• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 从互联网到智能+:万物智能的七大应用场景(上) 2019-05-15 20:00:47

前言

“互联网+”时代,技术应用主要面向消费者用户,也正是在这个时代,人类第一次感受到数字技术和商业模式是如何影响到实体经济,改变着每个人的衣食住行。因此,过去几年里,“互联网+”发展理念带动了传统产业的转型和升级,重塑并优化了中国的经济结构。随着 5G、IoT、云计算和大数据的普及,数字经济时代所处的信息环境与数据基础发生了深刻的变化。

“万物互联产生的数据量快速增长,云数平台算力大幅提升,机器学习算法持续优化,数据、算力、算法三大因素的飞速发展促使当今世界开始从‘互联网+’时代步入‘智能+云’新时代。”金准产业研究团队表示,“在这样的背景下,新华三提出‘以云聚能,以数启智,打造您身边的可信云’的云数发展战略,通过ABC(AI人工智能、Big Data大数据、Cloud Computing云计算)深度融合的方式,为数字化转型,提供更强大的交付能力提供更完整的基础支撑和更专业可靠的高效云服务。”

一、从IT时代、互联网+到智能

20世纪80年代,IT时代开启。以个人电脑、软件、传统电信网络为代表的IT技术,帮助企业运营中的信息获取、战略决策、设计生产、市场营销以及财务核算等实现了真正意义上的全球化,跨国公司实现了在全球范围内的最优资源配置。

上世纪90年代,互联网+浪潮开启。短短十几年间,信息传播方式完全被改变,传统纸质媒体几乎完全被互联网数字化媒体取代。美国仅用14年就让电商在互联网用户的渗透率达到了50%。在大洋彼岸的中国,这一数字更是缩短至9年。2009年3G牌照发放、2010年iPhone4发布、以及随后而来的各种移动端APP,标志着移动互联网时代到来。2016年,全球市值最高的5家公司首次全部来自科技行业——苹果、谷歌、微软、亚马逊、Facebook,这五家公司均来自于移动互联网网络、终端、应用领域。

2019年政府工作报告,正式提出了“智能+”战略:“深化大数据、人工智能等研发应用。打造工业互联网平台,拓展‘智能+’,为制造业转型升级赋能。”以5G、物联网、人工智能等技术为代表的智能技术群落迅速成熟,从万物互联到万物智能、从连接到赋能的智能+浪潮即将开启。

二、智能技术群的“核聚变”推动智能+时代到来

5G、物联网、人工智能、数字孪生、云计算、边缘计算等智能技术群的“核聚变”,推动着万物互联(Internet of Everything)迈向万物智能(Intelligence of Everything)时代,进而带动了智能+时代的到来。

智能经济将呈现全新的运行规律——以数据流动的自动化,化解复杂系统的不确定性,实现资源优化配置,支撑经济高质量发展的经济新形态。智能经济的五层架构包括:底层的技术支撑,“数据+算力+算法”的运作范式,“描述-诊断-预测-决策”的服务机理,消费端和供应端高效协同、精准匹配的经济形态,“协同化、自动化、全球化”的治理体系。

2.1技术支撑

多种技术的集成是本次智能技术浪潮的核心特征。以云计算、大数据、物联网、人工智能、5G为代表的新一代信息技术,在不断的融合、叠加、迭代中,为智能经济提供了高经济性、高可用性、高可靠性的智能技术底座,推动人类社会进入一个全面感知、可靠传输、智能处理、精准决策的万物智能时代。

智能技术群的融合与叠加类似“核聚变”,是技术创新、商业模式创新、投资的沃土。智能技术将全面更新现有技术基础设施,重新定义商业模式,重塑未来的经济图景。正如德国国家科学与工程院院长孔翰宁强调的,“今天发展工业的准则是:数字化一切可数字化之物,并由此开辟新的价值创造模式”。

2.1.1 5G 

5G将以全新的网络架构,提供至少十倍于4G的峰值速率、毫秒级的传输时延和千亿级的连接能力,开启万物广泛互联、人机深度交互的新时代。作为5G网络最重要的特性,端到端的网络切片能力,可以将所需的网络资源灵活动态地在全网中面向不同的需求进行分配及能力释放。在国际标准化组织3GPP定义的5G三大场景,包括eMBB(增强型移动宽带)、mMTC(海量机器类通信)、uRLLC(超可靠、低时延通信)。从三大场景的定位看,基本涵盖了当前及未来一段时间工业互联网企业级应用的主要需求。eMBB场景主要用于远程人与人之间的移动交互,比如日常办公过程中视频会议、工厂的远程视频监控,以及基于VR技术的远程维修维护等。mMTC主要为了满足海量的机器接入需求,也就是即通常所说的物联网业务及应用。uRLLC主要是面向低延时、高可靠的应用场景。可以认为uRLLC场景主要是为工业自动化控制系统以及需要快速反应的场景量身定做的。

2.1.2云计算

云计算是智能经济的基础设施,它既是人工智能、VR/AR等新一代信息技术提供计算、存储、网络的支撑,也是新一代信息技术的分发-获取平台,借助其资源共享、按需付费、技术集中的特点,用户可以以较高的经济性获得能力持续提升的新技术。不仅如此,云计算还能够在长周期维护、业务决策支撑、科研高性能计算等领域发挥优势。云计算与边缘计算之间是互补协同关系,前者更适合全局性、非实时的较大规模资源占用的场景,后者则局部性、实时、短周期的小规模资源占用场景,能更好地支撑本地业务的实时智能化决策与执行。

2.1.3 IoT与边缘计算

互联网+实现了人人互联,而IoT终将实现万物互联。信息技术发展的终极目标是基于物联网平台实现设备无所不在的连接,开发各类应用,提供多种数据支撑和服务,但仅仅是连接远远不够,物联网中的设备应当具有一定的计算能力和智能能力,这令其不仅成为可监测、可控制、可优化、自主性的产品,更成为边缘计算节点和智能产品。

物联网中的“物”的发展方向迈克尔波特所说,智能互联产品包含监测、控制、优化和自动四类核心功能,其中监测是指通过传感器对产品的状态、运行和外部环境进行全面监测,控制是指人们可以通过产品内置或产品云中的命令和算法对产品进行远程控制,优化是指可基于实时数据或历史数据对产品进行性能优化,自动是指在监测、控制、优化等能力的基础上产品达到前所未有的自主性和协同性。

2.1.4人工智能

人工智能部分技术已经进入产业化发展阶段,基于机器学习技术快速进步,互联网正凭借快速提升的人工智能,为用户提供个性化、精准化、智能化服务,大幅提升业务体验,并与生产生活的各个领域相融合,有效提升各领域的智能化水平,给传统领域带来变革机遇。

智能传感器和算法模型产业将是人工智能近期的增长引擎。语音识别和计算机视觉技术已经开始了较大范围的商业化应用。作为新一代人机交互方式,随着识别精准度的提升,越来越多的智能终端将采用这种新的交互方式。在工业领域,工业机器人将继续保持高增长。在公共服务领域,由于其自身的大数据特质,人工智能将在多个维度提供服务,大大提升公共服务的效率与质量。

未来芯片领域的突破将为人工智能创造更多的应用场景。据专家估计,5年以内,具有可重构能力的智能芯片作为新一代人工智能产业的基础硬件设施,从架构升级到应用场景的落地,都有巨大的市场空间;由于交互式智能服务渐成风口,自然语言处理向知识驱动持续迈进。

2.1.5数字孪生

数字孪生的真正功能在于能够在物理世界和数字世界之间全面建立准实时联系。实现物理世界与数字世界互联、互通、互操作。从具体实现路径来看,数字孪生首先对物理对象各类数据进行集成,是物理对象的忠实映射。其次,数字孪生存在于物理对象的全生命周期,与其共同进化,并不断积累相关知识。最后,数字孪生不仅对物理对象进行描述,而且能够基于模型优化物理对象,最终实现对物理世界的改造。

金准产业研究团队预测,到2020年,互联传感器与端点将多达超过200亿,数字孪生将服务于数十亿个物件。各企业机构一开始只是简单地实施数字孪生,但将随着时间的推移对其加以演化,提高其收集与可视化正确数据的能力,应用正确的分析与规则,并有效响应企业的业务目标。

数字孪生将沿着两个维度演进:一是属于机械化的数字孪生,把人、流程、公司、自主化的电器和代理都规划出来。二是物理的角度的数字孪生,也就是在数字化里面直接进行操作,例如电的使用、供应,车辆的配置等。从办公室内部到外围,借着数字化的技术整合起来。

2.1.6区块链

区块链提供了一种新的信任模式。目前广泛使用的信任模式是集中化的,以中央银行等为代表的机构,提供统一的信任背书。与此同时,集中信任机制必然在失效、费用方面存在天然的不足。区块链是一种分布式分类账。所谓分布式,是指信任不再集中在某个集中化的机构,账本的一个改动将在多个节点备份,一旦发生无法篡改,因此让人们无需再依赖中央机构仲裁交易。

虽然受到计算速度、成本上的限制,区块链已经开始商业应用。基于蚂蚁区块链的跨境汇款服务首创性地打通了香港AlipayHK钱包与菲律宾Gcash钱包,使在香港务工的菲律宾人可以近实时线上给家人汇款,这在金融界是一大创举;蚂蚁区块链保障的公益慈善平台已经有300多个项目接入,捐赠人次超过937万;天猫国际的奶粉溯源也使用了蚂蚁区块链平台,目前上链追溯的产品已经超过900万件;蚂蚁与雄安新区一起打造了基于区块链的智慧房屋租赁与积分管理平台,让房屋租赁市场良性运转。蚂蚁金服还推出了区块链即服务(BaaS)平台,大大降低企业或个人尝试使用区块链技术的门槛。

2.2运作范式

企业是经济社会的基本运作单元。智能经济体系内的企业,利用数据+算力+算法,在不确定性的世界中进行决策。企业是一种组织,与市场、政府是一样,是一种配置资源效率的组织。企业竞争的本质就是资源配置效率的竞争,就是以数据自动流动化解复杂系统的不确定性,优化制造企业的配置效率。企业面临各种各样的挑战:缩短研发周期、提高班组产量、提高机床使用精度、提高设备使用效率。所有这些问题,都可以归结为如何提高资源配置效率。

数据+算力+算法是企业科学、高效和精准地进行资源配置的最优范式。在实践中,企业力争把正确的数据、以正确的方式、在正确的时间、传递给正确的人和机器。伴随着智能产品和设备的广泛普及,未来所有的生产装备、感知设备、联网终端,包括生产者本身都在源源不断地产生数据,这些数据将会渗透到产品设计、建模、工艺、维护等全生命周期,企业的生产、运营、管理、服务等各个环节,以及供应商、合作伙伴、客户等全价值链,并将成为制造的基石。通过生产制造全过程、全产业链、产品全生命周期数据的自动流动不断优化制造资源的配置效率,就是要实现更好的质量、更低的成本、更快的交付、更多的满意度,就是要提高制造业全要素生产率,这将带来数据驱动的创新、数据驱动的生产和数据驱动的决策。

2.3赋能机理

从根本上说,“数据+算力+算法”提供了一种服务,历经描述、诊断、预测、决策四个阶段,最终实现优化资源配置的目的。

描述:发生了什么

对于数据的第一层解读是描述。财务数据、设备运行数据等都能对具体业务和职能部门的业绩与表现给出定量的判断。在描述维度中,数据通常是孤立的,不同类型数据很难整合。在很长一段时间,描述数据并不是一件很困难的事情。但是在大数据的背景下,如何减少噪音的干扰,如何深度描述数据,实现“窥一斑而见全豹”,成为了第一个重要的问题。

诊断:为什么会发生

在诊断阶段,核心工作是建立数据之间的联系,从而理解数据之间的因果关系,最终为特定的业务或事件找到驱动因素或者诱因。在诊断维度中,识别的因果关系通常是非通用的,必须的前提条件或者使用范围并不清晰。诊断的结果能够帮助我们梳理经验,但还需要管理者加工才能用于未来决策。

预测:将会发生什么

当数据、算法、算力足够丰富的条件下,诊断结果能够逐步地拓展,适用于未来,完成预测的功能。直至预测维度,所有的工作都还停留在智能辅助阶段,最终的判断依然需要人的判断。

决策:应该怎么办

当系统能够利用数据、算法、算力,无需借助人的判断,才实现最终的智能决策。

描述、诊断、预测、决策,体现了人与机器智能的四种协同状态。当人工判断在决策的比重越来越少,系统的自动化、智能化程度越高。

达索“数字心脏”服务机理

达索公司的“跳动心脏”的项目,参与者包括45名医学专家以及美国食品和药品监管局(简称FDA)等监管机构。达索系统公司的科学家们使用标准的48处理器工作站,每次心跳精确的生物机械力需要大约4个小时来进行计算。他们成功地捕捉到如何通过每股肌肉纤维来产生电力,以复制出人类心脏的真实动作。

“数字心脏”实现了四大功能:一是描述,这一个物理世界发生了什么在虚拟世界去描述,心脏的血管哪一个地方堵了,堵了多少,可以360度去观察。二是诊断,为什么会堵,是什么样的原因造成了心脏血管堵塞;三是预测,如果没有人为去干预,半年之后、一年之后、两年之后,这一个血管从堵到30%发展到70%,另外一个旁支血管也会堵,它会告诉你将会发生什么;四是决策,最后怎么办,是采取保守治疗,还是去做搭桥手术,给医生提供一个解决方案供参考。

2.4经济形态

2.4.1商业模式

到上世纪70年代,发达国家几乎所有的消费品行业,都出现了供过于求的局面,卖方市场逐渐转为买方市场,个性化消费的浪潮开始出现。麦肯锡的一份调研报告表明,20世纪70年代以前,市场需求平均预测准确率能达90%以上,到了80年代只有60-80%,而到了90年代末21世纪初,进一步降低到40-60%,即所生产出来的一半产品并不是消费者真正需要的,而与此同时消费者真正想要的很多需求又没有及时得到满足。在互联网普及之前,受限于产销消三者之间互动效率低下,任何企业都无法真正满足海量消费者的个性化需求,即使是跨国公司强大的供应链体系也是如此。

金准产业研究团队认为,基于越来越肥沃的个性化需求土壤,智能经济真正能够实现以消费者为中心的商业模式: 

消费者驱动:工业时代的商业模式是B2C——以厂商为中心,智能经济时代的商业模式则是C2B——以消费者为中心。

以客制化等方式创造独特价值:客制化意味着消费者不同程度、不同环节上参与,在供过于求的时代将创造出独特的体验价值。

网络化的大规模协作:过去二三十年基于IT技术发展起来的线性供应链,今天必须要能够在智能技术环境下实现大规模、实时化、社会化的网状协作。

基于云计算和边缘计算平台:类似于工业时代的公用电厂,云计算+边缘计算是智能经济时代最具代表性的商业基础设施。

个性化营销、柔性化生产和社会化供应链的不断演绎,以及它们之间的协同互动,成为了支撑和推动C2B模式不断展开的基石,也是它得以运作的内在机制。目前,智能经济众多的先行者,正在以充满想象力的创新,探索未来的蓝图。在前端,他们或是提供相对标准化的模块供消费者组合,或是吸引消费者参与到设计、生产的环节中来。在企业内部,他们提升组织能力,以平台+前端等方式去对接个性化需求。在后端,他们积极调整供应链,使之具备更强的柔性化能力。

