云智一体加速融合 全面支撑智能金融自主可控

正文

请到「今天看啥」查看全文

而近日央行金融科技委员会会议强调2021年要以深化金融数据应用为基础，以强化金融科技监管、加快金融数字化转型为主线，以风险技防能力建设为保障，全面提升金融科技应用和管理水平。

从落地来看，各家商业银行聚焦于开放银行生态场景建设、服务渠道重塑、数字化营销、智能运营风控、基础设施升级等领域。

国有银行和部分大型股份制银行在人工智能领域布局较早，技术与场景的结合也相对充分，需求更具有前瞻性和探索性； 而中小行随着业务复杂度提升和数据量增长，与科技公司在人工智能领域的合作也在不断加深，合作方向主要集中于智能风控、智能营销、智能客服和供应链金融等场景。 保险公司、证券公司、交易所等金融机构也与 AI 公司进行了战略合作，积极探索 AI 落地场景。

AI 落地金融行业 需应对诸多挑战

这一部分要先从智能金融的结构讲起。

智能金融一般包含基础层、技术层、应用层三部分。 其中基础层是指为人工智能提供计算、存储和网络等能力的云平台；技术层主要提供感知、认知等通用算法和人工智能平台服务；应用层是由人工智能通用技术与金融业务深度融合产生的具有应用价值的产品和服务。

从落地需求来看，随着 AI 应用场景数量的增长，催生了 AI 中台，为 AI 应用开发提供快速构建能力的支持，助力金融行业智能化落地。自主可控也驱动金融机构部署 AI 中台。目前，头部金融机构已经开始积极搭建 AI 中台架构，中小规模企业也开始尝试 AI 中台构建。

同时，我们也应当看到金融行业在推动 AI 落地，面临诸多挑战：

• AI 工程化能力建设不足： 智能化应用落地很大程度上依赖 AI 工程化的能力，Gartner 研究表明，只有53%的项目能够将 AI 原型转化为生产。这是由于 AI 落地从模型开发到部署应用，是一个技术门槛高、流程复杂的过程。

• 技术能力不足、人才短缺： AI 的效果高度依赖数据科学家的专业经验和算法能力，而目前 AI 人才输出短期内难以有效补充。

• AI 数据价值释放不足： 信息孤岛尚未充分打通，数据质量和完整性有待提高。

请到「今天看啥」查看全文