1、中国AI+金融行业发展研究报告2022.11 iResearch Inc.22022.11 iResearch I摘要来源：艾瑞咨询研究院自主研究绘制。市场竞争方面，头部金融科技子公司与AI企业在抢夺头部金融机构时将面临更为激烈的竞争，腰尾部金融科技子公司联手AI企业占领市场；市场挑战方面，数据安全、算法黑箱、产品公平公正等问题仍然存在，需从用户数据授权、算法稳定性攻克、防止大数据杀熟等方面入手，推进AI+金融产业健康有序发展；市场机遇方面，结合自然语言处理技术的金融精准营销应用将收获更多的市场关注，多模态虚拟数字人为员工培训、客户服务等场景提供多元服务可能性。金融机构内部市场竞争加剧、金融机

2、构人力成本上升、金融市场监管趋严等客观环境驱使金融机构不断投入预算采购前沿科技，改善传统作业模式，提升金融业务运营水平。AI+金融作为优化金融业务场景的应用技术工具，主要应用于金融机构IT总体架构的中台层与渠道层，精细化解决具体场景的业务数字化诉求。总体而言，AI+金融在金融机构的内生需求、资本持续投入、政策不断扶持的驱动下，获得较为长足广阔的发展空间。本报告主要讨论金融科技子公司、AI企业、智能硬件企业、互联网大厂四类AI+金融业内玩家。金融科技子公司背靠母公司业务与数据资源，通常通过资源集成者、任务分包者的角色参与产业链中上游；AI企业通常生产自技术层到应用层的一体化金融解决方案，以垂直细

3、分场景的算法优势见长；智能硬件企业基于已有的端侧硬件产品，逐步研发配套AI+金融软件；互联网大厂凭借品牌效应与互联网产业业务经验，开拓金融领域的业务与生态合作。本报告将AI+金融的落地产品分为计算机视觉、机器学习、知识图谱、智能语音与对话式AI、自然语言处理五种类型，将AI+金融的落地场景分为安防与身份识别、信贷风控与合规控制、精准营销、客服与运营业务优化、保险理赔与投顾投研五种类型，探讨每一技术类型产品所适用业务场景、业务价值、市场空间，对比各类技术产品在金融领域的应用情况，给出金融机构对AI+金融产品重要评价维度，为读者提供产品价值参考。行业概述细分技术领域商业分析未来展望3行业概述篇1A

4、I赋能篇2商业分析篇3案例实践篇4未来思考篇542022.11 iResearch IAI+金融愿景改变传统作业服务模式，提升业务运营水平来源：艾瑞咨询研究院自主研究绘制。算力：AI算力基础数据：数据资源管理信用风险警示人脸核身团伙欺诈防范风控决策支持内部合规风控智能支付智能保险理赔业务人员培训落水识别安防监控理财精准推荐股价分析团伙作案分析需求监测识别chatbot产品定价智能财税算法：模型工具准备协同并行的AI+金融应用应用层：面向金融各类业务场景，改善金融业务痛点，提升金融业务运行水平基础层技术层算法研发：AI模型生产AI芯片智能服务器高性能计算平台超算中心智能云AI基础数据服务大数据治

5、理与数据智能化AI开发平台AI开放平台计算机视觉机器学习知识图谱智能语音自然语言处理理想的AI金融产业链状态：AI+金融应用服务海量金融业务场景智能核保52022.11 iResearch IAI+金融场景中蕴藏的产业机会金融机构数字化需求与AI+金融产品功能在场景中得以匹配近年来，在市场竞争加剧、人力成本上升、市场监管趋严等因素的影响下，以中小银行为代表的金融机构数字化转型需求与意愿不断提升，在客服与运营业务优化、精准营销、安防与身份识别、信贷风控与合规控制、保险理赔与智能投顾等业务场景中释放出大量对智能化转型产品的需求。与此同时，AI+金融供给侧计算机视觉、智能语音与对话式AI、机器学习、

6、知识图谱、自然语言处理等产品及功能逐渐完善，可在金融业务场景中实现与金融机构数字化转型需求的匹配。来源：艾瑞咨询研究院自主研究绘制。金融机构数字化转型需求业务场景匹配AI+金融产品及主要功能市场竞争加剧储蓄分流、利率市场化、金融脱媒等因素的影响下，对银行特别是中小型商业银行生存压力增大。需求点1：以数字化手段强化营销拓客能力。需求点2：需提升客户服务质量以满足客户需求。人力成本上升我国人口红利逐渐消失，劳动力成本逐渐上升，传统客服、安防等需要大量人员投入的场景人力成本提高。需求点1：减少在简单重复性劳动中所投入人力。需求点2：优化人员绩效考核与提升方式。市场监管趋严流动性风险管理等监管新规陆续

7、颁发，金融机构合规、风控等场景的监管成本增高。需求点1：提升信贷、理赔等业务自身风险识别能力。需求点2：提升对于相关业务的监管效率与精准度。计算机视觉基于视觉感知与内容分析技术处理前端硬件采集图像和视频数据，将分析结果用于预警或辅助决策等。机器学习以机器学习开发平台为核心载体，分析历史数据特征，预测风险点与营销点，辅助决策。知识图谱以知识提取与计算为核心环节，基于金融大数据构建关联网络，实现风险异常识别与监测等功能。智能语音与对话式AI以实现人机语音交互为核心目标，利用ASR、TTS、NLP技术，构建高度场景化、强交互性的产品。自然语言处理以NLU、NLG技术为核心，使计算机能够理解、处理并输

8、出自然语言，实现交互与分析功能。客服与运营业务优化精准营销信贷风控与合规控制安防与身份识别保险理赔与投顾投研金融机构数字化转型需求与AI+金融产品可实现功能在实际业务场景中匹配情况62022.11 iResearch IAI+金融定义与分类来源：艾瑞咨询研究院自主研究绘制。聚焦AI技术在金融机构前中后台核心业务环节中的实际应用人工智能技术是一门用数据和模型去为当前问题提供解决方案的交叉学科，主要目标是让机器可以胜任通常需要人类智能才能完成的基础重复性工作甚至是复杂工作。本报告中，AI泛指开发用于模拟、延伸和扩展人的智能所涉及的人工智能细分技术，包括但不限于机器学习、计算机视觉、自然语言处理、知

9、识图谱等。金融概念则指银行、保险公司、证券公司等主要金融主体机构。AI应用场景涵盖前中后台中的市场营销、产品设计、风险管控、客户服务、运营支持等。综合来看，AI+金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业务高质量发展的一系列配套解决方案。AI+金融界定及研究范畴人工智能金融主体前台中台后台智慧营销智能客服信用评估生物识别可视柜台智慧网点移动支付智能投顾数据中台业务中台客户画像信贷审批模型训练数据引擎智慧运营分控集市智慧风控反欺诈RPAOCR账户管理决策引擎模型开发大数据可视化机器学习深度学习NLP知识图谱智能语音计算

10、机视觉银行保险证券基金信托72022.11 iResearch I金融机构AI产品在IT总体架构中的层级主要应用于渠道层和中台层，精细化解决业务数字化诉求AI技术的逐步落地应用帮助金融机构从后台的臃肿繁琐中解脱，降低沟通成本、提升协作效率，同时实现前台业务的快速决策、敏捷行动，进而在市场竞争中获得更强的竞争力。人工智能技术目前主要渗透于金融机构IT体系中的渠道层和中台层，技术嵌入愈加细化，应用模块也趋于广泛。渠道层属于应用层，与终端用户直接产生交互，服务于具体业务；中台层属于技术层，服务于应用开发者与业务管理者，进行场景应用模型的开发、调优、测试。来源：艾瑞咨询研究院自主研究绘制。数据中台业务

11、中台智慧中台统一数据服务应用集成平台模型管理模型训练营销模型风控引擎决策类模型感知类模型账户管理支付中心营销支持交易中心数据研发数据引擎风控集市业务集市CRMECIF财务系统人力资源系统总账系统ALM外联系统安全公/私有云物理机金融级中间件虚拟机分布式数据库统一日志中心应用性能追踪渠道层中台层后台层基础层业务监控预警系统网点AI在金融机构IT总体架构中的覆盖层级网上银行外部设备第三方应用APP呼叫中心82022.11 iResearch I2022.11 iResearch I金融机构IT建设投入情况金融机构技术投入增势显著，推动AI+金融市场持续发展自2019年人民银行发布金融科技发展规划以

12、来，我国金融业数字化转型升级深入推进，金融机构技术资金投入持续增长。2022年，以银行、保险、证券为主的金融机构技术资金投入预计将超过4000亿元。巨额投入夯实金融机构的IT基础，做好AI金融应用的底层设施建设。与此同时，政策扶持增强，金融科技核心技术不断迭代且与金融业务场景进一步融合，金融机构间科技竞争愈发激烈，前沿技术采购不断增长。以国内银行与保险机构为前沿科技采购代表，2022年中国银行与保险机构前沿科技采购支出将达到170亿元。金融机构在科技领域投入的持续增长将为AI金融企业的长远发展带来源头活水，推动AI+金融市场持续发展，促进金融业数字化转型升级提质增效。2020-2024年中国银

