核心摘要：
金融监管体系的改革推动金融科技行业进入超级监管时代，数据要素应用与金融场景建设成为如今行业关注的重要领域，为金融机构提供以业务需求为导向的技术服务成为“厚积成势”阶段行业发展的新目标，市场参与者的“业技融合”能力受到行业内外的普遍关注。本篇报告将从技术发展趋势与业务能力应用两方视角出发，结合业内专家观点与典型案例展示，聚焦国内金融科技行业在全新监管时代下的发展进程，探究科技应用的全新模式。
科技价值的分析：科技能力由金融服务传导至实体经济，金融科技的外延价值提升金融机构运营效率，助力实体经济降本增效
金融科技的发展是人工智能、区块链、大数据等前沿技术与传统金融业务的结合，在合理应用数理模型与算法能力的基础上，实现对于数据与计算资源的整合及充分应用。金融科技的广泛应用不仅在业务层面完善了机构的风险管理策略、提升精准营销能力，并且通过改进业务办理环节与展现形式，以丰富的内容与交互方式服务用户，全面提升用户的金融业务办理体验。与此同时，前沿技术的影响力也通过金融服务的方式传导至实体经济，企业不仅在数字化转型的浪潮中提升了自身基础技术应用与数据治理能力，也在金融机构科技赋能的背景下获得了性价比更高、流程更高效的金融服务，极大的降低了企业（特别是中小企业）的融资周期，实现以技术推动金融业与实体经济间的产融结合，助力金融科技行业发展新目标的达成。
政策环境的演变：金融监管体系的改革推动行业进入超级监管时代，数据要素应用与金融场景建设成为当今金融科技行业关注的重点能力
业技融合的应用：以金融业务需求为导向的技术服务成为“厚积成势”新阶段金融科技行业的发展目标，市场参与者“业技融合”能力受到普遍关注
如今国内金融科技行业已从“立梁架柱”迈入“厚积成势”的新阶段，与之前强调技术层面的提升不同，新阶段的金融科技行业将更加重视技术与业务的交融共振，如何从业务视角探寻金融机构的技术需求、真正实现以业务需求驱动技术应用、以技术应用优化业务流程成为金融科技行业发展的进阶目标。这不仅考验金融机构在面对数字化、科技化转型的应变协同能力，更是对国内金融行业IT技术服务商的大考验。在原有模式下，传统的技术服务商普遍以技术水平提升与新技术创新应用为驱动，企业的核心价值更多的体现在产品技术层面，对于特定的业务流程及场景应用的关注度不高。随着国内金融机构数字化转型浪潮的推进，金融行业对于技术能力的需求成为决定技术供给方行业发展的趋势导向，在金融科技行业发展的新阶段，技术服务商不能仅局限于技术能力的普世化应用，而是应从金融业务的技术需求出发，以业务需求带动相关技术产品的发展，真正实现技术与业务的边界融合、协同共生。在业绩融合的同时，技术服务商也应重视金融机构的产品使用体验，将服务朝向降低客户使用门槛、开源开放的方向推进，为金融机构提供更易用、更通用金融科技产品。
金融科技市场规模：在信创建设、发展规划等多重因素的影响下，国内金融科技市场预计将以约12%的增速于2027年突破5800亿元
随着前沿技术的迭代升级与金融机构数字化转型进程的逐步推进，国内金融机构对于金融科技的投入规模逐年递增，2019年增幅一度高达21%，整体规模突破2200亿元，后续受到全球新冠疫情、中美贸易冲突、国际地缘政治等多方面影响，国内金融机构对于科技成本的使用愈加审慎，于此同时，国家倡导的信创建设推动了金融机构软、硬件产品的国产替代化浪潮，以国产软、硬件设备为基础的科技应用时代提升了金融机构传统IT系统的建设投入。此外，银行、保险等多领域纷纷颁布了2023-2025年科技投入发展规划，就未来3年金融科技投入提供量化指导，明确了科技团队的建设规模与投入的资金比例。综合来看，在发展规划的指导下，伴随着信创投入的提升与前沿科技应用的逐步成熟，未来国内金融科技市场将以约12%的复合增长率于2027年超过5800亿元。
