【行业观察】工业4.0背景下“大算力”对金融业的影响研究

责任编辑｜杨琪

近日，华为创始人任正非在与国际大学生程序设计竞赛基金会及教练和金牌得主谈话中提到，“我们即将进入第四次工业革命，基础就是‘大算力’，第四次工业革命波澜壮阔，其规模之大不可想象。”对其谈话中所提及的第四次工业革命，笔者将做一些梳理和解释，并兼顾探讨如何透过“大算力”数据看其本质对金融业的影响。

1

四次工业革命的特征简史

众所周知，每一次工业革命都以代表性发明为基础，带动人类社会生产力大幅提升。这种新型的生产力同样改变了生产关系、组织类型乃至人类社会，推动人类历史加速向前。例如，第一次工业革命的代表性发明是蒸汽机，带动纺织业等生产力倍增，促进企业等组织结构从科层制转向扁平化组织，带动人类社会从农业社会加速向半工业和工业社会转型。第二次工业革命的代表性发明是电动机，带动汽车和钢铁业等生产力扩张，促进企业等组织结构由科层制或扁平化组织向事业部制转型，带动人类社会从工业社会向后工业社会发展。第三次工业革命的代表性发明是电脑，带动信息产业生产力普涨，促进企业等组织结构从事业部制向无边界组织转型，带动人类社会从后工业社会向信息化社会发展。

表1 前四次工业革命的主要内涵对标

注：本表为作者自行收集编制，下同

综上所述，在前三次工业革命的基础上，第四次工业革命即工业4.0是基于工业发展的不同阶段做出的划分。按照共识简而言之，工业1.0是蒸汽机时代，工业2.0是电气化时代，工业3.0是信息化时代，工业4.0则是利用信息化技术促进产业变革的时代，也就是智能化时代。不难看出，当前我国已经站在第四次工业革命的路口，许多新的发明、新的产品正在研发过程中，有的已经取得了一定的成果。但是，由于部分成果尚未投入广泛应用，民众对第四次工业革命的成果体验不多、体验不深。“大算力”确可能深刻地影响每一个行业甚至到每一个人。其中，“大算力”的“大”意味着全面，也就是华为倡导的“万物互联”和构建智能世界的全面智能化战略，本质已经超越了德国所提物联信息系统的范畴。这确实是一个伟大的工程，5G只是工程中的参与连接与联合一部分。待“大算力”应用落地之际，将对各行各业乃至每个个体都有重大影响和深刻的改变。

2

工业4.0背景下金融业面临的挑战

从前四次工业革命的主要内涵对标来看，发达国家在四次工业革命均占有先机。不同的是，第一次工业革命是英国独占鳌头，第二次工业革命是欧美资本主义国家均有获益，且德国、美国后来居上实现“弯道超车”，第三次工业革命是美国保持绝对优势，第四次工业革命是德国、美国、中国和日本各有优势。不难看出，我国在第四次工业革命的进程中具有一定潜力，也具有“弯道超车”的机会，机不可失。金融业虽然属于第三产业，但长期向第一产业和第二产业提供融资支持，堪称实体经济的“血脉”。尽管金融业在数字化、智能化等方面一直走在诸多行业的前列，如客户服务领域早在20世纪60年代率先推出自动柜员机，生产运维领域银行主机系统率先采取分布式计算和云计算等。但是，作为一个延续上百年的传统行业，银行服务的本质属性没有根本变化，在第一次和第二次工业革命中的发明有着比较全面的应用，但在第三次和第四次工业革命中的发明只有部分应用、涉及面相对有限。面对飞速发展的高科技产业、推陈出新的技术新品，金融业有待加速与之融合应用。除了投行、投资公司等部分与高新技术产业联系密切的部门外，其他部门难以接触到最新的科技发明、技术新品，因此，学习和了解的机会也相对有限。

不仅如此，金融业作为第三产业的组成部分，一致面临着数据效力不足的难题，容易导致信息不对称，进而制约决策效力甚至导致决策失误。这一难题在业内长期存在、难以根治，主要表现为四个方面的数据不足。一是数据不全，主要表现为缺少或者漏报核心、关键、重要数据，部分数据先天缺失，不为银行端所掌握，导致收集有心无力。二是数据不准，主要表现为数据采集、统计、计算不准等，部分数据统计粗糙，颗粒度较大，难以细致深入挖掘。三是数据不真，主要表现为错报、误报甚至篡改相关数据，部分数据先天不足，提供方粉饰甚至篡改动机强烈，优化后的数据“一本万利”。四是数据不及时，主要表现为难以及时地采集、统计、更新最新数据，数据采集信息化手段不够，需要人工统计层层上报。

上述四方面数据不足制约了金融业的稳健发展，严重影响了业务效率和资产质量。如，银行的“贷款三查”是“老大难”问题，在业务流程中，一直或多或少地存在贷前调查不尽职、贷中审查不审慎、贷后管理不严格等问题，这些问题主要反映为相关数据和报表的差错、缺漏甚至篡改，可能导致贷款损失和声誉风险。又如，券商对客户的“尽职调查”十分重要，特别是作为上市保荐人、债券承销人等角色而言，但一定比例准备上市的公司基于利益导向、为了上市或发行需要，粉饰、掩饰甚至篡改财务数据等行为长期存在，尽职调查不到位的问题时有发生，容易引发社会关注和监管重罚。再如，险企，即保险行业的企业对客户的了解尤为关键，客户的职业、行业、行为、健康、家庭等信息需要全面、真实、准确和及时地采集，但实际工作中很多客户的信息难以获取，甚至存在偏差，可能导致后续保费计算、承保出险等存在相当的误差，甚至不得不对簿公堂，大幅提高了险企的成本。

