2019 年，本行科技投入达到 18 亿元，约占全年营业收入的 3%。
截至 2019 年末，北京银行电子银行存量客户达 1050 万户，其中，手机银行存量客户达 607 万户。
北京银行在人工智能细分赛道上，倾向于与智能风控厂商展开合作；
北京银行人工智能平台覆盖智能客服、智能导航和智能营销。
去年，北京银行总行营业部对电子银行体验区进行了新升级，投放智能玻璃隔断操作区。每当客户进入电子银行体验区进行业务操作时，玻璃会自动雾化，外部无法看到客户的操作详情。此举，既能充分保护客户的隐私，又能为客户创建出独立私密空间，提升客户满意度，体现出北京银行打造智慧银行的特色经营策略。
北京银行基本情况
北京银行成立于1996年，是一家中外资本融合的新型商业银行。已在北京、天津、上海、西安、深圳、杭州、长沙、北京、济南、南昌、石家庄、乌鲁木齐等十余个中心城市以及香港、荷兰拥有650多家分支机构。截至2019年上半年，在城商行中，北京银行为资产总量最大的银行，综合实力强劲。
2019年，北京银行实现净利润216亿元，同比增长7.2%；2020年一季度，该行延续良好的发展势头，单季实现净利润67亿元，增幅5.26%，盈利能力进一步提升。
根据2019年报显示，北京银行在“智慧金融”方面，发布《移动银行业务发展目标暨实施路径》，线上用户突破 1,000 万户，APP 用户同比增长 32%，近五年年均增幅超过 50%。
手机银行敏捷迭代，打造移动出境服务版块，移动端贵宾增值服务全面上线，成功实现行内首个区块链技术应用。
信用卡网申实现行内渠道全覆盖，推出线上分期产品“i 易贷”，推出“数字信用卡”，打造数字化信用卡运营模式。
智能柜员机设备网点布放覆盖率达 100%，全年业务量同比增长 3 倍；完成 PAD 银行2.0 平台升级，打造 23 类高频业务，服务七大场景九类客群。
图1-1：北京银行人工智能应用布局
京银行人工智能具体应用领域
(一) 人工智能平台
当谷歌（Google）旗下DeepMind公司的人工智能Alpha Go击败人类围棋世界冠军李世石的时候，标志着人工智能迈向一个崭新时代，人工智能也逐渐走入大众的眼球，被大家所熟识。在金融领域，特别是商业银行行业，人工智能为银行带来了许多翻天覆地的变化，比如基于机器学习和语音语义识别技术的智能客服、基于大数据技术的智能营销，以及基于机器学习和语音交互等技术的智能导航。
银行日常运作中，有许多琐碎的和高精度的工作，伴随着许多工作流程，这些问题往往会减慢银行的运作效率。然而，人工智能可以替代大部分人力，承担许多这些任务，并简化大量流程，提高银行整体运作效率，扩大单位产能。
表2-1：北京银行人工智能平台
北京银行的人工智能平台从客户出发，能够实现包括客服服务、业务导航和营销推送等功能，目的是提升银行服务质量和客户满意度。在智能客服上，机器人管家“小京”主要负责北京银行微信渠道的客户服务工作，为客户提供理财产品的查询和购买服务等。
至于智能营销领域，北京银行运用了大数据和人工智能技术，能够基于不同客户的用户画像，及时推送与客户风险收益匹配的理财产品和热门资讯等活动，实施精准营销，减少大量无用的推送。通过精准营销，一方面能筛选有效信息进行投放，降低客户对大量繁杂资讯的抗拒程度，另一方面能从客户的角度出发，推荐合适的产品，提升对于银行科学推送的满意程度。
截至2019年末。零售客户数达2,194 万，较年初增长 140 万户；手机银行客户超过 600 万户，年度活跃客户占比超过 52%。从存款余额来看，自2016年来持续增长，个人存款增长幅度可观，综合来看，智能营销应用的布局对于北京银行零售和对公业务有较大的赋能成效。
图2-1：北京银行存款情况
北京银行的人工智能平台，还运用以机器学习技术构建的智能分析模型，通过实时响应的数据采集系统及数字分析平台，自动收集客户、交易、渠道等多维度数据，并通过数据可视化技术，考察智能营销和智能客服的成效。
(二) 智能风控
在智能风控体系构建上，北京银行以大数据和人工智能为底层架构和核心技术，通过对数据的收集和分析，形成用户画像，再结合各种风控模型，对客户的资信情况进行判断。
首先，在数据收集上，北京银行通过引入外部数据和内部数据相结合，建立客户的全景视图，真实还原客户信息全貌，输出的结果可以为后续开展各项信贷、评审和业务风控提供重要决策依据。