智能经济的产业图景

新零售

商品是数据化的商品,消费者是数据化的人,既有“实像”又有“虚像”。消费者实时“在线”,品牌商与零售商利用数字技术随时捕捉全面全域信息感知消费者需求,完成供需评估与即时互动。利用数据化技术,在全域范围内塑造品牌形象,传播品牌知识,营销品牌商品,提供多样化服务,将品牌商品与服务通过经数据化管理的各个通路呈现至消费者面前,在线流转智能计算即时生产的数据知识,产生千变万化的双向即时互动,最大限度地即时影响消费者,激发消费者潜在的消费需求,服务消费者做出消费决策。

“以消费者为中心”的核心思想始终贯穿于企业间流通环节的流转设计,以及企业内全供应链的设计。金准产业研究团队分析,技术带来数据的流动,流动带来流通链条与供应链条的柔性与自适应性。数据化管理为实现最优最短流通路径,库存最优化乃至“零库存”提供精细的决策支持,“智能仓配一体化”、“智能供应链”、“智能物流”的发展,将大大提升流通业的整体效率,流转耗损最终朝着无限逼近“零”的理想状态发展。

新制造

未来全球制造业将面临更加严峻的形势,以互联网技术、人工智能、清洁能源、无人控制技术、量子信息技术、虚拟现实为主的全新技术革命将催生面向未来的新制造。

生产工艺与数据融合。未来制造业更加强调分散,降低集中控制度,增加生产设备的自主控制,把分散的自主智能化的制造设备,通过网络的形式紧密地联接在一起,即用技术手段实现人的控制在时间、空间等方面的延伸,本质上是人、机、物的融合。具有更开放,更积极通讯的系统结构,更具动态性和灵活性,从而能发掘出更多优化的可能,预计可提高生产效率30%。

新金融

新金融将提供全新的普惠服务,给所有具有真实金融服务需求的个人或者企业,提供平等的无差异的金融服务。利用大数据、人工智能、云计算等技术,使用户具有平等的金融服务可获得性,大大扩展了普惠金融的惠及范围,提升了服务的效率。

2.4.2工作模式

在工业时代,工作、生活、学习相互割裂,个体无法柔性安排工作与生活,较为严格地遵守八小时工作制。在数字时代,就业模式转变为自由连接体——越来越多的个体都成为知识工作者,人人都是某个领域的专家。这让个体的潜能将得到极大释放,每个人的特长都可以方便地在市场上“兑现”。逐渐呈现出了自由连接体的新形态。同时,个体的工作与生活也将更加柔性化。工作、生活、学习一体化的SOHO式工作、弹性工作等新形态将更为普遍。当然,“人人都是专家”,“人人也都必须要成为专家”,这既意味着某一能力的优异,也意味着要像专家那样“每个人都是自己的CEO”——自我驱动、自我监督、自我管理、自我提升。

如果放眼更长远的未来,“个体作为经济主体的崛起”,更是一个宏大历史进程的一部分。如中国社科院金融所周子衡认为:“公司将不再是经济活动的主体,个人将成为经济的主体。公司理性最终要被个人理性所解构与替代。这是近两个世纪以来经济矛盾的根本所在。就是说,经济问题的中心,将不再是所谓的市场与政府的关系掩盖下的企业与政府的关系,而是个人与个人的关系。” 

2.4.3组织模式

互联网让跨越企业边界的大规模协作成为了可能。当越来越多的业务流程在网上运行,互联网让企业组织内部的管理成本和外部市场的交易、协同成本都有所下降,但后者的下降速度却远快于前者。这种速度上的不一致所带来的结果就是,公司这种组织方式的效率已经大打折扣了,“公司”的边界也因此而松动了。公司中很多商业流程正在大量地向市场外移。从价值链的视角来看,研发、设计、制造等很多个商业环节,都出现了一种突破企业封闭的边界的趋势。

平台的出现,进一步破除了企业内部和外部的边界,使得组织液态化,“自由组合、自由流动”。在液态组织里,由企业家指挥的生产变少了,而交易活动变多了,但协调、控制等组织功能依然存在。液态组织仍然存在部门,但部门的边界已不清晰,组织成员长期处于“共同创业”状态,随时随着组织目标的变化而变化。2 

从外部来看,平台的所有权与使用权实现了分离,企业之间那种界限分明、基于资产专用性的组织边界正在发生很大的松动。大量的商业流程被流动的数据所驱动,并在企业之间展开灵活组合,新的组织边界也呈现为一种网状交融的格局,企业组织由此将进一步走向开放化、社区化。

2.5治理体系

技术开拓经济边界,同时带来生产关系的深刻变革,既包括新旧权利的调整,更反映新旧监管方式的更替,由此必然生长出新治理规则。

2.5.1协同化

智能经济是一个多元参与的生态化文明,每个主体都有更多平等参与的机会,协同治理是其核心。传统的集中单向、侧重控制的封闭式管理将无法适应新经济发展,多元参与、侧重协调的生态式治理是时代的要求。

2.5.2自动化

自动化治理是指充分运用大数据、云计算、人工智能等先进技术,实现治理手段的智能化。如城市交通治理,运用交通实时大数据分析车流量,可以减少拥堵。购物平台的打假、炒信,面对海量商品、海量卖家买家、适时交易、碎片化交易等特点,利用传统的商业监管方式已无法应对这些新情况,而利用图片识别技术、先进算法、大数据分析等方法,可较好地发现问题、解决问题。

自动化意味着人机需要协同。过去很长时间,自动化一直是执行层面的应用。未来,自动化、智能化一定会在决策职能发挥越来越重要的作用。这也就意味着,人不再是决策责任承担的唯一主体。如何分配人机责任,如何认定机器责任,如何监督机器,都将是需要解决的问题。

2.5.3全球化

弗里德曼在《世界是平的》一书中也认为:“如果说全球化1.0版本的主要动力是国家,全球化2.0的主要动力是公司,那么全球化3.0的独特动力就是个人在全球范围内的合作与竞争......全世界的人们马上开始觉醒,意识到他们拥有了前所未有的力量,可以作为个体走向全球;他们要与这个地球上其他的个人进行竞争,同时有更多的机会与之进行合作。”智能经济将进一步打破地域的限制,全球参与、全球治理将成为新的景观。

三、万物智能七大应用场景

万物智能将催生智能经济,C端、B端均将被卷入,人类生产、生活的图景将彻底被改变。这场技术变革将进一步降低中小企业面临的科技门槛,未来的BAT一定来自于这场多技术叠加核聚变。

在技术层面,5G、AI、IoT等重塑经济的技术基础设施,成为新的生产力。而数据+算法+算力将重建商业世界的运行逻辑,孕育新的生产关系。

3.1 5G智能终端

5G技术带来的不仅是“速度”,还有全新的“体验”,以及随着而生的创新商业模式。所谓的“泛娱乐”,即视频、游戏、音乐、广告等都将被重构,以AR和VR等为代表的新技术、以智能音箱为代表的新硬件将迎来跨越式发展。内容对消费者渗透的深度和广度都将得到空前的提高。

游戏将走在5G时代创新的最前沿。4G网络性能上的不足是VR和AR至今仍未全面普及的重要原因。而5G网络的普及将为VR/AR打开天花板。根据Intel的预测,在2021年至2028年间,这些应用程序将创造逾1400亿美元的累计收入,并迅速成长未一个触达消费者的全新渠道。AR技术将通过虚拟物品、虚拟人物、增强性情境信息等方式给人们带来连接媒体的全新方式。到2028年,中国或将成为全球最大的VR和AR市场,直接营收将超过150亿美元。根据Intel的预测,5G用户的月平均流量将从2019年的11.7GB增长至2028年的84.4GB,届时视频将占5G流量的90%。5G将加速包括移动媒体、移动广告、家庭宽带和电视在内的内容消费,并通过各种全新沉浸式和交互式新技术提升体验,充分释放增强现实(AR)、虚拟现实(VR)和新媒体的潜力。演进的3G和4G网络能力将不足以应对不断增加的视频观看时间、更高分辨率的内容、更多的嵌入式媒体和沉浸式体验。

新的内容与交互方式,意味着新的商业机会。根据Intel的预测,5G将推动车载娱乐、3D全息显示和现场体育体验的进一步发展,并带来430亿美元的收入。沉浸式的观感与交互能力将在很大程度上决定变现能力。

VR商城是采用VR技术生成可交互的三维购物环境。戴上一副连接传感系统的“眼镜”,就能“看到”3D真实场景中的商铺和商品,实现各地商场随便逛,各类商品随便试。阿里VR实验室成立后的第一个项目就是“造物神”计划,也就是联合商家建立世界上最大的3D商品库,实现虚拟世界的购物体验。阿里工程师目前已完成数百件高度精细的商品模型,下一步将为商家开发标准化工具,实现快速批量化3D建模。对于“VR购物”的时间,阿里表示,敢于尝新的商家很快就能为用户提供VR购物选择。在硬件方面,阿里将依托全球最大电商平台,搭建VR商业生态,加速VR设备普及,助力硬件厂商发展。

根据中国信息通信研究院的预测,2020年网络设备和终端设备收入合计约4500亿元。预计到2025年,上述两项支出分别为1.4万亿和0.7万亿元。2025年,5G将提供约350万个就业机会,主要来自于5G相关设备制造和电信运营环节创造的就业机会。2030年,5G将带动超过800万人就业,主要来自于电信运营和互联网服务企业创造的就业机会。

金准产业研究 金融科技重塑金融生态与商业模式分析报告(下) 2019-05-14 17:22:25

 

评估方式:主要聚焦于五个要素。对于个人征信时,主要考察:个人的信用历史(用户信用账户过往还款记录等历史信息)、行为偏好(用户在购物、缴费、转账、理财等活动中体现出的行为特点)、履约能力(用户是否具有足够的财富和综合能力来偿还债务或履行约定)、身份特质(用户的学习以及职业经历等信息)和人脉关系(用户在人际交往中的影响力及好友的信用状况)五大要素;对企业征信时,主要考察:企业的基本信息(规模、荣誉资质)、经营行为(经营状况是否良好、有无虚假经营行为)、履约历史(有无逾期未还债务、是否涉及金融纠纷)、关联关系(关联公司的资信情况、合作伙伴上下游情况)、法定代表人的信用状况五大要素。

产品:对标国际标准,以信用评分为核心。芝麻信用为用户提供信用评分服务,与美国著名的FICO异曲同工。除此之外,芝麻信用还提供企业信用报告、企业风险云图、企业关注名单、企业风险监控等产品。

应用场景:覆盖居民生活以及企业经营各环节,信用产品与用户行为双向反馈、动态调整。对于个人用户而言,芝麻信用已切入了消费金融、个人信贷、信用租赁、信用借还、免押出行、免押住宿等场景中;对于企业用户而言,芝麻信用已切入了免押租赁、信用贷款、筛选客户等场景中。在实际运行过程中,一方面,以信用评分为代表的产品为个人和企业享受服务和参与决策提供信用背书以及决策依据;另一方面,个人和企业在享受服务后的履约行为又影响了个人和企业的信用评分。信用产品与用户行为双向反馈,并动态调整。

金融科技通过基于大数据、区块链、云计算等技术,解决了传统金融业务模式下数据搜集困难、成本高等问题,削弱了信息不对称的影响,使得金融企业更好的控制信用风险。

结语

金融科技完善金融产品和商业模式,是普惠金融及服务中小微企业的重要抓手,助力金融供给侧改革。央行金融科技委员会提出要研究出台金融科技发展规划,创造有利于金融科技发展的良性政策环境,金准产业研究团队认为,优质金融科技企业有望受到市场青睐。

金准产业研究 金融科技重塑金融生态与商业模式分析报告(上) 2019-05-14 17:20:05

前言

根据全球金融治理牵头机构金融稳定理事会的定义,金融科技是指通过技术手段推动金融创新,形成对金融市场、机构及金融服务产生重大影响的业务模式、技术应用以及流程和产品。依托大数据、区块链、云计算等技术创新,传统金融企业实现拓宽获客渠道,加强风控建设,优化内部运营,完善金融产品和商业模式。此外,金融科技是普惠金融及服务中小微企业的重要抓手,是金融供给侧改革的重要方向。

一、技术推动创新,金融迎来变革

1.1金融科技影响深远,助推金融供给侧改革

根据全球金融治理牵头机构金融稳定理事会的定义,金融科技是指通过技术手段推动金融创新,形成对金融市场、机构及金融服务产生重大影响的业务模式、技术应用以及流程和产品,利用技术完善金融活动。

依托大数据、区块链、云计算等技术创新,传统金融企业实现优化内部运营,降低运营成本,加强风控建设,以及拓宽获客渠道,打造金融生态圈,完善金融产品和商业模式,提供更好的金融服务。

此外,金融科技是普惠金融及服务中小微企业的重要抓手,助力金融供给侧改革。通过新一代信息技术在金融领域的应用,金融科技有效解决中小微企业融资难、融资贵等问题,推动金融科技成为服务实体经济、防控金融风险、深化金融供给侧结构性改革的重要力量。

金融科技重要性愈发凸显,监管营造良性政策环境。在今年两会中,金融科技的发展方向和推进策略被广泛关注。3月8日中国人民银行金融科技委员会2019年第一次会议召开,提出要研究出台金融科技发展规划,逐步建立金融科技监管规则体系,创造有利于金融科技发展的良性政策环境,充分运用金融科技服务实体经济能力。随着监管营造良性政策环境,优质金融科技企业有望受到市场青睐。

1.2技术支撑业务发展,实现科技赋能

根据金融稳定理事会的定义,金融科技是指由大数据、云计算、人工智能、区块链等技术带动,对金融市场及服务供给产生重大影响的新业务模式、新技术应用、新产品服务等。核心技术之间并非相互独立,而是相互促进和影响,其中大数据作为中枢,可以为人工智能的研究提供高质量的数据;反过来人工智能的发展也可以提高数据采集和处理的速度及质量;云计算则可以集中存储海量数据,并提供相对廉价和可扩展的算力;区块链因其去中心化、分布式存储的特点,大大提高了整个业务流程的安全性。此外,移动互联网技术使得金融科技可以应用于移动端,让用户更加便捷、更加迅速地体验到金融科技的赋能。

1.2.1移动互联网:便捷使用方式,提供科技赋能基础

移动互联网是指互联网的技术、平台、商业模式和应用与移动通信技术结合并实践的活动的总称,既继承了PC端互联网开放协作的特征,又融入了移动通信实时、便携的优势。智能手机作为移动互联网时代最重要的载体,已深刻改变生活,为包括金融科技在内的各类新产品及业务提供了巨大的发展空间。

