术实现技术实现 NPU 是专门用于硬件加速人工智能应用的微处理器或计算系统，采用 DSA 的专用技术，特别用于人工神经网络、机器视觉和机器学习等领域。典型应用包括机器人学习、物联网等数据密集型应用或传感器驱动任务。在硬件架构设计时，NPU 专注于人工智能设计，可以通过硬件指令在一个周期内完成 3D Cube、Vector 向量、Scalar 标量的计算。相较于通用处理器，其算力与数据吞吐量之比有数百倍提升，同时功耗维持在较低水平。NPU主要包括计算单元和数据存储。计算单元计算单元是核心部件，通常采用矩阵计算、向量计算等方式，可以快速地执行矩阵乘法、卷积等第二章 技术路线 16 计算。数据存储数据存储是另一个关键组成部分。由于神经网络模型通常非常庞大，因此 NPU 需要具备足够的存储容量来存储模型参数和中间计算结果。NPU 的数据存储通常采用高速缓存和显存的结合方式，以便更快地存取和读取数据。1 1）整体架构）整体架构1 1 图 4 神经网络模式图 图 4 是神经网络模式图，基于神经网络的人工智能算法，成 1 参考来源：Zichao Wang.NPU Development Overview.Scientific Journal of Economics and Management Research,Volume 2 Issue 07,2020:133-138.第二章 技术路线 17 功模拟了人类大脑内部神经元的结构。图中的 neuron 代表的就是单个神经元，synapse 代表神经元的突触，hidden layer 是神经网络中的隐含层，output layer 是输出层，input 是神经网络输入。图 5 为 NPU 处理器的内部结构。图 5 NPU 内部结构 蓝色区域是硬件逻辑模拟的神经网络结构，称为NFU(Neural Functional Units)。从左到右分为三个部分，NFU-1、NFU-2、NFU-3。NFU-1 是乘法单元，有多个乘法器;NFU-2 是加法树，有多个加法树，每个加法树由多个加法器组成;NFU-3 是激活单元，有多个激活单元。总的来说 NFU 将资源分为若干份，每一份包括NFU-1 的多个乘法器，NFU-2 的一个加法树和 NFU-3 的一个激活函数运算器，运算时一份资源中乘法器同时运行输出多个结果，送加法树，加法树运算后得出一个结果送激活函数，激活函数运算判断是否激活。除此之外还有三个缓冲区，一个存储输入的数据(NBin)，一个存储运算的权值(SB)，一个存储结果(NBout)。使第二章 技术路线 18 用 NPU 架构的深度学习神经网络芯片性能得到了很大的提高，运算速度远超 GPU 和 CPU。2 2）软件栈架构支持）软件栈架构支持 NPU 的软件栈提供了控制和访问 NPU 硬件的接口，支持神经网络框架的集成，以及模型转换和优化工具，还包括调试和性能分析功能，帮助开发者更好地利用 NPU 的计算能力，快速部署和优化神经网络模型，并进行调试和性能优化。目前，通过中间表示（Intermediate Representation,IR）模型构建可以支持 TNN、MNN、Paddle-Lite 等深度学习框架。IR 模型构建主要通过 3 项关键技术实现。一是子图分割，即找出 NPU 不支持的算子，以不支持算子为界将模型切分为多个模型；二是算子转换（桥接，bridge），即取出 IR 模型的超参数和参数，填入 NPU 算子生成器；三是离线调用 IR 生成专用模型，即将多个算子整合为模型并优化。2 TNN TNN 最新版本支持服务端 X86 和 NVIDIA 硬件，采用了OpenVINO 和 TensorRT 的集成方式，能够快速获取硬件厂商的最新优化成果，并添加自定义实现来达到性能极致。考虑到桌面端应用的安装包大小限制，TNN 通过 JIT 和手工优化的方式实现了轻量级的 X86 后端，整体库大小仅为 5MB 左右。此外，TNN还扩展了对 CV 类模型的支持，包括 3D-CNN、LSTM 和 BERT等模型结构，并新增了 19 个算子，例如 LSTM、GridSample、2 参考来源：主流手机 NPU 软件栈调研（2021 Q2），https:/ 技术路线 19 Histogram 等，总共支持 107 个算子。3 MNN MNN 是一种轻量级的深度学习端侧推理引擎，旨在解决深度神经网络模型在端侧推理运行时的问题，包括深度神经网络模型的优化、转换和推理。它支持主流模型格式，如 TensorFlow、Caffe、ONNX 等，涵盖了常用网络，如 CNN、RNN 和 GAN 等。此外，MNN 还提供转换、可视化和调试工具，并且能够方便地部署到移动设备和各种嵌入式设备中。4 Paddle-Lite Paddle Lite 是一个高性能、轻量级、具有灵活性和易于扩展的深度学习推理框架，旨在支持包括移动端、嵌入式设备和边缘端在内的多种硬件平台。支持 PaddlePaddle、TensorFlow、Caffe、ONNX 模型的推理部署。56 （2）技术优势技术优势 1 1）性能优势）性能优势 高效性。高效性。NPU 的设计目的就是为了进行深度学习计算，因此具有非常高的计算效率和能耗效率，能够在短时间内完成大规模的神经网络计算任务。低延迟。低延迟。由于 NPU 的设计中将计算和存储密集的任务分离开来，避免了 CPU 和 GPU 中计算和存储竞争的问题，因此 NPU 3 参考来源：腾讯发布推理框架 TNN 全平台版本，同时支持移动端、桌面端和服务端，https:/ 4 参考来源：AI 平台-MNN【推理引擎】，https:/ 参考来源 1：PaddlePaddle/Paddle-Lite:PaddlePaddle High Performance Deep Learning Inference Engine for Mobile and Edge(飞桨高性能深度学习端侧推理引擎），https:/ 参考来源 2：Paddle-Lite 文档，https:/paddlepaddle.github.io/Paddle-Lite/。第二章 技术路线 20 可以在很短的时间内响应计算请求，执行计算任务。此外，NPU的计算单元也被优化，采用了更加高效的矩阵计算和向量计算方式，可以快速地执行大规模矩阵乘法、卷积等操作。稳定性。稳定性。由于 NPU 的计算单元和数据存储经过精心设计和测试，可以在长时间的运行中保持高效、稳定的性能，因此 NPU通常具有很好的容错性和可靠性，即使在高负载、复杂计算任务的情况下，也能够保持稳定的计算性能。可编程性。可编程性。与传统的 ASIC 芯片不同，NPU 通常具有一定的可编程性，可以通过软件调整参数和配置来适应不同的计算任务。这意味着 NPU 不仅适用于固定的深度学习模型，还可以适应不同的算法、框架和数据集。2 2）支持场景）支持场景 NPU 拥有对矩阵和卷积运算的高效性，主要得益于其架构所采用的定制化硬件设计，专门用来加速矩阵运算。同时 NPU 架构采用了较多的分布式缓存与计算单元进行配合，能有效减少数据到计算单元的搬运，在提升计算力的同时还减小了数据传输的功耗，使得 NPU 在深度卷积神经网络这一应用领域具有一定优势，可以广泛应用于各类 AI 领域。例如，计算机视觉（CV）：高清视频内容处理、智能驾驶辅助、无人机和机器人等；自然语言处理（NLP）：机器翻译、文本语义理解、文本分类等；人工智能内容生成（AIGC）：以文生图，文章生成、人机对话、智能搜索等；语音识别（ASR）、语音合成（TTS）、基于用户画像的内容推荐、广告推荐等。第二章 技术路线 21 手机手机 AIAI 的核心载体的核心载体 NPU 是专门负责实现 AI 运算和应用的处理器，相较于 CPU和 GPU，实现数量级提升，具有更优异的能效。它为场景优化器提供了动力，使得识别照片中的内容更加准确，并能够提示相机调整为适合主体的理想设置。NPU 还可以模糊自拍照的背景并创建散景效果，利用 AI 场景识别来拍摄照片，并进行运算修图。此外，NPU 还能判断光源和暗光细节合成超级夜景。自动驾驶自动驾驶 NPU 能够快速地处理大量的传感器数据，在自动驾驶系统中扮演着至关重要的角色。例如，NPU 可以用于处理摄像头、雷达、激光雷达等传感器数据，从而实现对车辆的实时控制和决策。人脸识别人脸识别 人脸识别是一个需要高效计算的应用场景，NPU 可以为人脸识别系统提供快速的计算能力，支持人脸检测、特征提取和匹配等操作，并能够快速处理大量的图像数据，从而实现快速准确的人脸识别。智能语音智能语音 智能语音是一个需要实时高效计算的应用场景，NPU 可以为智能语音系统提供高效的计算能力，支持语音识别、语音合成等操作。智能语音系统能够通过 NPU 快速地处理用户的语音指令，实现对音箱的实时控制和管理。视频监控视频监控 视频监控是一个需要处理大量视频数据的应用场景，NPU可第二章 技术路线 22 以为视频监控系统提供高效的计算能力，支持视频数据的处理、分析和识别等操作。金融应用金融应用 NPU 的引入使 AI 建模的时效从小时级提升到了分钟级，为金融企业大幅降低了 AI 开发和运维门槛，为智能风控、智慧营销等场景智能化提供了有力支撑。3 3）未来展望）未来展望 多样化。多样化。随着人工智能应用场景的不断扩展和多样化，NPU需要不断适应不同的应用场景和算法模型。未来，NPU 的设计和开发将更加注重多样性，以支持更广泛的应用场景和算法模型。集成化。集成化。目前，许多 NPU 需要与其他芯片（如 CPU、GPU等）配合使用才能完成整个计算任务。未来，NPU 的设计和开发将更加注重集成化，以使 NPU 能够更加自主地完成计算任务，减少对其他芯片的依赖。模块化。模块化。NPU 可以根据不同应用场景和算法模型的需要，选择不同的计算模块来进行计算，从而提高计算效率和灵活性。高性能。高性能。随着人工智能应用场景的不断拓展和算法模型的不断复杂化，NPU 需要具备更高的计算能力和更快的响应速度，以适应未来的发展需要。2.1.3 路线对比路线对比 GPGPU 架构是通用图形处理器，适用于需要进行大量并行计算的任务，如科学计算、计算机视觉和机器学习等。GPGPU 架构不仅兼顾硬件性能，还与软件生态兼容，可通过 AI 软件生态第二章 技术路线 23 获得更多的优势，而无需自研 AI 软件工具。GPGPU 具有强大的计算能力和更为成熟的编程框架。虽然 GPU 在并行计算能力方面具有优势，但不能单独工作，需要 CPU 的协同处理。此外，高性能的 GPU 也存在着功耗高、体积大等问题，对于一些小型设备和移动设备来说可能会存在使用上的限制。NPU 是一种专用芯片，具有小体积、低功耗、高计算性能和高计算效率等特点。它是针对特定范围的 AI 算子设计的 Tensor和 ASIC 加速单元，没有明确的领域定义。NPU 是受生物神经网络启发而构建的，相比于 CPU 和 GPU 处理器需要使用数千条指令完成的神经元处理，NPU 只需要一条或几条指令就能完成，因此在深度学习的处理效率方面具有明显的优势。NPU 与 GPU 设计思路不同。GPU 考虑到计算的通用性，在提升算力的同时要考虑到数据吞吐量的提升，NPU 针对特定领域设计，无需考虑通用应用对于内存带宽的需求。但是，与通用性强的 CPU 和 GPU 相比，NPU 的软件生态兼容度较差，需要自研 AI 软件工具和算法模型。它不适合用于大量样本的训练，更适合于预测和推理等场景。2.2 开发平台开发平台 国际上主流的并行计算平台和编程模型以英伟达公司的CUDA 平台和 AMD 公司的 ROCm 平台（Radeon Open Computing platform）为主。其中英伟达公司的用户数量具有较大优势。国内主要分为 GPGPU 路线和 NPU 路线。其中 GPGPU 路线大都在以 CUDA 为标准开发相关的异构并行计算平台，主要有第二章 技术路线 24 中科海光、天数智芯、摩尔线程等。以中科海光 DCU 为例，与CUDA 和 ROCm 的对比如下。表格 2 开发平台对比 软件生态软件生态 英伟达英伟达 AMD 海光海光 DCU 并行计并行计 算平台算平台 CUDA ROCm DTK 框架支持框架支持 TensorFlow、PyTorch、PaddlePaddle 等全系列 TensorFlow、PyTorch、PaddlePaddle 等全系列 TensorFlow、PyTorch、PaddlePaddle 等全系列 推理推理 TensorRT MIGraphX MIGraphX 训练训练 全精度支持 全精度支持 全精度支持 ONNX Runtime 支持 支持 支持 通信库通信库 NCCL RCCL RCCL 算力算力 支持支持 矢量计算、矩阵计算/Tensor Core 张量计算核心 矢量计算、矩阵计算 矢量计算、矩阵计算 算法模型算法模型识别精度识别精度 主流使用英伟达GPU 进行模型的开发。与英伟达卡一致，无差别 与英伟达卡一致，无差别 2.3 算力服务算力服务 在 AI 场景下，从算力供给的角度看，还存在以下问题。一是存在算力孤岛。一是存在算力孤岛。算力供给侧通常会基于多个厂商的多类AI 服务器进行建设，不同厂商不同 AI 芯片架构的服务器资源互相独立，生态隔离，形成算力孤岛。二是算力资源配置不均。二是算力资源配置不均。运维人员在资源规划时需要结合多第二章 技术路线 25 种硬件上预估的应用规模进行采购，很难实现精准配比，同时由于上层应用与底层硬件紧绑定关系，后期也较难实现迁移调整，因此可能会出现某些厂商的硬件资源不够而另外一些厂商的硬件资源闲置的情况。三是算力资源利用率低。三是算力资源利用率低。当前 AI 芯片虚拟化能力存在局限性，物理资源只能以独占式的分配方法提供给用户实例使用，无法实现动态调整和灵活调度，导致底层资源无法被充分利用。综上，如何将金融机构内广泛部署的异构多元算力资源与多种专业算法模型间进行有效协同，驱使业务应用能平滑的在各级算力资源上进行流转运行，充分利用巨量算力资源，是金融业数字化转型并实现业务创新的关键点之一。算力服务层的目标算力服务层的目标是深度适配多元异构算力资源，形成多厂商、多架构的异构智能算力混合资源池，实现从传统的以硬件资源为单位、静态分配使用算力的方式，转变为以计算能力为单位对算力资源进行动态、灵活地配给，应用无需关注智能算力的位置、数量和类型。算力服务层包括算力池化、算力调度和算力运算力服务层包括算力池化、算力调度和算力运维维。2.3.1 算力池化算力池化 算力池化通过构建底层异构硬件的统一抽象模型，并对应用调用底层算力资源的请求进行重定向和再调度，从而实现各类硬件资源的一体池化。同时为应对智算业务的潮汐效应，算力池化可根据业务需求及算力负载情况提供算力资源弹性扩缩容的能力。池化能力需包括：算力与显存的细颗粒度切分，这是最基第二章 技术路线 26 本的功能要素。远程调用，即 CPU 与 GPU 分离解耦，在一台普通 CPU 机器上部署 AI 任务，先调用本机 CPU 进行数据预处理，再通过网络远程调用 GPU 进行加速。资源聚合，把多机多卡快速聚合给到一个任务，免去复杂的调度过程与模型拆分过程，快速交付。算力超分，允许算力超分，通过资源超分实现多种业务场景的 GPU 资源共享与复用。虚拟显存，也叫显存扩展，调用内存补显存。随需应变，资源动态伸缩，无需重启虚机/容器，所有虚拟 GPU 资源的分配与回收都是动态的，而且可以按需调整大小，无需重启。2.3.2 算力调度算力调度 由于上述池化能力中，已将算力进行抽象，同时具备了 CPU与 GPU 分离解耦的远程调用 GPU 的能力，因此，需要通过有效算力调度，提高算力芯片的利用率，降低算力闲置，更好地管理人工智能算力的使用情况；对用户行为进行分析和监管，优化算力设备布局规划，提升业务部署效能，使应用具有更好的稳定性和扩展性。算力调度包括：紧凑型、均衡型等智能化自动化调度策略，目的在于让算力分布更加科学合理，避免算力碎片或算力热点。允许特殊指定节点，指定 AI 芯片型号。有效纳管多种异构算力芯片，并智能化匹配多种 AI 业务需求，实现自动调度。池化调度自带任务级别的排队功能。对排队任务进行优先级设定，允许高优先级任务插队。双资源池，即支持 GPU芯片在物理 GPU 与虚拟 GPU 之间切换，两者同时存在，同时管理。第二章 技术路线 27 2.3.3 算力运维算力运维 使用算力池化技术，可以实现 AI 算力资源的在线秒级分配和回收，结合丰富的管理功能，大大降低运维难度，提高运维人员的工作效率。运维管理需包括：组件高可用，支持管理节点多副本，无单点故障。节点管理，支持图形化显示 AI 芯片资源状态，资源利用率等信息。GPU 热插拔，资源池平滑扩（缩）容，应用无感知的前提下添加和删除 GPU 节点，或者物理 GPU卡。动态回收，分配出去的资源在闲时能够自动回收，一方面提供利用率，避免独占，另一方面可以降低管理难度。灰度升级，平滑升级，不影响业务。能实现多租户管理，并对其进行配额管理。能实现 AI 芯片的健康监控，包括温度、风扇、时间、任务、负载等多种维度。配套运维工具、日志工具与监控工具。第三章 产业分析 28 3 产业分析产业分析 3.1 产业概览产业概览 人工智能芯片产业链涵盖从芯片设计、芯片制造到人工智能芯片应用等多个环节。其中芯片设计是芯片的“灵魂”，决定了芯片将能够实现什么样的功能，也是进行芯片制造的前提和基础；芯片制造是晶圆加工厂商根据设计要求生产芯片的核心环节，也是整个芯片产业链上对综合技术能力要求最高的一步。图 6 芯片产业链 芯片设计：芯片设计：人工智能芯片行业的核心环节之一，包括利用EDA 工具进行系统设计、IP 模块授权应用、仿真模拟验证等过程。只有经过了严谨的芯片设计过程，才有机会生产出包含预期功能、满足预期性能的人工智能芯片。国际知名的人工智能芯片设计公司有英伟达、英特尔、AMD、三星、谷歌等。国内芯片设计公司在近年也实现了快速发展，在各细分领域取得了不错的成绩，并在国际上也开始崭露头角，如海光、华为海思等。第三章 产业分析 29 芯片制造：芯片制造：人工智能芯片行业的核心环节，为人工智能芯片行业提供产业支撑，主要包括晶圆代工和封装测试两部分。从晶圆到芯片需要经历晶圆加工、氧化、光刻等一系列复杂流程，有着极高的资本和技术壁垒，先进制程占比逐年提高。国际上晶圆代工的代表企业包括台积电、三星、格芯等，国内对于晶圆代工的重视程度也在不断提高，处于追赶阶段，代表企业有中芯国际、华虹半导体等。人工智能芯片：人工智能芯片：算力需求大大促进了人工智能芯片市场的发展，是人工智能能够持续演进和提升的基石。从数据中心云端训练和推理任务负载，再到边缘端和终端的推理应用都离不开人工智能芯片的使用。目前国内人工智能芯片的使用仍然以国际厂商的产品为主。近年来，国内人工智能芯片公司生态体系初步完善，涌现了一大批创业公司，产品成熟度不断提高，如海光、寒武纪、燧原、壁仞科技、登临科技等。人工智能应用：人工智能应用：随着人工智能算法和芯片的不断发展，人工智能应用的广度和深度也不断丰富，如金融、云计算、消费电子、各类智慧场景业务等，算法准确性和效率提升明显。市场对自动驾驶热点的持续关注，也使其正在成为人工智能应用的重要发展方向。此外，国家政策也在持续推动人工智能芯片在保障民生等公共领域的应用落地。人工智能算法：人工智能算法：人工智能通过机器模拟人类意识，学习人类思维方法处理问题，算法是人工智能的灵魂，也是实现批量化解决人工智能问题的核心手段。当前对于人工智能算法的研究及应第三章 产业分析 30 用的主流方向主要为计算机视觉和自然语言处理。计算机视觉算法常见的有 ResNet50、YoloV3、SegNet 等，涉及图像分类、目标检测、图像分割等多种应用场景。自然语言处理算法的目标是将自然语言转换为计算机可识别的指令，搭建机器与人沟通的桥梁，常见的算法有著名的 Transformer、Bert、LSTM 等。人工智能算法研究机构主要为各大高校和研究机构，以及世界知名互联网企业和 AI 算法公司，如谷歌、亚马逊等，国内的主要有百度、字节跳动、科大讯飞、商汤科技、旷视科技等。3.2 国际情况国际情况 3.2.1 政策层面政策层面 人工智能领域现已成为世界科技创新的关键领域，对数字经济发展具有重要意义。自 2016 年起，先后有 40 余个国家和地区把推动人工智能发展上升到国家战略级高度。近年来，特别是新冠疫情的冲击下，越来越多的国家认识到，人工智能对于提升全球竞争力具有关键作用，进一步加强对人工智能领域的攻关及应用力度。美国：美国：2022 年 9 月签署芯片和科学法案（以下简称芯片法案），计划为美国半导体产业提供高达 527 亿美元的政府补贴，鼓励企业在美国研发和制造芯片，在未来几年提供约 2000 亿美元的科研经费支持，重点支持人工智能、机器人技术、量子计算等前沿科技。美国在芯片法案中加入“中国护栏”条款，禁止获得联邦资金的公司在中国大幅增产先进制程芯片，期限 10 年，旨在使各国的芯片产业转移到美国，同时限制中国半导体芯片产业第三章 产业分析 31 发展。欧盟欧盟：2022 年 2 月推出欧盟芯片法案，该法案基本上是美国版法案的框架，旨在加强欧盟芯片生态系统的技术能力和创新并确保欧洲在芯片研究和创新方面处于领先地位。向半导体行业投入超过 430 亿欧元公共和私有资金。用于加强现有研究、开发和创新，以确保部署先进的半导体工具以及用于原型设计、测试的试验生产线等。目标是在 2030 年将欧洲半导体市场份额从当前的 10提升至 20。日本日本：2022 年 3 月实施“半导体援助法”“特定高度情报通信技术活用系统开发供给导入促进法（5G 法）”，为持续提供半导体供应、在国内兴建半导体的企业提供补助。日本 2021 财年预算修正案显示，约在半导体行业投入 7740 亿日元（约合人民币423 亿元）。提出 5 年时间赶上新一代产品的尖端制造技术，但不会在规模上追赶台积电和三星。韩国韩国：2021 年 5 月实施“K 半导体战略”，旨在扩大扶持力度，本土企业自强。未来十年，包括三星电子和 SK 海力士在内的 153 家企业将在本土半导体业务上投入 4510 亿美元。对研发和设施投资将分别减免 40至 50和 10至 20的税金。在2021 年下半年至 2024 年期间，将对从事半导体等“关键战略技术”的大型企业的资本支出税收优惠从目前的最高 3提高到6。计划在 2030 年将韩国发展成为综合半导体强国，主导全球供应链。3.2.2 产业机构产业机构 第三章 产业分析 32 （1）英伟达英伟达 英伟达是人工智能主力芯片供应商，是 GPGPU 领域的龙头企业，技术上保持着绝对领先，平均每两年推出新一代芯片架构，每代产品性能始终能够保持稳定的提升和强大的产品竞争力。目前，英伟达的产品矩阵已覆盖数据中心、专业图形图像、消费级游戏和汽车等多业务场景。其中，面向数据中心场景，英伟达先后发布了 V100、A100 以及基于最新 Hopper 架构的 H100 芯片，结合成熟的 CUDA 生态以及不断迭代发布的 NVLink 互联技术，构成了英伟达技术和市场领先的“护城河”，可以提供当前世界上最强大的 AI 算力产品，引领 GPGPU 领域的技术发展方向。同时，英伟达还通过 NVIDIA AI Enterprise、NVIDIA DGX Cloud 等服务和解决方案，进一步释放 AI 潜力，占据主流市场。1 1）主要产品）主要产品 英伟达数据中心旗舰 GPU 产品长期占据市场主导地位，主要产品包括 V100、A100 以及 H100。V100：基于英伟达先进的 Volta 架构，是英伟达在数据中心和 AI 计算领域取得成功过程中，里程碑式的重要产品。Volta 架构加持下，V100 不仅在计算单元数量上有显著提升，还搭载了HBM2 显存，提供更高的显存带宽，并通过 NVLink 2.0 技术，实现了更高效的集群拓展能力。最重要的是，V100 上首次集成了第一代 Tensor Core 单元，利用混合精度加速深度学习重点矩阵和卷积运算，大幅度提高了深度学习的训练和推理效率。A100：当前市场最主流需求的英伟达数据中心 GPU 产品，第三章 产业分析 33 也是 V100 停产后的升级替代款型。A100 基于英伟达 Ampere 架构，采用 7nm 制程，与 V100 相比，计算单元数量进一步增加，且支持 NVLink 3.0 技术。A100 还采用了第三代 Tensor Core 单元，支持 TF32、BF16 等更多数据格式，并支持通过稀疏化方式进一步提升深度学习计算效率。新增的 MIG 技术，可以实现 GPU资源的硬件隔离，满足在云计算环境下资源的灵活分配需求。H100：英伟达最新 Hopper 架构下的旗舰产品，采用台积电4N 工艺制程，计算单元数量相比于 A100 实现翻倍增长。第四代Tensor Core 单元不仅在相同时钟频率下实现性能 2 倍提升，还增加了 Transformer 引擎，通过硬件实现对 GPT 等 Transformer类深度学习算法模型计算速度的显著提升，进一步释放 AI 算力。此外，H100 还支持 MIG 2.0、机密计算等新特性，是英伟达目前为止性能最强大的 GPGPU 产品。2 2）开发平台）开发平台 英伟达开发平台 CUDA 是在统一架构 GPU 上面向通用计算的并行编程开发平台。CUDA 开发平台中包含了不同层次的调用接口，其中包括一组运行时 API、一组设备驱动 API 以及 CUDA提供的函数库 API。CUDA 驱动 API 能够直接控制底层硬件结构，CUDA 运行时 API 则是对驱动 API 的封装。程序设计过程中既可以调用CUDA 驱动 API 实现对硬件更高效的控制，也可以使用 CUDA运行时 API 更便捷、更直观地实现 CUDA 开发平台提供的计算模式。第三章 产业分析 34 开发库是基于 CUDA 技术所提供的应用开发库。其中，CUDA 包含了两个重要的标准数学运算库CUDA 快速傅立叶变换（CUDA Fast Fourier Transform,cuFFT）和基础线性代数子程序库（CUDA Basic Linear Algebra Subprograms,cuBLAS）。这两个数学运算库所解决的是典型的大规模的并行计算问题，也是在密集数据计算中常见的计算类型。运行时环境提供了应用开发接口和运行时组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。基于 CUDA 开发的程序代码在实际执行中分为两种，一种是运行在 CPU 上的宿主代码（Host Code），一种是运行在 GPU 上的设备代码（Device Code）。不同类型的代码由于其运行的物理位置不同，能够访问到的资源不同，因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分，基本囊括了所有在 GPGPU开发中所需要的功能和能够使用到的资源接口，开发人员可以通过运行时环境的编程接口实现各种类型的计算。CUDA 提供的运行时环境通过驱动来实现各种功能。CUDA 支持 Windows、Linux、MacOS 三种主流操作系统，CUDA C 语言和 OpenCL 及 CUDA Fortran 语言。无论使用何种语言或接口，指令最终都会被驱动程序转换成并行线程执行（Parallel Thread Execution,PTX,CUDA 架构中的指令集，类似于汇编语言）代码，交由显示核心计算。（2）AMD AMD 是高性能计算（High Performance Computing,HPC）主第三章 产业分析 35 力芯片供应商，全球领先的半导体技术提供商，产品覆盖 GPU、APU（Accelerated Processing Unit）及 FPGA 等多个领域。AMD EPYC（霄龙）处理器面向云计算、HPC 等高性能计算工作场景，凭借多核优势以及优异性能，在服务器领域始终保持着较高的市场份额。同时，AMD 也是少数可以和英伟达可以在全球范围内GPGPU 领域展开竞争的企业，AMD Instinct 系列加速器结合ROCm 生态，可以满足 Exascale 级（百亿亿次级）工作负载需求，加速大规模 HPC 和 AI 训练任务。1 1）主要产品）主要产品 当前 AMD 面向数据中心和 AI 计算场景的 GPU 产品主要为Instinct MI200 系列，基于 CDNA2 架构。MI200 系列共包含 3 款产品，分别为 MI250X、MI250 以及 MI210。MI250X 整卡采用 OAM（开放加速模组）形态设计，是首个采用 MCM（多芯片模组）封装，也是首个支持 128GB HBM2e超大显存的 GPU。MI250X 通过第二代矩阵核心进一步加速 FP64和 FP32 矩阵运算，可以提供 383 TFLOPS 的 FP16 理论性能，是第一款百亿亿次级的加速卡产品。MI250 则是 MI250X 的精简款型，屏蔽部分核心计算单元，各项性能指标小幅下调，其余参数规格完全不变。MI210 为 PCIe 扩展卡形态，同样基于 CDNA2 架构，采用单芯片设计。相较于 MI250X/250，MI210 性能有所下降，但 PCIe 形态扩展了 MI200 系列的应用场景，降低了使用条件，且 MI210 拥有基于 AMD Matrix Core 技术的广泛混合精度能力，可以为加速深度学习训练提供一个强大解决方案。第三章 产业分析 36 2 2）开发平台）开发平台 AMD 的开发平台 Radeon 开放计算平台（Radeon Open Computing platform,ROCm）是基于开源项目的 AMD GPU 计算生态。ROCm 之于 AMD GPU 相当于 CUDA 之于 NVIDIA GPU。3.3 国内情况国内情况 3.3.1 政策层面政策层面 近年来，我国采取了一系列政策推进集成电路和人工智能产业的发展，包括提升集成电路设计水平、发展高端芯片和人工智能技术、促进新型基础设施建设等。此外，还有税收优惠政策和标准化管理措施。未来，我国将继续加快基础设施建设，并聚焦于高端芯片、人工智能算法等领域的研发与应用突破，同时加强前沿技术如量子计算和神经网络芯片的布局。表格 3 我国人工智能芯片重点政策汇总7 时间时间 政策政策 政策内容政策内容 2015.05 中国制造 2025 将“集成电路及专用设备”作为新一代信息技术产业的重点突破口列在需要大力推动的重点领域之首。提出着力提升集成电路设计水平,不断丰富知识产权(IP)核和设计工具,突破关系国家信息与网络安全及电子整机产业发展的核心通用芯片,提升国产芯片的应用适配能力的发展要求。2015.06“互联网 ”行动指导意见 支持发展核心芯片、高端服务器研发和云计算、大数据应用。7 参考来源：我国人工智能芯片 PEST 分析：政策利好技术突破带动行业发展 第三章 产业分析 37 2016.05“互联网 ”人工智能三年行动实施方案 对人工智能芯片发展方案提出多项要求,并促进智能终端、可穿戴设备的推广落地。2016.08“十三五”国家科技创新规划 国家科技重大专项包括多个涉及芯片设计、制造的重大专项，要求整体创新能力进入世界先进行列;面向 2030 年体现国家战略意图的重大科技项目中，类脑计算的开发是重点之一;新一代信息技术里重点提到了微纳电子与系统集成技术、高性能计算和人工智能等技术。2016.07 国家信息化发展战略纲要 制定国家信息领域核心技术设备发展战略纲要,以体系化思维弥补单点弱势,打造国际先进、安全可控的核心技术体系，带动集成电路、基础软件、核心元器件等薄弱环节实现根本性突破。2016.11 产业技术创新能力发展规划 2016-2020年)着力提升集成电路设计水平,发展高端芯片,不断丰富知识产权 IP 核和设计工具,推动先进制造和特色制造工艺发展,提升封装测试产业的发展水平，形成关键制造装备和关键材料供货能力,加紧布局超越摩尔相关领域。2016.12“十三五”国家战略性新兴产业发展规划 提升核心基础硬件供给能力。提升关键芯片设计水平,发展面向新应用的芯片。加强类脑芯片、超导芯片、石墨烯存储、非易失存储、忆阻器等新原理组件研发,推进后摩尔定律时代微电子技术开发与应用。第三章 产业分析 38 2017.07 新一代人工智能发展规划 到 2020 年人工智能总体技术和应用与世界先进水平同步,人工智能产业成为新的重要经济增长点,人工智能技术应用成为改善民生的新途径。2017.12 促进新一代人工智能产业发展三年行动计划(2018-2020)从推动产业发展角度出发,结合“中国制造2025”,对新一代人工智能发展规划相关任务进行细化和落实,以信息技术与制造技术深度融合为主线,以新一代人工智能技术的产业化和集成应用为重点,推动人工智能与实体经济相融合。2017.05 大数据产业发展规划(2016-2020 年)结合行业应用，研发大数据分析、理解、预测及决策支持与知识服务等智能数据应用技术。突破面向大数据的新型计算、存储、传感、通信等芯片及融合架构、内存计算、亿级并发、EB 级存储、绿色计算等技术,推动软硬件协同发展。2018.01 人工智能标准化白皮书(2018 版)宣布成立国家人工智能标准化总体组、专家咨询组,负责全面统筹规划和协调管理我国人工智能标准化工作。2018.08 扩大和升级信息消费 三 年 行 动 计 划(2018-2020 年)利用物联网、大数据、云计算、人工智能等技术推动电子产品智能化升级,提升手机、计算机、彩色电视机、音响等各类终端产品的中高端供给体系质量,推进智能可穿戴设备、虚/增强现实、超高清终端设备、消费类无人机等产品的研发及产业化。第三章 产业分析 39 2018.03 关于集成电路生产企业有关企业所得税政策问题的通知 对满足要求的集成电路生产企业实行税收优惠减免政策,符合条件的集成电路生产企业可享受前五年免征企业所得税,第六年至第十年按照 25%的法定税率减半征收企业所得税,并享受至期满为止的优惠政策。2019.05 关于集成电路设计和软件产业企业所得税政策的公告 依法成立且符合条件的集成电路设计企业和软件企业,在 2018 年 12 月 31 日前自获利年度起计算优惠期,第一年至第二年免征企业所得税,第三年至第五年按照 25%的法定税率减半征收企业所得税,并享受至期满为止。2019.11 工业和信息化部关于加快培育共享制造新模式新业态促进制造业高质量发展的指导意见 推动新型基础设施建设，加强 5G、人工智能、工业互联网、物联网等新型基础设施建设,扩大高速率、大容量、低延时网络覆盖范围,鼓励制造企业通过内网改造升级实现人、机、物互联,为共享制造提供信息网络支撑。2020.04 中共中央政治局常务委员会会议 加快 5G 网络、数据中心等新型基础设施建设进度。2021.03 “十四五”规划 聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域，加快推进基础理论、基础算法、装备材料等研发突破与迭代应用。加快布局量子计算、量子通信、神经芯片、DNA 存储等前沿技术。3.3.2 产业机构产业机构 （1）中科海光中科海光 第三章 产业分析 40 海光 DCU 是中国 HPC 超算、科学计算的主要芯片之一，全国已有 20 万片的 DCU 算力在网服务，用于基因工程研究、航空航天、医药研发、气象分析、地质勘测等领域。海光 DCU 采用与英伟达、AMD 一致的 GPGPU 路线，实现了算法开发和硬件应用的解耦。其异构软件开发平台 DTK（DCU Tool Kit）对标CUDA，兼容 ROCm 软件生态。经权威机构测试，算法引擎从英伟达 GPU 迁移到海光 DCU后无识别精度下降问题，而一般算法引擎从英伟达 GPU 迁移到NPU 会出现算法/引擎的识别准确率下降，造成产品无法使用。海光 DCU 支持标量计算和矢量计算，适用于各种人工智能场景，适配难度小、周期短、成本低。在大模型领域，海光 DCU 已支撑国内顶级大模型应用。中科院自动化所的“紫东太初”三模态大模型，实现了图文音语义统一表达，海光基于 DCU 平台开展了多模态预训练模型架构设计与优化，在 100 亿参数下，达到 1024 个节点（4096 张 DCU 卡）近线性扩展，实现多模态理解与生成的多任务统一建模。北京智源人工智能研究院的“悟道 2.0”，是双语跨模态大模型。海光与智源合作，对 2000 亿参数的 GLM-XXLarge 模型进行训练，基于 PyTorch 框架、Apex 混合精度计算框架、DeepSpeed和 Megatron 分布式框架，通过模型并行、数据并行和流水线并行调优，最高实现 6000 个节点（24000 张 DCU 卡）扩展，节点扩展能力接近线性。海光 DCU 支持清华智谱、讯飞星火、百度文心一言、LLAMA、百川智能等主流大模型引擎和应用。第三章 产业分析 41 海光国产 X86 路线具备 CPU 逻辑运算与 DCU 异构计算的综合服务能力，其中海光 CPU 已在金融行业规模化应用。（2）华为昇腾华为昇腾 1 1）芯片特点）芯片特点 昇腾 AI 芯片本质是一个片上系统（System on Chip，SoC），主要可以应用在和图像、视频、语音、文字处理相关的应用场景。其主要的架构组成部件包括特制的计算单元、大容量的存储单元和相应的控制单元。该芯片大致可以划分为：芯片系统控制 CPU（Control CPU），AI 计算引擎（包括 AI Core 和 AI CPU），多层级的片上系统缓存（Cache）或缓冲区（Buffer），数字视觉预处理模块（Digital Vision Pre-Processing，DVPP）等。昇腾 AI 芯片集成了 CPU 核，每个核心都有独立的 L1 和L2 缓存，所有核心共享一个片上 L3 缓存。集成的 CPU 核按照功能可以划分为专用于控制芯片整体运行的主控 CPU 和专用于承担非矩阵类复杂计算的 AI CPU。两类任务占用的 CPU 核数可由软件根据系统实际运行情况动态分配。除了 CPU 之外，昇腾 AI 芯片真正的算力担当是采用了达芬奇架构的 AI Core。这些 AI Core 通过特别设计的架构和电路实现了高通量、大算力和低功耗，特别适合处理深度学习中神经网络必须的常用计算，如矩阵相乘等。由于采用了模块化的设计，可以很方便的通过叠加模块的方法提高后续芯片的计算力。2 2）CANNCANN 异构计算架构异构计算架构 芯片使能软件是 AI 处理器的使能引擎，支撑开发者自定义第三章 产业分析 42 算子开发，更好的应用和挖掘 AI 处理器的能力。通过自定义子开发，可以丰富和繁荣 AI 处理器的算子，来支撑更多的网络模型，从而更好的支撑行业应用的开发。为了获取更高的芯片运行效率，提升 AI 算力硬件系统的吞吐率，帮助开发者提升开发和训练效率。芯片使能软件包括芯片编程接口、计算编译引擎、计算执行引擎、计算库以及计算调优引擎等功能单元。3 3）AIAI 框架框架 MindSporeMindSpore AI 框架的主要目的是把程序员从繁琐细致的具体编程工作中解放出来，从而可以将主要精力集中在人工智能算法的调优和改进上。由于深度学习的算法发展很快，同时支持深度学习算力的硬件众多，一个框架的好坏往往取决于对上层算法和底层硬件的广泛兼容和适配能力。在硬件基础设施上提供 AI 框架支持，支持 MindSpore、TensorFlow 开发框架。具有自动微分、自动并行、动静态图结合、全场景部署协同、全栈协同加速、科学计算工具包等特性。同时，针对 AI 科学计算工具包 MindScience，提供场景应用创新，拓展 MindSpore 的边界，MindScience 是基于昇思MindSpore 融合架构打造的科学计算行业套件，包含了业界领先的数据集、基础模型、预置高精度模型和前后处理工具，加速了科学行业应用开发。目前已推出面向电子信息行业的 MindElec套件和面向生命科学行业的 MindSPONGE 套件，分别实现了电磁仿真性能提升 10 倍和生物制药化合物模拟效率提升 50%。第三章 产业分析 43 （3）寒武纪寒武纪8 8 寒武纪是智能芯片领域全球知名的新兴公司，能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。寒武纪不直接从事人工智能最终应用产品的开发和销售，而是通过对各类人工智能算法和应用场景有着深入的研究和理解，研发和销售符合市场需求的、性能优越、能效出色、易于使用的智能芯片及配套系统软件产品。寒武纪成立于 2016 年，成立之初以 IP 授权的形式进入市场，推出商用终端智能处理器 IP 产品寒武纪 1A。随后寒武纪迅速拓展云端业务，2018 年推出第一代云端 AI 芯片思元 MLU100。寒武纪不断拓展业务范围，陆续推出云端芯片以及边缘 AI 系列芯片。目前，寒武纪的主要产品线包括云端产品线、边缘产品线和IP 授权及软件三部分。云端产品线目前包括云端智能芯片、加速卡及训练整机。其中，云端智能芯片及加速卡是云服务器、数据中心等进行人工智能处理的核心器件，能为云计算和数据中心场景下的人工智能应用程序提供高计算密度、高能效的硬件计算资源，支撑该类场景下复杂度和数据吞吐量高速增长的人工智能处理任务。（4）昆仑芯昆仑芯9 9 昆仑芯成立于 2011 年，前身为百度智能芯片及架构部，团队成员多数成员来自百度、高通、Marvell、Tesla 等行业头部公 8 参考来源：产业趋势！AI 芯片行业发展政策、市场供需、竞争格局及未来前景分析,智研咨询，http:/ 9 参考来源：中国芯势力-昆仑芯，https:/ 第三章 产业分析 44 司。昆仑芯新品 AI 芯片 R200 于 2022 智算峰会上正式发布，基于新一代昆仑芯自研架构 XPU-R，通用性和性能显著提升，采用7nm 先进工艺，算力可达 256TOPS。配合百度飞桨平台，获得更友好开发的环境。昆仑芯目前有 2 个系列的产品，分别是昆仑芯 1 代芯片 K 系列和昆仑芯2代芯片R系列。昆仑芯1代芯片采用XPU-K架构，制程为 14nm 工艺，主要应用于云数据中心和智能边缘，支持全AI 算法。第二代云端通用人工智能计算处理器，采用新一代昆仑芯 XPU-R 架构，通用性和性能显著提升，制程采用 7nm 先进工艺，GDDR6 高性能显存，支持虚拟化，芯片间互联和视频编解码。（5）趋动科技趋动科技 趋动科技成立于 2019 年，专注于为企业用户构建数据中心级 AI 算力资源池和 AI 开发平台。1 1）GPUGPU 资源池化技术的演进资源池化技术的演进 趋动科技认为 GPU 资源池化技术从初期的简单虚拟化，到资源池化，经历了四个技术演进阶段。简单虚拟化简单虚拟化：将物理 GPU按照 2 的 N 次方，切分成多个固定大小的 vGPU（Virtual GPU，虚拟 GPU），每个 vGPU 的算力和显存相等。实践证明，不同的AI 模型对于算力、显存资源的需求不同，所以这样的切分方式并不能满足 AI 模型多样化的需求。任意虚拟化任意虚拟化：将物理 GPU 按照算力和显存两个维度，自定义切分，获得满足 AI 应用个性化需求的 vGPU。远程调用远程调用：AI 应用与物理 GPU 服务器分离部署，第三章 产业分析 45 允许通过高性能网络远程调用 GPU 资源。这样可以实现 AI 应用与物理 GPU 资源剥离，AI 应用可以部署在私有云的任意位置，只需要网络可达，即可调用 GPU 资源。资源池化资源池化：形成 GPU 资源池后，需要统一的管理面来实现管理、监控、资源调度和资源回收等功能。同时，也需要提供北向 API，与数据中心级的资源调度平台对接，让用户在单一界面，就可以调度包括 vGPU 在内的数据中心内的各类资源。趋动科技的 OrionX 猎户座 AI 算力资源池化解决方案已经能做到第四个阶段，能够帮助用户提高资源利用率和降低总体拥有成本，提高算法工程师的工作效率。2 2）异构）异构 AIAI 算力资源池算力资源池 面对国内外的政策形式，国内 AI 芯片的迅速崛起，趋动科技在技术方面积极创新，OrionX 现在已经能兼容除英伟达以外的国产卡，包括海光、寒武纪，实现异构资源池化管理。使用海光、寒武纪、英伟达等异构算力加速卡构建 AI 算力加速资源池，资源池内各类硬件加速卡可通过趋动科技 OrionX进行算力抽象，软件化后形成统一的 AI 加速算力资源提供给上层应用使用。异构算力池化解决方案可在实现多厂商 AI 算力硬件统一管理、统一调度、统一使用的同时，结合软件定义异构算力技术实现 AI 算力统筹分配、AI 算力资源池化、高效 AI 算力保障、围绕 AI 算力运维管理。（6）格兰菲格兰菲 格兰菲拥有图形图像以及 AMOLED 驱动产品的核心技术，第三章 产业分析 46 掌握图形图像产品架构，从架构到算法再到实现，具备自主知识产权，全程安全、可靠、可控。解决方案提供的产品和服务包括独显芯片和图形图像产品的 IP 设计服务，主要面向显卡及其它桌面或移动端计算市场。Arise1 系列独立显卡能胜任办公、网页、基础设计软件、多屏（2-4）显示的应用场景。通用计算性能胜任生物特征识别、物体分类等 AI 终端应用。视频编解码性能可应用于各种视频宣传的柜面窗口。Arise1 系 列 独 立 显 卡 有 Arise-GT-10C0/2G、Arise-GT-10C0/4G、Arise-GT-10C0/6G、Arise1020/2G 等型号产品，主要应用于桌面、商业显示以及通用计算等中高端应用场景，芯片基于28 纳米工艺制造，内置完全独立自主研发的新一代图形图像处理引擎，兼容银河麒麟 KOS、统信软件 UOS、Windows 等主流操作系统，同时可在 X86、ARM、MIPS、Loongarch 等主流 CPU平台操作运行，支持多种图形图像的API接口标准，如DirectX11、OpenGL4.5、OpenCL1.2 等。格兰菲显卡采用的 IMR 桌面级渲染架构（非 TBR 移动级渲染架构），经过 5 代产品迭代，已在信创市场真替真用。产品主要与国内整机产商合作，以整机预安装的方式给到终端客户。目前终端客户已经应用于党政办公、金融、能源、教育等领域。产品适用于需要高性能图像处理能力的应用场景，如 3D 建模、动画制作、虚拟现实、增强现实、科学计算、柜面终端等。（7）摩尔线程摩尔线程 第三章 产业分析 47 1 1）公司简介）公司简介 摩尔线程成立于 2020 年 10 月，是一家以 GPU 芯片设计为主的集成电路高科技公司。公司致力于创新面向元计算应用的新一代 GPU，构建融合视觉计算、3D 图形计算、科学计算及人工智能计算的综合计算平台，建立基于云原生 GPU 计算的生态系统，助力驱动数字经济发展。2 2）主要产品）主要产品 摩尔线程专注于研发设计全功能 GPU 芯片及相关产品，支持 3D 图形渲染、AI 训练与推理加速、超高清视频编解码、物理仿真与科学计算等多种组合工作负载，兼顾算力与算效，能够为中国科技生态合作伙伴提供强大的计算加速能力，广泛赋能数字经济多个领域。摩尔线程目前已与国产 CPU 飞腾、鲲鹏、龙芯、海光、兆芯，以及国产操作系统厂商麒麟、统信均完成兼容性互认，加速国产化数字办公应用的同时，也为国产工业设计软件、GIS 软件等提供流畅稳定的使用体验。MTT S50基于摩尔线程先进的MUSA架构打造，是一款8GB显存的工作站级显卡。凭借强大的三维渲染性能与丰富的图形框架特性支持，MTT S50 支持 osgEarth、超图、中地数码、苍穹 GIS和易智睿等多个主流 GIS 厂商应用，可以在主流平台上流畅运行CAD 3D、BIM 等工业软件。MTT S50 提供对 DBNet、CRNN、Yolo、Restnet50/101 等主流 AI 模型，以及对 PyTorch、TensorFlow、PaddlePaddle 框架的支持。MTT S3000 基于摩尔线程 MUSA 架构，同时也是第一款基第三章 产业分析 48 于“春晓”的全功能服务器 GPU 产品。基于 MUSA 软件栈，现有算法可实现向MTT S3000的无缝迁移；能够支持包含单机单卡、单机多卡、多机多卡在内的多种部署模式。MTT S3000 兼容PyTorch、TensorFlow、百度飞桨（PaddlePaddle）、计图（Jittor）等多种主流深度学习框架，并实现了对 Transformer、CNN、RNN等数十类 AI 模型的加速。摩尔线程提供了系列基于摩尔线程创新性 MT Mesh 2.0 的 GPU 云原生方案。MT Mesh 2.0 可以根据云端中心应用负载，自动化分配 GPU 计算和显存资源，实现 GPU算力弹性伸缩。摩尔线程元宇宙平台提供从硬件集群、软件基础架构到SDK工具链的全栈式解决方案，涵盖元宇宙的多个核心要素。MTVERSE 以摩尔线程 MUSA GPU 集群为算力基础，为用户提供计算基础架构及服务，包括大数据、AI 训练与推理、图形渲染和物理仿真三大平台，提供从硬件集群、软件基础架构到 SDK 工具链的全栈式解决方案，涵盖元宇宙中人、场景和内容等多个核心要素。面向大模型应用领域，摩尔线程提供大模型训练、部署和运营的完整软硬件一体数据中心 GPU 计算集群交钥匙解决方案。面向我国企业客户，提供用于训练的数据处理方案、建设大模型分布式训练，训练模型部署和迭代优化，下游场景推理的专业系统方案、低成本算力设施、业务落地部署的运维技术。基于 KUAE内的预训练模型，提供 finetune 和 promot tuning 的方案，支持行业合作伙伴和行业客户定制模型，大规模降低用户研究和使用大第三章 产业分析 49 模型的成本。3 3）开发平台）开发平台 MUSA(Moore Threads Unified System Architecture)是摩尔线程推出的通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题。它包含了 MUSA 指令集架构（ISA）以及 GPU 内部的并行计算引擎。MUSA 带有一个软件环境，开发人员可以使用C/C 语言来为 MUSA 架构编写程序，所编写出的程序可以在支持 MUSA 的 GPU 处理器上以超高性能运行。同时 MUSA 软件栈提供了各个领域的加速库，供开发者直接使用，应用在各种高性能计算的场景中。完整的 MUSA 开发环境提供 compiler、profiler、porter、debugger 等完整的开发调试工具集，包含 AI、多媒体、信号处理、通信等多个加速库，各个底层依赖的库和运行时，并且维护了各个组件的版本依赖关系，提升开发应用的效率。MUSA 兼容CUDA 编程接口，提供了编译器，可以编译 CUDA 程序，CUDA开发者可以继续采用熟悉的方式做开发，帮助 CUDA 开发者更快了解 MUSA 架构，更好地发挥国产化平台的算力。第四章 金融应用情况 50 4 金融应用金融应用情况情况 4.1 应用场景应用场景 金融行业是人工智能重要的应用领域，人工智能在金融行业的应用提升了金融业服务能力水平。人工智能在金融领域中的应用按照技术复杂度和应用成熟度等可分为传统场景和创新场景。4.1.1 传统场景传统场景 （1）金融开户金融开户 金融开户是每个客户进入金融服务必须经历的第一步，金融开户无论在移动端开户还是柜台开户，无论是个人开户还是机构开户，无论是银行、证券还是保险等行业，都是标准步骤。金融开户涉及人脸识别、图像分类、OCR 识别等 AI 技术，开户流程中需要做人脸验证、需要对客户提供的资料进行分类，对于重要的证件进行 OCR 识别和结构化提取。通过人脸识别技术对用户的身份进行远程核验，机构将身份证信息和用户的现场照片发到身份核验系统，由核验系统返回身份信息的确认或拒绝，以此实现用户注册和开卡的集中管控和备案，并留存关键证据信息。OCR识别技术将用户信息、签约合同等内容实现统一管理。结构化支持文件分类、内容检索、要素信息抽取、文件内容合规性审核、文件概要抽取等。与人脸识别技术结合，实现了身份信息与证件等资料信息的绑定。（2）智能客服智能客服 通过电话客服渠道、网上客服、APP 以及智能机器人终端与第四章 金融应用情况 51 客户进行语音或文本的互动交流，理解客户业务需求，语音回复客户提出的业务咨询，并能根据客户语音导航至指定业务模块。对传统按键式菜单进行改造，用户使用自然语音与系统交互，实现菜单扁平化，提升用户满意度，减轻人工服务压力，降低运营成本。电话客服不再受限于菜单，可开展全业务的语音导航服务。该应用场景涉及语音识别（ASR）和语音合成（TTS）技术，同时需要自然语言处理技术理解客户的问题，并且给出准确的回复，如 ChatGPT 就是目前典型的 NLP 技术产品。（3）财务报销财务报销 企业对员工的财务报销，以前是人工进行贴票、手工计算、最后进行报销。采用 OCR 辅助的报销方式，只需要将报销的发票、单据用手机或者扫描仪进行扫描，系统获取单据图像之后，自动进行 OCR 识别，并进行分类，根据设定规则进行汇总，最后进入OA系统，通过 OA审核就可以发送到财务部门进行支付。可以有效降低报销环节的人力成本，提高报销的效率，降低报销中存在的风险。（4）信贷审核信贷审核 信贷是金融机构的主要业务，为了降低信贷风险，需要对贷款对象进行风险排查。个人客户需要提供银行流水，经过 OCR识别后分析是否有异常行为，并及时给出提醒；机构客户提供财务报表等信息，经过 OCR 对财务报表进行识别和分析，得出企业经营数据和信用情况，发现风险点并及时给出审核意见。（5）视频监控与人脸识别视频监控与人脸识别 第四章 金融应用情况 52 金融机构网点是重点监控区域，一方面提前识别可疑人员和客户，另一方面通过行为识别还可以监控金融机构员工行为是否合规、安全等。运用图形视频处理技术，实时监控员工在规定动作以外的行为，提醒后台人员注意，识别并标记视频监控中发现的员工可疑行为录像片段，提示后台人员查看。集中运营中心、机房、保险柜、金库等重要场所可采用人脸门禁提高内部安全控制，通过人脸识别的验证方式，实现银行内部安全管理，有效防范不法分子的非法入侵；同时进行多人的人脸识别，实现智能识别，达到安全防范的目标。（6）金融反欺诈金融反欺诈 金融欺诈是指借款人用虚构数据、隐瞒事实的方式来骗取贷款，且在申请贷款后主观上没有还款意愿，或客观上没有偿还能力，可能造成出借人资金损失的行为。常见的金融欺诈类型有虚假用户注册、企业欺诈、金融钓鱼网站、病毒木马程序、账户隐私窃取、融资套现、他人冒用等。利用人工智能技术，利用多维数据（支付、助贷、征信等）建立反欺诈模型，制定精准的反欺诈规则，识别各种欺诈行为，有效降低金融风险。（7）量化交易量化交易 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场规律并加以利用。无论是根据人的经验判断，还是通过经典的数学模型，力所能及的模式都是有限的。从探寻股票市场的全局来看，人类积累经验的研究可以接近某一个局部的最优，而真正全局的“最优解”或许超出了目前传统量化力所第四章 金融应用情况 53 能及的范畴。一方面，对于市场中蕴藏的复杂的非线性规律，很难通过传统数学模型进行挖掘；另一方面，对于海量数据的挖掘，困于计算机运算能力的限制，如果不利用数据挖掘算法，往往需要耗费大量时间。人工智能能够提供非线性关系的模糊处理，弥补了人脑逻辑思维模式的单一性，同时，如果加以利用相关算法，可以大幅提高规律的搜索效率。人工智能的引入也使得投资策略更加丰富，如 AI 算法对于非线性模式的因子挖掘在多因子领域比传统线性多因子模型更加敏锐。4.1.2 创新场景创新场景 （1 1）数字人数字人 数字人（Digital Human/Meta Human），是运用数字技术创造出来的、与人类形象接近的数字化人物形象。为金融行业客户提供更亲切、智能、高效的金融数字人解决方案，满足客户营销、培训等多样化金融业务场景。数字人将人脸识别、计算机视觉图像分析、语音识别、自然语言处理、语言合成等多种人工智能技术结合应用。在营业厅大屏助手、手机银行营销助手、自助终端虚拟形象等已广泛应用。在大模型的加持下，数字人实现了形象自动生成、声音拟人化、多轮对话、自主学习等各类能力的全面升级。（2 2）交互式客服交互式客服 在新时代，智能客服平台在通用认知智能大模型的技术突破下，在文本生成、语言理解、知识问答、逻辑推理、数学能力等第四章 金融应用情况 54 方面有着跨越式发展，能够超越人工客服的服务能力和知识理解范围，成为金融机构与用户互联互通的重要纽带。（3 3）AIAI 双录双录 全场景 AI 赋能，解决质检滞后、工作时段固化等双录问题，极大降低人力时间成本，保障双录过程完整、严谨、合规，改善双录体验，用户随时随地办理业务，实现自助双录。通过综合计算机视觉图像处理、生物识别、OCR 识别、语言识别、语言质检、声纹识别、自然语言处理、语音合成等技术，对理财售卖、贷款受理、信贷开户、保险签约等各类需要强监管的场景，实现即时前督和批量后督处理。（4 4）流程自动化机器人流程自动化机器人 机器人流程自动化（Robotic Process Automation,RPA）通过特定的“机器人软件”，模拟人在计算机上的操作，按规则自动执行流程任务，将日常重复性工作、规则与逻辑明确、跨系统数据集成、数据搜集、检索和汇总等场景通过替代鼠标和键盘的动作，实现自动化完成办公任务。包含但不限于财务管理、人力资源、运营管理、供应商筛选、IT 运维管理、数字法务等。在大模型的加持下，基于自然语言自动生成 RPA 业务流程和脚本，实现端到端的自动化。（5 5）知识图谱知识图谱 知识图谱是一种大规模语义网络，它以结构化形式描述客观世界中的概念、实体及其关系。实现了智能检索、智能推荐、智能问答、故障诊断、质量控制等场景。包括知识管理、知识交互、第四章 金融应用情况 55 知识存储、知识构建、知识应用、知识服务等环节。（6 6）机器学习平台机器学习平台 机器学习平台为金融、地产、交通和互联网等多行业客户提供数据分析能力、实时能力和 AI 能力的建设。提供机器学习分析和实时计算能力，帮助数据分析师和数据科学家快速协同开发，实现模型管理和应用支持，在科技创新、人工智能等前沿领域为客户业务创造更大价值。机器学习平台可以实现指标加工、交易反欺诈、实时精准营销、实时授信、实时交易、实时监控等业务的支撑。4.2 机构实践机构实践 4.2.1 建设银行建设银行 （1 1）案例背景案例背景 中国建设银行应用人工智能技术构建智慧型银行，结合业务场景，通过产品化建设和模型能力定制研发，服务于总分行多个业务部门，支撑多个业务场景，算法能力在银行各个领域得到了实践验证，产品化 AI 能力敏捷供给水平实现突破，在同业达到第一梯队水平。并在计算机视觉、自然语言处理、智能语音、智能推荐与决策、知识图谱等 5 个技术领域深耕研发，敏捷支持业务降本、增效与提质。在计算机视觉领域，建设了自主可控的文字识别能力和视频分析基础能力，支撑所有业务部门的 AI 相关业务需求工作，通过产品化创新，敏捷支持行内众多场景，提升用户体验。在影像文字识别方向，支撑了多种影像识别需求。通过零代码产品化，第四章 金融应用情况 56 将票据相关业务缩短研发实施周期，显著提升了能力释放效率。在视频识别方向，支撑人体分析、动作行为识别、车辆车牌识别等视频分析需求，提升云、边侧视觉服务支持能力。在自然语言处理领域，提升融合多模态的信息抽取能力，适配行内业务需求。在智能审单场景，实现多类凭证的自动识别、多类要素信息智能采集及规则检核，节约了大部分的人工审核成本，有效解决业务场景中凭证类型多、数量大、风险高的业务痛点；在货币市场交易场景，缩短交易处理时长，形成同业较好实践；支撑风险预警项目，优化风险事件模型推理性能，对每天资讯等文本进行分析，智能识别有风险的事件，提升每秒可处理文本数量，降低了业务分析压力。在智能语音领域，研究语音识别和语音合成能力自研技术，相较外部黑盒引入能力，自研能力可基于行内场景和数据进行模型迭代和效果提升，对语音识别能力近场中文普通话识别准确率达 95%，业务效果显著优于原行内产品能力和第三方产品通用识别能力。基于自研语音能力，逐步启动原语音识别能力的全面替换工作，批量提升行内客服效果和智能化水平；语音合成能力可支持数万字级别长文本合成，音色可个性化定制，漏字多字率低，长静音覆盖错误率低，应用于建行语音播报场景中。在智能推荐与决策领域，支撑智能缴费推荐需求，针对千万级 C 端用户，优化缴费体验、提升 C 端留存率，促进缴费支付的转化率；完成内容推荐算法和工程的定制化初版研发，并试点部分城市；支撑相关业务的智能推荐初版研发，提升流量分发效第四章 金融应用情况 57 率以及内容曝光率；在内容推荐方面，提升用户粘性和页面停留时长，提高离线自评相似推荐结果准确率。已启动自动训练迭代的多模态推荐引擎建设。量化方向深耕业务场景提升服务能力，通过多类服务模型研发，进一步加强对智能投资场景的赋能。（2 2）技术方案技术方案 人工智能技术作为中国建设银行 TOP 金融科技战略的重要支撑技术之一来进行建设。目前，已形成了“1 5 N”的人工智能技术应用体系，建成了人工智能平台，构建了计算机视觉、自然语言处理、智能语音、智能推荐与决策、知识图谱等五个技术领域的能力，释放了丰富的人工智能应用场景。在研发能力纵向建设方面，目前各领域 AI 能力技术影响力逐步提升，在十六届文档分析与识别国际会议（International Conference on Document Analysis and Recognition，ICDAR）上，核心赛道中超越平安科技、联想 AI、德国 AI 研究中心等战队，荣获第二名；参加首届全国 AI 安全大赛，夺得人脸攻防核心赛道冠军。连续三年作为中国计算机学会（CCF）国际 AIOps 挑战赛主办方。为推进基于国产化 GPU 芯片的应用工作，中国建设银行建立了实现同异构 GPU 芯片的统一管理、算力资源调度和应用的人工智能技术方案，如图 7 所示：第四章 金融应用情况 58 图 7 同异构 GPU 芯片的人工智能技术架构 IaaS 层层：提供国外 GPU 芯片算力和国产化 GPU 芯片的算力云服务。算力资源池化层算力资源池化层：实现同异构 GPU 资源的容器化、池化管理与调度。人工智能平台人工智能平台：实现深度学习框架对同异构GPU 芯片适配。人工智能领域能力人工智能领域能力：提供人工智能各个领域的技术服务。（3 3）痛点、风险及挑战痛点、风险及挑战 随着人工智能应用领域和应用场景的不断扩展，尤其是基于大模型的应用，将出现突发式、爆发式的对 GPU 算力供给需求，需要解决底层 GPU 算力快速供给的痛点。目前主要依靠国外 GPU 芯片，国内 GPU 芯片的适配处于起步阶段，面临着国外 GPU 芯片断供的挑战，国产化 GPU 芯片算力和算子弱于国外 GPU 芯片而带来的应用改造挑战，以及适配国产化 GPU 芯片的一些技术生态挑战等。第四章 金融应用情况 59 4.2.2 中国银行中国银行 （1 1）案例背景案例背景 前期，中国 IT 底层标准、架构、产品、生态大多数都由国外 IT 商业公司来制定，由此存在诸多的底层技术、信息安全、数据保存方式被限制的风险，因此我国需逐步建立基于自己的 IT底层架构和标准，近几年国产芯片厂家在芯片研究领域取得了巨大突破，国产化芯片正逐步应用于金融行业的人工智能领域。从人工智能的角度出发，研究国产 GPU 架构和中国银行目前人工智能产品使用的深度学习框架的适配程度，从而为后续将中国银行人工智能产品的算力替换为国产芯片做好准备；研究国产GPU在基础任务上的性能指标，研究国产 GPU 在基础图像识别、语音识别、自然语言处理等任务上的性能指标，包括响应时间、准确率、并发量等，输出同等配置下国产 GPU 与 CPU、非国产 GPU的性能对比报告。得出国产芯片所需的资源配置，防止后续在国产芯片的使用和替代上，因为性能的差异，导致满足不了业务场景需要。在金融行业的人工智能领域中，研究 AI 芯片国芯人工智能服务器在图像分类、图像识别等场景等高频人工智能业务场景中的相关能力，验证其能否满足业务迁移、扩容的系列需求，目的是在日益复杂的国际形势下，率先开展 AI 国产化替代实践，为 AI 业务连续性增添保证。（2 2）技术方案技术方案 在测试环境中，搭载了某国产服务器、并配置国产推理卡，安装某国产操作系统。在 PyTorch 框架下，研究 ResNet50 模型第四章 金融应用情况 60 的吞吐率、准确率、并发量等性能信息是否满足场景需求。确认国产 GPU 的响应时间的效率需达到仅使用 CPU 识别的 5 倍以上，是同等价格国际主流显卡的 80%以上。确认国产 GPU 的并发量的效率需达到仅使用 CPU 识别的 3 倍以上，是同等价格国际主流显卡的 70%以上。确认国产 GPU 的准确率与同等价格过偶记主流显卡一致。从而实现验证在金融场景中，国产 AI 芯片在图像目标检测的可用性。（3 3）发展规划发展规划 输出相关测试的训练性能验证报告和推理性能验证报告。在训练上，相比于同等价位国际主流芯片，精度损失了 1.2%，训练性能提升了 65.6%。在推理上，相比于同等价位国际主流芯片，推理性能提升了 29.3%。在金融场景中，验证了国产 AI 芯片在图像目标检测可用的基础上，进一步去评估国产 GPU 性能，统计并比较国产 GPU 与国产 CPU、同业非国产 CPU、同业非国产GPU 在图像模型识别、训练上的性能。从而验证了智能图像识别模型迁移、同步的策略可行性。在 ChatGPT 热潮席卷全球以及大模型日益广泛推广的背景下，生成式人工智能（AIGC）将会拉动芯片产业量价齐升。在量上，AIGC 带来的全新场景 原场景流量大幅提高；在价上，对高端芯片的需求将拉动芯片均价上升。因此，针对大模型算力研究主要分为三部分：一是研究包括开源的、商业性私有化部署的大模型的算力要求；二是研究大模型在训练过程中不同阶段的算力要求；三是在不同芯片上运行各类大模型，研究当前市面上开源第四章 金融应用情况 61 大模型对各类芯片的支持程度。下一步将围绕以下方面开展工作。一是在智能客服领域，进一步研究大模型赋能业务的相关场景，并继续基于中国银行与国产厂商的联合创新实验室机制，借助国产 GPU 进行大模型的相关场景实践。二是推动 AI 芯片适配工作复杂、虚拟化精度不足、生态体系不成熟和 AI 算力集群建设成本高等问题的解决。三是采用开源、产学研联合创新、商用产品采购等技术路线，探索适合的金融应用场景。4.2.3 邮储银行邮储银行 随着大数据、云计算、人工智能等技术快速发展，金融行业对技术的理解愈加深入，金融科技开始深度应用于获客、风控、贷后管理、客户服务等环节，在业务中的应用与渗透逐渐加深，成为业务发展核心力量。面对新的形势，邮储银行适时提出了“创新驱动、科技引领”的战略目标，通过搭建协同、共享的金融科技创新体系推动全行联动创新。邮储银行创新实验室积极开展机器学习、智能语音、生物识别、知识图谱、智慧物联、智能决策等新技术的研究，积极探索“人工智能平台 应用”的模式赋能智能营销、智能服务、智能风控、智能运营等业务场景，发挥科技创新驱动作用。（1 1）案例背景案例背景 近年来，伴随数字经济的突飞猛进，银行业务快速发展、各类交易场景日益丰富，金融数字化转型全面提速，金融机构逐年增加科技投入，对于 AI 芯片、服务器等人工智能基础建设不断第四章 金融应用情况 62 扩大。在数字中国建设的大背景下，信创作为我国全面推动科技自立自强的重要举措，在数字中国安全建设方面发挥着重要作用。金融信创作为信创产业及生态的关键部分，也是我国科技自立自强的重要驱动力。金融机构逐渐采纳自主研发、自主可控的国内技术路线，加快国产基础软硬件等转型升级，已成为大势所趋。图 8 邮储大脑智能语言语音系统示意 邮储大脑智能语言语音系统集成语音识别、语义理解、语音合成、对话流程管理等技术，可让机器人理解客户说的内容，让用户“动动嘴”就能通过 WEBAPP电话等多渠道获得 7*24 小时的金融服务，复杂的业务还可一键切换至人工服务，让视障同胞、老年同胞也能够享受到便捷的服务体验，大大提升了银行客服的服务效率和覆盖范围，降低了运营成本。智能外呼则使用智能语音机器人与客户完成全流程自动交互，针对不同场景可以配置差异化人机耦合策略，有标准化服务、覆盖速率高、整体成本低、规模扩展快等特点，可以实现外呼效率最大化，助力银行降本增效。第四章 金融应用情况 63 （2 2）国产化适配测试情况国产化适配测试情况 为了推进智能化技术的规模化应用，邮储银行积极响应国产化自主可控的国家战略方针以及金融机构整体信创要求，布局国产化 AI 芯片测试和适配工作，并进行国产芯片的测试。邮储银行选取典型、成熟、广泛应用的智能语音场景作为试点，其中实时语音识别场景测试了某国产 GPU 芯片性能，基本达到国际主流加速卡性能的 10%左右，满足可用要求。后续将针对目前存在的某 GPU 部分模型对于动态输入响应速度较差的问题进行进一步定位和优化，提高语音识别引擎所使用的底层算子对于动态输入的响应，减少同类算子的编译及执行时间。完成优化后，预计提升某 GPU 性能至国际主流显卡的 40%左右。4.2.4 光大银行光大银行 随着智能检索、生物识别、计算机视觉、机器学习、OCR 字符识别、自然语言处理、RPA 机器人、AR、VR 等人工智能技术在金融应用领域的迅速发展，这些关键技术在给重构和优化传统金融业务流程带来新机遇的同时，也在落地的过程中提出了新的挑战。技术创新已成为传统金融机构转型升级的重要手段，金融机构开始挖掘以用户为中心的大数据资源，并将数据成本转化为数据价值。在人工智能产业蓬勃发展的时代背景下，光大银行积极开展生物识别、自然语言处理、计算机视觉、知识图谱等新兴技术的研究，并在智能客服、智能风控、智能运营等实际金融业务场景融入人工智能应用，发挥科技创新驱动作用。第四章 金融应用情况 64 （1 1）智能客服场景智能客服场景 光大银行通过将语音识别和自然语言理解技术集成于智能客服系统，实现了客服系统“自助 智能 人工”三层的服务模式，全天候提供服务，在提升客户体验的同时，也大大降低了光大银行的运营成本。其中智能语音项目通过语音识别和自然语言理解技术的应用，实现了光大银行语音客服系统的智能化升级，通过机器人完成客服系统的语音导航、语音交互、语音咨询功能，为客户提供服务。智能文字项目基于场景和业务模型开发上下文关联模型，应用于光大银行网站、网银、微信、百度知道等互联网渠道，为客户提供基于文字的智能客服服务，机器人回答准确率高，大部分文字客服由智能文字机器人来完成，只有极少数的请求交由人工处理。图 9 光大银行智能客服场景（2 2）智能营销场景智能营销场景 智能营销是通过人工智能和大数据分析技术，根据客户的基础属性、风险偏好、业务需求及业务倾向等信息对客户群体进行第四章 金融应用情况 65 细分，挖掘客户潜在需求，进行客户行为预测，从而开展针对性的营销活动，实现业务营销从传统大众营销向智能营销的转换。通常智能营销由客户画像、客户行为预测和营销自动化组成。在KYC 方面，光大银行完成了电子银行 KYC 及行为分析系统的建设，在传统客户标签的基础上，引入客户在电子渠道的行为采集技术，通过客户实时行为的捕获和分析，支持面向客户的一对一实时营销推荐，提高营销成功率。在客户行为预测方面，光大银行利用数据挖掘建模技术，预测客户个体的行为变换，提高产品和客户营销的精准度。4.2.5 华夏银行华夏银行 （1 1）案例背景案例背景 1 1）解决场景解决场景 一是移动营销系统调用证件识别场景：客户进件手工填写身份证件信息，通过投产系统拍照完成客户证件信息录入，提高了客户录入效率与用户体验。二是 PAD 系统进件名片识别场景：名片识别模块可快速识别并录入客户名片。三是历史进件证件识别场景：针对卡中心存量历史进件进行跑批处理，从中挑出身份证影像并识别证件信息。2 2）服务器端服务器端 身份证识别、军官证识别、护照识别、港澳台居民往来内地通行证识别、内地往来港澳台居民通行证识别。3 3）移动端移动端 身份证识别、银行卡识别、名片识别。第四章 金融应用情况 66 4 4）接入系统接入系统 移动营销系统、PAD 申请系统。5 5）业务量统计业务量统计 从 2019 年上线至今，各业务系统识别量为 100 万户/年。（2 2）技术方案技术方案 整体采用深度神经网络 OCR 识别技术，仅用三个工序即可完成识别过程：文字区域定位、整行识别、结构化输出。定位与识别均采用卷积神经网络 CNN、循环神经网络 RNN、长短期记忆网络 LSTM 技术实现，可在灰度图像上实现文字区域的自动定位和整行文字的OCR识别。尤其是后者，彻底弥补了传统OCR技术中单字识别技术无法借助上下文来判断形似字的问题。基于深度学习的 OCR 识别过程共分为四个主要的步骤。一是方向识别并矫正：对证件在图片内的方向进行识别，然后根据需要进行旋转；二是文字定位：对图片上的文字区域进行定位；三是文字识别：对文字区域进行整行识别；四是结构化输出：对识别结果进行结构化分析，输出为结构化的数据；深度学习的OCR 识别过程，会定位出所有文字并进行识别，最后进行结构化分析并输出。功能亮点：功能亮点：深度学习的 OCR 识别过程，可针对清楚的单个证件的单独识别，也可以实现一张图有多张不清晰、褶皱的卡证实现自动切割、定位、分类、识别最后进行结构化分析并输出整个流程。1 1）阶段非信创方案阶段非信创方案 第四章 金融应用情况 67 2019 年采购多品牌服务器 4 台，不同系列国际主流显卡 10张，可满足识别效率为 8 张/秒。2 2）阶段半信创方案阶段半信创方案 2022 年基于目前市场上有可替代信创服务器，新增信创服务器用于 OCR 系统，主要采用国产服务器 10 台，30 张某国际主流显卡。3 3）阶段全信创方案阶段全信创方案 2023 年市场上信创服务器及国产芯片趋于成熟，卡中心与金融信创生态实验室启动并完成信创硬件适配验证，新增 4 台某国产服务器及 8 张某国产显卡。（3 3）发展规划发展规划 满足业务需求扩容：根据往年数据统计业务量增长情况，目前采购的 OCR 许可授权可满足卡中心未来 5 年的业务使用。适配其他国产服务器：邀请厂商适配其他国产服务器避免服务器性能单一硬件风险。行方能力提供平台：在全栈信创情况下提供更丰富产品，后期计划建设标注训练平台承接全行 OCR 能力建设任务，打造自主可控的平台，节省采购成本。第五章 后续工作建议 68 5 后续工作建议后续工作建议 人工智能技术已广泛应用在金融业各业务场景中，成为金融业变革交易模式、释放数据价值、实现数字化转型的技术基础。AI 芯片作为人工智能技术的硬件底座，是实现大算力、大模型的“发动机”和“加速器”。打造自主可控、安全稳定、性能优良的AI 芯片产品，不仅推动人工智能技术发展，更进一步赋能金融业务实现高质量发展。为进一步降低金融机构 AI 芯片应用成本、实现金融业 AI 应用场景突破，需产业各方凝聚共识、发挥合力、紧密协作，共同打造基于国产化 AI 芯片的完整应用生态体系，本文提出以下六个工作方向，为下一步工作提供指引。5.1 形成一批具有金融行业特色的应用系列标准形成一批具有金融行业特色的应用系列标准 一是一是筑牢金融业 AI 芯片应用标准底座，围绕参考架构、应用分类等进行基础共性标准研制。二是二是规范 AI 芯片应用的测试方法、测试要求、测试评价等相关内容和过程，围绕 AI 芯片在不同技术路线、应用场景下的性能、功耗、兼容性、利用率、异构适配等方面编制测试标准，研究适合金融业的测试平台和工具。三是三是围绕数据安全、隐私保护、算法可解释性、合规性等方面编制安全保障标准。四是四是加强标准的宣贯解读、培训工作，推进标准实施，促进标准化成果应用落地。5.2 推动一批金融行业普遍关注的课题攻关研究推动一批金融行业普遍关注的课题攻关研究 通过面向金融机构、产业机构、科研院所等征集一批金融行业普遍关注的研究课题开展联合攻关。重点围绕国产芯片适配验证、异构芯片算力池化、AI 芯片与信息安全、基于国芯的场景化第五章 后续工作建议 69 验证等方向，充分发挥行业协会、产业联盟的社会团体力量，组织产学研用各方开展课题联合攻关。根据研究成果，建立相应的产业示范性项目，在金融行业试验和推广，为更多金融机构提供参考借鉴。沉淀相关研究和推广成果经验，并适时研究推进形成具有行业共识的行业报告、白皮书等。5.3 征集一批适宜开展适配验证的金融应用案例征集一批适宜开展适配验证的金融应用案例 面向金融机构，按照银行业、证券业、保险业及其他类别，围绕金融开户、智能客服、信贷审核、金融反诈、量化交易、流程自动化机器人、AI 双录等金融行业 AI 芯片应用的重点场景，征集一批已自行或与芯片、算法公司等适配验证过的成熟应用案例，或拟开展适配验证的应用案例，形成金融业 AI 芯片应用适配验证案例集，展现行业应用潜力和示范作用的优秀经验，推动产业快速发展。5.4 研发一批面向中小金融机构的易用产品服务研发一批面向中小金融机构的易用产品服务 鼓励产业机构为中小金融机构开发模块化、可定制、安全合规的 AI 方面产品服务，以功能简单易用、界面简洁明了、操作直观友好、产品开箱即用为原则，使金融机构能以较低的成本、较短的周期引进相关服务能力，提升中小金融机构的业务效率和竞争力。产业机构建立迅速响应的支持团队，为金融机构提供后续培训和支持服务，帮助中小金融机构顺利上手并充分利用产品功能。持续与金融机构建立紧密合作关系，收集金融机构反馈和需求，并及时进行产品优化升级。5.5 制定一批可用性强的国产芯片产品服务目录制定一批可用性强的国产芯片产品服务目录 第五章 后续工作建议 70 金融机构依托自身业务实际，各自开展芯片适配验证工作，不仅适配工作繁杂，占用机构较多人力、物力以及算力资源，还不能形成良好的行业适配经验，产生适配工作的孤岛效应。鼓励和支持检测机构提供芯片测评服务，对芯片在不同场景下的应用提供测试验证。基于金融机构主要应用的生物识别技术、OCR 识别技术、智能客服、AI 双录、大模型训练和推理等推广 AI 能力与国产芯片的适配效果，形成一批可用性强的国产 AI 芯片产品目录，不仅有助于金融机构根据不同业务场景、不同技术路线来选择合适的芯片产品，更能有效促进国产芯片在研发和应用两方面的正向反馈和良性循环。5.6 打造覆盖芯片应用全产业链的创新生态系统打造覆盖芯片应用全产业链的创新生态系统 一是一是邀请大型金融机构、有实力的 AI 算法公司专家，组建专家团队和工作组，基于金融行业的适配验证工作，为金融机构在国产化芯片适配、产品选型、AI 应用解决方案等方面提供咨询工作。二是二是组织大型金融机构和 AI 芯片厂商、算力公司等开展场景化落地验证工作。三是三是组织开展不同细分领域竞赛。例如，围绕 AI 芯片计算性能、功耗和性能平衡、模型准确率和精度、异构芯片适配能力、算法优化等方面开展竞赛，全方位提升 AI芯片领域技术进步与金融行业创新应用。四是四是搭建产金对接平台，针对 AI 芯片适配、异构芯片池化、大模型等主题建立技术对接洽谈或应用展览活动，促进金融机构与产业机构合作和交流。

