至顶网CIO与应用频道 06月27日 编译:
并非所有银行都能凭借数字化努力获得理想的回报。
过去四年当中,银行机构已经投入1万亿美元,用于利用技术武器推动自身摆脱原有业务走向数字化领域。但是,这一切是否真的物有所值?
当然,投资者与高管们都对这个问题的答案抱有兴趣。自从十年之前的金融危机以来,银行一直在努力赚取一切有意义的市场溢价,并以市盈率、交易价格以及账面价值进行衡量。根据标准普尔Capital IQ发布的数据,按照这些衡量标准,银行业在各大主要行业中估值最低,其交易价格为市盈率的数倍——市盈率为10,P/BC则不足1。很明显,尽管银行业已经迎来复苏并表现出高于资本成本的良好股本回报率,但投资者们对于传统银行业的未来前景仍不是特别看好。
银行近年来在技术方面投入如此可观的资金,部分原因是为了更好地配合消费者对数字化与移动趋势的日益关注。这一切投资背后的商业案例,都是为了推动经济绩效的改善,并借此为股东提供回报。目前银行行业整体表现疲软,而从个别银行的股票表现来看,虽然部分银行已经摸到数字化转型的门径,但也有不少银行仍在过程当中苦苦挣扎。
为了弄清楚银行从技术投资中能够获得怎样的收益,埃森哲公司通过三个视角分析了来自21个国家的161家公开交易的零售及商业银行。首先,埃森哲对银行收益结果、公开声明以及财务披露进行审查,以评估银行对于技术的态度及行为。其次,埃森哲收集了第三方的反馈意见,例如贸易出版物数字创新奖项以及围绕客户满意度开展的独立数字化指标研究。最后,埃森哲银行业务专家根据他们的经验与市场知识,将这些机构的实际情况与其主观判断结合起来。
在全球161家银行当中,约有一半以上在数字化转型方面较为落后——要么没有连续的数字化计划,要么只是“玩票”性质的试探性尝试。另外,有近40%(61家)在数字化转型方面表现活跃,做出了不少正确的尝试,但缺乏真正稳定可靠的机构承诺与统一方法。最重要的是,埃森哲还发现有19家数字化银行,这些银行将建设以数字为中心的银行机构视为自身的核心任务。
当通过这种数字化成熟度分析的角度来审视其经济表现时,我们发现在数字化层面获得领先地位确实能够为银行带来显著回报。纵观这些数字化银行,他们在过去8年当中将P/BC比率提高了13%,目前为1.18。与金融科技及大型科技企业的预估相比,这样的结果确实不算太好,但仍然表明其对未来回报抱有较强的信心。第二梯队的银行实现了5%的P/BC收益。而在处于第三梯队的50%银行而言,他们的P/BV下降超过16%,平均值仅为0.83。显而易见的是,这1万亿美元的技术投资确实能够得到股东们的支持,但仅限于那些能够明确解释用途并带来切实回报的银行机构。
我们发现,这种估值方面的分歧不仅源自炒作与叙述差异。在深入审视回报情况时,可以看到以数字为中心的团队正在创造出具有可观差异的净资产收益率(ROE)与改进率。但值得注意的是,几乎所有的回报收益都来自积极的经营杠杆以及推动收入实现超越成本的增速。以2007年的成本作为基准,第一梯队的数字化银行将其成本(与收入之间的比例)降低了一半以上,第二梯队的数字化活跃银行将成本降低了约三分之一,第三梯队则仅将成本降低了2%。在全部三个梯队当中,收入占资产的百分比在此期间都有所下降,这意味着整个行业的利润率都有所缩水。只有第一梯队的数字化银行成功提升了营业收入在资产中的百分比——从1.17%增长至1.29%,而这一切都是受到数字效率的推动。
以现有业务为基础提升盈利能力确实具有可行性,但从另一个层面来看,希望银行业能够像其它行业一样通过技术进步实现收入调整增长及大型客户吸引,甚至是股份强劲增长的股东恐怕注定要失望。
银行业面临的挑战在于如何将数字化投资从效率提升转化为收入增长,这不仅仅是为了支持其股票价格,同时也是为了抵御技术巨头以及金融科技独角兽公司对银行业务的侵蚀。有迹象表明,一部分银行已经开始获得真正的数字化增长回报——亚洲的星展银行以及西班牙的毕尔巴鄂银行(BBVA)正是两家典型的领先数字化银行,其目前已经显示出强劲的收入增长。
作为一个集团,以数字为中心的银行可以通过专注扩大资产负债表并在欧洲及其它区域遵循开放银行法规的方式,扩大自身贷款与资产来源,从而逐步转化为增长模式。利用庞大的传统基础设施,银行业也可以尝试成为其它银行(以及技术企业)的银行即服务供应商。但对于已经在这场数字化浪潮中落后的银行,他们的任务就是效仿第一梯队的领导者们并努力追赶。市场决定一切,而市场喜爱数字化转型。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。