移动互联网技术的发展使得原先只能在PC端进行的网上活动可以通过智能手机等移动端便捷完成,且凭借低价优势,我国智能手机普及率迅速攀升。金准产业研究团队根据中国互联网络信息中心(CNNIC)发布的《第43次中国互联网络发展状况统计报告》,截至2018年末,我国拥有网民8.29亿,其中手机网民达到8.17亿,通过手机接入互联网的比例高达98.6%。智能手机深入到生活的各方面,有关技术的应用场景随之不断拓宽,支付、理财、转账等金融业务在移动端进行的频率越来越高。根据CNNIC数据,我国互联网理财使用率由2017年末的16.7%提升至2018年末的18.3%,购买互联网理财产品的用户规模达到1.51亿(同比增长17.5%)。正是移动互联网的应用,使得个人金融业务向移动端倾斜,相应地,金融科技的应用获得了客户基础和场景基础,可以说移动互联网技术是金融科技得以应用于引流、客户迁徙、普惠等流程的重要前提。

1.2.2大数据:客户画像,精准引流

大数据(bigdata),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,需要新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。金准产业研究团队认为大数据具有5V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。

大数据在金融领域的应用主要包括客户画像和精准引流。客户画像分为个人客户画像和企业客户画像,个人画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等;企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。进行客户画像可以根据不同的产品及服务需求将客户群进行细分,在营销时实现广告推送、产品介绍的精准定向,更大概率引流成功。流量对于科技金融企业而言至关重要,尤其是对于平台化及生态圈经营的企业,某一板块的流量或许是其他板块和生态的重要支柱。

1.2.3云计算:集中存储,高效计算

云计算就是通过大量在云端的计算资源进行计算,用户通过自己的客户端向云计算提供商发出指令,服务商通过大量服务器进行快速计算,再将结果返回给用户。云计算主要有以下特点,云端服务器规模巨大,计算资源虚拟化,计算结果可靠,费用低廉。根据中国信息通信研究院,目前国内金融行业云计算主要采用私有云和行业云的落地模式。私有云是机构自建云端,更受经济基础强大、技术实力领先的大型机构青睐,可以存储自身重要敏感数据。行业云是机构之间合作共建,共享资源,更受综合实力较弱的中小机构的偏爱。

云计算可以实现海量数据云端存储,提供高效计算。金准产业研究团队认为引流对于金融企业至关重要,而将流量引入后如何有效存储并成功运用是流量变现的关键。从技术上来说,云计算与大数据密不可分,大数据无法使用单台计算机进行处理,必须采用分布式架构,而云计算则可以较好契合这一需求,采用分布式数据库实现海量数据云端存储,并在需要时提供低价可靠的高效计算。

1.2.4人工智能:提供智能服务,改善客户体验

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学,相关研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能提供智能化服务,提升客户使用体验。金准产业研究团队认为在金融领域为客户提供贴心服务是增强客户粘性的关键,而随着流量的不断增加,仅仅依靠人工难以覆盖如此众多的服务需求。此外,在大数据中常常包含非结构性数据,如图片等,用传统的数据分析方法难以实现目标。而人工智能可以采用机器人、图像识别等技术轻松从大数据中抓取出所需要的信息,进行客户识别、信用分析等操作,帮助用户在客户端自助完成业务办理,压缩处理时间,同时提供智能客服,快速解决用户问题,大大提升使用体验,增强客户粘性,为平台及生态圈内用户迁徙打下基础。

1.2.5区块链:开放共享,安全可靠

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式,本质是一个去中心化的数据库。具有去中心化、开放性、自治性、信息不可篡改、匿名性等特点。

区块链连接参与各方,使业务更加安全透明。数据及交易安全对于金融业务的开展至关重要,而信息不对称经常会掩盖业务风险,增加交易成本。区块链开放性的特征可以连接交易各方,使得交易流程向参与者公开,同时去中心化的特点使得数据不可被篡改,提升交易安全性,降低有关的交易成本。此外,金融企业可以在各业务平台或生态之间搭建区块链,使得各业务板块数据实现共享,协同发展,促进平台或生态圈建设。

二、科技提升效率,强化风险控制

传统金融企业利用科技创新优化内部管理,提升企业运营效率;通过线上运营节约线下布局成本,降低获客成本;通过大数据等技术完善风险控制。受益于运营效率提升,成本降低,以及风控体系优化,金融科技成为解决中小企业融资难、融资贵问题的重要抓手,更好的服务实体经济,提供低价高效的金融服务。

2.1微众银行:科技助力普惠金融

传统金融机构在资产管理和风险定价等领域具有竞争优势,但其业务模式在时间和空间上的局限性导致了客户覆盖面窄、获客成本高等发展瓶颈。互联网技术的应用可以帮助金融机构扩大用户基数和渠道入口,提升触达和连接用户的能力。通过金融科技,金融机构可以更深入地发掘用户需求、创造服务场景,利用大数据、云计算、移动互联等新兴技术更加高效地进行信息甄别、匹配、定价和交易,降低传统业务模式中的交易和运营成本。科技金融扩大了业务覆盖面、延伸了服务链、提升了信息透明度、提供了标准化流程和个性化服务;通过低成本、高效率、更安全的交易模式提升客户体验和黏性,为传统银行业的发展注入活力。

以微众银行为例,微众银行是国内首家开业的民营银行,由腾讯、百业源和立业等多家知名企业发起设立,于2014年12月获得由深圳银监局颁发的金融许可证,致力于为普罗大众、微小企业提供差异化、有特色、优质便捷的金融服务。得益于互联网和大数据的深度运用,依托手机移动端7×24×365的全天候业务,截至2017年底微众银行注册用户超过6,000万人,覆盖了31个省、市、自治区的567座城市,授信客户超过3,400万人,同比增长1.2倍。截至2017年底,微众银行累计向近1,200万人在线发放贷款8,700亿元。在微众银行的贷款客户中,78%为大专及以下学历,76%为非白领从业人员,92%的贷款余额低于5万元,普惠金融充分体现。

2.1.1科技运用降低成本,提升运营效率

微众银行自2014时年成立时便确定了不设立线下物理网点、无需财产担保的发展思路,以线上数字化业务打破时间和空间限制、降低服务成本和准入门槛。

得益于腾讯旗下众多平台庞大的用户群体,微众银行的大数据系统汇集了包括购物消费偏好、虚拟资产数量、微信支付使用场合频率等海量的用户数据,在此基础上利用云计算技术对潜在客户群体进行具体细分,通过人工智能为客户提供差异化和精细化的服务。

微众银行可以直接对接微信支付,利用实时到账、操作便捷的功能弥补电子银行卡在即时收付方面的不足,扩大了微众银行的应用场景,增强了用户体验。通过与微信支付绑定搭建线下网络,微众银行客户的账户内余额可直接用于微信支付,微信用户也可以将微信钱包里的余额直接转入微众银行活期存款或购买其他理财产品和服务,借此微众银行的用户数量得以扩大,微信支付的使用率也得以进一步提升。

针对传统金融服务覆盖面窄、门槛高,长尾人群和小微企业融资难、融资贵等问题,微众银行充分利用科技手段提供量产化、规模化的金融服务,提高金融效率、改善用户体验。自2015年起微众银行推出了包括“微粒贷”在内的一系列小额信贷产品,以灵活的贷款额度、低廉的融资成本和高效的审批速度服务有实际需求的客户。

2.1.2科技完善风险管理

区别于传统银行依靠人工审核放贷,纯线上运营的互联网银行主要依靠数据信息分析应用,这就要求微众银行在风险监测和内部控制方面有较高的分析与管理能力。微众银行行长李南青将微众银行经过两年多的探索形成的风险管理策略归纳为:精于数据、专于模型、敏于系统。具体表现为通过全面应用和深入挖掘各类风险数据资源,运用前沿技术建设风险模型体系,开发精准敏锐的在线风险识别与监控信息系统。

微众银行以腾讯庞大的数据网络为核心,引入神经网络、决策树等算法和技术,构建社交、征信和反欺诈等风险识别模型。微众银行通过在数据源和风控模型上的创新,综合央行征信、公安部身份信息等传统数据与腾讯社群中的社交信息、行为偏好等新型数据,将传统银行风控与互联网风控手段相结合,搭建多维度的信用评级体系。

根据信用评估模型,微众银行建立了“白名单”筛选机制和欺诈风险管理机制,通过大数据对贷款申请人进行综合评估,对符合条件的申请人发放贷款邀请,同时针对个人信用评级给予信用奖励,提升客户的还款意愿。运用多维度的风控模型和反欺诈监控,实现即时预测、实时调整、多渠道触达,从而有效降低信用风险。

除了运用人脸识别、声纹识别等生物技术外,微众银行借助第三方电子存证管理、机器人催收、数据访问安全系统更精准地识别用户身份,规避线上操作的潜在风险。2017年微众银行的不良率控制在0.64%,远低于风险指标和行业平均水平(1.74%)。

零线下网点、自主技术解决方案极大程度地降低了微众银行的人力成本和运营维护成本,使微众银行能将节约的成本以价格形式回馈给用户,提升了微众银行的核心竞争力和业务拓展能力。大数据征信、云计算分析能力、多维度的风险监控有效降低了信用风险和欺诈风险,保证了微众银行普惠金融业务的可持续性。

2.2中国平安:金融科技提升营运效率

金融科技所带来的技术革新可以提升运营效率,精细化的运营模式能帮助企业增强成本控制能力,多维度数据分析和智能算法的逐步成熟可以拓宽业务视角,更精确地分析用户需求。金融科技依托支付方式、财富管理手段的创新推动金融业务的优化升级,促进企业更加合理地配置资源,提升金融服务效能,进而提高实体经济的投资效率。

具体而言,金融科技可以促进企业形成业务和流程的集成式管理,以应对瞬息万变的市场环境。对于前台而言,金融科技提供的技术升级和工具创新可以更快捷更全面地获取客户信息,更深入更多维地分析客户需求;对中后台而言,金融科技所带来的流程优化和模式创新能够保证高效的服务和良好的客户体验。通过建设动态的业务基础设施,企业能够实现前台与中后台的自动化和一体化,发挥协同作用,及时响应市场需求。

以中国平安为例,近年来平安发力科技金融,保险业务科技赋能成效显著。通过将业务和运营管理从线下转移到线上,平安人寿减少近70%的服务人力,产能提升32%。

(1)AI甄选和AI面谈-增员筛选

目前平安已将AI甄选和AI面谈已应用于个险渠道,AI甄选构建动态的“人员画像+关键特征+筛选流程”循环体系,AI面谈通过在线实时约谈,进行信息收集和意愿确认,实现代理人精准筛选、资源合理投放。2018年报显示,AI甄选模型通过对历史数据进行分析验证,13个月留存代理人的识别率达95.4%。

(2)千人千面-针对性辅导

千人千面通过收集员工历史数据分析员工技能短板,同时与绩优员工模型和特征相比较,实现绩优人群的快速复制,提升代理人能力。通过针对性的辅导和发展规划,预计代理人平均绩优养成时间将从36个月减少至15个月。

(3)A1助理-实时管理

AI助理具备任务管理、智能陪练、智慧问答三大功能,为代理人提供智能任务配置在线销售协助,实现资源自动调配、个性化推荐、全方位实时管理。

(4)SAT销售模式-精准销售

SAT(社交辅助营销)颠覆传统销售模式,帮助代理人实现对客户的实时连接、高频互动和精准营销,智能生成产品、服务、渠道和接触时机,推送接触线索至客户和代理人。2018年SAT系统已触达人数2.2亿人次,互动次数13亿次,配送线索10.8亿条。

(5)AI客服和AI风控

AI客服24小时在线,提供精准高效的极致服务,AI风控利用大数据构建风险因子库,通过可视化管理,实现风险精准识别,提供分层策略。

通过智能化的渠道管理和销售,平安的留存率和人均产能有显著提升。平安通过科技赋能,不断提升运营效率,降低运营成本,推动盈利能力提升。

三、科技助力平台及生态建设,拓宽获客渠道

平台化或生态化经营是目前大型企业扩展业务,实现规模经济的重要方式。随着金融科技的发展,金融企业利用大数据、云计算、人工智能、区块链等技术应用,打造金融平台及金融生态,拓宽获客渠道,通过为客户提供更综合的金融服务,增强客户粘性。金融科技成为传统金融企业在用户引流、内部迁徙、客户维护等方面的重要抓手。

3.1中国平安:科技赋能五大生态,对外输出提升估值

中国平安始终坚持“金融+科技”、“金融+生态”战略,重视科技研发投入,是国内金融机构发展科技的先行者。平安自成立以来经历了三个阶段,1.0时代(1988-2005年),主打线下资源,发展为全国性综合金融集团,核心是传统渠道和产品导向;2.0时代(2006-2015年),运用互联网技术升级综合金融模式,实现内部横向迁徙;3.0时代(2016-),将“互联网+金融”模式向全行业开放,全面提升客户体验。平安早在2006年起就开始金融科技的布局,并将其逐渐扩展到五大生态圈,现已实现向外输出,在金融科技这一未来竞争的主战场上先发优势明显。目前,公司拥有人工智能、区块链、云计算三项核心技术,每年研发投入占营收的1%,持续加大对科技支持力度。

3.1.1科技支撑五大生态圈建设,增强客户迁徙和粘性

目前,平安搭建起“金融服务、医疗健康、汽车服务、房产服务、智慧城市”五大生态圈,三大技术深度赋能核心业务的多个方面,全面支撑生态圈建设。此外,平安推行“一个客户、多种产品、一站式服务”的综合金融经营模式,运用互联网科技及线下网点布局协同获客,凭借生态圈建设为用户提供全面的金融、医疗等服务,促进内部迁徙,降低获客成本;同时运用科技提升各流程效率及服务质量,以低成本提升客户体验,增强粘性。

金融服务生态圈:成功落地陆金所、金融壹账通。陆金所是国内领先的财富管理及个人借贷平台,同时为金融机构和地方政府提供全套金融解决方案。陆金所利用大数据、机器学习等在资金端对投资者进行“精准画像”,并提供智能推荐服务,实现投资者风险偏好与产品风险的精准契合,网站销售理财产品包括零钱理财、期限理财、P2P网贷、代销基金及私募资管等,此外还可以链接到平安集团旗下各公司,实现客户快速迁徙。金融壹账通是平安旗下输出金融科技服务的主要平台,拥有壹账链区块链技术,并向机构客户推出“智能银行云、智能保险云、智能投资云、开放科技平台”四大业务板块,提供端对端的金融科技解决方案。

医疗健康生态圈:通过流量端及支付端切入医疗市场。流量端,平安好医生是国内健康领域的第一流量入口,通过AI辅助的自有医疗团队和外部医生为用户提供7x24小时在线咨询、转诊、挂号、住院安排、第二诊疗意见及1小时送药等全流程服务,并通过医疗健康服务网络提供多种线下服务。支付端,平安医保科技依托人工智能、区块链、云、健康风险画像等技术和强大的医学知识库,为医保、商保、医疗服务提供方、个人用户提供专业化、个性化、动态化和集成化的智能医保服务。

