至顶网CIO与应用频道 11月13日 北京消息(文/董培欣):
在传统企业向互联网业务转型大潮的冲击上,商业银行金融业务也面临新的挑战和机遇:随着利率市场化不断深入,贷款等传统公司金融业务需求下降,利差空间不断缩窄;企业“互联网金融”需求高涨,为金融行业提供了新的发展机遇。众多银行机构逐步探索创新服务渠道,通过构建开放、弹性、安全、成本可控的IT平台,实施和部署应用创新。未来,金融机构拥抱云计算,构筑开放的金融云平台是大势所趋。
金融云平台应当如何高效稳妥的进行搭建,银行在数字化转型中需要重视哪些问题?京东金融副总裁、技术研发部总经理曹鹏向我们进行了解答。
京东金融副总裁、技术研发部总经理曹鹏
当前传统银行急需解决的问题是:客户开发渠道单一、产品整合能力不足;缺乏场景嵌入能力和融合营销手段,难以满足对客户识别与潜力挖掘需求,因此传统银行希望借助大数据的信息系统对营销进行支撑。但是互联网金融复合型人才的缺乏,使得传统银行难以适应业务数字化的发展趋势。
为了解决上述问题,在11月6日首届“JDD-2017京东金融全球数据探索者大会”上,京东金融重磅发布全球首个提供FaaS(Fintech as a Service)的企业服务云平台——京东金融云。
京东金融云是基于京东金融独特的企业服务理念,采用领先的大数据、云计算和人工智能等技术,并且利用对场景、对产品和对客户的深厚理解,所推出的企业服务云平台。京东金融云为用户提供了包括风险控制、反欺诈以及金融账户连接的重要功能。
曹总说,其实京东金融是把我们的数据输出给银行,而不是说我去做一个云的服务把银行数据拿过来。曹总又进一步向我们解释道:“根据我们之前跟银行合作的经验,有一些服务,比如像获客或者营销那一类的服务,其实非常标准化,而且也不涉及到大量数据隐私的问题。其实这个问题更典型的是中间有一个数据接口,它的系统跟我那边有一个对接,那边打通,比如说在一些权益上面的打通,打通以后就可以使用了。”
此外,曹总又向我们介绍了一些金融机构在进行数字化转型项目时容易遇到的问题:“金融机构按项目做转型的时候,从底层的基础设施建设到顶层的信息系统应用,工作量很重,周期很长,时间成本也很高。京东金融云则不同,是采用更轻量化的模式,把项目抽象变成模块。例如营销模块、反欺诈模型等。这样银行就可以很方便的接入我们的标准接口。”
做接口,做模块,在更深入的基础设施层面,京东金融云就不再介入了吗?曹总给我们的回复是否定的,并以风险控制举例:“在进行风险控制的时候,一定需要从底层云的架构给银行做一套私有化的部署,所以说京东金融云主推的是上层业务,不代表没有底层基础设施的部署能力。先用一些很低门槛的、低成本的服务跟用户接触,建立起联系,然后让用户使用你的产品,培养对你的信任,慢慢的给用户渗透,再推一些更高门槛的一些产品。”
当前京东金融云将自身的营销模块向众多金融机构进行开放,即解决了金融机构的客户渠道问题,又促进了金融机构向数字化进行转型。随之而来,会更进一步向金融机构推广京东金融云的智能化风险控制模块、账户管理功能乃至于金融核心系统。通过由浅入深的方式实现金融机构的整个IC架构数字化转型。这样做的好处在于,大大减小了直接从底层架构升级所隐含的技术风险和实施难度。
由此可知,京东金融云通过开放营销模块的方式,将京东的海量商业客户与金融机构进行共享;通过多年的技术积累,打造出高可靠性的风险控制系统以及管理系统。海量用户高并发大流量的应用技术积累,夯实了京东金融云的底层技术架构。现在京东金融云将这些技术全部提供出来,协助金融机构实现技术转型,与京东金融云携手,共同步入数字化的无限发展空间。
最后通过一张11.11战报,让我们再来体验一下京东金融的无限魅力。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。