国有第一大行的数字化转型如何布局？经济增速换挡、利率市场化、监管趋严的整体环境下，金融行业的冬天依然没有过去。而银行业，作为基础金融的重要组成部分，也正经历着自身的行业阵痛。近年来，在互联网巨头的跨界冲击中经历了数字经济的洗礼。此后，“数字化”开始成为银行业发展的新命题。在过去的五年里，从网点经济到APP经济再到API经济，数字技术正在重构银行业的生态格局。工商银行作为中国资产规模最大的银行之一，工商银行在数字化转型方面进行了大规模的投入。举全行之力打造第5代新系统金融科技始终被视为工商银行的核心竞争力和改革驱动力。过去几年里，工商银行一直坚持以技术变革引领银行再造，先后自主研发了以SAFE、CB2000、NOVA、NOVA+为代表的四代核心系统，实现了数据大集中、“两地三中心”等重大创新突破，奠定了在国内同业中的科技领先优势。截至2020年年底，作为工商银行金融科技应用的集大成者，第五代新系统——智慧银行ECOS工程顺利推进并取得实质性成果，基本实现了客户服务“智慧”普惠、金融生态“开放”互联、业务运营“共享”联动、创新研发“高效”灵活、业务科技“融合”共建的目标。工商银行打造了“核心业务系统＋开放式生态系统”的新型IT架构，建成了银行业技术能力最强、规模最大的金融级云平台，并打造了体系完备、服务能力领先的分布式技术体系，分别于2019年、2020年荣获人民银行“银行科技发展奖”一等奖，率先完成核心系统中最关键和数据量最大的借记卡账户下移主机，实现大型银行IT架构的历史性突破。同时，工商银行还积极布局云计算、分布式、大数据、人工智能、区块链、物联网等金融科技领域，打造了一系列领先的新型数字基础设施。例如，工商银行的大数据平台率先实现国家大数据标准推进委员会制定的“六大融合”标准，全面建成自主可控、同业领先的企业级人工智能技术体系。工商银行的区块链平台在金融同业中率先获得国家密码管理局颁发的安全评测证书，且首家完成国家网信办备案；同业率先完成5G消息平台建设、5G消息业务试点。在技术创新性上，工商银行在银行业多项“卡脖子”技术攻关工程中取得关键突破，2020年，工商银行专利的新增及累计授权数量保持同业“双领先”。在产品供给量上，通过积木拼接式创新，去年发布可复用、可拼接的服务2万多个，灵活创新1000多款产品，有效响应了市场需求。数字化基因全方位贯穿多领域业务目前，工商银行依托第五代新系统——智慧银行ECOS，全面打造赋能零售、对公、政务、乡村、同业等领域协同发展的数字新业态，实现全行经营动能转换、质量升级和效率变革。工商银行聚焦客户需求，不断强化数字化、智能化内外部应用创新，打造无处不在、触手可及的“智服务”。针对To

科技人员超过8500人的银行，怎么做数字化转型？银行拥有数百数千人的IT团队，如何能够加快推进数字化转型进程？科技人员超过8500+的平安银行提供了实践案例。近日，在由AI金融评论联合主办的「鲸犀产业数字峰会」上，平安银行首席信息执行官张斌，就分享了平安银行数字化转型经验。鲸犀产业数字峰会，是由业内最顶尖的企业家、工程领袖、CIO、解决方案专家、投资家，联合发起的数字化系列论坛。致力于将全新的数字化管理思维和实践案例，推向传统产业界、AI界、互联网界、投资界、经济学界。拥有二十余年银行从业背景的张斌，这次他带来了不少平安银行的数字化转型细节，包括对未来技术发展趋势看法，也包括研发体系转型，支撑平台的建设，以及结合实例谈数据平台和AI平台的建设实践。数字化的远景，必然有线上化、场景化、生态化的趋势，但具体到产品形态，竞合关系，实际都需要一个不断迭代的演变过程。张斌强调，敏捷研发是数字化转型的必备能力，并且需要完善的技术体系、工具平台的支撑。如果不能实现大规模敏捷研发，不能保证交付质量，科技队伍再庞大也是事倍功半。同时，平台化是大规模数据智能应用的基础，要建立企业级的AI平台，实现数据的提取、特征工程到建模，模型管理到模型训练和部署，实现全流程线上化的闭环。只有这样，才能适应进一步推动AI在各种业务场景中的应用。尽管融合架构可以作为银行转型过渡期的选择，但在张斌看来，云原生才是银行数字化转型的技术方向。以下为张斌的全场演讲，雷锋网《AI金融评论》做了不改变原意的编辑：非常高兴有这么一个机会，通过线上的形式，就平安银行在数字化转型过程中的实践、思考和大家做分享。先简要介绍平安银行的战略。平安集团历经30多年的发展，走过了深耕保险、综合金融再到今天的“金融+科技”的发展历程，这也是平安集团战略不断升级的过程。平安集团拥有一个非常强大的科技板块，在很多技术领域的能力都处于领先地位；平安也孵化出了一些知名的科技公司，对各个子公司使用技术赋能业务，也发挥了非常大的作用。平安银行的愿景是要打造中国最卓越，全球领先的智能化零售银行。平安银行2017-2019年期间提出零售战略转型，现在2020-2022年新的战略，科技引领依然是方针策略，这是战略的延续性。科技引领，包括了人才的培养、引进、队伍壮大，也包括对前沿的技术的研究和应用。平安银行的科技引领战略，是要求整个组织都要拥抱科技，把科技当做先进生产力，所有人都想到用科技手段做创新，解决问题，去给客户提供更好的服务。平安银行通过科技和业务深度融合，通过敏捷的转型，科技和业务双轮驱动，落实科技引领战略。当然这里有一个背景：现在正处在技术变革时期，数字经济蓬勃兴起，数字社会加速到来，这过程中，技术是一个决定性变量。今天我主要介绍平安银行数字化转型所涉及的一些技术工作，主要是在冰山水面以下的那部分——正是由于这部分的投入，持续能力打造和提升，才使得我们能够看到，最终呈现给市场、呈现给客户的变化。技术体系之变：云原生、大机下移、PaaS建设第一个和大家交流的话题是技术体系。任何一个组织包括银行，技术战略一定是和业务愿景相结合的。平安银行的愿景是要成为智能化的零售银行，这就决定了我们要具备互联网公司所具备的技术能力。特别是在服务日益线上化、场景化、生态化的趋势下，技术能力要向一流的互联网公司看齐。立足于互联网技术能力，平安银行选择了云原生技术方向，具备高并发、弹性扩展、敏捷交付和部署、高可用、容错、易于维护等优势。云原生技术发展非常快，已能够支持大规模企业级的应用，平安基于这样的认识和判断，选择云原生这条技术路线。其中包括基础设施要全面云化，构建支持分布式、微服务的一整套应用架构，也包括容器在的应用。PaaS平台建设于2018年启动，到目前为止，取得了非常显著的进展。除了一些老系统之外，大部分系统跑在云上。同时新建系统和重构系统，也都基于支持分布式微服务架构PaaS平台之上研发。平安银行在基础技术方向上选择了云原生，也打造出了自身的IaaS和PaaS。平安银行基于分布式PaaS平台支持研发的信用卡新核心，跑在平安的私有云上，去年11月31日投产。该项目实施周期不到两年，成为国内首家全球第一个将关键业务系统从大型机迁移到单元化分布式系统的商业银行。平安银行的信用卡业务，在全国的银行交易量排名第二。新建的信用卡核心系统，要支持高并发业务，包括开展营销活动时，要具备非常高的峰值吞吐能力。基于云原生技术体系，能很好支持高并发的应用。从已经交付的情况看，系统具备支持10万TPS混合交易处理能力，支持1万TPS金融交易处理能力，大大增强了对业务的支持和保障能力。研发体系之变：一切为了敏捷接下来我想跟大家分享，平安银行研发体系建设和演进的思路。平安银行在提第一阶段零售战略转型的时候，董事长要求全行都要做敏捷转型，从组织型敏捷，也包括IT要有敏捷交付、敏捷开发能力。为什么如此重视敏捷能力？就是因为今天我们处在一个快速变化的环境里。如果说，未来数字化远景看得非常清楚——拿银行来讲，就是线上化、场景化、生态化，但非常具体的产品形态，合作和竞争的关系，都会是迭代和演进的过程，充满了不确定性。科技引领战略下，平安银行建立了强大的科技队伍，当前有8500~9000人的科技队伍，其中大多数是研发人员。有这么大一个队伍，大规模推进敏捷研发，还要保证交付质量，在整个平安银行科技体系，推进了DevOps整套管理体系和工具支撑平台。平安银行打造了Starlink星链平台，支持研发部署全流程，也嵌入了流程管理、流程优化团队所确定的研发基线，确保了质量安全，实现端到端的交付。平安银行所有的研发工作，在平台支持下，从立项到需求到测试再到部署，全是在线上运作，实际上还活得了另外一个能力——数字化的IT效能管理。当所有的活动都在平台上会留下数据，可以去收集分析这些活动，发现弱点和短板，找到改进方法。Starlink