汽车服务生态圈:打造全流程汽车服务。平安通过汽车之家、平安银行、平安产险和平安融资租赁等公司提供相关服务,并通过经销商云平台、新车二网云平台、二手车交易云平台、汽车零配件云平台赋能整车厂及服务商,打通“看车、买车、用车”全流程服务。汽车之家是汽车服务生态圈的流量入口,2018年12月汽车之家移动端日均用户访问量达到2,900万,同比增长10%,此外还通过虚拟现实(VR)、增强现实(AR)等技术应用,为供需双方之间提供更多互动。

随着生态圈的完善,公司内部横向迁徙明显增加,交叉销售贡献占比不断提升。2018年通过代理人渠道实现平安产险、养老险团体短期险和平安健康险新增保费合计514.53亿元,同比增长18.8%,交叉销售渠道贡献占比分别达到16.7%、45.9%、56.6%。交叉销售降低了企业的获客成本及难度,有效提升用户价值。截至2018年末,总计6,364万人持有集团多家子公司合同,占集团客户总数的34.6%,同比提升6.1ppts,客均合同数同比增长9.1%至2.53份,客均营运利润同比增长18.1%至531元。生态圈建设及科技应用使得集团内部协同效应及客户黏性不断增强。

3.1.2对外输出科技服务,提升公司整体估值

平安步入3.0时代后,不再局限于内部的综合金融,而是将“互联网+金融”的发展模式向全行业开放,对外输出自己的科技服务,在实现增量业绩的同时,促进行业整体发展。其中陆金所、金融壹账通、平安医保科技是对外输出的主要平台。截至2018年末,陆金所已先后在南宁、长沙和深圳完成试点,帮助政府实现公共资产的“控债、保全、增收、节支”的目标,打造智慧财政城市样板。金融壹账通已累计为3,289家金融机构提供服务,参与发起的中小银行互联网金融联盟覆盖国内260家中小银行,总资产规模超过47万亿元。平安医保科技为全国200多个城市提供医保、商保管理服务,接入医院超过5,000家。

2018年陆金所、金融壹账通、平安医保科技分别完成最新一轮融资,投后估值分别达到394亿、75亿、88亿美元,有效提升集团总体估值。

3.2东方财富:财经门户引流,打造金融服务大平台

东方财富以“东方财富网”为核心,拥有互联网财经门户平台、金融电子商务平台、金融终端平台及移动端平台为一体的互联网金融服务大平台,向用户提供证券业务、金融电子商务服务业务、金融数据服务业务、互联网广告服务业务,2018年上述业务分别贡献营收18.13亿(占比58%)、10.65亿(占比34%)、1.60亿(占比5%)、0.71亿(占比2%)。

3.2.1持续高研发投入,巩固财经网站流量龙头地位

东方财富重视技术研发,每年保持着较高比例的研发投入,2007-2018年研发投入在营收中的占比平均达到9.51%。高研发投入保证了公司在技术层面保持领先,并成功应用到相关服务中。公司流量入口东方财富网以数据全面、迅速、免费受到广大个人投资者的青睐,此外社交性质的股吧、财富号、博客给予了投资者发表见解、相互交流的平台,满足了交易线上化后股民交流的需要。根据艾瑞数据统计显示,2019年2月,东方财富网以月度覆盖6,058万人位居金融服务网站首位,在前20名中占比达到11.27%,流量龙头的地位显著,为公司平台化经营提供了大流量的前提。

3.2.2科技助力流量变现

目前公司已从原先金融信息服务及数据服务提供商转别为拥有券商牌照、基金代销牌照的综合性金融服务公司,科技助力庞大流量成功变现是公司实现转型的关键。

东财证券:互联网券商的典型代表。公司2015年收购西藏同信证券,正式成为拥有券商全牌照的互联网金融企业。东财证券以在线自助3分钟开户以及低佣金吸引了大量用户,市场占有率迅速提升。截至2018年3月,东财证券股基交易额排名上升至18位,市占率达到1.94%。目前证券业务已成为东方财富的主要业绩贡献点,2018年证券业务营收占比达到58%。

天天基金:基金代销机构龙头。天天基金是东方财富旗下提供基金第三方销售的平台,自2012年取得基金代销牌照后,受益于东方财富网以及天天基金网用户的积累,代销基金数额及收入始终位居行业前列。根据Wind数据显示,截至2019年4月20日,天天基金代销基金4416只,代销基金家数132家,均排名代销机构首位。根据公司年报披露,2018年公司基金销售额5,251.62亿元(同比增长27%),“天天基金网”网站日均页面浏览量562万,用户日均使用时长22.31分钟,服务平台日均活跃用户140.75万,用户粘性较高。2018年基金业务贡献约34%的营收,已成为第二大业绩贡献点。

四、技术解决痛点,商业模式变革

金准产业研究团队认为,金融科技利用互联网触及长尾客户,运用技术控制信用风险,削弱信息不对称的影响,克服了传统金融企业面临的客户覆盖面窄、信用风险高等问题。基于广泛的客户基础,金融科技公司为客户提供相较于传统的线下金融产品和服务更为标准化的产品和服务,受益于便利快捷的客户体验,实现业务迅速铺开,业务规模快速提升。

4.1蚂蚁金服:立足线上渠道,客户基础坚实

蚂蚁金服起步于2004年成立的支付宝,于2014年正式成立。公司以“为世界带来更多平等的机会”为使命,聚焦于“普惠”、“科技”、“全球化”三大发展战略,致力于通过科技创新能力,搭建一个开放、共享的信用体系和金融服务平台,为全球消费者和小微企业提供安全、便捷的普惠金融服务。

蚂蚁金服通过内生创设和外延扩张,打造全金融服务生态圈。自创始以来,蚂蚁金服通过内生创设和外延扩张,搭建了以支付、理财、融资、保险、征信、技术服务为核心的六大业务板块,涵盖了以支付宝、余额宝、网商银行、蚂蚁花呗、蚂蚁借呗、芝麻信用等为代表的明星产品。

蚂蚁金服聚焦于小微企业、商户和个人消费者三类目标客户,提供全方位的普惠金融服务。公司深耕小微企业、商户和个人消费者三类客户群体,专注于融资、理财、保险等业务,打造全方位普惠金融服务生态圈。公司对小微企业和商户的投融资服务主要依托于网商银行和蚂蚁达客两大抓手;对个人消费者的小贷业务主要借助于支付宝旗下的蚂蚁花呗和蚂蚁借呗两大产品,投资、理财服务主要通过蚂蚁财富和蚂蚁达客两大平台来实现,个人保险业务网则主要涵盖入股的众安、国泰、信美三家保险公司。

受益于便利快捷的客户体验,多元的金融服务,蚂蚁金服实现用户数量快速增长,业务规模迅速提升。以支付宝为例,自2004年12月上线并独立运营开始,支付宝用户数实现持续快速提升。截至2019年1月,支付宝全球用户数已经超过10亿。

4.2芝麻信用:信用科技克服征信痛点

芝麻信用全称为芝麻信用管理有限公司,是蚂蚁金服旗下的信用评估和管理机构,旨在为全社会构建简单、平等、普惠商业环境。一方面,芝麻信用是一家独立的第三方征信机构,为各社会组织、机构、个人提供与客户信用相关的解决方案;另一方面,作为蚂蚁金服旗下的征信部门,芝麻信用承担着为集团金融业务提供对个人和企业征信的任务。

芝麻信用的运作模式:

技术上:基于大数据、区块链、云计算三大底层技术。芝麻信用利用大数据和区块链技术,挖掘并整合与征信对象资信状况相关的信息;通过云计算建立自动用户评估系统、用户画像信息档案和个人评分系统等。

数据上:广撒网,多维度。芝麻信用在征信过程中的数据来源主要包括:金融数据(蚂蚁金服、其他金融机构)、基本信息(用户自主提交)、电商数据(阿里电商生态圈)、公共信息(公共机构、合作伙伴)和行业信息(上下游企业,针对企业征信)等。

金准人工智能 从知识工程到知识图谱 2019-05-14 14:57:24

一、 知识工程概论

知识工程是一门新兴的工程技术学科。它是社会科学与自然科学的相互交叉和科学技术与工程技术的相互渗透的产物。知识工程是运用现代科学技术手段高效率、大容量的获得知识、信息的技术。目的是为了最大限度地提高人的才智和创造力,掌握知识和技能,提高人们借助现代化工具利用信息的能力,为智力开发服务,作为一种工程技术的“知识工程”,其主要对象是研究如何组成由电子计算机和现代通讯技术结合而成的新的通讯、教育、控制系统。因此,这项“工程”对于发展社会的经济、科技和文化教育事业,加速社会信息化的进程具有重要意义。目前,“知识工程”的研究中心主要是“智能软件服务”,即研究编制程序,提供软件。由于电脑工业等高级技术的发展,有力地促进了“智能软件”的发展,使其不仅数量越来越多,而且在质的方面也越来越鲜明地具有“智力服务性行业”的特点。人们已清楚地认识到,电子计算机只有与智能软件有机结合,才能模拟人脑的功能,也才有可能出现智能机,但再好的计算机如果不配上相应的软件程序,只是一堆无用的废料。要编制一套让电子计算机和智能机器人听得懂的“语言”,即编制好软件程序,需要相当的知识基础。它不仅需要有较高的数学知识和计算能力,而且还要掌握其它科学知识,尤其是数理逻辑和辩证逻辑,同时,还要有创造性思维,掌握科学的思维方法和自然科学方法。所以,关于“知识工程”的研究,必须有专业人员的队伍。在发达国家都十分重视培养软件设计人员,并不断地增加这方面的投资。我国这方面的人才短缺,只有加快培养人才,才能真正提高我国的智力水平,加快科学技术现代化的步伐。“知识工程”的产生,把人类所专有的文化、科学、知识、思想等同现代机器联系起来,形成了人——机系统。它不仅为电子计算机的进一步智能化提供了条件,而且还必将对社会生产力的发展提供最有力的现代化工具。随着“知认工程”的发展,人们的思维方式以及整个社会生活方式都将发生深刻的变化。


二、 知识工程发展历程


1、20世纪50年代—70年代初   知识工程诞生之前的早期人工智能


    回顾历史总能帮助我们更好的理解未来。把时间的车轮回滚到1956年8月,在美国汉诺斯小镇宁静的达特茅斯学院中,几位心理学家、数学家、计算机科学家、信息论学家聚在一起,举办了一次长达2个月的研讨会,认真而热烈地讨论了用机器模拟人类智能的问题。他们为会议的内容起了一个响亮的名字:人工智能(artificial intelligence)。人工智能学科自此诞生。

  达特茅斯会议之后,参会者们相继取得了一批令人瞩目的研究成果。具有代表性的成果为:A.Newell、J.Shaw和H.Simon等人编制出逻辑机LT,它证明了38条数学定理;1960年又定义了GPS的逻辑推理架构,并且提出启发式搜索的思路;1956年, Samuel研制了一个跳棋程序,该程序具有自学习功能,可以从比赛中不断总结经验提高棋艺。还有很多令人激动的成就,这掀起人工智能发展的第一个高潮。


其中,以Newell和 Simon为代表人物的符号主义学派,最先取得丰硕成果,最著名的代表为逻辑机LT。


符号主义最核心的思想是什么呢?符号主义认为人工智能源于数理逻辑,认为智能的本质就是符号的操作和运算。符号主义在后来几大门派的较量中,曾长期一支独秀,为人工智能的发展作出重要贡献。当然,也为后来红火一时的知识工程奠定了基业。


再把时间的焦点挪到20世纪60年代—70年代初,学界还在为人工智能发展初期取得的胜利高兴不已的时候,不切实际的研发目标带来接二连三的项目失败、期望落空。过高的期望总是带来更具破坏性的失望,终于,人工智能迎来第一次寒冷的冬天。


2、 1977  知识工程诞生


在人工智能领域经历挫折之后,研究者们不得不冷静下来,重新审视、思考未来的道路。这时候,西蒙的学生,爱德华·费根鲍姆(Edward A. Feigenbaum)站了出来。他分析传统的人工智能忽略了具体的知识,人工智能必须引进知识。

在费根鲍姆的带领下,专家系统诞生了。专家系统作为早期人工智能的重要分支,是一种在特定领域内具有专家水平解决问题能力的程序系统。


专家系统一般由两部分组成:知识库与推理引擎。它根据一个或者多个专家提供的知识和经验,通过模拟专家的思维过程,进行主动推理和判断,解决问题。第一个成功的专家系统DENDRAL于1968年问世。1977年,费根鲍姆将其正式命名为知识工程。


把知识融合在机器中,让机器能够利用我们人类知识、专家知识解决问题,这就是知识工程要做的事。


3、 20世纪70年代—90年代  知识工程蓬勃发展


1977年知识工程诞生之后,这个领域还在不断往前发展,不断产生新的逻辑语言和方法。这其中有一节点比较重要。


上节已经提到专家系统的是如何形成的,而专家系统究竟发展的如何呢?知识工程又是否能产业落地?美国 DEC 公司的专家配置系统 XCON给出了初步的答案,当客户订购 DEC 公司的 VAX 系列计算机时,专家配置系统 XCON 可以按照需求自动配置零部件。在投入使用的6年间,共处理八万个订单,节省了资金。


至此,人工智能逐步开始了商业应用。


比较著名的专家系统还有cyc,由Douglas Lenat在1984年设立,旨在收集生活中常识知识的本体知识库。Cyc不仅包含知识,还提供很多的推理引擎,共涉及50万条概念和500万条知识。除此之外,还有普林斯顿大学心理学教授维护的WordNet的英语字典。类似的,汉语中的《同义词词林》及其扩展版、知网(HowNet)等词典。不幸的是,随着日本五代机的幻灭,专家系统在经历了十年的黄金期后,终因无法克服人工构建成本太高,知识获取困难等弊端,逐渐没落。


4、 1998   万维网与连接数据


万维网的出现,为知识的获取提供了极大的方便。1998年,万维网之父蒂姆·伯纳斯·李再次提出语义网。它的核心是:语义网可以直接向机器提供能用于程序处理的知识。通过将万维网上的文档转化为计算机所能理解的语义,使互联网成为信息交换媒介。但是,语义网是一个比较宏观的设想,需要“自顶向下”的设计,很难落地。


语义分析与知识网络


由于自顶向下的设计落地困难,学者们将目光转移到数据本身上来,提出了连接数据的概念。连接数据希望数据不仅仅发布于语义网中,更需要建立起自身数据之间的链接从而形成一张巨大的链接数据网。其中, DBpedia项目是目前已知的第一个大规模开放域链接数据。类似的还有Wikipedia、Yago等都属于这一类结构化知识的知识库。


