金融数字化走到哪一步了？来自神州、阿里和华为的回答

    
    作者 | 苏越
    金融业的数字化转型已进入深水区，但金融机构核心系统的改造整体上还处于起步阶段。华为在相关研究中统计，仅有23%的金融机构选择以新的核心系统替代原有核心系统，50%以上的金融机构仍选择维持原有核心系统或者小范围升级改造。金融机构早已意识到，原有核心系统的架构难以满足数字化时代金融业务快速响应、敏捷弹性的需求，所以并不缺少改造的动力。问题在于，核心系统建设难度大、成本高。
    随着云原生理念的成熟与推广，问题有了新解法。云计算技术推动云原生的覆盖范围扩大，以适应金融行业的高可用、高性能、业务连续性等特征要求。《2023年金融业信息技术转型升级白皮书之核心下移篇》指出，金融业正逐步向云原生架构体系转型（即核心下移）。合理的方法、路径和步骤至关重要。当数据和组织成为新的桎梏，金融数字化成为一项系统性工程，首先要有组织架构和顶层规划。
    实力薄弱的中小金融机构需要在科技厂商的赋能下，基于资产规模和和科技预算合理规划实施计划，适配不同的技术、产品、方案、机制。金融业已正式进入大模型时代。目前国内参数在10亿规模以上的金融大模型已超过20个，阿里、腾讯、百度、华为等大厂以及马上消费、招联金融等持牌金融机构已公开发布相关成果，工农中交等9家银行在2023中报中明确了大模型进展，更多科技公司和金融机构也在探索相关应用。
    但是，金融大模型的落地应用尚不成熟，还面临着监管、数据、场景等多方面的问题。从智能客服、协同办公等单一的“点”，到“线和面”的融合，可能还有很长的路要走，需要科技厂商和金融行业共同努力。日前，在中国信通院金融科技产业大会的主题论坛现场，作者作为参与人员，与神州信息金融技术部总经理张劲、阿里云新金融事业部副总经理宋勇和华为数字金融军团分布式新核心业务总经理韩满进行了对话，探讨了金融业向云原生分布式架构体系转型以及金融大模型落地应用过程中的一系列问题。以下为内容要点。
     01 
    金融数字化转型进入新时代
    1、云原生技术全面涌现
    宋勇：过去40年，银行IT系统经过多轮演进迭代，从单机时代、联网联机时代到数据大集中时代、分布式云原生时代。在数据大集中时代，诞生了银行最重要的业务系统——核心业务系统，使得中国金融服务的能力和效率大幅提升。与此同时，数据、业务交易量及复杂性也大幅提升，彼时的IT系统不得已采用集中式处理架构。
    近几年，随着国内互联网公司、头部科技厂商技术能力的提升，分布式云原生时代已然来临。这个时代也经历了三个阶段：● 局部的分布式和云原生，用分布式数据库、分布式中间件，叠加传统的X86结构；● 云延伸阶段，尝试用云+DevOps+分布式技术架构解决应用系统创新和上云问题；● 金融级云原生，其核心思想是，把最先进的技术架构理念和最严苛的金融级SLA高度结合，旨在刻画出一套全栈云原生能力升级的技术体系，完整替换传统架构。
    所谓“一鲸落，万物生”，随着传统集中式架构的衰落和退潮，云原生技术正在全面成长和涌现。面对金融行业更加严苛的要求，需要解决架构先进性，将金融对安全合规、交易强一致性、单元化扩展、容灾多活、全链路业务风险管理、运维管理等各方面行业要求与云原生技术进行深度融合，实现对传统集中架构的整体架构升级，发展为一套既符合金融行业标准和要求、同时兼具原生技术架构优势。
    2、 核心下移的三大痛点
    张劲：核心下移是一个任重而道远的工作，在和华为与阿里云等生态伙伴反复沟通过程中，我们发现痛点主要有三个层面。第一，系统使用周期长。核心业务系统一般使用至少7年，有些修修补补能用13-15年，很多信息因此变得模糊甚至无法溯源。所以在下移的过程中，首先要把过去的信息捋清楚，这是一个很麻烦的工作。
    第二，架构转型挑战大。以前绝大部分银行使用的是OS-390、AS-400或者RS-600，也就是大型机到中型机到小型机。对于现在的分布式云原生这种微服务的架构，很多银行并不了解，架构转型从规划设计到实施到运行都有很大的挑战。第三，数据改造牵涉广。数据库切换升级是一个体系化的工程，涉及到数据的结构、数据的移植，并且在数据改造的过程中，对原有的应用要做切割和改造。
     02 
    数据及组织成了新的桎梏
    金融机构数字化转型进入深水区，有观点认为“技术本身已不是瓶颈，数据及组织问题成了新的创新和发展的桎梏，包括数据打通，业务协同、开放生态等问题”。
    3、“组织实际上是最难的”
    张劲：目前不用过分强调技术作为数字化转型的关键要素，因为它是一个重要的点，但不是唯一。组织实际上是最难的，因为所有企业的运转都靠组织，一些数据打不通，是因为组织之间没有打通。
    这就是为什么很多数字化转型领导小组，不是选择技术部门而是全行级的部门来主导。但是现实仍然很难，比如很多银行对公部门和对私部门的数据不能有效打通，这里有很多组织的原因，也有交易逻辑的原因。因此，组织上需要更多地开放融合，但需要时间去实现。现在越来越多的数据其实是非结构性数据，社交媒体、互联网上的数据，要能够有效地被金融机构识别和分析，才能实现真正意义上的“千人千面”服务。此外，还有很多其他因素，包括监管机构既管又放的政策调整，包括金融目前的整个生态。
