大家好,今天小编带来「数据+图说」BAT区块链布局腾讯阿里步伐更大些百度垫底的问题，以下是小编对此问题的归纳整理，来看看吧。
「数据+图说」BAT区块链布局腾讯阿里步伐更大些百度垫底
2018年4月14日，浙大计算机学院和软件学院宣布将于今年秋季面向部分高年级本科生和研究生，设置一门名为《区块链与数字货币》的课程。据悉，这是国内首家开设此类课程的高校。而在国外，美国包括卡耐基梅隆大学、麻省理工学院在内的10多家高校，已经面向学生开设数字货币和区块链技术相关课程。
国内区块链政策一览
区块链在我国的发展可以追溯到2016年，工信部发布了《中国区块链技术和应用发展***-2016-》，之后，国务院和工信部先后发布了多项政策鼓励和规范区块链的发展。最近，工信部又出台了《2018年信息化和软件服务业标准化工作要点》，提到持续推进云计算和区块链等领域标准研制工作，意味着我国区块链规范性将进一步提高。
图表1：国家层面区块链政策汇总
资料来源：前瞻产业研究院前瞻经济学人app
而在地方层面上，截止目前，目前国内有北京、上海、广州、重庆、深圳、江苏、浙江、贵州、山东、贵州、江西、广西等多地发布政策指导信息，开展对区块链产业链布局。
图表2：地方区块链发展政策汇总（一）
资料来源：前瞻产业研究院整理前瞻经济学人APP
图表3：地方区块链发展政策汇总（二）
资料来源：前瞻产业研究院整理前瞻经济学人APP
国内区块链企业布局
区块链技术出现以来，多家上市公司都进行了区块链的布局，不过从目前的情况来看，大部分处于研究阶段，仅有易见股份、赢时胜、四方精创、浙大网新、海联金汇等几家公司推出了区块链产品，且大部分尚未形成收入。
图表4：国内上市公司区块链布局
资料来源：前瞻产业研究院整理前瞻经济学人APP
从BAT在区块链领域的布局来看，阿里巴巴和腾讯的步伐更大一些，涉及公益、食品安全、医疗、金融、物联网安全等多个领域，而百度目前在区块链领域的布局仅有3个。
图表5：BAT区块链布局
资料来源：前瞻产业研究院整理前瞻经济学人APP
国内外区块链应用场景
前瞻产业研究院发布的《2018-2023年中国供应链管理服务行业市场前瞻与商业模式分析报告》中，认为区块链技术的出现对于供应链管理行业的发展将产生积极的影响。除了供应链管理，基于技术本身，结合各方观点，前瞻产业研究院认为区块链未来在银行业、网络安全、预测领域、网络和物联网、保险业、共享经济、云储存、慈善业、投票、***管理、公益行业、医疗业、能源管理、在线音乐、零售业、房地产业等场景中具有广阔的应用前景。
图表6：区块链应用场景
资料来源：前瞻产业研究院整理前瞻经济学人APP
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500经济学家/资深行业研究员交流互动
区块链在未来有没有发展前景？
腾讯、阿里等一系列大公司都在分食、抢占区块链这块蛋糕。你说它有没有发展前景？当然有啊！下面是中国信息通信研究院对全球区块链的十大预测，希望对你有帮助！！
从目前市场媒体信息都能看得到区块链的信息已经占据各大媒体版图，风口浪尖不为过，恰当的比喻就是风口中。
区块链为什么会一下子火了，就要说起币圈来了，例如主流的某币，其实几年前已经出现但是因为单个价值方向并不为人认可，所以不值得进入公众视野，经过几年的暴涨之后，貌似一下子激活了，某些潜在的人***，就类似于购房，大家都是看不懂，有诱惑，到爆炸，再到激活贪婪的人性。然后信息一下子就爆发了。求知是大家想要的知道币是怎么产生的，是怎么造就了币。于是区块链这个名词就是这样被挖掘出来。
回到正题，币圈和区块链是有区别的，币仅仅只是区块链延伸出的产品，区块链是币的底层开发架构。区块链就是利用代码架构搭建起来一个类似于蜘蛛网一样的数据分布架构。每一环的信息都是储存节点，和以往不同的集中信息储存中心不一样，如果你想修改其中一个环节，其他存储信息节点不允许，你是修改不了其中的底层信息的，这种储存中心化的信息分布，理论上是安全性更高，信息流转性更好，好比房子一样，框架决定了房子的格局和***光的舒适度，代码架构搭建原理一样也很关键，区块链的架构具体能达到什么样程度的利用价值，目前并没有太多的参考信息，但是大企业都开始进行布局，就当前的币圈的火热来看，区块链的金融属性领域比其他领域更加有吸引力。
未来的区块链的发展前景肯定的，想要看懂区块链领域前景，还是需要更深入了解当前区块链领域大佬们在做什么文章，例如某投资大V们在利用区块链干什么去了，他们做的方向一定程度带动了这个领域发展的标杆。
还是奉劝某币有风险，且行且珍惜。
前景是很大的
区块链被称为下一代颠覆性的核心技术，有学者认为将重新定义世界。我国***也是很支持区块链技术的，它所有的代码都是透明的，每个个人信息都保存在单独的链上，相比现在个人信息的泄露，区块链的出现将有效的解决这个问题，其次区块链还有很多其他的应用，需要了解的私信！
现在公众对于区块链有误解主要是国家对于数字货币的管辖，数字货币的出现极大的威胁了法定货币，国家对于这种不可控的货币是不支持的！不过如果未来数字货币能够有效普及，这种去中心化的货币对于安全和成本相较于法定货币都是有过之而无不及的。
以上个人见解，对区块链，数字货币有兴趣的欢迎私聊讨论！
从目前情况看，各大互联网公司试水区块链应用功能相对简单，依旧处于初级阶段。而区块链真正的潜在应用空间（金融、政务、医疗等）还很巨大，尚需时日慢慢挖掘，短期内看尚不具备大规模落地条件。不过近期各大互联网公司在区块链技术上频频布局，对于区块链在我国的市场培育和推广起到了积极作用，特别在A股市场上，受到投资者强烈瞩目。招商证券认为，通过各大互联网公司的传导，区块链的受众面将逐渐从小众的玩家向普罗大众推广。
目前看趋势不错。
1.分布式账本提高 社会 效率。
2.某些行业可以降低中介存在的需要。
3.储存及运算性能发展可能会带来更多产业机会。
比特币就可以解决这些问题，比特币即BSV。
讲道理，前景好的很呢！你要说像比特币这种数字货币的话，我觉得现在前景已经不大，一是因为现在挖矿难度很大了，个人用户基本不太挖的到，而是因为波动性太大，水太深，投资基本都是亏得多赚的少，能赚到钱都是矿工和***。
但是区块链不一样，区块链是一种技术型，知识性的东西，它可以应用于很多方面，像购物交易，交通物流，金融 财经 ，保险等很多方面都可以应用，现在不是有很多银行都与互联网企业合作开发区块链。
所以说，区块链在未来应该会有很好的应用前景，主要这项技术本身有很多优越性，而且可应用的范围也很广。
区块链肯定有发展情景的啊！无论是在金融 财经 ，保险，购物交易很多领域都可以应用到区块链技术。而且由于区块链本身所具有的优越性，去中心化啊，非对称加密啊什么的是解决当前人们生产生活中信任问题的一个很好的方法。数字货币的未来前景可能不大，但区块链我觉得有巨大的发展空间。
