• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 区块链落地场景研究报告(上)

前言

“链”接场景,区块链行业迈入应用落地阶段。

金准产业研究团队认为,区块链过去两年经历了一段资本和市场的洗礼,行业更注重实质落地。主要有三点变化值得关注

以以太坊、EOS和波场为代表的公链开始进入DApp实质落地应用的推进阶段,区块链不仅调整传统互联网,区块链内部的竞争也已经开始,只有落地应用才能够赢得市场的需求

联盟链作为一种渐进方案,既能够一定程度解决数据的可信又能够被政府、机构等快速接受,联盟链在低调务实中推进落地

巨头开始加速上链,抢滩区块链高地。无论是传统互联网IT巨头还是金融机构,都在按照适合自己的方式推进区块链创新,区块链不仅仅是“币圈”的游戏,传统巨头在区块链领域的积累和应用推进不能忽视建议关注硬件、联盟链解决方案和巨头公司发行代币(Token)等方面进展。

纵观当下市场,区块链迈入应用落地阶段,涉及数字产权的领域更适宜区块链技术落地。金准产业研究团队认为,以供应链金融、数字版权和数字身份为代表的应用有望快速发展、率先落地。

一、融资不再狂热,关注应用落地,监管持续跟进

1.1加密代币市场融资从狂热的崖顶跌入平静期

作为行业的资深观察者,过去两年,我们目睹了加密代币(Token)市场融资经历了从牛市狂热到熊市断崖式下跌,行业发展回归常态。过去2年,资金不断涌入区块链市场,创造了一波令人印象深刻的币市“牛市”。ICO(Initial Coin Offering,首次代币发行)、IFO(Initial Fork Offerings,首次分叉发行)、IMO(Initial Miner Offerings,首次矿机发行)、交易即挖矿等创新模式层出不穷。依稀记得过去一年中各类区块链会议一票难求,市场只看到了不断高涨的融资金额和不断攀升的币价,但树不会涨到天上去,熊市伴随着暴跌来临,泡沫破裂才见真功夫。

两年过去,市场融资不再狂热。加密代币融资2018年6月达到58亿美元的顶点,然而接下来7月融资仅为上月零头——8.7亿美元,然后加速进入冰点,2019年2月融资不到2亿美元。伴随熊市比特币超过80%的跌幅,加密代币融资更是断崖式下跌。行业进入一段看似平静的时期,这反而给了那些优质项目团队以平静的氛围去专心开发程序、稳步推进社区和生态建设。

1.2熊市考验公链生态真实力,EOS和波场后程发力

基础设施成为加密代币融资的主要领域,典型公链开始进入应用生态领域的争夺。自2016年以来,基础设施成为加密代币融资的主要用途。自比特币诞生以来,区块链行业开始进入第二个十年,作为基础,公链的性能以及社区生态的发展由概念炒作开始进入应用生态领域的争夺。

过去两年,在智能合约和资本的推动下,DApp(Decentralized Application)发展迅猛。DApp代表了公链的生态实力。自以太坊(Ethereum)引入智能合约以来,区块链从各个应用领域革新互联网应用,DApp发展迅猛,尤其是2017年5月以来,每月新增DApp呈规模发展。这是以太坊智能合约的扩展性和ICO融资共同推动的结果。

以太坊并非一家独大,性能更优越的EOS和波场后发先至,现象级DApp不断涌现。过去一个月,日活上,eos和波场领先以太坊一个数量级,交易额分别是以太坊的7倍和2倍多。2017年以太坊加密猫成为现象级DApp,EOS和波场在博彩和游戏领域也不乏许多现象级DApp——这是由两者较优的TPS性能决定的。无论行业如何评价其共识机制不够“去中心化”,但关注应用落地更是行业迫切的需求。也就是说,在DAPP项目方选择底层平台时,并不以“去中心化”为唯一考量,而是在两者间折中。金准产业研究团队认为,去中心化与中心化的妥协亦符合ICT发展的趋势。

1.3监管政策持续升级、“去币存链”是正道

监管持续升级,不断推动区块链走向规范化。自2016年以来,区块链行业在急速中扩张,同时带来诸多混乱和问题——尤其是交易所和ICO给现有法规和监管带来诸多挑战。作为一种新的“社会实验”,区块链通过去中心化的方式试图建立一个新的信任网络和价值传输方式。对于数字货币自身、交易所和各类融资方式的监管定位和法规更新是区块链在全球各国都面临的首要难题,诸多国家基于“监管沙盒”(Regulatory Sandbox)为区块链的规范成长而发展完善本国的监管法规。根据链得得统计的数据,全球对数字货币的监管升级和规范化成为2018年的主基调,并有以下几个特点1、监管趋严,全球数字货币监管逐步规范化2、监管分化,亚洲国家较欧美国家对待数字货币更为谨慎3、放宽监管,小众国家多进行合法化尝试。总之,区块链的发展伴随着监管的持续升级,行业逐步迈入规范化轨道。

全球主要国家对区块链的监管态度呈现严格监管、鼓励发展主基调。在区块链发展较为迅速的中国、美国、日本和韩国等几个国家,都伴随行业的快速发展而积极调整政策,整体呈现严格监管、鼓励发展的主基调。同时区块链与5G、AI和大数据的结合也得到了各国当地城府的重视与大力支持。

二、盟链打出头阵、各巨头加速“上链”

2.1联盟链务实低调落地

由于联盟链兼具监管友好和切合市场团体内部痛点需求等特点,联盟链在低调务实中落地,与政府、传统机构可以快速开展合作。2018810日,全国首张区块链电子发票在深圳实现落地。区块链电子发票在国家税务总局的指导下,由深圳市税务局携手腾讯公司实现落地,是全国范围内首个区块链+发票生态体系应用研究成果。联盟链的率先打出头阵,积极推动区块链在实体经济市场中的应用。

切合市场痛点,联盟链快速发力,加速普及。3月18日,全国首张轨道交通区块链电子发票在深圳地铁福田站开出,正式宣告深圳市地铁乘车码上线区块链电子发票功能。即日起,用户使用腾讯旗下智慧交通出行产品乘车码搭乘深圳地铁之后,将可以一键在线开具区块链电子发票。除深圳地铁以外,出租车、机场大巴等交通场景同时上线区块链电子发票功能。深圳市地铁乘车码用户在每次行程结束后,可通过微信支付扣费凭证页面,点击“查看乘车记录”进入开票,或通过“乘车码”小程序主页面右下角“我的”-“乘车记录”,选择需要开票的行程开具相关发票,已开发票可在“我的-卡包-票证”查看。使用深圳地铁APP的用户则可以在“我”-“电子发票”中按相关提示进行开票。截至18日20时17分,用户通过乘车码开具区块链电子发票数量已突破一万张。腾讯智慧交通总经理宋凌云表示“区块链电子发票是深圳市地铁乘车码接入的便民、环保新服务,用户可随手开票,收票实现电子化,智慧出行体验得到提升。”此前,深圳地铁每天约开具16万人次纸质发票。区块链电子发票上线深圳市地铁乘车码后,将有效缓解开票量大、需领取纸质发票等不便。

区块链电子发票按照国家税务总局的工作部署,深圳市税务局承接试点,腾讯区块链提供底层技术,是一种应用“区块链+发票”生态体系的新型电子发票。

早在2016年,摩根大通就开始倾力打造的Quorum区块链平台,引起Fintech业界的重视。Quorum是一个企业级分布式账本和智能合约平台,可看作企业版的以太坊。Quorum通过一套区块链架构,提供私有智能合约执行方案,并满足企业级的性能要求,并适用于任何需要高速和高吞吐量处理联盟许可间进行私有交易的应用程序。Quorum解决了区块链技术在金融及其他行业应用的特殊挑战。Quorum基于以太坊协议官方Go方案开发而成,支持私有链和联盟许可链。Quorum的设计目标之一,就是尽可能复用更多的已有技术,最大限度地减少对现有以太网的改造,以减少与以太坊未来版本保持代码一致性所需要的工作量。今年摩根大通宣布将测试摩根币(JPM Coin)就是基于基于Quorum网络运行,未来几个月JPM Coin将进入测试阶段。

2.2巨头加速“上链”,抢滩区块链高地

Facebook“希望在比特币失败的地方取得成功”,计划明年发行加密货币。据纽约时报2月28日报道,包括Facebook,Telegram和Signal在内的一些全球最大的互联网信息公司正计划发行加密货币,将加密货币支付整合到其信息服务中,方便用户就像PayPal那样在其信息服务平台上跨国界进行汇款。Facebook计划明年发行代币,值得注意的是,Facebook将重新调整其信息服务的基础设施,并将其三个应用程序——Whats App、Messenger和Instagram连接起来,这项整合过程将持续一年。由于这三个程序巨大的用户人群,未来其加密货币可能达到27亿用户。Facebook已经雇佣了50多名工程师来开发它的加密货币。鉴于项目的保密性,其相关团队被分配到一间独立的办公室。即将发行的代币很可能是与三种不同国家法定货币挂钩的稳定币,而不是单一货币。目前正在讨论的设计议题是如何消除比特币挖矿过程所产生的耗能问题。

Facebook希望通过区块链解决隐私数据泄露问题。2018年Facebook数据泄露丑闻缠身,3月17日,美国纽约时报率先曝光了剑桥分析(Cambridge Analytica)未经用户许可,擅自使用Facebook用户个人信息的行为。随后英国高等法院授权对涉事单机构进行了搜查,并揭开了针对该事件司法调查的序幕。随后,Facebook公开回应,承认剑桥分析公司不正当使用了8700万未经授权的用户私人信息。2018年9月,Facebook再次通告,黑客利用控制的40万个账户获得了3000万Facebook用户账号的信息。他们可以在不输入密码的情况下,随意登陆这些用户的个人主页,任意拿走想要的数据等。2019年2月,Facebook收购了由伦敦大学学院研究人员创立的区块链公司Chain space,Chain space网站将其项目描述为“一个行星级智能合约平台”,该平台使用“分布式网络,以实现可扩展性、速度和隐私”Facebook首席执行官马克扎克伯格表示,他“可能会对Facebook登录区块链感兴趣”。特别是,扎克伯格表示,在授予第三方应用程序数据访问权限时,区块链可以为用户提供独特的权力。

区块链推动互联网加速去中心化,数据和价值垄断正在被打破。过去20年互联网巨头们依靠享受大量数据的支配权(实际上用户一直强调数据是属于他们)和强大的网络效应掌控了互联网的主要资源和价值。在技术的快速发展过程中,互联网的商业经历了计算机的开源、软件的开源和数据的开源,曾经的巨头垄断被不断打破。如今,随着区块链、人工智能和5G等信息技术的崛起,整个互联网加速由巨头互联网公司中心走向分布式和去中心化,价值垄断正在被打破。以Facebook为代表的互联网巨头似乎看明白了这一趋势,主动拥抱趋势总强过坐以待毙,区块链已深刻地重构互联网和财富世界。

三星GalaxyS10新机型支持加密货币钱包功能。2月21日,在美国旧金山举办的三星Galaxy新品发布会上,GalaxyS10系列机型正式亮相。此次发布的新品值得注意的是,GalaxyS10添加了此前传闻已久的硬件加密钱包钱包功能——三星诺克斯(Samsung Knox)。在声明中,三星低调地解释说“GalaxyS10内置了防御级别的三星诺克斯,以及由硬件支持的安全存储设备,可以存储用于支持区块链移动服务的私钥。”行业高管在接受CCN采访时表示,三星已经避免将Knox作为加密货币钱包引入其主流消费者群体,因为区块链行业一些混乱和丑闻可能会吓跑许多用户。为了吸引更广泛的潜在用户,一些行业高管和当地分析师推测,该公司使用了一个更友好的区块链术语来介绍Knox及其加密货币钱包。

今年1月,有推特网友曝光GalaxyS10内置加密货币钱包图片,图片显示,加密货币钱包集成在“Samsung Block chain Key Store”的功能中,当时支持货币仅有ETH。此次新推出的GalaxyS10提供了两种版本,一种搭载高通新一代旗舰处理器骁龙855芯片,同时也提供Exynos9820版本。在骁龙855芯片版本中,该版本采用了一种称为可信执行环境(Trusted Execution Environment,TEE)的技术,该技术将存放敏感数据的可信存储从核心操作系统中分离出来。如果黑客成功通过不安全的连接闯入设备,黑客也无法访问TEE中的密钥。去年7月,三星Insights报道,由于存在可信执行环境(TEE),运行加密货币钱包的最安全设备是移动电话。与笔记本电脑,PC和其他类型的设备不同,智能手机具有独立于内存和存储的本机环境。因此,操作系统因不能改变存储在TEE中的数据,由此也消除了可信环境中出现数据安全漏洞的可能性。

包括互联网和手机行业中的科技巨头公司都在布局区块链行业,三星推出的区块链友好手机及托管私钥功能可能会大大提升其大规模应用,助推加密货币的加速进入主流社会。金准产业研究团队认为,巨头布局推动区块链肯定是行业的利好,更令人期待的是区块链与手机硬件创新、人工智能等新技术领域的融合讲碰撞出更多新的火花——如区块链友好芯片技术、数据隐私保护等等领域都存在巨大的创新空间。

214日摩根大通在其官网高调宣布成为第一家成功创建并测试锚定法币的数字货币(JPM Coin)的美国银行。JPM币基于区块链技术,支持机构账户之间的即时支付交易,能够节约成本提高效率,最终使用户受益。一枚JPM Coin可兑换一美元,类似于数字货币市场中已存在的稳定币。JPM Coin早期目标是针对大型企业客户提供跨境支付、证券交易服务以及替代大型公司客户账户内的美元资产。目前项目处于测试阶段,只有经过监管查验的摩根大通大型机构客户,如公司、银行和经纪自营商才能使用此代币,个人不能持有JPM Coin。

摩根大通作为美国最大的金融服务机构之一,其在2015年初时便对比特币及其底层技术产生了兴趣,2016年秋季公司推出基于以太坊的企业级区块链网络——Quorum Block chain,摩根大通在探索区块链数字资产的赛道上,一直处于领跑地位。本次将发行的JPM Coin正是基于Quorum网络运行,未来几个月JPM Coin将进入测试阶段。测一小部分机构客户将使用JPM Coin,以实现客户之间付款的即时结算。在全球范围内,摩根大通每天需要处理的结算转账资金超过6万亿美元,使用区块链和智能合约技术,将比传统方式显著提升效率和速度。未来JPM Coin将拓展更多的功能,包括开拓美元以外其他法币的资产支付结算。

对于摩根大通将发行的JPM Coin,市场震动很大,币圈批评激烈。瑞波币Ripple的CEO Brad Garling house认为JPM Coin落后了行业的发展进程和需求,其在推评论称银行在改变对加密货币的态度,但摩根的JPM Coin没有切中要害。也有声音认为JPM Coin这种可以与法币兑换的代币只是联盟链上的票据而已,只适用于资本自由流动、外汇管理较宽松的场景。而摩根大通自己也只是很谦虚的认为JPM Coin是提高支付中提高效率、降低成本的工具,谨慎而保守地强调监管合规,并没有迎合当下区块链市场激进、突破合规的潜在渴望。

罗马不是一天建成的。金准产业研究团队认为,摩根大通吹响了传统金融机构加速“上链”的号角,区块链对传统世界并非颠覆,现实中更多是融合。区块链的发展历程,可以自上而下的颠覆,也可能是自下而上的渗透。只有找到契合的落地场景,得到用户的认可,区块链才算是真正改变了世界。不同于草根区块链项目在监管的边缘左突右击,JPM Coin则是诞生于摩根大通的雄厚的资本和广泛的机构客户需求之中,无疑是从传统资本市场内部培育一颗希望的种子。

三、下一个引爆点供应链金融、数字版权、数字身份

金准产业研究团队认为,区块链适用的场景需具备以下条件1)有用户群体2)有共识规则3)更适宜于数字虚拟世界,避免线上线下映射的不可控性4)有价值交换诉求。结合现实应用场景,金准产业研究团队认为供应链金融、数字版权、数字身份(个人身份、生物基因特征)等场景对加强社会管理、提升企业运行效率更为重要,有望更早落地。

3.1联盟链切中供应链中小企业融资难的痛点,企业积极“上链”

基于联盟区块链平台,能有效解决供应链行业中小企业融资难、信任成本高等痛点。围绕核心企业信用传递开展的供应链金融业务是一种新兴的、规模巨大的存量市场。根据前瞻产业研究院数据显示,2017年中国供应链金融市场规模为13万亿元,预计2020年增长至15万亿元。供应链金融能够为上游供应商注入资金,提高供应链的运营效率和整体竞争力,对于激活供应链条运转有重要意义。

供应链金融的融资模式主要包括应收账款融资、保兑仓融资和融通仓融资等。传统供应链金融业务模式项下存在核心企业信用的1+N流转以及贸易背景真实性的核查两个主要痛点。区块链技术可以实现供应链金融体系的信用穿透,为二级供应商分销商解决融资难、融资贵的问题。区块链在其中发挥两个作用,首先是核心企业确权过程,包括整个票据真实有效性的核对与确认其次是证明债权凭证流转的真实有效性,保证债权凭证本身不能造假,实现信用打通,进而解决二级供应商的授信融资困境。在这个信任的生态中,核心企业的信用(票据、授信额度或应付款项确权)可以转化为数字权证,通过智能合约防范履约风险,使信用可沿供应链条有效传导,降低合作成本,提高履约效率。更为重要的是,当数字权证能够在链上被锚定后,通过智能合约还可以实现对上下游企业资金的拆分和流转,极大的提高了资金的转速,解决了中小企业融资难、融资贵的问题。

在供应链真实贸易背景下,供应链贸易企业积极“上链”。基于工信部《2018中国区块链产业白皮书》中分析了包括腾讯区块链、易见股份、金融壹账通和浙商银行等四家企业供应链金融平台案例,基于供应链真实贸易背景,区块链的技术特点使得供应链上下游各方积极“上链”。易见股份公司基于区块链技术研发的“易见区块”供应链金融应用系统于2017年4月上线运行,系统围绕“核心企业+、可控商品+、动态资产ABS+”场景,服务涉及制造、医药、物流、大宗、航空、地产等近十余个行业和十余家金融机构。“易见区块”平台可实现“贸易刻画、交易可视、信用机器、银企直联、隐私保护”五大功能,“易见区块2.0”体系打造了可溯源的供应链金融服务方案,重点解决供应链金融场景中的数据信任和金融风险问题。截至2019年3月21日,“易见区块”供应链平台已完成78093条可信交易,交易额达73.8亿元,链上融资合同408分,融资金额43.9亿元。通过“易见区块”线上系统,对交易双方真实贸易背景做实时记录和刻画,基于供应商基于巨大而真实的贸易背景,上下游企业迫切需要区块链这样的技术平台来解决行业痛点,企业积极拥抱区块链态势明显。

3.2区块链和数字身份相辅相成,政府和企业将共同助力数字身份的发展

区块链和数字身份相辅相成、互相促进,政府和企业将共同助力数字身份的发展。数字身份是指将真实身份信息浓缩为数字代码,可通过网络、相关设备等查询和识别的公共密钥。在互联网时代,数字身份信息是分散的,如支付宝存储着人们的交易信息,微信存储着社交信息,游戏存储着相关娱乐信息,这些不同属性的信息都是个人数字身份的一部分,属性越全面,身份就越完整。数字身份可以通过整合新的信息,对用户有一个全面的刻画。例如国家的身份证具备唯一编号,编号本身不具备信息,仅作为个人的认证,但基于编号,我们可以通过手机号、照片等进行信息的填充,完善数字身份的内容。

区块链时代需要数字身份作为基础,数字身份需要区块链技术来保障,两者属于相辅相成的关系,互相依托,相互促进。用户的数字身份信息不断完善,可以有效的促进区块链信息共享,从而提高整体的认证效率。区块链的非对称加密、分布式存储可以有效的保障用户的隐私,并且把用户信息的决定权留在用户手上。政府和企业将助力数字身份发展。数字身份的源头需要一个强大的背书机构,就像现在小孩子出生将拥有身份证明一样,政府有需求需要数字身份这样高效的技术系统。以该身份认证为基础,用户的绝大多数社会行为信息基本掌握在企业手中,社交信息在微信,支付信息在支付宝,购物信息在阿里巴巴等等,企业在完善用户身份信息中将是一个重要的角色,企业为数字身份发展提供源源动力。

数字身份的主流做法是eID,未来有望大规模推广应用。eID即以密码技术为基础、以智能安全芯片为载体、由“国家公民网络身份识别系统”签发给公民的网络身份标识,该标识与身份查询渠道以及身份证信息绑定,并实现相关证件的第三方核实验证,是目前相对比较成熟的一个应用。对于我国这样的人口大国,eID存在广阔而迫切的市场需求。

推荐主线综上所述,推荐关注区块链行业中涉及供应链金融、数字版权和数字身份的标的。供应链方向包括易见股份、金证股份、海联金汇、恒生电子、先进数通、新晨科技等数字版权方向包括安妮股份数字身份方向包括数字认证、华大基因、国脉科技、卫士通等个股。

四、区块链的落地价值

4.1区块链的战略价值

我们对这些应用场景的影响、可行性做了评估和压力测试,以更好地理解区块链的总体战略价值,以及更重要的是,如何真正实现战略价值落地。

我们的分析表明,区块链的战略价值主要体现在以下三个方面:

1区块链技术并不局限于通过去中介化来创造价值,这将鼓励基于许可链/私链的商业应用;

