《创新速递》2023年第三期

INNOVATION JOURNAL

创新速递

兴业数字金融服务（上海）股份有限公司

商业银行绿色金融数字化建设探索

● 产业园区绿色低碳转型与金融服务框架

● 卫星“千里慧眼”，助力信贷数字化

● 关于金融业AIGC+RPA的超级自动化探索

2023年第三期

卷首语

目录

近年来，国家大力提倡“普惠金融”“绿色金融”“乡村振兴”“共同富裕”，并提出了“30·60双碳”目标。这些工作的开展，对贯彻习近平总书记提出的“贯彻新发展理念，构建新发展格局”“坚定不移走高质量发展之路”，具有重要的战略意义。在2023年全行半年工作会议文件中也提到，绿色银行方面，在做好“减污”的同时，加大“降碳”力度，重点在光伏、风力发电、新能源装备制造及储能等清洁能源，以及节能减排领域发力。正如吕董事长所说，与企业联合开发碳账户、追溯碳足迹、搭建ESG管理体系、设计碳关税避税方案，帮助客户更好应对形势变化，增强客户对我行专业能力的认同，以非金融服务带动金融服务更好发展。本期《创新速递》将带大家走进绿色金融领域，如果有感兴趣的话题，我们期待与你共同分享与探讨。

如对本期《创新速递》文章内容感兴趣，欢迎联系刘昕宇（ID：892250）。如对渠道合作感兴趣，欢迎联系李松（ID：893355）。

Contents

产业园区绿色低碳转型与金融服务框架

商业银行绿色金融数字化建设探索

卫星“千里慧眼”，助力信贷数字化

关于金融业AIGC+RPA的超级自动化探索

金融科技如何应用于商业银行ESG领域

风电与科技能擦出什么火花？

近日，在由中国新闻社《中国新闻周刊》主办的第十四届“绿色发展 低碳生活”主旨论坛在京举办。作为中国绿色金融领先者，兴业银行凭借专业优势和创新实践，获评“2023年度低碳榜样”，这是兴业银行连续第三年荣获“年度低碳榜样”称号。

兴喜月报

兴喜月报

服务“双碳”战略，推进绿色低碳转型，兴业银行将绿色银行作为重点打造的“三张名片”之一，加快推动集团“全绿”转型，切实将绿色金融优势转化为推动绿色高质量发展的新动能。截至2022年末，兴业银行绿色金融融资余额16297.60亿元，较上年末增长2430.57亿元，其中绿色贷款余额6370.72亿元，所支持的绿色信贷项目可实现在我国境内年减排二氧化碳当量1411.38万吨。面对“双碳”目标引领下，绿

色低碳产业规模持续增长带来的巨大投融资需求，今年以来，兴业银行先后发行两期绿色金融债券，募集资金共计500亿元，用于《绿色债券支持项目目录（2021年版）》规定的绿色产业项目，为绿色产业快速发展提供充足的低成本资金“活水”。此外，兴业银行还有序开展自身碳减排工作，确立了自身碳中和目标和路线图，积极推动完成碳盘查和碳核查，开展总部大楼净零排放改造，争取2030年实现运营碳中和的分阶段目标。

图1：2023年度低碳榜样

兴业银行股份有限公司

日前，中国上市公司协会ESG专业委员会举办第二期ESG主题沙龙，会上，兴业银行当选为中上协ESG专委会委员单位，兴业银行董事会秘书华兵被聘为专委会委员，并系统介绍了兴业银行构建ESG管理体系的具体实践。

作为国内ESG理念实践先行者，兴业银行于2008年首家采纳赤道原则，2019年首批签署联合国《负责任银行原则》，确立了可持续发展的公司治理理念，探索形成了“寓义于利”的企业社会责任实践模式，走出了一条兼顾国际标准和中国特色的ESG实践之路，并获得国际权威机构认可。根据全球最大指数公司明晟（MSCI）公布的2022年度ESG评级结果，兴业银行为国内银行业唯一一家连续四年获评国内银行业最高评级A级的银行机构。

兴喜月报

兴喜月报

6月5日，世界环境日当天，兴业银行与中国能源研究会、世界银行集团国际金融公司（IFC）在北京共同举办2023双碳金融论坛。来自国际机构、政府部门、行业协会、金融机构、研究机构、企业等百余位代表和专家参会。

       据了解，2022年9月，

兴业银行宣布成立兴业碳金

融研究院，研究院以成为中

国银行业领先的国家绿色金

融智库为目标，开展了绿色

金融、气候变化与环境经济

学、能源与产业低碳转型等

一系列研究。本次论坛上，

兴业碳金融研究院与中国银

行业协会等合作伙伴共同发布了多项重要研究成果，涉及银行业零碳转型发展、绿色金融支持林业与林业碳汇机制和创新模式、气候风险与投融资金融监管与政策研究、商业银行气候风险管理的重要工具、中国可持续债券发展等多个领域，为促进实现双碳目标提供多方智慧。

       本次论坛上，26家在兴业银行旗下兴业研究公司“兴业绿色景气指数（GPI）”调研中涌现的能源企业佼佼者入选兴业银行“绿色先锋合作伙伴”。该指数首发至今已逾5年，旨在揭示绿色产业发展现状，研判产业热点领域与发展趋势，助力金融服务实体经济绿色低碳转型。

图1：开幕致辞

       兴业数金应用创新中心

党支部坚持党建引领，扎根

基层，服务一线，致力于创

新技术研究和应用成果推广，

推动数字化转型产业创新发

展。他们摸索不断，实践不

停，成功申报上海浦东新区

大企业开放创新中心，数次

斩获人民银行金融科技发展奖、上海金融创新奖、福建省“五小”创新大赛奖、“福建省工人先锋号”、“兴业银行突出贡献奖”等殊荣，展现时代“兴”风采。

       应用创新中心党支部中还包含了纪委办公室全部成员，纪委办公室深刻领悟“两个确立”的决定性意义，增强“四个意识”，坚定“四个自信”，做到“两个维护”，围绕总行及公司党委各项工作部署落实情况开展监督，坚定不移正风肃纪反腐，围绕数字化转型，发挥监督保障执行、促进完善发展作用。

日前，由人民日报社主办的“2023数字经济论坛”在京举行。在论坛上，兴业银行荣获人民日报社颁发的“2023数字经济优秀案例”奖。

兴喜月报

       兴业银行自主研发上线绿色金融

科技系统——“点绿成金”系统，引入

人工智能AI模型，开发地理信息系统

（GIS）模块，使用大数据分析技术，

提高绿色金融项目识别、客户服务效

率和营销精准度。在产业布局上，积

极布局普惠金融、科创金融、能源金融、汽车金融、园区金融“五大新赛道”，以专业化服务结合数字化手段，解决产业信息不对称的难题，打造产业与数字全面融合的综合化服务体系。

       在“智能化”碳市场服务方面，兴业银行与9个国家碳交易试点城市实现了数字化合作覆盖，做实碳市场基础金融服务，建设了“双碳”管理平台，成功搭建起一套碳账户基础设施与差异化系统服务。在“全景化”环保项目服务方面，兴业银行研发了重大环保项目机器人，通过大数据等技术，整合各项目数据，构建智能营销服务体系。在“协同化”内部管理上，兴业银行优化绿色金融专属系统，上线碳减排贷款管理等新功能。

兴喜月报

近日，福建省直机关工委表彰了一批优秀共产党员、优秀党务工作者和先进基层党组织，兴业数金应用创新中心党支部荣获“福建省直机关先进基层党组织”荣誉称号。兴业银行召开主题教育专题党课暨“两优一先”表彰大会，对优秀共产党员、优秀党务工作者和先进基层党组织进行了表彰。

图1：数字经济优秀案例

图1：兴业银行“两优一先”表彰大会

图3：兴业数金党委委员、监事长杨忠

在国家和监管部门的大力推动下，中国银行业的数字化转型进入快车道，金融服务生态也在“颠覆-重构-升级”的变革迭代中快速发展，借助大数据、区块链、云原生等新技术的加速创新形成全新的云端金融生态格局。7月7日，兴业数金以“合作创新 共建云端金融生态”为主题，举办第四届技术论坛。

兴业数金党委委员、监事长杨忠在开场致辞中对参会人员的到来表示感谢，并提出兴业银行开创了国内银行向同业输出金融科技服务的先河，并成立了国内首家银行系金融科技子公司兴业数金，十几年来积极探索通过自身的数字化转型经验和产品，赋能中小银行合作伙伴。未来，兴业数金将始终坚持“三个面向”的总体战略布局，即面向集团服务、面向中小银行、面向场景生态，并把面向中小银行服务放在战略性高度。

原中国银保监会《关于银行业保险业数字化转型的指导意见》指出“鼓励科技领先的银行保险机构向金融同业输出金融科技产品与服务”。兴业银行党委书记、董事长吕家进多次在会议中表示兴业银行作为大型金融机构，要积极向中小金融机构输出数字化能力，共同维护行业生态多样性和稳定性。

图1、2：兴业数金第四届技术论坛现场

本届技术论坛分为“生态与服务”和“产品与创新”两个篇章。“生态与服务”篇围绕“构建安全高效、合作共赢的金融服务生态”展开。总行银行合作中心副总经理陈通首先分享了兴业银行在金融同业生态圈建设与同业业务数字化转型方面的经验和展望。未来兴业银行银银平台将围绕金融机构和产品统一门户、投资交易枢纽、金融服务超市三大定位，在财富管理、数字人民币、投融资、跨境金融、数字化转型等领域提供更加丰富的产品服务和更加优质的客户体验，构建繁荣、活跃、共赢的同业生态圈。

在金融科技从3.0向4.0迈进的数字化浪潮中，金融机构应该如何拥抱数字化时代，会面临怎样的挑战与探索。针对这一领域，来自兴业银行零售信贷部的楼杰云博士深入浅出得分享了内容丰富的行业研究洞见。

图4：兴业银行银行合作中心副总经理陈通

图5：兴业银行零售信贷部楼杰云博士

兴业数金总裁助理兼银银科技事业部技术总监李山河发表本届论坛的主题演讲“合作共赢 共建云端科技生态”。兴业数金作为国内银行系首家成立的金融科技子公司，一路探索实践，通过金融科技服务与同业合作伙伴共建云端金融生态。在面向中小银行服务的总体战略指引下，兴业数金的金融科技服务能力更加开放、安全、高效，未来将更多在场景生态、应用创新、数字化风控等方面与中小银行合作伙伴深入合作，共建云端科技生态。

