智能金融領域互聯網頭部企業競爭力分析：基于專利視角

何 雋，杜夢婷

（清華大學深圳國際研究生院，廣東深圳 518055）

“智能金融”是人工智能技術與金融行業結合的產物。金融行業發展至今，經歷了從電子金融到線上金融再到智能金融的轉變，每次變革都與技術進步緊密相關。20 世紀90 年代，計算機技術的成熟導致金融機構電子化程度提高，自動取款ATM 機、銷售終端POS 機、電算化系統等在金融機構廣泛應用；之后隨著互聯網發展，支付寶、網絡借貸、互聯網保險等網絡平臺出現，金融業務由線下向線上轉移，金融機構開始涉足電子商務領域；如今，人工智能、區塊鏈、云計算、大數據等技術迅猛發展并在金融領域深入應用，智能客服、智能支付、智能風控、智能投顧等成為金融行業發展的主旋律［1］。特別值得關注的是，在智能金融領域，一方面，傳統金融機構開始向科技型金融機構轉型，另一方面，互聯網企業利用其技術和流量優勢開始進軍金融領域，與此同時，各類金融科技初創企業也不斷涌現。我國智能金融領域的競爭日趨激烈，目前主要競爭集中在以百度、阿里巴巴、騰訊、京東（以下簡稱“BATJ”）為代表的互聯網頭部企業及大型金融機構之間。互聯網頭部企業相比于金融機構擁有較強的人工智能技術研發實力和大量的平臺用戶積累，其中阿里巴巴旗下的螞蟻金服、京東旗下的京東數科以及百度旗下的度小滿金融在2018 年智能金融服務企業排行榜中分別位列第1、第2 和第4 名。智能金融領域的競爭不僅僅是產品與服務的競爭，更是技術的競爭，技術實力是企業最重要的核心競爭力之一，而專利分析是企業了解競爭對手技術實力、制定未來發展戰略的重要手段之一［2］，基于此，本文以BATJ 這4 個互聯網頭部企業為例，通過專利數據分析了解我國互聯網頭部企業的技術研發現狀，運用波特五力模型分析上述企業在智能金融領域的競爭態勢，并對互聯網頭部企業在智能金融領域的未來發展提出建議。

1 智能金融發展的宏觀環境分析

1.1 政策環境

（1）人工智能被寫入政府工作報告。技術發展離不開政策支持，近年來，我國政府對人工智能發展的政策支持力度和資金扶持力度均顯著增強。2015 年7 月，《國務院關于積極推進“互聯網+”行動的指導意見》提出要大力培育發展人工智能新興產業；2016 年5 月，我國《“互聯網+”人工智能三年行動實施方案》提出要構建人工智能產業體系、創新服務體系和標準化體系；2017 年3 月，《2017年國務院政府工作報告》中“人工智能”首次被寫入中國政府工作報告。

（2）智能金融上升到國家戰略高度。人工智能技術已深入到各行各業，其中金融行業是重點應用領域之一，我國已先后出臺了一系列智能金融發展政策。2016 年7 月，《“十三五”國家科技創新規劃》中提出要建設國家科技金融創新中心，促進金融科技產品和服務創新；2017 年5 月，為加強金融科技工作的研究規劃和統籌，中國人民銀行成立了金融科技委員會；同年7 月，國務院在《新一代人工智能發展規劃》中將智能金融上升到國家戰略高度，提出要建立金融大數據系統，鼓勵發展新興金融業態；2019 年3 月，中國人民銀行召開金融科技委員會第一次會議，指出將研究出臺金融科技發展規劃，明確金融科技發展目標、重點方向和主要任務，加強統籌布局和行業指導。

圖1 2008—2017 年我國金融科技企業注冊數量及其變化

（3）行業監管更加完善與嚴格。新技術給金融行業帶來發展機遇的同時也帶來各種挑戰，因此我國的有關監管力度也隨行業發展不斷加強。2016 年，保監會和證監會分別印發《互聯網保險風險專項整治工作實施方案》和《股權眾籌風險專項整治工作實施方案》，對互聯網保險經營模式和互聯網股權融資行為進行規范；同年4 月，國務院出臺《互聯網金融風險專項整治工作實施方案》，對互聯網企業的金融業務資質進行規定，金融牌照合規進程加速；2017 年8 月，銀監會印發《網絡借貸信息中介機構業務活動信息披露指引》，對網絡借貸信息中介機構業務活動的信息披露行為進行規范，加強金融風險防控；2019 年4 月，《證券法（修訂草案）》（三次審議稿）發布，首次在法律層級上對證券程序化交易進行規制，這也是我國首次對智能金融活動進行規定。