0人已浏览 2023-11-16 74页 5星级

天下分化天下分化 各显其法各显其法2023 全球金融科技中心城市报告北京前沿金融监管科技研究院（FIRST）浙江大学金融科技研究院（浙大 AIF）浙江大学国际联合商学院（浙大 ZIBS）浙江数字金融科. 

0人已浏览 2023-11-14 12页 5星级

以数观变以数观变 三生万物三生万物 2021 全球金融科技中心城市报告 北京前沿金融监管科技研究院（FIRST）浙江大学互联网金融研究院（浙大 AIF）浙江大学国际联合商学院（浙大 ZIBS）浙江数字.

0人已浏览 2023-11-13 12页 5星级

 风高浪急风高浪急 察势应变察势应变 2022 全球金融科技中心城市报告 北京前沿金融监管科技研究院（FIRST）浙江大学金融科技研究院（浙大 AIF）浙江大学国际联合商学院（浙大 ZIBS）浙江数字金.

0人已浏览 2023-11-13 12页 5星级

 量子计算金融应用白皮书 1 一、一、量子计算的背景与发展量子计算的背景与发展(一一)量子计算的背景量子计算的背景 量子技术作为 20 世纪最伟大的科学发现之一1，它自 1920 年问世以来就催生了核磁.

0人已浏览 2023-11-08 58页 5星级

 企业员工调查赞助商挑战与变革：传统金融机构拥抱金融科技挑战赞助商角度金融服务创新：不只是购买或借用传统金融机构以各种方式应对行业变化，例如新的监管政策和金融科技公司带来的新挑战。迄今为止，它们采取的关.

0人已浏览 2023-10-31 15页 5星级

研究指导戴青丽保尔森基金会副主席兼总裁马骏北京绿色金融与可持续发展研究院院长中国金融学会绿色金融专业委员会主任研究团队组长孙蕊保尔森基金会高级顾问兼绿色金融中心执行主任张芳北京绿色金融与可持续发展研究院 ESG 投资研究中心副主任副组长鲁飞飞保尔森基金会绿色金融中心副主任成员（按姓氏拼音首字母顺序排列）陈翔中国银行浙江省分行风险管理部绿色金融与行业规划团队经理范程程原北京绿色金融与可持续发展研究院 ESG 投资研究中心研究员高培莹原北京绿色金融与可持续发展研究院 ESG 投资研究中心研究员郭梦瑶嘉实基金管理有限公司 ESG 研究员韩晓燕嘉实基金管理有限公司 ESG 投研负责人黄丁伟湖州市人民政府金融工作办公室副主任林群中国银行浙江省分行风险管理部副总经理林园中国人民银行四川省分行营业管理部货币信贷统计处科长罗含英中国人民银行台州市分行调查统计科科长任健中国华电集团碳资产运营有限公司职员邵媛中国华电集团碳资产运营有限公司职员沈燕鸿北京绿色金融与可持续发展研究院 ESG 投资研究中心研究员徐鹏达湖州市人民政府金融工作办公室干部喻晓岚中国人民银行台州市分行党委书记、行长张洁中国华电集团有限公司科技信息部碳排放处处长张壮中国华电集团碳资产运营有限公司碳管部副主任朱璟中国银行浙江省分行风险管理部绿色金融与行业规划团队主管朱睿博中国人民银行四川省分行金融研究处主任科员致 谢本课题研究由保尔森基金会绿色金融中心和北京绿色金融与可持续发展研究院共同完成。在本课题案例征集、调研、案例跟踪、报告研讨以及文本审阅的过程中，得到了中国人民银行四川省分行、中国人民银行台州市分行、中国人民银行衢州市分行、湖州市人民政府金融工作办公室、中国华电集团有限公司、中国银行浙江省分行、嘉实基金管理有限公司、北京国家金融科技认证中心有限公司、碳阻迹（北京）科技有限公司、颖投信息科技（上海）有限公司、上海摩联信息技术有限公司、蚂蚁集团全面风险管理部、北京特拉库塔科技有限公司、New Energy Nexus 国际清洁能源加速器气候金融科技项目等机构的大力支持与帮助，在此我们致以诚挚的感谢！一、引言2二、金融科技推动中国绿色金融发展：政策、市场与机遇5三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪19四、金融科技在中国绿色金融业务中的应用：2023 年案例研究24案例一 金融科技支持转型金融：中国银行浙江省分行转型金融过程管理工具25案例二 金融科技支持绿色普惠金融：台州“微绿达”普惠绿色金融应用场景29案例三 金融科技支持绿色低碳转型：中国华电低碳数智化管理平台33五、金融科技推动中国绿色金融发展：问题与建议37参考文献42目 录一、引言3在推进实现“3060”目标(二氧化碳排放力争 2030 年前达到峰值,力争 2060 年前实现碳中和)背景下，自 2021 年以来，中国逐步探索形成了包括绿色金融标准体系、金融机构监管和信息披露要求、激励约束机制、绿色金融产品和市场体系及绿色金融国际合作在内的绿色金融五大支柱。金融科技作为重要的赋能工具，不断深化与绿色金融体系的结合，在绿色信贷、ESG 投融资、绿色普惠、转型金融、碳资产核算、碳普惠等多个领域开展了创新性的应用。2022 年，金融科技支持中国绿色金融的市场主体进一步活跃，越来越多的大型科技企业和金融科技企业纷纷布局，拓展绿色金融业务，行业格局呈现向头部集中的趋势。金融科技工具在绿色信贷业务领域得到全面应用，并逐步向绿色信托、绿色租赁、环境权益类产品拓展。物联网、遥感以及区块链等技术得到突破性运用，如启用农业遥感识别支持授信、提升碳排放数据获得的准确性与便捷性。中国多家银行已开发上线绿色金融系统，并将绿色智能识别与评价纳入银行授信流程。从地域发展看，北京、上海两地仍是相关市场主体最聚集的地区，过去一年深圳涌现出了较多优秀企业与产品，发展迅速。为关注金融科技赋能中国绿色金融发展的市场趋势、政策动态、典型实践，识别金融科技推动绿色金融发展的前沿动态和观点，自 2020 年起，保尔森基金会绿色金融中心与北京绿色金融与可持续发展研究院（以下简称“北京绿金院”）对金融科技推动中国绿色金融发展的政策、市场动态和案例开展持续研究，并连续三年发布了金融科技推动中国绿色金融发展:案例与展望系列报告。2023 年，课题组继续对金融科技赋能中国绿色金融发展过程中的最新政策进展、市场变化及典型案例进行了研究，回顾了近三年中国金融科技支持绿色金融的市场走势，并形成了金融科技推动中国绿色金融发展:案例与展望（2023 年）报告（以下简称“本报告”）。本报告共分为四部分。第一部分回顾了过去一年政策支持金融科技助力绿色金融的新进展，综述了 2022 年绿色金融发展现状，对比分析了 2020 年以来金融科技推动中国绿色金融发展的整体情况，提出了未来金融科技推动绿色金融发展的市场机遇。第二部分跟踪研究了 2021 年与 2022 年报告中三个典型案例的最新进展。这些案例是：一、引言一、引言一、引言4嘉实基金 ESG 评分系统、湖州融资主体 ESG 评价体系与成都数字农业平台。第三部分聚焦中国绿色金融发展重要领域和前瞻性应用场景，深度剖析了三个新增典型案例。它们是：中国银行浙江省分行转型金融过程管理工具、台州“微绿达”普惠绿色金融应用场景及中国华电低碳数智化管理平台，分别代表了中国转型金融、绿色普惠金融、碳资产管理等三个可持续发展的重点领域。第四部分立足金融科技助推绿色金融发展的最新进展，从监管部门及相关部委、地方政府、金融机构和科技公司四个视角分析了当前金融科技助力绿色金融仍面临的问题与挑战，并给出相应建议。报告认为，这些问题与挑战主要体现为：（1）监管部门及相关部委角度：当前金融科技在赋能绿色金融过程中仍缺乏国家层面的具体指导和规划，同时环境信息披露和共享水平仍然较低。（2）地方政府视角：企业、银行和政府之间信息不对称、不通畅，且对金融科技企业自主创新的引导力度不足。（3）金融机构视角：绿色金融服务能力不足，具备绿色金融与金融科技双重技能的复合型人才短缺。（4）科技公司层面：关键领域面临技术突破难题，对绿色金融、转型金融等业务领域理解不够深入，服务金融业的质效有待提升。针对上述问题，本报告提出如下建议：（1）监管部门及相关部委：建议将金融科技支持绿色金融纳入绿色金融政策框架；通过白名单等方式，加快建立气候环境数据共享协同机制；将赋能绿色金融业务的科技创新纳入已有的监管沙盒试点，激发行业创新活力；通过高校课程设置改革、建立产学研基地、定向委托培养、建立实验室等，强化绿色金融与金融科技的复合型人才培养。（2）对地方政府：建议地方政府加强交流合作，绿色金融改革试验区积极总结可复制推广经验，形成行业标准；建设金融科技支持绿色发展项目库和平台，高效匹配科技企业的绿色创新资金需求和金融机构的绿色金融工具需求；健全绿色科技创新的激励制度，明确绿色科技创新税收优惠政策、财政支持政策，加强对绿色创新技术的扶持，引导和鼓励企业进行独立或协同的绿色科技创新。（3）对金融机构：建议金融机构建立或在原有金融科技战略中重点强调支持绿色金融科技创新和发展，将绿色金融业务平台建设与金融科技基础设施建设同步推进；加大在转型金融、绿色普惠等重点业务的拓展创新和尝试力度。（4）对科技公司：建议科技公司深化区块链、物联网等技术的应用，积极开发新型数据平台和分析工具；加强与金融机构的互动，针对金融机构现有绿色金融产品和业务实践中存在的问题和难点，推进金融科技在绿色金融业务领域的创新和实践。62021 年以来，中国逐步探索确立了金融支持绿色发展的资源配置、风险管理与市场定价的“三大功能”，形成了以标准体系、环境信息披露框架、激励约束机制、产品和服务体系、国际合作为“五大支柱”的绿色金融体系。金融科技作为重要的赋能工具在绿色金融领域中的应用空间日渐广阔，课题组持续关注中国金融科技赋能绿色金融发展的最新政策动态、市场趋势、典型实践，识别中国金融科技推动绿色金融发展的前沿动态和观点。1.政策支持（1）绿色低碳发展相关政策围绕“双碳”目标，二十大报告进一步指出，“协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展”，明确了未来中国绿色低碳发展的目标。2022年中国绿色金融的政策体系、市场建设、国际合作等方面取得了显著成效。推动全球绿色金融发展，中国成为越来越重要的倡导者。中国积极发起和参与了多项绿色金融领域的多边合作机制，包括二十国集团（G20）可持续金融工作组（SFWG）、央行和监管机构绿色金融网络（NGFS）、可持续金融国际平台（IPSF）、“一带一路”绿色投资原则（GIP）、中英绿色金融工作组等。2022 年 3 月，中国人民银行参与设立的 NGFS 和国际可持续金融政策研究与交流网络（INSPIRE）共同成立的生物多样性和金融稳定联合研究小组发布最终报告，为世界各地的央行与监管机构在生物多样性损失方面的行动提出了建议。2022 年 6 月,由中国和欧盟等经济体共同发起的可持续金融国际平台（IPSF）发布可持续金融共同分类目录更新版，新增的 17 项内容增补完善了对建筑业和制造业实现绿色转型具有重要意义的经济活动。中国建设银行等多家大型银行已参照该目录开展了相关业务。2022 年 11 月，G20 领导人第十七次峰会在印度尼西亚巴厘岛召开，正式批准了由中国人民银行与美国财政部担任共二、金融科技推动中国绿色金融发展：政策、市场与机遇二、金融科技推动中国绿色金融发展：政策、市场与机遇7同主席的 G20 可持续金融工作组提交的2022 年 G20 可持续金融报告，其中包括G20 转型金融框架等重要内容。这是继 2016 年 G20 领导人在杭州峰会上就发展绿色金融达成共识后首次就发展转型金融形成国际共识。G20 转型金融框架将指导各成员国结合自身情况制定转型金融具体政策，包括出台转型金融标准、信息披露要求、激励机制等。2022 年，GIP 中亚办公室举办了多场公开活动，吸引了多家有兴趣签署“一带一路”绿色投资原则（GIP）的当地金融机构；2022 年 11 月，GIP非洲办公室正式成立，而 GIP 东南亚办公室有望于 2023 年内落地。2022 年 12 月，中英金融机构气候和环境信息披露工作组正式更名为中英金融机构可持续信息披露工作组，并启动相关工作。中国碳达峰碳中和“1 N”政策体系构建不断推进，持续推动经济社会绿色低碳发展。2021 年 10 月国务院印发的关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见和2030 年前碳达峰行动方案两个文件构成了顶层设计，为碳达峰碳中和目标设定了清晰的时间表、路线图。随后，2022 年各行业主管部委制定了能源、工业、城乡建筑实施方案，出台了科技、财政、人才、统计核算等支撑保障政策。2022年 6 月，全国印发了首个区域性碳达峰实施方案长三角生态绿色一体化发展示范区碳达峰实施方案。截至 2023 年 3 月，全国 31 省（市、自治区）均制定了各地区碳达峰实施方案或实施意见，构成了碳达峰碳中和政策体系的“N”。上述碳达峰碳中和系列文件已构建起目标明确、衔接有序的碳达峰碳中和“1 N”政策体系,双碳工作取得良好开局，为将来各项落地举措稳步推进提供指引。表 1：31 省（区、市）碳达峰实施方案或实施意见二、金融科技推动中国绿色金融发展：政策、市场与机遇8资料来源：北京绿金院根据公开信息整理“三大功能”、“五大支柱”绿色金融体系支持碳达峰碳中和目标实现。2022 年 6月，原中国银行保险监督管理委员会印发银行业保险业绿色金融指引，要求银行保险机构将推进绿色金融上升到战略高度，成为中国绿色金融发展的里程碑。为引导金融机构加大对绿色发展等领域的支持力度，2023 年 1 月，中国人民银行印发通知，明确将延续实施碳减排支持工具、煤炭清洁高效利用专项再贷款等三项货币政策工具。截至 2022 年 12 月末，中国人民银行通过碳减排支持工具以及支持煤炭清洁高效利用专项再贷款两项政策工具，分别发放了再贷款资金 3097 亿元、811 亿元，合计 3908二、金融科技推动中国绿色金融发展：政策、市场与机遇9亿元，支持金融机构向碳减排和煤炭清洁高效利用领域分别发放符合要求的贷款 5162亿元、811 亿元，带动减少碳排放 1 亿吨二氧化碳当量。此外，中国人民银行研究局于2021 年开始牵头研究制定转型金融标准，初期研究的范围覆盖了火电、钢铁、建筑建材和农业四个主要行业，后续还将逐渐覆盖拟纳入全国碳排放权交易市场的其他高碳排放行业。未来，中国人民银行将抓紧研制转型金融标准、强化气候类信息披露要求、进一步丰富和完善转型金融工具。绿色金融地方试点成果丰硕，绿色金融改革创新试验区再扩容。2022 年，湖州市在全国率先出台构建转型金融体系实施意见和转型金融支持目录。衢州市在碳账户建设上取得开创性成绩。截至 2021 年底，浙江省衢州市率先构建了涵盖工业、农业、能源、建筑、交通运输、个人六大领域的碳账户体系，并明确提出五年内，力争工业企业和银行个人碳账户覆盖率达到 100%，重点行业重点产品全生命周期碳足迹核算全覆盖。2022 年，重庆市绿色金融改革创新试验区正式启动，这也是自 2019 年 11 月甘肃省兰州新区获批后绿色金改试验区的再一次扩容。2023 年，上海市、广东省深圳市、福建省厦门市、四川省成都市、山东省威海市等均已提出将积极申建国家绿色金融改革创新试验区。表 2：七省（区）十地绿色金融改革创新试验区 2022-2023 年绿色金融实践成果二、金融科技推动中国绿色金融发展：政策、市场与机遇10二、金融科技推动中国绿色金融发展：政策、市场与机遇11资料来源：北京绿金院根据公开资料整理气候投融资地方试点已陆续启动，逐步推进气候投融资体系的建设。2021 年 12月生态环境部联合国家发展和改革委员会、中国人民银行等九部委联合印发关于开展气候投融资试点工作的通知，配套发布气候投融资试点工作方案，正式启动了中国气候投融资地方试点的申报工作，引导市场资金投向气候领域，实现双碳目标。2022 年 8 月，生态环境部联合九部委公布地方入选试点名单，共 23 个，以探索形成可复制、可推广的气候投融资先进经验。截至 2022 年底，23 个试点地区均不同程度地开展了项目库建设，积极探索促进资金与项目的对接，共征集或储备项目超 1500 个，涉及资金达 2 万亿元左右。未来，各部委还将在项目碳核算、培育气候投融资气候友好型企业、加强企业和金融机构能力建设等方面发力，进一步完善气候投融资体系的构建。（2）金融科技相关政策金融科技正在成为数字经济的重要组成，助力数字经济发展目标实现。数字经济是中国核心竞争力的组成部分，对经济社会发展的引领带动作用明显，已成为时代发展的大势所趋。金融科技已融入到数字经济的各类新业态、新模式当中，极大驱动了社会生产生活方式变革。二、金融科技推动中国绿色金融发展：政策、市场与机遇12政策加速推动金融数字化转型。2022 年 1 月，国务院印发“十四五”数字经济发展规划明确提出，以数字技术与实体经济深度融合为主线，协同推进数字产业化和产业数字化，在数字化转型过程中推进绿色发展；中国人民银行印发金融科技发展规划（2022-2025 年），提出金融机构应以加快推进数字化转型为主线，促进数字技术在经济社会和产业发展各领域融合应用，加强金融科技与绿色金融的深度融合发展；原中国银行保险监督管理委员会印发关于银行业保险业数字化转型的指导意见，从积极发展产业数字金融、大力推进个人金融服务数字化转型、提升金融市场交易业务数字化水平等方面制定了具体的指导意见。2022 年 4 月，原中国银行保险监督管理委员会发布关于加强商业银行互联网贷款业务管理 提升金融服务质效的通知，提出商业银行应当在统筹经营管理规划基础上，稳妥推进数字化转型。以上政策作为中国数字金融发展的纲领性文件，为中国金融科技未来发展指明了方向。金融标准化工作持续推进。金融标准化“十四五”规划提出，系统完善金融数据要素标准供给，包括统筹金融数据开发利用、公共安全、商业秘密和个人隐私保护，加快完善金融数据资源产权、交易流通、跨境传输和安全保护等标准规范。完善金融大数据标准体系，探索制定金融大数据采集、清洗、存储、挖掘、分析、可视化算法等技术创新配套标准。同时，在国际标准化组织（International Organization forStandardization，ISO）、国际电信联盟(International Telecommunication Union，ITU)等国际组织框架下，中国牵头或主要参与了第三方支付服务、金融分布式账本、数字货币硬件钱包等多项国际标准，金融科技标准化工作不断深化。2022 年，原中国银行保险监督管理委员会发布银行业金融机构监管数据标准化规范（2021 版），进一步完善了商业银行数据采集与报送的完备性、完成性和规范性，是对“中国银保监会检查分析系统”(Examination and Analysis System Technology，EAST)系统的升级。金融科技赋能绿色金融提质增效的具体指引明确。2022 年 6 月印发的银行业保险业绿色金融指引中指出银行保险机构“积极发展金融科技，提高信息化、集约化管理和服务水平，渐进有序减少碳足迹，最终实现运营的碳中和”，“积极运用大数据、区块链、人工智能等科技手段提升绿色金融管理水平，不断完善产品开发、经营销售、投融资管理等业务流程，优化对小微企业融资、线上融资等业务的环境、社会和治理风险管理”。随着绿色金融的深度推进，绿色普惠、碳核算、金融支持生物多样性保护和转型金融等领域科技赋能的重要性更加凸显。二、金融科技推动中国绿色金融发展：政策、市场与机遇132.市场发展自 2020 年起，北京绿金院开始对金融科技在中国绿色金融领域中的应用情况进行年度跟踪调研。回顾过去三年的数据，参与绿色金融业务的科技公司数量迅速攀升，活跃在绿色金融领域的金融科技企业持续拓展了更加多元的绿色金融应用场景。具体来讲，主要有以下几大方面趋势：市场主体格局基本稳定，行业格局呈现向头部集中的趋势。2020 年以来，活跃在中国绿色金融领域的科技公司从 59 家增加至 102 家，几乎增加了一倍，基本形成了以环境信息大数据提供商、以服务绿色金融为重点业务的金融科技公司、金融机构下属科技子公司、互联网科技公司四大类为主的市场主体。过去三年，市场逐步从以中小型公司为主，转向大型科技企业积极布局，例如蚂蚁、腾讯、百度、网商、微众、华为云、阿里云、百度、商汤科技、科大讯飞等大型科技公司均积极拓展绿色金融业务、为市场提供专业解决方案。北京、上海依然是市场主体的主要聚集地，深圳、杭州及部分中西部城市如武汉、西安等集聚效益逐步显现。从 2020 年调研的 41 家样本企业、2021 年 61 家与 2022年调研的 86 家金融科技公司支持绿色金融发展情况看，北京、上海两地集聚效应不断加强，深圳、杭州等地吸引了不少科技公司聚集，其中深圳发展迅速，涌现了较多优秀企业与创新产品。图 1：2020-2022 年调研：活跃在中国绿色金融领域的科技公司地域分布情况数据来源：北京绿金院年度跟踪调研应用主体以金融机构、企业、政府为主，金融监管部门、个人用户的应用依然有待突破。2020 年至 2022 年，服务金融机构的金融科技企业占比达 50%以上，主要聚焦在提供环境大数据信息服务、绿色资产识别与评价工具等方面；服务于 B 端（企业端）的金融科技企业在 2021 年至 2022 年有较大增长，应用主要聚焦碳核算及能效管二、金融科技推动中国绿色金融发展：政策、市场与机遇14理；近三年除了为中央金融监管部门提供绿色监管服务和针对个人的碳足迹和碳积分应用外，服务金融监管和个人的金融科技企业尚无其他拓展。图 2：2020-2022 年调研：中国金融科技赋能绿色金融的应用主体情况数据来源：北京绿金院年度跟踪调研金融科技赋能的领域从绿色信贷、绿色基金、绿色能源市场、绿色债券等，逐步覆盖到绿色保险、绿色信托、绿色租赁、环境权益交易、碳金融等领域，且绿色信贷、绿色保险等领域的应用愈加深化。2022 年，国内多家银行已开发上线绿色金融系统，并将绿色主体智能识别与认定纳入银行授信流程，金融科技在绿色信贷领域中发挥的作用得以进一步释放。此外，金融科技在绿色保险领域的应用进一步拓展。例如，在环境污染责任保险方面，金融科技企业结合自动监测传感设备、物联网以及遥感技术等，发展出一系列环境风险监控和预警机制，以提升绿色保险的监管和风险控制能力。图 3：2020-2022 年调研：中国金融科技赋能绿色金融产品的分类情况数据来源：北京绿金院年度跟踪调研二、金融科技推动中国绿色金融发展：政策、市场与机遇15形成以大数据、人工智能和云计算三大技术为支柱，物联网、遥感以及区块链等技术实现突破性运用的态势。基于区块链技术无篡改性特征，大量以区块链作为底层技术支撑的资产存证平台建立。此外，主流碳核算平台基于物联网技术支持，能够达到对企业能耗与碳排放数据进行实时直采，物联网极大支撑了碳核算数据采集的准确性与便捷性。总体来看，物联网、遥感及区块链等技术助力了绿色金融更多应用场景深度发展，顺应了绿色金融智能识别、存证与信息共享的需求。反过来，绿色金融应用也促进了物联网、遥感及区块链等技术大规模落地、应用走向成熟。信息管理系统、风险监控/管理、信息共享系统在过去三年一直占据应用场景的前三名，同时绿色主体识别与评价、农业遥感识别授信以及碳排放核算等应用场景得到进一步深化。在绿色主体识别与评价领域，国内金融科技企业积极推进智能技术应用，将人工智能、大数据、区块链等技术应用于绿色主体的数据收集、分析和评估，进一步提高了绿色企业的市场认可度和竞争力。在农业遥感识别授信领域，2022 年已有多家大型银行和金融科技企业合作开发农业遥感信贷模型，进一步扩大了农业信贷的评估基础，加速推动了普惠金融助力乡村振兴。在碳排放核算领域，目前国内金融科技在支持碳核算平台建设上已探索，并形成部分落地应用，主流平台主要包括腾讯碳引擎、蚂蚁碳矩阵、恒生电子地方碳账户等。虽然各个平台的经营模式侧重点有所不同且尚处于起步阶段，但从整体观察，中国碳排放核算正朝着更加精准、智能化的方向发展。图 4：2020-2022 年调研：中国金融科技赋能绿色金融的服务与应用场景情况数据来源：北京绿金院年度跟踪调研二、金融科技推动中国绿色金融发展：政策、市场与机遇163.需求与机遇中国已初步形成多层次绿色金融产品和市场体系。从绿色金融产品规模看，中国已成为全球最大绿色信贷市场、第二大绿色债券市场。据中国人民银行数据，截至 2022年末，中国本外币绿色贷款余额达 22.03 万亿元，同比增长 38.5%，高于各项贷款增速 28.1 个百分点。2022 年绿色债券存量规模为 1.4 万亿元，排名全球第二，绿色债券发行数量达 610 只，发行规模 8044.03 亿元，同比增长 32.3%。绿色债券创新产品不断升级。从绿色债券各类型来看，2022 年，绿色金融债仍在中国绿色债券市场中占主导地位，约占三分之一,发行总额为 3566.3 亿元；绿色债务融资保持稳步增长，总规模为 1714.6 亿元，较去年同期增长 1.12%；绿色资产支持证券（ABS）发行规模显著提升，发行总额达到 1214.75 亿元，为去年同期的 3 倍多；绿色公司债发行规模增幅明显，达到 983.4 亿元，同比上涨 18.2%；绿色企业债发行量较上年同期减少 36%左右，发行金额为 471.8 亿元。近两年，蓝色债券、碳中和债券、转型债券成为绿色债券下热度最高的创新型债券。2022 年，蓝色债券发行实现爆发式增长，新增发行 13 支蓝色债券，发行规模达到 97 亿，约为前两年总和的 2.6 倍。2021 年 2 月，首批 6 支碳中和中期票据发行。2022 年截至 12 月末，碳中和债券发行数量 145 支、发行总额 1289 亿元。2022 年 5月 31 日，交易商协会发布了关于开展转型债券相关创新试点的通知，明确了转型债券的定义以及资金用途。同年 6 月，首批 5 单转型债券成功发行，共募集资金 22.9亿元。绿色基金发展迅速。截至 2022 年 6 月末，中国绿色、可持续、ESG 等方向的公私募基金规模共 1178 只，合计达 8821 亿元，较 2020 年底规模增长 34%。据中金公司估计，中国 ESG 投资总规模预计于 2025 年达到 20-30 万亿元，占资产管理总规模的 20%-30%，届时 ESG 公募基金规模或将达到 7500 亿元左右。绿色保险仍处于起步阶段，主要产品集中在巨灾保险和环境责任险，且覆盖范围和规模均有提升空间。据中国保险行业协会统计，2018 至 2020 年中国保险业累计为全社会提供了 45.03 万亿元的绿色保险保障保额，支付赔款共 533.77 亿元。2021 年绿色保险保额超过 25 万亿元，赔付金额达到 240 亿元，涉及交通建设、清洁能源、污水处理等多个领域；用于绿色投资的余额也从 2018 年的 3954 亿元增加至 2020 年的 5615 亿元，在风险保障方面助力双碳目标的实现。根据全球保险市场发展报告，未来 10 年，中国保险市场作为亚洲最大的保险市场，保费平均增长率将达到 9.5%。在这种情况下，绿色保险市场规模也有进一步扩大的趋势。二、金融科技推动中国绿色金融发展：政策、市场与机遇17展望未来，国内外正就可持续金融发展形成一系列新的共识，转型金融、可持续信息披露及碳金融等领域受到越来越多的关注。当前，中国已在转型金融政策、标准与产品领域开展了探索并取得了一定进展。2022 年，中国人民银行作为 G20 可持续金融工作组联席主席，牵头制定了G20 转型金融框架，随着可持续发展挂钩债券等创新金融产品的推出，中国人民银行已初步确立转型金融的基本原则，并组织开展了钢铁、煤电、建筑建材、农业等四个领域转型金融标准的研究。2022 年 2 月 28 日，中央全面深化改革委员会第二十四次会议强调，“促进普惠金融和绿色金融、科创金融等融合发展，提升政策精准度和有效性。”碳金融市场作为应对气候变化的重要工具，在全球稳步发展，在中国蓄势待发。未来，中国的绿色金融发展将愈加向双碳目标聚集，转型金融、绿色普惠、企业低碳转型将是中国可持续金融的重要发展方面，也是金融科技大有作为的领域。（1）转型金融：金融科技为金融机构转型金融提供全过程管理工具当前，中国转型金融面临标准不统一、识别难、过程管理难、信息披露难等问题。通过金融科技大数据、云计算、区块链、人工智能等手段，自动观察、记录、分析所有的污染活动以及治理污染的结果，以防“洗绿”、“假转型”等活动；同时需要金融科技的手段获取企业活动信息，从而进行转型金融过程管理，准确判断转型成效，为金融机构产品创新、风险防控、产品定价、信息披露等提供支撑。金融科技可为转型金融基础设施建设、相关金融产品创新提供解决方案，例如探索采用金融科技手段量化评价指标建立碳账户，搭建整合数据采集、核算、评价程序的碳数据基础设施平台；引入 ESG 评价体系识别并重点支持具有可持续发展能力的项目及企业，支持金融机构开展转型金融产品创新及风险管理。（2）绿色普惠：金融科技支持绿色金融与普惠金融融合发展的数字化基础设施建设在“3060”目标下，绿色金融与普惠金融融合发展成为重要方向，引导小微企业等普惠对象绿色低碳转型，并重点关注和服务因绿色低碳转型带来更高经营成本的高碳行业、依附于高碳行业的小微企业及其从业者以及现有绿色金融体系支持相对较弱的领域这三类群体。当前，小微企业可持续相关信息披露不足、数字化基础设施建设不足，金融机构难以及时、准确地获得小微企业环境数据信息，也难以判断由小微企业所提供的环境信息的真实性。同时，金融机构缺乏对“绿色”和环境效益相关信息获得的能力，如二、金融科技推动中国绿色金融发展：政策、市场与机遇18企业碳排放等数据的获得，是导致当前制约金融机构发展绿色普惠金融业务的主要原因之一。在绿色金融与普惠金融融合发展过程中，金融科技在支持该领域的数字化基础设施建设、金融机构对普惠对象绿色行为和场景的认定和业务拓展方面有较大发展空间。例如，归集整合政务大数据、碳排放数据和第三方数据，建设绿色普惠金融综合数据库，为绿色金融产品研发和风险防控提供金融科技支撑；结合普惠对象业务特点，通过大数据、人工智能，甚至卫星遥感等技术分析，实时收集绿色产品标识数据及不同情景的绿色数据，加大对普惠对象绿色贴标识别的支持等。（3）低碳转型：金融科技赋能企业碳资产管理数智化发展在当前碳排放管控新常态和背景下，碳资产的价值日益凸显，企业越来越关注自身的碳排放和碳资产管理，尤其是纳入全国碳市场的控排企业，它们既有在履约周期内达到控排要求的需求，也同时希望提高自身碳排放管控能力，盘活碳资产，在碳交易市场获取减碳红利。因此，创建一套完整的组织体系来配合完成碳盘查、碳配额管理、碳资产开发、风险控制等一系列工作成为企业碳资产管理的重点和难点。通过大数据、人工智能、区块链等技术加持，金融科技能够帮助企业进行内部组织体系建设，从运行成本、环保效益、能源效率等多个维度对企业运行方式优化和决策提出建议，为企业开展碳排放核算、优化碳交易策略、推进节能减排等工作提供信息化支撑，整体提升企业的绿色竞争力。三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪20在 2021 年与 2022 年发布的金融科技推动中国绿色金融发展：案例与展望系列报告中，课题组选取了三个典型案例进行跟踪。案例的应用场景包括了 ESG 评分系统支持金融产品与投资决策、金融机构对企业的绿色评价以及绿色农业。多年的持续跟踪显示有的案例在升级完善后得到大规模、实质性的应用，有力促进了可持续金融产品与投资的发展；有的案例进一步细化系统，适应不同行业的特点，设置符合中国特点的指标；有的案例得以在其他地区推广复制，为绿色普惠金融提供数据支持。金融科技在助力金融机构的可持续投融资策略、防范风险、开展个性化服务、提供数据支撑等方面发挥了积极突出的作用。以下为三个案例的最新进展：案例一嘉实基金 ESG 评分系统（2021 年报告案例）2022 年，嘉实基金在境内外全面深化由嘉实 ESG 评分系统赋能的可持续基金产品1布局，取得了显著进展，已形成覆盖股债、主被动策略、符合境内外 ESG 标准的可持续投资产品体系。同时，该系统也先后被麦格理 Macquarie、华兴资本、中信证券等国内外卖方研报平台采纳。过去一年，该系统实施了多项 ESG 算法与模型优化，进一步提升了评分的有效性以及数据生产和发布的效率、透明度和准确度。在权益投资方面，嘉实基金于 2022 年 3 月和 12 月分别发行嘉实品质发现与嘉实低碳精选两只深度运用嘉实 ESG 评分系统的公募基金，通过系统评分筛选出 ESG 表现领先的公司构成股票池或投向具备可持续商业模式的优质企业。同时，嘉实基金 2022年新发嘉实国证绿色电力 ETF、嘉实中证光伏产业指数基金等公募基金，布局绿色低碳投资赛道。2023 年一季度，嘉实可持续投资权益产品系列新添嘉实绿色主题等三个1基金投资风险提示见报告文末“免责声明”。三、三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪21产品，该系列产品累计发行已超 10 只。固收 ESG 投资方面，2022 年 12 月嘉实基金成功发行市场首只开放式 ESG 主题债券基金嘉实长三角 ESG 纯债债券型基金，该基金募集份额 59.8 亿份，接近募集规模上限的 60 亿元。被动投资方面，嘉实基金自 2021 年起与万得达成 ESG 指数合作，应用嘉实 ESG 数据成果发布可持续 ESG 指数系列，形成了以宽基 ESG 指数为核心，布局行业和主题 ESG指数，推进 ESG 研究在投资端的转化；已发布的沪深 300 和万得系列 ESG 指数取得良好的表现。ESG FOF策略和投顾产品层面，嘉实于 2022年 6月推出嘉实 ESG研究精选投顾组合，筛选业绩与 ESG 绩效双优的公募基金构建 ESG 优选 FOF 组合，为基金投资者提供了更加丰富的可持续投资工具。海外投资方面，嘉实国际基于嘉实 ESG 投研和评价体系在欧洲新发 Harvest ChinaA-shares Sustainable Absolute Fund 及 Harvest China Sustainable Lifestyle TechActive ETF 等 ESG 主题基金。同时，嘉实国际旗下 UCITs（欧盟可转让证券集合投资计划）基金顺利达成 EU SFDR 欧盟可持续金融披露条例合规，4 只存量基金获得Luxflag ESG 认证2，推进公司海外产品的 ESG 合规和标准认证工作。案例二湖州融资主体 ESG 评价体系（2022 年报告案例）自 2021 年 10 月系统上线运行以来，湖州融资主体 ESG 评价体系实现了融资主体的ESG 评价自动化、全量化、价值化，助推了湖州绿色金融改革创新。截至 2022 年底，该ESG 评价体系已覆盖 1.95 万家企业，与 2021 年底相比增加 9050 家；10 余家在湖州的金融机构积极应用 ESG 评价结果开展产品服务创新。下一步，该体系将逐步细化被评企业的行业分类和规模分类方案，将评价指标进一步细化，对模型进行迭代升级。2卢森堡金融认证协会(LuxFLAG)是 2006 年 7 月在卢森堡创建的独立的国际非营利组织，负责向符合条件的投资工具等颁发可识别的标签。LuxFLAG ESG 标签认证于 2014 年 5 月推出，主要目的是向投资者保证投资产品在整个投资过程中纳入了 ESG 标准。三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪22评价体系与企业可持续发展表现挂钩：在可持续发展指标设计和定价机制安排方面，中国银行与银团成员采用贷款企业在“湖州融资主体 ESG 评价系统”的评分比例作为可持续发展绩效目标，为贷款企业量身制定了 ESG 提升方案及与目标挂钩的利率调节机制，发放了境内首笔由中资银行牵头的 ESG 可持续挂钩银团贷款，激励企业在 ESG评价体系中纳入碳强度管理、公益慈善、员工关怀、公开信息披露等指标维度，持续提升自身 ESG 表现。体系充分体现不同企业特点：湖州融资主体的 ESG 评价体系充分考虑不同行业、不同规模企业的特征，在模型划分上尽可能反映不同特征企业的特点。以国民经济行业分类、统计上大中小微型企业划分办法(2017)为基础，体系结合湖州当地产业结构现状、不同行业数据现状以及 ESG 业务特性的差异，划分了五个行业，每个行业分大中与小微两个规模。指标设置体现中国特色：在环境、社会和公司治理三个维度下的二、三级指标选择国际通行、认可度高的 ESG 指标；四级指标引入符合国情、具有中国特色、湖州特色的指标，如企业碳账户碳效等级等；纳入企业参与扶贫支援项目等社会类指标。此外，充分考虑不同行业、不同规模企业的特征和差异，为不同模型下的指标设置独特的赋分、赋权规则，设置“一票否决”类型的策略项。案例三成都数字农业平台（2022 年报告案例）成都农业数字服务平台自 2020 年 9 月运行以来，实现了在成都市 23 个区（市）县推广，并扩展服务至全国包括黑龙江、吉林、江西等 6 省 25 市（县）共 282.8 万亩耕地，覆盖耕地面积扩大逾 280 倍。待覆盖地区所有耕地纳入系统后，形成初始数据库对接金融机构平台，进而开展贷款等金融业务。平台系统升级：2022 年，该平台不断完善系统功能，提高数字智慧服务能力。绘制完善农业资源“一张图”。目前，平台已集成农场、农资、作业、金融、销售五大服务功能，形成农业生产、经营和管理数字化融合的“中心 平台 农户”模式，实现智能监测耕地“非农化”、“非粮化”。提高标准化绿色品控并构建农业“双减”标准化模型。三、金融科技在中国绿色金融业务中的应用：2021 年与 2022 年案例跟踪23平台于 2020 年 1 月开始通过物联网技术实施农机精量作业，实现农业生产减药、减肥10%以上。创新数字化金融服务：平台开通全程在线办理种植贷款验证评估业务，金融机构利用上下游订单、生产、交易等数据信息，构建数字化信用评分模型，为生产经营主体提供信贷、保险等金融服务，1-3 天可完成放款。目前已有农业银行、邮储银行、大邑交银兴民村镇银行与平台实现合作，累计向 66 户农业经营主体发放农业生产经营贷款2260 万元，相较 2021 年末增加约 33%。与“农贷通”平台合作深耕惠农金融：与“农贷通”平台开展合作，双方已实现系统对接，“农贷通”平台完成技术联调和订单供应链金融产品“粮易贷”上线，未来将进一步促进信息流、资金流、商流融合，进一步提升惠农金融服务能力。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究25案例一金融科技支持转型金融：中国银行浙江省分行转型金融过程管理工具1.背景在“3060”目标背景下，高碳行业和高碳经济结构被要求加快脱碳措施的执行和推广。在传统绿色金融框架下，部分高碳行业由于不属于“绿色”范畴，无法从现有的绿色金融体系获得支持。2022 年，G20 成员国领导人批准了2022 年 G20 可持续金融报告，其中包括G20 转型金融框架，标志着国际社会就转型金融形成了原则性的共识。在此背景下，中国人民银行牵头开展了重点行业转型金融相关政策的制定工作，初期包括火电、钢铁、建筑建材和农业四个重点行业，后续还将逐渐覆盖拟纳入全国碳排放权交易市场的其他高碳排放行业。但转型金融作为新的业务领域，市场基础条件不足，发展初期主要面临以下四个痛点：一是转型金融的界定标准尚未明确。目前政府机构或监管部门尚未出台全国性转型金融专门政策，无法准确界定转型金融的内容、标准、行业以及信息披露等相关要求。二是转型金融或承担较高的信用风险。传统产业转型需要一定周期，面临技术更新、市场波动、经济周期等诸多风险。高比例的高碳金融资产可能对信贷资产质量产生较大的负面影响，因此商业银行对金融支持转型经济抱审慎态度。三是转型金融缺少足够的外部政策支持。转型金融领域的政策工具尚未明确，缺乏类似“碳减排支持工具”、地方政府担保贴息等低息资金支持。此外，非金融领域的激励机制尚未形成，监管机构对转型金融的专项考核和激励政策也未出台。四是商业银行与转型金融相适应的能力建设尚不成熟。重点排放行业的转型路径、减排技术等具有专业性强、更新变化快、牵涉范围广等特点，因此商业银行对转型活动的界四、金融科技在中国绿色金融业务中的应用：2023 年案例研究四、金融科技在中国绿色金融业务中的应用：2023 年案例研究26定与跟踪面临较大挑战以及“虚假转型”的风险。2.举措针对以上痛点，中国银行浙江省分行探索建立转型金融配套系统，通过数字化、系统化手段，规范管理转型主体的目标、路径、进度和信息披露，并将其应用到信贷管理全流程，建立了转型金融过程管理工具与规范标准，包括转型绩效度量（KPI）模型、可持续发展绩效目标（SPT）等。（1）四大功能转型项目辅助尽调工具。用于收集企业碳排放强度、废水废气排放量等减碳降污重点指标，实施计划并管理绩效。结合行内客户分布，从高碳高污染的重点行业切入，在系统中增加基于行业研究、案例分析等方式设置的转型目标、技术路径目录清单，为客户提供切实可行的转型建议，并通过智能化提示及系统筛选功能为客户转型金融方案的设计提供参考。转型项目信息披露（绩效度量 KPI）工具。在转型贷款存续期间，加强对转型项目阶段性转型绩效与目标实现进度的核验。在系统中嵌入贷后管理过程，收集并分析转型计划、转型目标、项目进展、碳排放数据、公司治理信息等关键绩效指标，披露与绩效度量 KPI 相关的要求，为依照合同条款对照转型活动进程完成情况落实付款进度提供必要依据。系统包括驾驶舱、账户管理、操作日志、转型跟踪、企业跟踪等基础模块。构建转型金融标准体系。围绕转型金融支持范围、管理流程、管理机制等环节，形成符合商业银行需求的转型金融业务流程，并配套政策制度、风险管理、专业能力、信息披露等一系列机制。设置合理转型目标。转型目标设置需基于科学方法制定，并考虑国际共识原则。该工具参考行业双碳目标和上市公司的示范案例，对转型目标进行设置，保证转型项目不仅具有减碳效果，且符合国际“无重大损害”原则、“公正转型”原则，并避免碳锁定风险。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究27图 5：中国银行浙江省分行转型金融过程管理系统流程图中行转型金融管理系统来源：中国银行浙江省分行四、金融科技在中国绿色金融业务中的应用：2023 年案例研究28（2）三大特点通过数字化技术构建转型金融工具。基于行内业务现状梳理转型金融业务管理流程，构建实现转型金融业务全流程管理工具，功能覆盖贷前准入、贷中信批、贷后管理、风险监测预警、报告文档线上管理等方面。同时，利用金融科技赋能提升转型金融服务效率，防范转型活动的隐藏风险。充分利用绿色金融业务经验，为推动转型金融业务提供组织、流程和技术支持。基于相对成熟的绿色金融业务流程及管理办法，建立了转型金融的战略、组织、能力建设等管理机制，节省了投入成本，为新系统和流程制度的顺利上线与应用奠定了基础。明确支持的转型金融范围，并根据政策法规、技术环境变化进行动态调整。根据国内外相关政策和标准，结合地区产业特色及发展实际、行业双碳规划及减碳路径、银行业务现状及战略目标等因素，明确了转型金融的支持范围，并及时根据政策法规要求、行业内外部环境变化、低碳技术革新等因素进行动态调整。3.成效目前，中国银行浙江分行的转型金融工具正处于内部测试验收阶段，并在行内开展了小规模应用。预计该工具将应用于行内的业务过程管理，并通过规范化的流程落实在行内系统中。在业务实施的不同阶段，探索业务特征和应用场景。此外，中国银行浙江分行也在积极推动转型金融内部流程管理机制上升为浙江省金融学会团体标准。在双碳背景下，转型金融可以为中国碳密集行业和棕色资产绿色低碳转型提供投融资渠道，而过程管理工具的研发也将提供积极价值：从国家层面，有利于加快构建转型金融与绿色金融高效协同机制，该工具可以覆盖钢铁、水泥、煤炭等碳密集行业，提供更严格的信息披露与过程管理，引导和督促棕色领域转型发展，与绿色金融形成合力，加速全社会实现双碳目标；从金融机构层面，有利于加快金融基础设施建设，推动金融和数据融合，加快构建科学精准的转型效益核算与计量方法学，对转型主体与项目的环境效益进行有效监测，提升全面风险管理水平；从转型企业层面，该工具将建立健全碳排放数据采集、碳核算、碳账户管理和评价体系，构建相应数据库，有助于企业有效监测自身经营的碳排放，获得金融支持，精准进行工艺研发和升级改造。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究294.展望未来，中国银行浙江省分行计划通过优化现有系统信息披露功能，丰富碳排放数据、公司治理信息及其他关键绩效指标的信息收集、披露，打造贷款存续期间的企业信息披露的规范化、标准化流程。同时建立金融机构环境信息披露相关数据管理流程，支持各分支机构统计填报环境信息披露内容并生成披露模板。一是将转型金融管理机制要求充分融入现有业务及政策体系。二是将企业 ESG 评价应用到客户评级与信贷管理等方面，提升商业银行应对转型金融风险的管理能力。三是加快创新转型金融产品与服务，如专项贷款、转型类债券和衍生品。四是关注重点高碳行业先行突破，加强与行业龙头企业合作，充分考虑当地转型路径、政策和基础设施，选择重点客户、具备转型条件的地区有序开展转型金融业务。五是增强金融科技赋能，探索利用新兴数字化技术进行运营和产品服务的创新。六是加强转型金融相关的能力建设，加强碳核算能力建设，借助第三方服务机构对环境气候风险进行评审，加强对外交流合作。七是形成可供监管机构和同业借鉴的案例，积极推广转型金融过程管理工具的优化与落地。案例二金融科技支持绿色普惠金融：台州“微绿达”普惠绿色金融应用场景1.背景普惠金融与绿色金融是中国人民银行货币政策结构优化的两大主要方向，两者融合发展既是金融助力中国实现碳达峰碳中和目标的重要组成部分，也是推动中国小微企业提升竞争力水平的必答题。台州小微企业面临的双碳冲击是全国的一个缩影。据相关研究表明，在碳排放中，中小企业占据 50%以上的份额，而这一数字在以民营小微为市场主体的台州更高。同时，由于台州能耗基数低、小微企业的成长性高，还面临着能源“双控”的双重压力。绿色金融标准体系是中国绿色金融发展“五大支柱”的基础，过去几年金融监管部门陆续发布了如绿色产业指导目录（2019 年版）（以下简称目录）等相关政策，绿四、金融科技在中国绿色金融业务中的应用：2023 年案例研究30色金融改革创新试验区也探索了绿色项目评价标准与绿色企业评价标准。尽管如此，绿色普惠金融领域仍然缺乏明确的解释，相关政策也未覆盖小微企业。例如中国人民银行在 2021年向绿色金融改革创新试验区下发的 金融机构碳核算技术指南（试行）中明确表示，“月均融资额少于 500 万元的融资主体的碳排放不纳入核算”。普惠金融“绿色化”面临“三难”。一是流动性贷款认定难。在普惠金融领域，流动性非项目贷款占了极大比重，而对这类贷款用途是否符合 目录 投向的判定，成为商业银行，尤其是小法人商业银行拓展绿色信贷业务的最大障碍。二是小微主体绿色评定难。这使得政府和金融机构对小微企业低碳化转型的支持无的放矢。三是绿色信息共享难。金融科技赋能普惠绿色金融需要数据支撑，如何整合政府、第三方、金融机构等多方数据，实现“线上归集 线下采集”数据的融合，是缓解普惠绿色金融信息不对称的关键。2.举措基于上述分析，中国人民银行台州分行通过搭建绿色普惠金融应用场景“微绿达”，以问题为导向，针对普惠金融绿色化面临的“三难”问题，以“认绿、评绿、享绿”为着力点、从模具制造等样本行业解剖推广至全行业为路径，采取政府搭平台，各方全参与的方式开展了推动普惠金融“绿色化”的系列探索。（1）认绿：以“关键词”匹配为核心实现普惠绿色流贷认定“微绿达”在台州开展绿色流动贷款认定在中国人民银行现行绿色贷款专项统计制度框架内进行，探索细化补充；此外对金融机构尽可能做到“无感”，尽量减少客户经理在下户尽调、材料审核等方面的工作负担及难度；最后分阶段推进绿色流贷认定的完善与创新，逐步探索绿色流动贷款场景的拓展。“认绿”的具体举措包括：搭建平台，提供公共服务。依托台州市数智金融服务平台，与专业第三方机构合作搭建绿色信贷识别系统，为各金融机构免费提供流动贷款绿色识别认定服务。选定行业，对流贷场景进行“麻雀解剖”式梳理。对重点行业生产运营全流程中可能出现的替代、减量、减污、增效、提质、回收利用等绿色场景进行梳理分类，包括但不限于原材料采购、设备采购等。建立“绿色生产资料库”为金融机构认绿提供参考。根据对各个场景涉绿的相关材料，结合工信部、设备制造业发达的地方政府、规模较大的行业协会的政策与建议，建立“绿色生产资料库”实现对流动贷款的高效认绿。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究31以“关键词”匹配为技术路径实现智能认定。通过建立和完善关键词库，实现依据贷款行业、用途描述对绿色流动贷款进行智能匹配的认定，并建立多方共建机制，推动形成关键词库的自我更新。（2）评绿：以排黑和评先为思路开展小微主体绿色评价“微绿达”模型在“评绿”领域一方面注重结合小微企业绿色低碳转型的长期需求，以中欧可持续金融共同分类目录为基础原则，综合纳入了对绿色小微企业的三大基本要求：“实质性贡献”、“无重大损害”及最低保障措施；另一方面充分考虑认定流程的便捷性、可落地性及可靠性，引入并优化国际主流 ESG 评价标准，对线上数据做“加法”，对线下尽调做“减法”，提升模型的可落地性。“评绿”模型包含以下三个关键流程节点：排黑：在排除负面企业阶段，将严重违法失信企业、工商吊销企业、环境违法失信黑名单企业列入一票否决条件，经过筛选的企业进入此后的评价流程。绿色达标：在识别绿色达标水平阶段，设置两个可选项，包括参考目录为基准的绿色主营业务收入占比，以及行业内能耗相对排位情况。小微企业将根据绿色达标水平得到相应评价分值。综合评价：在 ESG 综合评价阶段，从环境、社会、治理三个维度评价小微企业的可持续经营及高质量发展能力，得到 ESG 评价分值。最终结合绿色达标评分得到对应绿色等级。图 6：绿色小微主体认定模型的建立过程来源：中国人民银行台州分行四、金融科技在中国绿色金融业务中的应用：2023 年案例研究32（3）享绿：推动数据和功能共享，缓解信息不对称问题通过机制建设与技术创新，推动数据共享。“微绿达”依托台州市数智金融服务平台归集了全市 30 余个部门 118 类 4000 多细项，超过 4.23 亿条信息的优势，运用隐私计算、模型共建等手段，采取线上和线下相结合的方式，从公共部门、金融机构和企业等归集数据，实现普惠绿色信息数据的“共集、共采、共享”。与省平台的功能共享。“微绿达”已与浙江省“碳账户金融”平台实现联通，推动包括碳项目发布、碳信用报告、碳金融产品、碳金融政策等功能上线。与金融机构的功能共享。“微绿达”可以为金融机构提供一系列完整的功能服务，为金融机构普惠流动性绿色贷款认定、绿色小微企业主体评价、环境信息披露赋能。与地方政府的功能共享。“微绿达”作为全市唯一普惠绿色金融服务场景，由中国人民银行台州分行牵头建设，也是政府推动小微企业低碳转型的重要抓手。同时，平台功能也与县市区、金融机构的相关考核关联，从信保基金、财政补贴、再贷款再贴现倾斜、科技资金的跟进等方面积极推进政策扶持。3.成效“微绿达”自运行以来，已累计识别绿色流动资金贷款超过 2.2 万笔，涉及金额超过1000 亿元，识别准确率超过 90%，实现全市普惠绿色贷款占比翻番，完成绿色主体评价6700 多家，开展碳核算 7200 多家。与台州市信保基金共同推出专项融资担保产品“绿贷保”，在保余额超 9000 万元，累计为市场主体节约保费支出约 60 万元。在 2022 年中国金融学会绿色金融专业委员会年会上，“微绿达”作为创新产品在全国发布。同时，基于“微绿达”的探索，联合蚂蚁评估等研究制定的小微企业绿色评价标准也一并发布，该标准也是浙江省金融学会的团体标准，对相关机构开展小微企业绿色评价有提供了有益的参考。4.展望一是持续完善普惠绿色金融的标准体系。针对绿色产业指导目录等现有标准针对小微企业进一步细化和完善，使其更具操作性和落地性。2023 年，计划推动流动性贷款绿色四、金融科技在中国绿色金融业务中的应用：2023 年案例研究33认定场景进一步覆盖 3-4 个细分行业。二是加快推动普惠绿色金融基础设施建设。以试验区探索为基础，在更大范围搭建普惠绿色公共服务平台，实现各地平台的互联互通。对金融机构提供公共普惠绿色科技赋能服务，推动相关标准的统一化落地与绿色信息共享，形成“服务-管理-监督”的闭环。三是强化对普惠绿色金融发展的政策支持。呼吁出台针对普惠绿色金融发展的专项支持工具，加大对普惠绿色金融业务的财政支持，引导小微企业低碳转型的同时，减轻金融机构的操作负担及成本压力；探索建立风险基金，对小微企业低碳转型可能面临的“绿天鹅”风险予以保障等。四是总结推广普惠绿色金融的普适性方法学。由于普惠主体的微观性和行业、地域差异性，实践表明在普惠绿色金融领域，针对诸如流贷认定、企业主体评价等共性问题，几乎不存在放之四海皆准的统一具体解决方案，但是可总结一套普适性的方法学，予以推广，动员各地、各行业结合实际，以点及面，逐步拓展，从而完成全国的完整拼图。案例三金融科技支持绿色低碳转型：中国华电低碳数智化管理平台1.背景2021 年 7 月 16 日，全国碳市场正式启动运行。作为落实碳达峰碳中和目标的重要政策工具，全国碳市场通过低成本、高效率的方式推动电力与其他高碳行业的碳减排。全国碳市场通过碳配额的发放与交易调控，对电力高效机组进行激励，对电力低效机组进行约束，成为了推动电力行业绿色低碳转型的“指挥棒”。同时，通过碳价格的资金引导功能，推动了金融机构向碳减排重点领域企业倾斜，提供低利率的碳减排资金支持，支持企业绿色转型。全国碳排放权交易市场启动后，发电行业面临绿色转型、能源保供和碳约束三重压力，特别是碳管理呈现“排放主体多、管理链条长、数据要求高”等现实问题。电力企业在运用碳市场、碳金融工具的同时，还需加快建立智能化、数字化的碳管理方式，建立统一、高效、专业、协同的碳资产管理体系，帮助企业应对未来碳市场扩容与市场化的发展趋势。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究342.举措中国华电是中央直管的国有五大电力集团之一，构建了“1 2 3”碳排放管理组织体系：2014 年在集团总部层面成立碳排放管理机构，归口集团公司的碳排放和碳资产管理工作，搭建央企直属单位级碳资产集约化运营平台和绿色低碳技术服务平台，构建完善集团总部、直属单位、基层企业三级碳排放管理体系，进一步提高了碳管理能效。目前，中国华电下属100 余家火电企业已纳入了全国碳排放权交易市场，碳配额资产规模超百亿元。为了有效支持中国华电“碳达峰”目标，高效开展碳管理工作，中国华电在原有的碳排放信息系统基础上，应用数字化、智能化手段，将碳管理与云计算、大数据、区块链等新一代的数字技术充分结合，全新打造了中国华电低碳数智化管理平台。在以往碳排放信息系统支持碳市场交易与履约的基础上，新的低碳数智化管理平台进一步为企业碳达峰顶层设计、目标分解落实、目标过程管控，提供了有效且可靠的数据支撑；为企业碳资产数据管理与多项碳业务的统筹管理提供功能支持；对企业现有碳资产数据开展统计分析并对未来资产进行预估；帮助企业在参与全国碳交易活动中，摸清碳资产家底，支持企业低碳可持续发展。同时，新的平台为华电在低碳转型、节能减排领域提供了多元化的碳资产与碳金融服务，持续推动传统碳密集产业的智能化、绿色化、数字化的转型升级。中国华电低碳数智化管理平台以区块链技术为底层应用基础，并通过数据采集、数据管理、智能合约等手段提供对业务层的实际支撑，实现以下五大特点与五大功能。图 7:中国华电低碳数智化管理平台来源：中国华电四、金融科技在中国绿色金融业务中的应用：2023 年案例研究35（1）五大特点开展电力企业碳达峰动态管理。统筹建设碳达峰动态管理体系，实行“风光水火”容量及清洁电量一体化管理，形成双碳数智大脑一张图，多维度、多层次、多视角展示双碳工作成效，引导产业向绿色低碳领域聚集。构建碳资产全生命周期管理。加强碳排放、碳减排、碳配额、碳汇等过程数据的采集分析，对碳排放、碳资产全流程统计分析和预警，通过碳资产相关的多源数据整合，实现碳账本清晰、准确、可追溯。拓展平台兼容性及协作性。平台在采集碳资产核算基础数据的基础上，接入企业碳排放烟气在线监测系统（CEMS）数据加强比对分析，并进一步对接全国碳市场国家平台数据，提高碳资产数据准确性，扩展信息广度，实现数据共享和接口互通。构建碳资产运营平台。开展集约化管理，不断开拓业务应用场景，为碳资产管理、碳排放权交易等服务提供支撑，实现碳资产保值增值。拓展绿色融资产品。引导金融机构关注“数智控碳”细分赛道，充分利用中国人民银行“碳减排支持工具”，帮助企业获取绿色信贷并进一步开展节能降碳技术改造和绿色低碳转型。（2）五大功能驾驶舱展示。实时展示集团公司-直属单位-基层电厂碳配额量盈缺情况，实现碳达峰动态管理，对碳达峰指标完成情况进行对标和预警，对碳资产、碳交易数据等进行跟踪。碳排放 MRV（监测、报告、核查）管理。与全国碳市场国家平台对接，设置碳排放数据质量控制模型及数据智能校验、异常数据精准识别、预警和靶向控制等功能，实现碳排放数据诊断和分析预警，对数据质量控制计划、温室气体排放报告、核查进度及结果等进行精细化分析和管理。碳交易履约管理。基于区块链数据可信存证和可追溯特性，实现碳资产集约化管理和交易履约过程全流程数字化管控，实现账户密钥自动调用，提升企业碳数据的可信度、真实性和账户安全性。四、金融科技在中国绿色金融业务中的应用：2023 年案例研究36碳金融衍生业务管理。设置碳市场价格走势预测，根据一定规则对企业配额盈缺进行预测，形成最优交易方式。根据企业配额盈缺情况推荐碳金融产品，激发企业碳金融需求，撮合金融机构与企业对接，帮助企业获取绿色信贷、绿色保险等。减污降碳协同监测。基于常规污染物和二氧化碳排放高度同根、同源、同过程的特征，在原有碳排放核算统计以及常规污染物在线监测的基础上，进一步开展火电厂二氧化碳烟气在线监测试点，对碳监测法与碳核算法数据进行深入比对分析。3.成效中国华电低碳数智化管理平台有效推动了集团的绿色低碳转型步伐，平台多元化数据分析和多层级一图总览为集团低碳转型决策规划提供数据支撑，推动集团系统全面减排。中国华电 2022 年碳排放总量同比下降 2.5%，万元产值二氧化碳排放比 2020 年下降 14.17%，经济“含碳量”降幅明显，碳排放总量增幅明显低于供电量和供热量增幅。同时，平台进一步提升集团公司碳资产精细化管理能力，实现企业碳资产数据可信、碳盘查流程管控到位、碳交易高效的低碳化管理，全面提高公司系统第二个履约周期重点排放单位碳排放报告工作质量，2022 年实现增效创收碳资产效益达 2700 万元。平台碳排放强度贡献度分析、配额盈缺及价格走势预测、内部智能撮合和交易可信存证等全链条功能，支撑企业成功开展包括碳配额质押贷款、碳保险等的碳金融及衍生业务，探索碳金融支持企业的转型发展。华电江苏句容公司成功实现中国首例引入第三方代管模式的碳配额质押贷款 5000 万元，该贷款进一步投入企业生产运营节能增效；华电邹县公司通过碳配额交易筹措资金进行节能低碳改造形成良性循环，被生态环境部推荐作为典型经验。4.展望中国华电将进一步发挥低碳数智化管理平台在碳达峰、碳资产、碳金融等领域的支撑作用，打造金融科技赋能绿色低碳转型的“华电方案”。接下来，中国华电将进一步健全完善统筹协调、责任落实、试点示范、全员参与等机制，持续推进低碳数智化平台建设与应用。一是拓展碳减排、碳汇、碳金融、碳足迹等功能，丰富应用场景，加强集团公司减排项目产品开发和价值转化；二是加强系统对内、对外的兼容性，探索打通与金融机构信息共享渠道；三是支持金融机构以绿色交易市场机制为基础开发金融产品，以金融“活水”进一步促进企业绿色转型发展；四是积极推广典型经验，为逐步纳入全国碳市场的其他行业提供示范样本。五、金融科技推动中国绿色金融发展：问题与建议38本节在前文对市场趋势和案例分析的基础上，从监管部门及相关部委、地方政府、金融机构和科技公司四个角度出发，总结了金融科技支持绿色金融市场发展所面临的若干问题与挑战，并提出了相应的建议。1.问题与挑战（1）监管部门及相关部委角度一是金融科技在赋能绿色金融市场过程中仍缺乏国家层面的具体指引。尽管目前中央及多个监管部门已发布绿色金融相关政策和指引，并强调了金融科技在该领域的重要性，绿色金融改革创新试验区在金融科技赋能方面也取得了一些成果，但中国目前仍缺乏金融科技支持绿色金融的在国家层面的具体指导和规划，部分试点地区的探索实践也未形成示范效应。二是环境信息披露和共享水平仍然较低。2021 年以来，地方层面在打破信息孤岛方面取得了一定成果，例如台州“微绿达”打通台州市的政务数据，江浙沪试点生态环境监测数据共享共用等，为打通环境信息披露桎梏做出了有益探索，但目前中国环境数据共享更多是在区域性层面落地，进一步扩大环境信息披露水平仍需要相关部委自上而下的推动。（2）地方政府角度一是企业、银行和政府之间存在信息不对称、信息不通畅问题。当前，绿色企业和金融机构缺乏有效对接机制，企业对绿色金融融资渠道、融资产品和激励工具认识局限成为制约地方绿色金融发展的因素之一。虽然绿色金融改革创新试验区积极开展绿色项目库和融资平台建设，推动绿色金融供需双方的高效对接，但部分对接平台存在功能不健全、绿色项目库覆盖面窄等问题，影响绿色金融服务效率和覆盖水平。五、金融科技推动中国绿色金融发展：问题与建议五、金融科技推动中国绿色金融发展：问题与建议39二是对服务绿色金融业务的科技企业自主创新的引导力度不够。赋能绿色金融业务的科技创新具有正外部性，其投资周期长、研发成本高，对地方政府扶持的依赖性较高。目前中国对这类科技研发的投入占比较低，地方层面有利于提高赋能绿色金融业务的科技企业自主创新能力的激励机制不完善，中小企业及节能环保技术的创新应用潜力仍有待发掘。（3）金融机构角度一是绿色金融服务能力不足。当前，国有大型银行和部分股份制银行积极开发绿色金融工具，提升服务能力，但大多数银行，特别是中小银行由于对绿色金融意识不足或缺乏具有专业能力的团队，或因环境效益信息、绿色识别评估能力受限，绿色金融发展仍处于起步阶段。二是缺少具备绿色金融与金融科技双重技能的复合型人才。目前复合型人才供应不足，成为制约金融机构深耕绿色金融市场发展的瓶颈之一。一方面，绿色金融领域的人才主要来自于金融、环境、能源等领域，因缺乏专业技术背景，导致其不理解金融科技在绿色金融市场中的应用。另一方面，技术领域的人才也往往缺乏绿色金融知识积累，难以理解绿色金融产品和服务的本质，更难将科技与绿色金融有效结合。（4）科技公司角度一是关键领域面临技术突破难题。现阶段科技公司在某些关键领域面临技术突破的难题，无法充分满足绿色金融市场对技术的要求。以卫星遥感技术在农业识别授信中的实践为例，尽管可以获得准确的卫星观测数据，但如何在技术层面利用定量和客观的方法学提升农情监测信息的可靠性仍是一个难题。二是对绿色金融、转型金融等业务领域理解不够深入，金融服务质效不高。当前转型金融、绿色普惠等逐步成为绿色金融发展的重点领域，金融机构亟需开发在 ESG评价、转型金融量化评价等方面的应用工具。在已有的案例中，虽然一些科技公司针对某些特定的绿色金融业务需求提供了工具性产品，但解决方式还有待改善，金融科技赋能绿色金融的质效有待提高。五、金融科技推动中国绿色金融发展：问题与建议402.建议针对上述问题和瓶颈，本报告提出如下建议：（1）对监管部门及相关部委的建议一是将金融科技支持绿色金融纳入绿色金融政策框架。建议监管部门充分总结金融科技支持绿色金融发展的实践案例和有益经验，在修订绿色金融指导意见和编制转型金融指导文件时，增加金融科技支持绿色金融的相关内容，明确金融科技可以发挥重要作用的主要场景和领域，指明监管部门、金融机构和金融科技企业努力的方向。二是支持自上而下的环境信息数据共享，加强监管部门与市场机构的通力协作。建议监管部门加快建立气候环境数据共享协同机制，通过白名单方式，将一批优质的科技公司、金融机构或者第三方研究机构纳入到数据信息共享机制的建设中，助力金融科技企业更好服务绿色金融市场建设。三是在风险可控的前提下进行金融科技支持绿色金融工具创新，将赋能绿色金融的科技创新纳入已有的监管沙盒试点。通过试点给予创新性强的绿色金融科技充分同时风险可控的发展空间，降低创新产品面世后的监管成本，激发金融科技在绿色金融领域的创新活力。四是强化绿色金融与金融科技的复合型人才培养，提高行业整体水平。建议相关部委在现有高校开设的金融科技专业课程设置和教学中，强化对绿色金融等应用型人才的培养，通过建立产学研基地、定向委托培养、建立实验室等，鼓励企业高管走进学校授课，从源头上解决产业应用人才供给不足的难题。（2）对地方政府的建议一是加强交流合作，试点地区积极总结可复制推广经验，形成行业标准。建议绿色金融改革试验区地方政府做好绿色金融改革创新的总结，凝练成可复制推广的经验与模式并积极推广与宣传，形成地方标准及行业标准，推动全国绿色金融高质量发展。二是建设金融科技支持绿色发展项目库和平台。建议地方政府整合辖内资源，建立绿色科技技术、企业项目库，同时建立金融科技支持绿色发展平台，整合金融机构、投资基金等资源，高效匹配科技企业的绿色创新资金需求和金融机构的绿色金融工具五、金融科技推动中国绿色金融发展：问题与建议41需求。三是完善科技创新激励机制，激发科技企业绿色创新活力。建议地方政府健全绿色科技创新的激励制度，明确绿色科技创新税收优惠政策、财政支持政策，加强对绿色创新技术的扶持，引导和鼓励企业进行独立或协同的绿色科技创新。（3）对金融机构的建议一是建立或在原有金融科技战略中重点强调支持绿色金融科技创新和发展。金融机构在加快数字化转型、推进金融科技治理的建设进程中，应重点强调支持绿色金融的创新和发展，将绿色金融业务平台建设与金融科技基础设施建设同步推进，加强金融科技在绿色金融产品中的创新和应用。二是加大金融科技在转型金融、绿色普惠等业务拓展中的应用。结合当前产业低碳转型和绿色普惠发展的趋势，金融机构在金融科技的使用上需要加大创新和尝试，结合普惠对象、转型对象等业务特点，通过大数据、人工智能等赋能普惠对象绿色行为、场景的认定和转型业务风险管理，加大绿色金融业务拓展。（4）对科技公司的建议一是深化区块链、物联网等技术的应用，积极开发新型数据平台和分析工具。金融机构应把握市场动向，创新开发个性化绿色金融产品。例如，金融机构可利用区块链和人工智能技术，记录第三方鉴证报告，计算贷款的年度碳减排量，向监管部门申请碳减排支持工具额度，发放碳减排贷款。二是推进金融科技在绿色金融重点业务领域和难点的创新和实践。金融科技公司应加强与金融机构的互动，根据金融机构现有绿色金融产品和业务实践中存在的问题和难点，综合运用大数据、区块链、人工智能等技术提供系统性解决方案，提升金融科技服务绿色金融业务的质效。42参考文献1.新华社，中国人民银行：到现在为止碳减排支持工具已经发放 3000 多亿再贷款，2023，http:/ 践行绿色金融厦门市金融业绿色低碳行动倡议书，2022，http:/ 5000 亿，2023，https:/ 2022 年第三季度新闻发布会，2022，https:/ 年中国金融科技生态白皮书，2022.11.当代金融家，绿色金融与普惠金融交织融合发展，2022.42保尔森基金会绿色金融中心保尔森基金会由美国第 74 任财政部长、高盛公司前首席执行官亨利保尔森于 2011 年在芝加哥创办，是一家非营利、无党派、“知行合一”的独立智库，我们的工作主要聚焦中美，在经济、金融市场、环境保护和政策倡议的交叉领域开展工作，注重助力平衡的和可持续的经济增长。保尔森基金会绿色金融中心成立于 2018 年，支持绿色金融从社会善举融入主流金融市场，推动构建绿色金融体系。绿色金融中心专注于碳市场、绿色金融和金融科技这三大核心领域，通过高层研讨、政策倡导、思想引领及智力支持，推进市场化解决方案，促进全球绿色金融市场的蓬勃发展。更多信息，请浏览官方网站 北京绿色金融与可持续发展研究院北京绿色金融与可持续发展研究院是为中国和全球绿色金融与可持续发展提供政策、市场、产品研究以及国际合作平台，致力于在绿色金融、自然资本融资、低碳发展和能源转型等领域成为有全球影响力的非营利性智库，为改善全球环境和应对气候变化做出实质性贡献。更多信息，请浏览官方网站 报告联系人：保尔森基金会绿色金融中心 鲁飞飞 flupaulsoninstitute.org北京绿色金融与可持续发展研究院 张芳 图 片 版 权报告中全部插图来自于 Getty Images。免 责 声 明本报告中的案例研究相关数据与内容均来自案例提供方，内容所涉及的金融产品不构成任何投资建议或承诺。风险提示：基金有风险，投资需谨慎。基金过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成本基金业绩表现的保证。

