观识每周简讯第22期丨上半年私人银行户均资产最高超2800万

　　01hr金融行业数字化转型
　　您或朋友达标了吗？上半年私人银行户均资产最高超2800万；前5家私行AUM规模均超2万亿元（来源：新浪金融研究院）
　　【观识推荐】拥有了更多的私人银行客户，就居于更高的财富高地。招商银行一骑绝尘，AUM和户均资产均居第一；而工商银行、农业银行、建设银行和中国银行的私行客户数居前4位。
　　今年是中国私人银行业诞生15周年，从注重跑马圈地到精耕细作，近年来私人银行业务在我国得到长远发展。
　　今年上半年，从5家国有大行（除邮储银行）、中信银行、光大银行、招商银行、浦发银行、民生银行、华夏银行、平安银行、兴业银行、浙商银行披露的私行相关数据看，招行私行规模位居榜首，私行客户总资产（下称：AUM）为3。65万亿元。
　　14家上市行私行客户数量差异较大，户均资产最高超2800万
　　来源：新浪金融研究院根据银行半年报整理
　　从上述已披露相关数据的14家上市行看，上半年，有5家上市行私行客户超过10万户，5家超过5万户，其他4家在1。03万户至4。11万户之间不等。
　　其中，上表中的4家国有大行客户数较多，均超过15万户。具体来看，工行21。6万户，农行19。1万户，建行19。05万户，中行15。5万户。此外，招行私行客户数为13万户。
　　另外，从户均资产情况看，招行私行户均资产为2805。43万元，位居14家银行榜首。
　　除此之外，平安银行私行户均资产超过2000万元，达2074。73万元，中行、浦发银行、华夏银行、浙商银行私行户均资产也均超过1500万元。
　　对于私人银行业务的利润贡献度，不仅要算‘小账’也要算‘大账’，私行业务更像是银行综合经营的一面窗口、一个聚焦点，通过私行的专业服务，与高净值客户保持紧密长久的关系，成为客户各项业务的主办银行。中行个人数字金融部私人银行中心总经理王亚在《金融新未来》表示。
　　13家上市行私行总规模超18万亿，仅两家私行增速超10
　　来源：新浪金融研究院根据银行半年报整理
　　上述上市行除私行客户数量存在差异外，私行规模也存在一定差异。从已披露私行客户总资产情况的13家上市行看，招行私行规模一骑绝尘，位列榜单首位，上半年规模达到3。65万亿元，较上年末增加7。48。此外，工行、中行、建行、农行私行规模超过2万亿元。
　　具体来看，截至今年6月底，工行私行规模达2。47万亿元，较上年末增加6。27；中行规模为2。33万亿元，较去年底增幅7。87；建行规模为2。18万亿元，较去年底增幅7。74；农行私行规模达2。06万亿元，较去年底增加2159亿元，增幅为11。69，居首位。
　　与此同时，平安银行私行规模达1。55万亿元，增幅为10。5；交行上半年规模为1。03万亿元，增幅3。69。
　　02hr银行业务发展
　　曾刚：零售业务将成银行数字化转型先导（文章来源：新浪网；作者：曾刚、上海金融与发展实验室主任）
　　【观识推荐】本文有几个值得注意的观点：零售金融已经成为未来金融发展的主要方向；数字化并非越先进越好；数字化场景建设中，银行的主导权减弱，需要加强与其他机构的合作。
　　从国家层面看，由于经济增长的模式和经济动能的转化，零售金融已经成为未来金融发展的主要方向。
　　在过去的一段时间，中国的经济结构发生了巨大的改变。从投资拉动为主的经济增长模式逐渐转换成以消费为主。自2014年开始，中国消费在GDP贡献中远远超过了投资，虽然疫情使得当下消费受到影响，但中长期看，这种趋势不会改变。
　　金融服务实体经济，而消费占主导的经济活动也带动了金融活动。经济活动的中心从企业活动行为转向个人行为，金融活动的主体需求从对公逐渐转化到零售。这不是以客观意志为转移的，而是发展趋势决定的。
　　从银行的角度来讲，银行进行零售银行数字化转型，是适应经济结构变化的必然选择。
　　早年零售业务发展并不需要数字化。如，招行在零售金融的成功经验中并没有明显的数字化痕迹，但一卡通模式的成功已经无法复制。当下，零售金融成功的核心则在于数字化。零售端的客户已经高度数字化，客户行为高度线上化，支付端也进入第三方支付，银行经营生态环境和场景的打造过程中，离开数字化的业务手段也是无法实现的。
　　但是，数字化需要契合客户需求，并非为了数字化而数字化。零售银行数字化的核心是以客户为中心，而其标准则是客户满意度是否提升，客户满意的目标是考核数字化是否成功的标志。
　　且值得注意的是，数字化并非越先进越好，也不应该拿同一个标准来衡量所有的银行。超出自身理解能力、组织能力或者投入能力的数字化是没有意义的。