苏宁银行金融科技实验室主任施志晖分享了苏宁银行作为一家科技驱动的O2O银行，持续在大数据、人工智能、金融云、区块链、物联网等前沿领域布局的成果，以及数字银行领域的实践经验。

图6：苏宁银行金融科技实验室主任施志晖

图7：兴业数金总裁助理兼银银科技事业部技术总监李山河

兴业数金数据服务中心技术副总监王良杰在“打造大数据平台 提升数据服务能力”分享中详细介绍了兴业银行大数据平台的建设成果和实践经验，在技术创新、业务赋能和产品创新方面持续推进。兴业银行自主研发工具软件“星速”“星流”“星传”已在行内广泛应用，未来期待为更多合作行解决“卡脖子”问题，提升数据服务能力。

“产品与创新”篇聚焦前中后台的架构升级和创新产品如何支撑与重构金融服务生态建设。兴业数金技术服务中心技术副总监林桢聚焦移动互联网的蓬勃发展为金融行业带来的颠覆性变革。兴业银行通过建设“一对APP”让线上营销更加精准、贴心，能够带给用户线上线下一致的金融服务体验，同时赋能一线提升经营效率。“一对APP”的成功实践经验也将向同业生态圈开放，提升合作银行的互联网银行营销能力。

图8：兴业数金技术服务中心技术副总监林桢

图9：兴业数金数据服务中心技术副总监王良杰

最后，兴业数金应用创新中心技术副总监刘忠磊带来“产品金融数字化 赋能普惠‘共赢链’——商誉达供应链服务平台介绍”，深入分析了供应链金融平台如何推动产业金融业务数字化。兴业数金商誉达供应链服务平台实现了构建连接银行、银行集团客户和客户上下游供应链的供应链闭环生态圈。

兴业数金技术服务中心技术副总监詹赵林就数字化转型的趋势性技术云原生在兴业银行信创云原生技术体系建设方面的经验和应用成果进行了分享。兴业银行在云原生技术体系建设中深入贯彻信创国家战略，打造信创云原生技术体系，并已实现规模化应用，在业内获得多个重要奖项，有力地推动了全行技术架构的转型升级。

图10：兴业数金技术服务中心技术副总监詹赵林

图11：兴业数金应用创新中心技术副总监刘忠磊

本届兴业数金技术论坛的顺利召开，为探索金融行业云端生态建设方向和产品服务的创新形式打开了新思路，为“构建云端共赢生态 打造金融创新引擎”的美好愿景奠定良好基础。截至目前，兴业数金技术论坛已成功举办四届，旨在搭建一个技术分享与数字化转型实践的同业交流平台，共同推进数字化转型背景下的云端金融生态建设。

类共40个科技岗位和17个专家方向，构造出以能力模型、任务模型和课程体系为“三支柱”的岗位学习地图。

7月13日下午，由福建省互联网金融协会主办的“2023海丝数字金融及人才培养研讨会”在福州市顺利召开。本次研讨会邀请了政府官员、行业协会领导、高校老师、企业高管、数字金融专家学者共同探讨福建省数字金融的发展和人才培养相关内容，共同推动福建经济高质量发展。

此次研讨会，以主题演讲的方式开展，由不同专家、领导和学者等分别介绍了《当前经济与金融形势分析》、《数字经济时代下金融科技人才培养》、《银行大数据应用建设探索》、《新文科北京下金融微专业群建设》、《区块链金融课程品鉴》和《数字普惠金融人才培养的高效实践》等主题内容，围绕金融应用和人才培养等关键话题展开探讨。

兴业数金应用创新中心负责人郑子洲也受邀参加了此次会议，并以“人才驱动，科技引领——兴业银行金融科技创新实践与应用”为主题进行了分享，介绍了兴业银行科技体系概况、金融科技创新实践与应用等方面内容。

在人才培养方面，兴业银行为深化科技体制机制改革，启动实施科技万人计划，并围绕专业型人才和应用性人才培养两个方向，打造数字化转型的高素质人才团队，为数字化转型提供坚强保障。同时，兴业银行搭建了适合科技专业型人才培养的课程体系，打造与数字化转型相适应的人才培养供应链，围绕架构、研发、运维、数据、安全、IT管理六大

2023海丝数字金融及人才培养研讨会

有了专业人才的驱动，得以更好地引领科技发展。兴业银行将着眼于云原生、人工智能、元宇宙等技术领域，重构科技底座，以“企业级、标准化”为抓手重塑业务架构和技术架构，让金融更加高效的赋能千行百业、温暖千家万户，为数字化转型奠定坚实基础。

“面向未来，我行将牢固确立科技人才引领创新发展的核心地位，实施更加积极有效的人才政策，完善科技创新体系和管理机制，聚焦人工智能、物联网、区块链、元宇宙等前沿技术领域，加速打造具有核心竞争力的科技创新高地和具有重要影响力的科技人才高地，赋能银行业高质量发展。”兴业数金应用创新中心负责人郑子洲表示。

习近平总书记强调“硬实力、软实力，归根到底要靠人才实力”。

改革开放以来，我国产业园区经历了由点到面、由沿海向内地阶梯式推进、并进式发展，已遍布全国各地，成为重要的工业生产空间和布局方式。2021年仅国家级经开区和国家级高新区的GDP总量就已达到29万亿，占当年全国GDP比重25.3%。与此同时，园区也相应成为了我国主要的能耗和碳排放单元，仅工业园区能源相关二氧化碳排放就占到我国能源相关二氧化碳排放总量的三成左右。因此，以园区为“靶点”，是各地区落实好二十大报告“降碳、减污、扩绿、增长”要求，推动绿色低碳高质量发展的优先项。

2021年10月份国务院印发的《2030年前碳达峰行动方案》（国发[2021]23号）中明确的十大行动方案有半数对园区不同层面的绿色低碳发展提出了要求，为园区逐步实施绿色低碳化转型规划了路径框架。综合来看，园区绿色低碳化改造是指综合运用规划、标准、先进技术装备、先进工艺、信息化、数字化等多种工具和技术，推动能源利用绿色化、资源利用绿色化、基础设施绿色化、产业绿色化、生态环境绿色化和运行管理绿色化等，并通过机制创新，实现园区的持续改进和发展，达到资源利用效率最高、污染物排放最低的效果。具体落脚点可归集到园区能源、工业生产过程、建筑、交通四大领域：

在园区能源方面，工业园区能源消费结构仍以化石能源为主，并且煤炭消费占比高于全国平均水平。根据清华大学

产业园区绿色低碳转型与金融服务框架

（陈吕军等，2020）对213家国家级园区在2015年的能源消费数据的统计，燃煤消耗仍占绝对主导地位，占总消费量的比例高达73%，明显超过同期中国工业部门的燃煤消费份额（56%），其次是原油和天然气，占比分别为9.6%和8%。高比例的化石能源消耗使园区成为碳排放的主要来源之一。根据清华大学（陈吕军等，2020）的测算，早在2015年，仅工业园区二氧化碳排放就已占我国能源相关二氧化碳排放的31%，其中，煤炭相关的直接排放占直接排放总量86%，煤炭消耗和运输加工间接排放占间接排放总量的52%。因此，在供给端为园区提供清洁低碳的能源不仅能有效降低碳排放，而且能发挥园区其他污染物减排的源头治理作用。

立足于此，园区应首先聚焦于集中式能源基础设施的清洁化改造，促进煤炭清洁低碳和安全高效利用，然后同步加大可再生能源和清洁能源的开发利用，减少高碳能源供应。

工业不仅是消费端能耗最多的领域，同样是碳排放最大的部门，工业直接和间接引起的碳排放约占我国碳排放总量的68%。因此，推进工业绿色低碳转型对于园区和我国绿色发展而言意义重大。园区工业领域绿色低碳化发展方向可以归纳总结为：节能降碳、资源循环化利用、数字化赋能以及产业升级。具体实施路径上，要分析能源流和物质流，利用数字化手段、系统性地实现能源和生产原料在园区内的节约集约循环化利用。同时，通过能效对标、清洁生产、清洁能源利用提升园区内企业的能源和资源利用效率，达到最大减排效果。

2021年10月，中共中央办公厅、国务院办公厅印发了《关于推动城乡建设绿色发展的意见》，随后《“十四五”住房和城乡建设科技发展规划》《“十四五”建筑节能与绿色建筑发展规划》《城乡建设领域碳达峰实施方案》陆续出台，明确城乡建设领域需要通过转变建造方式、加快绿色建筑建设、积极推广绿色建材、推动建筑高效运行、开展既有建筑节能改造、应用可再生能源等措施实现建筑全生命周期的绿色低碳化，这对于园区建筑绿色发展同样具有指导意义。

园区建筑领域的绿色低碳转型应针对新建建筑和既有建筑分情况进行分析。对于新建建筑，要将绿色建筑标准和要求贯彻到建筑设计、施工建造和运行的全过程中；对于既有建筑，要以建筑围护结构、建筑的设备系统、可再生能源及工业余热利用和智能化运维四个方向重点进行节能改造。

构建绿色高效交通运输体系是我国建设交通强国的重要一环。大型港口物流园区、工业园区交通领域能耗和占比都非常高。在园区交通绿色转型方向上，应加大绿色交通基础设施建设、大力发展低碳运输工具装备、构建区域智能交通体系、优化运输结构提升运输效能，减少能源消耗和碳排放。在实施路径上，针对大型物流园区应布局铁路专用线建设，推动“公转铁”，对于临港园区还应推动“公转水”，发挥铁路运输和航运运力大、成本低、全天候运行的优势；对于公路运输，要按照绿色公路建设要求，推动交通基础设施标准化、智能化、工业化建造，并积极布局充电、换电和加气设施建设，鼓励园区交通设施电气化改造，并积极构建智能交通体系，提升运输效能。

为促进我国绿色发展，打造一流绿色银行，持续擦亮“绿色银行”名片，兴业银行已逐步构建形成了集团化绿色金融产品与服务体系，全方面覆盖了降碳、减污领域的投融资需求，并聚焦“园区金融”新赛道，投贷并举，开发创新了降碳、减污、碳金融系列多品类的绿色金融产品以及转型金融服务，全方位服务园区绿色低碳转型。

