昨日比特币币值上涨1.7%，至38262.21美元，以太币上涨上涨0.2%，交易价格约为2631.50美元。

根据Farilead Strategies公司的Katie Stockton说，昨日早些时候，比特币曾经一度下跌超过8%，至34702.18美元，是一个月以来的最低水准，并且已经跌穿安全警戒线。不过她表示，比特币的下跌趋势已经于昨日止住，在未来的两周或更长时间里，比特币币值将会保持相对稳定。

比特币币值能够在当天回暖是由于美国总统拜登在昨日下午的发布会上宣布了对俄罗斯的新一轮制裁方案。该方案将限制俄罗斯使用美元、欧元、英镑和日元进行国际贸易的能力，以将俄罗斯剔出世界贸易体系，与全球贸易网络隔离。

随着基金机构对加密货币的兴趣与日俱增，越来越多将比特币视为一种更有风险但收益更高的股票的短期投资者进入该市场。加密货币的价格波动与股票等风险资产的涨跌曲线越来越具有相关性。

自去年十一月初比特币创下6.9万美元的历史新高以来，加密货币市场一直处于下行，时至今日，比特币累计下跌已经超过了50%。

数字资产投资资金ARK36的首席运营官Anto Paroian表示：“当前的地缘政治形势将不可避免地使得大宗商品市场的价格进一步上涨，并且加剧已经非常严重的供应链紧张问题，这有可能 引发剧烈通胀。这意味着美联储和其他国家央行可能真的没有空间扭转其激进货币政策，我们预计风险资产和加密货币市场将进一步陷入熊市。”

加密交易所Luno公司发展和国际副总裁Vijay Ayyar表示，比特币可能在30000美元左右出现低点。Ayyar强调，去年7月比特币曾经到达28000至29000之间的最低点。本次熊市中比特币的最低点可能仍然会在该范围内出现。

Ayyar说，如果比特币在地缘政治局势的冲击下，仍然能够维持在这一水平线以上，那么它很可能在今年晚些时候迎来爆发性的增长冰最后创下新高。但是如果比特币无法使得自己的价值最低点落到在这一区间中，很可能失去投资者信心从而引发挤兑，使得比特币价格全面崩盘。Ayyar预测，如果比特币跌穿28000的警戒值，最终可能会在今年跌到20000美元的历史最低点。雷峰网雷峰网

新春伊始，在严监管态势下沉寂已久的消费金融行业，终于迎来了一次“创新”萌芽。

日前，重庆市政府在官网披露了《重庆市金融改革发展“十四五”规划（2021—2025年）》（以下简称《规划》），文件指出，探索将消费金融公司改制为数字银行。《规划》指出：

“提升消费金融服务能力。发挥好消费金融领域人才、政策和产业优势，支持商业银行适度扩大消费信贷规模，引导消费金融公司、汽车金融公司等金融机构规范发展，探索将技术实力强、数据基础好的消费金融公司改制为数字银行。支持符合监管要求的消费金融专营机构适当放宽融资条件，通过发行信用债、资产支持证券等方式进行融资，开展跨领域的资本合作。”

数字银行，可以通俗理解为没有实体网点、通过互联网展业的互联网银行，比较典型的如微众银行、网商银行、新网银行。

有业内人指出，重庆的这一举措也与其自身城市发展定位和战略有关。

《规划》指出，“十四五”时期是重庆打造西部金融中心、加快建设内陆国际金融中心的重要窗口期，必须抢抓战略机遇、积极应对挑战，推动全市金融业高质量发展。同时，重庆目前正在打造国际消费中心城市，在消费金融业务的探索上，无疑有着更加强劲的动力。

值得一提的是，这一消息也给近两年监管收紧、上市“卡壳”的消金公司们打开了一条新思路。

众所周知，由于行业乱象频出，消费金融行业在上一波野蛮生长中急速进入了整顿期，消金公司上市之路纷纷搁浅。

2019年7月捷信消费金融向港交所递交招股书，但因种种原因而被搁置；2020年7日，重庆银保监局批复了马上消费金融的首次发行A股上市申请；2021年1月8日，重庆证监局宣布马上消费金融已与保荐机构签订辅导协议并于1月6日办理了辅导备案登记；2021年3月招行亦启动了招联消费金融的上市工作……但至今“消费金融第一股”仍未诞生。

这样的背景下，重庆在消费金融公司转型上的探索，具有一定创新示范性。

在业内人看来，如果重庆这一计划成行，马上消费金融或将成为首个吃螃蟹者。公开信息显示，目前，注册地在重庆的消费金融公司有3家：马上消费金融、小米消费金融、蚂蚁消费金融。

三家对比来看，由于小米消费金融大股东小米持有新网银行股份，蚂蚁旗下也有网商银行，考虑到若改制为银行后，会获得更多低成本的资金补给，马上消费金融或将更加积极。

事实上，向数字银行转型，将会给这些机构带来更大的业务发展空间。

具体来讲，消费金融公司改制为数字银行后，业务范围会得到扩大，除了做消费金融业务外，还可以做对公方面的存贷汇业务；同时，消费金融公司只能增资不能吸收存款，但转为数字银行后，就可向公众吸存，从而降低了资金成本。

虽然利好不少，但目前来看，这一转型并非易事。该探索在国内尚属首次，在转型路径、监管政策、牌照程序等方面，都需审慎规划。雷峰网雷峰网雷峰网

不少核心系统采用的传统集中式架构，已经不止是一种技术架构模式，而成为一种根深蒂固的思维习惯和设计理念。当它成为潜规则而影响了创新时，我们往往身在此山中而不为所知。

在阿里巴巴集团副总裁、阿里云新金融&互联网事业部总经理刘伟光看来，不少机构在做核心系统转型时，极易陷入窘境：

• 选择应用平迁、不做架构大变化，最简单和快捷。有的银行正因如此，开发力量80%以上的时间是在做代码的性能优化，难以承接新功能、新业务的开发。

• 先从简单系统着手进行架构转型，再推导到核心转型。结果非核心领域的转型实践对于核心领域的参考借鉴意义有限。

• 核心系统按照功能模块切分，再众包给不同的开发商来完成，避免被一家绑定。

• 选择各个领域的最佳“供应商”，完成各自擅长的工作任务（咨询建模、架构、设计、应用、基础软硬件），大家只熟悉自己这部分的“最佳实践”。

• 追求技术架构完成解耦，碎片化供应商。实际上项目实施过程中IaaS/PaaS层适配虽然功能大体能够适配，但在非功能性领域的磨合总出现莫名其妙的问题，产生大量沟通与适配成本。

• 业务应用是业务应用开发商的事情，技术平台是技术平台供应商的事情，两者没有关系。

• ……

这次，刘伟光将全面探讨金融行业，尤其是银行业，在进行核心系统转型、升级过程中遇到的方方面面的问题与挑战。本文从酝酿到成文历经四年，期间他与团队拜访过近千家金融机构，沉淀出3.5万字长文。

当中包括：目前核心领域分布式架构转型、金融级云原生分布式转型的21个困惑与解答，新业态对旧核心的挑战，双核心并行与在线迁移的大致方案，以及第三代核心的标准与定义等。

此前《AI金融评论》也曾发布《阿里云刘伟光：2万字解剖「保险科技」，管理者怎样做「正确的事」？》，点击链接即可查看全文。

作者 | 刘伟光

阿里巴巴集团副总裁

阿里云新金融&互联网事业部总经理

目 录

“核”聚变 1

序言 4

引言 6

1.金融核心分布式转型的行业变革 7

1.1金融核心从业者的困惑 7

1.2核心转型成功的标志 8

1.3面对误区的破局思维 10

1.4新思路新出路 12

2. 金融业务新方向呼唤技术的“供给侧改革” 14

2.1开放金融体系需要可标准化的构件式核心 14

2.1.1不能变成新“竖井”的场景金融 14

2.1.2必须实现生态化的产业金融 15

2.2普惠金融体系需要可灵活组装的核心系统 16

2.3绿色金融体系需要可泛化设计的核心系统 17

3. 金融核心转型的能力要求与建设体系 17

3.1 何为“金融级云原生” 18

3.2银行核心系统转型能力需求 19

3.3 支撑核心转型的五层十二大能力体系 22

3.3.1业务领域建模 22

3.3.2应用架构集成 24

3.3.3应用系统建设 26

3.3.4基础软件设施 29

3.3.5基础资源设施 36

3.4基于能力体系打造的金融级云原生工场 38

4. 实施路径与建设模式 394.1四阶段五层模式 40

4.2多种实施路径 40

4.2.1重构模式 40

4.2.1.1业务重构 41

4.2.1.2技术重构 43

4.2.2平行迁移模式 45

4.2.3 SaaS化批量模式 46

4.3 在线迁移与双核心并行 46

4.3.1 面临的并行挑战 46

4.3.2 云原生分布式核心推荐迁移策略 47

4.3.3迁移平台能力建设 47

5.核心云原生分布式转型的价值与经验教训总结 48

5.1 第三代云原生分布式核心的价值体现 48

5.2 第三代云原生分布式核心的关键标准 50

5.3 核心相关系统建设的经验教训总结 51

序 言

创作这篇文章的想法已经酝酿了有四年多时间，时光如白驹过隙，我们仍初心不改，在这期间我和我的团队跨越大江南北，拜访了近千家金融机构，见证了数字金融这几年在中国的高速跃迁，在拥抱移动互联网和金融科技新技术的大潮中，中国金融的服务能力有了大幅度提升和客户体验的飞跃，开启了技术驱动数字金融的新时代。

回顾技术在金融行业的发展，金融科技的变革与时代共舞，国外的基础技术平台和最佳实践支撑了过去几十年的金融行业的发展，直到今天我们也必须承认，这些国外的基础技术平台在很多单项技术能力方面仍然是具备非常强的竞争力。但是今天我们面临的时代，是一个高速发展，具备一定的业务发展不确定性和互联网特征，并且需要与移动互联网和音视频能力的高度结合，同时让数据变成以资产方式无处不在的数智时代。不是过去的技术不先进，而是它们限制了我们对未来全面数字化金融的想象力，我们需要的是一套新的技术体系以实现金融机构真正的业务和技术的转型。

以银行为例，核心系统就是IT建设中皇冠上的明珠，是一家银行的心脏，在我们与诸多银行沟通交流的过程中，从那些无数次碰撞的火花中，脑海中关于未来核心系统建设的影子已经从一个模糊的亮光逐渐清晰。它不再是银行科技部门按部就班按照周期建设的系统，它不再是一个固化的标准存贷汇功能堆积的能力集合，它不应该是不断修修补补加外挂的平台，它不再是和数据平台和数据服务能力割裂的系统，它不再是一个牵一发动全身的架构体系。首先它必须是银行数字化转型中最重要的一把手工程，是一个能够让内部员工和外部客户都能感受到数字化能力无处不在的平台；它是一个能够快速生成新流程，快速创建和发布新业务新产品，能力单元高度复用的平台；它是一个能够具备移动化数据化智能化特征的平台；它是一个分布式基础架构技术支撑的平台，能够以弹性能力应对互联网类业务的峰值；它是一个融合云计算中的先进技术能力去应对开放银行和生态银行时代所有业务的一栈式平台，这就是我们脑海中那个未来的样子。今天我们已经看到有些银行已经在这个路上去积极的探索，这些探索的背后我相信就是未来引领行业，全新的最佳实践。

我们在内部和外部不断的探索与实践中，逐渐提炼和总结了一些系统性的思考，也就是如何构造具备核心竞争力的核心系统，打造真正“硬核的内核”，逐渐优化和改变目前建设的工程化体系，同时在基础技术平台和应用系统的耦合度上深入的进行研究探索，对于系统物理和逻辑部署形态上做了创新的实践，同时融合了云计算体系当中最先进的云原生技术理念。

希望此文能够给从业者带来一些新的思考，从更大的视角去构建智能化内核能力无处不在的新平台，重塑数字金融时代的商业价值。

此刻我和团队就在某银行数据中心现场参与主机应用迁移到分布式云原生架构平台的过程，能亲身见证这些推动金融行业发展变革的历程，是我们这一代从业者的荣耀，也是我们的责任！

刘伟光

阿里巴巴集团副总裁

阿里云新金融&互联网事业部总经理

中国金融四十人论坛（CF40）理事

2022.01.08 上海

引 言

本书分为五个章节，比较完整的涵盖了金融行业，尤其是银行行业的核心领域在进行转型、升级过程中遇到的方方面面的问题与挑战。可以说，在数字化成为现代企业转型发展的标配下，金融行业、尤其是银行行业，其问题、思考与实践具有相当的代表意义。作为这个过程的亲身观察者，参与者，直到推动者的过程当中，我们如实的记录下来了从业者的艰难实践，以及结合我们内部的和外部的实践总结，希望能够为这一伟大的历程做出自己的一些贡献，为从业者提供一些中肯的建议，少走一些弯路，多一些从容与信心。

第一章综合的介绍了目前核心领域分布式架构转型，云原生分布式转型的21个问题与困惑，这是历经两年多的实地走访与调研的100%真实的问题。同时不光有问题，也有我们总结归纳并交叉验证过的核心转型成功的三大标志，这是本文一切努力服务的三大目标。同时根据一些有代表性的实践，我们列举了核心从业者的实际的窘境，并引出了六大断言。综合这些问题，窘境与断言，我们总结归纳出六个新的思路方向来解决这个世纪的难题。

