当前,随着金融业务的不断发展,业务复杂性和系统复杂性都在不断加剧,银行系统需要更合理的架构,在更加严格的监管下提升业务质量。因此,金融机构传统的核心系统正在面临着前所未有的挑战和冲击。那么,银行的核心系统到底是应该变还是不变?往哪个方向变?如何变?将是本期要重点讨论的话题。
在“连线‘赢’行家——行话连播”中,建设银行信息技术管理部资深专家孙代勇,恒丰银行科技开发部资深架构师张涛,及IBM大中华区银行解决方案团队资深架构师范皓,与大家分享了在金融科技趋势下,银行核心业务系统及应用架构将如何实现转型,并围绕建设银行与恒丰银行的转型实践,探讨如何从传统核心系统向双核心演进,以满足未来银行系统中分布式架构、微服务、敏捷开发、持续交付等实际需求。
“Fintech金融科技”给金融界带来全新挑战
概括来讲,Fintech金融科技就是金融与科技的融合,把科学技术应用到金融领域,利用科技的创新来推动整个金融体系的革新
几年前,像阿里巴巴、腾讯、百度这些互联网巨头就以支付作为切入点逐渐进入到金融领域。并逐渐向贷款、融资等业务进行渗透,其发展势头迅猛,极大地冲击了传统银行业务。
那么,金融科技对银行核心系统又有哪些影响呢?孙代勇认为,首先,是对银行的核心系统在产品创新方面提出了非常高的要求,金融产品上市周期短,产品的迭代周期往往都是以天为单位,这给银行的核心系统带来了非常大的压力。
其次,银行如何才能保证推出的新产品是受用户欢迎的呢?这需要银行的核心系统更加智能、智慧地去了解和洞察客户的需求。
再次, 金融科技还对传统银行的受众体系产生了深远的影响,张涛指出,银行对核心客户的管理和服务水准将逐渐扩展到普惠金融的范畴。而包括双十一在内的各种促销活动也给银行核心系统带来了巨大压力。
而在范皓看来,金融科技对传统金融领域的冲击,已经透过前台,逐渐渗透到后台核心层面,今天的核心系统很大程度上还是面向交易和流程的结构来设计的,这样就很难应对未来业务的需求,比如应用的驱动、结构化的产品等等。
颠覆传统观念,打造全新核心系统
区别于传统观念,孙乃勇认为在未来银行核心系统的建设中,很多能力都要依托于后台的大数据分析来实现,比如在支付环节,要实时的进行欺诈监测,又比如在一笔业务发生的时候,要实时发现交叉销售的机会,这些都需要大数据平台做相应的支撑。建设银行的实践是把包括大数据技术在内的很多核心技术分别落实到不同的应用和组件当中。
那么,在新的IT环境下,到底应该如何去定位银行的核心系统呢?
范皓总结道IBM所定义的未来银行核心系统分为三类,第一类叫交互参与系统,更加追求渠道的个性化体验;第二类叫业务处理系统,主要负责业务、服务的处理逻辑;第三类是分析洞察系统,主要负责对业务系统中的数据进行分析,洞察客户需求等工作。而未来的银行核心系统,将主要集中在第二类的业务处理系统之上,但绝不局限于此,将更多的为交互参与和分析洞察提供支撑与能力。
点击此处观看完整视频:
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。