RWA概念与定义 - RWA指将现实世界中的实体资产通过区块链技术进行数字化映射和上链，形成可数字化表示、融资和交易的新型资产形式，涵盖房地产、基础设施、收益权、艺术品、贵金属、大宗商品、知识产权、股票、债券、基金等有形或无形资产[4] - RWA通过链接实体资产与数字资产，为实体经济数字化转型和金融服务创新提供新途径，实现更透明、更高效、更安全的资产管理和交易[4] - RWA能提升数实融合水平，是数字金融的创新路径，可赋能科技金融、绿色金融、普惠金融，提升金融服务实体经济的质效[4] RWA优势分析 - 确保资产可信透明：通过区块链和智能合约技术实现资产数字孪生，实时记录并反映资产运营和收益情况，做到权属、存续状态及运营数据可信透明、可追溯、难以篡改，显著提升产业资产配置效率[7] - 提高资产流动性：以通证为载体的数字资产能在全球范围内快速便捷交易流转，突破地域、时间、交易流程限制，通证无限可分性避免优质资产流动性危机，提高变现效率[7] - 降低交易成本：减少中介环节，实现自动化交易流程，降低交易成本，通证可对接更广泛全球投资者，降低对特定区域资金来源依赖，提高融资效率[7] - 增强风险管控能力：借助区块链可信性、可追溯性实时记录资产交易流转信息，为风险评估提供更准确全面数据支持，智能合约动态监控资产并自动执行风控措施[8] RWA劣势分析 - 法律法规不完善：资产数字化和通证化过程涉及所有权、发行规则、交易规则、跨境监管缺乏明确法律规定，易引发法律纠纷，通证经济早期发展阶段法律关系变革尚不明确[9] - 存在技术安全风险：依赖区块链和智能合约技术，网络攻击可能导致区块链网络瘫痪或数据篡改，智能合约漏洞可能被利用导致数字资产被盗或协议破坏[9] - 准确估值难度大：现实世界资产种类繁多缺乏统一标准化估值方法，估值须引入外部数据源，数据不准确或更新不及时可能导致估值偏差影响定价和投资决策[9] - 市场认知度仍较低：创新数字金融模式在金融市场中认知度和接受度较低，导致市场深度不足、交易活跃度不高，限制通证市场规模扩大和价值实现[9] RWA发展历程与监管实践 - RWA最早起源于2017年Polymath和Harbor项目将证券代币化的探索，2023年中国香港特区政府成功发售8亿港元代币化债券，2024年香港金融管理局推出Ensemble项目促进代币化应用[10] - 中国香港对虚拟资产交易平台执行"双牌照"制度，"证券型代币"适用于《证券及期货条例》监管，"非证券型代币"适用于《打击洗钱条例》监管，为跨境交易提供安全保障[10] - 2024年中国内地两项新能源资产和一项农业资产分别在香港和上海通过RWA模式尝试配置全球资源，Web3.0开始赋能实体企业[10] 新能源行业RWA应用案例 - 朗新集团和协鑫能科在香港金管局Ensemble项目沙盒支持下分别发行充电桩和光伏电站RWA证券类通证，将有形资产或无形资产所有权或收益权数字化上链[11] - RWA通证赋能科技金融，将新能源实体资产活化为数字资产融合上链，通过区块链实现资产运营信息数字化、实时化、透明化和可信化，提高资产管理效率并降低道德风险和中介背书成本[11] - RWA通证赋能普惠金融，使更多中小投资者参与新能源行业发展，发行和交易不受地域限制，吸引全球投资者增强跨境融资能力，为新能源企业开辟境外绿色金融新模式[11] - 两家公司采取境外发行模式，通过在监管相对宽松的中国香港设立子公司或特殊目的实体进行发行，须严格遵守当地证券法、反洗钱法等法律法规，同时关注中国对外投资、外汇管理等相关规定[12] 农业领域RWA创新模式 - 