第二章从不确定性时代的金融业务挑战出发，主要从业务方向的角度分析了当下相对较新的金融业务形态对于传统金融核心的挑战与要求，主要是开放金融体系对于标准构件的要求，普惠金融体系对于灵活组装核心的需求，绿色金融体系对于核心可泛化性的要求。当下的核心阻碍业务敏捷的障碍，这些新业务对于敏捷的要求，一一为您呈现

第三章从银行核心系统的转型能力需求的方面，主要从技术方向的角度分析了转型的能力要求，回答了不少第一章行业和核心从业者的困惑。提炼了五层十二大能力体系，这些是新一代云原生分布式核心建设的最佳参考模型。涵盖业务建模领域，应用架构集成领域，应用系统开发建设领域，基础软件设施领域，以及基础资源设施领域。

第四章在第二章业务角度和第三章技术角度的基础之上，分析了不同细分银行行业的大致模式，经过提炼总结成为实施与建设的四阶段五层的实施路径。同时介绍了三种不同的建设模式，重构模式，平行迁移模式以及SaaS化批量模式。供不同规模的银行机构参考。并且按照相关的国家指引，给银行提供了双核心并行与在线迁移的大致方案。

第五章最后进行了全篇的总结，从实际的数据出发，给出了核心云原生分布式转型的价值，给出了第三代核心，也就是云原生分布式核心的一些建议标准与定义，同时再次总结了一些建设过程中的经验教训，帮助金融企业，银行机构早日实现核心转型的重要价值。

1

金融核心分布式转型的行业变革

曾几何时，银行业务系统、特别是银行核心系统都与“云技术”没有任何联系，云原生的种种技术和架构优势（微服务解耦、敏捷开发、自动化测试与发布、不可变基础设施、去中心化的服务治理、声明式API、Serverless无服务器化等）对银行核心而言都是“别人家的孩子”。

但随着银行以消费互联网、产业互联网、开放银行生态为核心的数字化业务快速增长，银行核心对敏捷交付、高并发、弹性伸缩等不确定性问题的应对，成为新一代银行核心建设必须面对的“底线要求”。从云计算技术发展中铸就的云原生和分布式技术在这样的“时代要求”下必然成为银行的主流技术，银行核心也成为“云原生分布式架构”攻克的“最后的堡垒”。

在银行信息系统中，核心系统承载了银行存款、贷款、银行卡、清算核算等核心业务，被称为“银行业跳动的心脏”、“银行IT皇冠上的明珠”，其重要性不言而喻。回顾银行信息化30多年历程，核心系统经历了从“胖核心”到“瘦核心”的演变过程。“胖核心”以IBM大型机为代表，而“瘦核心”则以典型的IOE技术架构为代表。然而，全方位数字化金融时代的到来使得集中式架构的问题日益凸显，比如：系统部署无法及时响应业务需求；系统弹性能力差，导致资源过度规划和冗余浪费；使用成本高等。虽然集中式架构仍然具备很强的竞争力和高度的稳定性，但是在拥抱中国数字金融高速迭代的浪潮中，业务驱动架构变革已成为今天的主题。

随着集中式架构的六边形能力（高并发、线性扩展、敏捷开发、按需弹性、精细化治理、多活可靠）已经达到极限，我们认为银行核心系统的云原生重塑也来到了“时代拐点”。

1.1金融核心从业者的困惑

旧的答案分崩离析，新的答案还没有着落。

当金融服务进入到“连接一切”、“微粒式服务”、“永远在线”、“毛细血管”的数字金融时代，业务对金融核心提出了全新的挑战。虽然我们都知道，延续了几十年的集中式架构已经越来越难以满足现在和未来的业务要求。但是，支撑我们的不只是诗和远方，更有身边的日常。我们仍然需要面对当下具体的挑战和问题。

金融核心到底该如何转型？云原生分布式是否是金融核心的未来？金融核心云原生分布式转型究竟带来哪些价值？云原生在解决原有问题的同时带来了什么新问题、如何应对？带着这些灵魂拷问，我们调研了数十家金融机构，收集到了这么一份沉甸甸的问题清单，这充分代表了行业在面临挑战中普遍感到困惑的地方。

问题：价值呈现[为什么要转型]

1.为什么核心要转型、要下移，云原生分布式架构转型带来哪些价值?

2.核心云原生分布式转型与银行数字化转型的关系?

3.核心分布式转型，与云及中台有什么关系?

4.不同类型/规模的银行核心云原生分布式转型的价值差异在什么地方?

5.现在懂C，RPG这些的人越来越少，开发生态已经没了，领导让我招会骑马的骑士，现在都是驾校学车的人了，我招不到人怎么办？

问题：价值落地[如何转型]

1.核心下移云原生分布式转型工程庞大环节众多，没有一家公司能够全方位覆盖，如果还采取传统项目的多家供应商集成工作模式，如何保证真正实现云原生分布式核心而不是新瓶装旧酒？

2.传统厂商懂业务应用但是不懂云原生和分布式，懂云原生分布式的不懂银行业务，如何推进？

3.核心云原生分布式转型需要管理上组织上如何配套？

4.要启动核心云原生分布式转型的工作该如何准备，如何着手，需要考虑哪些方面的内容？

5.不同类型/规模银行在核心云原生分布式转型的策略上存在什么差异？

6.目前同业在核心云原生分布式转型实践上有那些成功经验可借鉴？

7.核心云原生分布式转型的实施路径有那些, 采用什么样的步骤会比较好？

8.我现在已经有云，分布式数据库等基础设施了，我该怎么开展核心云原生分布式转型？

问题：关键挑战[用什么来转型]

1.核心云原生分布式转型的技术难点或者挑战主要有哪些?

2.如何确保核心安全可靠的下移及云原生分布式转型？

3.核心下移及云原生分布式转型目前的生态是什么样子，有足够的服务和支持能力吗？

4.核心云原生分布式转型对于分布式数据库的考虑有哪些，尤其是对分布式事务处理？

5.核心云原生分布式转型，传统主机或虚机与云之间的关系，二种模式的混合运维给生产中心带来哪些挑战？

6.核心云原生分布式转型一定是一个过程，在这个过程中如何快速集成由不同技术体系构建的应用系统？

7.金融级云原生分布式核心系统是什么？包含哪些内容？有哪些特点？

8.分布式架构框架，微服务框架，应用开发框架这些我都有，别的厂商也都说能做，你们有什么独特的价值？

9.从上面代表性问题反映出核心系统的重塑是一场浩大且复杂的工程，这些问题涉及范围非常广，目前也没有统一的标准答案。

初心之外，还要用心。我们经过上百次的面对面交流和讨论后，决定用心地完成这篇万字文章，目的是一起来探索，希望各位读者能够或多或少地找到部分答案。

1.2核心转型成功的标志

桥梁越大，内部结构就越重要。

在实践和探索的过程中，我们通过不断分析归纳总结，得到了下列这张大图，这是志同道合的客户和我们共同的认知与成果，在这个领域，我们必须要心怀敬畏。因为在传统银行核心下移分布式云原生改造的领域，这是一条无人之路，大家都在不断探索和学习。

这张图展现的就是核心转型的初心，以及金融机构对合作伙伴的要求。也是考虑迎接核心转型这个挑战“以终为始”的出发点。整体而言，分为两个部分。

1.成功的标志

核心转型最后必须是金融客户要能够成功，并且要能够实在的给客户带来巨大的价值，而不仅仅是买来一堆高科技产品堆在开发和数据中心。从这一点出发，行业认为核心转型的成功标志是

1）安全自研可控

自研可控有多重维度，第一种维度是技术架构的安全可控，可以对系统架构和关键技术进行整体把握。主要涉及自产自研、关键技术产品代码的拥有、知识产权的可控性等。

第二种维度是业务层的解耦，对于核心系统的功能能够自主的按照业务发展进行研发迭代，而不是高度耦合、牵一发动全身。

2）财务成本，单交易/账户成本下降

上一代集中式架构，尤其是主机体系，综合的TCO成本相对较高，不仅仅是购置成本，包括长达10多年的运营维护成本，扩容成本，这些都还只是显性成本，反而更容易忽略的是人员成本，拥有相关主机技能的人才越来越少，越来越难培养相关技术人才。

3）业务稳定性连续性不降低前提下支撑业务敏捷

天下武功，唯快不破，业务敏捷是面对不确定性的制胜法宝。这也是核心转型的最大动因之一。例如对于新业务的快速功能性支撑，对于老业务的快速升级迭代等等。但是核心光敏捷是不行的，前提是保证可靠性和稳定性，没有稳定，就没有金融安全，没有金融安全一切都是空中楼阁。

2.对于合作伙伴的诉求

金融机构和行业认识到，要完成这个壮举，必须是整个产业链条和整个生态的大协作才有可能，这不是一两家技术公司的事情。从这个角度出发，我们识别出来以下4个大的方向，是保证客户，整个行业成功的要素。它们环环相扣，缺一不可。

1.咨询与设计中关于云原生分布式的架构设计，迁移方案，并行方案，实施路径等

2. 项目实施和组织阵型的提前规划设计，基础平台和应用开发的组织阵型规划

3. 运维保障中快速解决核心故障问题和机制保障；白盒化，更自动的监控和运维工具的支撑

4. 产品与方案层面，产品与方案是整个核心迁移和云原生分布式转型的基础支撑，因此产品的长期规划和产品的延续性，基础产品的发布更新和生命周期这些都是尤为重要。

但无论怎样艰难，业界已经形成一种共识，新的时代已经到来，从集中式到分布式，从分布式到云原生分布式架构的转型，是一条必经之路。

1.3面对误区的破局思维

核心转型需要“站在整体看局部、站在结果来看过程”。

2021年诺贝尔物理学奖颁给了“复杂性系统”的研究，金融核心转型就是金融业的“复杂性系统”，其中涉及了业务、技术、产品、组织、人员能力、流程、生态、协同和管理等诸多方面的问题和挑战。如何解决这些问题本身是个开放命题。

同时我们也看到很多机构在核心转型实践中存在的一些误区。面对这些误区，需要具有破局思维、打破“简单型系统”的思维禁锢，同时需要“站在整体看局部、站在结果来看过程”，这样才能明确地站在“终局”来看，什么肯定是不对、不合适的，才能一步步逼近成功。

下面我们从核心转型成功的3个角度出发分析一些核心转型领域的常见误区和我们思考断言，希望能够给大家带来一些启发和帮助。

误区1：先从简单系统着手进行架构转型，再推导到核心转型。

某银行由于自研可控要求，只考虑了OA相关系统，核心系统不考虑。但是核心领域被卡脖子的问题依然存在，并且OA系统的自研可控成果对于核心领域而言，是无法借鉴的，这是完全两个不同领域的应用，架构完全不一样。导致未来核心应用转型仍然需要大量的探索和工作要做，总体支出会更大。

断言1：“从俭入奢易、从奢入俭难”。非核心领域的转型实践对于核心领域参考和借鉴意义有限，需要在核心领域架构体系上及早纳入自研可控等架构级别考量，避免2次迁移成本和时间成本。

误区2：追求技术架构完成解耦，碎片化供应商，不被绑定。某银行B在核心云原生分布式转型的过程中，对于核心技术平台要求能够完全的分层分模块解耦，例如在IaaS/PaaS/SaaS/核心数据库这些关键领域，在任何一层出现问题的时候都能够随时的切换到可替代的平台，不绑定任何一家技术平台供应商。但是实际上项目实施过程中IaaS/PaaS层适配虽然功能大体能够适配，但是在不同厂家的磨合方面，稳定性和性能等非功能性领域出现莫名其妙的问题，并且协调两家厂商的产品研发对接需要大量的沟通与适配成本。

断言2：“基础不牢、地动山摇”，底层架构的高效稳定是第一目标。底层架构在起步阶段从“统一架构”更加容易走稳，再逐步进行局部优化和解耦。

误区3：核心系统按照功能模块切分，再众包给不同的开发商来完成，避免被一家绑定。某银行C整个核心进行分布式改造的项目群极其庞大，平台技术部与各家核心应用开发商进行了充分的交流，然后选定各家较为擅长的领域来实施建设。这种众包方式的确没有绑定任何一家供应商，但带来的问题在日后实际核心下移开发中日渐突出。众包给众多核心应用开发商之后，由于开发商都只熟悉自己那一部分业务和技术框架，无法做到全局的架构管控和统一技术标准打通。例如：全链路跟踪与压测、业务染色、单元化、异地多活等。

断言3：核心架构中“非功能性需求”考虑要大于“功能性需求”。“非功功能性需求”应由技术架构来承载。业务模块可以解耦设计和分包，技术架构要统一规划和统一标准，实现核心领域的“统、分结合”。

