科技金融：深度融合创新，推动新质生产力发展的关键

aizixun8

●摘要：【研究目的】推动科技与金融深度融合，为创新提供高效的流动性支持，对于培育新生产力具有重要意义。 【研究方法】以科技金融工具为切入点，分析股权投资、科技贷款、科技保险三大类科技金融工具的发展现状及主要挑战。尝试构建科技创新与金融资本的“融合矩阵”，推动两者在价值发现、风险分担、数据剖析等方面深度耦合发展，为科技金融创新提供启发。 [研究结论]提出四点对策建议：根据技术演进规律把握投资决策方向；发挥科技创新平台的技术发现能力；推动孵化载体参与风险共担；以算法创新作为AI模型的突破方向。

●关键词：科技金融；金融工具；融合矩阵；算法创新；新生产力

金融是创新的血液。做好科技金融、优化科技金融体系，可以更好地为创新活动提供流动性支持，对于促进科技成果转化、培育新生产力、实现高水平发展具有重要意义。高质量发展。

一、核心要义：科技金融的本质是创新融资

在人类文明史上，科技与金融始终相辅相成。可以说，货币支付的每一次革命性变革都是技术进步的结果。从贝壳到金属货币，从金属货币到纸币，从纸币到二维码支付，背后是冶金、造纸、印刷。信息技术不断突破。同样，股份公司、证券交易所、保险、银行、风险投资等现代金融模式的创新，也极大地加速了大航海时代、第一次科技革命（蒸汽时代）、第二次科技革命的发展。技术革命（电气时代）、第三次技术革命（信息时代）持续兴起。

（一）金融科技与科技金融不能混为一谈

从上述分析可以看出，科技与金融有着密切的共生关系。这种关系还衍生出两个概念：金融科技和科技金融。金融科技是指应用新技术提高金融行业本身的运营效率；技术定位为应用工具，金融提供应用场景。科技金融是指利用各种金融工具推动技术创新，为创新提供流动性支持，分担风险并获取超额收益；科技创新成为资金需求方，金融是资金供给方。因此，这两个概念不满足交换律，不能混淆。

（2）科技金融为创新商业化提供现金流

与资本、劳动力等传统生产要素的边际投入递减规律不同，创新要素的投入具有边际效益递增的特点。科技进步正在成为世界经济发展的主要动力。与国家或企业对科技的持续投入存在着潜在的契约，即技术突破将带来超额回报和竞争优势。然而，这种输入与输出的关系并不是一种即时的、简单的、清晰的白盒函数关系，而是一种延迟的、复杂的、晦涩的黑盒函数关系。基础研究带来的新知识、应用研究带来的新技术要转化为市场接受的产品和服务，需要经历一个漫长而艰难的转化过程。科技突破不等于创新。创新是新发明或新发现的商品化过程，是科技成果转化的过程。这得到了各国政府和学术界的认可。

创新过程中的投入和产出之间存在较长的时间滞后。在创新的基础研究和应用研究阶段，政府资助仍然可用，而在原型制造阶段，创新者的个人积蓄可能会被投入。然而，当涉及到中试、工程设计、规模化生产、产品上市以及产品上市直到实现盈亏平衡时，都存在巨大的资金缺口。需要金融资本的进入来填补。

（三）科技金融是新生产力形成的重要贡献者

观察新生产力的形成路径：基础研究、技术创新、应用场景、新兴产业、高端产业，我们会发现，技术创新是新生产力的源泉，是形成逻辑的关键环节。的新生产力。科技金融为新生产力形成提供流动性支持。显然，科技金融的本质是创新融资，是促进科技成果转化、新生产力形成的重要助力（见图1）。

图1 科技金融助力形成新生产力

2. 现状概述：基于科技金融工具的洞察视角

金融工具是融资活动的实施方式和机制安排。在分析科技金融实践时，金融工具是一个很好的洞察视角。有许多不同类型的科技金融工具。创新过程中新发明、新发现的不同阶段、企业家对股权转让的不同偏好、控制创新风险的多样化需求，催生了不同类型的科技金融工具。一般来说，科技金融工具主要包括股权投资、科技贷款、科技保险等（见图2）。本文从不同科技金融工具的发展来分析科技金融的现状。