13、行与保险机构前沿科技采购情况2078 2558 3082 3668 4328 351 432 532 648 798 263 321 396 495 629 20202021e2022e2023e2024e银行（亿元）保险（亿元）证券（亿元）2020-2024年中国金融机构技术资金投入情况36 42 47 60 69 77 98 122 149 186 20202021e2022e2023e2024e金融云计算基础设施（亿元）金融AI与大数据（亿元）9255269233755来源：艾瑞咨询研究院根据专家访谈数据自主建模测算。注释：金融AI与大数据包括

14、：AI技术、大数据技术、区块链技术、RPA、隐私计算等技术类别。前沿科技采购费用以银行机构从科技厂商进行技术采购的统计口径为主，不包括解决方案厂商集成或总包的科技采购部分。来源：艾瑞咨询研究院根据专家访谈数据自主建模测算。注释：金融机构技术资金投入的统计范畴包括：银行、保险、证券机构对信息化基础设施、软硬件技术工具、产品技术服务、支持性配套设备的投入，以及移动互联网及相关数字平台运营成本等。92022.11 iResearch IAI+金融资本热度机器学习产品热度上升，客服与运营业务优化场景布局增加据不完全统计，2020年至2022年9月，AI+金融领域总计发生融资事件104起，轮次分布较为平

15、均。截止2022年9月，AI+金融领域融资事件已达29起，基本持平2021年全年。从技术分类看，机器学习产品与自然语言处理产品更受资本青睐，资本热度较高，而知识图谱和智能语音产品与2020年、2021年相比，资本热度有所下降。从应用场景分布看，融资企业更多布局客服与运营业务优化场景；同时，信贷风控与合规控制、精准营销两大场景的合计占比较高，是融资企业广泛布局的热点场景。来源：IT桔子，艾瑞咨询研究院自主整理绘制。2020-2022年9月获投AI金融企业应用场景分布2020-2022年9月获投AI金融企业产品布局种子及天使轮4%A轮相关24%B轮相关25%C轮-F轮26%F轮以后21%17.8%

16、13.3%31.0%44.4%33.3%27.6%46.7%36.7%37.9%40.0%70.0%65.5%8.9%202020212022.9安防与身份识别信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投研投顾注释：由于部分AI金融企业布局多款产品和多个应用场景，本报告采取重复计数统计，故每年产品布局比例总和与场景分布比例总和超过100%。2020-2022年9月AI+金融融资事件数量26.7%16.7%24.1%46.7%63.3%69.0%31.1%20.0%10.3%37.8%26.7%13.8%46.7%53.3%34.5%202020212022.9计算机视觉机器学习知识

17、图谱智能语音自然语言处理45起30起29起202020212022.9总事件104起2020-2022年9月AI+金融融资轮次分布102022.11 iResearch IAI+金融领域相关政策解读来源：艾瑞咨询研究院根据公开资料整理绘制。2019年8月，人民银行发布了金融科技（FinTech）发展规划（2019-2021年），明确了金融科技发展的重要意义和方向，推动建立健全金融科技的“四梁八柱”。经过3年的探索与实践，上述目标已基本实现，金融科技正在成为驱动金融业变革的重要引擎。2021年末，人民银行发布了金融科技发展规划（2022-2025 年），重在解决金融科技发展不平衡不充分的问题。在

18、数字经济的浪潮下，新政策以“金融科技的整体水平与核心竞争力实现跨越式提升“为核心目标，在金融科技治理体系、数据要素价值挖掘、关键核心技术深化、数字基础设施建设等方面提出了更加具体的要求和举措，推动我国金融科技发展迈入”积厚成势”新阶段。政策推动金融科技从“立柱架梁”迈入“积厚成势”新阶段其他政策方面：近两年人民银行、银保监会、科技部等监管主体集中颁布一系列配套政策。从金融科技标准制定、数据安全与隐私保护、数据治理与应用、科技与金融场景深度融合等方向进一步促进我国金融科技的发展，完善金融科技监管框架体系。总体来说，“规范治理+科技与金融深度融合”是现阶段主要政策导向。2019-2021规划强调整

19、体布局：加强金融科技战略部署：统筹规划、体制机制建设等战略部署强化金融科技合理应用：重点突破，提升金融科技应用水平赋能金融服务提质增效：运用金融科技手段提升金融服务质效金融科技发展的重点任务部署由宏观走向具体2022-2025规划强调具体措施：健全金融科技治理体系：完善治理结构、加强金融科技伦理建设等充分释放数据要素潜能：数据能力建设、数据安全保护等打造新型数字基础设施：建设绿色数据中心、布局先进算力体系等2021年9月 人民银行发布征信业务管理办法2022年1月，银保监会发布关于银行业保险业数字化转型的指导意见2022年2月，人民银行联合市场监管总局发布金融科技产品认证目录（第二批）和新的金

20、融科技产品认证规则2022年7月，科技部等联合发布关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见近期AI+金融相关政策解读112022.11 iResearch IAI+金融领域相关政策汇总来源：艾瑞咨询研究院根据公开资料整理绘制。发布日期发布机构政策文件AI+金融相关内容2022-07科技部、教育部工业和信息化部等关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见鼓励在制造、金融等重点行业深入挖掘人工智能技术应用场景，促进智能经济高端高效发展。金融领域优先探索大数据金融风控、企业智能征信、智能反欺诈等场景。2022-02市场监管总局人民银行金融科技产品认证目录

21、（第二批）金融科技产品认证规则新增区块链技术产品、商业银行应用程序接口、多方安全计算金融应用等金融科技产品目录以及新的认证规则。2022-02人民银行、银保监会、证监会等金融标准化“十四五”发展规划明确“十四五”时期统筹推进金融标准化发展的指导思想、基本原则、主要目标、重点任务和保障措施。2022-01银保监会关于银行业保险业数字化转型的指导意见明确了银行业保险业数字化转型的指导思想、基本原则和工作目标，为银行保险机构数字化转型指明了方向。2021-12人民银行金融科技发展规划（2022-2025年）提出新时期金融科技发展的指导意见，明确金融数字化转型的总体思路、发展目标、重点任务和实施保障。

22、其中重点任务包括：健全金融科技治理体系、充分释放数据要素潜能等八个方面。2021-09人民银行征信业务管理办法数据助贷业务、大数据分析与处理等实质从事信用评价等业务的活动均纳入了监管范畴，对金融科技、大数据风控行业影响较大。2021-04科技部中国农业银行关于加强现代农业科技金融服务创新支撑乡村振兴战略实施的意见科技部和中国农业银行将加强资源整合力度，共同加大对新型研发机构、科技企业融资支持力度。探索建立投贷联动的科技金融服务模式，提供“融资+融智”全方位服务。2020-07银保监会商业银行互联网贷款管理暂行办法从风险管理体系、风险数据和风险模型管理、信息科技风险管理、贷款合作管理、监督管理等

23、方面对商业银行互联网贷款管理提出明确要求。2020-01科技部邮储银行加强科技金融合作有关工作的通知完善科技创新投入和科技金融政策，进一步推动科技和金融深度结合，加强相关领域科技金融合作。2019-10市场监管总局人民银行金融科技产品认证目录（第一批）金融科技产品认证规则包含客户端软件、安全芯片、安全载体等11种金融科技产品目录与认证规则。2019-08人民银行金融科技（FinTech）发展规划（20192021年）明确了我国金融科技发展的重要意义和基础，提出了金融科技发展的总体要求、指导思想和基本原则，同时提出了六大重点发展任务。2019-2022年AI+金融相关政策汇总12行业概述篇1AI

24、赋能篇2商业分析篇3案例实践篇4未来思考篇5132022.11 iResearch I2022.11 iResearch I169 223 296 375 453 516 589 666 382 501 677 885 1083 1211 1375 1562 201920202021e 2022e 2023e 2024e 2025e 2026e核心产品市场规模（亿元）带动相关产业规模（亿元）AI+金融市场规模金融机器学习产品为市场主要拉力由于金融机构往往具有信息安全要求高、数据处理量大且信息基础设施建设较为完善的特征，人工智能技术得以较早在金融领域营销、合规、风控等多元化场景实现落地应用并得到

25、长足发展。据艾瑞统计测算，2021年AI+金融核心市场规模达到296亿元，带动相关产业规模677亿元，到2026年，核心市场规模达到666亿元，CAGR=17.6%，带动相关产业规模1562亿元，CAGR=18.2%。分技术产品来看，金融机器学习产品由于与金融机构多业务场景均可密切结合且产品能力在海量高质金融业务数据助力下得到快速提升成为市场主要拉力之一，2021年金融机器学习产品占AI+金融核心产品市场规模比重达42.2%。注释：核心规模包括计算机视觉、智能语音及对话式AI、机器学习、知识图谱、自然语言处理等核心产业；带动规模为为达到AI应用目的而连带采购的、具有相关性的软硬件产品、服务。来

26、源：艾瑞咨询研究院根据专家访谈与桌研自主建模研究绘制。来源：艾瑞咨询研究院根据专家访谈与桌研自主建模研究绘制。2019-2026年AI+金融产品及带动相关产业规模CAGR=17.6%CAGR=18.2%机器学习42.2%计算机视觉25.3%智能语音及对话式AI15.4%自然语言处理10.1%知识图谱7.0%2021年AI+金融产品市场规模占比142022.11 iResearch I2022.11 iResearch I产品应用情况机器学习类产品应用广度宽泛，价值深厚现阶段，各类AI+金融产品在金融业务中均得到落地应用，但产品应用广度与产品业务价值存在明显差异。机器学习类产品因与金融业务数据具