数据处理与平台应用
模态数据处理：改善信息收录方式，推动通用人工智能技术的泛化应用；
低代码平台应用：下沉业务开发逻辑，覆盖更多中长尾金融业务场景；
智慧智能应用
金融大模型：集成数据、算法、算力，是大模型能力输出的主要方式；
AI数智人：与多模态技术的结合为用户带来全新数智体验
RPA与多技术的融合应用：以企业级集成平台的模式为金融机构提供复杂业务流程的自动化解决方案
云应用
“云边端”协同与边缘计算：满足金融机构充分泛在算力的需求
“一云多芯”融合云平台：从底层硬件到上层云原生应用的多芯全栈式适配兼容；
可信与安全
隐私计算一体机部署：软、硬件结合提升隐私计算技术的易用性；
云原生安全：将安全技术与云端应用紧密结合，打造云原生时代安全范式。
多模态数据处理技术：多模态技术的应用将改善传统模型的信息收录方式，利用更加丰富的感知通道模拟人类的理解和表达，推动通用人工智能技术的泛化应用
多模态数据处理技术是指模型通过多种渠道感知、处理信息，以模拟人类信息理解与表达的方式，结合图像识别、金融大模型等前沿技术，实现在金融场景下多类型数据源的综合处理及运用，为金融机构的智能风控、客户营销与智慧化运营，提供多模态情感计算支持。在实际应用方面，多模态大模型技术可通过自监督的方式实现对于海量无标注数据的学习，其自身的泛化能力支持特定场景少量数据的标注学习及微调，目前该项技术在人工服务监督评价、智能语音输入、反欺诈及不良贷款识别、情感捕捉与个性化营销等方面得到深化应用，随着技术能力的提升，未来具备跨模态应用及学习能力的模型或将为金融业带来更全面的多模态应用。
低代码平台应用：将金融业务的开发逻辑下沉到平台侧，在金融大模型的加持下覆盖更多中长尾金融场景的应用，实现数字化解决方案开发部署效率的提升
随着金融行业数字化转型进程的推进，金融科技产品的技术研发与业务场景间的融合更加密切，低代码技术通过提供可视化的开发工具和预先构建模块，搭建起适用于金融业务的敏捷开发平台，在满足金融从业人员对于机构数字化转型过程中的诸多开发需求的同时，实现机构金融数字化业务效能的提升。在以往的低代码产品建设中，产品的可视化能力、基础组件的构成及产品与业务的适配效果是低代码厂商间竞争的核心，而面对如今产品应用能力的增强与业务场景的多样，产品功能层面的竞争已逐渐成为过去，是否有能力沉淀行业Know-how、实现复杂场景的敏捷开发成为低代码产品的最新需求，随着AICG、金融大模型等前沿技术在金融领域应用的逐步成熟，大模型加持下的低代码开发平台将实现更全面的业务场景覆盖，自然语言交互能力在低代码模式下的智能搭建与应用将进一步降低产品的使用门槛，通过需求描述自动生成简单应用的产品模式将成为可能。此外，金融大模型对于金融行业内数据、算法、场景模式的积累将为低代码平台的模块、组件、框架的优化提供有力支持，生成式AI对于需求代码的自动式生成将极大提高低代码平台的使用体验，助力业务向金融科技产品应用的达成。
金融大模型：集成数据、算法与算力的金融大模型产品将成为未来大模型在金融行业能力输出的主要方式
随着人工智能技术领域深度神经网络架构应用的成熟，大模型作为汇集大规模参与复杂计算结构的机器学习模型，凭借其在自然语言处理、计算机视觉、语音识别、推荐系统等多业务导向领域的综合应用能力，逐步走向千行百业，而金融行业作为拥有丰富场景与个性化需求的核心业务领域，其对于大模型应用的需求受到行业内外的普遍关注。金融大模型作为将专业知识与大模型能力相结合的行业大模型应用体系，是通用大模型在垂直行业的有效实践，一方面金融行业对于大模型的广泛应用将改变金融科技范式，重塑金融机构工作方式与金融服务生态，就当前行业近况来看，金融大模型已在金融资讯、产品介绍、内容及图片文本生成、虚拟客服在线交互等方面得到实际应用，随着业务的融合与技术能力的提升，基于“大数据+大算力+强算法”的金融大模型将在更多细分的金融场景带来新技术的变革。
