科技管理研究

2019年第19期 Science and Technology Management Research 2019 No. 19

doi: 10.3969/j.issn.l 000-7695.2019.19.025

基于全球专利信息的智能金融关键技术分析及其启示

何隽，杜梦婷
(清华大学深圳研究生院，广东深圳 518055 )

摘要：人工智能技术推动了金融行业飭变革，国内外竞争激烈。基于全球专利信息，对智能金融领域常用时五类关
键技术，包括语音识别与自然语言处理、计算机视觉与生物特征识别、机器学习与神经网络、知识图谱和服务机器
人等的全球专利申请趋势、重要专利权人、重点技术等情况进行国内外比较分析。研究发现：智能金融领域技术分
类布局广泛，但基础专利不足，存在技术壁垒。中国智能金融领域专利申请量多，但企业竞争力薄弱，金融机构主
要以购买服务和技术并购完成转型。因此建议中国智能金融领域基础研究与深度应用并行，在重点领域、优势领域
提前开展布局专利，同时加强金融机构、科技企业、新型金融科技公司多方合作 。
关键词：智能金融；专利分析；人工智能技术；技术竞争力
中图分类号：G306; TP18 文献标志码：A 文章编号：1000-7695 (2019) 19-0190-10

Analysis of Key Technologies of Intelligent Finance

Based on Global Patent Information and Its Enlightenment

He Juan, Du Mengting

(Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, China)

Abstract： Financial industry has been promoted by the technology of artificial intelligence and become a highly
competitive field at home and abroad. Based on global patent information, the global patenting trends, crucial
patentee, key techniques of five major technologies in this field which include speech recognition and natural language
processing, computer vision and biometric recognition, machine learning and neural network, knowledge map,
and service robots are analyzed and compared between China and other countries. It is found that the technology
classification layout is extensive but basic patents are still insufficient, and technical barriers exist in intelligent finance
field. China has a large number of patent applications in the field of intelligent finance, but the competitiveness
of enterprises is weak, financial institutions mainly through the purchase of services and technology mergers and
acquisitions to complete the transformation. Therefore, the paper suggests that the basic research in the field of
intelligent finance in China goes hand in hand w让h the deep application, that the layout patents should be carried out
in the key areas and advantage areas ahead of time, and that the cooperation among financial institutions, science and
technology enterprises and new financial science and technology companies should be strengthened at the same time.
Key words: intelligent finance; patent analysis; artificial intelligence technology; technical compet让iveness

1研究背景 能金融领域受到重点关注 ：2016年国务院印发《推

进普惠金融发展规划(2016—2020年)》，首次将“普
“智能金融”是指人工智能技术在金融领域的
应用，利用人工智能技术进行金融产品和服务模式 惠金融”提升为国家级战略规划 ；2016年年底国务
创新，改善用户体验，提升服务效率⑴。随着人工 院发布《“十三五”国家科技创新规划》，提出重
点发展大数据驱动的类人智能技术，推动科技与金
智能技术的发展，美国、欧盟、日本等先后开启了
融结合；2017年7月国务院印发的《新一代人工智
人工智能国家创新计划。中国自2015年起出台了一
能发展规划》，第一次正式提出“智能金融”概念，
系列促进人工智能技术研究与产业发展的政策，智

收稿日期：2018-11-14,修回日期：2019-01-18
基金项目：国家知识产权局专利战略推进工程项目“人工智能在金融领域应用的专利分析及战略研究”(PS2018-011)
项目来源：深圳市软科学研究项目“深圳提升基础研究和产业创新能力实施策略研究”(RKX20180413181939223 )
 何隽等：基于全球专利信息的智能金融关键技术分析及其启示 191

明确了建立金融大数据系统、创新智能金融产品和 用角度出发，缺少对智能金融关键技术整体发展情
服务、应用智能技术和装备、建立风险智能预警与 况的探讨。本文试图通过分析智能金融领域应用最
防控系统等重点领域 。 —语音识别与自然语言处
为广泛的五类关键技术 —
目前国内学者对智能金融领域的研究主要以发 理、计算机视觉与生物特征识别、机器学习与神经
展现状为主，如有学者对智能金融领域主要应用场 网络、知识图谱和服务机器人，阐述相关技术的专
景进行了介绍2⑷；此外还有学者针对人工智能技 利布局情况，找出各分支技术的主要专利权人和重
术在金融行业具体应用展开研究⑸。而国外研究主 点技术，为国内相关行业和企业提供发展建议。
要以对智能金融技术应用的探讨为主，如Dima等⑹
2数据来源及研究方法
运用神经网络模型对罗马尼亚3 000家公司的信用贷
款违约风险进行评估分析 ；Khemakhem等⑺提出了 2.1 数据来源
财务指标与非财务指标相结合的信用风险预测模型， 本文专利数据来自德温特数据库(Derwent
同时讨论了非平衡类的问题；Fisher等⑻通过文献 Innovations Index, DII ),截止时间为 2017 年 12 月
研究方法对应用在会计、审计和财务领域的自然语 31日，检索时间为2018年9月11 0,采取关键词、
言处理技术研究现状进行了分析 ；Danenas⑼对近 IPC分类号相结合的方式进行专利检索和数据收集。
年来应用于财务欺诈检测的人工智能专利进行了整 首先，根据人工智能在金融领域应用场景，将常涉
理，以了解技术的应用情况和发展趋势 。 及的技术划分为五类，并分别确定每类技术的关键
智能金融领域已有研究多从概况或单一技术应 词，见表1所示。
表1智能金融领域关键技术检索要素
主要技术分类 中文关键词 英文检索式
语音识别与自然语言处理 语音翻译、语音识别、语义识别、自然语 #1: TS=("voice translat*" OR "speech translat*" OR "voice identif*" OR "voice
言处理 recogni*" OR 44speech identif*" OR "speech recogni*" OR "semantic identif*"
OR "semantic recogni*" OR "natural language processing*")
计算机视觉与生物特征识别 面部识别、生物识别、图片识别、指纹识别、 #2： TS=("face recogni*" OR "facial recogni*" OR "biological recogni*" OR
虹膜识别、计算机视觉 "biometrics recogni*" OR "picture recogni*" OR "graph recogni*" OR "image
recogni*" OR " image identif*" OR "fingerprint recogni*" OR "fingerprint
identif*" OR "iris recogni*" OR "iris identif*" OR "computer vision*")
机器学习与神经网络 机器学习、深度学习、神经网络 #3: TS=("machine learn*" OR "deep learn*'1 OR "depth learn*" OR "neural
network*")
知识图谱 知识图谱、知识树、数据挖掘、知识发现 #4: TS=("knowledge domain*" OR "knowledge map*" OR "knowledge
graph*" OR *'knowledge tree*" OR "knowledge vault*" OR "data mining*" OR
"knowledge discover*")
服务机器人技术 智能机器人、专家系统 #5： TS=("smart robot*" OR "intelligent robot*" OR "intelligence robot*" OR
"expert system*")