“零售之王”与“零售新王”，谁更值得期待？无巧不成书，A股最先披露2020年报的两家上市银行，正是人称“零售新王”的平安银行，和“零售之王”招商银行。招行与平安的零售之战历来瞩目，支撑零售业务的金融科技成果和数字化转型水平，在股份行乃至大中型银行里，也都十分亮眼。雷锋网AI金融评论也曾详细报道过两家银行的金融科技全布局。（推荐阅读：《招商银行AI全布局》《平安银行AI全布局》）正逢年报披露之际，本文将以数个关键业务指标和背后的科技建设成果，解读二者的零售金融最新战况。零售业务：差距缩小了吗？从2020年报来看，无论是零售业务的营收、利润还是AUM规模，招行继续遥遥领先，平安则在同比增长上稍胜一筹。不过，在新冠疫情的影响下，双方全年业务增速均不及往年。注：招行的“零售客户数”含借记卡和信用卡客户。信用卡具体到信用卡，“厮杀”更为激烈。双方在2020全年里均有“出圈”营销，例如平安信用卡的“全城寻找热8”，招行与B站的联名信用卡等。相关数据也一定程度上反映了信用卡业务的战况，从流通卡量和交易额来看，双方差距似乎有所缩小。APPApp是零售金融乃至全行业务的重要载体，也是数字化转型时代里，银行触达客户的首要渠道。从手机银行App表现来看，两家的App累计用户数均已过亿，增速接近。注：1.“口袋银行”APP的MAU统计口径，纳入了外部合作小程序活跃用户数；还原同口径后较上年末增长15.6%。2.招行两大App的MAU均是报告期末数值。值得注意的是，平安年报显示，2020年的口袋银行App注册用户数已经超过零售客户数。从细分数据不难发现，尽管在宏观战略层面上侧重各有不同，但在App这一赛道，外部高频生活场景服务为双方贡献良多。场景化经营愈加全面，使用户黏性不断提升，加深了App的生态护城河。招行年报就指出，两大App的MAU合计1.07亿，其中23个场景的MAU超过千万。平安也在年报中透露，“口袋银行”App的生活场景MAU超2181.97

2020年年报出炉，平安银行科技布局“大揭底”。近日，平安银行再次在同业中“一骑绝尘”，率先发布2020年年报。在2020年年报中，平安银行董事长谢永林表示：科技发展潮流不可逆，主动拥抱、积极参与才能借势顺势，把握趋势......我们会继续坚定不移地在科技、互联网等领域继续投入，提前布局更多赛道。2016年，谢永林以董事长的身份执掌平安银行，五年来他持续推动平安银行向科技发展的道路前行，平安银行的金融科技实力也一直走在同业前列。2020年12月，平安银行发射了国内金融业首颗物联网卫星“平安1号”截止2020年年末，平安银行AI客服队伍占比超过90%2020年，平安银行IT资本性支出及费用投入同比增长33.9%2020年末，平安银行科技人员（含外包）超8500人，较上年末增长超12.5%发射卫星的“科技银行”平安银行，总部位于广东省深圳市，是中国平安保险（集团）股份有限公司控股的一家跨区域经营的股份制商业银行，为中国大陆12家全国性股份制商业银行之一。平安银行的战略目标是：打造“中国最卓越、全球领先的智能化零售银行”。围绕这一目标，平安银行提出了“科技引领、零售突破、对公做精”十二字策略方针。平安银行有两大核心优势：综合金融、科技赋能。在综合金融方面，平安银行作为平安集团团体综合金融业务“1+N”的发动机，综合利用平安集团内险资、贷款、私行等各种属性资金，挖掘银行对公渠道价值，成为平安集团内外部资源的生态连接器。在科技赋能方面，依托平安集团在人工智能、生物识别、区块链、大数据等领域的核心技术和资源，平安银行将新技术深度植入金融服务全流程。平安银行还是第一批构建分布式架构技术体系的银行，运用云计算和分布式技术，推动技术架构从传统集中式部署架构，向分布式、云服务框架转型。为了将综合金融和科技赋能两大核心优势进行整合，平安银行还加快“星云物联网平台”的推广，2020年12月22日，平安银行与具有独立通讯频道的商业卫星龙头企业合作发射了国内金融业首颗物联网卫星“平安1号”（天启星座08星），

