金融數字化變革關鍵時刻：一邊站上大模型風口，一邊架構改造

近年來，隨着數字技術的快速發展，各行業的數字化轉型進入了新的週期。這其中，金融行業作爲數字化轉型進程最快、程度最深的行業之一，在安全合規要求進一步提高，信息技術飛速發展等背景下，金融科技也步入了發展的新時代。

與此同時，在大模型火爆的近一年時間內，金融行業作爲擁抱數字技術最積極的行業之一，也深受大模型的影響，金融科技產業面臨着諸多機遇與挑戰。

核心下移已是大趨勢

如果總結現階段金融行業數字化轉型所面臨的痛點，“核心下移”無疑榜上有名。核心下移，是指脫離傳統集中式主機，使用基於數字化轉型應用創新的服務器，技術架構也從傳統的集中式，轉變爲分佈式架構。以銀行爲例，因爲其行業特殊性的原因，業務邏輯和IT架構都比較複雜，所以在覈心業務下移的過程中，以及傳統架構向新架構遷移的過程中，面臨着安全合規、數據遷移等諸多難點。

與此同時，近年來，在相關政策的驅動下，各個金融機構都在嘗試着向國產化平臺上，進行業務場景遷移。對此，神州信息金融技術部總經理張勁對鈦媒體表示，在信息技術飛速發展的當下，金融數字化轉型升級持續加速。運用一些新的技術，例如雲計算、分佈式、大數據、微服務等，用新的互聯網架構去支撐我們的業務，會使金融機構整體的科技能力有所提升，更加有力地推動金融助力實體經濟向縱深發展。

鈦媒體注意到，爲了更好的推動金融行業核心下移，近日，在由中國信息通信研究院（以下簡稱“中國信通院”）主辦的2023（第六屆）金融科技產業大會上，中國信通院聯合包括阿里雲、騰訊雲、華爲、神州信息等在內的多家數字技術服務商共同發佈了《2023年金融業信息技術轉型升級白皮書之核心下移篇》（以下簡稱“白皮書”）。白皮書對金融行業轉型升級趨勢進行了研判，從工程視角，金融業系統建設模式逐步向全面雲化改造轉變；從架構視角，金融業架構體系逐步向雲原生架構系統過度；從運維視角，金融業運維體系逐步向雙線運維體系過渡。

“隨着數字化轉型及信息技術轉型升級成爲行業共識，產業側進行着以市場爲導向的轉變和機構與廠商雙向選擇的變化，技術側也呈現出雲原生、一雲多芯、持續演進、開放生態、安全合規多個發展趨勢。”張勁進一步指出。

金融數字化步入新階段

顯然，核心下移只是未來金融行業數字化進程中的一步，在技術與政策的雙重驅動下，中國金融數字化轉型將步入下一個嶄新的階段。

同樣以銀行爲例，在阿里雲新金融事業部副總經理宋勇看來，銀行的IT系統架構“進化”過程可以分爲四個階段，分別是：單機時代、聯機聯網時代、大數據集中式時代，以及分佈式、雲原生時代，“當下，銀行業數字化已經進入了分佈式、雲原生時代，”宋勇指出，“在時代的背景下，全局金融級的雲原生架構已經逐漸成爲了銀行數字化的主流架構。”在這個分佈式、雲原生的時代裡，銀行開始把先進的數字技術與銀行的高可用、高性能，以及業務延續性的要求結合起來，支撐金融IT業務的發展。

在上述背景下，張勁也對鈦媒體表示，對於金融行業而言，其數字化歷程，已經從簡單的零散業務系統升級改造，逐步向核心系統上雲、核心下移等步驟發展。“如此快速的發展下，基於金融行業業務系統的複雜性，以及監管對安全合規的要求，金融機構的下一步數字化進程可能將長達5~8年之久。”張勁如是說。