AI数智人：多模态技术的应用助力“数字人”步入“数智人”时代，多模态信息的接受与理解将全面提升虚拟人物的交互功能，为用户带来全新数智体验
以文本输入的形式进行语言理解的文本对话式机器人目前已被广泛应用于金融行业客服领域，通过智能系统自动读取、解析、识别外界输入的信息，在咨询服务、用户问答等环节，以拟人化、规范化、专业化的语句完成与用户间的初步交互。此外，可以实现简单语言交互功能的AI数字人也被金融机构应用于线下网点的客户接待与线上直播间的带货服务，在解放人力的同时也降低了金融机构的运营成本，随着AI技术的提升与多模态技术的应用，虚拟数字人在思想决策、语言输出等方面将更加接近真人，覆盖的应用场景与可搭载的设备种类将更加丰富，整体的交互能力与应用场景将得到进一步提升，逐步步入多模态输入模式下的AI数智人时代。
RPA与多技术的融合应用：RPA与大模型、流程挖掘等多技术的融合应用，以企业级集成平台的模式为金融机构提供复杂业务流程的自动化解决方案
伴随着金融机构数字化转型的逐步推进，金融业务自动化的复杂程度与日俱增，针对复杂流程应用的RPA规划将产生高额费用，为了应对该情况的发生，RPA将从单一的技术模块转变为企业级集成平台，不断集成、融合更多的技术与组件应用，通过吸收其他板块的技术优势，提升RPA集成平台自身的自动化能力，助力金融机构有能力解决更多、更复杂的流程自动化与关键环节拆解的业务难题，全面提升RPA系产品的易用性。与RPA相融合的技术包括NLP、OCR等AI小模型的应用，以及与低代码平台结合以SaaS化产品输出的RPA系产品，其中目前业内最主流的两种应用模式分别是RPA技术与大模型以及RPA与流程挖掘两者的分别结合，应用大模型在智慧生成、语意理解等数智化方面的能力，优化人机交互模式，提升RPA产品的智能性。此外，流程挖掘技术的应用将识别自动化流程的机会点，在监测自动化流程的同时改进环节，实现自动化流程的全面优化。
“云边端”协同与边缘计算：“云、边、端”的协同充分发挥云计算与边缘计算的优势，满足金融机构对于充分泛在算力的需求；架构解耦成为技术落地应用的重要一环
云计算的应用助力金融机构通过云端共享的算力资源实现大型计算任务的达成，这种集中式的计算模式对于云端数据中心的依赖度较高，广而全的数据信息获取与应用也使其在隐私安全性与业务时效性方面难以适配某些特定需求的业务流程，而边缘计算作为一种分布式运算架构，它的工作原理是将中心服务器负责的任务分解发放至网络的边缘端，由边缘端通过设备端收集数据，在不需要将数据上传至中心云的情况下，低延时满足金融机构的业务需求。边缘计算系统通过云、边、端的三方协同，实现了云计算和物联网的深度融合，避免了大量不必要的敏感数据跨网传输，可应用于金融机构智慧网点、智慧安防等场景建设中。对于金融行业来说，云端与边缘端的技术开源与架构解耦将成为“云边端”协同落地应用的重要一环，也为后续复杂业务场景的定制化开发奠定基础。
“一云多芯”融合云平台：“一云多芯”可实现从底层硬件到上层云原生应用的多芯全栈式适配兼容，是构建信创云、金融团体云底层架构的重要保障
随着金融行业“上云用数赋智”进程的推进，金融业务场景的复杂性以及金融机构上云进程与软硬件产品选择的不同，导致目前金融行业存在多条技术路线并存的情况，而“一云多芯”作为能够实现在同一云端支持不同CPU芯片的混合部署的云平台协同技术，通过对源代码的架构编译、容器化封装、表转化部署的方式，实现多家金融机构、多类应用场景、多种软件产品的云端部署。在金融团体云建设与信创化浪潮中，“一云多芯”可解决信创应用适配N个操作系统与M个CPU架构的 N x M多选的难题，有效的将数智化转型过程中的工程化挑战，以多样化算力帮助金融行业实现金融团体云建设。
