2020年金融科技專(zhuān)利報(bào)告

1、Contents目錄一、我國(guó)金融科技專(zhuān)利申請(qǐng)情況與發(fā)展趨勢(shì) 3(一)2020 年金融科技專(zhuān)利技術(shù)分布情況與發(fā)展趨勢(shì) .51.2020 年 AI+金融專(zhuān)利申請(qǐng)情況與發(fā)展趨勢(shì) .62.2020 年區(qū)塊鏈金融專(zhuān)利申請(qǐng)趨勢(shì) .73.2020 年我國(guó)大數(shù)據(jù)、云計(jì)算和 IOT 專(zhuān)利申請(qǐng)趨勢(shì) .8(二)2020 年我國(guó)金融科技專(zhuān)利應(yīng)用場(chǎng)景分布情況 .101.2020 年我國(guó)銀行業(yè)務(wù)專(zhuān)利申請(qǐng)趨勢(shì) .102.2020 年保險(xiǎn)科技專(zhuān)利申請(qǐng)趨勢(shì) .123.2020 年投資理財(cái)專(zhuān)利申請(qǐng)趨勢(shì) .14(三)2020 年專(zhuān)利申請(qǐng)人類(lèi)型 .141.持牌金融機(jī)構(gòu) .152.互聯(lián)網(wǎng)及科技公司 .173.傳統(tǒng)企業(yè) .17二、202

2、0 年全球金融科技專(zhuān)利排行榜 TOP100 18 HYPERLINK l _TOC_250000 三、專(zhuān)利案例分析 19建設(shè)銀行：基于機(jī)器學(xué)習(xí)的資產(chǎn)證券化定價(jià)方法 19天冕大數(shù)據(jù)：基于機(jī)器學(xué)習(xí)的欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估方法 20泰康保險(xiǎn)：基于人工智能對(duì)車(chē)輛進(jìn)行定損 21博普科技：基于機(jī)器學(xué)習(xí)的債券征信評(píng)價(jià)方法 212020 年金融科技專(zhuān)利報(bào)告本報(bào)告為中國(guó)金融科技年度報(bào)告 2020細(xì)分子報(bào)告之2020 年金融科技專(zhuān)利報(bào)告。自 2019 年央行發(fā)布金融科技（FinTech）發(fā)展規(guī)劃（2019-2021 年）已經(jīng)有一年時(shí)間，為了解這一年來(lái)金融科技發(fā)展情況，零壹財(cái)經(jīng)零壹智庫(kù)與天冕大數(shù)據(jù)實(shí)驗(yàn)聯(lián)合發(fā)布了2020

3、 年金融科技專(zhuān)利報(bào)告，從專(zhuān)利視角對(duì)金融科技發(fā)展現(xiàn)狀和未來(lái)發(fā)展趨勢(shì)進(jìn)行了深度分析。截至 2020 年 9 月，我國(guó)金融科技專(zhuān)利申請(qǐng)數(shù)量累計(jì)達(dá)到 1.17 萬(wàn)件，超過(guò) 2300 家公司參與專(zhuān)利申請(qǐng)。從技術(shù)角度來(lái)看，目前金融機(jī)構(gòu)和科技公司更加青睞 AI 和區(qū)塊鏈技術(shù)，每年專(zhuān)利申請(qǐng)數(shù)量和參與公司占比均趨于上升趨勢(shì)，遠(yuǎn)超云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)。從行業(yè)和應(yīng)用場(chǎng)景來(lái)看，目前銀行科技專(zhuān)利主要集中于智能信貸、風(fēng)險(xiǎn)管理和網(wǎng)點(diǎn)建設(shè)；保險(xiǎn)科技專(zhuān)利主要集中于保險(xiǎn)理賠、核保和車(chē)險(xiǎn)定損；投資理財(cái)專(zhuān)利主要集中于量化交易、智能投顧和智能投研。從申請(qǐng)人類(lèi)型來(lái)看，目前我國(guó)已經(jīng)有 79 家金融機(jī)構(gòu)參與專(zhuān)利申請(qǐng)，隨著趨勢(shì)的發(fā)展，

4、未來(lái)還將有更多的金融機(jī)構(gòu)參與進(jìn)來(lái)。除此之外，本報(bào)告還篩選了四件專(zhuān)利進(jìn)行了案例分析：建設(shè)銀行，基于機(jī)器學(xué)習(xí)的資產(chǎn)證券化定價(jià)方法；天冕大數(shù)據(jù)，基于機(jī)器學(xué)習(xí)的欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估方法；泰康保險(xiǎn)：基于人工智能對(duì)車(chē)輛進(jìn)行定損；博普科技：基于機(jī)器學(xué)習(xí)的債券征信評(píng)價(jià)方法。一、我國(guó)金融科技專(zhuān)利申請(qǐng)情況與發(fā)展趨勢(shì)截至 2020 年 Q3，全球金融科技專(zhuān)利申請(qǐng)數(shù)量累計(jì)已達(dá)到 18,015 件，覆蓋中美韓加澳日等 34 個(gè)國(guó)家和地區(qū)。其中，專(zhuān)利申請(qǐng)數(shù)量最多的 3 個(gè)國(guó)家分別是中國(guó)（11,746 件）、美國(guó)（4,323 件）和韓國(guó)（705 件）。11746圖 1:2020 年全球金融科技專(zhuān)利 TOP10 國(guó)家中國(guó)美國(guó)4