图2 科技金融主要工具

虽然科技金融的概念诞生于中国，但科技金融的实践却始于美国风险投资市场的兴起。全球科技金融的主要发展路径包括：美国风险投资资本市场主导模式、德国混业“全能银行”模式、以色列政府引导基金模式等。二十年来，我国科技金融科技金融在实践中全面探索，北京、上海、南京、合肥等地设立科技创新金融改革试验区，科技金融工具种类不断丰富。

（一）股权投资

目前，科技公司股权投资工具已形成较为完善的体系。主要包括种子资本、天使投资、风险投资、科创板、主板等，各类基金是主要投资主体。股权投资工具具有高风险、高回报的特点，且风险与回报是对称的。

影响股权投资工具选择的因素主要有两个：一是科技公司不同发展阶段对资金的需求，二是投资者的风险偏好。一般来说，科技成果转化越深入，资金需求就越大，风险也会逐渐降低。

种子资金和天使投资主要针对处于种子期和初创期的科技公司。大多数项目处于概念验证或产品原型阶段，投资资金量也较小。风险投资主要针对处于成长期的科技型企业。项目普遍已实现量产，具备初步商业模式，并开始上市销售，但尚未实现盈亏平衡。当科技公司实现盈亏平衡、商业模式成熟、需要扩大规模时，科创板或主板上市将成为他们的选择。

社会资本和政府资金大多以基金的形式投资科技企业。目前最流行的基金治理组织​​结构是有限合伙私募股权投资基金。在此组织架构下，政府引导基金和市场化基金中的基金作为有限合伙人，出资比例约为98%，基金管理公司（实际控制人）作为普通合伙人，出资比例约为2%。

近年来，我国资本市场改革不断深化，北交所、创业板、科创板等多层次科技资本市场体系逐步建立。截至2023年6月末，北京证券交易所上市公司204家，总市值超2668亿元；科创板上市公司542家，总市值6.72万亿元； A股上市专业化、新型公司超过1000家；风险投资和私募股权投资基金管理规模近14万亿元。

（二）科技贷款

从资金来源规模来看，科技贷款是国内科技金融的主要形式。科技贷款与传统贷款的区别在于信用创造的基础不同。科技贷款是基于企业的创新能力和科技成果的未来价值，如技术领先性、技术可替代性、专利保护、商业模式等进行信用创造。传统商业贷款是基于现金流等金融数据进行信用创造需要注意的是，对于初创科技公司来说，偿还贷款的来源往往不是产品销售的现金流，而是初创公司股权融资的现金流。由于央行和政府对商业银行科技贷款利率监管严格，科技贷款具有风险高、回报低、风险与回报不对称的特点。

目前，国内商业银行​​已建立了种类齐全、覆盖面极广的科技贷款体系。创新积分贷款、知识产权质押贷款、高新技术企业贷款、专项新增贷款、科技担保贷款等都属于科技贷款范畴，其中前两者更具代表性。

创新积分贷是科技管理部门探索建立的基于量化评价、非传统财税政策、精准支持的中小企业技术创新评价体系，提供科技画像企业。核心点指标有20个，由科技部火炬中心制定，主要包括企业研发投入强度、技术合同成交额、高新技术产品收入、承担科技计划项目等科技创新企业可以通过积分评价获得银行相应的信贷支持。 2022年，全国7.13万家创新点企业累计获得银行授信1178.6亿元。

知识产权质押贷款是指企业以其经评估后的专利权、软件著作权等知识产权作为抵押，向银行获取贷款的融资方式。旨在帮助轻资产科技创新企业解决缺乏房产担保的问题。融资问题。实践中，由于知识产权估价和变现的困难，商业银行往往要求企业提供担保或实物抵押。 2024年，国家将全面实施专利开放许可制度，知识产权质押找到了新的突破口，但实施效果还有待观察。

近年来，在国家政策的号召和激烈的市场竞争刺激下，商业银行开展科技信贷业务的热情更加高涨，建立了一大批专业化科技信贷机构（科技支行）和服务团队。截至2023年6月末，我国已设立科技专业分院和科技金融专门机构1000多个；高技术制造业中长期贷款余额2.5万亿元，同比增长41.5%；科技型中小企业贷款余额2.36万亿元，同比增长25.1%；专精特新企业贷款余额2.72万亿元，同比增长20.4%。

