2.2 更加开放、智能、融合的金融科技2.0

数字技术在不断进步，金融科技也在不断发展。如果目前的金融科技算是1.0阶段，那么下一阶段的“金融科技2.0”应该往何处发展呢？在讨论这个话题之前，我们先来看一看当下金融科技建设和应用中存在的问题与挑战。

2.2.1 金融科技建设和应用中的问题与挑战

金融企业在运用金融科技的过程中创造出许多新的场景，但是也暴露出不少的问题。

例如，与金融核心业务结合不足的问题。由于许多金融科技是互联网企业率先发起应用的，例如运用在支付场景和反欺诈场景的大数据和人工智能技术，银行在应用这些金融科技时是一个后来者，这使得银行在将这些新兴技术运用到核心业务领域时，反而显得谨慎而保守。

再例如针对大数据反欺诈场景，许多银行基于技术和人员投入的原因，并没有充分运用银行内外的数据以建立基于大数据的分析模型和全程一体化的数字处理链路，而只是简单将外部引用的反欺诈数据作为人工参考，主体流程仍然依赖于专家识别的审核结果，这使得整个反欺诈过程的识别效率并没有得到有效提升。虽然这部分银行宣称运用了大数据的反欺诈模型结果，但是新兴技术并没有和业务过程融合，整体的业务过程也不是真正数字化的。

如何将不断涌现的新兴技术与核心金融业务更紧密地结合，打造更加深入、融合的金融科技，是每家金融企业面临的难题。

金融科技的应用广度和深度还显得不足。一方面，新兴技术不断涌现。例如在个人的身份识别方面，面部识别技术已经非常成熟，但是出于信息安全和客户隐私方面的考虑，这类技术的运用需要十分谨慎，否则极易引发严重的社会问题。再例如人工智能和遥感卫星大数据，虽然获取这两项技术都较容易，但只有少数金融企业能够将这两项技术用于ESG投资或农业种植方面的行业分析，仅作为风控的辅助手段，而且应用深度和作用范围有限。

又例如区块链技术，除数字货币场景以外，在保险领域个别保险公司将其用在保单合约验伪方面，在资产管理领域极少公司运用区块链技术开发了ABS资产上链产品，但是实际效果并不佳。在数字货币等领域，由于监管政策的限制，区块链等技术并没有得到充分运用。

很多时候金融科技还只是“屠龙之技”，银行等金融企业对其使用的深度和广度远远不够。不仅如此，金融企业在金融科技的应用水平上也参差不齐。大型银行由于科技投入较为充足，在金融科技方面的研究和应用有较好的进展，相对而言，中小型金融企业则在资金投入和人才资源方面落后许多，金融科技水平也很不如人意。

另一方面，在技术的掌握能力、金融科技组织架构、内部创新文化培育、复合型科技人才的培养和引入、金融科技的投入等层面，许多金融企业都暴露出各种短板和局限，这些不足和落后极大地限制了金融科技的应用和发展。中小型金融企业尤为明显。金融科技的投入不足，使得中小型金融企业在金融科技竞争中被不断碾压，与大型金融企业的差距进一步拉大。

据中国银行业协会统计，2020年整个银行业的科技投入达到2078亿元，而前6家国有商业银行科技投入合计达到956.86亿元，占比46%，将近全行业科技投入的一半。在保险业，据中国保险业协会的数据，保险公司信息科技资金总投入为351亿元，据估算前5家保险公司的科技投入超过行业总投入40%。在证券行业，头部的10家证券公司科技投入占行业总体投入将近50%。

由此可见，金融科技竞争力向头部企业聚集是整个行业的现状。这虽然有利于加强龙头企业的竞争能力，但是也对整个行业的竞争生态产生了不利的影响。

2.2.2 数字科技发展推动金融科技进步

数字科技不断进步，社会和企业的数字化不断发展深入，金融科技的ABCD也在不断“扩容”。许多新兴数字科技催生出创新的金融应用场景。

例如，随着5G和物联网技术的发展，金融服务中许多原本需要现场的、人与人交户服务的场景，转变为智能化的、远程的场景。又例如智能无人柜台在很大程度上取代了烦琐而复杂的柜面办理，成为金融网点的主要服务设施。再例如运用了5G和人工智能技术的远程开户服务，使得原本需要客户到柜台的开户审核通过移动手机接入，后台运用人脸识别等生物识别技术，智能地识别客户的身份和真伪，达到快速建立合约的效果。

随着新能源和自动化驾驶等技术的发展，智能汽车逐渐成为新一代极客的标准配置，智能汽车也成为一个新兴的金融场地。智能汽车良好的私密性、身份标识性，让金融产品设计者欣喜地发现了新的客户画像属性。基于智能汽车能否进行更便捷的转账支付、股票交易等安全性要求更高的金融服务，是金融产品设计者正在思考的机会。

