商業銀行 "ChatGPT" 專利哪家強？_人工智能:BDC

來源|零壹財經

作者|嚴井池

圖片來源：由無界AI工具生成

人工智能是引領未來的新興戰略性技術，是驅動新一輪科技革命和產業變革的重要力量。人工智能概念自1956年正式提出以來，歷經60多年的發展，已進入第三次熱潮。近年來，由于云計算、大數據和物聯網等技術研究和應用，人工智能技術得以迅速發展，產業化和商業化進程不斷提速，正在加快與各行各業深度融合。

2022年，世界人工智能產業發展取得了新的突破，ChatGPT這一“現象級”語言大模型產品的發布帶來了國內資本市場和消費者對AI產業熱情的再次進發，而ChatGPT的核心就是人工智能領域的自然語言處理技術。

自然語言處理、機器學習、計算機視覺、智能機器人等是人工智能應用最廣的幾個子領域。金融業是對新興技術最為敏感的行業之一，為了更好觀察我國在金融行業的人工智能技術儲備和應用情況，零壹智庫將陸續推出銀行/證券/保險/消費金融/金融科技……+AI系列專利創新榜單和案例分析。本文聚焦商業銀行及其科技子公司的自然語言處理專利。

報告：CBDC應降低商業銀行投資帶來的風險 使金融體系更安全:美國費城聯邦儲備銀行的研究人員最近發表了一篇論文，探討央行數字貨幣（CBDC）對金融系統的潛在影響。該報告指出，除了消除對現金的需求，CBDC還應讓美聯儲(fed)壟斷存款，從而防止未來的銀行擠兌。

報告指出，CBDC因此應降低商業銀行投資帶來的風險，并使金融體系更加安全。同時，它假設CBDC可能會阻礙銀行為生產性項目融資的能力，從而對貨幣秩序產生負面影響。

事實上，該報告預測了CBDC的出臺會帶來嚴重的經濟后果。在部分準備金銀行體系中，商業銀行利用活期存款為長期項目融資。然而，央行發行的數字貨幣可能會消除活期存款作為銀行貸款來源的作用，從而阻礙商業銀行的信貸形成能力。（beincrypto）[2020/6/5]

在我們傳統認知中，只有人類才有語言能力。人類的多種智能都與語言有著密切的關系。通俗點來說，自然語言處理技術是讓計算機來處理、理解以及運用人類語言，體現了真正意義上的“人工智能”。通過計算機理解人類語言并處理大量文本，進行針對性分析，可以為各行各業節省人力，提升工作效率，從而促進行業的數字化發展。

聲音 | 中國銀行支付清算部總經理：商業銀行借助區塊鏈等技術，深入分析客戶行為以提升支付效率:金色財經報道，11月28日，中國銀行支付清算部總經理范耀勝在第八屆中國支付清算論壇上指出，如今數字化轉型已經成為商業銀行共同關注融入和推動的行業趨勢，主要體現在一智能化，借助大數據、機器學習、區塊鏈等技術，深入分析客戶行為，提升支付效率，實現安全便捷的統一。[2019/11/29]

目前，自然語言處理技術已經廣泛應用于不同行業之中。2022年，我國自然語言處理產業規模約為87億元，其中金融領域為23億元，占到26.4%的比例。金融領域銀行、證券、保險等企業業務與自然語言處理技術結合緊密，同時具備建設意愿與資金投入，因而成為了市場規模的主要拉力。

對于銀行來說，可以將自然語言處理應用到大量的文本和語音數據，以提取信息、獲得洞見并簡化手工任務。例如，銀行使用聊天機器人來了解客戶的查詢并提供適當的響應。這些機器人可以處理基本的客戶服務請求，如余額查詢、資金轉賬和賬單支付，從而騰出人力代理來處理更復雜的問題。此外，自然語言處理技術還可以應用于銀行客戶反饋的情緒分析、交易反欺詐和信用風險評估等領域。

動態 | 報告：商業銀行之間比拼的是區塊鏈等技術與金融的融合:中國銀行業協會和銀行業理財登記托管中心日前在北京聯合發布《中國銀行業理財業務發展報告（2018）》，報告指出，面對著業務凈值化轉型中存在的各項挑戰，商業銀行之間真正比拼的將是大數據、區塊鏈、人工智能等技術與金融的充分融合；金融科技將逐漸成為資管行業新的生產要素，并將給銀行理財業務帶來深刻變革。（經濟參考報）[2019/9/5]

專利申請總量：工商銀行排名第一，微眾銀行進入前10

從銀行自然語言處理專利申請數量來看，工商銀行以286件排名第一，其次為平安銀行、建設銀行和中國銀行，均在150件以上。從授權數量來看，工商銀行與微眾銀行以12件并列第一，其次為建設銀行和中國銀行。專利申請和授權總量排名靠前的多為大型股份制商業銀行，這些銀行的數字化程度較高，在其業務中使用自然語言處理技術的情況較多。

股份制銀行中，浦發銀行以65件專利排在第7位；招商銀行緊隨其后，相關專利總量為25件。微眾銀行和新網銀行分別位列第5和第9名，進入了前10。

聲音 | 泰國暹羅商業銀行使用Ripple為跨境支付提供支持:據dailyhodl報道，泰國暹羅商業銀行使用Ripple為跨境支付提供支持，使泰國客戶能將資金轉移到包括美國、英國、德國、法國、意大利、西班牙和新加坡在內的多個國家。[2019/8/23]