误区4：业务应用是业务应用开发商的事情，技术平台是技术平台供应商的事情，两者没有关系。传统集中式环境下技术平台经过了经年累月的标准化以及适配，对于应用的普适性相对更强，所以应用开发不需要太多考虑底层架构的差异性，只需要当黑盒子来使用即可。但是在云原生架构时代，需要考虑分布式CAP原则的调整，适配与折中的设计。考虑分布式事务，分布式数据一致性，异地多活等难题对于业务模式，业务流程，业务底层数据模型的特殊影响与特殊设计，如热点账户，业务服务跟踪治理，全局业务序列号等专题。而这部分的专题设计，是传统上层应用与传统底层技术平台之间的灰色地带与结合带，它往往决定了整体系统的整体表现，尤其在极端情况下的非功能性表现。

断言4：传统集中式架构下的核心建设模式在云原生架构下大多数情况下并不适用，需要引入额外的框架、机制与设计来保障核心系统的整体表现。

误区5：选择应用平迁、不做架构大变化，更最简单和快捷。某银行D由于核心相关系统规模太大，应用数量众多，原来大量应用是在集中架构的封闭系统中，采用rpg，cobol等语言编写，行方为了想尽快将系统从封闭系统下移至开放平台，为了快速和简单起见，使用了一种并不成熟的代码翻译工具，将整个rpg语言翻译至java语言并部署在开放平台，底层使用分布式数据库承载数据。整体应用架构没有做太多的调整，基本上还是属于集中式架构的范畴。在后期的运行过程中发现较多的性能问题与可用性问题，以及集中式应用与分布式数据库的配合适配问题，只能让庞大的开发团队进行每个程序的代码的手工性能优化，导致开发力量80%以上的时间是在做代码的性能优化，根本无法承接新的功能或者业务的开发，拖累业务应用建设的整体进度。

断言5：核心转型最佳路径是追求“P/PC平衡”-- 产出和产能平衡。不仅仅是完成 “产出”任务（应用迁移），更为重要的是升级“产能”（技术架构能力）。“产能”（技术架构）升级后会推动更大的“产出”（业务价值），成为全行数字化转型的助推引擎。

误区6：选择各个领域的最佳“供应商”,完成各自擅长的工作任务（咨询建模、架构、设计、应用、基础软硬件）。某银行E找了专业咨询团队进行业务梳理与业务建模，然后这些资产大部分停留在纸面，并没有相关后继的指导和形成标准规范。导致核心研发团队依旧不太清楚如何开展后继的大规模开发。后继根据各个业务板块进行应用开发商的招采，选择各个领域最佳供应商。在实际过程中，还是仰赖于应用开发商的经验，没有办法参考前期业务咨询和建模的资产，例如某应用开发商A负责客户模块，某应用开发商B负责产品模块，大家都只熟悉自己这部分“最佳实践”。如何遵照前期的业务建模的成果，如何在整个核心项目群内形成端到端的业务流程落地是没有参考和总控的，导致没有达到最初的规划和设计目标。

断言6：核心转型相比选择“供应商”而言，更为重要的是选择具备“端到端落地实践”的。从理念、方法论、设计规划、平台架构、标准规范都能够战略性长期投入和总体把控的“合作伙伴”才能真正落地实现业务敏捷和推动数字化转型，而不是为一堆冠名“数字化转型”的文档买单。

这些结合客户常见现状、误区和思考断言，也是未来在核心转型中可以借鉴和参考的要素。流水可能会绕路，但绝不会回头。

1.4新思路新出路

面对复杂性，需要的不仅仅是一套“方案”，而是一套应对的“原则”。

针对以上常见的困惑，窘境和挑战，要达成核心云原生分布式转型的成功，我们需要的不仅仅是一套技术方案，更需要一套能够指引行动的“原则”。正如雷-达里奥在《原则》一书中提到：原则犹如指引行动的“灯塔”，它连接着我们的目标与行动。解决不确定性靠敏捷、解决复杂性靠原则，越是复杂的系统越需要一套原则来保证。

我们将金融核心转型所需要的原则总结为一个全新“六边形”原则。

1）业务技术闭环原则：整个体系需要支持“业务-技术”闭环敏捷模式，让业务敏捷从一句口号到真正能够快速开发落地上线（从有业务想法，到建模，到领域设计，到服务设计，到数据模型，到应用开发，到应用部署，到应用治理，到应用运维的）

2）自动化生产线原则：云原生分布式转型提供端到端的工具链，必要的基础构件以及先进的实施工艺，形成完备的、端到端的、自动化的、高效的、简便的且可落地、可运营、可治理的完整体系。比如可以将业务流程数字化为可呈现可复用的资产，并能自动化转换成为应用系统编排流程。比如可以将业务的服务模型定义自动化转换成为应用和微服务模块的代码框架，并且可以选择装配对于云原生分布式环境下事务与数据一致性的支持，选择装配从业务角度端到端监控的能力，类似的能力数不胜数。

3）开放可插拔原则：这个体系是开放，可集成的生态体系，能够以相对标准化，规模化的方式构建出云原生应用。

4）可组装构造原则：依赖这种体系，可高效支持新的金融业务形态，如绿色金融，普惠金融，数字金融，碳金融，开放金融等等。因为这些纷繁复杂模式的标准化构件通过生产线能够快速制造并复制出来，只需要叠加和装配差异性的部分。

5）普适性兼容性原则：这种体系彻底的改变了目前核心领域手工作坊的人力堆积模式。如果最复杂且对于技术要求最高的核心领域都可以采用这种模式来实现，那么该体系更可以使用在面向未来云原生模式的更广泛的业务应用开发领域。

6）易用透明化原则：金融机构和合作伙伴可以利用该体系进行自研可控的业务应用的高效开发而不用关注云原生应用的特殊细节与技巧，因为这些复杂的分布式与云原生装配与衔接工艺流程已经通过自动化流水线自包含实现了。

我们将这套原则沉淀为一套全新的方法论，工具平台体系和工作模式，它涵盖了业务模型与流程建设的最前端，以及系统与业务在云原生环境下的运维和运营，同时这个体系定义了比较明确的工序和生产阶段，具备高度的自动化能力，能从一个工序自动化的衔接到下一个工序，只有这样规模化、自动化、高效率的工厂化生产模式，才能实现真正的落地业务敏捷，实现应用与云原生分布式技术的可靠融合。这种新的核心系统云原生分布式转型的建设模式以及配套的自动化生产线工具体系，我们称之为“金融级云原生工场”模式。

2

金融业务新方向呼唤技术的“供给侧改革”

迪士尼有一句话反复被提及：“艺术挑战技术，技术启发艺术 ”。

新时代是一个数字时代，数字时代的金融是以数据为关键生产要素、以场景和用户价值为中心的服务模式，主要服务手段依靠对各类数字化技术的综合运用，其重要载体便是通过网络送达的软件服务，是以线上便捷服务为主、线下人工服务为辅，融合数据智能和人类温情，注重用户体验和风控原则的服务模式，金融服务将是开放、普惠、绿色的，嵌入式且灵活多变。而这样的“泛在化”金融服务必然对账户、交易、结算等核心能力提出了“泛在化”、“全时在线”的要求。

2.1开放金融体系需要可标准化的构件式核心

规模是问题（业务）的解药，规模也是问题（系统）的根源。

如今，开放银行的理念已经成为银行业的发展共识，最基本要求是银行服务通过API、SDK的方式将银行账户、支付、结算能力提供给合作方，以实现把银行的服务融入到各行各业中。做为开放银行战略的升级，场景金融、产业链金融正在描绘更大的开放格局，形成一个“泛在化”“毛细血管”式的金融服务。这些业务需要规模来解决泛在化的场景和需求，但这样的规模也是核心系统问题根源所在。

2.1.1不能变成新“竖井”的场景金融

场景金融是基于各类金融或者非金融场景顺畅地融入金融服务。从银行的角度看，最初的场景金融主要是与平台类公司接入合作，在消费者眼中，场景金融则是便捷的支付、贷款等金融服务的获得。

随着场景金融的演进，其场景正在扩展到人们生活、学习、工作的各个方面，一些银行已经共建、自建了大量的场景金融业务。但基于场景的用户转化需要一套完整的业务系统进行支持，包括大量标准化、模块化的能力，业务能力方面包括用户中心、产品中心、合约中心、账户中心、权益中心等，数据能力方面包括用户画像、推荐模型、联邦计算等数据。

此外，随着数字人民币试点领域的扩大，金融场景正在越来越丰富，仅数字人民币的应用场景就已经超过350万个。场景的价值日益受到重视，银行都在努力构造更多的场景，这也导致了场景的碎片化以及对场景构建的敏捷性要求。我们建议银行需要及早认识到如何让场景不成为新一轮的“竖井式开发”，而业务的中台化、标准化、构件化正是解决这一问题的出路，越来越多的银行正在为其业务设计结构化的业务模型，并探索将其与应用设计紧密连接起来。

2.1.2必须实现生态化的产业金融

从理论上来讲，供应链金融是金融业务从核心企业向周边企业拓展的最好方式，也是推动产业金融发展的理想模式。但是，供应链金融的发展往往需要依靠核心企业的意愿、平台的服务水平、周边企业的实际收益等诸多关键因素的综合作用，因此，尽管很多研究机构将供应链金融视为十万亿级别以上的大市场，但其总体发展一直不是很顺利。

如果只为供应链金融单独去建设平台，那之前存在的建设成本、相关方收益等问题，恐怕依然难以解决。只有通过超越供应链视角的大型商业平台承载供应链服务，才有可能解决单一用途平台面临的问题。国家倡导建设的行业云，可以承载这样类型的商业平台，现有商业平台也可以进一步扩大互联，使任何一家企业可以加入平台即加入供应链，在平台中也可以自由加入任何供应链，这样的平台模式，才可能突破传统供应链平台高封闭、重成本、低收益的困境，这一模式也符合国家要求大型企业开源、开放的政策基调。

多功能的大型商业互联平台不仅承载供应链，也是各类型企业建立自身应用的“标准化构件库”，企业可以根据自身需要选择云原生的标准化构件组装自己的业务，这是“产业数字化”的一大推手。当然，这需要高度的业务标准化，所幸，国家标准化发展政策正在推动这一趋势的形成，未来银行也会融入到这一宏大的数字化商业生态中，这将催生金融机构新一代面向数字生态的构件化核心系统。

2.2普惠金融体系需要可灵活组装的核心系统

普惠金融是致力于持续提高金融服务金融服务公平性、可获得性的金融服务体系，是通过更有社会责任感的经营理念、更有效率的风控手段、更低的运营成本来使更大范围的客户群体可以获得优质金融服务，在普惠金融的发展过程中，数字化技术将扮演越来越重要的角色。

普惠金融的发展需要做好以下三个方面的工作：

1.灵活的管理：在额度管理、计价定价、风险计量等体系中需要更灵活的能够支撑不同策略调整，适应不同区域、不同时期、不同行业、不同客户分层的普惠的要求；

2.经济的管理：降低单账户/单交易成本，降低整体的综合财务成本；

3.弹性的管理：业务系统可扩展支撑更大数量的中长尾市场。

普惠的客群对象和业务特点决定了其产品碎片化、上线周期短、业务变化频繁，要求能够像积木块一样解构业务和技术能力，灵活配置、实现业务需要，金融机构的核心系统只有变得像一个可组装的流水化工场才能应对环境的快速变化，而对长尾客户群体的支持，更需要一套易扩展的核心系统架构。

2.3绿色金融体系需要可泛化设计的核心系统

发展绿色金融是不仅是金融行业的商业机会，更是金融行业的社会责任。绿色金融包括两个部分，一是面向客户的“双碳”要求触发的业务变革，一是金融机构自身要完成“双碳”目标。

按照“双碳”要求，金融机构要控制信贷资金流向，逐步减少高排放用户的信贷支持，未来也可能会逐笔核算信贷资金的“碳排放量”，控制信用业务的“碳”风险。这需要社会数据的支持，而不仅仅是来自用户的数据，需要更多的外部数据源、权威数据支持金融机构计算“碳”风险。通过构建绿色金融账户，完善绿色金融产品，提升绿色金融智能化评估，金融机构可以更好地支持绿色生态链上下游体系的开放性融合，打通绿色循环。绿色金融将推动对金融账户应用模式的泛化，从而影响核心系统的设计理念。

全生态链绿色金融模式设计

3

金融核心转型的能力要求与建设体系

“重大问题的解决方案，永远不可能在产生这个问题的维度上出现。”--爱因斯坦

数字韧性被越来越多的金融机构所提及，什么是数字化韧性？当应对外界环境变化，或者客户需求变更时，软件产品需要有弹性和韧性，要有反应足够快的数字化体系。当集中式架构在面临“数字韧性”而“力不从心”的时候，我们认为很难用“旧时代的方法”去解决新时代的问题。云原生似乎成为一个数字化企业的“标准答案”了。

3.1何为“金融级云原生”

何为云原生呢？为什么现在云原生这么火了？

云原生架构是基于云原生技术的一组架构原则和设计模式的集合，旨在将应用中的非业务代码部分进行最大化的剥离，从而让云设施接管应用中原有的大量非功能特性（如弹性、韧性、安全、可观测性、灰度等），使业务不再有非功能性业务中断困扰的同时，具备轻量、敏捷、高度自动化的特点。