0人已浏览 2023-10-26 46页 5星级

金融级混沌测试平台建设能力研究报告北京金融科技产业联盟2023 年 10 月版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。I编制委员会主任聂丽琴编委会成员王璐张海燕编写组成员崔杰杜昆鹏李博文李振栾琪肖晶王耀强毋文涛张翔叶强林编审黄本涛张蕾参编单位：北京金融科技产业联盟中国建设银行股份有限公司平凯星辰（北京）科技有限公司北京国家金融科技认证中心有限公司北京同创永益科技发展有限公司II摘要摘要混沌工程是通过主动向系统中引入软件或者硬件的异常状态（扰动），制造故障场景并根据系统在各种压力下的行为表现确定优化策略的一种系统稳定性保障手段。应用混沌工程可以对系统抵抗扰动并保持正常运作的能力（稳定性）进行校验和评估，提前识别未知隐患并进行修复，进而保障系统更好地抵御生产环境中的失控条件，提升整体稳定性。本报告以混沌测试工具集为基础，采用开源云原生模式构建自动化混沌工程平台，针对分布式系统的复杂性特点，设计不同层次的故障进行模拟。平台除提供应用层以及实际物理环境故障模拟外，还提供较为完善的故障编排功能，以便监控分布式系统状态，找出项目潜在的风险。本报告所述的混沌工程平台相对完整，可为国内金融行业构建混沌测试验证平台，提供实践经验和可行的参考方案。III目录一、混沌测试平台建设背景与目标.1.1（一）建设背景.1（二）建设目标.2二、混沌测试平台建设要求.3（一）功能要求.3（二）适配性要求.7（三）集成要求.7三、混沌测试平台建设情况.8（一）系统构成.8（二）技术架构.9（三）功能模块.10（四）故障种类.12四、混沌平台测试方案与测试实践.13（一）测试目标.13（二）测试内容.14（三）测试过程.15五、混沌测试平台建设实践.271一、混沌测试平台背景与目标（一）建设背景随着数字化转型，金融行业加快了新一代架构转型的步伐，由传统的 SOA 架构向分布式架构、去中心化发展，当前还进阶到注重云化支持和异构化微服务支持的服务网格模式。系统规模日益庞大，交易链路长、数据流转复杂，微服务架构由于技术异构性、具备弹性伸缩、可扩展性等优势，得到广泛推广；同时微服务架构在使用过程中又面临诸多挑战，由于系统级依赖增多而带来的不确定性风险指数级增长；通过传统手段进行高可用验证、代码健壮性审查、加大测试范围、提高监控敏感度等手段，都无法有效发现系统潜在风险。在微服务架构下，系统的风险管理越来越重要，提高系统韧性成为必然发展趋势。微服务架构转型的驱动下，“混沌工程”实践可以通过规范化，流程化的方案对系统进行一定程度的“随机破坏”，让故障在可控范围内频繁发生，在此过程中可以深入地认知故障和系统，并达到持续改进的效果。混沌工程是通过向系统中引入软件或硬件的异常状态（扰动），制造故障场景并根据系统在各种压力下的行为表现确定优化策略的一种系统稳定性保障手段。其原则是可量化的稳定状态、可反映真实场景，但风险未知的假设、影响最小化。混沌工程利用实验提前探知系统风险，通过架构优化和运维模式的改进来解决系统风险，真正提升系统架构韧性，增强故障免疫力。2混沌工程是在分布式系统上进行实验的学科，首次提出是在2008 年 8 月，由网飞公司（Netflix）提出。2012 年 Chaos Monkey在 Simain Army 项目中开源，Simian Army 成为首个开源的混沌工程工具集。2019 年开始，国内企业纷纷引入并实践混沌工程。混沌工程通过主动向系统中引入软件或者硬件的异常状态（扰动），制造故障场景并根据系统在各种压力下的行为表现确定优化策略。应用混沌工程可以对系统抵抗扰动并保持正常运作的能力进行校验和评估，还可以提前识别未知隐患并进行修复，进而保障系统更好地抵御生产环境中的失控条件。目前国内混沌工程领域主要集中在一些大型互联网企业，应用领域和范围较小，商业化程度不高。金融行业建行、兴业、中原、浦发、招行等国有和商业银行均成立了内部的混沌工程团队，并开展混沌实验。例如，建信金科混沌工程故障演练平台应用于分布式平台相关组件，如应用路由、配置中心、分布式缓存、分布式消息、索引维护服务、分布式数据库等；在场景方面，建信金科在两地三中心多 AZ 故障、银行核心冲正交易异常时序、代收代付慢交易、应用路由服务治理、应用路由堵塞问题模拟等场景中。（二）建设目标1.业务目标1.业务目标为丰富微服务和分布式系统的故障测试手段，解决分布式系统故障高发且难以预测的问题，通过研发自动化水平高、通用性3好、易用性强的混沌工程测试平台，帮助金融机构提升开展混沌实验的效率，降低开展混沌实验的成本，不断提升分布式系统的稳定性和容错能力。在现有研究基础上，重点突破全类型故障模拟、可视化操作、串并行故障编排、自动化监测告警等关键技术，在金融行业不同业务场景开展示范应用，进一步推动混沌工程方法普及，促进软件产业健康发展。混沌实验是指在混沌工程测试平台上面向复杂系统开展故障模拟、故障编排、故障注入、状态监测和故障恢复等一系列操作的集合。2.技术目标2.技术目标研究故障编排引擎、深入底层的故障注入、有效控制最小爆炸半径等关键技术，在混沌测试平台上提供混沌实验设计、实验编排、故障注入、状态检查、监控告警、实验报告等功能，实现高度自动化和可视化的操作，做到故障对应用无侵入，减少组件依赖，构建完整的混沌工程闭环生态。二、混沌测试平台建设要求（一）功能要求主要功能应包括混沌实验模块、故障模拟发压模块、可观测性模块、权限管理模块、专家库模块 5 大部分。混沌实验模块支持对待测底层设施物理机/虚拟机、容器进行管理；故障模拟发压模块支持对混沌实验的过程进行管理，同时还对演练过程混沌实验事件进行标注；可观测性模块支持对实验全过程的监测和分析；权限管理模块支持进行混沌实验人员管理。专家库模块支持4沉淀典型故障业务场景，提供平台人员使用产品的效率。各个功能模块具体如下描述：1.混沌实验模块1.混沌实验模块混沌实验调度组件。该组件基于自定义资源对象 CRD 设计，可以用来创建、配置和管理多种类型的混沌实验，组件接收到混沌实验对象的创建、更新等事件后，获取到具体混沌实验的最新配置。在通过解析调度规则以及实验配置后，执行具体的混沌实验。使用该组件，用户可以通过 YAML 文件的方式自定义混沌实验的目标、攻击对象、调度规则等。组件使用完全云原生的方案，实现完全无侵入的故障注入，并且提供了很强的拓展性，用户可以直接在此组件上增加新的故障注入类型。故障注入组件。组件提供不同类型原子故障的注入和恢复功能，以 DaemonSet 方式运行在每一个物理节点上，在接受来自调度组件的故障注入请求后，按照故障请求的配置，修改具体容器的 cgroup，或者进入具体 Pod 命名空间下，通过 tc、iptables、ipset 等工具干扰具体的网络资源对象。同时该组件使用 eBPF提供了内核故障注入的能力。物理节点（虚拟机）编排引擎。该引擎提供多节点混沌实验编排的能力，用户将目标节点注册到该组件后，可以使用该引擎对已注册的节点执行各类故障注入。用户可以直接使用该引擎自定义混沌实验的步骤，配置检查程序等，并且提供复用已有的混沌实验场景能力。该引擎包含任务定义、任务调度、任务执行模5块，将基于 Kubernetes CRD 事件机制和 Golang 语言开发，将每个可调度的物理节点和编排任务抽象为具体的 CRD 对象并使用 Watch 机制监控任务的具体变化，并实现特有的 controller组件去处理具体的事件变化，并按照具体的配置解析成具体的任务交给任务执行模块，任务由入口任务和节点任务组成，入口任务会被最先调度，后根据入口任务内定义的子任务调度具体的节点任务，直到所有的任务都被执行过后，整个编排任务执行结束。插件系统。不同应用由于环境不同会产生完全不同的故障场景，很难在一个平台中涵盖所有可能的故障。为了能够重复利用社区的力量，以及收集实现世界中可能出现的场景，插件系统提供了用户自定义故障类型能力。用户可以使用此插件系统来定制化自己的混沌故障类型，如 RabbitMQChaos、TiDBChaos 等。插件系统是整个混沌工程生态中关键部分，用户将自定义的插件提交到插件库，这样其他用户可以直接复用此插件，很大程度降低了用户使用混沌实验的成本，避免重复的工作。2.故障模拟发压模块2.故障模拟发压模块故障模拟发压模块以命令行工具方式提供服务，用户可以在物理节点或者虚拟机节点上直接运行相关命令，该工具会根据提供的命令配置，解析成对应的故障规则，随后执行具体操作。使用该组件，用户可以方便的在单物理节点或者虚拟机节点上，随机杀或者暂停指定的进程，模拟各种网络异常，模拟磁盘压力，CPU 繁忙，内存压力等，同时提供历史查询，故障恢复等功能，6方便用户快速的实现故障的模拟。该故障工具基于 Golang 语言和 SQLite3 开发。3.可观测性模块3.可观测性模块可观测性模块进一步降低简化混沌实验的步骤和提供对混沌实验的可观测性，让用户可以通过鼠标和填写简单的表单实现混沌实验和场景的设计，并且在可观测性模块上提供方便的混沌实验检查机制和完整的实验报告。整个可观测性模块包括独立混沌实验的定义，需要支持定义混沌实验范围，实验具体行为，并且支持暂停和恢复操作。可观测性模块还包含设计整个混沌实验场景，需要满足应用状态定义，展示应用监控信息，多个混沌实验场景的编排，以及告警规则设置和报告信息设置等。可观测性模块同时还提供服务监控和健康检查服务。在进行混沌实验过程中，首先需要确认系统的稳态，并且基于稳定状态提出假设。为了简化用户进行混沌实验操作步骤，本方案计划在混沌工程平台中提供定义应用系统稳定状态方式，支持用户在自定义任务通过 HTTP 状态接口或者访问健康系统的指标方式判断系统的稳定状态。具备的应用系统稳态的判断能力，标志着混沌系统平台具备了混沌工程操作闭环的能力。4.权限管理模块4.权限管理模块权限管理模块。混沌实验要求能够有效的控制最小爆炸，并且不同用户之间有一定的隔离，只有提供有效的安全保障，用户才能放心的开展自己的混沌实验。为了达到此目标，权限管理模7块构建自己的权限机制，用户可以根据混沌实验的范围分配实验人员和实验环境的权限，有效的控制混沌实验的范围和保障混沌实验的安全。同时用户可以使用此权限系统进行混沌实验人员管理，可以创建不同角色的实验人员，如可以分配至具有查看权限的观察者角色等。5.专家库模块5.专家库模块专家故障库模块。可以编辑与展示录入实验过程中发现的问题，作为平台的知识积累；具有实验流程说明，可指导进行实验设置与执行演练计划。沉淀各种典型故障测试场景，用户在创建场景时可以直接导入故障场景，降低故障创建复杂度和提供产品使用效率。（二）适配性要求混沌测试平台运行环境应该运行在开放的软硬件平台之上，更加贴近国内客户生产环境需求，适配多种架构与类型分布式数据库，支持 X86、C86、ARM 硬件平台，支持 Windows、统信、麒麟等软件平台。（三）集成要求混沌工程与被测系统、监控系统、上层应用、底层设施等模块的整体集成部署逻辑分为管控组件和执行组件，管控组件需要独立部署，支持集成部署在独立的物理环境和 Kubernetes 环境，执行组件需要部署在应用运行环境，并且与控制组件保持网络互通，测试人员只需要通过控制组件即可完成混沌实验。8三、混沌测试平台建设情况（一）系统构成混沌测试平台各个模块之间通过一定的调用关系来完成每次故障的演练模拟。其中，权限管理模块是一个比较独立的模块，主要管理整个平台的用户权限；场景管理模块是整个故障演练的入口，串联起发压监控、混沌实验一系列故障演练的步骤；对于有价值的故障场景则可以通过推送沉淀到专家库，并开放给所有用户共享使用；实验报告模块为已结束的实验提供了可视化的聚合报告；环境管理模块则是发压监控的前置工作，用户可以在此上传压测脚本、被测环境以及发压插件，保证后续发压步骤的顺利执行。通过打造混沌测试平台，可以实现混沌实验与压测、监控的集成整合，通过专家库中的实际案例沉淀与调用，使混沌实验具备更好的操作性与可观测性，从而达到混沌实验能方便进行常态化全链路压测与监控的目的。整体系统构成情况如下图 1 所示：9图 1：混沌测试平台系统构成图（二）技术架构混沌测试平台基于 Kubernetes 进行部署。主要包含管理系统、监控报表系统、JMeter 发压系统、混沌实验系统和部署在待测系统中的故障注入执行介质和监控代理。其中，管理系统部署在物理机环境，监控报表系统、JMeter 发压系统、混沌实验系统部署在 k8s 集群，故障注入执行介质和监控代理的部署方式则根据待测系统的不同而不同。平台技术架构如下图 2 所示：10图 2：混沌测试平台技术架构图（三）功能模块整个混沌测试平台主要包含权限管理、发压监控、混沌实验、实验报告、专家库五个核心功能模块。1.权限管理1.权限管理对平台的登录进行权限级别、环境使用、混沌实验各个维度的权限管理，大的不同程度的隔离。2.发压监控2.发压监控11发压提供了整个故障演练过程的背景压力用以模拟真实生产环境的流量，监控则对整个发压过程中涉及的服务器资源、压力机资源、业务指标、系统指标、错误信息等各种指标进行实时的监控展示，同时还对演练过程中的混沌实验事件进行标注。3.混沌实验3.混沌实验支持各种常见类型的故障，覆盖物理机/虚拟机、容器不同底层基础设施，同时利用实验编排可以自动定时实现故障的并行/串行/挂起模拟注入以及故障的自我恢复。通过编排的能力可以构造复杂的故障场景而非只能完成单一故障任务的模拟。以串行场景编排为例，可以在该场景的 workflow 中添加多个故障子任务，同时每个子任务又可以嵌套多层的子任务，从而能够更真实地模拟生产环境中遇到的故障。4.实验报告4.实验报告为整个故障演练过程提供了可视化的聚合报告，包含了压测的数据（TPS、响应时间、失败数等），监控数据（CPU、内存、IO、网络等），混沌实验数据（实验事件、执行事件、执行状态等）。5.专家库5.专家库用以沉淀各种高可用典型故障测试场景，用户在创建场景时可直接导入这些典型场景进行演练，降低了故障演练的难度同时提升了故障演练的效率。功能模块如下图 3 所示：12图 3：混沌测试平台功能模块图（四）故障种类混沌工具支持虚拟机/K8s 容器不同底层基础设施的故障模拟，同时覆盖了磁盘、网络、进程、文件、JVM、压力、IO、DNS、内核、HTTP、生命周期等多种故障类型。具体到每种故障类型，又包含了常见的磁盘读写、磁盘填充、杀死进程、CPU 打满、网络延迟、网路丢包等典型故障。混沌工具支持的故障类型丰富，同时还可以借助混沌测试平台的实验编排功能，构建复杂的故障演练场景，满足模拟生产环境中真实复杂场景的需求。故障种类如下图 4 所示：13图 4：混沌测试平台故障种类图四、混沌平台测试方案与测试实践（一）测试目标分布式数据库是重要的基础软件，数据库发生故障所引发的一系列的后果是无法想象的，对于分布式数据库而言，其故障有可能是多种情况组合下才发生，从而引发严重的生产事故。传统的高可用测试，很难对各种情况进行同时或不同排列组合的模拟，难以在测试中进行系统性验证。通过引入混沌测试的方式可以增强和补充整个分布式数据库系统的健壮性。根据分布式数据库产品架构和银行业务交易场景，混沌测试平台针对分布式数据库产品做以下故障验证测试：1.模拟分布式数据库计算和存储节点进程故障。2.模拟分布式数据库数据盘读写负载故障。3.模拟分布式数据库数据节点、控制节点、计算节点网络延迟丢包故障。4.模拟分布式数据库节点 CPU 和内存负载高故障。145.模拟分布式数据库系统负载高故障场景。6.模拟分布式数据库混合故障场景。故障演练平台通过触发预先设置的故障用例，在生产环境发生故障之前把问题暴露出来，分布式数据库产品尽可能提早地处理这类故障，再加上自动化、冗余、回滚策略，以及其他健壮性设计的最佳实践，分布式数据库产品很快就可以让自身的服务，在发生故障时保持正常运行。聚焦在业务指标上来衡量问题发生与否，造成业务问题的事件都应该排查定位，记录触发条件，继而在修复后回归测试，并将修复代码上线到持续运行的混沌测试平台中。（二）测试内容测试内容如表 1 所示。表 1：混沌测试平台测试内容表序号序号测试分类测试分类用例用例1进程故障注入进程被杀故障注入2进程挂起故障注入3磁盘故障注入读写负载过高故障注入4多进程读负载故障注入5写负载过高故障注入6指定目录写负载过高故障注入7指定文件填充过多故障注入8IO 压力高故障注入159网络故障注入网络延迟故障注入10网络包损坏故障注入11网络丢包故障注入12网络抖动故障注入13压力故障注入CPU 耗尽故障注入14内存耗尽故障注入15系统 load 高故障注入16混合场景故障注入混合容量测试17稳定性测试混合编排 workload 长稳测试（三）测试过程1.进程故障注入1.进程故障注入1）进程被杀故障注入检测内容检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，数据库计算进程被杀异常故障的自愈性以及对业务的QPSTPS 影响范围和时长。检测流程检测流程：启动银行模拟交易场景程序，模拟账户查询、更新、插入操作；将编排好的进程被杀故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。16通过标准通过标准：各步骤执行成功，分布式数据库能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明。进程被杀时 QPS 会有下降，延迟有所上升，但不会造成严重影响。在进程恢复后各项指标恢复正常。2）进程挂起故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，数据库存储进程挂起异常故障的自愈性以及对业务的QPSTPS 得的影响范围和时长。检测流程：检测流程：启动银行模拟交易程序，模拟账户查询、更新、插入操作；将编排好的进程挂起故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明。进程被杀时 QPS 会有下降，延迟有所上升，但不会造成严重影响。在进程恢复后各项指标恢复正常。2.磁盘故障注入2.磁盘故障注入171）读写负载过高故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，读写负载故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。2）多进程读负载故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，多进程读负载故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行模拟交易场景程序，模拟账户查询、更新、插入语操18作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。3）写负载过高故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，写负载故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行模拟交易场景程序，模拟账户查询、更新、插入语操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：19执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。4）指定目录写负载过高故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，指定目录写负载故障的自愈性以及对业务的 QPSTPS的影响范围和时长。检测流程：检测流程：启动银行模拟交易场景程序，模拟账户查询、更新、插入语操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。5）指定文件填充过多故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易20业务过程中，指定目录文件填充过多导致写负载故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。6）IO 压力高故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，数据库存储节点 IO 压力高故障的自愈性以及对业务的QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；21生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。3.网络故障注入3.网络故障注入1）网络延迟故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，数据库集群存储、计算、控制节点网络延迟故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行业务交易程序，模拟账户查询、更新、插入操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。2）网络丢包故障注入22检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，数据库集群存储、计算、控制节点网络包丢失故障的自愈性以及业务的对 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行业务交易程序，模拟账户查询、更新、插入操作；将编排好网络丢包故障注入异常模板加载到故障测试平台；持续测试 10 分钟；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。3）网络包损坏故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，集群计算、存储、控制节点网络包损失对故障的自愈性以及业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行业务交易程序，模拟账户查询、更新、插入操作；23将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。4）网络抖动故障注入检测内容检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，集群计算、存储、控制节点网络通信出现抖动故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程检测流程：启动银行业务交易程序，模拟账户查询、更新、插入操作；将编排好网络抖动故障异常模板加载到故障测试平台；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告；通过标准通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符24合厂商声明，未出现非预期结果。4.压力故障注入4.压力故障注入1）CPU 耗尽故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，集群计算、存储节点出现 CPU 负载过高故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行模拟交易程序，模拟账户查询更新操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。2）内存耗尽故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，集群计算、存储节点出现内存负载过高故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。25检测流程：检测流程：启动银行模拟交易程序，模拟账户查询、更新操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。3）系统 load 高故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，集群计算、存储节点出现系统 load 负载过高故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作将编排好的主机故障模板加载到故障测试平台，执行测试测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标生成测试报告通过标准：通过标准：26执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。5.混合场景故障注入5.混合场景故障注入检测内容：检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易业务过程中，混合编排注入不同故障的自愈性以及对业务的 QPSTPS的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，且需保证在故障注入后各有效数据节点的数据分布是均匀的；在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。6.稳定性测试6.稳定性测试检测内容检测内容：分布式数据库在进行账户查询、更新、插入、转账等联机交易27业务过程中，混合编排长时间周期性注入不同故障的自愈性以及对业务的 QPSTPS 的影响范围和时长。检测流程：检测流程：启动银行交易程序，模拟账户转账操作；将编排好的主机故障模板加载到故障测试平台，执行测试；测试结束后，统计故障演练期间交易成功率，QPS，平均延迟等指标；生成测试报告。通过标准：通过标准：执行成功，分布式数据库在所描述的故障注入下，能够完成自动故障转移，且需保证在故障注入后各有效数据节点的数据分布是均匀的；在故障解除后能够恢复完整的服务能力，执行结果符合厂商声明，未出现非预期结果。五、混沌测试平台建设实践总结银行机构在 IT 系统架构转型的同时，都同时面临运行安全保障的巨大压力。实际生产运行过程中，应用级别的生产故障时而发生，对业务连续性和生产安全产生威胁较大。限于银行业务的安全级别及合规要求，难以在生产环境对此类故障场景进行应急处置演练，应急预案无法执行，处置措施的有效性无法验证。银行同业一般采取桌演或者仿真环境演练的方式，提高组织应对应用级故障的能力。金融级混沌测试能力平台在模拟应用级故障方面具有天然优势，平台侧可以模拟及编排各种故障场景，包括：进程故障、主机28故障、磁盘故障、读写负载高故障、网络故障、压力负载故障、混合故障场景等，验证了在业务负载下分布式数据库遇到各类故障对产品冗余处理机制的有效性以及故障对数据库处理能力的影响。平台故障编排和故障注入可以将其作为常态化手段来验证银行业务场景下分布式数据库产品的稳定性，整个故障演练过程和结果符合预期。金融级混沌测试能力平台同样适用于应用系统的开发、测试、上线、运维等各个阶段：在应用系统开发阶段，对非功能性测试的重视程度通常不及功能性测试，一个重要的原因是非功能性测试通常对测试环境的要求较高，利用金融级混沌测试能力平台可以对稳定性、扩展性、弹性缩放部署等非功能性需求是否能够实现进行检验。在新建或经历重大变更后的应用系统上线环节中，为了提升应用系统上线质量，丰富和完善应用上线质量门禁的内容，可利用金融级混沌测试能力平台对目标系统的合规性进行针对性的测试，以确定部署后的应用系统能够满足业务需求，主要测试方向为系统稳定运行能力和抗干扰能力。在资源规范环节中，合理的资源容量是服务性能的保障，利用金融级混沌测试能力平台具备的产生背景访问流量的能力可以协助进行压力测试，或者验证应用正常运行（承载正常访问流量）时所需资源的临界值在运维监控方面，监控能力与指标的覆盖范围直接影响系统异29常或故障的发现与定位能力。可以将金融级混沌测试能力平台作为检验监控系统效能的重要工具，通过控制故障注入的强度和范围发现监控能力方面的不足与缺陷在应急响应方面，通过金融级混沌测试能力平台的故障注入可以不但可以检验告警配置的合理性和有效性，同时能够检验运维团队的应急响应能力与应急处置能力，可以成为应急演练的重要支撑工具。

