金融科技的边界
⇨⇦
迄今为止，各国际组织与主权国家对金融科技（FinTech）的定义尚未统一。从法律层面上，尽管人们无从届定金融科技，但金融科技类公司或市场主体通过不同的商业模式与形态来提供种类各异的服务与产品，且承担相应的法律义务。金融科技的核心
国际组织及主权国家的观点是金融科技无外乎科技在金融领域的应用，旨在创新金融产品和服务模式、改善客户体验、提升服务效率、降低交易成本。而国内最早提出金融科技概念的京东金融则认为，金融科技遵循金融本质，以数据为基础、技术为手段，为金融机构服务，帮助金融机构提升效率、降低成本、提高效率。
当前使用最多的是金融稳定理事会（FSB）于2016年做出的初步定义，即指通过技术手段推动金融创新，形成对金融市场、机构及金融服务产生重大影响的业务模式、技术应用及流程和产品。
原中国银监会创新业务监管协作部主任李文红在《金融科技发展与监管：一个监管者的视角》一文中指出，金融科技的核心是利用新兴的互联网信息科技改造和创新金融产品和业务模式，金融科技更强调新技术对金融业务的辅助、支持和优化作用，其运用仍需遵循金融业务的内在规律、遵守现行法律和监管要求。
从应用领域角度，金融科技可分为六大类：一是支付清算领域，包括网络和移动支付、数字货币等；二是融资领域，包括股权众筹、P2P网络借贷等；三是市场基础设施领域，包括大数据、云计算等；四是投资管理领域，包括电子交易、机器人投资顾问等；五是保险领域，包括保险分解和联合保险等；六是直销银行。在全球TOP50科技公司中，网络借贷占比30%，财富管理占比18%，保险占比12%，支付占比10%（见下图）。
就金融科技的生态而言，其市场主体由通过技术手段提供创新金融服务的金融科技公司、为金融业提供技术服务的科技公司和提供金融合规科技应对方案的监管科技公司，以及传统金融业机构等构成。外延则涵盖金融科技投资机构、商业模式孵化器、金融与科技监管机构、金融科技监管机构等。
金融科技的核心技术可以概括为ABCD，即人工智能（Artificial Intelligence）、区块链（Blockchain）、云计算（Cloud Computing）和大数据（Big Data）。其中，大数据和云计算是基础，人工智能和区块链基于海量数据和高速计算能力从时间和空间上加速推动金融业发展。
首先，国内与金融科技相关的研究文献多集中于金融科技相关的关键底层技术，如大数据及数据分析、区块链等方面。其次，金融科技底层科技与具体的金融范畴融合所带来的商业模式，如电子支付、电子银行、虚拟货币、传统金融业的互联网化等。再次，金融科技相关的投、产、融如何结合，如科技金融等研究频次较高。最后，金融科技与社会进步的关系，如促进普惠金融、提升金融效率、改良信息不对称、改善客户体验等。
而目前，已有学者、机构开始关注金融科技带来的金融风险、信息科技风险等。包括金融科技的法治与监管问题，如信息安全、金融监管等，亦引发了业界的积极思考。金融科技的发展历程
就FinTech的发展历程来看，其初衷是通过技术创新降低获客成本，提供营销获客、身份认证、风险定价及资金流转等环节的技术支持，快速介入金融市场。伴随着网络的普及、大数据和人工智能的应用，尤其是区块链的研发，信息技术和金融的融合不断打破现有的金融边界，深刻改变了金融服务的运作方式。
从不同地域来看，FinTech的发展以北美为主导，欧洲与亚洲紧随其后，三大洲几乎占据了整个FinTech市场。过去5年，三大洲FinTech投融资规模从2014年开始暴增。2015年，在风投的驱动下，北美、欧洲、亚洲地区的融资额分别为77亿美元、14.8亿美元、45亿美元，同比增长75%、33.33%、309.09%。而2018年上半年，全球范围内对金融科技公司的投资共875笔，投资总额达到57.9亿美元。全球金融科技的产业中心主要分布在英国、美国、新加坡、澳大利亚和中国等，而金融科技在我国的发展尤其迅猛。在创纪录的融资交易及众多大型融资活动的推动下，中国金融科技投资在2018年上半年创出151亿美元的新高。中国大部分银行已越来越关注数字化的发展，并制订相应的转型策略，为专注B2B金融科技企业创造了更多推动银行业变革的机会。各银行已經在区块链、大数据和人工智能等领域投入资金。