招行行长田惠宇直言：“我们对标的，就是金融科技公司。”“科技是唯一可能颠覆商业银行经营模式的力量。”招商银行行长田惠宇将这段话，镌刻在2019年招行年报中，至今熠熠发光。田惠宇十分重视金融科技的发展。在招行2019年年度报告两千多字的“行长致辞”中，他总共提起了6次「科技」、9次「转型」、14次「数字化」。从2013年任职至今，田惠宇一直推动着招商银行在科技的道路上“狂奔”。“我们旗帜鲜明地提出打造金融科技银行，把探索数字化经营模式作为转型下半场的主攻方向。”田惠宇在2019年年报中如此说到。在田惠宇等招行人的努力下，招商银行的“科技实力”一直走在同业前列。2019年年末，招行信息科技投入93.61亿元，同比增长43.97%，是公司营业收入的3.72%；2020年，招行信息技术投入达到120亿元2020年12月，招商银行与京东联手拿下国内第二张直销银行牌照，招商拓扑银行将完全采用线上化经营模式，探索未来银行新形态截至2021年1月10日，招行App累计用户数达1.45亿户、月活跃用户数6025万户疫情的出现，给2020年的银行带来较为复杂的局面和考验，而招商银行去年的业绩较为稳健。按照1月14日公布的业绩快报显示，2020年招商银行实现营业收入2905.08亿元，同比增加208.05亿元，增幅7.71%。近日，田惠宇在面对《金融时报》记者的采访时也表示，疫情隔离了人与人的物理接触，但得益于较高水平的数字化服务体系，招行与客户的关系反而更加紧密了，这也坚定了招行推进数字化转型的决心。打造“数字招行”招商银行，成立于1987年，总部位于中国深圳，是中国境内第一家完全由企业法人持股的股份制商业银行。招商银行坚持“轻型银行”战略方向和“一体两翼”战略定位。「轻型银行」的战略方向，要求招商银行轻管理、轻资产、轻经营模式等。比如轻管理，指的是轻型组织架构，具体表现为总行和分行齐头并进；轻资产，指的是资产消耗少、风险更可控。目前招行、工行都已加入轻型银行行列。招行在年报中指出，要紧密围绕“轻型银行”的转型方向，努力实现金融科技银行的质变突破。同时，招行也坚持「一体两翼」的战略定位，零售“一体”以MAU为“北极星”（北极星即最重要的指向，所有指标都为该指标服务），批发“两翼”以特色化为方向，着力构建批发业务体系化能力，加快推进数字化转型。以MAU为最重要指标，招行的APP用户数不断攀高。2019年年末，招商银行APP累计用户数突破1亿；2020年年中，招商银行App累计用户数达1.29亿户；截至2021年1月10日，招行App累计用户数已达1.45亿户、月活跃用户数6025万户。招商银行还直接指出，要通过对标金融科技企业，大力开展金融科技银行建设，把金融科技作为转型发展的核动力，为业务发展全面赋能。目前，招商银行为支撑全行业务发展，建设了深圳、杭州、成都三个软件中心；深圳、上海两个数据中心。招行的“AI实战”数字化风控招商银行的智能风控平台“天秤系统”，侦测范围覆盖线上和线下交易渠道，

风险管理就像一场狂风暴浪中的航行，但并非所有人都会失去生机。金融人手握大量数据、规则和算法，却没有读懂真正的风险管理：数据量越多、维度越全，就是更好的数据吗？就能实现最好的风控效果吗？风险管理是一门寻求平衡点的科学，那么我们应该在什么问题上寻求平衡？只是风控尺度和业务增长之间的问题吗？一个卓越的风控模型，除了考虑算法、考虑数据，它到底还有多少细节是你错失的？……王劲曾是百度金融的CRO，也在有着“风控黄埔军校”之称的美国运通工作了十七年。次贷危机之后，美联储加强了对所有银行机构的风险模型管理，而他在美国运通的最后五年，创建了运通的模型监管和验证中心，对全公司上千个模型进行全面的管理——亲身经历过次贷危机的他，对风险管理有着独到的洞察。近日，雷锋网《银行业AI生态云峰会》就邀请到融慧金科CEO王劲，作为「数字化风控」赛道的科技专家，为大家带来他在银行智能信贷风控的管理理念和应用实践。以下为王劲的演讲内容，雷锋网AI金融评论作了不改变原意的编辑：大家好，非常高兴今天有机会跟大家在线上分享我在20多年管理风险中所沉淀的一些知识和经验，希望对大家有所帮助。金融机构做好风险管理平衡的核心要素近年来，随着中国互联网金融的飞速发展，同时面临着很多的难题和挑战。首先，如何定义风险的使命。风险管理人员的定位一定要准确。对于风险的使命，我实际上是借用美国运通当时的CRO在20多年前的一个定义——推动有利润的业务增长，同时提供卓越的客户体验，避免意外风险——整个描述并没有表示要降低风险或者把风险降到零。有利润，意味着风险一定要在可控的范围之内。增长，风险不是限制业务的发展，而是要帮助业务做有利润的增长。卓越的客户体验，很多时候我们不是太关注客户体验，但是风险管理的每一个决策，每一个动作实际上是会影响到客户体验的。避免意外风险，因为金融本身就是在运营风险，没有风险是不可能的。我们并不惧怕可预知的风险。比如我们判断一个客户的坏账率是2%~3%，这个并不是风险——但如果最后的实际结果是5%~10%，这个情况就是意外风险。所以，我们做风险管理一定要每时每刻预判未来可能发生的事情并及早应对。例如压力测试就是一个避免意外风险的风险管理的动作。风险管理最重要的就是对数据的把控，思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。基于业务方向，我们要对内外部的数据进行各种盘点，比如从客户那里收集什么样的数据？在人行要拿什么样的征信数据？以及需要用什么样的第三方数据进行补充？为了服务客户和达到业务目标，必须要有足够好的数据帮助我们进行风险管理。此外，立下数据选择的原则和条件，因为在众多的数据中，有合规的和不合规的，并且存在着强弱之分，如果没有制定相应的原则和条件，在未来就会有很大的麻烦。数据的分析和引入，我们要分析、评判市场上的各种数据源，再做引入。之后要对对数据进行实时监控，以保证其质量和持续的效果。这就是数据战略的一个闭环。接下来跟大家分享一下，选择数据的条件。1、数据必须合规，必须要满足国家和政府的要求且一定要有授权。2、数据的全国人口覆盖率要高，这是一个非常重要的要求。如果数据的覆盖率不高，就会影响模型的识别度、稳定度等等。3、数据的新鲜度和时效性要高。要达到日更新至少是t+3。即今天的决策一定要达到3天之内的时效性，如果现在的决策数据是5天前的，那么现在这个模型决策的质量就会相应地打折扣。4、数据的历史长，可以回溯至12个月以上，因为很多的衍生变量会回溯历史，如果没有可回溯的历史，那么也不会形成这些非常重要的变量。同时，可回溯也让我们能够验证一些历史数据的效果，这个条件是非常重要的。5、数据的稳定性好，我们会跨时间窗观察数据的波动。如果数据波动性太大，那么，它的稳定性肯定是不好的。数据战略是一个相对长期的落地过程，在这个过程中，要达到什么样的目标呢？1、覆盖低到覆盖高。2、信息薄到信息厚，有些客户可能有20个变量可以描述，那么可不可以将其演变成平均有30~40个变量在描述客户，这就是二者之间的关系。3、质量低到质量高，不能用到一些垃圾数据。4、弱相关到强相关，在刚开始的20个变量当中，可能有80%的弱变量，如果剩下的20%的强相关演变成30%的强相关变量，模型的决策就会更好。5、高成本到低成本。6、源集中到源分散，大家通常把自己的一些策略和模型特别地依赖于某一两个数据源，实际上存在着非常大的操作风险。我们一定要在数据战略中将其来源尽量地分散开来，当然不是无限制的分散，而是要找到其中的平衡点。那么，在引入数据之后，它的价值转化分为哪些部分呢？首先，是基础的数据层，数据源包含了客户提供的数据、征信数据、第三方数据等等。数据层之上，是工序#1的加工层，将对各种数据源进行衍生，否则原始数据就不会得到很好地利用。在衍生变量这一层，要着眼于这些变量的使用场景，有些衍生变量与欺诈相关，有的与信用相关，有些则是与精准获客相关。工序#2是集成层，因为衍生变量可能是基于某个数据源而成，那么，模型和规则就会帮助我们把各个数据源的衍生变量进行再集成，使其成为一个子模型或者是一套规则。工序#3是解决方案层，反欺诈的解决方案可能会有上百个规则，这上百个规则可能用到十个模型，相当于将各种各样的材料修建成一所房子，最后输出给持牌的金融机构。从最底层的征信数据层到各种加工层，金融行业里的参与者承担着不同的角色。当每个银行和消金要进行自身转换时，他们也需要承担加工的角色，集成的角色和解决方案的角色。如何做好风险管理中的平衡很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。除了要用到人工智能、非常多的数据、算法之外，实际上，很大一部分风险管理是在寻求平衡。平衡点之一：风控和业务增长之间的平衡比如在产品人群额度的选择上，我们可以操作高利率、低质人群、低额度。虽然风险高，但是获客成本低，业务量也会加大，这些大量有贷款需求的人，他们的风险是比较高的。与此同时，也可以操作低利率、优质人群、高额度，这部分人群可能风险比较低，但是获客成本高。优质人群对信贷的需求相对较低，所以业务量也较少，大银行吸引的是大批的优质人群，其他的小银行和金融机构，可能在这方面的挑战就相对大一些。所以，在运营当中，要在高利率和低利率，优质人群和和低质人群，高额度还是低额度之间寻找平衡点。平衡点之二：在风险管理的数据、模型以及策略中，如何平衡简单和复杂这也是非常考验人的——简单意味着准确度低，合规操作风险低，相应的成本也低。而复杂，模型用到了非常多的变量，非常复杂的算法，那么准确度可能会相应提高，但是合规操作的风险也变高了，成本也会增加。所以，如何在业务的初期、业务的增长期以及成熟期找到其中的平衡点，是一个具有挑战性的课题。平衡点之三：科学和艺术之间的平衡比如在风险管理当中，我们会用到大量的数据，用科学的方法对数据进行回归和分析，它的好处就是客观的，而不是主观的。因为要基于数据过去的表现做策略和模型，其不利的地方就在于局限于数据的好坏，在一个混乱的P2P和Payday

