核心观点 行业新闻与监管动态 重点包括：1）央行、银保监会发布《系统重要性银行评估办法》；2）央行公布2020年11月金融数据；3）全国第二家独立法人直销银行拿到牌照“路条”。 市场表现 报告期内（2020/11/30-2020/12/13），银行板块整体下跌。其中，银行（申万）下跌4.76%，跑输沪深300指数2.93%。截至2020/12/11，银行板块PB（整体法、最新）为0.64倍，其中国有行、股份制、城商行、农商行PB估值分别为0.58倍、0.73倍、0.78倍、0.79倍，其中各类银行的估值水平较上期均有所回落。 报告期内（2020/11/30-2020/12/13），银行转债整体下跌。其中，浦发转债（-0.68%）、无锡转债（-0.70%）、苏农转债（-0.75%）、苏银转债（-0.88%）、中信转债（-0.97%）、江银转债（-1.28%）、张行转债（-3.41%）、光大转债（-3.74%）。转股溢价率方面，除江银转债外，现存银行转债的转股溢价率较上期有所上升。 同业存单 报告期内，同业存单总发行量及净融资额均有所上升。同业存单总发行量为12,781.30亿元，较上期增加5,496.60亿元；净融资额为3,940.60亿元，较上期增加5,723.70亿元。分评级来看，AAA级发行总额占比为89.2%；AA+级发行总额占比为9.1%；AA级发行总额占比为1.4%。 就同业存单发行主体结构而言，报告期内，不同类型银行的实际发行额均有所上升。发行利率方面，国有行和股份制的同业存单发行利率较上周有所上升，城商行和农商行的同业存单发行利率较上周有所下降。 就同业存单发行期限结构而言，报告期内，除1M和9M同业存单外，其他期限同业存单实际发行额均较上期有所上升。发行利率方面，除1M同业存单外，其他期限的存单发行利率均较上周有所下降。 银行理财 报告期内，3-6个月期限理财产品发行数量最多，其次是1-3个月期限产品，然后是6-12个月期限产品，其他期限理财产品数量则较少。预期年收益率方面，不同期限理财产品的预期年收益率有所分化。目前1周、1个月、3个月、6个月、1年期限理财产品预期年收益率分别为2.92%、3.70%、3.81%、3.70%、3.79%。 风险提示 权益市场走低的潜在可能性；监管政策发生不利变化。 报告正文 1、行业新闻 1.央行、银保监会发布《系统重要性银行评估办法》：1）明确了我国系统重要性银行的评估方法、评估范围、评估流程和工作分工，从规模、关联度、可替代性和复杂性四个维度确立了我国系统重要性银行的评估指标体系。 2）完善我国系统重要性银行监管框架将有效防范“大而不能倒”风险。历史经验表明，系统重要性金融机构可能会利用其市场影响力、大而不倒的优势过度承担风险。在此背景下，必须依靠外部监管进行补充，前瞻性地防范“大而不能倒”风险。 2.央行、外汇局调整跨境融资宏观审慎调节参数：央行12月11日表示，为进一步完善全口径跨境融资宏观审慎管理，引导金融机构市场化调节外汇资产负债结构，中国人民银行、国家外汇管理局决定将金融机构的跨境融资宏观审慎调节参数从1.25下调至1。金融机构应树立“风险中性”理念，更好地服务经济社会发展。 3.央行公布2020年11月金融数据：1）新增人民币贷款14300亿元，市场预期13600亿元，前值6898亿元。 2）社会融资规模21300亿元，市场预期19800亿元，前值14173亿元。 3）M2同比10.7%，市场预期10.6%，前值10.5%；M1同比10.0%，前值9.1%。 4.全国第二家独立法人直销银行拿到牌照“路条”：银保监会批复同意招行筹建招商拓扑银行，招行与网银商务入股比例分别为70%、30%。筹建工作完成后，该公司将按照有关规定和程序向银保监会提出开业申请。 5.前中国银监会副主席蔡鄂生在第五届智能金融国际论坛暨2020金融界领航年度盛典表示：创新在未来发展中是一个核心地位，也是新发展理念第一条。金融科技核心还是人工智能和区块链。金融发展不仅要提升服务水平，更要解决安全问题，防范风险。 2、监管动态 1.央行武汉分行发布《关于进一步做好个人金融服务的意见》：要求各金融机构要严格遵守监管规定，不得在办理按揭贷款、消费贷款等个贷业务时，捆绑搭售保险、基金等金融产品，不得以贷收费或以任何形式转嫁成本。 3、市场表现 报告期内（2020/11/30-2020/12/13），银行板块整体下跌。其中，银行（申万）下跌4.76%，跑输沪深300指数2.93%。上市银行中涨跌幅前五分别为青岛银行(行情002948,诊股)（14.57%）、青农商行(行情002958,诊股)（6.76%）、西安银行(行情600928,诊股)（3.89%）、郑州银行(行情002936,诊股)（1.33%）、江阴银行(行情002807,诊股)（0.24%）；涨跌幅后五分别是宁波银行(行情002142,诊股)（-6.13%）、招商银行(行情600036,诊股)（-6.91%）、常熟银行(行情601128,诊股)（-7.30%）、建设银行(行情601939,诊股)（-7.68%）、光大银行(行情601818,诊股)（-10.44%）。 截至2020/12/11，银行板块PB（整体法、最新）为0.64倍，其中国有行、股份制、城商行、农商行PB估值分别为0.58倍、0.73倍、0.78倍、0.79倍，其中各类银行的估值水平较上期均有所回落。 报告期内（2020/11/30-2020/12/13），银行转债整体下跌。其中，浦发转债（-0.68%）、无锡转债（-0.70%）、苏农转债（-0.75%）、苏银转债（-0.88%）、中信转债（-0.97%）、江银转债（-1.28%）、张行转债（-3.41%）、光大转债（-3.74%）。 转股溢价率方面，除江银转债外，现存银行转债的转股溢价率较上期有所上升。截至2020/12/11，各银行转债转股溢价率、YTM分别为：张行转债（14.92%、-1.88%）、光大转债（14.68%、-5.54%）、苏农转债（23.10%、1.21%）、中信转债（43.33%、2.88%）、无锡转债（16.16%、-2.28%）、苏银转债（35.88%、1.79%）、江银转债（16.36%、-0.16%）、浦发转债（51.44%、3.11%）。 4、行业数据跟踪 4.1 同业市场 报告期内（2020/11/30-2020/12/13），隔夜资金利率有所上行。截至2020年12月11日，1天/7天/1个月/3个月银行间质押式回购加权利率，较11月13日分别变动60.45BP、-23.95BP、41.64BP、-36.73BP；隔夜/1周/1个月/3个月/6个月SHIBOR，较11月27日分别变动59.50 BP、-15.80BP、-2.20BP、-12.00BP、-5.10BP。 报告期内，同业存单总发行量及净融资额均有所上升。同业存单总发行量为12,781.30亿元，较上期增加5,496.60亿元；净融资额为3,940.60亿元，较上期增加5,723.70亿元。分评级来看，AAA级发行总额占比为89.2%；AA+级发行总额占比为9.1%；AA级发行总额占比为1.4%。 同业存单发行主体结构：报告期内，国有行、股份制、城商行、农商行同业存单实际发行额分别为1,435.40亿元、4,767.10亿元、4,706.70亿元、1,345.40亿元；较上期变动598.80亿元、2673.60亿元、1396.80亿元、360.70亿元，不同类型银行的实际发行额均有所上升。 发行利率方面，国有行和股份制的同业存单发行利率较上周有所上升，而城商行和农商行的同业存单发行利率较上周有所下降。最新一周国有行、股份制、城商行、农商行同业存单发行票面利率的加权平均利率分别为3.0038%、3.1713%、3.3316%、3.2716%。 同业存单发行期限结构：报告期内，1M、3M、6M、9M、1Y期限同业存单实际发行额分别为1,330.50亿元、2,878.90亿元、3,452.80亿元、580.80亿元、4,063.30亿元；较上期分别变动-235.80亿元、1,133.20亿元、2,335.40亿元、-371.40亿元、2,160.20亿元，除1M和9M同业存单外，其他期限同业存单实际发行额均较上期有所上升。 