27、备先天耦合性，可应用于银行大量的表单数据业务，抽取表单数据的标签并获取数据特征，有效拦截金融风险，避免欺诈与风险漏洞所带来的大额损失，同时提高营销精准度，为金融机构创收，具备较宽泛的产品应用广度与较高的产品应用价值。相比之下，计算机视觉类产品尽管能广泛应用于OCR审核、人脸门禁、安全支付等业务场景，但业务效果局限在重复劳动力的节省，产品应用价值偏低。从产品与应用场景适配情况看，AI+金融产品主要应用于信贷风控与合规控制、精准营销、客服与运营业务优化三类场景。信贷风控与合规场景主要采购机器学习与知识图谱两类产品；精准营销场景除采购机器学习与知识图谱产品外，会采购部分自然语言处理产品，以及少量智能

28、语音与对话式AI产品。注释：气泡大小为2022年该类型产品在AI+金融市场的市场规模。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究整理及绘制。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究整理及绘制。计算机视觉机器学习知识图谱自然语言处理智能语音与对话式AI广泛狭窄低高产品应用价值产品应用广度计算机视觉机器学习知识图谱智能语音与对话式AI自然语言处理安防与身份识别客服与运营业务优化信贷风控与合规控制精准营销保险理赔与投顾投研AI+金融产品与应用场景适配情况现阶段AI+金融产品应用情况气泡大小代表2021年市场规模大小152022.11 iResearch I产品效果评价维度基于艾瑞对

29、下游AI+金融服务商的深度调研，在选择AI+金融产品时，金融机构一般从产品业务适配性、产品运行准确率、产品运行稳定性、产品运行实际效果、性价比等维度评价是否采购某一服务商的产品。价格并非金融机构首要考虑的维度，产品与业务的高度适配才是客户看重的首要维度，厂商在开发AI+金融产品时首先仍先关注产品的实际业务价值。来源：艾瑞咨询研究院根据专家访谈自主研究绘制。产品与业务适配性为甲方首要关注维度产品类型/评价维度产品与业务适配性产品运行准确性产品运行稳定性产品运行实际效果价格计算机视觉安防、文本OCR等业务，满足重复操作的替代要求人脸/物体识别准确率与系统能够兼容、接入、匹配，产品运行期间尽可能保持

30、不间断、不闪退、不卡顿服务业务一线人员减轻人力作业的工作难度、强度、业务量，改善各场景的业务痛点在满足产品要求的前提下，优先考虑价格优惠的产品。但不同金融机构对产品价格的敏感程度不同，在选型时会对产品价格有不同比重的考量。机器学习风控、营销、投研投顾等业务，满足业海量表单数据划分与分析的要求与规则计算分析结果准确率知识图谱风控、营销、客服与流程优化等业务，满足复杂关联推理的业务要求与规则推理分析结果可靠性智能语音与对话式AI营销、客服与流程优化等业务，满足重复操作的替代要求语音识别准确率、语义理解准确率等自然语言处理文字语义、语境理解准确率等金融机构对AI+金融产品重要评价维度首要考虑维度16

31、2022.11 iResearch I软硬件协同赋予计算机发现与理解的能力计算机视觉（简称“CV”）是指让计算机系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。计算机视觉产品依靠摄像头等前端硬件采集图像和视频数据（现阶段已有部分端侧硬件具备一定的AI计算能力，可实时处理前端数据），基于平台层视觉感知与内容分析技术处理采集到的数据，并将分析结果应用于预警或辅助决策等场景。在金融领域，人脸识别、智能视频监控等计算机视觉产品已经广泛应用于内控管理、安防、身份核验等场景，正在逐步渗透进金融机构日常经营活动的更多方面。来源：公开资料，专家访谈，艾瑞咨询研究院自主研究

32、绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉金融计算机视觉产品技术架构与应用场景硬件层智能硬件（具备AI计算能力）传统硬件（不具备AI计算能力）服务器平台层应用层内控管理智能安防智能风控业务赋能主要场景探索场景行为分析仪人脸识别设备摄像头其他智能设备超出端侧设备处理能力的数据门禁系统扫描仪照相机其他设备考勤打卡、员工行为规范侵害防范、异常事件预警等身份核验、辅助资料审核流量监控、客户行为分析等服务器数据平台数据采集数据预处理数据标注图像视频降噪、锐化轮廓提取描点、转写训练平台数据管理模型优选模型训练摄取、存储视觉算法参数调整内容分析平台图像分析视频分析图像分类图像分割图像检

33、测语义理解视频分类视频检索事件分析动作分析轨迹分析运维、管理、授权算法图像、视频等非结构化数据运维、管理设备内部实时处理前端数据智能传感器云化云化计算机视觉技术架构与应用场景172022.11 iResearch I计算机视觉可解决业务痛点分析从内控管理、安防等细分场景切入，逐步触达业务端金融机构众多营业网点所产生的数据量巨大，数据处理工作量众多，对人力造成工作负担的同时，也提高了管理成本。金融机构的安防与风控场景急需改进工作方式，解放人力与降低运营管理成本。计算机视觉产品的引入不仅能提高金融机构内控管理效率，加速工作方式向智能化、标准化方向转变，而且能降低运营管理成本，以低成本换取高效益。自

34、然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉计算机视觉应用改善金融机构业务痛点痛点改善场景一：内控管理l考勤、智能监控等产品助力解决金融机构员工上下班、日常行为管理等问题l智能监控、身份核验等产品助力解决金融机构安防与风控问题l主要在业务流程自动化、智慧网点等领域进行探索智能考勤系统、实时监控等计算机视觉产品可助力金融机构提高员工上下班管理、日常工作管理效率，降低管理成本。实时监控、身份核验等计算机视觉产品助力金融机构安防与风控智能化升级，提升金融机构运营服务效率，降低运营成本。考勤打卡：员工通过智能考勤系统实现自动化刷脸打卡上下班员工违规行为监控：实时监控并预防员工违规放置现金等

35、上班不规范行为金库、车库、办公大楼等区域实时监控，针对危险事件提前预警，实现安防智能化人脸识别、身份核验等在风险防控的基础上简化开户、支付流程，提升服务效率智能安防：业务流程自动化：智能风控：智慧网点建设：贷款、报账等标准化流程自动化探索通过客流监控、客户行为分析等进行营业网点智能化探索OCR产品、实时监控、人机交互等助力金融机构流程自动化与网点智能化探索，促进金融机构业务运营的发展。金融机构优先考虑从不涉及敏感数据和金融安全的端侧非结构化数据相关业务领域引入计算机视觉产品，并逐步向核心业务拓展，以达到自身降本增效的目的。痛点改善场景二：安防与风控其他场景探索来源：公开资料，专家访谈，艾瑞咨询

36、研究院自主研究绘制。182022.11 iResearch I计算机视觉市场规模大部分市场需求在前期已得到满足，未来保持稳定中速增长据艾瑞统计测算，2021年AI+金融领域计算机视觉核心产品及服务市场规模达到75亿元，预计到2026年核心产品及服务市场规模将达到128亿元，2021-2026年CAGR=11.2%。金融行业内，计算机视觉产品及服务在深度学习算法的加持与带动下在人脸识别及证照识别等应用场景得到了广泛的应用。相较于其他人工智能产品，计算机视觉产品及服务在金融领域特别是银行中的应用时间相对较早、应用产品也相对成熟，导致金融领域大部分计算机视觉市场的需求在前期已被满足，未来数年将以平稳

37、中速释放市场空间为主，市场规模保持稳定中速增长。注释：核心规模包含OCR、智能网点、AI双录、生物识别平台、刷脸付及其他金融行业计算机视觉产品及服务的核心部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。44 61 75 86 96 106 116 128 201920202021e2022e2023e2024e2025e2026e核心产品服务市场规模（亿元）自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉2019-2026年中国金融计算机视觉核心市场规模2021-2026年年CAGR=11.2%192022.11 iResearch I机器学习技术架构

38、与应用场景产品核心为机器学习开发平台，在表单数据场景中受青睐金融机器学习产品特指以机器学习开发平台为载体，解决金融机构业务决策与运营优化问题的一类AI金融技术产品，可单独作为软件解决方案出售，亦可与软硬体一体机打包捆绑销售。金融机器学习产品的核心在于机器学习开发平台。一般而言，一套机器学习开发平台由底层算法框架、数据准备与特征工程、算法建模、模型运营与管理等主要模块构成。金融企业可依据自身业务规则与场景情况，在算法建模模块选择合适的机器学习算法，运算经过筛选、清洗的数据，基于历史数据规律得出运算结果。由于表单数据与机器学习具备天然的适配性，金融机器学习产品经常应用于金融信贷风控与合规控制、精准

39、营销、保险理赔与投研投顾等场景。此外，金融机器学习产品还可基于底层的卷积网络算法，服务于视觉与语音类的感知场景，如金融的客服与运营业务优化场景。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉基础算力与存储设施机器学习算法底层框架：TensorFlow/PyTorch/Alink/Caffe机器学习开发平台数据准备与特征工程数据接入数据清洗数据预处理：单个特征处理/多个特征处理特征监控数据集算法建模算法选择：聚类/分类与回归/贝叶斯/协同过滤/卷积网络模型评估与分析模型部署模型监控模型运营与管理模型训练模型试跑日志管理权限发放其