思考银行为什么上云，从来不是一件太晚的事情。“工业革命不得不等候金融革命”。英国学者、诺贝尔经济学奖得主约翰·希克斯的这句原话，道尽了金融与社会经济变迁的规律：历次消费升级伴随的产业结构的演进变化中，银行都发挥了极其重要的作用：17世纪末，英国依靠中央银行和商业银行体系提供资本燃料和动力。以蒸汽机为标志的工业革命，其实是金融革命的产物。20世纪初，摩根、卡内基等一众金融大鳄掀起了第二次金融革命，主导了五次并购浪潮，完成了第二次工业革命；如果说，此前的数百年，是银行为科技革命体注入新的活力。那么，在五年前，银行差点被“科技革命”所抛弃。作为数据密集型行业，银行业一直是与科技走的最近的一个行业：上个世纪80年代的ATM机、90年代的网上银行、十年前的手机银行。在以大数据和人工智能为标志的第四次工业革命，银行业的转型并不简单。在2018年年报里，针对金融科技对传统金融机构的重塑，“零售之王”招行做了深刻反思：“过去十年，传统金融机构已惘然目睹了金融科技重新定义零售业务的全过程，从支付延伸到存贷款、财富管理，传统银行的资金中介、信息中介职能已受到深刻冲击，信用中介作用亦面临威胁。随着社会发展从消费互联网向产业互联网深入，金融科技重新定义公司金融和资产管理也迫在眉睫。”金融科技的转型，不是一次简单的小修小补，而是一次全面的“大扫除”。首先是底层系统架构的转型，从传统集中式架构转为分布式、开放式架构；其次是业务流程的重塑；再次是用户运营和场景生态搭建。如果从云计算、人工智能等科技属性的角度来说，网商银行反倒是新银行的“前辈”。网商银行被认为是“国内首家跑在云技术之上的商业银行”，开了时代的先河。从2015年起，这家没有线下营业网点的创新金融机构将通过互联网来开展服务。比如，网商银行利用数据智能进行贷款发放，300人就可以支撑了全国的业务量。2009年9月成立的第一天起，阿里云就是一家金融级的技术和服务厂商，支撑网商银行最初的雏形——牧羊犬项目。2018年，南京银行宣布联手阿里云，国内首个商业银行分布式核心业务系统顺利上线运营。其基于阿里云飞天系统构建的“鑫云+”平台已服务多家银行的上百万用户，平均每个客户的放款时间只需1秒，日处理订单量可达到100万笔，是原来的10倍。同年的8月，民生银行通过与阿里云合作，将核心系统上云，并且成立民生科技有限公司。在一些中小行的身上，也能看到非常多金融云的求变身影。2020年，民营银行华瑞银行与阿里云正式签署全面战略合作协议，推动华瑞银行核心业务系统加速向云架构转型。上海华瑞银行科技部总经理叶宁曾表示，“移动银行上云之前，华瑞银行三年软硬件的投入逾千万元，上云之后，每年投入可以控制在数百万元以内。”2019年底，华瑞银行在阿里云“飞天”云计算操作系统、蚂蚁金融分布式架构SOFAStack、mPaaS移动开发平台和大数据风控平台的帮助下，已成功构建并上线了“祥云”私有云平台，支撑手机银行、营销系统、反欺诈系统、贷款核算等业务系统运行，同时实现了App的迭代升级。数年的时间，国内大大小小的银行，都实现了“云上作业”。然而，上云从不是一件简单的事，一味的跟风和不加选择更是不可取，核心在于认真梳理好业务需求和投入产出比。要知道，上云是过程，而不是目的。在上云之前，银行的IT人员，一定要多问自己几个问题：不同类型/规模的银行核心上云的价值差异在什么地方？如何确保核心安全可靠的下移上云？要启动核心上云下移的工作该如何准备，如何着手，需要考虑哪些方面的内容？核心上云的实施路径有那些,