5、   2012   知识图谱 知识工程新发展时期


与维基百科的同时存在的还有个 Freebase。维基百科的受众是人,而 Freebase 则强调机器可读。Freebase 有 4000 万个实体表示,在被收购后,谷歌给它起了个响亮的名字“知识图谱”。


三、 知识工程的未来展望


在上世纪七八十年代,传统的知识工程的确解决了很多的问题,但是这些问题都有一个很鲜明的特点,它们大部分都是在规则明确、边界清晰、应用封闭的场景取得的成功。一旦涉及到开放的问题就基本不太可能实现,比如数学定理的证明,或是下棋。


传统知识工程为什么会有这么苛刻的条件呢?因为传统知识工程是一种典型的自上而下的做法,是一种严重依赖专家干预的做法。知识工程的基本目标,就是把专家的知识赋予机器,希望机器能够利用专家知识来解决问题。传统的知识工程里,首先需要有领域专家,专家能够把自己的知识表达出来;进一步,还需要有知识工程师把专家表达这个知识变成计算机能够处理的形式。



如此依赖专家去表达知识、获取知识、运用知识,就会存在很多问题,一方面,这个机器背后的知识库规模很有限,另外一方面,它的质量也会存在很多的疑问,这就是为什么我们说传统的知识工程困难重重。


除了上面介绍的一些问题,传统的知识工程面临着的两个主要困难:


第一:知识获取困难


隐性知识、过程知识等难以表达。比如如何表达老中医看病用了哪些知识;不同专家可能存在主观性,例如,我国有明确治疗规范的疾病占比非常小,大部分依赖医生的主观性。


第二:知识应用困难


很多的应用,尤其是很多开放性的应用很容易超出预先设定的知识边界;还有很多应用需要常识的支撑,而整个人工智能最怕的恰恰就是常识。为什么?因为常识它难以定义、难以表达、难以表征;知识更新困难,太依赖领域专家,还有很多异常或难以处理的情况。


互联网应用催生大数据时代知识工程


由于上节所述种种原因,知识工程到了上世纪八十年代之后就销声匿迹了。


虽然知识工程解决问题的思路极具前瞻性,但传统知识表示的规模有限,难以适应互联网时代大规模开放应用的需求。为了应对这些问题,学界和业界的知识工程研究者们试图寻找新的解决方案。


首先取得重大突破的,是谷歌。谷歌搜索是谷歌公司的核心产品服务,这类互联网的应用,主要有以下特点:


大规模开放性应用,永远不知道用户下一次搜索关键词是什么;


精度要求不高;大部分搜索理解与回答只需要实现简单的推理,复杂推理为极少数。


在这样的诉求下,谷歌推出了自己的知识图谱,使用与语义检索,从多种来收集信息,以提高搜索质量。而知识图谱的推出,基本上宣告了知识工程进入了一个新的时代,我们称之为大数据时代的知识工程阶段。谷歌利用一个全新名称表达与传统知识表示其毅然决裂的态度。

大数据时代下知识图谱的出现,有其必然性,大数据时代给知识图谱技术的发展奠定了丰富的土壤。或许你会问,知识图谱和传统的语义网络有什么本质不同么?大数据时代能给我们带来什么特别的有利条件?前沿进展的回答是——大数据技术使得大规模获取知识成为可能,而知识图谱即为一种大规模语义网络。这样的一个知识规模上的量变带来了知识效用的质变。


我们有海量的数据、强大计算能力、群智计算以及层出不穷的模型。在这些的外力的支持下,解决了传统知识工程的一个瓶颈性问题——知识获取。我们可以利用算法实现数据驱动的大规模自动化知识获取。



与传统知识获取不同,以前是通过专家自上而下的获取知识,而现在是利用数据自下而上,从数据里面去挖掘知识、抽取知识。另外,众包与群智成为大规模知识获取的一条新路径。高质量的UGC内容,为自动挖掘知识提供了高质量数据源。


总的来说,知识工程在知识图谱技术引领下进入了全新阶段,叫做大数据时代知识工程阶段。我们正在经历感知智能到认知智能的过渡阶段,未来最重要到技术即是实现认知智能。


大数据时代下,知识图谱又有什么独特的魅力?为什么会受到如此广泛的关注呢?


知识图谱使机器语言认知成为可能。机器想要认知语言、理解语言,需要背景知识的支持。而知识图谱富含大量的实体及概念间的关系,可以作为背景知识来支撑机器理解自然语言。


知识图谱使可解释人工智能成为可能。在人工智能发展的任何阶段,我们都需要事物的可解释性,现在的深度学习也常因为缺少可解释性受人诟病。而知识图谱中包含的概念、属性、关系是天然可拿来做解释的。


通过知识图谱等先验的知识去赋能机器学习,来降低机器学习对于样本的依赖,增强机器学习的能力。


知识将显著增强机器学习能力。传统的机器学习都是通过大量的样本习得知识,在大数据红利渐渐消失的情况下,逐渐遇到发展瓶颈。而通过知识图谱等先验的知识去赋能机器学习,来降低机器学习对于样本的依赖,增强机器学习的能力,或许是连接主义和符号主义在新时代下的共生发展。


除了上述的种种优势,知识图谱在一系列实际应用上也非常有用,比如搜索、精准推荐、风险识别、深化行业数据的理解与洞察等,将在各种各样的应用场景发挥作用。


信息技术革命持续进行,数据将会继续向更大规模、更多连接的方向发展,在此背景下,知识图谱将引领知识工程走上复兴的道路,推动在机器身上实现认知智能。

金准产业研究 爆发的屏下指纹产业研究报告 2019-05-13 11:19:43

前言

屏下指纹识别的爆发是全面屏大趋势下的必然,相比于人脸识别,屏下指纹拥有成熟度、用户习惯和价格等多重优势,未来二者有望维持长期并存的格局。并且,屏下指纹技术的成本和识别率在2018年取得巨大进步。

展望未来,屏下指纹识别作为OLED全面屏设计的“副产物”,金准产业研究团队认为未来的发展趋势将围绕OLED主线。随着大陆OLED产能的释放,OLED向中端机型渗透的趋势将更加确立。总体来说,屏下指纹的三大趋势——1、与人脸识别长期共存趋势;2、技术成本迅速下降;3、向中高端下沉——为屏下指纹手机全面爆发奠定了基础。

一、指纹识别的二次创新,屏下指纹识别迎来爆发期

指纹识别是生物识别中的一种技术路径,根据美国咨询与市场调研机构Lucintel的统计与预测数据,2017年全球指纹识别市场约为13亿美元,占生物识别市场份额为10.32%。预计2022年指纹识别市场将增长至28亿美元,占当年生物识别市场份额为8.62%。

金准产业研究团队认为,指纹识别未来将依然是生物识别领域的重要市场,行业复合增速16.59%,在智能终端保持创新的持续动力,屏下指纹的趋势正在引发行业发展的二次加速。

1.1FOD技术是被成熟,光学式具有较大优势

指纹识别技术最早发源于苹果在2013年推出的iPhone5S,当时随着智能手机用户粘性的迅猛提升,便捷的解锁方式是用户的一大痛点。因此指纹识别的问世,将苹果创新力推向新的高峰。然而,2017年苹果推出的十周年纪念机型iPhoneX中,却首次弃用TouchID,改为FaceID,主要原因在于苹果期望实现的全屏幕屏下指纹识别在当时的技术条件下不具备可行性。

屏下指纹识别是全面屏时代的必然,提升屏占比成为2018年创新的两条核心主线之一。刘海屏、美人尖、水滴屏、挖孔屏等等设计是对前置摄像头空间的挤占,而COF、FOD等新技术则是对边框和Home键的压缩。

不同于苹果,站在时代十字路口的安卓阵营对FOD(Fingerprint-on-display)屏下指纹识别表现出极高的兴趣,特别是人脸识别推出后并未得到消费者的一致认可。随着技术的发展,不仅使FOD成为一条硬件创新的高速通道,且可以取得创新的领先。2018年的CES大会上,vivo率先发布屏下指纹识别的旗舰机,开启了安卓阵营在屏下指纹识别的装备竞赛。

目前主流的FOD技术主要有光学式与超声波式:

光学指纹识别凭借更好的体验、成本优势以及相对更加成熟的供应链,取得了大部分的市场份额,根据金准产业研究团队预测,2019年光学式屏下指纹识别占比有望达到82%。三星在年初发布的基于高通超声波方案旗舰机型将贡献剩下18%份额中的主要部分。

1.2从生命周期来看,屏下指纹识别处于高速成长期

2018年是屏下指纹识别爆发的一年,在HOVM+魅族、一加等国产品牌显示出很高的搭载率,全年一共有近20款旗舰机使用屏下指纹识别。其中vivo一口气推出五代光电屏幕指纹技术,侧面反映了光学式识别技术成熟度的高速发展。

金准产业研究团队通过梳理最新2019年一季度屏下指纹识别的应用情况,不难看出当前屏下指纹还停留在高端旗舰的普及期,超声波指纹识别首次出现在高出货量旗舰机型。

从上一轮电容式指纹识别渗透的过程来看,当前时点的FOD指纹技术发展与电容式指纹识别在2014年的加速渗透非常相似。根据IHS统计数据,2018年屏幕指纹模组出货量仅3000万颗左右,2019年有望突破至2亿颗。金准产业研究团队预计2019年FOD指纹识别渗透率提升至22.9%,相比18年上升近20个百分点,预计2022年FOD指纹技术占有率将超越传统电容式。

二、长期视角看屏下指纹识别,新兴高成长创新赛道

金准产业研究团队梳理了vivo六代屏幕指纹识别的升级过程,自vivoX20PlusUD(2018.1.24发布)搭载第一代光学指纹技术以来,识别准确性、解锁速度有了大幅提升,其中vivoNEX(2018.6.12发布)精度相比前作提升50%,准确率达到支付安全级别,是屏幕指纹识别技术发展的重要里程碑。

Vivo针对光线穿透过程中发生的折射和散射现象,在NEX三代光电指纹技术中增加了“准直层”,很好的解决了感光元件在低透过率发光显示屏下感光不足的瓶颈,从而实现了准确率和解锁速度的大幅提升。

目前vivo光学指纹识别解锁速度已经达到0.29秒以内,传统电容式虽可以做到0.2秒以内,但对于用户而言体验差别并不大。屏下指纹技术成熟度在2018年取得巨大进步,为2019年渗透率的高速提升奠定了基础。

2.1指纹识别具有人脸识别无法取代的优势,共存是中长期趋势

屏下指纹识别与面部识别均是全面屏浪潮下的创新线索。特别是指纹识别转入屏下后,对屏占比的提升不再有任何影响。正如电容式指纹识别未能替代密码解锁一样,人脸识别的出现也不意味着指纹识别时代的落幕。

对比三种主流的生物识别技术,目前指纹识别依然是用户基数最大、用户习惯培养最好的识别方式。

2.2光学式屏下指纹技术升级,成本显著降低

2018年到2019年,光学式屏下指纹识别经历了一轮技术升级,由准直光方案变为小孔成像方案,最后变为摄像头模组方案,识别方案的改进使得模组价格显著下降。

2018年国产旗舰中,汇顶与新思的光学式指纹识别是通过OLED屏幕微孔,以微透镜阵列搜集光线成像,并识别指纹图像是否符合。

考虑到屏幕与玻璃盖板的厚度,光学式指纹技术在准直层的基础上,衍生出了小孔成像方案,将原先较厚的一块准直层拆分为两层薄的小孔板及中间的透光材料,能够降低厚度与成本、增加透光量和识别率。

为了降低屏下指纹的成本,以便未来增加识别覆盖区域,摄像头方案应运而生。通过安装屏下摄像头,以图像传感器识别手指反射的光线加以比对和识别。屏下摄像头方案的优势在于:

1)大幅降低贴合成本。由于无需将指纹模组与OLED屏幕贴合,避免了贴合良率带来的损失(可能使得屏幕也同样报废)。屏下摄像头模组固定在中框上。

2)成熟的模组。屏下摄像头模组制造较主摄像头简单许多,拥有成熟的摄像头供应链,因此成本更加低廉。

3)清晰的识别。屏下摄像头方案只需提升像素即可获得更清晰的成像,而不用因为准直孔径提升而被迫增加像素大小,降低清晰度。

屏下摄像头方案的好处是显而易见的,一代屏下指纹模组的成本通常在15-17美元(芯片8-9美元+模组7-9美元),二代屏下摄像头方案模组成本通常在8美元左右(芯片6美元+模组2美元)。当前屏下指纹成本下降主来得益于技术路径的变化,传统电容式指纹识别的价格下跌,则主要来自于行业竞争格局变化和8英寸芯片代工成本下降。

2.3屏下指纹由高端旗舰向中高端手机下沉是趋势

由于光学式指纹识别的原理是通过透光屏幕下方设置摄像头拍摄指纹图像,再以算法与储存的指纹信息进行比对。目前主流显示技术中,TFT-LCD由于是被动发光,TFT层透光性较差,因此屏下指纹传感器很难识别到指纹信息,而OLED面板具有透光性,因此当前的光学屏下指纹必须搭配OLED屏幕使用。

屏下指纹识别作为OLED全面屏设计的“副产物”,未来的发展趋势将围绕OLED主线。随着大陆OLED产能的释放,OLED向中端机型渗透的趋势将更加确立,这为屏下指纹在中高端机型的渗透奠定了基础。

屏下指纹将由高端旗舰向中端智能手机下沉,应用空间全面打开,有望复制传统电容式指纹识别的发展路径,创新成长性值得看好。

三、屏下指纹芯片是核心,国内供应商已位居前列

屏下指纹识别产业链比较简单,主要包括芯片设计、芯片制造、芯片封装、模组、方案商和终端应用。上游价值的重心在于识别芯片和算法,下游则由模组厂组装为成品,与传统电容式指纹识别相似。指纹识别芯片的价格决定模组价值量。

从屏下指纹模组的价格来看,2018年上半年与下半年差距较大,从15-17美元下降至8-9美元。前文所述,主要的原因在于技术路径的变化带来的成本下降。与电容式指纹识别因竞争格局恶化而导致的芯片价格快速下跌不同,从2018年至2019Q1,屏下指纹识别芯片价格比较稳定。

在屏下光学指纹识别芯片领域,已经形成国内企业为主导的竞争格局,超声波屏下指纹识别则形成以高通为首,国内企业加速追赶的局面。

我们对屏下光学指纹的主要供应商进行梳理,汇顶、思立微等国内企业具有较大竞争优势:

3.1 Goodix(汇顶)

汇顶是一家提供人机交互和生物识别解决方案的芯片设计与解决方案的公司,现已成为安卓阵营全球指纹识别方案第一供应商。产品和解决方案主要应用于华为、OPPO、vivo、小米、中兴、一加、魅族、Amazon、Samsung、Nokia、Dell、HP、LG、ASUS、acer、TOSHIBA、Panasonic等国际国内知名品牌。