发行利率方面，除1M同业存单外，其他期限的存单发行利率均较上周有所下降。最新一周1M、3M、6M、9M、1Y同业存单发行票面利率的加权平均利率分别为2.7789%、3.1413%、3.2051%、3.3436%、3.3278%。 4.2 银行理财 报告期内，共发行理财产品1,952只，其中3-6个月期限产品最多，为528只；其次是1-3个月期限产品，为354只；然后是6-12个月期限产品，为317只；其他期限理财产品数量则较少。 预期年收益率方面，不同期限理财产品的预期年收益率有所分化。目前1周、1个月、3个月、6个月、1年期限理财产品预期年收益率分别为2.92%、3.70%、3.81%、3.70%、3.79%。 从发行类型来看，报告期内发行产品中，非保本型理财产品占97%，保本浮动型理财产品占2%，保本固定型理财产品占1%。从预期收益率水平来看，报告期内发行产品预期收益率以3%-5%为主（除了未公布）。 报告期内，发行理财产品数量最多的银行为中国银行(行情601988,诊股)，对应发行数量为106只，市场占比为5.43%；其次是中国建设银行，对应发行数量为89只，市场占比为4.56%；然后是中国民生银行、渤海银行和浙商银行(行情601916,诊股)，市场占比分别为3.23%、2.92%、2.87%。 4.3 企业融资 债券融资方面，报告期内企业债合计发行132.70亿元，较上期减少30.30亿元；最近一周企业债票面利率加权平均利率为5.1130%，较上周有所上升。报告期公司债合计发行451.68亿元，较上期减少100.04亿元；最近一周公司债票面利率加权平均利率为4.2063%，较上周有所下降。 股权融资方面，截至2020/11/30,11月份股权融资规模合计为1,672.14亿元，较整个10月份上升了62.75%。其中IPO、增发、优先股、可转债、可交换债募集资金分别为286.68亿元、885.13亿元、58.00亿元、427.82亿元、14.50亿元。 风险提示：第一，权益市场走低的潜在可能性；第二，监管政策发生不利变化。
12月15日，由中国互联网金融协会等主办的2020第四届中国互联网金融论坛在京召开，财政部原副部长朱光耀出席会议并发表演讲。
相关阅读： 陈志武：银行为什么会发生危机 陈志武：金融只是富人俱乐部吗 陈志武：股市的价值不只是融资 【金融其实很简单】 在当今世界，熟知“大而不能倒”的逻辑极其重要：如果你规模小，就只能听别人的；而如果你规模太大，别人就必须听你的！这就是“规模制胜”的简单道理。那么，这个潜规则是怎么流行起来，或者是何时成为明规则的呢？ 在2008年金融危机之前，“大而不能倒”只是潜规则。2008年9月15日，这一天被称为“雷曼时刻”——美国具有150多年历史的投资银行雷曼兄弟倒闭，引发了全球金融市场的大地震，使次贷危机演变成1929年大萧条以来最严重的全球金融危机。接下来的一周时间里，美国道琼斯指数下跌了20%多。各国决策层进入深度焦虑。 当时的雷曼兄弟是美国第四大投资银行，总资产6000多亿美元。按照国内银行业标准看，算不上巨头。但是，就是这样一家看起来并不巨大的投资银行的倒闭，却把全球金融市场带入深渊，让各国似乎都见到了棺材。这就是大型金融机构“大而不能倒”的体现。 这些经历成为许多政客和非金融人士要求救助大型金融机构的理由。在雷曼兄弟倒闭之后，美国财政部和美联储没有让规模更大的金融机构“美国国际集团”和花旗集团倒掉，而是不惜花政府资金大举救助，以稳定金融体系作为目标。 那么，更深一点看，大型金融机构为何“大而不能倒”呢？倒闭的危害有多大，救助的后患又如何呢？ 大型金融机构为何“大而不能倒” 大型金融机构特别是大型银行的倒闭，往往会给其他金融机构以及经济和社会带来挑战，威胁社会稳定。 以前我们谈到，如果一家银行倒闭甚至是在可能倒闭时，都会引起储户的挤兑和恐慌，然后波及其他银行等等。所以，1930年代开始推出存款保险制度。只是存款保险有金额限制，只能覆盖部分存款，超出上限的个人储户和企业储户的资金就得不到保障，将很难收回，因此，银行倒闭会给成千上万储户带来直接损失，也会给银行的几十万乃至上百万的股东带来数千亿元的投资损失，这些都直接影响社会稳定。 其次，一家重要银行的倒闭，容易引发其他银行和金融机构的连环倒闭。即使没有传染式挤兑，也由于各金融机构之间往往有大量的相互交易，比如各类金融衍生品契约，倒闭银行作为相对交易方的金融合同要么无法履约，给其他交易方带来损失，要么就被冻结，等待漫长的破产清算。就像雷曼倒闭后，市场人士都在测算各家其他金融机构有多大头寸受影响，这种猜疑导致金融市场出现一定程度的冻结。 在这种时候，倒闭银行和其他受牵连的金融机构会甩卖大量金融资产，这对整个金融市场会有什么影响呢？——这必然导致多类金融资产价格大跌，让持有大量此类资产的金融机构也遭受重大损失，也面对破产倒闭风险。这就是所谓的大型金融机构“复杂而不能倒”。 以2008年金融危机时美国最大的保险公司——“美国国际集团”为例。美国国际集团同很多金融机构，主要是银行和基金公司，签订了大量CDS合约（creditdefaultswaps，也就是“信用债担保合约”），由美国国际集团给银行等提供信用债的担保。如果美国国际集团破产，那么，从它那里购买了信用债担保的银行等就不再有担保了，银行资产的风险就大幅增加，需要立即补充资本来覆盖新风险。这就危及整个金融体系，进一步放大危机。为避免这一结果，美国政府就不得不花巨资救助美国国际集团。 再次，就是会严重挫伤实体经济。一旦银行系统出现冻结，银行的借贷、结算以及其他银行业务就都会收紧，没法正常开展。你知道，银行的供血是经济正常运行的关键。而如果一家重要银行倒闭，那么其他银行也会变得非常谨慎，暂缓给企业和家庭提供新贷款、加速收回现有贷款，或者缩短信贷期限、改变贷款条件。银行供血功能的收缩迫使企业压低投资甚至减产裁员，对宏观经济产生重大负面影响。 根据国际货币基金组织的定义，系统性风险指的是对金融稳定产生威胁的风险。这种威胁会涉及到金融系统的绝大部分，也会波及到整个经济。由于担心大型金融机构倒闭会引发系统性风险，很多国家都会强化对银行的监管，也对濒临破产的大银行提供救助。这就是“大而不能倒”。 “大而不能倒”引发道德风险 从维护金融稳定、避免系统性风险的角度看，救助大型银行免于倒闭似乎是天经地义的。但是，救助大型银行的代价是什么呢？ 最主要的代价就是道德风险以及由此制造的更大风险。“大而不能倒”问题的本质是，大型银行的债权人和股东相信，银行将会受到政府的援助而不会倒闭，他们的资金放在大型银行是安全的。于是，他们就会放松对银行的监督，因为反正有中央政府的保护。就这样，“大而不能倒”银行将会发放风险很高的贷款，并在其他高风险业务上下赌注，从而让银行面临更大的风险。这种不良行为就是“大而不能倒”的“道德风险”。 一些学者研究日本的银行借贷行为发现，由于政府的援助，日本的银行易于将信贷资源分配给财力低的借款者，而这种行为助长借款人变差、没动力做好事情。总之，这些行为使资源配置到低产出领域，阻碍经济增长。 如果政府无法将救援大型银行与改革金融机构结合起来，救助行为只会鼓励大型银行重复高风险运作，损害社会资源。 那么，如何做到既确保金融体系稳定，降低系统性风险，又避免“大而不能倒”的道德风险呢？美国前财长保尔森强调：“为了保证市场约束力能够有效控制风险，我们必须允许金融机构破产。但现在有两个因素，使人们开始期望监管措施防止金融机构破产：一是它们相互关联，所以不能破产，二是它们规模太大所以不能破产。我们必须采取措施改变人们的这种观念，当然这就需要我们降低这两种情况出现的可能性。” 2010年11月，金融稳定理事会向G20首尔峰会提交了一揽子政策建议。首先，要提高系统重要性金融机构自己对冲损失的能力，主要是通过提高这些金融机构的资本要求、应急资本和自救债券等方法实现，也包括更高的流动性要求和更加严格的大额风险暴露。其次，提升系统重要性金融机构的监管强度和有效性，涵盖监管的目标、监管的独立性与资源投入、监管的具体权力、监管的持续性、并表监管、监管技术和国际合作等方面。再次，各国应建立有效的危机处置框架。