金融科技关键技术发展有哪些新特征？

随着金融业数字化转型的日益深入，金融科技关键技术应用落地不断呈现新特征：

一、算力成为金融数智化新引擎，数字原生应用巩固转型基础

1.智能算力在金融业加速应用，算力布局成为数智化发展新焦点

以多样算力资源为基础、以算力网络为连接的算力服务成为数字化转型竞争的新领域。截至 2023 年6 月底，全国算力总规模同比增长 30%，智能算力规模同比增长约45%8，据浪潮与IDC联合统计数据显示，金融领域位列算力水平行业排名前三位，算力发展对金融业数字化转型有重要价值。一是金融业对智能算力需求呈现快速增长态势。金融机构分布式技术架构转型、业务多元化发展等对算力的性能和效率提出更高要求，大数据、人工智能等数字技术的广泛应用进一步推动了金融业算力的爆发式增长，架构灵活、高效调度、效能优越的智能算力服务成为金融领域数字化转型的关键生产力之一。二是大型机构算力布局在整体战略中占据更加重要的地位。大型金融机构探索持续建设先进的算力基础设施，纷纷构建更加强大的算力平台，探索更加智能、敏捷、安全的算力解决方案，推动算力与算法、数据深度融合，持续优化智能信用评估、客户筛选、风险定价、风险控制、投资顾问、保险精算等金融服务。

2.数字原生理念逐步落地，云原生、AI 原生在金融业转型发展基础不断夯实

数字原生指天生具备“数字化基因”，将互联网、云原生、大数据等数字技术与组织形态、业务模式、技术架构等深度融合的、数字技术优先的思维理念，是一种涵盖了生产资料、生产力、生产关系的全方位的数字化。云原生、AI 原生等理念在金融业持续落地，金融业向数字原生不断进阶。其中，云原生在金融领域数字化转型过程中起到关键引领作用，大型金融机构已深入应用。云原生分布式架构作为突破性的技术革新，已经成为部分金融机构核心系统转型的趋势和方向。AI 原生从赋予场景智能，到在产品和解决方案全面嵌入智能，再到组织智能迭代，助力进入全面智能时代。AI 原生应用更加注重技术的实际应用和商业化，应用前景受到金融等行业的普遍关注，在投资组合优化、风险评估与风险管理、金融市场预测等环节均有较大应用潜力。

二、大模型助推数据智能技术升级，加速数据要素价值释放

1.生成式人工智能技术发展迅猛，加快金融业应用新入口的探索

一方面，由 ChatGPT 等引发的 AI 大模型技术变革正在持续演进，为金融业带来新机遇。一是参数规模呈指数级增长。GPT由1.0到4.0，参数从亿级爆发增长至千亿规模，模型的上下文理解能力大幅提高，在金融级大数据量的知识问答、逻辑推理等任务上的准确性显著提升。二是数据模态逐渐往多模态化发展。通过对文本、图片等不同存储信息载体的训练，大模型对金融业复杂文本图像的融合处理和分析能力进一步增强。在大模型技术不断发展的背景下，金融行业数字化基础好、人工智能应用场景密集，也为大模型落地应用提供充分的环境。

另一方面，金融业积极拥抱大模型，推动大模型在各场景的探索落地。基础大模型需通过特定金融场景的数据喂养、提示工程和微调工程训练形成专业领域任务大模型赋能金融业，可广泛应用于市场营销、产品设计、风险管控、客户服务、运营支持等领域。当前，金融业大模型多以智能助手、人机协同等形式赋能智能客服、智能风控等环节，提高员工工作效率和质量的同时加速金融业智能化进程。以银行业为例，农行发布自主金融AI 大模型ChatABC、工行发布基于昇腾 AI 的金融行业通用大模型，探索新的应用。此外，大模型也面临着安全与合规风险，受制于模型本身黑盒、计算复杂度高的因素，大模型存在无法溯源、科技伦理风险等方面问题，金融业应用大模型更需谨慎。