对于金融领域关键词的确定 ，除finance (金 2.2研究方法

融)及其拓展词外 ，添加了与金融资产和金融场 本文从时间、地域、专利权人和技术4个维度
所等相关词汇，如equity (股票)、debenture (•债 出发，对智能金融领域关键技术的专利数据进行分
券)等。为得到更全面的专利数据 ，本文还与IPC 析，了解不同技术的发展情况，明确中国所处的位置，
代码相结合进行检索，与金融领域密切相关的 指出未来技术发展方向，为行业和企业发展提供参
IPC 代码有 G06Q20*、G07F19*、G06Q40*。经过 考建议。
关键词测试和筛选，最终确定金融相关检索式#6 (1) 时间属性。根据技术生命周期理论，每类
为 TS=("financ*" OR "equity*" OR "debenture*" OR 技术都会经历技术起步、技术成长、技术成熟和技
"funds*" OR "investment*" OR "loan*" OR "credit*'1 术衰退等4个阶段，对关键技术专利的年度申请情
OR "mastercard*" OR "visa*" OR "currenc*'* OR 况和专利成长率进行分析，有助于了解该技术所处
"accounting*" OR "banking*" OR "asset*" OR "capital 阶段以及技术发展趋势 。其中，专利成长率是指当
fund*" OR '^nsuranc*'1 OR "assuranc*" OR "reinsur*" 年专利申请量占过去5年专利申请量的比例"°］。
OR ”tax*”) OR IP=(G06Q-020* OR G07F-019* OR (2) 地域属性。通过比较分析关键技术专利申
G06Q-040*)o 请国和地域分布特点，确定拥有技术优势的国家，
将检索式#6与#1、#2、#3、#4、#5用逻辑 明确中国在该技术领域国际竞争中所处的位置以及
运算符AND—一组合进行检索，分别得到887、 优势领域。
1 776、667、493、154 个专利族。 (3 )专利权人属性。分析关键技术的专利权人
192 何隽等：基于全球专利信息的智能金融关键技术分析及其启示

分布，识别该领域主要竞争者，明确主要专利权人
所处的行业领域、技术实力和专利储备情况 。
(4)技术属性。对关键技术领域涉及的 IPC分
类号数量进行统计和排序 ，分类号下专利数量越多 ，
越说明该类技术属于重点研发技术山】O
3智能金融的应用场景及专利概况
3.1智能金融的应用场景
随着语音识别、计算机视觉、机器学习等人工
智能技术的发展，传统金融业逐渐迈向智能化，人
工智能与金融结合的应用场景也趋于深入和多元化 。
杨涛〔⑵根据智能金融领域常见技术分类，确定了
五大类应用场景，本文将从这五类场景展开，分析
人工智能在金融领域应用情况。
(1 )基于语音识别与自然语言处理技术的智能
客服。通过网上在线机器人 、App、微信、电话、短
信等渠道与客户交流，解决客户在交易过程中遇到
的问题。通过语音语义分析，挖掘客服与客户沟通
内容中有价值的信息，实现精准营销。
(2 )基于计算机视觉与生物特征识别技术的人
IBM推出银行网点迎宾机器人、服务机器人、咨询
机器人三类机器人。
3.2智能金融关键技术专利概况
根据智能金融应用场景分类，本文选取应用最
为广泛和成熟的五类技术进行专利分析 。整体上看，
1998年之前，人工智能技术在金融行业应用的专利
申请量很少，最早的专利申请出现在20世纪70年代，
是用于处理不同业务的实时图像识别系统 ，可对会
计凭证中的字符进行识别 ；2000年开始，专利申请
量有了显著提升，但增幅不大，年申请量近100件
左右；从2011年至今，专利申请量进入了快速增长
阶段，呈现爆炸式增长(见图 1),但从整体数量
来看仍有不足。
年份