最后，就是强化核心金融市场的基础设施，包括支付体系、证券交易与结算体系、中央交易对手等，目的是弱化系统重要性金融机构之间的关联性，降低风险传染的程度。 在中国，相应监管部门和央行都积极推动改革，以稳固整个金融体系的自我调剂机制，规避系统性风险。但是，“大而不能倒”尤其是“刚性兑付”等政策所带来的隐患还继续存在。 今天的要点有三。其一，银行具有很强的外部性。也就是，跟一般工商企业不同，金融机构的相互关联度很高。一家银行的倒闭也能对经济运行带来很大负面影响，大型银行更是如此。如果大型银行倒闭，容易影响到整个金融体系的稳定，甚至影响到整个经济。其二，当前的大型银行，已经从“大而不能倒”转变为“复杂而不能倒”，雷曼兄弟就是一个案例。最后，2008年金融危机之后，从巴塞尔新协议到金融稳定理事会，都在努力解决“大而不能倒”的问题，力求降低大型银行的倒闭概率。但是，跟存款保险一样，“大而不能倒”也带来巨大的道德风险，鼓励银行从业者和金融消费者去冒险。再者，在“大而不能倒”的银行政策框架下，老百姓都更愿意把钱存到大型银行，远离小型银行。长此以往，银行业、金融业会越来越高度集中，达到谁都是“大而不能倒”的银行，使整个金融业成了实际的国有行业。那么，小型银行还有空间发展吗？如何发展呢？金融创新和竞争的空间还有多大？
又是一个十字星，震荡了一天，居然还没有收红，白忙一天…… 但实际情况可能还要更糟糕一些，大家看各大指数的分时图，都是白线在上，黄线在下，而且两条线分得很开。白线代表权重股，黄线代表小盘股。 黄线从开盘就一路往下跌，尾盘又跌一波，几乎以最低点收盘，幸好有白线撑着，没被它拖下水。 所以真实的情况是，各大指数虽然没怎么跌，但黄线却跌幅很大，创业板的黄线更是大跌超2%。 这就不难理解为何个股表现得那么差，两市4000余只个股，有3000只是下跌的。跌停及跌超10%的个股高达32只，而ST板块居然有高达60只个股跌停。 所以今天的盘面分化非常大，比昨天还大，黄白两条线的走势就说明了一切，小盘股杀跌，大盘主要靠蓝筹股在撑着。 这说明退市新规仍在发挥威力，所以千万不要小看了这个新规，而且它的影响还不是现在，而是以后，将来会有大批的绩差股退市，会倒逼资金流向绩优股，因此个股分化也将长期存在。 从板块表现看，仍是蓝筹及主流板块表现较好，退市新规压力之下，小盘绩差股表现那么差，资金就又涌向具有防御功能的消费股了。 酿酒板块继续称王，比昨天表现得还要强势，而且个股轮动全面开花，啤酒、黄酒、红酒股接力白酒股上涨，和之前的炒作路线是一样的。 其他消费板块也继续跟进，食品饮料近期受白酒带动，明显有补涨之势，今天的涨幅也是仅次于酿酒板块。另外农业、旅游、民航、黄金为代表的另类消费板块也涨幅居前。 但看看跌幅居前的板块，都是题材概念股以及科技股，也就是业绩不太稳定的板块。 业绩不稳定就有退市的风险，吃吃喝喝的业绩多稳定呀，所以才有防御型品种这一说法，也难怪资金都蜂拥而入，大口喝酒、大口吃肉…… 但如果板块个股分化太大，小盘股继续拖后腿的话，相当于一条腿走路，那大盘就不易有大的作为，只能是继续保持震荡走势。 而且成交量也是一个问题，今天勉强突破7000亿元，成交量起不来，以存量资金博弈为主，也注定只能是以局部行情为主。 所以仍是“轻大盘重个股”的思路，而且个股机会一直不缺，以消费为代表的局部品种一直在表现，没必要太在意大盘，以挖掘局部机会为主，别浪费了主力制造出来的热点。 其实白酒股从10月份发三季报的时候就开始涨了，一直涨到现在，老艾也一直说到现在，但还是有不少人错过了白酒行情，说到底，还是没把上涨逻辑搞清楚。 所以炒股一定要炒明白股，不能炒糊涂股，一定要好好做功课，不能偷懒。说一千道一万，咱得好好练武，当个合格的股民，才能在这个市场里生存，是不？ 震荡行情怎么办？期权期指是应对利器！可以涨时做多，跌时做空，双向操作，再加上T+0交易机制，盘中可以多次波段操作，及时落袋为安，避免股票T+1的尴尬。 想学习期权期指知识以及实战技巧，可以点击收看新浪理财大学的《老艾聊期权期指》视频课程，有全套方法讲解。(点击试看，99元特惠仍在进行中！) 请关注微信公众号：老艾股学堂(laoaigxt)，或扫描下方二维码(微博：老艾观察)
12月15日，由中国互联网金融协会等主办的2020第四届中国互联网金融论坛在京召开，国务院参事、中国银保监会原副主席王兆星出席会议并发表演讲。 王兆星认为，数据的治理能力也在一定程度上反映一个国家的金融治理能力，也反映了一个国家的金融核心力。同时，也是反映一个国家经济核心竞争力的重要因素。但随着金融业务多元化发展，金融数量井喷式增长，金融机构可谓坐拥大数据的富山宝矿，但很多数据不能数尽其用，造成数据的浪费。 “有的金融机构缺乏数据挖掘能力，无奈出让数据控制权，甚至将信息科技管理和风险控制等核心环节外包给第三方科技公司。金融业务独立性和风险管理的有效性受到很大的影响，有的机构则严重依赖拥有丰富场景、数据模型和算法的第三方机构，面临数据收益分配和风险损失责任分担的不协同问题，缺乏机构法人、集团层面快速准确、跨机构、跨地区整合风险数据敞口的能力。”他说。 王兆星强调，不同金融机构的数字化战略有差别，中小机构数字化转型的压力和难度更大，信息科技外包占据相当比例，更要注意防范相关战略风险和技术风险。他建议，提升数字化监管能力，加快金融监管大数据平台建设，整合监管资源，优化监管流程，增强监管的前瞻性、针对性和穿透性，实现智慧、智能监管。 以下为嘉宾发言全文： 尊敬的东荣会长、劲松秘书长、光耀副部长，同志们、朋友们，上午好！ 非常荣幸再次被邀请参加中国互联网金融论坛。 大家知道，建设数字中国、发展数字经济已经成为一项重要国家战略，并已经写入党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中。不论是发展数字经济还是发展数字金融，其中最核心的要素是数据。总书记指出，谁掌握了数据谁就掌握了主动权。这些数据如何获得、如何使用，如何保障数据的真实性、可靠性，最大程度地挖掘数据的价值？又如何界定数据的所有权、使用权、收益权，如何保证数据的充分畅通，顺畅的共享，在实现充分畅通、充分共享的同时，又能有效的保护金融安全？谁来监管数据、如何监管数据，使它更好的为数字经济、数字金融发挥积极作用？所有问题都集中到一个最核心的问题，那就是如何构建更加有效、更加安全的数据治理架构。意味着在数字经济、数字金融、金融科技以及金融数字化、智能化的高速发展阶段，如何建设有效的数据治理架构具有非常重要的意义，同时也具有非常大的紧迫性。建设更加有效的数据治理，对于推动金融业实现高质量发展，促进金融业安全稳定，具有非常重要的战略意义。 另外一方面，数据的治理能力也在一定程度上反映一个国家的金融治理能力，也反映了一个国家的金融核心力。同时，也是反映一个国家经济核心竞争力的重要因素。 所以今天我主要和大家共同研讨在金融科技和数字金融发展过程中的数据治理问题。首先和大家分享、探讨的是，目前在金融业数据治理方面，国际和国内所面临的问题和挑战。大家知道，金融业是较早应用和发展数据的行业之一，2018年银保监会发布了银行业金融机构数据治理指引，是加强金融数据治理的有益探讨。相较于金融科技发展步伐和金融业数字化转型的需求，当前的金融数据治理仍然面临一些问题和挑战。 第一个问题和挑战，数据质量需要进一步提高。数据的准确性、完整性、一致性、时效性直接决定数据的资源价值和可用性，是形成有效数据的基本要求，也是挖掘数据价值、扩大数据运用的重要前提。金融数据来源广泛、内容庞杂，目前仍缺乏权威统一的定义和标准。不同组织和金融机构对同类数据口径的认知也存在很大的偏差，产生了大量同名不同义的数据，导致数据清洗成本高、碎片化，难以整合利用。一些机构数据失真问题比较突出，加大了风险识别、预警和早期干预难度。 第二个问题和挑战，数据挖掘和利用相对滞后。随着金融业务多元化发展，金融数量井喷式增长，金融机构可谓坐拥大数据的富山宝矿，但很多数据不能数尽其用，造成数据的浪费。有的金融机构缺乏数据挖掘能力，无奈出让数据控制权，甚至将信息科技管理和风险控制等核心环节外包给第三方科技公司。金融业务独立性和风险管理的有效性受到很大的影响，有的机构则严重依赖拥有丰富场景、数据模型和算法的第三方机构，面临数据收益分配和风险损失责任分担的不协同问题，缺乏机构法人、集团层面快速准确、跨机构、跨地区整合风险数据敞口的能力。 