云原生技术主要以容器、DevOps、微服务、分布式中间件、分布式数据库、Serverless、服务网格、不可变基础设施、声明式API、开放应用模型（OAM）等技术为核心，能够帮助我们实现业务应用与基础设施的解耦，因此被认为新一代云计算的“操作系统”。如下是一些云原生的核心架构思想（而无关于产品）：

• 分布式微服务：微服务的核心就是将大的单体应用拆分为更小的组件服务（微服务）。能够做到从底层IT基础设施、到数据库、到中间件、到应用部署包等全部环境都能够独立部署。这样实现从需求设计、开发、打包、部署全部都能够独立完成。实现各个微服务之间彻底的松耦合。同时微服务之间又能够通过轻量的接口进行交互。

• DevOps：核心就是敏捷研发、持续集成和持续交付。需要将软件生命周期过程中的需求、设计、开发、编译、构建、打包、部署，从测试环境、到生产环境整个过程能够实现全部自动化。将敏捷研发、自动化测试进行集成和协同。

• 服务网格：去中心化的服务集成和治理框架。原来架构一般采用集中式ESB总线/API网关来做接口、API的服务治理和管控，将API接口注册到API网关。由于ESB/API网关是一个中心化的架构，所有的请求和流量通过API网关，所以中心化的API网关可以对流量进行安全、日志、限流熔断、监控等各方面的管控和治理能力。当在去中心化的架构下，没有中心化的EBS/API网关情况下，所有流量下沉到了各个微服务中去了，需要在为服务端增加一个边车代理，通过边车代理来做流量的拦截，同时实现对流量的管控和服务治理。

• 不可变基础设施：当传统环境部署中，当有各类变更（应用程序、数据库、中间件、基础设施等）发生时，往往可以直接修改配置来实现。但云原生强调任何应用当你部署到生产环境中形成一个实例（容器/虚机）后，这个实例不能发生任何变更。当发生了变更修改时，应该基于镜像生成一个新的实例，同时销毁旧的实例。

• 声明式API：与命令式API操作相对应的概念。传统环境的后端操作（比如创建一个容器实例）会去执行命令行，来完成操作动作（这种方式对小规模应用而言比较有效，但大规模和自动化而言，就非常低效）。而对于声明式API而言，需要通过定义声明配置文件（比如：YAML文件），来声明清楚所要做的动作、以及做完后需要达到的状态。只需要完成这个声明式的配置文件，底层平台再去解释这个声明式API配置文件的内容，再去做后端的操作，同时把各个底层的技术组件协调到需要的状态。声明式API下面，任何对生产环境、对软件的修改都不是直接去操作一个命令来完成，都是先要写声明、写配置，这个配置文件可以纳入配置管理中集中去做管控和管理的。这样既可以大规模、自动化去执行变更和管理任务，也可以当生产环境出问题时，可以快速去追溯对生产环境做过什么样的操作，方便做相关的回退和回滚操作。

金融机构采用云原生技术，并不是将应用上公有云，而是将金融对安全合规、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，发展为一套既符合金融行业标准和要求、又具备云原生技术优势的“金融级云原生架构”。

金融级云原生能将过去在应用架构层做的大量工作，尤其是弹性与韧性、可靠性、自动化等，下沉到技术架构去实现，让应用只需要关注业务逻辑本身。所以，我们有理由相信，银行的主流技术架构将从以IOE为核心的集中式架构向金融级云原生架构演进。未来金融机构基于云原生的应用，将天然具备弹性与韧性。

3.2银行核心系统转型能力需求

“总有人问我未来十年，会有什么样的变化，但很少人问我，未来十年，什么事不变的。我认为第二个问题比第一个问题更重要。因为你要把战略建立在不变的事物上。”--- 杰夫-贝索斯

通过前文的分析，不论未来金融的服务形态如何演变，我们看到，对“灵活性、易扩展、高并发、标准化组件、低成本、可靠的在线服务”的追求是金融核心的“不变”所在。所以需要将核心战略聚焦在这个“不变”上面。我们从业务、工程和技术的角度，总结了云原生分布式核心应该具备“不变”的能力需求；针对每一项能力需求，进行详细拆解为十二项支撑能力；对十二项支撑能力进行归纳分层，形成建议的云原生分布式核心建设过程中的五层十二大能力体系，如下图所示：

针对核心系统建设过中的困惑、业务转型对核心系统的要求，本节从业务、工程和技术能力三个方面分别进行回答。

3.2.1业务能力

业务敏捷

Q：如何提供满足金融业务新方向的核心系统？

A：可标准化的构件式核心系统、可灵活组装的核心系统和可泛化设计的核心系统，需要核心系统拥有完备的业务组件，可以通过快速配置满足不同类型客户、不同场景的业务需求。

Q：核心下移云原生分布式转型工程庞大环节众多，没有一家公司能够全方面覆盖，还采取传统项目的多家供应商集成工作模式，如何保证真正实现云原生分布式核心而不是新瓶装旧酒，换汤不换药？

A：云原生分布式核心建设不仅仅是通过云原生技术对核心系统进行重写，满足自研可控和容量性能的需求；更重要的是从业务价值的角度对核心系统进行重新规划，形成全行企业级可复用的业务中台能力和快速创新能力，支持业务敏捷。

3.2.2工程能力

质量、工期、风险可控

Q：如何确保核心安全可靠的完成云原生分布式转型？

A：从项目组织管理的角度来看：建议核心系统建设工程是一把手工程，不仅是技术创新突破，还可以通过业务架构和应用架构变革带来组织架构的变化；所以，整个核心系统建设需要业务部门充分参与而非科技部门自嗨。从工程过程的角度来看：研发过程中，各厂商应基于行内统一的技术体系和应用组件、标准的实施工艺，开发核心系统涉及的众多应用；在系统迁移切换时，可采用不停机在线迁移模式，实现新老核心的平稳、有序过渡。

Q：传统厂商懂业务应用但是不懂云原生和分布式，懂云原生分布式的不懂银行业务，如何推进？

A：建议在云原生分布式核心系统建设初期，通过一个轻量级咨询项目，借助一批有云原生分布式核心落地经验的专家，结合金融机构自身业务特点，绘制核心系统蓝图；并基于选定的技术架构和应用架构，选择典型交易场景进行原型验证，确保架构层面满足核心系统需求。

持续治理

Q：核心云原生分布式转型一定是一个过程，在这个过程中如何快速集成不同技术体系构建的应用系统？

A：核心系统云原生分布式转型过程中，会涉及到多种类型系统的集成：云原生分布式核心与老核心、已有其他系统（渠道等）的集成；同时，从我们在多家行的实践来看，与云原生分布式核心集成的系统通常存在多种技术栈（Spring Cloud、Dubbo等）。建议使用服务网格(ServiceMesh)进行系统间集成，在充分发挥其多技术栈集成能力的同时，还能享受服务治理的红利。

3.2.3技术能力

Q：核心云原生分布式转型的技术难点或者挑战主要有那些?

A：核心云原生分布式转型过程中，技术难点通常集中在非功能需求方面，例如分布式架构下大量微服务调用带来的性能问题、分布式事务带来的一致性问题、硬件采用PC机带来的稳定性问题等，以及大规模分布式集群下如何进行系统运维的问题。因此，需要有一套经过磨合验证、满足核心系统研发和运行时需求的IaaS和PaaS平台，结合云原生分布式核心设计、研发过程中的最佳实践，才能从容应对转型过程中的各种挑战。

高性能、无限容量

Q：核心云原生分布式转型对于分布式数据库的考虑有那些，尤其是对分布式事务处理？

A：分布式数据库应具备以下几方面的能力，降低核心系统研发和运维的复杂度：内置分布式事务引擎、透明可扩展、极致的高可用、同城容灾RPO为零。

安全稳定运行

Q：核心云原生分布式转型，传统主机或虚机与云之间的关系，二种模式的混合运维给生产中心带来哪些挑战？

A：建议通过统一管理及自动化运维能力，使用单一平台对多种云资源（包括传统主机、虚拟机）进行灵活的管理、编排与部署。同时，针对云原生分布式核心系统的运维，面临着应用集群规模庞大、交易链路节点变多、PC服务器稳定性等多方面的挑战，可参考互联网企业在高可用运维和容灾等方面的经验，建设面向风险管理的SRE运维体系。

自研可控

Q：将云原生分布式核心纳入自研可控体系，如何做到风险可控？

A：建议采用自研可控单元化架构，在单元化架构下设置一个独立的自研可控单元（采用符合自研可控要求的软硬件）；基于单元化流量调拨能力，先小流量验证自研可控单元能力后，再逐步增加流量到自研可控单元，稳步实现自研可控转型，做到风险可控。

3.3支撑核心转型的五层十二大能力体系

上一节回答了云原生分布式核心建设过程中需具备的能力，本节将针对提出的五层十二大能力体系进行详细的阐述。

3.3.1业务领域建模

为了使IT系统完整的承接业务需求，云原生领域建模是运用领域建模思想，充分考虑云原生应用的特点，使用领域建模及管理平台，把建模变得简单、敏捷、易落地，并通过平台实现建模资产的保鲜。具体来说，云原生领域建模通过抓住建模本质，简化建模过程；采用建模平台，管理模型资产；运用低代码技术，落地模型资产。

业务领域建模应关注以下几个方面：

• 基于银行同业已有建模实践成果敏捷建模，而非投入大量资源且周期长的建模过程；

• 通过建模平台实现成果保鲜，持续为业务迭代和创新服务，而非核心系统建设完成之后束之高阁，逐步与系统演进结果脱节；

• 建模成果能够借助建模平台、结合云原生技术快速落地。

3.3.1.1业务建模与技术建模

业务领域建模包括业务建模和技术建模，整体建模流程图如下：

1.业务建模包括业务流程建模和业务对象建模：

• 业务流程建模：通过对业务流程现状分析，结合目标核心系统建设能力要求，参考行业建模成果，形成结构化的业务流程模型；

• 业务对象建模：基于信息模型资产，结合对业务流程提取的业务实体，进一步分析实体间关系，获得业务对象模型和业务行为模型。

2.技术建模是为了对业务模型进行落地实现，把上述业务模型转换为技术模型。通过技术建模，实现三个模型的转换：

• 业务流程模型到服务流程组合的转换；

• 业务对象模型到逻辑/物理数据模型的转化；

• 对象行为模型到API接口/原子服务的转换。

3.3.1.2建模平台

建模工具是支持业务领域建模的平台，包括对领域模型、数据模型、中台能力模型等的管理，提升建模设计效率并有效沉淀最佳实践。

• 在建模平台中，业务模型包含领域架构、业务模型、业务流程、交易模型、信息模型五层，五层概念逐层缩小：

• 领域架构作为系统的整体架构，包含系统中所有的业务模型，把系统中的业务模型按架构图的方式编排起来；

• 业务模型是由业务流程组成，是多条业务流程的集合；

• 业务流程串联交易模型，形成业务流程图；

• 交易模型中定义交易行为、交易的属性及交易行为的输入输出；

• 信息模型主用于定义九大信息要素：参与者、产品、合约、账户、事件、条件、地理位置、资源项、渠道，理论上任何交易模型都是由九大信息要素构成，在不能满足时也支持添加新的信息要素。

在建模平台中，技术模型包含：微服务模型、流程模型、实体模型、数据模型。

• 微服务模型是利用云原生特性，把业务流程中的步骤进行聚类分析，获得相应的微服务模型；

• 流程模型承接业务建模中的业务流程，通过对业务流程中的功能进行细化分析，获得实现业务功能的一个或多个具体接口，明确每个接口的输入输出字段，分析出实现业务功能所需的实体及实体间关系，获得实体模型；

• 需要持久化的实体模型，按数据库设计的相关要求转换为数据模型，通常情况下实体模型与数据模型是一对一或一对多关系。

通过上述步骤，最终得到技术模型中的微服务模型、流程模型、实体模型和数据模型。

3.3.2应用架构集成

应用架构集成层承接业务领域建模成果，将核心系统按照业务领域建模体系进行整体规划，形成可供全行IT系统复用的业务中台能力，提供生产各业务系统必须的业务组件；通过服务治理与组合的低代码能力，快速支撑业务创新；服务网格为传统应用、迁移到云原生分布式架构下的应用互通提供技术保障。

应用架构层面，云原生分布式核心与传统瘦核心或分布式核心重大区别是：

• 不是：简单的将核心系统按照业务条线划分为客户、存款、贷款等应用，采用分布式技术重新实现一遍，很多公共的能力（例如产品管理、合约管理等）都需要各个应用重复建设，数据层面不互通；

• 而是：将核心系统按照业务领域建模体系进行整体规划设计，形成可供全行IT系统复用的业务中台能力，提供业务构件；通过服务运营与编排，使用业务构件快速进行业务创新。

3.3.2.1应用架构中台化

1.云原生分布式核心中台化应用架构

通过多年自身金融业务实践和实际参与银行客户核心系统转型项目，基于标准化业务建模和技术建模成果，建议将用户、产品、合约、额度、交易、账户、计价等金融服务的核心商业要素数字化、中台化，构建出全行级中台能力地图，从而支持前台业务的快速迭代。