0人已浏览 2023-10-23 34页 5星级

分布式数据库金融关键业务场景应急处理研究报告北京金融科技产业联盟2023 年 10 月版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。I编制委员会主任聂丽琴编委会成员王志刚李振编写组成员陈亮邓广俊刁现峰杜蓉冯六军高孝鑫郭智慧胡正策黄小慧黄炎黄元霞姜维莹李博文李国良李磊李思李萧萧路新英明玉琢申宇苏德财王登祎王枫王莉莉王嵩阳王栩吴洪辉许高峰徐雪涛叶强林张楠张毅周日明朱飞编审黄本涛张蕾II参编单位：北京金融科技产业联盟秘书处中国光大银行股份有限公司兴业银行股份有限公司华为技术有限公司中兴通讯股份有限公司腾讯云计算（北京）有限责任公司蚂蚁科技集团股份有限公司北京国家金融科技认证中心有限公司飞腾信息技术有限公司北京奥星贝斯科技有限公司北京万里开源软件有限公司成都虚谷伟业科技有限公司上海爱可生信息技术股份有限公司上海热璞网络科技有限公司云南南天电子信息产业股份有限公司III摘要摘要近年来，在金融科技的推动下金融服务和产品不断推陈出新，数据处理呈现出体量巨大、并发量大、高处理性能、类型繁多等特点。银行的业务系统应对新挑战，不断扩容，架构在不同数据库和基础设施之上，变得更为复杂，加大了日常运维的难度和发生故障的风险。虽然单个数据库产品一般具备一定的故障探测和恢复能力，但银行数据库运维人员仍需根据各种异常场景进行应急处理，在发生问题时最大程度缩短恢复时间、减少故障损失。本报告调研了参编单位现有应急处理方案，分析了金融关键业务场景中故障产生的原因，提炼出共性应急处理思路，形成普适的应急处理方案和修复验证指导，为金融机构进行关键业务场景的分布式数据库应急处置提供参考。IV目录目录一、研究背景一、研究背景.1二、应急处理思路1二、应急处理思路.1 1（一）应急预案.1（二）应急准备.5（三）应急演练.6（四）应急处置.7三、关键场景应急处理三、关键场景应急处理.8 8（一）特性分析.8（二）数据库组件故障.10（三）硬件故障.20（四）机房故障.34（五）数据库异常操作.38四、总结与展望四、总结与展望.48481一、研究背景近两年随着国内数据库产业的蓬勃发展，银行中使用的数据库类型逐渐增多，特别是分布式数据库在金融关键业务场景的使用变得越来越普遍。数据库是金融业中金融资产的重要载体。无论哪种数据库，其稳定性、可靠性及可用性都是整个系统平稳运行的关键。虽然现有分布式数据库产品一般具备故障的自动探测、自动恢复能力，但不同分布式数据库的特性和操作方式不相同，银行数据库运维人员仍需根据各种异常场景做好应急处理，在发生问题时最大程度缩短恢复时间、减少故障损失。为了业务连续，运维人员需要在最短时间内判断及处理数据库异常，控制故障不进一步扩大，避免数据库停止服务，保证业务正常开展。其次，一些常见的人为误操作可能会对业务数据、数据库系统的状态及性能会造成较大的影响，运维人员还需对常见误操作进行规范的应急处置，减少对业务及系统带来的负面影响。本课题通过调研参与单位现有应急处理方案，分析金融关键业务场景中故障产生原因，总结统一的应急处理思路，形成普适的应急处理方案和修复验证指导，为金融关键业务场景的分布式数据库应急处置提供参考。二、应急处理思路（一）应急预案分布式数据库在银行、证券、保险等金融机构生产环境运行时，都存在发生故障、停止服务的风险。保障生产系统2数据安全、确保服务稳定是金融机构科技部门最重要的工作之一。为了快速响应故障，保障分布式数据库生产系统数据安全、服务稳定，需要提前分析可能产生风险的原因，并事先制定应急处置方案。分布式数据库系统技术栈包括分布式数据库组件，操作系统、服务器及服务器运行环境，服务器运行环境又包括机房环境和地域环境。分布式数据库生产系统主要面临的风险如下：1.系统故障1.系统故障指支撑分布式数据库运行的系统（或子系统）发生故障、停止服务。系统栈每一层中的系统都存在发生故障的概率。分布式数据库组件可能在运行过程中出现 bug 导致停止服务；操作系统在运行过程中可能会出现故障；服务器硬盘可能出现坏道，无法读取数据，内存可能部分失效，读取出错误内容等；机房环境可能出现供电故障，空调故障等情况；地区环境可能出现地震、台风等影响数据中心机房运行的灾难。任何系统都存在发生故障的概率，数据库高可靠方案和系统及运维应急方案都是为在一定约束条件下降低故障发生的概率。当故障发生的概率足够小时，系统运行的安全就得到了保障。一般可以从以下三方面考虑，降低故障发生的概率：一是要选择故障率低的系统。比如选择经过检验的、故障率低的分布式数据库、操作系统、服务器、机房供电设备、空调等系统，建设机房时所选地区环境避免在地震带上，避3免历史上经常受到台风侵袭的地区等。二是准备冗余资源，确保系统栈中不存在单点故障。同等条件下如果准备两个或多个系统，其同时发生故障的概率将远远低于单个系统发生故障的概率。三是及时发现系统异常，并且一旦发生故障，能立刻自动或手动启动备用系统保持/恢复线上服务，快速处理故障系统，恢复故障系统的服务。故障和故障处理，需要关注如下几点问题：（1）（1）各个系统在设计阶段要考虑预设屏蔽故障子系统的能力，单一系统（或子系统）发生故障时，该系统不再接收请求、提供服务。这种机制可使故障被限制在对服务影响最小的范围内，防止故障蔓延。（2）（2）分布式数据库最重要的资产是数据，必须着力避免因局部系统故障造成数据丢失。例如硬盘损坏时不能造成硬盘上的所有数据丢失。需要详细制定数据备份及恢复策略，在恢复系统服务时，保障数据不丢失。（3）（3）虽然所有技术冗余资源同时发生故障的概率很小，但仍需要制定相应的故障应急处理预案，包括业务处理方法或手动处理方法。2.系统资源耗尽2.系统资源耗尽指系统资源耗尽，不能提供更多的服务，主要有两种场景：（1）（1）由于任务繁重，系统资源已全部投入服务，系统处理能力达到峰值，新的任务只能排队等待处理。此时系统4处于满负荷持续服务的状态，比如 CPU 满负载、网络带宽资源耗尽等。这种情况需要先排除是其他系统（子系统）故障而导致。（2）资源耗尽后，系统运行出现故障，造成停止服务。比如硬盘已满，但日志记录系统仍要写日志文件。对于此类资源耗尽风险，需要采取如下两类策略：一是一是事先预防策略。系统需要具备足够的横向扩展能力，通过增加服务器等资源增加峰值处理能力。二是二是监控应对策略。系统需要具备强大的监控告警能力，一旦某种特定资源使用率超过阈值就进行告警，以便运维人员果断的启动增加部署资源流程。3.操作风险3.操作风险指生产运维人员在分布式数据库系统栈中进行系统操作时，发生操作失误，从而造成数据丢失或者系统停止服务的风险。主要应对措施包括以下几个方面：（1）做好培训。（1）做好培训。通过培训可使运维操作人员充分理解分布式数据库系统栈中相应系统的运作原理，熟练进行操作。（2）做好权限管理。（2）做好权限管理。通过权限设置，指定专项人员进行风险操作。（3）制定操作规程。（3）制定操作规程。完善数字化运维工具，通过支持双人操作的工具，操作规程等降低误操作的概率。（4）做好系统数据备份。（4）做好系统数据备份。在执行风险操作前先对相关数据进行备份。（5)及时恢复。（5)及时恢复。一旦出现误操作，按照操作规程及时恢5复数据、恢复服务。分布式数据库在金融关键业务场景的应急处理并不仅仅指系统栈中系统突然发生故障后进行的处理工作，还包括系统设计及故障处理能力。完备的应急处理需要从系统规划建设阶段开始重视并落实。分布式数据库系统运行风险的处理思路也对系统栈中的各个系统的厂商、应用系统开发商及运维系统开发商都提出了要求，所以需要建立和各厂商及开发商的沟通渠道。高效、及时、可达的沟通渠道，能够把需求和问题反馈到各厂商及开发商，并得到顺利解决。此外，建议在分布式数据库上线前，针对各种运行风险事先准备应急预案，并为预案顺利执行创造条件，包括完成应急预案制定、应急演练、应急培训等事宜。保证从分布式数据库上线开始，应急预案就是真实可用的。一旦出现任何系统故障或报警，能根据应急预案进行处置。（二）应急准备应急准备工作指系统故障或风险事件发生前，为防范风险进行的所有工作，包括以下内容：1.组织层面1.组织层面有效处置突发事件，快速恢复重要业务应进一步完善应急组织架构中的应急指挥层、应急执行层、应急保障层设置。根据事件影响程度及持续时间等因素对突发事件进行风险等级划分，并根据不同等级的风险事件制定突发事件应急处理流程，依据其可能造成的危害程序、紧急程度和发展态势，6划分预警级别并且建立相应的预警信息发布机制，这是应急准备的重要部分。2.实施层面2.实施层面在项目实施中，准备应急预案、制定完善运维操作规程、上线分布式数据库系统及运维管理系统、组织安排运维团队等系统上线前所做的工作都是应急准备工作的一部分。3.其他3.其他在系统上线后仍有应急准备工作需要处理，包括系统日常运行监控、系统定期巡检、系统运行情况分析、应急预案更新升级、日常数据备份、定期验证备份数据的可用性、定期应急演练，等。此外，金融机构应根据应急演练实际情况完善应急预案及操作规程等合规操作，并进行操作合规性审计。（三）应急演练数据中心所在地区发生地震、台风，机房火灾、机房长时间停电；一个数据中心中的所有服务器同时故障；服务器硬盘同时故障等事件都属于极低概率事件。这类极低概率事件在几年，甚至分布式数据库对外提供服务的整个生命周期中可能都不会发生一次。但是，应急预案的内容需包括对这类事件的处置应对。应急准备工作在组织层面、实施层面、其他方面包括了处置应对这类极低概率事件的工作。由于缺少实际事件的检验，一旦发生这类极低概率事件，相关领导、业务人员、技术人员、厂商/合作方人员，处理故障、问题的资源是否就位，处置是否有序、高效，排除故7障、解决问题、恢复服务是否迅速及时，整体应急准备工作是否完备，都需要通过定期的应急演练来检验、完善。分布式数据库涉及的极低概率事件的应急演练，可以纳入灾备切换、信息科技相关等应急演练中一并考虑，统一组织。应急演练工作应在应急准备工作完成后安排实施。组织安排应急演练工作实际上是对应急预案的实施落地。首先要做好组织动员工作，建议成立行领导牵头，相关业务部门、技术部门参与的应急演练小组，协调相关厂商、合作方安排相关人员参与应急演练工作。次之是做好应急演练方案，明确岗位职责，细化演练流程，保障方案可行性。其次是保障支撑应急演练的各项资源就位，包括备品备件、通讯线路等。再次是做好业务合作方、技术产品/服务合作方等的沟通协调工作，提前通知对方本单位的应急演练计划，请合作方做好支持安排。最后是完善应急演练组织的沟通机制，工具。应急演练应严格按照应急预案，应急演练方案来落实实施。且应制定持续改进的机制和方案，在应急演练完成后，全面总结应急演练过程中的经验和教训，完善应急预案和其他应急准备工作。（四）应急处置当有系统发生故障或者存在风险时，需要启动应急风险处置预案。风险处置最重要的原则之一是在保障数据安全和操作合规的前提下，采用最短的时间恢复生产，并按照应急预案演练的情况推进其他步骤。如果出现应急预案没有覆盖的风险，应根据风险影响范8围进行汇报，同时按照审慎的原则进行处理，比如尽量确保在分析和处置风险的过程中，获得应用开发商和具体系统厂商的参与和支持。在完成问题处置后应梳理处置过程，并将风险及处置情况纳入应急预案中，以防范之后的风险。三、关键场景应急处理（一）特性分析数据库系统是按照特定数据结构组织、存储和管理数据的基础软件，根据架构不同可分为集中式数据库和分布式数据库。分布式数据库是物理上分散而逻辑上集中的数据库系统，利用分布式事务处理、数据自动分片、数据多副本存储等技术，将分散在计算机网络的多个逻辑相关的节点连接起来共同对外提供服务。如图 1 所示，分布式数据库比较典型的技术架构包括管理模块、计算模块和存储模块 3 个部分。9图 1 分布式数据库典型技术架构计算模块负责解析应用程序查询请求、生成查询计划，并将查询计划自动分配到各计算节点并行执行。存储模块负责执行计算层数据操作请求，并实现数据在硬件层面的持久化保存，确保数据不丢失。存储层将数据按分片进行多副本存储，保障数据可靠性。管理模块负责协调分布式时钟和维护元数据，并提供数据库参数配置和运行监控。分布式数据库具有天然复杂性，产品自身组件、操作系统、磁盘和服务器等故障，都可能导致集群的少量节点实例不可用。且分布式数据库在金融业的架构形态通常有单中心、同城互备、同城双活、两地三中心等，当网络设备发生故障，10除了导致部分节点实例不可用外，还可能出现集群分裂情况等。因此集群中任何节点的软硬件故障或者任何节点之间的网络连接故障都需要被妥善处理。分布式数据库需要建立应付各种异常场景的处理方案应对金融业数据零丢失和业务高连续性的要求。较为典型的故障场景包括：数据库自身组件故障、操作系统故障、硬件故障、机房故障、数据库操作异常等。在每个场景下，应急处理流程都包括通知相关人员、尝试修复、备份数据、恢复数据库和测试验证等步骤。建立和执行有效的应急处理流程，可以帮助金融机构最大限度地减少数据库故障和安全事件对业务运营的影响，保障金融行业的数据安全和运营稳定。下面将针对典型异常场景故障进行应急处理方案介绍。（二）数据库组件故障1.管理节点宕机（二）数据库组件故障1.管理节点宕机在分布式数据库集群中，管理节点为集群提供各类管理服务，所以总控服务需要高可用的设计，一般使用多副本一致协议来保证管理节点的高可用性。下面以 Paxos 协议为例，通过对分布式数据库集群进行配置来指定管理节点的副本数。管理节点的各副本基于 Paxos 协议选举 leader，leader副本上任后为集群提供总控服务，当管理节点当前 leader发生故障卸任时，其他的副本重新选举产生新的 leader，并继续提供总控服务，从而实现总控服务的高可用。所以任何一个管理节点的故障对分布式数据库集群整体业务没有影响，但当超过半数的服务异常后，分布式数据库集群将无法11提供服务，此时需要依赖备集群恢复业务。当人为原因、机器的故障、内部选举机制等，数据库运行异常，导致某节点无法正常工作时，产生了管理节点宕机时，解决方法是：可采用高可用架构设置管理节点，为管理节点提供多副本保障，某节点宕机时，其他节点可接管故障节点的工作，保障数据库正常工作。如果是数据问题，其他的副本重新选举产生新的 leader，并继续提供总控服务，从而实现总控服务的高可用，保障数据库正常工作。通过 Paxos协议对故障节点进行数据修复，进行数据同步，保证管理节点集群数据的一致性。如果是机器故障，可重启或检查机器故障原因进行问题排除，机器正常重启后，可通过 Paxos 协议对故障节点修复数据，然后进行数据同步，保证管理节点集群数据的一致性。进行修复验证时，人为切换至原故障管理节点（已经修复正常），如数据库操作结果与其他目前在运行的管理节点操作结果一致，则修复成功。管理节点故障，主要可能原因如下：（1）机器报警。（2）无法正常保障数据库工作。（3）返回结果异常。（4）数据丢失或损坏。（5）主副本数据不一致。2.计算节点和数据节点宕机2.计算节点和数据节点宕机计算节点和数据节点是分布式数据库的核心，分布式数12据库在每个节点上只存储部分数据，使用多副本一致性协议来保证分区的数据在多个节点上的一致性。任何一个节点故障，其他节点上的分区副本依然会构成多数派，可以重新选举出新的主副本来提供服务，这个切换过程需要在保证RPO=0 的同时尽量缩短自动切换时间。但如果分区多个副本所在的节点发生故障，那么剩下的节点将无法合法的选举出主副本，这些分区将无法正常提供服务，但其他正常分区依然可以提供服务。当人为原因、机器故障、内部选举机制等导致数据库运行异常，此类节点无法正常工作时产生计算节点和数据节点宕机时，解决方法是：计算节点和数据节点都采用高可用架构，有多副本保障。当某计算节点宕机时，其他计算节点可接管故障节点的工作，保障计算节点正常工作；当某数据节点宕机时，其他数据节点中的副本可转正为主本，保障数据节点正常工作。如果是计算节点数据问题，其他的计算节点重新选举产生新的主节点，并继续提供总控服务，从而实现总控服务的高可用，保障数据库正常工作。然后通过一致性协议对故障计算节点进行数据修复，进行数据同步，保证计算节点集群数据的一致性。如果是数据节点数据问题，可切换到其他有该故障节点副本的数据节点，其副本会转正为主本，进行数据库操作，保障数据库正常工作。然后通过一致性协议对故障数据节点进行数据修复，进行数据同步，保证数据节点集群数据的一致性。如果是机器问题，可重启或检查机器故障原因进行解决，机器正常重启后，可通过一致性13协议对故障节点进行数据修复，进行数据同步，保证计算和数据节点集群数据的一致性。进行修复验证时，人为切换到原故障计算和数据节点（已经修复正常），如数据库操作结果与其他目前在运行的计算和数据节点操作结果一致，则修复成功。计算和数据节点故障，主要可能原因如下：（1）机器报警。（2）无法正常保障数据库工作。（3）返回结果异常。（4）数据丢失或损坏。（5）主副本数据不一致。3.数据代理节点宕机3.数据代理节点宕机分布式数据库集群一般会提供数据库代理组件以便准确地将 SQL 请求路由至合适的计算和数据节点上。代理组件接收用户发出的 SQL 请求，并将 SQL 请求转发至最佳目的地，从而减少跨越节点的远程事务。数据库代理节点一般是无状态的，不记录事务的状态。当一个节点故障后，业务应用可以访问新的数据库代理节点来获得数据库服务。业务系统和数据库代理节点之间可以部署负载均衡服务来保障更高的可用性。当人为原因或机器的故障，数据库运行异常，数据代理节点无法正常工作发生宕机时，解决方案为：数据库代理节点采用高可用架构，某节点宕机时其他代理节点可接管故障节点的工作，保障数据库正常工作。如果是硬件或软件的问14题，需要重启或检查机器故障原因进行解决，业务应用可以访问新的数据库代理节点来获得数据库服务。业务系统和数据库代理节点之间可以部署负载均衡服务来保障更高的可用性。修复验证时，人为切换到原故障管理节点（已经修复正常），进行数据库操作，代理组件接收用户发出的 SQL 请求，并将 SQL 请求转发至最佳目的地，如果操作一些正常，则表示已经修复成功。数据库代理节点故障，主要可能原因可能是机器报警，无法正常保障数据库工作，返回结果异常，时间延迟较长等情况。4.GTS/GTM 全局事务服务异常4.GTS/GTM 全局事务服务异常为保证全局的事务顺序，分布式数据库集群一般会提供一个全局时间戳服务（简称 GTS）或者全局事务管理器（简称 GTM），事务提交时候通过时间戳服务获取事务版本号。因此 GTS/GTM 是分布式数据库的核心，需要保证高可用。GTS/GTM 服务默认也是多副本的，因此其高可用能力跟普通表的能力一样，在下述异常场景下依然能够保证时间戳的正确性。（1）有主改选：原 Leader 主动发起改选的场景称为有主改选。新 leader 上任之前先获取旧 leader 的最大已经授权的时间戳作为新 leader 时间戳授权的基准值。因此该场景下，GTS 提供的时间戳不会回退。（2）无主选举：原 leader 与多数派成员发生网络隔离，15等 lease 过期之后，原 follower 会重新选主，这一个过程称为无主选举。选举服务保证了无主选举场景下，新旧Leader 的 lease 是不重叠的，因此能够保证本地时钟一定大于旧主提供的最大时间戳。因此新 leader 能够保证 GTS提供的时间戳不回退。当人为原因、机器的故障、内部选举机制等，数据库运行异常，GTS 或者 GTM 节点无法正常工作产生宕机时，解决方法是：GTS/GTM 全局事务服务采用高可用架构，某节点宕机时，其他节点通过选举接管故障节点的工作，保障数据库正常工作。新 leader 上任之前先获取旧 leader 的最大已经授权的时间戳作为新 leader 时间戳授权的基准值。保障 GTS本地时钟一定大于旧主提供的最大时间戳。修复后进行检查，预期是当前的 GTS 本地时钟一定大于旧主提供的最大时间戳或者当前 GTM 提供的全局事务号大于旧主提供的最大全局事务号。GTS/GTM 全局事务服务故障，主要可能原因如下：机器报警、无法正常保障数据库工作或返回结果异常。5.操作系统故障5.操作系统故障分布式事务数据库服务运行在操作系统中，操作系统中核心资源（如：CPU、磁盘、内存、I/0、网络等）是数据库服务正常运行的基础保障。为保障分布式事务数据库在不同资源占用比场景下服务的稳定性和可靠性，需提前准备各项核心资源的阶梯占用以及资源匮乏等场景下的预案。通常情况下，在磁盘空间（包括 inode 耗尽）、内存占用以及以上16组合场景时，数据库服务均会出现异常。解决方法是对系统资源进行日常容量监控和预警。6.文件系统为只读模式6.文件系统为只读模式现象为数据库服务异常退出，重启过程中无错误日志输出，且重启过程不断报错，并带有“Read-only file system”字样。解决方案为：确认问题原因是否为文件系统被设置为只读情况，以及被设置为只读模式原因。解决文件系统被设置为只读模式原因后，重启服务器，进行修复确认，查看文件系统模式及数据库服务运行是否正常。故障产生的原因是：一般情况文件系统被设置为只读模式是由于系统发现磁盘硬件（Riad 卡，硬盘）故障或文件系统中文件被损坏后而采取的保护机制导致的，比如文件系统错误、磁盘坏道、RAID 卡故障、inode 资源耗尽、IO 繁忙、硬盘背板故障、硬盘线缆故障、HBA 卡故障、内核相关硬件驱动 bug、FW 固件类问题以及系统没有正常关机，也会导致磁盘出现文件系统错误。为了保护数据不破坏分区中已有内容，Linux 在挂载文件系统时会以 read-only 只读方式加载。7.总体 CPU 资源占用过高7.总体 CPU 资源占用过高业务系统通常上线后资源使用率较为稳定，此场景下CPU 使用率相比较日常表现突然变高或者不断攀升，导致系统运行速度变慢或运行异常。解决方案为：观察 CPU 使用率分布，确认具体导致 CPU突然飙高的原因是软件还是硬件。软件层面问题通常可以确17定为某一个程序引起，可通过观察确认具体引发 CPU 繁忙的操作，采取关闭不必要的进程或操作即可恢复 CPU 使用率；如判定为硬件问题，则需要升级硬件进行处理。进行修复确认，预期是解决 CPU 飙高的软件原因或硬件原因后，CPU 使用率恢复至正常水平。此种故障分为软件原因和硬件原因。软件原因通常会存在新增应用程序占用（如挖矿、测试软件等）、有语法错误的 SQL（如简单 SQL 因连接符号或标点符号等写错导致变为一个超大的复杂 SQL）、中毒等情况；硬件原因主要来自机房散热、驱动故障、CPU 寿命等情况。8.单核 CPU 跑满8.单核 CPU 跑满现象为总体没有明显的资源瓶颈，查看进程实时动态信息时发现单核跑满，且磁盘调入内存跑满。解决方案为：进入 BIOS 查看网卡队列情况，如为单队列网卡则需要升级或者更换为多队列网卡；如为多队列网卡，则需要设置多队列，并且进入系统后进行多队列的 CPU 中断绑定处理。进行修复确认，预期是解决上述问题后，CPU 使用率分散到所有核，且磁盘调入内存较为均匀。故障原因通常为多队列网卡未开启多个队列、多队列处理未绑定到多个 CPU 上或者网卡本身为单队列等等。9.I/O 资源占用过高9.I/O 资源占用过高通常，业务系统上线后资源使用率较为稳定，如 I/O 使用率相比较日常突然变高、I/O 卡顿或进程实时动态信息中18I/O 等待所占用的 CPU 时间百分比数值变大，产生系统运行速度变慢或运行异常甚至操作系统卡顿的问题。解决方案是：观察磁盘 I/O 的使用情况，判断是否软件进程或线程存在 I/O 使用频繁，如判定为非软件系统问题，则需要进一步排查硬盘故障类硬件问题或其他偶发性情况，偶发性问题需要进一步排查操作系统 bug、异常操作等，综合考虑并确认 I/O 繁忙的原因。软件层面问题通常可以确定为某一个程序引起，并通过观察可确认具体引发 I/O 繁忙的操作，此时关闭不必要的进程或操作即可恢复 I/O 使用率；如判定为硬盘故障类硬件问题，则需要升级硬件进行处理，如为其他偶发性问题，则需要进一步排查操作系统 bug、异常操作等并进行对应升级修复。进行修复确认，预期是解决 I/O 飙高、卡顿的软件原因或硬件原因后，I/O 使用率恢复至正常水平。故障原因分为软件原因和硬件原因。软件原因通常会存在新增应用程序占用（读写压力高的测试软件、系统级别频繁刷日志等）、不合理的表结构设计及 SQL 设计（如无索引、全表扫描等）、操作系统 bug 等；硬件原因主要来自磁盘损坏。10.内存消耗过大10.内存消耗过大数据库使用过程中，通常会占用较多的内存，一般不影响数据库服务。而当内存溢出、内存碎片泄漏等情况导致服务被异常关闭时，可能出现内存消耗过大的问题。解决方案为：服务正常情况下，内存偶发性增加大概率19是因为业务系统中存在高消耗内存 SQL 语句；出现服务异常关闭情况下，通过分布式事务数据库日志以及操作系统日志等信息进行分析，确认退出原因，大概率存在启动内存参数不合理、内存占用过高被操作系统误杀等情况。如为 SQL 操作，则需要优化 SQL 或者数据库支持情况；如为内存参数等内容则需要采取调整数据库启动内存参数设置、优化内存碎片回收机制等对应措施。进行修复确认，预期试运行一段时间后观察内存使用率情况以及服务运行情况，均稳定运行。故障原因大多为软件问题，主要原因有高消耗内存的SQL 操作、内存参数设置不合理及内存碎片回收待优化。11.磁盘占用满11.磁盘占用满现象为磁盘突然使用率增加，直至占满，导致数据库服务异常退出。解决方案为：查看磁盘占用（du-Sh*等）命令，了解占用磁盘的文件，从而分析具体磁盘快速写满的原因。清理出部分空间后，按照磁盘用满的原因做对应处理，然后启动数据库服务。进行修复确认，在数据库服务启动后，观察磁盘写入情况，预期是占用情况恢复正常。故障原因通常为压测过程中不断写入数据和日志，数据库异常报错不断进行错误日志写入，操作系统异常不断写入操作系统错误日志，缺乏监控手段导致正常数据和日志写入刷满磁盘等情况。2012.网络负载过高12.网络负载过高现象是网络流量过大引发丢包、重传、网络延迟过大，从而导致系统服务响应变慢、报错。解决方案为：通过观察网卡进出流量、网卡本身负载能力及相关硬件配置情况，确认具体网络负载过高的原因，确认是否为存在大量写入和读取数据操作导致网络流量增加，或实际流量较高但网卡或者交换机等硬件性能不足情况。如为软件层面操作问题，等待业务执行完成并及时监控即可；如为硬件性能不足情况，则需要升级或者更新硬件设备。进行修复确认，预期是修复后观察网络流量及丢包率、重传率、网络延迟等参数均正常。故障原因分为软件原因和硬件原因。软件原因通常为大量写入和读取数据操作，需确认是否为业务正常行为；硬件层面通常为网卡及交换机等设备性能不足或损坏情况，需要更新或升级硬件。（三）硬件故障1.服务器宕机（三）硬件故障1.服务器宕机服务器宕机通常是指应用的服务器处于一种非正常运行的状态，例如服务器假死、停止使用或者关闭，系统无法从错误中恢复过来或系统硬件层面出问题，以致系统长时间无响应无法对外部指令进行响应，服务器的宕机会给用户的正常使用带来较大的影响。在排查时需要判断服务器宕机的严重程度，可在宕机发生后等待一段时间，此时宕机系统若恢复即常说的假死，若21仍未恢复则需要查询系统日志，分析宕机前后系统日志的报错情况，其次查看监控数据是否有指标异常，例如资源的消耗异常，最后可查看服务器硬件故障情况。服务器宕机故障预防可以从以下几方面着手：一是从软件出发，查看程序设计是否合理，数据查询是否有死循环。二是从硬件出发，配置分布式软件，从而形成冗余硬件资源。针对高并发或存在大量计算、海量存储的情况，升级服务器硬件配置，加大网络带宽、升级服务器 CPU、提高服务器内存、扩展存储服务器。三是在系统的设计中考虑合理的警报和监控框架，尽早发现和诊断故障问题，缩短排查与处理时间。故障处理时，对于访问量过高超出系统承载能力的短暂性突增或者异常的访问可等待一段时间或手动杀死进程或重启，排查异常访问来源。对于早期建设的不能满足需求的传统集群需要对系统的软硬件进行升级与优化。对于系统设计的不合理之处，需要对业务的支撑资源重新划分调配，优化业务系统的查询或多线程的处理。当系统内部参数配置不合理时进行参数的优化和调整。存在系统内核故障或错误时需要升级内核。对于人为的误操作，则需要提高操作人员的能力。宕机恢复后系统进行修复验证步骤为：（1）检查系统日志，是否有报错；（2）检查系统各项功能是否正常，并检查对应日志；（3）检查应用各项功能是否正常，并检查对应日志。22金融关键业务场景下，分布式数据库，可能出现宕机的原因主要包括：（1）访问量过高超出系统的承载能力，包括正常的短暂性突增，或者异常的访问，如非法攻击的情况。（2）早期建设的传统集群，部分已不能满足现今的系统需求，服务器配置过低，导致即便访问量不算太高也超出了系统承载能力的情况。（3）系统的应用程序设计存在不合理的异常或漏洞，例如对业务支撑的系统资源不合理，或例如死循环或多线程造成死锁，消耗系统资源的逻辑导致资源耗尽。（4）系统内部参数配置不合理，例如允许连接数过低。（5）存在系统内核程序错误或故障，包括软死锁等情况。（6）在一定环境中，人为的误操作也可能导致服务器宕机情况的发生。为了尽可能减少服务器宕机故障的发生频率，维护系统稳定运行。要减少运行环境的负荷过载，因此要监控运行环境中的操作系统、网络以及各类硬件资源的使用，当有软件正在大量占用服务器内存、CPU、磁盘或网络，或者网站的并发访问数超过带宽资源，系统资源出现暂时性不足，例如磁盘空间耗尽、内存耗尽等情况时，及时进行告警，然后进行干预。2.电源故障2.电源故障服务器电源按照通用标准可以分为 ATX 电源和 SSI 电源23两种。ATX 主要用于台式机、低端服务器或工作站，该标准使用较为普遍；随着服务器技术的发展，适用于各种档次的服务器标准 SSI 标准诞生。系统服务器电源（power）与用于个人的 PC 服务器电源都是一种开关电源。作为硬件服务器的能量源发挥着无形的巨大作用，目前服务器的电源模块种类较多，不同服务器产品的输入/输出电压、功率、功能及拓扑结构都有可能不同。电源故障可能导致系统运行不稳定，当磁盘出现坏磁道、CPU 超频工作不稳定、主机莫名重新启动、服务器运行时噪音较大等情况。故障产生原因通常包括电源模块质量较低、电源的功率不足、电源的稳定性较差等原因。比如电源模块在电压输出偏低或偏高的转换过程有能量损耗，从而造成模块发热严重、输出噪音大，电源模块启动困难且反应较慢、电源启动后迅速烧毁冒烟或短路、电源模块损坏较快等情况。不同的应用对服务器电源的要求不同，在分布式数据库的金融业，尤其强调数据的安全性和系统的稳定性，因而要求服务器电源要具有很高的可靠性。因此分布式数据库需要考虑到服务器电源故障问题，需具备在电源故障情况下的数据保障能力。在分布式数据库的金融关键业务场景下，为了预防服务器电源故障，大部分服务器均采用冗余电源。也就是服务器采用高质量的冗余电源模块组件，并在机柜内提供冗余电源，一方面，具有均流、故障切换等功能，另一方面，能有效避24免电源故障对系统的影响，实现长时间不间断运行。N 1 冗余即运行系统所需的 N 个额定容量的组件数量再增加一台，一个电源发生故障，系统仍能持续运行。除了服务器电源冗余、机柜电源冗余，还有机房的 UPS 冗余。也就是说任何一台 UPS 发生故障时，由额外增加的一台 UPS 不间断提供电力，提高系统可靠性，同时依靠均流技术并行运行。通过冗余电源和热插拔技术配合，可实现热插拔冗余电源，从而提高服务器系统的稳定性和可靠性。发现电源故障，可以通过更换电源组件或检查电源状态来进行故障检查，最终通过更换电源组件解决出现的电源故障问题，保证系统稳定性。修复后，可通过检查电源状态、服务器状态、操作系统状态、应用状态来进行修复确认，修复完成后，系统现象为磁盘磁道正常读写、CPU 超频工作稳定、主机开关启动正常，服务器运行时噪音较小。3.磁盘损坏3.磁盘损坏磁盘损坏主要有以下场景：（1）故障提示。即磁盘自我监测、分析错误报告其磁头、磁盘、电路等部件与预存的安全值发生冲突，自动发生警告信息。（2）磁盘无法识别。启动时显示磁盘无法识别，或系统无法显示磁盘。（3）系统运行出错。服务器运行不断出现程序错误且磁盘扫描停滞甚至死机。25（4）运行报错。扫描磁盘发现错误或显示坏道。（5）初始化死机。包含其他部件与磁盘故障的可能。故障产生的可能原因包括：（1）磁盘系统故障，发生系统中断、跳出、停滞等现象。这些现象的发生可能存在磁盘或系统的故障。（2）磁盘物理故障，一般表现为无法识别磁盘存储数据，或者是无法读取数据，导致用户无法使用磁盘。（3）磁盘运行故障，主要表现在扫描磁盘的时候发现错误。磁盘运行故障一般发生在坏道的产生，需要对磁盘进行隔离，保障磁盘的正常使用。在分布式数据库的金融关键业务场景下，为了预防服务器磁盘故障，大部分服务器采用冗余磁盘，并做磁盘阵列，来预防磁盘故障。也就是 N 1 冗余，即运行系统所需 N 个磁盘，再增加一块或多块磁盘。多块磁盘做磁盘阵列后，一个硬盘发生故障，系统仍能持续正常运行。对于磁盘故障，首先确认业务在分布式数据库保有数据备份情况下的稳定运行，备份数据启动承载切换的业务后，再进行故障磁盘的更换。磁盘系统故障在排除系统故障后对磁盘进行检修，磁盘物理故障需要保证备份数据的可用，或对现有数据进行转移后对磁盘进行检查维修。磁盘运行故障则需要对磁盘进行隔离，查看坏道分布情况。对于少量坏道，可以尝试软件修复，对于大量集中的坏道，可以对磁盘进行分区，然后把分区隔离，避免坏道扩散。对于分布均匀或坏道较多的情况则需要更换磁盘。26更换故障硬盘后，往往需要重新做磁盘阵列的同步，从而把数据恢复到新磁盘中。分布式数据库需要在磁盘的存储中保证数据存储的分布式策略，确保数据在集群的磁盘中存在不止一份可用的相同数据，在集群中一个磁盘的损坏可自动切换到备份数据的磁盘，单个磁盘的故障不影响系统数据的安全可用性。磁盘修复后，应表现为不再出现磁盘损坏场景描述现象，在系统运行中可查询该磁盘的完整数据，分布式数据库的数据分布策略在磁盘修复后完成磁盘数据分布初始状态，磁盘数据与备份数据具备一致性。4.内存条故障4.内存条故障内存条故障常见开机报警、读取出错、解压出错、内存短路主机无法加电、蓝屏死机、无法启动等场景。内存损坏导致系统注册表报错情况较为常见，系统在正常启动进入桌面后，系统提示注册表读取错误，需重新启动电脑修复该错误，再次启动电脑后，仍旧提示注册表读取错误，其次在主机使用环境恶劣，如湿度过大在长时间使用过程后，内存金手指表面氧化，造成内金手指与插槽接触电阻增大对电流通过的阻碍，形成内存自检错误，表现为开机内存报警。内存故障产生原因如下：（1）内存故障导致注册表读取错误情况，包括安全模式的设置原因、长时间未进行磁盘碎片整理及错误检查，以及则存在于机器内存损坏的硬件故障。（2）出现内存损坏安装系统提示解压缩文件出错故障27的原因，一般是内存的质量不良或稳定性差造成的，无法正常读取某一文件或系统安装文件损坏。（3）在内存短路导致主机无法加电的情况下，可能存在电源质量不稳定或其他部件接触或需要更换的问题。（4）若出现蓝屏死机或无法启动的情况，根据蓝屏时的出错提示或无法提示则应是内存中某种虚拟文件出错，可能存在接触不良、内存插槽脚短路、内存条安装不正确或内存插槽变形等问题。内存条故障预防首先应保证使用环境符合国家机房标准，如温度、湿度、静电等等，避免因为温度、湿度、静电等原因导致内存条故障。其次，严格控制操作人员具备相关技术能力，从而避免内存条安装接触不良、安装不正确等问题。采用带有 ECC 校验的内存条，从而能够发现错误，自动纠正错误。内存条故障检查主要考虑接触不良、安装不正确、插槽变形等问题。具备相关技术能力的安装人员首先仔细检查机器安装环境，然后按照标准步骤进行，并细化安装后的检查流程，减少人为操作造成的故障。对于电路短路或断路问题，需要技术人员确保安装运行环境的电源导线正确连接。对存在于机器内存损坏的硬件故障需要使用替换法。首先备份重要资料，换上性能良好的内存条，进行重新安装。同理，在金融关键业务场景中，内存条的质量不良或稳定性差极大的影响系统的整体性能，建议使用高质量的内存条硬件。28更换内存条后，检验是否存在同样的故障，能否读取系统文件。更换高质量的内存条后，应有响应速度的提升及系统稳定性的提升。5.主板故障5.主板故障主板故障通常表现为主板无法启动、系统不能识别键盘和鼠标、外连接的如打印机不能正常工作、显卡提示警告或发出非正常的报警声等与主板有关的问题。主板故障产生原因：（1）主板无法启动的故障原因包括安装问题中的接触不良、主板及主板上各元件的制作工艺质量问题。（2）对于连接外设键盘、鼠标、打印机出现不支持或不能正常工作的故障，存在连接接口松动、接触不良、线路故障、连接外设硬件故障及主板线路或主板故障问题。（3）主板的电源安全故障，主板电源是否通过稳压器过滤和是否具有滤波功能的电容来稳定供电电流保护主板的正常使用；（4）显卡与主板的松动导致故障，或显卡与主板非正常兼容。金融关键业务集群出现主板故障对于系统来说有较大风险，在集群建设之初应选用高质量的主板硬件，确保主板及主板上各元件的制作工艺优良，具备承载金融核心业务或关键业务的能力，不出现质量问题。常用主板故障检查方法：观察法、清洁法、插拔交换法、软件诊断法。如观察主板及电容等是否有烧毁迹象、是否接29触不良，清洁因灰尘过多造成的故障，使用插拔交换的排除法确定故障所在元件如主板或 I/O 设备，通过诊断程序或测试软件对主板进行辅助硬件维修，读线路及芯片状态识别故障部位如接口等。系统安装中由专业技术员进行操作，为防止主板电源故障问题，应确保主板电容上的电压不超过额定值，确保供电电源通过稳压器过滤。计算机主板不宜在长期高负载的情况下工作，易导致电容过热。出现主板异常的情况下，及时联系硬件厂商进行处理。应用方在工作状态可利用万用表来检测 CPU 周围的三极管、二极管是否工作正常，以便检查 CPU 供电的正常情况；出现断针或断裂现象，须及时联系分布式数据库厂家做好数据备份及应用业务的切换，由硬件厂商更换新配件。主板故障恢复后，需要对系统进行验证，首先可查看硬件故障指示灯是否熄灭，然后检查服务器硬件错误日志、操作系统启动日志、应用日志等。6.阵列卡故障6.阵列卡故障阵列卡全称为磁盘阵列卡，主要用来做 RAID，把所有硬盘整合成一个大磁盘，再在这个大磁盘上做分区。阵列卡故障特征：（1）RAID 磁盘阵列中物理硬盘指示灯告警。（2）显示多块硬盘呈离线状态或丢失状态。（3）RAID 信息丢失，所有物理硬盘不再是 online 状态。（4）无法进入 RAID 管理界面或查看 RAID 相关信息时死机。30磁盘阵列卡故障原因：（1）服务器硬件故障导致的阵列卡故障，如电路板损坏、磁头损坏、盘面损坏以及其他固件损坏等。（2）断电、电压不稳导致的阵列卡故障。（3）管理员在维护过程中由于误操作导致硬盘盘序出现错误或在配置 RAID 阵列信息时出错误导致数据丢失均有可能造成阵列卡故障。（4）RAID 在同步数据或者重建过程中，同组 RAID 阵列中有其他硬盘掉线导致同步失败。磁盘阵列卡故障检查时，由于阵列卡的特殊性，处理不当可能造成数据丢失，所以对于阵列卡的处理方式应该更加的谨慎，针对不同的故障产生原因，采取恰当的处理方式：（1）若是由电源原因造成的阵列卡故障，为了防止数据丢失，需要先将系统电源关闭，再依次检查硬盘，处理电源问题。（2）若是服务器硬件导致的阵列卡故障，先要确认数据是否丢失，若无数据丢失则修复对应的硬件之后再行处理。（3）若有数据丢失，则要将情况报告给磁盘阵列厂商或者专业的磁盘阵列数据恢复公司进行处理。值得注意的是，谨慎选择初始化或者 ReBuild 等可能导致数据丢失的处理方式。在阵列卡故障修复后，首先查看硬件故障指示灯是否熄灭，然后进入阵列卡 bios 中查看阵列卡是否正常，若显示online 和 protected 则代表阵列卡故障修复成功，可正常使31用。7.网卡故障7.网卡故障网卡是局域网或互联网中连接计算机和传输介质的接口，是电脑与网络的一道桥梁，一旦网卡发生故障，便不能上网。网卡故障一般会出现如下几种症状：（1）在“设备管理器”里无“网络适配器”。正常情况下，打开“设备管理器”时，里面有一排像“RealtekRTL8139/8111”的英文，此英文就是我们的网卡设备。如果没有此“网络适配器”及英文就表示网卡没有识别到，或网卡损坏。（2）在“设备管理器”中有“网络适配器”，并且也有“Realtek RTL8139”等一排英文，但是在“Realtek RTL8139”上面有个感叹号。并且无论我们如何安装驱动，重装系统等，此感叹号都无法消失，也就是说网卡都无法正常工作，此种现象也表示网卡故障。（3）当插上网线时，电脑右下角提示“网络电缆没有插好”，若无论如何插拔网线，或者更换全新网线，排除网线及网络故障时，电脑依然提示“网络电缆没有插好”时，此时也为网卡故障。（4）一般网卡正常工作时，网卡绿色指示灯会亮，如果插上网线，网卡指示灯完全不亮，也可以断定为网卡故障。（5）在排除网络本身故障以及电脑系统问题的情况下，若网卡只有发送包而无收到包，也可以确定为网卡故障。网卡故障原因如下：32（1）外部原因有可能是雷电、静电原因等，特别是雷电，是导致网卡故障的最主要原因之一，尤其是夏天雷雨季节。（2）电源输出电压异常也有可能导致网卡故障。（3）网线有短路情况或路由器、交换机故障也可能导致网卡故障。（4）自身原因则有可能是网卡本身的元件质量问题。在分布式数据库的金融关键业务场景下，为了预防服务器网卡故障，大部分服务器采用双网卡绑定，来预防网卡故障。也就是采用两块网卡，虚拟成一块网卡来使用，当一块网卡出现故障，另一块网卡依然能正常运行，系统仍能持续正常运行。网卡故障排查的几种处理方式：（1）首先把系统置于非正常工作的状态（2）将网卡重新进行插拔。（3）将网卡驱动卸载后再重新安装。（4）将网卡换到别的插槽上。（5）若以上几种处理方式都无法使网卡正常工作，则证明网卡已损坏，此时需要更换新的网卡。Windows 环境下，在处理完毕网卡故障后，可以通过下面几步判断网卡是否正常。（1）“WIN R”打开运行窗口，输入“CMD”命令。（2）在命令行窗口中输入 ipconfig，点击确定。若能成功查看到网络信息，如网关、ip 地址等则证明网33卡故障修复成功。8.网络设备故障8.网络设备故障网络交换设备是服务器之间网络通讯的必备要素，分为路由器、交换机（二层和三层）等。网络设备一般会进行高可用部署，比如双机并行，并采用“聚合链路”等解决方案，预防网络设备故障：（1）电源故障产生的故障。因为极端天气、人为影响、设备老化等原因引起的故障。其预防方式也和大多数电源故障一致，即采用 UPS 进行容灾和引入稳压器进行防控。（2）端口故障。因为不规范的水晶头插拔时间长了引起端口的破坏的故障。预防策略除了规范插拔网线的动作外，还可以采用更加合适尺寸的水晶头让插拔动作更平滑。（3）模块故障。网络设备内部模块出现故障，预防方式是对网络设备轻拿轻放，避免潮湿等。（4）线缆故障。线缆与网络设备连接的不规范导致的各类故障，例如接口不紧导致脱落、交叉直连混用等。对此类故障的预防是在日常巡检过程中和布网阶段进行反复确认。（5）背板故障。对背板故障的预防，除了保持机房干燥外，还需要考虑散热问题，不要在出风口进行遮挡或者布线混乱导致散热降低。网络设备的故障检测方式是查看状态指示灯和错误日志。还可以通过统一的监控运维平台查看。网络设备故障排除后的确认方式是查看网络设备的状34态指示灯和错误日志。还可以通过统一的监控运维平台查看网络设备的状态。（四）机房故障（四）机房故障数据库的高可用和强一致贯穿数据库的整个生命周期。在数据库尤其是核心数据库在构建的时候，采用高可用架构，能够避免在灾难的时候，降低数据库容灾做的不充分对业务响应时长的影响。在常见灾难下，主节点选择，一般采用分布式协调组件来实现，通过选举产生新的主，避免业务恢复过程中出现过长时间的中断。分布式数据的容灾架构，包括同城互备、同城双活、两地三中心。此处介绍遇到机房级灾难情况下系统的应对措施。以两地三中心架构为例，可划分为：同城互备、同城双活、两地三中心。此处介绍遇到机房级灾难情况下系统的应对措施。以两地三中心架构为例，可划分为：本地或同城机房故障、异地机房故障两个灾难场景。1.本地或同城机房故障1.本地或同城机房故障应用于金融领域的分布式数据库产品应具备自动或手动灾难恢复能力，灾备方案包括在与主生产中心同城的数据中心部署具备计算能力的节点并保存数据副本的同城多中心部署架构。如图 2 所示，分布式数据库采用同城双中心部署架构，在 region1 中建 1、2 两个同城数据中心，同城主中心发生火灾、电力中断等灾难时产生本地或同城机房故障。此故障可采取跨中心强同步，使管理节点或协调节点多35数派部署在备中心。方案的优势是主中心宕掉之后能自动切换到备中心，实现跨 IDC 容灾切换下具备两套的数据一致性。方案的劣势是备中心故障会引起主中心只读。图 2 同城双中心-多数派在备机房如图 3 所示，管理节点或协调节点的多数派在主机房，此方案跨中心强同步。方案的优势是可将管理节点或协调节点多数派放到主机房，当备机房不可用之后，系统退化成主机房强同步模式。方案的劣势是主机房故障后，切换到备机房时，备机房会变成只读模式，需要手动操作，才能恢复备机房的读写。36图 3 同城双中心-多数派在主机房对于两个数据中心来说，没有很完美的数据中心异常自动切换方案，需要做一些权衡。上面两种方案做了跨 IDC 强同步，但是都不能做到任意 IDC 异常系统自动切换，因此并不是完美的跨 IDC 容灾方案。进行修复验证的步骤为：（1）验证实例手动切换到同机房和同城机房对数据读写的影响时长。（2）验证新的主节点自动建立起到其他备节点的同步任务；新的备节点自动建立起到新的主节点的同步任务，主备复制不受影响。（3）验证系统产生的业务数据或与其他应用的交互数据是否一致，包括日间产生的交易数据和日终报表产生的汇总数据，针对发出交易指令但未收到确认的存疑事务进行人工校验处置。2.异地机房故障2.异地机房故障应用于金融领域的分布式数据库产品应具备自动或手37动灾难恢复能力，灾备方案包括在与生产中心处于不同地理区域的城市建立异地数据中心，形成两地三中心或多地多中心的多集群灾备部署架构。分布式数据库采用两地三中心部署架构，在 region1 中建 1、2 两个同城数据中心为主集群，region2 灾备机房搭建备集群，region1 发生地域级灾难造成 AZ1、2 同时发生火灾、电力中断等灾难。两地三中心的架构方案的优势是，在两地三中心的场景中能做到数据中心异常的时候自动切换。劣势是，如果采用强同步模式，则因为延迟过长，易导致事务执行缓慢。异地之间采用的异步模式，当异地(region1)整个可用区不可用的时候，可能会出现部分数据丢失的可能。因此建议异地之间（region1 和 region2）数据同步采用异步模式。图 4 两地三中心架构示意图修复验证步骤如下：（1）主集群机房级故障后，备集群可以接管业务。（2）对生产主集群和灾备集群进行数据一致性、完整38性、可用性验证。（3）主集群恢复后可以自动恢复同步关系，并在生产系统正常恢复后切回原主集群。（五）数据库异常操作（五）数据库异常操作为了避免或减少数据库的异常操作（如异常删库、安全问题导致被拖库、SQL 注入、事务操作等），在数据库使用过程中，就要通过备份、安全审计、业务压测等场景，避免出现此类问题或者出现此类问题后能快速的恢复。1.异常删库1.异常删库应用于开发或运维人员误操作，导致正常数据丢失。针对异常删库的场景，有三个方案。（1）通过备份逻辑日志和物理备份的方式，从备份恢复。图 5 异常删库恢复示意图（2）制作延迟备机。39图 6 异常删库恢复示意图-制作延迟备机（3）回收站机制。通过将数据库的元数据上移到接入层，对 drop、truncate 等高位场景，做回收站机制，不实际的删除库里面的内容。方案一成本低廉，恢复时间较长，适用于对恢复时间不敏感的业务。方案二成本较高，通过延迟备机的场景，可以迅速的将数据库恢复到对应的时间点。方案三能针对特殊命令制作回收站，比如 drop、truncate 等操作，但是对 update等无效，成本低廉，适用场景有限。修复验证：修复后需对恢复后的数据进行验证对比并对业务进行验证，看是否存在异常。此类故障产生原因为误操作导致数据丢失。2.异常拖库2.异常拖库现象是外部利用信息漏洞进行恶意攻击，导致数据库拖库。拖库是由于数据库的不合理的网络策略，权限策略，存储策略导致数据库被非法或者不合理的使用。处理方案为进行数据库上线前检查访问数据库的网络策略、业务账号的权限是否设置合理，关键敏感数据是否是密文存储，并保证有完整日志。数据库上线后定期分析数据40的访问日志，发现是否有非授权的 IP 访问或者越界的访问行为。将数据库执行日志接入到审计系统。拖库后审视受影响的数据库，检查敏感信息，评估是否有更大的业务损失。例如数据库中如果存储了用户名和密码，则评估该表的业务系统是否有泄露的风险，及时针对此措施添加安全策略。进行修复验证，步骤如下：（1）数据库数据对比，评估数据受损情况。（2）进行数据恢复挖掘，减少数据损失。故障产生原因是：（1）WEB 应用漏洞导致拖库。（2）漏洞注入。（3）利用网站恶意挂马拖库。（4）内部信息泄露。（5）远程下载数据文件。3.SQL 注入3.SQL 注入在数据交互中，前端的数据传入到后台处理时，没有做严格的判断，导致其传入的“数据”拼接到 SQL 语句中后，被当作 SQL 语句的一部分执行，从而导致数据库受损（被拖库、被删除等）。SQL 注入是一种攻击方式，在这种攻击方式中，在字符串中插入恶意代码，然后将该字符串传递到 SQL Server 的实例以进行分析和执行。构成 SQL 语句的任何过程都应进行注入漏洞审阅，因为 SQL Server 将执行其接收到的所有语法有效的查询。41处理方案是：（1）进行 sql 预编译，防止 sql 注入攻击代码层，当传入参数 4 or 1=1 时，被当作是一个纯字符串参数，所以就不会出现 sql 注入了。（2）确认每种数据的类型，比如是数字，数据库则必须使用 int 类型来存储。（3）规定数据长度，从一定程度上防止 sql 注入。（4）严格限制数据库权限，能最大程度减少 sql 注入的危害。（5）避免直接响应一些 sql 异常信息，sql 发生异常后，自定义异常响应。（6）过滤参数中含有的一些数据库关键词。修复验证时，需进行数据恢复挖掘，减少数据损失。故障产生原因为：（1）代码层面没有对 SQL 进行预处理，导致 SQL 执行时被 WEB 拼凑。（2）网络传输请求类型。（3）数据库设计的字符类型。（4）网络漏洞。4.大事务操作维护性质大事务操作4.大事务操作维护性质大事务操作比如常规的数据库表结构变更等操作。该操作可以在变更窗口期，通过制作镜像表的过程等数据同步完毕后，切换对应的原目的表。MySQL 使用常规 PT工具来实现自动化操作。处理方案为确定变更的表结构信息，42借助 PT 工具功能进行 onlineddl 任务发起。在 onlineddl操作成功后需进行修复验证，查验表结构变更是否正常。一般这种故障是由于表结构变更产生的。事务长时间不提交。事务长时间不提交。在业务处理中可能存在查询数据量大、执行时间长的复杂事务导致事务长时间不提交或数据库异常发生主备切换未通知应用切断连接，线程僵死而导致活跃内存或连接池资源被长期占用。可通过数据库的系统工具，监控事务的状态，及时发现未提交的事务，及时报警。修复验证时检查：数据库连接使用是否正常，应用操作是否异常，应用操作数据是否一致。该故障的产生原因可能是：事物 SQL获取的数据量级大或 SQL 存在性能问题，事物长时间不进行提交，数据库异常僵死或卡住，资源长时间占用不被释放，异常发生主备切换等。单个事务操作过大指单个事务操作过大指在业务处理中可能存在涉及跨多个分片/分区表数据交互的复杂事务导致事务执行时间长，长期占用计算和内存资源，造成性能堵塞。可将大事务合理的拆分成单个较小的事务，分多批进行处理。因为该故障主要发生在大数据向数据库灌入数据的场景中，所以适当地提高大数据的入库并发度，将单个大事务入库改成多个子任务入库，可一定程度上避免此类问题。处理后需验证拆解事务后业务执行效率是否改善，调整优化数据库并发后执行效率是否改善。故障可能是由业务逻辑，数据库整体运行性能，底层硬件架构性能造成的。单个事务操作过多单个事务操作过多指在业务处理中可能存在同一个事43务中进行多个增删改操作或在查询操作中涉及多层嵌套查询、聚合查询导致事务执行占用资源较大，影响事务的原子性、一致性。处理时需合理的评估该事务是否影响数据库性能，可以通过监控每个 SQL 的耗时，来评估是否将单个或者批量不合理的小事务合并进行。修复后需检查整体资源的下降情况，确保业务逻辑整合后，效率有所提升。此故障可能是因业务逻辑复杂未进行合理拆解或数据库表设计与业务逻辑需求不匹配而产生。应急止损措施应急止损措施指在业务运行中，某个新增业务的 SQL 未经过测试评估，直接下发数据库，导致整个数据库性能达到瓶颈，影响其他业务运行。处理时需通过定位慢 SQL，与业务侧及时沟通，通过评估 SQL 重要性、SQL 的大小，选择将对应的事务 kill。并在业务上线前做好 SQL 审计及环境压测测试。修复后需关注业务运行的性能情况，排除其他性能问题。此故障一般是因为业务压力大底层资源性能跟不上、业务逻辑及 SQL 复杂或前期的业务预估不合理导致。5.连接数超出阀值连接池占满，主备切换异常5.连接数超出阀值连接池占满，主备切换异常指在互联网背景下金融业务也存在业务挤兑、固定时段交易频发，客户端连接数据库数量激增引起瞬时压力，连接池耗尽从而影响整个系统业务连续性。比如某历史业绩稳定的投资经理新发理财产品，加之重点宣传，客户争相通过各零售代销渠道申购，在开放申购时点客户端连接会话数激增，造成数据库连接池占满，发生主备切换等异常处理操作影响客户申购体验。解决这类问题44需在上线前合理的评估业务的连接数量是否会超过整个数据库的连接池。如果业务建立的连接池超过数据库的连接池。则针对性能要求比较高的业务场景，强制建议使用连接池，合理的设置连接池的资源，避免总连接池超过数据库的连接池。针对短连接的业务场景，通过业务测的压测，评估要达到业务容量的 QPS，数据库的连接池是否设置合理。需压测评估后才上线。处理后通过业务高峰期查看数据库使用情况是否达到预估，完成修复验证。此类故障产生原因可能是业务并发预估不合理、业务并发突增、业务逻辑优化欠缺或数据库底层环境整体性能不足。无空余链接。无空余链接。业务运行设计中，如大量采用长链接需求，可能导致连接不释放，没有多余的空余连接提供使用，后续连接业务出现等待异常。处理时可合理的设置操作系统的keepalive 参数，加快非活跃连接的回收，能做到在应急场景下，有效的使用数据库连接数。业务侧可以根据业务重要性，将非核心业务，削峰处理。临时停掉非核心业务，给核心业务提供足够的链接。修复后需检查连接回收后，是否满足业务并发需求以及业务削峰后，是否得到缓解。此类故障一般是业务连接不释放或业务连接方式使用不正确造成。6.并发数过高6.并发数过高在互联网背景下金融业务也存在业务挤兑、固定时段交易频发，客户并发数激增，未进行合理分片，产生热点节点，数据库资源无法合理应用从而影响部分用户业务连续性。场景描述：场景描述：45某历史业绩稳定的投资经理新发理财产品，加之重点宣传，客户争相通过各零售代销渠道申购，在开放申购时点并发数激增，热点节点，发生主备切换等异常处理操作影响客户申购体验。处理方案：处理方案：并发数过多主要原因是业务对数据库资源评估不合理导致的。针对并发数过多场景，短期应该与业务沟通，对部分非核心业务做限制。长远看需要对业务评估业务场景是否合理，如果合理，则需通过扩容 DB 或者增加 Redis、MQ 等中间件的场景，避免该问题发生。修复验证步骤如下：（1）业务改造后是否得到缓解。（2）底层扩容或改造架构后是否得到缓解。故障产生原因：故障产生原因：（1）业务架构和后端数据库架构不匹配。（2）后端数据库资源跟不上。（3）架构设计是否合理。7.业务死锁7.业务死锁并发数较大场景下存在不同会话对同数据执行读写操作，形成锁争用无法自动释放而影响业务执行。在业务逻辑中，业务表做 DDL 操作时，该表还在进行频繁的 DML 操作并且还存在查询效率低下的 select 查询并发，导致 DDL 时获取锁超时，业务下发中断。处理步骤如下：46（1）对死锁做监控，及时发现，及时解决。（2）优化业务 SQL 减少低效 SQL 运行。（3）优化业务逻辑，减少锁并发冲突的情况。修复验证步骤如下：（1）剔除锁后，看业务是否恢复。（2）业务逻辑及 SQL 优化后是否避免。故障一般是由业务逻辑问题或低效 SQL 导致。8.业务中断8.业务中断现象是在正常业务环境，运维人员对该环境进行数据压测，导致数据库性能达到瓶颈，业务中断无法使用。处理方案为：（1）停止压测任务，及时恢复业务的使用；（2）高可用架构中，压测将性能打满，通过主备切换的方式进行业务的恢复。（3）压测在测试环境或者不使用的备机进行，以免影响现有业务。进行修复验证，查看业务是否恢复使用，性能恢复正常。故障产生原因是：（1）操作不合理，在业务库进行压测。（2）压测并发参数调整不合理，导致资源打满。9.极端场景数据抢救9.极端场景数据抢救分布式数据库在一些异常场景下导致集群不可正常使用，数据丢失。通常可通过冷(热)补丁、主备机、备份恢复、容灾等手段进行修复，从而使集群可正常提供服务。但是，47当上述手段失效场景下，如无冗余极端场景下，数据发生文件损坏，数据库无法启动，可使用抢救工具导出数据的能力，避免数据全部丢失，从而进行有损用户数据抢救。数据恢复成功后可通过数据库的运行状态、主备数据一致性校验等手段判断是否完全恢复正常，可能存在两种情况，一是无损恢复，二是有损恢复。当数据库数据丢失、数据库服务异常等场景出现时，优先使用冷(热)补丁、主备机、备份恢复、容灾等手段进行无损(或有损)修复；当无其他可用手段时，可尝试通过数据抢救工具，从数据库文件内离线解析数据，再将数据恢复至新集群。如果数据恢复是有损的，需要业务评估数据是否可用。该故障可能是存储服务异常、存储设备异常、数据库文件损坏或人为(程序)原因误删除数据库相关文件等原因产生。10.副本集数据同步延迟10.副本集数据同步延迟副本集中的多个副本可以划分为主节点、备节点两类，节点之间的数据复制路径可以是星型、链式或者混合模型，具体模型的规划设计需要根据节点性能、各类任务负载压力、网络带宽/延时等情况综合决定。节点间数据复制延迟称为数据同步延迟。延迟时长和节点性能、各类任务负载压力、网络带宽/延时等情况相关。缩短延迟时间是分布式数据库设计部署的一项重要任务。通常来说，一个数据中心的两个节点间数据同步延迟时间短，同城数据中心之间的延迟时间稍长，异地数据中心之间的延迟时间最长。48节点间数据复制可以选择同步或异步模式。同步模式可保证两个节点间数据的一致性，当一个节点出现故障后，另一个节点可以持续提供服务。可是同步模式只适用于两个节点间的数据同步延迟时间非常短的情况，否则，会极大的影响数据库事务的完成时间，从而延长事务完成时间、降低系统的交易吞吐率，造成交易堵塞、服务失效。目前技术基本能做到同城同步复制，异地同步复制仍存在挑战。异步模式把主节点的交易事务和节点之间的数据复制解耦，数据同步不影响交易事务的执行。但是同时会带来数据同步的延迟。也就是说两个节点之间的数据是存在不一致的。无论是数据同步的同步模式还是异步模式，都要做好延迟时间监控和预警工作，一旦延迟时间增大或有增大趋势时，需要及时排查并确定问题原因，及时增加相应资源，解决问题。对于异步模式，需要注意设计部署足够大的操作日志空间，保证数据同步延迟时间增大时也不会丢失数据。四、总结展望金融业数据库应急处理的重要意义体现在保障金融业务的连续性、防范和减少数据风险、提升业务效率和响应速度、保护客户利益和维护信誉，以及适应监管要求和法规要求等方面。随着金融业务的不断发展和数字化转型，金融机构高度重视并不断加强金融业数据库的应急处理能力，以应对日益复杂和多变的风险挑战。下面是对未来金融业数据库49应急处理的五点建议。一是引入人工智能和自动化技术。未来金融业数据库应急处理可以借助人工智能和自动化技术的不断发展来提高效率和减少人为错误。例如，可以使用机器学习算法分析数据库异常，自动触发应急处理流程。同时，可以利用自动化工具执行数据库备份和恢复操作，提高响应速度。二是建立实时监控和预警系统，及时发现潜在风险和故障。通过监控数据库的性能指标、数据访问情况和安全事件，可以提前预警并采取相应措施，避免数据损失和业务中断。三是强化数据备份和恢复机制。数据备份和恢复是应急处理的核心环节。未来金融业数据库应急处理需要强化数据备份和恢复机制，确保数据的完整性和可用性。可以利用分布式备份和容灾技术，将数据分散存储在多个地点，以防止单点故障。同时，建立快速恢复机制，能够在短时间内恢复数据库，减少业务中断时间。四是加强安全防护和应急响应能力。通过引入先进的安全技术，如入侵检测系统和数据加密，来提高数据库的安全性；建立健全的应急响应机制，包括应急预案、演练和培训，有助于快速、有效地应对安全事件和威胁。五是加强合规管理和风险评估。金融机构需严格遵守法规和监管要求，建立合规框架和流程。同时，定期进行风险评估，识别和评估潜在的应急风险，制定相应的防范和处理策略。随着技术的不断发展和金融业务的日益复杂化，数据库复杂度不断增加，业务场景创新层出不穷，金融业数据库关键场景应急处理的研究也将持续深入下去。

