最近的虚拟货币市场有点疯狂,比特币15000美金,以太坊900美金,莱特币涨了7700%。对于这背后的底层技术“区块链”,有人把它妖魔化,也有人把它神话。其实,更确切地说,很多人对它的认识都还停留在“不明觉厉”。
当然,也有很多技术专家指出,这种去中心化的分布式数据处理技术早在十几年前就有了,并不是什么横空出世的神秘黑科技,过去还没有大范围进入公众视野是因为在场景应用中还存在一些问题。
然而,随着区块链技术的不断成熟,凭着去中心化、公开透明、防篡改三大核心特征,区块链技术近两年来开始“大红大紫”,成为炙手可热的金融科技,除了金融行业,还在医疗、法律、游戏等各行各业中开始被应用。
在本期连线“‘赢’行家——行话连播”中,兴业数字金融服务有限公司区块链产品高级总监李雪盛与IBM系统Linux ONE和区块链售前技术支持经理吴方,为大家介绍了区块链技术的原理及其特点、兴业数金在区块链方面的应用和困惑,以及IBM区块链解决方案给金融机构带来的价值。
兴业数金的实践与困惑
“区块链技术的特点决定了它可以加速金融行业业务的提升和创新,如客户身份认证、贸易背景存证等等。”李雪盛表示,“跟传统的模式相比,区块链减少了金融业务的中间环节,降低了交易成本和风险,同时还扩大了金融机构的服务范围,提高了服务质量。这对于金融机构提升自己的竞争力具有非常重要的意义。”
因此,兴业数金已经在区块链技术的应用中有了不少探索,主要是三个方面:一是数字资产的管理(如银行间的积分兑换、数字票据应用),跨境支付平台效率的提升;二是与其它金融机构之间、与客户之间信息的共享、传播,真实性的确认;三是智能合约的执行。
当然,李雪盛也坦言,目前兴业数金在区块链技术的落地应用中仍然存在一些困惑和挑战。首先,在技术方面,由于区块链是一个分布式的账本,因此交易的最终确认需要多方共同完成,这将给交易带来一定的限制;同时,其技术的成熟程度也是许多金融机构目前重要的考量和顾虑。其次,在业务方面,由于区块链的信息分布在各地,要遵照和符合监管机构对于信息的追溯和交易的监管要求,这也是其中的一大挑战。
让金融机构从底层基础架构中解放出来
对此,据吴方介绍,区块链技术领域有很多的技术流派。而从IBM的角度来说,主要关注于HyperLedger,即超级账本,在供应链金融、资产托管、跨境贸易、国际结算等领域的应用,帮助金融机构及合作伙伴打造区块链解决方案。
在与许多金融客户的接触中,吴方发现:“对于技术与场景的结合他们还有不少的困惑,甚至于无从下手。一方面他们要探索什么样的场景更适合于区块链技术。另一方面,还要为区块链提供接口,研究它接下来的发展方向等等。”
“而从IBM的角度来说,让金融机构从繁重的、复杂的区块链底层基础架构中解放出来,把自己的精力投入到业务创新和业务场景中,这是就是目的。”
IBM是HyperLedger区块链开源项目的代码的最大贡献者之一。围绕这一项目,同时基于IBM Linux ONE区块链专用服务器和Hyperledger fabric基础架构,IBM正在提供一套从软件、硬件到服务,甚至是后期培训的完整的解决方案。
具体来看,IBM Linux ONE是专为Hyperledger fabric进行优化的高端服务器,具有极强的灵活性和扩展性,支持快速部署。此外,该服务器提供了硬件辅助加密功能,在满足快速运行的同时还能保障安全性和稳定性。
再往上一层,IBM还基于Hyperledger fabric的API封装了一整套的区块链云服务,以云计算的形式提供区块链环境,这使得用户只需要通过页面一键操作,就能轻松完成开发、调试、部署、上线等工作。
好文章,需要你的鼓励
戴尔、微软、Salesforce等科技领导者发布2026年AI预测,认为AI代理安全防护和投资回报率是客户关注焦点。戴尔CTO预测AI将转向本地部署以加强控制;ServiceNow强调AI价值必须体现在业务收益上;Snowflake重视数据治理在AI代理管控中的作用;Salesforce认为AI将成为品牌形象代言人;微软强调信任是AI代理部署的关键要素。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
苹果计划在2026年推出多款重磅新品,包括配备miniLED面板和A19 Pro芯片的27英寸外接显示器、搭载homeOS系统的7英寸智能家居控制设备、首次采用OLED屏幕的全新MacBook Pro、具备7.8英寸内屏的iPhone Fold折叠手机、售价699美元起的入门级MacBook,以及升级OLED显示技术的iPad mini。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。