1.2 經濟環境

（1）金融科技企業數量迅猛增加。在中國金融科技企業數據庫收錄的18 936 家企業中，覆蓋的業務領域包含了銀行、券商、保險、資產管理、金融信息服務等，新注冊企業數量在2013—2015 年間增長迅速，于2014 年達到最高，其中度小滿金融、螞蟻金服、京東數科等正是在這一期間成立或開始獨立運營，但熱度持續時間并不長，2017 年后金融科技企業的數量增長趨于平緩（如圖1）。

（2）投融資總額不斷擴大。2018 年，全球范圍內我國的金融科技融資事件數量最多，共發生615筆交易，融資總額占全球金融科技融資總額的74.7%（約為3 256.3億元，其中螞蟻金服獲943億元融資）［3］；我國的金融科技投資總額在全球范圍內也最多，約為255 億美元，占全球金融科技投資總額的46.1%［4］。我國良好的投融資環境給金融科技企業提供了充足的資金支持，為其發展奠定了基礎。

1.3 社會環境

（1）移動互聯網普及，居民可支配收入增加。截至2018 年12 月，我國網民規模為8.29 億戶，互聯網普及率達59.6%，其中手機網民規模8.17 億戶，使用比例達98.6%［5］。互聯網普及打破了時間和空間限制，大眾可以更便利地使用網絡支付、借貸、財富管理等金融業務，對金融服務需求大大提升，也改變了民眾原有的金融理財觀念。與此同時，隨著經濟發展，我國居民的可支配收入也不斷增加，2018 年全國（未含港澳臺地區。下同）居民人均可支配收入為28 228 元，相比于2017 年增長8.7%。在保障基本生活的前提下，居民有了更多的錢進行投資活動。

（2）高校新增人工智能專業，人才培養力度加大。技術發展離不開人才，在教育部公布的2018 年度普通高等學校本科專業備案和審批結果中，我國共有35 所高校獲得了首批建設人工智能專業的資格，機器人工程、智能科學與技術、數據科學與大數據技術等相關專業也受到重點關注。多家高校與科技企業合作建立人工智能金融實驗室加速人才培養和技術研發，如英特爾-南京大學人工智能聯合研究中心。

2 BATJ 在智能金融領域的專利申請分析

BATJ 作為互聯網行業的頭部企業，在人工智能領域的技術實力強勁，有多年技術研發積累，憑借自身優勢迅速占領智能金融市場，并在逐步構建起智能金融生態體系。為全面了解BATJ 在智能金融領域的技術競爭實力，本研究利用IncoPat 科技創新情報平臺作為專利數據來源，對語音識別、自然語言處理、計算機視覺、生物特征識別、機器學習、知識圖譜、智能機器人等人工智能關鍵技術進行檢索，獲得BATJ 的人工智能專利申請情況，再對金融相關國際專利分類號（IPC）和關鍵詞進行檢索，得到BATJ 的智能金融專利申請情況。其中，百度、阿里巴巴、騰訊、京東的企業標準申請人代碼分別為百度公司-C、阿里巴巴-C、騰訊公司-C、京東集團-C1）。專利檢索日期為2019 年7 月8 日，專利申請截止時間為2019 年7 月8 日。

2.1 人工智能技術專利申請

根據人工智能關鍵技術主要分類，本研究確定人工智能專利檢索式為TIABC=(人工智能 or 語音翻譯or 語音識別or 語義識別or 自然語言處理or 人臉識別or 面部識別or 生物特征識別or 圖片識別or 指紋識別or 虹膜識別or 聲紋識別or 計算機視覺or 生物識別or 機器學習or 深度學習or 神經網絡or 知識圖譜or 知識樹or 知識發現or 智能機器人or 專家系統)，各分支技術專利申請量由相關技術關鍵詞檢索而來。在對人工智能專利申請量檢索時，額外加入“人工智能”關鍵詞［6］。需要指出，不同的專利檢索策略對檢索結果將產生影響；此外，由于部分專利技術可能使用于多個場景，即同一個專利可能出現于多個分支技術領域，而本文的5 個技術分支分類只是人工智能技術在金融領域的常見分類，并不能涵蓋所有技術分支，因此BATJ 的人工智能專利總量與5 個分支技術領域的專利數量之和并不相等。