2在产生变革性的商业模式之前,区块链的短期价值主要在于降低成本;

3区块链距离实际应用还有三到五年的时间,要突破的最大难点在于解决“竞合关系”悖论,从而建立一个共同的标准

4.2企业在其区块链战略中应采取结构化路径

评估区块链的价值,首先要抱有务实和怀疑的态度,从影响力和可行性入手,分析判断其在特定行业可落地的细分场景、有没有解决真正的痛点;

抓住区块链的机遇,则要从企业本身的市场地位出发,评估企业构建生态系统、建立标准、面对监管与合规方面的能力,来制定其区块链战略。

通过正确的战略,企业可以在短时期内在区块链上获益。而有能力将自己的区块链作为市场上通用解决方案的主导者,应该现在就押下重注。

关于区块链的基础认知

围绕区块链,炒作与神化居多,真正的事实往往很难看清。

从学术概念上来说,区块链是在公共或私人计算网络上共享的分布式账本或数据库。网络中的每个节点上都储存着账本的副本,因此可以避免单点故障(造成的损失)。每条信息都经过数学加密,并作为新的“块”被添加到原有的“链”中。新的“块”要让其他参与者通过多种共识协议加以验证后,才能被添加到“链”中。这样就无需中心化机构,也可以达到防止欺诈或重复计数。账本还可以通过“智能合约”进行编程,在区块链上纪录一组条件,当条件满足时就自动触发交易。比如,智能合约可以用在保险的自动赔付上。

上图罗列了关于区块链的五种比较常见的误区,包括认为

1. 比特币就是区块链

2. 区块链优于传统数据库

3. 区块链是不可变或不可篡改的

4. 区块链绝对安全

5. 区块链具备保真功能

等等,同时解释了这些误区错在哪里,以及事实是怎样的。

区块链的核心优势在于去中心化、加密安全性、透明性以及不可改变性。它使得不通过第三方就能验证信息、交换价值成为可能。区块链并非单一形式,技术上可以通过多种方式配置,来满足特定应用场景的目标和商业需求。

为了更清晰的表述区块链应用的多样性,我们从区块链两个最基本的功能——纪录保存和交易——出发,把区块链应用分为六个大类。一些行业的应用可能涉及多个类别,而其他行业集中在一或两个分类中。这个分类框架以及后面进一步的应用案例分析,将逐步揭示我们对于区块链战略价值的本质和可行性的核心认知。

从保存纪录的功能出发,有三类:

1. 静态存储类

2. 身份识别类

3. 智能合约类

从交易功能出发,也有三类:

4. 动态存储类

5. 支付类

6. 其他

我们同样列出了分类依据以及举例了部分具体应用。

4.3对于区块链战略价值三个核心认知

核心认知一:区块链技术并不局限于通过去中介化来创造价值

现有的机构和多方交易通过合适的区块链架构,可以从区块链减少交易复杂性和降低成本的优点中获利,以及在透明度和防欺诈方面上得到改进。因为有利可图,现有的企业也愿意应用区块链,而不是被这股浪潮所取代。我们判断,最有可能在短期内取得成功的商业模式是许可链或私有链,而非公链。以比特币为代表的公共区块链,因为完全去中介化的特性,被视为对现有中心化格局的挑战者和巨大威胁。而私有区块链托管在私人计算网络上,具有可控制的访问和编辑权限。(如下表)

按照数据是公有还是私有、参与者是否需要得到许可进行读写,我们把区块链机构分为如下四类,我们分别列出了他们的特性,以及随之带来的可扩张的强弱。我们判断,多数商用的区块链将采用私有的、需要许可的架构,来使开放性和可扩张性达到最优。

通过私有的、需许可的区块链,公司无论大小,都能在其中获得商业价值。本就占据主导地位的玩家可以继续保持中心化的地位,也可以与行业中的其他参与者联手获得和分享价值。而参与者可以从安全共享数据中获利,当然,哪些数据被分享,分享给谁,何时分享,都是被控制的。

对所有公司而言,通过先小范围试验再逐步规模化的路径,许可链/私链可以让不同的价值主张得以稳步实现。目前已经有的应用案例包括澳大利亚证券交易所,他们部署了区块链系统来做股票清算,减少了旗下股票经纪们的后台核对工作。而IBM和世界上最大的航运公司Maersk Line正在建立一个合资公司,并将一款区块链交易平台推向市场。这个平台的目标是为参与全球航运交易的用户和交易参与方提供安全、实时的供应链数据和文件、文书的交换。

未来,区块链可能成为纪录、身份、交易的新开放标准协议。我们不能简单否认这种可能性。区块链技术可以提供管理、存储以及资助一个数据库的整体解决方案。真正的点对点模型将在商业上可行,因为区块链通过Token来奖励参与者的贡献,并且让他们能够享受到未来增值部分的收益。当然,这种模式带来的心态改变和对现有商业的颠覆是巨大的。

如果是现有的行业参与者们本身已经运用了区块链技术并为此调整了运营模式,并且最重要的是,让消费者们从中获益,那么,就不会激励太多的后来者入局。长期来看,现有参与者对于区块链技术的适应和整合程度,是区块链能否成为平台、会成为多大的平台的决定性因素。

核心认知二:短期来看,区块链的实际战略价值主要在于降低成本

区块链或许有颠覆现有平台,成为运行新模式的基础的可能性,但它最先可以有所影响或者说第一步能解决的问题是提高运营效率。通过从现有流程中减少中间环节,减轻保存纪录和管理交易对账等的行政工作,就能有效降低成本。这样,企业从降低成本中获利,又为提供区块链服务的参与者创造了新的收入,这个模式就可以跑起来了。通过我们对90多个应用案例的财务量化分析,我们预测短期内70%的价值来源于降低成本,其次才是创收和资本减免。(具体见下表)

某些特定行业天然就是更适合区块链解决方案的,例如:金融服务、政府、以及医疗。金融服务验证和转移财务信息和资产的核心功能与区块链可传递价值的特性高度匹配。目前的主要痛点,尤其是在跨境支付、贸易金融方面,可以用基于区块链的解决方案,这样既能减少必要的中间机构数量,并且能隐匿地理位置。更进一步的降低成本是在资本市场结算环节和生成监管报告环节。这些价值的可能性已经得到了验证,我们看到,大约90%的澳大利亚、欧洲和北美的银行已经在试验或投资区块链。

与银行一样,政府保存和验证纪录的重要职能也可以通过区块链技术得以实现,而此举将大幅降低行政成本。公共数据在政府机构之间以及企业、公民和监管机构之间往往是孤立的和不透明的。而用区块链来处理从出生到纳税的各项数据时,基于区块链的纪录和智能合约能简化政府与公民的互动,同时提高数据安全性。许多公共事业领域的应用,例如基于区块链的身份纪录,也将成为更广泛的经济领域应用的辅助解决方案和标准。超过25个政府正在积极应用由创业公司提供支持的区块链先锋试验项目。

在医疗健康领域,区块链可能成为打通供应商、病人、保险公司、研究人员之间数据获取和交换价值的关键。基于区块链的医疗记录不仅可以提高管理效率,还可以让研究人员访问到隐去患者身份信息的历史医疗数据集,这对于医学研究的进步至关重要。智能合约能让患者对于自己的健康数据有更高的掌控权,甚至掌控商业变现对个人数据的读取。举例来说,他们可以像使用自己数据来研发新药的药厂进行收费。区块链也可以与物联网传感器结合,来确保药物、血液和器官处于全程冷链环境下。

随着时间的推移,区块链的价值可能从降低成本升级为产生全新的商业模式和创造收入。其中,最具潜力和革命性的用例之一是创造一种分布式的安全的电子身份,不论是顾客身份的认证,还是通过身份帮助企业更好地认知客户,以及涉及到的相关服务。当然,由于当前的种种限制,由此衍生出的商业模式只能说是一个长期来看的可能性。

核心认知三:区块链技术的普遍应用还需三到五年时间

区块链要发挥其战略价值,必须要能提供商业上切实可行的解决方案,并且这种解决方案是可规模化的。我们按照标准与合规、技术、资产、生态等四个关键因素逐一评估了超过90个潜在的具体应用。虽然很多公司已经在尝试,但因为几个关键原因,我们判断区块链应用要达到客观规模还需要三到五年时间。

我们认为区块链在各行业可行性取决于四个因素:

1. 资产类型

2. 技术成熟度

3. 法规与监管

4. 生态系统构建

我们列出了14个主要行业,分别对其四个决定性因素按程度高低分为四个级别,评估表格如下:

4.4区块链技术要达到普遍应用需要解决的问题

区块链技术要达到普遍应用,我们认为要解决以下几个问题,这也是我们判断至少还需要三到五年的根据:

1共同标准至关重要

目前,制约区块链大规模应用的主要因素是缺乏共同标准和清晰的法规监管。但鉴于该领域的需求和共识如此强烈,这些问题的解决已经提上日程。如果有单一的主导者或是政府机构能授予其法律地位,那这个标准的建立就相对简单。例如,政府可以通过设立法规承认区块链作为土地登记的合法纪录。

而当这个合作并非单一主导,而必须有多个参与者时,标准的制定就越发复杂,但也更加必要。我们看到,一些行业联盟在这方面已经取得重大进展。比如汇集了全球70多家银行的R3区块链联盟将合作开发金融级的区块链开源平台Corda。类似这样的平台有助于建立区块链急需的通用标准。

全球来看,各国的监管机构立场各不相同,但大多数选择参与其中而非完全对立。例如,美国证券交易委员会将ICO视为证券,此举被视为ICO进入主流且纳入监管。2017年,澳大利亚标准局代表国际标准协会牵头制定了区块链优先路径图并将帮助建立共同术语作为关键的第一步。目前来看,各国政府大多采取技术中立的监管态度——对于区块链等特定技术持既不推动、也不禁止的中立态度。

2技术仍需改进

区块链技术本身的不成熟也是当前制约其可行性的重要因素。

一些人认为受制于能量消耗和交易速度,区块链难以规模化,这其实是把区块链和比特币混淆所产生的误解。事实上,技术上可以通过不同的设计和配置来达成特定的商业诉求,比如通过配置“块”的大小来决定速度,通过配置共识协议来确定其安全性,调节公证人数来配置存储等等。以区块链在爱沙尼亚医疗领域的应用为例,目前这些健康数据并没有存储在区块链上,而是在“脱链”数据库中,区块链技术仅用于识别、连接和监控这些健康纪录,以及管理这些纪录的访问和修改权限。这些妥协意味着区块链在目前这个阶段相较于传统数据库可能并没有优势,但随着技术的迅猛发展,这些限制正在减少。

同时,区块链技术的不成熟也增加了替换成本,尤其是考虑到需要替换整个系统,成本将相当可观。对于企业和组织来说,必须寻找值得信赖的企业级解决方案,因为只有当旧系统完全被替代,大部分降低成本的收益才得以实现。目前,很少有创业公司具备足够的可信度和技术稳定性来为政府和行业做大规模部署。主流科技巨头都有强烈意愿来满足市场在这个领域的需求,并选择和云存储类似的发展模式,通过区块链即服务(BaaS)产品来实现。

3资产必须可数字化

资产类型和天然属性决定了其通过区块链来改进纪录或交易的可行性,以及是否需要集成其他技术来实现端到端的解决方案。这里的关键在于资产的可数字化程度和潜力。例如,股票本身就是通过数字化记录和交易的,这种在区块链系统中非常容易实现端到端的管理,或是通过API接入现有系统。

而对于那些本身非数字化的物理产品,如果想连接并固定到区块链上,就需要借助物联网或是生物识别技术。这种类型的链接可能暴露区块链账簿的安全性漏洞。因为虽然区块链的纪录具有不可改变的特性,但是物质本身或是传感器有被篡改的可能。例如,我们要通过区块链来追溯牛奶、谷物等的存储,就需要借助射频识别这样的标记系统,这么做可以提高安全保障,但仍然无法做到100%保证。

4亟待解决的“竞争合作”悖论

生态属性是区块链能否大规模应用的第四个关键因素,因为它定义了一个应用是否可行的临界量。区块链的主要优势在于网络效应,随着网络规模的扩大,潜在优势激增;但同时,其协作也更趋复杂。举例来说,用区块链技术来解决数字媒体领域的牌照、许可使用费支付等问题,就需要在大量数字内容生产者和消费者之间海量的协调。

天然的竞争者之间必须一起合作,这种竞争合作悖论正在被解决,但已经被证明是区块链应用规模化的最大阻碍。问题不在于识别网络,甚至不是最初的认同,而是在于对系统、数据、投资等监管决策的产生和管理达成共识。要克服这个问题常常需要赞助商(如监管机构或行业机构)来起带头作用。此外,必须确保对参与者的战略激励是一致的,这在高度分散的市场中很难做到。在某一些行业应用可行需要的合作门槛远低于另一些行业,而在某些行业里,甚至需要建立跨行业的网络才能产生实际收益。

五、企业应该采用何种战略路径?

基于我们的调研和由此建立的认知,我们将采用以下结构化的方法来回答这个关于区块链商业战略的经典问题。

5.1在哪条赛道上竞争:关注具体而有潜力的应用场景

区块链领域充斥着海量应用,企业在面临选择要去抓住具体哪个机会时往往无所适从。事实上,可以采取一种务实而怀疑的态度,结构化地缩小选择范围。第一步是判断这个应用场景是否有巨大的、可获得的实际价值。只有客户的真实需求和痛点出发,才能避开所谓的开发者陷阱,真正发挥区块链解决消费者摩擦的作用。

先找到真正的刚需痛点,才能从可行性、局限性的层面对区块链解决方案的潜在商业价值做精确分析。而更进一步,需要结合行业概况、公司的专业能力等来做决策。公司必须对各环节上的细微差别有所了解,才能确定投身方向才能获得可靠的投资回报。而如果一个应用根本不满足可行性和投资回报的最低要求,那么公司根本不用考虑后面一部要采取哪种区块链策略。


金准产业研究 区块链、AI和5G融合分析报告

前言

洗尽铅华,回归IT本质。在过去两年,区块链、去中心化概念盛行,而我们却看到相关公链上的DAPP(Decentralized Application)数量增加而活跃度偏低,游戏、社交等热门方向也未出现里程碑式的应用,市场一直要问,区块链发展的根本动力在哪里?完全的去中心化是否合理?金准产业研究团队,区块链仍应放到IT发展的大趋势中观察,而5G的兴趣、边缘计算的壮大,为此提供了基础设施,在此之上,区块链+AIoT+5G将会诞生出不一样的互联网世界,此文对区块链的未来发展做些许展望。

随着智能手机和物联网智能终端的普及,在区块链、人工智能和5G的推动下,算力、算法和数据三个层面重构互联网商业模式。金准产业研究团队预期,在区块链、AI和5G融合的推动下,互联网将呈现新商业模式。互联网公司对数据的控制力下降,出现算法模式供应商;区块链网络为数据隐私和数据市场治理提供基础协议,用户分享更多数据价值;5G边缘网络的算力平台将承载更多终端流量,改变先有网络构架,广义智能终端(摄像头、小基站、物联网模组等)计算及存储能力提升;移动终端的硬件构架向GPU倾斜。

未来算法可以预想呈现模块化、产品化的趋势,互联网公司由数据和网络效应的垄断者逐渐蜕变为算法模块的产品商。未来,数据上链、隐私保护下,IT巨头不必掌握用户的行为数据,只提供算法工具,通过区块链网络得到授权、完成数据使用权的费用支付,训练AI机器人。届时,互联网公司也许不再是数据和网络效应的垄断者,蜕变为算法产品化模块的供应商——别忘了,区块链网络重塑了数据市场的治理,互联网公司并不直接掌握数据。而背后皆有大规模算力支持AI、区块链的运转。

区块链实现数据确权和数据市场治理,数据资源的价值分享将向用户倾斜。“无主”的垄断状态下,个人用户产生的数据被广泛用来训练AI机器人,又产生各类互联网服务推送给用户或其他客户。大数据是基础的资源,其挖掘出的价值用户往往得不到任何回报——同时还要承担隐私被侵犯和泄露的风险。未来,分布在网络中的数据将得在区块链账本中得到确权,数据的使用利用区块链Token授权和支付交易。互联网的价值分享将向用户倾斜。

5G边缘计算:“硬核”算力之基。3G/4G时代,数据陆续通过接入层、承载汇聚层、承载核心层,业务数据在核心网集中处理、终结,显然这种中心化工作方式难以满足5G应用场景对时延、大带宽和多连接的要求。5G时代,针对不同的业务场景,业务将在不同节点终结;以去中心化的工作方式提高效率和可靠性。分布式AI的崛起,5G边缘网络平台将承载更多的算力和数据流量。

5G最大的意义在于技术生态的不断成熟和高度融合,包括大数据、人工智能、智能机器人和区块链等技术,会改变数字资源的建设方式,让万物互联,真正迈入数字经济的新时代。

一、区块链、AI5G的发展概况

1.1科技发展催生新的商业模式

自从2016年以来,相信很多仁人志士们就开始越来越清晰意识到,以互联网、移动互联网、大数据和云计算等技术的中心化商业技术逻辑为核心的“信息交互和高效传输”带来了诸多新的社会问题及矛盾,从4G诞生开始,市场商业组织以中心化商业模式构建的各类信息交互平台加速发展,大家为了快速抢占C端客户资源,跑马圈地,在大幅提升社会市场经济运行效率的同时,也制造了海量碎片化的市场信息,信息的泛滥成灾,使得消费者在进行选购商品或者商家在收集市场信息进行商业决策时往往无所适从,变得越来越艰难和成本及风险越来越大,效率趋于递减的矛盾逐渐凸显出来,并且市场中那些数量繁杂的中心化“信息交互平台”的商业组织并不是都讲诚信的,也可能存在利用这些技术谋取非法私利,伤害消费者的行为,比如P2P互金行业就出现了大量以非法骗取老百姓钱财跑路的恶性案件,分析其根本原因就是“互联网”信息技术并不能解决甄别信息数据证伪和是否有效的问题,没有人对在互联网的“信息交互和高效传输”中信息数据的真假或者是否具有现实的市场价值负责,从而导致此种通过互联网技术而构建的中心化“信息交互和高效传输”的商业模式经济效用递减,市场趋于混乱和无序,信用缺失趋于严峻。因此得出的结论是“互联网+”的商业模式已经走到了尽头!由于科技的快速发展,已经能在物质世界中对产品和服务的供给能力和方式产生了颠覆性的变化,生产力和生产关系也大幅得以改善,物质供给过剩的时代已经来临,在未来的市场经济环境中,抢占物质供给的资源已经不是重点,重点已经转向于消费升级,社会矛盾已经从“满足人民追求日常生活的物质需求与社会经济增长之间的矛盾”转换成“满足人民追求美好生活的需求愿望与社会经济增长之间的矛盾”了,人民对美好生活的需求愿望则更多的体现在满足“差异性和个性化产品和服务”上面,产品供给的形态也从过去的有形物质产品,趋向产品+服务,最终会更加注重软性服务的需求上,这种消费升级需求不仅仅只停留在享受个性化的产品和服务,还包括在享受需求服务的过程中能充分体现出尊重、自身权益、兴趣爱好和参与乐趣及体现自身价值的生存感上面,而这些仅凭中心化的互联网信息技术交互和高效传输的平台组织商业模式显然是无法满足的,势必市场渴望出现一种全新的商业和技术逻辑形态的诞生。

1.2区块链带来的变化

过去两年,区块链试图改造什么?