第三个问题和挑战，数据的流通和共享仍存在不少的障碍。数据的流通共享和重复利用对实现数据价值至关重要，是形成大数据的重要途径，割裂的数据将导致数据孤岛和数据垄断，破坏数据资源的关联性和协同效应。当前金融数据流通面临的最大障碍是数据权属问题，数据权利边界不清、权益分配规则不明、纠纷解决机制不健全，导致数据主体缺乏开展数据交易流通的积极性。行业巨头对商业和数据价值高、公共属性强的数据形成一段的垄断，加剧了金融领域不公平竞争。另外，金融数据与专业数据的连通有待进一步加强，数据聚合效果有待进一步增强。 第四个问题和挑战，数据安全隐患较为突出。针对金融机构的网络攻击时有发生，网络安全防护和系统建设存在一定漏洞，面临数据泄露和损毁的风险。随着移动通信终端的普遍使用，居民衣食住行各方面的交易数据被实时全方位记录，个人信息透明化，信息过度采集，盗用、侵权使用的问题日益突出。数据流通过程中存在个人信息泄露的问题，金融消费者权益保护面临新的问题和挑战。 第五个问题和挑战，我们必将面临数据在国内的跨界、跨部门流通，同时也不可避免遇到数据的跨境流通。如何加强数据的跨境流通管理？就有一个数据治理的国际合作和一个数据的全球治理问题。这些问题目前还只是处在开始，仍然面临很多不确定因素，仍然面临很多风险。特别是在数据的国际跨境流动方面，这种安全保障要求更高，这种合作协调要求也更高。所以在数据跨境流动同时，如何加强数据治理的国际合作，构建更加有效的金融数据全球治理，仍然是我们面临的最大挑战。 针对这些问题和挑战，第二个想跟大家分享关于经济数据治理的思考。加强金融数据治理要坚持金融服务实体经济的职责，推动数据经济和实体经济深入融合，实现金融业高质量发展。具体在以下几个方面进一步加强： 第一，强化数据的质量与管理，大力推进金融数据标准化建设，统一金融数据的规则和技术要求，促进金融数据规范定义、规范标识、规范使用，增强数据的可比性。加强金融机构数据的质量管理，确保能力与业务发展风险状况相匹配，数据信息具有足够覆盖面、及时性和颗粒度，进一步完善金融数据质量监管规则，将数据质量情况作为金融机构、公司治理风险管控的重要考量因素，加强评估考核和监督检查，严厉打击金融数据和披露信息造假等问题。 第二，加强数据开放与共享，打破数据壁垒和垄断。推动建立金融数据交易机制和共享平台，鼓励金融机构依法开放数据源，开展数据交易流通，逐步打破数据孤岛。充分发挥行业协会等组织协调作用，加强金融同业间有关数据流通，数据开发技术的互助、合作和培训。推动金融数据共享、共用，加强金融数据与工商、税务、司法、商务等专业数据互联互通，推动建设全国统一的信用信息服务平台，进一步拓展金融大数据资源。 第三，加强数据运用与监管。利用新兴技术搭建基于场景的数据平台，挖掘金融数据潜在价值，开展更具有适应性、普惠性、便利性金融产品，提高金融服务实体经济的智能化水平，推动金融机构基于数据分析实现管理模式变革和业务流程的再造，破解风险管理的痛点，提高金融效率。 这里我想强调一点，不同金融机构的数字化战略有差别，中小机构数字化转型的压力和难度更大，信息科技外包占据相当比例，更要注意防范相关战略风险和技术风险。同时，提升数字化监管能力，加快金融监管大数据平台建设，整合监管资源，优化监管流程，增强监管的前瞻性、针对性和穿透性，实现智慧、智能监管。 第四，进一步加强数据规范与法治。加快数据权属相关立法，明确数据定位，归属内容和范围，为数据开放共享、交易流通和权益分配提供法律依据。按照数据权力归属确定可流通数据的范围和流通规则，确定数据权益在数据所有者、开发者和使用者之间的合理分配，防止部分市场主体凭借技术优势独占数据收益，加大数据垄断的治理能力。有效制止利用数据与相关技术优势开展不正当竞争，进行大数据杀熟、侵犯用户选择权的行为，有关部门有权访问、使用由市场主体产生，加工的具有社会公共属性的相关数据。 第五，加强数据安全与保护。加大个人信息保护执法力度，超范围使用客户信息，严厉打击非法贩卖客户信息行为，清理金融业务中的不合规客户信息授权条款，保障金融消费者的知情权和选择权。坚持维护数据安全和促进数据开发利用并重，平衡好数据流转与信息保护的关系，加强金融机构的信息系统、基础设施和灾备体系建设，严格落实网络设施的安全要求，尽可能消除数据泄露的各种隐患。 最后，中国作为金融科技发展、金融数字化、金融转型发展较快的国家，在这些领域我们有很多话语权、发言权和影响力。下一步，在推进数据的国际跨境流动，加强数据治理的国际合作和数据治理的全球化过程中，中国应该更加积极主动，特别是对金融数据这个全球治理的话语权，应该增强我们的分量，有我们的方案，同时对国际治理规则的制定和实施能够发挥我们应有的影响力。 最后，祝论坛成功，也祝我们在金融科技数字化过程中健康发展，谢谢大家！ （未经嘉宾本人确认）
导读 当‘硅谷基因’遇到‘中国市场’‘中国制造’，今年以来特斯拉大涨5倍，市值突破5000亿美元，已经超过传统汽车龙头丰田（2200亿美元），登顶全球第一大市值汽车公司。 特斯拉近年快速崛起，意味着汽车百年大变局正在到来，市场对新能源和智能汽车技术及商业模式变革的未来充满巨大期待。大时代，大变局，中国凭借庞大的市场、强大的制造和研发能力，会否诞生世界级的新能源汽车巨头？ 特斯拉的成长模式 核心观点 1、特斯拉维持全球新能源汽车龙头地位，连续五个季度实现盈利。 2020年1-9月特斯拉全球累计销量约31.7万辆，全球占比17.8%，超过大众23.1万（13%）和雷诺14万（7.8%），继续领跑全球新能源汽车市场，其中美国与中国市场累计销量分别达13.4万辆、8.1万辆。Model 3累计销量23.8万辆、全球占比13.4%，为全球最畅销车型。10月22日，特斯拉发布2020年第三季度财报显示连续第五个季度实现盈利。通过车型平台化、生产国际化，特斯拉不断扩大汽车交付数量，从而实现规模效应与成本领先。 2、特斯拉正从一家新能源汽车公司成为一家科技公司。 特斯拉2014年推出自动驾驶辅助系统Autopilot、2016年着手布局光伏新能源、2019年推出自研的自动驾驶FSD车载芯片、2020年宣布将自研自制电芯并开始部署神经网络训练集群Dojo system。 可以发现，特斯拉正在新能源与智能汽车的核心技术领域不断深化布局，涉及范围包括深度学习算法、人工智能芯片、大数据、超算、电芯、新能源、新材料等各项前沿技术领域。 其业务边界远远超出普通意义上的汽车公司，汽车只是特斯拉业务的载体，其实质是打破原有供应链的分工，在精简扁平的组织架构上形成软硬件一体化的内生能力，并维持高速迭代，最终用技术解决出行和能源领域所面临的根本性问题，类似于‘丰田+英伟达+Waymo+宁德时代’的商业和技术综合体。 3、特斯拉引领了汽车产业的商业模式变革，从卖硬件到卖软件+服务，类SaaS（Software-as-a-Service）模式引发竞争对手效仿和资本市场热捧。 1）通过集中式的电子电气架构，特斯拉可以通过整车OTA持续地改进车辆功能，为提供车辆交付后的运营和服务。目前特斯拉已经推出部分服务，例如9.9美元/月Premium Connectivity流量服务，服务包括流媒体、车况查询、浏览器使用等。此外，特斯拉推出驾驶系统性能加速升级包，为Model 3双电机版本提供加速服务，更新后0-60mph加速时间可从4.4秒降低为3.9秒，升级费用2000美元。 2）自动驾驶领域，特斯拉率先打造‘数据+算力+算法’的闭环。特斯拉目前拥有一百万辆车队规模，累计行驶里程达数十亿公里，数据量远超任何竞争对手；自研FSD芯片，算力高达72TOPS，计算平台HW3.0算力高达144TOPS，为量产车型中最高；自研视觉感知、决策规划等核心算法。 目前特斯拉推出的FSD功能售价达到8000美元，未来转为订阅模式后用户可以按100美元/月进行订阅。与苹果类似，苹果一开始从硬件销售起家，而后通过自研iOS逐步构建应用生态，2020年三季度苹果iTunes软件及服务收入达537.7亿美元，营收占比19.6%，特斯拉通过自研芯片+算法+车载操作系统构建出行生态闭环，未来收入模式可以从车辆一次性销售升级为客户提供全生命周期的服务。 