其次，在算法上，智能风控体系依靠机器学习算法模型，通过隐马尔科夫模型，从静态特征和动态特征两方面建立风险评估体系，通过数据形成用户画像，对客户的每一笔交易进行欺诈风险评估。在风控作业方面，北京银行的风控体系主要有身份欺诈防控、交易欺诈防控、信用欺诈防控和风险预警等场景应用。
表2-2：北京银行智能风控应用场景
首先，从不良率来看，北京银行的不良率在2018年为1.46%，较上年提升0.22%，贷款质量出现一定的恶化，2019年6月末不良贷款余额为1972亿元，较上年末增长129.5亿元。
根据2019年6月末北京银行的贷款数据，不良贷款余额增加，不良率虽然下降，但明显是贷款总额的增加量大于不良贷款增加量，导致的不良率下降。
再结合相同报告期内，北京银行计提资产减值损失金额达103.71亿元，同比增加35.65亿，增幅达52.38%，占当期利润总额的比例达44%，反映出北京银行整体贷款质量较差，特别是在不良贷款这一块，对银行利润影响巨大。
图2-2：北京银行不良率
其次，在贷款迁徙率表现上，除去2017年整体贷款迁徙率维持在较低水平，2016、2018和2019年6月末的贷款迁徙率都较高，特别是在2018年，贷款五级分类中的关注类最终进入可疑类的占比较高。
在2019年上半年贷款质量得到了改善，特别是在关注类和可疑类贷款的表现上，侧面反映出北京银行在贷款前期和中后期的催收力度加大，回款率较2018年有所提升。
图2-3：北京银行迁徙率
综合来看，北京银行虽然布置了智能风控体系，但可能由于受制于宏观经济和银行整体扩张规模较快等因素，导致赋能成效不明显。
北京银行研发、合作情况
(一) 研发投入
在研发投入上，2019 年，北京银行科技投入达到 18 亿元，约占全年营业收入的 3%。
在2019年5月，北京银行的全资控股子公司北银金融科技有限责任公司正式开业，子公司未来的工作重点将会在技术研发、产品创新及科技应用方面，为北京银行的人工智能、云计算、区块链和大数据等前沿技术领域和人才储备提供重要支持。北银金融科技的另一工作重点是成为金融科技能力输出的公司，服务金融同业，侧面也证明了北银金融科技的技术储备较强。
在研发中心建设上，北京银行旗下设有顺义研发中心、创新实验室和科技金融创新中心，为银行的科技研发提供技术支持。
北京银行还在2019年报披露了信息建设进展，称已完成“数字化平台、移动优先、数据应用”三大方面科技能力布局。
年报显示，北京银行在数字化平台建设方面，将 TFS 平台向组织级管理平台推广，持续搭建敏捷研发体系，强化敏捷开发能力。
建设金融级分布式 NewSQL 云数据库平台、分布式金融业务平台，完成区块链 2.0 平台、大数据能力开放平台、“京智 AI”人工智能服务平台投产，构建星辰影像服务平台生态体系。
在移动优先建设方面，全力推进新版移动端开发平台及新版手机银行建设，开展移动开发、移动安全、移动分析、移动服务四大能力中心建设，推进新版手机银行落地进程。
完善线上贷款业务平台服务体系，进一步促进银行业务向“互联网+”业务转型。在数据应用建设方面，夯实大数据+分布式的基础设施架构。
利用数据可视化技术助力数据价值挖掘，依托金融可视化服务平台，研发“贵宾客户可视分析”、“智能柜员机可视分析”两款应用，完成交易全链路监控系统建设。
(二) 外部合作
通过与外部互联网、科技或金融科技公司展开战略合作，商业银行能够在自身研发实力不足的情况下，吸收外部领先技术，特别是高技术含量的人工智能应用。通过合作开发，商业银行能补足自身科技实力不足之处，引入前沿技术，运用到不同的业务场景当中，提升自身的业务处理能力。
表3-1：北京银行人工智能相关外部合作
从人工智能合作关键信息来看，出现最高频次的是智能风控，反映出北京银行在人工智能细分赛道上，倾向于与智能风控厂商展开合作。观察北京银行贷款情况，在2016年至2018年，个人贷款余额和公司贷款余额的年复合增长率近20%。
图3-1：北京银行人工智能合作关键词
结合上述北京银行的贷款质量，侧面反映出在贷款余额快速增长期间，北京银行的风控水平可能跟不上贷款发放速度，因此在自身风控能力不足情况下，更倾向于与智能风控厂商合作，以补足自身风控水平。
图3-2：北京银行贷款情况
2013年以来，科技人员平均每年增长20%以上截至2019年末信息科技人员 706 人，占员工总数的 5.75%。
自2016年起，上海银行的不良率始终维持在1.20%以内。
截至2019年末，线上个人客户 3,000.93 万户，较上年末增长 46.39%；年度活跃客户 818.97 万户，较上年末增长 84.49%。