BTC之后,陆续出现了ETH、EOS等更为开放的公链平台,以此为基础吸引开发者进行DAPP开发,但现实的情况是,DAPP数量上升迅速,但活跃度却很低,有些几乎24小时没有活跃用户。其背后的原因,首先是基础设施不完善,公链的性能无法与中心化系统相比,开发的DAPP本就没有APP STORE里的好用,二是使用门槛高,对于公钥、私钥等一些列概念,用户无法按照过往使用APP软件的习惯直接迁移,三是商业模式并未成型,包括大家一致在探讨的经济模型问题BUG不断。

回归到区块链技术本身,我们看到EOS、TRON等公链活跃的背后,是其相对中心化的设计理念,现实应用需求与比特币本身的理想化场景正在分道扬镳,对于前者,我们将放到更大的IT发展浪潮中去审视,5G、AIoT的发展本身推动边缘能力强化,将为其应用提供强大的网络、IT支撑。

当前互联网商业模式下,巨头垄断了数据、价值和网络效应,用户处于弱势地位。互联网已经极大改变了人们的生活方式,互联网大数据越来越成为巨大的价值宝藏,由此造就了一批互联网巨头,包括Amazon、Google、Facebook和苹果公司,其中不乏市值万亿的。当下的互联网构架下,我们要依赖于互联网公司提供的服务进行购物、搜索和社交,账户管理和数据信息由互联网公司的平台来管理。互联网公司成功的秘诀是垄断了数据和网络效应——互联网公司云服务器中存储大量的数据,其中很多是用户的隐私数据。虽然互联网公司声称会保护好用户的隐私,但数据泄露时有发生。

还有一方面容易被忽视的就是数据的权益——数据是极具价值潜力的资源,随着人工智能算法的快速进步,大数据这个宝藏的价值不断被挖掘出来——但问题是,这些价值权益该属于谁呢?显然,用户并没有得到太多的好处,仅仅是因为自己的数据托管在互联网公司的服务器内,便冒着泄露的风险拿去被各种大数据工具挖掘价值,给互联网公司创造收益。互联网带来各种便利的同时人们不应该忘记自身数据处于泄露风险之中,同时数据还在“喂养”互联网公司的AI机器人,然而用户没有得到任何好处。

区块链、AI和5G的不断融合,互联网商业模式将更加去中心化,从算法、算力和数据三个层面重构数据价值、硬件和互联网构架。移动设备和物联网智能设备遍布整个互联网,个人的行为产生海量数据,这些数据极具价值潜力。过去我们要依赖于互联网公司提供的服务进行购物、搜索和社交等服务,账户管理和数据信息由互联网公司的平台来管理——毕竟分散的海量个人终端无法像云服务器那样提供管理数据的平台,这是互联网公司垄断数据的根源。区块链提供了一个大规模点对点的对等账户网络,管理数据和账户不再依赖于中心服务器,使得海量个人终端联合管理数据和账户系统成为可能。区块链的加密特征,确保了个人对数据享受所有权,互联网公司再也不能随意从个人终端设备拿走用户的隐私数据——无论数据存在在哪里。5G通信网络为海量数据传送和终端算力提供了基础支撑,互联网去中心的趋势下,离不开5G网络的推动。

用户因数据收益、互联网公司变成算法供应商,整个产业链利益分配被重构。我们畅想一下,未来的用户在网络里购物、社交聊天或者打游戏,产生的数据和用和账号都通过区块链网络来确保所有权不被侵犯;提供服务的互联网公司再也不能像过去那样随意访问用户的数据、更不能用自己的AI机器人进行数据价值挖掘——互联网公司不再掌控用户数据。互联网公司开发的AI算法机器人可以在用户终端进行机器学习训练,但只能得到最终的模型反馈——用户的数据不会免费使用,互联网公司需要通过区块链Token进行支付像用户购买数据使用权(用以训练机器人)。算法模型会输出很多有价值的服务——包括精准营销、信用评估服务、家庭智能机器人等等,互联网公司和用户都可以分享这些价值的收益。

比如,互联网公司变成了算法模块的供应商(并不掌控用户的隐私数据),为零售商提供用户精准营销的算法模块而获利,用户通过出售个人数据的使用权(用来训练机器人,但并不会泄露出去)获得了作为数据上游的收益。

 

 

二、结论:算力、算法和数据——5GAI和区块链融合之道

随着智能手机和物联网智能终端的普及,在区块链、人工智能和5G的推动下,算力、算法和数据三个层面重构互联网商业模式。如今,人类社会活动从未如此依赖移动设备,算力由个人PC、服务器端向移动终端迁移,人工智能算法处理海量的数据,这些数据越来越多由用户移动端本地产生。人类数据的生产量和存储量呈指数级增长,过去5年里数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至于ZB (1024EB=1ZB)级别。过去20年互联网巨头们依靠享受大量数据的支配权(实际上用户一直强调数据是属于他们)和强大的网络效应掌控了互联网的主要资源和价值。在技术的快速发展过程中,互联网的商业经历了计算机的开源、软件的开源和数据的开源,曾经的巨头垄断被不断打破。如今,随着区块链、人工智能和5G等信息技术的崛起,整个互联网加速由巨头互联网公司中心走向分布式和去中心化,价值垄断正在被打破。

5G通信技术和人工智能算法的驱动下,互联网大数据的价值潜力不断被挖掘,大数据的世界需要一个市场规则和经济激励制度——这真是区块链的价值所在。区块链完美地解决个人数据确权和授权交易,为大数据这列高速列车提供了规范的轨道。

金准产业研究团队认为,在区块链、AI和5G融合的推动下,互联网将呈现新商业模式。互联网公司对数据的控制力下降,出现算法模式供应商;区块链网络为数据隐私和数据市场治理提供基础协议,用户分享更多数据价值;5G边缘网络的算力平台将承载更多终端流量,改变先有网络构架;移动终端的硬件构架向GPU倾斜。

 

 

2.1算法:由中心封闭到开源化、模块化

移动端分布式人工智能机器人将是未来主流。人工智能的要素包括算力、算法和数据。它的发展需要算力的支撑,而数据是“喂养”人工智能机器学习的资料。作为基础资源的数据越来越多由移动端产生,伴随着数据隐私保护的呼声愈烈,掌握算法工具的互联网公司在挖掘“数据金矿”的时候只会越来越受到限制。产品级分布式机器学习的推广已经指日可待,互联网巨头们并不必要将移动终端的用户隐私数据上传至云中心,而终端只需输出学习模型结果。

区块链网络实现了数据市场治理,可以有效打破过去个人数据的“无主”垄断状态。个人的隐私数据实际上是被互联网公司掌控,泄漏的风险的危险下,个人数据资源被互联网公司的算法工具进行分析处理,而用户并不能分享数据产生的价值——当某家互联网公司根据你的行为数据给你推荐商品广告时,你有没有想过这个服务价值来自于本属于你的个人数据?区块链很好地解决了数据的隐私问题——数据的确权是属于用户的,其他人或公司若想使用这些数据或利用这些数据作为资料训练AI机器人的话,都将在区块链网络中申请得到用户本人的授权,在区块链账本中完成交易支付。

5G边缘网络和雾计算作为网络通信基础,催生新的商业模式。不久全球将进入5G网络的时代,广泛分布的移动端、云中心之间的数据交换方式产生着深刻的变革——更多的数据交换将在终端之间发生。5G的边缘网络和雾计算将为数据下次提供网络通信的基础,同时边缘网络的构架和数据通信模型催生新的产品和商业模式。

未来算法可以预想呈现模块化、产品化的趋势,互联网公司由数据和网络效应的垄断者逐渐蜕变为算法模块的产品商。未来,互联网巨头不必掌握用户的行为数据,只提供算法工具,通过区块链网络得到授权、完成数据使用权的费用支付,训练AI机器人。届时,互联网公司也许不再是数据和网络效应的垄断者,蜕变为算法产品化模块的供应商——别忘了,区块链网络重塑了数据市场的治理,互联网公司并不直接掌握数据。

2.2算力:从集中云算力走向终端分布式算力

移动端和物联网智能设备的迅猛发展,势必需要算力从集中向终端分布式部署,最终在中心化和分布式两者间取得平衡。人工智能在算法优化阶段需要投入大量的算力,Google的明星机器人AlphaGo在击败李世石之前,Deep Mind团队使用了48颗TPU对AlphaGo进行了数个月的3000多万盘对弈训练。显然移动时代,大量的数据在本地存储的模式不在适合。因此,算力一定会随着移动设备和物联网智能设备的发展而向边缘倾斜,实现算力的分布式部署。服务端与客户端分离的结构,移动端的分布式机器学习就成为重要的方向,Google在这方面已经获得产品级突破——Google基于Tensor Flow构建了全球首个产品级可扩展的大规模移动端联合学习系统,目前已在数千万台手机上运行。分布式算力的瓶颈还在于有效的经济激励机制的施行,而区块链的激励机制正好提供很好的市场激励制度。

2.3数据:由“无主”的垄断走向确权治理

互联网数据处于“无主”垄断的混乱状态,数据隐私将是未来的最“痛点”。BM Security和Ponemon Institute此前发布的《2018数据泄露损失研究》评估显示,2018年全球数据泄露的平均成本为386万美元,比2017年的报告高出6.4%。该研究还首次计算了与“超大型泄露(超过100万条记录)行为相关”的成本。评估显示,大型数据泄露代价高昂,百万条记录可致损失4000万美元,5000万条记录可致损失3.5亿美元。互联网带来各种便利的同时人们不应该忘记自身数据处于泄露风险之中,同时数据还在“喂养”互联网公司的AI机器人。

数据隐私的真谛是确权和使用权的交付,区块链的机制提供了数据市场的治理规则。移动时代数据隐私的保护呼声愈烈,一方面是人们对数据作为一种潜力巨大的价值资源的认识越来越清晰,另一方面大量数据天然跟移动端的行为关联,用户越来越注意数据隐私的保护。过去的互联网模式,数据主要存储在互联网公司的云端,用户很难声明对数据的所有权;另外,互联网不断产生的庞杂数据的确权也是出于模糊的“无主”状态,但所有数据实际上都是掌控在互联网公司手中——无论他们如何声明不会泄露数据,不泄露数据不代表我们享有所有权。越来越多的智能服务背后都是来自于互联网公司AI机器人利用个人隐私数据进行机器学习的结果,这个过程中,用户是被动的,利益上存在受损的嫌疑。

金准产业研究团队,数据隐私的真谛是确权和授权——即用代码合约明确数据的所有权,通过代码合约完成数据使用权的授权和支付交易。区块链天然就是去中心化和分布式的账本机制,具有数据加密、不可篡改、来源可溯的特点。大量移动端的数据,将由过去“无主”垄断状态,被区块链网络确权给用户,而AI所需要的个人数据,可以由用户向使用方授权完成,相关费用用Token完成支付。在数据领域,AI与区块链的结合,一方面是数据层,两者可以互相渗透,完全数据确权;另一方面是从应用层面入手,两者各司其职,AI负责自动化的业务处理和智能化的决策,区块链负责在数据层提供可信的授权。

移动端分布式学习技术的推广将成为打破数据垄断的关键一环。今年2月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统,目前已经能够在数千万部手机上运行。此产品利用联合学习(FL,Federated Learning)方法,可以对保存在移动电话等设备上的大量分散数据进行训练,是“将代码引入数据,而不是将数据引入代码”的更加通用化的一个实现。用户的设备会下载一个当前模型,这个模型会从手机数据中学习不断得到改善,然后将变化总结为一个小的关键更新。只有这个关键更新会以加密的方式被传到云端,之后这一更新会在云端迅速被其他用户对共享模型提交的更新平均化(averaged)。简单说,所有的训练数据都留在用户的设备上,而且上传到云端的个别更新也不会存储到云端。新方法将机器学习与云端存储数据的需求脱钩,让模型更聪明、延迟更低、更节能,而且保护用户隐私不受威胁。联合学习方法将使得移动终端数据的隐私得到充分的保护,互联网公司云端服务器并不需要上传用户本地数据,将成为打破数据垄断的关键一环。

 

 

 

 

2.4市场激励:经济利益向用户倾斜

数据资源的价值分享,将向用户倾斜。“无主”的垄断状态下,个人用户产生的数据被广泛用来训练AI机器人,又产生各类互联网服务推送给用户或其他客户。大数据是基础的资源,其挖掘出的价值用户往往得不到任何回报——同时还要承担隐私被侵犯和泄露的风险。未来,分布在网络中的数据将得在区块链账本中得到确权,数据的使用利用区块链Token授权和支付交易。互联网的价值分享将向用户倾斜。

接踵而来的问题是,如何构建合理的激励体系?区块链在TOKEN激励机制上的讨论一直不绝于耳,最初的BTC构建了通缩模型,即总量一定,产量四年减半一次,用算力保证系统的运转及激励分配的公平性。此后很多与现实相关联的激励体系却遇到了很大的问题,比如迅雷的玩客币体系,抛开监管问题,但从系统本身的可持续性也有待商榷。

用过迅雷下载的朋友都知道,当电脑运行迅雷终端的时候,PC即成为网络中的存储节点,这个点对点系统非常契合区块链的去中心化理念,但用户在这其中贡献了硬件及带宽,为了鼓励在线,迅雷也有过积分奖励,而其本质增加推广费用去“获客”,直到玩客币的推出。假设为系统做出贡献可以获得玩客币(俗称“挖矿”),而玩客币既可以从生态中购买服务,也可以二级市场交易,用户自然有动力投入硬件和费用去挖矿,生态体系建设加速,且公司不需要投入费用,而当币价走高时,由于回本周期缩短,用户有更强的欲望加大投入,当然,其更倾向于将玩客币用于二级市场交易而非获得生态中的服务,相反,当币价下跌时,激励机制就会出现问题,毕竟生态中所能提供的服务不能实时地与币价相匹配。

目前,互联网巨头作为主体获得并使用大数据,不存在激励问题,而未来在5G时代,面向个人数据、版权的确权和使用,同样需要构建有效交易市场,激励体系的构建仍是关键。

 

三、分布式AI崛起:移动端硬件构架向GPU倾斜

谷歌发布全球首个产品级移动端分布式机器学习系统,移动端算力被充分调动。今年2月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统,目前已经能够在数千万部手机上运行。谷歌基于Tensor Flow构建了全球首个产品级可扩展的大规模移动端联合学习系统,目前已在数千万台手机上运行。这些手机能协同学习一个共享模型,所有的训练数据都留在设备端,确保了个人数据安全,手机端智能应用也能更快更低能耗更新。研究人员表示,该系统有望在几十亿部手机上运行。联合学习能产生更智能的模型,更低的延时和更少的功耗,同时确保用户的隐私。

Google开放的联合学习算法,使得移动端分布式机器学习成为现实;AI算法分布在大规模的移动端,协同输出一个学习模型,而不必上次用户本地数据。Google的研究团队克服许多算法和研究挑战,使联邦学习成为可能。诸如随机梯度下降(SGD)之类的优化算法(通常在许多机器学习系统中使用)在大型数据集上运行。在移动端特定环境中,数据以高度异构的方式分布在数百万个移动和蜂窝设备上,这些设备具有明显更高延迟,更低吞吐量的连接,并且只能间歇性地用于训练。这一切都依赖于联合学习(FL)方法,联合学习是一种分布式机器学习方法,可以对保存在移动电话等设备上的大量分散数据进行训练,是“将代码引入数据,而不是将数据引入代码”的更加通用化的一个实现,并解决了关于隐私、所有权和数据位置等基本问题。

根据谷歌官博介绍,用户的设备会下载一个当前模型,这个模型会从手机数据中学习不断得到改善,然后将变化总结为一个小的关键更新。只有这个关键更新会以加密的方式被传到云端,之后这一更新会在云端迅速被其他用户对共享模型提交的更新平均化(averaged)。简单说,所有的训练数据都留在用户的设备上,而且上传到云端的个别更新也不会存储到云端。谷歌研究人员表示,新方法将机器学习与云端存储数据的需求脱钩,让模型更聪明、延迟更低、更节能,而且保护用户隐私不受威胁。这一方法还有一个间接好处:除了实现共享模型的更新,用户还能立刻使用改善后的模型,根据个人使用手机方式的不同,得到的体验也会不同。

联合学习(FL,Federated Learning)系统已经在非常流行的谷歌键盘Android上的Gboard中进行测试。每当Gboard显示建议的查询时,移动设备本地存储有关当前上下文的信息以及您是否使用了该建议。联合学习处理设备上的历史记录,以建议改进Gboard的查询建议模型的下一次迭代。诸多移动设备的学习模型将通过一种联合学习算法聚合成为一个更简洁的模型,最后只需要将这个模型上传至云端即可。

要将这样的系统部署到数百万运行Gboard的异构电话,需要相当先进的技术堆栈。 设备上培训使用Tensor Flow的最小化版本。上传速度通常比下载速度慢得多,研究人员还开发了一种新方法,通过使用随机旋转和量化压缩更新,将上传通信成本降低到100倍。

复杂的人工智能算法训练与计算经常涉及上亿的参数,这些参数的计算需要大量的计算能力,目前在深度学习领域,GPU计算已经成为主流。使用GPU运算的优势如下:目前,主流的GPU具有强大的计算能力和内存带宽,同时GPU的thousands of cores的并行计算能力也是一大优势。只要数据足够小,就适合在一台GPU性能优于其它架构的机器上运行,因为它不具备处理网络开销问题的功能,可以充分利用GPU的优势为数学运算。由于所有的数据集足够小,可以适应内存,网络成为了分布式实现的瓶颈,而移动端本地GPU没有这样的瓶颈,得到了两全其美。

金准产业研究团队预期,未来的IT基础设施将向“两端走”,一方面是超大规模IDC,用作集中式数据处理、搜索和机器学习,而移动设备和物联网智能设备未来将越来越依赖GPU的运算能力,硬件中的GPU算力将会得到进一步提升。

 

 

四、区块链:给大数据赋予经济动能

4.1区块链:下一代智能互联网的基石

2008年10月31日一个名为“中本聪”的网络ID发表了9页的比特币白皮——名为《Bitcoin: A Peer-to-Peer Electronic Cash System》(《比特币:一种点对点的电子现金系统》),为人类社会第一次带来去中心化的财富世界。中本聪在设计比特币的时候,遵从了经济学规律。比特币(Bitcoin)是一种电子现金系统,或者说比特币本身是一个给电子现金记账的去中心化、点对点的记账系统。比特币网络是首个成功应用了区块链技术的支付交易系统,没了中心化机构信用背书,该系统的“信任价值”由其加密算法和共识机制创造。账本每个节点都有相同的一份副本,节点之间对等、互相监督。

同时中本聪天才地引入了首个区块链通证(Token)——Bitcoin(比特币,这里的比特币指的是可交易的coin,而非指同名的网络系统),通证作为系统的唯一财富表达——在比特币网络中进行电子现金(比特币)转账,需要支付比特币作为手续费。而支撑网络安全可靠运作的计算机算力资源则由矿工提供,手续费作为奖励支付给矿工——这个过程叫做挖矿。“挖矿”行为则激励了更多网络节点加入进来,维护并增加该系统的“信任价值”。比特币挖矿,用一句话的解释即为“争夺系统的记账权,获得比特币作为奖励”。在共识机制的约束下,矿工的算力自由竞争对系统构成了安全壁垒(随着算力的竞争,攻击系统账本的成本会在竞争中提高),通证(Token)奖励则为系统安全可信运转提供了经济激励,形成一个良性的经济市场。这一切的核心技术基础是区块链技术。关于区块链的经济学解释详见我们之前发表的《区块链经济学脉络》系列文章。

区块链(Block chain)是一种将数据区块按照时间顺序组合成链式数据结构,并以密码学方式保证的不可篡改和不可伪造的分布式账本。简单说,如果我们想要一个完全点对点实现支付/兑换的市场(这个市场不需要任何中介机构,如银行、服务中介等),区块链可以提供去中心化记账方案。以支付转账为例,传统的支付转账系统需要由银行作为第三方(对应概念“中心化”、“第三方信任背书”),根据交易双方提出的请求,划转相应金额——即更改数据库中双方名下的账户余额,这个过程中记账权完全归属于银行。而在搭载了区块链技术的支付转账系统中,用户之间可以直接进行点对点的交易(对应概念“去中心化”)。我们不需要中心化机构来替用户记账,取而代之,系统中每一个用户都可以按照特定规则参与竞争记账。在某个时间段内,争夺到记账权的用户把这段时间的交易写到一个区块当中,就像写到一张账页。系统中其他用户确认该账页不是假账后,对它进行备份,完成整个动作。在下一个时间段周而复始,每一个区块首尾相连,构成一个完整的链条。通过密码学原理,新的区块对之前的区块天然形成了防篡改保护。

区块链开启了去中心化市场。传统社会的资产都是登记在各种中心结构的账本上,最后以银行的法币为核心进行流通。比特币诞生后,区块链技术和区块链项目的快速发展,自此,开辟了人类历史上成规模的去中心化市场。数字货币总市值于2017年 12 月 21 日达到全年最高点的 6422.56 亿美元,一度超越当日的亚马逊和汇丰控股市值。

由于没有中心化的机构存在,区块链完全根据事先设定的程序自动运行,能够极大降低成本和提高效率,并且保证数据记录过程和结果公开透明。在支付交易之外,区块链还可以用于更加广阔的领域,比如医疗、供应链管理、物联网、安全认证、社交以及人工智能等领域,其对社会结构会产生深远影响。

以区块链技术为基础的去中心化财富世界被开启,区块链构筑价值互联网。2008年中本聪发布比特币白皮书后,区块链行业快速发展,人们逐渐意识到,区块链不仅仅是一项分布式数据库技术,而是与TCP/IP、HTTP一样重要的互联网基础协议,基于区块链可以构建一个去中心化(分布式)的互联网世界。利用区块链技术实现数据结构来验证与存储、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问安全、利用由自动化脚本代码组成的智能合约来编程和操作数据,构建一个新的分布式基础构架与计算范式,成为新一代智能互联网的基础设施。

 

 

 

 

4.2区块链将建立一个规范健康的数据市场

区块链的运行机制成为数据市场确权和交易的市场规则,解决数据隐私“痛点”。在区块链网络中,用户的隐私可以在区块链账本中进行确权,他人难以突破区块链网络的加密规则侵犯用户隐私数据;在用户的授权下,通过区块链Token完成数据使用的支付交易。区块链解决了当下数据隐私的行业“痛点”。无论是移动端本地数据,还是存储在分布式节点的其他数据,在区块链网络管理下,用户享受对数据的所有权和控制权。

区块链解决了数据的确权,数据市场的规范交易成为可能。一旦区块链解决了数据的确权问题,移动端的本地数据和托管在中心的服务器内的数据都不能被他人公开“免费”地访问和使用。用户可以授权互联网公司的AI算法使用数据进行训练,移动端的本地数据将不会被上传至云服务器,这既规范了数据市场又解决了数据隐私问题。用户将在未来的互联网世界,因自身的数据而受益。

五、5G边缘计算:“硬核”算力之基

分布式系统的崛起催生边缘计算平台和新的网络构架

分布式AI会在最后一英里网络中增加更多的计算、智能和处理/存储能力,将引发移动端硬件和算力变革。在这种配置中,人工智能引擎将依赖于大量物联网(IoT)传感器和执行器,收集和处理大量的操作现场数据。海量数据将为“本地化”的边缘计算AI引擎提供燃料,这些引擎将运行本地进程并在现场做出决策。因此网络需要另一种水平的实时边缘计算、数据收集和存储,将推动人工智能处理到网络边缘。这将完成云边缘智能和网络化计算机的循环, 并通过基于区块链的智能合约来完成数据授权和业务运转。