像监控与交易安全。通过人脸识别，对交易场所等 » 知识图谱 语音识别与自然语言处理

核心区域内的可疑人员进行识别；利用图形或视频 计算机视觉与生物特征识别*机器学习与神经网络
服务机器人 -•-智能金融
处理技术，监督员工行为，预防违规操作；运用声
纹识别、虹膜识别等生物特征识别技术对客户身份
图4 1998—2017年全球智能金融领域
进行验证，确保交易安全。如光大银行的柜面人脸
关键技术专利申请量变化
识别，引入静默活体检测、换人检测等技术，为对
私柜台进行客户身份核验 。
在五类关键技术中，计算机视觉与生物特征识
(3) 基于机器学习与神经网络技术的交易决
策与智能投顾。通过机器学习，从海量金融数据中 别、语音识别与自然语言处理在智能金融领域应用
提取有效信息，进行交易走势预测，帮助客户进行 最为广泛，机器学习与神经网络次之，而知识图谱
交易决策'叩。如日本三菱公司的机器Senoguchi预 与服务机器人最少(见图2) o但2016年以来，随
测日本股市在30天后是上涨还是下跌 ，正确率达到 着人们对深度学习等的关注 ，机器学习与神经网络
68%。运用智能算法和投资学理论 ，结合客户风险 方面的专利申请量有了显著提升 ，超越语音识别与
偏好、理财目标等，提供智能化的投资管理。如中 自然语言处理技术，位列第2名。
国招商银行摩羯智投、工商银行AI投、南方基金的
超级智投宝等；美国在线理财咨询公司Wealthfront
利用深度学习和现代投资组合理论为用户提供在线
投资顾问，成为全球智能投顾平台的标杆。
(4) 基于知识图谱技术的风险控制。利用知识
图谱识别关联风险、资金监管，对客户开展信用评级,
提前设置风险预警提示等。如澳大利亚证券及投资
委员会(ASIC)、新加坡货币当局(MAS)及美国
图2 1998—2017年全球智能金融领域
证券交易委员会(SEC ),都在使用人工智能进行可
关键技术专利申请量占比
疑交易识别。
(5) 基于服务机器人的区域巡检与智慧银行。 4智能金融关键技术的专利分类分析
在金融机构的核心区域投放服务机器人，提升设备
运营效率和柜台业务办理效率。如交通银行推出中 4.1语音识别与自然语言处理
国国内第一个大规模应用的智能客服机器人“交交”； 自然语言处理是实现人与计算机间用自然语言
 何隽等：基于全球专利信息的智能金融关键技术分析及其启示 193

进行通信的一门学科 ，通过算法和规则来处理 、理 4.1.2竞争分析：以美国企业为主，中国专利申请

解并运用人类语言，包括语法分析、语义分析、篇 分散
章理解等。而语音识别技术是指以语音为研究对象 ， 应用于金融领域的语音识别与自然语言处理技
计算机通过识别和理解将语音信号转化成文本或指 术世界排名前 10位的专利权人中约83%是美国企
令，属于自然语言处理领域的重要分支。应用于金 业，其中IBM公司以47件专利稳居第一，电信公司
融领域的语音识别与自然语言处理技术水平已较为 AT&T有24件专利，位列第二，Nuances （ 23件）、
成熟，2017年年底谷歌发布的全新到端语音识别系 半导体公司英特尔（21件）、硬盘厂商西部数据（18
统的词错率低至5.6%,但专利数量薄弱。1997年前 件）紧随其后，提供金融服务的公司只有美国运通
涉及金融领域的语音识别与自然语言处理技术相关 公司一家。荷兰飞利浦和德国西门子公司虽也在前
专利申请量较少，自1997年开始，专利申请量有了 10位之列，但相关专利数量与美国巨头企业相比仍
显著提升（见图3）,意味着技术研发和应用有了 有一定差距（见图5） o
一定的进展，未来具有良好的市场潜力和发展空间 。
95
808181

70
60
50
40
30
20
10

ooaoooooQ.asa'O'^a'O'Q'ooaodooooo
6666666666660000000000
——— I — ―― ZZZZZZZZZZ
年份
全球专利公开■—技术成长率

图3 1984—2017年全球智能金融领域语音识别与 图5全球智能金融领域语音识别与
自然语言处理技术专利公开量及技术成长率 自然语言处理技术专利申请■排名前12位的企业

中国在智能金融领域语音识别与自然语言处理
4.1.1国家分布：中国起步晚，美国占据主导地位 技术的专利总申请量世界排名第二 。在中国申请专
应用于智能金融领域的语音识别与自然语言处
利的257位专利权人中，个人申请约占40%；申请
理技术专利申请主要集中在美国 、中国、韩国和日
量最多的企业是英特尔（9件）和飞利浦（6件），
本。其中，美国的语音识别与自然语言处理技术在 中国企业申请量少且较为分散，以安徽、北京、广东、
金融领域应用的研究最为深入，总申请量达5力件， 浙江、天津等地区为主。除了腾讯、阿里巴巴等互
自1998年之后便进入了高速增长阶段（见图4）; 联网巨头以外，安徽致远慧联电子科技公司、优化
中国的申请量为175件，位居世界第二，数量却仅 科技（苏州）公司、浙江海联电子公司等小型科技
占美国申请量的1/3,专利申请主要集中在2013年 企业以及武汉大学等高校也较关注语音识别与自然
开始的近5年时间里，此前发展速度十分缓慢o可见, 语言处理技术在金融领域的应用 。由于国内智能金
与科技巨头相比 ，中国的语音识别与自然语言处理 融领域对语音识别与自然语言处理技术的需求量很
技术在智能金融领域的发展速度很快 ，但与美国仍 大，国外企业已经开始抢占中国市场 ，国内企业面
有较大差距。 临的竞争越来越激烈。
4.1.3重点技术分析：以G10L、G06F、G06Q为主
在得到的887个专利族数据中，根据出现频次
牛、