银行的核心竞争力在于应用研发和业务创新，IT的事情留给IT人去做。金融机构IT架构的“成长”中，有太多“阵痛”：从集中式演变到分布式，标准化、开放化的建设是有了，应用人员要操心的事为什么更多了？一台大机支撑上万台服务器，是很节能环保，但研发周期太长、售价太贵，一个性价比更高、更敏捷开放的替代方案是怎样的？银行如果不做全面上云，继续长期维持双模IT，不可行吗？……在阿里云新金融事业部CTO张晓丹看来，谈金融机构的IT建设，谈云架构转型，其实不只是在谈一个技术问题，同时还是一个经济问题。这场IT架构的云化改造，不仅事关时间、人力、物力，更关乎金融机构的人员能不能摆脱复杂架构的束缚，更加专注业务和应用的创新。“整个IT基础设施交由专门的金融行业云承载，实现按需、敏捷、弹性获得算力以支撑应用创新。”张晓丹这样概括发展金融行业云的目标。在雷锋网《AI金融评论》与阿里云联合主办“银行系统云化升级”实战体验营中，这些围绕在金融云化周围的疑问被一一解开。本次实战体验营的首日分享中，阿里巴巴集团副总裁、阿里云新金融事业部总经理刘伟光带来开场致辞，他表示银行业正在全面应变，掀起线上化、数字化、智能化的变革，无处不在的银行服务逐渐由蓝图变为现实。此后，阿里云新金融事业部CTO张晓丹带来了首场演讲——张晓丹曾是工商银行总行部室副总级专家，先后在工行分行、数据中心、总行IT部门任职22年；在恒丰银行出任科技部总经理期间，建设了国内银行业第一家多租户的金融IAAS行业云，首次将一家全国性股份制银行的应用系统全部迁移上云。这次，他结合自身二十余年在银行的IT经验，分享金融IT基础架构全面云化、机构应用迁云实录等干货。以下为张晓丹的演讲内容，AI金融评论作了不改变原意的编辑：大家好，我今天分享的主题是《阿里金融云，新一代金融IT基础设施》。金融IT基础架构的全面云化整个金融行业正在面临着向数字化转型的大潮过程，这个阶段中，我们不断在发展在线化、数字化以及网络化、平台化以及智能化。转型过程对金融IT基础设施提出了更高的要求，需要我们能够按需、敏捷、弹性的获得更经济和廉价的算力。传统的IT架构比较安全、稳定、可靠，但是其开放性、弹性、敏捷性、经济性存在一定的局限性，所以需要不断向云架构进行转型和升级。在这个过程中，私有云、行业云、混合云，还有公共云具备各自的优、劣势。我们专门为金融机构建设一个行业云，跟现有的私有云进行混合，在提升金融云的监管合规、安全稳定的同时，最大限度地提升经济效益。为什么要向云架构转型？首先，降低成本，提高效率。云本身，不仅仅是个技术问题，还是经济问题。通过规模化的运营、建设和共享实现规模效益，以获得便宜、廉价的算力。通过软件化、系统化和服务化，提升整个运行效率，间接降低成本。第二，云转型的核心就是要改变应用架构和原来的技术路线，广泛采取近十年来发展起来的开放开源、分布式的互联网技术路线，提升整个应用研发的敏捷性，促使研发和运行一体化以支撑业务的敏捷和迭代。一旦IT能够低成本，提升敏捷度与迭代，整个业务竞争力会跃上一个新台阶。以前长期的自上向下的建设，变成快速走向市场、并与用户进行业务尝试和迭代，在业务与客户的互动过程中来升级业务系统，其中会不断应用到一些分布式、微服务、云原生的技术。第三，保持整个IT技术路线的现代化。长期不升级会带来技术架构的老化，运行风险增加和效率低下，以及人才队伍难以保持等问题。只有进行稳定、持续的架构升级，才能保证整个IT的能力。云架构也是借助于云平台化的效应，来拓展金融机构的业务边界。通过开放银行、开放证券、开放保险，和周围的生态各方建立网络化的连接，拓展自己的业务场景，从线下走向线上。再者，利用高性价比的、丰富的按需可获的资源，加上数据化处理能力，帮助金融机构在架构转型的过程中，树立起以积累数据资产为目标的客户运营、流量运营的意识，提升企业运用数据智能的能力，提供高精准、更高效的客户服务。未来的竞争是数据智能的竞争，只有拥有更多的数据资产，建设强大的数据中台，才能实时支撑好数据的智能并且发展业务。IT架构的发展历程，从最早的大型机、小型机等集中式架构，再到scale-up架构，基础设施、应用架构、研发模式都发生了很大的变化。随着整个架构的演变，最大的问题是成本高，研发周期过长，一台大机能够支撑上万台的服务器的能力,节能环保。但研发成本周期长、成本高，售价太贵。同时，传统的应用架构技术比较封闭，生态没有得到发展，而分布式云原生架构，目的就是更加开放，更加敏捷。原来在一台大、中型机以及小机里面，操作系统、应用软件、中间件，数据库都在一台大机器里运行，是一种高度集中耦合的架构。而分布式架构，开始用一堆的服务器来替代大机时，相应地，就从一个操作系统变成很多小的操作系统——如何将这些小的操作系统重新耦合起来，变成一个大的操作系统，就是IaaS云的使命。全面上云怎样降低IT基础设施的总拥有成本？上层从一个大的中间件，演变成一个分布式的微服务架构；从原来的SOA，进一步发展到分布式微服务，再发展到现在的服务网格。集中式架构与云原生架构之间的分布式架构阶段，存在一个问题：当底层开始从几台大型机器，变成众多的小型机器及服务器以后，上层做应用开发的人员，将要面对下面的分布式的计算架构。因为下面的平台封装得不太好，能力不太强，所以使得上层原来只关注业务和逻辑的开发人员，开始更多关注下面的基础架构。虽然技术架构的建设更加标准化、开放化，但是应用开发更加复杂，应用人员要关心的事也越来越多。进一步的云原生架构转型，实际上是经过循环迭代以后，回归到更高层次的平台化、服务化水平。将分布式架构的复杂性封装在整个云平台，其中包括IaaS、PaaS、DaaS等各种技术，让业务和开发重新回归到业务逻辑，而不需要太关注下面的平台。最上层的业务中台、数据中台、协同平台、AIOT平台，以及支撑其的服务网格、湖仓一体、HTAP、流批一体等技术，都是为了把平台越做越厚，让基于分布式架构的应用开发越来越简单。底层是从大机、小机、物理机到虚拟机、容器，以及兼具容器和虚拟机的特性的安全容器。原来的大机通过专有的网络连接大容量的集中存储阵列，到后面小机通过SAN网络连接SAN存储的计算存储分离架构，发展到现在：没有硬盘的神龙服务器，通过标准的以太网连接后面分布式的云盘，形成新一代的计算存储的分离架构，从原来的两地三中心发展到现在的两地四中心、多地多中心的新的容灾体系架构，对原有的体系架构进行全面升级。在这个过程中，金融云的底层的平台完全交给云服务商进行建设，使得金融机构的人员将专注力放在业务和应用的创新上。对金融机构而言，它有资本充足率的限制，宝贵的核心资本，实际上是要用于金融业务的发展更加高效。银行的核心竞争力实际上并不在IT基础设施，而是在应用研发和业务的创新方面，帮助中小金融机构整个IT基础设施交由专门的金融行业云承载，实现按需、敏捷、弹性获得算力以支撑应用创新，是我们发展金融行业云的目标。上行业云过程中，需要考虑的问题从规模化建设和运营角度来看，我们持续在做规模化的运营，用液冷将机房的PUE下降到一点零几的PUE，通过每年几十万台服务器这种规模化的采购以降低其成本，甚至采购零配件自己组装服务器，云服务价格每年持续的下降，可以给客户带来综合的TCO（总拥有成本）的下降。在对比TCO成本的时候需要考虑几个因素：第一，必须要全面上云。如果长期维持着双模IT，而且是以过去老旧传统架构为主的双模IT，客户长期维持两套技术架构和运维体系，是很难节省成本的。在全面上云的过程中，将原来的传统的硬件F5、负载均衡、防火墙、DNS，加密机等专有硬件设备，都用部署在标准服务器上软件集群来替代，通过NFV替代各种硬件网络设备，以实现全面降本，效益将更加明显。在上云过程中还解决了软件正版化的问题，不能用原来没有采购跑量的授权软件来与现在的云授权软件做比较：同时IDC建设往往有很大的空闲面积和空闲资源的闲置成本。再将建设机房所用的变电站和维保核算进来，成本是很高的。上云以后，降低成本的核心是on