　　从长远来看，零售业务仍然会是整个银行业创新，甚至银行业务数字化的先导，并带动整个银行业不断地纵深发展。展望未来，银行数字化转型有三个趋势需要行业关注。
　　第一，零售业务模式本身需要更进一步创新。当下数字化场景所包含的运营方式、蕴含的风险和传统方式逻辑不同。因此，银行不光需要在场景建设方面作出努力，还需要在中后台的管理理念，甚至风控上作出一整套相应调整。倘若中后端的发展跟不上业务端，那么前端的努力效果也是有限的。
　　第二，数字化场景建设中，银行的主导权减弱，并需要参与到与其他机构的合作中。合作过程当中如何进行把控，则需要银行自身的判断与尝试。此外，这个过程也需要容纳到现有的监管体系中，监管逻辑需要作出相应调整，而这个过程是渐进的，也是不可避免的。
　　第三，数字化转型只是一个先导，其将不可避免地渗透到其他业务领域，包括对公业务和金融市场。零售端场景构建当中的经验和逻辑应能够被总结，方法被抽象出来之后能够应用到产业端，助力产业数字化转型。但目前这一块的衔接还不够，值得更多探讨。
　　03hr心理学
　　Gartner：2022年人工智能四大创新，以数据为中心的AI成为焦点（摘译李秋娟赛博研究院实习研究员）
　　【观识推荐】以数据为中心的人工智能会颠覆传统的数据管理方式，其创新方式包括：合成数据、知识图谱、数据标记和注释。复合人工智能具有可观的商业潜力，有望在25年内被广泛使用。决策智能和边缘人工智能都有望在25年内被广泛使用。负责任的人工智能需要510年的时间才能成为主流。
　　Gartner首席分析师AfrazJaffri表示：人工智能创新有望带来巨大的、甚至变革性的收益应该特别关注预计将在25年内成为主流的创新类别，包括复合人工智能（compositeAI）、决策智能（decisionintelligence）和边缘人工智能（edgeAI）。尽早采用这些创新技术可以带来显著的竞争优势和商业价值，并缓解人工智能模型的脆弱性问题。据预测，2022年人工智能将在被应用于静态商业应用程序、设备和生产力工具的日常人工智能基础上更进一步。
　　人工智能创新的四大类别
　　Gartner人工智能创新技术成熟度曲线反映了以下四个概念互补的人工智能类别：
　　以数据为中心的人工智能（DatacentricAI）
　　以模型为中心的人工智能（ModelcentricAI）
　　以应用为中心的人工智能（ApplicationscentricAI）
　　以人为本的人工智能（HumancentricAI）
　　以数据为中心的人工智能：
　　人工智能领域此前专注于通过调整人工智能模型来提高人工智能解决方案的结果，但以数据为中心的人工智能重点已转移到增强和丰富用于训练算法的数据上。
　　以数据为中心的人工智能会颠覆传统的数据管理方式，投资人工智能的企业也将不断发展。企业在保留经典数据管理思想的同时，可以通过两种方式将数据治理思想扩展到人工智能领域：
　　针对不熟悉数据管理的人工智能受众，添加方便人工智能开发所需的功能；
　　使用AI改进和增强数据治理、数据的持久性、集成性和数据质量。
　　以数据为中心的人工智能的创新方式包括：合成数据、知识图谱、数据标记和注释。
　　合成数据是一种人工生成，而非从对现实世界的直接观察中可得的数据。生成合成数据可以采用不同的方法，例如从真实数据中进行严格的统计抽样、语义方法和生成对抗网络，或者通过创建模拟场景，在其中模型和过程相互作用，以创建全新的事件数据集。随着计算机视觉和自然语言应用程序的大规模使用，Gartner预测合成数据的采用率将大幅增加，因为合成数据具有以下优越性：
　　通过利用原始数据的合成变体或部分数据的合成替换，在训练机器学习（ML）模型时能够避免使用个人身份信息。
　　降低成本并节省机器学习开发时间，更便宜且快捷；
　　收集更多的训练数据以优化训练结果，提高机器学习性能。
　　以模型为中心的人工智能：
　　虽然人工智能正在向数据中心化转变，但仍然需要关注人工智能模型。以模型为中心的人工智能创新包括：基于物理的人工智能、复合人工智能、因果人工智能、生成人工智能、基础模型和深度学习。
　　复合人工智能可以通过融合不同的人工智能技术，提高学习效率、拓宽知识表达层次，并更有效地解决更广泛的业务问题。它能够跨行业开展业务，促成行业动态的重大转变。复合人工智能具有可观的商业潜力，有望在25年内被广泛使用。总的来说，其具有以下优越性：
　　利用AI技术为无法深度访问历史或标记数据，但拥有大量人类专业知识的组织群体赋能；
　　有助于扩大AI应用的范围和质量。