    因为金融行业的科技预算和市场规模很大，怎样建立一个更加繁荣的生态，能够把这些好的厂商、产品、技术和理念更好的融合，这是金融行业数字化的重点。
    4、“未来的架构一定是分布式的”
    宋勇：过去是纵向垂直扩展，也就是说以前银行做核心系统采用集中式架构，就把核心系统和每个业务部门的系统从底下到上面做得又粗又壮，而且每个都是纵向的。未来金融数字化的新架构要承担更多的业务创新，带来更大的高性能、高可用、业务一致性的要求，当下是要变成新的分布式架构，就是横向的水平扩展。所以在这里面会有云、分布式的数据库、分布式中间件，以及新的基于云原生分布式的核心系统。
    时至今日，技术不再是一个的产品的名字，它可能是针对不同客群的系列解决方案。这些解决方案会把越来越多的业务部门、业务团队拉进来进行协作，是一个比较大的工程。在这种情况下，未来金融数字化要先有组织架构和顶层规划，然后基于这个框架，把不同的技术、产品、方案、机制，以及不同的要求装进去，做水平扩展。韩满：以银行为例，传统架构是一个个垂直的烟囱式架构，数据流通起来存在很多困难，也不具备弹性敏捷的能力，从资源利用率、故障隔离等方面难以满足业务需求。
    未来的银行技应当构建在基于分布式架构的平台基础上，会走向一个敏捷、开放、智慧的形态，并且会连接更多的生态。华为的理念也是，未来的架构一定是分布式的。但走向分布式架构之后也存在很多挑战，例如，怎样保证在一起协作的更好，怎样保证金融机构下面分布式的一致性。在横向扩展过程中，架构的可靠性、高性能以及稳定性也至关重要。
    所以，未来可以构建一些如两地三中心、多地多中心的多活架构，更好满足敏捷面对创新以及监管的要求。数字化转型不是一蹴而就，需要一个周期。同时，银行对应的科技人员、业务人员也要去学习更新迭代的知识结构框架，这样才能够让分布式架构转型的成果更好地支撑业务的敏捷和创新。
     03 
    金融大模型落地难，AI Bank一定会出现
    5、金融大模型落地难在监管、数据和场景
    张劲：大模型的落地应用遵循“点线面”的原则。一件事在开始时是达不到颠覆性、挑战性成果的。举例来说，我们去银行办业务，完全不需要人，全部用AI的方式做行不行？可能在技术上未必不行，但实际上是肯定不行的。
    在AI大模型上，我们选取了两个点。第一点，在软件开发领域。这个方向不直接接触用户，还是在科技体系里面，让金融机构的代码工作能够变得多快好省，降低成本。
    第二点，围绕智能机器人。为什么大家不愿意去听AI语音呢？因为它不通人性，还不能很好地理解客户的语言，尤其是情绪。所以可以先不做智能投顾这类复杂的方案，先让AI做好日常处理，更好地解答客户的问题，感受客户的体验，提升客户的满意度。现在对于大模型来说，让行业做出颠覆性的创新很难，而且还有一些监管的实际要求。选取两个点，选取一些线，通过科技厂商和金融行业共同的努力形成一个面，具体在金融行业里怎么落地，还需要大家一起去探索。
    宋勇：阿里云在大模型的这件事情上扮演了两个角色，一是基础大模型，二是场景大模型，更多的是提供一层平台和二层平台。阿里云的策略也是让大模型在一些可用的场景上逐步成长，逐步被机构用户以及最终的消费者接受。例如在内控、财报编写、办公协同、投资理财建议等方面，找一些不大的场景，既满足合规，银行中又有足够的数据进行训练。不过，大模型在核心系统、智能营销、在2B2C链条上全面使用应该比分布式核心要快，但是需要大家共同努力，以及监管合规政策的一定转变。
    韩满：最近我去参观了一个城市商业银行的智慧运营，其中有一项用到AI的审核工作，大概70%的工作已经可以通过人工智能来做，但是还是保留了大概50人做人工审核。从准确性上来说，有20%的工作当前还需要人工来进行，另外有10%是出于严谨性考虑需要打回重新来做。这就代表了AI至少有20%提升空间。所以对于这个问题，一方面要考虑监管的需要，是不是能够让AI大模型有一个很大的发挥空间。另一方面，AI大模型本身的质量和准确性也需要提升。另外，从数据角度来看，很多中小机构的数据质量还存在着各种各样的问题，比如数据治理不足，数据维度简单，数据量不够等，很难训练出一个很好的大模型。
    6、AI Bank：伪命题OR跨时代意义？
    宋勇：首先在AI这件事情上，我们认为在整个经济社会体系里面，它目前看是一个不可逆的过程，它一定会落地，但不确定是否以大模型的方式落地，或者AI怎样去重塑我们的社会经济、科技。这应该是一个越来越快的、非线性的，指数增长的过程，而且是一个坚定的过程。所以什么时候出现AI Bank，我们目前不能预测，但这是一个确定的不可逆的过程。其次，阿里在4月份的时候提出，支撑阿里6大集团业务那套科技会用AIGC重塑一遍。也就是说在阿里自身的商业版图里，已经开始使用AIGC去推动业务发展，这是我们在做的一些实践。