隐私计算一体机部署：通过可信硬件与高性能软件的结合提升隐私计算技术的易用性，为金融机构提供一站式隐私数据保护方案
随着金融行业对于数据流通共享需求的提升与数据合规应用监管的严格，隐私计算作为保障“数据可用不可见，用途可控可计量”流通范式的支持技术，在数据密集型产业合规运营中的作用愈发重要，但在实际应用中，面对复杂的技术栈部署、产品形态与应用环境，如何平衡技术在性能、安全性与通用性方面的表现，充分释放隐私计算能力、实现真正的大规模商用成为隐私计算行业发展面临的重要课题。在提升隐私计算技术的可用性、易用性方面，将可信硬件与高性能软件相结合的隐私计算一体机，通过软硬件结合的方式构建从硬件、固件、操作系统到应用软件的一站式隐私保护计算解决方案，应用可信硬件的支持保障隐私计算系统的高效平稳运营，为金融机构提供开箱即用、安全可证的数据可信流通服务。近日随着《隐私计算一体机技术要求》的出台，隐私计算一体机产品在在参考架构、功能需求、性能需求、安全需求等多方面获得了标准化、专业化的技术标准支持，在降低行业内协作成本的同时实现更大规模的产品应用与落地推广。
云原生安全：将安全技术与云端应用紧密结合，为金融机构打造智能化、平台化的云原生时代安全范式
随着金融机构数字化转型浪潮的日益推进，金融上云成为行业发展的必然选择，在面对愈加复杂的应用部署、系统架构与资源规模时，如何保障金融机构上云后的云原生建设安全成为云原生时代应关注的核心问题，与传统“防火墙式”系统安全保护模式不同，云原生安全系统的建设需要从传统的边界防护转为纵深防御，应用安全左移、安全内生的原则，从软件开发阶段开始保障功能的可预期性、降低“可被利用”漏洞的安全事件发生，通过在软件开发、分发、部署、运营全阶段的安全体系保护，建设云原生时代金融机构的全新安全范式。
银行业：
金融科技业务场景应用：
精准营销：以“用户全生命周期”为核心的银行营销数字化产品应用；
智能风控：由基础能力治理与风控能力应用两部分构成的银行智能风控体系建设；
银行业金融科技投入规模：预计将以11%的复合增长率于2027年突破4200亿元；
保险业：
金融科技场景应用：
智能核保承保：金融科技优化核保承保流程，提升业务办理效率与连续性；
理赔流程优化：关键节点的数字化升级与业务流畅衔接是优化理赔流程的核心要素；
保险业金融科技投入规模：预计将以约13.9%的复合增长率于2027年达到870亿元；
证券业：
金融科技场景应用：
智能投顾系统：与前沿技术的结合实现用户全生命周期的数智化投顾服务；
证券业金融科技投入规模：预计将以约15.6%的复合增长率于2027年达到745亿元。
银行业：金融科技业务场景应用
前沿技术与金融业务场景的深度融合助力银行数字化营销平台与智能风控体系的建设，从营收与风险两方面实现对于银行业务场景的科技赋能
随着我国经济发展由高速增长阶段转向为高质量发展阶段，传统金融体系在支撑国内经济高质量发展的过程中面临诸多挑战，银行作为整个经济体中负责调配资金需求、保障金融资源合理利用的重要金融机构，在促进产融结合、实现金融服务实业方面被给予厚望。人工智能、大数据、云计算等前沿技术作为银行数字化营销平台与智能风控体系的底层技术支持，通过提升银行数据治理能力、优化业务流程、改善交互模式等方式，充分挖掘用户数据价值，以数据驱动金融业务的达成，实现金融科技对于银行营收与风控能力的双重赋能。
银行业：金融科技投入规模
在信创建设与新技术应用的双重推动下，金融科技市场将在审慎的银行投资中以11%的复合增长率稳步增长