如圖2 所示，從整體數量上看，BATJ 對人工智能技術重視程度較高，專利申請態勢良好。其中，百度以2 518 件專利申請量位居第一，騰訊居第二為1 127 件，阿里巴巴位居第三為1 014 件，這3 家企業自2016 年以來專利申請量增長迅速；由于京東在人工智能領域的專利布局起步較晚，始于2014年，相比之下其技術實力稍顯薄弱，僅有311 件專利申請。語音識別與自然語言處理、計算機視覺與生物特征識別、機器學習與神經網絡、知識圖譜、服務機器人等技術是人工智能領域應用最為常見的幾類技術，也被廣泛應用于金融領域。在語音識別與自然語言處理領域，百度的專利申請量為763 件，占其人工智能專利申請量的30.30%，數量和占比均在4 家企業中位列第一；在計算機視覺與生物特征識別領域，百度、阿里巴巴、騰訊的專利申請量均在200 件以上，其中騰訊和阿里巴巴的專利申請量占本企業人工智能專利申請量的比例均超過20%，分別位列第一和第二；機器學習與神經網絡是BATJ最為關注的領域，4 家企業在該領域的專利申請量占本企業人工智能專利申請量的比例均超過50%，在五類分支技術中占比最大，其中阿里巴巴對該領域技術研發最為重視，但在知識圖譜與服務機器人的研發力度不足、專利布局較少。

圖2 BATJ 在人工智能及各分支技術領域專利申請數量

如表1 所示，從IPC 分布上看，BATJ 這4 家企業均在G06F（電數字數據處理）領域和G06K（數據識別；數據表示；記錄載體；記錄載體的處理）領域有著較多專利記錄，其中，百度在除G06Q（專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法）以外的技術領域占有明顯優勢，而阿里巴巴在G06Q 領域專利申請超過其他3 家企業；從地域上看，BATJ 在人工智能領域的專利布局主要以國內市場為主，其國內專利申請量占其全球人工智能專利申請總量的比例，百度為88.28%、阿里巴巴為65.58%，騰訊為96.27%、京東為88.42%，除國內外，4 家企業在美國、韓國、歐洲、日本等國家和地區有少量專利布局。

表1 BATJ 在主要IPC 分類號下的人工智能專利申請數量 單位：件

2.2 智能金融技術專利申請

人工智能技術可以應用在交通、醫療、金融、家居、零售、教育等多個領域，智能金融是指人工智能技術在金融領域這一特定領域的應用。通過對金融關鍵詞和IPC 分類號的限定，本研究得到與金融相關專利的檢索式為TIABC=(金融or 股票or 債券or 基 金or 期 權or 銀 行or 投 資or 信 貸or 貨 幣or資產or 保險or 稅務) or IPC=(G06Q20*or G07F19* or G06Q40*2))［6］。將人工智能與金融兩類檢索式相結合，得到與智能金融密切相關的專利分布信息，以便有針對性地研究BATJ 在智能金融領域的技術競爭實力。同樣，如前文所述，由于檢索策略的原因，BATJ 的智能金融專利總量與5 個分支技術領域的專利數量之和并不相等。

如圖3 所示，從專利申請數量上可以看出，BATJ 在人工智能領域有著較強的技術實力，但聚焦到金融領域的專利并不多。其中，阿里巴巴在智能金融領域的專利布局更為廣泛，以116 件專利申請量排名第一；而在人工智能領域專利申請量排名第一的百度在智能金融領域僅有29 件專利申請，與騰訊的28 件分別排名第二和第三，京東的專利申請仍然較少，僅有11 件。在分支技術領域的專利分布仍以機器學習與神經網絡為主，主要應用場景包括欺詐風險識別、外匯交易預測、貸款還款信息預測等，其次是計算機識別與生物特征識別，相關專利以身份識別、支付安全、支付方式等為主。其中，阿里巴巴在各技術分支都具有較強的競爭優勢；百度在語音識別與自然語言處理、計算機視覺與生物特征識別領域的專利申請量均超過騰訊。