（三）科技保险

科技保险是指以保险作为风险分担方式，由保险公司对创新活动（研发、生产、销售、融资、侵权等）中的风险造成的损失提供赔偿。我国科技保险起步于2006年，经过十几年的发展，全国科技保险险种已达数十种。风险保障涵盖产品研发、知识产权保护、贷款担保、研发人员健康等多个方面。

如果按照保险标的来分类，大致可分为三类。第一类针对科技人员和技术产品，如研发人员团体健康保险、高端产品出口保险；第二类针对成果转化和研发活动，如先用后转移保险、速研保险等；第三类以融资为保险对象，如高端小额贷款保证保险。相比之下，第一类与普通人身保险、财产保险区别不大，科技属性较弱；第二类科技属性最强；第三种相当于提供担保功能。

第二类科技保险针对创新活动产生的风险，最具代表性。 2023年，浙江将在全国率先推出“先用后转保险”。科技成果“先用后转让”机制实施过程中，可能会出现企业想尝试专利但大学担心早期“免费链接”、企业不愿“付费”等问题。试用成果后仍私自使用专利等，导致成果难以实施。 “先用后移”过程中一旦发生侵权行为，保险公司经鉴定后将先行赔偿。如有侵权或违反科研诚信行为，相关调查结果将推送至浙江省信用中心，并纳入信用档案。

3、主要挑战：科技与金融尚未深度融合。

科技金融在实践中仍面临一些困难。虽然具体形式各有不同，但主要原因是技术创新与资本融资尚未深度融合。从资本的角度谈融资，从科研的角度谈创新，科技和金融只是简单的叠加，依然是“两张皮”。资本缺乏耐心，科研脱离市场。具体来说，主要存在七个主要问题和挑战。

一是商业银行科技投入和研究能力薄弱。传统的财务评价方法仍难以识别前沿技术和新兴产业，缺乏价值发现和风险控制能力。二是市场化科技信用风险防控机制尚未形成。坏账风险补偿资金高度依赖政府财政。第三，金融机构热衷于支持处于成果转化中后期的领先科技企业，例如专注于新技术的独角兽和小巨头公司，但对尚未跨越“新时代”的初创企业并不热心。死亡之海”。第四，数据孤岛现象依然存在。科技创新企业相关数据分散在科技、工信、税务、社保、统计等多个部门。第五，重数据轻算法，科技创新企业画像无法体现科技资产未来价值。科技公司的评价模型要么是财务导向，要么是研发导向。盲人摸象，各有各的看法。仅具有参考意义，并不能完全支持决策。六是风险投资退出渠道狭窄，科技企业资本并购不活跃，二级市场S基金刚刚起步，高效、纵横衔接的多层次资本市场体系有待完善。七是天使、创投基金规模持续增长，但民间资本参与热情不高，各级国有资本投资占比较大。

4、创新启示：构建科技创新与金融资本“融合矩阵”

如果借用量子力学的理论来描述，科技金融的概念可以理解为具有一定的“叠加态”，就像一枚旋转的硬币，有正反两面。科技金融还需要从科技创新和金融资本两个维度来理解。描述：科技金融内部形成了一个相对复杂的二维融合矩阵关系。如果只从资金供给端来理解科技金融，我们会难以理解、难以估值。仅从创新需求端看科技金融，缺乏市场化思维，会出现技术“叫好而不叫好”的现象。技术创新与金融资本的简单叠加并不能有效解决创新融资问题。要构建技术创新与金融资本的“融合矩阵”，推动两者在价值发现、风险分担、数据剖析等方面深度耦合发展（见图3）。根据这一逻辑，本文提出以下四个创新启示。

图3 科技创新与金融资本“融合矩阵”