如想进一步了解，欢迎联系兴业研究阳能（881062）

取得明显成效。数字化金融产品和服务方式广泛普及，基于数据资产和数字化技术的金融创新有序实践，个性化、差异化、定制化产品和服务开发能力明显增强，金融服务质量和效率显著提高。数字化经营管理体系基本建成，数据治理更加健全，科技能力大幅提升，网络安全、数据安全和风险管理水平全面提升。

2022年2月，中国人民银行、国家市场监督管理总局、中国银行保险监督管理委员会、中国证券监督管理委员会联合印发《金融标准化“十四五”发展规划》，部署下一步中国金融科技标准工作的重点：推动金融标准化工作数字化转型。

随着全球气候变暖问题日渐突出，绿色可持续发展共识逐步加强。2020年，中国在国际上提出二氧化碳排放力争在2030年前达到峰值，2060年前实现碳中和的“双碳”目标。在这一政策背景之下，银保监会和人民银行陆续发布多项绿色金融标准、统计制度、绿色金融/银行评价制度，鼓励绿色金融业务的蓬勃发展。

近年来，以数字化手段支持绿色金融领域的数字化营销赋能、客户ESG评价、环境与社会风险预警、气候环境压力测试、棕色资产识别与管理、自身运营碳监控、环境信息披露、客户碳资产管理等方面的需求日益迫切，绿色金融数字化建设的市场前景广阔、大有可为。

人行2016年《关于构建绿色金融体系的指导意见》中指出，绿色金融数字化指的是运用人工智能、区块链、云计算、大数据、物联网等新兴技术，为服务于支持环境改善、应对气候变化和资源节约高效利用的经济活动提供技术支撑，利用金融数字化工具提升环保、低碳、节能、清洁能源等领域的项目投融资、项目运营、风险管理金融服务能力，支持绿色金融可持续发展。

2019 年发布《金融科技发展规划（2019—2021年）》，建立健全我国金融科技发展的“四梁八柱”，重点任务包括加强金融科技战略部署、强化金融科技合理应用、赋能金融服务提质增效、增强金融风险科技防范能力、加大金融监管力度、夯实金融科技基础支撑。

2022年1月，中国人民银行印发《金融科技发展规划（2022-2025年）》，明确指出加强金融科技与绿色金融的深度融合，创新发展数字绿色金融，运用科技手段有序推进绿色低碳金融产品和服务开发，着力提升金融服务绿色产业的覆盖面和精准度。同年1月，银保监会出台《关于银行业保险业数字化转型的指导意见》（银保监办发〔2022〕2 号），要求银行保险机构加强顶层设计和统筹规划，推动金融高质量发展，提出到到2025年，银行业保险业数字化转型

商业银行绿色金融数字化建设探索

国外绿色金融数字化建设发展势头迅猛，早在2014年由联合国环境规划署发起的“可持续金融体系设计探寻”项目中，首次研究了发展数字金融支持可持续发展的可能性。2017年，联合国环境规划署联合世界银行制定了《可持续金融体系路线图》，强调数字金融或创新型金融科技在防范环境风险和支持可持续发展融资转型的潜力。2019年，欧盟委员会出台《欧洲绿色协议》，将大数据、人工智能、物联网、5G和云计算等技术应用到绿色金融领域,以金融科技助力传统绿色金融的开展。

质量抵消项目抵消所有排放量。

推动绿色投资领域，利用区块链、大数据和人工智能等，将环境风险和效益纳入投资决策过程，降低信息不对称水平，实现对绿色项目的合理定价。以ESG分析为例，德意志银行使用大数据对美国证券公司和证券交易委员会报告关键词进行检索分析，并结合媒体舆情的补充数据，对5000家公司进行ESG评价。生成的结果被用作与其他同类公司比较，并基于算法追踪公司表现，为环境收益水平提供市场参考。瑞典推出了“绿色资产钱包”项目,通过区块链平台将投资者、发行者和验证者上链数据耦合，验证交易有效性和投资项目绿色水平，并建立投资组合，实时监测项目运行。

碳足迹领域，瑞士的South Pole Digital Lab则针对气候风险和其他环境风险提供解决方案，例如使用专有的温室气体核算软件测量并监控企业的温室气体排放；首创推出气候信用卡，准确计算持卡人购买商品和服务所产生的二氧化碳排放量，向持卡人出具交易活动的温室气体报告，并提供高

普惠绿色金融领域，国外基于云计算等技术，在金融服务设施落后地区发展线上银行，服务当地从事绿色能源项目的小微客户。目前云端银行在绿色小额信贷应用中处于起步阶段，但是可以利用节约基础设施建设费用和实体运营成本，将终端用户的借款成本降低90%以上。坦密诺斯通过和非洲等欠发达地区的36个国家240家银行合作，实现了为传统银行忽视的小微客户提供绿色信贷服务，平衡了资金供给端收益和需求端成本，从供给侧扩大绿色金融覆盖范围。

2020年12月，原央行副行长李东荣在“2020新时代金融发展峰会”上强调要“基于大数据、物联网提升绿色金融科技领域监管能力，优化监管流程；促进绿色金融基础设施数字化建设，基于区块链和云计算应用，建立跨部门、跨区域、跨行业的融合性数据平台体系；建立健全绿色金融科技复合型人才培养体系，实现‘绿色识别精准化、评级定价智能化、预警处置自动化’的三点要求”。同月，央行行长易纲在新加坡金融科技节上表示，央行将持续探索运用金融科技推动绿色金融发展，支持绿色金融改革创新试验区有序开展金融科技创新。

2017年6月以来，中国先后在六省九地开展绿色金融改革创新试点，应用金融科技支持绿色金融发展是重点方向之一。政府端绿色金融数字化平台方面，以湖州市绿色金融综合服务平台最为典型。平台运用大数据、人工智能、云计算

等技术先后建成“绿贷通”“绿融通”“绿信通”三大系统，实现了企业与银行、企业与资本的在线对接，以及企业与项目的绿色评定。此外，浙江衢州也搭建了绿色金融服务信息平台“衢融通”，将企业综合信用数据、生产经营数据、电子证照数据、绿色金融数据四个维度共计12小项的指标纳入其中，运用大数据和区块链技术，实现数据分布式存储计算和分析，并与国家、省级征信体系对接，自动生成企业综合信用报告，并建立信贷项目事前查询、事中事后动态监测体系，实现了金融机构与绿色项目的快捷对接。个人绿色行为引导方面，自2021年以来，我国一些商业银行纷纷开始围绕个人碳账户进行一系列的创新实践。比较典型的包括：平安银行2022年5月在平安口袋银行APP推出的个人碳账户平台“低碳家园”；中信银行依托信用卡“动卡空间”APP，与上海环境能源交易所、中汇信碳资产管理有限公司合作研发了个人碳账户，于2022年3月内测版公开招募1000名用户参与体验；浦发银行于2021年11月推出面向企业和个人客户的立体式碳账户体系；其他还包括建设银行的“碳账本”、储蓄银行的C邮记等。

数据、人工智能和云计算仍是三大主流技术，区块链和物联网相对较少，但预计未来将越来越多地被运用于全流程、实时的信息采集。在重点领域上，人行等金融监管部门不断引导业界探索创新，金融机构和金融科技企业开始探索向绿色农业、企业碳账户构建、金融机构碳核算方法学、金融支持生物多样性保护和转型金融等领域拓展。

在“双碳”目标下，监管要求、市场环境、绿色产业业态和客户服务模式日新月异，绿色金融需充分发挥资源配置、风险管理、市场定价“三大功能”，科技赋能绿色金融迫在眉睫。根据中国人民银行《金融科技发展规划(2022-2025年）》，提出“十四五”时期金融科技发展愿景，明确了金融科技发展的指导思想和4个基本原则、6个发展目标，确定了8项重点任务和5项保障措施,重在解决金融科技发展不平衡不充分等问题，推动金融科技健全治理体系，完善数字基础设施，促进金融与科技更深度融合、更持续发展，更好地满足数字经济时代提出的新要求、新任务。金融机构要“加强金融科技与绿色金融的深度融合，创新发展数字绿色金融”。可以预见，未来金融科技将在多领域充分赋能，助力商业银行绿色转型和高质量发展，科技应用场景也将越来越丰富。

当前，金融科技在绿色金融业务领域已有一些应用。例如人工智能识别绿色业务，大数据支持下的环境与社会风险预警、客户ESG评价，也有少量的云计算技术应用。未来，在绿色供应链领域、绿色资产溯源方面，区块链技术可以发

随着碳达峰、碳中和的双碳目标提出，国内绿色金融发展步入快车道，金融科技支持绿色金融的深度与广度得到极大延展。在应用场景上，金融科技在绿色资产识别上已有较多实践，聚焦于政府端赋能、企业绿色转型及个人绿色行为引导等。同时也稳步在绿色数据采集、环境风险预警与流程管理、环境信息披露等场景进行尝试。在技术使用领域，大

挥其信息可靠、可追溯等优点，为反洗绿工作提供技术支撑。在“两高”资产管理领域，可借助物联网技术实现对碳排放、污染物排放的实时监控，实现能源效率和“碳中和”的线上管理。

同时，ESG信息披露和评级体系也尚未统一，使得各评级机构、各金融机构之间ESG评级结果差异较大，客户ESG评级不具备可比性。此外，在小微企业和消费等领域，对绿色经济活动定义和标准还处于空白状态。

商业银行需要及时获取环保、安全、落后产能、职业病防控、社会风险等信息，用于开展环境与社会风险管理工作。公开信息大都分布在不同层级政府部门、协会、法院、媒体、企业官网、信息平台等的网站，信息来源、展示方式、发布频次、更新逻辑等均不相同。如何及时整理出完整的、结构化的、便于使用的信息，成为目前环境与社会风险管理的重要障碍。以碳排放为例，目前相关部门对全国碳市场的行业碳排放数据以及企业碳排放数据披露过少，致使金融机构较难开展碳排放数据集成、企业或个人碳足迹核算。

在绿色金融推动过程中，需要对客户和业务开展多种角度的评估和分析。例如，对客户进行ESG评级、将客户的环境成本内部化，测算投融资碳足迹、开展气候环境风险压力测试等，均需要权威的绿色评估模型。在此基础上，金融科技可以在数据分析、模型运算中发挥重要作用。但目前缺乏权威、成熟的模型，各银行均处于探索阶段，不利于绿色金融科技发挥其在资产结构调整、风险管理和资产定价方面的作用。