云原生分布式核心中台化应用架构，可参考下图：

2.强大、稳定的中台组件

每一个中台组件的设计，都承接自业务领域建模成果，具备丰富的业务功能。为确保中台组件集能支撑业务敏捷创新，中台组件应具备如下能力：

• 功能丰富：经过核心系统实际使用验证、具备能够支撑产品系统的必备业务功能；

• 迭代稳定：作为企业级能力共享组件，被大量产品系统复用，需要能够保持稳定、清晰的迭代升级路径；

• 非功能特性卓越：具备优秀的性能和可用性，为整个产品系统的性能和业务连续性提供保障。

3.3.2.2服务治理与组合

金融行业通常采用了分层、分域的IT架构，每一个层、每个域都提供了大量的服务。

架构转型的过程中，通过服务统一治理和运营，在技术层面支撑研发过程、确保安全生产运行；在业务层面通过金融业务中台提供服务复用能力，高效进行流程组装，支持业务敏捷、快速响应市场需求。

1.服务治理保障生产稳定运行

通过架构分层、能力域、系统、应用、服务等多级领域模型，全面梳理软件资产，建立服务目录，提升服务复用率；提供服务的全生命周期管理，覆盖事前、事中、事后环节，支持服务保鲜，建立服务反馈和优化闭环。

2.服务运营编排，支撑业务敏捷、快速创新

服务组合方面，通过业务中台提供的可复用原子金融服务使用可视化服务编排能力，实现低代码快速开发业务场景，缩减研发周期，提高产研效率，降低投产风险。

服务编排平台内置流程模型驱动业务开发，通过编排、执行两大核心能力取代研发过程中部分枯燥而重复的工作；同时，我们认为平台应该深度集成中间件，提供一个完整的金融级服务编排解决方案。服务编排能力大图如下：

3.3.2.3异构应用集成

1.传统微服务、ServiceMesh和传统单体应用集成需求

在向云原生架构转型的过程中，传统单体应用也面临着迁移云原生分布式转型的挑战；同时，两种微服务架构（传统SDK微服务和Sidecar模式）并存已经是一个不可回避的现实问题。如何打通诸多异构应用系统，实现全面云原生分布式转型，需要有一套强大的技术支撑体系。

2. 基于服务网格(ServiceMesh)实现异构系统集成

在云原生架构下，服务网格可以轻松应对异构系统集成的问题。通过服务网格平台，提供与平台无关、语言无关、轻量无侵入的云原生架构集成与治理能力：兼容 Kubernetes和 Istio生态、支持传统SDK模式微服务框架的服务治理；支持物理机、虚拟机场景，兼容过渡阶段的容器化和虚拟化混合部署的场景，满足传统单体应用向Service Mesh转型的需求。

3.3.3应用系统建设

应用系统建设层提供标准化生产线，屏蔽复杂的云原生技术细节，规范云原生应用开发标准。

应用系统建设层面，应重点考虑以下几方面：

• 统一ISV（独立软件开发供应商）开发技术栈，避免技术管理失控，降低系统运行风险；

• 统一、易用的开发平台与框架，简化和规范化应用开发；

• 全流程覆盖的DevOps体系，涵盖需求结构化管理、代码版本与分支管理、质量管控与度量，自动化编译打包与部署等方方面面。

3.3.3.1统一开发体系

1.复杂的云原生技术细节和难以管理的ISV（独立软件开发供应商）多技术栈应用

在云原生体系下，应用开发所采用的技术架构，涉及到数量庞大、使用复杂的技术组件，如何让技术服务于应用开发而不是成为障碍和故障点，是一个必须回答的问题；同时，采购了大量独立软件供应商（ISV）的应用，不同ISV使用了不同微服务框架、注册中心、消息中间件、事务中间件等中间件，实际造成行里的开发技术栈不统一，提高了开发人员的学习成本，同时也增大了系统的运维难度。

2.简化、标准化和规范化应用开发

通过云原生应用开发框架，提供从金融级应用、组件到工具类包等多层次的开发支持，从而提升研发效能、保障研发质量。这里面应该主要包括：

• 通过脚手架，快速创建规范化、标准化、金融级的应用开发工程；

• 通过组件模板，生成符合不同金融场景的组件使用模板代码，确保使用的正确性和规范性；

• 在工具类包层面，提供全面的金融级工具类，避免安全隐患。

在应用层面，通过脚手架可以快速创建规范化、标准化、金融级的应用开发工程。工程基于应用模板（灵活可定制）创建，目录结构和应用分层标准化，集成金融级中间件和架构规范（日志、错误码等规范）；

在组件层面，可生成符合不同金融场景的组件使用模板代码，确保使用的正确性和规范性。以金融IT开发中备受关注的分布式事务组件为例，可以基于不同业务场景选择合适的事务模型，生成标准化代码模板，开发人员只需要关注业务逻辑实现即可；

在工具类包层面，提供全面的金融级工具类（例如金融日期操作类、金额操作类等），避免安全隐患。

3.3.3.2开发运维一体化

1.云原生分布式核心对研发、运维发布的挑战

从传统核心到云原生分布式核心，不仅仅是系统本身的架构进行了重塑与变化，更是在团队、度量、流程、规范、质量、工具、时效等层面都提出了更高的要求。有以下几方面的挑战需要去应对：

• 需求结构化与变更管理：业务需求条目化之后存储，需求变更影响分析、代码修改与测试用例变更整个过程形成闭环管理；

• 代码版本、分支的管理策略：面对不同上线周期的需求，如何设定代码分支、如何进行合并管理，需要有成熟的指引与配套工具；

• 代码质量管控与度量：面对不同合作伙伴、不同能力层级的开发人员产出的代码，需要做到代码质量可度量并得到有效的管控；

• 自动化编译、打包与部署：众多微服务应用、多环境和大规模部署集群，手工构建与发布已经完全不具备可行性，必须有配套的工具支撑。

2.开发运维一体化支撑高效研发与运维发布

开发运维一体化平台，覆盖从项目协同、代码管理到持续集成、持续发布等阶段全流程管理，避免多入口和流程割裂，实现规范、标准的快速落地，提供从研发到发布的全链路数字化管理，确保核心系统的研发效能和高效可靠发布。

开发运维一体化平台我们认为应该具备以下几方面的能力：

• 项目协同：提供对需求、迭代、缺陷等各个维度的协同管理以及相关的统计报告，让研发团队高效协作；

• 代码管理：提供代码托管、评审和扫描、质量检测等功能，保护企业代码资产，实现安全、稳定高效的研发生产；

• 测试管理：标准化管理测试用例，快速搭建一体化（开发、测试、反馈）流程，有效提升交付效率和治理；

• 持续集成、发布流水线：提供灵活可用的持续集成、持续验证、持续发布功能，帮助企业高质量、高效率的交付业务；

• 制品仓库：提供多种软件包管理工具的企业级私有仓库服务，支撑企业级依赖托管。

• 知识库：通过可协作的结构化文档，将知识沉淀下来，并在团队中有效流动，提升企业创造力。

3.3.4基础软件设施

基础软件设施层面，提供在苛刻的金融场景中久经考验的基础软件设施和架构体系，涵盖从运行时和运维时所需要的各项能力，包括异地多活单元化架构能力、分布式服务能力、分布式数据库、高可用运维能力。

基础软件设施层面，应关注以下几点：

• 采用充分磨合与验证、功能完备（如单元化支持）的中间件体系，而非在应用系统开发阶段还需要不断修修补补、甚至进行架构妥协的中间件体系；

• 满足自研可控与容灾需求的分布式数据库，容灾情况能够真正做到可切换、敢切换；

• 异地多活单元化能力，不只是架构设计，还需要中间件、数据库和运维体系都具备必需的单元化支撑能力。

3.3.4.1分布式服务能力

作为支撑云原生分布式核心应用分布式、微服务化的基础能力，分布式服务能力应该涵盖：同步调用的双模微服务、异步解耦的消息队列服务、支撑批量作业的任务调度和API网关。

1.高性能的双模微服务体系，满足联机交易场景需求

双模微服务体系，支持传统SDK服务框架和ServiceMesh两种模式的微服务体系。核心系统对双模微服务体系，有以下具体的能力需求：

• 高性能：核心的一个交易可能涉及到多次服务调用，服务框架必须高性能以避免提高服务响应时间；

• 可扩展：扩展性包括多个方面，例如：每家银行内部通讯协议各有不同，强大的扩展性是服务框架适配行内需求的重要考量；

• 企业级的服务注册中心：具备支撑海量服务注册发现的能力，从而实现银行内部真正服务打通；

• 服务治理能力：在具备限流、熔断、服务访问控制等动态服务质量治理能力的同时，具备与静态服务治理打通的能力，从而形成服务动静结合、全生命周期的管理；

• 高性能的服务链路跟踪：支持抽样的高性能跟踪能力，为分布式环境下的问题排查提供必需的基础能力。

2.高可靠的消息队列服务，满足异步解耦需求，提升交易响应时间

云原生分布式核心系统中，通过消息队列可以将很多业务功能从联机交易中解耦，在提升联机交易性能的同时，也为业务的扩展性提供了可能。

例如：存款账户余额变动通知，可以通过异步消息发送给不同的系统进行消费，从而实现多种类型的业务功能（短信/微信通知、头寸实时计算等）；交易核算分离也可以通过异步消息做到准实时的核算。

云原生分布式核心系统中，消息队列应做到消息不丢、确保能够被消费成功。

同时，事务消息机制是消息队列应该提供的能力；无需核心应用再建立一套消息发送表，来实现消息的可靠发送。

3.高性能、高可用的调度框架，支撑核心系统大量的批处理作业

核心系统有大量的批处理作业，包括基于文件的批处理（如代发工资）和周期性执行的批处理（如存款结息、计提等）。

在分布式架构下，批处理调度框架具备两个层面的能力，提升处理性能：

• 应用分布式架构的调度、协同：统一调度、协调分布式下的批处理应用集群，充分利用分布式算力、提升批处理执行效率、降低处理时间，为日终作业链加速，留出更充分的时间给大数据处理等系统；

• 数据分布式架构的作业拆分与事务控制：数据分布式存储之后，一个作业中的数据按照合理的规则进行数据分包，以数据包为单位并发处理以提升执行效率，同时，要考虑分包策略对数据库事务的影响。

同时，调度框架的高可用性也非常重要，完善的重试、断点续作等自动化异常处理机制，可以大大降低运维人员的人工介入，在提升效率的同时避免人工干预带来新的风险。

4.多种模式、高性能和保障一致性的分布式事务组件

核心应用服务的分布式化和数据分布式存储，必然会引入分布式事务。分布式事务组件具有以下能力：

• 多种事务模式：支持TCC、SAGA等多种分布式事务实现模式；支持跨服务、跨数据库的分布式事务需求；

• 异常处理能力：支持空回滚、防悬挂等能力，完善的异常处理机制，包括挂起事务、异常事务的重试、监控与告警等处理。

5.高性能、多协议且具备灵活路由规则的API网关

在部分银行的实践中，云原生分布式核心在银行整体IT架构中对外还是一个完整的系统。在这种架构下，核心系统可以通过API网关作为对外服务门户，实现服务治理、协议转换等统一的处理；同时，在单元化架构下，基于API网关进行服务路由分发，是单元化必备的能力。

对于API网关，需要具备如下几方面的特点：

• 高性能：作为每个对外服务都经过的链路节点，高性能是API网关最基础的要求；

• 支持多协议和协议转换：支持常见RPC协议（Dubbo、HTTP等）和行内特色通讯协议的自动转换能力；

• 灵活的路由规则配置：支持自定义扩展路由策略，从而可以快捷的实现单元化路由功能；

• 服务治理能力：在网关层提供熔断、限流、降级、访问控制等治理能力。

3.3.4.2分布式数据能力

分布式数据能力有三种不同的架构模式：分布式数据库、传统关系型数据库+分布式数据中间件体系、分布式数据库+分布式数据访问中间件。

这三种模式中，推荐采用“分布式数据库+分布式数据访问中间件”模式配合单元化架构，在充分发挥分布式数据相关优势（容灾、自研可控、弹性）的同时，又能享受单元化架构带来的红利。

1.分布式数据库

应用于金融核心系统的分布式数据库，必须在核心金融场景中稳定运行、经过严格的验证。分布式数据库应具备以下几方面的能力，降低核心系统研发和运维难度：

• 分布式事务引擎：内置成熟的分布式事务引擎，严格支持事务的ACID属性；

• 透明可扩展：支持对应用透明的在线平滑扩缩容，提供不受限的数据容量和处理能力；

• 极致的高可用：作为核心系统数据库，需要有完备的高可用架构和高可用等级；

• 同城容灾RPO为零：确保同城容灾可切换、敢切换；

• 满足自研可控需求：国内自主知识产权的数据库，安全可控。

2.传统关系型数据库+分布式数据中间件体系

基于传统关系型数据库和分布式数据中间件，也可以实现数据分布式存储与访问能力。该模式下，分布式数据中间件体系需要包含以下组件：

• 分布式数据访问组件：支持对应用代码透明的分库分表、读写分离和全表扫描，能够生成全局唯一序列号，可以实现平滑扩容；

• 数据同步组件：实现数据变更的准实时处理。通常用于数据多副本同步、分库分表数据汇聚、分布式缓存更新等场景。

3.分布式数据库+分布式数据访问中间件

在单元化架构下，通常采用这种模式。分布式数据库基于业务数据某个维度切分为多个集群部署，每个集群相互独立；数据访问中间件提供对应用透明的集群选择能力。

3.3.4.3高可用运维能力

1.核心系统转型中带来的运维挑战

核心系统在云原生分布式转型过程中，运维同样也面临了一系列新的挑战，其中最为主要的几个挑战有：

• 随着核心系统进行微服务应用拆分，原有运维管理的应用从个位数增长为数十甚至上百个；

• 核心应用微服务拆分后，交易链路需要跨多个微服务应用完成，对业务监控和定位提出了挑战；

• 以往核心系统主要采用被动运维方式，即出现故障然后定位故障和处置故障，而随着业务的不断发展，核心系统也面临互联网流量、业务快速上线等冲击，为应对多方冲击需要从被动运维转向主动运维；