公司在2019年一季度取得业绩大幅增长,实现营业收入12.25亿元,同比增长114.39%,实现归母净利润4.14亿元,同比增长2039.95%,超出此前预期。主要原因在于一季度HOVM等品牌推出大量新款旗舰手机,均标配屏下光学指纹方案,而汇顶凭借领先竞争对手的技术优势取得独家供应的市场份额。

3.2 Silead(思立微)

思立微由美国硅谷归国企业家程泰毅在2010年创立,总部位于上海,在深圳、北京、台湾地区等地均设有分部,现已拥有200余名员工,其中80%以上为研发人员。公司主营业务为生物识别传感器SoC芯片和解决方案的研制开发。思立微2011年推出首颗自主研发的多点触控芯片GSL1680,2014年推出国内首颗按压式指纹识别传感器GSL6162及一体化解决方案。2016年公司跻身全球指纹识别前三大供应商。

2018年,思立微抓住了屏下光学指纹的爆发机遇,成功切入OPPO、华为等头部品牌的供应序列,成为全球第二大光学指纹识别供应商。国内Flash与MCU龙头企业兆易创新以17亿元的对价对思立微发起收购。

根据CCID数据,思立微在指纹芯片领域出货量的全球排名由2016年的全球第6位提升至2017年的全球第3位,指纹识别芯片的出货量占比从2016年的1.50%上升至2017年的6.50%。

3.3 Egis(神盾)

EgisTec是台湾地区从事指纹生物识别和数据加密系统的主要供应商,2015年底在台股上市。公司核心业务为电容式指纹识别IC的设计、研发、测试和销售,不仅拥有IC设计研发团队,且拥有晶圆制程与封装技术的设计能力。指纹识别产品广泛应用于三星、中兴等手机品牌。

神盾2016年成为三星指纹识别方案供应商后,主要客户一直是三星(C系列、J系列等),曾给三星提供侧边框指纹识别模块。EgisTec在2018年底表示,2019年将量产新一代光学式指纹识别,识别范围可覆盖25%的屏幕面积,2020年则可能量产全屏幕指纹识别。

2019年4月17日三星在中国市场发布全新四款GalaxyA系列智能手机GalaxyA80、GalaxyA70、GalaxyA60和GalaxyA40,其中GalaxyA80与GalaxyA70均搭载屏下光学指纹识别技术。

3.4 Synaptics(新思)

1986年,费根和卡弗米德一起成立了Synaptics公司,总部位于美国加利福尼亚州圣何塞。Synaptics是一家全球领先的移动计算、通信和娱乐设备人机界面交互开发解决方案设计制造公司。上世纪末,公司主要为Dell等计算机制造商提供笔记本触摸板产品。

2002年Synaptics登陆纳斯达克。

凭借计算机时代的触摸技术积淀,Synaptics成为第一批电容式触摸屏智能手机的核心传感器供应商,例如全球首款电容式触控SamsungB310、首款电容式触摸屏手机LGPrada均采用Synaptics触控传感器。

2018年CES大会上,vivo展出的新款VivoX21UD,搭载的便是Synaptics最新FS9500ClearID™光学显示屏指纹传感器。同年发布的小米8探索版同样使用的是该系列光学指纹识别传感器。

从经营历史数据来看,2014、2015年是Synaptics移动端产品爆发的年份,这正是电容式指纹识别渗透率高速增长的年份,公司奠定了电容式触控全球领导企业的地位。2016年、2017年公司移动端产品收入略有下滑,反映了电容式指纹识别创新进入低谷。

3.5 Fingerprint Cards ABFPC

Fingerprint Cards是一家来自瑞典的生物识别公司,指纹识别产品全球领先。2014年指纹识别在安卓阵营兴起,当年9月华为发布Mate7,使用的就是FPC的指纹识别方案和产品。FPC凭借Mate7的热销切入安卓品牌供应链,实现了营收的快速增长。

2017年,国内指纹识别芯片方案商的崛起,对海外供应商形成了明显的替代。FPC股价自2017年以来持续下跌便是反映。

从经营数据来看,2017年一季度起,FPC的季度营收大幅下滑。Q1营收6.86 亿瑞典克朗(合人民币约5.36亿元),同比下滑54%,利润同比下滑88%。同时存货水平大增,也显示出产品积压的情况。

结语

金准产业研究团队认为,随着技术的发展,以苹果为代表的部分厂商选择了3D人脸识别技术,通过结构光构建人脸模型进行识别。但此类技术不可避免涉及到刘海屏问题。但以vivo等为代表的厂商选择了另一条路线,即屏下指纹解决方案。其优点在于能够避免刘海屏的出现。不仅如此,屏下指纹更拥有成熟度、用户习惯和价格等多重优势。随着屏下指纹技术的成本和识别率的进步,相信会出现屏下指纹和人脸识别平分天下的局面。屏下指纹识别符合全面屏发展趋势,其便捷性、安全性、以及创新属性已经得到消费者的广泛认可。终端品牌的应用已经由 vivo 主导向三星、华为、OPPO、小米延伸,技术路径由光学式屏下指纹向超声波式识别拓展。这将使得 2019 年将成为屏下指纹识别全面爆发的一年。

金准产业研究 2019中国氢能源汽车行业市场前景研究报告 2019-05-09 14:00:20

前言

当前,我们使用的许多前沿数字化设备背后的技术都要依靠半导体才能实现。由于无人驾驶、人工智能、5G和物联网等新兴技术的发展,以及对技术研发的持续投入和市场主要参与者间的激烈竞争,未来十年全球半导体行业有望持续稳定增长。

氢能汽车是以氢为主要能量作为移动的汽车。氢能被视为全球最具发展潜力的清洁能源之一,并被不少国家、车企及学者认为是“终极新能源汽车解决方案”。金准产业研究团队认为,伴随着汽车保有量持续增长,以及氢能源汽车技术的完善和普及,氢能源汽车未来市场发展前景广阔。中国汽车工程学会曾预测到2030年,中国氢能汽车产业产值有望突破万亿元大关。

一、氢能源汽车概况

1.1氢能源汽车的定义

氢能汽车是以氢为主要能量作为移动的汽车。氢能被视为全球最具发展潜力的清洁能源之一,并被不少国家、车企及学者认为是“终极新能源汽车解决方案”。氢能源汽车分为两种,氢内燃机汽车和氢燃料电池汽车。目前,发展较快的为氢燃料电池汽车。

氢能源汽车

1.2氢能源汽车产业链

氢能源汽车产业上游为汽车生产材料,主要材料为氢燃料电池、氢内燃机、轮胎、电机、内饰外饰等。汽车生产企业将材料组装成氢能源汽车,下游为氢能源汽车产业服务行业,主要为加氢站、汽车维修、汽车美容、汽车保险等。

氢能源汽车产业

1.3氢能源汽车产业政策(国家性)

因为目前氢能源的利用尚处于导入期,由于氢能源燃料电池汽车市场有望成为氢能源最大的消费端,因此需要政策支持引导。2009年开始对染料电池汽车实行补贴,主要形式是免征购置税,同时给予一次性不同额度的不同。2014年开始将加氢站纳入了补贴范围,这是刺激配套产业加速发展。

氢能源电池产业政策

1.4氢能源汽车产业政策(地方性)

国家层面出台多项支持政策之后,各地方政府也出台了相关产业政策,支持氢能源燃料电池汽车发展。在产业导入阶段,中央和地方相互配合,共同促进氢能源汽车产业发展。

氢能源电池产业政策(地方性)

二、 新能源汽车市场现状

2.1汽车保有量

随着我们生活水平的稳步提高,我国汽车保有量也迅速增加。2017年,全国汽车保有量达2.17亿辆,与2016年相比,全年增加2304万辆,增长11.9%。截止2018年9月,根据公安部发布目前国内汽车保有量约为2.35亿辆,同比增长约12.0%。金准产业研究团队预计2019年中国汽车保有量将超越美国。

2009-2018中国汽车保有量情况

2.2汽车销售量

我国汽车市场起步于2000年,2001年中国入世后,汽车开始往家庨普及,2009年国内汽车销量首次超越美国,成为全球销量最大的国家。2017年国内汽车销量达到2894万辆,连续9年全球销量第一,为全球最大单一汽车市场。1-10月,汽车销量2287.1万辆。

2009-2018中国汽车销量情况

2.3新能源汽车的分类

新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。

新能源汽车的分类

2.4新能源汽车产量

推广、应用新能源汽车已成为全球主流。近年来,我国也在积极推广、普及使用电动汽车,新能源汽车产量快速增长,从2013年的1.8万辆增长至2017年79.4万辆。2018年,新能源汽车生产仍保持高速增长,1-11月新能源汽车累计产量105.4万辆,同比增长63.6%。

中国新能源汽车产量

2.5新能源汽车销量

新能源汽车销量快速增长,从2013年1.8万辆的销量增至2017年达77.7万辆,涨幅达4216.7%。受到补贴调整等影响,但新能源汽车销量仍保持高速增长。2018年1-11月新能源汽车累计销量103万辆,同比增长68%。

中国新能源汽车销量

三、氢能源汽车行业现状

3.1氢能源汽车市场规模

中国新能源汽车推广效果显著,新能源汽车细分类型繁多,目前仍以纯电动汽车、插电混合动力汽车为主。同时,氢能源汽车正在迎头追赶。此前,中国汽车工程学会曾预测到2030年,我国氢能汽车产业产值有望突破万亿元大关。

中国氢能源汽车应用推广情况

3.2氢燃料电池需求量

氢能源汽车快速发展,燃料电池迎风口。氢能源燃料电池是氢能源汽车的核心,随着氢能源汽车的发展进入成熟阶段,产量将迎来爆发式增长时期,氢燃料电池的市场需求也将大大打开。

金准产业研究团队统计数据显示,2015年我国燃料电池出货量约10.5MW,同比增长14.1%,出货量首次超10MW。未来,燃料电池市场将持续增长,预计到2021年出货量将超20MW,2030年将达35MW。

2016-2021中国燃料电池出货量预测

3.3氢能源汽车短板

燃料电池汽车比其他汽车更为精密,因此其维护成本也更高。在使用环节上,由于氢气在制备、储存、运输等过程中需要更多的技术处理,驾驶成本也高。最后还要考虑配套设施,燃料电池汽车使用需要众多加氢站支持,加氢站由于需要配置大型压缩机等大型设备,成本比加油站和充电站更高。

3.4加氢站数量

加氢站服务于燃料电池汽车,由于,加氢站成本过高但审批流程复杂,中国加氢站目前发展缓慢,共建加氢站数量为9座,运营中的为6座,已拆除2座,1座在建,计划到2020年达到20座。现阶段加氢站的建设需要依赖多方合作包括基建公司、能源公司、气体公司、车企以及政府等,而建设费用目前依赖国家政府补助,补助比例约为50%。

国内加氢站

四、中国氢能源汽车生产厂商

虽然中国也有燃料电池汽车,但是发布时间较短,应用于汽车经验不足。中国的燃料电池汽车主要是客车,中国燃料电池汽车相关企业形成百家争鸣的态势。

中国氢能源相关产业

4.1福田汽车

福田汽车是一家跨地区、跨行业、跨所有制的国有控股上市公司。福田汽车是中国汽车行业自主品牌和自主创新的中坚力量,现已经形成了集整车制造、核心零部件、汽车金融、车联网、福田电商为一体的汽车生态体系。目前,福田汽车累计销量889.1万辆,品牌价值1329亿元。福田汽车在北京、河北、山东、湖南、广东五大区域布局20个工厂。福田汽车未来战略为2015年成为绿色、智能高科技的全球主流汽车企业。

10年前福田汽车就抢先布局氢燃料电池商用车领域,经过示范推广上,逐步突破,如今领先行业实现了氢燃料电池电动客车产业化以及批量商业化运营。福田氢燃料电池客车品牌为欧辉,欧辉氢燃料电池客车已涵盖8.5m,10.5m,12m等多种产品,同时覆盖了城市客车、城间客车、旅游车、定制班车等多种用途类型。

2003年,福田汽车研发氢燃料电池技术

2008年,第一代欧辉氢燃料电池客车交付奥组委使用。

2014年,福田生产5辆第2代12m氢燃料电池电动客车;

2016年欧辉第三代氢燃料电池客车问世,开启氢燃料电动客车的商业化运作。

2018年9月,福田欧辉氢燃料公交车正式交付北京公交进行示范性运营

近几年,福田汽车营收持续增长,2017年福田汽车营业收入517亿元,同比增长11.13%;因由于新能源补贴标准下降及政策延迟下发,导致新能源客车销量下滑,福田汽车净利润下滑。2017年归属于上市公司股东的净利润1.12亿元,同比下降80.25%。宝沃巨亏,拖累福田汽车。其前三季营业收入311亿元,同比下跌14.48%;归属于上市公司股东净利润亏损16.94亿元,同比降1324.33%。

2013-2017年福田汽车营收情况

4.2宇通客车

宇通客车是一家集客车产品研发、制造与销售为一体的大型现代化制造企业,拥有底盘车架电泳、车身电泳、机器人喷涂等国际先进的客车电泳涂装生产线。宇通客车领衔自助品牌占据中国客车市场95%。宇通客车积极开拓海外业务,产品批量远销至委内瑞拉、俄罗斯等30多个国家和地区。

2009年,宇通汽车成功推出了第1代增程式燃料电池客车;

2013年,第2代电电混合燃料电池城市客车问世,并建设了加氢站;

2014年,宇通获得国内商用车领域首个燃料电池客车资质认证;2015年,宇通取得国内首款燃料电池客车“公告”;

2016年5月,宇通第3代燃料电池城市客车正式发布,并与亿华通签订100辆燃料电池客车合作意向书。

宇通客车上市21年,营收及净利润持续增长。2017年受国家新能源补贴政策退坡影响,宇通客车全年累计实现客车销售67268辆,同比下降5.24%;共实现营业收入332.22亿元,同比下降7.33%;实现归属于上市公司股东净利润31.29亿元,同比下降22.62%。2018年前三季度营业收入194亿元,同比增长2%;归属于上市公司股东的净利润12.0亿元,同比下降37.04%。

2013-2017年宇通汽车营收情况

4.3上汽集团

上汽集团是国内A股市场最大的汽车上市公司,主要业务包括整车(含乘用车、商用车)的研发、生产和销售,正积极推进新能源汽车、互联网汽车的商业化,并开展智能驾驶等技术研究和产业化探索。上汽集团所属主要整车企业包括乘用车公司、上汽大通、上汽大众、上汽通用、上汽通用五菱、南京依维柯、上汽依维柯红岩、上海申沃等。2008年,上汽集团与同济大学共同开发了20辆燃料电池汽车作为北京奥运会赛时公用车;2010年,上汽集团提供了40多辆燃料电池汽车作为上海世博会公用车辆使用;

2015年,上汽第4代荣威950插电式燃料电池车亮相上海车展;

2016年,上汽大通发布采用氢燃料电池作为动力的V80氢燃料电池版;