随着国内绿色金融数字化建设相关的政策法规相继出台，绿色金融市场发展迅速，金融机构在绿色金融产品创新、气候环境风险识别、流程管理与整合等应用场景越来越多，对于绿色信息的规范性、时效性、整合度、精准度要求越来越高，金融科技对金融机构效益的提升日益增大，同时在金融监管、绿色项目识别、ESG产品及指数等方面取得了一些进展。我国绿色金融数字化建设虽然取得长足发展，但商业银行在绿色金融数字化和转型发展中，仍面临诸多难点：

许多与绿色金融相关的标准，如绿色项目认定标准、环境效益测算标准、环境数据信息标准、绿色项目认定模型标准等，还面临标准不统一或缺失问题。例如：2019年国家发改委发布了《绿色产业指导目录（2019版）》，同时人行、银保监等监管机构依据自身的监管需要，均出台了相应的绿色信贷标准及绿色债券标准，各标准之间存在差异，暂未完全统一。再以环境效益测算为例，也缺乏统计的计算公式，各金融机构采用的计算公式不同导致所得出的结果不一致。

将散落在各个系统、各个机构的数据进行收集整理，运用金融科技手段进行精准抓取和计算，提高披露数据的准确性和可核实性。在绿色金融数字化转型浪潮中，国内主流商业银行、绿色金融发展领先的银行、赤道银行等提供了典型案例，分享各自在绿色金融数字化探索中的经验。

商业银行普遍未开展与企业、项目相关的环境数据采集、处理、分析和应用，未能准确理解和掌握环境数据与绿色金融之间的内在联系，无法将这类数据用于更好提升绿色标准的识别能力，并进一步管理企业的环境与社会风险。

针对上述绿色金融业务中存在的问题，数字科技可以发挥效能，辅助解决绿色金融的业务痛点。例如，在绿色业务识别领域，绿色金融标准体系复杂且涉及诸多技术文件，环境效益测算也需要较强的工科功底，对于金融从业人员难度较大。未来，商业银行可借助AI技术，通过绿色关键词检索、神经网络深度学习等方法协助识别绿色业务，初步归类业务，人工二次确认，从而提高绿色业务识别的及时性、完整性、准确性。同时，可在系统部署典型节能减排项目的环境效益测算模型，辅助人工测算。在环境与社会风险管理领域，客户ESG评级、大数据风险预警、项目环境与社会风险审查、气候环境风险压力测试等工作，也将在金融科技的支持下变得更加高效、便捷。可借助数据科学构建各类风险管理模型，量化环境效益和转型风险，使得商业银行能更为精准地预判风险，完善风险管理体系和资产定价体系，推动资产结构绿色转型。在绿色运营与“双碳”监控领域，商业银行将陆续开发绿色运营管理平台，对自身绿色运营及ESG表现、投融资碳足迹等进行全方位监控和管理，不断提升碳足迹的计量、核算与披露水平，按计划、按步骤推动落实“双碳”目标。此外，人行已发布《金融机构环境信息披露指南》，商业银行可在此基础上开发环境信息披露数据平台，

如想进一步了解，欢迎联系总行绿色金融部李玉剑（017306）

ESG是Environmental，Social，Governance的简称，ESG投资意味着在基础的投资分析和决策制定过程中融入环境、社会、公司治理等因素。简单来说，传统投资主要考察企业营业收入、利润率等财务指标，用财务数据的“标尺”测量企业的好、坏；ESG投资在传统方法基础上进一步度量了企业在环境保护、社会责任、公司治理维度的非财务指标，一方面呼吁企业在谋求商业利益的同时兼顾责任，另一方面也使投资者通过多维度、全方位评估企业成为可能。ESG的术语于2004年首次在联合国研究报告《Who Cares Wins》中被提出，2006年联合国责任投资原则（PRI）也再次强调了ESG在投资评估中的重要地位。截至2022年9月，全球已有5178家、中国大陆已有112家机构签署了负责任投资原则（PRI)。

从金融机构层面看，ESG是应对气候风险，践行低碳投融资活动的重要抓手。中国人民银行在2021年工作会议上指出，要落实碳达峰、碳中和的重大决策部署，需完善绿色金融政策框架和激励机制，引导金融资源向绿色发展领域倾斜，增强金融体系管理气候变化相关风险的能力，推动建设碳排放交易市场为排碳合理定价。对于商业银行来说，践行

ESG理念可以减少因自身业务活动、产品服务对环境造成的负面影响；同时，通过构建环境与社会风险管理体系，将ESG纳入授信全流程有助于促进金融支持进一步向低碳项目及低碳企业倾斜。商业银行以ESG为抓手，通过提供多样化的低碳金融产品，促进低碳、循环经济的发展及碳中和目标的实现。

金融科技如何应用于商业银行ESG领域

从政策与监管机构层面来看，ESG是促进绿色转型的主要动力。在政策端落实并运用ESG理念，与当前经济绿色转型的目标相契合，将有效助力传统产业结构调整和碳排放工作的开展，促进碳中和目标的达成。在我国促进经济高质量发展和产业结构升级转型的大背景下，碳中和目标的提出和相关政策战略部署的确立，对一些高能耗、碳排放量大的传统行业，如煤炭、石化、金属、传统装备制造等产业带来巨大的转型挑战。以实现碳中和为长期目标，将实现以风电、光伏为主的新能源产业的跨越式发展，同时促进我国产业经济格局的分化与二次布局。从可持续发展的角度，在政策制定环节纳入ESG的考量将以改善环境质量为基础，从环境效益、社会效益和经济效益三个维度出发，通过发挥政策引导的作用，进一步促进产业的绿色发展及转型。对于监管机构，一方面将ESG纳入行业规范可提高整体行业的ESG表现，促进行业能源使用效率的提高，降低行业的碳排放水平和碳中和风险；另一方面，通过发挥监管部门的规范作用，构建统一ESG行业信息披露标准也是有效推动碳中和进程重要手段。

随着ESG投资在国内外的飞速发展，越来越多的投资机构将ESG作为重要的投资评价标准，各国也制定了政策支持ESG信息的强制披露。目前，全球对ESG的评级尚未形成统一的标准，多元化趋势较为显著。国外ESG评价体系发展较早，体系较为完善，覆盖对象范围较广，国际影响力较大；而国内的ESG评价体系起步较晚，尚未形成统一标准，评价对象基本局限于国内的上市公司。

为统一衡量上市公司ESG基准，ESG评价体系及ESG评级机构应运而生。海外ESG投资兴起较早，ESG评级机构较多，评价体系发展也较为成熟。ESG评级一般是基于UN PRI提出的ESG核心释意构建基本框架，同时根据评级机构的自身理解诠释ESG价值观，参照主流的ESG披露机制进行细节设计，最终形成各有特色的ESG评价。

目前，国际上比较主流的评价体系包括MSCI ESG评价体系、汤森路透ESG评价体系、FTSE ESG评价体系、高盛ESG评价体系、标普道琼斯&SAM ESG评价体系。

MSCI（Morgan Stanley Capital International摩根斯坦利资本国际公司）是国际知名的指数编制公司，其评级结果是全球各大资产管理机构制定投资决策的重要依据，一共包括10个主题，37个关键指标（见下表）。MSCI ESG评级每年进行一次，评级分成7个等级，从AAA到CCC。

目前，我国ESG评级仍处于起步阶段，在评级指标、评

当前，国内市场ESG评级体系较有代表性的包括：商道融绿ESG评价体系、社投盟ESG评价体系、华政指数ESG评价体系等。以商道融绿为例,商道融绿制定的融绿ESG信息评估体系共包含三级指标体系。一级指标为环境、社会和公司治理三个维度。二级指标为环境、社会和公司治理下的13项分类议题，如环境下的二级指标包括环境目标、环境管理、环境披露及负面事件等。三级指标将会涵盖具体的ESG指标，共有127项三级指标，如劳工政策、员工政策、女性员工、多样化、供应链责任管理等。评估体系分为通用指标和行业特定指标。通用指标适用于所有上市公司，行业特定指标是指各行业特有的指标，只适用于本行业分类内的公司。

  ①碳效码由湖州首创，主要指企业单位增加值碳排放水平和碳效值。根据单位增加值碳排放大小，将企业划分为低碳、中碳、高碳三个等级，等级越低，代表碳效水平越高；根据碳效值（某企业某周期单位增加值碳排放/所处行业同期单位增加值碳排放的平均值）大小，分为5个碳效等级，等级越低，代表企业碳效率高。

表1：商道融绿ESG评价体系

据了解，目前市场上ESG的头部厂商（包括商道融绿、秩鼎、妙盈科技等）基本都搭建了针对企业的ESG信息披露平台，旨在通过数字化的手段简化企业ESG信息收集与填报的过程。

以秩鼎ESG信息披露平台为例，该平台按照上市企业通用的披露标准GRI1、GRI2和GRI3，提供了ESG三大方面的各个细项指标录入功能，协助企业统计ESG领域各类数据（包括定性数据以及定量数据），并直接生成word版本的ESG信息披露报告供下载并支持手动编辑。

利用数据科学协助ESG指标体系的构建。最典型案例为湖州区域融资主体ESG评价体系。自2018年以来，湖州启动了区域ESG评价模型的开发工作，2019年率先实现了融资主体ESG评价的线上化。2021年，在北京绿金院的支持下，湖州市人民政府金融工作办公室会同中国人民银行湖州市中心人行、中国银行保险监督管理委员会湖州监管分局对评价模型进行了迭代更新，推出绿色融资主体ESG评价体系4.0版。

环境维度（E）方面突出“碳中和”导向。依托湖州首创的“碳效码” ①，将碳排放指标纳入ESG评价，通过设置企业碳

湖州融资主体ESG评价系统已向全市金融机构开放，便于银行开发“定制版”模型。例如安吉农商银行将ESG理念融入个人绿色普惠评价体系，并将评价结果运用于绿色普惠产品开发、客户授信、利率定价等各个方面。湖州银行依托该ESG评价系统，建立了信贷客户ESG违约率模型，结合ESG表现和财务数据测算信贷客户履约能力。