• 技术的进步也驱动了核心系统容灾的升级，同城容灾切换RPO=0也成为新核心建设的目标，既满足合规要求，也极大的减少了业务损失；

• 此外还有诸如混沌工程，AIOps等智能化运维工具的优势也在逐步应用到核心系统运维中。

2.四位一体的高可用运维保障体系

核心在云原生分布式转型的同时，构建与之对应的高可用运维保障体系显得尤为必要。总体来说，高可用运维保障体系需包括系统安全、资金安全、高可用能力以及成本容量管理四大部分，如下图所示：

• 资金安全：发现资金损失的风险。通过执行核对规则，以小时为频率、准实时等多种时效策略，发现资金类数据问题，向用户告警；用户可以第一时间收到告警，根据异常数据排查问题，分析原因，进而解决问题；

• 系统安全：通过IaaS层安全系统和安全攻防演练，确保基础设施层面的安全；基于应用安全体系、数据隔离和安全扫码，确保应用层面的安全；

• 高可用能力：高可用能力包括风险预防能力和应急处置能力。一是通过高可用巡检能力和应急演练能力建设加强高可用风险预防能力；二是通过监控能力，故障定位能力，应急预案能力建设和打通加强应急处置能力；

• 成本容量管理：通过全链路压测来提升系统和业务真实水位测试能力，以此为基础去打通资源管理平台和容量管理平台。在保障业务容量稳定的前提下实现容量管理自动化，快速进行容量调拨。

3.3.4.4异地多活单元化

异地多活是分布式系统的一种高可用部署架构，可以满足金融机构城市级容灾的需求。实现异地多活架构的关键问题是如何处理跨地域的网络延迟影响，而单元化架构为异地多活架构的实现提供了可行路径。

所谓单元，是指一个能完成所有业务操作的自包含集合，在这个集合中包含了所有业务所需的所有服务，以及分配给这个单元的数据。

单元化架构就是把单元作为部署的基本单位，在所有机房中部署数个单元，每个机房里的单元数目不定，每一个单元都部署了系统所需的所有应用，数据则是全量数据按照某种维度划分后的一部分。

通过采用单元化架构，在容灾、弹性、资源利用率和灰度发布方面都将有显著收益：

• 容灾与业务连续性：支持同城和异地容灾模式，RPO=0，RTO很短；单元化多活，缩小故障影响范围；借助自动化容灾平台，可支持容灾预案和便捷的容灾演练；

• 弹性：异地多活提升扩展性，理论上无限扩展；按照单元灵活部署，提升扩容效率；

• 资源利用率：相对传统两地三中心部署架构，单元化架构能够充分利用各个数据中心资源，显著提升资源利用率；

• 灰度：灵活的流量调拨能力，支持单元级灰度发布；新老单元调用隔离，避免交叉访问兼容性，提升发布效率。

单元化架构的核心原则是单元内流量封闭，这样将同一笔业务处理的上下游链路均在同一个单元内完成，避免了中间跨地域调用的网络延迟。为了实现单元化架构，需要围绕两个方面来设计系统能力，一方面是数据分区，另一方面是交易路由：

• 数据分区：对于数据的存储至少需要具备两项能力。其一是数据分区拆分，即是把数据按照某一个维度水平划分开来；其二就是系统业务数据分区所用的拆分维度和拆分规则都保持一样，确保同一条交易在整个链路中各个业务系统的数据分区是一致的，避免出现因拆分规则不一致导致的跨单元访问；

• 交易路由：一笔交易链路中能够按照预先设计的单元流量规则进行流量的路由和转发。

1.经典单元化

采用中间件来实现单元化的方案，在头部互联网公司和一些大中型金融机构获得了广泛实践，并且获得了广泛的技术收益，我们称之为“经典单元化”架构。

经典单元化架构对中间件、数据分区和运维体系都提出了相应的能力要求：

• 中间件能力要求：各中间件（API网关、服务框架、消息队列等）集成单元化路由能力，并且能够通过全局的动态配置中心实时修改并准确推送路由规则到各中间件，实现单元化的切流。例如：API网关能够根据路由规则选择合适的单元进行调用分发；服务框架能够根据路由规则进行服务提供者路由、消息队列能够根据路由规则进行消息跨单元投递

• 数据分区能力要求：数据按同一维度水平拆分；数据分片按地域部署，各数据分片在同城和异地均有副本，数据库分片主备副本可随时切换；非容错场景各机房应用只访问本单元数据分片，容灾场景可直接访问同城的数据分片；

• 运维体系能力要求：支持单元化架构下的监控、容灾切换、应急预案等能力。

2.动态单元化

经典单元化架构中，对应用数据分区和中间件能力建设提出了很高的要求，系统建设成本较高、实施周期较长。

伴随技术的演进，分布式数据库、服务网格技术逐步成熟，并已在头部互联网企业获得了广泛应用，这些新技术应用也为单元化架构的实现带来了新的思路。

仍然从单元化架构落地需要具备的两项能力出发，数据分区和交易路由：

• 分布式数据在线分区调整与扩容能力：传统实现数据分区的方式是数据结构上增强拆分键用于分库分表后的数据访问路由。这种方式一旦投产后数据拆分规则就不能随意进行调整，如迫不得已必须调整，则要进行数据拆分的重新分布迁移，对业务连续性会有较大的影响。分布式数据库依靠自身的分区技术可以实现对应用相对透明的数据扩展能力；支持在线分区调整的能力则对单元化架构下实现数据分区的在线调整提供了可行性；

• 服务网格统一管理路由规则能力：服务网格技术是将中间件等能力下沉，实现原有各中间件的功能。同样，对于单元化的路由，也可以下沉到服务网格统一处理，减少单元化架构落地实施时对各中间件的能力需求。

• 通过服务网格加分布式数据库的单元化方案，因为可以根据业务需求而动态的调整分区和路由规则，所以我们称之为“动态单元化”方案。

3.3.5基础资源设施

基础设施层具有高度开放性和弹性扩展能力，可以灵活适配、稳定管理不同类型的基础设施，为核心系统的自主掌控和降本增效提供无限可能。

云原生架构下的基础资源设施层面，应重点考虑以下几方面：

• IaaS层能够真正做到按需快速交付，避免复杂又漫长的申请、审批和采购流程；

• 安全、稳妥的推进自研可控能力建设，确保核心系统的业务连续性。

3.3.5.1弹性扩展能力

采用云原生架构的IaaS层，实现云原生分布式核心系统按需获得IT资源、保持业务持续性的需求。

通过基础设施云化，实现资源打通，通过弹性扩容，使得成本、性能及稳定性达到最优。

IaaS层应具备以下几方面的特征：

• 软件定义平台，屏蔽底层硬件差异，资源可根据需求进行横向或纵向的扩展，对上层应用无感知；

• 生产级的可靠性及安全合规，保证金融机构数据的连续性和安全性；

• 统一管理入口，对不同人员的角色进行权限隔离，便于用户运维管里。

3.3.5.2自研可控能力

核心系统作为银行最关键的业务系统，逐步落地自研可控的信息技术体系成为必然的发展方向。然而，在落地层面存在以下几方面的难点：

1.核心系统的自研可控涉及技术面较广，包括应用、中间件、数据库、云软件/虚拟化软件、各类硬件设施；

2.核心系统在落地自研可控的同时仍需保障高标准的可用性，不能因单个或部分替代导致技术水平降级；

3.不仅是中大型银行，小型银行也需要在科技人员规模较小的情况下对核心系统的开发和维护实现自研可控。

而通过多云管理与一云多芯能力、自研可控单元化架构体系，可以满足银行核心系统在自主掌控方面的需求。

1.多云管理与一云多芯

多云管理和一云多芯是解决基础资源可管理、可替代的重要基础。多云管理使用单一控制器对多种云资源（也可包括虚拟化环境）进行灵活的管理、编排、部署。一云多芯则通过适配多种类型服务器和服务器芯片，屏蔽底层硬件的差异，实现统一的云资源纳管。

2. 自研可控单元化架构

单元化架构本身具备单元内应用封闭、业务自闭环、流量可调拨、可快速容灾切换等良好的架构特性。特别适合使用到核心系统这种跨多层技术栈的自研可控场景，可通过分别构建传统软硬设施的单元和可替换软硬设施的单元，并合理分配业务流量，当某个单元出现故障时也可快速把流量切换到另外一个单元，既可逐步落地自研可控，又满足了业务连续性和技术水平不降级的要求。

3.4基于能力体系打造的金融级云原生工场

基于上节对五层十二大能力的分析，我们认为需要一整套端到端的能力体系，能够覆盖从业务建模、架构设计到系统建设，再到系统运行和运维的全流程；同时，这套能力体系应具备明确的实施工艺和高度的自动化能力，从而形成可标准化、规模化与高效的工场化生产模式。

基于这套能力体系打造的核心系统云原生分布式转型与建设模式，我们称之为“金融级云原生工场”模式。其中“云原生分布式核心轻咨询”与 “双核心并行与不停机迁移”作为系统实施路径的两个阶段，在下一章中进行阐述。

从生产过程与运行的视角来看，金融级云原生工场整体上包含了以下几方面的内容：

• 设计车间：业务领域建模是将业务需求转化为IT能力的关键设计环节，充分考虑云原生应用的特点，使用领域建模及管理平台，把建模过程变得简单、敏捷，建模成果易落地并持续保鲜；

• 原材料（功能完备的组件与连接器）：核心引擎通过中台化能力中心，承接业务领域建模成果，为生产业务系统提供功能完备的业务组件；服务治理与集成作为连接器，集成各业务组件进行服务组合，支撑业务快速创新；服务网格作为连接器集成多种技术栈的新老系统，为应用互联互通提供保障能力；

• 标准化生产线：通过企业级应用开发和架构治理平台、企业级一站式DevOps平台，屏蔽复杂的云原生技术细节，提供低代码编排生产能力，助力金融机构和合作伙伴（ISV）高效开发业务应用；

• 运行底座：坚实的技术底座，涵盖充分磨合的PaaS、IaaS、单元化架构和高可用运维体系，为云原生分布式核心的稳定运行奠定坚实的基础；基于单元化架构和一云多芯的自研可控能力，满足金融机构自研可控需求。

4

实施路径与建设模式

经过对国内一些金融机构的核心下移与改造的实施路径和建设模式分析，可以基本上分为两种建设模式：

1）核心自主重构模式

路线特点：

1.自主研发新核心系统，非采购ISV（独立软件开发供应商）核心系统产品，强调自研可控

2.大多数原有核心采用AS400或大机的银行希望采用重构的方式完成核心下移

3.建设目标包括业务建模、领域架构重构

4.绝大多数银行构建了全新的核心应用技术平台

5.部分银行选择基于云平台进行核心系统重构

6.部分银行在核心重构过程中包含自研可控规划

7.核心开发实施过程会采购ISV（独立软件开发供应商）的人力资源

采用该路线的银行范围：国有大行、股份制、大农信、部分中大城商/农商

2）采购核心产品套件模式

路线特点：

1.采购ISV的核心系统产品，并主要基于ISV的人力资源完成核心实施交付

2.主要诉求为替代原有第一代的老旧核心

3.基于ISV核心产品的业务模型和架构建设

4.基于ISV核心产品自带的应用技术平台

5.部分银行要求ISV产品简单部署在云平台上

自研可控方面，部分银行仅能够要求ISV产品集成国产数据库

采用该路线的银行范围：部分中小城商/农商、民营银行、外资银行

4.1四阶段五层模式

通过结合国内金融行业核心相关领域的实践以及核心领域对于技术的云原生分布式转型的业务能力，工程能力，技术能力要求，横纵结合形成4阶段5层的建设模式和路径：

通过这张图我们可以清晰的认识到核心下移云原生分布式转型的路径的全貌以及自身所处的不同阶段。上图中任务颜色的深浅代表在不同阶段中任务的关键程度和优先级，颜色更深的优先级更高。且每一个阶段的产出是下一个阶段的输入。从而形成一个系统化的完整的核心下移的顶层工作任务与路径阶段安排。

例如部分银行采用重构模式，即业务架构和技术架构并行改造，以金融业的领域模型重构核心业务的同时配以主流的分布式架构支撑系统；也有部分银行采用平迁模式，保持原有系统业务逻辑和流程不变，仅通过选用分布式数据库来满足底层海量数据要求。