40、他信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投顾投研金融机器学习应用场景主要场景金融机器学习产品技术架构与服务场景202022.11 iResearch I机器学习可解决业务痛点分析基于历史特征预测风险点与营销点，辅助分析决策机器学习与知识图谱类似，常用于信贷风控与合规控制、金融精准营销两大场景中。知识图谱常用于推测复杂关系中的群体异常特征，但机器学习更多用于预测个体行为特征，完成对某个人/企业的风险识别与营销动作。聚类与回归算法是金融业务场景中典型的机器学习算法。聚类算法基于金融交易数据与金融异常交易业务规则，可自动划分疑似异常交易的交易记录，服务于信贷风控与合规控制业务，在风险

41、交易发生前警示拦截该交易。回归算法常用于信贷风控与合规控制业务，以及精准营销业务。回归算法通过金融数据自带的各类业务标签，尽可能将数据群切割为不同的群落，寻找群落各自的特征，并分析标签与特征之间的规律，通过规律进行风险与营销预测，提供分析参考角度，提升风险拦截效率与营销精准率。来源：艾瑞咨询研究院根据专家访谈、公开资料自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉服务场景一：信贷风控与合规控制业务服务场景二：精准营销业务l以识别金融异常交易为例：机器学习（决策智能类产品）协助解决金融业务痛点典型示例频率高金额高金额低频率低疑似异常交易疑似异常交易核心原理：金额低但频率

42、高的金融交易与频率低但单笔交易偏高的金融交易为常见的异常交易特征，可将这些特征转化为模型需要遵守的规则；操作流程：基于金融机构的交易数据，使用聚类算法进行金额与频率的分类，划分异常交易与正常交易；识别出异常交易后，及时向用户发出异常交易警示，达到风险防范的效果。服务价值：通过机器自动分类并划分可疑交易，辅助人力快速分析异常交易，解放针对复杂异常交易的冗长人力分析过程。金融异常交易聚类年龄购买偏好高购买偏好低线性回归模型建立l以根据线性回归结果，推荐金融理财产品为例：核心原理：客户群的某一属性，如用户年龄，可以划分为区间，而每一区间都有对应的客群分布，不同群落各有其理财偏好及特征，客户群落之间的

43、分界曲线可进行回归分析，也就是说尽量用不同的标签把数据点切割开；操作流程：以回归曲线对不同区间群落进行划分，并对不同群落赋以分值，并叠加其他特征进行客户的购买力预测。服务价值：通过机器寻找客户数据内部标签与特征之间的规律，依据规律实现客户购买力预测，针对不同购买力的客户进行差异化营销，提升营销精准度。25岁55岁212022.11 iResearch I机器学习市场规模需求带动与能力提升共同作用下，市场规模保持稳步增长据艾瑞统计测算，2021年AI+金融领域机器学习核心产品市场规模达到125亿元，突破百亿大关，预计到2026年核心产品市场规模将达到272亿元，2021-2026CAGR=16.

44、8%。机器学习产品与金融行业天然适配性较高，一方面金融机构自身多变性、复杂性，且通常面临营销获客难、风险防范难、用户管理难的痛点，因而对机器学习产品需求强烈，另一方面金融机构本身拥有海量高质的数据基础，为金融机器学习产品，有利于机器学习产品能力的提升，也正因如此金融机器学习市场规模可保持稳步增长。注释：核心规模包含决策应用类、数据治理类及其他金融行业机器学习产品的核心部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。80 98 125 150 181 208 240 272 201920202021e2022e2023e2024e2025e2026e核心产品服务市

45、场规模（亿元）2019-2026年中国金融机器学习核心市场规模2021-2026年年CAGR=16.8%自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉222022.11 iResearch I知识图谱技术架构与应用场景知识提取层与计算层为核心模块，信贷风控为应用典范通常而言，知识图谱技术架构由数据处理层、知识提取层、知识计算层、权限管理层、交互服务层组成。知识提取层与知识计算层为核心模块。知识提取层解决金融细分场景Schema搭建、Schema所需数据标准制定、数据与知识融合、知识的指代消解与实体对齐等核心知识图谱建设问题。知识计算层解决知识图谱的结构转换与存储、频繁子图挖掘、图计

46、算等问题。知识图谱经过两大核心环节后正式完成开发，并依照金融机构监管规定进行权限配置，在端侧与用户实现交互。现阶段，知识图谱主要应用于金融的信贷风控与合规控制、精准营销、客服与运营应用场景，尤其以信贷风控于合规场景为应用典范。在该场景中，知识图谱可发挥风险异常识别与监测的效果。来源：艾瑞咨询2022年中国知识图谱行业研究报告，艾瑞咨询研究院自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉数据采集、接入与数据治理知识提取层知识计算层数据接入数据整合Schema构建知识融合本体抽取质量评估图谱调整知识图谱存储：图结构、全文结构、列式结构图数据库存储为更优方式，但关系型数据库

47、亦可存储知识图谱计算：频繁子图挖掘从大量的图中挖掘出满足给定支持度的频繁子图知识图谱平台权限管理层交互服务层统一认证租户用户管理权限和日志其他知识智能检索知识图谱可视化知识智能问答金融知识图谱产品技术架构与服务场景信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投顾投研金融知识图谱应用场景主要场景数据处理层232022.11 iResearch I知识图谱可解决业务痛点分析基于复杂关联网络快速识别风险点、营销点、知识点在常见的三类金融应用场景中，知识图谱一般用以解决团伙作案、客户信用能力评估、新产品开发、客户拓展与留存、机械性高度重复咨询、内外部知识快速检索匹配等问题。基于金融机构可用的

48、大数据，构建知识图谱关联网络，可快速识别异常风险、发掘业务增长点、精准匹配问答知识点。来源：艾瑞咨询2022年中国知识图谱行业研究报告，艾瑞咨询研究院自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉知识图谱协助解决金融三大场景业务痛点信贷风控与合规控制业务精准营销业务客服与运营业务l主要解决团伙作案与客户信用能力评估问题以供应链金融按需拓客为例：以团伙作案识别为例：Step1：高维数据降维Step2：抽象分析社交借款人A借款人B同公司同年龄同学历银行卡连号手机号码数字相同有大量逾期贷款借款人公司年龄手机学历IP/Wifi银行卡就职社交上网拥有使用是持有具备共性Step3

49、：群体分类ABCDEFG潜在风险集群与事先设定的量化指标对比，检测相关指标是否异常。是否Step4：检测拦截用户赊销异地买卖应收账款抵押保理业务信用证业务贷款异地买卖本地买卖赊销贷款异地买卖硬件供应商B硬件供应商E核心企业D核心企业A核心企业F小型企业乙银行甲银行物流企业C零售商H经销商B与A为异地买卖关系，故A让甲银行为其提供信用证业务。而此时A企业正处于快速成长期，需要大量融资，故A向乙银行申请贷款。核心企业D向零售商H赊销产品，H为境外企业，还款期不确定，故D向甲银行申请保理业务。l主要解决产品同质化、产品创新设计与客户转化问题l主要解决机械性高度重复咨询、内外部知识更新沉淀匹配问题内部

50、员工内部知识库外部客户咨询知识库企业内部业务规则常见业务问题新人入职知识经验分享中间业务结算担保租赁融资衍生金融工具代理在后台搭建好外部客户咨询业务问题的外部知识库与服务于金融体系内业务培训的内部知识库，将知识图谱知识库嵌入智能客服或智能检索类产品中，与NLP、RPA等技术结合，使得智能客服与智能检索应用能够自动理解咨询者的业务问题，迅速定位知识库中的知识点并输出。242022.11 iResearch I2022.11 iResearch I知识图谱市场规模在知识图谱解决方案与大数据类产品带动下迎来新一轮增长据艾瑞统计测算，2021年AI+金融领域知识图谱核心产品市场规模达到21亿元，预计2

51、026年核心产品市场规模将达到68亿元，2021-2026年CAGR=26.6%。自2019年开始，知识图谱产品在金融市场逐渐得到认可，并加速向信贷风控、精准营销、流程优化等场景渗透，促使知识图谱市场规模逐渐提升。从市场结构来看，知识图谱软硬件市场规模比例约为6:4，知识图谱解决方案类产品是知识图谱在金融领域渗透最深的产品，2021年市场规模占比达84%，其在金融领域的加速渗透也将带动知识图谱整体市场规模在2022年迎来新一轮增长。注释：核心规模为软件规模，包含大数据产品、AI平台产品的知识图谱部分、金融行业知识图谱解决方案的核心软件部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披

52、露信息自主建模测算。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉14 17 21 30 39 45 55 68 201920202021e 2022e 2023e 2024e 2025e 2026e中国金融知识图谱核心市场规模（亿元）2021-2026年年CAGR=26.6%2019-2026年中国金融知识图谱核心市场规模来源：艾瑞咨询研究院根据专家访谈自主建模测算并进行市场划分绘制。84.0%10.1%5.9%知识图谱解决方案类大数据类AI平台类2021年中国金融知识图谱市场规模结构58.9%41.1%软件规模比例硬件规模比例核心市场规模，按产品结构分类：软硬一体总规模，按软硬