小微企业应用场景方面，一是应用于对小微企业信用风险的全流程管理。辅助小微企业的贷款准入判断以及贷后预警提示，并覆盖了信贷管理全流程中贷款“三查”的各个环节。在贷前辅助企业信用等级评定，提升了信贷准入的把控度和判断的精准度，在贷中、贷后管理环节，及时反映企业的动态变化情况，实现对小微企业信用风险的全流程管理。二是应用于对小微企业贷款的定价。在充分运用并积累一定的相关数据支撑后，将ESG评价体系的评价结果逐步纳入银行的贷款定价模型中，成为影响小微企业贷款定价的一个重要因子。三是应用于对小微企业绿色信贷业务的自动化管理。在湖州市“绿信通”大数据平台的基础上升级，创建专门的ESG评价体系IT系统，将其接口与规范化后嵌入金融机构现有的绿色信贷管理系统，实现全部评价指标数据的线上自动化采集。银行客户经理一键即可获取系统自动计算及分析结果，减少了主观因素的人为干扰，提升绿色信贷业务的自动化程度。

效等级指标，对企业碳排放总强度以及效能进行综合评价。针对小微企业信贷业务，评价指标纳入小微企业主营业务对资源的依赖度、环境信用评级、环境合规表现、环保成效等，通过赋分对小微企业实施绿色贴标（“浅绿”“中绿”“深绿”），为金融机构后续开展绿色信贷业务提供支持。社会责任维度（S）方面体现“稳就业”导向。从生产环境、劳资关系、员工权益投入等维度，评估企业对员工权益的保障水平，并将“员工稳定性”纳入了评价模型。针对小微企业信贷业务，评价指标纳入社保、纳税、公积金、征信等方面综合数据。公司治理维度（G）方面注重“企业可持续发展”导向，重点关注企业治理结构、创新发展潜力、经营稳定性、管理层评价等方面的因素。针对小微企业信贷业务，引入浙江的“亩均论英雄”②这一综合性效益评价指标，从亩均增加

图1：湖州融资主体ESG评价体系界面

 ②“亩均论英雄”是浙江以倒逼机制算好“经济账、资源账、环境账”，推动经济高质发展的一项重要举措。

值、单位能耗增加值、单位排放增加值等多个指标的不同角度衡量企业可持续发展的水平。

通常意义上，ESG相关的原始数据来源于行外渠道（监管机构、新闻舆情数据等）与行内已积累的数据。目前，卫星遥感技术也可以辅助ESG数据源的获取。相比人工核算方法，卫星遥感监测的数据无法人为造假，度量标准统一，且时效性强，也具备历史连贯性与可回溯性。下表中加粗效果的披露项为基于卫星遥感技术可以辅助观察的数据项，主要包括：环境E维度中的气候变化、环境保护与生物多样性、污染物排放、环境韧性、绿色运营；社会S维度中的土地权益与原著民、文化遗产。

在我国应对气候变化、重点推进“碳达峰碳中和”国家战略部署的背景下，全社会绿色转型改革进入深水区，商业银行也迫切需要通过提升自身 ESG表现促进可持续转型，进而不断优化资产结构、提升资产质量、完善产品服务体系，形成差异化的竞争优势。

目前，本行尚无针对信贷客户的ESG评级体系，并且也没有相应的数字化系统以支撑此类评级工作。据同业金融机构经验，构建ESG评级体系的三个重要组件为方法论、数据以及系统。其中，最关键的是方法论，即ESG框架的搭建。只有在ESG方法论确定的情况下，才可以评估已有的数据以及缺失的数据。最后，方法论与数据，都需要留存在一个统一的数字化系统中，以该系统作为支撑用于后端的应用。

想进一步了解，欢迎联系应用创新中心姜敬国（891895）

在国家“双碳”政策指引下，以金融服务助力可再生能源领域成为商业银行落实“双碳”战略的重要抓手。能源金融属于本行重视的五大新兴重点赛道之一，吕家进书记指出，建设大型风电光伏基地是推动新时代西部大开发、促进黄河流域生态保护、落实国土空间规划要求的重要举措。目前，已有多家分行落地风电项目业务。

风电的原理简单来说就是把风的动能转变成机械动能，再把机械能转化为电力动能。风力发电的本质即利用风力带动风车叶片旋转，再通过增速机提升旋转的速度，从而实现发电机发电。风力发电的优势非常明显，包括清洁、环境效益好，可再生、永不枯竭，陆地上或海上都能建设，装机规模灵活且运行成本低。

从细分市场来看，风力发电分为两种，陆上风电与海上风电。当前我国风电装机的主流仍然是陆上风电，海上风电占比较小。其原因在于海上环境条件复杂，机组设计需要考虑盐雾腐蚀、海浪载荷、台风等众多因素，技术门槛较高，且海上作业环境恶劣，易损零部件的更换频率加快，导致运维和人工返修成本较高。受技术和成本等多种因素制约，目前海上风电尚未实现大规模普及。中国风电市场的这一发展特征，与全球风电市场发展基本保持一致。据GWEC（Global Wind Energy Council，全球风能理事会）统计，

风电与科技能擦出什么火花？

全球海上风电渗透率尚处于低位，仅占累计装机总量的5%，而陆上风电累计装机占比高达95%。

从市场规模来看，截至2022年末，中国风电装机容量约为3.7亿千瓦时，已居世界首位。随着风电开发技术水平持续进步，我国风电产业规模将稳步扩大，预计2025年中国累计风电装机量将达6.36亿千瓦时，占全国总发电装机比重18%；预计2050年累计风电装机量达19.67亿千瓦时，占全国总发电装机比重达33%。

从产业链来看，风电产业链由三部分组成：上游原材料企业及零部件制造商、中游风机整机装备制造商、下游风电运营。上游原材料方面主要指风电叶片的原材料，主要为树脂、玻纤、夹芯材料，零部件主要包括叶片、齿轮箱、发电机、塔架、主轴和制动系统等。中游风电整机制造国内竞争力强，全球前10大有6家是中国公司，金风科技、远景能源和明阳智能三足鼎立，海上风电全球市场占比最高的是西门子歌美飒、三菱维斯塔斯、上海电气和金风科技。下游为风电运营，前期投入高、项目周期长，以大型新能源发电集团为主，主要是“五大六小”发电集团，其中“五大”是指国家能源集团、华电集团、华能集团、大唐集团和国家电投，“六小”是指华润电力、三峡集团、国投电力、中广核、中核、中节能，合计占比在70%左右。总体来看，国家对于风电场具有较强的掌控权，央企与省属企业规模较大，具有较强的市场开拓能力。

目前，风力发电市场仍然存在一系列亟待解决的痛点。

首先，从银行角度来讲，风电贷款在贷后环节，仍然主要依赖客户经理对于风电场的传统线下审查为主，时效性滞

表1：风电行业政策

国家政策方面，在“双碳”战略的大背景之下，中国风力发电行业受到各级政府的高度重视和国家产业政策的重点支持。国家陆续出台了多项政策，鼓励风力发电行业发展与创新，如《2021年能源工作指导意见》《“十四五”能源领域科技创新规划》《关于完善能源绿色低碳转型体制机制和政策措施的意见》等产业政策为风力发电行业的发展提供了明确、广阔的市场前景（见下表）。

图1：风电场占地范围示意图

后，需要借助数字化手段实现针对风电场资产的常态化监管。

具体体现在：

一是现场贷后难度高。以占比较高的陆风为例，由于很多风电场多位于荒漠，交通极不便利，多数仅有公路连接。前往稍远一些的厂址，至少需要2-3天时间，且全程需要开车，这无疑增加了长时间疲劳驾驶的风险。

二是客户配合度不高。由于此类风电场企业客户以国有企业居多，出于企业内部规章制度及人手问题，其办事处多数在周围的县城。风电场企业客户因自动化程度高，员工数量有限，为避免发生风险，一般情况下，此类企业不愿意配合实地贷后工作。

三是实地贷后效果差。风电场多建于丘陵地形，人在地面上时，很难直观看清全部风机数量。同时，发电厂区面积很大，企业也不能派车带客户经理全部转完，导致实地取得的资料反而存在较大偏差的难点。

四是用户数量多。随着国家不断推进清洁能源发电行业发展，未来相关的风电场客户数量将与日俱增。如果只有少量客户，上述问题可以被克服；但是如果存在大量相关客户，且厂区位置远离县城，则会带来不小的管理挑战。

其次，从风电场角度而言，风机的选址作为重要的一环需要智能化的手段进行辅助，且由于可再生能源本身受制于天气因素的影响，发电量存在不稳定的情况，需要对发电功率实现监测。此外，极端天气作为影响最大的自然灾害因

素，具有随机性强、破坏性大等特点，亟需实现提前预警。

基于上述行业痛点，本报告提出以下几个贷后风险管理的创新设想，以满足本行绿色金融业务人员以及风电场企业客户的需求。

基于高分卫星数据前后时间的影像变化，通过图像识别与AI技术实现自动监测，并且对异常情况进行有效的风险提示。与传统的客户经理定期人工调查相比，该种监测方式更为全面、精准，时效性高。

卫星遥感图像，根据其使用技术不同（红外、微波、气象、高光谱等），可应用于不同的行业。为满足此场景的需求，需使用高分辨率的卫星图像（0.5-2米分辨率）。

放大后，可分辨出电力设备（红色）、风机（黄色）、风机建设现场（白色），如下图所示：

图2：风电场识别

通过对于其中风机数量进行统计（已安装完成），并结合卫星遥感图像拍摄时间，即可掌握风电场的具体施工进度。

一般在正常情况下，风机机组塔杆是垂直于地面的，如果因为极端天气（如雷暴、风偏）出现倒塔的情况，可以基于卫星数据对该特征以及影子的情况，利用图像识别和AI技术进行监测和预警。通过数字化的手段，对风电场的风机资产实现常态化的监测。

图3：风机机组塔杆

极端恶劣的天气情况会影响到风机机组的运行，导致设备故障及损毁，增加风电场的运维成本。据统计，60%的电网故障由雷击、覆冰、暴雨等气象因素导致。借助传统的人工手动监控的方式，无法实现精细化、自动化的气象风险管理，对于风电场而言，会导致运维效率低下，尤其在雨季故障频发，甚至也会威胁人员安全；对于本行来说，极端天气导致的风机损毁也会影响到底层资产的安全性，构成贷后风险因素之一。基于历史几年的气象数据分析，可以精准定位区域内影响风机运行的主要气象灾害，比如雷电、大风、暴雨等，通过搭建一套智能化手段，实现对于极端灾害的风险预警。