5G网络中不同业务在不同节点终结,颠覆通信网络工作模式。3G/4G时代,数据陆续通过接入层、承载汇聚层、承载核心层,业务数据在核心网集中处理、终结,显然这种中心化工作方式难以满足5G应用场景对时延、大带宽和多连接的要求。5G时代,针对不同的业务场景,业务将在不同节点终结;以去中心化的工作方式提高效率和可靠性。分布式AI的崛起,5G边缘网络平台将承载更多的算力和数据流量。

5G时代,终端间快速崛起的横向流量和极低延时要求将依赖边缘网络实现。5G时代基站之间的横向流量将远远超过LTE时代的流量,延时要求甚至在1ms内,远远低于3GPP定义的LTE基站间理想时延(10ms)。LTE时代,核心网一般集中部署在汇聚骨干节点或核心层之上。5G时代,一方面,三层下挂基站将更多,路由条目数量将更大,三层设备流量调度任务中,如果还将核心网集中部署,其设备将不堪重负,一旦节点故障,影响范围很大;另一方面,核心网集中高置横向流量时延大,将不能满足5G时代基站间横向流量时延需求。核心网边缘分布带来两个好处:一,核心网设备下挂基站减少,流量减少,路由条目减少,压力大大降低,安全性能增加,故障影响范围也大大减少;二,基站间的横向流量跳数减少,时延减少,满足低时延场景要求。

未来超过50%数据将在边缘网络处理、分析与存储,5G将大量部署边缘网络计算。根据华为与第三方机构合作预测,到2025年全球网络联接数将达到1000亿,增长幅度超过10倍。未来超过50%的数据需要在网络边缘侧分析、处理与储存,边缘网络将面临极大的挑战:业务的实时性挑战。对实时性要求高的领域,例如在生产控制领域,业务控制时延必须小于10ms甚至更低,车联网应用甚至要求时延低于1ms,如果数据分析和控制逻辑全部在中心云端实现,难以满足业务的实时性要求。

5G网络切片的实现需要部署边缘云。5G面向不同的应用领域,需要网络切片的支撑不同的需求。就是将一个物理网络切割成多个虚拟的端到端的网络,每个虚拟网络之间,包括网络内的设备、接入、传输和核心网,是逻辑独立的,任何一个虚拟网络发生故障都不会影响到其它虚拟网络。每个虚拟网络就像是瑞士军刀上的钳子、锯子一样,具备不同的功能特点,面向不同的需求和服务。部署网络切片,需要边缘云的支撑。

 

结语

5G时代的来临,正好迎来了巨大的机遇,我曾经在之前的文章中讲过,商业行为中的任何现象都可以用“数学”的方式予以诠释,商业市场中人们相互之间的信任建立也是建立在“数字”的基础之上的,数字经济就代表了未来!可是如何让数据真实存在、保存并传输、构建信任体系,却始终是人们渴望彻底解决的难题,直到2017年区块链+AI技术在市场中全面兴起,虽然区块链技术存在诸多被人们诟病的缺陷,但是5G时代的来临,再加上两年多来市场的大浪淘沙,技术人员执着的努力研发,现在已经很多基础技术瓶颈方面如分布式存储、验证延时、算力能耗、数据节点之间的同步和可延展性等问题正在逐步得到改善,我坚信一种以区块链技术逻辑不仅指密码学原理、智能合约、共识机制、等技术组合,更代表着信任中介、Token经济等新型治理模式,它的分布式、多中心(或者去中心)、匿名性、不可篡改、点对点和数据共享的“价值互联和高效传输”+AI技术组合的新型商业和技术模式,也很好地解决了拜占庭难题,是公认可信的治理结构,在商业市场中发挥积极作用已经为时不远了。这种区块链新型商业和技术模式与传统的互联网+最大的不同是,并不是在互联网技术逻辑基础上的升级,而是与互联网技术商业逻辑处于一种平行或者透镜关系,互联网技术强调的是信息数据的交互和高效传输,区块链+AI组合技术则强调的是价值数据的互联和高效传输,形象的比喻就是前者在做加法,后者则在做减法。

坚信“5G+区块链+AI”时代所呈现出来的包括人类在内的万物价值互联和高效传输以及交易特性的新型商业模式,在这样新型商业和技术逻辑构建起来的自信用商业体系内会自然形成一个高效协同和数据智能的生态链体系,在这个体系内的所有参与人们的主观意识与行为之间在价值发现、创造和传输以及兑现交易等商业行为会高度的达成统一和一致性,使得人们的需求变化与得到满足需求之间的时差几乎为零,趋于达到同步的状态极限。由此可以想象在系统内部完全没有内耗,一切的资产要素排列组合都能即时按照最优解的方式被迅速形成并发生作用,其系统迸发出来的商业价值是否充满着无限的想象呢?金准产业研究团队预期,5G+区块链+AI的技术组合,未来定将迸发出充满无限想象的价值。

金准产业研究 2019中国汽车金融行业研究报告(下)

四、汽车金融的挑战与趋势

4.1汽车金融的挑战

经济下行、监管趋严,中国汽车金融面临六大挑战

金融监管严格:消费金融领域问题频现,监管当局对消费信贷规范化运营提出更高要求

近几年互联网金融快速发展,消费金融领域出现了一系列问题。2017年来,现金贷、P2P频频暴雷,引起了监管当局的重视。从2017年11月央行、银监会发布《关于规范整顿“现金贷”业务的通知》开始,互联网金融、助贷业务受到愈加严格的监管。监管的加强对汽车金融行业的规范化运营提出了更高的要求。

资金成本上升:在经济下行和去杠杆背景下,汽车金融服务机构融资机会减少、资金成本上升

受经济下行和金融机构去杠杆的影响,2018年汽车金融行业面临着融资机会减少、资金成本上升等问题。

金准产业研究团队根据中国债券信息网数据统计,汽车金融相关的资产证券化产品发行次数从2017年的32笔下降至2018年的28笔,同比下降

12.5%;发行金额从2017年的1006.8亿元增加至2018年的1118.9亿元,发行金额虽有小幅增长,但与之前几年的高增长率相比,增长率明显下降。另外,36氪和艾瑞咨询的统计结果显示,2018年中国汽车金融行业的投资次数和投资金额明显下降。

2018年汽车金融资产证券化和股权融资的收缩使得汽车金融服务机构只能选择成本更高的资金来源,融资渠道变窄、资金成本上升。

新车销量下滑:新车销售市场萧条,2018年下半年持续下滑,全年销量出现首次负增长

经济下行背景下,经过30年持续增长的新车销量增长乏力,2018年下半年新车销量持续下滑。中国汽车工业协会数据显示,2018年有7个月的新车销量低于上年同期,全年销量同比下降2.8%,出现了近20年来的首次负增长。目前国内汽车金融的主体是新车金融,新车销量下滑趋势对汽车金融行业的发展提出挑战。

欺诈风险高:互联网平台和融资租赁公司降低了汽车金融门槛,也面临着较高的欺诈风险

汽车金融参与者日益丰富,互联网平台和融资租赁公司降低了汽车金融门槛,使得央行征信体系下的“征信白户”也得以获取汽车金融服务。然而,贷款人信用要求的降低不可避免带来了欺诈风险的提高。汽车金融的欺诈风险主要包括个人欺诈、团伙欺诈、内外勾结欺诈等多种欺诈方式。

目前汽车金融的反欺诈防范主要由百融金服、同盾科技等第三方金融科技公司提供,通过人工智能和大数据等技术识别贷款人身份信息、建立欺诈黑名单,并通过车载GPS、车联网等技术实时监控车辆驾驶行为,避免车辆损失。

消费者恐慌:部分汽车直租平台用户出现“退车难”问题,引起消费者对汽车直租业务恐慌

由于某些直租平台业务不规范,并未向消费者充分说明汽车直租业务的退租注意事项,或消费者对汽车直租产品的认知偏差,近几年,许多消费者反映使用汽车直租产品时出现“退租难” 问题,引起消费者对直租行业的恐慌。

金准产业研究团队认为,直租行业消费者“退租难”问题出现的主要原因包括以下三种情况:

1. 产品不可退:消费者购买的本身是“不可退”产品,因业务员并未详细告知或消费者对产品理解不充分,导致消费者在租赁前认为产品“可退”,从而出现退租纷争;

2. 不符合退租条款:大部分汽车直租产品在租赁期结束后,有一定的退租条款,不符合该条款的车辆无法退租;

3. 平台不规范:部分业务操作不规范的直租平台在租赁期前向消费者承诺“可退租”,但起初并未明示退租条件,待消费者退租时提出一系列消费者难以接受的条件,使得消费者“退租难”。

产品同质化高:随着汽车金融行业的成熟,汽车金融基础产品趋于同质化

汽车金融服务机构主要提供新车贷款、二手车贷款、售后回租、直租等四大类产品。在汽车金融的初期发展阶段,贷款人更关注金融产品本身的价值,汽车金融服务机构多从信贷条件、贷款额度、贷款利率、还款方式等方面进行产品创新来获客。

随着汽车金融行业的发展成熟,对于同一类汽车金融产品,信贷条件、贷款额度、贷款利率、还款方式等基础服务在汽车金融服务机构间的差异越来越小,产品的同质化程度越来越高。汽车金融服务机构的竞争由追求基础产品的创新(如降低利率等)转为提高附加服务的价值,即在提供融资支持的基础上,同时为客户提供更多便捷、有效、个性化、符合客户需求、能有效提高客户体验的贷前、贷中、贷后一站式服务。

4.2汽车金融发展趋势机遇与挑战并行,中国汽车金融呈现七大发展趋势

汽车金融在中国经过20多年的发展,形成了较为成熟的竞争格局。然而,近几年随着经济形势和产业的变化,汽车金融面临着前所未有的挑战。机遇往往与挑战并行,行业的瓶颈通常反而是企业脱颖而出的机会。金准产业研究团队基于桌面研究、企业拜访和专家访谈的结果,总结出中国汽车金融七大发展趋势。

渠道下沉:一二线城市汽车销售市场饱和,区域下沉至三四线城市,小镇青年成汽车金融消费主力

由于车牌限制政策和近几年汽车保有量的提升,一线城市汽车销量市场逐渐趋于饱和,当前中国汽车销售正逐步向低线城市甚至农村地区转移。大搜车官网数据显示,2018年“双十二”当天,通过“弹个车”购买汽车的客户中,三线及以下城市的消费者占比超过60%。汽车消费和汽车金融的区域下沉趋势明显。

中国汽车流通协会发布的《2018年中国汽车市场消费报告》数据显示,80后、90后购车者占74%,是最主要的新车购买人群。这部分人群是更具个性化消费需求的消费群体,对消费信贷的接受程度高。随着80后、90后甚至00后成为汽车销售的消费主体,他们也将成为汽车金融的消费主体。

附加服务竞争:随着基础产品逐渐趋于标准化、同质化,企业竞争转移至附加服务能力

随着不同汽车金融服务机构间基础产品逐渐趋于标准化、同质化,汽车金融服务机构的竞争将从提高贷款利率等基础金融产品转移至提供附加服务的能力。

汽车金融的附加服务包括但不限于贷中和贷后的汽车保险、保修、保养,以及把还款情况良好的客户加入信用白名单等,实现客户体验的最佳化、便捷化。通过汽车金融服务机构提供的附加服务,客户使用汽车金融将不再仅仅是出于融资需要,而是能在整个汽车使用周期中获得全方位的服务。

直租爆发:汽车“以租代购”模式兴起,汽车直租迎来爆发式增长

公安部数据显示,截至2018年底,全国汽车保有量达2.4亿辆,比2017年增加2285万辆,增长10.51%。从车辆类型看,小型载客汽车保有量首次突破2亿辆,比2017年增加2085万辆,增长11.56%,是汽车保有量增长的主要组成部分;私家车持续快速增长,2018年保有量达1.9亿辆,近五年年均增长1952万辆。然而,汽车保有量虽然继续增长,但是增长速度明显放缓,金准产业研究团队认为,中国汽车即将进入存量市场。

中国“以租代购”的汽车直租业务从2016年开始兴起。金准产业研究团队根据公开数据统计,截至目前为止,通过汽车直租方式获得汽车使用权或转化为购车的车辆规模大约有200万辆左右。与2.4亿辆汽车保有量相比,汽车直租所占的比例还很小。

随着消费年龄的下沉,年轻的消费群体更容易接受通过直租的方式获得汽车使用权而非购买汽车获得所有权。金准产业研究团队认为,未来的三到五年,汽车直租模式将迎来爆发式增长。

新业态起步:二手车市场发展空间大,二手车金融将成为汽车金融市场的重要主体

在新车销量下滑的情况下,二手车销量依然不断攀升。2018年中国二手车与新车比例为0.49:1,对比2016年和2017年有了明显提升;根据凤凰网报道, 2014年美国二手车与新车销量比例超过2.5:1,2015年德国二手车与新车比例为2.37:1,日本为1.45:1 。对比汽车金融市场发达国家,中国二手车销量市场上升空间还很大。随着限迁制度的放开,二手车销量还将进一步增长。

金准产业研究团队根据中国汽车流通协会数据计算,2018年二手车交易金额达8597亿元,以20%的渗透率估计,2018年中国二手车金融的市场规模为1719亿元,远低于新车金融市场规模。二手车金融将成为未来汽车金融市场的重要主体。

新业态起步:新能源汽车逆势增长,未来将成为汽车金融新的增长点

车牌限制、技术进步、环境污染等因素促进了新能源汽车的发展。2018年新能源汽车销量126万辆,占新车销量的4.5%,总交易量不大,但2013年以来维持持续增长态势,2018年增长率高达61.7%,增长潜力巨大。

德勤2018年6月发布的《德勤全球汽车消费者调查——亚太区全景》数据显示,中国消费者在下一辆车中更倾向于使用混合动力的比例超过50%,高于日本、韩国等亚洲其他国家,将会进一步促进中国新能源汽车的销售。同时,国家从提高新能源汽车最高贷款比例、补贴、双积分政策等多方面鼓励新能源汽车的发展。金准产业研究团队认为,新能源汽车未来将成为汽车金融新的增长点。

金融科技应用:汽车金融从纯人工时代向注重智能风控过渡,未来重视智能化客户服务

金融的一个核心概念是风险溢价,风险对于金融行业的重要性不言而喻,汽车金融也不例外。

随着金融科技的发展,科技的应用已经开始渗透到包括汽车金融在内的各个金融细分领域。目前,科技在汽车金融的应用主要是提高风控水平,处于从纯人工时代到开始注重智能风控的过渡阶段。

随着汽车金融的发展和消费者需求的变化,汽车金融对金融科技的应用需求越来越广。对于汽车金融的客户而言,选择不同的汽车金融方式获得的基础服务如贷款方式、贷款利率、还款方式将随着信息不对称的减少而逐渐趋同,汽车金融服务机构很难再通过降低价格和成本的方式获得竞争优势;另一方面,消费主体向80后、90后、00后转移,将会更加注重附加服务的体验。未来金融科技在汽车金融的应用将会更加广泛,从注重风控向同时注重风控与智能化客户服务转变。

马太效应凸显:汽车金融头部机构更容易获得低成本资金来源和更广阔的渠道,中小型机构或逐渐被淘汰

汽车金融行业经过20多年的发展,已经进入多元化发展阶段。在严格的金融监管和市场的优胜劣汰下,汽车金融行业将会出现“马太效应”,强者愈强、弱者愈弱。

汽车金融头部机构更容易获得低成本的资金来源和更广阔的渠道,在现有市场格局中建立更高的竞争壁垒;中小型机构业务规模相对较小,又遭遇近几年经济下行和监管合规风险,如果不能及时建立新的竞争优势,将面临被淘汰或被迫转型的局面。

金准产业研究团队预测,短期汽车金融服务机构将面临合规大洗牌,在之后的3到5年间,头部企业逐渐突出,中小企业逐渐退出竞争。

产业链合作:公司间加强合作,打通全产业链成为汽车金融服务机构重要竞争优势

随着汽车金融行业逐步规范化,汽车金融产品逐步标准化,产品的创新难以成为汽车金融服务机构的竞争优势。对于汽车金融服务机构而言,需要通过创新经营方式来建立新的商业壁垒。

打通全产业链成为汽车金融服务机构的重要竞争优势。汽车金融服务机构的上游包括资金来源、车辆来源等;汽车金融服务机构的下游包括汽车后市场的相关服务,包括保险、维修、保养等。

近年来,部分汽车金融服务机构已经开始加强汽车产业链建设,通过自建链条、与产业链上下游企业合作、建立战略投资关系等方式来建立产业链优势。

金准产业研究 2019中国汽车金融行业研究报告(上)

前言

2018年于汽车产业而言是曲折的一年。新车销量经过30年快速增长后,从2018年下半年始连续下滑,甚至出现首次全年负增长。汽车金融作为汽车产业链的重要一环,也面临着前所未有的挑战和困难。除了市场的萧条,汽车金融行业还面临着更加严格的监管,未来的汽车金融是举步维艰还是另有蹊径?

一、汽车金融概述

1.1汽车金融发展历程

汽车金融的定义有广义和狭义之分。广义汽车金融贯穿整个汽车产业链,包括汽车研发设计、生产、流通、销售、售后等各个环节的金融活动;狭义汽车金融指在汽车销售阶段为汽车购买者及销售者提供的金融服务。

本报告研究范围是狭义汽车金融,可分为零售汽车金融和经销商汽车金融两部分:

1. 零售汽车金融:为消费者购买新车或二手车提供的金融服务,包括新车贷款、二手车贷款、售后回租、直租等。

2. 经销商汽车金融:为汽车经销商、4S店、代理商等汽车销售者采购汽车和营运设备提供的金融服务,包括库存融资、展示厅建设贷款、零配件贷款、维修设备贷款等,其中最主要的是库存融资业务。本报告对经销商汽车金融的研究以库存融资为主。

2008年起,中国汽车金融行业进入多元化竞争阶段

1993年,北京兵工汽车贸易有限公司提出分期付款购车的概念,汽车消费信贷初现;1995年,金融机构开始参与汽车消费信贷业务,中国的汽车金融自此萌芽。中国的汽车金融行业发展至今20多年,经过萌芽、爆发、调整、振兴四个阶段之后,从2008年起已经进入多元化竞争阶段。

零售汽车金融由四类主要参与者构成,经销商汽车金融由三类主要参与者构成

金准产业研究团队把零售汽车金融参与者分为四类:商业银行、汽车金融公司、互联网平台和融资租赁公司;经销商汽车金融参与者分为三类:商业银行、汽车金融公司和互联网平台。

商业银行、汽车金融公司和部分互联网平台(如优信、灿谷)既是零售汽车金融的主要参与者,也是经销商汽车金融的主要参与者;部分互联网平台只参与零售汽车金融(如花生好车);部分互联网平台只提供经销商汽车金融产品(如58车商贷);融资租赁公司是零售汽车金融的主要参与者之一。

汽车金融服务机构图谱

1.2汽车金融发展驱动因素

政策、经济、社会、技术因素利好,促进中国汽车金融行业发展

2008年起,中国汽车金融进入多元化发展阶段,2016年市场规模首次过万亿,且仍在不断增长。政策、经济、社会、技术等四个方面都有利好因素,促进中国汽车金融行业发展。

政策上,近年来多部鼓励汽车流通和消费升级的政策陆续出台,促进汽车金融发展;经济上,城乡居民消费水平上升,信贷规模高速增长;社会上,消费观念升级,超前消费理念促进互联网消费和消费信贷发展;技术上,人工智能和大数据等技术提高了汽车金融的效率和风控能力。

政策:近三年政策鼓励汽车流通和消费升级,促进汽车产业和汽车金融行业发展

1998年银监会发布《汽车贷款管理办法》以来,汽车金融相关政策陆续出台,汽车金融市场秩序逐步规范。2008年新版《汽车金融公司管理办法》发布,汽车金融业务多样化初现。近三年来,各监管机构相继发布鼓励汽车流通和消费升级的相关政策,促进汽车产业和汽车金融行业的发展。

经济:农村居民和城镇居民消费水平持续上升,消费升级趋势继续维持;消费信贷规模高速增长,且增长潜力大

中国国家统计局数据显示,近五年农村居民和城镇居民消费水平持续上升,其中城镇居民消费水平增长率稳定保持在7%左右,农村居民消费水平增长率保持在10%左右,消费升级趋势继续维持。

根据中国人民银行发布的数据,消费信贷规模在过去几年迅速增长,增长率保持稳定。2013-2018年短期消费贷款复合增长率达到28.6%,中长期贷款(包括汽车贷款和住房贷款)达到22.7%。金准产业研究团队根据近六年复合增长率预测,2019年中国短期消费贷款规模将突破10万亿元,达到11.3万亿元;中长期消费贷款规模将达到35.6万亿元。

社会:消费观念升级,超前消费理念促进互联网消费和消费信贷发展

80后、90后、00后被称为“新一代”消费者。BCG数据显示, 新一代消费者2016至2021年城镇消费额复合增长率为11%,是上一代消费者(50后、60后、70后)的2倍多;同期新一代消费者的贡献率达到69%,远高于上一代的31%。消费主体呈现年轻化趋势。

