隨著社會數字化程度進一步加深，對于金融業無疑是影響巨大的，特別是在各種風控場景，以大數據、人工智能、云計算等為核心的金融科技技術，通過數字化賦能風控環節。金融科技風控，同時也作為傳統風控的一種升級補充，幫助金融機構改善整體風控水平，提高風控的效率值、精準度以及降低大量成本。

近日，在世界人工智能大會未來金融論壇上，由零壹財經·零壹智庫聯合合合信息出品的《中國金融科技風控報告2020》正式發布。從金融科技風控發展展開，講述傳統風控與金融科技風控的關系，以及金融科技風控的發展歷程。報告還對金融科技風控廠商的情況進行了梳理，通過相關的投融資和專利數據，展示金融科技風控廠商的發展情況。

首先，據報告數據顯示，2013-2019年間我國金融科技風控廠商融資事件數整體呈逐年上升的趨勢，2017年達到峰值，融資事件為57起;但從2018年開始，連續兩年出現下滑趨勢，2019年融資事件數為47起。融資金額整體呈現增長趨勢，2018年披露事件的融資總額最高，為418.6億元，2019年融資金額為63.5億元。

注：1)統計不包含并購和債務融資，不含螞蟻金服;2)數/近百萬、數/近千萬、數/近億分別按100萬、1000萬、1億進行統計，若融資金額未披露按0統計;3)單位有人民幣和美元兩種，統一換算為人民幣，1美元=7人民幣。

圖1：2012-2020年我國金融科技風控服務商融資情況

資料來源：零壹智庫

2019年上半年的融資事件數量為21起，下半年為26起，融資事件數量較多的月份分別為1月、7月、10月和12月，其中1月份達到最高峰，融資事件數為9起。在融資金額上，2019年4月同盾科技完成了1億美元的D輪融資，8月玖富數科登陸納斯達克，12月金融壹賬通于紐約證券交易所掛牌上市。

圖2： 2019年我國金融科技風控融資事件和金額變化

資料來源：零壹兵器譜，零壹智庫

注：無披露投融資金額企業獲投記為0

在專利方面，根據SooPAT數據顯示，自2014年開始，國內與金融科技風控相關的專利申請持續上升。2014年金融科技風控專利申請數為10項，2019年申請數達到118項，5年間專利申請數年復合增長率達63.82%。其中，在2012年至2019年間，阿里巴巴及支付寶共申請27項金融科技風控專利，涉及支付、投資決策、賬戶安全、信貸等場景應用，是申請專利最多的企業。

圖3：2012-2019年我國金融科技風控融資事件和金額變化

資料來源：SooPAT，零壹智庫

其次，報告根據風控的常見的三大場景：信貸、支付以及供應鏈，分別從場景風控痛點出發，闡述金融科技風控是如何助力上述場景，并列舉了相應的經典案例。

在信貸場景上，主要分為零售業務和對公業務。傳統風控在零售業務上的痛點主要是數據口徑單一、人力成本高企、無法覆蓋信用白戶等問題;在對公業務上存在缺乏規范判定標準、盡職調查成本高、真實性考證難度大等問題。金融科技風控則在傳統風控的多個環節進行優化，在大數據和人工智能等技術賦能下，通過多維度數據和智能化分析模型，提升金融機構風控水平。

招商銀行知識圖譜案例

被業內譽為“零售之王”的招商銀行引入了由合合信息打造的企業關聯關系智能知識圖譜——風險門戶，通過人工智能+大數據的智能風險決策手段，降低銀行在企業信貸過程中因關聯企業識別不充分而造成的各種風險。在企業關聯關系智能知識圖譜的幫助下，招商銀行2020年一季度末公司業務貸款不良率為1.72%，較上年末下降0.12個百分點，并且自2018年二季度開始出現持續下降的趨勢。

