智能金融领域互联网头部企业竞争力分析：基于专利视角

何 隽，杜梦婷

（清华大学深圳国际研究生院，广东深圳 518055）

“智能金融”是人工智能技术与金融行业结合的产物。金融行业发展至今，经历了从电子金融到线上金融再到智能金融的转变，每次变革都与技术进步紧密相关。20 世纪90 年代，计算机技术的成熟导致金融机构电子化程度提高，自动取款ATM 机、销售终端POS 机、电算化系统等在金融机构广泛应用；之后随着互联网发展，支付宝、网络借贷、互联网保险等网络平台出现，金融业务由线下向线上转移，金融机构开始涉足电子商务领域；如今，人工智能、区块链、云计算、大数据等技术迅猛发展并在金融领域深入应用，智能客服、智能支付、智能风控、智能投顾等成为金融行业发展的主旋律［1］。特别值得关注的是，在智能金融领域，一方面，传统金融机构开始向科技型金融机构转型，另一方面，互联网企业利用其技术和流量优势开始进军金融领域，与此同时，各类金融科技初创企业也不断涌现。我国智能金融领域的竞争日趋激烈，目前主要竞争集中在以百度、阿里巴巴、腾讯、京东（以下简称“BATJ”）为代表的互联网头部企业及大型金融机构之间。互联网头部企业相比于金融机构拥有较强的人工智能技术研发实力和大量的平台用户积累，其中阿里巴巴旗下的蚂蚁金服、京东旗下的京东数科以及百度旗下的度小满金融在2018 年智能金融服务企业排行榜中分别位列第1、第2 和第4 名。智能金融领域的竞争不仅仅是产品与服务的竞争，更是技术的竞争，技术实力是企业最重要的核心竞争力之一，而专利分析是企业了解竞争对手技术实力、制定未来发展战略的重要手段之一［2］，基于此，本文以BATJ 这4 个互联网头部企业为例，通过专利数据分析了解我国互联网头部企业的技术研发现状，运用波特五力模型分析上述企业在智能金融领域的竞争态势，并对互联网头部企业在智能金融领域的未来发展提出建议。

1 智能金融发展的宏观环境分析

1.1 政策环境

（1）人工智能被写入政府工作报告。技术发展离不开政策支持，近年来，我国政府对人工智能发展的政策支持力度和资金扶持力度均显著增强。2015 年7 月，《国务院关于积极推进“互联网+”行动的指导意见》提出要大力培育发展人工智能新兴产业；2016 年5 月，我国《“互联网+”人工智能三年行动实施方案》提出要构建人工智能产业体系、创新服务体系和标准化体系；2017 年3 月，《2017年国务院政府工作报告》中“人工智能”首次被写入中国政府工作报告。

（2）智能金融上升到国家战略高度。人工智能技术已深入到各行各业，其中金融行业是重点应用领域之一，我国已先后出台了一系列智能金融发展政策。2016 年7 月，《“十三五”国家科技创新规划》中提出要建设国家科技金融创新中心，促进金融科技产品和服务创新；2017 年5 月，为加强金融科技工作的研究规划和统筹，中国人民银行成立了金融科技委员会；同年7 月，国务院在《新一代人工智能发展规划》中将智能金融上升到国家战略高度，提出要建立金融大数据系统，鼓励发展新兴金融业态；2019 年3 月，中国人民银行召开金融科技委员会第一次会议，指出将研究出台金融科技发展规划，明确金融科技发展目标、重点方向和主要任务，加强统筹布局和行业指导。

图1 2008—2017 年我国金融科技企业注册数量及其变化

（3）行业监管更加完善与严格。新技术给金融行业带来发展机遇的同时也带来各种挑战，因此我国的有关监管力度也随行业发展不断加强。2016 年，保监会和证监会分别印发《互联网保险风险专项整治工作实施方案》和《股权众筹风险专项整治工作实施方案》，对互联网保险经营模式和互联网股权融资行为进行规范；同年4 月，国务院出台《互联网金融风险专项整治工作实施方案》，对互联网企业的金融业务资质进行规定，金融牌照合规进程加速；2017 年8 月，银监会印发《网络借贷信息中介机构业务活动信息披露指引》，对网络借贷信息中介机构业务活动的信息披露行为进行规范，加强金融风险防控；2019 年4 月，《证券法（修订草案）》（三次审议稿）发布，首次在法律层级上对证券程序化交易进行规制，这也是我国首次对智能金融活动进行规定。