发电收益属于风电场项目贷款的重要还款来源，发电收益又取决于风电场的发电量，因此实现发电量的监测是必不可少的一环。

以某新疆风电场某年的风电数据为例，步长为15min，特征包含风向、风速、气温、湿度以及气压。通过XGBoost和LightGBM模型对特征进行综合打分，得到各个特征的重要性。其中，风速的特征重要性比重最高（37.67%），其次是风向（23.85%）。

图4：特征重要性

风速和风向的细项特征重要性如下：

表2：风速和风向的细项特征重要性

这里采用决定系数作为模型的评价指标，决定系数越接近1，说明模型对数据的拟合程度越好。建模过程中，分别尝试了线性回归、XGBoost、LightGBM、CatBoost四个模型来预测发电功率，决定系数分别为0.7377、0.9262、0.9329、0.9402，最终选用决定系数最高的CatBoost模型。

表3：模型评价指标

对区域内的风能状况进行全面、综合的评价。从微观选址来看，在对宏观选址区域进行勘查之后，需要确定风电场风电机组的排布方案。原则上可以基于通过获取前期测风塔以及附近气象站长期历史数据，分析不同机组选型以及排布方案下发电量对比，从而确定每台发电机组的具体位置。

假设能获取中国气象局或者风电场提供的数据，借助CatBoost等模型，可以针对未来（如1天、15天、1个月、1年等）的发电量进行短期、中长期的预测。

虽然风电有不少优势，但也存在一系列缺点，例如发电不稳定，风量无法掌控，大风运行的轨迹随时会改道，并且存在一定噪音污染，需要建造在偏远地区。因此，风电的选址显得尤为重要。风电场场址的选择直接决定风力发电机组的发电量，进而会对整个风电场的经济效益产生重要影响。

从宏观选址来看，如果要确定风场的大体位置，则需调查地区内的风能资源分布，广泛收集区域风电场运行数据，从而比较建设地点以及其开发价值。具体而言，宏观选址需要基于卫星数据，通过分析历史气候变化数据，尤其是风速指标，确定风能资源的空间分布，并估算利用小时数，从而

CCER的全称为中国核证自愿减排量（China Certified Emission Reduction），具体指的是对我国境内特定项目的温室气体减排效果进行量化核证，并在国家温室气体自愿减排交易注册登记系统中登记的温室气体减排量，经官方核证后，可用于控排企业清缴履约时的抵消或其他用途。CCER开发中最主要的项目类型为可再生能源利用，这里面又可进一步细分为风力发电、太阳能发电、垃圾焚烧发电、水力发电、生物质发电和地热供暖。根据中国核证减排交易信息平台上的公示信息，目前我国审定公示的CCER项目总计2871个，其中已备案的项目861个（风力发电项目占比35.62%），已完成签发的项目254个（风力发电项目占比27%）。

未来，可以借助本行正在搭建的双碳管理平台为风电场建立企业碳账户，辅助其测算二氧化碳减排量，并将其数据存储至本行系统内。同时，随着全国CCER市场的重启以及地方性碳交易市场的完善，可探索逐步将风电项目的碳减排量与碳交易市场打通，将碳减排量用于后续的碳资产交易、碳配额清缴、碳排放抵消等环节，从而提升风电场所积累的

图5：CatBoost模型效果图

图6：山西省2022年1月16日～23日电力现货市场实时价格

碳减排量的经济价值，降低履约中和的成本，促进碳资产的循环使用，进一步激活全社会减排的动力，形成良性循环。

可以基于人工智能技术实现电力交易预测和决策，具体分为五个步骤。第一步，获取原始数据，原始数据来源于发电量、用电量以及电价的历史数据，气象观测得到的历史数据和气象预报的历史数据。第二步，借助数据清洗，将原始数据的异常值剔除、缺失值重构以及异步时间数据纠偏。第三步，基于特征工程进行建模，主要包括基于气象学的特征工程、超参数自动优化以及自动化训练建模。基于气象学的特征工程，可以更好地支撑预测模型构建，包括气象特征、时间特征、空间特征、统计特征、特征组合。第四步，利用机器学习技术，这里主要涉及深度学习及机器学习的结合、异质多模型智能融合、自动化模型迭代。第五步，生成电力模型交易，进行预测推理，这里主要基于气象与价格数据，经过该电力模型计算，实现发电/用电/电价的预测结果。

从用电侧企业来讲，可以采用该模型以更低的价格买入

碳交易市场涉及多个节点，包括风电场、银行、三方认证机构、碳交易所等，相应地，对碳相关数据的真实性要求较高，可以基于区块链技术在各个相关利益方节点部署联盟链，实现碳交易相关数据的可溯源性。

2015年3月，中国启动新电改，建立电力交易机制，让电价由市场决定。2017年8月，电力现货市场试点启动，8个省份成为首批试点。2020年9月，我国确定“双碳”目标，以新能源为主体的新型电力系统加速发展。风电、光伏等可再生能源也属于电力交易市场的重要标的。

电力中长期交易指市场主体开展的多年、年、季、月、周、多日等电力批发交易。而现货交易主要开展日前、日内、实时的电量交易。在一个稳定健康的电力市场中，电量的中长期交易是不可缺少的重要环节，国外成熟电力市场运行实践表明，用户在电力中长期交易中的签约电量占绝大多数。

国内电力交易市场目前面临两大痛点。首先，电力交易风险较高，主要体现为现货价格波动大、中长期预测难度高、风险控制能力不足。以山西省2022年1月16日至23日电力现货市场实时价格为例，电力现货价格每15分钟高频变化，价差空间高达1.5元/度（见下图）。其次，电力交易效率低，交易品种多、决策窗口短，且依赖的信息较多。

电力；从发电侧企业而言，可以借助该模型以更高的价格售出电力。风电场属于发电侧企业，在电力交易市场中也存在此需求，通过合理利用电力交易规则降本增效。本行在为其提供风力项目类贷款等金融服务的同时，也可以通过数字化手段为其电力决策提供辅助，作为一种企业绿电增值服务助力风电行业更高效参与绿电交易。此外，从银行角度看，电力现货市场中价格波动因素也会间接影响风电场企业还本付息的能力。本行也可以借助电力交易模型，辅助客户经理实现风电场企业的收益预测。

如想进一步了解，欢迎联系应用创新中心刘昕宇（892250）

国家高度重视乡村振兴和绿色低碳工作，提升相应金融服务能力一直是我行的重要课题。但是涉农信贷和绿色信贷普遍存在项目面积大、位置偏远、银行网点无法深入、肉眼观察和经验判断准确率不足等客观情况，导致银行在贷前资产价值评估或者贷后定期风险监管环节存在痛点、堵点，进而导致介入力度受限。卫星遥感影像具有广覆盖、弱接触等诸多优势，在以上业务领域具有极强的潜在应用前景。

兴业数金积极探索，以卫星遥感大数据为基础资源，构建具备时间空间要素、数据规范、综合可视的卫星遥感应用系统。技术支撑层、数据层支持多源遥感影像和数据接入，解译层实现多场景目标解译和指标分析，应用层灵活拓展丰富的场景应用功能，全面满足各场景的差异化指标输出和展示需求。最后，卫星遥感应用系统将项目级的卫星遥感指标输出给我行尽调系统以及小微企业线上融资系统，实现风控数据自动化采集、可溯化信任和智能化分析，全面提升银行数字化风控能力。

在银行业数字化转型战略推动下，银行对于卫星遥感技术应用需求的场景广度和深度也在提升，但是普遍存在以下问题：

卫星“千里慧眼”，助力信贷数字化

频率一季度测算，每个项目一年至少要求获取四次高精度影像；3）项目位置分散，边际成本居高不下。以新能源项目为例，集中式光伏项目平均面积为3平方公里，单幅卫星影像面积50平方公里，项目之间距离上百公里，每个项目需要采购一幅影像。而影像采购传统报价模式为设置单个项目最低起购面积为50平方公里，导致单个光伏项目单次影像费用至少2000元。综上，单个项目一年上万元的监测费用也是应用规模拓展受限的主要原因之一。

大田种植的主粮作物种植面积大、地块形状规则、品种较为单一、具有较为显著的光谱特征，目标解译建模难度较低，影像分辨率要求也较低，因此占据了银行业卫星遥感监测应用的大半壁江山。实际上，果蔬、茶叶等经济作物的亩产效益高于大田主粮作物，对于银行来说也有较高的业务拓展价值，且种植户也有较为强烈的融资需求。但是由于技术门槛较高，银行机构鲜有涉足，金融服务覆盖范围有待拓宽。

一方面，多数银行机构在涉农信贷场景下，主要将卫星遥感数据应用于贷后长势异常、灾害风险等贷后风险识别环节，而在贷前农作物价值评估和授信额度核定环节，数据应用程度不足。另一方面，由于贷前授信测额没有充分使用卫星遥感数据，尚未打造配套的线上申请、审批、放款的业务模式，多数银行的涉农信贷业务仍以线下模式开展，导致业务对于长尾客群的推广有限。

农业种植监测场景下，每个县域有集中种植的主力作物，且银行往往实行区域业务批量推广策略，因此，银行通常会对业务所在的县级市进行整县遥感影像获取和监测，且农作物目标解译一年只需要获取一次影像，成本可控。

而工业项目监测面临着成本投入问题，具体原因包括：1）影像分辨率要求高，新能源项目影像分辨率需不低于2米，地产在建工程项目影像分辨率需不低于1米，所需影像成本更高；2）影像获取频率高，按照贷后现场管理的最低

以空天大数据为基础资源，构建具备时间空间要素、数据规范、综合可视的卫星遥感应用系统。系统架构完整清晰，包括技术支撑层、数据层、解译层以及应用层。应用层已经上线“农业种植”、“林业碳汇”、“新能源项目”三个场景的配套功能，实现风控数据自动化采集、可溯化信任和智能化分析，全面提升银行数字化风控能力。