2.金融数据智能技术加速演进，助力数据价值释放跃升新阶段

金融业数据智能技术的持续演进，进一步促进数据资产的可信流通和价值释放。一方面，数据智能技术的发展进入新阶段，提升金融业务决策智能化水平。金融业是数据智能技术应用的先行者之一，主流机构会率先探索数据智能技术的应用。目前，现代数据栈、数据编织和数据操作流程自动化等现代数据管理方法走进现实；湖仓一体等新一代数字化平台进入融合一体化阶段；作为数据分析的智能化升级，智能增强分析开始应用，帮助金融机构洞察和构建数据资产可信流通的生态分析能力。

另一方面，数据要素流通和数据资产化的方式逐渐丰富和落地。过去几年，金融机构不断尝试通过借助隐私计算等技术解决数据流通难的挑战，尝试将低价值高风险的原始数据交易转变为高价值低风险的知识产品交易，积极探索构建数字空间、数据交易平台等安全可信的数据流通基础设施，在实现数据资产变现方面进行了探索，目前这些方式已实现一定规模商用。一些头部商业银行研究将数据资产列入无形资产二级科目进行核算，探索数据资产化，诞生了数据资产质押融资、数据资产证券化、数据资产信托、数据资产担保等一系列金融创新产品，比如北京银行在城市副中心分行落地全国首笔数据资产质押融资贷款，杭州高新金投控股集团有限公司发行了全国首单包含数据知识产权的证券化产品。

三、信息技术应用创新深入推进，持续助力金融服务现代化转型

1.“多云多芯”在金融行业呈规模化应用态势，日益夯实信息技术创新底座

随着金融业自主创新以及数字化转型等工作深度推进，“多云多芯”作为关键技术底座在金融行业广泛应用。一方面，“多云”可充分发挥各云差异化优势，针对性支撑不同金融业务落地。金融机构根据不同业务需求进行跨云的统一资源调度与编排，发挥各云平台差异化优势，支撑金融业务快速落地。另一方面，“多芯”多元异构兼容能力可有效避免单一技术路线局限性和单一产品依赖性，同时满足金融业多样化算力需求。“多芯”为金融机构降低信创芯片技术路线分散、技术走向尚不明晰引入的技术延续性风险，同时兼容 GPU、DPU 等多样化算力，满足日趋复杂的金融业务。人保集团“多芯架构”向下屏蔽底层环境差异，向上提供多云环境中的不同用户安全隔离、物理隔离等安全保障服务能力，灵活配置云资源，实现资源快速交付和应用高效运营。

2.分布式技术在核心业务系统进一步落地，金融机构更加关注系统稳定性

一方面，分布式技术在金融业核心业务系统进一步落地，在金融行业的覆盖范围和应用深度持续提升。分布式技术已逐渐从外围推进到核心，金融机构借助分布式技术模块化和分散等特性，不断提升核心业务系统的高效性、稳定性和敏捷性。从银行业来看，随着技术的进一步成熟，分布式技术在国有大行、全国性股份制银行、省级联社、地方性城商行、农商行等金融机构中得到广泛的应用实践。证券、保险行业机构根据各自行业的业务特点，广泛应用中台以及云原生等技术推动核心业务系统转型。另一方面，分布式技术的引入提升了系统复杂度，金融机构更加注重分布式系统的稳定性能力提升。对于金融行业而言，分布式技术提升了系统的业务承载能力，但同时也引入了系统复杂度，增加了系统的不稳定因素以及运维难度，因此，机构更加注重分布式系统稳定性能力建设，引入可观测性、混沌工程等技术推动核心业务系统业务连续性以及稳定性稳步提升。例如工商银行建设了可观测、混沌工程等技术手段为基础的系统稳定性保障体系，构建了企业级可观测能力平台，开展了混沌工程演练实践，在提升业务连续性的同时，有效降低生产故障发生概率和故障影响范围。