0人已浏览 2023-10-23 55页 5星级

党的二十大将“发展数字经济”“建设数字中国”作为国家的重要发展目标,为支付行业的数字化转型与创新发展指明了前进方向。作为国民经济的重要组成部分,支付行业一直以来积极贯彻新发展理念,紧跟数字化浪潮,深入推动创新技术应用,不断提高数字化发展水平,为数字经济时代下金融行业的提质增效、转型升级提供了重要推动力,为实体经济高质量发展提供了有力支撑。为深入贯彻落实金融科技发展规划(20222025 年)等政策文件要求,推动金融科技创新成果在支付行业的转化运用,服务支付行业数字化转型发展,中国支付清算协会组织开展了“支付清算领域金融科技创新应用及从业机构数字化转型实践”案例征集活动,得到了广大会员单位的积极响应与支持。总结梳理出行业示范性较好、参考价值较高、惠民利企性强的创新应用案例,编制形成支付清算行业金融科技创新应用案例汇编(以下简称汇编)。汇编共包含七部分内容,分别为:支付服务提质增效、应用场景多元融合、数字技术深化应用、风险防控精准高效、终端设备协同智能、跨境支付高效便捷、数字化转型积厚成势,涵盖支付产品与服务、运营管理、风险防控、数字化转型等多方面内容,较好展现了有关1支付清算行业金融科技创新应用案例汇编从业机构在创新技术应用和数字化转型发展方面取得的成果和实践经验。希望通过汇编进一步凝聚行业共识,助力行业深入开展研究交流与应用实践,为创新技术在支付行业的落地应用以及从业机构的数字化转型提供参考指导,服务行业守正创新和高质量发展。由于时间仓促,汇编难免存在疏漏或不足,期盼各界同仁提出宝贵意见和建议,使我们的工作不断完善和进步。在此也对提供案例的会员单位表示衷心感谢!中国支付清算协会金融科技专业委员会2023 年 9 月 2第一章 支付服务提质增效1 案例 1 邮储银行基于客群决策树的快捷支付“智慧魔方”数字运营平台2 案例 2 民生银行“资金 e 监管”数字化产品12 案例 3 华夏银行基于云原生的综合支付平台19 案例 4 中国银联基于可扩展商业报告语言的电子会计凭证数字化服务26 案例 5 银联商务基于云原生的天罡平台32 案例 6 盛付通智能创新社群运营服务平台38 案例 7 捷付睿通支付渠道清算自动化服务平台48第二章 应用场景多元融合59 案例 8 中国建设银行基于个人碳账户的金融服务60 案例 9 邮储银行“邮惠付”智慧校园综合服务解决方案67 案例 10 华夏银行大宗商品清算通数字供应链金融服务75 案例 11 上海华瑞银行“吉祥钱包-先飞后付”项目83 案例 12 齐鲁银行“云捐款”平台88 案例 13 西安银行供需宝综合订货管理平台95 案例 14 中国银联、湖北省农信联社互联网业务平台1011支付清算行业金融科技创新应用案例汇编 案例 15 平安付电子、平安付科技企业消费数智化管理平台108 案例 16 银联商务票据服务云平台116 案例 17 快钱车企保险综合支付解决方案125 案例 18 顺丰恒通基于多式付款驱动设计的综合金融科技平台132第三章 数字技术深化应用141 案例 19 浦发银行基于区块链的智能支付服务142 案例 20 泸州银行基于 5G 消息技术的手机号码转账服务149 案例 21 网联清算基于全链路互联互通的联合运维生态工程项目152 案例 22 财付通刷掌支付服务157 案例 23 银联商务自动化测试及报文回放平台162 案例 24 宝付基于云原生的企业级 PaaS 平台174 案例 25 兴业数金、兴业银行“商誉达”供应链票据服务平台180第四章 风险防控精准高效187 案例 26 招商银行交易反欺诈系统188 案例 27 联通支付基于大数据技术的反赌反诈场景应用194 案例 28 天翼电子基于隐私计算和区块链的苏州城市金融反诈平台202 案例 29 拉卡拉基于大数据的智能支付风控平台209 案例 30 苏宁易付宝基于大数据技术的数字资产安全管理与数据脱敏项目215 案例 31 盛付通基于智能数字化集成技术的风控系统220 案例 32 易联支付实时交易智能风控系统226 案例 33 通付盾基于 Web 应用程序和 API 保护的数字化网点安全防护解决方案2312目录第五章 终端设备协同智能243 案例 34 中国农业银行网络商户“四位一体”巡检体系244 案例 35 齐鲁银行基于智能便携终端的乡村振兴综合金融服务站249 案例 36 平安付电子基于 AI 图像识别的特约商户巡检管理257 案例 37 科蓝软件基于“端管云一体化”平台的特约商户非现场管理产品262第六章 跨境支付高效便捷269 案例 38 招商银行基于区块链的跨境创新支付服务270 案例 39 光大银行人民币跨境支付系统信创改造项目275 案例 40 连连银通“兴业连连运通”跨境电商联名卡项目280 案例 41 联动优势基于大数据的跨境电商供应链金融服务平台285第七章 数字化转型积厚成势289 案例 42 交通银行支付结算数字化转型路径290 案例 43 招商银行数字化转型实践案例297 案例 44 华夏银行运营流程管理数字化转型路径及主要工作措施308 案例 45 中国银联数字化转型发展路径及主要工作举措315 案例 46 通联支付数字化转型发展路径及主要工作举措324 案例 47 苏宁易付宝数字化转型实践案例333 案例 48 平安付科技用户经营数字化转型实践3393第一章支付服务提质增效第一章 支付服务提质增效支付清算行业金融科技创新应用案例汇编案例 1 邮储银行基于客群决策树的快捷支付“智慧魔方”数字运营平台案例 1邮储银行基于客群决策树的快捷支付“智慧魔方”数字运营平台一、案例摘要“智慧魔方”数字运营平台是围绕快捷支付客户生命周期,将集约化、数字化的客群深耕经营理念转变为一整套易操作、可执行、可视化的系统工具和运营策略,旨在解决传统模式中网点依赖度高、可量化能力弱、数据支撑不及时以及营销资源投入粗放等银行快捷支付业务痛点问题。借助打通“数据驱动、线上触达、精准营销、便捷评估”的数字营销全流程,以客户视角对借记卡客群的开展深耕运营,并将其与业务场景及生态进行有机链接,实现因客施策,助力银行快捷支付业务营销效率提升。在国内经济新常态下,为行业探索快捷支付业务的业务管理和运营模式开辟了崭新的思路和路径。二、背景及目标纵观支付行业发展,在经历了 2014 年到 2020 年市场的爆发性增长后,快捷支付已然成为当今我国居民使用最广泛、最基本的金融服务。但近年来,快捷支付行业市场增速减缓,加之疫情对于实体经济的影响,市场进入了存量经营发展阶段。邮储银行坚持持续拓展快捷支付客户,截至 2022 年末,借记卡绑卡账户达 3.33 亿户,活跃客户绑卡率已达到接近 80%,存量挖掘空间日渐见顶。具体如图 1 所示。在传统银行电子支付业务运营模式中,由于此项业务及行内其他数据资产的体量庞大、结构各异,导致在分析决策、营销拓展、客户管理等场景缺2主要参与人:闾远、陈璐、宋婉鑫、孙丽杰、江黎枫、李庆磊、刘博奇、郭俊刚、关童丹、宋帅妤、付健第一章支付服务提质增效乏与数据应用的深度融合。只得依托于“固定报表 经验”的模式,令业务人员难以快速量化细分客群属性、特征、流量变化等情况。总分行均存在分析决策效率低、营销策略优化难、客户管理粗放的问题,海量数据资源未能产生更有效的生产力。在营销方面,传统运营主要使用粗放式、撒网式、广告式的营销模式覆盖客户,存在营销资源浪费、运营成本高、投入产出比低的问题,而且实际效益评估不够全面、充分。图 1 第三方移动支付行业历年发展情况三、技术应用工欲善其事必先利其器,为解决上述痛点问题,邮储银行基于业务经营经验及行内数据能力,建立了一套以快捷支付业务数据宽表为基础,以客户精细化分层分群模型为核心,搭载客群属性分析、客群流向分析、客群数据推送、客群集共享应用、营销活动管理、活动自动对账、活动效益评估等辅助能力,同步面向一级分行和省邮政分公司业务骨干开放的,可视化、易上手、精细化、共享化的快捷支付业务运营抓手工具快捷支付“智慧魔方数字运营平台”(以下简称“智慧魔方”)。同时,为了解决由于国有大型商业银行庞大的数据体量和广阔客户分布所带来的技术难题,在该平台的实现过程中,实现了以下三项突破。3支付清算行业金融科技创新应用案例汇编(一)海量数据资产处理-实时计算架构 动态界面展示近些年,邮政集团以及邮储银行在数据领域投入了大量人力与物力,完成了银行基础数据资产的积累以及系统能力的建设工作。但是,在各个业务条线实操过程中,如何采用合适手段来令海量的数据资产发挥作用,是银行业中共同的重点难点问题。本案例采用系统实时计算的架构,结合业务侧多年在运营过程中形成的宝贵经验,将海量的邮储银行客户数据资产进行了整合,以多层数据宽表的结构,借助类似思维导图式的可视化、动态化的“伸缩自如”的决策树展现模式,对快捷支付业务数据资产完成了客群化的处理,将散落在数据宝库中“钱币”,铸造成了可直接应用展现的互动“雕塑”。(二)客户聚类能力提升-规则自定义化 数据即时更新客户聚类形成客群的方式,实际上在各类企业客户经营管理的实操中并不罕见,但往往采用的是固定式的分群聚类参数及规则,以固定周期跑数出报表的形式来进行客群数据的获取及同步工作。由于我国幅员辽阔,各地区经济发展及客群形态差异较大,这种方法的问题在于客群数据不够灵活,无法满足各省邮银机构对于分群规则的要求。本案例一方面采用实时计算的架构模式,面向全国各省机构创新性的独立为其运行一套个性化分群参数的省内决策树,解决了以往分群规则僵化的问题,支持诸如西藏、云南等边境省机构与上海、广东等东南沿海省机构实现分群规则的差异化与自定义能力,以更为精准的匹配省内的客群运营的需要;另一方面,借助实时计算能力,可以实现任一客群的基本属性数据的即时更新,满足业务运营对于时效性的要求,快速定位辖内客群的最新变化情况。(三)客户路径可视增强-桑基图式工具 流向直观监控在客群运营的模式中,每一个客群目前的状态固然必不可少,但是如果想要了解在一段时间内,随着辖内经济环境的改变、季节的变化或者运营营4第一章支付服务提质增效销工作的开展,客群的结构发生了怎样的变化、客群之间互相转变的路径及程度是如何的,长久以来,一直是困扰各家企业的突出棘手问题。本案例受到当下流行的,用于分析区域间人口流动变化或者客户资金流变化的桑基图工具应用的启示,独创性的将其与本案例中通过决策树所生成重点互斥客群进行结合,借助系统强大的计算能力,可实时生成客群间在一定时期内的直观的流向变化桑基图,解决了传统运营模式中客群变化的黑箱问题,使之可以随时供运营人员查看,以掌握目标客群与其他客群间的流向变化情况,从而为辖内客群结构自然变化、运营效果的评估提供的全新维度的评估方式,此项能力已正式提交国家发明专利的申请。系统示意图如图 2 所示。图 2 客群流向变化分析功能系统示意图四、功能服务(一)“智慧魔方”数字运营平台整体理念1.提供便捷化的操作流程主树分层分类模型充分融合了快捷的管理思路和业务逻辑,邮储银行总5支付清算行业金融科技创新应用案例汇编行、一分、二分业务人员可直接上手使用,轻量简洁、操作效率高,此外还支持分行根据自身需求调整分支规则参数值,满足区域内个性化需求。2.支持数据化的决策评估通过快捷支付业务数据宽表的建设,引入客群属性及流向的概念,扩展了营销活动、客户触达及客群监控中的可量化程度,推动总分业务人员经营决策由经验化向数据化转型。3.助力精细化的存量经营通过客群的精细化分层,实现总分人员完成在营销活动开展和流失预警监控上的精耕细作,可有效避免资源浪费,提升投入产出比,最终实现客户价值贡献最大化和效率最大化。(二)“智慧魔方”数字运营平台功能内容中国邮政储蓄银行“智慧魔方”在系统能力建设方面,依托于第三方支付前置系统及客户集市平台系统的底层数据,搭建了一套可视化客群分群、分析及应用系统,主要包含决策树客群筛选、客群属性及变化分析、客群流向分析、客群集分享采用、客群数据推送五大功能模块。总体架构如图 3所示。图 3“智慧魔方”系统功能总体架构图6第一章支付服务提质增效1.决策树客群筛选功能该功能基于快捷支付业务数据宽表,面向邮储银行全量借记卡账户,通过决策树的图形化展现方式,按照交易行为(RFM)、年龄、消费潜力、消费偏好、绑定支付机构等重要性高、相关性强、业务关注度高的分群判断属性,开展逐层分群。构建一套图形化、便捷化的客群筛选工具。同时,支持各省机构根据省内客户、经济整体情况,自行修改分群规则参数。决策树主树功能如图 4 所示。图 4“智慧魔方”决策树主树功能示意图2.客群属性及变化分析功能(1)支持在用户选定客群后,实时查看该客群的最新基础数据情况,包括客群账户数、本币活期余额、本币定期余额、资产规模(AUM)月日均余额、D-1 日快捷支付交易金额、D-1 日快捷支付交易笔数的数据情况,以及该客群在筛选路径上的账户数目漏斗占比数据。(2)支持将多个客群合并为客群集,除查看客群集的整体上述基本属性情况外,同时支持自定义时间范围,按照指定周期观察客群账户数、本币活期余额、本币定期余额、AUM 月日均余额、快捷交易金额、快捷交易笔数随时间的变化情况。客群分析功能如图 5 所示。7支付清算行业金融科技创新应用案例汇编图 5“智慧魔方”客群分析功能示意图3.客群流向分析功能创新性地采用当下流行的桑基图方式,直观地展现选定客群从基期到目标期,与同层其他客群之间的流入流出变化情况。河流宽度可以形象的指代具体流动账户数值的相对大小,供业务人员一目了然地了解选定客群的变动情况,分析客群结构变化趋势。4.客群数据推送功能平台已实现将目标客群数据推送至分行数据集市、自动挂载账号与拟合作支付机构的签约协议号(非个人敏感数据)等功能,支撑省内自行开展详细客户分析及定向支付机构营销活动。后续案例将加速数据之池“蓄水焕活”工作,在监管合规、数据安全前提下,陆续与各家支付机构实现系统对接,实现客群、营销数据的系统同步能力,更好的支撑各省运营工作开展。功能界面如图 6 所示。5.活动数据自动对账功能各机构开展的营销活动结束后,可上传对账明细文件至平台,系统后台将根据活动规则,通过与行内快捷交易数据匹配进行自动对账工作。完成数据匹配后,各省邮银人员可直接查看对账结果总览,并下载对账异常条目,开展进一步的核对工作。极大减轻了邮银双方运营人员对账工作难度、减少工作耗时,通过将以往使用繁复数据脚本的对账方式转变为系统自动对账,有效降低业务运营门槛的同时极大地提升了工作效率。8第一章支付服务提质增效图 6“智慧魔方”客群推送功能示意图6.营销效益后项评估功能基于活动数据自动对账的结果,根据预先设置的活动类型,支持为各省运营人员生成直观的营销数据总览、用户画像分布以及营销效益评估数据和动态图表。各省邮银人员可依托此项能力,分析比较参与活动与未参与客户在账户数分布、活动前后交易行为及资产状况变化的异同点,多维立体掌握活动效果,并及时做出策略的迭代优化调整。如图 7 所示。图 7“智慧魔方”效益评估功能示意图9支付清算行业金融科技创新应用案例汇编(三)重点客群精细深耕运营策略的构建为支持客群深耕运营工作的开展,依托于“智慧魔方”,专门建设了客群集分享引用功能,邮储银行总行或有经验的分行可以根据不同时期的业务经营指导思路,创建重点客群集,并通过分享功能分享给全国或者指定的省份,并备注相关的运营策略建议。分公司和分行业务人员可以根据共享客群集的具体包含客群、运营策略建议、引用人数等信息按需采用该客群集,并用于落实省内业务运营工作的展开。邮储银行按照客户在行内快捷支付业务中的所处生命周期,将客户分为“需促进首次绑定快捷的客群、需促进提升交易频率客群、需促进提升交易金额的客群、已具有交易惯性需保持的客群”的四大阶段,并分别进行了客群集及策略的预设工作。具体如图 8 所示。图 8 通过客群集分享功能共享的重点运营客群集五、实施进展及取得成效本案例自 2021 年底即开始进行规划,2022 年 8 月完成一期系统能力建设,2022 年 10 月份,北京、四川、河南、陕西、广东等省邮储银行及邮政分公司陆续加入到“智慧魔方”的试点应用工作中,并开始通过“智慧魔方”客群筛选功能及客群数据加密推送功能,与拥有成熟定向营销活动配置功能的头部支付机构合作,策划了“银行筛选客群-机构活动配置”的新型定向营销活动。其中,以某试点分行开展的一期活动举例,活动通过筛选 2022 年三季01第一章支付服务提质增效度没有快捷交易或交易笔数极低的高消费潜力中青年客群,联合头部支付机构在 2022 年 11、12 月开展了“满 5.01-5 元”的定向促活收银台立减活动。针对活动选定的深度睡眠账户(活动前 4 个月没有任何快捷支付交易)进行数据跟踪分析可知:总计 8.3 万深度睡眠账户中有 1.38 万(占比 16.6%)参与了活动,投入营销成本为7 万元左右,活动开始至2023 年1 月底,参与活动的账户短期成本投入产出比率超过 140%,已收回成本,并实现 100%精准触达目标客户,提升了资源运用和线上运营效率;与之对比,在以往银行开的普适性营销活动中,参与活动的目标客户占比仅有 6.5%,超过 93%的营销费用无法作用于提升银行目标客户的相关指标提升,造成很大程度成本浪费。六、存在的问题和解决方案随着各省邮银机构此项目试点工作的落地以及与头部支付机构合作的深入,如何进一步将“智慧魔方”与传统营销经营模式有机合起来,助力各省降低现有运营工作的人力、物力消耗,为运营工作复杂度做减法,为运营成果有效度做加法,是需要解决的首要的问题。为了解决以上的问题,后续计划从以下四个方面实现突破。一是更加精细化,推进传统“因省施策”运营向“因客施策”转变,提升成本利用效率。二是更加轻型化,改变以往零售业务过度依赖网点的窘境,扩大流量场景客户经营范围。三是更加智能化,借助科技与数据手段,提升客户营销策略的实时反馈与快速迭代。四是更加集约化,持续推进集中运营团队建设工作,助力各省邮银机构提质增效。后续,在完成面向快捷支付业务的落地实践后,邮储银行拟在信用卡、小微收单等条线进行扩展,着力扩大本次项目的实践应用范围。立足企业视角,以邮政集团“五化”转型、邮储银行“5 1”转型为引领,持续深化推进各项业务的数字化转型升级工作,为集团客户运营注入全新动力,努力创造新的中间业务收入增长机遇,为疫后消费复苏做出有效贡献。11支付清算行业金融科技创新应用案例汇编案例 2民生银行“资金 e 监管”数字化产品案例 2 民生银行“资金 e 监管”数字化产品一、案例摘要民生银行积极践行金融服务与数字科技的融合,深耕资金监管领域,开拓资金监管场景,构建了体系完善、功能强大、场景多元、追求体验的数字化、智慧化、定制化、场景化的“资金 e 监管”产品体系。民生银行深入研究房产交易、基建工程、农村三资、破产清算等场景的资金监管特性,创新推出房管通、债管通、交易资金协议监管等高度契合客户需求的资金监管产品。以赋能 G 端政府、服务 B 端企业、保障 C 端个人为目标,打造资金监管G2B2C 的全场景生态服务。二、背景及目标“资金 e 监管”以服务政府需求为出发点,主动服务并融入发展数字经济、助力乡村振兴等多个国家战略,同时为保障农民工工资支付、基础设施建设、强化国资监管等国家发展重点方向提供资金管控支持。一是智能资金管控,落实数字经济战略:2021 年“十四五”规划纲要提出要发展数字经济,推动数字经济与实体经济的深度融合。“资金 e 监管”通过场景化服务,加快线上化、智能化的资金管控服务向实体经济渗透,为各个交易方提供有保障的账户及资金管控服务,赋能基建、贸易、房地产等多个行业和领域,推动交易数字化。二是积极服务三农,助力乡村振兴战略:按照 2022 年中共中央、国务院关于做好 2022 年全面推进乡村振兴重点工作的意见中关于“探索建立农村集体资产监督管理服务体系”的要求,“资金 e 监管”助力21主要参与人:肖明海、王建明、甘俊、聂林举、张莹、石振梁、赵晶、林柯、崔柳青第一章支付服务提质增效各地农业农村部门加强对农村集体资金管理,提升支出透明度,完善监管系统,实现资金动态监管,从源头预防腐败,守住农村集体经济钱袋子。三是安全高效行业解决方案,赋能多项国家重点政策:“资金 e 监管”围绕政府对住房租赁、教育培训、商品房预售等行业的监管需求,以便利化政府部门的资金管控为出发点,提供高效安全的行业解决方案。例如,根治农民工欠薪问题是党中央、国务院历年来高度重视的热点议题,“资金 e 监管”提供农民工工资保证金的动态管理,助力保障工人合法权益;维护楼市稳定发展、保交楼保证预售房消费者权益是各地住建、房管部门的核心工作,“资金 e 监管”帮助监管部门有效管控首付款、银行按揭贷款等多种预售款项。具体服务场景如图 1 所示。图 1 民生银行“资金 e 监管”服务场景三、技术应用(一)以客户为中心,四大引擎提升服务能力在数字化经济蓬勃发展的今天,民生银行再次升级资金监管服务能力,创新推出“资金 e 监管”产品体系,通过四大引擎,驱动服务能力提升。一是数字化引擎:产业数字化时代,民生银行积极践行“让数据多跑腿,客户少跑腿”的理念,为监管机构提供线上化、数字化的审批、查询等全流程操31支付清算行业金融科技创新应用案例汇编作,支持系统直连、企业网银、银行柜台等多种渠道服务和多维度可视化数据分析报告,大大节省监管方人力物力,提高监管效率。同时,通过灵活的参数配置,更好地服务被监管的企事业单位,在满足监管政策要求的同时,为其提供用款的最大资金使用便利。二是智慧化引擎:民生银行多年来一直在积极谋求从传统思维向互联网思维、金融生态思维的转变,坚持不懈地谋求通过科技创新推动业务转型发展,积极利用大数据、云计算、分布式等新兴科技能力赋能资金监管服务,为客户提供预算表自动支付,白名单定向定额管控、多方监管智能审批等智慧化的资金管控服务。三是定制化引擎:民生银行秉持“以客户为中心”的服务理念,针对不同地区、不同场景的不同业务模式,为政府机构、监管方提供定制化资金管控方案。根据监管要求,为监管方提供强、弱不同程度的事中与事后的资金管控模式。并通过与各地监管机构系统对接,适配各地监管机构接口标准,落实各项资金监管的政策要求。四是场景化引擎:根据国家与政府部门推出的各项政策,资金 e 监管不断拓展新的资金监管场景,在教育培训资金监管、养老院资金监管、住房租赁资金监管等新领域实现了开拓创新,民生银行勇于承担社会责任,通过优质金融服务,保障实体经济的稳定发展。(二)依托科技创新能力,赋能金融业务开展企业金融服务平台助力“资金 e 监管”产品向场景化、线上化服务转型。资金监管的安全、高效实施是促进交易公平、提高交易效率的重要保障。传统监管服务提供的线下柜面审核、预留监管方印鉴、持有被监管方复核 Ukey 等手段无法有效保障双方权益。民生银行通过搭建企业金融服务平台以嵌入式的直连服务方式,自动化、智能化识别监管方及被监管方的交易意愿,保障监管方履行监管权利,有助于确保金融契约的正确和实施,维护交易稳定和安全,为广大客户提供更加高效便捷的金融服务。在服务渠道方面,在企业网银、手机银行、微信银行、现金盈平台等自助渠道以及开放银行、民生外联平台、银企直连等直连渠道全渠道投放“资金 e 监管”产品服务,已实现产品服务全线上化,全面构建云化能力。在产品建设方面,企业金融服务平台以中台能力为基础,将“平台 数据 场景”融合于一体,构41第一章支付服务提质增效建了“六大产品体系 六大中台体系”,一端对接产业,一端开放金融服务,打造一体化的资金协同生态体系,构建了交易、结算、监管规则的统一资产库,提炼出一系列标准化的产品组件,形成了一套以客户为中心的解决方案中心,并快速响应市场需求,敏捷匹配、组合标准产品,适配客户场景。平台以“微服务”架构为基础,通过接入统一的服务治理体系,构建起了灵活的服务编排能力,为产品的灵活组装提供了有力的技术支撑。在数据应用方面,结合机器学习、人工智能等技术运用,提升客户操作体验,简化操作流程。平台设计了统一的安全架构,并使用安全软硬件产品构建了覆盖身份与信任管理、访问控制、机密性、完整性、安全审计的安全体系;在与第三方平台对接的过程,均使用了电子证书认证体系对数据报文进行加密,满足外联系统安全性的要求。轻量级分布式核心平台为“资金 e 监管”产品提供坚实的资金交易保障。轻量级分布式核心平台以一套自主掌控的国产化、组件化、一体化、易于定制与维护的完整分布式核心业务平台,助力“资金 e 监管”产品快速创新,提高系统业务连续性和交付效率,降低系统成本。平台作为发改委云计算工程重点项目之一,获得国家战略性新兴产业专项资金补助,实现国内第一家银行核心系统分布式转型,拥有完全自主知识产权。该平台采用分布式微服务与分区单元化多活架构、分库分表技术,以事件为驱动进行组件化设计,采用了统一身份认证、访问控制、加解密、安全审计技术满足系统安全性要求,具有服务无区域限制的海量客户的能力、应对瞬间爆发的海量交易的能力、承载场景化服务的海量数据应用的能力,全面支持业务快速创新与发展。(三)运用金融科技手段,保障金融安全“资金 e 监管”通过银政、银企直联等方式,按照监管方要求,及时传递监管账户的资金流水与余额,确保被监管方的支付行为合理合规,保证资金专款专用,从而大大降低了资金挪用的风险;“资金 e 监管”通过电子化、线上化的操作方式,叠加电子签名、数字证书等技术手段,对相关参与方的身份进行认证审核,同时做好系统留痕和防篡改,做好客户确权,充分保障51支付清算行业金融科技创新应用案例汇编支付指令及业务的真实性。“资金 e 监管”凭借系统管控和人工参与的双重把关,通过加强事前、事中和事后的业务管理,充分做好结算安全的风险管理:一是事前调查,充分做好客户尽职调查工作,设置客户准入门槛,严审客户资质;二是事中管控,借助产品系统,针对监管账户做好出款控制,确保专款专用;三是事后监督,加强客户日常结算行为的业务监控,引入后评估机制。另外,“资金 e 监管”已对接民生银行反洗钱预警系统,一旦出现洗钱嫌疑,产品系统会第一时间触发预警,后续叠加人工参与方式,做好产品的第一道风险防线;针对部分客户公转私交易频繁,产品系统会设置公转私管控限额,并根据客户实际情况,适时调低公转私限额或关停业务,严守业务底线。四、功能服务“资金 e 监管”产品体系已涵盖了大基建、商品房预售、农村集体“三资”、农民工工资、破产清算等十余个资金监管场景,解决了不同行业不同客户在资金管控领域的应用需求,通过与各方开展合作,“资金 e 监管”产品体系,以赋能 G 端政府客户、服务 B 端企业客户、保障 C 端个人客户为目标,为客户提供一站式高效资金监管金融服务,打造 G2B2C 的全场景服务生态。一是基建项目资金监管:基于工程项目预算安排,灵活控制支款进度,结合线上用款审批,做到全流程管理、全环节管控;二是商品房预售资金监管:通过与监管机构系统对接,线上接收资金划拨指令,专户专用、专款专用,确保商品房预售资金安全;三是住房租赁资金监管:借助智能资金管控系统,实现租赁企业资金收付的透明公开,切实保障租户租金安全;四是农民工工资及保证金监管:严格执行监管方指令,动态管控农民工工资与保证金,形成源头资金保障、中间过程结算、末端工资支付的全链条操作,保障工人合法权益;五是投融资项目资金监管:灵活按照投融资双方约定,精细化管理投资款使用,支持多模式流程审批,多维度数据监测,保障投融资项目资金使用安全;六是农村集体“三资”资金管理:顺应农村三资管理要求,提供线上化、定制化的资金监控服务,推动乡村振兴,助力乡村发展,61第一章支付服务提质增效规范农村集体经济三资管理;七是土地复垦保证金监管:根据土地复垦政策要求,确保用地责任人履行职责,促进土地可持续利用,提高土地复垦保证金管理质效;八是破产清算资金监管:提升破产企业清算效率,协助各级法院实时掌控案件资金情况,缩短债务清偿周期。五、实施进展及取得成效民生银行“资金 e 监管”坚持“以客户为中心,为客户办实事”的原则,致力于为客户提供更高效的解决方案,不断迭代升级产品,提升客户体验,服务各级政府机构 360 多家,服务企事业单位 4200 多个,近三年监管资金规模突破 4.5 万亿元。“资金 e 监管”系列产品以数字化为基础,依托强大的科技系统,为客户提供智慧化的资金管控服务,构建功能强大、场景多元、体验极致的产品服务体系,目前已服务 10 余个行业,切实解决了客户的难点痛点。在农民工工资监管领域,“资金 e 监管”保障农民工合法权益,让农民工更安心。民生银行“资金 e 监管”产品积极与各地人社、住建等部门的监管平台对接,实现政府主管部门、建设单位、承包企业、农民工、银行等各方信息的互联互通,对施工单位的农民工工资专户进行实时线上监管,有效保障农民工权益。目前民生银行在全国已同 120 个省、市、县各级政府部门进行了对接,为上千家建筑施工单位提供保证金管理及薪资发放服务,总代发量超过 190 万笔,金额超 140 亿元。在基建工程资金监管领域,“资金 e 监管”保障业主方资金安全,让基建工程资金管控更轻松。民生银行多渠道赋能基建工程项目的业主或总包方,为其提供多维度、多模式的资金管控服务,创新推出预算表支付模式,确保监管资金严格按照工程预算安排支款,结合线上用款审批,做到全流程管理、全环节管控。目前已经服务了广州白云机场三期、深圳地铁、南宁吴圩机场等大型基建项目。在商品房预售资金监管领域,“资金 e 监管”助力地方政府加强商品房预售资金监管,保交楼、保民生。民生银行对接各市住建部门、房管部门建立的商品房预售资金监管系统,提供实时到账通知,帮助监管部门实时掌握缴存情71支付清算行业金融科技创新应用案例汇编况,支持按项目、楼盘进行分账管理,对开发商的监管账户进行全渠道出款管控确保专款专用、专户专用,实现住房建设全周期监管。目前已对接成都、济南、杭州等 180 多个地市的监管机构,服务房地产开发项目近千个。“资金 e 监管”紧跟国家政策导向,助力政府和企业数字化转型升级,让资金管控更高效、信息报送更及时、方案定制更灵活、场景覆盖更全面。六、存在的问题和解决方案(一)产品需加快更新迭代速度,以适应市场需求银行业务竞争激烈,产品更新速度快是在市场上保持竞争力的重要因素之一。为了满足客户不断变化的资金监管需求,民生银行需要不断更新和改进产品,以便保持竞争优势。为此,需要建立一个高效的产品研发团队,并采用敏捷开发等快速迭代的开发方法,以确保产品可以快速地适应市场的需求。(二)需配备专业高效的运维团队,及时解决各类系统问题数字化时代,大部分交易都是通过线上化手段实现,因此高效的运维能力是业务正常运转的重要保障之一。为了确保系统的稳定运行,保证业务的连续性和可持续性发展,民生银行需要配备一支专业高效的运维团队,及时发现和解决各类系统问题,避免系统出现大规模故障。同时,还需要建立健全的备份和恢复机制,以确保数据的安全性和可靠性。81第一章支付服务提质增效案例 3华夏银行基于云原生的综合支付平台案例 3 华夏银行基于云原生的综合支付平台一、案例摘要华夏银行通过构建综合支付平台在底层架构、应用智能化、交易一致性、对账标准规范等多方面创新支持智慧商超、智慧餐饮、智慧文旅、智慧市场等民生类数字化场景。通过支付创新帮助商户有效提升数字化水平、降低经营成本、提高生产力和效率、增强商户创新能力,同时也为人民生活提升了便利。积极研究与实践使用技术力量服务民生,助力经济与社会可持续发展。二、背景及目标国家国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要提出“迎接数字时代,激活数据要素潜能,推进网络强国建设,加快建设数字经济、数字社会、数字政府,以数字化转型整体驱动生产方式、生活方式和治理方式变革”。在医疗、教育、文化、旅游、交通等领域推广数字化服务建设,提高移动支付、电子商务等应用普及率,加强数字经济与实体经济深度融合。2017 年随着线上业务的发展,市场急需一体化支付平台、统一对账平台来支撑支付场景的构建,华夏银行在 2017 金融科技发展五年规划中提出打造一体化支付平台工程(综合支付平台),建设线上与线下一体化、网络支付与收单一体化、对公与对私一体化的综合支付平台,在满足市场需求同时打造华夏银行全新支付品牌。91主要参与人:吴永飞、卢科兵、呼跃豪、关杏元、王超、夏振博、王记召、赵慧敏、项楠、袁媛、李霞、金路、罗小军、邓西灿支付清算行业金融科技创新应用案例汇编在 2021 年新的数字科技转型五年规划中,华夏银行对综合支付平台规划内容进一步丰富,围绕数字金融构建企业级数字生态圈,形成“GBC 端”场景化、生态化的金融与非金融一体化服务模式。从传统单一场景封闭运营到生态化、平台化、开放化运营,实现从零散、随机获客到针对目标客群的批量性、智能化获客,基于支付和服务,推进零售金融场景建设,打造涵盖总行头部宏观生态、分行特色区域生态及支行社区生态纵横交织的网格化数字生态体系,构建可持续企业级数字生态圈,实现“生态化引流、综合化服务、场景化支付及数字化经营”。三、技术应用综合支付平台建设期间针对传统应用架构存在的多种问题,进行针对性优化创新,包括底层架构、应用智能化水平、交易一致性、对账标准规范制定等多方面进行创新。(一)自研云原生开发平台传统应用的架构和开发模式核心技术非自身掌控,存在耦合度大、部署周期长、开发运维割裂、底层技术平台多样等问题,无法形成核心竞争力,不仅阻碍了业务迭代,还限制了应用创新。华夏银行自研的云原生应用开发平台使得核心技术自主掌控,实现应用快速构建、发布和部署,结合云计算的特点实现底层硬件和操作系统的解耦,满足客户在扩展性、可用性、可移植性等方面的要求。云原生构建了一组应用模式,用于快速、持续、可靠、规模化地交付业务软件:一是容器化封装,以容器为基础,提高整体开发水平,形成代码和组件重用,简化云原生应用程序的维护。在容器中运行应用程序和进程,并作为应用程序部署的独立单元,实现高水平资源隔离。二是动态管理,通过集中式的编排调度系统来动态的管理和调度。三是面向微服务,明确服务间的依赖,互相解耦。开发平台的微服务治理选用主流 Java 框架,为开发人员提供了一系列工具用来快速构建分布式系统中的一些常见模式和解决一些常见问题(例如配02第一章支付服务提质增效置管理、服务发现、断路器、交易路由、消息总线、一次性令牌、全局序号生成、分布式会话)。开发平台在通用框架基础上集成了一系列面向金融应用的开发工具以及中间件,从而增强了交易安全性、交易一致性、交易可追溯性。(二)智能路由机制现有消费支付通道纷繁复杂、收费标准不统一、交互方式多样包括人民银行系统、银联平台、网联平台等,无法提供统一支付能力,对客户接入有较高门槛,难以实现金融普惠。综合支付平台整合支付资源,聚合多种支付方式、多渠道、多场景,打造一体化、线上线下全覆盖的支付体系,为客户提供一站式支付解决方案。综合支付平台引入“回溯算法”智能选择消费转账通道,从而提升支付成功率同时降低客户成本。在满足客户各种场景的转账、支付需求同时系统通过智能路由选择最优支付通道。智能算法检测并规避异常通道,如在 2022年 11 月份快速识别某银行故障、2019 年有效规避某银行异常通道;同时选择手续费最低通道,因此提高转账交易成功率节约通道成本,成功实现了帮助客户降本增效的目标,客户手续费整体降低约 20%。(三)交易一致性机制单边账务出现会导致客户经济损失和客户体验损失,随着业务发展跨机构、跨系统的交易越来越普遍,因此保障支付系统多方支付结果一致性尤为重要。综合支付平台从联机交易和日末对账两方面保障交易一致性,从而避免客户经济损失、提升客户体验。1.TCC(Transaction Commit Cancel)分布式事务处理联机方面综合支付平台基于 TCC 架构设计了分布式事务管理器。有效解决了交易状态事务管理的难点 事务一致性。对分布式事务中涉及到的所有步骤,主要包括本地数据库分片、Redis 缓存、核心账务系统、外部系统等,通过定义简单操作即可实现复杂的交易,然后由控制器将其进行统一调度,以达到降低开发难度且保证交易一致性的目标。TCC 工作原理详见图 112支付清算行业金融科技创新应用案例汇编所示。USZ#0)DPOGJSN DBODFMUSZDBODFMDPOGJSNUSZDBODFMDPOGJSN-图 1 TCC 分布式事务控制器工作原理2.文件对账平台综合支付平台通过制定标准化的对账流程和标准化对账结果,灵活配置多通道、多场景对账需求。输入各式各样的支付清算通道文件经由标准化流程加工输出统一对账结果,从而有效提升商户对账效率、降低商户运维成本,在为商户降本增效同时保障了对账结果一致性。传统对账平台依赖数据库对账模式,不但有数据库性能瓶颈,也无法灵活适配多渠道对账需求。综合支付平台采用文件方式结合操作系统原生能力进行对账,不依赖数据库,具有先进、开放、便捷、安全、健壮和可扩展等特点。四、功能服务综合支付平台通过在底层架构、应用智能化水平、交易一致性、对账标准规范等多方面创新支持智慧商超、智慧餐饮、智慧文旅、智慧市场等数字化场景。构建数字化智能收单业务平台,通过创新技术进行应用实践、数字化共享能力中心及数据处理中心将行内金融能力与行业商户生态场景融合实现“智慧支付”,助力传统收单业务的数字化、智能化、场景化转型。应用22第一章支付服务提质增效大数据技术,通过结算客户经营数据和交易数据采集、建模、分析,驱动市场营销、产品优化、客户运营、管理监控,通过丰富的可视化图表模板满足结算客户经营数据分析的需求。随着华夏银行对场景化生态建设逐步深入,综合支付服务已经融入到 B端、G 端、C 端业务场景中,形成场景化支付,涵盖各种民生类场景,如停车缴费、商超收费、港口进出港缴费、医院医疗缴费等。场景化收单作为日常生活中重要的一环,深入场景持续建设的趋势不会被改变。场景金融作为信息科技高速发展和金融服务结合的自然产物,也是华夏银行在特定的行业下提供一站式解决方案的发展趋势,从而形成华夏银行与生态商户互利互惠共同发展的完整生态,从生活需求到金融解决方案的闭环服务,提升商户经营水平,详见图2。34%,1*)JMK#0B30C*40)!A344(MDB=M031B1!1!E 1B(03KM0)B=*EEB(30B(0#EBJ)C*4FMK40)!J54-13?03B*ETK7E0J)45B34JJ54-J5J5#EBB*BEE34BB4BBF30!K KMS 3B(30DEED90)6C*B#0B图 2 综合支付平台五、实施进展及取得成效华夏银行通过技术创新帮助商户有效提升数字化水平、降低经营成本、提高生产力和效率、增强商户创新能力,同时也为人民生活提升了便利。医保:医疗行业就医难、缴费难,医疗机构迫切需要数字化转型提升效率和服务质量。华夏银行综合支付平台与医保局合作,实现医疗就医场景移动支付功能,为患者和医院提供便捷安全的支付服务,将就医流程线上化有32支付清算行业金融科技创新应用案例汇编效纾解就医过程中缴费难问题;运用科技手段,提升医院效率和服务质量,协助医院完成数字化转型。教培:教培行业一直存在独立收款财务对账难问题,集中收款资金二清的问题。郑州分行与某教育集团开展线上线下一体化缴费场景,为集团 133个校区提供线上收费服务,解决多校区财务对账、集团信息统一管理的目的。实现资金强监管,防范二清风险,有效提升了家长的资金安全,提升教培行业规范化管理水平。物流:由于港口业务繁忙复杂线下缴费排队是常态,影响港口物流效率同时对造成社会资源浪费。厦门某港务物流公司通过与厦门分行合作开展物流行业场景化收单建设,港务系统通过对接 API 收单支付接口,实现货车司机不下车即可通过微信公众号线上缴纳物流费,节省集装箱卡车排队时间,提升港口物流效率,为企业降本增效同时提升社会资源使用效率,推动了经济发展。农产品销售:为解决农产品线下销售困难,对账繁杂问题等问题。华夏银行为温州某农业发展有限公司商户建设了微信公众号场景化服务,由单一的线下销售拓展成线上线下一体化服务,下游经销商通过关注商户的微信公众号进行下单,商户财务人员可实时查询商品信息流和资金流,系统自动对账,解决了商户线上销售和实时对账的问题。充分响应金融支持乡村振兴,完善农业支持保护制度,健全农村金融服务体系。六、存在的问题和解决方案安全的保障是支付创新的基础,随着移动支付的普及率不断提升,资金安全和信息安全面临严峻挑战。移动支付的便利性和快捷性使得客户可以随时随地进行支付,但这也意味着客户的个人信息和账户安全容易受到威胁。一些不法分子可能会利用客户的个人信息进行诈骗、盗刷等行为,给客户带来经济损失;移动支付的支付过程是在手机等移动终端上进行的,这些终端的操作系统和 APP 应用软件存在漏洞,容易被黑客利用来进行攻击和篡改;移动支付的发展还处于起步阶段,相关的法律法规和监管措施还不够完善,一些不法分子可能会利用这些漏洞进行违法活动,给客户带来信息泄露、资42第一章支付服务提质增效金损失等风险。华夏银行针对支付创新建设中的问题,采取以下相应措施:一是核心加密技术。对网络上传输的信息采用特定的密钥进行加密和解密,确保传递信息机密性、完整性。二是实名信息认证。实名制注册,通过封闭的移动通信网络与银行实时交互,进行数据加密传输,确保交易和资金安全。三是交易限额。根据客户资质对账户进行交易限额,有效控制风险,提高账户的交易安全。四是风险监控系统。对在发生的交易进行实时的安全监控,以及事前、事中、事后的风险措施处理。五是权限管理,对账户进行 24 小时异常检测。六是全程监管机制,通过反欺诈系统对账户资金全程监管。52支付清算行业金融科技创新应用案例汇编案例 4 中国银联基于可扩展商业报告语言的电子会计凭证数字化服务案例 4中国银联基于可扩展商业报告语言的电子会计凭证数字化服务一、案例摘要随着数字经济和数字社会的快速发展,用户对支付涉及的全流程全环节要求越来越高,已不满足于基本的支付能力,对财税凭证业务等增值服务需求越来越大。该类支付增值服务已成为体现差异化、服务连续性的重要功能。为打通支付到报销的“最后一公里”,实现支付、开票、受票、报销的全流程数字化和线上化,银联参与财政部电子凭证会计数据标准试点工作,建设了基于 XBRL(可扩展商业报告语言)技术的电子会计凭证数字化服务,实现增值税电子发票等 7 类电子凭证的接收、解析、报销全流程数字化。二、背景及目标(一)案例背景2022 年 2 月,财政部、税务总局、人民银行、国务院国资委、标准委、国家电子文件管理部际联席会议办公室(国家密码局)、民航局、中国国家铁路集团有限公司联合组织开展电子凭证会计数据标准试点工作,财政部选取了企业接收量大、使用频次高、条件较成熟、亟需打通入账报销“最后一公里”的 7 类电子凭证进行试点,确定 8 家单位为开具端试点单位,101 家单位作为接收端试点单位,银联作为接收端单位之一被纳入试点。按照财政部要求需要在 4 月底前完成系统改造,具备接收处理 8 家开具端试点单位 762主要参与人:罗佳、杜菁、李旭东、杜天杨、巨晓红、曹鹏、王维依、李尚慧、金玥、席慧莉、郭延斌、查骏、许先文、唐烨、张桢圆、李一鸥第一章支付服务提质增效类电子会计凭证的能力。(二)案例目标一是按照财政部时间要求完成系统改造并通过财政部验收,实现对财政部数据标准试点的全部 7 类电子会计凭证(增值税电子普通发票、增值税电子专用发票、铁路电子客票、航空电子行程单、银行电子回单、银行电子对账单、电子非税收入一般缴款书)具备接收、解析、入账处理能力。二是通过参与财政部试点工作搭建了电子会计凭证前置系统(以下简称“系统”),实现按照财政部要求的最新电子会计凭证数据标准进行凭证的线上化流转和无纸化报销,助力银联财务系统的数字化转型,一方面可以避免企业员工打印、张贴凭证,减少纸张资源的浪费,提高员工报销体验,另一方面可以方便财务系统提取和存储凭证相关信息,便于财务人员对报销凭证进行审核和归档,从而可以有效提升企业财务报销流程效率,为企业节约成本。三、技术应用系统创新实现了将 XBRL 数据规范应用在电子凭证领域,一方面满足了财政部试点工作的要求,在银联内部财务场景进行应用落地,实现对增值税电子发票等 7 类电子凭证的线上接收、系统自动化数据解析和验签,实现电子凭证的线上化报销;另一方面,银联打造了基于 XBRL 技术的标准化电子凭证服务,作为支付后的财税增值服务,可结合银联自身的支付能力,面向商户提供“支付 开票 受票 报销”全流程数字化服务。系统基于开源框架构建应用程序,通过接口供财务系统上送电子凭证压缩文件,参照 信息安全技术安全电子签章密码技术规范(GB/T 385402020)解析出签名值、签章信息、电子印章、公钥证书、原文数据和原文摘要值,进行电子签章验证,将凭证格式文件解析为 XBRL 格式的结构化数据,从中提取相关格式文件内容,根据电子凭证在财务系统的入账信息生成入账信息结构化数据。系统通过将 XBRL 技术应用至电子凭证财务报销领域,实现了通用性、安全性和可扩展性。72支付清算行业金融科技创新应用案例汇编(一)通用性系统可将不同类型的电子凭证统一解析成 XBRL 结构化数据,为财务系统获取凭证内容提供有力支持。(二)安全性前置系统将解析过的凭证文件统一留存到影件中心,既实现了文件高可用读取,又避免了在本地留存文件,被窃取的风险。(三)可扩展性通过系统,可进行文件解析接口的封装,除对电子凭证版式文件进行解析和验签外,还可以进行渠道对接,为财务系统或外部第三方系统提供标准的接口化服务,更便于业务扩展。四、功能服务系统的主要功能如图 1 所示:DJBA0O009#3-3 40/*0%?*424B24*图 1 电子会计凭证前置系统示意图(一)电子凭证解析功能系统实现对增值税电子普通发票、增值税电子专用发票、铁路电子客票、航空电子行程单、银行电子回单、银行电子对账单、电子非税收入一般缴款书 7 类电子凭证的接收和自动化解析处理,通过对电子凭证格式版式文件进行解析,提取出 XBRL 结构化数据并按照 7 类电子凭证的数据标准转换82第一章支付服务提质增效为相关格式数据,从而便于财务系统进行后续的业务处理。(二)电子凭证验签功能系统实现对增值税电子普通发票、增值税电子专用发票 2 类电子凭证的自动验签处理。对电子凭证原始版式文件进行解析,提取出封装在版式文件中的数字签名,并按照国标要求对数字签名进行验证,防止电子凭证的数据被篡改,保证了电子凭证的完整性和真实性。(三)电子凭证存储功能系统通过搭建统一的“电子凭证库”,使用 SM 算法将用户上传的所有电子凭证加密后进行存储,并为用户上传的每个电子凭证生成唯一的电子凭证标识,从而实现员工、财务人员可随时通过系统查询、下载电子凭证。(四)电子凭证报销功能系统通过与企业财务系统进行打通,实现员工上传电子凭证后系统自动将解析后的电子凭证数据关联至员工的财务系统账号,员工在财务系统中填写报销单时可选择对应的电子凭证进行报销,系统自动将电子凭证相关数据导入报销单内,并将报销单与电子凭证进行关联实现后续报销入账,实现全流程线上化报销。五、实施进展及取得成效(一)案例实施进展系统于 2022 年 4 月完成系统上线,按照财政部要求优先在银联企业内部财务报销场景进行试点应用。系统上线后,银联共接收了来自 4 家开具端试点单位的 11 个电子凭证,分别为工信部开具的 1 个电子非税收入一般缴款书,工商银行和光大银行开具的 8 个银行电子回单和 1 个银行电子对账单,以及南方航空的 1 个航空电子行程单,完成了对电子凭证的接收、解析、报销、入账等全流程处理。92支付清算行业金融科技创新应用案例汇编(二)主要成效在经济效益方面。系统上线后,银联财务处理流程效率得到了大幅提升,降低了普通员工财务报销的成本和财务人员财务处理的成本,尤其是银行对账单和银行回单的处理方面,电子化的接收和验签纾解了出纳人员线下去网点获取凭证以及人工审核凭证的痛点。根据财务部评估,财务人员前往银行网点的次数预计将减少 90%以上,大大节省了财务人力成本,后续航空电子行程单和铁路电子客票上线推广后将在更大范围内节省公司的人力成本。在社会效益方面。中国银联作为接收端试点单位,积极配合财政部电子凭证会计数据标准试点工作,借助财政部试点改革的契机,通过数字化技术的应用进一步助力公司进行数字化转型。未来,银联可将电子会计凭证数字化服务为中小企业赋能,探索通过一点对接商业银行等开具端单位,为中小企业提供电子凭证的批量接收、解析、验签等服务,解决中小企业电子凭证接收难、入账难等问题,进一步引领新数据标准的电子会计凭证改革先锋,帮助银联商户打通开受票、报销、入账、归档全流程电子化,助力财政部新标准电子凭证的全面推广应用。六、存在的问题和解决方案(一)存在问题目前暂未与电子凭证开具端单位进行系统直连对接,尚未实现增值税电子发票、铁路电子客票、航空电子行程单、银行电子回单、银行电子对账单等电子凭证的线上查询和下载,仍需要财务人员/经办人员线下通过邮件、短信、APP、网站等方式获取电子凭证后上传至财务系统进行报销和后续流程,尚未实现电子凭证在企业财务报销场景的全流程线上化流转。(二)解决方案2022 年底中国人民银行牵头建设了银行电子凭证互联互通平台,通过对03第一章支付服务提质增效接各家开具端银行的电子回单、对账单能力,实现接收端企业可通过一点对接银行电子凭证互联互通平台查询和下载各家银行的电子回单、电子对账单。银联作为电子凭证接收端企业,正在推进与中国人民银行建设的银行电子凭证互联互通平台对接,通过开放银行网络平台以 API 接口的方式对接互联互通平台,实现银行电子回单、银行电子对账单 2 类电子凭证的线上查询和下载,通过系统对开放银行网络平台查询到的电子回单、对账单文件进行解析和存储,从而实现银行电子回单、电子对账单 2 类电子凭证的全流程线上化流转。13支付清算行业金融科技创新应用案例汇编案例 5银联商务基于云原生的天罡平台一、案例摘要天罡平台运用云原生技术,构建以支付、清算、风控限额、增值、客户管理、通知为核心的,满足业务发展的高并发、高性能、高可用、高可扩展性、高可维护性的“天罡平台”,实现系统分布式架构、多数据中心异地多活、业务连续性达到 99.999%的目标,满足业务井喷式增长,赋能前台,实现业务产品快速上线,迅速响应市场需求。天罡平台可服务于商户收单、非税、社保、房产、保险、生活缴费等收单业务。二、背景及目标天罡平台以共享服务为中心,快速满足用户需求,提供“一站式、全方位、定制化”智慧信息服务的能力。平台提供支付、清算、风控、信息服务、限额、通知等业务服务能力,适用于新产品快速落地;同时平台也适用于中小银行收单系统的收单业务、增值服务,可服务于非税、社保、房产、保险、生活缴费等领域业务。天罡平台基于银联商务自研微服务框架,打造支付中心、清算中心、客户管理中心、风控中心、内容中心、通知中心、限额中心等七大中心,实现支付全体系联机交易和实时清算功能,具有高性能、强稳定、多活、开发配置灵活的特点。基于自研高效规则引擎,实现毫秒级清分处理、账务登记和提现等服务,满足统一记账和出金的安全要求,具有计费规则设置方便、结算方式选择灵活、个性化业务场景的快速构建、账务处理支持广泛等优点。银联商务进一步优化了研发管理体系,实现了人员数字化评价管理,提23主要参与人:王炎方、张野、吴宇晖、吕勤、吴亚乾、万武庆、薛蓬、杨文波、姜燚钧、席亮、邹士成、钟存木、陈英杰、李壮、王文清第一章支付服务提质增效升开发效率,并建立了全生命周期管理的综合支付服务平台,为快速安全的综合支付能力打下了坚实的基础,满足了金融关键技术自主可控、信息存储与传输安全可靠的需求,简化了增值服务和产品研发流程,提高了从商户入网、支付、查询与对账、统计分析全过程数据服务的实时性。三、技术应用在整体架构层面上,天罡平台采用单元(SET)化,并辅以自研或主流的分布式数据库、分布式缓存、分布式消息、数据同步服务等 PaaS 组件,实现了上海和武汉三机房的多中心多活。同时,利用四层架构,对不同类型的服务资源进行隔离,在预防雪崩发生同时,还可以通过异常机制把流量路由到可用的单元中,业务连续性达到 99.999%。在技术上,天罡平台采用自研的微服务开发框架,集成了基础的微服务相关功能,提供了金融领域密切相关的日志脱敏、加解密等工具类,具备服务发现、动态路由、熔断限流、服务容错、监控告警等能力。平台应用采用纯异步设计,最大程度的减少线程等待 IO 的时间,通过对交易流程并行处理缩短交易时间。(一)关键技术1.基于单元化和分层路由的多活技术,提高了业务的连续性,实现了对流量的统一管理。同时,结合监控、智能决策和自动化手段,在发现问题后,通过流量切换,应用自愈等手段进行处理,减少因硬件、环境、网络等原因对业务造成的影响。2.基于自主知识产权的跨互联网数据中心(IDC)数据同步技术,通过消息和无侵入的拦截机制,对单元内发生的交易数据,同步到其它单元中,解决了不同异构数据库的数据同步问题。3.基于自主知识产权微服务开发框架及治理技术,实现开箱即用,自动支持动态配置、限流熔断、动态路由等,符合公司要求的各类规范,提高了开发效率。同时,通过统一的服务治理平台,做到对微服务全生命周期的管理,可以了解当前微服务的情况,并结合可视化或脚本,实现对微服务的动33支付清算行业金融科技创新应用案例汇编态管理。4.采用双向责任链的服务编排模型,实现了业务的并行、串行、重试、回退某个节点等功能,让复杂的业务开发,变成了简单的业务编排和配置。同时,结合微服务及异步技术,大幅提升系统的吞吐量。5.采用产学研一体的后量子密码技术,通过公司内的清结算系统、开放平台等系统,在文件加密和数据传输等安全方面进行试点,目前性能和可靠性都得到了验证,效率基本和主流算法相同。(二)创新点1.平台化、标准化:形成了一整套的支付解决方案和标准,后续业务叠加时,应使用何种开发框架、交易应如何路由、数据应如何同步、应用应如何监控和告警等都提供了准则。2.智能化路由:采用分层架构,并结合各层的业务特点,实现了流量的横向和纵向隔离。同时,结合监控、决策等信息,在异常出现后,平台能够自主完成流量路由,提高业务连续性。3.针对交易的分流比对:采用生产网络流量包进行同步分流比对,全面提升交付质量。业内往往采用交易分发或日志采集模式进行对比,而不入侵原系统采用网络流量包比对模式却鲜少。通过对生产系统网络包提取、脱敏、加工,并在新平台进行回放,可同步回放、倍数回放、压力回放,根据回放结果进行比对,有效消除新老系统的报文差异,为存量交易平滑切换到天罡综合支付平台保驾护航。4.实时风控:针对金融风控领域“海量、多维、动态”的难点,运用大数据、人工智能、决策引擎等技术,对大量数据进行多维度的分析,有效支持专家规则、人工智能模型的动态调整。抽象风控各场景下可视化模板,划分自然语言和领域特定语言(DSL)。自然语言提供给风控专家更易解读的可视化界面和自然语言描述,发布时将数据转换为 DSL,由系统动态识别执行 DSL 语言,支持风控规则实时编译和上线,成就秒级迭代的风控服务网络。5.分布式存储:后线数据库选型采用国产分布式数据库,所有联机交易43第一章支付服务提质增效服务通过自研的数据同步组件实现交易明细数据实时归集到统一后线,可以做到毫秒级延迟,打破数据孤岛,对于交易明细查询、交易统计、商户信息打宽提供实时查询服务、模糊搜索能力、应用和存储层面均可做到弹性扩缩容,解耦了联机服务查询分析功能,极大的提升了数据服务能力。6.基于图关联的服务治理:针对服务较多,服务管理和运维的难题,基于图数据库强大的关系存储和图查找算法,将接口、中间件、部署节点等之间的主要信息和关联关系存储到图数据库,通过自动化的方式收集变化的信息,可以可视化的分析服务之间的多层依赖关系、故障传导路径、关联测试范围,有效的辅助了开发和运维人员对服务进行治理。7.实时计算:银商自主研发分布式实时计算开发平台,实时计算开发平台是独立的计算层组件,可对计算任务可视化管理,支持在线编写计算结构化查询语言(Structured Query Language,SQL)、模板化任务开发;对后线归集的数据实时打宽,对当天的交易总额、笔数,商户维度的数据进行实时统计,提高数据计算的实效性;为风控中心实时交易指标计算提供支持。四、功能服务天罡平台实现了传统银行卡、条码支付等各类支付工具的融合与复用,提供了实时清分、实时风控、实时入网、实时对账和快捷的业务查询分析功能;通过将前台、中台的公共服务能力进行抽象,降低了开发、运维、运营的成本;通过输出业务能力与技术能力,扩大平台服务覆盖面,有效支撑了银联商务的业务发展。1.业务架构新颖根据业务功能划分为不同的中心,各中心的服务能力以标准化接口或模块的形式向前端产品输出,形成核心架构稳定、公共服务共享、前端灵活包装、快速迭代创新的架构体系。2.业务时效性高该平台的建设,从以下四方面提高了业务时效:一是前端业务入网审核后,通过 MQ 实时同步至交易系统;二是交易实时通知。交易完成后,交易结果采取不同的形式(悦音箱、APP、公众号等)实时通知客户;三是交易53支付清算行业金融科技创新应用案例汇编实时管控。交易过程中,实时计算商户交易额度,实现交易实时管控;四是资金实时结算。根据市场需求,灵活配置资金结算时效,实现资金按照客户需求灵活到账。3.服务能力共享形成稳定的机制,将公司可复用的公共服务能力从分散的核心系统中剥离、沉淀并建设成为可共享的通用服务能力,解决了系统功能同质化严重、资源浪费的情况。同时,以标准的接口或模块向前台输出,提高了业务或产品的迭代创新能力。4.核心业务链路贯通制定并应用了标准化的规范,包含平台各中心之间的通讯规范、平台内部的数据标准规范,确保了业务从入网、交易、清算、风控、限额、通知等流程的链路贯通,解决了业务信息分散、数据孤岛问题,助推公司数字化转型。5.客户统一管理建设客户管理中心,将公司客户管理作为公共服务进行提供,为前台业务及产品实现流程融合提供基础,同时,构建了以“客户”为中心的企业级客户统一视图,赋能公司营销、市场、风险、运营及行业客户。五、实施进展及取得成效天罡平台是银联商务数字化核心业务系统,为银联商务支付、增值的线上线下业务提供支撑能力,承接了支付和增值业务日均 4000 万笔交易,核心业务系统所运行的业务年创造经营收入 32 亿元。1.提供集支付、营销、资金、会员、业态分析等一体化解决方案。通过新技术提升支付体验,为客户赋能。平台建成后,为不同产业的客户。“智慧医疗”“数字城市”“智慧校园”等产品已经面市,将银商的数字化能力赋能客户,助推客户数字化管理。2.积极发挥天罡支付平台枢纽作用,秉承“服务社会、方便大众”的使命。在提振消费方面,银商凝心聚力奋勇争先,推出一系列惠民促消费活动;在脱贫攻坚方面,银商实干担当砥砺前行,天罡平台产品大力输出;在63第一章支付服务提质增效惠农利农方面,加速推进农村地区普惠支付环境建设。六、存在的问题和解决方案在微服务治理方面,如何做到更优,尚需不断验证和优化完善。微服务的服务粒度进行划分没有统一适用的原则,如何做到最优,如何对大量微服务进行进行治理依然是一项具有挑战性的工作,仍需不断摸索实践,对服务进行不断迭代升级。73支付清算行业金融科技创新应用案例汇编案例 6盛付通智能创新社群运营服务平台一、案例摘要为解决目前线下扫码消费模式下,实体商户持续引流成本高,无法有效通过自身营销渠道触发用户复购等问题,盛付通面向实体商户提供基于支付二维码的智能创新社群运营服务,建立数字化营销渠道为实体商户提供更多的市场选择。将第三方平台“流量”转化为实体商户的“留量”,降低实体商户的引流成本,促进实体商户在自有体系内提升用户的复购率,帮助实体商户完成流量链条闭环,快速提升品牌知名度。