以銀行爲例，原有的架構是垂直的、煙囪式的，數據很難流通起來，而且，煙囪式的架構“彈性”也十分差，並不符合當下隨着業務快速增長，銀行對於數字架構彈性的需求。

與此同時，隨着架構越來越複雜，就像那句“沒有一朵雲能滿足客戶所有的需求”一樣，對於金融機構而言，現階段也沒有一家技術供應商可以滿足金融機構所有的需求，所以銀行在需要橫縱擴展能力的新架構的同時，也需要供應商提供的技術是開源、開放的。

接下來，金融行業的數字化架構將向着敏捷開放的方向發展，“敏捷的架構、開放的生態是未來金融行業，乃至各個行業，在數字化轉型過程中的最大訴求之一。”華爲數字金融軍團分佈式新核心業務總經理韓滿強調。

而一個共識是，金融行業的數字化需要更多、更龐大的生態支撐，並不是一家科技企業可以獨自滿足的。

大模型時代的金融科技

大模型可以說是今年科技領域最火熱的一個詞，大模型在用戶側的應用逐漸深入的同時，在行業側也初見端倪。而金融行業對於數字技術一直持開放包容的態度，也讓大模型在金融行業的發展飛快。

今年3月，彭博首度針對金融業推出大型語言模型BloombergGPT，引發市場對金融垂直領域大模型的關注；6月，哥倫比亞大學聯合上海紐約大學推出FinGPT 。

在國內，7月，華爲全新發布盤古大模型，金融行業大模型正是其中數個行業通用大模型之一；9月，螞蟻集團正式發佈自研“螞蟻基礎大模型”，以及在此基礎上進行定製的“螞蟻金融大模型”。

不過，在張勁看來，大模型在金融行業具備完全成熟落地的能力還尚需時日，“金融行業不同於其他行業，其監管要求極高，從技術上看，像貸款審覈等業務其實已具備初步落地的技術能力，但因爲安全合規的要求，大模型只能在其中起到解放生產力的輔助作用。”張勁指出。

大模型可以幫助金融機構更好地進行風險評估和管理。通過分析大量的歷史數據和實時信息，大模型可以預測市場風險、評估信用風險等，爲金融機構提供更加準確和及時的風險管理決策支持。這將有助於金融機構降低風險和提高盈利能力。

以小微企業貸款爲例，現階段，小微企業貸款主要面臨發現難、轉化難、識別難等問題。信息不真實是數字信貸需要解決的首要問題，銀行主要面臨申請者身份不真實（使用同名申請、使用高清視頻代替人臉識別）、數據不真實（修改稅控盤數據庫、修改納稅申報表、企業無痕過戶）、業務作假（商戶流水作假、虛假交易，放大銷售額）等問題。

針對上述痛點，銀行可以通過SaaS平臺以及核心應用場景發現小微企業貸款需求，通過大模型等技術進行智能匹配，實現貸款轉化，並基於金融數據底座識別企業業務真實情況及貸款審覈，最終滿足小微企業貸款需求。

無獨有偶，韓滿也對鈦媒體表示，以某城市級商業銀行爲例，該銀行採用了智慧運營系統，把大模型的能力整合到系統中，將70%左右的工作流程交給人工智能進行，只保留了近50名員工進行復核工作，提高了整體的審覈效率。

除了更靠近用戶的“前端”以外，在張勁看來，大模型在金融行業的“落腳點”主要還是集中在後臺軟件開發、代碼編寫等層面，幫助金融機構加速研發進程。

從行業發展上看，大模型對金融行業產生了深遠的影響，既帶來了挑戰也帶來了機遇。在此背景下，爲了更好地應對挑戰和抓住機遇，金融機構需要加強技術更新和人才培養；保障數據安全和隱私保護；積極應對監管和合規問題；優化客戶服務與個性化推薦；創新業務模式與拓展市場。而大模型的出現，也將進一步推進金融行業數字化的變革。

（本文首發鈦媒體，作者|張申宇）