图1：卫星遥感应用系统架构图

各场景的功能具体如下：

1)作物地图：结合卫星遥感+AI技术，识别出业务推广区县的目标作物种植地块，并从综合评价、种植适宜性、作物长势及产量估算等维度将地块划分为“高、中、低”三类，为业务拓展提供帮助。2）地块勾画：在和客户达成融资服务意向后，用户通过移动端地块勾画功能进行地块信息采集，编辑基本信息，同时上传权属证明材料后提交审核。3）地块复核：分行审核人员根据权属证明材料及勾画信息进行比对审核，对提交的业务信息进行二次复核确认，防止可能存在的道德风险。4）贷前及贷后分析：在贷前分析页面对农户种植作物真实性、作物历史产量、种植适宜性及种植历史风险进行综合分析展示，该数据可以评估贷款农户的资产情况以及还款能力，并作为授信额度测算的依据。贷后分析页面展示每8天一期的动态长势数据，以及气象、灾情预警信息，及时发现减产风险。5）业务监控大屏：通过地图可视化+图表结合对区县和各乡镇的总体种植情况统计汇总及展示，方便管理人员了解整体情况，为业务决策提供支持。

图2：安溪茶叶种植场景监控大屏

2、“林业碳汇”场景（已上线）

1）林场地图：通过林场遥感地图，业务人员可以全面了解当地森林资源分布和各林地碳汇量情况；2）地块勾画：系统在勾画界面的卫星底图上展示遥感识别的林场参考地块图层，并且标注地块的树种类型系统，帮助客户经理快速完成林场地块勾画；3）地块复核：分行审核人员根据林权证进行复核确认；4）贷前及贷后分析：在贷前分析页面，展示该地块的碳储量和碳汇量，辅助银行信贷人员评估林业碳汇质押物价值。在贷后分析页面，系统输出包括疑似火点、森林绿度等多项关键指标，实现银行授信支持的林业资产的实时监控。5）业务监控大屏：帮助管理人员统览区域内林业碳汇量、碳储量、火点预警、绿度指数等遥感指标以及数据变化情况，综合评估业务拓展潜力和趋势。

图3：传统调研与卫星遥感技术应用对比

1）项目新增：客户经理新增基建、地产项目的基本情况和建设计划；2）贷后分析：卫星遥感展示项目的施工进度、建筑物的占地面积、楼层、高度，提升贷后监控准确率。

图5：光伏场景监测影像

1）项目新增：客户经理新增风力、光伏发电项目的基本情况和建设计划；2）贷后分析：卫星遥感对新能源项目的监测在授信完成后启动，贷后分析页面按照业务所需监测频率展示光伏板安装面积、光伏发电量回算、风机数量、风力发电量回算等指标，通过图表形式展示建设进度和完成率的变化趋势，帮助业务人员和风控人员及时发现项目风险。

图4：风车场景监测影像

图6：在建工程监测场景系统原型

据，生成卫星遥感增信额度，结合我行已有的“资金流”额度，按照权重计算最终额度，实现提额。

首先兴业银行心怀“国之大者”，响应双碳战略、共同富裕、科技创新的时代召唤，破解农业普惠金融和绿色金融的业务难点，把金融为民的理念落到实处。

其次，数金不断探索领先、深度、大规模的遥感数据应用，我行卫星遥感应用系统的领先性体现在:综合运用“空天地”多样化数据、同业首次林业碳汇场景应用、在建工程场景大幅提升高度准确率等；深度体现在贷前增信提额、贷后自动化监测，全生命周期赋能业务发展；同时，卫星遥感应用系统在全行、多场景大规模运用遥感数据，赋能信贷数字化。运用新数据推动风控模式和业务流程重塑。

第三，遥感数据帮助兴业银行在多个领域破解资产评估难、风险观测难的问题，创新线上风控模式，进而推动信贷服务线上化、自动化，重塑业务流程，突破网点、人员限制。

最后，在项目建设过程中全套采用信创资源进行自研，同时高度复用我行基础技术组件，实现标准化交付、快速部署、提升应用架构弹性和任性，强化安全管控，打造自主可控国产化底层应用系统。

具体来说，针对缺乏财税数据、抵质押物，无法准入的问题，通过地块勾画、遥感数据分析的辅助，大幅提高客户信贷准入通过率，起到增信作用。其次，为了解决缺乏抵质押物，授信额度低的问题，系统结合卫星遥感产值测算数

我们基于“种植流”模型打造的兴速贷（卫星遥感专属）线上融资产品，不仅帮助客户增信提额，还进一步重塑了涉农信贷的业务流程，提升业务办理效率和客户综合体验。传统的涉农信贷流程一般需要30天时间。通过新技术的加持，仅需完成现场地块勾画并在线提交材料、线上尽调、自动审批、线上提款4个步骤，即可完成贷款业务，整个流程平均可以在5天内完成。在贷后管理上，传统模式下频繁的线下走访费时费力。卫星遥感线上贷后监测和自动风险预警不仅减少人力工作，还提升了风险识别能力。

卫星遥感技术的应用可以有效降低绿色信贷管理成本。以集中式光伏电站为例，传统模式下单个项目需要一至两名工作人员开车3-4天往返，需支付的人力成本在3000元至8000元，通过卫星遥感监测替代人工现场勘察，单次费用仅需要500元，可以节省大量时间和成本。

总体而言，卫星遥感应用系统让一线人员有更多动力进行涉农信贷和绿色信贷的业务拓展，从而提升我行涉农信贷和绿色信贷规模化推广的能力。

如想进一步了解，欢迎联系应用创新中心陈创（890347）

“技术一小步，人类一大步。”由ChatGPT引发的技术狂潮，正在无限推高人类想象的天花板。国内外科技巨头加紧转战布局AI，AI+产业成为了当前最具活力和潜力的新兴领域之一。

AIGC的大发展将为金融数智化注入更强大的动能。如ChatGPT可以帮助金融机构提供更加人性化的智能客服。ChatGPT最为显著的两大能力：强大的语言理解能力和语意推理能力能够支撑其强大的对话能力，可以帮助智能客服精准的理解用户意图，形成完整的智能问答，从而大幅提升用户体验。而RPA（Robotic Process Automation，机器人流程自动化）是一类流程自动化软件工具，将基于规则的常规操作自动化。RPA通过模拟人工手动操作键鼠，自动处理规则清晰、批量化的高频业务。ChatGPT+RPA结合打造的“数字员工”将成为即战生产力，ChatGPT作为数字员工的“大脑”，RPA作为数字员工的“四肢”，将为企业的数字化转型带来无限的想象力。

AIGC技术在客服中心主要有五个应用场景，分别如下：

1）智能客服：使用自然语言理解技术，在大语料库的基础上，基于场景和业务模型开发上下文关联模型，从而实

关于金融业AIGC+RPA的超级自动化探索

现自然叙述、智能理解这一目的。并将这一技术和模型与客服系统在整体上实现了融合。实现由系统自动理解客户问题并进行解答和办理简单业务，如查询余额。目前很多金融企业已经实施了该项目，主要应用于网站、微信、网银、手机APP等渠道的自动问答机器人，实现智能客户服务。 以下是银行客服中心近几年从业人数变化图。

图1：银行客服中心从业人数变化图

2）智能语音导航：主要利用语音识别技术和自然语言理解技术理解客户语音，并根据客户的需求导航到相应节点或者引导客户完成业务办理，主要应用在自助语音服务、手机银行APP和智能设备上。在自助语音上应用主要通过与IVR的集成实现自助语音菜单的“扁平化”，提升用户满意度；通过与客户的交互帮助客户办理相关业务，实现问题的咨询。

在手机银行的应用与自助语音基本类似，主要为在手机银行APP上集成智能语音系统，从而实现为客户导航到手机银行相关功能、为客户办理相关业务。

3）智能营销催收：外呼机器人是语音识别技术和自然语音理解技术的另外一个应用场景。通过业务场景的设计，实现自动外呼客户进行客户身份核实、催收、业务通知、满意度调查、产品营销等。伴随着银行的转型、网贷业务的发展，主动联系客户进行关怀、营销和催收的需求会大量增长，外呼机器人是满足这些增长需求并同时控制人力成本的较好选择。例如在催收场景中，可以将处在M1、M2状态的催收任务交由机器人完成。目前，在市场上已经有很多成熟的方案。

4）智能辅助：智能辅助主要应用在客服领域，机器人实时监听座席与客户的对话。可以在两个层面发挥作用。一方面当客户提出问题后，机器人实时理解客户的问题，并给出相关回答建议给座席。在新员工辅助方面作用尤其明显。众所周知，客服行业是个离职率非常高的行业，一直保持着大量的新入职员工，对新员工的工作进行辅导和帮助能加大新员工的利用率，同时降低离职率高带来的风险。另一方面，机器人可以实时监听座席的话术，当发现座席使用了违禁词、服务过程不合规或者有引起客户不满意的行为时，可以实时提醒和介入处理，从而起到推动客户服务标准的实施、提高客户满意度的作用。

5）智能质检：客服中心是一个对服务质量要求很高很严格的行业，为了保证服务质量，一般会通过对座席录音进

行抽样检查的方式来实施质量检查工作。一般客服中心的质检抽检率在1%左右，无法全面监控风险。智能质检系统的目标是基于语音识别技术实现对全量录音文件的文字转写，以及对转换后的文字进行数据分析挖掘。以发现座席有没有使用违禁词、是否有不符合规范要求、对座席的情绪进行监控；分析客户来电原因、超长通话、重复来电、超长静音等通话的原因；挖掘客户投诉原因；对趋势进行预测，对热点问题进行分析；以及挖掘潜在的营销机会。

图2：智能质检系统架构图

在金融场景中，AI图计算（图数据库）技术可以将账户、客户、交易等海量数据整合，分析它们之间错综复杂的流转关系，如客户之间、账户与客户之间的关联关系、资金往来等，通过基于图特征的机器学习的方式来计算风险；另如在反洗钱应用中，图数据库技术则可以使金融机构从转账记录出发，向上下游深度探索，最终确认资金的来源账户和

目标账户。这样具有深度和穿透性要求的关联查询，在图数据库中可以下钻几层甚至几十层，这恰恰是传统关系型数据库无法达到的。图技术所具备的深度洞悉、洞察能力，可以帮助银行进行预警预测，避免黑天鹅或灰犀牛事件的发生。

此外，金融机构非常重视安全性和准确性。区别于传统系统算法对于结果的无法解释、黑盒化的痛点，实时图数据库系统作为图增强智能AI，实现了算法透明、可解释、可溯源、可校验等白盒化的性能，这就意味着该技术能帮助业务人员实时地看到并知晓各个数据间的业务逻辑及其关联关系，从而能精准地定位到每一个风险传导的路径。