•
s 进行排序，可以看出在智能金融领域应用的语音识
fi-s
a 别与自然语言处理技术专利申请主要集中在 G10L
（语音分析或合成；语音识别；语音或声音处理；
语音或音频编码或解码）、G06F （电数字数据处理）
和G06Q （专门适用于行政、商业、金融、管理、监
督或预测目的的数据处理系统或方法）3个领域，
图4世界主要国家智能金融领域语音识别与 专利族数量分别达到了 863、632、431个；除此之外,
自然语言处理技术专利申请量 还广泛分布于H04M （电话通信）、H04N （图像通
194 何隽等：基于全球专利信息的智能金融关键技术分析及其启示

信）、H04L （数字信息的传输 ）、G06K （数据识别； 4.2.1国家分布：中国具有专利申请量优势，位列

数据表示；记录载体；记录载体的处理）等大类， 第一
侧面反映了语音识别与自然语言处理技术在智能金 中国在智能金融领域的计算机视觉与生物特征
融领域的应用非常广泛（见表2） o中国的相关专 识别技术发展态势良好 ，以1 038件的专利申请量
利以G10L、G06F、G06Q为主，与全球趋势一致， 位列第一，远远领先于美国（418件）、韩国（271件）、
而与G07F （投币式设备或类似设备 ）相关的专利族 日本（157件）等其他国家，具有一定的优势（见图7 ）。
有30个，达到全球数量的1/2,具有一定优势。
1 200
表2全球智能金融领域语音识别与自然语言处理技术排名 038
1 000
前10位的IPC大类

分部号 分类号 含义
日部， H04W 无线通信网络 60
H04L 数字信息的传输 110
H04N 图像通信 170
H04M 电话通信 265
G部 G08G 交通控制系统 25
G07F 投币式设备或类似设备 60
G06N 基于特定计算模型的计算机系统 63
G06K 数据识别；数据表示；记录载体；记录载体 105 图7世界主要国家智能金融领域计算机视觉与
的处理
专门适用于行政、商业、金融、管理、监督
生物特征识别技术专利申请量
G06Q 431
或预测目的的数据处理系统或方法
G06F 电数字数据处理 632
中国在这一领域虽然起步比其他主要国家晚，
G10L 语音分析或合成；语音识别；语音或声音处 863
理；语音或音频编码或解码 但是在专利申请量自2014年有过短暂的下滑后，便
进入了高速增长阶段（见图8） o
4.2计算机视觉与生物特征识别
计算机视觉是指利用计算机、摄像机等模拟人
眼，对目标物体进行识别和分析，如手势识别、人
S
脸识别等。生物特征识别是指根据人体所固有的生 B
理或行为特征，如指纹、虹膜、脸像、步态、习惯
动作等来鉴定个人身份 。计算机视觉与生物特征识
别技术是人工智能感知环节的关键技术 ，在金融领
域也有较为成熟的应用 ，相关专利最早出现于 1977
年，从整体增长趋势来看（见图6）,目前正处于
快速成长阶段，相关专利申请量在2015年有了显著
的提升，是2014年的2倍多。 图8 2000—2017年中国智能金融领域计算机视觉与
450 406 °-7 生物特征识别技术专利申请量

#:
、

«
«
»
4.2.2竞争分析：韩国企业占主导地位，中国企业
「

*
#- 也不容小觑
韩国企业在智能金融领域的计算机视觉与生物
CT'O'^asoxd'O'Osd'OsO'^QsOOSooooooooooooooo
I — — — iiiii — — — — ZZZZZZZZZZZZZZZZZZ
特征识别技术研发上占据了主导地位，在排名前3
年份
位的企业中有两家是韩国企业（如图9） , LG以21
■仝期专利公开去一技木
件专利位列第一，三星公司以19件专利位列第二。
图6 1977—2017年全球智能金融领域计算机视觉与 中国企业在世界上也具有一定的竞争力，OPPO、浙
生物特征识别技术专利公开量及技术成长率 江维融、国家电网、昆山古鳌电子机械等企业的实
 何隽等：基于全球专利信息的智能金融关键技术分析及其启示 195

力都不容小觑。在中国申请的专利中，专利申请量
排名前20位的国内申请人占比在 95%左右，企业
主要分布在广东、上海、北京、江苏、浙江、天津、
安徽等经济发达地区或电子信息产业聚集地 。
4.3机器学习与神经网络
机器学习是人工智能的核心，也是使计算机具
有智能的根本途径，主要研究如何使计算机可以模
拟人类的学习行为，通过知识的积累和学习方式的
完善来学习新的知识少】。神经网络是一种基于数
据统计学模型的学习方法，用于模仿生物神经网络
的结构和功能。机器学习与神经网络是近年来人工
智能技术研究的热点领域，在金融领域应用的相关
专利申请量不多，目前处于起步阶段 。在2017年之
前，专利申请量不足100件，2017年的数量增加了
一倍（见图10） □这也意味着未来该技术在金融领
域发展空间大，容易形成竞争优势，值得政府和企
业密切关注。
2
50