4、特斯拉的未来。特斯拉未来所面临的竞争对手不仅仅是大众、丰田等传统OEM，更有谷歌、英伟达、Uber等高科技企业，还有石油巨头、氢能源技术、中国传统与新造车势力。全球新能源汽车市场格局仍存变数。 1）特斯拉将成为一家全球化车企。Model 3已经成为现象级的产品，当务之急在于快速推进德国工厂建设，并推出Model Y以满足SUV用户的需求。此后特斯拉还将推出电动卡车Tesla Semi、电动皮卡Cybertruck。我们预测2030年全球电动汽车销量将达到3500万辆，特斯拉年销量将达到600-800万辆，海外市场营收占比将超过50%。 2）未来特斯拉在电动化领域的领先优势可能被逐步缩小，核心竞争力在于智能化、无人驾驶技术、数据和品牌。从智能手机发展史来看，外观和供应链都极易被模仿借鉴，但苹果的利润却超过所有竞争对手总和，核心在于自研A系列芯片、iOS系统，并打造应用生态和高端品牌。特斯拉通过自研自动驾驶芯片和人工智能算法，并配合数量最大的车队不断提供用于深度学习的真实路况数据，特斯拉将拥有比其他竞争对手更高的算法迭代效率。未来一旦特斯拉的摄像头路线被证明可行性，相对于激光雷达路线将体现出极大的成本优势。 3）长期来看，汽车服务和能源服务将成为特斯拉新的增长点。特斯拉已经建立了全球范围的直营店和充电网络，通过OTA不断向用户推送新的软件与功能，特斯拉正持续构建线上+线下、汽车+能源的服务闭环。全自动驾驶成熟以后，特斯拉还将自建车队提供出租车服务。 风险提示：汽车安全事故、中美贸易摩擦等 正文 1特斯拉新阶段：国际化、稳定盈利、迈向年产销百万 10月22日，特斯拉发布2020年第三季度财报，从财报数据来看，这是特斯拉连续第五个季度实现盈利。从不被认可、量产艰难，到稳定盈利，特斯拉已经成为一家产品矩阵逐渐丰富的全球化汽车公司。 1.1 连续五个季度实现盈利 2020年第三季度，特斯拉营收87.7亿美元、同比增长39.2%，净利润实现连续5个季度为正，从2019年第一季度亏损7亿美元提升至本季度盈利3.31亿美元。从毛利率来看，汽车业务毛利率27.7%，同比增长4.8个百分点，主要得益于各个主要工厂本土化策略带来的成本下降，以及上海工厂产能利用率提高。分项目来看，汽车销售是特斯拉主要的收入来源，2020年第三季度汽车销售收入76.1亿美元，营收占比86.8%。分国家和地区来看，美国是特斯拉的主要市场，营收42.2亿美元、占比48.1%，中国大陆市场其次，营收17.4亿美元、占比19.9%。 1.2稳步推进国际化 中国、欧洲成为特斯拉除美国的两大重要市场。从销量来看，2020年1-9月，特斯拉全球累计销量约31.7万辆，其中美国为第一大市场，累计销量13.4万辆、销量占比42.4%，中国为第二大市场，累计销量8.1万辆、销量占比25.4%。 从生产来看，为完成订单和交付需求，全球工厂加速恢复生产。出于国际易变的环境而导致关税提升、货运时间拉长等潜在风险的考虑，与此同时也是基于降低生产成本来提高产品价格竞争力的国际化市场战略，特斯拉在全球主要市场均设有生产工厂，包括美国3座、欧洲3座、中国1座。由于中国是全球最大新能源汽车市场、而欧洲尤其是德国对新能源汽车优惠政策不断出台，特斯拉负责生产制造汽车工厂共3座，分别位于美国加州、中国上海、德国柏林，其中加州Fremont工厂负责全线汽车产品生产，上海工厂和柏林工厂则负责Model 3/Y的生产。因此，除了美国Fremont工厂具备Model X/S生产功能，特斯拉全球的生产重任将向Model 3/Y转移。 从产能来看，美国工厂方面，Fremont工厂年产能提升至59万辆，其中 Model 3/Y 合计年产能提升至50万辆。为了达到目标，特斯升级通用组装线，开启第二座涂装车间；上海工厂方面，Model 3年产能已提升至25万辆，周产能目前为5000辆，Model Y尚在建设中，预计2021年交付。与此同时，特斯拉扩大上海工厂对外出口能力，标准续航版本Model 3已登陆欧洲市场；德国工厂方面，预计2021年投产交付，Model 3/Y 最大年产能50万辆。其外，根据电池日消息，德国工厂将采用自建电池产线和最新制造工艺，采用4680电池，制造成本减少56%，单位投资成本减少69%。 1.3产品矩阵化 Model 3是特斯拉成功开拓市场的标志性产品，成为全球最畅销车型。自2017年年底交付以来，Model3超越宝马、奔驰、奥迪等传统豪华燃油车品牌以及同类新能源汽车品牌，据EV Sales数据统计，2020年1-9月全球新能源乘用车累计销量为178.4万辆，其中Model 3为全球最畅销车型，累计销量23.8万辆、全球占比13.4%。 Model Y将成为特斯拉下阶段的核心产品。对比同等级轿车，SUV车内空间容量更大、功能性更强，更能满足家庭多元需求，因此，近十年来全球SUV销量攀升、市场渗透率增加，2018年全球SUV渗透率达36.4%，其中中国市场更甚，2020年1-7月SUV渗透率达46.2%。Model Y定位为电动SUV，于2019年3月发布、2020年3月美国交付，起步价3.9万-5.7万美元，续航里程最高可达316英里（508公里）。作为“三步走”战略的第三个环节，即大规模地造好车，Model Y的推出可以满足全球消费者对SUV的需求，延续Model 3在轿车领域的成功。 2特斯拉：从汽车公司到科技公司 2019年以来，特斯拉成长愈发稳健的根本原因在于整体模式拥有扎实的地基。一方面特斯拉将Model 3的成功复制到Model Y，两款汽车沿用同一个底盘架构、大部分零部件；另一方面是将美国工厂的成功复制到中国工厂、欧洲工厂。品类和地域的快速复制可以提高交付数量，形成市场占有和规模效应，实现成本领先。特斯拉国际化布局和产品迭代的过程，展现了强大的底层技术能力和高效的软性管理能力。 2.1 电动化：掌握三电核心技术，电芯走向自研自产 从技术角度来看，电动化的重点在于高效率低成本，并且可以进行工程迭代。在《特斯拉研究报告：用软件定义汽车》中我们曾详细分析过，电池方面，特斯拉提出更优的两极材料、模组结构、电池管理系统和热管理四大主要途径来解决动力电池温度敏感性高、成组管理难度大、易爆炸等局限性，成功令Model系列车的续航能力达到业内中高水平；电机电控方面，特斯拉采取包括设计对应冲片、提高扭矩、冷却系统等手段，应用高性能永磁电机，成功令Model 3电机具有体积小、成本低（稀土使用量非常少，而且无需使用铜芯，降低铸造成本）、功率高等优点。 从生产制造角度来看，特斯拉一步步垂直整合，解决全球化布局中核心三电成本高、产能不足的问题，其中电池领域垂直整合程度最为明显，主要分为三步： 一、与松下深度绑定，解决电池研发成本高、周期长、难度大的问题，同时进行自身技术积累。特斯拉与松下共合作过三款电池，特斯拉在生产第一款汽车Roadster时，并不具备动力电池生产的所需技术和资质，在测试过当时市面上电池后，特斯拉选择能量密度高、工艺成熟、生产自动化程度高的松下圆柱电池。双方于2014年合作投资50亿美元建造电池超级工厂Gigafactory 1，松下成为特斯拉独家供应商。双方关系深度绑定，松下负责电池电芯制造，特斯拉负责电池模组和电池包的组装，再将电池成品运输进行汽车装载。双方通过合作研发第二款2170电池，采用镍钴铝NCA配备硅碳负极，单体电池容量在3~4.8Ah之间，性能较上一代18650提高约20%，用于搭载Model 3/Y。4680是双方合作的第三款电池，续航里程提高16%，能量密度提升5倍，电力提升6倍，用于搭载2021年推出的新款Model S Plaid三电机高性能版。 二、开放供应链，探测电池适用多样性以及通过竞争来近一步降低成本。特斯拉与松下合作期间，由于产能不足、成本过高、经营理念差异产生多次分歧。因此，特斯拉逐渐引进LG和宁德时代，形成“圆柱-松下、软包-LG、方形-宁德时代”的布局（目前LG为特斯拉提供的依然是2170圆柱电池）。从技术角度来看，三方均是该领域的技术领先者，特斯拉可以尝试探索电池模组多样性和模组优化的可行性；从商业角度来看，开放供应链引入价格协商机制，可以有效降低采购成本，确保当地产能的同时，有利降低最终汽车产品成本。 