【观点】产业互联大潮中，金融科技的三个定位
金融科技以金融为出发点，对产业各个环节进行深度数据化，用新技术提取具备金融元素的工具，再反过来为金融行业服务。
—— 馨金融
文/ 陈劲，上海高金金融研究院执行院长
来源/ 馨金融
互联网的上半场是一场关于「消费互联网」的竞争，C端用户是被抢夺的核心。
以阿里巴巴、腾讯、京东、携程、美团点评等为代表的互联网公司希望应用前沿技术，改变传统的个人金融服务信息采集、风险定价模型、投资决策过程、信用评级体系等，为用户带来更便捷、可获得的线上金融服务，促进消费升级。
而当互联网进入下半场，风口转向「产业互联网」，B端客户开始成互联网巨头跑马圈地的对象。他们希望以科技赋能行业，帮助企业实现业务模式、运营模式和商业模式的数字化、智能化变革。
从消费互联网到产业互联网，互联网的应用逐渐从需求侧拓展至供给侧，行业的内在逻辑随之而变，即服务主体从个人转变为企业；
目标定位从满足个人消费体验转变为改造企业经营模式、提升企业运营效率、优化企业资源配置；
经济形态从个人经济转变为平台经济，突出社会资源的共享性与开放性；
商业模式从流量经济转变为价值经济，实现贯通企业产业链与扩展行业价值链；
市场格局从专注消费需求扩展到产业整体布局，具有更广阔的经济前景。
在这个整体变化中，金融科技该何去何从？
01
产业互联网时代，金融科技迎来新机遇
在消费互联网时代，金融科技对于金融机构最重要价值在于将互联网作为金融产品销售渠道的拓展和补充，以及对消费者更为广泛的数据的解读，比如线上的小额贷款。
而随着云计算等企业级技术应用的发展普及，产业互联网逐渐在各行各业展开实践。不只是业务上线，企业将信息和数据上线，并利用大数据、人工智能、区块链等前瞻技术，使之在产业价值链中发挥更大的价值。
例如，2018年底，蚂蚁金服领投凯京科技，这是一家为小微物流企业和司机提供数据、科技与金融服务的公司。
目前，国内传统货运物流行业成本高企且效率低下，同时数字化、互联网化程度严重不足，无法满足新零售对物流产业的需求。
麦肯锡全球研究院行业数字化指数显示，与中国其他行业相比，货运和物流业效率极低且数字化程度较低。如果能够广泛地使用数字技术，可能会转移或创造该行业23％至33％的总收入，从而实现效率的突破性提升。
产业互联网升级的需求，催生了一批像凯京科技等这样提供大数据、云计算、车联网等服务的平台。他们开始把车辆、司机、企业各个维度的数据记录下来，整合、处理之后，为传统的业务赋能。
02
新机遇下，金融科技的三个定位
金融科技以金融为出发点，对产业各个环节进行深度数据化，用新技术提取具备金融元素的工具，再反过来为金融行业服务。
这些工具包括大数据、智能科技等诸多方面，它们在诞生于金融行业的基础上，同样正在以一种全新的形式来反哺金融行业，以促进金融行业更加安全、高效地运行。而线上化、数据化和智能化，正是这个行业的核心逻辑和进阶之旅。鉴于此，在产业互联网的新机遇下，金融科技该如何自我定位？
✔金融科技正成为产业数字化的驱动力
金融是需要高度数字化的业务，它不只是一种服务，或者一个可以变现的业务，更是可以推动产业升级的一个工具。
无论是之前的交通行业还是如今的物流行业，当金融服务被嵌入场景，无论是转账支付还是贷款、保险，这些金融行为本身都会转化为数据。数据回流之后，经过重新的处理，可以帮助平台更好地了解用户需求、优化产品和服务。
这大概也可以解释为什么金融科技如今越来越少被单独提及，从消费互联网到产业互联网，在场景即服务的大趋势下，它变成一个接口、一个连接器或者一个引擎被嵌入场景之中，成为驱动整个消费、产业升级的力量。
✔金融科技要成为行业升级的连接器
大多数数据化程度较低的产业，金融服务相对落后，而金融服务的缺失也同样影响产业效率的提升。