根据艾瑞咨询2016年的调研结果显示,在18-40岁的年龄范围内,“未使用过分期消费,且不想尝试使用”的比例随着年龄的升高而升高,年轻人对分期消费的使用程度和认可度比中年人高。相比中年人,伴随着互联网成长的“数字原住民”更容易接受新兴事物和观念。在共享经济的熏陶下,他们更注重商品的使用权而非所有权。

随着80后、90后、00后成为消费市场主力军,消费观念升级趋势将愈加明显,促进互联网消费和消费信贷发展。

技术:人工智能等技术迅速发展,汽车金融效率提升;大数据持续积累,风险模型进一步完善

云计算、区块链、人工智能等技术的提升,使得面部识别、OCR识别、电子面签、电子合同、违约风险预警、机器人催收等自动化流程的实现速度和准确率大幅度提高,汽车金融效率提升、成本降低、客户体验提高。

互联网经过20多年的发展,传统征信数据不断完善的同时,也积累了大量如互联网金融数据、运营商数据、电商数据、社交数据等可用于补充传统征信数据的外部数据,使得风险模型进一步优化,风控水平进一步提高。

1.3汽车金融市场现状

中国汽车金融渗透率提升空间大、增长潜力大

根据罗兰贝格数据显示,2015年中国汽车金融渗透率为35%,远低于英国、美国、德国等成熟汽车金融市场,仅为全球平均水平的一半,中国汽车金融渗透率提升空间大。

近几年,受到汽车产业蓬勃发展、各领域资金需求显著上升、超前消费理念逐渐被大众所认可及越来越多的消费者选择贷款购车等因素的影响,汽车金融整体渗透率明显提升,截至2017年末,汽车金融渗透率达到40% 。罗兰贝格估计,中国汽车金融渗透率预计在2022年超过50%。随着中国汽车产业和金融产业的日益成熟,汽车金融的渗透率进一步提升的潜力大。

2017年中国汽车金融市场规模达到1.2万亿元,仍处于高速增长阶段

根据《中国汽车工业年鉴》数据显示,汽车金融从2016年起已达到万亿元的市场规模,在2017年达到1.2万亿元,增长率为20%,2010年至2017年的复合增长率为26%。

汽车金融业务在过去七年持续高速增长,以2010年至2017年的复合增长率26%预测,金准产业研究团队估计中国汽车金融市场规模将于2020年超过2万亿元,达到2.4万亿元。

零售汽车金融信贷期限相对较长,市场规模大于经销商汽车金融市场

零售汽车金融和经销商汽车金融的信贷期限、市场规模有所差异:

1. 零售汽车金融:主要为消费者购买汽车提供金融服务,期限较长,一般超过1年,最长可达5年;零售汽车金融的资产端为分散的消费者,信贷期限长,资金流动缓慢,市场规模相对较大;

2. 经销商汽车金融:主要为经销商、4S店、汽车代理商等汽车销售方批量采购汽车和营运设备提供融资服务,由于汽车销售回款快,因此经销商汽车金融期限较短,一般为6个月左右,最长不超过1年。经销商的资产端为相对集中的经销商、4S店、汽车代理商等企业,信贷期限短,资金流动速度快,市场规模相对较小。

二、零售汽车金融

2.1零售汽车金融概述

零售汽车金融产品主要包括新车贷款、二手车贷款、售后回租、直租等

零售汽车金融是汽车金融服务机构在在汽车销售环节,为消费者购买新车和二手车提供的金融服务,产品主要包括新车贷款、二手车贷款、售后回租、直租四种信贷模式。

新车贷款和二手车贷款主要在最高贷款比例、贷款期限、贷款利率、还款方式上有所差异

新车贷款和二手车贷款主要在最高贷款比例、贷款期限、贷款利率、还款方式上有所差异:

1. 最高贷款比例:根据央行、银监会发布的《关于调整汽车贷款有关政策的通知》,自用传统动力汽车贷款最高发放比例为80%,商用传统动力汽车贷款最高发放比例为70%,自用新能源汽车贷款最高发放比例为85%,商用新能源汽车贷款最高发放比例为75%;二手车贷款最高发放比例为70%。

2. 贷款期限:根据央行、银监会发布的《汽车贷款管理办法》,汽车贷款的贷款期限(含展期)不得超过5年,其中,二手车贷款的贷款期限(含展期)不得超过3年。

3. 贷款利率:由于二手车估值缺乏官方评估机构,价值稳定性差,所以二手车贷款利率比新车略高。

4. 还款方式:新车贷款还款方式多样,以平安银行为例,平安银行的还款方式包括期供类和非期供类,如等额本金、等额本息、一次性还本付息、按月付息到期还本、有尾款气球贷等;二手车贷款还款方式主要是按月等额本金或等额本息还款。

售后回租是类信贷的融资租赁模式,直租是所有权与使用权分离的“以租代购”的融资租赁模式

售后回租是类信贷的汽车融资租赁模式。消费者通过汽车销售者(如经销商)购车后,通过回租协议把汽车所有权名义上转移至出租方以获得购车资金(一般不办理登记);租赁期间,消费者向出租方支付租金(实为分期还款),租赁期满后消费者对汽车的所有权转回。

直租是所有权与使用权分离的“以租代购”的融资租赁模式。出租方根据消费者的需求购买汽车,再通过直租协议把所购汽车出租给消费者,消费者在租赁期间只有使用权而无所有权;租赁期满后,消费者可以有多种选择:续租、退租或付尾款以获得汽车所有权。

2.2零售汽车金融四大参与者

零售汽车金融市场有四大参与者,分别为商业银行、汽车金融公司、互联网平台和融资租赁公司。

商业银行:凭借低资金成本、先入优势和信誉,在零售汽车金融行业享有最大份额

1998年中国银监会出台《汽车贷款管理办法》开始,商业银行的汽车信贷业务进入正式发展阶段。在2004年汽车金融公司入场前,银行一直是零售汽车金融市场的垄断者。近几年,随着汽车产业和金融产业的发展成熟,零售汽车金融进入了多种参与者共存的多样化竞争阶段,但商业银行凭借其低资金成本、先入优势和信誉,在零售汽车金融行业依然享有最大份额。

目前,商业银行中,着力布局零售汽车金融的主要是股份制银行和城商行。与对公业务相比,零售汽车金融分散、单个贷款金额小,对大银行的吸引力相对较弱。但随着消费者需求的增长,大型商业银行也陆续开始在零售汽车金融上发力。

同其他零售汽车金融参与方相比,商业银行的资金来源于客户存款,资金成本最低;但申请贷款的信用门槛高,手续繁杂、申请和审批的流程都较长;另一方面,作为综合性的金融服务机构,商业银行在零售汽车金融业务中缺乏汽车消费的场景优势和对于汽车金融的专业风控评估能力。

商业银行:主要提供传统汽车贷款和信用卡分期;信用卡分期审批流程快,但总成本略高

商业银行提供的零售汽车金融产品主要是传统汽车贷款和信用卡分期,其中汽车贷款在商业银行零售汽车金融业务中占比约70%,信用卡分期占比30%:

1. 汽车贷款:在商业银行传统汽车贷款下,商业银行与经销商、4S店或助贷机构合作,经过详细的信息审核等风险管理措施,对符合放贷要求的汽车购买者发放汽车贷款。

2. 信用卡分期购车:随着商业银行对零售银行业务布局的逐渐扩大,部分银行(如招商银行)也开始向信用卡持有者提供信用卡分期购车服务。与传统汽车贷款相比,信用卡分期购车针对已拥有信用卡的人群,对信贷要求更高,但审批相对传统的汽车贷款流程更快;信用卡分期需要收取一定的手续费,总成本比汽车贷款略高。

平安银行:应用金融科技实现汽车金融贷款流程自动化、智能化、场景化

平安银行的汽车消费信贷业务始于2002年,2011年设立事业部。2012至2018年,平安银行的汽车金融业务快速增长。从2017年起,平安银行个人汽车金融贷款余额已达到千亿规模,2018年末为1720亿元。2018年11月,平安银行经银保监会批准筹建汽车消费金融中心,在汽车消费金融方面继续重点发力。

平安银行通过官方网站、微信公众号等多种渠道提供线上服务。客户可以通过官方网站和微信公众号实时查询贷款进度、查看贷款账单和还款信息,并获取实时的在线机器人和人工服务。

在金融科技的应用方面,平安银行通过大数据、云计算、区块链、人工智能等技术实现汽车贷款的“秒批+秒放”,2018年末汽车金融业务整体系统自动化审批占比达75%。从自动申请、自动审批、远程面签到实时放款,平安银行应用金融科技实现汽车金融贷款的自动化、智能化、场景化。

汽车金融公司:依托主机厂或经销商,有渠道优势;但一般只为主机厂股东提供服务,业务开展范围有一定的局限性

根据《汽车金融公司管理办法》,汽车金融公司“主要出资人须为生产或销售汽车整车的企业或非银行金融机构”。截至目前,经银保监会批准设立的汽车金融公司共有25家,其中24家主要出资人为主机厂,1家主要出资人为经销商(上海东正汽车金融)。

持牌汽车金融公司能开展银行同业拆借并利用全国银行同业间拆借市场的资金,资金成本较低,且由于有主机厂贴息,因此贷款利率一般较低。汽车金融公司与主机厂或经销商紧密相连,与其他汽车金融参与者相比有渠道优势。但汽车金融公司一般只为主机厂股东品牌提供服务,业务开展范围有一定的局限性。

汽车金融公司:零售贷款业务增长率高且稳定,处于快速发展阶段

汽车金融公司提供的零售汽车金融产品包括汽车贷款(包括新车和二手车)、汽车直租和助贷。

汽车金融公司的零售贷款是指汽车金融公司为汽车消费者提供的汽车贷款服务,包括新车贷款和二手车贷款。由于除东正金融外,其余24家汽车金融公司均与主机厂相关联,因此主机厂汽车金融公司主要为股东主机厂所生产的汽车提供汽车金融服务。

汽车金融公司的零售贷款余额在2017年末达到5603.2亿元,零售贷款余额在过去四年持续增长,2017年增长率达到31.4%,2013至2017年的增长率围绕30%上下波动。金准产业研究团队认为,汽车金融公司的零售贷款业务还处于快速发展阶段。

汽车金融公司:随着消费者需求的多样化和对融资租赁业务的认可,汽车金融公司将逐渐开始布局直租业务

2008年新版《汽车金融公司管理办法》发布开始,经银保监会批准,汽车金融公司可以开展汽车直租业务。2008年10月,上汽通用汽车金融成为首家获准开展汽车直租业务的汽车金融公司。汽车金融公司的融资租赁业务规模较小,但增长率高。以2017年末数据为例,零售贷款余额为5603.2亿元,融资租赁余额仅为60.4亿元,占汽车金融公司零售汽车金融业务的1.1%,2017年增长率达187.6%。

2018年11月,上汽通用融资租赁有限公司在上海正式成立并开业运营。上汽通用融资租赁公司由上海汽车金融集团金控管理有限公司、通用汽车金融有限公司、上汽通用汽车有限公司共同出资成立,主要从事个人直租和回租业务、公司和政府租赁业务,支持共享汽车,进行新能源汽车推广等。随着消费者需求的多样化和对融资租赁业务的认可,汽车金融公司将会逐渐开始布局直租业务。

东正金融:国内唯一一家经销商集团控股的汽车金融公司,专注于豪华汽车市场

上海东正汽车金融有限公司(以下简称“东正金融”),由汽车经销商正通汽车出资95%、东风汽车集团有限公司出资5%设立,是国内唯一一家经销商集团控股的汽车金融公司。

东正金融提供的零售汽车金融业务包括自有资金放贷、联合放贷、汽车直租和助贷等。

与其他汽车金融公司相比,具有经销商背景的东正金融品牌覆盖范围相对更广。东正金融专注于豪华品牌汽车,为包括保时捷、宝马、梅赛德斯-奔驰、奥迪、捷豹、路虎、沃尔沃在内的逾20个豪华品牌提供零售贷款,覆盖全国159个城市的共986个经销商。

互联网平台:提供汽车贷款、售后回租、直租、助贷等多种汽车金融信贷方式,其中直租和助贷是最主要的两种方式

汽车金融互联网平台包括助贷平台、汽车交易平台和其他开展汽车金融业务的互联网平台。汽车金融互联网平台提供的金融产品多样,包括汽车贷款(包括新车和二手车贷款)、售后回租、直租、助贷等多种汽车金融信贷方式,其中直租和助贷是互联网平台参与汽车金融最主要的两种方式。

汽车金融互联网平台利用流量优势获取客户,为汽车购买者提供汽车资讯查询、汽车交易、金融方案选择等多种服务。汽车金融互联网平台可同时涉及多品牌,产品更具多样性,且贷款要求相对较低,审批速度快。与商业银行和汽车金融公司相比,互联网平台融资成本较高,客户相对下沉,贷款门槛低,出现坏账的概率也更大。

互联网平台:互联网平台提供的汽车直租主要有“1+N”和“N+0”两种模式

在汽车金融直租方式下,出租方根据购车者的需求从经销商处购得汽车,再出租给承租方。承租方在租赁期间只有使用权而无所有权,汽车的所有权在出租方名下。消费者通过直租方式获得汽车使用权,不受汽车贷款的最低首付限制,一般只需支付10%甚至0首付即可租车。互联网平台提供的直租方式主要有“1+N”和“N+0”两种模式。

1. 直租的“1+N”模式中,最常见的为“1+3”模式。以大搜车旗下汽车金融产品“弹个车”为例,弹个车根据消费者的信用和所购车辆情况确定首付比例,消费者第1年以租赁的形式获得车辆使用权,第二年起可以自主选择续租、付尾款购车或退租。

2. 直租的“N+0”模式即N期分期付款、0款购车的模式,“N+0”最常见的为36期或48期。以花生好车为例,消费者在租赁期间按月支付租金;租期结束后,也相当于支付了整个购车的费用,车辆归消费者所有。

互联网平台:助贷模式兴起,同时满足银行和助贷机构双方的诉求

助贷业务(又称“贷款促成业务”)是互联网平台参与汽车金融业务的重要模式。助贷模式下,助贷机构为银行等资金端提供客源、风控和贷后管理,通过收取担保费用等形式获得收入;银行通过助贷机构获取客户,并发放贷款,向助贷机构支付相应的费用;汽车消费者从银行获得贷款后,直接向银行还款。

助贷模式同时满足了银行和助贷机构双方的诉求:对于银行而言,尤其是中小银行,助贷模式克服了银行汽车金融消费场景不足的缺点,同时为银行提供了更多信贷相关的数据和技术支持;对于助贷机构而言,助贷模式不仅为助贷机构提供了成本较低且稳定的资金来源,还使得助贷机构能借助银行的牌照在汽车金融业务里分一杯羹。

近几年互联网金融快速发展,消费金融领域出现了一系列问题。从2017年11月央行、银监会发布《关于规范整顿“现金贷”业务的通知》开始,监管当局对银行助贷业务监管愈加严格,对汽车助贷业务的开展带来了挑战。

融资租赁公司:业务经营和监管规则职责划转至银保监会,面临更严格的准入条件和监管要求

中国的融资租赁公司分为金融租赁公司、内资融资租赁公司和外资融资租赁公司。金融租赁公司属于银行业金融机构,归银监会监管。

2018年5月,内外资融资租赁公司的业务经营和监管规则职责由商务部转为银保监会,面临更加严格的准入条件和监管要求,短期一些不合规、中小规模的融资租赁公司可能面临着出局风险。

中国的汽车融资租赁服务在20世纪80年代就开始崭露头角,企业用融资租赁方式规避国家对企业汽车使用级别和数量的限制。在此后长达20多年的时间里,汽车融资租赁被屡禁不止,直到2004年,汽车融资租赁才开始被“正名”。近几年,汽车融资租赁迅速发展,成为汽车金融重要的信贷方式。

融资租赁公司:包括商业银行系、主机厂系、经销商系和专业租赁系

汽车融资租赁公司根据股东背景,可以分为商业银行系、主机厂系、经销商系和专业租赁系。四类汽车融资租赁公司在资金来源、车辆来源、资金成本、业务流程等方面各有优劣势:

1. 商业银行系:资金来源稳定且成本最低,租赁价格相对较低,但对承租人的信用要求最高,审批时间长;

2. 主机厂系:车源稳定,购车成本最低,且能够通过同业拆借方式获取较低资金成本,租赁价格较低;

3. 经销商系:凭借经销商背景,能够为承租人提供丰富的品牌和车型选择,且相对其他类型融资租赁公司而言,渠道优势最明显,获客能力最强;

4. 专业租赁系:在融资租赁业务上有丰富的经验,能够提供最优化的租赁流程,但在资金成本和渠道上稍有劣势。

融资租赁公司:主要提供回租业务,预计未来将逐步提高直租份额汽车融资租赁具有多种业务形式,包括直租、售后回租、杠杆租赁、委托租赁、转租赁等。中国汽车融资租赁业务模式主要是售后回租和直租,其中售后回租目前占据汽车融资租赁的份额超过75%。售后回租是类信贷的汽车融资租赁方式,承租人通过回租协议,在租赁期间名义上把汽车所有权转让给出租方,但大多数情况下并不会去公证部门登记,承租人实际上拥有汽车的所有权;直租是所有权与使用权分离的融资租赁方式,承租方在租赁期间始终没有汽车所有权。

根据罗兰贝格数据显示,2017年中国新车融资租赁渗透率为4%,占新车金融渗透率不足10%,其中新车直租的渗透率为1%;然而,2017年美国新车融资租赁的渗透率为30%,德国为20%,法国为16%,占新车金融渗透率超过20%,且基本都是直租。随着消费观念的升级和汽车金融市场的逐步成熟,消费者将更注重汽车的使用价值而非所有权,汽车直租模式也将逐步兴起。

2.3金融科技在零售汽车金融的应用

零售汽车金融的科技应用涉及贷前、贷中、贷后的汽车金融全链条,并形成闭环

零售汽车金融的科技应用包括人工智能、云计算、大数据、区块链等,应用范围涵盖贷前、贷中、贷后整个汽车金融链条,形成闭环。

在贷前环节,金融科技主要用于优化贷款流程,并通过使用多样化大数据来优化风险模型以提高风险控制能力;在贷中环节,金融科技主要用于为客户提供附加服务、提前进行违约风险预警;在贷后环节,金融科技主要用于优化逾期贷款催收方式,并收集汽车金融服务流程的信用数据用于下一轮服务征信,形成信用闭环,辅助二次营销。

贷前:人工智能优化贷款流程,大数据构建新型信用机制,提高风控能力

金融科技在零售汽车金融贷前主要应用在优化贷款流程和提高风控能力两方面:

1. 贷款流程优化有赖于人工智能的应用。生物识别、OCR识别等技术提升面签和审核效率,电子面签、电子合同实现贷款流程全线上化,使得汽车购买者可以远程贷款,免去到店成本,提高贷款体验;对于零售汽车金融资金端而言,贷款流程优化降低了人力成本,有利于实现低成本扩张。

2. 互联网大数据对传统征信数据进行了极大的补充,提高了汽车金融服务机构的风险控制能力。互联网在中国经过20余年的发展,积累了大量如运营商数据、电商数据、消费信贷数据等外部数据作为传统征信数据的补充。传统征信数据的积累和外部数据的补充完善了风险模型,并使得央行体系下的“征信白户”也有机会获得汽车金融服务。另外,商业银行和汽车金融公司以外的汽车金融参与方,面临着个人欺诈、团伙欺诈、内外勾结欺诈等欺诈风险,大数据在构建反欺诈模型方面也起着重要作用。

贷前:生物识别、OCR识别等技术提高零售汽车金融面签效率和审核效率,降低退单率

生物识别和OCR识别技术在零售汽车金融的应用实现了远程面签和自动化审批流程,提高面签效率和审核效率,降低人工成本,降低汽车贷款人在等待期间的退单率。

贷前:电子签名、电子合同实现汽车金融远程签约,降低门店扩张成本

通过电子签名、电子合同等技术实现远程签约,零售汽车金融服务机构得以为客户提供远程服务,降低人工成本和门店扩张成本。

汽车金融电子合同的签订主要包括实名认证、意愿认证、电子签名、数据存证四个步骤:

1. 汽车金融服务机构通过公安机关等部门获取个人实名信息、通过工商部门等机构获取企业实名信息,进行个人或企业实名认证,防止身份冒用、欺诈等风险;

2. 实名认证后,电子合同签署前通过短信验证或生物识别等方式进行意愿认证,保证签约行为是签约人真实意愿;

3. 实名认证和意愿认证通过后,汽车贷款人通过数字证书、电子印章系统、时间戳、数字签名验签等方式进行电子签名;

4. 汽车金融合同签署的整个签署场景通过原文存证、摘要存证、区块链存证等方式进行存证。

贷前:大数据补充传统征信数据,完善风控模型、提高反欺诈能力

1997年,银行信贷登记咨询系统筹建,中国的征信系统开始建立;1998年银行信贷登记咨询系统在15个城市进行试点;2002年,银行信贷登记咨询系统实现全国联网查询;2006年,央行征信中心设立,明确其金融信用信息基础数据库的定位。截止2018年8月底,央行征信系统有9.7亿自然人建立了信用档案,但其中没有信贷记录的超过50%,如学生群体和农民群体。央行征信系统的信用信息来源是传统金融机构,很难实现金融机构之外的信用信息覆盖。央行征信系统下没有信贷记录及系统外的长尾客户亟需外部数据实现征信信息的补充。