1.2 经济环境

（1）金融科技企业数量迅猛增加。在中国金融科技企业数据库收录的18 936 家企业中，覆盖的业务领域包含了银行、券商、保险、资产管理、金融信息服务等，新注册企业数量在2013—2015 年间增长迅速，于2014 年达到最高，其中度小满金融、蚂蚁金服、京东数科等正是在这一期间成立或开始独立运营，但热度持续时间并不长，2017 年后金融科技企业的数量增长趋于平缓（如图1）。

（2）投融资总额不断扩大。2018 年，全球范围内我国的金融科技融资事件数量最多，共发生615笔交易，融资总额占全球金融科技融资总额的74.7%（约为3 256.3亿元，其中蚂蚁金服获943亿元融资）［3］；我国的金融科技投资总额在全球范围内也最多，约为255 亿美元，占全球金融科技投资总额的46.1%［4］。我国良好的投融资环境给金融科技企业提供了充足的资金支持，为其发展奠定了基础。

1.3 社会环境

（1）移动互联网普及，居民可支配收入增加。截至2018 年12 月，我国网民规模为8.29 亿户，互联网普及率达59.6%，其中手机网民规模8.17 亿户，使用比例达98.6%［5］。互联网普及打破了时间和空间限制，大众可以更便利地使用网络支付、借贷、财富管理等金融业务，对金融服务需求大大提升，也改变了民众原有的金融理财观念。与此同时，随着经济发展，我国居民的可支配收入也不断增加，2018 年全国（未含港澳台地区。下同）居民人均可支配收入为28 228 元，相比于2017 年增长8.7%。在保障基本生活的前提下，居民有了更多的钱进行投资活动。

（2）高校新增人工智能专业，人才培养力度加大。技术发展离不开人才，在教育部公布的2018 年度普通高等学校本科专业备案和审批结果中，我国共有35 所高校获得了首批建设人工智能专业的资格，机器人工程、智能科学与技术、数据科学与大数据技术等相关专业也受到重点关注。多家高校与科技企业合作建立人工智能金融实验室加速人才培养和技术研发，如英特尔-南京大学人工智能联合研究中心。

2 BATJ 在智能金融领域的专利申请分析

BATJ 作为互联网行业的头部企业，在人工智能领域的技术实力强劲，有多年技术研发积累，凭借自身优势迅速占领智能金融市场，并在逐步构建起智能金融生态体系。为全面了解BATJ 在智能金融领域的技术竞争实力，本研究利用IncoPat 科技创新情报平台作为专利数据来源，对语音识别、自然语言处理、计算机视觉、生物特征识别、机器学习、知识图谱、智能机器人等人工智能关键技术进行检索，获得BATJ 的人工智能专利申请情况，再对金融相关国际专利分类号（IPC）和关键词进行检索，得到BATJ 的智能金融专利申请情况。其中，百度、阿里巴巴、腾讯、京东的企业标准申请人代码分别为百度公司-C、阿里巴巴-C、腾讯公司-C、京东集团-C1）。专利检索日期为2019 年7 月8 日，专利申请截止时间为2019 年7 月8 日。

2.1 人工智能技术专利申请

根据人工智能关键技术主要分类，本研究确定人工智能专利检索式为TIABC=(人工智能 or 语音翻译or 语音识别or 语义识别or 自然语言处理or 人脸识别or 面部识别or 生物特征识别or 图片识别or 指纹识别or 虹膜识别or 声纹识别or 计算机视觉or 生物识别or 机器学习or 深度学习or 神经网络or 知识图谱or 知识树or 知识发现or 智能机器人or 专家系统)，各分支技术专利申请量由相关技术关键词检索而来。在对人工智能专利申请量检索时，额外加入“人工智能”关键词［6］。需要指出，不同的专利检索策略对检索结果将产生影响；此外，由于部分专利技术可能使用于多个场景，即同一个专利可能出现于多个分支技术领域，而本文的5 个技术分支分类只是人工智能技术在金融领域的常见分类，并不能涵盖所有技术分支，因此BATJ 的人工智能专利总量与5 个分支技术领域的专利数量之和并不相等。