仍以货运物流行业为例，公开数据显示，中国大约有800万卡车司机，其中95％为个体户或小公司，只有1％的卡车公司拥有50名以上员工。而他们每天的工作中都有大量迫切的金融服务需求，例如长途客车司机在货运途中需垫付燃油费、过路费；小微物流企业需要为合作方垫付款项、账款周期长等。
尽管整个产业基数庞大、需求迫切，但现实情况却是整个行业几乎没有任何一个人拥有信用卡，因为，传统金融机构很难基于原有的风控逻辑上服务这个人群。
事实上，凯京科技在此前已经试水过一些标准化的金融服务，比如与保险公司合作，利用大数据为用户提供更加贴合场景需求的保险服务。不过，如果需要要提供更加复杂的服务，数据平台依然需要更多方面的支持。
这也是产业互联网发展过程中，金融科技to B服务的另外一个特点：以技术为连接器，在原先产业链相互割裂的断点上，构建起互相理解、和谐同生的桥梁，促使数据方、资金方、技术服务方分工合作，协同发展。
✔金融科技将成为商业模式升级的助推器
基于更加多元的服务，原本单纯提供数据服务的B端平台也进一步实现了商业模式的升级。一个最基础的逻辑是，这些平台除了原本的标准化数据产品以外，增加了更多高附加值的服务。例如，凯京科技目前还可以为行业内的司机和小微企业主提供保险分期和物流供应链等服务。
这些服务在提升用户粘性的同时，也使得整个平台的生态更加完整，营收来源更加多元化、现金流更加稳定，商业模式走向成熟。
金融科技的上半场触达的游戏已经结束，头部格局已定，而金融科技的下半场价值链的重构游戏才刚刚开始。道阻且长，行则将至。无论是技术赋能，还是多元化布局，在强监管时代，金融科技公司只有专注做好自身的业务，同时抓住创新机遇抢占市场，才会在这轮金融科技大浪潮中立于潮头。
END
行业时事
深圳互金协会发布P2P退出指引 雄安新区区块链管理平台向农民工代付工资
案例分析
【保险的商业逻辑】（一）保险行业大变革
监管动态
深度观察
活动&荐书
清华大学五道口金融学院互联网实验室成立于2012年4月，是中国第一家专注于互联网金融领域研究的科研机构。
专业研究 | 商业模式 • 政策研究 • 行业分析
内容平台 | 未央网 • "互联网金融"微信公众号iefinance
创业教育 | 清华大学中国创业者训练营 • 全球创业领袖项目（报名中！点击查看详情）
网站：未央网 http://www.weiyangx.com
免责声明：转载内容仅供读者参考。如您认为本公众号的内容对您的知识产权造成了侵权，请立即告知，我们将在第一时间核实并处理。
WeMedia（自媒体联盟）成员，其联盟关注人群超千万
登录查看更多
相关内容
德勤发布中国人工智能产业白皮书，内容关于人工智能行业综述，人工智能商业化应用，以及中国主要人工智能产业发展区域及定位。
主要发现
-
中国人工智能产业发展迅速， 但整体实力仍落后于美国。中国人工智能产业发展迅速， 2018年中国人工智能市场规模有望超过300亿元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪潮以从实验室走向商业化为特征， 其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、 大规模多频次的投资以及逐渐清晰的用户需求。与此同时，中国处于人工智能发展初期， 基础研究、 芯片、 人才方面的多项关键指标与美国差距较大。
-
中国企业价值链布局侧重技术层和应用层， 对需要长周期的基础层关注度较小。人工智能产业链分为基础层（芯片、 算法框架）、 技术层（计算机视觉、自然语义理解、 语音识别、 机器学习） 和应用层（垂直行业/精确场景）。中国企业布局比较偏好技术相对成熟、 应用场景清晰的领域， 对基础层关注度较小。瞄准AI专用芯片或将为中国企业另辟蹊径。