信息科技投入 14.33 亿元，同比增长 36.91%，占营业收入比例 2.95%。用于创新性研究与应用的科技投入 2.96 亿元。
-----------------------------------------------------------------------
2019年，上海银行人工智能场景应用上取得了突破性的成果：企业开户采用智能自动化技术，整个流程从20分钟缩短至2分钟；信用卡发卡智能自动审批率近50%，日产能峰值突破2万笔；超过9成的理财产品销售和7成卡片业务量转移到了智能柜员机上办理。围绕人工智能应用，上海银行在多个业务场景均有落地项目，挥舞着银行智能化转型的大旗。
上海银行基本情况
上海银行股份有限公司（以下简称“上海银行”）成立于1995年12月29日，通过推进专业化经营和精细化管理，着力在中小企业、财富管理和养老金融、金融市场、跨境金融、在线金融等领域培育和塑造经营特色，不断增强可持续发展能力。2018年在英国《银行家》杂志公布的“全球银行 1000 强”榜单中，按照一级资本排名，上海银行位列第 76 位，较上一年度上升 9 位。
2019全年，上海银行实现营业收入 498 亿元，同比增长 13.47%，其中零售金融业务营业收入同比增长 30.45%，贡献度进一步提高；归属母公司股东净利润突破 200 亿元，同比增长 12.55%。总资产达到 2.24 万亿元，存贷款余额分别较上年末增长 13.77%、14.32%。
截至2019年末，上海银行信息科技人员 706 人，占员工总数的 5.75%。报告期内，信息科技投入 14.33 亿元，同比增长 36.91%，占营业收入比例 2.95%，其中资本化投入 6.42 亿元，同比增长 34.78%，用于创新性研究与应用的科技投入 2.96 亿元。
图1-1：上海银行人工智能应用布局
上海银行人工智能具体应用领域
1. 智能网点和智能营销
传统银行营业网点采用人工柜台办理业务为主，存取款终端为辅的运营模式，存在客户等待业务办理时间长，业务填单繁杂等问题。在智能网点建设上，上海银行通过营业网点升级改造，使传统营业网点变得数字化和智能化。
2019年6月末，上海银行共有 317 家分支机构，设有 439 家自助服务点，在299家网点布放新型智能柜员机，提供大额现金存取、开卡激活、电子银行签约、账户查询、转账汇款、理财销售、密码服务以及公共事业缴费等金融服务，迁移了大部分传统柜面高频业务到智能自助终端上。
截至2019年上半年，上海银行在线及自助渠道结算分流率95.67%，较上年末提高 1.26个百分点，大量业务从柜台上分流到线上或线下智能终端上，减轻了营业网点的业务压力，减少了客户以往在网点柜台办理业务冗长的等待时间。
上海银行是怎么样提高网点的经营效率的呢？其中一个答案是采用 RPA（机器人流程自动化）技术。这项技术可以使企业开户实现自动填单，比人工处理效率提高10倍以上。此举不仅提高了上海银行营业网点的经营效率，更通过简化和缩减业务和等待时间，提升客户的满意程度。
目前，上海银行已在 5 个业务场景采用 RPA（机器人流程自动化）技术实现 7×24 小时自动化操作，其中理财业务参数处理耗时缩短 67.21%。
事后监督采用 AI OCR（光学字符识别）识别原始凭证信息，替代人工录入。采用电子签名技术，70.19%的网点柜面个人业务实现无纸化办理，减少各类纸质凭证约 620 万张。
建立客户统一人脸影像库及人脸识别体系，全年各渠道累计调用人脸识别比对近 3,000 万次，柜面高风险业务客户身份比对 20 余万次，极大节约时间和运营成本。
针对智能营销，上海银行利用机器学习和大数据分析等新技术手段，建立了批量获客模式，实施客户群体的分层管理。通过多维度客户数据，形成多样化的用户画像，上海银行升级了自身的营销体系，使营销业务推广更加精准，打造了符合客户需求的特色化产品推广体系，实现定制化推荐和精准营销。
图2-1：上海银行智能营销体系
通过智能网点和智能营销的赋能下，在2019年6月末，上海银行个人存款余额为2549亿元，对公存款余额为7942亿元，在2016年起，两项存款余额持续增长；个人贷款余额2905亿元，公司贷款余额5760亿元，两大类贷款余额连续三年保持增长。
图2-3：上海银行存款情况
图2-4：上海银行贷款情况
2. 智能风控
