大部分金融投资AI专利掌握在未上市初创公司手中，高风险业务引入进展低迷

by Cho Seulkina

Published 10 Sep.2025 10:32(KST)

资本研究院“人工智能与金融投资业创新”会议

有观点指出，与金融投资服务相关的人工智能（AI）专利申请，大部分集中在企业对企业（B2B）初创企业等信息技术非上市公司，证券公司等传统金融投资机构所占比重微乎其微。从内容上看，投资银行（IB）的大额并购金额、并购（M&A）等业务重要性高或风险较大的领域，AI 引入越发不足。为在整个金融投资业界激活 AI 引入与创新，有意见认为有必要通过试点项目提供支持、改善全领域基础设施，并通过明确的 AI 开发及应用原则来支持高风险业务的 AI 引入。

资本市场研究院研究委员 Kim Jinyoung 当天上午在汝矣岛国宾康莱德酒店举行的“AI 与金融投资业的创新”会议上，以“通过专利分析考察金融投资领域的 AI 应用及启示”为主题发表演讲时表示：“随着 AI 技术从统计型机器学习，经由深度学习，发展到大规模语言模型，有望推动整个金融投资业的创新并创造附加价值。”

10日上午，在汝矣岛国宾酒店举行的“AI与金融投资业的创新”会议上，为纪念资本市场研究院成立28周年，资本市场研究院研究委员 Kim Jinyoung 以“通过专利分析考察金融投资领域的AI应用及启示”为主题进行发表。

Kim 研究委员指出：“AI 技术正在向金融投资业的各个部分扩散”，但同时也表示：“AI 专利主要由非上市企业申请。软件即服务（SaaS）初创企业正主导将 AI 嵌入金融服务。”

Kim Jinyoung 和 Noh Seongho 研究委员考察了与金融投资相关的 AI 专利权申请公司的分布情况，结果显示，整体中有 67% 为非上市 SaaS 企业，其次是非上市平台企业（9%）、上市信息技术企业（7%）。上市金融公司的专利申请占比仅为 4%。从申请人分布来看，54% 为非上市公司，24% 为个人。他指出：“传统金融投资机构所占比重微不足道。”因此，有观测认为，今后随着金融投资业界对 AI 的利用度提高，金融投资公司对第三方风险进行管理的必要性将随之增大。

从内容方面看，从企业信用评价到异常交易检测、聊天机器人服务等，证券公司、资产管理公司、投资顾问公司所执行的大部分业务领域都已出现 AI 专利申请。具体来看，在投资咨询和证券业资产管理领域，专利数量最多。委托交易和证券型公募基金运作也位居前列，相比之下，私募股权基金（PEF）以及不动产及基础设施基金相关专利则相对较少。

Kim 研究委员表示：“AI 的适用可能性在不同业务之间存在巨大差异”，“在证券业资产管理和咨询业务中，价值链各个阶段的 AI 应用潜力较高，而在其他业务中，部分阶段存在短期内难以引入的领域。”例如，在证券公司投资银行部门，企业分析与价值评估阶段已确认存在大量相关专利，AI 应用潜力较高，但在项目获取、并购承销与发行阶段，相关专利极少，几乎不存在应用可能性。

他将这种 AI 应用差距的原因，归结为除业务特性（标准化程度）之外的数据可获得性以及在高风险业务中引入 AI 的风险。Kim 研究委员指出：“业务流程越标准化、可供学习的数据越丰富，AI 引入就越活跃”，“在并购等规模庞大且法律风险较高的业务中，AI 出错可能导致巨额损失，因此应用受到极大限制。”在此类高风险业务中，一次失误或误判往往就会引发巨大的金钱损失或法律纠纷。

他还关注了海外 AI 应用案例。将海外金融投资业的 AI 利用度分为“稳定引入”“引入初期”“利用度较低”三个阶段进行诊断后发现，在内部文档处理及代码编写自动化、市场监控、投资研究、机器人投顾等领域，AI 已实现稳定运用。提升算法交易及高频交易（HFT）效率、利用聊天机器人与投资者沟通、基于企业级大语言模型（LLM）的全公司业务支持等，也处于引入初期阶段。但在完全自动化交易、投资咨询、替代性信用风险等领域，利用度仍然较低。

Kim 研究委员表示：“基于生成式 AI 的全公司业务支持等虽有案例报道，但整体仍被视为处于较为初期的引入阶段”，“不同业务的 AI 利用度差异，取决于技术性能与稳定性等整体成熟度、开发成本与预期效果之间的差距，以及可用算力资源的限制等因素。”

他强调，为了今后激活金融投资业的 AI 引入与创新，首先应通过试点项目有效验证 AI 引入效果，从而营造实验环境。同时，他指出，从数据导入、处理到安全、治理等，全领域基础设施的改善也十分重要。对于利用度尤其偏低的高风险业务，他补充说：“应通过 AI 开发与应用原则，明确定义责任归属”，“有必要为高风险领域的 AI 引入提供支持。”

必读新闻

“月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]①

同日，以“投资的未来：以 Transformer 为中心”为主题发表演讲的资本研究院研究委员 Kwon Minkyeong，分析了作为近期 AI 技术发展核心的“Transformer”架构对投资范式的影响，并比较了利用该架构的两种新型投资方法——“LLM 代理模型”和“金融垂直领域模型”。通过这一分析，她展望了未来投资方式的根本性变革，并提出金融公司应以长远眼光为基础，致力于获取作为核心资产的“数据”，为即将到来的未来做好准备。

한글 기사 보기

本报道由人工智能(AI)翻译技术生成。