2
00
图9全球智能金融领域计算机视觉与 50
100
生物特征识别技术专利申请量排名前11位的企业 1

4652 |

4.2.3重点技术分析：以G06Q、G06K、G06F为主 0
::;II III
50
o ，严引
检索结果显示，与智能金融相关的计算机视觉 1 8 5 1 6 7 9 7
_ ■ ■ O
与生物特征识别技术的IPC大类有128种，应用方
Z 0 S 9 r- 8
6 6 Q
II
—eq
9 r- 8
§8S
z zz
6OIZE 三匕9 Z
O O O O
Z Z Z Z

向十分广泛，其中以G06Q、G06K （数据识别；数
全球专利公开量一技术成长率
据表示；记录载体；记录载体的处理）和G06F这3
个领域为主。其中，涉及G06Q的专利族达1 284个,
图10 1992—2017年全球智能金融领域机器学习与
排名第一；G06K相关专利族有1 015个，排名第二 神经网络技术专利公开量及技术成长率
（见表3）。除此之外，涉及G07F （投币式设备或
类似设备）、G06T （ 一般的图像数据处理或产生）、 4.3.1国家分布：美国处于领先地位，中国近年发
H04L （数字信息的传输）、G07D （处理硬币、纸 展迅猛
币或类似的有价纸币 ）、H04N （图像通信）等专利 美国是机器学习与神经网络技术领域的领先
族数量也都在100以上。中国的相关专利以G06Q、 者，在金融领域的专利布局也早于其他国家（见图
G06K、G07F、G06F为主，与全球趋势基本一致。 11） o中国在金融领域的机器学习与神经网络技术
表3全球智能金融领域计算机视觉与生物特征识别技术应 专利自2013年开始呈现出高速增长态势，尤其是在
用排名前10位的IPC大类
2016年和2017年，专利申请量从个位数猛增到了
分部号分类号 含义 记录数/个
E部 E05G 贵重物品保险箱或保险库；银行用的保 110 29件和92件，超过了以往该领域技术专利申请量
险装置；安全交易隔板 的总和，总数已经远远高于除美国以外的其他国家。
H部 H04N 图像通信 146
H04L 数字信息的传输 152
G部 G06T 一般的图像数据处理或产生 160
G06F 电数字数据处理 607
G06K 数据识别；数据表示；记录载体；记录 1015
载体的处理
G06Q 专门适用于行政、商业、金融、管理、 1284
监督或预测目的的数据处理系统或方法
G07G 登记收到的现金、贵重物或辅币 109
G07C 时间登记器或出勤登记器；登记或指示 110
机器的运行；产生随机数；投票或彩票
设备；未列入其他类目的核算装置、系
统或设备
G07D 处理硬币、纸币或类似的有价纸币 149
G07F 投币式设备或类似设备 334
图11世界主要国家智能金融领域机器学习与
神经网络技术专利申请量
196 何隽等：基于全球专利信息的智能金融关键技术分析及其启示

4.3.2竞争分析：IBM专利最多，新兴人工智能科 相关专利以G06Q、G06F、G06N为主，虽然各种类
技企业发展良好 的比重有所差异，但发展方向与全球趋势基本一致 。
在全球金融领域机器学习与神经网络技术的专 表4全球智能金融领域机器学习与
利权人中，占据主导地位的依旧是美国的IBM公司， 神经网络技术应用排名前10位的IPC大类
以35件专利位列第一；微软公司拥有 12件专利， 分部号 分类号 *含义 记录数/个
H部 H04N 图像通信 25
位列第二；雅虎公司拥有10件专利，位列第三（见 H04L 数字信息的传输 67
图12） o除此之外，德国西门子和美国人工智能机 G部 G07D 处理硬币、纸币或类似的有价纸币 24
G01N 除免疫测定法以外包括酶或微生物的测 25
器人初创公司Brain Corp、通用电器、专注于人工智 量或试验
能的软件公司Brighterion等也对智能金融领域的机 G05B 一般的控制或调节系统 27
器学习与神经网络技术有所研究，具有明显的优势。 G06T 一般的图像数据处理或产生 32
G06E 光学计算设备 37
可以看出，拥有领先技术的企业多数是科技公司而 G06K 数据识别；数据表示；记录载体；记录 119
非金融机构。但在智能金融发展的过程中，也不乏 载体的处理
G06N 基于特定计算模型的计算机系统 365
金融机构通过收购的形式来增强自身在人工智能时
G06Q 专门适用于行政、商业、金融、管理、 538
代的竞争力，如2017年8月，万事达卡公司收购 监督或预测目的的数据处理系统或方法
G06F 电数字数据处理 596
Brighterion,利用人工智能技术提升其产品的用户体
验和安全性能〔⑸。
4.4知识图谱
知识图谱是图书情报界的一种概念 ，通过可
视化技术对知识资源、载体进行描述，并挖掘分析
知识与其载体的关联，被广泛应用于风险管理、营
销、反欺诈等方面。知识图谱在金融领域的应用刚
起步不久，已有的专利申请量很少，由图13可以看
到，在1999年之前相关专利几乎没有出现 ，即使
在2017年，全球的年专利申请量也仅有50件左右。