5、325韓國(guó)705加拿大304歐元區(qū)276澳大利亞211日本182新加坡55英國(guó)48印度26數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室過(guò)去十年，我國(guó)的金融行業(yè)可以分為兩個(gè)階段。第一階段（2015 年 1），以“互聯(lián)網(wǎng)”和“大數(shù)據(jù)”為代表的互聯(lián)網(wǎng)金融在中國(guó)迅速發(fā)展，衍生出大量 P2P、互聯(lián)網(wǎng)保險(xiǎn)、互聯(lián)網(wǎng)理財(cái)?shù)冉鹑诋a(chǎn)品，金融科技概念還未形成。第二階段（2015 年之后），人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等技術(shù)逐漸成熟，在金融行業(yè)中的應(yīng)用場(chǎng)景逐漸明確，從監(jiān)管到各地政府，相繼出臺(tái)政策鼓勵(lì)包括金融機(jī)構(gòu)應(yīng)用新型技術(shù)發(fā)展金融科技。從監(jiān)管機(jī)構(gòu)到金融機(jī)構(gòu)，從投資者到科技公司，逐漸意識(shí)到利用人工智能、區(qū)塊鏈為代表的新型技

6、術(shù)，可以有效提高企業(yè)獲客能力、風(fēng)險(xiǎn)管理能力、工資效率，同時(shí)還可以降低企業(yè)運(yùn)營(yíng)成本和 IT 建設(shè)成本。這一階段，也吸引了大量的企業(yè)入局，既有中國(guó)銀行為代表的金融機(jī)構(gòu)、也有以長(zhǎng)虹電器為代表的傳統(tǒng)行業(yè)，神州數(shù)碼為代表的科技公司，同時(shí)還吸引了一批科創(chuàng)公司，如天冕大數(shù)據(jù)、360 數(shù)科等科技公司。大量企業(yè)入局，為科技發(fā)展帶來(lái)了創(chuàng)新力和創(chuàng)造力，專(zhuān)利申請(qǐng)數(shù)量也呈現(xiàn)爆發(fā)式增長(zhǎng)。2016-2020 年之間，新增金融科技專(zhuān)利 11467 件，累計(jì)有超過(guò) 2200 家公司參與了專(zhuān)利申請(qǐng)。其中，有近 50%的公司成立于 2016-2020 年之間。圖 2: 2011-2020 年Q3 我國(guó)金融科技專(zhuān)利申請(qǐng)情況（單位：件

7、）5000400030002000100002011年2012年2013年2014年2015年2016年2017年2018年2019年 2020年Q3數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室圖 3: 2011-2020 年Q3 我國(guó)金融科技專(zhuān)利申請(qǐng)人（公司）（單位：家）100080060040020002011年2012年2013年2014年2015年2016年2017年2018年2019年 2020年Q3數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室(一) 2020 年金融科技專(zhuān)利技術(shù)分布情況與發(fā)展趨勢(shì)從專(zhuān)利申請(qǐng)情況來(lái)看，我國(guó)的金融科技專(zhuān)利主要以 AI 和區(qū)塊鏈技術(shù)為核心。未來(lái)的金融科技，則有可能向區(qū)塊鏈

8、偏移。2020 年（Q1-3），我國(guó)有 482 家公司參與了金融科技專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量為 1952 件。其中有 267 家公司參與了區(qū)塊鏈專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量合計(jì) 1106 件；有 244 家公司參與了 AI+金融專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量合計(jì) 857 件；此外，參與云計(jì)算、大數(shù)據(jù)和 IOT 專(zhuān)利申請(qǐng)的公司分別有 51 家、179 家和 59 家，專(zhuān)利數(shù)量分別有 141 件、452 件和 107 件。并且，從 2018-2020 年，每年申請(qǐng)的區(qū)塊鏈金融專(zhuān)利數(shù)量和公司數(shù)量均超過(guò) AI+金融。圖 4：2020 年我國(guó)金融科技專(zhuān)利申請(qǐng)情況申請(qǐng)人（公司）專(zhuān)利申請(qǐng)數(shù)量3001200250100020080015

9、0600100400502000AI區(qū)塊鏈云計(jì)算大數(shù)據(jù)IOT0AI區(qū)塊鏈 云計(jì)算 大數(shù)據(jù)IOT數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室2020 年 AI+金融專(zhuān)利申請(qǐng)情況與發(fā)展趨勢(shì)圖 5：2011-2020 年我國(guó) AI+金融專(zhuān)利申請(qǐng)情況20001500100050002011年2012年2013年2014年2015年2016年2017年2018年2019年 2020年Q1-Q3數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室圖 6：2011-2020 年我國(guó) AI+金融專(zhuān)利申請(qǐng)人（公司）50040030020010002011年2012年2013年2014年2015年2016年2017年2018年2019年

10、 2020年Q1-Q3數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室2011-2015 年，我國(guó)金融行業(yè)在 IT 建設(shè)上，主要圍繞互聯(lián)網(wǎng)技術(shù)，打造線上化業(yè)務(wù)。AI技術(shù)并未引起關(guān)注，每年參與 AI+金融專(zhuān)利申請(qǐng)公司的數(shù)量在 10-30 家之間，且專(zhuān)利申請(qǐng)數(shù)量均不超過(guò) 100 件。2016-2020 年，我國(guó)相繼發(fā)布了多項(xiàng)政策，鼓勵(lì) AI 與金融結(jié)合。例如，國(guó)務(wù)院在 2017年發(fā)布的新一代人工智能發(fā)展規(guī)劃，將建設(shè)智慧金融作為重點(diǎn)任務(wù)之一。除此之外，AI 在銀行、保險(xiǎn)、資管、支付、征信、風(fēng)險(xiǎn)管理等業(yè)務(wù)中的功能和應(yīng)用場(chǎng)景越來(lái)越清晰化，智能客服、智能投顧、智能理賠、智能支付、智能征信、智能風(fēng)控、智能投研等相關(guān)概念

