前瞻：中国智慧金融行业洞察及2021年发展趋势研究报告（103页）.pdf

《前瞻：中国智慧金融行业洞察及2021年发展趋势研究报告（103页）.pdf》由会员分享，可在线阅读，更多相关《前瞻：中国智慧金融行业洞察及2021年发展趋势研究报告（103页）.pdf（96页珍藏版）》请在三个皮匠报告上搜索。

1、智慧金融行业上游重点产业分析 1、AI 芯片服务 AI 芯片是人工智能的“大脑”，不仅驱策智能产品的创新，还加速了数据、算法、算力在各类场景应用落地。目前 AI 芯片主要分为主要类型有 CPU（中央处理器）、GPU(图形处理器)、FPGA(现场可编辑门阵列)、DSP（数字信号处理器）、ASIC(针对神经网络算法的专用芯片)和类人脑芯片几种。近年来，随着人工智能的快速发展，传统芯片厂商、科技巨头、应用层厂商及初创企业纷纷开始涉足其中，加快芯片国产化进程，打造国内芯片产业链，在整个 AI 行业格局未定的态势下，抢占市场主动权，通过 AI 芯片实现“弯道超车”，成为行业领军者。&

2、nbsp;在全球各国政策推动、企业积极布局等推动下，近年来 AI 芯片市场规模呈快速增长态势，全球市场规模达到 75 亿美元。根据 IDC 数据显示，预计至 2022 年，全球整体 AI 芯片市场规模将会达到 352 亿美元，CAGR 大于 55% 就国内而言，目前我国的人工智能芯片行业发展尚处于起步阶段。随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。数据显示，2019 年中国人工智能芯片市场规模达到 56.1 亿元，预计 2020 年市场规模将进一步增长，达到 75.1 亿元。 2、计算机视觉 计算机视觉是指用摄影机和电脑代替人眼对目标进行

3、识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。 计算机视觉技术在金融领域的广泛应用，普通个人用户对此有明显感知：传统的线下柜台、面对面的交互、验证模式被线上化逐步取代。但与此同时，业务模式的改变，意味着过去基于线下流程的风控模式需要变革。通过计算机视觉技术对用户进行安全、有效、便捷的身份核验，已经成

4、为金融行业“标配”。在金融业实际应用，计算机视觉主要应用在金融机构内部流程、以及与客户交互的自动化，对风险控制、客户服务等核心价值链产生影响。这些影响体现在：对现有重复性的人工作业进行取代、提升，并创造出新的客户交互模式。 3、语音识别 智能语音消费者业务主要通过硬件出售及相关互联网增值服务获利，而企业级和公共级业务则主要有两类合作模式：一是技术平台输出模式，将通用技术能力封装为 SDK 或 API，下游客户或生态中的开发者使用时需向技术提供方支付一定费用。另外为了促进生态的快速发展，一些平台如华为 HiAI、百度语音技术采取面向开发者免费的策略；二是切入传统行业，提供解决

5、方案（含核心设备），这种情形下涉及智能语音企业与传统行业集成商或最终客户进行定制化、深度合作。 由于电销、客服、回访等场景的广泛存在，语音识别技术在金融机构中渗透相当广泛。在提升用户交互满意度、进一步降本增效上，语音识别的应用价值仍有进一步提升空间。从技术成熟度角度来看，语音识别技术方兴未艾，尤其是中文语音识别在模型上与拉丁语系存在较大差距，在识别准确率、场景深度交互等方面还有较大提升空间。在应用环节上同样，语音技术的相关应用目前是中大型金融机构的标配，如客服机器人、合规场景的质检等，实际创造的价值更多体现在对人力的替代，而在更具深度、复杂的场景中的应用还需进一步探索。 4

6、、NLP 技术 NLP 是人工智能分支之一，是计算语言学、计算机科学等多学科的交叉技术，是使用计算机去处理和分析自然语言，最终目的是实现计算机与自然语言的有效交互。目前 NLP 自然语言处理技术包括基础技术和核心技术两部分：基础技术围绕不同层次的自然语言处理，如分词、词性标注、语义分析、篇章分析等，它是其他语言技术或应用的基础；NLP 核心技术包括词汇、短语、句子、篇章的表示技术，具体应用而言包括知识图谱、机器翻译、自动问答、自动摘要、信息检索、信息抽取、聊天和对话、语言生成、推荐系统等技术。从应用角度来