图12全球智能金融领域机器学习与
¢
神经网络技术专利申请量排名前12位的企业 IB
、
一

®-
尿护

中国排名靠前的专利权人以国内专利权人为主,
如阿里巴巴（4件）、国家电网（4件）、大连罗兰
科技有限公司（4件）、前海企保科技（3件）、华
为（2件）。可以看到，除了 BAT （百度公司、阿
全球专利公开:S —技术成长率
里巴巴集团、腾讯公司）等大型互联网企业以外，
越来越多的科技创新企业开始关注智能金融领域， 图13 1999—2017年全球智能金融领域
其中前海企保科技就是一家专注于 “人工智能+保 知识图谱技术专利公开量及技术成长率
险”业务的公司；各高等院校和科研机构也开展了
各种研究，如华中科技大学、江南大学、清华大学等。 4.4.1国家分布：美国专利申请量占绝对优势
4.3.3重点技术分析：以G06F、G06Q、G06N为主 美国在智能金融领域的知识图谱技术专利 ，以
智能金融领域的机器学习与神经网络技术的IPC 390件申请量名列第一；中国紧随其后，但专利申
大类共79种。其中，以G06F、G06Q、G06N （基于 请量仅有69件，不足美国的1/5；排名第三是澳大
特定计算模型的计算机系统）方向的应用最为广泛， 利亚，与中国的差距并不明显 。可见美国在智能金
涉及G06F的专利族达596个，排名第一；而G06Q 融领域的知识图谱技术研发上具备较强的实力 ，其
相关专利族有538个，排名第二（见表4 ）。除此之外, 他国家与之相比还有一定差距（见图14）。
涉及G06K和H04L等的专利族数量也很多。中国的
 何隽等：基于全球专利信息的智能金融关键找术缠及基亜 197

球专利申请趋势不同的是，中国排名前三的IPC大
类为 G06Q （ 102 个）、G06F （72 个）和 H04L （数
举、

M 字信息的传输，21个），其他类别涉及到的专利数
B
e- 量很少，均为个位数。
尿护

表5全球智能金融领域知识图谱技术应用
排名前10位的IPC大类
分部号分类号 含义 记录数/个
H部 H04M 电话通信 25
H04N 图像通信 26
H04W 无线通信网络 29
H04L 数字信息的传输 59
图14世界主要国家智能金融领域知识图谱技术专利申请量 G部 G06E 光学计算设备 21
G06T 一般的图像数据处理或产生 23
G06K 数据识别；数据表示；记录载体；记录 42
4.4.2竞争分析：美国企业占优势，但技术集中度 载体的处理
很低 G06N 基于特定计算模型的计算机系统 100
G06Q 专门适用于行政、商业、金融、管理、 366
智能金融领域知识图谱技术专利数量排名靠前 监督或预测目的的数据处理系统或方法
的企业均来自美国，包括IBM （32件）、微软（12 G06F 电数字数据处理 664

件）、甲骨文（全球大型数据库软件公司，12件）、
Rule 14 （ 9 件）、Verizon （ 9 件）等。图 15 中列举 4.5服务机器人
出来的排名靠前的专利权人的申请量仅占全部专利 金融领域的服务机器人主要用于银行等金融机
的13%左右，在其他542位专利权人中，申请量只 构，引导客户办理业务并回答客户问题 ，充当的是
有1件的有428位，有2件的有79位。由此可见， 业务员和大堂经理的角色 。到2017年为止，金融领
智能金融领域的知识图谱技术相关专利申请分布在 域服务机器人的专利申请量在150件左右，年变化
众多企业、研究院所和个人手中，技术集中度非常低。 趋势不是十分明显（见图16）。
在中国申请专利的专利权人中，申请专利数量最多
的是阿里巴巴、国家电网等国内企业，但IBM、英 25
22
0.6

特尔、思科等国外企业在中国国内的申请量依旧位 0.5
&
0.4
于前列，其中思科于2018年5月收购了 AI驱动的
、

5
«
»
0.3
商业智能创业公司Accompany o «- 0
屁曲

0.2
35 5
30
25
0
20 60*""En<09006 空 iZEqsgr—8 2 0126059(--
oo 6 6 6 6 6 6 6 6 O O O O O O O O O O — •-* i
15
10
I — iiii — iiZZZZZZZZZZZZZZZZZZ
Oa'C'O'O'O'O'O'OsOOOOOOOOOOOOOOOOO©
年份
5
O ■■全球专利公开量一技术成长率

图46 1989—2017年全球智能金融领域服务机器人
技术专利公开■及技术成长率

图15全球智能金融领域知识图谱技术专利
申请量排名靠前的企业
4.4.3重点技术分析：以G06F, G06Q为主
与智能金融相关的知识图谱技术的 IPC大类
有58种，集中在G部和H部（见表5）,其中以
G06F最多（664个），G06Q次之（366个）。与全
4.5.1国家分布：专利申请量美国居首位，中国次之
从国家分布来看，金融领域服务机器人技术具
有专利优势的国家依旧是美国和中国 。美国的专利
数量超过了总量的1/2 （见图17）。在中国，虽然
各大银行已经开始各种服务机器人的探索和应用，
但是技术层面上的突破和专利布局仍有所欠缺，未
来机器人的拟人化程度、知识储备的丰富程度、反
应能力等是需要进一步研究的方向。
198 何隽等：基于全球专利信息的智能金融关键技术勺逝及基底匡