11、被提出。一些金融機(jī)構(gòu)通過(guò)開(kāi)設(shè)金融科技子公司、與互聯(lián)網(wǎng)科技公司戰(zhàn)略合作，“內(nèi)外兼修”科技能力。截至 2020 年，已經(jīng)有 15 家銀行、8 家保險(xiǎn)公司、2 家證券公司宣布并成立金融科技子公司；并且這些金融機(jī)構(gòu)每年都加大科技投入進(jìn)行自主研發(fā)。此外，一些 AI+金融賽道的科技公司也相繼成立，例如蘇寧金融科技、360 數(shù)科、天冕大數(shù)據(jù)等。2016-2020 年，累計(jì)有 2246 家公司參與了金融科技專(zhuān)利申請(qǐng)，其中有 1078 家申請(qǐng)了 AI+金融專(zhuān)利，占比為 48%。其中，在 2020 年前三季度，有 482 家公司參與金融科技專(zhuān)利申請(qǐng)，其中有 244 家公司申請(qǐng)了 AI+金融專(zhuān)利申請(qǐng)，占比為 51%

12、，專(zhuān)利合計(jì) 857 件。2020 年區(qū)塊鏈金融專(zhuān)利申請(qǐng)趨勢(shì)圖 7:2012-2020 年我國(guó)區(qū)塊鏈專(zhuān)利申請(qǐng)情況2019年2020年Q1-Q32018年2017年2016年2015年2014年2013年2012年25002000150010005000數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室圖 8:2012-2020 年我國(guó)區(qū)塊鏈專(zhuān)利申請(qǐng)人（公司）2019年2020年Q1-Q32018年2017年2016年2015年2014年2013年2012年5004003002001000數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室在 2016 年之前，區(qū)塊鏈技術(shù)在我國(guó)還鮮為人知，社會(huì)關(guān)注度相對(duì)較低。即使 2016 年

13、，由工信部指導(dǎo)的中國(guó)區(qū)塊鏈技術(shù)和應(yīng)用發(fā)展白皮書(shū)(2016)發(fā)布，也并未引起太大關(guān)注。2017 年末，比特幣價(jià)格上漲，由年初的 965 美元漲至 14025 美元，最大漲幅超過(guò) 25 倍。在比特幣、以太坊等數(shù)字貨幣影響下，區(qū)塊鏈技術(shù)才首次迎來(lái)了社會(huì)廣泛關(guān)注。由于區(qū)塊鏈技術(shù)具有可溯源、不可篡改、去中心化等特性，可以有效改善金融業(yè)務(wù)中的信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)，提高金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理能力，同時(shí)還可以有效改善融資環(huán)境，解決中小企業(yè)融資問(wèn)題，解決金融數(shù)據(jù)安全等問(wèn)題，大量科技公司涌入該賽道。從 2018-2020 年，有超過(guò) 1000 家公司參與區(qū)塊鏈金融專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量約 5300 件。其中，在 2018

14、年，有 483 家公司參與專(zhuān)利申請(qǐng)，申請(qǐng)數(shù)量達(dá)到 1623 件，同比分別增長(zhǎng)了 286%和 568%。而這一階段（2018-2020 年），參與 AI+金融專(zhuān)利申請(qǐng)的公司不足 900 家，專(zhuān)利數(shù)量 4100件左右。2020 年我國(guó)大數(shù)據(jù)、云計(jì)算和 IOT 專(zhuān)利申請(qǐng)趨勢(shì)相較 AI 和區(qū)塊鏈，大數(shù)據(jù)、云計(jì)算和 IOT 三項(xiàng)技術(shù)受場(chǎng)景和應(yīng)用范圍限制，關(guān)注度不高，但是每年參與專(zhuān)利申請(qǐng)的公司和專(zhuān)利數(shù)量均保持穩(wěn)定的增長(zhǎng)趨勢(shì)。大數(shù)據(jù)+金融在金融領(lǐng)域，大數(shù)據(jù)與 AI 之間的界限越來(lái)越模糊。很多應(yīng)用場(chǎng)景同時(shí)應(yīng)用到了大數(shù)據(jù)和 AI 技術(shù)。例如，智能營(yíng)銷(xiāo)是基于大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)推出的應(yīng)用場(chǎng)景。智能投顧

15、是基于海量客戶數(shù)據(jù)和產(chǎn)品信息，借助大數(shù)據(jù)和機(jī)器學(xué)習(xí)構(gòu)建的模型，為客戶提供個(gè)性化、千人千面的投資理財(cái)服務(wù)。這些場(chǎng)景均離不開(kāi)大數(shù)據(jù)和 AI。在 2020 年前三季度，大數(shù)據(jù)+金融專(zhuān)利申請(qǐng)數(shù)量為 452 件，其中有近 50%的專(zhuān)利同時(shí)應(yīng)用了人工智能和大數(shù)據(jù)技術(shù)。云計(jì)算+金融為了降低 IT 建設(shè)成本，實(shí)現(xiàn)利潤(rùn)最大化，越來(lái)越多的金融機(jī)構(gòu)借助云平臺(tái)建設(shè)自己的金融科技；同時(shí)以阿里云、騰訊云為代表的云技術(shù)供應(yīng)商，圍繞金融業(yè)務(wù)搭建了相關(guān)場(chǎng)景和解決方案。在 2020 年，有 51 家企業(yè)申請(qǐng)了云計(jì)算專(zhuān)利，專(zhuān)利數(shù)量合計(jì) 141 件。IOT+金融在金融行業(yè)，IOT 的應(yīng)用場(chǎng)景更多集中于網(wǎng)點(diǎn)建設(shè)和供應(yīng)鏈金融業(yè)務(wù)。以銀行