二、背景及目标(一)案例背景数字技术变革时代的到来通过技术创新、产业变革等多方因素深度影响人们的生活方式、生产模式及经济形态。而实体经济作为我国经济的重要组成部分,是国民经济重要支柱、解决民生就业的重要载体。此前,在疫情的影响下,实体商户除了暴露出自身经营能力薄弱外,还出现了商业模式单一、营销模式落后等诸多问题。基于传统经营模式的实体商户,由于缺乏线上、线下一体化经营能力,亟待加快数字化升级,转型数字化门店、全面提升经营能力。以零售为代表的众多行业在线上营销渠道的布局上面临更大的机遇和挑战,因此用好数据也成为企业营销人员最需要长期投资的能力。在营销数据的应用上,数字技术发挥的价值也在不断增大,从单纯的数据分析为营销决策提供参考,到基于营销数据进行用户数据资产化的沉淀,目前数83主要参与人:张俊、文松龙、倪佳、林炜伟、唐玉光、赵明鸣、周蕾、陈於、杨园园、凌俊、李晨强、肖金凤、崔岚、胡奕娟第一章支付服务提质增效据资产化成为数字时代下企业的重要需求。与此同时,消费者获取信息的途径太过分散,在移动互联网时代实体商户如何为消费者提供一个体验度好、个性化的精准营销方案尤为重要,私域流量运营就成为了实体商户自由控制的营销方式。公众号、实体商户自建的群等是相对于各大短视频平台、点评平台和社交媒体等公域流量平台而言的私域流量聚集地。因此,盛付通除了为实体商户提供基础收单服务外,同时将依托集团资源为实体商户提供集经营、支付、营销等多个功能为一体的智能创新社群运营服务平台。平台使用大数据技术深度挖掘支付数据和消费数据,更高效率的分析用户偏好、消费习惯,研究消费者心理,再通过用户端实现精准营销、会员管理。立足高效的全国地推渠道,盛付通将构建线上、线下一体,全方位的营销推广能力,在帮助实体商户更好获客的同时,推出符合实体商户需求的整套系统,帮助中小实体商户实现线上线下“支付 营销”的闭环。通过数据反馈不断优化后端配置,帮助实体商户完成经营模式的转变,促进全国“新零售”消费产业的蓬勃发展。(二)发展目标实体商户都有数字化转型的强烈意愿,但很难突破自身技术开发能力弱、获客成本高等瓶颈,本项目旨在解决目前线下扫码消费模式下,存在的中小型营销平台无法获取用户消费信息,实体商户持续引流成本高,无法有效通过自身营销渠道触发用户复购等问题。面向实体商户提供基于支付二维码的智能创新社群运营服务,建立数字化营销渠道为实体商户提供更多的市场选择。将第三方平台“流量”转化为实体商户的“留量”,降低实体商户的引流成本,促进实体商户在自有体系内提升用户的复购率,帮助实体商户完成流量链条闭环,快速提升品牌知名度。三、技术应用本案例严格按照 中华人民共和国个人信息保护法、中华人民共和国数据安全法 等相关国家法律法规及金融行业相关政策文件要求,在数据93支付清算行业金融科技创新应用案例汇编收集和使用过程中采取必要的措施保护个人金融信息和用户敏感信息安全。(一)统一高效的数据汇集技术集成多个人工智能(AI)开发框架,用统一的接口封装多种数据采集技术和工具,实现多种数据源和数据格式的统一高效采集,满足多源数据高效汇聚的需求。通过数据分析用户下单行为、发挥线上 C 端用户价值,满足消费者对个性化服务的需求、提升用户体验。(二)面向大数据的实时流引擎技术在提供线上聚合支付通道的基础上,针对低延时和高吞吐的复杂实时计算场景要求,通过实时流引擎技术所具有的分布式、水平扩展、高容错和低延迟特性,在软件层面提供稳定、可靠的保障,同时避免服务器故障、网络突发阻塞等问题造成的数据丢失的问题。(三)灵活可配置的规则引擎人工智能结合大数据技术,可自定义条件、规则、策略、流程等决策因子,支持多维度、时序计算和复杂逻辑等多种过滤条件,支持实时对流入的数据进行加工计算,供规则引擎在决策判断时调用。面向实体商户推送不同优惠组合的方案参考,给消费者最适合的建议,以此增加复购率和客单价,实现全局最优。(四)数据加密技术保障用户的个人信息安全根据业务中存在数据下载的场景,采用哈希算法对数据做溯源追踪定位,哈希算法将数据映射成一个固定长度的哈希值,通过比较不同数据的哈希值,可以确定数据的相似度,从而实现数据的定位和溯源。主要应用在数据被下载后,会对数据进行个人定位,针对某个数据集,从而实现数据追踪,保护用户的个人信息安全。04第一章支付服务提质增效四、功能服务盛付通研发的基于支付二维码的智能创新社群运营服务平台,主要功能内容包括:经营数据平台、大数据营销平台、数据运营后台、反营销欺诈风控平台,为实体商户搭建社群体系。(一)经营数据导入平台基于全国的地推渠道,提供任务营销推广系统,充分发挥、调动渠道代理商的积极性。代理商在完成线下实体商户的拓展后,在赚钱吧 APP 录入实体商户信息及资质材料,经盛付通按照有关业务要求完成入网审核后,为实体商户申请升级红包实体商户享受优惠费率,由实体商户进行开户意愿确认后,在赚钱吧 APP 创建店铺,并进行商品添加、打印机设置、点餐码保存,最后实体商户打印点餐码,张贴到相应区域,开始营业。1.用户使用手机扫描实体商户点餐码,跳转至小程序内选择菜品加入购物车,确认订单,在线付款成功;实体商户收到订单打印出单;用户桌台等餐或叫号取餐,厨房出餐,订单完成。2.在用户完成订单支付后,系统同步征询用户授权意见,用户确认同意得到授权后,获取用户信息,为用户注册社交应用账户,用户下载、登陆用户端后,自动进入实体商户社群。实体商户与用户在群内进行有效的互动,促进用户成为实体商户会员,提高实体商户会员数量。根据用户的消费习惯、消费数据,进行数据建模、用户画像分析,为会员服务平台的营销策略提供大数据基础,为实体商户提供精准的用户画像信息。具体商户引入流程如图 1 所示。433JO4JB-9图 1 商户引入流程图14支付清算行业金融科技创新应用案例汇编(二)大数据营销平台平台采用大数据分布式计算、人工智能技术构建了用户宽表、下单行为纵表、社交网络等基础产品;通过基于位置的服务(LBS)感知及用户点餐行为数据埋点,实现用户深入洞察;基于增强决策树、逻辑回归等人工智能算法,以及实时流计算技术进行模型训练和规则运算,实现毫秒级的营销决策支持;利用微服务等技术,构建弹性扩展、灵活配置的统一前置应用,实现与渠道系统实时对接及数据闭环。项目总体架构如图 2 所示。0*4-69J00D06104309J4-)1PSUBMEXJGJ.49J4J5#E45#E#E#E054=1*0EO- J=BF#40*I6D07*)*)图 2 平台总体架构1.会员分层管理根据消费行为将流量池里的用户通过数据开发、标签管理、人群管理等几大功能模块的协作,按照每个用户的消费频次、消费额度、消费时间间隔以及其他重要的行为数据,在下单时被系统自动计算和记录。根据自动生成的用户消费趋势报表,对会员进行差异化服务,找出高净值用户(忠诚用户)重点运营,增进消费者对品牌的好感。此块重点解决大数据技术在营销业务流程上的统一闭环。24第一章支付服务提质增效2.大据营销方案平台实体商户根据用户授权提供的个人信息,针对不同会员可制定个性化内容进行推送,精准触及目标用户。平台通过渠道间的有机连接、数据高效追踪和整合匹配等,按智能化计算及预测模型,自动集成会员所需的实体商户促销活动内容,借助用户个性化偏好的渠道,进行千人千面的个性化内容推送,广泛而精准的触及到目标消费者。以餐饮为例,在社群中不断地推送一些试吃、免单、菜品优惠或者节假日促销活动等,不断地唤醒和盘活用户;通过各种话题发起,和消费者积极互动,把他们吸引到店里来,进而产生复购变现,提升实体商户的营销活力。3.会员分享激励通过设置奖励来激励用户裂变,让到店的每一位用户都能成为商户的推广员,只要用户转发分享链接,邀请其他新用户注册下单,双方就都能获得相应优惠。此外,被邀请的好友每次下单,邀请人还能获得一定的返现,实现分享赚钱,分享省钱的多方共赢的局面,帮助实体商户完成流量链条闭环,快速提升品牌知名度。(三)数据运营平台以经营数据导入平台和大数据营销平台的数据为基础,通过收集与分析不同实体商户的营销方式及其用户的消费行为,将其营销数据进行交互来建立同行业同类别的营销模型及效果分析。平台功能如图 3 所示。1.实体商户经营数据收集。基于会员服务平台内的实体商户经营数据,系统会自动进行实体商户分类,定期根据数据特性不断更新实体商户特征,以达到多维度的精准定位。2.用户消费行为授权采集。基于会员服务平台内的用户消费行为,通过用户消费习惯来分析消费金额、消费区域等特征,可以精确分析出用户的消费喜好、消费趋势等模型。3.营销模型建立。根据实体商户经营数据和用户消费行为,建立营销模型,生成营销策略公式。依据公式得出的营销策略,更新实体商户原有的营销模式,提升其服务能级。34支付清算行业金融科技创新应用案例汇编4.信息推送平台。精准送达,提高通知到达率。利用大数据分析,在合适的时间给用户推送精准的实体商户促销信息,做到千人千面,减少用户对促销信息的反感,提升促销信息的点击率,从而达到增加实体商户销售额的目的。5.数据分析平台。基于用户的多源异构数据整合构建知识中台,为用户量身打造基于知识图谱的数据智能化应用。对营销策略实施后得出的营销结果进行再分析,通过数据分析来优化原有营销方案,并将再分析后的营销方案反馈回实体商户。1E1*9JD9#$%&图 3 数据运营平台(四)反营销欺诈风控平台针对营销活动中各种形式的欺诈行为(薅羊毛)日渐兴起且规模逐渐扩大,给实体商户造成了巨大的损失,同时使营销活动的效果大大降低。盛付通反营销欺诈风控平台帮助用户有效控制营销欺诈风险,减少营销资金的损失,帮助实体商户提升资金使用效率,增加用户转换率,实体商户可放心展开正常的营销活动,增加获客渠道,创造营销价值。相关平台功能如下:1.欺诈手段分析(1)批量行为由于营销活动单次奖励非常有限,如果要获得较大利益,必须反复进行营销欺诈,因此批量行为是营销欺诈的明显特征。批量行为的形式众多,而目前营销活动普遍是围绕注册账号展开的,因此批量行为主要集中在注册环节,形成同设备短时间频繁注册、同 IP 短时间频繁注册、同设备关联 IP 过44第一章支付服务提质增效多等特征。(2)虚假信息新用户的批量注册需要大量的注册手机号码,而获取一个正常手机号码的成本较高,因此欺诈者通常使用验证码接收平台或小号平台流通的手机号码,凡是使用这类手机号码注册的用户可判定为高风险用户,存在营销欺诈风险。同时,为了在最短的时间内完成批量行为并隐藏自己的真实网络信息,欺诈者通常采用代理、数据中心、或动态拨号等手段进行欺诈。(3)虚假设备用户的操作必定以物理设备为载体,物理设备也是风险监控的一个重要环节,虽然所有用户信息都有可能造假,但如果能识别用户操作的设备,就可以准确定位风险对象,进行风控拦截。相对的,欺诈者想要避开风控的拦截,就会想办法模拟出虚假设备或对同一台设备反复变更其设备信息以造成不同设备的假象。2.黑色产业分析营销欺诈中会涉及到多种虚假信息和欺诈工具,目前已经存在一个完整的黑色产业来提供这些内容,当前存在的黑色产业可分为两大部分:技术支持和信息流通。(1)技术支持技术支持主要是提供欺诈者进行营销欺诈所必须的虚假信息和欺诈工具,以下罗列比较常见的:虚假信息:卡商、虚假手机号码;欺诈工具:工程机、移动设备变造软件、模拟器、接码平台、打码平台、小号软件、猫池。(2)信息流通一个黑色产业要运作起来,必要条件是进行黑色信息的流通,以达到信息扩散、资源交换、变现等需求,目前主要的信息流通工具是论坛、QQ 群和微信群。国内目前充斥大量薅羊毛论坛,任何一个人都可以方便的获取大量薅羊毛信息。54支付清算行业金融科技创新应用案例汇编3.反欺诈解决方案经过对欺诈产业链分析、监控结合联防联控数据,形成了一套完善的包含欺诈手机号码、欺诈 IP 地址等在内的反欺诈数据体系。(1)欺诈手机号码虚假手机号码服务可识别手机号码是否为虚假注册欺诈号码、通信小号或羊毛党号码。在防范虚假注册以及羊毛党等风险场景下,将欺诈手机号码作为第一道的风险策略,无论从覆盖率还是准确率上都能体现出卓越的效果。(2)欺诈 IP 地址欺诈者在短时间内进行大量交易时,地理位置不可能实时变化,欺诈者为躲避监控,往往通过代理服务器更换交易发起的 IP 地址,以造成在不同地点进行交易的假象。代理 IP 识别技术可以实时识别每一笔交易发起的 IP地址是否是代理 IP,杜绝同一个用户大量换 IP 的行为。IP 风险服务可识别代理 IP、VPN、IDC IP 等高风险 IP 地址,同时通过此服务可对 IP 地址类型进行精确识别,包括骨干网、教育网、企业宽带、家庭宽带以及移动通信网络。(3)事中监控平台提供事中风险监控平台,包括规则管理、注册流水监控、名单、报表等关键模块。规则平台内置了数十条对防控营销欺诈行之有效的专家规则,覆盖了设备信息、IP 地址等关键欺诈要素,从单个或多个组合维度描绘营销风险特征,识别出符合欺诈特征的交易,进而采取福利区别对待或直接阻断措施。反欺诈监测后台内置了多个关键指标的图表,可帮助业务人员了解注册量、风险量、风险设备、风险 IP 等关键指标的瞬时变化,提高实体商户风控能力和工作效率。五、实施进展及取得成效本案例通过建设基于支付二维码的智能创新社群运营服务平台,帮助传统商户实现数据互通、优惠互通、活动互通,激发消费者更高涨的消费欲望,实现无感导流和固流。同时,也为消费者提供更多及时、高效、可靠的64第一章支付服务提质增效消费体验乐趣和购买服务,形成线上功能和线下场景相互连接,实现更大价值的良性循环,助力打开新零售的另一番局面。目前,本案例已初步完成开发,正处于全国市场推广运营中。截至目前,入驻商户近 1000 家,累计服务 21 万人次,完成了 540 万的交易量。预计两年内,入驻实体商户可达到 40 万户,累计平台交易量突破 1000 亿元。六、存在的问题和解决方案任何一个新的解决方案或服务进入市场,商户都会抱有怀疑的态度,主要是对产品、平台方的不了解,不信任,特别是涉及到储值,资金往来的业务,造成项目在推广初期遇到阻力,业务增速缓慢。销售过程中的定价策略与企业对合规成本预期的偏差,增加了推广难度。而竞争对手的入局,也会带来市场的风险变化。虽然该服务平台是新型产品服务,但进入的市场并非是未开发的空白市场,品牌连锁、供应链、垂直电商等相关上下游企业的账户诉求长期存在,只是未通过完善的方案和模式来解决。面对以上市场风险问题,盛付通已做好解决方案的梳理,特别是合规风险,法律法规的清晰化,让商户清晰认识到实际存在的合规问题和合规成本。通过账户解决方案替代目前的方案,在保证合规的前提下,尽量少的改动业务系统,更平稳的部署和实施,确保用户体验。同时,及时关注同业发展动态和不断变化的市场情况,持续完善营销策略和产品设计,在不超过商户承受能力的情况下,指定最佳营销政策,同时不断提高服务质量,进一步赢得市场。74支付清算行业金融科技创新应用案例汇编案例 7捷付睿通支付渠道清算自动化服务平台案例 7 捷付睿通支付渠道清算自动化服务平台一、案例摘要捷付睿通主要服务于小米集团内场景,通过接入银联、网联两家清算机构转接交易来开展业务。在多场景应用下,不同渠道的管理以及对账清算存在差异,数字化运营效率亟待加强。通过分布式应用程序协调服务完善的服务注册和发现机制、高效可靠的分布式消息队列、基于分布式文件存储的数据库大数据处理能力、以及分布式任务调度框架等底层技术能力,实现多维度渠道路由体系、多层级渠道管理、自动化且灵活可配的对账清算机制以及全方位全链路自动化预警等,通过全链路数字化管理提升了运营效率。二、背景及目标(一)背景捷付睿通主要服务于小米集团内部场景,包含小米商城、有品商城、小米之家等新零售场景,以及小米手机应用(如主题、视频)、硬件(如电视)等支付场景。在多场景应用下,不同渠道的管理以及对账清算存在差异化,依赖大量的人工操作和处理流程,系统的清算处理能力以及运营效率急需提升。84主要参与人:关毅锋、张泽洋、冯帅、于红亮、罗凤仙、宋婷婷、缪云、郑建兰、游文春、索佳、何婉莹、席雯、周莹第一章支付服务提质增效(二)目标实现渠道对账清算全链路自动化,包括自动化对账、自动化资金核对、自动化差错处理、自动化账务处理、自动化备付金上报、全方位自动化预警等,提升系统清算处理能力以及清算运营效率。三、技术应用(一)完善的服务注册和发现机制系统采用开源的分布式协调服务,将复杂且容易出错的分布式一致性服务封装起来,构成一个高效可靠的原语集,并以一系列简单易用的接口提供给用户使用。系统将分布式协调服务集群作为分布式系统的注册中心,实现分布式服务的配置、同步和命名注册等功能。(二)高效可靠的分布式消息队列系统中有多个服务之间需要传递消息,捷付睿通搭建了一个可靠的分布式消息队列服务,实现了同地双活高可用,实现服务的高可用,无单点。保证单个机房由于分布式协调服务抖动等导致的消息队列故障能够自动处理不会影响到业务,提升了系统的可用性。(三)大数据助力对账效率提升利用大数据量存储和高并发处理的特性来完成对账数据的并发存储和计算,大大提高对账的效率,对账服务每秒最高处理订单数达万级。各渠道对账文件解析脚本使用基于通用的动态语言,可以直接使用相关通用的类库和框架,减少接入新渠道时的工作量。(四)服务及基础组件高可用化系统使用小米自研的数据库中间件产品,提供了统一入口用以访问数据库集群,使业务层无需关注数据库后端部署的细节。支持直连与数据库中间94支付清算行业金融科技创新应用案例汇编件双连接,根据不同的场景和需求切换不同的连接方式,提高数据库的稳定性和可靠性,减少故障带来的影响。使用分布式任务调度框架来管理和调度定时任务,从而实现分布式、高可靠、高可扩展的定时任务管理。任务调度框架如图 1 所示。=M PCLFZBVUP$PNQBSF1SPDFTT3FQBJS5BTL PC#&/UBVUP$PNQBSF1SPDFTT3FQBJS5BTL PC-UTZTUFNED=$SPOBBA*0)0)DBTIQBZ-DPVOUFS-XFC PC)OEMFSAJA=0)K0)*/2.03.-.03.-*A=4DKBVUP(FU1PT$BDIF5BTL PC#&/UBVUP(FU1PT$BDIF5BTL PCUTZTUFN.03.-*A=4DKBVUP$BSSZ0WFS5SBEFFF5BTL PC#&/UBVUP$BSSZ0WFS5SBEFFF5BTL PCUTZTUFN.03.-*A=4DKEBJMZEWBODFVOE0VU$IFDL5BTL PC#&/UEBJMZEWBODFVOE0VU$IFDL5BTL PC-UTZTUFN.03.-*A=4DK图 1 任务调度框架单号生成服务使用双缓存机制,每次生成一个缓存片,数据库异常时,通过服务端缓存,可支持 10 分钟,保证服务稳定。使用持续集成、持续交付工具来自动化构建和安全扫描流程。双缓存机制如图 2 所示。4BKU4!=UD44?33/D4435U43U45UFTUPXOFSSQDUFTUPXOFSUFTUPXOFSUFTUPXOFS图 2 双缓存机制(五)完善的监控及报警机制使用监控和告警系统,搭配邮件、短信和飞书报警,方便监控各种指标05第一章支付服务提质增效和事件,通过设置告警规则,实现自动告警和故障排除。监控及报警机制如图 3 所示。图 3 完善的监控及报警机制四、功能服务(一)多维度渠道路由体系支付渠道路由旨在遵循资金通道侧及监管要求的前提下,为下游系统发起的交易请求选择一条支付体验好、成本低、稳定性高或成功率高的资金渠道完成支付。捷付睿通采用“一物理多逻辑”模式,即系统上按照银联、网联规范一次对接,根据产品、场景、商户等维度向业务系统输出多虚拟渠道,且各虚拟渠道相互独立,在路由控制、对账、数据统计分析、报表等多方面运用更加灵活。按照产品信息、通道基本信息、费率信息、商户属性、15支付清算行业金融科技创新应用案例汇编交易属性等多维度构建智能化路由体系,在保障业务连续性以及兼容考虑体验因素的前提下,实现了业务最优通道的选择。多维度渠道路由体系如图 4所示。#E9C*UED#EU4U)#EUEE#E#E#E#EOBFUBUU0FUU.U4U#$U-J5UU45UU图 4 多维度渠道路由体系(二)多层级渠道管理平台多层级渠道管理平台,管理渠道基本信息、费率信息、支持银行信息、卡种、产品类型、交易类型等。可以按照银行级别、渠道级别、以及接口级别进行渠道隔离管理限制。新上线一个渠道,由于某些因素限制,无法对部分接口进行生产验证,如果直接投入使用可能会产生一系列影响。存量渠道也有例外,某些接口能力如果继续开启则会带来一定的客诉、性能浪费等25第一章支付服务提质增效问题。以上两种情况,因为都只是部分接口(比如退款等)不可用,而不能直接关停整个渠道,所以需要能够支持按接口粒度进行控制启停。运营人员可以通过管理后台系统随时启停相关接口,而不需要技术人员通过技术手段干预。一方面提高问题解决速度、降低出错率,另一方面减少技术投入,降低开发成本。(三)全方位渠道预警机制预警的目的是对异常交易进行及时发现和告警,保障支付渠道的安全性和稳定性,同时又减少人工投入、提高效率。但随着业务的拓展和变更,预警内容越来越多,在阈值设置不当、告警内容模糊等情况下,预警数达到一定程度就会对接收人造成困扰,反而降低工作效率。因此,对渠道预警进行升级优化,支持内外部多数据源监控项,按照人员、场景、级别等多维度进行自定义告警;明确每个监控的目的、策略及警告后的处理方案,精准收到告警后快速处理;预警联动实时交易,触发预警阈值后可自动维护渠道或交易,减少人工干预。全方位渠道预警机制如图 5 所示。E51 *24F3FEBTI7-E*AN-(SBGBOBM3MM图 5 全方位渠道预警机制35支付清算行业金融科技创新应用案例汇编(四)自动化渠道对账清算渠道对账可以按照不同渠道、交易类型等属性,设置个性化对账时间、对账频率以及通过配置化实现对账文件解析脚本配置。可以实现全自动化信息流对账,包括对账文件下载、上传、解析对账、差错标记、差错处理、结转记账以及多样化的预警触达,人工仅需关注对账结果提醒和预警信息即可。与传统人工对账相比,大大提升了对账清算效率、降低了出错率,提升了异常发现时效以及响应速度。对账流程如图 6 所示。BJ)FM0BU*UJ A7-*/7MBFADFBFBCFBFJ 77BFB-B/#0BDBB=BBFEBB3-BF?EJM7=3J BF3DB*UK图 6 对账流程45第一章支付服务提质增效(五)灵活可配的资金核对建立灵活可配的资金核对模型,包括:渠道资金核对规则、核对规则渠道组成、每日核对系统取数明细、每日核对资金取数等,全链路支持可配置,包括多渠道归并结算、不同结算周期、手续费处理方式等,满足了不同渠道不同的模式,通过配置化即可完成新增渠道的资金核对。资金核对基础流程如图 7 所示。/2424BF图 7 资金核对基础流程流程说明:1.初始化数据,系统每日触发一次,生成每日核对汇总数据以及每日核对系统取数明细;2.根据动账通知获取资金变动数据,作为资金数据;3.系统取数&资金取数,在一定时间范围段内,按照一定频率自动发起;4.资金核对,在一定时间范围段内,按照一定频率自动发起,按照配置规则进行核对,支持人工触发。(六)自动化额度映射机制付款业务在备付金断直连后,统一切换为额度映射模式来进行资金调拨,分配银联、网联资金额度。捷付睿通建立的自动化额度映射机制,可以55支付清算行业金融科技创新应用案例汇编按照银联、网联设置阀值区间,系统根据配置的的阀值信息、当前备付金余额信息、以及按照不同调整时间窗口自动分配银联、网联额度,在保证资金安全的前提下保障了付款业务的稳定开展。(七)全链路清算预警模型为了解决对账、资金、账务等系统异常情况,清算核心功能自动化预警17 个,根据预警内容划分预警级别(低、中、高)、通知人群(对应的开发、产品、运营、商务、财务等)、通知方式(邮件、飞书、短信、电话),提高通知时效和响应速度。预警说明如下:1.信息流对账环节,在获取对账文件、对账出现长短差错、自动补单失败以及产生退票等情况预警;2.资金核对环节,在系统数以及资金数获取异常、资金核对不平时进行预警;3.在账务处理环节,如结算款记账、手续费结转等环节出现异常时预警;4.额度映射环节,如额度低于设置阀值、额度调整失败等。五、实施进展及取得成效(一)千亿规模交易稳定开展在“一物理多逻辑”模式下,各类业务场景通过接入银联、网联产品能力,内部累计对接模拟 60 多个渠道,稳健、安全支撑全场景年均千亿元交易额、千万笔交易规模的业务开展。(二)渠道清算效率提升明显通过自动化渠道对账清算机制,极大提升对账清算效率、降低人工成本,清算完成增幅 90%以上,对账整体完成增幅 60%以上,节约人工成本近50%,具体如图 8 所示。65第一章支付服务提质增效#0!BFEEBK#0!3UUBKUBU3UU图 8 对账清算效率极大提升(三)多场景常态化联动预警通过自研与开源结合方式定向开发预警系统,既保留开源工具的完整性便于升级版本,同时又突破开源工具的局限性,能够满足特色业务监控的灵活性。与飞书办公联动,减少跨工具操作,提高消息效率。同时可按照场景、级别、专项等维度进行定向通知,做到收到消息即重要有效内容,避免消息疲劳而忽略。具体界面如图 9 所示。图 9 消息通知界面对接网联运维平台,可随时接收银行维护通知并自动联动系统进行相关维护,提高效率和准确率。75支付清算行业金融科技创新应用案例汇编六、存在的问题和解决方案(一)特殊窗口结算清算机构特殊窗口(如休息日)正常结算时,支付机构若不同时进行相关处理,会引起对账、资金核对、报表等等一系列问题。因此,捷付睿通建立了一套工作日配置体系,用于维护国家法定节假日且支持按照清算机构特殊要求进行配置。如果 12 月 31 日当天是休息日,提前与清算机构确认是否要在当天年终结算并进行相应配置,避免出现特殊窗口结算异常问题。(二)异常退款处理针对异常退款单,例如用户原交易使用的银行卡已注销,退款时银行没返回终态的情况,系统定时拉取数据,在保证 T 1 日对账核对无误后,自动发起退款重试。根据渠道设置重试次数以及是否更换订单号进行重试,避免人工操作可能出现的差错甚至资金损失。(三)预警频繁干扰监控项非常多,但不清楚每个监控项的目的和策略;监控报警非常多,但不知道是否需要处理或关注;想要加一个新的监控,但不清楚具体应该怎么做。针对存在的种种问题,对整个预警平台进行升级改造,明确每个监控项的目的、责任人、预警级别、策略以及应对方案,按照监控级别或特殊业务场景划分不同的飞书群进行单独报警。85第二章应用场景多元融合第二章 应用场景多元融合支付清算行业金融科技创新应用案例汇编案例 8中国建设银行基于个人碳账户的金融服务案例 8 中国建设银行基于个人碳账户的金融服务一、案例摘要“碳达峰、碳中和”作为国家重点战略,关系着经济社会发展全局。中国建设银行持续推动绿色金融产品和服务创新,综合运用联邦学习、大数据、机器学习等技术,打造兼具专业性与安全性的个人碳账户,实现碳减排计算、累计和兑换等,基于“碳账本”为客户提供信用卡额度升级、分期福利、银行卡消费折扣、支付优惠、积分商城权益兑换等个人综合金融服务。中国建设银行积极探索碳账户金融行业标准编制、探索个人碳账户数据在金融产品中的创新应用,为绿色发展贡献建行力量。二、背景及目标(一)建设背景2020 年 9 月 22 日,国家主席习近平在第七十五届联合国大会一般性辩论会上发表重要讲话,提出中国“二氧化碳排放力争于 2030 年前达到峰值,努力争取 2060 年前实现碳中和”。“双碳”目标的提出,一方面彰显了中国作为世界大国积极应对气候和环境变化、走绿色低碳发展道路的坚定决心;另一方面更是对中国在贯彻落实绿色低碳发展模式、加快生态文明建设、实现高质量发展上提出新的战略要求。气候变化问题关系人类共同命运,用全球历史上最短时间实现从碳达峰到碳中和,任重道远,迫切需要金融加大支持和服务力度。06主要参与人:范莹莹、魏敬伟、刘忠宝、侯松阳、韩文萍、薛环振、侯沐楠、李佩兼第二章应用场景多元融合商业银行致力于支持“双碳”战略目标的过程中,不仅应加大对节能减排行业和企业的信贷投放,在终端消费市场也有着广阔的服务空间。一段时间以来,我国部分企业悄然试水,探索推出个人碳账户,其主要功能就是依据相应的碳减排计量标准,对个人行为主体在生产、生活中的碳排放情况进行量化与记录。当前,实现“双碳”目标已成为我国经济和社会发展的重要战略目标,市场将目光主要集中在以企业为核心的生产环节,但也并未忽视以“人”为核心的消费环节,人类社会包括工农业生产在内的一切经济活动的最终目标都是为了满足人类自身的发展需求,人类的消费行为和消费方式在很大程度上决定了全球碳排放的水平和结构。因此,推动个人行为绿色转型对实现碳减排、碳中和目标而言至关重要,也具备更长远的发展潜力,研究和探索个人领域碳减排具有重要的现实意义。(二)实施目标中国建设银行党委高度重视绿色金融工作,积极推进实施“双碳”战略,制定 中国建设银行绿色金融战略发展规划(2022-2025),提出“赋能社会绿色生态建设,参与碳普惠平台建设,引导个人客户绿色消费,探索建立个人碳足迹、碳信用评价”。为深入贯彻落实规划要求,抢抓绿色低碳发展机遇,中国建设银行坚持创新引领,聚焦低碳生活领域,以覆盖总分行、跨部门跨条线、联动子公司、外部联学共建的柔性团队工作模式打造个人碳账户,着力沉淀碳减排核算、低碳场景运营和绿色金融创新等专业能力,创新打造低碳场景“连接器”、低碳理念“传导器”、绿色金融“孵化器”,引导个人绿色低碳生活方式,助力碳减排核算,提升建设银行绿色运营质效,履行绿色发展的大行责任担当。三、技术应用中国建设银行通过金融科技赋能打造个人碳账户,为个人低碳场景提供碳减排计量、低碳权益兑换等服务,探索多元化碳普惠机制、引导绿色低碳美好生活理念。16支付清算行业金融科技创新应用案例汇编(一)联邦学习技术联邦学习技术可以实现客户数据不出数据拥有方,仅通过交互模型中间参数进行模型联合训练,能有效保障客户隐私数据安全。中国建设银行采用联邦学习技术,在获得客户授权的前提下,将中国建设银行内部数据(如手机银行生活缴费、ETC 缴费等)和行外碳减排行为数据(如乘车次数、线上办理政务业务次数等)进行可信共享,确保各方原始数据不出域,为计量客户碳减排贡献度提供多维度数据支撑。(二)大数据技术在获得客户授权的前提下,获取不同场景渠道的海量交易数据,广泛收集并挖掘分析出行、金融、生活等领域案例,对共享单车、公交地铁、存款理财、信贷申请、生活缴费等各种交易场景的相关数据进行标准化处理,筛选出显著性特征,并依托绿色交易所的碳减排计量因子,使用大数据多源计算模型处理得到用户全景碳足迹,提升银行对客户碳减排贡献度计量的准确度。同时使用自动化大数据技术,及时生成最新数据报表,以实现对客群的实时监测分析。(三)机器学习技术基于来自不同渠道海量交易数据,使用线性回归等机器学习算法,不断迭代优化碳减排计量模型参数,收敛模型,降低损失值,持续提升碳减排贡献度计量模型性能和精准度。四、功能服务(一)应用场景中国建设银行利用联邦学习等技术将出行、零售、政务、住房等多种生态场景低碳数据进行融合分析,在充分保障用户隐私安全的前提下实现数据跨主体应用;构建基于人工智能、机器学习等技术的碳减排计量模型,准确26第二章应用场景多元融合测算消费者低碳生活水平,为形成“碳账本”提供支撑;通过“建生态、搭场景、扩用户”的数字化经营方式不断接入更广泛的场景热数据,持续丰富低碳水平测算的数据支撑维度、优化完善碳减排计量模型,确保“碳账本”真实、有效。基于个人碳账户为客户提供信用卡额度升级、分期福利、银行卡消费折扣、支付优惠、积分商城权益兑换等个人金融服务,倡导绿色低碳生活。(二)安全保障措施个人碳账户由中国建设银行新一代综合积分组件承接,该系统生产运行均在建设银行自主建设的建行云上。建行云依托建设银行企业级、安全即服务的新一代安全架构,构建云安全服务平台,打造金融级、智慧型、主动性的云安全保障体系,通过了网络安全等级保护(三级)的评定和测评,为基于碳账本的个人金融服务提供了智能、一站式、开放共享、随需所用的云安全服务。应用安全方面,复用建设银行安全架构整体方案,内部用户使用员工渠道身份认证和单点登录,外部客户通过客户渠道或开放银行实现身份认证,使用统一的内外部身份认证服务。与其他组件系统的交互通过统一的安全节点和安全策略控制,按需实现访问控制。数据安全方面,采用“云端存储、集中管控”模式,在数据收集、传输、使用、存储、销毁等各阶段充分应用机控手段,减少人工操作,降低数据面临的泄露、篡改、破坏等安全风险。通过明确客户主体授权要求、最小化权限管理、使用统一密码服务实现加密传输和存储、数据安全监测等措施,提升客户信息安全保护能力。安全运营方面,系统复用建设银行的智慧安全运营体系。在安全大数据和数字化 IT 资产的基础上,构建安全监测和安全事件处置的全流程、自动化、智能化的线上机控,可视化的指挥协同联动,漏洞的全生命周期管理和威胁情报的统一管理,实现安全运营的主动防御、全面监测、智能分析、精准响应、快速处置。截至目前,系统技术建设遵循行内外有关规范,未发生网络安全事件。36支付清算行业金融科技创新应用案例汇编五、实施进展及取得成效经过近两年的探索实践,个人碳账户已经在建设银行手机银行、“建行生活”APP 等企业级平台面客运营,用户规模超过 100 万户;20 余个碳减排计量模型落地上线,实现核心能力沉淀和落地验证,形成行内渠道部署及社会服务能力;引导消费者积极践行低碳生活理念,累计碳减排量超 3000吨;大部分碳减排场景绿色能量实现 T 1 日产生,用户领取绿色能量累计超700 万笔。(一)专业的个人碳账户解决方案中国建设银行个人碳账户实践成果得到监管机构关注和认可,初步形成一套顺应战略导向、符合经营逻辑、兼顾用户体验、彰显责任担当的个人碳账户解决方案。总体来说,建设银行个人碳账户具有“四性特点”:一是开放性。所有个人用户均可通过建行手机银行 APP 和建行生活 APP(建行双子星平台)自愿申请建立个人碳账户,没有建设银行金融账户的游客,也可积累碳减排数据,形成低碳积分,能够更好的起到倡导全民低碳的作用;二是专业性。建设银行个人碳账户经用户授权后,严格遵循个人客户信息保护政策,可采集个人在不同生活场景下的低碳行为数据,并通过科学计量方法自主研发减排数据模型,实现个人碳减排量的专业计量;三是激励性。建设银行个人碳账户兼顾公益性与商业性,以“碳积分兑权益”的方式激励用户持续参与个人碳减排活动,将个人碳账户对接信用卡、借记卡、保险、个贷等个人绿色金融方面的应用,引导用户形成绿色消费、低碳生活的良好习惯;四是互动性。中国建设银行坚持以至简理念设计平台用户旅程,而建行个人碳账户依托建设银行手机银行和建设银行生活平台为用户提供服务,致力于打造至简、专业、温暖、贴心、安全的“数字场景”,实现与用户的良好互动,凝聚每一个用户对美好低碳生活向往的力量。(二)个人碳账户运营能力沉淀经过前期调研、基础功能开发和试点地区运营,中国建设银行的个人碳46第二章应用场景多元融合账户建设取得了阶段性成果,实现核心能力沉淀和落地验证,形成行内渠道部署及社会服务能力,走出了一条绿色金融新路径。一是实现低碳场景“多元化”与减排核算能力“共享性”。依托行内自有技术和数据能力,中国建设银行联合北京绿色交易所等专业机构开展碳减排计量核算,覆盖行内主要“金融 非金融”低碳场景,可面向全集团及战略合作伙伴提供碳减排计量数据中台服务。同时,建设银行正在推动个人贷款、保险服务等金融场景的碳减排核算及碳账户搭建工作,持续丰富碳账户数据来源,助力金融业务低碳转型和质效评估。二是对内赋能平台用户经营,对外服务低碳城市治理。中国建设银行逐步开展个人碳账户的试点地区验证和渠道拓展,已在行内主要线上渠道完成部署,通过绿色能量激励、专属金融服务等形式有效带动平台场景活跃,成为传播绿色低碳理念的有力抓手;同时,建设银行向地方公交地铁集团等合作伙伴提供个人碳账户碳减排计量服务,以此引导消费者践行低碳生活方式,履行绿色城市发展的责任担当。六、存在的问题和解决方案(一)减排核算数据的覆盖度不足,数据获取难度大考虑到数据可得性、准确性等因素,目前个人碳账户主要从自身业务维度出发,在银行普遍存在的业务、自身可获得数据的基础上建立个人碳账户。若想进一步扩大个人碳账户服务的覆盖面,则需要扩大低碳数据的采集范围,将其他渠道获得的数据纳入个人碳账户,但会面临数据获取的不确定性、数据安全性等问题。中国建设银行采用联邦学习技术,在保证客户隐私以及数据安全性的基础上,进一步扩大碳减排数据测算维度。(二)减排因子存在地区差异性,碳账户尚未建立统一的评价维度在减排测算层面,考虑各地碳排放因子值存在一定差异,目前碳账户的减排因子主要由各机构自行测算设定,国家层面仅提供了各行业参考标准,无法进行定值。在减排评价层面,目前国家层面尚未针对碳账户建立统一的56支付清算行业金融科技创新应用案例汇编评价标准。考虑对客户的碳减排计量与激励相配套,需要银行资源投入,在数据尚未互联互通的情况下,个人碳账户的评价指标、权重的选择权仍由各管理主体自行把握,导致碳评价体系缺乏专业性与可比性,从而引发应用场景不足、知名度不高、推广资金不足乃至机构间恶性竞争等系列问题。基于前期实践成果,中国建设银行会同相关部门和专业机构,积极探索碳账户金融行业标准编制,加快推进碳账户系统性、规范性建设,助力绿色金融创新的关键基础设施搭建。(三)碳账户基础建设投入较大,碳账户价值有待进一步挖掘碳账户的底层数据涉及银行多个产品及业务组件,在建设过程中需要突破传统的条线式经营框架,打通各部门间的数据壁垒。为实现对碳账户的自主管理运营,还需搭建一套与之配套的业务管理后台,涵盖前端管理、营销活动管理、全链路数据监测等功能,以提供基础服务支撑。作为流量与数据聚集的场景,中国建设银行不断探索个人碳账户场景的金融价值转化与产品创新模式,构建绿色金融产品专区,建立体系化的绿色低碳激励方案,推动个人碳账户服务的可持续性发展;探索个人碳账户数据在金融产品中的创新应用,助推绿色金融产品创新;探索建立碳账户用户标签,以进一步丰富用户画像。66第二章应用场景多元融合案例 9邮储银行“邮惠付”智慧校园综合服务解决方案案例 9 邮储银行“邮惠付”智慧校园综合服务解决方案一、案例摘要在“互联网金融场景转型”的时代背景下,中国邮政储蓄银行深入践行服务“三农”、城乡居民和中小企业的定位,积极履行社会责任。为了更好地服务校园场景客户、推动落实乡村振兴战略,邮储银行坚持“以客户为中心”的理念,以开放升级的服务模式、以融合创新的技术理念,整合行内金融与科技能力,打造了基于开放银行生态的“邮惠付”智慧校园服务,结合邮储银行“自营 代理”的独特模式和资源禀赋,助力城市及县域地区下沉市场教育行业客户数字化转型升级。二、背景及目标教育行业的信息化升级建设始于移动支付蓬勃生长、方兴未艾之时。在信息化大潮迅速普及各个行业之时,2010 年 7 月,国务院发布 国家中长期教育改革和发展规划纲要(2010-2020 年),提出要把教育信息化纳入国家信息化发展整体战略,超前部署教育信息网络,构建先进、高效、实用的数字化教育基础设施;2021 年 12 月,中央网络安全和信息化委员会印发“十四五”国家信息化规划 明确要求,提升教育信息化基础设施建设水平,构建高质量教育支撑体系,进一步落实各级各类学校数字校园建设,推进信息技术、智能技术与教育教学融合的教育教学变革。在互联网技术飞速发展与教育信息化需求不断提升的时代背景下,校园的数字化转型升级离不开各方的广泛深入关注与持续行动,邮储银行通过基76主要参与人:吉奉刚、叶溪、刘天玉、马岩红、王泽宇、郭俊刚支付清算行业金融科技创新应用案例汇编于开放银行生态的“邮惠付”智慧校园综合服务解决方案,联合行业服务商与学校开展深度的银校合作,共同搭建“金融 校园生活”的数字生态,是邮储银行服务大众普惠金融、打造特色便民场景的创新尝试。三、技术应用以教育行业客户为例,在学生的在校全流程周期内,学生的“金融 校园生活”场景的数字化需求是具有个性化、特色化、一站式特点的,其中金融类场景包括缴纳学费、班费及餐费等支付类需求,校园生活类场景包括出入校提醒、缴费通知、成绩查询等家校互动类需求。邮储银行充分调研客户需求与同业先进做法,以卓越的创新精神打造了“邮惠付”智慧校园三级立体架构,服务于教育行业综合服务解决方案的技术实现。该方案以更加丰富的金融科技组合、更加全面的支付服务渠道、更加灵活的后台管理手段、更加专业的前台技术服务为客户提供了接入便捷、使用方便、支付安全的数字化综合服务解决方案,满足教育行业客户普适性的数字化转型升级需求,同时还可针对教育行业客户的个性化需求进行进一步开发改造。(一)创新融入开放式技术服务在银行业网点服务为主的时期,线下物理网点是触达客户的主要渠道。随着互联网发展,步入数字金融时代,各家先后通过网上银行、手机银行提升客户服务能力,在此种模式下,银行服务仅是向线上化发展,基本的服务模式仍未改变,无法满足客户服务向各类场景迁移的行业趋势。邮储银行“邮惠付”智慧校园综合服务解决方案创新将教育行业数字化转型升级需求与开放银行能力相结合,将行内产品、服务、数据等封装成 API 接口形式,通过行内自建的开放平台输出到手机银行智慧校园场景或第三方校园服务载体中去,使得方案输出更加灵活化、个性化、便捷化。邮储银行服务开放平台“邮惠付”教育场景解决方案见图 1。通过 API 的形式输出邮储银行“金融 校园生活”服务,一是创新将开放银行技术能力赋能教育行业客户引入,突破开放银行服务传统金融客户的行业壁垒,充分发挥银行数字金融能力,进一步扩大了开放银行的服务对象86第二章应用场景多元融合范围,有效提升银行客户服务效能;二是开放银行与教育行业客户接入的创新融合可进一步防范业务接入风险,有效管理行内与外部数据的交互风险,避免了由于外部服务提供方及服务应用方等主体众多,外部服务商数据保护失误导致的违规采集、存储、使用和泄露数据信息等安全隐患;三是进一步整合行内金融产品及研发能力,以统一的平台对外部生态输出开放 API,坚持“以客户为中心”的理念,以敏捷开发实现“邮惠付”智慧校园综合服务解决方案的动态升级迭代,实现对外部行业市场的快速适应,进一步助力服务教育行业客户数字化转型升级需求;以优质的金融服务体验应对场景快速多变的需求,提升银行流量入口的行业适配性,实现无感、高效的客户旅程优化。EE5U,UNN.,50LNN*50=- 394FU,*JU65( FE,=?=L, ,B*435AN*N06 ?UE*5/!50K 5图 1 邮储银行服务开放平台“邮惠付”教育场景解决方案(二)创新搭建一站式支付平台邮储银行依托行内邮惠付统一收单系统支付结算能力,打造了覆盖市场主流 API 支付接口的产品输出能力,可支持主扫、被扫、刷卡、公众号小程序支付、支付宝服务窗支付、线上支付等市场主流支付方式,通过将支付产96支付清算行业金融科技创新应用案例汇编品与 SaaS 服务提供商行业应用产品相结合,能够满足校园各类场景的缴费需求,如学费收缴、超市消费、食堂就餐、校园卡充值等,进一步助力校园客户实现金融服务线上化。(三)创新整合特色化解决方案邮储银行走访行内教育行业客户,深入了解各类客户在数字化转型升级方面的业务与系统需求痛点,对“邮惠付”智慧校园综合服务解决方案进行了深入研究探讨,形成了针对不同客群的特色化服务解决方案。从客户特征层面分析,根据各类教育行业客户在行业应用与业务拓展方面的特点,将客户进行划分,根据 B、C、G 端客户的不同需求,引入学校在校务管理、校园生活等方面的应用需求,搭建行业场景“金融 ”生态圈,实现银行对教育行业的双向赋能,提升校园信息化建设水平,同步实现教育行业的源头获客、活客、黏客以及综合价值转化。从应用终端层面分析,将使用者分为校园管理者、教师、学生、学生家长四类,不同类别用户可对应通过移动终端、固定终端、浏览器等形式接入使用(教育局端智慧校园解决方案数据驾驶舱见图2)。从应用架构层面分析,将智慧校园的数字化场景搭分为:智慧校园管理、智慧教务管理、智慧教学管理三类。其中,将“邮惠付”智慧校图 2 教育局端智慧校园解决方案数据驾驶舱07第二章应用场景多元融合园综合服务解决方案与前两类场景进行深入融合,从账户、存款、贷款等金融产品的提供,到校园智慧化转型产品的投入,充分利用手机银行 APP、微信公众号等业务渠道平台,将学校数字化需求引入非金融场景,同步叠加综合金融服务,打造成完整的智慧校园综合金融服务产品。四、功能服务通过对行业市场的充分调研,邮储银行持续从客户体验出发,不断完善产品功能与客户体验,提升对不同类别客户的综合金融服务方案的输出能力,以开放平台模式与合作伙伴共建校园生态场景。邮储银行“邮惠付”智慧校园综合服务解决方案从前台、中台、后台三部分业务营销与管理方向入手,整体分为外部接入端、客户使用端、行内管理端三部分,创新以“端端联动、端内优化”的三级立体架构服务于整体方案的技术实现,通过敏捷优化的模式完成对行业市场需求的快速适应与漏洞完善,不断提升客户体验与业务管理效率。(一)便捷的外部接入方式外部接入端方面,以邮储银行服务开放平台为载体,整合行内金融支付产品、服务商接入渠道等资源,研发满足客户需求适应场景金融的泛金融产品,形成具有核心竞争力的教育行业场景接入能力,为客户提供便捷快速、多样化、系列化的接入服务,同步建立完善的数据类、风险类准入模型,形成外部服务商接入行内的第一道风险检测屏障,实现对服务商接入相关风险的“铁桶式”防御能力。(二)安全的客户使用体验客户使用端方面,以邮储银行手机银行 APP、第三方支付等渠道,将教师、家长侧的“金融 校园生活”需求进行场景融入。联合行业服务商,采用模块化设计、平台化管理、一站式登录的方式,对学校、师生、校园卡等基础信息进行统一管理,并将应用场景层面分为线上场景和线下场景。其中,线上场景包括线上缴费、电子发票、退费、新生报名、学生请假、校园17支付清算行业金融科技创新应用案例汇编作业、校园通知、成绩管理、校园问卷、健康上报、班级相册等;线下场景包括门禁考勤、食堂消费、校园水电、宿舍归寝等。为学校在校务管理、校园安全、校园生活等方面提供统一的服务管理平台,提供丰富的应用服务,高效便捷满足学校信息化、智能化管理需求。邮储银行智慧场景接入端界面图见图 3。图 3 邮储银行智慧场景接入端界面图(三)完善的行内管理功能行内管理端方面,邮储银行以后端管理系统平台为载体,建立了智慧校园产品特色管理功能,包括产品创建、权限分配、分行管理、录入管理、驾驶舱报表等,全面涵盖了行内人员在业务管理、人员管理、数据统计等方面的多层次需求,进一步完善了“邮惠付”智慧校园综合服务解决方案的整体架构和管理机制,解决行内人员对于业务风险把控、业务管理监控方面的痛点。五、实施进展及取得成效邮储银行通过“邮惠付”智慧校园综合服务解决方案,进一步升级了行内在教育行业的综合服务产品工具,结合邮储银行遍布城乡的网点优势,积极响应国家乡村振兴战略,助力更多城市及县域地区校园数字化转型升级,以“金融 校园生活”服务模式有效切入校园场景,推动 B、C 端客户综合27第二章应用场景多元融合服务一体化,打造了 B 端强绑定、C 端高粘性、B 或 C 端高活跃度的智慧校园金融服务“强场景”平台。“邮惠付”智慧校园综合服务解决方案在 8 家单位小范围试点成功后(在江苏响水县某中学校园应用场景见图 4),邮储银行进一步总结业务经验与问题,积极从系统优化、业务流程、风险防控等方面进行了问题查找并全面升级,现已进入“邮惠付”智慧校园综合服务解决方案的全面推广阶段。截至 2023 年第二季度末,邮储银行“邮惠付”综合服务解决方案已成功服务已覆盖 28 个省份,其中服务的半数以上客户为三四五线或县域地区校园,为学校、家长搭建家校互动、信息互通的平台,也解决了校园校务管理系统信息化升级成本高、难度大的痛点问题,降低智慧校园建设门槛,邮储银行以实际行动进一步证明了服务社会的责任担当。图 4 邮储银行助力江苏响水县某中学校园数字化转型升级六、存在的问题和解决方案(一)如何做好场景业务客户身份识别相比于传统自有渠道,场景金融面对的是更庞大、更广泛、更复杂的客户群体。借助开放银行体系拓展客户、增加互动,是行业场景方案创新过程的必然趋势,同样也对银行的客户分析管理能力提出更高的要求。在与开放银行生态体系联系愈加紧密的前提下,能够快速、准确地以“了解你的客户”原则做好客户身份识别,是银行打造场景金融生态坚守的底线原则。针37支付清算行业金融科技创新应用案例汇编对以上问题,依托开放银行科技能力,通过应用程序接口(API)方式输出光学字符识别(OCR)、人脸识别、联网核查、电子签约存证等金融科技功能,应用于行业场景业务安全认证场景,满足客户在开放场景下合规、安全地享受“金融 生活”类服务需求。(二)如何做好金融服务与场景生态融合在智慧校园领域,除了金融支付、校园消费等场景之外,面向教育局、校方、教职工、家长等不同类型客群,也需要银行紧跟行业趋势,将金融工具与行业场景生态结合并有效输出。银行方可结合自身金融服务资源禀赋,将涉赌涉诈宣传、金融知识讲座等金融类服务融入行业应用方案;通过开放合作手段,在综合服务方案中增加如心理健康筛查、青少年教育知识讲座、升学留学课堂等非金融类服务,解决场景客户的不同需求。通过聚焦校园场景的“一站式服务”,更好地将方案融入校园多元化场景,不断提升综合服务解决方案与行业发展方向的匹配度,助力缩小城乡教育数字化发展差距。(三)如何保障用户信息安全依托开放银行的行业场景建设以数据共享为本质,服务提供方及服务应用方等主体众多,任何一方数据保护不到位都可能导致数据安全隐患,违规采集、存储、使用和泄露数据信息等风险不可小视。同时,开放银行接口具有公开的共享属性,如果被恶意调用并发起拒绝式服务攻击,可能导致银行业务系统中断,甚至被不法分子利用。为了更好地服务校园信息化建设,不仅需要加大金融要素和服务要素的投入,更需要完善的信息安全制度和风险防控手段予以保障,防范客户敏感信息泄露等风险事件发生。银行需通过技术升级、制度建设等方式不断加强方案对外输出后的风险抵御能力,一方面基于服务开放平台制定完善的开放接口安全规范,明确应用方准入基本要求、合作基本流程和风险管理的要求;另一方面通过开放接口的安全设计、安全部署、安全集成、安全运维、服务终止以及系统下线、安全管理等安全技术与保障要求,应用流量控制、熔断、公私钥、SM 算法和反欺诈等技术构建多维度安全体系,防范外部风险,为用户构建安全、无感的服务方案使用体验。47第二章应用场景多元融合案例 10华夏银行大宗商品清算通数字供应链金融服务案例 10 华夏银行大宗商品清算通数字供应链金融服务一、案例摘要2021 年 3 月,华夏银行作为首批清算成员与上海清算所合作推出了“大宗商品清算通”业务,为大宗商品产业链实体企业的现货交易提供资金清结算服务,纾解了大宗商品现货交收资金不安全、交收效率低、交收成本高等问题。鉴于大宗商品清算通交易流、资金流、货物流、信息流四流合一的优势,华夏银行推出了基于大宗商品电子仓单的数字供应链金融服务 “数融通宝”,帮助产业链的中小微企业提升经营活力,降低融资成本。二、背景及目标传统的大宗商品现货交易业务,主要采用线下交易或用虚拟簿记产品线上化交易的方式,存在资金安全得不到保障、交收效率低、跨行清算难度大、交收成本高、企业的贸易融资需求与商业银行提供的融资服务不匹配等问题。针对传统大宗商品现货交易交割中存在的固有问题,市场需要权威部门牵头,整合各方优势资源,建立一种线上、实时、合法、可跨行、便捷、符合税务要求的大宗商品交易清结算手段。结合既有的大宗商品衍生品及自贸区大宗商品现货清算业务实践,2021年 3 月,华夏银行作为第一批合作现货清算成员,与银行间市场清算所股份有限公司(以下简称“上海清算所”)共同推出大宗商品清算通业务。该业务会同合规、优质大宗商品现货交易交收服务平台(现货平台)、大宗商品仓储机构,为现货平台上的大宗商品交易提供大额实时、跨行跨境、规范高效的资金清算结算服务。其整合了市场各方资源优势,充分发挥了金融基57主要参与人:王博、张有亮、陈宏博、马超颖、肖昊、王文浩、许一廛、朱雪刚支付清算行业金融科技创新应用案例汇编础设施的功能,是精准支持实体经济高质量发展的重要实践。在为大宗商品现货交易供应链提供资金清算结算服务的基础上,根据在交易中掌握的真实贸易数据,华夏银行探索出基于“大宗商品清算通”交易流、资金流、货物流、信息流四流合一的优势,为大宗商品现货交易上下游企业提供基于数字仓单的产业数字融资服务 数融通宝,纾解了生态场景中中小微企业(买方)融资难、融资贵的问题。三、技术应用运用大数据、物联网等数字化技术,缓解了仓单可信的融资痛点,助力仓单高效、安全和可信质押融资。围绕仓单融资评估难、监管难、数据难、确权难、处置难和标准难的痛点,基于大数据、物联网等技术探索和创新解决方案。针对评估难的问题,运用物联网技术(流量计、液位仪、摄像头、地磅)等采集数据,实现货物精准计量;针对监管难的问题,通过人工智能(AI)摄像头、电子围栏、电子巡更等手段,实现对“人、货、工具、环境”的有效监管;针对数据难的问题,通过大数据技术,融合物联网数据和内外部信息系统数据,构建“物信合一”的数字信用;针对确权难的问题,通过区块链技术,以及统一仓单登记平台,实现物理仓单上链,电子仓单数据上链;针对处置难的问题,对接统一仓单登记平台,内部处置系统,第三方贸易平台,实现货物快速处置;针对标准难的问题,逐步完善仓库准入标准化、存货监管标准化、仓单流转标准化,实现仓单融资的准入、作业与流转规范。四、功能服务(一)产业数字金融结算服务 大宗商品清算通1.实施方案大宗商品清算通的参与方主要包括上海清算所、现货清算成员、现货平台、仓储机构和交易商,业务模式如图 1 所示。交易商线下自行或通过现货平台达成交易,通过现货平台发送成交数据至上海清算所。上海清算所对接现货平台,实时接收交易商通过现货平台发送的资金冻结、划转、解冻等指令,并会同现货清算成员提供逐笔、全额的资金清算结算服务。上海清算所67第二章应用场景多元融合会同现货平台等,为实体企业的大宗商品现货交易完成钱货实时兑付。支持双边交收、链式交收。B,B F4 0 B F 4 0 B F 4 0B F4 0B F=4 ,(B(B#0(B#0 图 1 大宗商品清算通业务模式资金及货权交易业务流程如下图 2 所示:B#0EBDBD/7?B-(B#0#0J=#0J=BFE-3BNB3D/7 0EBF3E-J=BF7 BE-J=3BF#0NBF7J=F#0#,J=#0UMB/U图 2 大宗商品清算通业务流程77支付清算行业金融科技创新应用案例汇编2.创新点清算通的推出,开启了大宗商品支付结算的新时代,标志着我国大宗商品行业合规高效的资金结算体系的建立,大宗商品现货交易进入了集中化、规范化、数字化阶段。一是建立了合规高效的资金结算体系。基于实体企业实体账户进行资金结算,保障资金安全,且资金凭证能够满足实体企业及地方税务的要求。二是实现钱货实时兑付。采用标准统一的系统直连方式,对接多平台、多银行,有效整合现货平台、仓储机构、银行等优势资源,形成线上交收闭环,实现秒级的钱货实时兑付。三是形成高效的跨行跨境支付网络。通过银行间支付清算体系对接银行,支持境内及跨境人民币清算结算,实现所有企业的无障碍、低成本参与,助力扩大现货贸易规模。四是为供应链金融服务夯实基础。整合实现大宗商品现货市场的交易流、资金流、货物流合一,提升数据监测有效性的同时,助力银行叠加贸易融资等供应链金融服务。(二)产业数字金融融资服务 数融通宝1.实施方案数融通宝业务是指在大宗商品清算通业务基础上开展,采用去核心去担保的产业数字金融业务模式,基于华夏银行数字授信和数字智能风控模型的乙二醇现货在线质押融资业务。依托融资申请人在大宗商品现货平台历史交易记录、在仓储机构的历史仓储记录等数字可信数据建立数字授信和数字智能风控模型规则,以现货交收过程中未来乙二醇货权的电子仓单作为质押物,向融资申请人提供基于该电子仓单货值的融资货款,用于融资申请人生产经营过程中所需乙二醇的购买。在业务出现风险时,华夏银行发出不可撤销的平仓处置指令,由平仓处置方履行质押物处置,贸易合同承担质押物处置职能,通过货款支付的方式完成融资申请人在华夏银行的贷款本息结清动作。数融通宝业务参与主体包括:签约华夏银行大宗商品清算通的有融资需求的交易商(以下简称为融资申请人)、提供大宗商品现货交收清算金融基础服务的上海清算所、参与大宗商品现货交收清算的大宗商品现货平台 87第二章应用场景多元融合张家港保税科技集团电子商务有限公司(以下简称“苏交网”)、提供大宗商品现货仓储监管服务的仓储机构 张家港保税区长江国际港务有限公司(以下简称“长江国际”),以及提供在数融通宝业务出现风险敞口时收购质押物服务的平仓处置方 张家港扬子江保税贸易有限公司(以下简称“扬子江贸易”)。数融通宝融资流程和平仓处置流程见图 3、图 4。A0*M*AU*AB BL!B B/7FUMB 447FUFMB B*A04,U*A K4K)0)-B#/44KD=4*)00)4-F40)*F40)0)4/F4/ K0)F4F4-#0)图 1 平台主要功能架构图监控中心负责实时采集系统信息和交易信息、监控信息可视化、自定义告警策略等。监控信息包括系统信息实时监控、交易信息实时监控(交易笔数、交易异常、交易时长等)、自定义监控模板和监控项(如:应用监控、数据库监控等)。告警服务提供灵活的报警方式并且支持自定义告警策略69第二章应用场景多元融合(短信通知、邮件通知、微信通知等)。配置中心提供统一管理分布式应用服务配置的能力;提供对中间件服务配置修改的能力;提供修改系统内核配置的能力;提供修改系统特殊资源配置的能力。部署中心支持应用和微服务等程序全量、增量统一部署和版本控制;支持应用版本快速复用、回退等功能;支持应用服务统一启动、停止、发布异常登记和服务健康检查等功能;支持常用中间件部署。调度中心实现了可视化任务、注册、日志、监控管理;提供任务管理、服务注册管理、日志管理、任务调起等服务;可动态设置任务状态、启动、停止和终止正在运行中任务,即时生效;支持任务依赖、事件触发等多种方式触发;包含超时控制、失败重试、失败告警、依赖执行、运行进度监控、故障转移、动态路由等全面功能;调度服务与应用交互全程异步,有效的对密集调度进行削峰,支持任意时长任务执行;采用中心式设计,实现并支持集群部署,可保证调度中心高可用;批量应用服务任务分布式执行,支持集群部署,可保证任务执行高可用;调度中心不限制语言、平台等,可以灵活迁移。四、功能服务供需宝平台实现了该乳业集团订货、货款支付、分货、配送、财务对账等企业订货的全流程线上化功能。基于业务应用场景,针对经销商、业务部门、财务部门、管理层等不同角色,分别解决了各自的难点、痛点问题。具体如下:(一)面向经销商实现线上订货,订单管理,账户管理等功能,提升订货效率。一是解决了以往经销商电话订货,司机持 POS 收款等传统订货、收款较为低效、差错较多、统计繁琐的工作方式;二是解决了经销商通过个人微信、支付宝账户余额支付的账户管理不规范、提现手续费高/提现金额受限等问题。(二)面向业务部门实现了经销商管理,出货流程信息化,订货流程线上化,配送信息线上79支付清算行业金融科技创新应用案例汇编化等功能,提升了运营管理能力。缓解了经销商信息管理、传统电话订货、统计出货信息、统计配送情况等线下传统工作方式效率低等问题。订货和配送信息小程序图片见图 2、图 3 所示。图 2 订货小程序 图 3 司机配送小程序(三)面向财务部门实现了回单及订货单管理,财务统一对账,设定返利模式等功能;且在已有线上支付、网银转账方式基础上,新增了跨行大额代收付方式,提高财务管理效率。