如果说以前我们还对美国最大的金融机构是否准备好接受云技术并且投资云技术还抱有任何疑问的话,那么现在已经完全不复存在了。
多年来,敏捷的金融科技初创公司和PayPal等主导玩家一直从传统银行机构那里夺得更多的市场份额。现在终于看到一点曙光了,上个月有多位银行CEO在财报电话会议上向投资者表示,云技术将赋予他们保持敏捷、竞争力、安全性和相关性的能力。
摩根大通集团首席执行官Jamie Dimon向分析师表示:“市场竞争很激烈,我们希望能够取胜。有时候你就必须在金钱上有所投入,如果我们再花20亿美金就能明天上云的话,我马上就会这样做。”
传统银行业致力于成为迅速响应、数字化优先的机构,以更好地满足客户不断变化的需求,而在这个使命中,云计算将发挥越来越大的作用,这一点也得到了高盛首席执行官David Solomon的呼应。
根据红帽公司发布的2022年全球技术展望报告显示,受访的金融服务和银行中只有4%表示他们还没有计划专注于云战略。
Gartner分析师Jason Malo表示:“云在市场上已经达到了一定的成熟度,这项技术不仅得到了认可,而且越来越受欢迎。这是一种已经得到了验证的解决方案,现在很多人都在问我们应该如何更多地利用云。”
新机遇
如今,金融机构有很多迁移(或者扩展迁移)到云端的理由,例如速度、安全性、缓解欺诈问题、客户体验和成本节约等。
谷歌云全球金融服务解决方案董事总经理Zac Maufe表示:“疫情让银行意识到,云是速度和性能的巨大推进器。如果银行不顺应这个趋势的话,我们就会意识到潜在的收入损失。”
尽管多年来对云计算犹豫不决或者视而不见,但现在很多银行机构正在迎头赶上。
Next Pathway总裁、联合创始人Clara Angotti表示,最初很多银行在云迁移方面进展缓慢,花很长时间进行测试和学习。Next Pathway公司主要帮助银行和财富1000强企业向云端进行迁移。
她说,Next Pathway的一位银行客户花了三年时间进行概念验证测试。
现在,很多金融机构还处于了解云带来新机遇的早期阶段。例如,Discover Financial首席执行官Roger Hochschild在财报电话会上向分析师表示,他们正在把云用于“我们的数据和分析领域,在这些领域,速度和海量存储是至关重要的”。
根据Gartner的研究显示,除了大数据以外,合规和核心银行业务是银行最关注的热门领域。
摩根大通集团的Dimon把云计算作为他们为客户创造实时福利的能力,就像是为热爱牛排的客户提供周五晚上的美味大餐。
未来挑战:人才
不过随着战略的演化发展,出现了一个新问题:人才缺口。
根据Gartner的研究显示,只有三分之一的银行在支持关键云能力方面“人员配备充足”。
Angotti说:“遗憾的是,大多数机构组织对于利用这些技术能力是没有信心的,他们内部并不具备快速升级能力所需要的技能。”
SingleStone是一家位于美国弗吉尼亚州里士满的科技咨询公司,该公司首席技术官Ryan Shriver表示,一些银行正在积极主动地为员工提供住房、培训和技能再培训。
“他们不能只依靠那些刚刚从大学毕业的人。这些都是很重要的承诺,组织需要提高员工在云端工作的技能。如果他们不这样做,就有被淘汰的风险。”
云厂商的选择
Maufe表示,谷歌看到云技术整体正在加速普及,包括德意志银行、高盛、富国银行、汇丰银行和丰业银行等谷歌现有的客户。
每个领先的云提供商包括AWS、微软、谷歌甚至IBM,都看到了云技术对于金融服务客户的吸引力。
微软执行副总裁、首席财务官Amy Hood在今年1月份的财报电话会议上强调,2022年第二季度微软云的收入同比增长了32%,她特别强调了与富国银行的合作。
银行处理云迁移的方式也是因机构而异的,其中很多银行会同时使用多个云平台,有些银行会打造定制的解决方案。
例如,去年11月高盛宣布将与AWS展开合作,为那些寻求访问数据、利用新工具分析数据的客户开发一种解决方案。
本月,谷歌也扩大了与KeyBank的合作伙伴关系,后者将在谷歌云上运行他们主要的平台和应用,并且到2025年之前KeyBank大部分产品和服务都将在谷歌云上。
毫无疑问,随着消费者日常活动中与金融机构的财务互动(例如百货购物、旅行和医疗)越来越多,数据和边缘处理都将在云端进行。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。