16、為代表的金融機(jī)構(gòu)，為了建設(shè)數(shù)字化銀行，打造 3 公里銀行，借助手機(jī)用戶、傳感器等設(shè)備，對(duì)銀行網(wǎng)點(diǎn)進(jìn)行升級(jí)改造，提升客戶體驗(yàn)。除此之外，為了解決供應(yīng)鏈金融業(yè)務(wù)存在的信任問(wèn)題，金融機(jī)構(gòu)和金融科技公司借助 IOT技術(shù)實(shí)現(xiàn)對(duì)物流信息的管理，提高數(shù)據(jù)的真實(shí)性，提高風(fēng)險(xiǎn)管理能力。在 2020 年，一共有 59 家公司參與 IOT 專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量合計(jì) 107 件。(二)2020 年我國(guó)金融科技專(zhuān)利應(yīng)用場(chǎng)景分布情況從行業(yè)和場(chǎng)景來(lái)看，2020 年申請(qǐng)的金融科技專(zhuān)利，超過(guò) 57%的專(zhuān)利與交易支付（包含數(shù)字資產(chǎn)）有關(guān)，其次是銀行、保險(xiǎn)和投資理財(cái)。在銀行、保險(xiǎn)和投資理財(cái)業(yè)務(wù)當(dāng)中，AI 相關(guān)專(zhuān)利數(shù)量最多。銀行業(yè)，專(zhuān)

17、利數(shù)量最多的 3個(gè)場(chǎng)景是智能信貸、風(fēng)險(xiǎn)管理和網(wǎng)點(diǎn)建設(shè)；保險(xiǎn)業(yè)，專(zhuān)利數(shù)量最多的 3 個(gè)場(chǎng)景是保險(xiǎn)理賠、核保和車(chē)險(xiǎn)定損；投資理財(cái)，專(zhuān)利數(shù)量最多的 3 個(gè)場(chǎng)景是量化交易、智能投顧和智能投研。此外，在交易支付場(chǎng)景中，區(qū)塊鏈專(zhuān)利占比最高，這些專(zhuān)利主要以區(qū)塊鏈技術(shù)為核心進(jìn)行資產(chǎn)交易。圖 9：2020 年我國(guó)金融科技專(zhuān)利應(yīng)用場(chǎng)景分布情況專(zhuān)利申請(qǐng)數(shù)量申請(qǐng)人（公司）600200500400150300100200501000銀行保險(xiǎn)0投資理財(cái)銀行保險(xiǎn)投資理財(cái)數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室2020 年我國(guó)銀行業(yè)務(wù)專(zhuān)利申請(qǐng)趨勢(shì)在過(guò)去 5 年，銀行業(yè)金融機(jī)構(gòu)一直在積極鼓勵(lì)創(chuàng)新變革，并持續(xù)探索人工智能、區(qū)塊鏈、大

18、數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)，實(shí)現(xiàn)網(wǎng)點(diǎn)和業(yè)務(wù)轉(zhuǎn)型。通過(guò)內(nèi)外兼修的模式，打造數(shù)字化銀行。與此同時(shí)，銀行數(shù)字化轉(zhuǎn)型也吸引了一批科技公司的入局，憑借其技術(shù)優(yōu)勢(shì)，為銀行業(yè)金融機(jī)構(gòu)提供技術(shù)服務(wù)和解決方案。在 2020 年前三季度，一共有 186 家公司，申請(qǐng)了 622 件專(zhuān)利。其中，銀行和消費(fèi)金融公司分別有 21 家和 2 家。圖 10：2015-2020 年銀行科技專(zhuān)利申請(qǐng)趨勢(shì)專(zhuān)利申請(qǐng)數(shù)量申請(qǐng)人（公司）1400350120030010002508002006001504001002005002015年 2016年 2017年 2018年 2019年 2020年Q1-Q302015年 2016年 2017年 20

19、18年 2019年 2020年Q1-Q3數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室從技術(shù)角度來(lái)看，銀行在數(shù)字化轉(zhuǎn)型過(guò)程中，更加偏向于 AI 技術(shù)。在 2020 年，銀行業(yè)相關(guān)專(zhuān)利申請(qǐng)數(shù)量有 622 件，其中 AI 相關(guān)專(zhuān)利有 374 件。在過(guò)去 5 年，銀行業(yè)自開(kāi)展數(shù)字化轉(zhuǎn)型過(guò)程中，AI 就作為主要的技術(shù)被應(yīng)用于多個(gè)場(chǎng)景，例如，智能客服，智能信貸，智能營(yíng)銷(xiāo)，智能風(fēng)控等。圖 11：2015-2020 年銀行科技各技術(shù)專(zhuān)利申請(qǐng)情況2020年Q1-Q32019年2018年2017年2016年2015年0200400600800AI區(qū)塊鏈云計(jì)算大數(shù)據(jù)IOT數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室區(qū)塊鏈?zhǔn)亲鳛榻鉀Q