银行作为金融行业中数字化转型与科技应用起步较早的领域，在金融科技方面的基础建设与资金投入远超其他金融机构，在2019年国内银行业的金融科技总投入就以20%的增速突破1700亿元，后续受到全球疫情、边缘政治、中美贸易战等多方影响，国内银行业的运营由“粗放”走向“精细”，对于金融科技版块的投资也愈加审慎。于此同时，国家信创建设的要求促使着国内银行业提升在软、硬件产品国产替代化领域的投入，随着头部国有大行信创建设的推进，市场对于国产核心系统的需求将进一步提升。此外，以AI数字人、金融大模型为代表的前沿技术在精准营销、智能风控等多个金融场景的灵活应用，让国内银行业认识到了新技术与银行业务的高度适配，以前沿技术为基础的数智化产品或将在未来3-5年得到更广泛的应用。综上所述，在经历1-2年的增速减缓，由信创建设与新技术应用为核心推动力的银行业金融科技市场，将呈现逐年稳步提升的增长态势，预计将于2027年整个市场规模突破4200亿元。
银行业：科技投入情况分析
前沿技术应用将成为银行科技投入的核心增长点，以超25%的复合增长率高速增长；云原生建设及AI与大数据的融合应用备受行业期待
随着银行业数字化转型的推进与科技岗位的扩充，近年银行科技团队建设与人员薪酬成本占据科技投入的较高比例，但随着后续市场的逐步稳定与团队建设的成熟，预计未来3-5年银行科技人员的人力成本将以此为基础呈现动态调整、小幅增长的态势。此外，随着银行信创建设的逐步推进，银行在维持软、硬件产品正常更新换代的同时还要逐步达成国产化产品的替代，预计未来传统IT建设的资金投入将以13.8%的复合增长率稳步提升。对于前沿技术应用来说，伴随着新技术产品的迭代升级与一体化解决方案的落地应用，预计未来3-5年将以超25%的复合增长率高速增长，其中云计算与云原生的建设以及AI与大数据的综合应用将成为银行业前沿技术投入的两大核心点，预计2027年两者的综合投入将突破500亿元。
保险业：金融科技业务场景应用
前沿技术在保险行业的广泛应用推动行业内“业”“技”“数”的有效融合，在优化业务流程的同时实现保险业务经营的降本增效
在可持续增长与业务创新等诉求的驱动下，多项技术的融合赋能与契合场景需求的创新开发已成为保险机构核心竞争力的构建共识，前沿科技的实践探索正重塑保险各环节价值链，推动保险保障类型、产品内涵、业务模式、行业生态发生根本性变革。核保承保与理赔给付作为保险业务流程的核心环节，其数智化水平的提升将在优化业务流程的同时降低运营成本，以高效的自动化流程降低保险业务对于人力的高度依赖。
保险行业：金融科技投入规模
政策的出台为保险科技行业的发展提供了更加明确的量化指导，整个市场预计将以13.88%的复合增长率于2027年突破870亿元
保险行业作为在业务流程标准化方面有较高要求的金融服务行业，其自身的业务特征与金融科技的赋能点高度适配，目前已在信息的自动化识别录入、用户智能核保承保、自动化理赔等多个环节取得了阶段性成果。业务环节的数字化升级与数智化改造在提升保险机构业务办理准确性的同时，实现了经营层面的降本增效，随着技术的进步与应用能力的成熟，保险行业的数智化升级将覆盖更多业务板块，进而逐步实现保险业务全流程的自动化、数智化改造。与此同时，银保监会、中国保险协会等多家国家监管机构对于保险科技的发展提供了更加明确的指导，其中《保险科技“十四五”发展规划》中要求保险行业进一步加大保险科技的投入与人才团队建设，在2025年实现信息技术投入占比超1%、信息科技人员占比超5%的战略目标。在此背景下，国内保险业金融科技投入规模将呈现稳步提升的增长态势，预计整体规模将以13.88%的复合增长率于2027年突破870亿元。
保险行业：科技投入情况分析
传统IT建设占据保险科技投入半数成本；大数据的应用成为前沿科技的核心增长点，预计2027年前沿科技投入规模将高达186亿元