90 82 与生物特征识别技术应用尤其广泛 。整体而言，智
能金融领域关键技术均处于起步或快速成长阶段。
其中，计算机视觉与生物特征识别技术在金融领域
应用最为广泛，专利申请总量最多；语音识别与自
然语言处理技术次之；机器学习与神经网络技术近
两年来发展迅速，专利申请量大幅度提升，未来可
能成为各国技术研发的重点领域 ；服务机器人和知
识图谱技术作为应用广泛的人工智能技术 ，在金融
领域应用的相关专利数量却很少 ，这给中国企业未
来发展提供了潜在机会。
图17世界主要国家服务机器人技术专利申请量
（2） 中国智能金融领域专利申请量多，但整
体上企业竞争力薄弱 。中国在智能金融领域的计算
4.5.2竞争分析：专利权人分散，个人专利占主导 机视觉与生物特征识别技术专利申请量超过美国 ，
大量的专利掌握在个人手中，专利权人十分分 其他技术专利申请仅次于美国，具有数量优势，但
散，绝大部分企业和个人拥有的专利数量都是1~3 专利申请量最多的企业仍集中在发达国家 ，如美国
件，其中IBM、VISA、清华苏州汽车研究院等在该 IBM、微软、英特尔、AT&T、Nuances,德国西门
领域都有所布局。 子，韩国LG、三星，日本OKI、东芝等企业，大部
4.5.3重点技术分析：以G06F、G06Q、G06N为主 分国外企业在中国均有大量的专利布局 ，未来智能
与智能金融相关的服务机器人技术的IPC大类 金融领域可能存在较大知识产权风险。中国的百度、
有46种，以G06F、G06Q、G06N （基于特定计算模 阿里巴巴、腾讯、国家电网、科大讯飞等企业近年
型的计算机系统）为主，其他类别的专利数量较少。 来也在大力开展智能金融领域的相关研究 ，在技术
中国的申请趋势与全球基本一致（见表6）。 上取得了一定突破，但由于起步晚、基础薄弱，与
表6全球智能金融领域服务机器人 国外巨头相比仍存在较大差距。此外，中国的专利
技术应用排名前40位的IPC大类 申请分布十分分散，除了北上广深等大城市以外 ，
分部号分类号 含义 记录数/个 安徽、浙江、天津等地区也开始加快智能金融布局，
B部 B25J 手动器械的手柄 12
H部 H04Q 选择 4
发展势头良好。
H04M 电话通信 11 （3） 高科技公司优势明显，金融机构主要以购
H04L 数字信息的传输 14 买服务和技术并购来完成智能金融转型。智能金融
G部 G06E 光学计算设备 4
G08G 交通控制系统 4 领域主要的专利权人以科技型企业为主 ，科技巨头
G07F 投币式设备或类似设备 5 凭借其在信息技术领域的已有优势及强大的技术研
G01R 测量电变量；测量磁变量 5
发实力，在金融行业进行全面布局 ，竞争优势明显。
G07C 时间登记器或出勤登记器；登记或指示 5
机器的运行；产生随机数；投票或彩票 新兴金融科技企业数量近年来也不断增加，多以专
设备；未列入其他类目的核算装置、系
统或设备 注于某一应用场景开展技术研究为主 。传统的金融
G07B 售票设备；车费计；用于在一个或多个 6 机构虽然掌握海量的金融数据，且拥有大量用户，
管理点收车费、通行费或入场费的装置
或设备；签发设备 但由于技术研发能力有限，专利申请较少，除了建
G06K 数据识别；数据表示；记录载体；记录 12 立网络金融等新业务部门或金融科技子公司来开展
载体的处理
G05B 一般的控制或调节系统；这种系统的功 13 智能金融业务以外，更多的是与科技巨头合作、购
能单元；用于这种系统或单元的监视或 买服务、收购科技型企业来增强与人工智能的结合，
测试装置
G06N 基于特定计算模型的计算机系统 40 这一方面导致专利权人和竞争格局不断变化 ，另一
G06Q 专门适用于行政、商业、金融、管理、 107 方面数据垄断也不利于研究的开展，阻碍了新兴智
监督或预测目的的数据处理系统或方法
G06F 电数字数据处理 132 能金融企业的发展。
（4） 技术分类布局广泛，基础专利依然不足，
存在技术壁垒。智能金融领域关键技术分类主要集
5研究结论与启
中在 G06K、G10L、G06F、G06Q、G06N 等方向，
5.1智能金融领域专利分析结论 涉及的IPC分类号全面，但现有相关专利主要以应
（1 ）智能金融关键技术发展迅速，计算机视觉 用型为主，基于算法、芯片、关键设备等方面的基
 何隽等：基于全球专利信息的智能金融关键技术分析及基鬆 199