一是降低了该乳业集团大额收款手续费(代收付通道大额支付按笔收费,手续费较以往线上支付和 POS 收款更低);二是提升了收款效率,通过代收付通道,资金实时结算至西安银行对公账户,并扣除相应手续费;三是系统自动对账,提升财务工作效率;四是通过定制化报表解决企业财务统计、数据分析等特色需求。系统自动对账、定制化报表见图 4。89第二章应用场景多元融合图 4 系统自动对账、定制化报表(四)面向管理层实现了经营数据分析,在 PC 端、手机端查阅定制化报表等功能,为下一步业务发展提供决策依据,纾解了以往数据统计分析时效性低、易出错、数据维度较少等问题。此外,在服务保障方面,一是数据处理达到毫秒级别,并发量符合近千个商户同时处理的业务诉求,在保证系统安全前提下对系统运行效率没有影响;二是系统数据接口进行加密,系统通过专业渗透测试机构认证,系统登录采用微信认证和密码控件相结合的方式,形成多维度、全方位安全保障。五、实施进展及取得成效实施进展方面,根据前期支行反馈的客户需求,西安银行迅速反应,针对客户订货特点以及存在问题充分调研。本案例自 2022 年 7 月份开始调研需求,2022 年 9 月 1 日正式立项启动开发,2022 年 11 月 22 日正式上线并开始启动试运行工作,2022 年 11 月 26 日正式产生第一笔报量订单,2022 年11 月 26 日至 2023 年 3 月 14 日,部分商户试运行。2023 年 3 月 15 日平台在社区低温产品线正式启用。99支付清算行业金融科技创新应用案例汇编取得成效方面,自正式启用至 2023 年 3 月末,累计服务社区低温用户112 个。在社区低温产品线运行基础上,目前正在商讨将业务扩展至常温、商超、本地订货、异地订货等全部产品线,全部运行后年交易金额预计达 10亿元。此外,通过系统上线运行,100%实现了订货管理线上化,订货效率较传统电话订货方式提升近 50%,差错处理、延误付款等情况得到有效缓解,业务运营管理、财务管理、高层分析决策得到实质提升。六、存在的问题和解决方案(一)问题挑战1.本平台在使用过程中面临客户需求变更较频繁,迭代开发速率要求高等挑战。2.经销商、业务部门、财务部门、管理层等,不同部门、角色的需求各有特点又密切联系,客户希望在系统中统筹实现各项功能,对系统开发要求较高。(二)解决方案1.总分支高度重视,定期督办推进项目进展。总行和分支机构各级领导、经办高度重视此项目,近期,该乳业集团财务总监一行前来西安银行座谈交流,客户对于西安银行的科技研发情况有了更深入的了解后,进一步增强合作信心,加速推进双方深化合作。2.成立专项项目组,支持项目保质保量完成。组建由产品经理和项目经理牵头,开发负责人参与的需求调研评审小组,快速收集用户需求并形成需求分析方案,并根据需求矩阵和开发矩阵,合理安排需求优先级和开发进度,保质保量完成客户诉求。3.与不同主体多轮沟通,综合解决各项诉求。根据业务实际开展情况,与各个部门和角色多轮沟通,统筹解决经销商、业务部门、财务部门、管理层诉求,综合考虑低温、常温、商超等不同产品线特点,以及本地订货、异地订货等情况。001第二章应用场景多元融合案例 14中国银联、湖北省农信联社互联网业务平台案例 14 中国银联、湖北省农信联社互联网业务平台一、案例摘要为贯彻落实 中国人民银行关于加强支付受理终端及相关业务管理的通知(银发 2021 259 号)、金融科技发展规划(20222025 年)中关于支付业务发展、金融科技应用实践等方面要求,中国银联与湖北农信守正创新,积极开展探索实践。双方以满足湖北农信聚合支付业务发展为目标,利用银联云计算、人工智能、大数据及支付业务服务能力,开展互联网业务平台合作。本案例采用“银联云基础底座叠加聚合支付系统”的一体化建设交付解决方案,快速构建湖北农信该项业务的数字化服务能力,支撑聚合支付业务规模的快速增长。一方面对互联网交易量大、流量变化快、交易场景复杂等特征,制定了针对性的解决方案,提升系统的安全、弹性扩展和业务承载能力。另一方面根据 259 号文的要求,进一步加强支付终端、收单业务监测和商户管理,建立数字化商户全生命周期管理和交易风控能力,有效防范业务风险。同时,为满足自主可控要求,该套技术采用“一云多芯”的建设方案,在建设云平台的同时开展信创适配工作,已支持国内主流信创芯片架构服务器。目前平台已建成投产,一是湖北农信聚合支付业务处理能力显著提升,支持银联、微信、支付宝三大支付渠道,系统功能更为丰富、性能更加优越、使用体验全面升级;二是湖北农信在开展聚合支付业务的基础上,推出全新扫码收单产品“农商行收银宝”,进一步提升湖北农村地区扫码收单服务水平,满足扫码商户多样化服务需求及扫码支付业务高速发展需要,并依101主要参与人:周继恩、薛祚鹏、吕伊蒙、徐艳姣、王超、钟鸣、杨晨晨、陈胜、刘维博、于少伟、苏乔、李倩支付清算行业金融科技创新应用案例汇编托“农商行收银宝”打造扫码流量贷产品,助力三农主体纾困。本案例为全面推进湖北农村地区便民移动支付生态建设、助力乡村振兴贡献了积极力量。二、背景及目标(一)落实乡村振兴和金融科技发展要求习近平总书记在党的十九大报告中提出“实施乡村振兴战略”,强调农业农村农民问题是关系国计民生的根本性问题,必须始终把解决好“三农”问题作为全党工作的重中之重。国家“十四五”规划纲要明确提出,要稳妥发展金融科技,加快金融机构数字化转型。中国人民银行 金融科技发展规划(20222025 年)明确了强化金融科技治理,全面塑造数字化能力,深化数字技术金融应用,健全安全高效的金融科技创新体系,做好金融科技人才培养等八项重要任务。中国人民银行关于加强支付受理终端及相关业务管理的通知(银发 2021 259 号)对加强支付受理终端及相关业务管理,维护支付市场秩序,保护消费者合法权益等提出了具体管理要求,支付业务管理规范性要求进一步提升。为落实乡村振兴和金融科技发展要求,中国银联携手湖北农信开展互联网业务平台建设。(二)湖北农信数字化业务能力升级已迫在眉睫当前金融科技积极推行并广泛应用,越来越多的金融机构将数字化转型提升到战略层面。湖北农信近年来深入推进“智慧银行”建设,加快全省农商行科技转型发展。随着湖北农信聚合支付业务的持续推广,交易量不断攀升,原聚合支付系统架构面临横向扩容能力不足、系统不稳定等问题,已无法满足业务发展需求。湖北农信亟需通过数字化转型提升业务服务能力,一方面需提升系统业务承载和处理能力,满足弹性扩容、安全稳定的运行支持需要,控制业务流程风险;另一方面需升级聚合支付服务功能,拓展数字化聚合支付服务场景,面向用户提供更为丰富便捷的支付服务;再一方面需依托聚合支付业务,为商户提供多元化金融服务,以推动湖北省农村经济201第二章应用场景多元融合发展。(三)银联云助力湖北农信加速数字化转型并落实乡村振兴战略中国银联于 2020 年正式发布银联云,面向各金融机构提供从基础到应用的各类云服务和解决方案,助力行业数字化转型发展。湖北农信系统作为全省网点最多、服务最广的支农金融服务主力军,把服务乡村振兴战略作为重大机遇,坚持科技创新,积极数字化转型。2022 年,湖北农信在前期与中国银联达成全面战略合作基础上,围绕聚合支付数字化能力建设需要,开展互联网业务平台合作,通过银联云科技服务能力全面支持湖北农信数字化转型,为支付行业金融科技应用发展提供价值案例和借鉴。本案例一是构建云基础设施平台及安全运维体系,满足湖北农信在互联网场景下海量交易数据处理和服务敏捷弹性的需要,提升聚合支付业务的承载能力、运行稳定性和安全性,降本增效;二是建设新聚合系统,打造满足银监会、人民银行、中国银联等机构的监管要求的聚合支付能力;三是基于聚合支付业务,打造扫码流量贷产品,提升金融服务效能,为金融支持乡村振兴注入源头活水;四是通过智能识别、数据分析等技术,打造数字化业务风险防控能力,提升商户质量和交易安全性,防范业务风险。三、技术应用本案例按照金融监管及行业要求,使用银联云计算、银联开源自主研发的基础软件及人工智能、大数据分析等技术,开展湖北农信互联网业务平台建设。以满足聚合支付业务场景及服务乡村振兴和县域经济发展需要为目的,搭建新聚合支付系统,同步配套建设云基础平台。具体技术应用情况如下:(一)聚合支付系统技术特点及优势结合湖北农信聚合支付业务开展需要,基于银联联机交易核心系统架构设计并建设聚合支付系统,该系统有如下特点及优势:一是业务延续性高。该系统一方面采用双中心双活架构,数据中心业务可实现秒级切换;另一方301支付清算行业金融科技创新应用案例汇编面应用系统、模块间采用高内聚、低耦合设计理念,各子系统独立运行,支持故障应用自动隔离,交易分流、限流等功能,保障系统高可用性。二是弹性扩展能力强。该系统基于云原生架构搭建,采用微服务技术,支持服务动态扩展,可根据业务负载情况实现分钟级扩展,满足资源灵活扩容的要求,实现平滑扩展和升级。三是业务承载能力强。该系统满足交易峰值 1000TPS(设计峰值 2000TPS),日交易量 1000 万笔(设计总量为 3000 万笔),联机交易系统内部处理时间不超过 200 毫秒,2000 万交易批处理时间小于 1.5 小时。四是智能风控能力强。该系统利用光学字符识别(OCR)、电子签约等人工智能技术开展商户智慧进件,利用银联大数据风控产品开展商户信息核验,有效降低银行收单商户风险管理成本,并根据聚合支付的业务流程特点,提升在海量业务数据和非现场交易场景下的风控能力。(二)云基础平台技术特点及优势为支持新聚合支付系统建设,采用银联云计算技术路线及方案构建云基础平台。银联云计算技术路线具备如下优势特点:一是方案整合度高。该套技术在虚拟化、分布式等通用技术方案基础上,叠加银联自有研发技术和产品,可提供从资源、操作系统、组件、安全、运营、IT 审计等多层次的体系化解决方案,全方面满足金融行业云基础设施系统性搭建的整体需要。二是金融贴合性强。该方案中的产品为中国银联贴合金融行业高安全、高业务延续性等要求专项打造,并在自身业务及行业伙伴中进行了推广应用,在具备提供稳定、安全、弹性、高性能的云端计算服务能力的同时,一方面,部署架构上具备多地多中心的扩展能力,可支持高效并发调度和资源动态分配,满足金融业务多活、灾备等部署需要;另一方面,产品根据金融监管规范和要求,进行了多项功能的定制开发,特别是通过定制数据加密、视图优化、线程池管理等功能,实现对国密算法的支持,同时大幅提升了数据的安全性和处理性能,现已获得 20 余项海内外专利授权。三是信创适配程度高。该套技术采用“一云多芯”的建设方案,在建设云平台的同时开展信创适配工作,以满足国芯架构需要,现已支持国内主流信创芯片架构服务器,在主流信创操作系统、数据库、中间件上均已验证通过。401第二章应用场景多元融合四、功能服务(一)场景和功能方面湖北农信互联网业务平台,基于湖北农信聚合支付场景建设,用于支持线下商户的云闪付、支付宝、微信等渠道的扫码支付交易,同时具备商户管理、商户服务小程序、实时联机系统、清结算和风险管理五大功能。其中,商户管理功能应用于商户进件审核、终端管理、商户异常处理和商户营销等业务场景。商户服务小程序可帮助客户经理快速完成进件并对商户经营进行管理跟踪。实时联机系统可完成收发报文和交易的业务处理。清结算功能用于日终时进行作业调度,包括文件处理、清分结算等。风险管理功能提供风控指标和规则的配置及风险触发详情的展示。(二)服务和体验方面一是服务更便捷,互联网业务平台通过统一业务流程、统一受理界面、统一资金处理、统一标准设备接入与管理等功能,实现对受理侧的规范化标准化系统接入支持,充分满足市场主流扫码设备接入,实现内部资金灵活快速的清算划拨,有效降低湖北农信下辖各农商行设备支出成本,提升用户服务体验和服务效率。二是风控再升级,互联网业务平台实现事前、事中、事后的全流程风控,一方面通过智能入网监测、商户真实性验证等功能提升事前风险防范能力,通过风险交易监控、商户黑名单的准实时更新、商户风险自动识别及处置提醒等功能,提升事中、事后风险控制和处置能力,另一方面根据聚合支付的业务流程特点,解决了多环节状态一致性、高并发额度控制等方面的问题,确保业务高效合规开展。三是场景更丰富,互联网业务平台在聚合支付业务流程全覆盖基础上,借助数据智能分析能力提供多场景的服务内容,包括差异化费率服务、商户活跃度识别等,进一步提升获客活客和营销能力,为用户提供精准服务。同时基于聚合支付系统数据,湖北农信面向省内三农主体、小微商户打造湖北农信扫码流量贷产品,提升业务质效并增强服务实体经济能力,为湖北普惠金融发展贡献力量。501支付清算行业金融科技创新应用案例汇编(三)安全保障方面一是应用开发方面,参考先进安全设计指南和业界最佳实践经验设计新聚合支付系统,同时根据开发和测试环境中信息系统安全等级和测试数据的保密程度制定相应的开发环境安全控制措施,并对应用进行黑白盒安全漏洞扫描和更新,保障应用开发安全。二是应用高可用方面,应用按照双中心双活部署,应用系统间、应用内不同模块间采用高内聚、低耦合设计理念,各子系统独立运行,各模块使用独立数据库。三是应用运维方面,从技术、组织和流程三方面保障应用运维,及时发现故障,快速定位和解决生产问题。五、实施进展及取得成效互联网业务平台已于2022 年11 月17 日技术上线。互联网业务平台通过了春节期间大规模交易量的考验、圆满完成了湖北省护网行动专项的安全保障、快速高效保证原聚合支付系统商户的迁移及新商户的拓展工作。截至2023 年4 月中旬,互联网业务平台已完成约230 万存量商户数据的回迁。在此基础上,已有约 69 万商户完成业务换码,其中回迁商户约 56万,新增商户约 13 万。自 2023 年以来,互联网业务平台总计交易笔数约1.31 亿笔,交易笔数单日最高达 354 万笔,有效支撑湖北农信扫码业务。此外,基于互联网业务平台承载的商户资源和业务数据,湖北农信打造了“农商行收银宝”品牌,推出扫码流量贷产品,全面助力数字普惠金融,积极发挥乡村振兴主办行的责任。截至 2023 年 3 月底,扫码流量贷用户数 18.7 万户,贷款余额 323.7 亿元,户均信用余额 17.3 万元,基本满足“三农”、民营和小微企业融资服务需求,提高贷款受惠面和可获得性,为促进湖北省农业农村现代化、建设美丽乡村提供强有力的金融支撑。六、目前存在的问题与挑战在实践过程中,主要面临新老系统业务切换、数据迁移等挑战。一是业务切换需要保持业务连续性,在不中断服务的情况下完成新老系统切换。二是新老系统的数据结构不一致、数据迁移量大,有一定的业务服务风险。通601第二章应用场景多元融合过精准的问题分析和严密的组织论证,形成标准化商户数据迁移解决方案,一是通过新旧标识码,区分交易接入的分发转化策略,新旧系统协同出处,逐步已将业务完成迁移。二是通过将存量数据转换为标准中间数据,再通过批量商户进件、商户审核、商户同步等处理将存量商户迁移至新平台,完成商户迁移。701支付清算行业金融科技创新应用案例汇编案例 15平安付电子、平安付科技企业消费数智化管理平台案例 15 平安付电子、平安付科技企业消费数智化管理平台一、案例摘要平安“财智云”企业消费数智化管理平台通过数字化管理工具,从风险、成本、效率及体验四方面实现企业消费最优化管理。“聚合平台 智能管控 统结统算”保障企业消费全流程线上化管理,进一步提升风控合规、效率及体验。平安员工一站式消费,通过平安付赋能支付能力,使员工消费环节形成闭环,体验更便捷;行政消费标准智能管控,管理更轻松;财务统结统算,流程自动化智能化,处理更高效;管理层全流程线上化管理,大数据智能 BI 报表助力决策,强化企业消费管理能力。二、背景及目标全球气候变化是 21 世纪人类面临的重大挑战,面对如何实现“碳达峰”“碳中和”这一时代课题,坚持推进可持续的、高质量的发展成为关键答案。平安付为积极践行可持续发展理念,针对企业公务消费的传统高耗能流程推出以“数字化、无纸化”为核心的“财智云”企业消费数智化管理平台。“财智云”企业消费数智化管理平台以数字化技术创新,专注企业公务消费支出管理,在机票、酒店、用车、火车、快递、餐饮等场景,通过聚合优质供应商资源及数字化支付科技服务,实现并打通出行免取票、报销免贴票、面单免打印、中心免审核等智能高效的消费和报销流程,在会旅等公务活动中,取缔线下竞标、纸质合同签约等文件繁多的传统方式,实现线上电子签约、线上采购履约、智能风险防控等模式。提升办公效率的同时,大幅降低801主要参与人:唐志学、王雷、吉青松第二章应用场景多元融合员工的纸张票据、邮寄及报销打印用纸需求,为绿色减排机制赋能。三、技术应用“财智云”平台提供消费场景和智能管控到支付结算再到财务统结统算的消费全流程数智化管理服务。消费场景采用标准化 H5 插件形式接入到企业自有 APP,提供单场景插件和多场景聚合插件两种模式,通过基于角色访问的权限体系控制企业的场景插件权限。企业申请进件、配置协议、注册员工后,员工可在企业自有APP 上使用机票、酒店、用车、火车、餐饮、快递、会旅等场景进行消费。消费智能管控具备事前管控、事中管控和事后管控三种能力,企业可根据自身情况选择一种或多种管控方式。管控服务通过自研的智能管控规则引擎控制,管控规则引擎按场景分别定义管控标签,每个标签定义计算规则,企业配置标签的管控策略。管控规则引擎接收消费数据后,按照企业配置的标签和标签规则计算值,校验计算出的值和企业配置的策略输出管控结果。财务统结统算,出具账单、开具发票、费用支付全流程自动化。平台的调度任务根据企业的账单规则和账单文件模板,生成结算账单,账单确认后调开票平台开具发票,推送收付款平台收款。收票环节的实物发票为了减少人工分拣发票的难度,实现实物发票与消费数字化信息的关联,平台使用 OCR 技术识别发票票面信息,自动关联消费数字化信息,形成消费信息闭环。在 OCR 识别过程中,针对火车票和增值税发票,提供了两种应用程序编程接口。识别前先对图片做预处理,灰度化、二值化和去燥,再进行区域定位,确定包含文本信息的区域位置,比如火车票的统一打票码、增值税发票的发票代码和发票号码、日期、金额等,再在区域定位上做字符分割和字符识别,最后转化为文本。财务岗人员收到实物发票后,只需上传实物发票影像到平台,平台使用 OCR 识别票面的统一打票码、发票号码和发票代码以及票面上其他信息,平台自动将火车票的统一打票码与火车订单关联,增值税发票通过发票号码和发票代码与平台里的发票结构化数据比对关联并归档。不需要人工关联实物和线上订单或发票数据,大大提高了财务岗工作效率,减少了出错率。支付能力是财智云的关键能力,员工使用财智云场景过程中,如预定机901支付清算行业金融科技创新应用案例汇编票、酒店等,需要用户垫付或企业预付,财智云平台依托平安付电子支付有限公司(以下简称“平安付电子”)和平安付科技服务有限公司(以下简称“平安付科技”)整合线上线下全流程支付能力,完成支付环节,使消费场景形成闭环。员工个人支付场景,员工在平安付移动 APP 端壹钱包进行开户和绑卡,通过壹钱包提供的插件收银台或 H5 收银台,对员工的余额或银行卡进行代扣,收银台同时集成了用户的权益,比如支付券、平台券、预付卡等。通过使用插件收银台或 H5 收银台,既可满足财智云向外 SDK 的分发,同时也能满足 H5 形式的分发。平安付支付收单环节,通过丰富的API 接口,比如平安付电子收单接口、平安付科技收单接口、四方收单接口、自动代扣接口、银行卡担保接口等,以满足不同业务的诉求。企业预付场景中,平安付提供企业的开户、充值、提现等功能,消费过程中无需用户支付即可完成扣款。同时平安付支付平台提供了分账、分佣、清分、结算、对账以及账单等能力,同时提供了支付公司级别的风控能力。一方面把账算准、同时保障了资金的安全、合规、到账及时。财智云领域架构图,包括 7 个业务核心域和 11 个支撑域见图 1。.UU#BFUU.*$&UU*DUUEUUNNUU%DUUE0333*K0)3* 5 BBE9J9JMD9680)KJJJ.B.#*6BBJ B*A=(*-FB707).*DD40*D5F F2FB#EFE0)M3B#E0*BM#0)BFJ30BJBB.#E0)E44A!FB160*DD/D06FAD0)1EF0)0)E00)NB3=0)*JFBFBJB30图 1 财智云各领域架构图支付域为核心的支撑域之一,设计细节见图 2,满足多种支付模式,同时支持多支付渠道聚合。支付三层模型设计:通过订单层、交易层、渠道层三层订单模型,可以011第二章应用场景多元融合将平安付支付能力(在线付、预授权、额度、协议扣款、平台券等)集成进来,上层业务系统无需过多的感知。支付订单模型见图 3。*E-1*6E JUJUJUMU#E3E-AE 3=33=E 0E AE0*#E3=03#E6*BM-E8F0KJE BQJJU24-:2#MBE JU*-)A0*OKO0BO3=#E3=E0*A0*#E-E-0)0)0)JA-0)M E-E-#E-BC#EBEAE=E 图 2 支付域的多种支付模式U0UU K* =Uf0 f0 0#EU#EU#E:2#U#EMUBF3#EU = E#EU:2#FUMFUM4BUMFU图 3 支付订单模型111支付清算行业金融科技创新应用案例汇编四、功能服务企业消费数智化管理平台提供场景聚合、智能管控和统结统算三大功能。(一)场景聚合提供机票、酒店、用车、火车、快递、餐饮、酒水、会旅等多种消费场景,根据企业需求场景可多种组合模式接入企业自有 APP,帮助企业聚合资源。员工在一个 APP 上即可完成多种场景的消费。消费数据线上化,生成多维度大数据报表供决策分析使用。图 4 为场景聚合页,可以自由切换商务消费场景和个人消费场景。图 4 消费场景聚合页面(二)智能管控平台具备事前管控、事中管控和事后管控三种能力,企业可根据自身情况选择一种或多种管控方式。在使用平台前,企业 OA 消费申请和实际消费是脱节无关联的,消费行为是否超标和规范只能在事后审核时才能发现,且复杂的管控规则完全依赖审核人员人工一项一项核对规则,易出错、耗人211第二章应用场景多元融合力,对企业是存在管控风险的。平台的管控功能可以自动把申请和消费关联,消费时根据申请内容以及设置的管控规则校验消费行为是否超标和规范,对于超标和不规范的行为能提前拦截,无需人工介入,高效又准确,帮助企业降低管控风险。图 5 为企业管理员工作台,可以配置企业申请管控和员工差标。图 5 企业管理员工作台(三)支付能力平台消费支持企业统一支付以及个人支付。企业统一支付包含标准企业垫资支付、企业预存支付,预存支付支持银行账户预存模式。在个人支付方面,支持员工直接绑卡支付,支持根据企业要求区分员工因公因私预订使用不同的支付方式。根据企业费控要求,可将企业支付与个人支付进行组合,在企业允许的情况下,超出企业预订标准外金额直接使用个人支付,形式组成支付。311支付清算行业金融科技创新应用案例汇编企业支付都为后台直接扣款,图 6 为个人支付页面。图 6 个人支付页面(四)统结统算根据企业选择的不同支付和对账方式,可灵活配置按周期出具账单与企业进行对账、开票和结算。平台提供统一发票结算,员工消费无需单独开票,根据企业的结算周期和费用归属按消费场景开具统一发票。实物发票系统自动关联订单和发票结构化信息,系统自动对发票进行验伪。财务岗人员需审核发票的数量大大减少、难度大大降低,帮助财务岗提高审核效率,降低出错率。五、实施进展及取得成效(一)业务规模财智云平台自 2019 年上线以来,接入了平安及多家外部企业和第三方平台。平台的订单交易总量 3,354 万笔,总交易金额 92.97 亿元。其中,2019 年:订单量 498 万笔,交易金额 11.75 亿元;2020 年:订单量 498 万笔,交易金额 14.72 亿元;2021 年:订单量 793 万笔,交易金额 27.8 亿元;411第二章应用场景多元融合2022 年:订单量 913 万笔,交易金额 20.88 亿元;2023 年 1 月至 7 月:订单量 653 万笔,交易金额 17.82 亿元。(二)效率提升效率提升方面,通过财智云无纸化报销方案、财务共享中心免审及会展(MICE)采购免线下累计提效 201.64 万小时。其中,2019 年:提效 29.24 万小时;2020 年:提效 31.64 万小时;2021 年:提效 47.67 万小时;2022 年:提效 57.16 万小时;2023 年 1 月至 7 月:提效 35.93 万小时。(三)节能减排节能减排方面,上线来预计减少用纸张数超过 8,155 万张,减少碳排放488.7 吨。其中,2019 年:节约纸张数 673 万张,减少碳排 36.7 吨;2020 年:节约纸张数 673 万张,减少碳排 36.7 吨;2021 年:节约纸张数 1,053 万张,减少碳排 57.4 吨;2022 年:节约纸张数 1,272 万张,减少碳排 69.3 吨;2023 年 1 月至 7 月:节约纸张数 813 万张,减少碳排 44.3 吨。六、存在的问题和解决方案企业消费除场景消费、消费管控、支付结算等业务端功能外,还有费用报销、财务记账、会计凭证等财务端功能,业务端和财务端完全打通一体化后才形成了真正意义上的企业消费生态闭环。目前,平台在财务端功能的建设上还不完善,还没有完全打通消费业务和财务的闭环。下一步计划逐步跟财务端连接,实现消费财务业务一体化。针对小企业客户,初步先搭建简易费用报销核销功能,大企业客户则对接企业的企业资源计划(ERP),实现消费和财务打通。511支付清算行业金融科技创新应用案例汇编案例 16银联商务票据服务云平台一、案例摘要银联商务票据服务云平台定位基于“支付 开票”的新流量入口,为海量行业客户提供发票和财政电子票据开具、管理。平台采用互联网主流的分布式技术和组件,结合最新大数据技术和人工智能技术实现发票商户及其数据的校验和管理等功能,为商户提供线上线下相结合的“支付 开票”一体化操作流程,解决商户支付和开票流程割裂及票据递送“最后一公里”的普遍痛点,借助银联商务庞大的支付网络和多样的支付场景提升商户的开票效率和体验。二、背景及目标近几年来,随着国家对于财政和金税系统的大力改革,发票公共服务平台和数电发票平台上线使用,加快了发票和财政票据电子化的步伐,引发商户提升自身票据管控能力、实现自动化开票的强烈需求。银联商务秉持与行业商户同成长、共进步、齐发展的理念,在打造“科技银商”的指导思想指引下,建设发展银联商务发票服务云平台,结合自身强大的支付网络和丰富的支付场景,在支付完成后即可通过签购单、支付完成页面链接或 POS,将开票入口通过手机短信或邮件的方式直接发送给消费者,完成票据开具,为商户实现线上线下相结合的“支付 开票”一体化操作流程,提升商户开票的效率和票据管理能力。截至 2022 年底,银联商务票据服务云平台已经为近万商户提供“支付 开票”服务,平台年开票量达数千万张,通过对接增值税发票及数电发票平611主要参与人:韩军燕、吴宇晖、蔡经云、吴亚乾、朱华骥、席亮、吕程、刘海、印家荣、田吉委、陈力豪、张月欣第二章应用场景多元融合台、深圳区块链发票平台、财政电子票据平台等多个后端渠道,为企业实现增值税发票、数电发票、区块链发票及财政电子票据的整合服务,满足不同类型企业的多种开票需求。平台未来还将会不断升级迭代,为更多企业提供更加优质的“支付 开票”服务。三、技术应用(一)系统架构银联商务票据服务云平台采用 B/S 架构设计,主要包括展示层、业务处理层、数据访问层、数据存储层和渠道服务层等部分,使用互联网主流的分布式技术和组件,实现平台的技术架构和技术框架(见图 1、图 2)。F24*24E24-24F24#E#E#/JB44FDIUUQTIUUQIUUQTFD.4EVCCPEVCCPEVCCPVLFZDUDQIUUQ/-/UDQIUUQIUUQIUUQ00KOEJBXTESETCPTCPTESETESETDGTDGTAEVCCPEVCCPBJ)A*6C*EK 0)D40)OHJOYBD=U#-#U240.FK.11KD40).1*4114K44J.B.3/*/./*/)U00UKAK4KOEJIUUQPPLFFQFSSPDLFUNRKBWBNFMPEZHSBGBOBCDN&-,DMVTUFSIBFMDBTU图 1 银联商务票据服务云平台技术架构接入方:适合银联商务及企业客户前端场景接入,包括银联商务发票公众号、开票二维码、银联商务发票智能终端 APP、银联商务票据云平台、管711支付清算行业金融科技创新应用案例汇编理平台等,其中外部系统通过路由前置服务或开放平台接入,路由前置服务对外提供系统报文规范的 API。.B5243).4-.11K1*0)4114K4424-0)/.B.44E0O0F3/!0)AK0)/0).0).F40)0)0).0).0)0)0).300)C*#EC*0).3.*.E.O1A.!.4-*.D.D.3.E.M.4-*.*.O./*3/*4243 3P*D-B#K#EF24)/B.EEJ*24E24-$6249JF24图 2 银联商务票据服务云平台系统架构展示层:包括系统运维人员或产品经理使用的内部管理平台,商户使用的商户云平台;同时也包含银联商务及企业客户前端场景展示的相关界面。业务处理层:包括商户、终端管理、机构管理、参数配置相关服务;提供票据二维码生成、发票开具、对接第三方发票服务提供商的各类接口,是整个平台的核心处理服务,涵盖业务处理的全部逻辑。811第二章应用场景多元融合数据访问层:实现对数据库、缓存数据的统一访问。主要包括:数据库访问服务,实现对数据库和缓存的基本操作,并提供给其他服务访问;定时任务服务,实现各类定时任务,如数据同步、清理、导出等。数据存储层:包括数据库、缓存、文件存储、消息队列、日志归集。其中,数据库分为参数库、联机库和后线库,参数库存储通用参数信息,联机库存储联机业务信息,如各类票据信息,仅存储较近时间的数据,后线库存储历史交易信息,如全量开票信息,历史查询和统计等需求通过后线库查询。文件存储:包括对象存储,用于存储大量图片等媒体文件;共享文件系统存储各虚机需要共同访问的文件,如配置文件等。消息队列:用于业务的异步处理、交易完成消息广播等场景。日志归集:将系统日志准实时归集到 ELK,便于日志查询。接出层:通过接出服务统一实现对外部系统的连接和访问。(二)网络架构银联商务票据服务云平台部署于银联商务私有云,其中负载均衡、虚拟机、磁盘等均采用云平台资源,仅数据库部署于物理机环境。整个平台的互联网业务和内网业务均通过私有云的负载均衡器接入应用负载,部署于前置服务器。平台所有的应用(子系统)部署于应用服务器,为集群部署。平台使用的中间件采用独立部署,根据高可用方案部署于中间件服务器(网络架构见图 3)。*K4*K4*K4*%.;*3544/HJOY)/HJOY)3$424#04A$%/*14#-#BD=K33K%K%K%图 3 银联商务发票云平台网络架构911支付清算行业金融科技创新应用案例汇编(三)创新技术1.大数据技术银联商务票据服务云平台采用了大数据技术进行发票信息提取、抬头清理等工作,通过利用平台海量的发票数据,对票据抬头及税号等信息进行大数据采集和处理,获取一套准确的发票抬头数据库,可以协助开票人快速进行企业抬头的录入,提升了发票的开具效率;同时也利用大数据技术对企业发票数据进行精准的分类分级而实现个性化的发票管理和服务,也进一步在发票欺诈检测和风险控制等方面,帮助企业避免发票造假和经济损失。2.光学字符识别(OCR)等人工智能技术OCR 识别等人工智能技术也被广泛应用于发票领域。在发票识别和自动分类等方面,通过 OCR 技术识别发票的版式文件和图片文件,获取发票的全票面数据并根据企业需求导入系统或进行发票勾选认证,极大减少了企业在进项发票识别方面所耗费的人工成本,同时提升了发票流转的效率和准确度,实现企业进项发票高效的自动化处理。四、功能服务银联商务票据服务云平台通过对接税局和财政各业务通道,实现为企业提供增值税发票、数电发票、区块链发票和财政电子票据等多票据开具和管理的能力。对于较强开发能力的企业可以通过业务系统对接银联商务发票平台实现全票种的自动开具,中小企业也可以直接使用银联商务丰富多样的支付场景实现“支付 开票”全自动一体化的开票方案,提升企业开票效率的同时降低企业开票成本和风险。(一)增值税发票业务1.销项业务发票销项业务是通过银联商务票据服务云平台的开票能力,为商户实现自动开票,并且通过银联商务集成的短信和邮件平台直接将电子发票交付至收票人,主要前端场景如下:021第二章应用场景多元融合银联商务支付签购单开票:商户收款完成后签购单上自动打印开票二维码,消费者支付完成后持签购单即可扫码提交发票抬头开票,在全过程中,收银员仅需操作一次支付流程即可实现发票二维码的生成,后续财务人员再无发票相关操作,提升企业开票效率也再无虚开发票之忧;同时该开票模式可以无需系统对接直接上线使用,企业无需再为系统开发付出成本。银联商务智能终端 APP 开票:银联商务开发“E 开票”APP 上架银商市场,企业可自行设置开票人权限,当开票人登录 APP 后可以对自身企业开票进行管理和设置,快速生成开票二维码,消费者扫码提交抬头即可开具电子发票;也可识别消费者上传的抬头实现终端快速开票,仅需终端即可完成全套开票动作,对于企业移动开票模式极为友好。银联商务内部场景开票:银联商务以科技为本,研发并向市场投放了商赢龙腾 ERP 系统、小 U 点餐及零售系列软件、扫码支付业务、外卖平台聚合点餐业务、行业缴费平台、媒体资源平台、会员营销系统等产品,发票平台均与这些产品进行生态融合,在商户使用这些银联商务产品发生业务后,可直接通过银联商务发票云平台接口进行电子发票开具,为商户提供完善的全套场景解决方案,形成了“支付 开票”的业务闭环,解决其开票的后顾之忧。银联商务发票平台接口对接开票:对于有系统开发能力的企业,银联商务发票平台提供全类进销项接口功能为其实现对接开票场景建设,对接完成后,企业可通过业务系统实现全自动开票并对其后续发票数据进行归类管理,“支付 开票”全流程无需人工干预,实现业务系统和开票管理的无缝衔接。2.进项业务银联商务票据服务云平台对商户提供发票进项服务,为商户收取进项发票并进行归类处理时提供自动化流程。票据 OCR 识别服务:对企业进项发票、运输票据和财政票据的图像及板式文件进行 OCR 识别,获取票据数据后提供给企业系统进行使用,降低人员审核的成本和错误率,提升发票核验的效率。发票查验服务:为企业提供发票查验能力,通过 OCR 识别获取票面数121支付清算行业金融科技创新应用案例汇编据后,进行发票查验,查询和验证增值税发票真伪及有效性,同时对于重复报销的票据也可以进行特别提醒,避免发票审核流程中产生的错误和重复报销的情况,降低各类税务风险。发票勾选认证服务:为企业提供勾选认证能力,企业可以通过业务系统对接发票勾选认证服务,实现全自动的票面识别、发票查验和勾选认证一体化流程,摆脱由人工肉眼校验发票并手工勾选认证的繁琐劳动,优化企业财务流程,提升进项业务效率。(二)财政票据业务银联商务与财政渠道对接,实现为事业单位提供财政电子票据的服务,以医疗电子票据为例,为医院信息系统(HIS)提供票据服务接口,当订单支付完毕即根据 HIS 系统提供的相关数据通过财政渠道开立财政电子票据,并将全票面数据及订单数据返回医院 HIS 系统,同时通过线下二维码、医院公众号或小程序链接、短信及邮件等方式将票据交付于收票人,全自动化“支付 开票”流程提升了医院收款的效率,患者也再无需浪费等待医院打印纸质财政医疗票据的冗长时间,同时为医院和患者带来了实惠。(三)增值业务票据业务广告服务:票据业务作为企业刚需得到了市场的青睐,也为银联商务票据服务云平台带来了大量的企业商户,结合大部分企业商户使用的扫码开票业务,利用银联商务自有的媒体资源平台能力在开票二维码及发票预览页面配置了各有特色的广告位,利用海量的票据入口为媒体资源平台提升广告展示流量。企业私域营销服务:随着市场竞争加剧,私域会员营销越来越受中大型企业的青睐,票据业务作为流量入口对接企业私域营销平台,在消费者开票完成后预留私域流量入口,为企业实现会员注册、发券、抽奖等各类丰富的营销活动,增强企业私域用户粘性,扩大商机。票据贴现业务:利用票据业务和财务人员的天然粘性,在银联商务发票服务云平台提供贴现业务一键直达的链接地址,结合银联商务自身的票据贴221第二章应用场景多元融合现业务能力,在线即可实现注册、审核、签约并与之询价交易,帮助企业提升其资金流动性。五、实施进展及取得成效银联商务票据服务云平台已上线运营,截至 2022 年 12 月底,共累计拓展企业商户近万家,累计开票量接近五千万张。以某五百强商业服务业企业为例,该企业未采用使用银联商务票据服务云平台之前,因系统架构在海外对接困难,故国内多家门店销售产品后均采用手工开票的方式,店面经常出现排队等待开票的场景,每张发票开票时间至少为 3 至 5 分钟,也由于受系统所限,每个门店需要配置一整套开票设备和打印设备,人力和业务成本较高。与银商合作后,协助其建立一整套对接发票平台的小程序业务系统(见图4),消费者如需要发票即自行开具,提交抬头后即实现秒级开具,效率得到极大提升;同时每个门店再无需配置开票设备和人员,所有票据业务均由总部统一管理,最大化精简开票流程,降低人力和业务成本,得到商户的极大欢迎。图 4 银联商务签购单扫码开票随着签约企业商户的增加,银联商务票据服务云平台能力稳步提升,今年已随税局改革同步支持全新的数电发票等最新票种,同时对接银联商务丰富的支付产品,在 POS 机具、扫码支付和其他支付场景中为商户提供更加优质的开票体验。321支付清算行业金融科技创新应用案例汇编六、存在的问题和解决方案(一)政策变化问题票据业务作为政策指导性较强的业务板块需要根据国家政策变化进行相应的调整,可能涉及票种改革、税收政策调整等问题。解决方案:业务团队需要不断深入学习行业政策和行业知识,紧跟政策变化,严格执行相关法律法规规定,以此为指导业务发展的准绳。(二)数据安全问题银联商务票据服务云平台需要处理大量的用户数据和票据业务信息,因此必须保证数据的安全性和隐私性,也可能面临黑客攻击、数据泄露等风险。解决方案:严格执行公司的安全标准,采用安全的加密算法,加强网络安全防护,定期检测和修复漏洞,完善数据备份和恢复机制等。(三)产品升级问题随着使用产品的企业用户及消费者的增加,产品需要不断优化升级以满足不同行业的特殊开票需求;同时要求产品能力延伸,让开票触发更多的流量和业务也是企业商户的广泛呼声。解决方案:提升市场调研的广度和精度,细化深耕行业,研究相关行业需求的解决方案,开发具有针对性的产品和提供市场更优异反馈机制;同时以票据业务为流量入口,触达更多的相关业务场景,形成“支付 开票”核心生态圈,满足更多商户需求。421第二章应用场景多元融合案例 17快钱车企保险综合支付解决方案一、案例摘要快钱公司针对汽车企业整车销售渠道的保险市场,联合汽车企业、保险公司、保险经纪公司等共同打造了创新保险支付综合解决方案。主要模式为快钱公司将汽车企业销售场景中的车险、非车险、4S 店服务包或其他增值服务整合订单,支持一笔订单完成和保险公司、4S 店或合作经销商等分别结算,同时支持各项定制化增值服务方案。通过快钱公司车企保险综合支付解决方案,汽车企业可自行组合各项增值业务,绑定保单销售,给投保人、汽车企业和经销商提供优质服务。二、背景及目标自 2018 年保险行业监管政策变化,个人车险投保支付需进行实名验证,自此全国各地区车险支付业务陆续限制保单只能投保人本人支付。为实现支付过程中付款人和投保人为同一人,需要在支付前完成投保人电子签名、短信验证、人脸识别等信息采集流程,从而使得支付过程强依赖保险公司收银系统。但随着大型汽车企业大举进入保险销售领域,新能源汽车企业的迅速崛起带来新的汽车销售模式及售后、新兴增值服务的巨大变化。汽车企业,汽车销售市场存在购车时同步实现车险购买并绑定叠加各种增值服务的强烈需求,这也带来了车险与车主的权益、车后服务的套餐化及组合化销售需求,车险支付流程开始突破保险公司自有收银流程的限制。快钱支付清算信息有限公司(以下简称“快钱公司”)基于上述行业市场呈现的新需求特征,推出了“汽车企业-保险经纪公司-支付公司-保险521主要参与人:陆舜君、胡洁、徐慧、赵伟伟、邵晶晶支付清算行业金融科技创新应用案例汇编公司”的车企保险综合支付解决方案(见图 1),汽车企业可根据自身业务场景灵活组合购车、投保、维修、售后、增值等不同场景的支付流程,为汽车企业打造一站式服务生态圈提供高效便捷支付。DB5BD5D 4%J KD0)4 N图 1 快钱公司车企保险综合支付解决方案示意图三、技术应用针对汽车企业存在多事业部、全国各大保险公司业务大都落地省分公司或总部统一收付模式,快钱公司车企保险综合支付解决方案设计了专门的工作流处理模块(见图 2),将参与方的不同业务角色定制参数化,实现微颗粒度的业务流程组合。具体而言,在系统处理入口中,引入机构属性设计,当机构属性发生变化时,依据前期定制规则,对应的支付流程和结算模式也将发生变化;在系统处理过程中,动态组合每笔支付所对应的保险公司,对应所在地区以及该地区的保单实名模式,根据匹配出的业务规则,与保险公司系统或车险平台进行交互。在支付后结算流程中,根据交易中留存的匹配规则,自动生成不同参与方及手续费计算和收取方式,同时可按前期规则设定,实现各参与方自动分账,并生成自定义账单或定制化数据报表。快钱公司的工作流模块设计,最大程度兼容了各方业务的差异点,有力保障了汽车企业的市场拓展和业务创新。621第二章应用场景多元融合KC*0)7B M40FN0)4=0)K4B03J0)B图 2 工作流处理模块四、功能服务本案例实现了保单支付和汽车企业增值业务的灵活组合,针对不同场景业态,实现不同的支付、实名和结算过程。汽车企业需要合作保单缴费和增值业务时,通过保险经纪公司向保险公司申请保单,获得保单支付信息后,叠加增值业务到快钱公司支付,快钱公司根据所在地区、汽车企业政策等规则,支付结算各项资金。具体的功能和支持场景包括:(一)支持保单缴费和实名制认证本案例支持全国主流保险公司的实名认证,支持上海车险平台和深圳同业公会实名认证。快钱公司围绕保险市场所需,可提供统一平台化的认证、支付接口,串联保险公司线上、线下所有支付方式,满足了保费实名认证以及保费收缴的全场景需求。721支付清算行业金融科技创新应用案例汇编(二)支持多种支付方式本案例支持全国主流银行的银行卡快捷支付和扫码支付,全方位满足汽车企业不同场景、不同形式、不同金额的支付场景要求。(三)支持保单缴费叠加汽车企业权益本案例支持保费缴费时叠加汽车企业附加的权益,快钱公司可通过各项的定制化解决方案为汽车企业权益做收付转换,帮助车主在保险购买过程中享受更多的福利,打造从购车、购险、增值服务、售后服务等一站式支付服务体验,增强汽车企业服务方案竞争力。(四)支持保单缴费和车后服务包增值业务合并支付本案例支持在保单支付过程中,用户投保时选择非保险服务或商品,或选择已确认的定制化套餐产品。快钱公司完成保险购买支付后,对资金进行分账,保费结算给对应的保险公司,非保费部分结算给供应商或服务商。(五)支持企业投保企业账户支付当投保人为企业时,本案例支持通过企业账户资金支付保费,在支付增值合作中为双方营销业务合作打造合作空间,汽车企业也可拓展企业商户并绑定保单服务。(六)支持多模式手续费收取由于在汽车销售环节涉及汽车企业、汽车销售机构、保险经纪公司、保险机构等多产业链主体,而产业链参与方在不同场景下约定的手续费分配方案和承担方均存在差异,本案例实现灵活定制分账方案,支持按比例承担并可指定承担方、按事业部承担等,满足汽车企业针对不同合作保险公司和销售渠道的需求。821第二章应用场景多元融合(七)支持汽车企业经销商合作方在线进件针对汽车企业经销商多、合作伙伴多的场景,本案例允许汽车企业作为平台,经销商或供应商等合作伙伴作为合作子商户,通过在线形式完成商户进件、资质审核、产品开通功能,提高开通效率,迅速实现订单信息、合作方信息等各项交易数据匹配。(八)支持经销商合作方多种结算模式本案例支持由销售平台根据业务场景指定经销商合作方的收款时效,支持 T 1、T N 以及异步确认指令收款模式,灵活支持汽车企业与合作伙伴各项特定业务时效需求。(九)支持当日异常单撤销保单支付后,保险公司需完成见费出单,确保保单能生效。但在交易过程中往往可能存在各项异常情况,导致保险公司存在保单无法生效的情况。本案例支持支付全链路的资金回退,可做到客户即时退款,同时附加的营销权益进行回滚,自动化保障业务完整性。(十)支持多资金权益账户针对汽车企业业务场景多,合作方多的场景,本案例支持一家主体开立多个权益金账户,针对不同场景业务,支持自动选择对应账户参与资金处理。账户与权益场景对应,实现信息流、资金流和权益流一一对应。(十一)支持异常预警保单业务处理复杂,系统交互多,同时客户支付场景多样化,有线下扫码、线上银行卡快捷、APP 等,操作过程涉及到汽车企业运营、保代经纪运营、用户、保险销售。任一环节对业务不熟悉均可能产生异常单,本案例针对各种场景的异常,均定制化的部署预警机制,当发生异常时,第一时间通知运营人员解决问题。921支付清算行业金融科技创新应用案例汇编(十二)支持扩展汽车生态衍生服务除了满足汽车企业支付业务综合受理场景的覆盖外,结合目前汽车行业新能源趋势以及保险生态场景,快钱公司也为汽车企业提供了数字化的运营管理后台。系统可支持除车险以外的诸如意外险等险种的组合支付,可提供服务经销商体系的签约管理、服务组合受理等功能,同时也通过车后服务以及相关增值服务等功能,帮助汽车企业拓展车后增值服务合作渠道。目前可提供加油、代驾、救援、检测等本地化服务的组合服务受理,协助汽车企业通过更多服务组合增强用户粘性,维护好客群关系,提升企业运营能力的同时,也能推动车辆销售以及保险销售的业绩双增长。五、实施进展及取得成效本案例自 2019 年开发上线运营以来,经过多年的打磨,已形成覆盖面广、灵活定制的全套解决方案,截至 2022 年年底,支持汽车企业合作保费及权益支付资金处理达 55 亿,得到了汽车企业市场的普遍认可,汽车企业规模效应逐步显现。截至 2023 年 2 月,快钱公司已与上汽集团、哪吒汽车、蔚来汽车、高合汽车、吉利沃尔沃等汽车企业达成深度创新合作,全面支持中国人保、太平洋保险、平安财险、大地财险、中国人寿、阳光财险等几十家主流保险公司汽车企业险种嵌合,助力汽车企业保险业态创新发展。六、存在的问题和解决方案通过快钱公司与汽车企业、保险经纪和保险公司多方共同努力,汽车企业保险叠加增值权益的支付模式已顺利打通,生产运营得到市场积极反馈。与此同时,也存在一些需要优化或解决问题,目前发现的主要问题包括以下两点:一是由于多方系统参与业务,任一方系统出现异常,将产生链式反应,影响各参与方的业务功能处理,对各方系统稳定可靠性要求极高。二是针对异常订单,对运营运维的处理时效要求较高,尤其是保单业务031第二章应用场景多元融合本身有时效性,未能及时处理将导致保单作废,从而产生资金处理问题和客户投诉。针对以上两点问题,快钱公司正在对车企保险综合支付解决方案整体系统运营保障进行系统化优化分析,着力于提升异常单据处理的自动化和智能化处理水平,进一步增强解决方案的系统稳定性、响应速度及异常预警机制,提升客户体验。131支付清算行业金融科技创新应用案例汇编案例 18顺丰恒通基于多式付款驱动设计的综合金融科技平台案例 18 顺丰恒通基于多式付款驱动设计的综合金融科技平台一、案例摘要本案例是以顺丰恒通支付有限公司为主体,总体思路是在现有支付平台的基础上,梳理从付款到资金对账相关环节存在痛点和问题,对前端业务付款单到后端财务管理进行全流程拉通,搭建综合付款平台,从支撑顺丰主要业务场景到平台化能力输出,形成行业解决方案,战略协同顺丰灵活用工、公益基金发放等场景稳健发展,助力顺丰集团保障和改善民生。二、背景及目标顺丰控股围绕物流生态圈,持续完善服务能力,业务拓展至时效快递、经济快递、快运、冷运及医药、同城急送、供应链及国际业务(含国际快递、国际货运及代理、供应链)等物流板块,能够为客户提供国内及国际端到端一站式供应链服务。随着顺丰规模的日益扩大和大智移云物新技术在顺丰信息化中的应用越来越多,顺丰的资金交易量增大,资金支付安全管理成为企业管理的重中之重。在为客户提供涵盖多行业、多场景、智能化、一体化的智慧供应链解决方案上,顺丰集团多个组织对于资金付款结算类需求尤为突出。顺丰集团的付款场景横跨物流行业货到付款的返款、供应商付款、顺丰集团员工发薪、顺丰集团员工报销、顺丰公益基金代发、灵活用工平台工资代发等。顺丰恒通支付有限公司作为顺丰集团旗下的第三方支付公司,为顺丰集团生态付款场景提供战略协同支持,致力为顺丰生态内企业提供 724 小时231主要参与人:何国兴、吴梦蝶、霍平、吴吉良、王健健、黄祖龙第二章应用场景多元融合多样化的资金安全的付款服务,提升企业付款体验,提升付款时效,优化财务资金管理流程。三、技术应用(一)一站式运营平台,轻松管理交易和账务一个工程师就能接入的多级商户系统,提供一站式运营平台帮助商家快速接入。对于无技术开发能力的人资公司,顺丰恒通支付可设置专门的技术服务提供方角色,由技术服务提供方发起代付请求完成付款,助力平台型客户对二级商户联防联控。一键签约、进件、开票、对账,改变混乱的商户关系、低效的财务对账、复杂的结算需求,彻底解放运营和财务,全局把控交易和账务。(二)多级代付,信息流驱动资金流专款专用付款模式上支持多级代付。目前国内外对于此类付款平台,除头部企业外,大多数公司提供的解决方案都无法满足多级代付场景。而灵活用工业务场景中,税筹公司通常专注于为用人单位解决税票问题,除此之外用人单位还关注资金能否安全、高效结算到灵活用工人员的账户,本案例通过结合服务商授权、定向账户设计等,实现资金按平台指令受限流动,账户资金隔离专款专用,在兼顾资金安全及效率的同时,满足用人单位或灵活用工平台担任指令发起方以及手续费承担方、佣金按日或周或月结算等多样化复杂的付款场景需求。(三)724 小时实时交易,助力企业降本增效提供 724 小时付款服务,满足各业务节假日的资金返款需求。以物流行业代收货款返款为例,保障代收货款业务全年都可以按照账期如期返款给商家,助力快递业务打造差异化服务,提升行业竞争力。本案例在保障企业资金安全前提下,通过接入人民银行支付机构客户备付金与清算保证金管理系统(CFS 系统)作为通道能力补充,在兼顾通道成本的同时,进一步提升331支付清算行业金融科技创新应用案例汇编结算时效,满足了客户资金日结需求。基于付款单触发充值指令,避免提前充值导致的资金占用和省去了财务手工报送工作量,上线后能为顺丰集团增加约每年 500 万的利息收益。(四)多通道智能路由,省钱稳定高可用为减少通道成本,保障付款成功率,综合付款平台会结合商户、通道、银行、限额、费率等多个维度的因素筛选出最合适的通道,完成付款。通道异常秒级自动熔断,智能路由可用通道,智能路由成功率高于 99.9%。为付款平台提供全天候 24 小时批量实时付款服务,保障通道高可用性。同时通过搭建应用集群,实现万笔交易秒发,且请求响应成功率 100%,应用系统可用性在 99.99%以上。(五)智能化异常分类处理机制,秒级响应秒级处理创新建立智能化异常分类处理机制,且在支付行业中落地应用了机器人流程自动化(RPA)技术。付款中心从技术上实现了一套完整的异常分类处理框架,把异常分为三类:第一类为接口调用类异常,可通过系统自动补偿进行处理;第二类为未知业务类异常,可通过人工进行处理;第三类为已知业务类异常,可通过引入 RPA 进行处理。人工处理流程转化为 RPA 既定的规则即可实现由机器人接管整个流程,从而实现流程自动化。系统上线后,人工运营占比不到 0.1%,运营效率得到极大提升。四、功能服务对目前集团内代表性的业务场景的付款需求深入分析拆解,梳理各种场景下涉及付款的每一个环节,协同各个关联系统一起梳理从付款到资金对账相关环节存在痛点和问题。对前端业务付款单到后端财务管理进行全流程拉通,最终得出痛点及成因如表 1 所列举。431第二章应用场景多元融合表 1 从付款到资金对账相关环节存在痛点问题存在问题具体原因结算时效性差业务结算时效要求高,但资金体量大,效率低资金风险未隔离多级付款场景下存在资金挪用风险税务风险高企业给灵活用工人员结算,无合规发票入账付款方式单一代发银行覆盖范围不够广财务难对账业务付款单和付款资金流未打通,资金认领困难系统对接复杂不同付款平台接口规范不一,联调配合度低,对接效率低结合互联网金融行业支付服务,规划整体付款解决方案,为各业务付款场景突破痛点。核心业务流程包括五个步骤:一是商户进件。商户通过 API、PC、H5或线下等多渠道完成商户进件一站式自助签约入驻,协助商家联合管控;二是充值。商户通过系统 724 小时秒级触发银行卡账户资金充值到恒通商户账户;三是资金管控。支持多级代付,多级代付多个账户资金隔离,专款专用,封闭式管理资金;四是付款。提供单笔或批量、到户或到卡、B 或 C 等多种付款服务给到商家灵活选择,覆盖银行广,724 小时秒级触发代付服务;五是对账。按日、周、月自定义对账方式,系统自助对账。资金流、信息流、票据流三流合一解决平台税票难题。付款业务的风险防范措施主要包括以下七个方面:一是尽职调查。在建立业务关系前,对商户进行尽职调查,获取交易目的、资金来源和用途的相关信息,确保其身份和背景真实可靠;了解其业务流程和模式,对可能涉及诈骗、洗钱等风险的业务环节给予风险提示。二是支付限额。为避免大额交易可能带来的风险隐患,设置单笔、每日、每月、每年等不同时间段内的最大交易限额,控制付款业务的风险,降低资金损失的可能性,同时针对金额较大的订单,通过手动审核方式进行二次确认和核实。三是风险监测。建立并完善风险管理系统,对商户交易进行实时监控,根据实际展业情况,针对付款业务场景,有效控制交易金额、笔数;对于可能存在虚假、洗钱等风险的交易,设置相应的风控规则、策略进行监控,及531支付清算行业金融科技创新应用案例汇编时预警可疑交易、大额交易,以尽快发现可能存在的资金安全隐患,并采取有效风控措施。四是风控模型。整理历史交易数据,梳理交易行为特征,应用机器学习算法搭建模型,从单个算法到集成算法,从经典算法到新兴算法,包括逻辑回归、决策树、随机森林等,深挖交易中风险因子的关联关系及因果关系选取并部署其中最具泛化打击能力、同时兼顾最小误伤的模型组合,提高对电信诈骗、洗钱等合规风险的精准识别能力,并实时拦截阻断高风险交易。五是技术投入。在身份认证、数据传输、数据加密、支付防重方面加强技术投入,提升付款业务的安全性和效率,包括支付系统的更新升级、网络安全防护等。六是合同管理。与商户签署明确的合同,合同内容包括付款条件、责任承担、违约责任等条款,以确保付款业务的合法性和规范性。七是内控制度。建立完善的风险控制体系,包括合规制度、风险管理、内部控制等,对付款业务进行全面管理和控制,定期进行自查,加强员工培训,保障业务的安全。五、实施进展及取得成效顺丰恒通支付综合付款平台建设完成后,迅速在顺丰集团内部推广,在多个场景应用成功落地,稳健运行。(一)顺丰集团员工薪资福利发放用人企业通过顺丰恒通支付提供的综合付款平台,完成员工薪资福利发放。平台上线以来,累计完成 159 万笔,50 亿元的薪资福利发放。(二)灵活用工平台报酬发放为灵活用工市场提供多级代付能力,支持用工企业管控薪资批量代发流程,化解资金安全风险;实现资金流、信息流、票据流三流合一解决平台税票难题;为员工提供钱包增值功能,形成灵活用工代发综合解决方案。平台上线以来,累计代发 100 亿元,2107 万笔,服务 9370 个商家。631第二章应用场景多元融合(三)物流行业代收货款返款顺丰按照寄件客户(卖方)与收件客户(买方)达成的交易协议,为寄件客户代收货款,并在约定返款时间内,顺丰速运通过顺丰恒通综合付款平台向寄件客户返还货款。平台上线以来,累计完成 6000 万笔,800 亿元代收货款返款。(四)顺丰莲花公益基金代发顺丰公益基金会主要围绕推动教育发展、儿童医疗救助、扶贫济困等公益领域开展业务活动。通过支持莲花助学基金接入线上化认证和支付能力,优化助学金发放和提现流程,平台上线以来累计发放助学金 7.1 万笔,6470万元。(五)上线后效益一是轻量化对接方案,推动企业转型,促进转变经济发展方式。物流企业灵活用工平台需求不断增加,佣金发放形式问题面临挑战。本案例上线后快速为灵活用工平台服务了 9370 个商家。依托一站式运营平台帮助商家快速接入。一键签约、进件、开票、对账,为用工企业打造轻量化的、具灵活性的代付系统解决方案,助力用人企业规模化发展。二是战略协同顺丰集团稳健发展,保障和改善民生。顺丰上榜 财富中国,创造财富的同时,也在改善环境、保护员工、支持社区上做出了卓越的努力。在就业用工方面,顺丰雇佣特殊群体,2021 年为退伍军人提供超过 1,200 个岗位,为障碍人士提供超过 400 个岗位。在公益慈善方面,顺丰公益基金会 2021 年公益总支出 9,889 万元。在乡村振兴方面,2021 年顺丰针对贫困县继续推进乡村振兴专项帮扶补贴计划。2021 年上线的恒通多式付款平台战略协同顺丰灵活用工、公益基金发放、补贴发放、快速代收货款返款等场景稳健发展,提供全链路综合资金付款方案,助力顺丰集团保障和改善民生。三是顺应国家财税政策助力灵活用工市场合规发展,积极提升经济运行质量。随着个税法修改,“五证合一”“金税三期”等税收监管方式不断完731支付清算行业金融科技创新应用案例汇编善,税收部门对灵活用工服务中合同、资金、业务和发票四流监管更加严格,人力资源公司面临票税难题。本案例通过结合服务商授权、定向账户设计等,实现资金按平台指令受限流动,账户资金隔离专款专用,在兼顾资金安全及效率的同时,满足用人单位多样化复杂的付款场景需求。助力灵活用工平台服务商合规发展,积极提升经济运营质量,提高全国领域顺丰关联公司灵活用工薪资发放时效。四是基于顺丰生态背景,多行业经验沉淀,完善金融服务功能。基于顺丰集团生态背景,本案例联动集团内物流、科技、财务税务、税筹资源,结合物流园区、通行费、邮费等物流周边场景,结合人民银行、清算机构最新支付能力,贴合物流付款场景升级付款功能,帮助企业更加高效、安全的完成资金结算。借助科技实现风险“技防”,加速信息化监管。同时运用科技手段去提取、分析海量数据中的有效信息,优化风险监测和预判的数据模型,以加强付款业务风险防范的事前预警和事中监测能力,为各地区监管部门作业提供数据支持。五是推动科技自主创新。顺丰恒通支付一方面整合自身大数据技术能力,链接各个需求方,构建安全、高效、稳定的支付平台,采用数智化手段,对人员和商户管理进行规范化处理,进一步提高业务流程和服务质量。另一方面,积极探索前沿技术应用,并引入区块链等新兴技术,不断优化系统架构和产品功能,提供更加安全、高效和便捷的支付服务。推动科技自主创新已成为企业发展必选战略,顺丰恒通支付将继续强化实力与竞争力,在数字化智能化升级浪潮中发挥引领作用。六、存在的问题和解决方案(一)风控策略差异化需求本案例在初始阶段,基于风险管控原则,付款场景下会对所有商户有统一的额度限制,超过限制额度即触发人工审核机制,但因为不同商户间,资金使用额度差异较大,单一标准难以符合所有商户的实际情况,由此产生因人工审核造成的时间差对于部分资金周转时效性要求高的商户造成阻碍的情831第二章应用场景多元融合况,同时给运营人员增加了额外工作量。