4.2多种实施路径

4.2.1重构模式

银行核心系统的重构之旅，不仅仅只是互联网技术改造，更是自身服务模式和服务思维的再造。从流程银行转向数字银行，从产品为中心到客户为中心，从做功能转向做场景，从做渠道转向做平台。整体的实施路径会从业务重构及核心应用技术平台搭建两大方向入手,进而实现核心银行业务数字化转型。

4.2.1.1业务重构

回顾“面对误区的破局思维”的断言6

断言6：核心转型相比选择“供应商”而言，更为重要的是选择具备“端到端落地实践”的。从理念、方法论、设计规划、平台架构、标准规范都能够战略性长期投入和总体把控的“合作伙伴”才能真正落地实现业务敏捷和推动数字化转型，而不是为一堆冠名“数字化转型”的文档买单。

业务重构主要是根据业界领先的理论和最佳实践建立企业级业务模型，进而基于模型逐层细化业务规划并向产品参数化设计转变。整个改造过程会以现状业务流程、数据和产品实践为基础，以待实现的业务需求为输入，以领域驱动设计思想为指导，形成具备模型驱动的核心业务架构体系。

传统的建模方式注重在企业级架构规范的范畴，能够以结构化的方式将战略，业务连接起来，但是从实际的落地来说，并不是传统建模方式关注的。以产品为例，结合领域分层的理念，下图能够比较清晰的表明企业级建模与系统架构设计两者之前的差异。

同时传统的领域建模需要耗费大量的人力和资源，通常周期比较长，并不是所有的金融企业都能够参考建行的模式。往往全行级建模花费了数年的时间之后，整个格局，环境，战略又发生了变化，导致与时代的错配。在这个背景之下，敏捷，中台化，领域化建模的理念开始逐步进入大家的视野。

核心系统领域化架构设计的原则

1.把核心系统打开，对原有核心的业务能力重新进行领域划分

2.把核心系统中的领域实体构建成微服务应用，实现核心服务能力的对外暴露，以及业务的松耦合

核心系统领域架构设计的进一步描述

1.将核心系统的通用领域提升到中台能力层次：客户中心、产品中心、合约中心

2.将核心系统的基础功能放入基础服务层，并构建成为对应的微服务应用：账户域、定价计价域，核算清算域、公共域、财务域等。

3.将核心系统中的各个业务产品放入产品服务层，各个业务产品的微服务包含了对中台能力服务和基础服务的流程编排组装。

经过中台化的重构之后，原有的业务流程建模和逻辑也会发生相应的改变，以定期支取为例，在经过中台化的建模改造之后的流程变成如下的模式

4.2.1.2技术重构

回顾“面对误区的破局思维”的断言2、3、5

断言2：“基础不牢、地动山摇”，底层架构的高效稳定是第一目标。底层架构在起步阶段从“统一架构”更加容易走稳，再逐步进行局部优化和解耦。

断言3：核心架构中“非功能性需求”考虑要大于“功能性需求”。“非功功能性需求”应由技术架构来承载。业务模块可以解耦设计和分包，技术架构要统一规划和统一标准，实现核心领域的“统、分结合”。

断言5：核心转型最佳路径是追求“P/PC平衡”-- 产出和产能平衡。不仅仅是完成 “产出”任务（应用迁移），更为重要的是升级“产能”（技术架构能力）。“产能”（技术架构）升级后会推动更大的“产出”（业务价值），成为全行数字化转型的助推引擎。

从这三个重要的判断可以看到，核心云原生分布式转型需要一整套具备可伸缩、高可用的分布式金融技术平台作为支撑，核心应用技术平台的搭建整体包括DevOps平台、分布式中间件平台以及运维保障平台三部分。其中DevOps平台能提高核心应用开发上线的效率，主要包括有项目协作、代码托管、持续集成持续交付等；分布式中间件平台提供核心应用分布式能力层，提供了兼备应用分布式和数据分布式能力；运维保障平台主要承载核心业务系统高可用应急管理功能，提供支持容量管理、压测管理及容灾管理。

同时，技术重构由于涉及的方面太多，我们进一步的进行层次化的拆解与明确，定义了五层十二大能力体系，帮助金融机构进行相应的落地设计。

企业自身可能不太具备这样的技术能力和相应匹配的团队，需要借助大量的外部资源与伙伴来完成整个理想中的蓝图。整体的价值，优势的可获得性相对比较低。我们建议在建设过程中配套匹配的工场，流水线，实施工艺等模式，降低整体的设计，开发，部署，运营，运维的难度。让这些先进的技术真正可以落地，可以自主的掌控。建议增加中间框架体系与流水线体系，进一步降低落地难度，增加技术的可获得性，让终端的开发、运维等技术人员更容易上手，更容易使用。

4.2.2平行迁移模式

平迁模式实施的原则和前提是对业务不产生影响。业务流程不变、业务功能不变、应用处理逻辑不变、与外围系统接口不变以及数据逻辑模型不变。

在这种模式下，主要解决的是国家一些指引的要求，同时解决集中式架构的非功能层面带来的一些挑战，例如性能、扩展性这些阻碍业务发展和损害客户体验的障碍。但从助力业务发展的视角来看，平迁模式是一个过渡性的中间状态，从长远来说，最终还是要解决业务敏捷带来的挑战。

从目前行业目前的实践来看，目前具体有这么几种平行迁移形式

1）数据不动，应用下移

数据架构不动，应用按照一个一个模块进行下移和分布式改造，在过程中建立起全局的注册中心，基础微服务框架体系，同时引入分布式中间件相关技术来支持交易路由、交易熔断降级、安全中心、统一配置中心等功能。此外，为更好应对核心下移，运维体系需要相关改造完成相应日志监控、链路追踪和监控报警等功能。

这种模式的利：

数据体系和架构一般与业务和应用关联度比较高，尤其经过长期的运行之后，数据体系非常复杂，牵一发可能会动全身，回归测试等成本也会非常高。所以不动数据的模式相对比较简单，业务人员的参与程度非常低。基本上技术可控，在过程中锻炼了技术人员的分布式，云原生能力，锻炼了团队。

这种模式的弊端：

没有新的业务价值的过多体现，并且整体架构没有太多变更，转型不彻底，尤其是数据架构容易造成各种瓶颈，无论是对业务敏捷而言，还是性能角度而言。并且代码的自动化翻译工具等体系无法很好的应对领域建模等中台化要求，翻译代码需要大量的性能优化与调整，采取这种模式的开发人员通常需要花费70%的经历在代码的性能结构优化上，无暇应对新业务应用的开发。

2）应用不动，数据下移

为了灵活应对海量交易和超量数据的冲击，需要使用分布式数据技术来解决数据一致性问题。这种核心下移和分布式改造模式多辅以少量人工完成主机核心应用程序改造，或者自身已经在x86虚拟机等集中式架构下。通过接口改造与适配等来对接分布式数据库体系。这种模式对于底层的分布式，云原生数据库的技术要求非常高。

这种模式的利：

底层的交易瓶颈比较容易解除，并且实现了分布式情况下的最大挑战之一的数据一致性挑战。

这种模式的弊端：

对于分布式数据库的技术要求，成熟度要求太高，可供选择的供应商不太多。同时从业务角度而言，没有新的价值体现，也无法做到业务敏捷。

4.2.3 SaaS化批量模式

相比传统集中式架构，云原生分布式核心建设对技术积累、人员能力的要求也更高，相比有自研能力的大中型银行，中小银行新建核心除了依赖厂商的支持，也存在另一条新的路线，即金融核心SaaS。

基于云原生架构研发的金融核心，经过实地落地验证后逐步完善、标准化，最终走上SaaS化。对于银行、尤其中小银行研发资源有限的情况下，避免投入大量时间、资源做核心的下移或重构，利用SaaS产品提供的标准化组件、OpenAPI，采用低代码、服务编排快速实现业务敏捷，通过服务网格、Serverless等技术将非功能的需求下移，保障系统的高可用、可扩展、可灰度、可观测。

选择SaaS化的金融核心开拓了核心下移之旅的“批量模式”，也是面向云原生未来的架构。

4.3 在线迁移与双核心并行

4.3.1 面临的并行挑战

云原生分布式核心建设一个关键必经之路就是如何在保障安全可控的基础上完成新老核心的切换，金融机构出于人员、成本、风险等因素考虑，针对账务核心部分往往会采用按模块、按机构分批迁移的策略，云原生分布式核心建设进入到投产期将会存在双核心并行。传统方案中迁移动作需要在停业期间进行，对银行提供服务的连续性造成影响。

金融机构对自身分布式技术平台、运维体系以及核心应用的成熟度存在担忧，传统做法是在投产之前进行大量的功能测试、迁移演练、旁路验证等，但这些均不能完全呈现生产环境实际运行情况。

另外，对核心实施人员来说项目周期长、压力大，核心下移是持久战、要打硬仗，但也需要有阶段性成果进行激励、给团队信心。

4.3.2 云原生分布式核心推荐迁移策略

在按模块、按机构分批次迁移的基础上，将迁移颗粒度进一步缩小到按单客户、单账户进行迁移，把迁移的风险控制在可接受的程度。同时，整个迁移过程全部实时在线完成，包括从旧核心的数据迁出、新核心的数据迁入、并保障数据一致性。整个核心迁移期间银行不间断对外提供服务、客户无感知。

具体实施中迁移批次可以按照先内后外（银行内部客户到外部客户）、先简单后复杂（基于大数据分析客户交易习惯）等策略进行安排。

4.3.3迁移平台能力建设

要达到双核心并行以及在线平滑迁移的效果，云原生平台需要具备如下关键能力：

1.全局路由模块实现新老核心数据识别和路由转发，新核心采用单元化架构的要同步考虑单元路由；

2.迁移管控平台对数据迁出、转换、迁入等迁移步骤进行统一调度，并且保障数据迁移一致性；

3.新老核心并行期对外提供服务保持一致，减少系统间集成的影响。

只有具备以上的能力要求才能到达客户无感、不停机在线迁移和双核心并行方案，支持核心系统从集中式架构平稳、有序过渡到云原生架构。

基于该方案，金融架构将获得两方面的收益：

1.降低迁移实施风险：按客户分批次迁移、试点，逐步验证、排查与解决风险，最终完成新老核心切换。

2.提高业务连续性：在线迁移对客户正常进行业务操作没有影响；同时，技术上可以实现迁移不涉及到停业。

5

核心云原生分布式转型的价值与经验教训总结

爱它的人，总会让它一次次重生，并赋予它更大的意义。

经过上述的探讨，我们归结出来核心转型的一些价值，一些共识和通用的标准，结论如下，可以作为行业机构设计和实施的参考。

5.1 第三代云原生分布式核心的价值体现

核心的云原生分布式转型，成为第三代云原生分布式核心，有如下的一些价值方向:

1.自研可控，100%满足相关的国家要求

2.运维成本降低400%

云原生架构基于相对廉价的PC服务器构建，在同等处理能力下，分布式架构的单位运行成本大幅度降低，分布式架构的年均运行维护成本是大型机的17%

3.业务敏捷，缩短40%以上的落地时间

云原生，中台化的模式降低业务模块间的强耦合性，业务交付更加敏捷，平均需求交付周期可以缩短40%左右，在进一步提升效率之后，可以达到数量级的效率提升

4.弹性扩展，完全线性

云原生架构具备良好的横向弹性扩展能力，较好的满足中国特有的“春节高峰”时段的特殊要求以及每年超过20%以上的业务增长量的需求，同时在底层资源充足的情况下，能够做到即时的线性扩容。

5.下一代的异地多活架构，RPO=0，RTO<1分钟

基于云原生的单元化异地多活架构，以及分布式中间件，分布式数据库，云原生分布式框架，可以构建超过三地五中心全活多活架构，具备城市级别灾备能力，城市级别RPO=0，RTO分钟级别RTO<1分钟。

5.2 第三代云原生分布式核心的关键标准

通过全篇的介绍，我们最后尝试提出云原生第三代核心的一些关键标准，这也是行业从业者的一些共识。而为了达成这些标准，我们必须转换思路，打造能实现这些标准的自动化流水线工厂。

1.云原生

云原生是应用架构演进，整体降本增效的必然趋势和要求

2.异地多活单元化

单元化是架构灰度，进行架构在线升级的关键企业级架构设计

3.中台化

中台化是实现业务敏捷，业务弹性，应对未知挑战的关键要素

4.数字化

数字化是实现面向未来金融基础设施的关键设计

5.自研可控

自研可控是实现金融安全的必要保障

而云原生工场模式，是将这些标准与规范融入至整个的标准化制造与加工流水线以及实施工艺的端到端体系化模式，助力金融机构的核心云原生分布式转型。

5.3 核心相关系统建设的经验教训总结

1.分离采购与建设模式的折扣

核心的下移不简单是从主机等集中式环境换一个云原生和分布式的平台，传统的应用是应用开发商去建设，技术平台是技术平台供应商去建设的分离模式从最终预期要达到的效果和价值来说，并不会很好。因为应用开发商对于云原生底层技术平台并没有很深的了解，很多特性和优势用不上，只能当虚拟机或者普通的数据库来使用，基本上无法发挥出云原生的真正的价值。最终实现的业务价值会大打折扣。所以建议在整体建设之前，需要通过一个轻咨询或者咨询项目设计出整体的模式，架构，规划，周期，预算等，为后期的建设做好统筹的设计，而不要盲目的开展建设项目。