金融云新十年第一枪：四位顶尖专家，共论银行“云基建”。银行应不应该上云？应该。但还有多少人的普遍认知只停留在“银行应该上云”？在这个肯定的答案背后，还有太多的疑问没有被解开：银行怎么上云？怎样才算上云？从核心系统到应用上云，定义、选型、场景、标准、优先级、与AI的关系、为数字化转型创造的价值……这些问题，不只是银行要面对的“迷云”，更是所有金融机构未来数年必须直面的议题，也是金融科技助力一切业务和细分场景之前，最该优先解决的基础设施建设问题。五年前，银监会就明确指示：截至“十三五”末期，银行业面向互联网场景的重要信息系统全部迁移至云计算架构平台，其他系统迁移比例不低于60%。过去的五年，是银行云乃至整个金融云行业迅速发展、国产云厂商蓬勃成长的五年。但五年时间过去，这些众说纷纭的疑问，仍未得到太确切的定论。下一个五年已经到来，我们试图找到解答。基于此，雷锋网《AI金融评论》与阿里云联合主办“银行系统云化升级”实战体验营，邀请到四位顶尖行业专家线上分享：广度而论，从银行、云厂商、ISV（独立软件开发商）三大角色出发，不同视角讨论银行核心系统与应用的云化改造；深度而论，专场内容覆盖银行上云的标准与选型、成功上云实战复盘、金融核心建设、云与AI的关系与内涵等多个方向。本次实战体验营，为雷锋网2021金融云峰会的首场线上活动。后续将有更多嘉宾加盟。同时，《AI金融评论》也将围绕银行上云、核心系统建设、云金融等主题，陆续推出多篇深度稿件。为银行业乃至金融界，和科技圈，输出最立体化、最具前瞻性和参考价值的银行云、金融云内容，同时搭建高质量的微信社群，促进上下游企业交流探讨。欲了解更多活动详情，可联系负责人周蕾（微信：LorraineSummer）。嘉宾分享议程开场致辞刘伟光阿里巴巴集团副总裁、阿里云新金融事业部总经理嘉宾介绍：刘伟光毕业于清华大学电子工程系。曾负责蚂蚁集团金融科技的商业推广和生态建设工作，以及蚂蚁链的商业拓展工作。他在企业软件市场深耕多年，曾经创建Pivotal软件大中华区分公司，开创了企业级大数据以及企业级云计算PaaS平台的市场先河。在创建Pivotal中国软件公司之前，刘伟光曾经担任EMC公司大中国区数据计算事业部总经理，并在Oracle公司工作多年，曾经创建了Exadata大中国区的产品事业部并担任事业部总监。第一场张晓丹阿里云新金融事业部CTO演讲时间：1月19日（周二）20:00-21:00演讲主题：《新一代金融IT基础设施：阿里云的金融云前瞻与实战》演讲大纲：金融IT基础设施发展需求与趋势金融云应用场景

何为保险业的「数字化第二增长曲线」？人们总是在“正确的事”与“容易的事”中作选择，“正确的事”往往会更困难，“容易的事”就是放弃正确的道路。保险企业数字化转型不是一条坦途，但却是“正确的事”，转型的过程既不会一帆风顺，也不可能一蹴而就。在阿里巴巴集团副总裁、阿里云新金融事业部总经理刘伟光看来，不少保险企业在做“数字化转型”时，会出现“水土不服”的情况，最终导致转型不了了之：公司高层领导很重视，上系统、开大会、做培训……下属执行时不积极，甚至消极抵制；企业上下都很重视，但是操作时新系统要操作一遍（为了以后），原有的各种表还得再填一遍（为了以前和当下），短期内会增加了部分工作量，造成负面情绪；部门墙、业务墙的文化依然很难打破，数字化过程需要全局视角来思考和建设，建立数字化中台能力需要跨部门协调，但不知道归哪个部门管，导致没有部门来牵头负责；数字化化转型本身就是一种“敏捷文化”与传统“瀑布文化”的冲突，带来了科技团队的学习成本、新技术挑战和压力。企业数字化转型往往是进入“无人区”，很大程度涉及到现有业务、流程、人员、系统、数据等多方面因素，公司考核中往往是负向考核，不做不错，项目出问题却要背责任、扣绩效。这次，刘伟光以两万字长文从全方位多险种多角度分析保险科技与业务的结合，保险科技对业务的赋能，从保险体验、开放、运营、理赔、新核心系统这五大硬核科技视角出发，详细阐述全渠道、全协同、全场景、全智能打造极致客户体验。以及如何引入互联网客户运营技术，助力保险公司全面线上化，建立”引进来+走出去“的开放生态体系，基于数据+AI的自动化理赔大脑，利用分布式核心架构技术改造传统保险公司核心系统支撑未来业务高速发展。刘伟光加入阿里云之前，在蚂蚁金服负责金融科技的商业推广和生态建设工作以及蚂蚁区块链的商业拓展工作。他曾创建Pivotal软件大中华区分公司，开创了企业级大数据以及企业级云计算PaaS平台的市场先河。近期，雷锋网《AI金融评论》也将与刘伟光、阿里云新金融事业部CTO张晓丹，以及多位银行、云厂商、ISV专家，联合举办一场银行云化升级与金融云的深度交流活动。欲了解更多活动详情，可联系负责人周蕾（微信：LorraineSummer）。作者

银行，在找一个中国版“甲骨文”。2020年已逝，我们在网络上留下的一切痕迹都将被存档。而这一切都离不开一个产品——数据库。我们在朋友圈保存的文字和视频、在银行中储存的数字化财产，我们对整个社会的管理、对经济社会的维持，都是在成千上万个数据库的帮助下完成的。于银行而言，数据库是“生命线”，它存储着银行多年来收集的数据信息，包括用户的财务隐私、银行的交易记录等重要信息。然而由于传统数据库在技术边界、成本、可控性方面与时代技术、银行业务创新需求而言越来越不相匹配，同时由于采购数据库的来源单一，银行一直陷入非常被动的处境，急需市场上出现更多类型的数据库产品和厂商。被卡住脖子的银行一位业内资深的数据库专家最近感慨：数据库，是银行“命脉”，需要投入大量的人力、物力，非十年起步不可，非大厂不行。1989年，Oracle正式宣布进入中国市场，很快成为银行从业者眼中数据库的代名词。20多年来，银行等金融机构只信赖和使用Oracle数据库，金融拼的是长跑、谁活得久，而不是快跑、谁花样新。对于把安全始终放在第一位的很多银行从业人员来讲，Oracle一直是第一选择，而新兴的国产数据库厂商只是“备选”。“用Oracle就是安全，时间和太多的实践经验证明了这一事实。”平安银行分布式数据库技术负责人李中原坦言。想在金融这一领域和Oracle这样经受过时间验证的数据库厂商竞争，国产数据库厂商并不轻松。