20、中小企業(yè)融資難貴問(wèn)題的技術(shù)之一。此外，一些科創(chuàng)公司圍繞區(qū)塊鏈技術(shù)開(kāi)發(fā)新的功能和應(yīng)用場(chǎng)景。例如，將區(qū)塊鏈技術(shù)應(yīng)用于銀行催收業(yè)務(wù)，打破信息孤島，提升催收銷(xiāo)量。在近幾年，AI 在銀行業(yè)當(dāng)中的應(yīng)用，趨于同質(zhì)化，大部分專(zhuān)利主要是將智能客服、人臉識(shí)別、語(yǔ)音識(shí)別、文本生成，逐漸覆蓋信用卡、信貸、理財(cái)、風(fēng)險(xiǎn)管理、網(wǎng)點(diǎn)升級(jí)、手機(jī) app 等場(chǎng)景中。盡管如此，相較其他技術(shù)，AI 更有助于拓展銀行個(gè)人金融業(yè)務(wù)、加速網(wǎng)點(diǎn)智能化建設(shè)、強(qiáng)化風(fēng)險(xiǎn)控制能力、提高營(yíng)銷(xiāo)精準(zhǔn)率等作用。2020 年保險(xiǎn)科技專(zhuān)利申請(qǐng)趨勢(shì)圖 12：2015-2020 年保險(xiǎn)科技專(zhuān)利申請(qǐng)情況專(zhuān)利申請(qǐng)數(shù)量申請(qǐng)人（公司）1000200800150600100

21、4005020002015年2016年2017年2018年2019年2020年（Q1-Q3）02015年2016年2017年2018年2019年2020年（Q1-Q3）數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室保險(xiǎn)行業(yè)，由于機(jī)構(gòu)數(shù)量相對(duì)較少，因此上下游企業(yè)（包括科技服務(wù)商）數(shù)量規(guī)模相對(duì)較小。在 2020 年，96 家公司參與了保險(xiǎn)科技專(zhuān)利申請(qǐng)，專(zhuān)利申請(qǐng)數(shù)量合計(jì)達(dá)到 287 件；其中有 6 家是保險(xiǎn)和保險(xiǎn)經(jīng)紀(jì)公司，在過(guò)去幾年，保險(xiǎn)行業(yè)一直熱衷于 AI 技術(shù)的探索。2016-2020 年之間，AI 相關(guān)專(zhuān)利占據(jù)了保險(xiǎn)科技專(zhuān)利申請(qǐng)總數(shù)的 58%以上。每年參與保險(xiǎn)科技專(zhuān)利申請(qǐng)的公司，有超過(guò) 50%的公司申請(qǐng)

22、了人工智能+保險(xiǎn)專(zhuān)利。圖 13：2015-2020 年保險(xiǎn)科技各技術(shù)專(zhuān)利申請(qǐng)情況2020年（Q1-Q3）2019年2018年2017年2016年2015年5004003002001000AI區(qū)塊鏈云計(jì)算大數(shù)據(jù)IOT數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室圖 14：2015-2020 年保險(xiǎn)科技各技術(shù)專(zhuān)利申請(qǐng)人（公司）2020年（Q1-Q3）2019年2018年2017年2016年2015年020406080100AI區(qū)塊鏈云計(jì)算大數(shù)據(jù)IOT數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室從場(chǎng)景分布來(lái)看，保險(xiǎn)科技專(zhuān)利主要集中在理賠、核保和定損三個(gè)場(chǎng)景。其中，AI 在保險(xiǎn)業(yè)中，主要的應(yīng)用場(chǎng)景包括車(chē)險(xiǎn)定損、智能理賠

23、、反欺詐、精準(zhǔn)營(yíng)銷(xiāo)、核保。區(qū)塊鏈用于平臺(tái)搭建，為用戶提供投保、理賠、審核等功能。2020 年投資理財(cái)專(zhuān)利申請(qǐng)趨勢(shì)圖 15：2015-2020 年投資理財(cái)科技專(zhuān)利申請(qǐng)情況專(zhuān)利申請(qǐng)數(shù)量申請(qǐng)人（公司）400160350140300120250100200801506010040502002015年2016年2017年2018年2019年2020年（Q1-Q3）02015年2016年2017年2018年2019年2020年（Q1-Q3）數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室在 2020 年，有 62 家公司參與了投資理財(cái)相關(guān)專(zhuān)利申請(qǐng)，專(zhuān)利申請(qǐng)數(shù)量合計(jì) 134 件。其中，有 43 家公司申請(qǐng)的專(zhuān)利與人工智

24、能技術(shù)有關(guān)，專(zhuān)利數(shù)量合計(jì) 79 件。在過(guò)去幾年，AI 技術(shù)在投資理財(cái)領(lǐng)域，一直處于活躍狀態(tài)。從 2017-2020 年之間，每年申請(qǐng)的 AI 專(zhuān)利占其總數(shù) 50%以上，參與專(zhuān)利申請(qǐng)的公司也在 55%以上。在投資理財(cái)領(lǐng)域，金融科技主要功能體現(xiàn)在：利用科技拓寬資金來(lái)源、提高投資交易水平、強(qiáng)化風(fēng)險(xiǎn)管理能力，實(shí)現(xiàn)利潤(rùn)最大化。其中，智能投顧、智能投研和量化交易是目前專(zhuān)利數(shù)量最多的 3 個(gè)應(yīng)用場(chǎng)景。(三) 2020 年專(zhuān)利申請(qǐng)人類(lèi)型按照專(zhuān)利申請(qǐng)人類(lèi)型，我國(guó)金融科技專(zhuān)利申請(qǐng)人可以分為 3 大類(lèi)：持牌金融機(jī)構(gòu)、互聯(lián)網(wǎng)科技公司和傳統(tǒng)企業(yè)。持牌金融機(jī)構(gòu)表 1：金融機(jī)構(gòu)科技專(zhuān)利申請(qǐng)情況金融機(jī)構(gòu)公司數(shù)量（單位：家）專(zhuān)