在智能风控领域，上海银行引入了以人工智能和大数据为核心技术的风控体系，通过优化风险计量工具，完善非零售内评模型，规划零售新型业务的风险量化体系，构建大数据应用平台和实时计算引擎，实现智能化和数字化的风控平台。
2019年报显示，上海银行基于大数据和人工智能的零售信贷风险管控系统，支撑零售信贷业务高速发展的同时有效防范风险，提前阻断 15.05 亿元不良贷款的发生。构建信用卡反欺诈防控体系，在线监控发现信用卡交易风险事件 884 起，拦截风险资金 1,291.84 万元。
上海银行的智能风控平台通过整合内外部大数据，通过多种风控模型，结合人工智能技术，运用量化的风险计量工具进行风险识别，实现数据技术和经营管理的融合。从2019半年报的数据来看，在智能风控平台赋能下，上海银行的在线消费贷款审批日处理峰值较以往提升5倍，线下零售信贷业务审批效率平均提升75%，信用卡发卡自动审批率近50%，日产能峰值突破2万笔。
首先，从不良率来看，上海银行2019年6月末不良率为1.18%，较年初提升0.04%。自2016年起，上海银行的不良率始终维持在1.20%以内。江苏银行的贷款余额量级与上海银行较为相近，近3年不良率在1.40%浮动。从横向对比来看，两家银行贷款余额量级相近，且地理位置都处于江浙沪区域内，以此来看，上海银行在不良率控制水平上更胜一筹。
图2-5：上海银行不良率
其次，在贷款迁徙率表现上，上海银行发放的贷款在初期进入逾期的情况较少，正常类贷款迁徙率维持在2%上下浮动。反映出上海银行风控审批力度较强，贷款在初期发生逾期情况较少或初期催收力度较强。
图2-6：上海银行迁徙率
不过在关注类和次级类贷款迁徙表现上，上海银行对应的两个迁徙率指标表现较差，贷款从正常类迁徙到关注类再从关注类转移到次级类的程度较高，侧面反映出银行对于中短期逾期贷款风险控制能力较弱。当逾期贷款处于次级类时，迁徙到可疑类骤降，反映出上海银行对于较长时间的逾期贷款处置手段较强。
综合来看，上海银行的智能风控体系赋能成效较为明显，不良率在城商行中处于较低水平，贷款初期还款质量较高，逾期贷款后期处置力度较强，与其加强前端准入，将授信政策及管控要求细化到客户与产品维度，和注重贷后管理，持续强化风险预警与主动退出联动，加大清收化解力度的经营策略贴合。
海银行研发、合作情况
1. 研发投入
在科技研发支持上，据上海银行透露，在财务支撑和资源配置方面，按照全行年度科技开发预算的10%，设立年度金融科技创新专项资金，保障创新项目的财务投入。另外，上海银行还建立信息科技管理委员会专项审批通道，实现创新项目的快速决策。同时，还优先配置科技资源，为每个创意打造涵盖科技和业务在内的专属团队，实现快速落地。
在科技费用支出上，科技投入每年增长10%左右。自2013年以来，科技人员平均每年增长20%以上，截至2018年末，上海银行的科技人员数量达到469 人。上海银行的苏州开发测试中心在2019年1月正式投入使用，开展智能化设备等创新工作，未来三年将承担上海银行超1/3的研发能力，助力银行智能化转型发展。
在硬件设备运行状态和机房环境和机柜微环境等监控上，上海银行还投放了智能巡检机器人。智能巡检机器人集成了包括多自由度机械臂、OCR智能识别相机、高清夜视相机、红外成像、环境监测传感器、激光导航和超声波传感等多个智能单元模块，通过运用自主与规划导航相结合、多传感器融合、智能识别以及智能监控等技术，机器人能够实现自动巡视、自主避障、自主充电和实时监控遥控等功能，并提供实时移动巡检数据上传至智能运检平台，输出相应的数据报表，以便银行及时发现故障等问题。
2. 外部合作
上海银行副行长胡德斌表示，随着国有五大行分别和互联网巨头公司建立战略合作，意味着银行业已经全面进入开放融合时代。传统银行进行智能化和数字化转型，科技在其中的作用可谓重中之重，特别是生物识别和人工智能等金融科技应用已成为银行业共识，很多商业银行都在积极研究和布局应用前沿技术，以提升自身在行业的竞争优势，实现发展转型。
表3-1：上海银行人工智能相关外部合作
在这个过程中，银行与互联网和金融科技公司的合作能够很大程度上加快银行的智能化转型，并提升自身的技术水平。从人工智能合作关键信息来看，出现最高频次的是智能风控，其次是智慧医疗。
图3-1：上海银行人工智能合作关键词
在与瑞金医院的智慧医疗合作中，上海银行联合合作方推出了智能机器人，协助医院推动信息化建设和提升诊疗服务质效等，也完善自身 “智慧e疗”服务体系。
表3-2：智慧医疗机器人
（来自：AI金融评论）