马陆葡萄RWA项目结合农业数据要素探索创新融资，未发行代币而是形成在上海数据交易所可交易的农产品数据资产类RWA，因中国境内直接发行和交易代币形式的RWA缺乏明确法律依据[13] - 项目公司左岸芯慧资产包括马陆葡萄销售权及附着在实体资产之上的生产经营数据资产，数据通过浦江数链平台上链确保可信、可追溯、难以篡改，实时披露生产经营情况[13][15] - 左岸芯慧股份登记托管在上海股权托管交易中心可交易流通并存证于股易链平台，根据马陆葡萄销售权及RWA数据资产价值确定公司估值，实现1000万元股权融资[15]

文章核心观点 - 中国建设银行上海自贸试验区新片区分行作为临港新片区首家银行机构 通过金融创新服务国家战略 在科技金融 绿色金融 数字金融和人才服务等领域取得突破性进展 支持区域产业升级和高质量发展 [1][9] 科技金融 - 高新技术企业数量从2019年254家增长至2025年5月1596家 增幅达528% 专精特新企业从26家增长至621家 增幅达2288% [2] - 创新推出"双创贷"集群服务方案 针对兼具文创与科创属性的企业提供融资支持 并配套政府文创贴息政策 贴息幅度达市场基准利率LPR的50% [2] - 为星逻人工智能技术公司提供纯信用流动资金贷款 并通过文创贴息降低融资成本 [2] - 落地建行上海市分行首单股票回购增持贷款业务 缓解生物医药领域上市公司资金压力 [3] - 组建集成电路产业金融服务团队 建立前中后台高效联动机制 打造覆盖全产业链的金融服务体系 [3] 绿色金融 - 为艾郎科技子公司张北艾郎可再生能源公司50MW风电项目提供定制化融资方案 解决项目前期投入大 回报周期长的资金压力 [6] - 2024年6月完成首笔大额信贷资金投放 项目建成后预计年减排二氧化碳显著 促进当地能源结构清洁化转型 [7] 人才服务 - 启动联名卡人才服务项目 覆盖政务服务 交通出行 医疗教育 文旅消费 安居保障和金融服务等权益 [4] - 通过G端链接对接优质企业和高精尖人才 提供企业端账户结算 代发工资 现金管理 跨境收付 信贷融通 股权投资等服务 以及个人端借记卡 高端信用卡 财富管理 建e贷 购车分期 购房金融等综合金融服务 [5] 数字金融 - 通过数字化平台"悦生活"为自然资源部东海局保障中心实现党费线上收缴 服务对象覆盖300余名员工 并完成工会缴费系统数字化改造 [8] - 落地上海市首个财政贴息资金数字人民币发放场景 实现财政账户付款资金批量直达企业数币钱包 [9] - 与"走出去平台"建立值班模式 与"跨境通平台"建立网银直联模式 提升跨境交易效率 [9] 区域发展规划 - 临港新片区目标到2035年建成1万亿级经济体 重点领域产业竞争力达到世界领先水平 [9] - 建行上海新片区分行将持续以金融创新支持临港新片区建设上海"五个中心"重要引擎 [9]

A股市场表现 - 市场全天探底回升，沪指涨1 04%至3766 21点，深成指涨0 89%至11926 74点，科创50指数均创年内新高 [2] - 沪深两市成交额2 41万亿元，连续6个交易日超2万亿，较上个交易日缩量1801亿元 [2] - 全市场超3600只个股上涨，芯片股午后爆发，白酒等消费股反弹，消费电子活跃，影视、化学制药等板块跌幅居前 [2] - 主力资金净流入前五大行业：半导体(51 56亿)、光学光电子(28 25亿)、酿酒行业(20 29亿) [15] 隔夜外盘动态 - 美股三大股指涨跌不一：道指涨0 04%至44938 31点，标普500跌0 24%至6395 78点，纳指跌0 67%至21172 86点 [4] - 欧洲股市分化：英国富时100涨1 08%至9288 14点，德国DAX跌0 