25、利數(shù)量（單位：件）保險(xiǎn)25343基金12消費(fèi)622銀行36861證券935支付158綜合金融11622合計(jì)782943數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室在 2020 年，我國(guó)有 37 家金融機(jī)構(gòu)參與了專(zhuān)利申請(qǐng)，專(zhuān)利數(shù)量合計(jì) 476 件。截至，2020 年 9 月，我國(guó)累計(jì)有 79 家持牌金融機(jī)構(gòu)申請(qǐng)金融科技專(zhuān)利，專(zhuān)利數(shù)量合計(jì) 1321 件，占我國(guó)金融科技專(zhuān)利總數(shù)的 25%。其中，包括銀行（36 家）、保險(xiǎn)（25 家）、證券（9 家）、基金（1 家）、支付（1 家）、消費(fèi)金融公司（6 家）和綜合金融服務(wù)機(jī)構(gòu)（1家）。在 2015 年之前，中國(guó)僅 5 家金融機(jī)構(gòu)參與了金融科技專(zhuān)利申請(qǐng)。隨著技術(shù)的

26、成熟和金融科技定位逐漸清晰化，越來(lái)越多的金融機(jī)構(gòu)將數(shù)字化、智能化轉(zhuǎn)型付諸于行動(dòng)。從 2015-2020 年之間，先后有 12 家銀行、2 家證券公司，此外還有十余家保險(xiǎn)公司投資成立科技子公司。同時(shí)還有 73 家金融機(jī)構(gòu)參與了金融科技專(zhuān)利申請(qǐng)。圖 16：2012-2020 年金融機(jī)構(gòu)專(zhuān)利申請(qǐng)人50403020100201220132014201520162017201820192020數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室按照專(zhuān)利申請(qǐng)數(shù)量，有 17 家公司進(jìn)入了全國(guó)前 100，分別有 8 家銀行、5 家保險(xiǎn)公司， 1 家綜合金融服務(wù)公司、1 家證券公司、1 家消費(fèi)金融公司和 1 家支付公司。排名前

27、 3 的公司分別是平安集團(tuán)（1622 件）、中國(guó)銀行（253 件）和微眾銀行（187 件）。表 2：我國(guó) 17 家金融機(jī)構(gòu)進(jìn)入全球金融科技專(zhuān)利 TOP100 榜單序號(hào)公司總計(jì)1平安集團(tuán)16222中國(guó)銀行2533微眾銀行1874泰康保險(xiǎn)1775工商銀行1396建設(shè)銀行1357眾安保險(xiǎn)868中國(guó)銀聯(lián)589農(nóng)業(yè)銀行2610陽(yáng)光保險(xiǎn)1811新網(wǎng)銀行1612廣發(fā)證券1513人民保險(xiǎn)1414中信銀行1315交通銀行1216太平洋保險(xiǎn)917馬上消費(fèi)金融9數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室互聯(lián)網(wǎng)及科技公司在金融科技領(lǐng)域，互聯(lián)網(wǎng)科技公司主要分為兩類(lèi)下：一種技術(shù)型公司，主要為持牌金融機(jī)構(gòu)提供技術(shù)服務(wù)；另一種是綜

28、合型，除了為金融機(jī)構(gòu)提供技術(shù)服務(wù)，同時(shí)還開(kāi)展金融業(yè)務(wù)。隨著金融業(yè)務(wù)的開(kāi)放，螞蟻集團(tuán)、360 數(shù)科、京東數(shù)科為代表的科技公司相繼入局金融領(lǐng)域，借助平臺(tái)優(yōu)勢(shì)和科技能力，開(kāi)展金融服務(wù)。例如，螞蟻集團(tuán)子公司支付寶除為用戶提供支付業(yè)務(wù)、消費(fèi)金融業(yè)務(wù)、信貸業(yè)務(wù)，同時(shí)為金融機(jī)構(gòu)包括銀行、保險(xiǎn)、基金、證券等公司提供平臺(tái)服務(wù)。除此之外，還有一批科技公司專(zhuān)注于人工智能、區(qū)塊鏈、大數(shù)據(jù)等垂直領(lǐng)域，為金融機(jī)構(gòu)提供技術(shù)服務(wù)和科技產(chǎn)品，例如天冕大數(shù)據(jù)、明略科技等。在2020 年全球金融科技專(zhuān)利 TOP100 榜單中，有超過(guò) 70 家互聯(lián)網(wǎng)科技公司也在榜中，覆蓋互聯(lián)網(wǎng)、金融科技、人工智能、區(qū)塊鏈等新型科技企業(yè)。專(zhuān)利申請(qǐng)數(shù)量