圖3 BATJ 在智能金融及各分支技術領域的專利申請數量

如表2 所示，從IPC 分類號分布上看，4 家企業的專利主要集中在G06Q 和G06K 領域，其中百度和阿里巴巴在G06F 上的布局較多，而騰訊和京東在G06N（基于特定計算模型的計算機系統）上有所側重；從地域分布上看，與在人工智能領域專利布局相同，以國內市場為主，在國外申請專利保護的數量較少。

表2 BATJ 在主要IPC 分類號下的智能金融專利申請數 單位：件

3 BATJ 在智能金融領域的波特五力模型分析

邁克爾·波特［7-8］在20 世紀80 年代提出波特五力模型，認為供應商和消費者的議價能力、新進入者的威脅、替代品的威脅、同行業競爭程度可以有效分析企業面臨的競爭環境，為企業制定戰略提供參考。其中，供應商議價能力主要取決于供應商集中程度以及提供產品的差異性；消費者議價能力取決于消費者購買力以及消費者數量，當消費者數量越少時，消費者議價能力越高［9］；新進入者的威脅體現在行業的進入壁壘高低，主要包括規模經濟、品牌影響力、產品差異性、資本、渠道、技術、政府政策等方面［10］；替代品的威脅在于同等功能下替代品的價格、質量等因素對消費者購買決策的影響；同行業競爭程度是五力模型中核心要素，競爭者的數量、研發實力、成本以及行業發展環境等都會影響競爭態勢。波特五力模型可以幫助管理者識別企業在競爭中面臨的機遇和挑戰，更好地了解企業所處的競爭環境［11］。在智能金融領域，以BATJ為代表的互聯網頭部企業開展人工智能技術研究較早，具備強大的智能金融應用場景和用戶基礎，在智能金融發展中占有優勢，但金融機構及金融科技公司在人工智能領域投入近年來不斷加大，呈現出不同類型企業合作與競爭共存的局面。以下本文將運用波特五力模型找出影響互聯網頭部企業在智能金融領域競爭的關鍵因素，明確其未來重點發展方向。

3.1 供應商議價能力

（1）芯片等底層硬件產品依賴進口。核心硬件和深度學習算法是人工智能產業的基礎層，人工智能技術的應用離不開芯片等硬件的支持［12］。我國的芯片、傳感器、存儲器等大量依賴進口，2018 年我國大陸累計進口集成電路4 175.7 億個，同比增長10.8%，集成電路及相關產品進口金額達3 120.6 億美元，同比增長19.8%，其中從美國進口的主要產品是處理器［13］。由于中美貿易摩擦對我國的高新技術領域產生較大影響，也使得我國集成電路產業的增長速度放緩。

（2）智能芯片技術主要掌握在發達國家手中。芯片是人工智能的根本，隨著數據計算量和復雜程度不斷增加，未來傳統的計算機架構將無法滿足計算需求，智能芯片技術研發變得尤為關鍵，而我國智能芯片研發實力與發達國家相比仍有較大差距。從技術架構角度分類，智能芯片主要包括GPU（圖形處理器）、FPGA（可編輯門陣列）、ASIC（專用集成電路）以及類腦芯片等［14］，在芯片專利申請量排名前10 位的企業中（如圖4），有70%來自國外巨頭企業，其中高通以1 961 件專利申請排名第一，英特爾為1 557 件、排名第二。我國的智能芯片技術研發主要集中在國家電網公司以及中國電子科技集團（以下簡稱“中國電科”）、中國航天科技集團下屬的科研院所（以下簡稱“中國航天”）。

圖4 全球智能芯片專利申請量前十申請人的專利數量

如表3 所示，在通用芯片GPU 領域，代表企業有高通、英偉達、英特爾、蘋果、微軟、超威半導體等，我國僅有華為在前十之列；在半定制化芯片FPGA 領域，以國家電網、華為、中興為代表的企業，以中國電子科技集團、中國航天科技集團下屬的科研院所以及中國科學院為代表的科研機構，以北京航空航天大學、清華大學等為代表的高等院校都在該領域有著大量的技術積累，而從市場的角度出發，賽靈思、阿爾特拉占據著大部分市場份額；在全定制化芯片ASIC 領域，代表企業以IBM、博世、西門子等國外企業為主，我國在該領域技術實力較弱。此外，類腦芯片的研究目前剛處于起步階段，代表芯片有IBM 的TrueNorth 類腦芯片、Intel 的Loihi 神經形態芯片和海德堡大學的BrainScales 神經形態系統等［15］。