專注于線上業務的互聯網銀行，在風控、信息和數據處理等業務中繞不開自然語言處理技術，相關專利儲備有一定優勢。

銀行的一些自然語言處理專利是和其金融科技子公司共同申請的。其中，建設銀行與建信金科共同申請的專利數最多，為39件。工商銀行與工銀科技共同申請了10件，興業銀行與興業數金共同申請了3件，農業銀行與農銀金科共同申請了1件。

表1：銀行自然語言處理專利*申請及授權情況

*統計時間截止為2023年3月31日，包含銀行和其金融科技子公司共同申請的專利

菲律賓商業銀行計劃推出數字現金:數字貨幣解決方案提供商ECurrency Mint Limited（eCurrency）日前宣布，已經與菲律賓最大的民營銀行菲律賓商業銀行（RCBC）達成合作，計劃推出其數字現金產品，該數字現金將可以在菲律賓現有交易平臺上進行流通，并且適用于所有電子錢包。[2018/1/26]

數據來源：智慧芽，零壹智庫

金融壹賬通自然語言處理專利申請數遙遙領先

從銀行金融科技子公司自然語言處理專利申請數量來看，金融壹賬通以269件排名第一，遙遙領先于其他金融科技子公司。其次依次為建信金科和民生科技。

從授權數來看，金融壹賬通以14件自然語言處理專利授權數排名第一，其次為建信金科和民生科技。

表2：銀行金融科技子公司自然語言處理專利*申請及授權情況

*統計時間截止為2023年3月31日，專利為銀行金融科技子公司單獨申請

數據來源：智慧芽，零壹智庫

金融壹賬通早已走出平安體系，為銀行、保險、投資等行業的金融機構提供“技術+業務”解決方案。財報顯示，從2017至2020年，金融壹賬通先后投入逾38億元用于研發，每年的研發投入占收入的比例均超40%，其在全球累計申請近6000件專利，其中人工智能相關專利超過1000件。

建信金科也在逐步走出建設體系，2022年財報顯示，其核心產品輸出政策性銀行、全國性股份制銀行、地方商業銀行等各類型銀行的收入16.39億元，同比增長20%，在總營收中占比19.89%。2022年，建行金融科技投入232.9億元，占營收的2.83%，獲取專利授權1256件，較2021年增加525件。

銀行及其金融科技子公司自然語言處理專利典型案例

工商銀行智能客服

工商銀行在自然語言處理方面，深入研究語義分析相關技術和產品，并將研究成果應用于手機銀行語音導航、轉賬要素識別等智能客服場景，進一步提升智能客服的智能化服務水平，降低運營人力資源成本。

例如，工商銀行推出基于自然語言處理技術的智能客服“工小智”、在微信、短信、手機銀行、網上銀行等多個渠道為客戶提供服務，推動了遠程銀行中心系統升級和業務創新，完善客服、風控、外呼的智能服務應用。據2018年的統計，工行智能客服的識別率已達98%，處于行業領先水平。

工商銀行2022年度報告顯示，工商銀行2022年科技投入金額為六大行的“榜首”，高達262.24億元，占營收比為2.86%，同比增長0.1個百分點。工商銀行通過自然語言處理相關技術廣泛應用于智能客服、智能營銷等各類業務場景，覆蓋手機銀行、電話銀行等108個渠道、2400個業務場景，涵蓋個人金融、普惠金融等多個業務領域，全年共釋放超過1.8萬人年工作量。

微眾銀行人工智能ESG評級體系

2021年7月，微眾銀行攬月智能資管團隊與萬得咨詢合作，在Wind金融終端正式上線首個由銀行打造的基于人工智能技術和另類數據的微眾攬月ESG評級，全面助推ESG信息披露和資產管理行業的可持續發展。

微眾攬月ESG評級的每個二級指標包含了多維度的數據點和數據來源，通過使用自然語言處理技術對非結構化數據進行數據提取、主體識別、事件提取、事理圖譜挖掘等分析，得到每個企業相應數據點的度量。這樣得出的ESG評級具有及時、準確、客觀的特點。

浦發銀行智能網點與手機智能App

浦發銀行近年來持續加大金融科技創新力度，聯合國內外前沿科技企業建立科技合作共同體和創新實驗室，共同探索數字化模式創新，加速人工智能、大數據等技術應用，持續提升用戶服務體驗。

例如，在智能網點建設上，浦發銀行創新推出i-Counter智能柜臺，通過對自然語言處理等技術的應用，促進了柜面業務遷移和人員釋放。浦發銀行的手機智能App使用自然語言處理技術，建立了應用文本和隨機數相結合的聲紋認證體系，通過語音內容、聲紋模型等維度認證，客戶可以通過與App溝通完成基礎金融交易。

金融壹賬通加馬平臺

由于金融領域存在海量不同類型、用途、結構、篇幅的文本材料。傳統的人工審核方式效率低下、流程繁瑣，而且極易出錯。為進一步解決金融領域海量文本的處理難題，金融壹賬通打造以自然語言處理技術為基礎的開放平臺體系——加馬平臺，為金融機構提供“技術+服務”的解決方案，賦能金融領域文本處理的數智化轉型升級。

該平臺實現了讓機器讀懂文本如股份回購報告書、財務報告等，提取關鍵信息進行解讀，已在銀行、證券公司、金融局等機構得到了一系列落地。該技術平臺實現了成本相比純人工審核的成本平均下降50%，同時平均降低20%的常規操作風險，實現了對實際金融場景的深度賦能。

Tags：人工智能CBDBDCESG學人工智能后悔死了CBD價格BDCC幣MESG

BNB