29、最多的 3 家公司分別是阿里巴巴（627 件）、騰訊（414 件）和螞蟻集團(tuán)（338 件）。傳統(tǒng)企業(yè)除金融機(jī)構(gòu)和互聯(lián)網(wǎng)科技公司，一些傳統(tǒng)行業(yè)入局金融科技，并且在近幾年積極參與金融科技專(zhuān)利申請(qǐng)。如國(guó)家電網(wǎng)、華為、小米、 聯(lián)想等公司。近幾年，一些傳統(tǒng)行業(yè)核心企業(yè)為了打造多元化、多樣化的業(yè)務(wù)體系，完善其產(chǎn)業(yè)鏈，相繼入局金融領(lǐng)域。例如，小米在 2013 年成立小米數(shù)字科技、聯(lián)想在 2017 年成立聯(lián)想金服，國(guó)家電網(wǎng)在 2018 年成立了國(guó)網(wǎng)雄安金融科技。二、2020 年全球金融科技專(zhuān)利排行榜 TOP100按照專(zhuān)利申請(qǐng)數(shù)量，零壹財(cái)經(jīng)發(fā)布了2020 年全球金融科技專(zhuān)利排行榜 TOP100。一共有 8 個(gè)國(guó)

30、家的公司上榜，其中我國(guó)有 58 家，美國(guó) 28 家，日本 5 家。專(zhuān)利數(shù)量最多的 10 家企業(yè)，有 9 家來(lái)自中國(guó)，分別是平安集團(tuán)（1622 件）、阿里巴巴（830 件）、騰訊（430 件）、螞蟻集團(tuán)（349 件）、中國(guó)銀行（253 件）、微眾銀行（187件）、復(fù)雜美（180 件）、泰康保險(xiǎn)（177 件）和工商銀行（139 件）。表 3：2020 年全球金融科技專(zhuān)利排行榜 TOP10排名公司專(zhuān)利申請(qǐng)數(shù)量國(guó)家1平安集團(tuán)1622中國(guó)2阿里巴巴830中國(guó)3騰訊430中國(guó)4螞蟻集團(tuán)349中國(guó)5State Farm343美國(guó)6中國(guó)銀行253中國(guó)7微眾銀行187中國(guó)8復(fù)雜美180中國(guó)9泰康保險(xiǎn)177中國(guó)1

31、0工商銀行139中國(guó)數(shù)據(jù)來(lái)源：零壹智庫(kù)&天冕大數(shù)據(jù)實(shí)驗(yàn)室三、專(zhuān)利案例分析本報(bào)告篩選了 4 家公司的金融科技專(zhuān)利進(jìn)行案例分析：建設(shè)銀行銀行基于機(jī)器學(xué)習(xí)研究的資產(chǎn)證券化定價(jià)方法；天冕大數(shù)據(jù)基于 AI 和大數(shù)據(jù)技術(shù)研發(fā)的欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估方法，同時(shí)還可以避免收集個(gè)人隱私；泰康保險(xiǎn)基于 AI 對(duì)現(xiàn)有的智能理賠系統(tǒng)存在的問(wèn)題提出的解決方案；博普科技基于 AI 技術(shù)的債券征信評(píng)價(jià)方法。這些案例，針對(duì)資產(chǎn)證券化定價(jià)、欺詐監(jiān)測(cè)、保險(xiǎn)理賠和債券評(píng)價(jià)四個(gè)不同場(chǎng)景所存在的問(wèn)題，利用 AI 和大數(shù)據(jù)技術(shù)提出了具有創(chuàng)新的解決方案。建設(shè)銀行：基于機(jī)器學(xué)習(xí)的資產(chǎn)證券化定價(jià)方法目前的 RABS（個(gè)人貸款資產(chǎn)支持證券）產(chǎn)品的估

32、值理論和技術(shù)都是基于其他國(guó)家市場(chǎng)。由于我國(guó) RABS 市場(chǎng)在貸款利率、交易活躍性等方面與其他國(guó)家存在差異，導(dǎo)致其他國(guó)家的定價(jià)模型在我國(guó)實(shí)操性較差。為此，建設(shè)銀行基于機(jī)器學(xué)習(xí)、利率模型、蒙特卡洛方法設(shè)計(jì)了一種 RABS 定價(jià)方法。具體流程為：利用大數(shù)據(jù)技術(shù)，從貸款因子、借款人因子、利率因子和季節(jié)因子四個(gè)維度挖掘貸款數(shù)據(jù)得到模型因子，并利用機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，預(yù)測(cè)早償事件和違約事件發(fā)生的概率以及早償結(jié)果。通過(guò)利率預(yù)測(cè)模型預(yù)測(cè)未來(lái)利率。根據(jù)預(yù)測(cè)出事件發(fā)生概率、早償結(jié)果和未來(lái)利率，利用蒙特卡洛方法模擬多條現(xiàn)金流路徑，確定多期現(xiàn)金流的最終預(yù)測(cè)值。對(duì)多條現(xiàn)金流路徑進(jìn)行折現(xiàn)，得到折現(xiàn)率曲線，以結(jié)合所述

33、折現(xiàn)率曲線和所述最終預(yù)測(cè)值，確定產(chǎn)品的價(jià)格估值。天冕大數(shù)據(jù)：基于機(jī)器學(xué)習(xí)的欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估方法目前的反欺詐業(yè)務(wù)是通過(guò)客戶端采集數(shù)據(jù)，然后上傳到云服務(wù)器；再通過(guò)大數(shù)據(jù)、機(jī)器學(xué)習(xí)建立欺詐模型，對(duì)欺詐事件進(jìn)行監(jiān)測(cè)評(píng)估。然而，在近兩年個(gè)人隱私和數(shù)據(jù)安全越來(lái)越受到重視，而客戶端大數(shù)據(jù)多為個(gè)人隱私數(shù)據(jù)，對(duì)于開(kāi)展反欺詐和風(fēng)險(xiǎn)管理業(yè)務(wù)的開(kāi)展造成阻礙。為了不影響欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估業(yè)務(wù)的正常開(kāi)展，同時(shí)保障個(gè)人隱私安全。天冕大數(shù)據(jù)設(shè)計(jì)了一種新的解決方案，將相關(guān)算法和模型遷移到客戶端，在客戶端完成初始評(píng)估；由公司服務(wù)器完成最終評(píng)估結(jié)果。通過(guò)該方法，避免觸及非法收集使用個(gè)人隱私數(shù)據(jù)導(dǎo)致的法律風(fēng)險(xiǎn)。具體流程為：前期先將