2017年,广州车展上,上汽大通的FCV80氢燃料电池车实现了量产,并签100辆订单。

上汽集团业绩持续攀升,2017年实现营业总收入8706.39亿元,同比增长15.10%;归属于上市公司股东的净利润达到344.10亿元,同比增长7.51%。2018年1-9月,上汽集团营业总收入达到6747.41亿元,同比增长10.97%;归属于上市公司股东的净利润276.72亿元,同比增长12.31%;此外,上汽集团汽车销量持续增长,2017年销量逼近700万辆,2018年前三季度达到514万辆。

2013-2017年上汽集团营收情况

4.4中植集团

中植汽车专注于新能源客车和专用车的设计研发、整车制造、市场推广和后市场服务的全产业链发展。公司通过持续的自主科技创新,掌握了氢燃料电池、轮边驱动、碳纤维复合材料、三电(电机、电控、电池)和电空调等国内领先的新能源汽车前沿核心技术。2016年,中植集团推出了一款12m氢燃料电池客车,续驶里程(城市工况且开启空调)可达500km以上。

4.5奇瑞集团

奇瑞汽车是一家从事汽车生产的国有控股企业,公司产品覆盖乘用车、商用车、微型车等领域,奇瑞汽车9年蝉联中国自主品牌销量冠军,成为中国自主品牌中的代表。2010年,在上海世博会运营燃料电池汽车;2016年展示艾瑞泽3燃料电池增程电动车;2018年,芜湖科博会上奇瑞展示艾瑞泽5氢燃料电池增程式电动车,综合续航里程(NEDC)达到542km,最大续航里程是704km(匀速状态)。

五、氢能源汽车行业发展前景

随着传统化石能源长期使用所带来的环境压力,推动新能源行业的发展和能源的高效利用势在必行。氢燃料电池汽车因其具有良好的环境相容性、能量转换效率高、噪音小、续航里程长、加注燃料时间短、无需充电等特点,被视为很有前景的清洁能源汽车,且在在能源资源获取上,氢气具有多种来源渠道、如利用风能、太阳能等可再生能源通过电解水方式获取,从工业废气中提纯获取,不会受到传统能源资源的限制。

氢燃料电池汽车优势

随着氢燃料电池技术的突破、国家对清洁能源的日益重视。中国开始加大对氢燃料电池领域的规划和支持力度。《中国制造2025》提出实现燃料电池汽车的运行规模进一步扩大,达到1000辆的运行规模,到2025年,制氢、加氢等配套基础设施基本完善,燃料电池汽车实现区域小规模运行。

据预测,2030年度燃料电池汽车全球市场规模将超过198万辆,市场增长潜力巨大,金准产业研究团队根据中国汽车工程学会2016年10月26日发布的《节能与新能源汽车技术路线图》中的数据,2030年,中国燃料电池汽车的规模将达到百万辆。随着各国政府对氢燃料电池汽车产业的扶持及关键技术的突破,未来几年燃料电池汽车产业将迎来爆发式增长。

结语

金准产业研究团队认为,虽然我国氢燃料电池开发较晚,但政策支持力度大,发展态势迅猛,具有很好的后发优势,毋庸置疑,我国氢燃料电池汽车行业即将迎来爆发式增长。

金准产业研究 半导体行业的战略机遇与制胜策略分析报告(中) 2019-05-06 10:52:20

三、人工智能芯片竞赛开启

3.1人工智能芯片主导地位之争

人工智能框架大致可分为三个层面。基础设施层面包括核心的人工智能芯片和大数据,这是技术层面的传感和认知计算能力的基础。应用层面处于最顶层,提供无人驾驶、智能机器人、智慧安防和虚拟助手等服务。人工智能芯片是人工智能技术链条的核心,对人工智能算法处理尤其是深度神经网络至关重要。

“深度”指神经网络模型中的层级和节点数量。近年来,层级之间的复杂程度以及节点数量呈现指数级增长,这对计算力提出了极大的挑战。传统的中央处理器虽然在处理一般工作负荷——尤其是基于一定规则的工作——方面的性能较为突出,但现在已经难以满足人工智能算法的并行计算要求。

解决并行计算问题主要有两种方法:第一,在现有的计算架构上添加专用加速器;第二,完全重新开发,创造模拟人脑神经网络的全新架构。第二种方法仍处于初期开发阶段,不适合商业应用。因此,目前主要采用的方法是添加人工智能加速器。多种类型的人工智能芯片均可以实现加速,主流加速器包括图形处理器、现场可编程门阵列,以及专用集成电路,这包括张量处理器、神经网络处理器、神经网络处理器、矢量处理器和大脑处理器等变体。每种人工智能芯片都有其自身的优势和劣势。

于处理执行图形密集型任务(如游戏)的图形处理器以并行计算为设计理念,拥有出色的性能,适用于需要进行大量并行计算的深度学习人工智能算法。这个新功能使图形处理器成为人工智能硬件的绝佳选择。目前,图形处理器广泛应用于云和数据中心进行人工智能训练,同时也应用于汽车和安防领域。图形处理器是目前应用最广、灵活性最高的人工智能芯片。

现场可编程门阵列是一种可编程阵列,适用于希望根据自身需求重新编程的客户。现场可编程门阵列的特点是开发周期短(相较于专用集成电路)、功耗低(相较于图形处理器)。然而,灵活性高的特点导致其成本相对较高。现场可编程门阵列可同时兼顾效率和灵活性,尤其是在未决定使用何种人工智能算法的情况下。这样,供应商能够根据不同应用优化定制芯片,同时避免因采用专用集成电路方法而导致的成本和技术过时等困境。

另一方面,专用集成电路人工智能芯片拥有人工智能应用的专用架构。基于专用集成电路的人工智能芯片具有多种变体,包括张量处理器、神经网络处理器、矢量处理器和大脑处理器等,用于处理各种不同的计算密集型、基于规则的工作,具有效率高、性能出众以及中央处理器所具有的灵活性等特点。相较于图形处理器和现场可编程门阵列,专用集成电路人工智能芯片通常效率更高、尺寸更小、功耗更低。然而,专用集成电路芯片的开发周期更长、灵活性更低,导致其商业化应用进展缓慢。

深度学习有两种完全不同的人工智能部署方式:训练和推理。人工智能基于大数据“训练”神经网络模型,利用训练数据集获取新训练好的模型。这些新训练好的模型随后便被赋予新的能力,根据新的数据集进行“推理”得出结论。

因为需要将庞大的数据集应用到神经网络模型中,因此训练阶段需要大量的计算能力。这就要求具有先进并行计算能力的高端服务器能够处理大量高度并行的各类数据集。因此,这一阶段的工作通常利用云端硬件设备完成。而推理阶段既可以在云端完成也可以借助边缘设备(产品)进行。与训练芯片相比,推理芯片需要更全面地考虑功耗、延时和成本等因素。

人工智能芯片创新刚刚起步,供应商在芯片加速方面采取的办法各不相同。例如,谷歌选择了专用集成电路的路线,而微软则已证明采用现场可编程门阵列亦可获相当抑或更好的结果。同时,赛灵思、百度和亚马逊均在努力减少应用专用集成电路的传统障碍。

3.2人工智能芯片将实现爆发式增长

2022年,人工智能芯片市场在整个人工智能市场中的占比预计超过12%,复合年均增长率达到54%。美洲地区将引领全球人工智能市场,欧洲、中东及非洲地区和亚太地区紧随其后。2022年,美洲地区将占据主导市场地位。

云端是人工智能芯片最大的细分市场,原因在于数据中心为提升效率,降低运营成本并改善基础设施管理,对人工智能芯片的采用持续增长。特别需要指出的是,人工智能训练市场的规模将达到约170亿美元,其中云端推理芯片市场的规模将达到70亿美元。从产品类别来看,图形处理器已经成为人工智能芯片的主流趋势,拥有超过30%的市场份额,高于其他所有产品类别。

3.3网络边缘人工智能芯片方兴未艾

人工智能芯片不仅可以部署在云端,还可以应用于多种网络边缘设备,如智能手机、无人驾驶汽车以及监控摄像头。应用于网络边缘设备的人工智能芯片多为推理芯片,且专业程度越来越高。金准产业研究团队预计,到2022年,人工智能推理芯片市场的规模将增至20亿美元,复合年均增长率达到40%。

3.3.1人工智能芯片推升智能手机平均售价

产品成本的不断上涨将使人工智能芯片供应商获益。例如,苹果公司的A11芯片成本上升到了27.50美元。人工智能芯片的成本增长将使智能手机价格上涨,让智能手机制造商获得更多收入。人工智能芯片的应用亦已从高端机型扩展到中端机型,这亦有可能为智能手机供应商带来更多收入。

智能手机的推理人工智能芯片现已成为智能手机制造商(如苹果、三星和华为)、独立芯片供应商(如高通与联发科)以及知识产权授权供应商(如ARM和新思科技)三方竞争的焦点。智能手机制造商的人工智能芯片通常均针对自身手机产品进行了优化以提升性能和用户体验。然而,独立芯片供应商所生产的芯片的技术参数可能会优于市场中其他竞争对手的产品。

3.3.2无人驾驶是人工智能芯片的理想应用领域

无人驾驶不仅仅是一个复杂的人工智能应用场景,而且还具有重要意义。金准产业研究团队预计,无人驾驶预计将有力推动人工智能推理芯片应用,使人工智能推理芯片市场的规模增至50亿美元,复合年均增长率达到40%。

传感、建模与决策是无人驾驶的三大必备流程,每一个流程都涉及推理芯片应用。无论是环境传感或障碍物躲避,无人驾驶对人工智能芯片的计算力都提出了很高的要求。

由于存在延迟等限制,在理想情况下,无人驾驶的计算应该在网络边缘而非云端完成,因为无人驾驶要求准实时决策。以丰田无人驾驶汽车为例,L5无人驾驶需要每秒12万亿次的运算能力,但目前大多数芯片只支持每秒2-3万亿次的运算。显然,人工智能芯片迫切需要迁移至网络边缘,而非在云端开展主要计算工作。

整车厂正在对供应商提供的芯片进行测试,以找到最合适的候选芯片。大型整车厂更愿意自行建设无人驾驶平台并单独采购人工智能芯片,但多数历史较短的整车厂却更倾向于购买完善的无人驾驶平台。随着时间的推移,能够从当地加工中获益的人工智能应用也许会越来越多,如苹果公司的刷脸认证方式FaceID。

3.3.3智能监控系统需求高涨

在人工智能技术的支持下,监控系统的智能程度不断升级。过去十年内,监控系统行业经历了三个重要的转型阶段。第一,“高分辨率”阶段,即系统能够录制超清视频。第二,“联网”阶段,即系统实现联网和互联。

人工智能时代的到来可以被视为第三次转型浪潮。人工智能推理芯片现在可以应用于边缘网络摄像机,以实时处理视频数据。由于网络边缘每天产生大量数据,此类应用可以节省云端存储空间,提升监控系统性能。

3.3.4中国已成为人工智能芯片的热土

在中国,人工智能芯片融资活动一直非常活跃,相关并购活动也日益增多。其中一个典型的案例是国际巨头赛灵思对在机器学习、深度压缩、网络剪枝和神经网络系统级优化领域拥有领先技术初创企业深鉴科技的收购。以阿里巴巴、百度和华为为首的领先科技公司也逐步进入这一竞争领域。值得注意的是,华为已经掀起了智能手机领域的人工智能芯片竞争。此外,一些比特币矿机设备制造商也开始进军人工智能优化领域。

中国的人工智能企业通常能够快速识别可行的人工智能商业应用,尤其是商业模型创新和快速实施。然而,中国企业普遍缺少开发原创人工智能模型的能力,国内的人工智能研究大多关注调整和完善现有的模型,而非创造原创、系统性的人工智能框架。此外,与美国等其他国家相比,中国的人工智能相关培训亦非常有限。

3.3.5把握人工智能发展趋势

毫无疑问,人工智能的崛起为半导体设备行业尤其是人工智能芯片带来了新的机遇。已经或将要进入人工智能系统领域的半导体企业应紧跟以下主要趋势,保持市场竞争优势。

专业化是人工智能芯片的关键:未来,人工智能芯片企业不应只满足于充当硬件供应商,而应该深入了解顾客需求,提供合适的产品。如今,顾客不仅仅需要具备一定人工智能功能的通用型芯片;他们希望人工智能芯片能够以合理的成本满足其商业需求,人工智能芯片企业需要权衡考虑功耗、性能和成本三大因素。计算密度(即每消耗一单位能量所能提供的计算能力)将成为人工智能芯片供应商的核心竞争力。

从云端迁移至边缘:网络边缘的机遇不断增多,很多大型企业正在从云端转移至边缘,以提供从训练到推理工作的全方位人工智能解决方案。值得注意的是,现在大多数人工智能系统均以冯诺依曼体系结构为基础,处理和存储分别单独进行,导致人工智能极易耗电,神经网络被限制于云端。企业正在努力构建一种新的架构,使处理器和存储器实现更紧密的耦合,从而提高设备性能和能源效率。方法是在存储器中增添新的功能,使设备在不更换处理器的情况下变得更加智能。半导体行业应该尝试这类设计,以推动人工智能顺利从云端迁移至边缘。

选择合适的半导体加工技术:根据摩尔定律,中央处理器需要应用最先进的工艺技术,而与此不同而是,人工智能采用的是并行处理方式,因而人工智能芯片并不一定需要采用最先进的工艺技术。例如,40纳米级和28纳米级加工技术已足以提供每秒1万亿次运算的计算力。此外,上一代加工工艺还可以利用成熟的工具组件和基础模块。许多大型代工厂均可根据性能和功耗提供从28纳米级到7纳米级等多种先进的工艺技术。半导体供应商应该根据计算力、功耗和形状参数等标准选择合适的半导体工艺技术。

软件工具支持不可或缺:半导体企业对标准的开源软件框架的支持程度是赢得人工智能竞争的关键,对于试图追赶半导体芯片已经支持几乎所有深度学习软件和工具的领先企业的挑战者尤其如此。要在市场竞争中存活下来,半导体供应商至少能够支持主要的开源软件框架,如Tensor Flow、Caffe2、Theano、CNTK、MXNet和Torch等,同时还需为开发者提供辅助应用开发的工具。未来,半导体供应商需要投资于软件,并与软件开发商合作获取其人工智能设备架构。用于处理神经网络的软件框架数量逐渐增多,且未来几年内将陆续开发和推出更多软件框架,因此新加入者仍有较大发展空间。

把握人工智能芯片之外的机遇: 人工智能处理能力的实现并不仅仅依靠人工智能芯片。在人工智能的发展过程中,存储器也是一个十分重要的部件,因为高吞吐量的并行处理会给存储器系统中的数据带宽带来多重压力。对人工智能系统存储器的巨大需求将为存储器供应商创造机遇。此外,随着人工智能系统的扩张,各子系统及设备之间的互联性能可能面临发展瓶颈。因此,半导体供应商应把握机遇,创造出实现高速互联的设备,满足系统之间的大量数据流动需求。此外,虽然人工智能芯片可内置多个处理器,使并行计算能力达到最大化,但如此便导致芯片尺寸变大。这对可能需要定制冷却解决方案的热力和高压电源管理提出了巨大的挑战。封装供应商可以借此机会开发更薄、散热更少的产品,为客户打造性价比更高的解决方案。