（一）金融机构根据技术演进规律把握宏观投资

决策 现代技术的复杂性、专业性和颠覆性是阻碍金融机构理解技术的主要障碍。一方面，要求金融机构在微观层面具备所有领域的技术专长是不现实的；另一方面，在宏观层面，各种技术进步表现出共同的演化规律。一项技术会经历婴儿期、成长期、成熟期和衰退期四个阶段，构成技术演进的S曲线。处于起步阶段，技术表现改善缓慢，市场预期相对谨慎；成长期，技术性能提升爆发，市场预期快速上升，估值泡沫出现；成熟阶段，技术表现稳步提升，估值泡沫破灭，市场预期趋于合理；当它进入衰退期时，其发展趋势趋于平缓，商业价值达到顶峰，代表未来技术发展方向的新的S形曲线将会出现。技术进步沿着新旧S曲线的转换不断演化（见图4）。

图4 技术演进S曲线

S曲线对于金融机构的意义在于，金融机构可以判断自己的决策活动属于科技金融还是传统金融。面对融资需求，金融机构应对企业技术资产进行宏观层面的了解，利用S曲线等工具判断技术的总体阶段，把握技术演进的节奏。对于处于萌芽期和成长期的技术，采用科技金融的思路；对于成熟期和衰退期的技术，采用传统金融的思路。以太阳能电池材料为例。它们经历了单晶硅、多晶硅、薄膜电池、钙钛矿等多条S曲线的演变。目前，投资钙钛矿是一种技术和金融行为。

（二）充分发挥科技创新平台的技术价值发现能力

传统金融机构，如商业银行、保险公司、证券公司等，缺乏对科技微观层面的理解。这既是专业能力的限制，也是投资研究成本的限制。金融机构不具备的技术专业能力，恰恰是科技创新平台的优势。科技创新平台主要类型包括国家重点实验室、工程技术中心、概念验证中心、中试平台、新型研发机构等，一般建立在科研能力较强的高等院校基础上，以促进科技成果转化为目标，可开展科学研究、技术创新和研发服务等活动，在各自专业领域具有较强的技术判断和理解能力，甚至天使投资能力。

构建金融机构与科技创新平台深度融合机制。金融机构可以依托科创平台的专业能力，筛选科技成果转化的早期项目，而科创平台则可以借助金融机构扩大自有资本、接力投资、拓展资源链接。从合作机制形式看，可以由科技创新平台牵头设立联合投资基金，对孵化项目进行投融资；也可以由投资机构牵头，与科研机构合作，搭建科技创新平台，帮助认定科技项目。

目前，国内外在实践中进行了一些初步探索。以概念验证中心为例，是指依托高校和新型研发机构，筛选早期科技成果和未来技术概念，提供样机制造、技术可行性论证、商业模式验证、创新融资、资源嫁接等服务。降低成本。将风险转化为市场的科技创新新平台。比如湖北首个概念验证中心——“御岳”。该中心主要依托华中科技大学在医疗器械领域的技术优势。 2003年发布了第一个验证计划《医疗器械概念验证计划》，并设立了概念验证专项基金。预计三年内投资1000万元。每个项目投资30万元至50万元，资助期限2年。用于早期项目筛选和商业化验证，并提供技术经纪人跟踪服务、供应链服务、应用场景搭建等。

又如高瓴资本推出“Aseed+”计划，计划三年内投资100家新能源、新材料、生物科技等领域的种子期公司。单笔交易规模一般在1000万元至2000万元之间；并以“共创”为理念，与合作伙伴建立概念验证和中试平台，开展创业孵化、市场验证、产业对接、后续推广等一体化服务融资为初创企业提供全周期支持。

（三）金融机构与孵化载体共同构建风险分担体系

传统商业信贷追求低风险、低回报，但科技信贷的现实却是高风险、低回报。科技信贷风险与收益的不匹配，导致商业银行“涌向”产品已上市、商业模式已成熟的领先科技企业，而“远离”初创科技中小企业。贷款利率上升空间有限，商业银行分业经营的制约导致投贷联动难以真正统一。商业银行面临风险防控问题。