新兴的量子计算在金融场景中得到探索性应用。金融投资领域经常会出现大量随机性的、高复杂度的场景，例如风险计量和定价、投资组合的收益估算、保险业务中的灾难风险建模等。由于这些场景具有不确定性，金融分析师常常用一种叫蒙特卡洛（Monte Carlo）模型的方法来对金融风险进行分析和计算。

蒙特卡洛模型是一种通过统计采样方法对系统属性进行统计的技术，在金融风险领域有较广泛的应用。但由于蒙特卡洛模型含有大量的随机运算，传统计算机在构建蒙特卡洛模型时需要十分复杂的设计才能实现。而一旦遇上黑天鹅事件，模型的因子发生重大变化时，重构模型则需要重新设计算法和程序，这导致金融企业在应对重大突发性、转折性事件时，旧的模型往往会失效，新的模型又不能及时构建，进而造成重大损失。

在这个场景下，量子计算由于其天然的并发性和随机性，有可能起到快速构建蒙特卡洛模型的作用，并且利用量子干涉的效益大幅减少模拟中的误差，快速构建新的风险模型，让金融企业有能力随时应对金融市场的黑天鹅事件。

2020年7月，西班牙对外银行（Banco Bilbao Vizcaya Argentaria，BBVA）公布了一项研究结果，他们利用量子计算加速蒙特卡洛模型的通用落地，在资本风险计算、欺诈行为甄别等方面快速构建算法，并且速度比传统算法提升100倍之多。

2.2.3 金融科技的下一步

一方面是金融科技发展中遇到的问题与挑战；另一方面是新兴科技进步带来的创新性金融场景的新机会，金融从业者在思考着金融科技的发展问题。金融科技应该向什么方向发展，或者说，金融科技如何质变，由ABCD式的金融科技1.0如何升级到更高层次的金融科技2.0？

业界对金融科技2.0的特征和发展方向有不少讨论。有专家认为，金融科技2.0，就是金融科技1.0与5G和物联网技术深度融合后的产业互联网金融。5G技术固然会给业界带来巨大变革，但目前在金融行业的场景并没有呈现遍地开花的局面。还有专家认为，金融科技2.0是主动供给型金融科技发展模式，是对现有金融科技基础设施的管理、升级和改革的综合结果，包括金融制度创新、金融业务创新及金融组织创新。

这些说法固然正确，然而如何升级、如何改革？综合结果究竟是什么？有人说金融科技2.0的特点就是开放、智能、融入。这显然也正确，但却似乎并没有体现出金融科技的“金融”特性，仅是泛泛而谈。另外，在这些探讨里面，人们往往关注的是金融科技的“科技面”的扩展，而关于金融科技的“金融内核”的深化往往少有人认真思考。

那么，金融科技2.0究竟应该具备哪些特性才能真正称2.0呢？我们尝试提出了如下金融科技2.0的内在特征。

数字化。金融科技2.0将是对金融企业的全面数字化升级，而不仅仅局限于某一些环节或某一类技术运用。从客户体验到业务办理，再到产品创新、内部运营和风险管控，金融企业的全过程都应该是线上流转，而且是可度量、可分析、可追溯、可复原的。可度量的意思是指针对所流转的信息载体，最终结果是可以数字形态进行评估与衡量，这并不是说所有的信息载体都要以结构化数据的模式传输，随着技术的发展，图文、视频等中的信息也能够被解析出来，转化为可度量的数字信息体。

分析是度量的目的。可分析的意思是指在信息转为可度量数据的基础上，运用统计分析或者机器学习算法对数字化过程和数据内容进行分析，发掘有意义的知识和机会。这是数字化最重要的意义。

可追溯与可复原的意义在于，在信息流和业务流的全面数字化基础上，企业不仅可以精准地洞察业务和管理活动的每个细节，而且能建立起业务和管理的时空视图，真正提升业务和管理水平。

金融企业全面数字化是金融科技2.0的基础，如果没有全面数字化，将无法发挥金融科技的强大力量，金融科技的应用也只会是碎片化的、不完整的、低速率的。

智能化。近年来人工智能技术得到飞速发展，人们恍然觉得似乎人工智能已经要取代人类，很多专业似乎要被人工智能抛弃，很多员工似乎可以被人工智能取代，这种观念实在大错特错。智能化的意义，并不仅仅是对人工智能技术和算法的机械应用，而是对企业的每个管理者、每名员工，以及每位客户进行智能化辅助，让他们对市场和业务更敏锐、做出决策和判断更精确、做起事情办起业务来更省心省事，人机结合，人工智能与人合而为一。