如图2 所示，从整体数量上看，BATJ 对人工智能技术重视程度较高，专利申请态势良好。其中，百度以2 518 件专利申请量位居第一，腾讯居第二为1 127 件，阿里巴巴位居第三为1 014 件，这3 家企业自2016 年以来专利申请量增长迅速；由于京东在人工智能领域的专利布局起步较晚，始于2014年，相比之下其技术实力稍显薄弱，仅有311 件专利申请。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、服务机器人等技术是人工智能领域应用最为常见的几类技术，也被广泛应用于金融领域。在语音识别与自然语言处理领域，百度的专利申请量为763 件，占其人工智能专利申请量的30.30%，数量和占比均在4 家企业中位列第一；在计算机视觉与生物特征识别领域，百度、阿里巴巴、腾讯的专利申请量均在200 件以上，其中腾讯和阿里巴巴的专利申请量占本企业人工智能专利申请量的比例均超过20%，分别位列第一和第二；机器学习与神经网络是BATJ最为关注的领域，4 家企业在该领域的专利申请量占本企业人工智能专利申请量的比例均超过50%，在五类分支技术中占比最大，其中阿里巴巴对该领域技术研发最为重视，但在知识图谱与服务机器人的研发力度不足、专利布局较少。

图2 BATJ 在人工智能及各分支技术领域专利申请数量

如表1 所示，从IPC 分布上看，BATJ 这4 家企业均在G06F（电数字数据处理）领域和G06K（数据识别；数据表示；记录载体；记录载体的处理）领域有着较多专利记录，其中，百度在除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）以外的技术领域占有明显优势，而阿里巴巴在G06Q 领域专利申请超过其他3 家企业；从地域上看，BATJ 在人工智能领域的专利布局主要以国内市场为主，其国内专利申请量占其全球人工智能专利申请总量的比例，百度为88.28%、阿里巴巴为65.58%，腾讯为96.27%、京东为88.42%，除国内外，4 家企业在美国、韩国、欧洲、日本等国家和地区有少量专利布局。

表1 BATJ 在主要IPC 分类号下的人工智能专利申请数量 单位：件

2.2 智能金融技术专利申请

人工智能技术可以应用在交通、医疗、金融、家居、零售、教育等多个领域，智能金融是指人工智能技术在金融领域这一特定领域的应用。通过对金融关键词和IPC 分类号的限定，本研究得到与金融相关专利的检索式为TIABC=(金融or 股票or 债券or 基 金or 期 权or 银 行or 投 资or 信 贷or 货 币or资产or 保险or 税务) or IPC=(G06Q20*or G07F19* or G06Q40*2))［6］。将人工智能与金融两类检索式相结合，得到与智能金融密切相关的专利分布信息，以便有针对性地研究BATJ 在智能金融领域的技术竞争实力。同样，如前文所述，由于检索策略的原因，BATJ 的智能金融专利总量与5 个分支技术领域的专利数量之和并不相等。

如图3 所示，从专利申请数量上可以看出，BATJ 在人工智能领域有着较强的技术实力，但聚焦到金融领域的专利并不多。其中，阿里巴巴在智能金融领域的专利布局更为广泛，以116 件专利申请量排名第一；而在人工智能领域专利申请量排名第一的百度在智能金融领域仅有29 件专利申请，与腾讯的28 件分别排名第二和第三，京东的专利申请仍然较少，仅有11 件。在分支技术领域的专利分布仍以机器学习与神经网络为主，主要应用场景包括欺诈风险识别、外汇交易预测、贷款还款信息预测等，其次是计算机识别与生物特征识别，相关专利以身份识别、支付安全、支付方式等为主。其中，阿里巴巴在各技术分支都具有较强的竞争优势；百度在语音识别与自然语言处理、计算机视觉与生物特征识别领域的专利申请量均超过腾讯。