三、自建工厂，技术探索和生产供应共同进行。从电池角度看，特斯拉出于汽车未来发展以及企业战略考虑，对成本把控主要围绕技术、结构和生产三个层面。1）通过技术降低成本、提高电池性能。通过正极、负极、隔膜、电解液体系革新和新型材料来降低动力电池成本。动力电池成本居高不下的主要原因在于电池的原材料，四大材料占总成本的比例接近3/4。目前主流电池中的锂和钴价格波动较大，不利于成本管控。特斯拉通过资助著名锂电池专家Jeff Dahn，进行“百万英里”高循环高寿命电池、“无钴电池”等技术研发，建立正极、电解液方面的优势，其中“百万英里电池”，即“镍钴铝电极合成方法”（Method for Synthesizing Nickel-Cobalt-AluminumElectrodes）技术已经申请专利。与此同时，正式发布的新款4680电池所采用的无极耳技术便是由Jeff Dahn团队研发所有。2）优化结构降成本。即通过优化设计减少模组或使用轻量化材料，提高电池组能量密度并降低成本。以宁德时代CTP方案为例，CTP方案可以降低电池包零部件数40%、提升空间利用率15%-20%、提升能量密度10%-15%。3）建立自动化生产线和工艺改造提升生产效率。特斯拉通过收购超级电容企业Maxwell和生产制造企业Hibar，进行电池生产技术探索，其中Maxwell更具备干电极制备工艺。与传统湿法电极制备工序不同，干电极无需将材料与溶剂混合，直接将粉状材料压制成薄膜并覆盖贴合到电池极片上。根据Maxwell报告数据显示，干电极制备技术较传统湿电极制备技术降低生产成本10%-20%、循环寿命可提高1倍。 2.2 智能化：构建“算法+算力+数据”的自动驾驶闭环，集中式电子电气架构赋予OTA能力，引发汽车商业模式变革 2.2.1 整车OTA：软硬件解耦，软件持续升级提供全生命周期价值 通过Model S/X与Model3/Y不断升级，特斯拉电子电气架构向集中式发展。随着现代汽车的电子电气功能越来越复杂，整车上的电子控制单元（Electronic Control Units， ECUs）也随之增多。当前一辆普通汽车的ECU多达70-80个，代码约1亿行，其复杂度已经远远超过Linux系统内核和Android。在传统的汽车供应链中，OEM高度依赖博世、大陆等一级供应商提供的ECU。但不同的ECU来自不同的一级供应商，有着不同的嵌入式软件和底层代码。这种分布式的架构在整车层面造成了相当大的冗余，而且整车企业并没有权限去维护和更新ECU。与传统造车不同的是，特斯拉采取了集中式的电子电气架构，即通过自主研发底层操作系统，并使用中央处理器对不同的域处理器和ECU进行统一管理。特斯拉Model 3的电子电气架构分为三部分——CCM（中央计算模块）、BCM LH（左车身控制模块）和BCM RH（右车身控制模块），其中CCM由IVI（信息娱乐系统）、ADAS/Autopilot（辅助驾驶系统）和车内外通信三部分组成，CCM上运行着X86 Linux系统。BCM LH和BCM RH则负责车身与便利系统、底盘与安全系统以及动力系统的功能。 特斯拉集中式电子电气架构简化内部结构、集中算力、提升后续服务价值。集中式EEA架构主要有以下三点好处，第一，软硬件解耦、算力集中化。可以真正地实现硬件标准化和软件开发重复利用，既实现供应商可替代，也可以大大缩短软件迭代周期，同时为日后第三方软件开发扫清了障碍。车辆将成为移动的智能终端，同时大量计算工作可以集中至车载中央处理器甚至云端，减少了内部冗余同时车联网协同成为可能。第二，内部结构简化、制造自动化。车载以太网开始取代CAN总线结构，半导体集成使得特斯拉可以精简内部线束结构。Model S内部线束长度长达3千米，Model 3只有1.5千米，Model Y缩短至100米左右。线束结构的精简可以使特斯拉的生产效率进一步提高。第三，提升服务附加值。实现整车OTA功能后，特斯拉可以通过系统升级持续地改进车辆功能，软件一定程度上实现了传统4S店的功能，可以持续地为提供车辆交付后的运营和服务。传统汽车产品交付就意味着损耗和折旧的开始，但软件OTA赋予汽车更多生命力，带来更好用户体验。 2.2.2 自动驾驶：构建“算力+算法+数据”闭环，不断加深垂直整合 目前主流智能化汽车基本配备L2级别辅助驾驶系统，尚无企业实现完全自动化驾驶系统。特斯拉辅助驾驶系统Autopilot是率先实现大规模商业化的辅助驾驶系统。根据特斯拉AI主管Andrej Karpathy演讲内容，“由于我们没有采用激光雷达和高精地图，Autopilot的功能依赖8个摄像头采集原始图像，然后进行计算机视觉运算”。特斯拉辅助驾驶系统的实现主要包括图像收集、特征提取、训练学习、评估、对比改进这五个步骤。 第一步，摄像头采集图像信息。与人类驾驶员学习驾驶一样，辅助驾驶系统也需要先认识路牌、道路规则、行人等后再进行判断。这个时候，汽车的感知系统负责“认识”，探测车辆内外环境，包括驾驶员操作行为、车辆定位、环境可见度、路障等。感知系统由大量传感器组成，包括摄像头、激光雷达、毫米波雷达、地图定位等。目前自动驾驶环境感知的技术路线主要有两种，一种是使用视觉主导的多传感器融合方案，另一种则以激光雷达为主导，特斯拉出去的为第一种方案。2014年特斯拉推出了Autopilot 1.0版本，当时的主要传感器是“前置摄像头”，配备1个前置摄像头、1个前向毫米波雷达、车身一周12个超声波雷达。视觉主导方案技术比较成熟，成本较低，但摄像头成像受环境光照的影响较大。2016年5月美国佛罗里达，一辆MODEL S在Autopilot开启状态下与一辆卡车相撞、车主死亡，主要因为在天气影响下摄像头没有识别出和环境颜色相似的卡车（均为亮白色），导致汽车在速度过快的情况下撞上卡车，因此事后官方调查说明的是“在天空明亮光线的照射之下，自动驾驶功能和驾驶员都未能发现挂车的白色面，因此刹车功能就没能启动。”事故后，特斯拉将主要传感器换成毫米波雷达，Autopilot 2.0的配置为1个毫米波雷达、8个摄像头（3个前置、2个侧边、3个后置）、12个超声波雷达、1个后置倒车雷达。目前，除了Model 3增添了一个车内摄像头以外，特斯拉最新Autopilot 3.0版本的配置基本保持不变。 第二步，利用“总-分”结构的神经网络进行深度学习来提取图像特征。在车辆驾驶环境中，道路情况和驾驶情况相当复杂，摄像头采集的信息和图像往往非常庞大，辅助驾驶系统需要同时处理几十乃至上百的运算任务，为了提高效率并且降低任务处理难度，特斯拉采用HydraNets架构的深度学习神经网络，概括来说，是一个“总-分”结构的神经网络。“总”代表首先将运算任务输入到一个大型的共享骨干网络上，总的骨干网络共有8个小网络，运算任务也将被分成8份到各个小网络中，以降低整体运算难度、提升运算效率。“分”是每个小网络单独训练和学习那一小部分的图像和信息、提取有效特征（例如物体外部特征、距离等信息）。 第三步，采用PyTorch进行分布式训练。随着车辆增多、数据提取量提升，简单收集所有汽车的所有数据是远远不够的，并且任何因素都会导致上传数据，例如司机急刹车、道路上遇到某样物体等。过多的数据添加会占用数据集容量。此外，单纯的通过真实数据进行逻辑判断也会随着数据量提升而产生运算压力，因此，特斯拉认为“需要缩小数据收集范围”，除了真实数据以外还需要具备预测能力。特斯拉利用PyTorch进行分布式训练，不断训练计算机自主对路径、外界物体的判断和规划能力，毕竟与其人工对每一种驾驶行为进行编码，并且是否对每一种驾驶行为都进行编码还有待商榷，还不如训练算法，让算法自动的从数据中学习并能判断这些行为，模仿学习的使用可以很大程度减少工程师投入到路径规划上的工作量。 备注：PyTorch是一个开源的Python机器学习库，用于自然语言处理等应用程序，目前被广泛用于深度学习领域。 第四和第五步，模拟结果和实际结果进行评估、对比，对错误部分进行修正。特斯拉认为需要缩小数据收集范围，即并非所有的数据都会被采集，特斯拉通过训练神经网络来模仿真实驾驶行为，车辆行驶的时候，后台神经网络就开始运行，只有当模拟结果和驾驶员真实操作相违背的时候，相关数据才会被上传，因为这部分的数据是算法预测错误的，也是最有价值的部分。