53、件分类：2021年中国知识图谱软 硬 一 体 化 规 模 为35.3亿元252022.11 iResearch I智能语音与对话式AI架构与应用场景以语音识别、语音合成技术为核心，实现人机语音交互智能语音与对话式AI技术是人工智能技术的重要组成部分，其中语音识别（ASR）、语音合成（TTS）以及自然语言处理是实现智能语音与对话式AI解决方案的核心技术基础（自然语言处理将在下一节详细阐述），智能语音与对话式AI的本质是实现人机语音交互。智能语音与对话式AI产品已经广泛应用于金融业企业客户服务、营销推广、人员培训等方面，助力金融业企业提升服务质量，优化服务体验。来源：公开资料，专家访谈，艾瑞咨询研

54、究院自主整理。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉基础层智能语音ASIC芯片基础云服务研究机构等其他技术层语音识别（ASR）语音合成（TTS）语音信号特征提取解码器识别结果声学模型语言模型词典前端后端文本特征提取声学模型声码器语音NLP语言学特征中间形式（梅尔频谱等）应用层智能客服智能营销智能培训自动问答、简单问题处理AI电话营销语音交互、场景式陪练智能语音与对话式AI技术架构与应用场景其他语音催收、贷款等场景262022.11 iResearch I智能语音与对话式AI可解决业务痛点应用于客服、营销等交互场景，助力金融机构降本增效由于具有较强的场景化、交互性等特点，智能

55、语音与对话式AI产品通过替代或辅助人工的方式，广泛应用于金融机构客户服务、营销推广等场景，可精准有效地解决金融机构在客户服务、营销、培训等方面人工成本不断增加、客户服务效率低下、获客成本高等问题，助力金融机构实现降本增效。随着生活节奏的加快，人们对金融服务的要求越来越高，及时性和准确性成为衡量服务质量的重要标准之一，智能语音与对话式AI产品在即时反馈和标准化服务方面具有显著优势，在金融客服领域具有广阔的应用前景。来源：公开资料，专家访谈，艾瑞咨询研究院自主整理。自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉金融机构痛点客服人员数量庞大，服务质量参差不齐，无法及时响应获客成本高，营销

56、效率低，潜在客户转化率低人工培训无法提供沉浸式场景化陪练，培训成本高催收等其他场景成本与效率问题智能语音与对话式服务金融机构业务痛点分析降低人力成本AI赋能客服产品独立解决客户重复率高、复杂度低、对服务效率有较高要求的事务，减少客服人员投入。场景智能化智能语音与对话式AI赋能提升服务质量AI客服产品可实现24小时不间断即时服务，提升服务效率，优化服务质量。AI赋能电话营销更快、更广触达潜在客户，提升触达效率，有效转化潜在客户，促进业务增长。应对服务需求波动，减少客户等待时间，标准化服务与培训降低差错率，优化客户体验。AI产品基于对话数据，提供对话分析、热点分析、决策辅助等功能，深度挖掘数据价值

57、。智能客服智能营销智能培训其他智能场景促进业务增长优化客户体验助力企业决策272022.11 iResearch I14 27 45 68 86 94 102 108 201920202021e2022e2023e2024e2025e2026e核心产品服务市场规模（亿元）智能语音与对话式AI市场规模以智能客服类产品为代表，市场增速呈明显放缓趋势据艾瑞统计测算，2021年AI+金融领域智能语音与对话式AI核心产品市场规模达到45亿元，预计到2026年核心产品市场规模将达到108亿元，2021-2026CAGR=18.9%。目前，金融领域智能语音与对话式AI产品主要应用在智能客服领域，以语音机器人

58、的形式融合智能语音技术与自然语言识别、知识图谱等技术，替代传统人工客服大批量、重复性工作以实现降本增效。未来，智能客服等较为成熟的智能语音与对话式AI产品则以向二三线城市中小商业银行市场下沉实现规模增长，但整体增速呈放缓趋势，而以智能营销为代表的新兴应用场景将成为行业新增长点。注释：核心产品规模统计口径为当年市场释放的签单额，产品形式为对话机器人。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。2019-2026年中国金融智能语音与对话式AI核心市场规模2021-2026年年CAGR=18.9%自然语言处理智能语音与对话式AI知识图谱机器学习计算机视觉282022.1

59、1 iResearch I自然语言处理技术架构与应用场景以语言理解和生成为核心，用于交互及分析场景自然语言处理是基于自然语言理解（NLU）和自然语言生成（NLG）的信息处理技术，其目的在于使计算机能够理解、处理并输出人类所使用的自然语言。从技术架构来看，自然语言处理基础层包括基础算力与存储设施及机器学习底层配套技术，核心技术层主要包括五步流程，即语料获取、语料预处理、特征选取与处理、算法模型、自然语言生成。从应用场景来看，自然语言处理技术在金融领域的应用主要集中于智能客服、智能营销等交互型场景及智能风控、智能投研等分析型场景。来源：公开资料，专家访谈，艾瑞咨询研究院自主研究绘制。自然语言处理智

60、能语音与对话式AI知识图谱机器学习计算机视觉自然语言处理技术架构与应用场景基础层机器学习底层配套技术AI芯片、传感器、存储设施等基础设施应用层交互型场景智能客服智能营销分析型场景智能风控智能投研智能投顾技术层语料获取文本型数据语音转文本(ASR)算法模型模型部署模型训练算法选择自然语言生成模型评估与分析特征选取与处理特征工程句向量短文本相似度词向量词义相似度特征选择卡方检验文档频率信息增益互信息语料预处理词法分析句法分析篇章分析分词词性标注去停用词词形还原语句规划内容选择表层实现292022.11 iResearch I2022.11 iResearch I自然语言处理可解决业务痛点分析应用于

61、智能客服等交互型场景及智能风控等分析型场景自然语言处理产品在金融领域主要应用于交互型场景与分析型场景。在智能客服、智能营销等与客户交互属性较强的场景中，自然语言处理产品的核心价值主要在于快速理解客户表达的语义并生成恰当的回复，有利于节省金融机构客服团队的人员及管理成本并提升客户服务与市场营销效率。在智能风控、智能投研、智能投顾等分析型场景中，自然语言处理产品的核心价值体现于对海量的金融资讯进行高效、精准的分析从而为后续的金融决策提供辅助。来源：艾瑞咨询研究院根据专家访谈及公开资料自主研究绘制。来源：艾瑞咨询研究院根据专家访谈及公开资料自主研究绘制。自然语言处理智能语音与对话式AI知识图谱机器学

62、习计算机视觉自然语言处理在金融分析型场景的应用自然语言处理在金融交互型场景的应用以NLP技术为基础，结合智能语音、知识图谱等技术，实现人力成本的降低及服务效率、获客效率的提升。智能营销智能客服场景客服营销痛点客服团队人员成本及管理费用高获客成本高，潜在客户转化率低服务质量与效率较难评价覆盖场景技术应用NLP：分析资讯文本，精准定位潜在客户。NLP：对客户/潜在客户以自然语言形式提出的问题/回复进行语义分析，根据语义理解结果从知识库中选取输出的内容并构建恰当的语句进行回复。NLP：服务结束后，对服务话术进行分析，以把控服务质量，优化话术。智能语音：如有必要，在问句输入、答案生成过程对语音信息与文

63、本信息进行转化。知识图谱：在问句理解、信息检索、答案生成环节，辅助提供知识的表示、存储和推理。潜在客户分析问句理解信息检索答案生成问句输入话术分析关键环节痛点金融资讯覆盖的定性文本型数据分析难度高且数据量大不同金融业务难以简单快速地定位到所需定性分析的文本型数据风控投研投顾场景借助NLP技术，对金融资讯中文本型数据进行拆解，定位有用信息并进行分类分析，提升金融机构对金融资讯分析的广度与精度。各类自然语言金融资讯上海品茶产品资料宏观经济政策文件媒体评论通过NLP技术进行分析处理事件抽取从海量金融资讯中抽取特定业务相关事件信息，并进行结构化处理。情感分析对金融咨询文本的倾向性分析，从而判断市场中各

64、类关切主体的情感倾向。文本摘要将金融资讯长文本的内容提取并重组为较短的摘要文本。应用于金融业务场景智能投研：监测市场舆情，挖掘事件关系，改善金融交易预测模型。智能投顾：分析客户行为、金融产品等关联数据，强化陪伴式服务。智能风控：增加风控模型评估因子，实现舆情监测预警。302022.11 iResearch I自然语言处理市场规模垂直应用解决方案类产品旺盛需求刺激下，保持高增长态势据艾瑞统计测算，2021年AI+金融领域自然语言处理核心产品市场规模达到30亿元，预计2026年核心产品市场规模将达到91亿元，2021-2026CAGR=24.9%。自然语言技术区别于其他AI技术，在金融领域中通常不

65、以独立产品的形式出售，而是作为底层技术结合智能语音、知识图谱等技术，以对话式AI、机器翻译、知识库等产品形式出现，而独立产品化模块发展相对缓慢。近两年受对话机器人加速应用及知识图谱产品的加速推广，加之金融机构本身具有数据敏感度高的特征和IT研发能力较弱的痛点，需要由外部机构构建大而全、复杂度高、私有化部署的垂直应用类解决方案同时进行频繁的更新迭代，金融自然语言处理产品市场规模保持相对高速增长。注释：核心规模包含大数据类、通用AI类、垂直应用解决方案类金融行业自然语言处理产品的核心部分。来源：艾瑞咨询研究院根据专家访谈、采招数据、银保监会披露信息自主建模测算。自然语言处理智能语音与对话式AI知识