图3 BATJ 在智能金融及各分支技术领域的专利申请数量

如表2 所示，从IPC 分类号分布上看，4 家企业的专利主要集中在G06Q 和G06K 领域，其中百度和阿里巴巴在G06F 上的布局较多，而腾讯和京东在G06N（基于特定计算模型的计算机系统）上有所侧重；从地域分布上看，与在人工智能领域专利布局相同，以国内市场为主，在国外申请专利保护的数量较少。

表2 BATJ 在主要IPC 分类号下的智能金融专利申请数 单位：件

3 BATJ 在智能金融领域的波特五力模型分析

迈克尔·波特［7-8］在20 世纪80 年代提出波特五力模型，认为供应商和消费者的议价能力、新进入者的威胁、替代品的威胁、同行业竞争程度可以有效分析企业面临的竞争环境，为企业制定战略提供参考。其中，供应商议价能力主要取决于供应商集中程度以及提供产品的差异性；消费者议价能力取决于消费者购买力以及消费者数量，当消费者数量越少时，消费者议价能力越高［9］；新进入者的威胁体现在行业的进入壁垒高低，主要包括规模经济、品牌影响力、产品差异性、资本、渠道、技术、政府政策等方面［10］；替代品的威胁在于同等功能下替代品的价格、质量等因素对消费者购买决策的影响；同行业竞争程度是五力模型中核心要素，竞争者的数量、研发实力、成本以及行业发展环境等都会影响竞争态势。波特五力模型可以帮助管理者识别企业在竞争中面临的机遇和挑战，更好地了解企业所处的竞争环境［11］。在智能金融领域，以BATJ为代表的互联网头部企业开展人工智能技术研究较早，具备强大的智能金融应用场景和用户基础，在智能金融发展中占有优势，但金融机构及金融科技公司在人工智能领域投入近年来不断加大，呈现出不同类型企业合作与竞争共存的局面。以下本文将运用波特五力模型找出影响互联网头部企业在智能金融领域竞争的关键因素，明确其未来重点发展方向。

3.1 供应商议价能力

（1）芯片等底层硬件产品依赖进口。核心硬件和深度学习算法是人工智能产业的基础层，人工智能技术的应用离不开芯片等硬件的支持［12］。我国的芯片、传感器、存储器等大量依赖进口，2018 年我国大陆累计进口集成电路4 175.7 亿个，同比增长10.8%，集成电路及相关产品进口金额达3 120.6 亿美元，同比增长19.8%，其中从美国进口的主要产品是处理器［13］。由于中美贸易摩擦对我国的高新技术领域产生较大影响，也使得我国集成电路产业的增长速度放缓。

（2）智能芯片技术主要掌握在发达国家手中。芯片是人工智能的根本，随着数据计算量和复杂程度不断增加，未来传统的计算机架构将无法满足计算需求，智能芯片技术研发变得尤为关键，而我国智能芯片研发实力与发达国家相比仍有较大差距。从技术架构角度分类，智能芯片主要包括GPU（图形处理器）、FPGA（可编辑门阵列）、ASIC（专用集成电路）以及类脑芯片等［14］，在芯片专利申请量排名前10 位的企业中（如图4），有70%来自国外巨头企业，其中高通以1 961 件专利申请排名第一，英特尔为1 557 件、排名第二。我国的智能芯片技术研发主要集中在国家电网公司以及中国电子科技集团（以下简称“中国电科”）、中国航天科技集团下属的科研院所（以下简称“中国航天”）。

图4 全球智能芯片专利申请量前十申请人的专利数量

如表3 所示，在通用芯片GPU 领域，代表企业有高通、英伟达、英特尔、苹果、微软、超威半导体等，我国仅有华为在前十之列；在半定制化芯片FPGA 领域，以国家电网、华为、中兴为代表的企业，以中国电子科技集团、中国航天科技集团下属的科研院所以及中国科学院为代表的科研机构，以北京航空航天大学、清华大学等为代表的高等院校都在该领域有着大量的技术积累，而从市场的角度出发，赛灵思、阿尔特拉占据着大部分市场份额；在全定制化芯片ASIC 领域，代表企业以IBM、博世、西门子等国外企业为主，我国在该领域技术实力较弱。此外，类脑芯片的研究目前刚处于起步阶段，代表芯片有IBM 的TrueNorth 类脑芯片、Intel 的Loihi 神经形态芯片和海德堡大学的BrainScales 神经形态系统等［15］。