圖4：招商銀行不良率

資料來源：招商銀行，零壹智庫

招商銀行風險門戶通過超2000項數據渠道來源，對于企業工商信息、司法信息、權利抵質押、市場數據、經營數據、交易信息、擔保信息、融資分析、新聞輿情、實控人信息等銀行內外數據多維度、多渠道路徑進行實時、動態地信息數據深度關聯和風險監控。

自風險門戶正式上線以來，截至2019年4月末，招商銀行累計使用的分行、子公司總計55家，總訪問人數8280人，總訪問人次總計91423次，被查看過的企業數量達75596家，在全國范圍內得到了廣泛使用。

在第三方支付場景上，隨著支付業務的創新與高速發展，掃碼支付，刷臉支付、聲紋支付等技術日新月異，線上線下等多個支付場景涌現，交易規模激增對傳統支付風控模式造成了巨大的挑戰。

據前瞻產業院數據統計，2013年我國第三方支付規模為13.9萬億元，經過6年的高速發展，2019年的支付規模為372.3萬億元，預計到2022年將達到548.6萬億元的交易規模。

圖5： 2013-2022年中國第三方支付綜合支付交易規模統計及增長情況預測

資料來源：前瞻產業研究院，零壹智庫

通過大數據、人工智能、生物識別等新技術，金融科技風控能夠在支付交易的事前、事中和事后對風險事件進行實時監控。

支付寶AlphaRisk風控引擎案例

支付寶AlphaRisk風控引擎用AI技術顛覆傳統風控的運作模式，通過構建Perception(風險感知)、AI Detect(風險識別)、Evolution(智能進化)、AutoPilot(自動駕駛)4大模塊，將人類直覺AI(Analyst Intuition)和機器智能AI(Artificial Intelligence)兩者進行融合，形成具有機器智能的風控系統，并在未來逐步實現風控領域的無人化管理體系。

圖6：AlphaRisk智能風控引擎

資料來源：螞蟻金服，零壹智庫

AlphaRisk風控引擎上的自動特征工程(AlphaTrion)模塊，不同于以往特征工程將大量時間集結在特征生成上，而是將90%時間用于問題風險，5%的時間在特征自動生成，5%的時間在模型建設和策略應用上。

在AlphaRisk智能風控引擎幫助下，支付寶能夠在0.1秒之內對支付交易進行風險預警、檢測、和攔截等各種復雜的工作，在天貓雙十一大促活動中更是頂住了巨大規模流量，為用戶交易保駕護航。

在供應鏈金融場景上，傳統風控存在金融機構和核心企業需求存在錯配、金融機構在供應鏈金融的金融科技支撐較為薄弱、政府等機構對金融機構的有關的資源配合力度不足三大痛點。

金融科技風控則可以幫助供應鏈金融風控貸前、貸中和貸后的信貸服務體系全流程。金融科技風控在貸前主要起到數據支撐、規則策略制定、黑名單篩查等作用;通過企業多維度數據，在貸中通過風控建模，構建中小企業信用模型，進行風險等級劃分，幫助審批和授信;在貸后可以進行風險監測，主要從司法、稅務、財務、工商、個人等多個維度就行預警，還可以對貸后資產表現進行評估，并迭代催收模型，以便調整貸后策略。

合合信息“供應鏈核心企業大數據風控管理平臺”案例

合合信息旗下啟信寶商業數據平臺涵蓋國內2.3億家企業和組織機構名錄，2.2億家海外企業，700多億條實時動態多維度企業數據庫.“供應鏈核心企業大數據風控管理平臺”基于啟信寶商業數據平臺，面向銀行、融資租賃、工業制造、批發零售、政府機構、律所、媒體及其他各類工商企業，提供商業調查和風控合規解決方案，已經成功服務30000+企業及機構。

圖7：啟信寶數據優勢

資料來源：合合信息，零壹智庫

在風控平臺的商業基礎調查模塊上，可以為企業提供37個維度智慧搜索方案，并支持5000條企業信息批量查詢，平臺還會對企業59個維度進行實時監控。智能風控合規模塊支持目標20000條關聯信息查詢，可以對8個行業和36個分類輿情標簽進行實時監測。