目前,用于汽车金融的信用信息除央行征信数据外,还包括个人和企业在行政司法系统留下的负面履约信息和互联网金融、电商、运营商等新兴领域的信用数据。

贷中:为汽车金融资产端提供附加服务,为资金端提供提前风险预警

在零售汽车金融贷中环节,人工智能等技术和大数据将继续发挥作用,为汽车金融资产端提供附加服务,为资金端提供提前风险预警。

机器学习和大数据等技术使得汽车金融贷款的“千人千面”得以实现,差异化的购车需求和信用情况使得购车贷款方式、额度和价格更加多样化和个性化。金融科技使消费者能够享受更多个性化的附加服务。

发放贷款后,金融科技持续为汽车金融服务机构进行客户信用数据追踪和客户管理,对客户的车辆使用情况和客户还款情况、信用情况进行实时监控,对可能出现的逾期进行提前预警,提高汽车金融服务机构的风险管理能力。

贷中:贷中的反欺诈和风险预警通过“车”和“人”两方面的共同监控和追踪实现

在零售汽车金融贷中,金融科技持续为资金端提供反欺诈支持和提前风险预警。贷中的反欺诈和风险预警主要通过对“车”与“人”两方面的共同监控和追踪实现。对车的监控主要依赖于车载GPS和车联网大数据的应用,实时监控车辆驾驶轨迹,及时发现异常驾驶行为,防范欺诈行为;对人的关注主要是追踪客户的还款行为和其他信用情况,对可能发生的逾期行为进行提前预警,降低违约率,提高风控能力。

贷后:优化逾期贷款催收方式,并收集和管理客户信息,形成信用闭环,辅助二次营销

零售汽车金融贷后面临的主要是贷款逾期问题。逾期发生时,汽车金融服务机构需要催收贷款,逾期严重者还需要追回汽车,减少资产损失,保全资产。金融科技的引入优化了催收方式,使用没有情绪的机器人进行提醒和催收反而更加“人性化”;GPS风险控制平台的应用使得逾期汽车的定位和追回更加可靠。

无论贷款是否逾期,汽车金融贷款的一次完整流程就已经实现了新一轮的信用信息采集。汽车金融贷后,金融科技还将继续为汽车金融服务机构进行客户管理,形成可循环使用的客户数据库。金融科技的引入在优化客户使用汽车金融服务体验的同时,还为下一轮汽车金融业务保留了新的信用数据,形成信用闭环,辅助二次营销。

贷后:智能催收代替人工催收,提高催收效率和成功率、提升客户体验

在零售汽车金融发生逾期后,人工电催、上门催收是传统的催收方式。在传统催收方式下,汽车金融服务机构主要采取人工方式进行催收,一旦客户出现逾期,则会有专门的催收人员进行电话催收、上门催收等,传统催收方式不仅人工成本高、效率低,而且难以管理催收人的情绪,客户体验差。

为提高催收效率,同时减少暴力催收等违规催收行为的发生,汽车金融服务机构应用互联网、人工智能、大数据等技术建立智能催收系统。在智能催收系统下,不仅使用没有情绪的机器人来代替人,使得催收过程更加“人性化”,提高客户体验,还根据客户的信贷情况进行催收评分,提高催收成功率。

金融科技公司争相进入零售汽车金融场景,提高零售汽车金融效率,促进零售汽车金融健康发展

随着零售汽车金融行业的蓬勃发展,金融科技公司也开始争相进入零售汽车金融场景,提供覆盖零售汽车金融贷前、贷中、贷后全流程解决方案,在汽车金融领域分一杯羹。金融科技公司的加入不仅提高了零售汽车金融的效率和风控,还改变了原有零售汽车金融市场的结构,促进零售汽车金融市场的健康发展。

三、经销商汽车金融

3.1经销商汽车金融概述

经销商汽车金融是为经销商采购汽车和营运设备提供的金融服务,缓解经销商短期现金流压力

经销商汽车金融是为汽车经销商、4S店、代理商等汽车销售方采购汽车和营运设备提供的金融服务,主要包括新车和二手车库存融资、展示厅建设贷款、零配件贷款、维修设备贷款和其他汽车销售环节为经销商提供的金融服务等,以缓解经销商等汽车销售方短期现金流压力。

随着经销商扩大库存的需求不断增长及供应链金融的持续发展,经销商汽车金融市场发展迅速

随着经销商扩大库存的需求不断增长及供应链金融的持续发展,经销商汽车金融市场发展迅速。

东正金融招股书数据显示,中国经销商贷款的总贷款金额2013年为2551亿元,2017年达到4968亿元,四年的复合增长率为18.1%。金准产业研究团队以2017至2022年9.5%的复合增长率估计,中国经销商汽车金融的市场规模预期将在2022年达到7821亿元。

根据中国银行业协会公布的数据,汽车金融公司2017年末经销商贷款余额为1024.6亿元,2013至2017年的复合增长率为16.5%,低于中国经销商总贷款金额复合增长率,尤其是2014至2015年的增长率急剧下降,主要是由于市场新参与者不断加入,市场竞争加剧。

库存融资以1年内到期的短期资金贷款为主,一般需要以合格证或库存车辆作为抵押或质押担保

库存融资是指汽车金融服务机构在以经销商为代表的汽车销售方采购车辆时提供的汽车金融产品。库存融资以1年内到期的短期资金贷款为主,最常见的为6个月左右的“厂商银三方协议”贷款或流动资金贷款,资产端包括汽车经销商、4S店、汽车代理商、汽贸公司、二手车商等,资金端主要是商业银行、汽车金融公司和互联网平台。除与主机厂密切关联的汽车金融公司外,库存融资一般需要以车辆合格证或库存车辆作为抵押或质押担保。本章描述的经销商汽车金融业务主要以库存融资业务为例。

3.2经销商汽车金融三大参与者

经销商汽车金融主要有三大参与者,商业银行和汽车金融公司规模最大,互联网平台资金实力差、风险高,占据份额最小

经销商汽车金融主要由三大参与者构成,分别是商业银行、汽车金融公司和互联网平台。

商业银行和汽车金融公司主要提供新车经销商汽车金融,二手车经销商汽车金融则主要由互联网平台提供。

商业银行和汽车金融公司有稳定的资金来源和贷款场景,市场占有率最高,规模最大;互联网平台资金成本高、资金断裂风险高,占据的份额最小,仅作为商业银行与汽车金融公司的补充。

经销商通过商业银行和互联网平台贷款时,需要向资金端提供车辆合格证,没有合格证的车辆无法上路和转让,因此以合格证作为质押担保,能有效保障经销商贷款的履行;汽车金融公司与经销商关联密切,一般无需质押合格证。

商业银行通常以票据形式提供资金,一票一贷,需票据到期方可进行下一轮贷款,票据到期时经销商还款压力大;汽车金融公司和互联网平台则通常是采用“一车一贷”的方式,随着汽车的销售逐步偿还贷款,还款方式相对灵活,经销商还款压力较小。

商业银行:提供的库存融资业务主要以“厂商银三方协议”形式开展,由主机厂做回购担保

商业银行提供的库存融资业务主要以“厂商银三方协议”形式开展,主机厂、经销商和商业银行三方共同签订协议,由主机厂做回购担保,银行向经销商发放承兑汇票。银行三方承兑汇票的期限是一定的,通常是2-6个月;经销商提前还款不能释放额度,须得汇票到期且全额还款后,才可释放汇票额度。贷款期间,经销商库存变动大。

在厂商银三方协议形式下,经销商经过银行的评估获得一定授信额度,与主机厂、银行签订三方协议并交纳一定的保证金;经销商把银行开具的承兑汇票交付给主机厂,并从主机厂处Call车;主机厂收到汇票和经销商的Call车后,发车给经销商并把车辆的合格证交给银行;汇票到期前,经销商需全额还款给银行,释放该批汇票额度;银行收到还款后,把车辆合格证交与经销商。整个业务流程中,车辆合格证相当于质押给银行。

汽车金融公司:主要采用“单车额度循环融资”模式,经销商贷款随卖随还,一车一贷,额度循环使用

汽车金融公司的库存融资业务主要采用“单车额度循环融资”模式,经销商贷款随卖随还,一车一贷,额度循环使用。贷款期间经销商每销售一辆车即可随时还款,库存稳定,资金形成闭环。

在单车额度循环融资模式下,经销商经过汽车金融公司的评估获得一定授信额度,与汽车金融公司签订协议并交纳一定的保证金;经销商向主机厂Call车时由汽车金融公司代为付款,经销商同时从主机厂取得车与合格证;经销商每销售一辆车即向汽车金融公司还款,还款后授信期间的额度可循环使用。

大部分汽车金融公司都有主机厂背景,有助于汽车金融公司了解经销商的经营情况;另外,在违约车辆回收处理、车辆残值估算等方面汽车金融公司能获得主机厂的支持和协助,可以更好地管控经销商库存融资的风险。

互联网平台:主要向二手车商提供库存融资,覆盖银行和汽车金融公司信贷条件之外的长尾客户

由于新车是标准化产品,有主机厂对新车价格进行背书,因此新车库存融资主要由商业银行和汽车金融公司这类价格低、对信贷要求高的传统金融机构提供;二手车是非标准化产品,一车一价,车辆主要来源于个人,车源较散,很难通过商业银行或汽车金融公司渠道贷款,因此二手车库存融资主要由互联网平台提供。

互联网平台提供的库存融资通常需要经销商把车辆合格证或库存汽车进行质押或抵押,按月支付利息;互联网平台的融资期限较长,通常超过一年,因为还款时间灵活,因此在授信期间可以循环使用额度。

互联网平台提供的库存融资服务是对商业银行和汽车金融公司的补充,覆盖商业银行和汽车金融公司信贷条件之外的长尾客户,价格较高;另一方面,库存融资业务涉及的金额较大,对于缺乏低成本且稳定资金来源的互联网平台而言,有资金链断裂的风险。

3.3金融科技在经销商汽车金融的应用

人工智能、大数据、区块链等技术为经销商汽车金融提供智能化贷款流程、库存管理和风控

人工智能、大数据、区块链等技术在金融科技的应用不断深入,经销商汽车金融也不例外。经销商汽车金融服务机构通过金融科技的应用,实现智能化的贷款流程、库存管理和风控。

金融科技在经销商汽车金融的应用涵盖贷前、贷中、贷后全流程。人工智能实现了经销商贷款全流程的线上化、自动化和智能化;大数据在企业征信、反欺诈和信用评估方面得到全面应用;区块链优化了经销商汽车金融贷款流程,保证资金和信息的安全性。


金准产业研究 工业互联网IIoT“杀手级”应用——预测性维护分析报告

前言

随着数字化技术的创新与发展,工程制造设备变得更加高效与智能,但设备本身维护工作却仍面临巨大挑战。传统维护模式中的故障后维护与定期维护将影响生产效率与产品质量,并大幅提高制造商的成本。

作为工业互联网IIoT和边缘计算的重要应用之一,预测性维护大约在两年之前就已被寄予厚望。各大公司和初创企业都进行了重点布局,似乎都坚信预测性维护必将成为IIoT中少数的“杀手级”应用之一。

比如华为抓住市场痛点,选择从“梯联网”切入电梯运维领域。ABB在班加罗尔设立了新的针对节能变频器的数字化远程服务中心,全年无休的远程访问位于最终用户工厂内的变频器,实现预测性维护和状态监测。霍尼韦尔推出互联辅助动力装置的预测性维护服务Go Direct,海南航空成为全球首家采用Go Direct的航空公司。空客则选择自建边缘计算和云平台能力,量身定做自用的预测性维护系统。

鉴于市场中的存量设备数目相当可观,绝大多数还没采用有效的预测性维护方案,而设备维护产生的费用超过设备总体生命周期成本的50%。谁不想用更好的手段来预防设备故障呢?

据金准产业研究团队了解,曾有权威机构预测,2022年之前预测性维护市场都会保持高速增长,复合年均增长率(CAGR)为39%。

两年过去了,预测性维护发展得怎么样?

任何事情的发生和演进,都有其必然的原因。预测性维护作为工业互联网的典型应用,分析它的发展现状对于整个领域而言,具有很好的借鉴意义。因此金准产业研究团队在本文中分析

预测性维护的现状摸底。

为何预测性维护发展不及预期?

预测性维护的初创公司在修炼哪些能力?

一、预测性维护业务发展现状现状

1.1预测性维护

工业设备的维护维修大致分为3种手段:

1) 修复性维修:属于事后维护,亡羊补牢。

2)预防性维修:属于事先维护,基于时间、性能等条件对设备进行定期维修,更多还是凭经验。

3)预测性维修:属于事先维护,基于安装在设备上的各种传感器,实时监控设备运行状态,更准确的判断故障何时发生。如果发现故障隐患,自动触发报警或修理命令。

通过连续的测量和分析,预测性维护能够预测诸如机器零件剩余使用寿命等相关指标。关键的运行参数数据可以辅助决策,判断机器的运行状态、优化机器的维护时机。这将极大地改变机械工程类公司设备维护与生产的战略,也将推动其服务供应商商业模式的转型。

供应商提供的相关服务旨在帮助机械工程类公司客户提高工作绩效、降低成本。其中,大多数受访公司更加重视预测性维护在提高绩效方面的重要意义。

提到该答案的百分比

1.2预测性维护业务发展现状

GE在两年之前发布的一份研究报告令人记忆犹新——调查结果显示大批的工业企业正在走向预测性维护的“怀抱”。

从内部来看,预测性维护用于优化生产操作,将会带来20-30%的效率增益。从外部来看,设备制造商如果引入预测性维护服务,则有可能扭转当前竞争业态。

从战略角度评估,预测性维护代表着工业服务化和未来商业模式转变的历史选择。

尤其是云平台、边缘计算和人工智能的发展,开启了用最新技术改变预测性维护市场格局的机会大门。

金准产业研究团队以上几点综合考虑,各类公司纷纷抢滩预测性维护这方“沃土”,理所当然。

虽然对预测性维护的发展仍然坚定看好,但是很多企业已经意识到,预测性维护真正发挥效用的时间比预期的要长。

2019年初,贝恩咨询对600多名欧美企业高管进行了调查,很多客户对于预测性维护的期待,已经由热衷更趋理性。

预测性维护解决方案的实施过程比预想中更困难,从数据中提取有价值洞察的难度更是远超想象。

金准产业研究团队对比贝恩咨询在2016和2018年分别进行的两次调研,发现真正实施和计划采用预防性维护方案的企业比例都有所下调,虽然大家对于预测性维护的未来都深信不疑,但相比2016年调研得到的红色虚线,很多企业都调节并减缓了预测性维护的推进节奏。

对于预测性维护在方案推进中面临的困难和风险,大家的判断更趋于客观。很多企业除了担心安全性、投资回报分析、IT与OT难以融合之外,对于技术知识的欠缺、数据的可移植性、供应商的风险以及方案切换中的变数,都进行了重新评估。

从现实情况上来看,虽然提升工业互联网的安全性、加速IT与OT的彼此融合、给出确定性的投资回报分析,一直都是企业关注的问题。但两年过去了,这些方面似乎仍旧没有取得预想中的进展。

从应用实施的优先级上来看,预测性维护处于第一阵营的地位没有变化。然而,质量控制超越了预测性维护,成为最受企业青睐的工业互联网应用。另外,设备远程监控、生产现场的资产追踪也成为热门应用。

服务商和供应商推进预测性维护的意愿,比作为客户的工业企业更为强烈。或许是因为相比于设备远程监控,预测性维护有更大的盈利潜力,因此处于供应商一头热的象限。

很多企业还乐于尝试与设备维护相关的增强现实或虚拟现实应用,但供应商数量和能力有明显不足。

从国内情况来看,与国外有所不同,但整体上可供借鉴。

再来看看市场的整体情况。

预测性维护市场,乃至整个工业互联网市场,被不少企业持续看好。

综合Gartner、IDC、Machina Research、思科、贝恩等多方分析数据来看,金准产业研究团队认为,工业互联网在整个IoT领域势必会占到很大的份额,到2021年整个市场规模有望翻番,达到2000亿美元。

为了抓住未来发展机会,很多工业制造商和设备运营商都在大举投资和布局。

根据S&P Capital IQ标普资本数据库的统计,西门子、施耐德、ABB等工业自动化巨头都在扩展自己的能力圈,持续增加对于云平台、边缘分析、软件功能和系统集成等方面的并购与投资。亚马逊的AWS IoT Greengrass和Microsoft Azure也在持续增加工业领域的渗透率。就开发者的支持度而言,PTC、微软、IBM、GE和亚马逊占有明显领先优势。

二、预测性维护市场发展不及预期原因分析

虽然前景一片光明,但当下预测性维护市场发展不及预期却是不争的事实。

究其原因,主要3点,也是整个物联网领域的通病。

1) 投资回报率难以计算

2) 转变商业模式,先要转变思维

3) 基础不扎实,数据量不足

2.1投资回报率难以计算

投资回报率ROI如果算不清楚,就意味着见效慢,效果很难评估,工业企业的推进意愿自然不会提升。

工业场景中包含众多要素,人、机、料、法、环。预测性维护主要与“机”挂钩,其中不同行业属性、不同企业类型,机械的种类很多,预测性维护产生的价值有天壤之别。

从整个产业链条上来看,可以将与“机”相关的产业链简单粗暴的与汽车行业做个类比。汽车的价值链包括车主、4S店、车厂、汽车零部件的各级供应商。“机”的价值链包括最终应用企业(最终用户)、设备服务商(代理商、集成商)、设备制造商、各类工业自动化厂商。

围绕预测性维护开展业务的物联网企业,在传统产业链条中需要找准自己的切入点。

预测性维护的价值要通过最终用户体现,对应的企业数量非常庞大。保守估计,国内实施了ERP或者供应链管理系统,拥有基础信息化能力的工厂,有接近300万家。

如果从大企业切入,这些企业往往选择自建预测性维护能力,即便选择与新型物联网企业合作,由于预测性维护本身同时涉及软件和硬件,物联网企业有可能面临定制化程度高,项目难以进行标准化,无法广泛复制的窘境。

如果从中小企业切入,则可能会更惨。面对如此大量的企业,如何有效的触及,并将预测性维护提供的价值变现,这里面存在不少坑。

工业体系经过多年的发展已经相当成熟,很多机械的维护维修,利润空间本身就不高。新型物联网企业有可能会发现折腾了这些年,即便有了一定的规模,也不一定能真正赚到钱。

因此面对中小企业,物联网企业除了利用预测性维护,将服务环节从“被动”变为“主动”之外,还需要具备提供更多深度服务的能力,才能立足。

再从设备类型上来看,工程机械、注塑机、数控机床、空压机…行业集中度不同,设备制造商提供服务的能力也不同。因此留给提供预测性服务的物联网企业的生存空间也不同。

高价值设备,或者重要型设备,它们的维护维修,更多是由最终用户自己完成的,很少外包给物联网服务型企业。有些非重要型设备,很长时间不会发生故障的设备,或者发生故障后具有维修时间弹性的设备,会外包给设备服务商提供维护维修服务。

这时,物联网企业作为技术提供方,处于最终用户与设备制造商这两端之间,可能伴随着数据和设备资产所属权的争议。

另外,完成从传统维护维修到预测性维护的转变,还需要好的心态、以及时间和金钱。

有些情况下,最终用户并不希望“独吞”停机风险。他们希望设备服务商在合作协议中,保证设备的正常运行,如果发生停产损失,设备服务商需要承担一定的赔偿责任。这自然过滤掉了一些只能在PPT上提供预测性维护的公司。

同时,从用户角度来讲,要为预测性维护服务付多少钱合适呢?

预测性维护带来的收益,如果转化为财务指标,需要经过完整的周期性分析和验证。只有算得清楚经济账,最终用户才会愿意长期为预测性维护的价值买单。

因为预测性维护带来的停机风险降低难与经济回报挂钩、单台设备难与整体销售挂钩,预测性维护的价值并不立竿见影,需要经历半年甚至一年的验证周期,有时还需要细化到每单位销售额的颗粒度。如果遇到销售额受环境变化影响,波动较大的最终用户,核算的难度更大。

因此预测性维护陷入了经济收益测算时间长,没法调动最终用户的投入热情,只是物联网企业一头热的怪圈。

2.2转变商业模式,先要转变思维

如果只算由预测性维护降低的停机风险,只算省钱的经济账,是远远不够的。

好的商业模式,不一定是帮最终用户多省钱,而是帮设备服务商或者设备制造商多赚钱。在这个过程中,物联网企业完成自己的商业逻辑闭环。

这里再做一个简单粗暴的类比。共享单车虽然广受诟病,但也有可取之处,毕竟摩拜们改变了共享出行的格局。

如果当初摩拜创立的时候,没有选择自己做自行车,而是选择只做智能锁,把我们大家没用的自行车统一管理,提供共享出行服务,让每一个自行车闲置资源的参与者都赚到钱。如此这般,摩拜是否能够形成如今的发展势头呢?