表3 全球各類智能芯片專利申請量排名前十的申請人及其專利數量 單位：件

3.2 消費者議價能力

（1）消費者對智能金融服務接受程度較高。人工智能技術使得金融服務更加高效和便捷，如基于人臉識別等的身份驗證方式提高了個人身份信息驗證效率；基于指紋識別等的支付方式幫助消費者更加快速進行支付和消費；基于知識圖譜、深度學習等技術的智能投顧產品為消費者提供更加個性化的推薦。根據埃森哲［16］發布的《2018 埃森哲中國消費者洞察系列報告——智金融，人為本》的數據，我國超過80%的消費者愿意接受完全由人工智能提供的金融服務，涵蓋銀行開戶、購買保險產品、獲取理財投資建議、進行養老和退休財務規劃等方面，其中在養老、退休財務規劃方面我國消費者接受度較全球消費者高出14%。

（2）個人信息等安全問題不容小覷。智能金融為消費者帶來便利的同時也隱藏著個人信息泄露等安全問題，互聯網頭部企業憑借平臺優勢積累了大量的消費者基本信息、交易數據、社交信息等，企業可以通過數據挖掘消費者潛在需求并為其提供個性化服務，但如果消費者的個人數據安全得不到保障，將會嚴重影響企業的聲譽，造成消費者信任危機。

3.3 新進入者威脅

（1）互聯網頭部企業及排名領先的金融科技企業技術實力強勁。技術實力是企業在智能金融領域發展的重要條件之一，在智能金融領域，相關技術專利主要掌握在互聯網頭部企業及排名領先的金融科技企業手中，對于想要進入這一領域的初創企業而言，面臨著很大的技術壁壘。從國內企業在智能金融領域專利申請情況來看，中國平安保險（集團）股份有限公司（以下簡稱“中國平安”）的全資子公司平安科技（深圳）以179 件專利申請量排名第一，阿里巴巴排名第二、為116 件；在排名前十的專利申請人中（如圖5），與金融機構相關的申請人有5個，其中深圳壹賬通智能科技有限公司（以下簡稱“深圳壹賬通智能科技”）是平安集團旗下的金融科技服務公司，平安醫療健康管理股份有限公司（以下簡稱“平安醫療健康管理”）是平安集團“大醫療健康”戰略中重要組成部分及核心成員，互聯網頭部企業有2 家，分別為阿里巴巴和百度。

圖5 國內智能金融專利申請量排名前十的申請人及其專利數量

（2）智能金融領域的資金和信息準入門檻高。除技術外，智能金融領域初創企業還面臨著資金支持和用戶數據等進入壁壘，沒有核心競爭力的企業將被市場所淘汰，因而，不少初創企業通過大力發展某一垂直細分領域，在智能金融領域搶占先機，如智能支付領域的曠視科技、依圖科技，智能營銷領域的第四范式、品友互動，智能風控領域的同盾科技、明略數據等。

3.4 替代品威脅

（1）互聯網企業與金融機構在智能金融領域的技術研發重點基本一致。智能金融的產品和服務是基于人工智能技術的具體應用而來，技術研發和專利布局的相似性可以從側面反映出不同企業產品和服務的可替代性。對于技術研發而言，專利重合程度越高，兩家企業研發能力的可替代性越強［17］。從IPC 分類號來看，中國平安、中國銀行、中國工商銀行等金融機構在智能金融領域的技術領域分布集中在G06Q、G06K、G06F、G06N 上，與BATJ 的重點研究領域基本一致。

（2）互聯網企業與金融機構提供的智能金融產品可替代性高。在具體應用領域，互聯網企業與金融機構在信貸、保險、投顧等方面的產品功能也具有相似性。以車險相關專利為例（如表4），螞蟻金服的“定損寶”是基于圖像識別技術和深度學習算法來對事故照片進行分析，快速給出定損結果，與之相關的專利申請有“車輛風險的評估方法、裝置及接口設備”“車輛損傷識別的處理方法、處理設備、客戶端及服務器”“一種基于圖像的車輛定損方法、裝置及電子設備”“車險風險預測方法、裝置及服務器”等。平安科技（深圳）也在該應用領域進行專利布局，并推出“智能保險云”服務，將人工智能技術應用于車險理賠，實現智能閃付功能。