如果借用国际证监会组织（IOSCO）于2017年2月发布的《金融科技研究报告》中对金融科技的定义，金融科技是指有可能改变金融服务行业的新兴科技和创新商业模式，从新兴科技和创新商业模式演进两个方面，将金融科技的发展历程分为3个时期：
（1）金融科技的萌芽期（1980—1989年）。即金融科技1.0时代，金融公司内部设立IT部门，将信息技术软硬件设备用于金融业务当中，意在压缩运营成本，提高金融业务部门服务效率。
（2）金融科技的起步期（1990—2010年）。即在金融科技2.0时代，科技与金融的合作更加深入，科技第一次独立于金融系统，以互联网金融为典型。
（3）金融科技的快速成长期（2011年至今）。即在金融科技3.0时代，互联网不再是推动金融技术化的最主要动力，而是作为新兴技术的基础继续存在。未来的金融服务将向长尾客户普及，此前高净值客户才能享有的财富管理、投融资服务将向广大的长尾用户群体逐步普及。
正在进行时的金融科技3.0时代搅动一池春水，2015年10月，京东金融在国内率先提出金融科技概念并将公司定位为金融科技公司。当时，金融科技在中国刚刚兴起，市场对于金融科技公司的真正价值尚未达成共识。尽管早在1980年，美国华尔街已开始使用FinTech这一名词，包括2003年互联网众筹的出现，FinTech一词引起各国的普遍关注。
金融科技的主要应用场景
作为金融科技的核心技术，人工智能、区块链、大数据技术逐渐渗透到金融行业的各个业务领域。其中，人工智能应用比较成熟的金融业务领域主要集中在智能投顾、智能客服、金融搜索引擎等方面；区块链在金融领域的应用主要集中在支付、票据、数字货币、股票、保险等方面；大数据在金融领域的应用主要体现在大数据征信与风控方面。
人工智能
人工智能在全球金融领域的应用遍地开花。从银行、证券、保险、基金，再到新型支付、消费金融等，人工智能都渗透其中。人工智能在美国、英国、日本等發达国家的发展应用相对比较成熟。美国基金公司Rebellion research运用机器学习、预测算法等人工智能技术，量化股票收益和风险。Rebellion research于2007年推出全球首个人工智能投资基金，并成功在全球44个国家进行股票、债券、大宗商品和外汇等方面的交易。2012年，花旗银行携手IBM运用人工智能技术完善银行客服，致力于提供差异化、智能化和精准化的金融服务。伦敦对冲基金机构Castilium通过人工智能技术复制交易员、基金经理、分析师的推理和决策过程，推出智能化、量化的投资组合产品。日本初创公司Alpaca交易平台使用基于图像识别的深度学习技术，为客户提供简单化、智能化的外汇交易服务。
相比美国、英国、日本等发达国家，中国的人工智能起步较晚，但发展的速度和规模却是空前的。人工智能技术在中国金融领域的应用已呈爆发趋势。2009年以来，中国智能化的金融公司大量涌现，仅2014年和2015两年就出现72家创业公司。人工智能技术在中国金融领域的创新应用主要集中在智能支付、智能营销、智能投顾、智能风控、智能客服等业务领域，尤其是智能支付、智能投顾等新智能化的金融公司，虽然其成立时间较晚，但发展速度着实迅猛。
人工智能技术在我国发展得相对成熟的业务领域主要集中在智能支付和智能客服。2017年9月1日，支付宝与肯德基联合宣布共同落地刷脸支付。这是刷脸支付首次从线上走到线下，真正实现创新应用。2013年，中国建设银行推出的智能交互机器人＂小微＂，其服务渠道由最初的微信扩展到网银、手机银行等，服务领域覆盖个人金融、对公业务、电子银行、信用卡等，回复准确率超过90%。2015年，交通银行推出的智能客服实体机器人＂娇娇＂基于智能语音、智能图像、智能语义、生物特征识别等人工智能技术进行人机交流，分担引导客户、介绍银行业务等工作。