在《保险科技“十四五”发展规划》科技人才团队建设要求的指导下，未来3-5年保险行业用于科技团队建设的资金投入将稳步提升，考虑到后疫情时代市场经济的发展现状，推测未来保险行业的科技团队将以稳健发展为主，短时间内不会出现大规模的人员扩充。在金融科技的软、硬件设施方面，传统的IT系统建设仍是保险科技投资中占比最高的部分，随着信创建设的要求，头部保险机构已逐步实现外围系统的国产替代化升级，伴随着正常的核心业务需求与IT设备的更迭，预测该部分在未来依旧占据近半数的科技成本。与此同时，保险行业对于前沿技术的应用也在逐步推进，大数据平台的建设及衍生应用成为保险机构关注的重点，数据要素在保险业务中将承担更重要的作用，保险机构对于大数据平台的投入预计将于2027年突破90亿元。此外，近年AI相关技术的蓬勃发展为保险机构提供了更加丰富的营销模式，触客方式与获客效率得到进一步的提升，预计2027年保险行业在AI领域的资金投入将超过26亿元。
证券行业：金融科技业务场景应用
知识图谱、隐私计算等前沿技术的应用推动证券行业投顾系统的数智化升级，实现全生命周期、多业务场景的技术化覆盖
证券行业的数智化转型不仅体现在智能风控、精准营销等金融行业的通用领域，在客户个人财富管理与投顾业务方面也同样实现了业务路径的优化与效率的增强。随着证券机构业务产品复杂度的提升与公众财富管理意识的觉醒，传统线下投顾服务模式难以实现大范围目标人群的全生命周期覆盖，在产品的个性化匹配与组合构建方面存在高度同质化、产品模式单一等问题，而以知识图谱、大数据挖掘、量化投资分析、隐私计算等技术为基础的智能投顾服务，能够在把握用户信息、深度挖掘数据价值的同时，实现金融理论的算法化，通过软件工程实现金融理论的技术整合，在多个业务场景以产品化的运营模式为证券行业提供投顾业务全流程的覆盖，提升客户收益，改善与机构间的交互体验。
证券行业：金融科技投入规模
在《三年提升计划》的指导下，国内证券科技市场或将迎来增幅小高峰，预计未来市场将以15.62%的复合增长率保持稳健增长
国内证券行业的科技投入在2019及2020两年快速提升，增幅一度高达28.7%，在完成最初阶段的架构改造与数字化升级之后，自2021年起，证券科技市场的增速逐步回落至平稳水平，2023年中政协就国内证券行业信息技术升级提出了《证券公司网络和信息安全三年提升计划（2023-2025）》，除了强调安全合规、协同运营的基本原则外，对于券商的科技投入与人才团队建设提出了量化指导，鼓励证券机构在2023年至2025年的科技投入不少于平均净利润的10%或平均营收的7%，此外，也积极鼓励推进新一代核心系统的建设，由此判断，在未来的1-2年内，国内证券行业科技投入或将迎来增幅上的小高峰，预计2025年科技投入增速将高达19.7%，市场整体将以15.62%符合增长率，于2027年达到740亿以上的市场规模。
证券行业：科技投入情况分析
信创建设与核心系统换代潮的来临推动传统IT投入稳步增长，云与大数据平台的应用将成为推动科技投入提升的核心动力
在证券行业的科技投入中，传统IT系统的建设占据了相对较高的投入份额，随着后续信创建设与核心系统集中还代时代的来临，预计未来证券机构在传统IT建设的投入规模将以14.16%的符合增长率逐年递增。此外，在《证券公司网络和信息安全三年提升计划（2023-2025）》的指导下，证券机构将更加重视科技人才的培养与技术团队的建设，信息科技专业人员与信息安全专业人员的提升促使着科技人员投入资金的上涨，预计2027年证券行业科技人员的投入规模将突破200亿元。在新技术的应用方面，证券行业与银行、保险相比前沿技术的应用比例较少，伴随着前沿技术应用的成熟与券商行业数智化转型进程的推进，预计未来以云计算、云原生及大数据平台为代表的前沿技术将在证券行业得到更广泛的应用，整个前沿技术的投入规模预计以21%的复合增长率于2027年达到70亿元。
关注公众号，获取报告（或公众号后台留言“艾瑞报告”）