表3 全球各类智能芯片专利申请量排名前十的申请人及其专利数量 单位：件

3.2 消费者议价能力

（1）消费者对智能金融服务接受程度较高。人工智能技术使得金融服务更加高效和便捷，如基于人脸识别等的身份验证方式提高了个人身份信息验证效率；基于指纹识别等的支付方式帮助消费者更加快速进行支付和消费；基于知识图谱、深度学习等技术的智能投顾产品为消费者提供更加个性化的推荐。根据埃森哲［16］发布的《2018 埃森哲中国消费者洞察系列报告——智金融，人为本》的数据，我国超过80%的消费者愿意接受完全由人工智能提供的金融服务，涵盖银行开户、购买保险产品、获取理财投资建议、进行养老和退休财务规划等方面，其中在养老、退休财务规划方面我国消费者接受度较全球消费者高出14%。

（2）个人信息等安全问题不容小觑。智能金融为消费者带来便利的同时也隐藏着个人信息泄露等安全问题，互联网头部企业凭借平台优势积累了大量的消费者基本信息、交易数据、社交信息等，企业可以通过数据挖掘消费者潜在需求并为其提供个性化服务，但如果消费者的个人数据安全得不到保障，将会严重影响企业的声誉，造成消费者信任危机。

3.3 新进入者威胁

（1）互联网头部企业及排名领先的金融科技企业技术实力强劲。技术实力是企业在智能金融领域发展的重要条件之一，在智能金融领域，相关技术专利主要掌握在互联网头部企业及排名领先的金融科技企业手中，对于想要进入这一领域的初创企业而言，面临着很大的技术壁垒。从国内企业在智能金融领域专利申请情况来看，中国平安保险（集团）股份有限公司（以下简称“中国平安”）的全资子公司平安科技（深圳）以179 件专利申请量排名第一，阿里巴巴排名第二、为116 件；在排名前十的专利申请人中（如图5），与金融机构相关的申请人有5个，其中深圳壹账通智能科技有限公司（以下简称“深圳壹账通智能科技”）是平安集团旗下的金融科技服务公司，平安医疗健康管理股份有限公司（以下简称“平安医疗健康管理”）是平安集团“大医疗健康”战略中重要组成部分及核心成员，互联网头部企业有2 家，分别为阿里巴巴和百度。

图5 国内智能金融专利申请量排名前十的申请人及其专利数量

（2）智能金融领域的资金和信息准入门槛高。除技术外，智能金融领域初创企业还面临着资金支持和用户数据等进入壁垒，没有核心竞争力的企业将被市场所淘汰，因而，不少初创企业通过大力发展某一垂直细分领域，在智能金融领域抢占先机，如智能支付领域的旷视科技、依图科技，智能营销领域的第四范式、品友互动，智能风控领域的同盾科技、明略数据等。

3.4 替代品威胁

（1）互联网企业与金融机构在智能金融领域的技术研发重点基本一致。智能金融的产品和服务是基于人工智能技术的具体应用而来，技术研发和专利布局的相似性可以从侧面反映出不同企业产品和服务的可替代性。对于技术研发而言，专利重合程度越高，两家企业研发能力的可替代性越强［17］。从IPC 分类号来看，中国平安、中国银行、中国工商银行等金融机构在智能金融领域的技术领域分布集中在G06Q、G06K、G06F、G06N 上，与BATJ 的重点研究领域基本一致。

（2）互联网企业与金融机构提供的智能金融产品可替代性高。在具体应用领域，互联网企业与金融机构在信贷、保险、投顾等方面的产品功能也具有相似性。以车险相关专利为例（如表4），蚂蚁金服的“定损宝”是基于图像识别技术和深度学习算法来对事故照片进行分析，快速给出定损结果，与之相关的专利申请有“车辆风险的评估方法、装置及接口设备”“车辆损伤识别的处理方法、处理设备、客户端及服务器”“一种基于图像的车辆定损方法、装置及电子设备”“车险风险预测方法、装置及服务器”等。平安科技（深圳）也在该应用领域进行专利布局，并推出“智能保险云”服务，将人工智能技术应用于车险理赔，实现智能闪付功能。