表4 我國車險領域主要的人工智能專利

3.5 同業競爭者競爭程度

（1）金融機構技術實力不斷加強。我國的金融機構與互聯網頭部企業在專利申請上的差距逐漸減小，以中國平安為代表的金融機構是未來互聯網頭部企業發展智能金融的主要競爭對手。為了更直觀地反映我國智能金融領域的技術競爭情況，本文選取BATJ 的主要競爭對手中國平安等金融機構進行專利對比分析（如表5）。平安科技（深圳）自2017年以來不斷加大研發力度、加快專利布局，人工智能專利申請總量達到1 301 件，其中其專利主要申請時間集中在2018 年（684 件）；在智能金融領域，平安科技（深圳）的專利申請量為179 件，遠超過BATJ 這4 家互聯網頭部企業。除此之外，中國銀行、中國工商銀行、中國建設銀行等也開始加強自身技術實力，加大技術研發力度。我國金融機構的科技實力不斷增強，且更具專業性，隨著金融機構科技實力的不斷加強，互聯網頭部企業的技術優勢受到威脅。

表5 BATJ 及其主要競爭對手的人工智能和智能金融專利申請數量 單位：件

表5 （續）

（2）互聯網頭部企業在智能金融領域的技術側重度顯著低于金融機構。研發重點（技術側重度）是指專利申請人在某領域專利申請量與專利總申請量的比值，該比值越大說明專利申請人在這一技術領域的專利布局重視程度越高［18］。如圖6 所示，BATJ 雖然在人工智能技術研發上占有一定優勢，但是缺乏對于金融領域應用的深入挖掘和研究；金融機構在人工智能領域的專利申請量雖然不多，但有著多年的行業經驗和專業知識積累，在智能金融領域的技術研發上占據一定優勢。

圖6 BATJ 及其主要競爭對手在智能金融領域的技術側重度

（3）金融機構在智能金融領域的技術布局更加廣泛。平安科技（深圳）的相關專利涉及應用場景較為全面，如利用知識圖譜技術進行風險數據標識、風險控制信息核實、違約概率預測及授信額度配置，利用神經網絡及深度學習技術進行基金等金融產品推薦、異常病例等醫療風險識別，利用語音識別技術進行語音催收，利用人臉識別技術分析公共交通出行方式，主要的應用場景涵蓋保險、基金、信貸等多個領域。互聯網頭部企業中阿里巴巴在智能金融領域的專利布局主要以神經網絡和深度學習為主，應用在轉賬欺詐風險、外匯交易預測等方面的專利較多，在語音識別、生物特征識別、知識圖譜、專家系統等方面也有涉及，主要圍繞身份識別、支付安全、支付方式等應用；百度基于聲紋認證的相關專利（CN105096121A、CN105096121B）被引次數多，布局范圍廣泛且具有較高價值；騰訊的專利布局主要涉及保險理賠和信貸中的風險識別；京東的專利申請數量最少，專利主要涉及車險定價、用戶收入預測、貸款還款信息預測等。

4 智能金融領域互聯網企業未來發展建議

隨著互聯網頭部企業和新興金融科技企業的參與，傳統以商業銀行、證券公司、保險公司、信托投資公司為主的金融企業體系以及由此形成的金融市場格局已經被打破，新的業務模式和業務形態不斷產生，互聯網頭部公司與金融機構不僅僅是競爭，也存在相互依存的關系。本研究根據對BATJ 在智能金融領域的專利申請情況以及通過波特五力模型分析可以發現，影響互聯網頭部企業競爭的主要因素體現在芯片等硬件供應商的議價能力、相似智能金融產品或服務的威脅以及與金融機構的競爭等方面。未來，互聯網頭部企業需要充分利用已有優勢，培養核心競爭力，在競爭中抓住智能金融發展的機遇，制定與智能金融發展相匹配的技術競爭策略。