在信贷场景客户信用评分中，客户信用评分在银行和消费金融等各类贷款业务非常重要。过去，信用审批往往依赖客户经理的人工经验，受审批人员主观因素影响较大，且存在潜在的联合欺诈风险。

信用评分卡模型是当前最常见的金融风控手段之一，在银行场景下客户贷前申请、贷中调额、贷后催收等贷款生命周期的主要环节中已经被普遍应用。它主要是根据客户的各种属性和行为数据，建设信用评分模型，基于模型判断是否给予授信以及授信的额度，从而识别和减少金融业务中的交易风险。

在客户信用评分场景中，核心难点在于突发事件如疫情等因素可能带来的模型效果不稳定，往往需要能有效快速进行模型自迭代的完整循环。某大型国有股份制银行已上线飞

图3：信用评分卡模型

桨企业版BML全功能AI开发平台的评分卡模型，包含数据处理、分箱和统计、训练、预测评估等部分，并应用到实际业务中，模型上线时间从按月计到按天计，同时可以管理训练的模型量级从个位数到两位数，有效识别存量客户中的潜在涉案账户，可疑客户识别准确率提高了30%。

RPA（Robotic Process Automation，机器人流程自动化）是一类流程自动化软件工具，将基于规则的常规操作自动化。RPA通过模拟人工手动操作键鼠，自动处理规则清晰、批量化的高频业务。它适用于企业内具有明确业务规则、结构化输入和输出的操作流程，例如读取邮件、对账汇总、检查文件、生成文件和报告等枯燥、重复、标准化的工作。

ChatGPT的火爆出圈让世人看到了生成式AI强大的功能，同时也让人们深切感知到自动化为工作带来的诸多好处，例如，可以将重复、枯燥、无意义的业务流程实现自动化。

RPA（机器人流程自动化）与ChatGPT拥有很多相似的功能属性，“自动化”是最大共同点。根据ETR最新调查数据显示，截止2023年第一季度，受ChatGPT在全球范围的利好因素影响，RPA的需求显著上升。

很多人认为ChatGPT会取代RPA，这是一个错误的观点。因为从技术层面、商业化场景来看，是两种完全不同的技术。例如，ChatGPT无法实现跨业务流程、系统、平台实现端到端自动化功能。

但在技术层面二者可以实现很好的互补，ChatGPT可以当RPA的“大脑”，而RPA可以充当ChatGPT的“四肢”。

RPA与ChatGPT除了拥有众多类似功能，在技术层面也能互补为客户提供更全面的智能化服务。例如，通过ChatGPT可以简化RPA自动化流程构建；通过ChatGPT加速文本生成效率，再通过RPA实现端到端自动化等。

财务和会计：ChatGPT可以根据来自Oracle等企业管理系统的数据，自动生成财务报告、发票、预算、预测等。RPA可以将这些数据实现端到端自动化，或者将其录入到指定系统中。

人力资源：ChatGPT 可以与RPA一起使用，根据来自人力资源系统等企业应用程序的数据创建和更新员工档案、合同、福利、工资单等。它还可以与员工或候选人进行互动，例如，回答常见问题、安排面试、提供反馈等。

员工培训：ChatGPT可以学习在线课程等平台资料，根据员工的角色、技能、目标等，为员工创建和提供个性化的学习内容。然后通过RPA将这些学习资料发送到指定学员手中，并提供指导、反馈、测验等。

在人工智能技术的大背景下，ChatGPT与RPA作为两种颇具代表性的应用，虽然都旨在提高工作效率和降低成本，但它们在实际应用和解决问题的方法上存在显著差异。理解这两者之间的区别，可以帮助企业更好地利用这些技术来满足特定场景和需求，从而实现自动化和数字化。

图4：AI与RPA的应用趋势图

ChatGPT与RPA有很多差异，分别从目的、目标受众以及技术特点三方面进行阐述分析：

1）从目的角度来看，ChatGPT 主要用于自然语言处理（NLP），用于理解和生成人类语言，帮助用户解决问题或与人类进行交流。RPA 则主要关注于自动化执行重复性、基于规则的任务，从而提高效率和减少人工错误。

2）从目标受众的角度来看，ChatGPT作为聊天机器人的目标受众主要是企业的客户，其任务是以对话的形式帮助传递信息和数据。聊天机器人在面对客户的机会方面非常出色，可以改善响应时间，加快解决速度，并提高品牌知名

图5：生成式AI技术栈

度。RPA则更关注于内部利益相关者和员工。他们可以利用RPA来简化后台任务和其他流程。这些简化的流程可以包括但不限于数据挖掘、数据清理、数据录入和工作流程自动化。

3）从技术特点的角度来看，ChatGPT专注于最大限度地减少客户的响应时间，为企业提供全面的客户服务。ChatGPT的商业成果集中在以较低的成本改善客户参与。RPA提供了自动化人工后台工作流程和IT工作的能力，这些工作是重复的、耗时的。RPA的业务成果集中在以较低的人力资本成本实现流程自动化。

随着人工智能技术的迅速发展，不同领域的技术融合已经成为创新的重要驱动力。ChatGPT和RPA虽然在目的、目标受众和技术特点上有所不同，但正是这些差异为它们的结合创造了巨大的潜力。

RPA系统的局限性在于它们只能根据预定义的规则自动化流程，这意味着它们无法处理复杂或非结构化的数据。然而，ChatGPT 作为一种大型语言模型，可以理解自然语言并生成类似人类的响应。通过将 ChatGPT 与 RPA 结合使用，企业可以自动化更复杂的流程并改善客户互动。

AutoGPT是GitHub上的一个免费开源项目，结合了GPT-4和GPT-3.5技术模型，通过API创建完整的项目。在AutoGPT中只需给予一个任务，它就可以自行规划并执行，无需人类干预。AutoGPT+RPA可以做到优势互补。

iRPA机器人，指的是加入了AI支持的RPA，遵循固定的

规则进行操作，并且只能处理标准化格式。在RPA流程中引入AutoGPT，实现以类似人类的方式进行交互，可以提供整体自动化闭环解决方案，协助实现处理复杂场景的决策的能力。ChatGPT无法实现跨业务流程、系统、平台实现端到端自动化功能。而RPA能够轻松集成在任何系统上，跨系统处理数据。

根据ETR最新调查数据显示，截止2023年第一季度，受ChatGPT在全球范围的利好因素影响，RPA的需求显著上升。目前RPA已被广泛应用于金融、保险、零售、电商、政府、能源、制造、物流、地产、医疗、教育、电信等行业，在财务管理、人力资源、客服、法务、采购等职能场景也发挥着重要作用。

图6：RPA的应用领域

 ChatGPT与RPA联合应用主要体现在两方面：

 1）自动化的客户服务：客户服务是企业可以从使用Chat GPT和RPA中受益的一个领域。通过将Chat GPT整合到他们的RPA系统中，企业可以对客户的询问提供个性化的回应，并将解决客户问题的过程自动化。Chat GPT可以理解自然语言，因此它可以以类似人类的方式回应客户询问，这可以改善客户体验。

 2）自动化数据输入：Chat GPT的另一个有用的领域是自动化数据输入。企业可以使用Chat GPT从电子邮件、社交媒体信息和聊天记录等非结构化数据源中提取信息，然后将数据输入RPA系统进行进一步处理。这可以帮助企业减少人工数据输入错误，提高数据的准确性。

在生成式人工智能的形成时期，最受欢迎的企业应用案例，将是用于推动内部或B2B产出的，通用的或适用于跨行业跨职能（“横向”）的用例。然而，与之前出现的技术一样，通常在特定行业的“垂直”应用案例存在着更可持续的价值创造机会。

潜在的横向应用案例通常针对的是已建立的自动化中心，这些中心提供了大量的训练数据（例如知识库、客服聊天记录），并且是成本优化和提高生产力的重点。例如，一些创意型营销任务，比如撰写广告文案、博客或社交媒体标题，可能需要人类花费数小时或数天的时间才能完成。相比之下，生成式人工智能可以在几分钟内完成可行的初稿，只

需要由人工进行编辑即可。

这些效率提升甚至可能重新定义工作的预期，使得提示工程（prompt engineering ）技能（例如：对人工智能提出正确问题）成为一种区别化的技能集。最终，横向应用案例将为更专业的应用程序打下商业基础。企业必须开始早期部署这些应用案例，以帮助构建能力和知识库，随着时间的推移，为垂直应用提供有价值的案例。

图7：垂直与横向的银行与金融服务企业用例实例

首先是战略层面的思维变革。大多数银行可能都已经意识到了，在银行这个红海，科技能力已经成为构建底层竞争力的重要一环。但知易行难，受限于体制机制，很多银行的科技创新依然局限于网金等少数几个部门，真正从战略举全行之力推动科技转型的银行不过寥寥数家。

现实层面还有成本和数据处理合规性的问题。GPT是Generative Pre-trained Transformer（生成型预训练变换模型）的缩写，从其名称就可以看出，“训练”是战斗力的关键，而训练也关乎着高昂的成本。

国盛证券计算机分析师刘高畅、杨然在发表于2月12日的报告《Chatgpt 需要多少算力》中估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。虽然商业银行在ChatGPT应用层面对模型的训练没有明确的数据支撑，但可以想见成本不菲。

此外，人工智能的部署大概率需要“外脑”的加入，仅仅依靠银行自己实现并不现实，金融机构的数据不对外开放，现有的架构也多是私有云部署，这对模型的训练难度带来了挑战，数据源的脱敏和标注涉及的工程量巨大。

综合命题下，对一些中小银行来讲，或许是一次机会。中小银行虽然从财力不如大银行，但从数据处理量来看，可能能更加快速地形成产出，短时间大幅度、高强度的投入对中小银行的业务处理效率提升会更为明显。

人工智能的介入底层是思维升级，就跟曾经的“互联网思维”一样，如果说上一阶段的“互联网 ”“互联一切”让服务形态从线下到线上，智能化升级则需要全行业务的进一步深度融合。

新的技术革命全面到来之前，顺势布局的重要性无需赘言。但这显然，在此之前，还有大量的清障工作。

如想进一步了解，欢迎联系应用创新中心罗传禄（890521）

兴业数字金融服务（上海）股份有限公司

创新速递