66、图谱机器学习计算机视觉16.3 20 30 41 52 64 75 91 201920202021e2022e2023e2024e2025e2026e核心产品服务市场规模（亿元）2019-2026年中国金融自然语言处理核心市场规模2021-2026年年CAGR=24.9%31行业概述篇1AI赋能篇2商业分析篇3案例实践篇4未来思考篇5322022.11 iResearch I核心产业链与图谱2022AI+金融产业图谱摄像头/摄像机（内含传感器）人脸门禁识别设备（内含传感器）上游端侧硬件部署人工智能基础层AI数据资源管理图像/语音/语料数据处理数字/文本数据治理AI算力基础AI芯片智能云智能服务

67、器与高性能计算中心AI模型生产底层算法框架AI开发平台AI开放平台中游AI金融技术层计算机视觉机器学习知识图谱智能语音自然语言处理数据存储与计算关系型数据库图数据型区块链隐私计算下游AI金融应用层安防与身份识别信贷风控与合规控制精准营销客服与运营业务优化保险理赔与投顾投研银行（主要客户）客户群保险与证券（部分客户）注释：Logo摆放以企业主营业务为主，且为不完全列举。图谱中所展示的公司logo顺序及大小并无实际意义，不涉及排名。从产品生产角度出发，挑选产业链中的关键模块展示。来源：艾瑞咨询研究院自主研究绘制。332022.11 iResearch I上游中游下游端侧硬件部署数据存储与计算人工智

68、能基础层AI金融技术层AI金融应用层互联网大厂百度、阿里、腾讯AI企业商汤科技格灵深瞳智能硬件企业海康威视大华股份宇视科技金融机构科技子公司中银科技建信金科平安科技产业链内角色演变态势AI+金融市场中的四大玩家阵营均呈现全栈式布局趋势核心优势领域提升隐私计算等技术能力逐步拓展硬件集成能力、制造能力核心优势领域基于AI金融业务拓展对配套软件的需求，由软件集成向自主研发转型少部分大企业拓展AI模型生产等基础层能力以对金融业务需求理解和金融机构派系关系为核心优势通过资源集成与任务分包等形式与AI企业、智能硬件企业建立合作关系，向中上游拓展业务现阶段AI+金融领域的主要玩家包含互联网大厂、AI企业、智

69、能硬件企业、金融机构科技子公司等4大类，其业务均呈现全栈式布局趋势。其中，互联网大厂与深耕垂直领域的AI企业核心优势业务领域集中于AI+金融软件业务，可独立从技术层到应用层自闭环产出一套AI+金融解决方案，并辅以人工智能基础层能力为支撑。由于金融机构近年愈发注重信息安全并倾向采购软硬一体产品，互联网大厂与AI企业一方面提升隐私计算等技术能力以巩固软件业务优势，另一方面逐步拓展硬件集成能力、制造能力以缩小硬件业务差距。智能硬件企业以端侧硬件部署能力见长，并在AI金融业务实际拓展中基于对配套软件的需求，产业链内角色逐步由软件集成者向开发者转变。例如，如海康威视等大型智能硬件企业进一步拓展AI模型生

70、产等基础层能力以完善自身供应链链条。金融机构科技子公司则以从母公司获取的金融业务知识沉淀、数据积累为核心，从AI金融应用层入场，并发挥金融机构派系内关系优势，以资源集成者、任务分包者等角色参与中上游环节，通过与AI企业、智能硬件企业合作解决自身存在技术短板的问题。AI+金融市场主要玩家及业务演变态势主要参与者代表企业注释：图中圆圈表示对应类型企业整体在该环节的业务实力，圆圈越大实力越强，空心虚线边框圆圈表示对应类型企业中尚无企业布局该环节或仅有极少数头部企业布局。来源：专家访谈，艾瑞咨询研究院自主研究绘制。342022.11 iResearch IAI企业商业分析拓客方式含独立直销及与金融机构

71、科技子公司合作销售，客户以大中型金融机构为主AI企业在AI+金融领域新客拓展主要通过独立直销与合作销售两种方式，新客拓展关键在于通过以往成熟案例的展示，展现出AI企业针对客户具体金融业务场景需求可提供具有较高贴合度的产品或解决方案。目前，AI企业在AI+金融领域下游客户以中型金融机构为主，其原因主要包括两方面：1）核心优势在AI+金融技术层垂直领域的技术能力强，符合中型金融机构以有限预算针对特定业务场景获取较高价值提升的需求；2）中型金融机构在激烈的市场竞争环境下急需借助AI技术通过数智化获客营销保证在流量战中不落下风。相较于大型金融机构，中型金融机构更倾向于通过成立金融科技子公司补足自身金融

72、能力，而中型金融机构的资源条件不足以支撑引培顶尖IT团队或成立金融科技子公司，因此中型金融机构高度依赖外部机构提供的AI+金融产品，从而更易被AI企业触达。来源：专家访谈，艾瑞咨询研究院自主研究绘制。AI企业拓客方式特征及客户特征AI企业核心优势 垂直领域技术能力强；组织灵活，服务响应快。问题短板 软硬件资源整合能力弱；非金融机构派系内组织。拉长板补短板金融机构科技子公司拓客核心问题如何证明企业基于核心技术所输出的产品/解决方案与金融业务场景贴合度？以客户具体业务需求目标为导向，展示过往成功案例，例证AI+金融产品/解决方案可为客户带来的价值。客户类型中型金融机构区域农信社联合社大型金融机构客

73、单数量多中少客单价格低中高金科子公司建设能力弱无强触达难度低中高共性特征资金方面，预算充足且能持续投入维护升级所需资金；需求方面，数字化转型需求紧迫、信息安全要求较高。中型金融机构大型金融机构区域农信社联合社独立直销 通过招标或竞争性谈判等方式取得相关项目与客户直接签订合同。合作销售 借助金融机构子公司金融机构派系优势及资源集成能力，以联合开发、承接分包任务等形式输出技术能力。352022.11 iResearch I金融机构科技子公司商业分析以服务母公司为首要目的，以同业科技能力输出为长远目标金融科技子公司是由银行、保险、证券等金融机构以全资控股或合资方式设立的专注于AI技术与金融服务深度融

74、合的技术服务公司。在战略定位上，金融科技子公司以服务母公司IT建设与数字化转型，赋能金融主业发展为首要目的。在满足母公司需求的前提下，金融科技子公司以同业科技能力输出作为业务延伸。大部分金融科技子公司由头部金融机构出资设立，在同业输出方面具有潜在优势，因为大量中小金融机构不具备成立金融科技子公司的资源条件，购买其他机构输出的技术解决方案和服务是快速布局金融科技的有效方法。来源：公开资料，专家访谈，艾瑞咨询研究院自主整理。金融机构科技子公司战略定位与竞争优劣势母体机构保险证券银行国有大行股份制银行城商行农商行、农信社中国平安中国人保中国太保中金公司山西证券金融科技子公司保险系科技子公司证券系科技

75、子公司银行系科技子公司建信金科、工银科技兴业金数、招银云创北银金融、易达科技前海金信、桂盛金融平安金服、平安科技人保信息科技、人保金服太保在线服务科技公司金腾科技（与腾讯合资）山证科技金融科技子公司优劣势金融科技子公司优势金融科技子公司劣势金融机构强大的资本背景与数据资源加持金融机构原有科技能力支持来自母机构的需求订单，有利于金融科技子公司在场景应用方面较快积累经验金融科技子公司对金融业务更为熟悉成立时间普遍较短，金融科技类专利技术积累较少，技术创新与迭代速度慢金融机构体制限制，市场竞争力难以提升服务能力与服务意愿不足，拓客能力较弱AI人才基础相对薄弱，技术人才吸引力不强，技术研发能力较弱金融

76、机构可在资本、数据、科技人才以及业务需求等方面支持科技子公司。银行走在金融科技探索的最前列，证券公司在设立金融科技子公司方面相对保守。金融科技子公司以支持母公司IT建设与数字化转型升级为首要目的。具体来讲，金融科技子公司可在客服、精准营销、风控、投研投顾等业务场景为母公司提供技术支持。36行业概述篇1AI赋能篇2商业分析篇3案例实践篇4未来思考篇5372022.11 iResearch I格灵深瞳以三维视觉技术为核心，打造多领域AI产品体系格灵深瞳是一家人工智能领域的上市公司，专注于将先进的计算机视觉、大数据分析、机器人和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、体

77、育健康、轨交运维等领域的人工智能产品及解决方案。公司在三维计算机视觉技术方面处于行业领先地位，未来主要应用场景的人工智能产品均依托三维视觉技术，可实现对场景中人员位置/姿态、三维物体的精准检测和识别。格灵深瞳AI技术与产品体系端侧硬件来源：公司官网，公开资料，艾瑞咨询研究院自主绘制。深瞳大脑数据采集/数据预处理/数据标注数据平台训练平台模型训练/模型优选/数据管理深瞳大脑是公司核心技术的驱动平台，赋能公司人工智能产品及解决方案的技术实现，包含数据平台和训练平台。优化驱动3D立体视觉技术机器人感知与控制技术大规模跨镜追踪技术自动化交通场景感知与事件识别技术基于深度学习的模型训练与数据生产技术 人