恶意数据对抗将成为常态，银行业如何保护数据隐私安全？

gpi区块链概念验证（PoC），并促进金融科技在SWIFT

你打开银行App查看账单，有一笔钱付给了“北京三快在线科技有限公司”，三秒钟之内，你能回忆起这是什么支出吗？但在招商银行App

现在有两种银行，一种是科技银行，一种是向科技靠拢的银行。“用金融科技再造一个农行。”这一目标被刻在了农行年度财报中，彰显着它的某种决心。去年，农行的科技人员数量为7351人，在信息科技领域的资金投入突破120亿元；今年，农行依然保持稳健的科技发展步伐。在渠道的基础设施建设方面，农行成功将全行2.2万家网点全部实现智能化在智能营销领域，农行通过智能推荐提高理财产品响应率4倍，2020年上半年累计销售额超3.8万亿元2020年下半年，农行成立金融科技公司——农银金科未来的银行，就是科技公司，这一观念已被越来越多的银行从业者认同。当许多银行和企业还在犹豫和观望时，农行的金融科技之路已经启程。再造一个农行中国农业银行多次提出，将数字化转型列为第一经营战略。公开信息显示，中国农业银行在全国拥有24064家分支机构，30089台自动柜员机和遍布全球的1171家境外代理行。以此为基础，农行向全世界超过3亿5千万客户提供金融服务。2020年6月，为贯彻人民银行《金融科技（FinTech）发展规划（2019-2021年）》，农业银行编制了《中国农业银行信息科技近期发展规划（2020-2021年）》在这份规划中，农业银行提出通过“七大技术、五大支柱、六大中台、两大保障”具体推进信息科技“iABC”战略，希冀通过前沿科技，再造一个农行。“七大技术”：紧盯金融科技发展趋势，从大数据、云计算、人工智能、分布式架构、区块链、信息安全、网络技术等7个方面锤炼金融科技关键技术，加强金融科技基础能力建设“五大支柱”：以用户为中心，赋能产品、场景、数据、风控、渠道五大业务领域，助推业务转型升级“六大中台”：零售营销中台、对公营销中台、信贷中台、运营中台、数据中台和开放银行平台等六大中台建设稳步推进，新一代数字化云平台初步建成“两大保障”：一方面从安全生产、信息安全两方面着手，严守安全生产底线；另一方面重点从组织架构、管理机制、管控流程、合规体系、人才队伍建设五大方面不断优化IT治理架构在具体应用布局上来看，农业银行在主要业务上都有相应的AI应用。通过农业银行发布的2020年上半年财报，我们可以发现其在风控、营销、客服、区块链、数据中台等领域都有AI等相关技术的身影。数字农行的“AI实战”AI平台2018年5月，中国农业银行金融大脑项目投产实施，农业银行的AI平台——“雅典娜”诞生，农行开启人工智能的全面应用。据悉，“金融大脑”平台大范围集成了人工智能核心技术，在业内首次提出企业级AI金融平台解决方案，定位为农业银行人工智能核心系统，是农业银行践行“金融科技+”战略的积极探索。“金融大脑”搭建了基于GPU+CPU的大规模AI云计算架构，打造了感知引擎和思维引擎两大服务引擎：感知引擎包括人脸识别、语音识别、语义识别等模型能力，投产后金融大脑具有了“听说读写”的强大感知能力；思维引擎搭建了全流程一体化的机器学习建模平台，包括自动化特征提取、模型构建与评估等。后期，金融大脑还将进一步深化AI能力建设，为智能营销、智能风控、智能运营等多个领域的应用提供智能化服务，为农行“金融科技+”战略提供强有力的智能化支撑。据悉，农业银行和百度于2017年6月签署了战略合作协议，以“金融大脑”为核心，6大领域应用为支撑，开展智能银行的建设。2018年5月，金融大脑正式启动投产流程。智能风控2020年上半年年报显示，农业银行的数字化风控体系不断健全。其中，智能反欺诈平台成功投产，智能反洗钱平台优化升级，

建行的“差异化战略”决心。建设银行董事长田国立认为：“金融科技对普惠金融传统模式的颠覆式改变是大势所趋。”在其高度重视下，建行在金融科技的多个前沿领域，走在国内前列。截止2020年6月，

国有第一大行的科技征途。“未来的银行，就是金融科技公司。”工行行长谷澍的这番话，现在听来，仍掷地有声。作为中国资产规模最大的银行之一，中国工商银行在金融科技领域进行了大规模投入。2019年，工行科技投入达到163.74亿元，约占全年营业收入的2.2%。截至2019年末，工商银行拥有34800名金融科技人员，占全行总人数的7.8%2019年工商银行发布智慧银行生态系统（ECOS

统计学“诺贝尔奖”得主视角下的AI金融。2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在大会第三日的「AI金融专场」中，著名统计学家、普林斯顿大学金融讲座教授范剑青，从大数据与人工智能、稳健因子学习及其应用、债券风险溢价预测、高频交易预测、文本分析与金融投资，这五大板块，向与会者报告近些年他的研究团队的部分工作成果。

现阶段平安主要在做的，不是技术中台，而是业务方案中台的建设。2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在8月9日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念。其中，平安集团首席科学家肖京博士以「人工智能赋能金融业务」为主题，同与会者进行了分享讨论。以下是肖京博士演讲内容，雷锋网AI金融评论做了不影响原意的编辑：注:

未来的方向是“算法+人群+特征”2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在大会第三日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念；也在2020这个特别的时间节点上，展望他们眼中的「AI金融新十年」。华尔街知名建模和风控专家黄又钢参加了此次会议，他曾任摩根大通执行董事和花旗银行高级副总裁，拥有数十年的海外零售银行数据分析经验和前沿算法思维，今年回国与金融界顶尖技术大牛王强博士联合创立了弘犀智能科技有限公司，出任首席风控官。以《小微贷款风控模型中的算法探索》为主题，黄又钢和嘉宾及与会朋友们分享了自己在风控实践中的一些心得体会。黄又钢认为，中小微企业解决了国家80%的就业，这些企业的生存和贷款需求问题是需要关心和全力解决。但和上市的公司相比，这类企业信息透露不够充分，数据来源纷杂，数据格式不标准，数据更新周期不稳定，导致面向中小微企业的信贷产品难度更高。中小微企业信用贷款是一个世界性的难题，除了有国家层面的政策扶助，更需要顶尖人才的智慧和付出。在现场，黄又钢主要介绍了集成算法，降维算法、聚类算法和决策树算法。他指出，现在弘犀智能建任何模型一定是“双轨模型”，

共享智能与联邦学习有何不同？隐私性跟可用性难以兼顾，让人工智能落入了鱼与熊掌不可兼得的尴尬境地。当前，业界解决隐私泄露和数据滥用的数据共享技术路线主要有两条：一条是基于硬件可信执行环境（TEE：Trusted

为什么它能让整个金融业务再往前一步？2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在8月9日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念。首先登场的，是微众银行首席AI官杨强教授。联邦学习和隐私计算，是今年所有金融巨鳄和科技寡头们，都在重点布局的重要技术方向。作为这一领域的全球领军人物，杨强也在会上带来了他在前沿研究与产业应用上的真知灼见。以下为杨强教授演讲全文，雷锋网AI金融评论做了不改变原意的整理：先简单介绍一下，微众到现在有五年的历史了，目前有大概两亿的个人用户，还有将近百万的小微企业用户。这么短的时间可以获得这么大的用户群，应该说很大程度上是取决于技术上的创新，包括云计算、大数据和人工智能。其中一大亮点就是做连接，把不同的企业连接成一个生态。在这个过程当中，AI是不可或缺的——正如今天的主题：AI到底在金融界能起到什么作用？我们在很短的时间内汇聚了很多人才，这些人才主要在四个方面把互联网银行大致规模化、模型化了。这四个团队把微众银行内部和外部的业务过程、经验总结成了模型，这些模型可以供应给其他行业一键下载、一键装配，比如可以做营销、服务、资产管理，把金融的前台和后台都包括了。迁移学习和联邦学习也是如今比较突出的两项技术，可以把整个金融业务再往前推进一步。我们可以把未来的银行想像成从左到右的流程，最左边的是获客，这是任何企业都需要做的，要找到有价值的客户，对客户进行安全评估、风险信用评估，尽早发现可能的欺诈行为。评估办法之一是参考央行的征信数据，但国内很多人没有征信数据（信用分），而且它只是一个维度，所以我们需要把维度变得更加丰富。还有运营、监管、对沉睡用户的唤醒、7×24小时的客户服务，里面都有人工智能的影子。分布性数据隐私保护、联合建模的挑战与需求