答案是否定的。摩拜的成功并没有帮共享自行车的使用者省钱,而是刺激了使用自行车出行的需求,把原本走着不用花钱的路途,变成了自行车骑行之旅。如果没有独特的自行车设计,统一的服务质量,良好的出行体验,很难大量激发最终用户对于共享自行车的使用需求。

在这个过程中,摩拜成为新型“设备服务商”,担起了自行车资源重塑者的角色。同时,摩拜还加速了自行车“设备制造商”的发展,制造了前所未有的大量设备。

类比过摩拜,我们再说回工业。

现状是工业体系极度分散,每一家设备代理商或者集成商,都面临利润率越来越低的窘境,横向的整合有可能会越来越多。何况并不是所有设备制造商,都有能力提供预测性维护。

因此预测性维护的价值不一定是让每一个小的服务商、设备商都赚到钱,而是让有能力提供良好服务、统一体验的设备服务商和设备制造商赚更多的钱,设备服务从“被动等待”模式转变为“主动出击”模式,设备销售从“一次性买卖”到“按使用时间付费”的模式,从而推进横向聚合的发生。

不过目前大家在讲预测性维护时,往往还停留在省钱的故事里。

推而广之,物联网到底是为了省钱,还是为了赚钱?这是一个颇具争议的话题。

Comp TIA美国计算机行业协会针对这个问题专门进行了一项调查。你猜结论是什么?

三分之一的人认为物联网应该省钱,三分之一的人认为应该赚钱,另外三分之一的人认为省钱和赚钱都需要。

可见大家对于应用物联网的好处还没有达成共识。

2.3基础不扎实,数据量不足

工业设备的预测性维护,都面临一个避而不提的共性问题,设备自身的传感器数量不足,很多数据还没有形成有效的长期积累。

所以预测性维护最常见的故事是飞机发动机,因为传感器足够多,监测时间足够长。

为什么设备制造商不在设备出厂之前,加装更多的传感器呢?因为在物联网理念还未普及之时,安装传感器不仅增加成本,平白增加了设备的复杂度,还没有明确的应用意义。设备本身已经够复杂了,谁也不愿意再费力增加一些看似没用的传感器。

传感器不够多,就算把人工智能等最新技术都用上,预测也不一定准确。预测不准,预测性维护就没什么价值。

加之设备模型的积累和迭代需要较长的时间,因此在目前的应用中,“硬件+软件+服务”为主流的收费模式,实施方式也以项目制为主。距离触发裂变,还为时尚早。

很多物联网公司都在想方设法解决这个问题。

去年Uptake以并购的方式获得了APT公司以及ASL资料库的控制权,就是一个明显的信号。

APT公司(Asset Performance Technologies)的资产战略资料库ASL,可以说是全球最全面的工业设备故障数据库。虽然APT公司成立于2004年,但ASL资料库此前便开始积累,利用超过20年的时间,收集了关于电力、采矿、炼钢等行业近800种重要设备的信息,可以提供FMEA失效模式效应分析和维护策略建议。

Uptake公司2014年成立于美国芝加哥,提供工业人工智能软件开发及服务,帮助企业客户进行数字化转型。目前Uptake最成功的案例当属与凯特彼勒共同开发的预测性维护平台,改善其生产运营效益。关于Uptake这家公司,在后面还会提到。

还有一些物联网公司正在想办法,利用软硬件一体化的低成本无线传感器,从原先没有数据的地方把数据采集上来,完成从0到1的突破。

能够实现这种突破的根本性原因有4点:

· 无线连接的普遍存在,以及连接成本的持续降低

· 小型化的低成本传感器大量可用

· 企业开始接受边缘计算和云平台协同的思路

· 使用人工智能监控时序传感器数据变得可行

三、创新正在发生

最后来看看预测性维护的初创公司在修炼哪些能力?很多初创企业已经意识到,真正的机会是利用预测性维护创造全新的业务。

现在判断哪些企业将会冲出重围还为时尚早,我们不妨多看一些预测性维护企业的生存现状。此处被点名道姓的以国外企业为主。

3.1 Uptake

前文曾经提到,Uptake是一家成立于2014年的初创公司,而且可以说Uptake是IIoT创业公司中的大赢家。

金准产业研究团队了解Uptake曾在伯克希尔·哈撒韦能源公司一家子公司的风电场部署其“监测平台”。在部署平台的第一周,就发现变速箱主轴承可能会出现故障,并可能会导致其中一个涡轮塔的运转不灵。几小时的停机将造成风电场5000美元的损失,而如果这个涡轮机完全崩溃,损失将高达25万美元。

但是最近,通用电气GE将其告上法庭。GE诉讼的6名Uptake高管,均是GE的旧部,主要来自GE发电集团以及GE数字化集团。GE的诉讼理由是:Uptake有预谋地挖墙脚、窃取商业机密以及不正当竞争。

GE认为,这6名旧将由于职位所致,熟悉GE的商业机密,还参与了Uptake的“挖墙脚”谋划:不仅从GE挖走员工,还撬走GE的客户,试图将对GE的伤害扩至最大化。GE称,撬走的客户名单就在Uptake的官网上列着。这指的是伯克希尔·哈撒韦公司能源子公司的风电设备和卡特彼勒的机车业务。

Uptake自然不服。今年2月22日,Uptake反诉GE违反软件许可协议以及滥用商业机密。Uptake称,GE在滥用由Uptake并购的公司APT开发的软件协议。

GE和Uptake的官司还在继续。

更为严重的是,Uptake的经验似乎从反面证明了从大企业切入并不是明智之举。

2017年11月,卡特彼勒宣布不再对Uptake投资,只是保留Uptake的客户身份。据美国商业杂志《克瑞恩芝加哥商业》的报道,卡特彼勒意识到,如果对Uptake持续投资,将削弱自己的竞争力。

同时卡特彼勒在逐渐收回销售给代理商的监控软件的控制权。卡特彼勒的最终用户利用这些软件,可以检测设备运行,实现预测性维护。显然,卡特彼勒们希望把预测性维护的能力收回到自己“体内”。

3.2 Predikto

Predikto的独特优势在于,他的技术平台能够处理数百个不同的工业资产数据集,并自动完成80%的分析流程,以便快速从数据得出分析结论,提供可行的建议,让企业提前采取措施,避免故障,延长资产正常运行时间。

Predikto已经被联合技术公司收购。

3.3 KONUX

KONUX专注于铁路领域,他们结合了智能传感器和基于人工智能的分析,通过预测性维护计划和铁路的优化利用,实现更高的列车正点率和网络容量。

这家公司在2019年2月刚刚完成了B轮融资,投资者包括阿里巴巴。KONUX的下一步计划是在中国开展业务。

3.4 Mtell

Mtell的产品主要是解决非计划停机的问题。他可以帮助企业提高资产利用率,并通过准确预测何时发生设备故障,了解为何发生故障以及规定如何避免故障,从而避免意外停机。

Mtell的创新之处在于,提出了新的分析方法:处方型维护。

简单的说,处方型维护就好比你去医院看医生,首先是症状分析,不仅仅是对现状进行分析,而是要回顾使用的历史,过去曾经出现的故障,以及当时故障如何解决的,根据这些信息进行最终的诊断。

Mtell通过机器完成这些工作,不仅通过传感器提供的信息,Mtell还要查看过去维护保养的历史,过去出现故障时,这个故障怎么发生的,为什么会发生,通过这些信息决定未来该如何解决,这样做出一个故障的诊断。

目前Mtell已经被AspenTech收购。

3.5 Petasense

Petasense也成立于2014年,通过监控关键旋转机器的运行状况,提供预测性维护解决方案。

在电力、石油、化工、冶金等各种流程行业,设备振动数据和流程控制数据分别存储在两个独立的系统中,彼此之间并不集成。预测性维护恰恰需要振动数据与运营数据紧密反馈和自动迭代。为了更好的解决这个问题,Petasense选择与OSIsoft合作,联合推出的预测性维护解决方案,正在被硅谷电力公司使用。

值得一提的是,OSIsoft成立于1980年,是一家实时数据管理软件制造商,旗下的PI实时数据库系统已经被广泛应用于流程行业。在2017年,这家公司被软银投资数十亿美元。

如果你对这个领域的更多公司感兴趣,可以参看下表。

我们喜欢高估五年,却总是低估十年。这句话用在预测性维护这里,看来非常合适。

为了推进预测性维护的落地,摆在物联网企业面前的路没有捷径。物联网企业需要具备对行业中特定应用的深刻见解,并提供更完整的端到端物联网解决方案。

当然,这并不容易。

四、预测性维护业务发展建议

4.1预测性维护业务发展趋势

预测性维护预计将在2020年之前取得突破,传统硬件供应商的核心竞争力在于所在领域的专业知识技能,相关平台运营商及背靠IT基础架构与大数据技术的初创企业也正积极投身于未来的市场竞争,胜负尚未有定论,但大多数受访对象都认为,预测性维护的未来主要机会将出现在软件方面。

预测性维护商业模式的盈利问题仍是重中之重,受到业内一致关注。受访企业表示未来预测性维护服务可能仍主要作为供应商基本服务的组成部分,供应商的定价模式更关注成本,而非绩效。

企业未来需要对预测性维护的逻辑和价值有清晰的认识。大多数受访对象表示将与专业的外部伙伴合作(尤其在软件和数据分析领域),部分调查对象甚至未明确排除与直接竞争对手合作的可能性。

这项新的服务也将发展出新的思维方式:为体现预测性维护方案对客户公司整体目标以及对关键业绩指标(KPI)的贡献,预测性服务供应商将直接同客户的最高管理层开展合作与对话。

4.2预测性维护业务发展建议

为能够在预测性维护市场占据领导地位并获得商业成功,除了建立必要的大数据系统并提高大数据分析能力之外,罗兰贝格认为,预测性维护供应商还需注意以下三个方面:

1)不同的创新流程:“市场拉动”

从客户利益的角度出发,通过与客户建立更为密切的协作,借鉴数字化领域的研发方式,大幅加快研发速度并融入迭代式开发的理念。

2)不同的市场策略:“数字化模式”

在利用创新的、基于软件的定价模式和销售理念向客户传达产品价值的同时,企业还必须为客户提供具体可量化案例,认真思考客户如何看待他们在价值链上的定位与重要性,如何使客户接受预测性维护的费用。

3)不同的合作形式:“网络化方法”

在系统性构建核心能力的同时,企业必须专注于建设自身优势、提高附加值,以更开放的心态积极加强与合作方的紧密联系,从而完善提供预测性维护服务所需的技能、技术和基础架构。管理层同样需要通过制定清晰的战略和系统性的商业模式来积极把握数字化机遇。

结语

预测性维护对制造业的重要性已被充分认识和广泛接受。预测性维护是保证未来高效、可持续服务的关键。虽然预测性维护所依赖的技术已经取得了快速发展与突破,但在将数据系统地转化成(客户)利益并应用到特定商业模式方面,理想与现实之间仍然存在较大距离。

随着数字化技术的创新与发展,工程制造设备变得更加高效与智能,但设备本身维护工作却仍面临巨大挑战。传统维护模式中的故障后维护与定期维护将影响生产效率与产品质量,并大幅提高制造商的成本。

虽然大家对于长期愿景都深信不疑,但很多企业都调节并减缓了预测性维护的推进节奏。

预测性维护市场发展不及预期,潜在原因可能包括:

· 投资回报率难以计算

· 转变商业模式,先要转变思维

· 基础不扎实,数据量不足。

预测性维护领域的初创公司非常活跃,其中不乏未来的产业重塑者。

金准产业研究 电子信息产业深度研究报告(下)

五、芯片代工与特色工艺

5.1功率半导体稳步增长的通用型元器件市场

根据Yole统计2017年全球分立器件功率器件市场约为154亿美元,其中MOSFET市场规模为63亿美元,占比41%IGBT市场为10亿美元,占比7%整流器市场为33亿美元,占比21%功率器件模组市场为35亿美元,占比23%。预计2023年全球功率分立器件市场约为188亿美元,年复合增长率CAGR为3.4%。

中国功率半导体市场占世界近40%,空间巨大。2017年全球发电总量达到255512.8亿千瓦时,其中中国发电量为64951.4亿千瓦时,独占全球发电量的四分之一,发电量位居世界第一。巨大的用电量给功率器件发展提供了条件。根据Yole Development统计,2015年中国功率器件市场销售额占全球总规模的39%。根据中国半导体协会统计2017年,中国功率半导体市场规模为2170亿元,同比增长3.93%。预计2018年中国功率半导体市场规模为2264亿元,同比增长率为4.3%。

5.2短期扰动不改中期强劲需求

需求端汽车电子东风至,带来机遇。各国纷纷推广新能源汽车,我国有望弯道超车,市场空间巨大。在气候变化与能源制约的背景下,各国都在积极研发自家的新能源汽车。德国2009年发布电动汽车计划,以纯电为重点提出了2020年的产业化和市场化目标,德国车企也纷纷制定了汽车电动化时间表美国2007年就针对新能源汽车消费者实行个人所得税减免2006年日本提出了新的国家能源战略,计划到2020年普及以电动汽车为主体的下一代汽车韩国更是用“世界最高水准的补贴”来激励新能源汽车的推广。

2001年开始,我国就开始研发电动汽车,并推出一系列国家及地方政府配套政策支持新能源汽车的发展。经过10多年的研发,我国新能源汽车实现了产业化和规模化的飞跃式发展。2011年我国新能源汽车产量仅为8000辆,到了2017年产量已经达到79.4万辆,占全国汽车产量比重的2.7%。2017年工信部推出了《汽车产业中长期发展规划》,预计2020年我国新能源汽车年产量将达到200万辆,2025年新能源汽车销量占总销量的比例达到20%以上。

汽车电子化东风至,功率器件迎来大发展机遇。电动汽车与传统燃料汽车在结构上最大的区别在于动力系统和能源供应系统,电动汽车采用了蓄电池、电动机、控制器等电子、电气相关设备替代了原有的内燃机、油箱、变速器、火花塞、三元催化转化器等,这就使得汽车内半导体设备使用量大幅增加。

根据英飞凌的统计,平均一辆传统燃料汽车使用的半导体器件价值为355美元,而纯电动汽车/混合动力汽车使用的半导体器件价值为695美元,几乎增加了一倍。其中功率器件增加最为显著,一辆传统燃料汽车使用动力传统系统功率半导体器件为17美元,而一辆纯电动汽车/混合动力汽车上功率半导体器件价值为265美元,增加了近15倍。

汽车电子化使用更多芯片,预计2020年汽车半导体全球市场434亿美元。我们在上面分析了新能源汽车由于使用电能驱动,导致结构相比于传统燃料汽车有了很大的改变,三大结构电机、电池、电控对半导体的需求大幅提升,尤其是对功率半导体器件。根据Gartner预测,2017年全球汽车半导体市场为377亿美元,预计到了2020年市场将达到434亿美元,年复合增长率CAGR为7.8%。

5.3 IGBT市场几乎被国外垄断,国内厂商追赶尚需时日

根据IHS统计2016年全球IGBT前五大厂商几乎占据了全球70%的市场,英飞凌市占率为26.6%,排名第一三菱电机市占率为17.0%,排名第二,富士电机市占率为12.2%。同样英飞凌、三菱电机、富士电机、塞米控四家巨头占据了国内IGBT市场近70%的市场。在IGBT制造中,正面和标准的BCD的LDMOS工艺相同,只是背部需要减薄到6~8mil,极其容易碎片,当前只有三菱、英飞凌等掌握这种工艺,国内技术差距较大。

IGBT未来增量主要在新能源汽车。根据Yole的预测,到了2020年全球IGBT市场将达到62亿美元,其主要得益于巨大的汽车市场,尤其是在电动汽车(EV)和混合动力汽车(EHV)电力传动部分应用。新能源汽车是一个潜力非常大的市场,2015年全球IGBT在新能源汽车市场为10亿美元,预计到了2022年将到达29亿美元,占总的市场份额接近50%。

5.4化合物半导体性能优良、应用广,产业新机遇

半导体材料可分为单质半导体及化合物半导体两类,前者如硅(Si)、锗(Ge)等所形成的半导体,后者为砷化镓(GaAs)、氮化镓(GaN)、碳化硅(SiC)等化合物形成。半导体在过去主要经历了三代变化,。砷化镓(GaAs)、氮化镓(GaN)和碳化硅(SiC)半导体分别作为第二代和第三代半导体的代表,相比第一代半导体高频性能、高温性能优异很多,制造成本更为高昂,可谓是半导体中的新贵。

三大化合物半导体材料中,GaAs占大头,主要用于通讯领域,全球市场容量接近百亿美元,主要受益通信射频芯片尤其是PA升级驱动GaN大功率、高频性能更出色,主要应用于军事领域,目前市场容量不到10亿美元,随着成本下降有望迎来广泛应用SiC主要作为高功率半导体材料应用于汽车以及工业电力电子,在大功率转换应用中具有巨大的优势。

5.4.1砷化镓(GaAs)无线通信核心材料,受益5G大趋势

相较于第一代硅半导体,砷化镓具有高频、抗辐射、耐高温的特性,因此广泛应用在主流的商用无线通信、光通讯以及国防军工用途上。无线通信的普及与硅在高频特性上的限制共同催生砷化镓材料脱颖而出,在无线通讯领域得到大规模应用。

基带和射频模块是完成3/4/5G蜂窝通讯功能的核心部件。射频模块一般由收发器和前端模组(PA、Switch、Filter)组成。其中砷化镓目前已经成为PA和Switch的主流材料。

4G/5G频段持续提升,驱动PA用量增长。由于单颗PA芯片仅能处理固定频段的信号,所以蜂窝通讯频段的增加会显著提升智能手机单机PA消耗量。随着4G通讯的普及,移动通讯的频段由2010年的6个急速扩张到43个,5G时代更有有望提升至60以上。目前主流4G通信采用5频13模,平均使用7颗PA,4个射频开关器。

目前砷化镓龙头企业仍以IDM模式为主,包括美国SkyworksQorvoBroadcom/AvagoCree、德国Infineon等。同时我们也注意到产业发展模式开始逐渐由IDM模式转为设计+代工生产,典型事件为代工比例持续提升、avago去年将科罗拉多厂出售给稳懋等。我们认为GaAs衬底和器件技术不断成熟和标准化,产品多样化、器件设计的价值显著,设计+制造的分工模式开始增加。

Yole Development等第三方研究机构估算来看,2017年全球用于PAGaAs器件市场规模达到80-90亿美元,大部分的市场份额集中于Skyworks、Qorvo、Avago三大巨头。预计随着通信升级未来两年有望正式超过100亿美元。

同时应用市场决定无需60nm线宽以下先进制程工艺,不追求最先进制程工艺是另外一个特点。化合物半导体面向射频、高电压大功率、光电子等领域,无需先进工艺。GaAs和GaN器件以0.13、0.18μm以上工艺为主。Qorvo正在进行90nm工艺研发。此外由于受GaAs和SiC衬底尺寸限制,目前生产线基本全为4英寸和6英寸。以Qorvo为例,我们统计下来氮化镓制程基本线宽在0.25-0.50um,生产线以4英寸为主。

5.4.2氮化镓&碳化硅高压高频应用前景广阔

氮化镓(GaN)和碳化硅(SiC)并称为第三代半导体材料的双雄,由于性能不同,二者的应用领域也不相同。由于氮化镓具有禁带宽度大、击穿电场高、饱和电子速率大、热导率高、化学性质稳定和抗辐射能力强等优点,成为高温、高频、大功率微波器件的首选材料之一。

目前氮化镓器件有三分之二应用于军工电子,如军事通讯、电子干扰、雷达等领域在民用领域,氮化镓主要被应用于通讯基站、功率器件等领域。氮化镓基站PA的功放效率较其他材料更高,因而能节省大量电能,且其可以几乎覆盖无线通讯的所有频段,功率密度大,能够减少基站体积和质量。

SiC主要用于大功率高频功率器件。以SiC为材料的二极管、MOSFET、IGBT等器件未来有望在汽车电子领域取代Si。目前SiC半导体仍处于发展初期,晶圆生长过程中易出现材料的基面位错,以致SiC器件可靠性下降。另一方面,晶圆生长难度导致SiC材料价格昂贵,预计想要大规模得到应用仍需一段时期的技术改进。

Die Size和成本是碳化硅技术产业化的核心变量。我们比较目前市场主流1200V硅基IGBT及碳化硅基MOSFET,可以发现SiC基MOSFET产品较Si基产品能够大幅减少Die Size,且表现性能更好。但是目前最大阻碍仍在于Wafer Cost,根据yole development测算,单片成本SiC比Si基产品高出7-8倍。

研究机构IHS预测到2025SiC功率半导体的市场规模有望达到30亿美元。在未来的10年内,SiC器件将开始大范围地应用于工业及电动汽车领域。纵观全球SiC主要市场,电力电子占据了2016-2017年最大的市场份额。该市场增长的主要驱动因素是由于电源供应和逆变器应用越来越多地使用SiC器件。

SiC近期产业化进度加速,上游产业链开始扩大规模和锁定货源。我们根据整理CREE公告,可以发现近期碳化硅产业化进度开始加速,ST、英飞凌等中游厂商开始锁定上游晶圆货源

2019年1月公告CREE与ST签署一项为期多年的2.5亿美元规模的生产供应协议,Wolf speed将会向ST供应150mmSiC晶圆

2018年10月公告CREE宣布了一项价值8,500万美元的长期协议,将为一家未公布名称的“领先电力设备公司”生产和供应SiC晶圆

2018年2月公告Cree与英飞凌签订了1亿美元的长期供应协议,为其光伏逆变器、机器人、充电基础设施、工业电源、牵引和变速驱动器等产品提供SiC晶圆。


金准产业研究 电子信息产业深度研究报告(上)