78、体姿态与动作识别技术 三维点云配准和物体识别技术 高精度目标检测与跟踪 多目标属性识别与对象关联等 人脸识别 百亿级人员聚类 人脸属性表达等 高精度目标检测与跟踪 多目标属性识别与对象关联等 海量数据生产 跨平台模型训练技术AI解决方案智慧金融解决方案城市管理解决方案商业零售解决方案体育健康解决方案轨交运维解决方案元宇宙解决方案智能交通、智慧社区智能风控、安防等智慧油站、商业智能校园体育等列车智能检测游戏、文博、会展等核心技术382022.11 iResearch I格灵深瞳智慧金融解决方案：云边端协同实现金融行业智能化应用目前，新一代银行业务呈现高度数字化和场景化的特点，对银行网点的运营效率

79、提出了更高的要求。格灵深瞳以视觉计算为核心，深耕金融行业智能化应用，针对营业网点及其他重点场所的安全、风控、运营等业务需求，打造集三维视觉计算平台、软硬件授信安全物联平台、数据资源训练与算法管理平台、运营分析与风控预警平台为一体的智慧金融解决方案，有效帮助金融客户提高管理水平和运营效率，构建可信的安全体系，助力金融安全和内控合规。目前，格灵深瞳智慧金融解决方案已在全国数千家银行网点落地应用。格灵深瞳智慧金融解决方案云边端架构摄像头人脸识读面板其他智能设备边缘分析设备云端设备边缘云端设备端行为分析仪边缘分析设备营业网点|金库|监控中心|自助网点|办公大楼|园区特点三：银行视频智能化赋能银行安防与

80、业务运营发展银行视频智能化可助力解决银行安防（打架斗殴、人员倒地等）和内控合规（现金违规放置等）痛点。在银行安防与内控智能化的基础上，视频智能化可提高银行运营效率和水平，赋能银行业务发展。特点一：行为识别技术实现精准人体姿态与行为识别特点二：云边端协同实现银行视频智能化转变在云端算法的加持下，边缘分析设备具备数据采集、AI推理计算等能力，可实时预处理由摄像头拍摄的视频数据和各种智能事件。云边端设备协同运行，集中银行安防摄像头海量的视频数据，进行智能分析并输出智能化结果。海量视频数据人脸算法员工库行为算法履职算法其他算法与智能事件人体算法等人体行为识别算法等重点资源库算法库设备管控等云端设备可向

81、边缘设备授予三维人体姿态与行为识别算法，基于深度学习技术，精准识别人物动作姿态和轨迹。由云到边，由边到端的能力输送来源：专家访谈，公司官网，艾瑞咨询研究院自主绘制。三维视觉计算平台软硬件授信安全物联平台数据资源训练与算法管理平台运营分析与风控预警平台392022.11 iResearch I海致星图基于知识图谱平台构建新型智能反欺诈防线海致星图是一家以知识图谱技术为核心的综合大数据技术与服务企业，尤其在金融行业应用广泛。公司结合图数据库、流平台等技术应用，深耕金融智能风控业务，目前已服务于反欺诈、反洗钱、担保链等风控场景，尤其在识别团伙反欺诈场景中对智能反欺诈解决方案进行了创新。以上海银行反欺

82、诈项目为例，上海银行通过智能反欺诈模型构建客户关联网络，并基于客户自身属性及关联特征挖掘关联权重及社区分团，最终通过社团欺诈评分及社区特征结合进行可疑申请欺诈团伙挖掘及识别。在该项目中，上海银行2021年一季度自主发现信用卡社团欺诈风险事件数量环比提升显著，2021年全年个人贷款可进一步减少风险损失上亿元，斩获了“2021上海国资国企数字化转型创新大赛”总决赛二等奖。来源：公开资料，专家访谈，艾瑞咨询研究院自主整理。Step1：基于知识图谱构建客户关联网络；Step2：基于客户自身属性及关联特征挖掘关联权重及社区分团；Step3：通过社团欺诈评分及社区特征结合进行可疑申请欺诈团伙挖掘及识别。将

83、机器学习与知识图谱相结合，对大规模团伙欺诈及中介包装进行风险预警及挖掘，降低团伙欺诈风险敞口。传统的反欺诈模型，在识别新型团伙欺诈的时候，存在难以识别虚假身份、单点查封难以阻断团伙欺诈等漏洞。海致星图基于金融风控业务发展痛点提供智能反欺诈解决方案金融风控业务发展与痛点智能反欺诈解决方案金融犯罪线上化金融欺诈团队化智能反欺诈模型工作机理智能反欺诈解决方案创新点金融机构向着“金融即服务”的新型业态全面升级，开户、转账、信贷等越来越多的金融业务支持线上办理，在方便消费者的同时给了犯罪分子滋生的空间。实时数据构图：构建毫秒级团伙欺诈风险监测系统，实现了对黑产高并发集中式攻击的防御能力，赋能实时审批业务

84、。动态模型自动图析：通过对时序模式测量归一化等特征工程，实现动态模型自学习的能力。智能决策闭环：从反欺诈引擎，到综合业务管理，打造智能决策闭环。跨平台、跨技术栈的联通：在传统单机应用架构基础上融合分布式计算引擎、图计算框架、图数据库等技术。客户A客户B客户C客户D客户关联网络关联关联新型防线创新线上犯罪具有跨区域、无接触、隐蔽性强、接触面广等特点，加大了金融机构的业务风险与公安的执法办案破解难度。线下线上个人团队金融犯罪和欺诈逐渐从单兵作战向着有组织、有预谋、有策划的团伙欺诈发展，金融团伙犯罪日渐专业化、规模化，欺诈者开发出多种新的合谋方式，构建多个虚假身份进行团伙欺诈。402022.11 i

85、Research I同盾科技打造新一代决策智能体系，驱动金融业务数智化转型同盾科技是一家专注决策智能先进技术研发和应用的人工智能企业。公司聚焦金融风险、安全风险、政府治理风险三大场景，推出了基于隐私计算的共享智能平台“智邦”和基于人工智能的决策智能平台“智策”，可帮助金融机构防范风险、提升决策效率。其中，同盾决策智能平台相关产品已在工商银行、建设银行、邮储银行、中信银行、广发银行等上百家金融机构的IT核心体系中得以实际应用，有效协助金融机构实现全链条、各环节关键业务的高效处理与智能决策。来源：公司官网，公开资料，艾瑞咨询研究院自主绘制。同盾科技金融决策智能平台体系产品架构及特性天座数据管理平台

86、星河大数据平台极溯指标平台明模模型平台云图知识图谱平台方升智能量化运营平台数据体系构建金融数据资产化指标加工萃取高效能计算特征规则设计知识挖掘构建模型构建模型全生命周期管理实时+批量智能决策判断策略效果诊断动态策略调优防赌反诈反洗钱交易反欺诈信用卡风险管理信贷风险管理理赔减损汽车金融风险管理精准营销客户价值管理申请反欺诈核保优化监管科技底层平台决策能力业务场景天策决策引擎平台业务决策闭环基于人工智能的决策智能平台金融业务场景决策智能平台体系是一套覆盖数据管理、智能化决策、运营优化三大领域的智能化系统。该体系基于数据治理、隐私计算等技术建设多维度、跨行业、跨场景的数据体系，并组合应用机器学习、决

87、策引擎、知识图谱等AI技术，构建多业务场景的规则、策略及AI模型，从而实现营销、反欺诈、信贷风控等多元金融业务场景的智能化决策。在此基础上，该体系通过叠加量化分析、策略效果诊断、策略优化调整等功能，实现全链路优化决策闭环，从而不断迭代提升金融机构的业务决策能力。决策智能平台具备3大价值点：让数据形成资产：平台针对数据体系、标签体系、画像体系进行持续迭代建设，建立知识通用库，实现知识体系共创可共享。提升自动化智能决策能力：平台通过各类技术产品的紧密协作，提高金融机构业务处理自动化程度、决策智能化水平和运营管理效率。自适应、可量化：平台通过构建“决策+量化+运营”一体化决策运营框架，实现营销、风控

88、等多元金融业务的实时智能决策。41行业概述篇1AI赋能篇2商业分析篇3案例实践篇4未来思考篇5422022.11 iResearch I新格局需求方掌握更多话语权，供给侧四类玩家竞争大于合作在AI+金融市场，作为需求主体的金融机构拥有更多话语权，一个金融科技采购项目通常会有多个供给侧玩家参与其中。AI+金融市场供给侧玩家可分为金融科技子公司、AI企业、智能硬件企业、互联网大厂四类。在面对中小金融机构客群时，四类玩家呈竞争关系，大量中小金融机构并未成立自己的科技子公司，但机构间业务竞争激烈，为避免业务竞争中落伍，更倾向于外购AI产品和解决方案；在面对头部金融机构客群时，由于金融科技子公司的独特地