十年磨一剑，六大顶尖嘉宾论道金融。2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在大会第三日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念；也在2020这个特别的时间节点上，展望他们眼中的「AI金融新十年」。微众银行首席AI官杨强：联邦学习，重塑金融范式

8月9日上午，《AI金融评论》将在第五届CCF-GAIR全球人工智能与机器人峰会中举办「AI金融专场」，已确认的嘉宾：微众银行首席人工智能官，AAAI、ACM、IEEE

8月7日-9日，由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办的第五届CCF-GAIR全球人工智能与机器人峰会，将在深圳前海万豪酒店开幕。历届

C用户和数十亿资金量，并取得了相应的成果，据袁雨来介绍，以2019年为例，客户平均年化收益率16%，客户盈利比例98.45%，显著超过行业平均水平。在TO

企业家不空谈技术和算法，应该从业务出发，讨论技术的可行性，培养优秀的算法科学家，积累足够多的数据，反复实验验证，一定不能急于求成。

。但是，人工也有几方面的问题。第一，要成为一个非常有经验的专家，需要长时间的积累和沉淀。这样的人才非常稀少，

list，要在你的亚马逊音箱上面来提醒你，做同步；或者你喜欢了一个spotify播放列表，要从video里面把歌曲剥离出来，这些自动化的任务，由一个触发器然后导致一个预定的动作，这就是if

为什么不少AI金融产品都很鸡肋？

未来会有更多新流派吗？联邦学习作为新一代人工智能基础技术，正在渗透到AI商用瓶颈的根源，通过解决数据隐私与数据孤岛问题，重塑金融、医疗、城市安防等领域。近两年，在杨强教授等世界级专家的联合推动下，国内外诸多科技巨头，均已开始搭建联邦学习的研究与应用团队。三年时间过去，国内已经出现联邦学习、共享智能、知识联邦、联邦智能和异步联邦学习等多个相关研究方向。花开五朵，各表一枝。今天，雷锋网《AI金融评论》将对这五大方向进行详细梳理，一览国内联邦学习发展现状。微众银行与联邦学习联邦学习从某种程度上讲，与微众银行挂上了等号。联邦学习这一研究分支，正是在微众银行首席人工智能官杨强教授团队和其领导的IEEE联邦学习标准制定委员会的推动下，成为当今全球人工智能产学两界最受关注的领域之一。今年4月，微众银行人工智能部、电子商务与电子支付国家工程实验室（中国银联）、鹏城实验室、平安科技、腾讯研究院、中国信通院云大所、招商金融科技等多家企业和机构联合推出《联邦学习白皮书V2.0》。在白皮书中，联邦学习的最新定义是：在进行机器学习的过程中，各参与方可借助其他方数据进行联合建模。各方无需共享数据资源，即数据不出本地的情况下，进行数据联合训练，建立共享的机器学习模型。联邦学习也根据数据集用户特征和样本的不同重叠情况，分为了横向联邦学习（即特征重叠较多）、纵向联邦学习（即样本重叠较多）和联邦迁移学习（样本、特征都重叠较少）。应用实例方面，披露了联邦学习在车险定价、信贷风控、销量预测、视觉安防、辅助诊断、隐私保护广告和自动驾驶方面的解决方案。2018年，在杨强教授的带领下，微众银行正式开展了联邦学习研究，内部投入百余人，打造了一个覆盖技术上下游的联邦学习团队，包含研究、学术、研发、商业、行业应用等多个细分队伍。在过往发表的多篇论文中，微众AI团队介绍了联邦学习思路下针对有安全需求的有监督学习、强化学习、决策树的具体方法，包括安全的联邦迁移学习、联邦强化学习以及

如何用最前沿的技术，解决AI系统安全问题？隐私性跟可用性难以兼顾，让人工智能落入了鱼与熊掌不可兼得的尴尬境地。当前，业界解决隐私泄露和数据滥用的数据共享技术路线主要有两条一条是基于硬件可信执行环境（TEE：Trusted

打破数据困境的思路，正如蜜蜂采蜜归巢。近期，平安科技副总工程师、联邦学习技术部总经理、资深人工智能总监王健宗博士做客雷锋网AI金融评论公开课，以“联邦智能加速AI落地”为题，全面详尽地讲解了联邦智能如何直面数据困境，解决AI落地难题。关注微信公众号

隐私保护下小数据的“聚沙成塔”。近期，微众银行首席人工智能官、香港科技大学讲席教授杨强做客雷锋网AI金融评论公开课，以“联邦学习前沿的研究与应用”为题，全面详尽地讲解了联邦学习如何直面数据孤岛和隐私保护的双重挑战。关注微信公众号

Intelligence）项目，同时负责基础研究与新产品研发工作。在他加入谷歌后不久，便开始了联邦学习的研究。直到2017年，当他们取得了一定的成果，才在博文中进行公布。设备上的联邦学习Blaise

新冠时期的AI风控，是否已经触到了技术的天花板？

成军目标：既能单兵突围，又能与母行协同作战。

怎样让数据产生价值，再回馈到业务场景？3月28日，恒生电子首席架构师、数据中台发展部经理、恒生研究院首席技术专家章乐焱在雷锋网公开课上，以「智慧金融的新基础设施」为题，深度剖析数据中台在金融领域的应用与实践。后续将有更多课程上线，添加微信号

既要正好救受灾者的燃眉之急，又要提防坏账率一路走高的可能。【图片来源：阿里云图库】

7.0到8.0在这一方面的最大变化，就是迫使银行对自身业务的重新高度提炼，包装成相对标准化的服务，输出更稳定的API给合作伙伴使用，实现更高水准的App开放生态。App

OpenPOWER平台在大数据应用上的性能已经达到了行业顶尖水平，曾经和腾讯合作在一个大数据性能测试中打破了世界纪录。另外，在分布式存储领域，同等情况下，K1

的能力，尤其是自然语言处理和知识图谱技术，可以构建底层知识库，处理非结构化数据；第二步，结合业务场景，将业务规则沉淀下来，构建模型；第三步，将数据和模型结合，运用到具体场景中，完成流程自动化。

雷锋网AI金融评论按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR

Learning），他以人们合作创作作品为例进行了解释。在两个人或多个人共同写书的过程中，合作者的大脑并非物理地连结在一起，人们用语言交流，传递参数。在这一过程中，人类是有能力保护大脑中的隐私的。

6.0的时候，技术团队已经采用微服务架构这种解耦手段，通过把银行的系统拆成大量的微服务，实现功能模块灵活开发迭代——招行研发中心相关负责人告诉雷锋网，App

区块链的变革还需要多久，谁也无法准确预测，但从现有的实践中获得经验是有必要的。《区块链基础及应用白皮书》正是希望系统呈现相关产业应用的全貌，为了解区块链提供有价值参考。

来自<u>@AI金融评论</u>的报道

2018年第二届全球金融科技风控大会”在北京粤财JW万豪酒店召开。本次大会由一本财经主办，据雷锋网(公众号：雷锋网)观察，来自银行、金融科技公司、学术研究机构的超过800名代表参加了会议。

来自<u>@AI金融评论</u>的报道

来自<u>@AI金融评论</u>的报道