人工智能的金融应用有两个方面。一方面是算法和算力对金融过程的处理能力增强，例如在市场财务数据的研究中运用深度学习算法，使得对目标企业的财务数据的分析能够更加深入、更快速，极大地提升财务欺诈风险的识别准确性和识别速度；另一方面是智能技术帮助人类完成机械、可复制性的工作，例如智能RPA能够在单据报销、清算运营等多个方面进行仿人类的操作，将人类员工从繁重的重复性操作中解放出来，专注专家型工作。这两方面都是对人类的辅助性增强，并不是简单的工作替代。

金融科技2.0的智能化使命是把人工智能技术合理而妥当地应用到金融业务和运营管理中，增强“人”的洞察力，提升“人”的效能，带给“人”以温度，这样才能真正且最大化地发挥人工智能技术的强大能力。

场景化。建设金融科技1.0的过程中很常见的问题是“为了技术而技术”，建设者往往没有认真思考技术的真正目的和背后的商业逻辑。以大数据和人工智能的实践为例，据统计，60%左右的金融企业过去3年内上线了大数据平台或者机器学习平台，其中仅有55%的企业认为自己的项目“完全达到当初设定的目标”，而剩下的45%的企业未能完全达到目标，甚至有20%左右的企业认为其大数据和人工智能项目面临失败。其中的关键原因是建设者没有真正从“场景”出发融合运用金融科技。

所谓的场景，就是个人客户的衣食住行等生活消费活动或企业客户的生产经营活动等。金融科技就是要帮助金融服务与这些生活生产的场景融合，唯有这样才能真正促进金融业务的未来发展和提升。场景化是数字化和智能化的基础。场景化金融科技，或者金融科技场景化，是金融科技2.0最重要的特征。

中国银行在《金融场景生态建设行业发展白皮书》中对金融场景进行了如下定义：

金融场景=场景客群+金融产品+非金融服务+内容资讯

对金融科技来说，如果领先的数字技术以最合适、最恰当、最自然的方式融入金融场景中，就能够起到乘法器的作用，提升金融场景的体验，加速金融场景的效率，最大化金融场景的价值。也就是说：

金融科技场景=（场景客群+金融产品+非金融服务+内容资讯）×数字技术

场景化是一件说起来容易做起来难的事情。在现实行业中，许多银行认为“场景缺失”是最大的痛点之一，这往往让人们感到困惑和不解。场景化，本质上不就是生活化吗？这有什么难的呢？但现实常常是，现在的许多金融企业真的不懂“生活”。这与许多金融从业人员感觉金融行业是高端行业，习惯以“高端人士”自居有关，部分银行科技人员更是“两耳不闻窗外事，一心只干数字化”。不能融入社会生活的汪洋大海中，金融科技场景化是万万建立不起来的，金融科技2.0也就永远不会实现。

生态化。金融科技1.0时代以及之前的金融电子化和金融线上化时代，金融企业之间的科技水平参差不齐，大型银行和头部券商等领先金融企业往往凭借巨大投入而筑起科技壁垒，并对跟随者和落后者形成技术碾压以及一定程度的技术垄断，造成整个行业生态不健康发展。

在金融科技2.0时代，金融企业应该找准定位，大型金融企业应该向平台化发展，中小型金融企业应该向精品化发展。大型金融企业发挥其平台稳健、抗风险能力强的特点，中小型金融企业发挥其特定领域的专业优势，创建“小而美”的金融服务。金融科技生态应该更加开放、更加鲁棒和共赢共存。2020年以来，很多银行开始建设OpenBank或者API Bank，把自己的金融专业能力形成可供集成、可被调用的服务，融入更广阔的数字世界当中，这些措施已经取得良好的效果，预期还会取得更大的成功。

平民化。金融科技生态繁荣共生的关键之处在于各类科技的门槛不断降低，最终实现金融科技的平民化、民主化和普惠化，让更多的人能够快速掌握并应用，而不仅仅是技术人员甚至是高级技术人员的曲高和寡的专用秘技。技术平民化是人类科技的发展方向之一，金融科技尤应如此。

例如近年来兴起的“增强分析”就是结合了数据可视化和人工智能技术的数据分析工具。数据分析师能够更加友好方便地得到增强的数据分析结果，从而得到市场和其他数据分析师的认可。另外，时下流行的“低代码工具”也极大地降低了软件开发的门槛，提升了业务开发的效率。金融科技2.0不仅应该惠及更多的人群，而且应该更加易于掌握，这样才能吸引更多的建设者加入，共同创建更繁荣、更多样化的金融科技生态。

金融企业只有做到金融科技的数字化、智能化、场景化、生态化、平民化，才能宣称真正迈入“金融科技2.0”新阶段。