础专利不足，很多技术上的难题依然存在，如语音 投顾、风险检测、智慧银行等应用外 ，智能资产管理、

识别方面的方言问题、噪音问题等；此外，技术研 智能授信预警、智能物流金融等也会是发展的重点
发深度不够、针对性不足，大部分重点技术既可以 方向⑷〕，技术发展应与智能金融领域应用紧密结合。
用于金融领域，也可用于其他领域，缺少金融领域
特定技术开发。 参考文献：
5.2中国智能金融未来发展启示 [I] 亿欧智库.2017中国智能金融产业研究报告[R/OL].北京：
亿欧智库，2017： 10 ( 2017-09-14 ) [2018-10-10] .https://
(1 )在重点领域、优势领域提前开展专利布局。
www.iyiou.com/intelligence/report533.
持续跟踪发达国家及智能金融领域科技巨头专利申 [2 ]麻斯亮，魏福义.人工智能技术在金融领域的应用:主要难点与
请态势和布局，制定适合中国国情的中长期发展规 对策建议[J] •南方金融,2018⑶:78-84.
划，保持在计算机视觉与生物特征识别 、语音识别 [3 ]张逸凡.人工智能技术在金融行业中的应用[J].电子技术与
软件工程,2016(23):258-258.
与自然语言处理技术领域的优势 ，重点关注机器学
[4]阮晓东•金融领域智能应用四大方向[J].新经济导
习与神经网络技术，并提前进行智能金融领域服务 刊,2017(7):12-17.
机器人和知识图谱技术的专利布局，抢占未来市场。 [5 ]罗洪奔.基于灰色-ARIMA的金融时间序列智能混合预测研究
鼓励国内领先企业向国外巨头学习借鉴 ，实时关注 [J].财经理论与实践,2014, 35⑵:27-34.
[6 ] DIMA A M, VASILACHE S. Credit risk modeling for companies
其研究动态，增强自身竞争力。
default prediction using neural networks [ J ] .Journal for Economic
(2) 针对关键技术全方位提升风险防范能力。 Forecasting, 2016,19(3): 127-143.
首先，要提升中国企业的知识产权保护和风险防范 [7 ] KHEMAKHEM S, BOUJELBENE Y. Predicting credit risk on the
意识，鼓励企业进行智能金融领域的专利申请，除 basis of financial and non-financial variables and data mining [ J ].
Review of Accounting and Finance, 201 & 17⑶:316-340.
了要积极在国内外进行专利布局以外，还要预防未
[8 ] FISHER I E, GARNSEY M R, HUGHES M E. Natural language
来可能发生的侵权风险 。其次，充分发挥国内科技 processing in accounting, auditing and finance: a synthesis of the
巨头的带头作用 ，推动人工智能相关技术标准规划 literature with a roadmap for future research [ J ] .Intelligent Systems
体系建设，鼓励企业参与到国际标准的制定中 。最后， in Accounting, Finance and Management, 2016,23(3): 157-214.
[9 ] DANENAS P. Intelligent financial fraud detection and analysis: a
督促地方政府制定智能金融产业发展规划 ，推动安
survey of recent patents [ J ] .Recent Patents on Computer Science,
徽、浙江、天津等电子信息聚集地区智能金融关键 2015,8(1):13-23.
技术的研发和应用。 [10 ]方曙，张娴，肖国华.专利情报分析方法及应用研究[J ].图
(3) 加强金融机构、科技企业、新型金融科技 书情报知识,2007(4):64-69.
[II] 王兴旺.专利竞争态势分析：类型、内容及方法述评：兼论我
公司多方合作。一是加强金融机构与科技企业之间
国的研究现状[J] •现代情报,2017,37(11):171-177.
的合作，以BAT为首的互联网企业有着研发能力、 [12] 杨涛•对人工智能在金融领域应用的思考[J].国际金
生态布局等方面的绝对优势，而金融机构拥有海量 融,2016(12):24-27.
数据，对金融业务的本质更加熟悉，通过构建生态 [13] KOYUNCUGIL A S, OZGULBAS N. Financial early warning system
model and data mining application for risk detection [ J ] .Expert
体系，联合外部资源，有利于实现资源共享和互惠
Systems with Applications,2012,39⑹：6238-6253.
共赢。二是金融机构可以尝试投资、并购、建立创 [14 ]刘俊一.人工智能领域的机器学习算法研究综述 [J].数字通
新孵化中心等更多更深入的方式，成为技术的所有 信世界,2018(1):234-235.
者而不仅仅是使用者 。三是鼓励新兴金融科技企业 [15 ] PURCHASE N Y. Mastercard enhances artificial intelligence
capability with the acquisition of Brighterion, Inc. [ EB/OL ].
发展，完善税收优惠政策、人才培养政策、创新激
(2017-07-17 ) [ 2018-10-10 ] . https://newsroom.mastercard,
励政策等。四是搭建数据共享平台 ，鼓励金融机构 com/press-releases/mastercard—enhances—artificial-intelligence-
和科技公司开放数据和基础算法等研究 ，推动智能 capability-with-the-acquisition-of-brighterion-inc-2/.
金融发展。 [16 ]赵斯曼.基于计算机视觉的三维手势信息采集技术专利分析
[J].中国管理信息化,2018,21(⑵:153-155.
(4) 基础研究与深度应用并行 。一方面，加强
[17]裴亚民，李辉.“AI+”赋能金融•迈向智能金融新时代[J] •
基础技术研发力度、加大研发投入，通过建立智能 中国金融电脑,2018(9):22-25.
金融实验室等方式开展基础研究；另一个方面，随
着三维视频技术［⑷、声纹识别技术、知识图谱、 作者简介：何隽( 1976-),女，安徽芜湖人，副主任，副教授，
博士，主要研究方向为知识产权法、科技创新；杜梦婷(1995—),
神经网络、深度学习等各类技术的不断发展 ，人工
女，湖北汉川人，硕士研究生，主要研究方向为数据科学和信息技术、
智能与金融结合会更加紧密，除了智能客服、智能 知识产权。