34、算法和模型遷移至客戶端；客戶端負(fù)責(zé)用戶原始數(shù)據(jù)采集，包括用戶資料、通訊錄、行為數(shù)據(jù)等借助自然語(yǔ)言處理、圖像識(shí)別、OCR 等技術(shù)從原始數(shù)據(jù)中提取特征數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法模型輸出結(jié)果，并上傳至服務(wù)器服務(wù)器利用風(fēng)控決策引擎，結(jié)合第三方數(shù)據(jù)，輸出最終的欺詐檢測(cè)和風(fēng)險(xiǎn)評(píng)估結(jié)果。泰康保險(xiǎn)：基于人工智能對(duì)車(chē)輛進(jìn)行定損目前，一些保險(xiǎn)公司推出了智能理賠服務(wù)。用戶通過(guò)手機(jī) APP 上傳相關(guān)信息和照片完成車(chē)輛定損。實(shí)際當(dāng)中，現(xiàn)場(chǎng)信息不準(zhǔn)確、現(xiàn)場(chǎng)照片拍照模糊的情況時(shí)有發(fā)生，導(dǎo)致第三者車(chē)信息錄入錯(cuò)誤，理賠流程無(wú)法推進(jìn)。為此，泰康保險(xiǎn)基于圖像識(shí)別、機(jī)器學(xué)習(xí)技術(shù)，無(wú)需人工線下對(duì)三者車(chē)信息進(jìn)行核實(shí)，通過(guò)線上即可及時(shí)有效地對(duì)

35、三者車(chē)信息進(jìn)行自動(dòng)校驗(yàn)，能夠保證后續(xù)理賠流程執(zhí)行的及時(shí)性，進(jìn)而提高用戶的滿意度。博普科技：基于機(jī)器學(xué)習(xí)的債券征信評(píng)價(jià)方法目前，債券違約事件頻繁發(fā)生，使得債券投資者所承擔(dān)的風(fēng)險(xiǎn)劇增。目前債券征信評(píng)級(jí)是由人工對(duì)發(fā)行主體的經(jīng)營(yíng)狀況、財(cái)務(wù)狀況、信用狀況以及所屬行業(yè)信用行情做出定性的分析。這種方法所評(píng)出的評(píng)級(jí)結(jié)果可信度依賴評(píng)估人的經(jīng)驗(yàn)；同時(shí)該方法缺乏數(shù)據(jù)支持。博普科技發(fā)明了一種基于機(jī)器學(xué)習(xí)的債券征信評(píng)價(jià)方法。首先，通過(guò)對(duì)債券數(shù)據(jù)集的預(yù)處理，得到均衡的債券數(shù)據(jù)集通過(guò) SVM 算法對(duì)債券數(shù)據(jù)集進(jìn)行訓(xùn)練得到債券模型。通過(guò) Random Forest 算法獲得不同征信特征的債券征信模型。提取其征信特征，并發(fā)現(xiàn)重

36、要性高的征信特征，回溯到其數(shù)據(jù)來(lái)源，確定這些信息對(duì)債券征信評(píng)價(jià)比較重要，從而得到其債券的征信值以及征信程度。通過(guò)以上方法，債券購(gòu)買(mǎi)者或投資者能夠有效地了解債券征信信息，并作出更好的投資選擇。附：2020 年全球金融科技專(zhuān)利排行榜 TOP100排公司專(zhuān)利申請(qǐng)數(shù)量國(guó)家名1平安集團(tuán)1622中國(guó)2阿里巴巴830中國(guó)3騰訊430中國(guó)4螞蟻集團(tuán)349中國(guó)5State Farm343美國(guó)6中國(guó)銀行253中國(guó)7微眾銀行187中國(guó)8復(fù)雜美180中國(guó)9泰康保險(xiǎn)177中國(guó)10工商銀行139中國(guó)11IBM136美國(guó)12建設(shè)銀行135中國(guó)13瑞策科技125中國(guó)14Hartford Fire122美國(guó)15浪潮集團(tuán)117中

37、國(guó)16好事達(dá) (Allstate)103美國(guó)17360102中國(guó)18萬(wàn)事達(dá)卡 MasterCard93美國(guó)19眾安保險(xiǎn)86中國(guó)20The Toronto-Dominion Bank82加拿大21國(guó)家電網(wǎng)76中國(guó)21百度76中國(guó)23京東數(shù)科74中國(guó)24中國(guó)聯(lián)通68中國(guó)25埃森哲 Accenture67愛(ài)爾蘭26網(wǎng)心科技66中國(guó)27趣鏈科技64中國(guó)28Strong Force TX Portfolio 201861美國(guó)29中國(guó)銀聯(lián)股份有限公司58中國(guó)30DIGITAL GOLD EXCHANGE CO., LTD.55韓國(guó)31深圳市元征科技股份有限公司54中國(guó)32Intuit Inc.53美國(guó)33京東48中國(guó)34American Express Travel Related Services Company43美國(guó)35Chicago Mercantile Exchange42美國(guó)36Wells Fargo Bank34美國(guó)37United Services Automobi