表4 我国车险领域主要的人工智能专利

3.5 同业竞争者竞争程度

（1）金融机构技术实力不断加强。我国的金融机构与互联网头部企业在专利申请上的差距逐渐减小，以中国平安为代表的金融机构是未来互联网头部企业发展智能金融的主要竞争对手。为了更直观地反映我国智能金融领域的技术竞争情况，本文选取BATJ 的主要竞争对手中国平安等金融机构进行专利对比分析（如表5）。平安科技（深圳）自2017年以来不断加大研发力度、加快专利布局，人工智能专利申请总量达到1 301 件，其中其专利主要申请时间集中在2018 年（684 件）；在智能金融领域，平安科技（深圳）的专利申请量为179 件，远超过BATJ 这4 家互联网头部企业。除此之外，中国银行、中国工商银行、中国建设银行等也开始加强自身技术实力，加大技术研发力度。我国金融机构的科技实力不断增强，且更具专业性，随着金融机构科技实力的不断加强，互联网头部企业的技术优势受到威胁。

表5 BATJ 及其主要竞争对手的人工智能和智能金融专利申请数量 单位：件

表5 （续）

（2）互联网头部企业在智能金融领域的技术侧重度显著低于金融机构。研发重点（技术侧重度）是指专利申请人在某领域专利申请量与专利总申请量的比值，该比值越大说明专利申请人在这一技术领域的专利布局重视程度越高［18］。如图6 所示，BATJ 虽然在人工智能技术研发上占有一定优势，但是缺乏对于金融领域应用的深入挖掘和研究；金融机构在人工智能领域的专利申请量虽然不多，但有着多年的行业经验和专业知识积累，在智能金融领域的技术研发上占据一定优势。

图6 BATJ 及其主要竞争对手在智能金融领域的技术侧重度

（3）金融机构在智能金融领域的技术布局更加广泛。平安科技（深圳）的相关专利涉及应用场景较为全面，如利用知识图谱技术进行风险数据标识、风险控制信息核实、违约概率预测及授信额度配置，利用神经网络及深度学习技术进行基金等金融产品推荐、异常病例等医疗风险识别，利用语音识别技术进行语音催收，利用人脸识别技术分析公共交通出行方式，主要的应用场景涵盖保险、基金、信贷等多个领域。互联网头部企业中阿里巴巴在智能金融领域的专利布局主要以神经网络和深度学习为主，应用在转账欺诈风险、外汇交易预测等方面的专利较多，在语音识别、生物特征识别、知识图谱、专家系统等方面也有涉及，主要围绕身份识别、支付安全、支付方式等应用；百度基于声纹认证的相关专利（CN105096121A、CN105096121B）被引次数多，布局范围广泛且具有较高价值；腾讯的专利布局主要涉及保险理赔和信贷中的风险识别；京东的专利申请数量最少，专利主要涉及车险定价、用户收入预测、贷款还款信息预测等。

4 智能金融领域互联网企业未来发展建议

随着互联网头部企业和新兴金融科技企业的参与，传统以商业银行、证券公司、保险公司、信托投资公司为主的金融企业体系以及由此形成的金融市场格局已经被打破，新的业务模式和业务形态不断产生，互联网头部公司与金融机构不仅仅是竞争，也存在相互依存的关系。本研究根据对BATJ 在智能金融领域的专利申请情况以及通过波特五力模型分析可以发现，影响互联网头部企业竞争的主要因素体现在芯片等硬件供应商的议价能力、相似智能金融产品或服务的威胁以及与金融机构的竞争等方面。未来，互联网头部企业需要充分利用已有优势，培养核心竞争力，在竞争中抓住智能金融发展的机遇，制定与智能金融发展相匹配的技术竞争策略。

