金融行业向来是不缺新概念和“黑科技”的。
近三年来,从互联网金融,到金融科技、区块链,再到开放银行、API经济,金融领域的热点一直层出不穷。随之,传统的市场格局被跨界而来的互联网企业打破,银行、保险、证券等机构在金融服务生态链中的角色不断变化,自然,“危机感”也随之而来。
以银行为例,过去,其核心产品是账户管理、存贷汇式,中间业务多为投资理财、代收代付、国际结算等,市场内部同质化相当严重。而今,由于“搅局者”的加入,客户习惯发生了巨大的变化,许多银行开始转变商业生态模式,提供场景化服务,甚至“追随”欧美的大型银行,提出了“开放银行”的理念。
相对应的,其信息化也被要求变得更轻量、敏捷、智慧和开放。互联网的Web API技术开始为许多传统金融机构所用,成为传统企业走向互联网+的“连接器”。
对此,在本期“连线‘赢’行家——行话连播”中,来自中国银行的软件中心开发七部(负责互联网应用开发及新技术研究)主管冯斌与IBM云计算事业部资深架构师/金融行业解决方案负责人邢焱,为大家介绍了“开放银行”和“API经济”的概念,以及银行业在数字时代下,如何基于API实现服务的创新和商业模式的探索。
开放银行与API经济登场
此前,欧美出现了不少银行与金融科技公司的“牵手”的案例,譬如BBVA、CiTi Bank、Capital Bank等等。通过把自己的银行金融服务以开放API口的方式提供给第三方进行调用,银行不必直接面对客户,而是通过合作伙伴为客户提供服务。我们把这样的银行称为“开放银行”。
而这也正是时兴的“API经济”,即借助Web API技术,将企业的某些能力作为API服务而进行商业交换的经济模式。
“总结一下,API经济有几个特点:一是标准化,能够让银行机构对外提供标准的核心服务;二是自助性,简化了其它企业与银行服务的对接流程;三是多级性,即封装好的API服务可以再次封装,为金融服务融入到不同业态提供了很好的模式。”邢焱指出。
而据冯斌介绍,中国银行早在2012年就提出了开放平台的概念,并在2013年上线了相关产品,开放了1600多个接口,涉及跨国金融、代收代付、移动支付,以及地图服务、网点查询、汇率牌价等服务。
在这个过程中,冯斌也坦言,作为其中重要的主导者,IT部门也面临着一些挑战。比如架构和设计能力在新的生态模式下的进一步提升,对于金融机构而言最重要的信息安全和业务连续性的保障,云计算、大数据人工智能等基础能力的建设,以及快速交付、互联互通和产品创新、技术研发等能力的不断培养。
基于API,既要创新业务模式也要保持金融本质
对此,作为全球API经济的主要推动者,IBM正在从咨询到云服务,软件产品技术到项目实施,为金融机构生态的布局提供全面的解决方案和经验。
如邢焱介绍,在基础设施方面,不论是公有云还是私有云,IBM都有专门针对API能力的解决方案,帮助金融企业快速并且平稳地向微服务转型;在软件方面,IBM也有专门针对API管理的产品IBM API Connect,以及针对主机的ZOS Connect;在API的生命周期管理方面,IBM也能实现实时的改进和优化。
值得一提的是,IBM提供了开箱即用的社区开发模块,能够帮助客户更好滴进行场景和业务的创新。
“在台湾有很多便利店能够通过银行的积分进行商品兑换,这就是非常典型的一种API创新的模式。”邢焱说。
无论如何,越来越多的“开放银行”的落地,也让我们看到不论是传统金融机构还是互联网企业,都已经逐步意识到回归金融本质的重要性,金融业未来的发展势必是生态的发展。
对此,冯斌也表示:“在数字时代中,金融机构或者银行所扮演的角色仍然是金融媒介。除了提供金融产品,更重要的还是风险的管理和防范。未来,我还需要利用人工智能、大数据等技术能力,不断提高在这方面的能力,在此基础上再进行产品的设计创新。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。