　　因果人工智能包括因果图和模拟等不同的技术，有助于揭示因果关系从而优化决策。虽然因果人工智能需要510年才能被广泛采用，但预计能够带来不菲的业务收益，因为它启用了新型横向或纵向流程执行方式，这将显著增加企业收入、节省企业成本。简言之，其优越性在于：
　　使用较小的数据集添加领域知识来引导因果AI模型的效率；赋予人工智能系统更大的决策权，增强自主性；捕获易于解释的因果关系，提高可解释性；利用在不断变化的环境中仍然有效的因果关系，提高稳健性和适应性；使因果联系更加明确，减少AI系统中的偏见。
　　以应用为中心的人工智能：
　　以应用为中心的人工智能创新包括人工智能工程、决策智能、操作人工智能系统、ModelOps、人工智能云服务、智能机器人、自然语言处理（NLP）、自动驾驶汽车、智能应用和计算机视觉。其中，决策智能和边缘人工智能都有望在25年内被广泛使用，具有巨大的商业潜力。
　　以人为本的人工智能：
　　以人为本的人工智能创新包括AI信任、风险和安全管理（TRiSM）、负责任的AI、数字伦理以及AI制造商和教学工具包。
　　当人工智能取代人类决策时，它会同时放大好的结果和坏的结果，因此有必要重视人工智能的人本性。负责任的人工智能，其含义是通过解决根植于交付价值与容忍风险之间的困境实现正确的结果。负责任的人工智能要求在利用人工智能时，应当依据以下因素做出适当的商业和道德选择：商业和社会价值、风险、信任、透明度、公平、减少偏见、可解释性、问责性、安全、隐私和监管合规。负责任的人工智能需要510年的时间才能成为主流，但最终将对商业转型产生巨大影响。
　　数字伦理正受到在越来越多的人的关注。数字伦理大约需要25年的普及时间，但同样具有巨大的商业影响。
　　Gartner预测，到2024年，将会有30的企业采用新的社会声音（voiceofsociety）指标来应对社会问题，并评估其对企业绩效的影响。Gartner认为，将数字伦理纳入其人工智能战略将势在必行，因为这对提高其在客户、员工、合作伙伴中的声誉，扩大社会影响力具有十分重要的作用。欧盟发布人工智能法规草案（来自C114通信网）
　　【观识推荐】人工智能厂商注意了！欧盟发布人工智能法规草案了，各位厂商要对照法规检查自己的产品。如，欧盟将不允许存在不可接受风险的AI系统。其中包括使用潜意识、操纵或剥削技术的人工智能系统；再如，远程生物特征识别系统也将被禁止，特别是在执法部门用于识别个人身份时。
　　欧盟已经发布了关于人工智能监管的立法草案，该草案将成为人工智能供应商和分销商在欧盟开拓市场的关键框架。
　　在立法中，欧盟将人工智能系统分为三个风险类别：不可接受的风险、高风险以及有限或最低风险。在大多数情况下，有限或最低风险类别的人工智能系统将能够像以前一样运行，欧盟立法专门处理可能危及欧盟公民安全或隐私的人工智能系统。
　　欧盟委员会主席乌苏拉格特鲁德冯德莱恩（UrsulaGertrudvonderLeyen）表示：人工智能对欧洲来说是一个绝佳的机会，公民应该得到他们可以信任的技术。今天，我们提出了值得信赖的AI的新规则。他们根据不同的风险水平制定了高标准。
　　风险最小或低的人工智能系统包括聊天机器人、垃圾邮件过滤器、视频和电脑游戏、库存管理系统，以及世界上已经部署的大多数其他非个人人工智能系统。
　　高风险人工智能系统包括大多数具有现实世界影响的人工智能，例如消费者信用评分、招聘和安全关键基础设施。虽然这些没有被禁止，但欧盟立法旨在确保对这些系统有更严格的要求和监督，同时对那些未能妥善保护数据的人处以更昂贵的罚款。
　　欧盟打算每年审查高风险清单，要么在其中添加新的人工智能系统，要么降级一些高风险但已在社会中正常化或风险因素与往年不同的人工智能系统。
　　在此AI法规通过后，欧盟将不允许存在不可接受风险的AI系统。其中包括使用潜意识、操纵或剥削技术的人工智能系统，这不是一个类别，而是对人工智能形式的普遍禁令，如有针对性的政治广告，或通过面部表情解释情感的人工智能。
　　根据人工智能法规，远程生物特征识别系统也将被禁止，特别是在执法部门用于识别个人身份时。
　　对于在欧盟内部运营或分发人工智能系统的组织或在经济集团内部开展业务的组织来说，这项立法是即将到来的第一个明确迹象。欧盟将需要12到24个月的时间就更详细的细节达成一致，但该立法不太可能与初稿相比有太大变化。
　　这使高风险人工智能系统类别的组织有很短的时间重新调整和雇用，以确保他们的人工智能程序在欧盟是可行的。需要额外的人工监督、透明度和风险管理，以确保AI系统通过检查，并且对不合规的处罚目前定为3000万欧元或全球收入的6，因此对于大型组织而言，成本可能会迫使如果他们不能重新装备他们的人工智能系统，他们就会退出欧盟。