3

“大算力”如何解决金融业难点

那么，第四次工业革命的基础，即“大算力”如何发挥作用，怎样解决金融业面临的难题呢？在此，笔者初步做了梳理，尝试解释“大算力”的表达意义和可以针对性解决的方向。简而言之，“大”的内涵和目标是全面，首先可以有效解决金融业数据不全的问题；“算”的内涵和目标是算准、算真、算及时，其次可以针对性解决金融业数据不准、不真、不及时等问题；“力”的内涵和目标是效率、效力，最后可以解决数据失效、无效等问题。从逻辑上看，正是因为“大算力”的“大”和“算”，借助模型积累和迭代训练，才能保证最后的“力”。从此意义上讲，“大算力”不仅是个专有名词，也是一个颇具问题导向、逻辑思维和解决思路的综合性词汇，属于“根技术”范畴，形成了逻辑自洽，产生了内生动力。

表2 “大算力”的内涵及可解决的金融难点

笔者以金融业近年来的真实案例为蓝本，尝试以案例的形式来解释“大算力”的作用和意义。从金融业的核心业务入手，银行在做贷前客户调查时，不仅局限于客户提供的客户信息、财务报表，还可以借助“大算力”实现第三方检验、第三方校准，可以及时发现客户信息和财务报表等数据中的问题。如，银行可以借助征信数据、企查查或天眼查等第三方数据发现企业的实际控制人、最终受益人，是否存在其他法律风险、是否有不良征信和诉讼记录等，从而帮助在审批环节更全面地判断客户的特征和行为，以风险导向给予相匹配的授信额度和期限。又如，证券公司可以借助拟上市企业生产数据、出厂数据、运输数据、供应商数据、客户数据等科学判断企业的实际生产状况，借助生产数据中水、电、燃气的能耗，对标出厂数据、运输数据、供应商数据和客户数据等，多级次核对数据内在的勾稽关系，挤出企业报表中的“水分”，准确判定企业的产能、回款周期和供应链健康程度，精准预测企业的上市规模和定价，即便某些数据可能已被企业粉饰。再如，险企在承包人寿保险时，可以借助客户的体检数据、看病和手术数据、餐饮选择和运动App数据，更为精确地建立一对一的精算模型，给出更为合理的定价，还可进一步综合客户的交通出行数据、行车数据、违规处罚和扣分数据给出更为准确的客户车险报价。还如，基金公司在选择投资组合时，不仅可以接入经济形势、汇率走势等宏观数据，还可以实时接入行业分析数据、企业运营数据，更加理性地做出投资选择和策略组合，实现可持续地增长。

4

第四次工业革命怎样影响金融业

透过前四次工业革命的历程，可以发现工业革命主要从两个方面影响金融业，带动金融业向“更高、更快、更强”改变。一是直接影响，新技术、新产品在金融业中的实践推广，最终实现广泛应用，广为受惠，如从华为的“盘古气象大模型”延伸到金融业的“宏观经济与大宗商品长周期模型”等；二是间接影响，新技术、新产品由金融业的服务对象即客户发明和推广，金融业助推客户融资和发展，实现共赢。本文主要探索第四次工业革命给金融业带来哪些改变，实质关注的是直接影响。在此，笔者尝试做简要分析和归纳，从个体、组织、行业三个维度探寻第四次工业革命对金融业从业者效能、组织管理和行业赋能的改变。

首先，从个体层面来看，解放个人精力。一是大量释放既有的尽职调查投入。特别是基于万物互联的“大算力”基础上，原先客户尽职调查、身份识别过程中需要的现场尽调，在时间、环节和范围上都将大幅缩减，甚至不再需要去跑客户、跑押品、跑现场。二是持续加强对人工工作的投入。正因为对尽调投入的大量释放，笔者预测借助第四次工业革命的成果应用，金融业的人力资源能够得到一定解放，转而从事其他更需要人工核实、分析和创新的领域，有效补足人力资源，在相当程度上减少人力损耗。

其次，从组织层面来看，改变管理逻辑。一是健全金融机构的预测能力。可以综合提升金融机构的数字化、智能化水平，包括但不限于银行的贷前调查能力、证券公司的尽职调查能力、险企的精算偿付能力、基金的长期预测能力、消费金融的客户偿付能力等。二是优化金融机构的管理水平。可以有效提升金融机构的内部管理水平，包括但不限于帮助金融机构更加准确地理解感知宏观形势的变迁，更加全面地认识了解自身乃至客户微观行为的变化，提前判断客户偿付意向和偿付能力并准确预测资金需求和金额缺口，助推从客户向银行“申请授信”向银行客户“主动授信”转变，从而更好地把握自己的比较优势，提升自身的核心竞争力。三是提高金融机构的组织能力。可以持续强化金融机构的组织、营销和风控等专业能力，包括但不限于金融机构更加充分全面地了解客户需求，及时反馈和满足客户需要，更精确地把握营销动向和风险感知，更精准地实现定向营销和风险管控。

最后，从行业层面来看，改善行业业态。一是提升金融业的智能化水平。除了相关科创制造业外，金融业可能率先成为余下行业中提升智能化水平较快的行业，这得益于金融业长期对系统化的高度重视、对数字化建设的长期投入，从21世纪初至今已经积累了二十多年。二是补齐金融业的既有短板。得益于金融业智能化水平的提升，银行、证券、保险、信托、基金、资管、租赁、消费金融等细分行业的差距会快速补齐，使得数字化、智能化相对薄弱的业态加大数字化建设投入，努力向先进和前沿业态靠拢，从而提高整个行业的智能业态和发展势能。