4.1 加大基礎技術研究力度

從全球來看，智能芯片等基礎專利掌握在發達國家手中，我國在核心技術研發等方面受制于歐美巨頭企業，底層硬件進口依賴程度高。我國的高校和科研單位在智能芯片等的基礎算法和基礎專利布局上具有明顯優勢，BATJ 等互聯網頭部企業在智能芯片領域也紛紛開展技術研發和專利布局，如百度發布DuerOS 智慧芯片、百度云端全功能AI 芯片“昆侖”等［19］，但從專利數量來看，百度僅有51 件、阿里巴巴有104 件、騰訊有85 件、京東有4 件，與科研院所和高等院校等有較大差距。對此，互聯網頭部企業應該加大基礎層相關技術的研發投入，加快智能芯片等底層領域的專利布局，縮小在GPU、ASIC 等領域與國外的差距，重點關注類腦芯片等新領域的技術研發情況；積極開展與高校和科研院所等的合作，利用其在FPGA 領域的專利申請優勢，推進專利技術向市場應用之間的轉化進程。此外，我國近年來出現了不少自主研發智能芯片的初創企業，互聯網頭部企業還可以通過收購、投資、戰略合作等形式加強在芯片等領域的技術實力。

4.2 目標人群和產品差異化

金融機構的產品和服務具有一定的替代性，互聯網頭部企業需要利用自身數據和場景優勢制定差異化發展戰略，與金融機構的差異性主要體現在目標人群、個性化產品及服務等方面。首先是目標人群差異化。2013 年《中共中央關于全面深化改革若干重大問題的決定》中提出要發展普惠金融，豐富金融市場層次和產品，普惠金融強調關注農村地區、城鄉貧困群體、小微企業等。在企業借貸方面，小微企業往往具有高風險，與金融機構貸款的風險防控不匹配，互聯網頭部企業可以憑借技術優勢對風險進行實時預測和控制，降低風險發生概率；在個人借貸方面，互聯網頭部企業豐富了借貸的場景，將借貸與日常消費相結合；同時，互聯網頭部企業在覆蓋農民、創業者等長尾用戶方面具有優勢。其次，要利用場景優勢提供個性化金融服務。互聯網頭部企業可以憑借數據優勢對消費者進行精準營銷，提供個性化、定制化服務，提升消費者滿意度，增加消費者黏性。需要注意的是，在收集和利用數據的同時也要加強對消費者個人信息安全的保護，避免信息泄露。

4.3 加快人工智能技術與金融的深度融合

互聯網頭部企業在人工智能上具有一定技術優勢，但與金融結合不夠緊密，在智能金融特定領域的技術研發相比于中國平安等金融機構處于弱勢，對智能金融領域技術研發的重視程度及布局的廣泛性不足，缺乏高價值專利。未來，互聯網頭部企業應該提升對智能金融相關技術研發的重視程度，加大研發資金投入和人才培養力度，積極與金融機構合作，通過共享資源、建立智能金融實驗室等方式開展智能金融技術的深入研究，重點關注知識圖譜、智能機器人等弱勢領域；實時關注競爭對手的專利布局動態，提早進行專利布局和專利申請，加快專利到實際市場應用之間的轉化進程，培養更多有價值的專利；深度挖掘人工智能技術在金融領域的應用場景，根據用戶需求、產品功能設計等進行技術創新。

4.4 向技術輸出型企業轉型

互聯網頭部企業在與金融機構競爭的同時，也在開放更多面向金融機構的服務，為金融機構提供技術上的支持，如度小滿金融通過輸出金融科技為合作伙伴提供服務；螞蟻金服2017 年宣布“未來只會做tech（技術），幫助金融機構做好fin（金融）”；騰訊強調要成為金融機構與用戶的連接器，持續向金融機構輸出金融科技能力；京東金融于2018 年更名為“京東數科”，強調未來將注重技術輸出而非單獨從事金融業務，致力于去資產化、去金融化轉型。未來，互聯網頭部企業應該進一步加強自身科技屬性，向技術輸出型企業轉型，基于金融機構在開展業務中面臨的困難和需求進行金融科技類平臺設計，為金融機構提供更豐富的服務。

注釋：

1）考慮到京東金融于2013 年開始獨立運營，并于2018 年更名為京東數科，專利檢索中有關京東的專利申請量是京東集團、京東數字科技控股有限公司、北京京東金融科技控股有限公司三者之和。

2）以“*”號作為通配符，表示任意多個字符，避免限定范圍過窄而導致漏檢。