4.1 加大基础技术研究力度

从全球来看，智能芯片等基础专利掌握在发达国家手中，我国在核心技术研发等方面受制于欧美巨头企业，底层硬件进口依赖程度高。我国的高校和科研单位在智能芯片等的基础算法和基础专利布局上具有明显优势，BATJ 等互联网头部企业在智能芯片领域也纷纷开展技术研发和专利布局，如百度发布DuerOS 智慧芯片、百度云端全功能AI 芯片“昆仑”等［19］，但从专利数量来看，百度仅有51 件、阿里巴巴有104 件、腾讯有85 件、京东有4 件，与科研院所和高等院校等有较大差距。对此，互联网头部企业应该加大基础层相关技术的研发投入，加快智能芯片等底层领域的专利布局，缩小在GPU、ASIC 等领域与国外的差距，重点关注类脑芯片等新领域的技术研发情况；积极开展与高校和科研院所等的合作，利用其在FPGA 领域的专利申请优势，推进专利技术向市场应用之间的转化进程。此外，我国近年来出现了不少自主研发智能芯片的初创企业，互联网头部企业还可以通过收购、投资、战略合作等形式加强在芯片等领域的技术实力。

4.2 目标人群和产品差异化

金融机构的产品和服务具有一定的替代性，互联网头部企业需要利用自身数据和场景优势制定差异化发展战略，与金融机构的差异性主要体现在目标人群、个性化产品及服务等方面。首先是目标人群差异化。2013 年《中共中央关于全面深化改革若干重大问题的决定》中提出要发展普惠金融，丰富金融市场层次和产品，普惠金融强调关注农村地区、城乡贫困群体、小微企业等。在企业借贷方面，小微企业往往具有高风险，与金融机构贷款的风险防控不匹配，互联网头部企业可以凭借技术优势对风险进行实时预测和控制，降低风险发生概率；在个人借贷方面，互联网头部企业丰富了借贷的场景，将借贷与日常消费相结合；同时，互联网头部企业在覆盖农民、创业者等长尾用户方面具有优势。其次，要利用场景优势提供个性化金融服务。互联网头部企业可以凭借数据优势对消费者进行精准营销，提供个性化、定制化服务，提升消费者满意度，增加消费者黏性。需要注意的是，在收集和利用数据的同时也要加强对消费者个人信息安全的保护，避免信息泄露。

4.3 加快人工智能技术与金融的深度融合

互联网头部企业在人工智能上具有一定技术优势，但与金融结合不够紧密，在智能金融特定领域的技术研发相比于中国平安等金融机构处于弱势，对智能金融领域技术研发的重视程度及布局的广泛性不足，缺乏高价值专利。未来，互联网头部企业应该提升对智能金融相关技术研发的重视程度，加大研发资金投入和人才培养力度，积极与金融机构合作，通过共享资源、建立智能金融实验室等方式开展智能金融技术的深入研究，重点关注知识图谱、智能机器人等弱势领域；实时关注竞争对手的专利布局动态，提早进行专利布局和专利申请，加快专利到实际市场应用之间的转化进程，培养更多有价值的专利；深度挖掘人工智能技术在金融领域的应用场景，根据用户需求、产品功能设计等进行技术创新。

4.4 向技术输出型企业转型

互联网头部企业在与金融机构竞争的同时，也在开放更多面向金融机构的服务，为金融机构提供技术上的支持，如度小满金融通过输出金融科技为合作伙伴提供服务；蚂蚁金服2017 年宣布“未来只会做tech（技术），帮助金融机构做好fin（金融）”；腾讯强调要成为金融机构与用户的连接器，持续向金融机构输出金融科技能力；京东金融于2018 年更名为“京东数科”，强调未来将注重技术输出而非单独从事金融业务，致力于去资产化、去金融化转型。未来，互联网头部企业应该进一步加强自身科技属性，向技术输出型企业转型，基于金融机构在开展业务中面临的困难和需求进行金融科技类平台设计，为金融机构提供更丰富的服务。

注释：

1）考虑到京东金融于2013 年开始独立运营，并于2018 年更名为京东数科，专利检索中有关京东的专利申请量是京东集团、京东数字科技控股有限公司、北京京东金融科技控股有限公司三者之和。

2）以“*”号作为通配符，表示任意多个字符，避免限定范围过窄而导致漏检。