释放数智新动能,构建绿色金融数字生态体系
邮储银行“十四五”规划纲要、“十四五”IT规划提出科技赋能战略,全面加速数字化转型;健全“金睛“信用风险监控系统功能,借助大数据等金融科技手段,减少环境和气候信息不对称。制定数字化转型专项领域行动方案,纳入绿色金融数字化转型任务,构建绿色金融数字生态体系。
为解决当前绿色金融市场交易活动中信息不对称问题,提升环境气候信息可得性和精准度,加强对绿色项目和绿色资产识别能力,精准支持绿色低碳循环经济发展,邮储银行依托 “金睛“信用风险监控系统(以下简称“金睛”系统),收集、整理和分析政府和企业公开的环境信息,搭建环境信息数据库,依托公众环境研究中心(IPE)的动态环境绩效评价 (DEPA)解决方案,从污染防治、环境管理、社会监督等角度对企业的环境表现开展动态评估,快速高效识别企业的环境信用风险,提升信贷管理的效率和效能。
2022年1月,邮储银行“基于大数据技术的绿色信贷服务”项目纳入中国人民银行金融数据综合应用项目试点。总行成立金融数据综合应用试点项目推进工作组,由邮储银行总工程师任组长,授信管理部负责人及业务骨干任组员,负责统筹组织推进,每两周向中国人民银行报送项目建设推进情况。具体目标规划与完成时间节点如表1所示。

表1项目规划
本方案已经实现以下四个目标:
一是提升环境气候信息的可得性和精准度,缓解绿色金融市场交易活动中信息不对称问题。“金睛”系统部署企业环境信息模块,接入公众环境研究中心蔚蓝地图等外部环保数据,加强对客户在信贷全流程的环境风险监控。
二是建立绿色智能识别模型,提高对绿色项目和绿色资产识别能力,精准支持绿色低碳循环经济发展。运用人工智能技术,让机器学习各类绿色金融统计标准,建立高效的、可持续完善升级的绿色智能识别引擎,提高绿色识别的准确率。在信贷业务平台内置环境效益测算模型,将银保监会118个环境效益专业测算模型嵌入系统,实现对绿色项目的环境效益测算,达到对环境效益进行动态监测、精准计算。
三是推动企业碳核算,识别和修复自身环境问题并做出公开披露。邮储银行与公众环境研究中心合作,应用温室气体排放核算平台(lnsBlue)积极有序推动企业碳核算工作。截至2022年末,累计完成2182户企业碳核算,累计295户企业在邮储银行的引导下,对过往出现的环境违规问题进行了公开披鸳;200余户客户借助蔚蓝地图平台和工具,测算并披嫘了季度新鲜水量、废水、温室气体排放量等能源数据。该项工作已纳入人民银行《绿色金融市场简报》宣传推广。
四是提升应用金融科技管理环境、气候和社会风险的能力,开发适合绿色技术创新和覆盖投融资主体全生命周期的绿色金融产品和服务体系。积极创新和推广可持续发展挂钩债券融资、可持续发展挂钩贷款等产品。如,在北京金融资产交易所为某电力集团承销全国首单可持续发展挂钩债融5亿元,该挂钩目标达成后,预计可实现二氧化碳减排91.5万吨;率先为某控股煤业集团、某热电有限责任公司发放可持续发展挂钩贷款。引入了温室气体排放核算平台(lnsBlue)测算的企业碳排放量,福建省南平市分行首创“绿色信贷评分卡”,并将评分情况作为绿色创新产品准入、提高授信额度、享受优惠利率等差异化政策的依据, 2022年1月被福建省绿色金融改革试验工作领导小组评为第二批绿色金融改革可复制创新成果。2022年6月获评福建省十大金融创新项目中三类项目。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。