前言

电子信息产业作为当前全球研发投入最集中、创新最活跃、应用最广泛、辐射带动作用最强的科技创新领域,不仅是全球科技创新的竞争高地,更是世界各科技大国推动经济发展、谋求国家竞争优势的重要战略方向。近些年,我国在电子信息产业方面大力实施创新驱动战略,正推动着产业由大变强。

一、科技红利

1.1科技立国之道——研发投入与科技红利

我们强调中国要从科技制造大国演进到科技制造强国、科技创新强国发展阶段。梳理过往历史,金准产业研究团队认为中国科技产业经历三个阶段,大致可分为

08年以前产业趋势引导的人口红利

08年至14年以全球资源再分配的资本红利时代中国本土企业弯道超车,通过产能扩张切入全球产业链,成为苹果等巨头核心供应商

14年开始,以华为等为代表的科技龙头公司推动科技红利全面爆发,持续的研发投入及高效的转换率是保证科技创新核心效率所在。

持续高效率的研发投入是科技企业成长的真正内在动力。华为历经三十年厚积薄发,成为全球通信行业龙头厂商,核心在于享受完第一波工程师红利浪潮成长之后、在迈入科技红利时代前夕的关键时期大力提升研发投入。

华为拥抱科技红利的标志是2012实验室”的正式成立,2011年华为的研发投入占比超过两位数达11.6%,这一年华为整合成立了2012实验室,作为华为创新、研究和平台开发的主体,以构筑面向未来技术和研发能力。

华为的研发主要分为面向未来的研究创新和支撑产品的开发投资。根据2017年年报发布,华为超过15%的研发费用投入在面向未来的基础研究上,主要载体为华为2012实验室。“2012实验室”下设中央研究院、中央软件院、中央硬件院、海思半导体等二级部门,也包括了分布在各地研发中心的2012下属实验室。另外近85%的研发费用投入在产品开发上,主要载体是华为产品及解决方案部及各业务部门——对应运营商、企业、消费者和Cloud四大事业群。

华为研发投入十年八倍提升,是A股电子板块前三季度总和的1.86!根据《2018年欧盟工业研发投资排名》,华为以113亿欧元的研发投入排名中国第一、全球范围内仅次于三星、谷歌、大众和微软,但是14.7%的研发投入强度比这四家都要高。2018年华为的研发投入较2008年的104.7亿人民币提升超8倍,同时这也是华为历史上首次超越Intel。

作为参考,金准产业研究团队认为A股电子板块研发投入仍有极大提升空间。根据wind统计,A股电子板块2018年前三季度研发投入为464.8亿元,仅约为华为18年全年研发的53%。其中研发费用营收占比为3.42%,落后于计算机及通信板块。

科技红利时代重点关注研发投入有效性,持续的有效研发投入是企业获得创新溢价的关键。科技红利不等同于工程师红利,科技创新带来公司有效产值的提升是关键。研发投入及转换效率是科技红利突破的前瞻性关键指标,重点参数包括研发投入、研发强度、研发人员单位产值/利润、产品品类扩张情况、专利储备及转化情况。

仍然以华为为例,2018年华为卫冕全球专利申请数量第一。根据世界知识产权组织(WIPO),华为在2018年向WIPO提交了5405项专利申请,较2017年得4024项增长34%,专利申请中约3成与5G相关。

除专利数之外,华为的研发转换效率还体现在自身产品品类及市占率的持续扩张,基站、Cloud、手机终端的版图扩张不必多说,我们以最为关心的芯片领域为例,除了安防和终端麒麟系列芯片的持续更新迭代,“2012实验室”前十年的持续投入从去年开始陆续转化落地,18年12月至今华为陆续公布多款人工智能、5G基带、服务器、数据中心等领域拳头产品。

通过海思芯片与华为手机的绑定战略,不难看到,IC厂商要发展,必须有核心产品打开市场空间,不仅是通过下游的成长,在收入上取得更充裕的研发资金,更是通过充分的下游应用,发现实际应用中的问题与不足,向上游芯片研发形成正向反馈,达到“研发-应用-收入/反馈-投入再研发”的良性循环。

1.2科技创新强国必由之路,科创板应运而生

随着去年中美贸易摩擦、中兴华为事件持续发酵,国家逐步梳理科技立国的思路,不断加大科技红利提升力度、提高有效研发投入产值,这一大背景下科创板应用而生。

国家通过产业政策对科技创新的扶持,本质在于提升R&D/GDP,高水平的R&D投入强度是一个国家具有较高创新能力的重要保障。我国R&D/GDP在2001年突破1%、2013年突破2%、2016年突破2.1%。根据科技部最新公布数据,2018年全社会研究与试验发展(R&D)支出占GDP比重预计为2.15%,与美国、韩国、中国台湾省、德国等国家及地区仍有较大差异。

而参考美国、日本、韩国的新兴产业政策崛起,国家R&D/GDP达到2.5%从历史经验来看往往是科技创新“量变到质变的临界点”。美国1995年达到2.51%——克林顿政府的新兴产业革命带动互联网革命,出现了亚马逊、谷歌等一批互联网龙头而往前看,日本1987年达到2.53%——索尼、三菱等一批公司开始称霸全球电子产业。

稳定持续的资本和研发投入是维持半导体等“硬科技”行业的核心驱动。根据WSTS统计,美国半导体公司1996年至2016年期间,复合年增长率约为5.3%。2017年研发和资本开支总额超过600亿美金,投资水平在销售额中所占比例未受市场周期性波动的影响。

为了在半导体行业保持竞争力,企业必须不断地在研发和引进新设备上投入大量资金。半导体行业的技术变革步伐要求企业开发更复杂的工艺技术,并引进能够制造较小尺寸器件的生产设备。生产最先进的半导体元件的能力只能同通过持续投资来维持,力争与整个行业的投资率(约占销售额的30%)保持一致。

1.3科创板加速推进,半导体迎来科技红利黄金年代

2018年11月5日,习总书记宣布将在上海证券交易所设立科创板并试点注册制。各大部门积极响应,科创板市资本市场的重大制度创新,经中国证监会批准后,正式向市场发布实施。至今4个多月过去,科创板正处于紧锣密鼓加速推进中,截至3月22日,已经有首批科创板9家手里公司正式发布,其中三家公司为半导体领域公司,分别是晶晨半导体、和舰科技以及睿创维纳。

科创板为电子领域企业尤其是集成电路带来了充分的机遇。科创板主要针对的企业来自五大行业领域,分别为:

第一类:新一代信息技术,包括集成电路、人工智能、云计算、大数据、互联网、软件、物联网等;

第二类:高端装备制造和新材料,主要包括船舶、高端轨道交通、海洋工程、高端数控机床,机器人及新材料;

第三类:新能源及节能环保,主要包括新能源、新能源汽车、现金节能环保;

第四类:生物医药,主要包括生物医药和医疗器械;

第五类:技术服务领域,主要为半导体集成电路、新能源、高端装备制造和生物医药提供技术服务的企业。

2018年11月5日以来,上海证监局披露接受上市辅导的有十余家,具有登录科创板潜力,其中半导体领域的企业占比较大。根据2018年11月5日以来证监会上海局网站的IPO辅导备案公告、科创板的上市条件以及上海证券报的报道,我们筛选了几家具有代表性的有望登陆科创板的半导体公司:

后续应该关注哪些半导体公司

金准产业研究团队认为在后续覆盖、跟踪、投资登陆科创板的半导体标的,应当重点沿循“两条主线”,给予三类公司估值溢价

1)两条主线——“第四次硅含量提升”与“自主产业链”

我们持续强调,以人工智能、5G、物联网与汽车为代表的创新驱动第四次硅含量提升,这一浪潮下数据量将呈现指数级增长,存储、处理、传输、感知各个环节将同步受益,涉及这几个环节的领域包括存储芯片、处理器芯片(包括AP/MCU/异构ASIC)、传感器芯片、模拟芯片和功率半导体

第二条主线是产业链的自主供应与安全可靠,沿着这条主线我们主要建议挖掘三类机会下的受益标的1)建厂潮资本开支持续提升周期下优质半导体设备/材料公司的国产化机会2)国内消费电子/通信设备/工控/汽车龙头厂商对于国产化芯片的导入机会3)党政军电子设备/芯片的安全可靠机遇。

2)三类公司值得给予估值溢价

公司具有成熟的研发体系、优质的研发团队以及体现核心壁垒的专利/技术

已经呈现或者有望体现出高研发转换效率的公司,主要关注公司研发投入的成果转换,重点关注研发投入-营收/产品品类扩张速度的匹配情况

具备可见、可触及的下游广阔空间,或者能通过品类扩张切入更大的市场空间。在估值上需要注意什么

金准产业研究团队认为主要需要根据企业所处生命周期的阶段来对企业进行估值,这也是我们一直以来对成长股研究的重要看法

1)萌芽期企业该阶段偏主题投资,重点在于下游空间测算及预计份额,重点关注企业的研发突破/产能扩张

2)成长期企业该阶段由于企业技术趋于成熟、产品定型逐步大规模量产,营收、业绩通常同步提升,我们认为成长期企业通常又分为两个阶段——营收爆发期和利润爆发期,由于研发投入、折旧、摊销的存在,通常营收爆发早于利润爆发,营收爆发期建议通过P/S(甚至PS/营收增速)、EV/收入来进行估值,利润爆发初期建议通过EV/EBITDA(尤其适合重资产)、PEG来进行估值。

二、Fabless近年来高速成长,百花齐放

垂直分工模式下,Fabless厂商负担轻,弹性大,叠加国内需求广阔,且中芯国际、华虹半导体等国内代工厂的不断成长,中国IC设计产业保持高速增长。

模式垂直分工成趋势,Fabless模式下,弹性更大

企业质、量齐升,设计业内总体企业数量和规模企业数量同时增长

技术快速成长,不断突破,集成电路相关专利中,IC设计领域专利数量居首

产品完整布局覆盖所有细分领域,CPU、GPU、模拟IC、SoC等产品均已取得突破。

Fabless盈利弹性更大,孕育高通、英伟达等众多大厂。全球半导体分为IDM(Integrated Device Manufacture,集成电路制造)模式和垂直分工模式两种商业模式,老牌大厂由于历史原因,多为IDM模式。随着集成电路技术演进,摩尔定律逼近极限,各环节技术、资金壁垒日渐提高,传统IDM模式弊端凸显,新锐厂商多选择Fabless(无晶圆厂)模式,轻装追赶。同时英飞凌、TI、AMD等老牌大厂也逐渐将全部或部分制造、封测环节外包,转向Fab-Lite(轻晶圆厂)甚至Fabless模式。

中国IC设计产业保持高速增长,2018年增速超30%。虽然目前自给化率仍然偏低,但随着半导体产业转移,下游需求指数级成长,叠加国家大力支持,我国设计产业在近年来也得到了迅猛的发展。设计产业销售规模从1999年的3亿元增长到2018年的2576亿元,复合增速达到42%,稳居世界前沿,随着5G到来,下游需求将持续推动大陆IC设计业发展。

IC设计企业质、量齐升。IC设计业的企业在2018年为1698家,相比2017年的1380家,增长了23%,销售过亿设计企业2018年为208家,相较2017年增长9%。业内总体企业数量和规模企业数量同时增长,反映出大陆IC设计市场规模增长要快于供给增长,IC设计天花板尚早。我们判断,在接下来几年,IC设计市场将继续保持一个良好的发展态势。

Fabless模式专注于设计,设计企业快速追赶IDM。Fabless厂商由于无自建晶圆厂,固定资产规模较轻,折旧压力较小,相对风险较小同时由于专注于IC设计,对市场需求响应速率相对较快。从销售规模来看,2000年,设计公司收入不足IDM公司收入的十分之一,2017年,设计公司收入已超过IDM收入的三分之一从收入增速来看,过去17年的大部分时间,设计公司收入增速均高于IDM公司,仅在2009-2010、2017年出现例外,主要是由于当时存储器处于景气周期,对IDM企业收入拉动较大。综合考量下游驱动力契合度、技术进展情况、上下游供需关系。

从区位分布来开,除开北上广深等城市外,无锡、成都、合肥等城市的设计企业也都超过了100家,武汉、长沙、天津等城市设计企业数量未满100家,但也有较大增长。设计企业区位布局由点及面,开始从北上广深向全国渗透,各省份都开始布局IC设计,设计版块将在全国掀起一股增长浪潮。

近些年国内电子行业的迅猛发展从很大程度上得益于下游消费电子和通信业海量的需求推动,IC设计产业的增长也是深度受益于此。从下游分类来看,国内IC设计业市场主要集中于通信和消费领域。5G的深度影响行业也是通信和消费类,我们判断对应的IC设计企业在接下来将会有一个良好的发展机会。

中国IC专利数量快速增长,设计领域居首。美国集成电路相关专利数量增长自2002年达到顶峰,互联网泡沫破裂之后逐渐下滑,而中国相关专利自200哦年以来长期保持快速增长,2017年有加速增长的趋势。 从专利结构来看,设计相关专利数量在爱我国集成电路专利总量中排名第一,而设计领域中,模拟电路专利数量位居首位,之后依次是处理器、逻辑电路、存储器。

Fabless模式专注于设计,设计企业快速追赶IDM。Fabless厂商因无自建晶圆厂,固定资产规模较轻,折旧压力较小;同时由于专注于IC设计, 对市场需求相应速率相对较快。从销售规模来看,2000年,设计公司收入不足IDM公司收入的十分之一,2017年,设计公司收入已超过IDM收入的三分之一;从收入增速来看,过去17奶奶的大部分时间,设计公司收入增速均高于IDM公司,仅在2009-2010、2017年出现例外,主要是由于当时存储器处于景气周期,对IDM企业收入拉动较大。综合考量下游驱动力契合度、技术进展情况、上下游供需关系。

从趣味分布来开,除开北上广深等城市外,无锡、成都、合肥等城市的设计企业也都超过了100家,武汉、长沙、天津等城市设计企业数量未满100家,但也有较大增长。设计企业区位布局由点及面,开始从北上广深向全国渗透,各省份都开始布局IC设计,涉及板块将在全国掀起一股增长浪潮。

三、人工智能数据产业链的核心驱动

3.1人工智能关键技术

算法、数据和硬件算力组成了人工智能高速发展的三要素。人工智能实现所需要具备的基础,第一个是优秀的人工智能算法,深度学习算法就是AI领域中最大的突破之一,为人工智能的商业化奠定基础。第二是大量数据,数据是驱动人工智能取得更好的识别率和精准度的核心因素。第三是大量高性能硬件组成的计算能力,以前的硬件算力无法满足人工智能的需求,当GPU等高性能芯片和人工智能结合后,人工智能才能迎来真正的高速发展。

3.2人工智能的参与者

人工智能产业链可以分为基础资源层、技术架构层以及应用层。基础资源层分为计数据、计算力和传感系统,以GPU、FPGA、ASIC和类脑芯片为代表的计算芯片位于计算能力层。此外还包括传感器、存储器、大数据和云计算进行基础支撑。技术架构层有通用技术、算法模型和框架/操作系统。

在这条产业链中,以硬件和数据为代表的基础层是构建生态的基础,价值最高,需要长期大量投入进行战略布局通用技术层是构建技术壁垒的基础,投入适中,需要在中长期进行布局而应用层直戳行业痛点,相对来说具有低投入变现快的特点。

3.3人工智能芯片架构创新是关键

3.3.1主流人工智能芯片

按技术架构来看,智能芯片可以分为通用类芯片(CPUGPUFPGA)、基于FPGA的半定制化芯片、全定制化ASIC芯片、类脑计算芯片(IBM True North)。对于绝大多数智能需求来说,基于通用处理器的传统计算机成本高、功耗高、体积大、速度慢,难以接受。因此以GPU、TPU、FPGA、ASIC和类脑芯片为代表的计算芯片以高性能计算能力被引入深度学习。以下从CPU说起,对目前主流的AI芯片加以介绍。

大规模数据量下,传统CPU运算性能受限。遵循的是冯诺依曼架构,其核心就是存储程序,顺序执行。随着摩尔定律的推进以及对更大规模与更快处理速度的需求的增加,CPU执行任务的速度受到限制。

GPU在计算方面具有高效的并行性。用于图像处理的GPU芯片因海量数据并行运算能力,被最先引入深度学习。CPU中的大部分晶体管主要用于构建控制电路(如分支预测等)和Cache,只有少部分的晶体管来完成实际的运算工作。GPU与CPU的设计目标不同,其控制电路相对简单,而且对Cache的需求较小,所以大部分晶体管可以组成各类专用电路和多条流水线,使GPU的计算速度有了突破性的飞跃,拥有惊人的处理浮点运算的能力。

FPGA(可编程门阵列,Field Programmable Gate Array)是一种集成大量基本门电路及存储器的芯片,最大特点为可编程。可通过烧录FPGA配置文件来来定义这些门电路及存储器间的连线,从而实现特定的功能。此外可以通过即时编程烧入修改内部逻辑结构,从而实现不同逻辑功能。

FPGA具有能耗优势明显、低延时和高吞吐的特性。不同于采用冯诺依曼架构的CPU与GPU,FPGA主要由可编程逻辑单元、可编程内部连接和输入输出模块构成。FPGA每个逻辑单元的功能和逻辑单元之间的连接在写入程序后就已经确定,因此在进行运算时无需取指令、指令译码,逻辑单元之间也无需通过共享内存来通信。因此,尽管FPGA主频远低于CPU,但完成相同运算所需时钟周期要少于CPU,能耗优势明显,并具有低延时、高吞吐的特性。

ASIC芯片是专用定制芯片,为实现特定要求而定制的芯片。除了不能扩展以外,在功耗、可靠性、体积方面都有优势,尤其在高性能、低功耗的移动端。谷歌的TPU、寒武纪的GPU,地平线的BPU都属于ASIC芯片。谷歌的TPU比CPU和GPU的方案快30-80倍,与CPU和GPU相比,TPU把控制缩小了,因此减少了芯片的面积,降低了功耗。其缺点在于开发周期长、投入成本大,一般公司难以承担。

张量处理器(tensor processing unit,TPU)是Google为机器学习定制的专用芯片(ASIC),专为Google的深度学习框架Tensor Flow而设计。GPU相比,TPU采用低精度(8位)计算,以降低每步操作使用的晶体管数量。降低精度对于深度学习的准确度影响很小,但却可以大幅降低功耗、加快运算速度。Google在2016年首次公布了TPU。2017年公布第二代TPU,并将其部署在Google云平台之上,第二代TPU的浮点运算能力高达每秒180万亿次。

3.3.2主流AI芯片架构

架构创新市解决成本不断上涨的关键。随着市场对芯片计算能力的需求提高,芯片制造工艺也在不断提高,与之而来的是芯片制造成本不断涨高,解决这个问题的关键则是架构创新。目前AI芯片主要架构有CPU+GPU、CPU+FPGS、CPU+ASIC等。

3.3.3不同环节不同需求,催生专用计算芯片

此前我们已经介绍过,深度学习主要分为训练和推断两个环节在数据训练(training)阶段,大量的标记或者未标记的数据被输入深度神经网络中进行训练,随着深度神经网络模型层数的增多,与之相对应的权重参数成倍的增长,从而对硬件的计算能力有着越来越高的需求,此阶段的设计目标是高并发高吞吐量。

推断(inference)则分为两大类——云侧推断与端侧推断,云侧推断推断不仅要求硬件有着高性能计算,更重要的是对于多指令数据的处理能力。就比如Bing搜索引擎同时要对数以万计的图片搜索要求进行识别推断从而给出搜索结果端侧推断更强调在高性能计算和低功耗中寻找一个平衡点,设计目标是低延时低功耗。

因此从目前市场需求来看,人工智能芯片可以分为三个类别

1)用于训练(training)的芯片主要面向各大AI企业及实验室的训练环节市场。目前被业内广泛接受的是“CPU+GPU”的异构模式,由于AMD在通用计算以及生态圈构建方面的长期缺位,导致了在深度学习GPU加速市场NVIDIA一家独大。面临这一局面,谷歌今年发布TPU2.0能高效支持训练环节的深度网络加速。我们在此后进行具体分析

2)用于云侧推断(inferenceon cloud)的芯片在云端推断环节,GPU不再是最优的选择,取而代之的是,目前3A(阿里云、Amazon、微软Azure)都纷纷探索“云服务器+FPGA”模式替代传统CPU以支撑推断环节在云端的技术密集型任务。但是以谷歌TPU为代表的ASIC也对云端推断的市场份额有所希冀

$(function(){ fun_article(); }); // 处理文章内容有图片或者视频 function fun_article(){ $(".article_r_list .text_show").each(function(){ var old_text = $(this).text().length; var new_text = $(this).text().substr(0, 80); var iframe_length = $(this).find("iframe").length; var img_length = $(this).find("img").length; if(old_text > 80){ if(iframe_length){ var article_iframesrc = $(this).find("iframe").first().attr("src"); $(this).html(""+new_text+"...[详细]");width } else if(img_length){ var article_imgsrc = $(this).find("img").first().attr("src"); $(this).html("

"+new_text+"...[详细]"); } else{ $(this).html(""+new_text+"...[详细]"); } } else{ if(iframe_length){ var article_iframesrc = $(this).find("iframe").first().attr("src"); $(this).html(""+new_text+"[详细]"); } else if(img_length){ var article_imgsrc = $(this).find("img").attr("src"); $(this).html("
"+new_text+"[详细]"); } else{ $(this).html(""+new_text+"[详细]"); } } }); }