89、位与资源优势，其他三类玩家更倾向于联合金融科技子公司拓客，此时竞争主要在其他三类玩家之间展开。来源：公开资料，专家访谈，艾瑞咨询研究院自主整理。AI+金融生态格局金融科技子公司：头部、腰尾部分化发展AI企业：巩固算法能力，延伸硬件配套能力互联网大厂：品牌效应明显，对金融赋予产业互联网能力智能硬件企业：向软件领域拓宽能力头部金融科技子公司，例如平安科技、建信金科等，已经具有较强的AI技术能力，在AI+金融领域有一定积累，具备同业科技输出能力，可以与其他玩家直接竞争。金融机构需求方供给方供给方腰尾部金融科技子公司暂不具备足够的AI技术能力，在AI+金融市场上更多以集成商的角色出现，倾向于联合其他三

90、类玩家输出科技能力。AI企业具备深厚的技术实力，深耕金融业务细分场景的智能化转型，是行业深度解决方案提供商。AI企业通常以头部或腰部金融机构作为目标客群，通过技术能力与典型案例拓客。部分AI企业在巩固技术实力的同时，涉足硬件领域，走软硬一体化发展道路，逐步蚕食智能硬件市场。早期，智能硬件企业以向金融机构提供摄像头、人脸识别面板等硬件产品为主。现阶段，部分智能硬件企业正在逐步转型走软硬一体化发展道路，通过内部自研AI算法更好地适配硬件产品以提高自身竞争力，拓展产业链布局，但智能硬件企业的软件技术能力暂时无法与AI企业和互联网企业直接竞争。牌效应和案例拓客。部分互联网大厂会以联营公司或联合成立科技

91、实验室的形式与金融机构展开直接合作。互联网大厂拥有显著的品牌效应，基于自身积累的金融数据和较强的技术开发能力，基本具备全场景金融科技输出能力，但在单一场景应用深度上弱于AI企业。互联网大厂以大中型金融机构作为目标客群，通过品432022.11 iResearch I新挑战安全、可信、公平是AI+金融良性发展的必要条件受益于国家政策支持、强劲的需求以及资本加持，人工智能在金融领域的应用发展迅猛。但与此同时，人工智能应用于金融领域所带来的安全、可信与公平等问题挑战也引起广泛关注。2022年10月，中国人民银行发布金融领域科技伦理指引，提出了金融科技活动需要遵从守正创新、数据安全、公开透明、公平竞争

92、等行为规范，为应对AI+金融领域的新挑战、新问题指明了方向。长远来看，安全、可信、公平是AI+金融市场良性发展的必要条件，也更加符合AI赋能金融服务提质增效的初衷。来源：公开资料，专家访谈，艾瑞咨询研究院自主整理。AI+金融发展新挑战数据安全挑战算法可信挑战公平公正挑战数据是AI金融算法模型训练的基础，AI在为金融业降本增效的同时，也增大了由数据要素带来的安全风险。部分AI金融算法缺少对决策过程的合理解释与关键信息的公开披露，引发算法黑箱化，极大程度地降低了算法应用的可信度。AI技术的滥用引发大数据杀熟、智能推荐信息误导以及人工智能偏见歧视等问题，违背金融科技伦理公平公正的要求。算法黑箱图像视

93、频文本.分析结果决策建议数据过度采集数据泄露数据非法盗用？充分获取用户授权：在采集、处理用户数据前真实、准确、完整地向用户明示采集、处理相关数据的目的、方式、范围及期限。最小必要数据采集：将数据采集控制在可以实现处理目的的最小范围。主动清理留存数据：对已实现处理目的或达到存储期限的数据及时删除。提高算法稳定性：提高AI金融算法抵抗各类环境噪声、攻击的能力。充分披露AI金融产品信息：及时、准确披露创新产品和技术的主要功能、技术原理、潜在风险、补偿措施、投诉机制等。接受外部监督：在金融科技产品和服务研发与运营过程中主动接受各方监督。包容性设计：充分考虑金融产品与服务使用者在文化、地域、性别、年龄等

94、方面的差异性，避免方便部分群体的同时对其他群体造成不便，提升金融服务的可得性、易用性。防止歧视：避免由数据不全面或算法驱动造成的不公平结果，抵制利用技术优势从事大数据杀熟等不正当行为。大数据杀熟不正当竞争诱导消费用户个人信息过度采集加大泄露风险数据保护与管理不善造成用户数据泄露金融信息数据完备且价值高，易被盗用利用算法构建用户画像，实行价格歧视等通过流量、数据等优势影响用户选择信息茧房、诱导超前消费等损害用户利益可信度下降应对策略应对策略应对策略442022.11 iResearch I新机遇场景需求转移与产品创新升级为AI+金融行业带来新机遇AI技术较早在金融行业实现应用，随着需求侧场景主要

95、需求的转移与供给侧新产品形式的出现，智能客服等早期实现应用的场景逐渐转为红海市场，而精准营销场景及多模态数字人则成为了下一轮AI+金融市场的新热点。其中，精准营销场景增长机遇的出现，主要受益于中小型金融机构对于营销拓客环节智能化水平提升的需求增加；多模态数字人产品增长机遇的出现，则主要受益于产品创新升级所带来的非标准化、高复杂性的交互场景拓展可能性。来源：艾瑞咨询研究院自主研究绘制。产品创新升级机会：多模态数字人提供更多可能性与AR、VR等技术相结合，克服时间及空间的局限性问题，通过模拟不同金融业务与客户交互的场景，实现对话培训、指导及考核等功能。主要培训场景：客户服务、营销推广等与客户有强交

96、互性的业务环节。初级场景：以线下网点虚拟柜员/大堂经理形式，满足基本的客户服务接待、智能引导等交互功能；进阶场景：独立闭环完成金融业务交易场景中客户交互、产品匹配、资质审核、非标处理、风控合规等全流程。面向员工的培训场景面向客户的服务场景发展现状未来趋势自然语言处理、知识图谱等多模态数字人底层人工智能技术的进一步发展，将支撑多模态数字人为用户提供更流畅、高效、优质的交互体验，从而在员工培训、客户服务等非标准化、高复杂性的交互场景得到更广泛的应用。虽然已有少数大型金融机构应用多模态数字人，但由于其仍存在语义库建设尚不完善、情绪识别技术能力尚不成熟等问题，无法较好应对非标准化的业务交互场景，并未大

97、规模推广。场景需求转移机会：精准营销成为下一个热点场景传统客服智能化升级场景目前常用的文本机器人、语音机器人等产品技术门槛相对较低，差异化较弱，存在同质竞争问题。大中型金融机构智能客服基本需求大部分已得到满足，需求侧市场增速放缓。客户需求转移中小型金融机构面临较大生存压力，通过智能化营销手段提高获客效率、流程转化率、用户留存率的需求增加。技术门槛提升智能营销产品为实现用户行为分析、企业关系图谱等功能对知识图谱、自然语言处理等底层技术能力的要求提高。厂商进入市场的技术门槛提升，避免同质低价竞争。AI+金融场景需求转移与产品创新升级中蕴藏的机会智能客服场景精准营销场景45行业咨询投资研究市 场 进

98、 入竞 争 策 略IPO行业顾问募投商业尽职调查投后战略咨询为企业提供市场进入机会扫描，可行性分析及路径规划为企业提供竞争策略制定，帮助企业构建长期竞争壁垒为企业提供上市招股书编撰及相关工作流程中的行业顾问服务为企业提供融资、上市中的募投报告撰写及咨询服务为投资机构提供拟投标的所在行业的基本面研究、标的项目的机会收益风险等方面的深度调查为投资机构提供投后项目的跟踪评估，包括盈利能力、风险情况、行业竞对表现、未来战略等方向。协助投资机构为投后项目公司的长期经营增长提供咨询服务艾瑞新经济产业研究解决方案46艾瑞咨询是中国新经济与产业数字化洞察研究咨询服务领域的领导品牌，为客户提供专业的行业分析、数

99、据洞察、市场研究、战略咨询及数字化解决方案，助力客户提升认知水平、盈利能力和综合竞争力。自2002年成立至今，累计发布超过3000份行业研究报告，在互联网、新经济领域的研究覆盖能力处于行业领先水平。如今，艾瑞咨询一直致力于通过科技与数据手段，并结合外部数据、客户反馈数据、内部运营数据等全域数据的收集与分析，提升客户的商业决策效率。并通过系统的数字产业、产业数据化研究及全面的供应商选择，帮助客户制定数字化战略以及落地数字化解决方案，提升客户运营效率。未来，艾瑞咨询将持续深耕商业决策服务领域，致力于成为解决商业决策问题的顶级服务机构。400-026-联系我们 Contact Us企 业 微 信微

100、信 公 众 号关于艾瑞47法律声明版权声明本报告为艾瑞咨询制作，其版权归属艾瑞咨询，没有经过艾瑞咨询的书面许可，任何组织和个人不得以任何形式复制、传播或输出中华人民共和国境外。任何未经授权使用本报告的相关商业行为都将违反中华人民共和国著作权法和其他法律法规以及有关国际公约的规定。免责条款本报告中行业数据及相关市场预测主要为公司研究员采用桌面研究、行业访谈、市场调查及其他研究方法，部分文字和数据采集于公开信息，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获得；企业数据主要为访谈获得，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求，但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限制，调查资料收集范围的限制，该数据仅代表调研时间和人群的基本状况，仅服务于当前的调研目的，为市场和客户提供基本参考。受研究方法和数据获取资源的限制，本报告只提供给用户作为市场参考资料，本公司对该报告的数据和观点不承担法律责任。