修正神经网络学习结果并为数据打上标签，为下次相似操作提供更好的依据，这个模式也被称为“影子模式”。 从五个步骤下来，特斯拉Autopilot系统从被动学习，即从真实数据中进行判断，到主动学习，即通过深度学习进行预测判断，形成“数据采集-特征提取-训练学习-评估-预测对比”的数据闭环。而这种闭环，也为特斯拉变革商业模式提供有力支撑，特斯拉从单纯的卖汽车产品进而想卖软件服务转型。 深度学习的结果需要3D化展现，因此特斯拉在11月推出的测试版FSD beta中引入了鸟瞰预测图。11月一名美国特斯拉车主发布的关于FSD Beta版驾驶情况，视频中车辆在非封闭道路的路口左转前成功识别了交通信号灯，并在让了对向直行车辆后完成转向。对比之前系统无法预测路口布局，此次更新版本非常好的预测了路口布局，并且在实际操作中进行了“转向”操作，而原理则主要是特斯拉利用神经网络进行深度学习，通过多个不同角度的视频文件提取特征要素合并融合，再进行加工处理成为时态模块形成点状的数据，点状数据汇集到BEV网中，将时间和序列进行融合，展现更平滑和动态的结果。此次更新，特斯拉利用深度学习弥补因为摄像头精度不足而造成的部分区域不可见，预测了那部分不可见区域并且获得成功。 当然，上述步骤的顺畅运行离不开硬件部分的支持，当业内芯片方案无法满足特斯拉的需求时，特斯拉便自行研发了车载自动驾驶计算平台。特斯拉经历了合作到自研车载自动驾驶计算平台的过程。自佛罗里达事故发生后，特斯拉结束与Mobileye的合作，一方面特斯拉转与英伟达进行合作，采用英伟达Drive PX2计算平台推出Autopilot 2.0/2.5两个自动驾驶辅助系统；另一方面，特斯拉建立自研芯片小组，于2018年研制、检测成功，于2019年推出采用自研FSD芯片的Autopilot 3.0自动驾驶辅助系统。 特斯拉FSD芯片采用14nm工艺制造，包含3个四核Cortex-A72集群，共12个运行于CPU（2.2GHz）、1个运行于GPU（1GHz）、2个运行于NPU（2GHz）。目前，自动驾驶处理器往往以CPU或者GPU为主，再结合其他功能模块，例如英伟达Xavier芯片就是以GPU为特色的自动驾驶处理器，采用12nm工艺上制造，包括一个八核CPU集群、具有额外推理优化的GPU、深度学习加速器、视觉加速器和一套多媒体加速器。与主流设计方案不同，特斯拉FSD芯片更注重神经网络加速器NPU单元，2块NPU单元分布占比最高，功能重要性可见一斑。 备注：NPU， 嵌入式神经网络处理器，采用“数据驱动并行计算”架构，擅长处理视频、图像类的海量多媒体数据。 2.3 高效的软性能力：品牌、销售、服务 特斯拉强大的底层能力有利降低不同车型的生产制造，而高效的软性能力有利快速提高新车推广和后续服务，其中包括品牌、销售和服务。 2.3.1 以个人形象提高品牌知名度 特斯拉具有非常高的品牌价值，这很大程度上得益于CEO马斯克的个人魅力和独特光环。马斯克初期打造现实版钢铁侠形象，个人影响力高涨，“网红效应”使得特斯拉自带流量和媒体曝光度。例如在Model 3发布会后利用社交网络上各路媒体及自媒体进行话题讨论，首周预定量便超过30万，传播效果远超传统广告渠道。根据全球品牌评估平台BrandZ数据，特斯拉自2016年起位列全球汽车品牌前十，品牌价值也从2016年的44亿美元涨至2020年的113.5亿美元，甚至超过保时捷等老牌豪车品牌。 2.3.2以直营模式改变传统销售方式 有别传统车企的多层经销模式，特斯拉效法苹果，选择自建展示厅和体验店，采取“线上销售+线下展示+后续服务”， 直销模式有利降低营销和渠道费用、优化库存管理。特斯拉依靠CEO马斯克个人影响力建立品牌形象，线上预定减免经销环节，减少销售步骤降低企业成本。此外，通过“线上预定-接单生产”模式可以优化库存管理，避免库存过多情况。 然而需要值得注意，尽管特斯拉是汽车行业内直销模式的典范，但实际上直营店的运营成本并不低，且直营模式并非特斯拉特有，不存在实际门槛，新造车势力例如蔚来小鹏等，大多也采用该模式。 2.3.3以软件订阅模式提升盈利能力 产品类型创新，从“硬件-软件-服务”三层渐进式推进。从发展历程来看，特斯拉与苹果相似，以售卖产品为铺垫向软件和生态服务发展。第一阶段，为获取用户进行全球化产品销售。特斯拉的软件应用以汽车产品为平台，主要包括Autopilot与FSD，因此销售汽车是第一要务。为以更高性价比获取市场，特斯拉在全球主要国家和地区自建工厂来降低成本，或为了获取当地补贴进行价格调整。第二阶段，局部试点进行市场和用户教育。苹果从硬件到软件的转变主要从iTunes开始。iTunes的推出主要因为2000年前后消费电子市场MP3的盛行，尽管市面上已经存在例如索尼、爱立信等市占率高的MP3产品，但是没有一款很好的音乐软件可以将MP3和播放器进行同步管理，直到2001年iTunes的推出得以实现。此后，苹果专门推出MP3播放器iPod系列，并通过“iPod和苹果电脑+iTunes”捆绑销售，不断加深用户使用习惯。将iTunes升级为音乐商城尝试内容服务，以0.99美元/首的低价吸引用户，一方面逐渐培养用户消费习惯增加粘性，另一方面改变音乐市场版权混乱、盗版无序等现象，从而联通用户和内容生产者。与苹果iTunes时期相似，特斯拉以“硬件出厂搭载+软件不断更新”逐步解锁自动驾驶内容，不断吸引用户并培养用户使用习惯，进行自动驾驶领域的市场教育。第三阶段，从用户到开发者逐步建立生态环境。“iTunes+iPod/Mac”形成苹果内容和软件服务雏形，“App Store+iPhone”完善苹果内容服务生态。引入App Store，苹果搭建用户和开发者沟通平台，用户方面，苹果通过应用软件排名、搜索为用户提供更广更丰富的服务；开发者方面，苹果提供设计工具箱，帮助开发者设计、营销和推广。特斯拉未来将会向App Store模式发展，特斯拉效仿苹果App Store开始建立应用商城（Tesla App），从仅限软件升级、充电等较为封闭服务，逐步发展成娱乐软件导入、付费升级等多元化的服务。从软件生态来看，特斯拉10.0版本更新后将支持Spotify、Netflix、Cuphead等信息娱乐软件；从服务内容来看，特斯拉尝试以付费形式进行车辆性能更新，例如2019年12月特斯拉推出性能加速升级（Acceleration Boost Upgrade），为Model 3双电机版本提供加速服务，更新后0-60mph加速时间可从4.4秒降低为3.9秒，更新费用2000美元。此外，特斯拉未来还提供包括汽车保险、自动驾驶车队（Robotaxi）等，为用户后续扩充更多增值服务。 订阅服务提升盈利可持续性。特斯拉所有产品从出厂时均配备相关的自动驾驶硬件，如果用户想要添加和使用这些功能或者修复某些软件问题，特斯拉会通过OTA进行系统升级。价格方面，用户以打包价在车辆预定或者车辆交付时买断相关的功能，例如最新的FSD售价为8000美元。与苹果最早期应用软件类似，部分专业性较强的工具软件面对的是“一次付费+终身更新”，这对软件研发团队的后续改进无法起到很好的激励作用。因此，苹果推出订阅模式，从一次性买断转为月度支付，且随着“iPhone+App Store”生态完善，苹果软件营收能力不断增强，2020年三季度苹果iTunes软件及服务收入达537.7亿美元，营收占比19.6%。订阅模式将有利提升特斯拉未来营收结构，第一，订阅模式可以增加软件使用用户数量，目前特斯拉尝试2020年底推出100美元/月FSD订阅服务，相对8000美元套件价格（美国已经提升为10000美元），用户可以以更便宜的价格享受完整服务；第二，特斯拉FSD套件自推出后，经历过多次变价，最近一次FSD价格从7000美元涨至8000美元（美国已经提升为10000美元），订阅模式可以缓解因价格多变而引起消费者不满情况；第三，随着特斯拉产品销量提升、订阅模式扩大软件使用率，未来软件服务将成为特斯拉核心营收来源。目前特斯拉已经推出9.9美元/月Premium Connectivity流量服务，服务包括流媒体、车况查询、浏览器使用等（车主依然可以免费使用导航服务，Premium Connectivity相关服务也可以依靠车主共享手机热点使用）。 