3.科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案，深耕巨头的数据洼地， 打造护城河。科技巨头构建生态链， 已经占据基础设施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡， 更多的创业企业将发力深耕巨头的数据洼地（金融、 政府事务、 医疗、 交通、 制造业等），切入行业痛点， 提供解决方案， 探索商业模式。
-
政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道，早期进入的企业逐步建立行业壁垒， 未来需要解决数据割裂问题以获得长足发展。各地政府的工作内容及目标有所差异， 因而企业提供的解决方案并非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于合作企业要求较高，行业进入门槛提高， 强者恒强趋势明显。
-
人工智能在金融领域的应用最为深入， 应用场景逐步由以交易安全为主向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工智能在金融行业的应用， 改变了金融服务行业的规则， 提升金融机构商业效能，在向长尾客户提供定制化产品的同时降低金融风险。
-
医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康， 医疗又是一个受管制较严的行业。人工智能能否如预期广泛应用， 还将取决于产品商业化过程中如何制定医疗和数据监管标准。
-
以无人驾驶技术为主导的汽车行业将迎来产业链的革新。传统车企的生产、 渠道和销售模式将被新兴的商业模式所替代。新兴的无人驾驶解决方案技术公司和传统车企的行业边界将被打破。随着共享汽车概念的兴起。无人驾驶技术下的共享出行将替代传统的私家车的概念。随着无人驾驶行业规范和标准的制定， 将衍生出更加安全和快捷的无人货运和物流等新兴的行业。
-
人工智能在制造业领域的应用潜力被低估，优质数据资源未被充分利用。制造业专业性强， 解决方案的复杂性和定制化要求高， 所以人工智能目前主要应用在产品质检分拣和预测性维护等易于复制和推广的领域。然而， 生产设备产生的大量可靠、 稳定、 持续更新的数据尚未被充分利用， 这些数据可以为人工智能公司提供优质的机器学习样本， 解决制造过程中的实际问题。
-
人工智能加速新零售全渠道的融合，传统零售企业与创业企业结成伙伴关系， 围绕人、 货、 场、 链搭建应用场景。人工智能在各个零售环节多点开花， 应用场景碎片化并进入大规模实验期。传统零售企业开始布局人工智能， 将与科技巨头在应用大数据和人工智能领域同台竞技， 意味零售商将更加积极与创业公司建立伙伴关系。
-
政策与资本双重驱动推动人工智能产业区域间竞赛， 京沪深领跑全国， 杭州发展逐步加速。京津冀、 珠三角、长三角以及西部川渝地区成为人工智能企业聚集地区。北京、 上海、 深圳牢牢占据人工智能城市实力第一梯队的位置， 广州的大型企业与初创企业数量较少， 杭州主要依靠阿里巴巴，因而属于第二梯队， 重庆则受到技术与人才基础限制处于第三梯队。
-
各地政府以建设产业园的方式发挥人工智能产业在推动新旧动能转换中的作用。人工智能产业园呈现多点开花、 依托原有高科技产业园以及与原有园区企业产生联动效应的特点。但由于建设速度过快， 园区也出现了空心化与人才缺口的问题。
12.杭州未来科技城抓住人工智能产业快速发展的机会并取得显著成绩，未来可以从人才、 技术、 创新三要素入手进一步打造产业竞争力。推出培养、 吸引、 保留人才的具体措施， 建立具有成长性的人才库；通过完善产业链布局， 发现高价值技术企业并了解企业诉求。提高对技术型企业的招商效率；从创新主体、创新资源和创新环境三个层次聚集创新要素， 打造利于企业创新创业的有利条件。
成为VIP会员查看完整内容