60%至24276 97点 [4] - 国际油价上涨：WTI原油涨1 38%至63 21美元/桶，布伦特原油涨1 60%至66 84美元/桶 [4][5] 政策与行业动态 - 两部门明确育儿补贴免征个人所得税，2025年1月1日起施行 [7] - 金融监管总局拟规定控制型并购贷款比例不超70%，权益资金占比不低于30% [8] - 广州出台商转公贷款指引，要求原商贷放款满3年、公积金缴存满60个月等条件 [9] - 重庆加强数字金融支持，重点投向未来工厂、智能工厂及工业互联网项目 [10] 行业数据与机构观点 - 乘联会数据显示8月前17日乘用车零售86 6万辆同比增2%，新能源零售50 2万辆渗透率达58% [11] - 风电产业链受益海风建设提速，工程机械海外市场成重要发力点，白酒板块估值修复机会显现 [13] - 半导体、通信设备等科技板块获机构看好，新能源车渗透率持续提升 [13] 公司公告与资金流向 - 牧原股份上半年净利润同比增1170%，伟测科技净利增831% [14] - 个股资金流向：浪潮信息(21 21亿)、中兴通讯(14 67亿)获主力大幅流入，四川长虹(-15 36亿)遭抛售 [16]

文章核心观点 - 数字金融是金融新基建 以数据要素为核心驱动金融业态升级 为普惠金融 绿色金融 科技金融 养老金融提供基础设施支撑 [4][5] - 数字化转型需通过夯实数据底座等基础工作推动创新自然生长 而非简单技术叠加 [1][13] - 银行应平衡审慎经营与技术创新 在AI治理中兼顾监管与创新 通过技术与管理并重推动健康发展 [6][14][15] 数字金融内涵与定位 - 数字金融是金融科技的高阶发展阶段 以数据为核心生产要素 目前行业从概念探讨转向具体落地 [4][5] - 数字银行核心是科技和数据 尤其数据资产积累是长期核心工作 [6][7] - 数字金融定位为主攻数字金融和普惠金融 服务长尾客户 在客群 科技 产品上形成差异化 追求小而美而非宏大规模 [6][7] 组织架构与实施路径 - 发展数字金融需战略牵引组织架构适配 公司构建双专委会架构 数字金融推进委员会由行长统筹全局 人工智能创新应用专委会聚焦技术创新与应用落地 [5] - 信息技术部和大数据部搭建数据中台 科技中台和AI中台实现资源集约化 按业务领域划分敏捷支持前线业务 考核绑定保障目标一致 [6] - 注重自上而下顶层设计与自下而上创新结合 设立创新基金鼓励程序员贡献 同时关注AI应用导致业务科技数据部门边界模糊 需重新划定组织架构和责任边界 [6] AI大模型应用与成效 - 基础大模型在金融业应用需等待细分领域适配版本 取决于训练数据 当前在标准化程度高 处理大量文本场景中已能降本增效 [9] - 反洗钱工作应用大模型后 从人工每天处理3000多份文件变为系统几分钟完成 效率准确率远超人工 [9] - 代码助手学习优秀程序员编码逻辑与风格 当代码采纳率足够高时可提升开发效率 风控智能体在完成效率和KS值提升方面已略胜算法工程师 [10] 客户服务交互演进 - 通过大模型推动服务模式从被动响应向主动感知升级 交互方式发生变革 [10][11] - 客户交互经历三阶段演进 从1.0版本客户自行寻找 2.0版本千人千面智能推荐 到3.0版本一句话银行实现精准需求识别和服务推送 [11] - 一句话银行模式中客户只需说一句话 系统就能识别需求调用服务完成操作 例如智能客服通过意图识别参数提取把握需求 小程序实现服务卡片化 语音交互直接发送存款证明到邮箱 [11] 数据基础与创新关系 - 数据工作是苦活累活 需在用户生命周期每个节点记录动作并标签化资产化 行业常未能完全做好 [13] - AI应用如树苗 底层数据土壤打牢后创新自然生长 工作重点应是筑牢根基做好数据收集整理归集应用 而非急于在枝叶做文章 [13] AI治理与风险管理 - AI治理需平衡监管与创新 兼顾技术与管理 企业自身要从制度和技术手段建立安全围栏设置边界责任 不超越范围使用 [14] - 基础模型采用备案制适合行业发展 治理区分基础模型和行业应用针对性措施 为创新留出空间 [14] - 管理手段关键 可设立AI伦理专委会或通过协会组织建立行业规范 以自律弥补监管在道德与法律模糊地带的空白 [15]

金融监管政策 - 控制型并购贷款占并购交易价款比例上限为70% 权益性资金比例下限为30% [1] - 参股型并购贷款占并购交易价款比例上限为60% 权益性资金比例下限为40% [1] - 控制型并购贷款期限原则上不超过十年 参股型并购贷款期限原则上不超过七年 [1] - 并购方与目标企业需具备较高产业相关度或战略协同性 需符合国家产业政策及反垄断要求 [5] - 并购贷款可用于置换并购方先期支付的并购价款 置换时间间隔不得超过一年 [9] 区域金融发展 - 重庆市将加强对未来工厂和智能工厂项目的融资支持 推进数字金融系统迭代与数字化转型 [2] - 重庆市推动科技领域优质企业融资上市与并购重组 鼓励私募基金投早投小投硬科技 [4] - 上海浦东计划培育400家出海先锋企业与100家出海企业总部 建设国际商务合作区 [6] - 郑州商品交易所正逐步成为全球重要期货交易中心与定价中心 市场规模稳步提升 [8] 科技与产业趋势 - 全球可折叠OLED屏幕出货量预计从2024年2310万台增长至2032年1.246亿台 市场份额达8.6% [3] - 折叠手机出货量将在2024-2032年间暴涨五倍 2025年为后续市场爆发奠定基础 [3] - 摩根士丹利指出英伟达、微软、苹果、亚马逊为超大型科技股中最被低配标的 [10] 公共卫生政策 - 广西计划在2025-2027年为96万名13-14周岁在校女生免费接种国产双价HPV疫苗 [7]

数字金融内涵与定位 - 数字金融是当前时代的金融新基建，为普惠金融、绿色金融、科技金融、养老金融等关键领域提供基础设施支撑，本质上是金融科技的高阶发展阶段 [2] - 数字金融以数据为核心生产要素驱动金融业态升级，行业已从概念探讨转向具体落地 [2] - 数字化转型并非简单的技术叠加，而是通过夯实数据底座让创新自然生长 [1] 组织架构与战略实施 - 公司构建双专委会组织架构，包括由行长担任主任的数字金融推进委员会统筹全局规划，以及在信息技术委员会下设立人工智能创新应用专委会聚焦技术创新 [2] - 执行层面由信息技术部和大数据部承接，负责搭建数据中台、科技中台和AI中台实现资源集约化，并按照业务领域划分敏捷支持前线业务 [3] - 组织注重平衡自上而下顶层设计与自下而上创新空间，设立创新基金鼓励科技创新贡献 [3] 公司差异化战略 - 公司定位清晰主攻数字金融和普惠金融，目标做到小而美，不追求宏大规模而在客群、科技、产品上形成差异化 [4] - 客群上服务长尾客户，科技上发挥数字银行优势，产品上注重提升客户体验，在细分领域做精做专 [4] - 作为国有背景数字银行坚持"以义取利，不唯利是图"的价值观，在业务开展中保持克制审慎经营 [3] 数据治理与基础建设 - 数据要素是数字金融的根基，公司近年花费大量心思进行数据治理，将数据资产和知识库积累视为核心长期工作 [4] - 在AI时代可借鉴科技公司让数据中台强大运转，如同工业时代的内燃机为业务持续注入动力 [4] - 数据工作是苦活累活，需要在用户生命周期每个节点做好记录、标签化和资产化，筑牢数据根基后创新自然会生长出来 [9] 大模型应用与成效 - 大模型在标准化程度高、需处理大量文本的场景中已发挥降本增效作用，尤其关注AI Agent多智能体协同已到拐点 [5] - 反洗钱工作应用大模型后，从过去人工一天处理3000多份文件变为系统几分钟内完成，效率准确率远超人工 [5] - 代码助手应用可学习优秀程序员编码逻辑培养数字员工，当代码采纳率足够高时可有效提升开发效率 [6] 客户服务交互演进 - 公司通过大模型推动服务模式从被动响应向主动感知升级，交互方式发生变革 [7] - 客户交互经历三个阶段演进：从1.0版本客户自行寻找产品，到2.0版本千人千面智能推荐，现正向3.0版本一句话银行迈进 [7] - 一句话银行模式下客户只需说一句话，系统就能识别需求调用服务完成操作，无需繁琐菜单查找 [7] AI治理与风险管理 - AI治理需要平衡监管与创新，兼顾技术与管理，企业需从制度和技术手段建立安全围栏设置边界责任 [10] - 基础模型采用备案制适合行业发展，治理上区分基础模型和行业应用可针对性采取措施 [10] - 管理手段关键，可考虑设立AI伦理专委会或通过协会组织建立行业规范，以自律弥补监管空白 [10]

行业认证与标准 - 中国电子信息行业联合会公布最新一批通过国家数据管理能力成熟度（DCMM）认证名单，上海东证期货有限公司获评数据管理能力成熟度甲方稳健级（三级）认证 [1] - 业内已有两家期货公司通过DCMM贯标评估，另一家为国泰君安期货有限公司 [1] - DCMM是我国数据管理领域的首个国家标准，涵盖数据战略、治理、架构、应用、安全、质量、标准、生存周期8大能力域和28个过程域 [1] - 2024年11月，七部门联合印发《推动数字金融高质量发展行动方案》，明确提出指导金融机构健全数据治理体系，完善数据治理制度和数据质量管控机制，积极参加数据管理国家标准（DCMM）贯标评估 [1] 公司发展与战略 - 获评公司表示参与DCMM贯标评估是对自身数据管理能力的客观审视，也是对国家数字金融战略的积极响应 [2] - 公司将持续深化金融科技创新，优化数字化基础设施，提升数据管理效能，充分释放数据要素价值 [2] - 通过融合人工智能与数据应用，赋能业务创新与场景升级，助力培育新质生产力，推动数字化建设高质量发展 [2]

活动背景与目标 - 2025年是十四五规划收官之年和十五五规划奠基之年 金融强国目标推动金融机构落实五篇大文章[2] - 国办要求到2027年金融五篇大文章发展取得显著成效 银行业作为金融体系核心持续被重点关注[2] - 活动旨在通过AI技术变革服务实体经济 以金融提质增效助力经济高质量发展[3] 活动内容与形式 - 发布中国银行业排行榜200强及创新发展优秀案例 洞悉行业趋势与最佳实践[5] - 汇聚政策监管层 资深银行家及学者 探讨银行领域紧迫前沿的国内外热点话题[6] - 深入研讨科技金融 绿色金融 普惠金融 养老金融 数字金融五大领域服务国家战略的方法论[7] - 邀请技术专家分享AI在银行风控 营销 运营 产品创新等核心场景的应用与挑战[8] - 搭建银行与生态圈产业机构交流平台 促进跨界合作与协同创新[9] 会议议程 - 09:05-09:55进行银行经营逻辑与实践探索主旨发言 09:55发布银行业200强研究报告[14] - 10:10-10:55开展AI时代银行经营管理高端对话 10:55-11:40举办银行数智化发展主题论坛[14] - 11:40进行银行业创新案例颁奖 会议于12:00结束[14] 组织架构 - 清华大学五道口金融学院《清华金融评论》编辑部主办 北京清控金媒文化科技有限公司承办[10] - 会议于2025年8月28日在北京举办 报名截止时间为8月26日12:00[13]