目前，流行的解决办法是向政府施压。实践中主要有三种方式。第一种是政府设立科技贷款风险补偿基金池。当不良贷款发生时，政府会提供一定比例（30%至50%）的风险补偿，分散银行风险，如科保贷款等。第二类是设立国有担保公司，以分散银行风险。为科技贷款提供担保，风险补偿比例高达80%左右，如科冠贷款。第三类是国有保险公司为科技企业贷款提供信用担保，一般损失率在50%左右，如科技保证保险。政府参与风险分担时，也会提出相应的要求，比如贷款对象必须是高新技术企业、必须向企业提供优惠的贷款利率、小额贷款必须免收担保费等。

政府不是市场主体，更不是创新主体。它既没有发现价值的商业技能，也没有理解技术的专业能力。由于优惠利率降低了企业融资成本，实践中此类政策工具往往转化为商业银行争取优质客户的价格手段。初创科技公司的融资难问题并未得到真正解决。与庞大的信贷市场相比，政府有限的财政资源只是九牛一毛。

许多科技园区、孵化器、众创空间等孵化载体都具有技术背景，对被孵化企业的技术进步和未来市场前景有深刻的了解。他们日夜了解企业，实时了解企业动态。对于优质种子企业来说，科技园区可以帮助其融资，分享企业成长的红利。这也是增强科技园区自我造血功能的重要途径。 2023年，全国众创空间租金和物业收入占比约为31%，投资收益仅占5.8%，投资收益占比较低。

可将科技园区（孵化器、众创空间）纳入风险分担体系，探索新技术贷款产品——科技园区贷款。具体的设计思想如下：商业银行可以与科学技术公园和其他运营商合作，共同同意信用额度，科学技术公园将投资于建立风险补偿基金池。对于合作社科学和技术公园推荐的所有企业，商业银行将立即发行贷款，以根据要求获得“贷款”。如果发生坏账，科学技术园将共享一定比例的损失，也允许科学技术园收取公司的一定保证费；商业银行将利用科学技术园对孵化公司控制风险的专业理解和信息控制；科学技术园将使用商业银行可以扩大自己的资本并扩大资源链接，以最大程度地提高孵化回报。

（4）AI时代的算法创新，数据共享和评估模型的创建

近年来，人工智能技术继续取得突破，大数据和云计算应用程序变得越来越流行。该国一些地区已经开始尝试建立在线智能融资云平台，例如武汉的“汉隆顿”平台，用于中小型企业融资，以及河南省的中小型企业融资平台。以云平台等为例，它已经实现了平台与处理银行和智能城市数据系统之间的直接连接。该平台上有一个301个特殊区域，即“申请贷款3分钟，0手动干预，1秒钟的借贷”。企业可以在线申请贷款支出，并且贷款金额由AI根据系统集成的大数据计算。但是，上述平台不是技术公司的独家融资平台。技术公司的AI评估模型是确定融资云平台成功或失败的关键。

技术公司的AI评估模型包括三个部分：数据，算法和计算能力。就当前的科学和技术财务实践而言，计算能力尚未出现问题，算法尚未取得真正的突破，数据共享是次要的。

将数据用于个人资料技术公司通常会让人联想到大数据。数据越多，企业肖像的准确性就越准确。但是算法比数据更重要。如果评估指标无法反映技术创新的潜在业务价值，那么无论有多少数据，它都无济于事。技术公司的当前评级指标通常简单地叠加了反映公司研发功能的传统财务指标和科学研究指标。该算法模型更适合描述具有成熟业务模型的领先技术公司，但无法表达启动技术公司的未来价值。筛选结果返回到“锦上添花”的传统财务选择，并且仍然无法识别需要“及时帮助”的启动技术公司。设计评估指标，这些指标反映了技术资产和创新模型算法的未来商业价值是在当前评估模型中需要克服的核心问题。

没有模型算法中的突破，数据共享范围将没有确切的边界，我们将陷入感知的理解，即更多的数据更好。良好的算法仅需要适当的数据才能获得正确的结果。当然，仍然存在数据岛的现象，以及散布在不同政府部门的科学研究，社会保障，税收和专利等数据。但是，共享数据的广度和深度必须基于算法要求，同时考虑到商业安全，个人隐私和其他因素，以描绘足够和最小的数据界限。

wuhan科学技术发展促进中心，硕士，研究员作者。

原始文章发表在“科学技术智囊团高质量发展的新生产力”列，第9期，2024年（总问题340）。

这个问题·推文