前瞻认为，中国区块链市场将保持高速增长，2021-2026年市场规模年复合增速达73%，2026年的市场规模将达163.68亿美元，且在未来20年，中国区块链行业市场规模有望达万亿级别。
中国区块链行业市场发展迅速
2017-2020年，大型IT互联网企业纷纷布局区块链，初创企业进入井喷模式，产业规模不断扩大，根据IDC的数据，中国区块链行业经历了从2017年的0.85亿美元级别市场规模，到2020年的5.61亿美元级别产业规模的改变。
在企业数量方面，2020H1我国提供区块链专业技术支持、产品、解决方案等服务，且有投入或产出的新增区块链企业数量达303家，同比增长274.07%。
中国区块链专利数在全球范围占比大，产业聚集效应初显
从全球竞争格局来看，我国在区块链行业竞争优势较为明显。从专利数量上看，根据全球权威知识产权第三方机构IPRdaily联合incoPat创新指数研究中心发布《2020上半年全球企业区块链发明专利排行榜》的数据，TOP 100名企业主要来自14个国家和地区，中国占比46%，其次为美国占比25%。
区块链产业园区作为区块链产业集***展的重要载体，各地方***正在加快推进建设。从产业园的位置分布来看，北京、上海、杭州、广州、重庆、青岛、长沙等城市区块链产业园区数量较多，形成以北京、山东为主的环渤海聚集效应，以浙江、上海、江苏为主的长江三角洲聚集效应，以广东为主的珠江三角洲聚集效应和以重庆、湖南为主的湘黔渝聚集效应。未来，中国区块链行业有望依托聚集效应加速发展。
区块链金融领域应用最为广泛
我国区块链产业应用主要分布在金融，供应链，溯源和硬件，占比近65%。根据《区块链蓝皮书：中国区块链发展报告(2019)》的披露，全国区块链企业近28000家。其中投入生产环节的区块链企业约1000家，占比仅3.6%，主要集中在北京、上海、广东、浙江等东部发达地区。
未来区块链行业市场容量有望达万亿级别
区块链技术是中国新一代信息技术自主创新突破的重点方向，蕴含着巨大的创新空间，在芯片、大数据、云计算等领域，创新活动日趋活跃，创新要素不断积聚。区块链技术在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。
中国以加快转变经济发展方式为主线，更加注重经济质量和人民生活水平的提高，***用包括区块链技术在内的新一代信息技术改造升级传统产业，提升传统产业的发展质量和效益，提高 社会 管理、公共服务和家居生活智能化水平。
未来巨大的市场需求将为区块链技术带来难得的发展机遇和广阔的发展空间。研究员整理分析认为，中国区块链市场将保持高速增长，2021-2026年市场规模年复合增速达73%，2026年的市场规模将达163.68亿美元，且在未来20年，中国区块链行业市场规模有望达万亿级别。
—— 更多数据来请参考前瞻产业研究院 《中国区块链行业市场前瞻与投资战略规划分析报告》
目前国家也是大力支持发展区块链技术的，希望应用到各个领域中去，所以现在一些大型的公司，如腾讯、阿里、网易、百度都参与进来，目前尚处于发展期，未来可以期待
区块链经济不能简单的理解为就是各种虚拟币、区块链的本质是解决信息的真实与保密及不可篡改问题、（每个参与的人都是信息的记录者、每个人又只是整个信息链的一环）它较有效地解决了私密及诚信的问题、因此它运用的场景与前景广阔、大有可为。（但不应该成为骗子的天堂）
五大赛道、八位专家，银行局中人眼里的AI江湖
谁说大象不能跳舞？
2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。
踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。
在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。
没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 「银行业AI生态云峰会」 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。
数据安全与隐私保护
银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。
在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？
雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”
平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”
一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额***的样本远远不够。”杨强解释。
小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。
虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。
数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开***工具？
在「银行业AI生态云峰会」第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：
在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。
而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。
联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。
AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化***经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。
银行数据库
以“数据”为线，银行前中后台的升级轨迹清晰可见。
如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。
这当中的一个重要模块，就是 银行数据库 的改造升级。
我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的***购首选。
由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）
但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；***购数据库的来源单一也让银行陷入非常被动的处境。
而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。
腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。
中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。
这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行***的核心系统也完成切换投产，新核心系统同样***用了国产数据库。
在「银行业AI生态云峰会」上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。
以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。
但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。
中台建设
“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。
银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。
在看来，银行拥有大量的数据、技术和人才，***却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行***的大量浪费。
中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。
建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。
尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。
因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。
为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。
如何构建金融机构需要的数据中台？
在「银行业AI生态云峰会」上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：
金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。
他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。
基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。
张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。
银行信贷智能风控
而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。
关注度一方面来自于，受疫情影响而剧增的***逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）
而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网***管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。
尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据***壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。
某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的***（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。
前百度金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。
王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。
“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：
他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”
数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。
从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。
在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。
RPA与内部流程优化
还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。
RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。
如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。
达观数据联合创始人纪传俊 在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。
AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。
以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。
建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。
农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以***业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。
中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。
纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：
例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量[_a***_]劳动，可以基于AI、OCR、NLP等技术自动化完成。
后缀：「数据+图说」BAT区块链布局，腾讯阿里步伐更大些，百度垫底