核心观点 - 数字金融作为技术底座和创新引擎重塑保险业核心竞争力 公司AI驱动的智能投资产品以近一年73.82%的收益率在全市场领跑 成为数字金融赋能实体的范本 [1] 战略布局 - 2023年率先启动"AI+投资"战略 前瞻布局AI赋能投资机遇 [3] - 制定三年规划 明确"不做成本中心"定位 追求投入产出动态平衡 [7] - 产品管理费收入已覆盖前期投入 形成良性循环 为技术创新提供可持续动能 [7] 技术优势 - AI通过"数据输入-模型训练-结果输出"流程高效整合多源异构数据 精准识别市场模式并挖掘指标关联 [3] - 将人类分析师需要1周的工作时长缩短至1晚完成 [3] - 借助大语言模型实现研报、舆情等语料的快速解析 帮助主观投资团队高频捕捉市场情绪和行业热点 [8] 业务成果 - 2023年底实现产品实盘落地 进入"技术验证-迭代优化"关键阶段 [5] - 截至2025年8月11日 "智能优选"近一年收益率73.82% 在全市场1267只保险资管产品中排名第二 [5] - 通过重构模型架构和优化迭代逻辑 快速修复产品初期净值波动 [5] 应用拓展 - 尝试将投资流程拆解为多节点 各节点植入AI智能体 提升投资科学性和准确性 [8] - 拓展研究广度并提升研究效率 实现研究资源的高效分配 [8] - AI投资虽为"星星之火" 但已展现数字金融创新力量的燎原之势 [10] 行业影响 - 为资管行业数字化转型提供可复制的"新华方案" [10] - 增强金融服务实体经济能力 为做强做优数字经济贡献力量 [10] - AI让投资回归本质 在数据与逻辑交织中发现更确定的未来 [10]

行业会议与奖项 - 中国计算机学会主办2025中国数字金融大会在上海举行 汇聚300余位国内外专家学者共议数字金融前沿议题 [1] - 公司三项案例获大会数字金融产业应用及探索创新优秀案例 展现金融大模型领域领先优势与创新应用能力 [1] 金融智能服务平台 - 基于多模态大模型技术研发AI金融智能服务平台 创新开发产品推荐模型 智能加微模型和推荐效果自动评估模型 [1] - 项目显著提升客户保险需求捕捉精准度及推荐成功转化率 赋能业务效果突出 [1] 汽车金融风控系统 - 引入大模型风控系统 隐私计算及全面数据源整合技术 实现汽车金融风控体系智能化数字化升级 [2] - 系统全年拦截高欺诈风险案件数万件 识别百余家黑中介 进件自动化率升至97.23% 风控审批时效缩至3分钟 [2] - 智能风控系统助力业务减损提效增量 推动行业风控水平提升 [2] 智能资料审核解决方案 - 集成OCR NLP大模型等AI技术 支持180+类型金融文档识别 常用字段准确率超95% [3] - 大模型实现关键信息提取与结构化处理 审核效率提升60%以上 大幅降低人工投入 [3] - 方案已应用于外资银行跨境贸易融资及非金机构合同管理 加速贸易融资与普惠贷款业务办理 [3] 科技风控与保险创新 - 科技风控+保险模式以生态化数智化一体化为核心 重塑保险全价值链风险管理 [4] - 新产品定价效率提升数倍 大灾管理平台实现巨灾赔付低于同业50% 年均打击欺诈团伙超千个 [4] - 年增量减损超18亿元 投资风险预警累计减损超21亿元 实现从事后补偿向事前风险管理转型 [4] 技术发展战略 - 公司将持续提升AI技术研发与应用水平 推动自研大模型与大数据开源平台深度融合 [4] - 加快建设数字化经营 运营 管理 营销 服务五大体系 深化综合金融与医疗养老双轮并行战略 [4]