3.4并购活动回归理性

半导体并购活动已经经过巅峰期,汽车、人工智能以及网络/数据中心等正在成为最受欢迎的新兴垂直领域。日本和韩国一直致力于振兴国内半导体行业,他们积极参与美国和欧洲中型企业收购,并与中国展开合作。同时,围绕知识产权和国防安全问题的争议还将抑制中国企业走向全球化的进程。中国收紧对美国高科技公司的境外投资成为新常态,全球并购市场规模整体缩水。尽管如此,半导体大型企业集团仍在各垂直领域寻找拥有高市场份额和利润的潜在目标。

3.4.1并购活动进入稳定期

2016年,全球半导体并购交易额曾达到1,200亿美元的峰值。2017年,半导体行业并购交易额大幅下跌。除了以往交易导致并购目标减少以外,欧洲和美国收紧监管审查也是一大重要原因。由于单笔交易额增加,2018年全球并购交易额再次增长。例如,美国博通公司以179.9亿美元收购了CATechnology。

2014年至2015年,东亚地区(中国、日本、韩国以及中国台湾)的并购交易量迅速增长,交易额突破220亿美元。但经过几年的快速扩张后,2017年和2018年的并购活动有所停滞。2017年,东亚地区的半导体并购交易量下降1%,交易额仅增长2%。

3.4.2中国国内并购活动遥遥领先

无论是从交易量或是交易额来看,中国无疑是半导体并购活动最活跃的地区。从2014年至2018年,中国半导体行业并购交易量的全球占比从48%增至72%,复合年均增长率高达18%。

过去五年里,中国半导体行业快速发展的最主要原因是有利的政府政策。中国目前是全球最大的半导体芯片进口国,政府的总体战略是减少对外国进口产品的依赖,发展国内的半导体行业基础。这一政策促使中国企业纷纷进军半导体行业,并通过收购获取先进技术。

毫无疑问,中国大陆是东亚地区境内并购活动最活跃的地区。从2014年至2018年期间,并购交易量的复合增长率高达24%。例如,2018年阿里巴巴收购了杭州中天微系统有限公司。在此之前,阿里巴巴已经投资了五家芯片公司:寒武纪、Barefoot Networks、深鉴科技、耐能和翱捷科技。

相较于中国大陆,日本、韩国和中国台湾的并购活动相对平缓。并购交易的主要目的是提高市场地位,增加市场份额,以及寻找新兴应用。

3.4.3境外并购喜忧参半

总体而言,自2016年以来,东亚地区的跨境并购交易量出现下滑,尤其在美国加强了对寻求前沿技术的中国企业的调查之后。2017年,白宫发布了有一份题为《确保美国在半导体行业长期领先地位》的报告,指出中国的半导体政策对美国产生的潜在威胁,并建议美国政府采取措施防止或者严格限制中国企业的收购,同时收紧对重要半导体知识产权流动的法规限制。但是,尽管政府的并购审查日益加强,北美和欧洲仍是东亚地区半导体企业的主要并购目的地。

3.4.4并购动机明确

如今,半导体企业参与境内外并购主要出于以下四个原因:收购先进技术、提高市场地位并增加市场份额、寻找前沿应用以及扩大行业供应链。

收购先进技术:中国半导体行业严重依赖进口。2018年,中国的科技公司采取了一些紧急措施。例如,中国半导体清洗设备公司北方华创收购了位于美国宾夕法尼亚州的半导体晶片清洗公司Akrion,将其业务扩展至硅片制造、微机电系统和封装领域。这是自特朗普政府上台以来,美国外国投资委员会批准的首例收购案。

尽管拥有更先进的半导体技术,但日本、韩国和中国台湾仍希望通过并购掌握半导体相关技术。2018年6月,台湾联华电子斥资5.19亿美元收购了日本晶圆代工企业三重富士通半导体股份有限公司84%的股权,以获得丰富的集成电路生产经验。与此同时,台积电以600万美元的价格收购了美国安森美半导体公司,以扩大半导体应用组合,强化核心业务。

提高市场地位:通过收购竞争对手,企业能够在增加市场份额和提高盈利能力方面发挥协同作用。2018年,上海威尔半导体以21.8亿美元收购了北京超视微科技85%的股份和北京全视科技96%的股份,以获取全视的高端技术和超视的成本控制能力。并购也能为快速进入新市场——尤其是海外市场——铺平道路。韩国代工厂海力士投资7,500万美元收购了中国代工企业海进半导体(无锡)50%的股份,以扩大其代工业务规模。中国公司华大半导体也收购了专注集成电路设计的加拿大公司Solantro Semiconductor,以便在渥太华开展并推广业务。

进入新兴领域:人工智能、无人驾驶等新兴技术的快速发展极大地刺激了半导体芯片需求。芯片企业正通过并购将其业务领域扩展至新兴领域。例如,三星电子收购了全球最大的联网智能汽车零部件供应商之一哈曼公司。2018年,日本半导体开发和制造公司瑞萨电子收购了美国公司艾迪悌,以增强其在无人驾驶汽车技术领域的竞争力。

扩大行业供应链:从上游到下游,半导体行业链包括设计、制造、封装和测试环节。通过进军行业价值链上的其他环节,传统企业不仅能够创造新的收入流,还能产生协同效应。2018年,中国领先的嵌入式中央处理器芯片和解决方案供应商英创半导体通过收购北京西城半导体的部分股权,进军高端存储芯片业务领域。

3.4.5警惕并购风险

尽管并购有很多好处,但并购前和并购后可能出现很多问题,包括目标判断失误、未开展详尽的尽职调查以及执行不力等。

并购目标筛选与评估相关风险

中国科技企业在海外并购中面临诸多政治和法律风险。欧美多国政府对海外收购或投资采取了非常严格的限制措施,尤其是针对半导体这样的高科技产业。未来,中国企业将很难收购拥有高新技术和巨大商业价值的高科技企业,因此选择并购目标的难度将不断加大。此外,虽然中国企业可以通过收购外国公司,获得无形资产(如技术和品牌),提升行业水平,但由于通常需要支付较高溢价,中国企业将面临巨大的经营与财务风险。高财务杠杆是中国企业海外并购最显著的特征,而高杠杆必然会带来高风险。如果并购失败或企业整合失败,并引致亏损,并购企业将面临巨大的财务风险。

财务信息与尽职调查相关风险

与国内并购项目相比,海外并购项目在财务信息质量、解读、供应方式以及验证等方面均存在差异。因此,企业应根据这些差异合理调整尽职调查程序。

参与并购的外国半导体企业并购需要关注有关股东背景的风险:

1)由创始人管理的中小型企业:这些公司通常不够关注日常会计工作,财务数据较混乱,且未聘请知名会计师事务所来审计财务状况。因此,很难从书面材料中获取财务数据,并进行业务分析。

2)私募股权基金管理企业:私募股权基金倾向于在业务扩张初期就进行规划,并在业绩较好时出售。因此,其财务数据详尽、完整,相关的书面材料齐全,财务数据真实性高。然而,良好的历史财务业绩通常也可以借助短期激励措施实现。因此,利润高的企业也可能发展前景有限。

海外并购与整合相关风险

在交易和整合的过程中,跨境合并与收购面临很多挑战,包括重组的复杂程度、缺少当地整合资源和团队、外部利益相关者管理与人才流失、管理信息系统的差异以及文化、薪资和福利制度差异。具体来讲,包括:

文化与补贴福利制度差异:不同的绩效评估体系会对员工绩效产生不同影响。一般来说,本地化程度越高的企业基本工资越低,销售佣金越高;而外资企业的基本工资普遍较高,但销售佣金较低;因此,当两家公司合并时,这些差异可能导致工资和补贴不均等的问题,从而影响员工工作热情。

人才流失与管理:并购可能导致核心管理人员流失,影响公司业务的正常运营。核心人员包括:掌握关键技术/流程的人员以及掌握政府和客户资源的人员。担任多个职务的高级管理人员更能抵抗企业重组带来的冲击。经过重组后,企业可能会遣散员工,并更改领导人员职责。

重组的复杂程度与链反应:国外的劳动法规非常支持员工的利益;如果重组可能引发社会动荡,当地政府可能会干预工厂的搬迁/重组计划。

缺少监督重组过程的当地项目团队:并购与重组项目通常由公司总部主导,但缺少当地团队的参与可能使当地出现的问题不能被提交至筹备委员会,并得到妥善解决;缺少当地团队的领导,重组计划实施的有效性将大大降低。但语言和文化障碍可能导致项目团队不能与当地员工进行有效沟通。

外部利益相关方管理低效:顾客与供应商可能认为重组将使公司业务面临不确定性,因此对合作失去信心,或者对建立未来的合作伙伴关系感到迷茫;供应流中断和顾客流失可能难以逆转;竞争对手可在重组磨合期内抓住机会争夺客流。

管理信息系统差异:大多数中国企业采用本土企业资源规划(ERP)系统,如UFI,这会在一定程度上妨碍公司与使用Oracle/SAP企业资源规划系统的公司共享信息,进而导致信息接收和处理延迟。

四、深思熟虑进军中国市场

4.1半导体:跨国企业的摇钱树

金准产业研究团队预计中国将继续保持世界第一大半导体消费市场的地位。2018年,中国的半导体消费占全球总量的41%。人工智能的商业化、物联网应用和5G将进一步推动半导体消费增长。到2024年,中国在全球半导体消费中的占比将达到57%。

因此,中国成为许多全球顶级半导体企业的收入来源就不足为奇了,其中几家企业过半的收入源自中国。例如,高通65%的收入都来自中国。

4.2没有万能的市场准入方案

试图进入中国市场的跨国企业应当考虑多重因素,如政策、技术、市场营销、物流和全球战略。对于跨国企业来说,在进入中国市场之前,找准定位并制定最佳的市场准入战略也很重要。显然,正确的方法并不止一种,但总的来说,跨国企业的技术现状与中国国内的技术现状将发挥重要作用。如果跨国企业拥有技术优势,其将拥有更强的议价能力,且不愿意分享知识产权。然而,跨国企业可能会完全避免国内企业已发展强大的情况。例如,由于中国的半导体高端设计和制造业相对薄弱,竞争不够激烈,跨国企业通常会以设立地区办事处或外商独资企业的方式进入中国市场。在封装、测试和低端设计等中国相对擅长的领域,跨国企业可能会选择成立合资企业,或者直接避开中国市场。

地区办事处:这种模式一般适用于技术完全由跨国企业垄断的行业领域,几乎没有共享知识产权的动机。例如,高通在北京、上海、深圳和西安设立了地区办事处。

外商独资企业:领先的半导体跨国企业热衷于通过设立外商独资企业满足中国巨大的半导体需求。来自台湾、韩国和美国的代工厂纷纷在中国设立新厂,以增强生产力。例如,台积电将在南京设立一家产量将达到2万片/月的12寸晶圆厂。海力士也计划在西安建立一家产量达到16.8万片/月的工厂。

考虑到本土半导体企业已经成为封装和测试领域的佼佼者,跨国企业可以通过与本土企业合作,进一步提升技术能力。2016年,AMD与中国先进技术企业南通富士通微电子股份有限公司合作成立合资企业。这家合资企业兼并了AMD在苏州和马来西亚槟城的研发团队以及先进的设备资产,成为了全球领先的封装与测试企业。

总之,跨国企业需要考虑其竞争力和中国市场的战略价值。与国内企业不同的是,跨国企业在中国市场的发展计划与其全球战略息息相关,全球战略决定了跨国企业在中国市场的未来发展。大多数跨国企业会选择进入其有较强竞争力和在中国市场有较高战略价值的领域。但企业也可以有其他选择。例如,如果一家跨国企业拥有较强竞争力,但中国市场的战略价值较低,可以采取“机会主义”的做法,即选择需要最小增量投资的优势业务。另一方面,如果市场竞争已经很激烈,但中国市场仍有较高战略价值,企业需要积极寻找本地化机遇,以实现价值最大化。最糟糕的情况是,当竞争力和战略价值都较低时,则跨国企业应该退出市场。

例如,一些跨国企业放弃中低端手机业务,转而关注先进的高端手机业务。同时,其他跨国企业还与本土信息技术巨头合作,实现硬件和软件技术本地化,以避免监管限制。此外,很多跨国企业已经退出中国手机市场,并撤回了其在合资企业的投资。

五、数字化是增强竞争力的关键

如今,半导体企业必须比以往任何时候都要更快、更灵敏地保持竞争力。人工智能、大数据等新技术的商业化正不断推动企业实施数字化转型,实现智能生产、智能管理和智能销售。通过投资数字化基础设施来提高生产力、开发新的业务渠道,企业将有机会克服发展障碍,并通过数字化找到新的发展动力。

实施数字化转型已经成为很多企业应对挑战的主要办法。例如,零售行业的数字化转型已经渗透到价值链的各个角落,包括以消费者为导向的需求预测、个性化营销、购买体验和智能客户服务。数字化转型的主要目的是持续提升效率,有效吸引顾客。

随着芯片加工能力、云服务推广、传感器以及其他硬件价格下跌,计算能力大幅提升实施数字化转型的基础条件已经成熟。从应用的角度来看,科技公司已为市场提供多种用于提高数据利用率,提升经营效率并减少生产成本的数据分析工具。

在整个产品生命周期中,很多半导体企业已经开始利用数字化工具获得竞争优势。例如,半导体行业已经将人工智能和分析工具应用在设计、制造、封装和测试等环节的应用延伸至管理。

5.1人工智能助力效率提升

人工智能技术在半导体制造和企业运营的各个方面将发挥不可或缺的作用。半导体懂得制造过程会产生大量数据,传统的数据分析方法只能利用部分结构化数据进行事后分析。但基于人工智能的智能分析工具能够对数据集进行全方位的实时分析,从而提升生产和管理效率。

设计:人工智能够更改整个设计流程。半导体设计的每一个步骤都会产生大量的参数。不同于传统的分析工具,新的分析技术可帮助半导体设计人员综合分析所获取的数据,吸取经验教训,分析过去的数据,并从数据和结果中提炼关系。无论是高频数据或是中低频数据,都可以借助数据组合发现潜在错误并提升产量,从而帮助了解新生成的数据,并通过更改某些参数,制定决策或纠正错误。此外,根据数据制定决策可以避免设计团队与流程团队之间出现沟通障碍。

制造:在制造过程中,各个流程产生的数据可以共享,直接分析,并报告错误,以减少可能犯错的人工检查,从而实现效率提升。人工智能系统每分钟能够对数据进行上千次检查,约相当于人工检查效率的600倍。人工智能监测与维护系统连接产生数据的整个过程,能够实时预测设备故障,从而减少生产中断引发的损失。