备注：特斯拉OTA依然提供免费的基础更新服务，付费形式的车辆性能更新为可选项并非必备项。 3挑战与展望 随着第一个十年基本已经完成，2016年马斯克又提出了新的十年计划“Master Plan Part Deux”，包括四方面任务： 一、制造太阳能屋顶并整合储能电池； 二、扩大特斯拉新能源汽车产品线至所有主要细分市场； 三、积极开发无人驾驶技术，通过大规模车队实现快速迭代； 四、推出汽车共享分时租赁。 未来特斯拉所面临的竞争对手不仅仅是大众、丰田等传统OEM，更有谷歌、英伟达、Uber等高科技企业，还有石油巨头、氢能源技术、中国传统与新造车势力。全球新能源汽车市场格局仍存变数。 1、特斯拉将成为一家全球化车企。Model 3已经成为现象级的产品，当务之急在于快速推进德国工厂建设，并推出Model Y以满足SUV用户的需求。此后特斯拉还将推出电动卡车Tesla Semi、电动皮卡Cybertruck。我们预测2030年全球电动汽车销量将达到3500万辆，特斯拉年销量将达到600-800万辆，海外市场营收占比将超过50%。 2、未来特斯拉在电动化领域的领先优势可能被逐步缩小，核心竞争力在于智能化、无人驾驶技术、数据和品牌。从智能手机发展史来看，外观和供应链都极易被模仿借鉴，但苹果的利润却超过所有竞争对手总和，核心在于自研A系列芯片、iOS系统，并打造应用生态和高端品牌。特斯拉通过自研自动驾驶芯片和人工智能算法，并配合数量最大的车队不断提供用于深度学习的真实路况数据，特斯拉将拥有比其他竞争对手更高的算法迭代效率。未来一旦特斯拉的摄像头路线被证明可行性，相对于激光雷达路线将体现出极大的成本优势。 3、长期来看，汽车服务和能源服务将成为特斯拉新的增长点。特斯拉已经建立了全球范围的直营店和充电网络，通过OTA不断向用户推送新的软件与功能，特斯拉正持续构建线上+线下、汽车+能源的服务闭环。全自动驾驶成熟以后，特斯拉还将自建车队提供出租车服务。1）特斯拉将构建应用商城，完善软件和服务生态。无论是推出订阅模式、软件付费升级还是引入娱乐游戏软件，特斯拉的最终目标是为完善布局新能源汽车时代的出行生态。其中，可以连接用户和开发者的应用商城是运行软件和服务的重要平台，目前特斯拉应用商城（Tesla App）尚未达成苹果App Store成效，存在服务形式和品种较少、外部引入软件不够丰富、付费商业模式有待推进等问题。未来，随着特斯拉产品全球渗透率提高，应用商城使用率和需求量将会提升，亟待完善软件和服务生态。2）推广保险服务，推出其他金融服务。2019年4月，特斯拉针对车主车险金额高而推出车辆保险业务，提供精准的保险覆盖和理赔服务，保险费率较美国传统车险却低20%-30%。目前，特斯拉车险开始在加州地区试行，通过与State National Insurance Company美国国家保险公司合作，未来计划向其他州推广这项保险服务。3）推出自动驾驶车队Robotaxi，构建特斯拉网络（Tesla Network）。从新版的十年战略可以看出，特斯拉的抱负和野心远不止单纯地占领汽车市场，而是瞄向未来的出行生态，通过自动驾驶车队Robotaxi构建特斯拉网络。特斯拉的Robotaxi与Uber、滴滴、Lyft相似，属于共享出行类别，主要区别在于特斯拉销售自行生产的汽车且车队使用时不需要驾驶员过多参与，即“无人版”共享出行。根据特斯拉数据，较美国传统燃油车单车用车成本0，62美元/英里，特斯拉Robotaxi费用可低至0.18美元/英里，而车队将为特斯拉带来单车3万美元的利润。尽管特斯拉尚未公布其他详细情况，根据目前规划，我们预计2025年Robotaxi车队将约有76.7万辆车加入，以Model 3、Model Y、Cybertrunk车型为主，车队将为特斯拉带来约434.8亿美元营收。 我们曾在《特斯拉研究报告：用软件定义汽车》提到特斯拉产能不足、做工粗糙、高管层不稳定、价格波动频繁等问题，目前这些问题依然存在。在随着业务升级、特斯拉向出行生态铺开的同时，也将面临新的挑战： 一、自动驾驶技术实现情况。特斯拉尽管宣称将于2020年年底完成L5级别的技术研发，但是肺炎疫情、经济下行压力将对技术研发、市场推广产生一定的推迟。此外，L5级别自动驾驶技术相应配套的基础设施依然不够完善，或将阻碍技术推进发展。 二、全球监管层许可。特斯拉在2016年新版十年计划中提到，全球监管层可以接受自动驾驶技术累计里程数为100亿英里，这一数字仅为特斯拉官网估算，目前全球尚未有国家或地区官方公布相关法律文件或规定。此外，全球尚未公布无人驾驶的相关执行标准，无论技术发展还是监管层面均在探索当中，特斯拉推广“Tesla Network”依然存在极高不确定性和风险性。 三、特斯拉Robotaxi路线规划难度较大。在运营传统的共享汽车时，驾驶员可以与乘客进行协商，道路交通允许的情况在方便乘客的地点进行接送服务，即共享汽车上下接送点是较为灵活多变的。而Robotaxi可能短期无法做到类似效果，这对路程编程设计提出较大挑战。 四、对于汽车寿命情况过于乐观。特斯拉认为Robotaxi车队每辆车行驶寿命长达11年，由于新能源汽车具备动力电池，使用寿命或无法达到传统燃油车的限度。
如数据造假，其产生的不良后果才是监管的重点，若能从后果端入手监管或会更容易。比如直播带货数据注水现象，只要保证最终的选择权在消费者手中，从监管的角度破除消费者维权障碍即可。 主播辛巴直播间销售“燕窝变糖水”事件持续发酵。12月11日晚，央视二套财经频道报道辛巴因燕窝事件被广州白云区市场监管部门立案调查。律师认为，如主播是为其他商家产品宣传，扮演的是广告发布者的角色，对宣传推广的产品需要履行基本的审核义务。如果产品出现质量问题，主播需要承担相应法律责任。 随着电商行业的兴起，互联网带货的形式走入千家万户。近来，直播“翻车”事件频频被报道，被曝光，可见对于网络的监管仍需要加强。 数字信息时代，消费者通过网络就能得到关于商品更多的信息，但行为经济学理论表明，消费者更愿意寻找简单明了的指标来作为行动指示。主播人气、明星带货、点赞、人气、转发就是这样的指标，降低消费者的购物选择困难程度，有利于整个商品交易。 但近期频现的直播带货“翻车”事件，很可能使得消费者对于新兴直播带货产生不信任感。任由其长期发展，会冲击现有直播信用体系，使市场萎缩。 与其等待泡沫破灭后的一地鸡毛，不如先从挤水分开始。当前，直播相关的监管措施并不是最有效的，现有的监管更强调对造假的监管，打击数据造假的灰色产业链。但实际操作中，由于发现假数据的难度大，惩罚标准界定困难，这样的监管既浪费行政资源，又没能很好发挥作用。因此，监管方应该联合平台，同时利用市场自身的机制对造假事件进行处理。 当前，不少平台上公然有数据造假的买卖信息，利用“灰产”盈利。在现阶段治理并不严格的情况下，从平台的成本收益来讲，支持这类数据造假买卖是其维持市场竞争力的无奈之举。一旦严治理的措施出台，平台禁止相应的行为后，能 有利于收益增长，平台才有动力去禁止。 从经济学角度来讲，个人更主张靠市场机制来约束直播造假行为，通过更改监管思路来倒逼市场改革。 如数据造假，其产生的不良后果才是监管的重点，若能从后果端入手监管或会更容易。比如直播带货数据注水现象，只要保证最终的选择权在消费者手中，从监管的角度破除消费者维权障碍即可。 再以前段时间被点名的“直播带货不能退”事件为例，监管应把更多精力用于保障消费者合法权益，避免让商家将成本转移至消费者，由此倒逼商家自身作出改变。 当然，单纯靠规则倒逼市场改变，这个过程会很缓慢，同时有很多不确定性，将会导致直播电商市场萎缩，因此对直播带货立法立规也是非常有必要的。 严查、严惩自然是监管最有效的办法。直播造假等事件屡禁不止，主要原因还是在于违法成本太低，一方面是侦破率低，另一方面是惩罚低，两相结合导致违法成本过低。为此，监管对违法者惩治的同时，还应加强对消费者的维权赔偿，提高消费者维权意识和收益，通过三方联合，使用引导+倒逼的方式去整治这类违规事件。 本文来源于：《时代周报》
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估