区块链
随着区块链技术的快速发展，以及各国政府对区块链技术的日益重视，区块链技术逐渐在支付、数字货币、银行、保险、股票等金融领域展开应用。其中，区块链在数字货币和支付领域的应用相对比较成熟。如下表所示，全球典型区块链公司主要以提供数字货币、跨境结算、支付等金融服务为主营业务。值得注意的是，全球典型区块链公司主要集中在美国，且融资数据惊人，主要是高盛、花旗、摩根大通等国际性大型金融集团领投。
随着移动互联网的普及，金融服务的智能化、数字化、区块链化趋势日益明显。2016年以来，银行等传统金融机构纷纷联合科技机构，将区块链技术应用到那些传统金融机构不能提供很好服务的业务领域。区块链技术在中国金融领域的应用主要集中在票据、资产管理、跨境支付等领域。
2016年10月，中国邮储银行携手IBM推出的基于区块链技术的资产托管系统正式上线。该系统通过区块链技术的共享账本、智能合约、隐私保护、共识机制四大机制，实现了信息多方实时共享，免去了重复信用校验过程。该系统自上线以来，已完成100多笔交易，将原有业务流程缩短了约60%～80%。
2017年2月，招商银行将区块链技术应用于全球现金管理（Global Cash Management）领域的跨境直联清算、全球账户统一视图及跨境资金归集这三大场景，实现了6个海外机构加总行全部连在区块链上，任何两个机构之间都可以发起清算的请求，任何两个机构都可以进行清算。
2017年7月10日，由区块连金服和贵阳银行合作推出的票链产品正式上线，票链是一款借助区块链技术，为持有银行承兑汇票的中小微企业客户提供融资服务的新型互联网票据融资产品。由于融资方与资金方的交易在极具公信力的区块链上完成，使得智能合约上的票据信息、参与方信息和交易信息不可篡改，易于解决票据交易中的信用缺失问题，进而有助于降低票据市场的操作风险和信用风险。
对比国内外区块链技术的应用场景可以发现，区块链在金融行业的重点应用领域主要集中在支付、票据、资产托管、风险控制等传统金融机构不能提供很好服务的业务领域。另外，美国等发达国家的区块链技术起步较早，其发展相对成熟。中国区块链技术虽起步较晚但发展较快，在资产托管、票据、跨境支付等金融领域逐渐应用落地，且应用优势凸显。
大数据
大数据不仅是人工智能、区块链技术的应用前提和保障，还是金融风控的核心要素。大数据在金融领域的应用主要集中在征信和风控领域。征信作为金融风控的核心，应用大数据技术将更好地帮助金融机构实现对风险的量化，从而实现风险可控操作。
中国的芝麻信用呈现个人信用状况的依据，主要来自3个方面：一是政府及事业单位、金融机构、社交平台、搜索引擎等对外公布的数据，以及软信息（消费习惯、兴趣爱好、网络口碑及影响力等）；二是网上银行、社会保障账户信息、缴纳公共事业费用、通信费用缴费记录、交通运输信息平台等较为隐性的数据；三是阿里巴巴集团旗下淘宝、天猫、支付宝等第三方支付平台，以及社交平台中的用户消费、交易记录等数据。
最近几年，随着中国经济进入新常态，智慧城市、数字经济、新旧动能转换、转型升级等概念持续引领着大数据的发展，技术革新和应用拓展不断加速。据中国大数据产业联盟发布的《2018中国大数据产业发展白皮书》数据显示，截至2017年年底，我国大数据产业规模达3820.4亿元，预计到2020年，这一规模将突破8000亿元（见下图）。
对于大数据产业来说，2018年是一个具有重要标志的年份。在国家政策的支持下，大数据企业规模迅速增长。目前，国内年营业额超过4000万元的大数据企业已经超过40%。这意味着，这些企业已经度过生存期，开始进入应用落地和品牌推广阶段。此外，加快数字中国建设等战略，也为大数据产业的发展提供了广阔空间。而人工智能技术的崛起，则加速了大数据技术的应用落地。这些利好因素的叠加，为我国大数据产业的发展提供了历史性发展机遇。在这个重要关口，大数据产业链上的各个环节应以开放、合作、共赢的态度，不断提升自身实力，加强核心技术的研发和创新，力求在产业中占据一席之地。