在评估了付款场景下不同商户的实际资金使用情况后,系统完善了可根据不同行业商户设定相应的额度的功能,在满足保障资金安全的前提下最大限度的提升了资金运转的效率。(二)异常交易人工处理成本高付款交易中,失败的交易结果需要人工核实失败类型,再选择下一步操作才能返回结果通知给上游,因此要求运营人员在全天候待命,经常在非工作时段进行处理。而且人工处理难以保障失败交易结果通知的时效性,影响付款交易效率。因此综合付款平台引入了 RPA 机器人,查询到付款失败数据后,可以自动调整通道重新发起交易,若确认失败后会抓取异常数据通过邮件的方式通知相关人员介入处理,极大的释放了运营人员的工作量,提升了上游系统接收交易结果的时效性。(三)部分交易不满足通道要求失败率高付款场景中经常出现因不满足通道要求导致付款失败的情况,例如不同通道支持的银行范围不同、银行不定期会进行系统维护、商户要求走指定通道、信息缺失导致不满足通道上送要求等情况都会导致最终路由失败,为保障交易正常发起,综合付款平台基于支付通道的属性特点和业务系统的要求,设计了能为支付交易筛选出符合业务要求的最优通道的路由系统,通过配置通道信息要求、检验收款方银行的可用状态、通道黑名单等实现智能路由,进一步压缩交易成本的同时降低了路由失败率。(四)所需收款方信息繁多导致失败率高在付款的场景下,为满足通道侧的上送信息要求,需用户提供的信息较繁多,用户体验不佳,且因填写错误导致失败率高。针对此场景,综合付款平台上线了收款方信息自动填充功能,平台根据如填写的银行标识代码字段进行补充收款方行号、补充金融机构编码、转换卡类型等操作,简化用户操作步骤,提升了用户体验与付款成功率。931第三章数字技术深化应用第三章 数字技术深化应用支付清算行业金融科技创新应用案例汇编案例 19浦发银行基于区块链的智能支付服务案例 19 浦发银行基于区块链的智能支付服务一、案例摘要本案例聚焦于复杂支付清算场景下多方协同、信息对称、资金穿透管理等方面,浦发银行结合自研的区块链应用平台及统一支付系统,打造基于分布式记账、智能合约的场景化资金监管及支付服务。依托区块链、智能合约等技术的特点,为客户提供可定制的支付服务,实现资金穿透管控,提升账户管理透明度,提高协同效率,激活金融业务能动性,打造开放金融生态新模式,为革新金融业务经营模式注入新推力,逐步创造金融服务数字化经济价值。二、背景及目标在数字经济蓬勃发展的大背景下,客户联结逐渐形成没有明确结构中心的生态模式,往往伴随信息流、资金流等自发连接而成关系复杂的协同价值网络。为强化以客户为中心的金融服务,遵循浦发银行全景银行战略目标指引,本案例聚焦于复杂支付场景下多方协同、信息对称、资金穿透管理的问题,结合浦发银行自研的区块链技术应用平台及人民币统一支付系统,应用智能合约实例,实现场景化支付服务的数字化创新,由场景沉淀、抽象打造基于分布式记账、智能合约的资金监管及支付服务。一方面,实现资金监管等场景化支付场景的逐笔资金穿透管控,降低资金风险,提高协同处理效率,提升支付各业务参与方互信度,增强金融核心竞争力。另一方面,依托区块链技术特点、智能合约的可编程性赋能金融服务,实现金融服务客制241主要参与人:邹晨、郭林海、胡刚、唐棣、潘杰、张虹、张元杰、蚁怡、张松松、张钦文、马蒙第三章数字技术深化应用化,为革新金融业务经营模式和管理方式注入新推力,促进金融产品开放生态建设,在集团企业、新型互联网产业逐步创造金融服务数字化经济价值。三、技术应用(一)分布式记账模式的链上链下双循环账户体系传统账户体系难以实现的多级资金穿透、实物资产继承、非确定层级账户体系等,通过构建链上账户体系实现。基于实体账户资金、实物资产的链上映射和勾稽,完成链上和链下协同,同时建设链上与链下资产双向核对机制,打造双循环账户管理体系,实现逐笔资金管控,提升资金账户管理透明度。(二)基于智能合约的多级穿透分布式记账模式下,补充信息流作为记账要素,纳入分布式账本中,实现资金流、信息流、商流等交叉验证与驱动。结合智能合约作用于链上数字化的资产,实现多方校验和自动判断,提升支付场景灵活度的同时,提高支付交易执行效率,降低交易操作风险。监管场景的支付交易在全链路过程中均可被追踪且操作难篡改,大大提升违约成本,降低收益方的风险,有效增强业务参与方的粘性。(三)动账事件实时订阅及可定制化根据监管账户属性,可根据诉求定制化订阅事件规则,实现高吞吐量下的分布式发布订阅消息,实时捕获链下资产账户动账事件,根据智能合约条款,自动识别资产来账方及受款方信息,第一时间驱动生成链上货币资产,有效减少浦发银行柜员手工操作的时间和劳动成本。(四)委托支付服务客制化将代付、代发等多样化的支付应用场景抽象为可复用、可编程、可自动执行的智能合约模板及函数元组,按产品线、业务类型、收付标识等维度抽341支付清算行业金融科技创新应用案例汇编象模板化智能合约,支持业务流程控制及预期结果验证,实现支付服务基于区块链的数字化优化。为客户提供可定制的场景化支付服务,并提供便捷管理服务,激活金融业务能动性,促进金融服务数字化高质量发展。(五)多中心架构下多机构协同的金融业务生态新模式传统面向机构的金融服务系统多采用中心化的客户端-服务端架构,在此架构下衍生的业务模式往往也是围绕金融机构的中心化模式。本案例运用区块链技术,构筑金融机构、监管、企业等各方参与的多中心架构,并利用智能合约技术重构现有或探索全新的多机构间的业务协同流程,探索构建金融服务新架构、新生态,打造触手可得的开放金融服务新模式。四、功能服务随着支付清算服务向场景渗透,业务呈现多主体、多交互、信息流与资金流互相驱动、权属意识强化的特点,差异化金融数字服务需求不断涌现,支付清算服务也越加复杂。在传统点对点支付、点对点交易的模式下难以满足复杂支付清算场景的需求。利用区块链多中心、防篡改、可验真、隐私保护、共识机制等技术特性,从技术角度解决中心化金融中介服务基础设施存在的互信共识问题以及由此产生的业务协同效率低、数据一致性差和同步更新不及时等问题,提升金融服务的精准性、协调性和有效性。同时运用智能合约实现金融服务部件化,提供可编程金融服务,提升服务定制化效率,快速满足客户差异化需求,打造轻量、便捷的金融智能合约应用模式。复杂支付清算服务往往涉及多个业务参与方,包括但不限于资金拨付方、资金受款方、资金业务关联方、支付服务方等角色,其中各角色又包括具备业务关联关系的多个业务主体。本案例设计如下流程(见图 1),为不同角色用户身份认证授权验证通过后,提供逐笔资金可穿透监管的场景化支付服务,对业务参与方提供分布式记账能力,适配分布式数字身份等多种身份认证授权体系。441第三章数字技术深化应用#JBJ34JD/JKJ3=JBF37=634BF BBF CBF D63 BFBF2TNUDOUTNUDOU#TNUDOU$图 1 方案流程示意图(一)智能合约设定支付参与方服务关系设定。依据产品属性及传统业务协议、参与方业务角色,将业务信息、客户信息等金融服务相关信息上链;设定支付服务智能合约模板组。抽象支付业务协议条款、业务服务需求,按实体协议映射可在区块链上配置的智能合约模板,智能合约支持元组函数配置化及模板间的工作流驱动,将场景化的支付服务可编程化。构造支付服务智能合约实例。用户可依据自己的个性化需求,选定智能合约模板配置智能合约,系统将依据配置自动编程面向用户构造自定义的支付服务智能合约实例(见图 2)。541支付清算行业金融科技创新应用案例汇编图 2 系统智能合约设定(二)链上账户配置按合约关系建立链上合约账户。按委托支付服务关系设定、智能合约实例的构造,通过数据库预言机映射链上账户,驱动链上账户、链下账户双轴运行。(三)动账事件消息订阅根据定制的订阅事件规则,实时捕获链下资产账户动账事件,根据智能合约条款,自动识别资产来账方及受款方信息,第一时间驱动生成链上货币资产,有效降低人工操作成本。(四)智能合约执行场景化监管支付服务智能合约执行。按照用户的配置筛选触发事件并执行对应处理方式,通过链上合约账户记录执行状态与结果,实现可编程委托支付服务的运行。链上账户校验、执行结果同步链下实体账户,控制实体账户内资金按履约事件、豁免事件执行。641第三章数字技术深化应用(五)分布式记账及其溯源对于资金监管、委托支付、资金清算等智能合约的执行情况,按区块链分布式账本方式,在共识机制支撑下,实现每一笔支付服务的运行状态,监控全流程各关键节点的服务运行情况。(六)链上链下双循环账户体系下的对账机制自动监控链上链下资产账户,建立每日多频次双向核对机制,一旦出现对账不符,自动推送给该机构相关柜员进行核实及手工处置,有效确保双循环账户体系下的资产一致性。五、实施进展及取得成效本案例打造的基于智能合约的场景化支付服务已完成主体功能上线,支持智能监管代发服务,上链签约信息、金融服务智能合约设置、金融服务智能合约执行等可编程全生命周期信息,将服务百逾家企业客户,场景化监管支付规模预计可达 150 亿/月。本方案可推广适用于:1.有复杂母子公司层级或上下游供应链的核心集团客户;2.亟需数字化转型解决方案的企业,如政企单位;3.中小同业及其他金融服务公司;例如浦发银行为某快送服务企业提供区块链智能合约解决方案,基于原内部户代发服务体系,叠加区块链分布式账本、智能合约技术,满足三个核心诉求,一是资金的全链路穿透,二是资金流和信息流的分布式记账和溯源,三是通过合约限定多维度的代发条件。此外浦发银行还为某集团企业提供母子结构层级的企业多层支付穿透,为符合企业财务集约化诉求,母公司作为子公司的资金来源,穿透于子公司的实际经营支付中,满足三个核心诉求,一是资金在多层流转后的限定支付,二是资金流和信息流的分布式记账和溯源,三是灵活设定委托支付条件和自动清算。741支付清算行业金融科技创新应用案例汇编六、存在的问题和解决方案场景化资金支付清算服务的关键是严格识别目标资金并管控用途,如何精准实现逐笔资金的管控和支付服务是方案实施过程中面临的最大挑战。本案例制定了从资金入账到支付出账全链路的综合解决方案,首先实时捕获资产账户动账事件,应用区块链智能合约技术和共识机制,实现每一笔支付服务的信息记录和操作控制,并以“染色”的方式将信息流与资金流结合,完成支付清算服务的穿透与协同(见图 3)。在保证支付清算准确无误的同时,实现逐笔资金的穿透管控,提升资金安全,优化客户体验。图 3 系统染色资产查询841第三章数字技术深化应用案例 20泸州银行基于 5G 消息技术的手机号码转账服务案例 20 泸州银行基于 5G 消息技术的手机号码转账服务一、案例摘要为解决传统银行转账业务需要通过柜面渠道或安装软件客户端(APP)的方式,存在流程繁琐、用户体验差、推广成本高等问题,泸州银行利用5G 网络和消息即平台(MaaP)技术搭建 5G 消息平台,打造银行与用户间的富媒体(文本、图片、音视频等)交互渠道,为用户提供高效、便捷、安全的手机号码转账服务,有效提升业务办理效率和金融服务体验。二、背景及目标本案例基于 5G 消息应用提供多功能、轻量化的服务入口,实现手机号转账等功能;通过自动分析客户发送的文本等指令,快速做出正确响应,为客户提供更为智能化、人性化的金融服务体验;建立 5G 消息的智能路由,实现运营商之间 5G 消息网关的整合,解决不同运营商在 5G 消息接口和管理上的差异,实现对 5G 消息的素材、模板、关键字的跨运营商统一管理。使用图像识别、活体检测、OCR 等人工智能技术对用户身份进行“实名实人”验证;采用第三代通信网络的认证与密钥协商协议(AKA)、动态口令(OTP)等运营商用户身份校验,并在数据传输过程中,采用绑定 SIM 卡IMSI、端到端加密等技术手段,防范信息被劫持等风险。三、技术应用一是使用融合了通信技术和信息技术的富媒体通信套件(RCS),支持941主要参与人:刘能、谢赐宏、张云阳支付清算行业金融科技创新应用案例汇编丰富的媒体格式,包括文本、图片和音视频等,通过引入消息即平台(MaaP)技术实现行业消息的交互,为金融场景提供 5G 消息渠道载体。二是在 5G 消息内部通过生物识别、OCR、密码控件、短信验证码、通讯加签加密等技术,防范 5G 消息支付业务风险,保障客户合法权益及资金安全。三是通过基于自然语言处理(NLP)交互技术的聊天机器人(Chatbot)办理线上金融业务,提高金融科技服务能力,提升客户体验。四、功能服务本案例在 5G 消息的应用上,通过建设 5G 消息前置平台整合了各运营商服务号,实现根据客户手机归属智能路由,整合运营商 5G 消息前置平台,实现卡片和参数的统一管理。所打造的 5G 消息手机号码支付业务场景,充分发挥 5G 消息免安装、强交互的特点及手机号码支付的易操作的优点,客户无需下载 APP,便可通过5G 消息入口实现手机号码支付注册、手机号码支付转账、云闪付一键绑卡、生活缴费、权益商城、视频银行、金融产品展示等业务。五、实施进展及取得成效打造全新基于 5G 消息的支付模式,通过 5G 短消息入口实现手机号码支付注册、手机号码支付转账、云闪付一键绑卡等功能,实现消息即服务,消息即应用,与小程序、快应用形成互补的 5G 消息生态,提供“用完即走”的客户体验。截至 2023 年 3 月,受限于多方白名单和机型,通过 5G 消息渠道的手机号码转账共 668 笔,转账金额共 70800 元。后续随着运营商白名单放开和支持机型增多,该业务能得到更多的推广,在丰富金融业务办理渠道、拓宽支付服务覆盖面、提升业务办理效率和用户体验等方面效果显著。六、存在的问题和解决方案自从 2020 年 8 月泸州银行 5G 消息应用上线以来,面对运营商系统迭代速度快、终端受限等一系列挑战和考验,泸州银行积极沟通运营商对 5G 消051第三章数字技术深化应用息客户化前置系统进行功能迭代,最大程度保障了 5G 消息应用的平稳试运行,主要解决方案如下:(一)把握动态,做好前期准备工作泸州银行一直以来和运营商保持良好的沟通机制,时刻把握行业动态,在运营商对 5G 消息正式商用后,能快速的围绕 5G 消息推广创新业务。(二)立足高标准,提出改进意见泸州银行根据 5G 消息应用系统的运行情况,结合实际工作需求,提出以下改进意见。第一,普通短信兼容方面。泸州银行积极沟通运营商对 5G消息客户化前置进行改造实现短信回落,能够较好的支持普通短信用户享受同样的体验。第二,白名单控制方面。泸州银行积极联系运营商沟通白名单机制,当前中国移动已对泸州银行取消了白名单限制,同时计划在泸州银行的视频银行服务上放开客户开立转账白名单限制。泸州银行将持续改进 5G 消息营业厅,迭代更多业务功能,优化业务流程,提高客户体验,增强业务安全。一是优化白名单机制,简化白名单的开通流程,降低客户使用门槛,便于更多客户参与体验。二是增加聊天机器人的语音识别功能,后台对接语音识别功能,让聊天机器人更具智能化,提升客户体验。三是优化 5G 消息模块业务大数据风控策略,不断完善和调整风控策略,保障客户资金安全。四是引入数字证书保护交易安全,小额资金类交易加入数字证书增加交易防抵赖能力,保障交易和客户资金安全。151支付清算行业金融科技创新应用案例汇编案例 21网联清算基于全链路互联互通的联合运维生态工程项目案例 21 网联清算基于全链路互联互通的联合运维生态工程项目一、案例摘要针对网络支付全网大规模、大流量、高并发的特点,自研一系列创新技术,有效保障了全网全链路的安全稳定运行,建立了全面覆盖智能化巡检、秒级监控、影子流量以及多维流控的智能运维体系,制定了行业级联合运维制度规范体系,统一了运维数据互联互通标准,在将网联智能运维能力持续向行业输出的同时,推动全网全链路运维信息透明、高效传递,为全链路自动化运维奠定了坚实基础,实现行业协同、高效运维。二、背景及目标2022 年中国人民银行发布的 金融科技发展规划(20222025 年)提出了“打造新型数字基础设施,建设绿色高可用数据中心”的指导意见。其中,“强化智能运维管理”是相关任务的重要组成部分,包含了安全生产、高效运维、创新服务和行业协同等方面的工作。作为国家级重要金融基础设施,网联平台全网全链路的业务连续性水平,直接关系到民生保障和金融稳定。近年来,网络支付市场发展速度与规模不断刷新,网联平台日均交易量超过 20 亿笔,日均交易金额超过 1 万亿元,峰值并发量超过 9.35 万笔/秒,平台以及成员机构所面对的是大规模、高并发的交易量对系统的冲击,以及实时零售业务的极高可用性要求,给全链路生产运维工作带来巨大挑战。为此,网联通过构建联合运维生态,深化行业协同,输出创新服务,赋能成员251主要参与人:董俊峰、强群力、黄铮、郑仕辉、李耘平、王斌、刘晓光、唐龙飞、魏颖、李阳、马亮、陆俊杰、孙尧、于佳馨、仇艮祥、王双、田野、曾绍峰、王铁志、赵义萱、宋文第三章数字技术深化应用机构,保障了全网全链路业务连续性水平实现稳中有升。三、技术应用基于三地六中心、多点多活分布式技术,网联建立了一套全网全链路高可用生态体系,重点包括五个部分:一是建立了五层容灾高可用架构和故障快速恢复机制,实现了服务器、网络和数据库层故障的秒级自动切流,数据中心和城市级故障的分钟级一键自动隔离;二是建立了大规模的智能化巡检和秒级监控体系,通过大规模智能巡检、秒级全链路监控和故障自动定位,助力成员机构及时发现定位问题,提升全链路系统可用性;三是建立了行业级的自动化联调和联合压测体系,通过自助联调、灰度验证、联合压力验证、秒级流控等技术,提升全链路版本迭代与投产质量,充分验证行业峰值系统承载能力,保障行业峰值平稳运行;四是建立了行业级运维规范和自动协同体系,统一运维数据互联互通标准,实现生产变更全链路自动协同处置、全链路应急信息透明传递及高效联动,提升运维协同质效,保障全网全链路的业务连续性;五是建立了生态数字化运营体系,基于联合运维指标体系,实时展现成员机构的运维全景,为中小机构运维赋能。四、功能服务(一)在全链路信息透明传递及高效联动方面,建立了行业级运维规范和自动协同体系在联合运维初期,信息孤岛、标准缺失、能力差异等问题明显,成员机构各方相互之间信息不透明、标准不统一、运维能力水平参差不齐、优化方向不明确。为解决上述问题,网联编制了互联、专线接入、数据安全传输、安全接入等标准规范。在标准规范不断完善的基础上,针对运维场景,制定并发布了联合实施规范、联合运维互联互通技术规范、联合运维运行实践指引,明确了联合运维生态的数据标准、通讯标准、报文标准、安全标准、指标统计标准、评价体系等,实现了支付机构、网联和银行之间的数据的互联互通,全面覆盖业务层和运维层各类场景,为全网全链路联合运维工作开展351支付清算行业金融科技创新应用案例汇编奠定了坚实基础。在行业级互联互通基础上,推动全网全链路运维自动协同。网联自研联合运维平台,在标准引领数据互联互通的基础上,打通上下游系统,通过叠加各类运维场景,实现了多项“一点触发,全网联动”。一是“一点变更,全网协同”,基于规则引擎实现生产变更协作全流程的自动化处置,大幅提升了全链路变更协同效率和变更成功率,并将因变更带来的异常事件降低了40%以上。例如:A 银行需要 B 机构变更期间关闭银行渠道,A 银行通过自身系统向联合运维平台发送变更指令,经联合运维平台自动审核后,将自动同步变更信息至 B 机构,B 机构系统接到指令后会自动对 A 某银行按指令内容进行渠道关闭。二是“一点告警,全网联动”,将网联秒级监控、智能定位和成员机构运维系统融合,通过监控互联互通、排障信息推送、应急决策互通等信息同步服务,将异常影响信息以及异常返回码、流水号等推送给故障方,协助快速定位问题,实现故障的自动隔离处置,推动了全网全链路应急处突信息透明与高效传递。三是“一点隔离,全网切换”,借助网联控制位机制,实现全链路分钟级的快速隔离机房,大幅降低故障影响,保证全链路业务连续性。(二)在全链路运行保障和问题定位方面,建立了大规模的智能化巡检和秒级监控体系为保障网联平台系统成功率 99.9999%以上平稳运行,要求巡检平台必须做到巡检指标全,且时效性要高,才能尽可能的提早识别风险,防患于未然。同时,如何秒级在海量交易日志中发现“成员机构”的异常?并且能够快速分析定位问题,是网联秒级监控平台遇到的最大的挑战。在海量日志中,通过单条交易日志是不能够准确定位出,故障方是机构或银行或平台的,所以需要通过大量的、复杂的日志关联计算来绘制出运行画像,并通过画像中的系统成功率、业务成功率、请求数、平均耗时等指标,综合判断定位问题。因此,网联建立了大规模的智能化巡检和秒级监控体系,网联建立基于深度学习的智能巡检平台,每小时大规模自动化巡检,每日自动生成3600 份巡检报告,机器自动识别异常。为能满足极高的系统可用性要求,网451第三章数字技术深化应用联每小时开展全系统业务巡检,每次需要巡检 100 余项巡检指标,包括:根据 USE(Utilization Saturation and Errors)法选取的29 个系统运行指标,以及根据谷歌黄金指标体系选取的 89 个业务运行指标,以保证全面掌握系统、业务运行情况。为能够从百万级巡检记录中,识别应用服务是否健康,设计了以木桶原理为原型的健康度评价模型,即应用服务健康度取决于健康度最低的组件,而组件健康度取决于健康度最低的巡检项,最终通过权重计算得出应用健康度评分,自动发现巡检问题。由于受到市场商业活动、用户行为习惯等交叉影响,导致部分巡检指标随时间波动幅度大,为了取得更加精确的巡检结果,通过对比计算各个模型,最终引入卷积循环神经网络等深度学习技术,机器自动识别指标是否异常,其优点在于具有记忆性、对序列的非线性特征学习时具有一定优势。通过时间跨度、分片规则、巡检指标三个维度的三维向量模型,随机构造训练数据集、测试数据集;同时,通过反向传播算法,利用负反馈机制,将预测偏差值反馈至神经网络,循环迭代更新模型特征,目前通过对 6000 万份样本数据进行训练学习,训练的准确度达到 95%。在此基础上,建立秒级全链路监控,助力成员机构发现定位问题。自研秒级监控平台,从海量交易日志中秒级绘制成员机构运行画像、秒级定位并推送异常日志,大幅提升全链路异常感知定位能力。一是在画像计划绘制方面,采用分布式批处理框架,使用 MapReduce 的机制,对数据进行秒级分片,将每个批次数据以任务的形式分发给集群的各个节点并发实时处理,最大化利用分布式架构下的 CPU 和内存资源,并在计算后,再次进行归并,明显提升处理效率,支持 5s 内完成运行画像绘制。二是在问题秒级定位方面,支持成员机构秒级定位关联的异常交易,利用每秒 45 万笔交易日志,为 700 多家成员机构提供秒级运行画像,帮助成员机构快速发现定位异常交易。(三)在中小机构赋能方面,建立了生态数字化运营体系为能保证联合运维生态健康有序发展,深化生态数字运营理念,提取联合运维各类场景中的关键要素,并将之抽象成为可衡量的指标数据,覆盖运行表现、变更执行、应急联动、监控告警、关联表现、行业贡献、问题整改等 7 个方面,通过系统成功率、运行故障情况、交易处理平均耗时、生产变551支付清算行业金融科技创新应用案例汇编更执行情况、生产变更协同情况、紧急变更情况、应急系统联动情况、故障回顾情况等 25 个指标,构建生态指标体系。在此基础上,一是绘制成员机构联合运维画像,全览展现成员机构运维全景,以评促改,推动成员机构持续优化提升;二是建立衡量行业运行质量的生态指数,综合系统成功率、平均耗时、故障情况等运行相关指标,作为行业运行的“晴雨表”,通过多维度衡量并对运行质量进行数字预警,宏观层面保证全链路生产运行质量,推动业务连续性水平提升。五、实施进展及取得成效本案例全面覆盖网联平台 764 家单位,在推动行业运维能力整体提升的基础上,重点服务中小成员机构,通过联合运维门户服务、API 接口服务,从监控、应急、变更、分析四个方面持续赋能,帮助 400 余家中小机构,实现网络支付相关的秒级监控、分钟级异常发现识别、自动化变更联动处置等。联合运维生态工程建设以来,网联组织行业圆满完成了“双十一”“春节红包”等 10 余次行业峰值保障任务,驱动行业业务连续性水平从 99.97%上升至 99.995%,系统成功率达到 99.99%的中小机构从 20 家上升到 160 余家,在优化人民群众支付体验的同时,促进行业高质量发展。六、存在的问题和解决方案全网全链路智能联动协同程度需要进一步提升,未来联合运维生态将继续以保障全网全链路业务连续性水平为使命,实施以下三方面措施:一是推动运维联动自动化,通过联合运维生态课题研究,基于网联平台与成员机构现有运维场景,共同制定自动化联动指引,推出最佳实践,指导成员机构对于运维互联互通信息同步以及运维应用。二是驱动运维联动数字化,在自动化的基础上,通过与成员机构数据共享、联合建模,实现基于数据模型的多场景动态运维处置,进一步加强多场景协同联动,提升节点感知、异常发现和故障预测能力。三是探索运维联动智能化,加强与成员机构技术合作,共同研究智能运维解决方案,探索智能运维的优秀实践,将人工智能与全链路运维工作紧密结合,实现全链路运维能力水平进一步提升。651第三章数字技术深化应用案例 22财付通刷掌支付服务一、案例摘要财付通对“掌纹 掌静脉”前沿技术进行了长期探索,成功研发了刷掌服务新产品,不仅具有无介质、非接触、高便捷、高安全等特点,更为用户提供了补充支付方式。目前,该项技术在深圳市 7-11 等零售门店、深圳大学、超级猩猩健身房、北京地铁等场景实现落地,受到用户好评。下一步将通过与商家共创,不断落地更多场景,为用户提供更加安全、高效、便捷的生物识别及相关支付服务。二、背景及目标生命科学在 21 世纪突飞猛进,生物识别等相关技术应用不断丰富,适用在支付领域即为生物识别支付。生物识别支付可分为第一代生物识别支付和第二代生物识别支付。第一代生物识别技术主要利用体表生物信息进行识别,包括指纹识别、掌纹识别、人脸识别技术等;第二代生物识别技术主要利用体内生物信息进行识别,包括静脉识别和虹膜识别等,其中静脉识别可分为指静脉和掌纹静脉,后者的识别度更高。“掌纹 掌静脉”的结合识别是当前最为先进的识别技术,具体技术方案如图 1 所示。国外对“掌纹 掌静脉”识别探索较早。21 世纪早期,日本富士通公司即推出掌静脉识别技术,并在 2004 年 7 月应用于日本骏河银行(Suruga)ATM 自助柜员机的身份验证环节,随后发展至支付领域。截至 2021 年末,已累计销售 100 万台刷掌设备,覆盖 60 个国家超过 9400 万用户。除日本外,美国也在该领域积极布局。2019 年美国专利商标局发布来自亚马逊的专利申751主要参与人:侯锦坤、郭润增、张微敏、孙淑芹、王少鸣、夏凯、黄家宇、张晋铭、杨蓓、吴昊、衷意、秦天雄支付清算行业金融科技创新应用案例汇编请,其核心内容是一种非接触式扫描系统,通过与手掌相关的特征来识别身份,顾客只需扫描手掌就可链接至自己的信用卡或借记卡,0.3 秒内即可完成所有交易,大大加快了结账的速度。2020 年 9 月,亚马逊上线名称为“Amazon One”的刷掌支付服务并不断推广,截至 2022 年底已在美国 Ama-zon Fresh、Amazon Go,Whole Foods Market、星巴克等 218 家门店推广使用。=L3/E= L6 7=%3=%图 1“掌纹 掌静脉”识别原理图三、技术应用财付通支付科技有限公司(以下简称“财付通”)深入学习习近平总书记有关“惟创新者进、惟创新者强、惟创新者胜”的要求,在人民银行指导下坚守支付为民初心,秉承服务实体经济宗旨,通过持续科技研发投入,不断提升支付创新水平。根据对国内外领先技术的长期跟踪,对“掌纹 掌静脉”前沿技术进行了深入探索,研发成功了刷掌服务新产品。该产品不仅具有无介质、非接触、高便捷、高安全等特点,更为用户提供了补充支付方式,有利于保障我国移动支付在国际竞争中处于全球领先地位,提高国际竞争力。851第三章数字技术深化应用在研发过程中,财付通采用了业界领先的技术解决环境、习惯和生理差异带来的场景难题,并与自研的国密安全单元(SE)芯片相结合,以更高性能、更安全、更兼容的技术提升活体识别准确度、加强对个人隐私的保护。同时,在嵌入刷掌功能的同时不断优化支付界面的外观设计,始终保持用户使用的简洁性和便利性。当用户开通刷掌服务功能后,即可享受支付及相关服务。设备原理如图 2 所示。3L6=%.%3=%图 2“掌纹 掌静脉”设备原理图目前,财付通针对刷掌服务技术已累计申请发明专利 150 余项,超过 50项专利已获授权;其中刷掌环境差异技术解决方案、刷掌习惯差异技术解决方案、手掌生理差异技术解决方案及融合安全技术解决方案等在国内属领先水平。刷掌技术优势如图 3 所示。951支付清算行业金融科技创新应用案例汇编 图 3 刷掌技术优势此外,财付通技术团队在科技创新中不断加强标准制定和工业设计工作,其中 T/CESA 12642023 非接触式掌纹掌静脉融合识别终端设备技术要求 团体标准已完成行业立项、起草程序,并于 6 月 29 日正式发布,7 月1 日起正式实施;刷掌设备的外观设计也获相关国际奖项。四、功能服务财付通推出的刷掌服务产品持续受到用户好评。2022 年,刷掌服务产品在腾讯公司内部场景、商超、餐厅、游乐场等公开场景进行了试点。2023 年起,继续在交通、高校、健身、手机充电等场景开展试点。开通刷掌人数、刷掌交易金额和交易笔数稳步增长。使用场景如图 4 所示。图 4 刷掌在小店、食堂、闸机上使用061第三章数字技术深化应用试点期间,部分科技媒体从“新科技”“新应用”的角度报道了刷掌支付科技的最新前沿成果。大量用户认可新技术应用将对支付生活带来更多便利。为进一步验证产品安全性和可靠性,财付通委托权威、独立的第三方检测认证机构对刷掌支付硬件和算法等进行检测认证,包括深圳国家金融科技测评中心(NFEC)、上海公安第三研究所、深圳计量院、国家无线电管理委员会、工业和信息化部泰尔实验室等。相应检测认证结论显示,刷掌模组和刷掌一体机性能成熟稳定、安全可靠。五、实施进展及取得成效在刷掌服务大兴机场线合作首发后,“中国自主科技、民生线、创新示范”成高频词汇,刷掌服务作为规模应用投入中国新国门的轨道运输线路的创新支付产品,服务首都市民的公共出行,引发中外媒体、社会各界的高度。六、存在的问题和解决方案作为一项新的产品和服务,刷掌服务在创新发展中也遇到了不少难题,比如用户习惯培养难、推广成本较高、技术标准体系需要加快构建等。为此,财付通公司不断通过问卷、街头调研、商户访谈等方式听取意见、不断加大技术投入与创新降低设备成本、持续与行业同仁加快标准制定。通过努力,上述问题都得到了一定程度解决。刷掌服务产品的开发与应用,体现了财付通“创新永不止步,用科技创新推进支付行业高质量发展”的核心价值观。未来,财付通将继续坚定服务实体经济、支付为民的宗旨,通过持续的科技创新和技术投入提高国际竞争力,为行业发展做出更多探索,让支付科技应用带来的便利惠及更多群众,通过硬科技助力我国支付服务行业不断高质量发展。161支付清算行业金融科技创新应用案例汇编案例 23银联商务自动化测试及报文回放平台案例 23 银联商务自动化测试及报文回放平台一、案例摘要银联商务应用人工智能、分流比对和混沌测试等技术,自研自动化测试及报文回放平台,为用户提供 APP 测试、接口测试、性能测试、报文回放等一站化的测试服务。在流程方面,平台实现了测试全生命周期的线上管理;在质量效能方面,平台内置智能化测试策略,提高了系统建设效率。另外,针对支付系统的特殊需求,平台进行深度探索,成功解决了各种复杂支付场景的自动化测试难题,为系统上线提供了重要保障。二、背景及目标支付行业的业务系统通常牵涉巨额资金,一旦出现故障,就可能导致严重的后果。因此,测试作为一种保障机制,在其中的重要性也随之体现。同时,随着市场竞争日渐加剧,支付行业业务系统日趋复杂,不断变化的业务需求和快速的产品发布周期也都带来极大的挑战,为确保系统上线后的稳定性和易用性,相关产品都需要经过都严格的测试,来为用户提供更好的支付体验,为产品提供更强大的核心竞争力。在上述背景下,传统测试方法已无法满足系统快速发布和质量保障的需求,银联商务云计算中心积极探索前沿的测试技术,并自主研发测试平台,旨在将各种测试能力服务化,实现测试工作的自动化、平台化、标准化。本平台覆盖了 APP 测试、接口测试、性能测试、报文回放等领域,针对公司各类传统和创新类系统实现测试工作的一站化管理,保障系统线上质量、提261主要参与人:孙毅、彭文、刘青、严士钦、赵莎、王亮红、饶青、商伟、李震宇第三章数字技术深化应用高系统建设效率。三、技术应用(一)云计算和微服务利用云计算技术,将各种标准的测试服务上云,达到测试资源共享、分散操作、集中管理、协同工作、负载均衡、测试过程监控等目的。采用分布式部署,能集中管理测试任务,并在分布式环境下实施智能任务调度,加速测试过程,减少测试时间,降低测试成本。平台使用微服务架构设计,将不同类型的测试工具、框架、组件进行集成,提供测试服务的一站化管理,对于后续新增的测试业务,也方便进行扩展和扩容。具体架构如图 1 所示。ANPDL6A11AA-A.&3FEJT4240)B#K0)1*C*44QSJOH$MPVE(BUFXBZ4QSJOH$MPVE(BUF8BZ8=&VSFLB KF48F4DBD=U3JCCPOUA8FC%FW0QT2424图 1 平台微服务架构图361支付清算行业金融科技创新应用案例汇编(二)人工智能通过人工智能赋能敏捷测试,帮助公司将测试工作从经验型转型技术型,在测试资源有限的前提下使测试工作更具针对性,提高测试效率,面对复杂的分布式架构能够有效减少测试漏测风险,降低支付系统生产故障发生概率。利用人工智能(AI)技术对测试结果进行分析和挖掘,从而快速发现隐藏的问题和缺陷,最终生成自动化测试报告涵盖测试用例覆盖率、测试结果、错误日志等;用于进一步的分析和优化测试流程,提高系统交付质量。运用 AI 技术开发智能测试助手,以问答的形式解决用户在平台使用、测试执行、故障分析等过程中的问题,赋能一线的开发和测试工作。(三)分流比对利用分流比对技术,从支付系统生产环境拉取海量的真实交易信息,并进行脱敏,然后在生产镜像环境中进行回放,以此覆盖线上各种正常、异常的支付场景。技术应用方面,主要包含以下环节:1.报文捕获:在网络设备中进行交易镜像和分流,使用程序进行交易信息脱敏,再使用智能过滤规则完成交易报文清洗,最后采用云端计算资源来解析报文,完成海量报文的获取。2.日志解析:使用机器学习自动分类、聚类、异常检测和预测等技术,提高日志解析的效率和准确性;使用自然语言处理技术的词法分析和句法分析技术可以将日志消息转换为结构化数据,方便后续对交易信息进行分析和处理。3.报文预处理:使用动态函数技术对请求报文进行预先处理,例如删除敏感数据、修改参数等。帮助避免一些不必要的错误和干扰,提高测试的准确性。4.分布式回放:利用分布式测试技术将测试工作负载分散到多个计算节点来实现并行回放,提高测试吞吐量和覆盖面。5.智能化判断:利用大数据技术对测试结果进行收集和分析。通过对测试数据的收集和处理,可以得到更加全面和准确的测试报告,为系统优化和461第三章数字技术深化应用改进提供有力的支持。6.实时监控和分析:利用实时监控和分析工具,对测试结果进行实时跟踪和分析,发现异常和问题,并及时进行调整和优化。(四)混沌工程利用混沌工程的理论和方法,通过在系统中注入可控的异常和故障,帮助发现和解决系统中潜在的问题。平台集成了专业的混沌测试工具,在准生产环境中模拟系统、应用、网络、进程等故障和异常,评估支付系统在各种故障下的表现,在支付系统投产前,进行完整的高可用性和稳定性评估。配合运维团队进行故障注入、告警通知、异常处理、业务恢复等流程的演练,为支付系统的上线提供强有力的保障。四、功能服务平台提供一站化的自动化测试执行、管理和分析功能,支持多项目独立管理,具备可视化入口。同时,平台支持 API 接入方式,便于外部系统进行各种测试服务的调用,具有较大的灵活性。平台可覆盖各个阶段的测试场景,包括开发阶段的接口调试,测试阶段的功能测试和回归测试,投产阶段的业务验收测试以及上线后的线上系统监控;平台还提供生产报文回放、挡板等功能,以满足不同的测试需求;此外,对于一些特殊的复杂场景,如手机支付、并发控制及场景步骤的参数传递等,平台也提供了专业的支持,帮助用户轻松应对各种测试挑战。平台业务功能架构如图 2 所示。561支付清算行业金融科技创新应用案例汇编(F4K0)F7EDCC8
*IUUQF45$1%VCCP.2F4 F*42-A6A0)*0)O0)=K0)77KBSDA*B#0)A=A.A4AA(=AA0)AAMNPDLA4AAA4AA*4=4M,447F48JBF4-66A1)5515$1%VCCP.Z42-.POHP%#3PDLFU.2LBGLB)55145$10SBDMF*#.2KTPOYNMUFYUK0J*40*AA6AAO3 024 OK7ED图 2 平台业务功能架构图(一)APP 测试平台自主研发了 UI 自动化测试模块,并引入 AI 图像识别等创新技术,为支付系统的 APP 前端提供了高效,低成本的测试解决方案。平台提供定制化的自动化测试脚本,覆盖 APP 应用的核心功能测试。此外,搭建了真机测试集群,覆盖市场主流设备,可满足设备兼容性测试的需求。平台不仅提供远程真机调试功能,实现测试设备的线上共享,还提供测试过程全量日志,帮助用户查看测试结果,迅速定位问题。银商 APP 测试如图 3、图 4所示。661第三章数字技术深化应用图 3 银商 APP 兼容性测试示例图 4 银商 APP 远程真机调试761支付清算行业金融科技创新应用案例汇编(二)接口测试在接口测试方面,平台自研协议栈,支持丰富的接口测试类型。1.网络协议维度:支持 HTTP(S)协议的 GET、POST、HEAD、PUT、PATCH、DELETE 方法以及 HTTPS 协议的双向认证方式;支持 TCP 协议,可自定义长度头及传输字符集;支持 SOAP 协议。2.自定义协议维度:支持 5010 等增值类业务接入渠道协议、5020 等传统类业务接入渠道协议、ISO8583 规范、8100 增值类叠加 8583 规范及 json规范协议等。3.RPC 维度:支持 Dubbo 框架,注册中心覆盖 Apache ZooKeeper、Na-cos、Apollo 等协议,也支持直连无注册中心模式;RPC 协议覆盖 Dubbo、RMI、Hessian、Web Service、Memcached、Redis;可同时支持服务的同步调用及异步调用。4.消息队列维度:支持 IBMMQ、RocketMQ、Kafka,可进行消息的生产与消费。5.数据库维度:支持关系型数据库 MySQL、Oracle,非关系型数据库MongoDB,MongoDB 操作同时支持 Strict Mode 及 Shell Mode。6.手机支付场景:覆盖云闪付、支付宝、微信等主流钱包的 B 扫 C 支付、C 扫 B 支付、公众号 H5 支付等主流支付场景。相关解决方案,已申请专利(CN202110727554.1 一种测试方法及终端)。7.在数据格式支持上,涵盖了常见的结构化数据格式 JSON 和 XML,非结构化数据格式分隔符报文、定长报文、纯文本报文等。8.在测试结果判断上,支持多种智能化规则,比如正则匹配、忽略值、忽略类型等,由机器自动执行和判断,避免测试个体或人为因素导致的测试结果差异。861第三章数字技术深化应用图 5 接口测试结果展示图 6 接口测试执行集结果展示961支付清算行业金融科技创新应用案例汇编(三)性能测试平台为支付系统建立了一体化智能压测体系,帮助其实现常态化性能压测,并结合性能压测分析产品,完善性能优化的最后一公里。平台提供灵活的私有协议定制支持,赋能研发团队自主开展性能测试;同时具备独立诊断和调优性能缺陷的能力;采用统一测试规范,实现集中平台协作,构建体系化性能压测模式。图 7 性能测试结果展示(四)mock 服务平台提供 mock 服务的创建、配置、管理等功能,支持 HTTP、HTTPS、TCP、ISO8583、Dubbo 协议,能够根据请求报文内容进行动态返回,模拟第三方系统的正常和异常逻辑。自研动态函数编译加载模块,支持报文加解密、动态签名、消息通知等逻辑,可以灵活地模拟支付接口的行为,实现对复 杂 支 付 场 景 的 mock 支 持。相 关 解 决 方 案,目 前 已 申 请 专 利(CN202110749141.3 一种 mock 数据生成方法和装置)。071第三章数字技术深化应用图 8 mock 服务功能(五)报文回放实现“生产交易捕获-信息脱敏-交易过滤-报文替换-回放实施-结果判断”全流程的分流比对方案,报文回放核心流程如下:*(#2424#24*(JUA(UA!#0$A!0%,24A!#0$A!0%图 9 回放测试流程示意图171支付清算行业金融科技创新应用案例汇编1.回放配置:动态配置回放条件,如交易类型、回放范围、回放方式等,支持生产交易实时回放、等比回放、倍速回放。使用流式读取、异步发送、内存队列等技术快速对原始数据进行遍历。2.仿真配置:模拟待测系统的上游。在接收到回放任务后,提取原生产交易请求报文 A,进行业务数据处理后生成回放请求报文 A,随后还原原生产交易请求方式与待测系统进行通讯;提取原生产交易应答报文 D,进行业务数据处理后生成预期结果,随后对回放应答报文 D进行断言。3.挡板配置:模拟待测系统的下游。在接收到待测系统的请求报文 B后,从中提取关键字段从报文库中匹配到原生产交易请求报文 B 及原生产交易应答报文 C,随后对应答报文 D 进行业务数据处理后生成回放应答报文 C返回给待测系统。利用请求报文 B 对请求报文 B进行断言。五、实施进展及取得成效1.平台已完成一期建设,提供测试管理、执行、分析等一站化的测试服务,支持接口测试、APP 测试、性能测试、mock 服务。已在全公司 162 个业务系统中推广,创建用例脚本 21 万条、测试批次 1180 万次。相较于手工测试,测试周期缩短 50%,测试人力节省 30%。2.报文回放模块能将生产交易的流量复制到测试环境,进行交易的同步回放或倍速回放,并针对每笔交易的结果进行自动化比对,截止 2023 年 4月,已累计回放 14.4 亿笔交易,发现比对差异 1.2 万例。通过海量的生产交易信息对公司支付系统进行验证、覆盖手工测试难以验证的长尾场景,保障系统线上质量。3.平台完全自主开发,将各种测试能力封装成服务,既满足了公司内各部门的灵活使用、助力公司 DevOps 顺利落地;也能以独立的 SaaS 化服务或本地化产品的方式对外进行推广和输出,解决行业内质量保障环节的痛点。271第三章数字技术深化应用六、存在的问题和解决方案(一)问题 1:系统定制化需求的快速响应问题描述:在自动化测试推广过程中,存在一部分业务系统对协议、封包、加解密等有特殊的处理逻辑;若需要平台完全集成这些逻辑,需要较长时间,影响自动化测试的快速推广。因此平台需要一种通用的方案,解决这些系统的定制化需求。解决方案:平台新增“动态函数”功能,用户能够在平台上撰写 Java代码,上传 Jar 文件,并在线进行代码动态编译和加载,最后在用例中进行调用,使得平台能够快速地适应各系统的定制化需求,实现系统自动化测试的快速落地。(二)问题 2:系统日常使用的技术支持问题描述:平台上线后,在公司内推广受到一致好评。但随着用户数量的增长,用户在日常使用过程中遇到的问题和疑问也随之增多,而在第一时间回复这些问题较为困难。另外,尽管已经准备了详尽的用户手册并进行了多轮内部培训,但仍然不断收到一些常见问题的反馈;这些问题不仅影响了用户特别是新用户的使用效率,也增加了平台日常运维和技术支持方面的压力。解决方案:平台借助人工智能技术,新增 AI 测试助手功能,将平台使用过程中的常见问题和解决方案录入知识库。用户可以通过问答的形式快速找到答案和解决方案,从而更快地上手和定位问题。除此之外,测试助手还计划对接公司的测试指标平台,实现系统质量的快速分析;同时,对接外部的生成式语言模型,为用户提供测试全领域专业的解答和建议,包括测试理论、技术、方法等。371支付清算行业金融科技创新应用案例汇编案例 24 宝付基于云原生的企业级 PaaS 平台一、案例摘要通过云管理平台实现资源的统一管理和运维,提升用户在运维管理上的工作效率,帮助企业及用户在新的硬件基础设施中实现云服务管理,消除因硬件架构变化带来的管理难点。基于云原生技术的企业级 PaaS 平台,覆盖企业应用的全生命周期管理,提供多云管理,异云灾备,持续集成、流水线、权限控制、镜像管理、应用商店,日志检索,自动监控告警,自动化伸缩等能力,结合企业特点打造对应的金融云、行业云,助力企业获得持续创新的核心能力。二、背景及目标(一)案例背景为解决企业在 IT 基础资源管理上所面临的挑战,帮助企业纾解运维成本的攀升、资源浪费、跨云技术壁垒、云技术门槛的痛点、难点问题。宝付致力于拓展智能数字化应用落地场景,推动信息技术与制造业深度融合,为企业提供云服务,使企业提质增效、降本减存、提升产品良率,减少用工成本。同时,宝付支持终端大型企业利用工业互联网为产业链中小企业提供解决方案,帮助打造行业数字化平台,提升产业链协同水平。(二)案例目标通过可视化操作,将开发管理和运维管理在支付消费领域进行页面化,471主要参与人:陈昱、魏巍、吴升斌、钱睿、韩生永、叶奕珺第三章数字技术深化应用实现全部可视化操作管理,从而减少相关人员在支付领域的多余工作负担。一是智能化资源管理。基于支付消费的监控指标或预先设定的策略,打造智能化的云资源调整服务。自动伸缩功能支持定时任务和告警触发,全程无需人工干预。通过智能资源管理策略将减少繁琐的手动操作,将客户研发运维效率在支付领域提升至 70%。二是提升支付效率。通过高效的资源利用和精细化管理,提高单位资源的利用效率。充分运用云计算技术,消除冗余资源,优化支付流程,提高资源利用率和响应速度,实现支付效率的显著提升。三是提高支付稳定性。通过在不同云上部署资源,采用多云调度、异云互备、异地多活等技术,实现支付能力达到较高的可靠性,稳定性达到99.999%,加强整体支付系统的稳定性。三、技术应用通过超融合云管理平台实现资源的统一管理和运维,大幅提升用户在运维管理上的工作效率,帮助企业及用户在新的硬件基础设施中实现云服务管理,消除因硬件架构变化带来的管理难点。(一)MStack 云服务器MStack 是集 IaaS、PassS 和 SaaS 为一体的私有全栈云解决方案,可以支持多种私有化离线部署,并提供托管能力,支持在线升级、离线升级。在提供企业版本的公共应用市场、公共 API 的基础上,支持企业二次扩展,自定义功能模块,可与内部系统无缝打通。(二)容器引擎(Container Engine,简称 MCE)容器引擎(Container Engine,简称 MCE)是基于云原生技术打造企业级PaaS 平台,覆盖企业应用的全生命周期管理,提供持续集成、流水线、权限控制、镜像管理、应用商店、日志检索、自动监控告警、自动化伸缩等全覆盖能力。虽然云计算是重要的基础性公共服务,在资源统筹化、节能、效率、安全性等问题上已成为驱动企业发展和智能化转型的新引擎,但是由于571支付清算行业金融科技创新应用案例汇编上云容器化等等技术壁垒,导致企业上云成本高。而 MCE 分别针对开发人员、运维人员提供不同的产品形态。将云容器等复杂的技术封装,为开发人员提供便捷的使用方式,提供一键式安装中间件,开箱即用,全部页面化操作管理,大大减少开发和运维人员多余的工作量。结合企业特点打造对应的金融云、行业云、工业云,助力中小企业获得持续创新的核心能力。(三)多云容器平台(Multi-cloud Container Platform,简称 MCCP)多云容器平台提供多云管控、异云灾备、异地多活,一键迁移等核心技术能力,将跨云应用之间调度速度提升到秒级别,提升运维能力的同时保障业务连续不中断。(四)DevOpsDevOps 包括代码托管、项目管理、测试管理、持续集成、制品库等产品和服务,涵盖软件开发从构想到交付的一切所需,使研发团队在云端高效协同,实践敏捷开发与 DevOps,提升软件交付质量与速度。具备完整的自研开发工具、开发过程自动化、快速发布应用能力、多角色岗位高效协作、支持敏捷或瀑布工作流、输出多维度数据报告等特性。四、功能服务为了提升用户在运维管理上的工作效率,帮助企业及用户在新的硬件基础设施中实现云服务管理,消除因硬件架构变化带来的管理难点。本案例面向需定制化私有云、公有云、混合云的综合技术解决方案的企业、待将研发设计、生产制造、运营管理等核心业务向云平台迁移的制造型企业等商户提供基于云原生技术的企业级 PaaS 平台。平台覆盖企业应用的全生命周期管理,提供多云管理、异云灾备、持续集成、流水线、权限控制、镜像管理、应用商店、日志检索、自动监控告警、自动化伸缩等全覆盖能力,结合企业特点打造对应的金融云、行业云,助力企业获得持续创新的核心能力。为企业编制工业设备上云实施指南、业务系统云化迁移实施指南。本案例相比传统支付服务模式,云计算在服务渠道、使用体验上的区别671第三章数字技术深化应用在于其弹性、可扩展性和灵活性等方面的优势,可以更好地满足用户需求,提高支付安全性。同时,云计算平台可以采取多种安全保证和措施,例如加密技术、身份验证、风险评估等,确保支付交易的安全性。五、实施进展及取得成效(一)实施进展在深入调研业务架构后,提供了针对性的支持计划和云上护航方案,结合宝付现有的业务架构和产品,以一键迁移的创新能力,从提升业务健壮性和产品稳定性等维度,对系统稳定性进行了多轮加固:1.云服务分别针对开发人员、运维人员提供不同的产品形态;2.将云容器等复杂的技术封装,为开发人员提供便捷的使用方式,提供一键式安装中间件,开箱即用;3.针对运维人员,提供云计算、多云、异云等统筹整合能力;4.对传统 IDC 引入了云计算能力,使其具备了高扩展性和高可用的计算能力;图 1 项目设计5.制定运维管理规范和活动保障方案,对于日常和特殊时期的运维行为771支付清算行业金融科技创新应用案例汇编进行流程化规范化管控,做到应对流量突增自动伸缩,保障业务连续不中断。*0)Kubernetes/MStack-B#.)-KF66DMPVE;)F7.4*-0)*0)B#0)$*$T*JVMC/C ApacheTomcatNginxSparkHadoopStormWeblogic2*F4B#0)4K7!3$C 44B#0)B#0)B#K.BD=*4(%J/0)K0) M图 2 架构设计一方面,向开发人员、运维人员提供不同的产品形态。将云容器等复杂的技术封装,为开发人员提供便捷的使用方式,提供一键式安装中间件,开箱即用,全部页面化操作管理,大大减少开发人员工作量。另一方面,向运维人员提供云计算、多云、异云等统筹整合能力。同时,云容器不依赖任何IaaS 平台,与各个运营商打通,可以实现统一管理、自动化调度、灾备、迁移,预警等功能。(二)取得成效通过对开发管理和运维管理页面化,实现全部页面化操作管理,大大减少开发人员工作量。根据监控指标或预先设定的策略,自动调整云资源规模的管理服务。自动伸缩支持定时、告警伸缩,全程无需人工干预,大大降低繁琐的人工操作,使研发运维效率提升 70%。通过高效的资源利用和管理,大大提高了资源利用率,消除冗余资源,节省企业资源投入 80%。服务团队坚持系统推进、协同高效,专职人员具备强化的数字化思维,数字技能和数据管理能力。结合宝付产业结构和资源禀赋,系统谋划、务实871第三章数字技术深化应用推进,更好发挥宝付在数字经济发展中的作用。帮助传统企业和中小企业实现数字化转型,提升企业整体运行效率和产业链上下游协同效率。六、存在的问题和解决方案在部署和实际应用项目的过程中,可能会面临以下一些问题和挑战:1.硬件和软件环境的不一致性:在部署过程中,项目所需要的硬件和软件环境与实际运行环境不一致,这可能导致项目无法正常运行或出现性能问题。解决方案:在部署之前,需要对硬件和软件环境进行充分的测试和验证,确保它们符合项目的要求。另外,在部署时可以采用容器化技术,如Docker 来封装项目及其依赖项,从而保证环境一致性。2.数据安全和隐私问题:在实际应用中,项目所使用的数据可能涉及用户隐私,这就需要采取相应的措施来确保数据的安全和保护用户隐私。解决方案:可以采用数据加密、访问控制、数据匿名化等技术来保护数据的安全和隐私。此外,还可以采用安全协议和身份认证技术来保障数据传输的安全。3.系统性能和可扩展性问题:在实际应用中,项目可能会遇到高并发、大数据量等性能和扩展性方面的挑战。解决方案:可以采用负载均衡、缓存技术、分布式架构等技术来提高系统性能和可扩展性。另外,还可以使用云计算平台来弹性扩展系统资源,以满足高峰时期的需求。4.用户体验问题:在实际应用中,项目的用户体验也是一个重要的考虑因素。如果用户体验不佳,可能会影响项目的使用和推广。解决方案:可以采用用户研究和测试等方法来了解用户需求和使用习惯,从而优化用户体验。另外,还可以采用 UI 设计、交互设计等技术来提升用户体验。综上所述,项目在部署和实际应用中可能会面临多种问题和挑战,但可以通过技术手段和方法来解决这些问题,提高项目的可靠性、安全性、性能和用户体验。971支付清算行业金融科技创新应用案例汇编案例 25兴业数金、兴业银行“商誉达”供应链票据服务平台案例 25 兴业数金、兴业银行“商誉达”供应链票据服务平台一、案例摘要“商誉达”供应链票据服务平台是兴业数金依托票交所供应链票据平台搭建的,具备开展供应链金融业务的核心技术并覆盖供应链全流程的功能平台。平台采用分布式微服务架构,运用区块链、云原生、大数据等技术构建企业级 SaaS 服务,帮助金融机构在金融脱媒趋势下触达产业链,提升供应链金融服务水平;帮助企业集团搭建供应链生态体系,提升供应链管理运营水平;为产业链企业提供开放式融资环境,践行普惠金融理念,打造一站式供应链服务体验。二、背景及目标(一)案例背景2020 年 4 月 24 日,上海票据交易所(下文简称“票交所”)推出供应链票据平台。该平台由票交所建设并运营的,是提供供应链票据签发、承兑、背书、质押、保证、贴现、到期处理、信息服务等功能的全国统一系统平台。截至 2023 年 2 月,已经接入票交所供应链票据平台的机构有 18 家,其中金融机构 8 家,分别是招商银行、兴业银行、平安银行、江苏银行、民生银行、兵工财司、电科财务、中船财务。非金融机构 10 家,分别是兴业数金、建信融通、中企云链、简单汇、欧冶金服、通汇资本、金网络、中铁建资管、天府惠融、国新金服。2021 年 1 月 28 日,票交所发布 上海票据081主要参与人:兴业数金:郑子洲、刘忠磊、毛强华、谷泓睿、林仕锋、林鹏、周人杰、孙莹、肖健、吴炜东;兴业银行:丁润辉、徐传胜、朱玮第三章数字技术深化应用交易所供应链票据平台接入规则(试行)(票交所公告 2021 1 号),明确了申请接入票交所供应链票据平台的金融机构或大型供应链核心企业的资质要求。党的二十大报告提出“着力提升产业链供应链韧性和安全水平”,这是以习近平同志为核心的党中央从全局和战略的高度做出的重大决策部署。2020 年 9 月 18 日,中国人民银行等 8 部委印发了 关于规范发展供应链金融支持供应链产业链稳定循环和优化升级的意见(银发 2020 226 号),提出应提升应收账款的标准化和透明度,支持金融机构与人民银行认可的供应链票据平台对接,支持核心企业签发供应链票据。(二)案例目标票交所供应链票据平台上线试运行后,兴业银行协同兴业数金共同拟定了票交所供应链票据平台对接方案,提出“兴享”供应链金融平台以兴业银行为主体接入票交所供应链票据平台,作为“自有平台”服务兴业银行供应链客户的内涵;“商誉达”供应链服务平台(以下简称“商誉达”)以兴业数金为主体接入票交所供应链票据平台,作为“输出平台”服务兴业银行供应链客户的外延,形成“自有平台 输出平台”协同构建供应链金融生态圈的布局,通过数字化、线上化的特色供应链金融产品,助力普惠金融发展,提升服务实体经济质效。三、技术应用“商誉达”切合金融业未来信息技术架构要求,以领域驱动框架设计,使本产品具备良好的适用性,高度的灵活性和扩展性,并且在性能上满足海量型业务数据处理的需要。(一)区块链技术应用通过分布式账本技术,将产业链上下游数据信息加密上链,实现对多种参与主体线上交易的准确识别和追溯;利用存证机构的分布式节点,实现对操作流、信息流的分布式存储和使用。181支付清算行业金融科技创新应用案例汇编(二)云原生技术应用运用云原生技术构建软件即服务(SaaS)平台,配合微服务架构,更好地支持类互联网应用开发。提供跨云环境的可移植性,实现快速部署、按需伸缩、不停机交付,提高系统安全性的同时降低成本。(三)大数据技术应用建立风控策略及客户关系管理(CRM)模型,实现对企业链属关系、票据交易行为全流程的跟踪与管理,确保企业票据签发行为与商品交易关系匹配,提升供应链服务客户营销及风险管理水平。(四)企业认证技术应用集成光学字符识别(OCR)、自然人信息认证、企业工商信息认证、银行账户小额鉴权等先进技术,实现企业注册及票据交易全流程线上化,确保企业身份、业务意愿、交易关系等相关信息的真实性。四、功能服务“商誉达”是兴业数金依托上海票交所供应链票据平台,开发的线上化供应链科技服务平台。该平台具备开展供应链金融业务的核心技术并覆盖供应链全流程功能,可以作为科技输出提供给兴业银行的企业集团客户,帮助其搭建供应链平台,实现产业链内 B2B 支付结算与融资全流程线上化。(一)平台整体架构“商誉达”以安全高效、标准统一、方便快捷为原则,实现企业集团供应链票据业务的全流程交易管理。平台业务层主要包含支持核心企业及供应商进行票据业务办理的企业服务集群、支持兴业银行及企业集团进行供应链管理的运营管理服务集团,以及核心服务集群、票交所网关服务集群等。281第三章数字技术深化应用(二)平台功能模块“商誉达”拥有独立且完善的企业管理体系,包括企业的邀请注册、身份认证、账户鉴权以及员工角色分配等;涵盖票据全部业务场景,支持等分化票据业务产品,实现从贸易信息登记、承兑、背书、质押、保证、贴现、追索清偿和票据结清的全流程一站式办理;支持企业集团对产业链票据行为的运营管理,提供客户管理、额度管理、票据管理、运营管理、用户管理、权限管理等,并提供交易数据的查询和管理服务,实现供应链票据业务的全生命周期管理。同时,为给中小企业提供更方便快捷的融资服务,平台在票交所供应链票据平台基础接口的基础上,通过开放银行直连合作银行的极速贴现报价接口,促进票据融资价格开放透明。(三)与传统 B2B 支付的区别1.免除银行支付体系线下开户步骤传统 B2B 支付以现金或票据为主,均依赖于企业线下开立的银行账户,单一银行很难覆盖企业集团全产业链,导致 B2B 支付存在断点。“商誉达”通过对接上海票交所供应链票据平台,免除了企业线下开户的繁琐步骤,实现全流程线上化,为企业提供一站式 B2B 支付结算服务。2.解决传统票据付款金额不匹配问题“商誉达”充分发挥供应链票据等分化的特征,有效解决传统票据中,产业链企业持票金额与付款金额不匹配的难题,方便企业沿产业链进行逐级支付。(四)解决市场难点

34人已浏览 2023-10-16 359页 5星级