2.承上启下的困难与挑战

核心等关键业务系统的云原生分布式转型，需要对于核心业务以及对于底层云原生平台都非常了解，才能够真正实现高价值的核心云原生分布式转型。应用架构和数据架构，数据模型等关键要素需要匹配分布式的环境做适应性的改造和优化设计才能保证最终的效果。例如在云化分布式环境下的账户与账务数据模型的设计，例如在两地三中心多活架构下的业务应用分域，以及客户中心，产品合约的部署设计，例如在单元化模式下的单元区分规则，数不胜数。而这一点，往往很多传统核心从业人员不太理解，认为应用业务与技术平台无关，业务是业务，应用是应用，技术平台是技术平台。这三者的之间的隔阂，导致的业务无法敏捷，应用无法扩展。而我们急需的，便是运用工场流水线模式将这两个鸿沟进行联通，运用业务建模数字化平台和工序将业务与应用有机贯穿以及同步，达成业务敏捷，运用架构治理与脚手架数字化平台和工序，将应用和最终的开发运营运维体系有机贯穿与同步，达成应用敏捷以及安全可靠。实现最终的业务端到端敏捷。

3.性能等非功能性的忽视

从集中式架构的CA取向向云原生平台的扩展性取向进行下移和建设的时候，由于增加了很多的网络，RPC，分布式存储等传统集中式架构没有的底层开销，性能层面通常在早期的设计中没有很好的考量和设计，而到最后的整体端到端性能压力测试等时候才会爆发出来，无法满足基本的并发与时延标准，达不到上线标准，然后重新进行各种调整，这个时候大的体系基本上已经建设完毕，无法做整体性优化，无法达到最优的效果。所以，建议在架构设计以及开发的早期，就要引入全链路测试与容量规划的工具，早期识别关键链路以及关键设计的缺陷，为后期大规模应用建设排雷以及打好框架基础。

4.技术风险与运营的挑战

传统集中式架构的运维保障通常由厂商和传统的服务生态来保障，而到了云原生分布式体系下，整体需要运维的技术栈和平台的数量，整体架构的复杂程度远超以前，此时需要更多的将运维保障的任务交给自动化的，体系化的技术风险防控体系来处理，这部分的设计和建设的经验传统厂商基本上比较难以具备，也没有实际落地的经验。这对于整体系统的可用性，稳定性等带来很大的隐患和风险，这部分的提前的考量，设计与建设也需要在早期同步开展，因为SRE体系对于架构，应用开发等有一定的规范和要求，遵从这些最佳实践，才能给最后的运维提供必要的支持，便利和保障，确保整体性的运维管控能够做到实效，给生产系统稳定高效运行提供真正的高效保障。

5.系统建设实施的巴别塔

系统架构即组织架构，这里的组织架构从传统意义上大家理解是系统建设成之后，整体的内部开发，运维，管控的组织结构，权责边界以及沟通交流等体系。但是从实际情况来看，新一代核心的建设周期往往都比较长，通常比较大型的金融机构建设周期都会在20个月以上，参与方众多，大家往往会忽视这个长周期项目建设团队自身的组织形式与管理模式。在云原生分布式，中台化，业务敏捷驱动的这种新的核心架构方式之上，整个核心项目组的组织形式，具体工作任务划分的方式和边界，沟通交流方式这些也会有变化。这部分目前如果还按照以前集中式架构的项目组织和开展形式来运作的话，可能会有比较大的信息不对称以及摩擦，影响整体的工程效率和最后落地的实际效果。因此我们也建议整个项目工程管理和沟通模式需要采用新的组织理念，采用数字化的工具体系来进行组织协调，更高效更高质量的完成实际落地交付上线。

最后，如果需要用几句话来进行总结的话，那就是

“集中式架构，已经不止是一种技术架构模式，而成为一种根深蒂固的思维习惯和设计理念。当它成为潜规则而影响了创新时，我们往往身在此山中而不为所知。朝着云原生分布式转型的过程中，打破这种集中式架构的思维惯性和习惯（设计、开发、运维），这些才是最难改变的”

“从金融行业的角度而言，要实现核心的云原生分布式转型的关键在于打造一套新的云原生数字化流水生产线、配套设计工艺以及稳固的云原生分布式基础设施，尝试用综合的视角去改变那些最难改变的部分”。

本文希望能够给各位读者带来一些思考和收获，能够带来一定的借鉴。如果未来一定会发生，那就先进入那个未来！

雷峰网

或许，这与你的印象完全相反——区块链，正在一步步摆脱艰涩难懂的标签，走到田间地头、走到城市深处。

它在你打开的健康码背后，在电子病历和金融交易背后，也忠实地记载着祖国丰富的物产，如何穿越山海、分毫无损地端上你的餐桌。

从晦涩难懂到“平易近人”，一项新技术的落地总是千难万难。国务院此前就曾强调，要加快推动区块链技术和产业创新发展，探索“区块链+”模式，促进区块链和实体经济深度融合。

回望区块链的发展历程，不过十余年时间。尤其在发展初期，开发者几乎是“赤手空拳”地在构建区块链应用：部署底层平台、写合约，期间还要面对诸多的技术细节、技术难题，踏入各种“前无古人”的坑，调试和运营无一不艰难。

起航于2015年的微众银行区块链，自2017年起把区块链核心技术攻关成果陆续开源，到如今已构建出一整套覆盖底层、中间件、应用组件的全栈技术体系，帮助开发者从泥泞的羊肠小道，走到“高速公路”上来。

“在这几年间，我们一起见证了开源区块链技术确实是‘能用’的，而且越来越‘好用’。”微众银行区块链首席架构师张开翔感慨。

他透露，微众银行牵头研发的FISCO BCOS金融级区块链底层平台，开源至今的四年时间里，已经支持金融、政务、医疗、司法、农业、文娱等多个行业的数百个区块链应用场景落地，收集到超过200个标杆应用。围绕开源技术构建起的社区，已汇集超3000家企业及机构、7万余名个人开发者共同参与区块链产业生态的构建。

如今，微众银行仍在持续发力，为深化硬核技术、助力产业数字化而努力，致力于让区块链向实体经济而生，为平凡人的寻常日子而生。

濠江两岸的信任之桥

在“后疫情时代”，健康码系统的建设已经成为各地疫情防控的“必修课”。

早在2020年5月，“粤康码”与“澳门健康码”就已借助区块链的力量完成跨境互认。如今，前往澳门的内地旅客，除了提供核酸证明以外，只需申领“粤康码”即可轻松过关，无需再次填写澳门本地的健康码。

据雷峰网了解，首次领码、转码到生成通关凭证，全过程平均时长仅需100秒。如若再次通关，凭证的获取不到3秒钟。

但两地健康码要想互认，当中至少面临三大难题：

一是隐私保护——澳门《个人资料保护法》规定，澳门境内个人资料不能直接通过数据服务器端发送出境，而内地、澳门两地居民的个人信息及核酸检测信息只有本地权威机构有能力验证。

二是用户体验——内地、澳门两地需要在用户数据不直接传输和交换的前提下，快速实现彼此出/入关，且整体转码流程自动化，不需要在多个平台重复填写信息。

三是时效性——彼此互转、互认的“健康码”在内地和澳门两地能够保证验真时效性。

而微众银行区块链开源技术顺利解决了上述难题：

“地基”是微众银行区块链牵头研发的底层开源平台FISCO BCOS，“支撑柱”是微众银行分布式数字身份开源解决方案WeIdentity ，连接底层平台与上层应用。

WeIdentity是符合W3C DID规范的分布式多中心的身份标识协议，完整地实现了分布式身份体系的协议和周边支撑组件，把住身份认证、身份标识的这一道“大门”，安全稳妥地在实体世界和数字化世界之间建立链接，使疫情的跨境联防成为可能。

为“澳门健康码”提供实施服务的，是澳门万高信息科技有限公司。相关负责人表示，之所以选择微众银行区块链开源技术，是因为其核心模块能够满足多业务场景的扩展和隔离，正好匹配跨境疫情联防的“跨地域、跨系统、跨数据库”运营需求。

同时，微众银行区块链全栈技术体系也在交易处理性能、安全机制、运维效率等方面有所保障，通过一系列工具降低了开发难度和成本，“尤其希望借助区块链底层框架优势，在场景跨越的过程中完成系统跃迁。”该负责人强调。

目前，粤澳健康码跨境互认项目已服务数以亿计的人次在粤澳两地跨境通行，对支持大湾区人员的正常流动和经济社会交流恢复发挥了关键作用，取得了良好的社会反响。此外，该项目也具有系统开放的特性，未来可以从“粤澳组联动”延伸至更多组群，不断扩大跨境疫情联防的边界，构建动态的“抗疫共同体”。

乘技术交融东风，美食跨越山海

在健康码的实际操作中，微众银行运用区块链自身的技术特性完成了一场跨越濠江两岸的信任考验，但在更多的场景中，要实现全链条、闭环的信任，还需要做“加法”。

“区块链能保证数据上链后，不可篡改、不可消除、不可替代，不可伪造，但保证不了数据在上链前、下链后的真实、可信。”中科院计算所研究员张毅强调，区块链系统和外部世界的高效可信互联，是一个非常值得去研究的问题，当中就牵扯到区块链和很多技术的交叉融合。

在新近发布的《FISCO BCOS产业应用白皮书》中，众多案例不仅以FISCO BCOS为技术底座，也着眼于区块链与人工智能、物联网等众多技术的融合应用。

农业和食品安全，正是当中的典型场景之一。雷峰网了解到，金贵的阳澄湖大闸蟹，正是靠着这场技术交融，“保住”了自己的身价。

此前阳澄湖大闸蟹用的是防伪蟹扣，“上扣”流程容易被钻空子：部分渔民会事先采集别处水域里的相似蟹种，放入阳澄湖中，当接近售卖时，就申请蟹扣，也就产生了所谓的“洗澡蟹”。

浙江天演维真网络科技股份有限公司（以下简称“天演维真”）就基于FISCO BCOS，与GIS（地理信息系统）和AI等技术，开发出一套“农业产业全过程溯源云平台”，用于追溯、确保相关产品生产、运输、售卖等环节的信息真实。

其CTO易飞介绍称，每年先由苏州阳澄湖大闸蟹协会出面，联合生产企业根据当年饲养区域、气候等因素对大闸蟹的产量进行预估。

产量预估数据会进入区块链备案系统，数据审核通过后，协会颁发生产备案许可证。待各家企业进入实际养殖环节。

螃蟹成长过程的一些详细行为数据也都会“上链”，例如饲料选择、投喂时段等。数据分批次上传，一旦提交均无法修改。

当大闸蟹成熟，协会依据上链的备案数据给生产企业分发防伪蟹扣，并将蟹扣的编号与养殖批次进行关联，保证数量对等。

最后，采用智能合约、IP查询留痕等技术手段，消费者可以事后对防伪蟹扣进行查询比对。

如果单个蟹扣无法在系统中查询，或者查询IP留痕过多，均可证明此防伪蟹扣或被人反复利用、或本身即为假货。

“如此一来，业务主体数据在区块链上就会形成一体联动。一个业务主体如果想要对数据进行造假，就必须同时改变其他业务主体的行为数据，造假基本不可能再出现。”易飞说。

今年，工信部、中央网信办发布《加快推动区块链技术应用和产业发展的指导意见》，当中提到：

到2025年，区块链产业综合实力要达到世界先进水平，产业初具规模。区块链应用渗透到经济社会多个领域，在产品溯源、数据流通、供应链管理等领域培育一批知名产品，形成场景化示范应用。

阳澄湖大闸蟹与微众银行区块链开源技术相结合的案例，正是属于产品溯源的范畴。

除此以外，还有不少落地实例也呼应了这一政策号召。

以天演维真给西湖龙井挂上“数字贡牌”为例，当中就借助FISCO BCOS和物联网、计算机视觉等技术，对采摘、加工、包装、售卖等各个环节进行把控。

易飞透露，区块链会运用在整个系统的云存储层，“当时我们就希望能把区块链上链的技术复杂度封装在底层，继而，上层业务系统可以专注于业务流程，同时这也便于我们将其部署到不同类型的业务应用中。”

FISCO BCOS易用性高、学习成本低、部署方便，同时在开发语言、开发环境、多框架业务模式、智能合约版本上均有丰富积累，为系统打下可靠的“地基”。

在“地基”之上，各种精巧的业务应用得以顺利生长。例如运用物联网设备采集农情数据，包括茶叶经历的风霜雨露，可能出现的病虫害，基于数据再总结出相应的种植建议。

最后，当消费者购买到带“贡牌”的茶叶，只需扫码就能看到溯源的全过程信息。除草、施肥、病虫害防治、采摘、修枝这些环节的数据也会通过区块链进行上链，上链的哈希值也将向消费者展现。这相当于消费者拥有了每一份茶叶的“身份证”。

得到区块链“贴身伴随”的，不只有阳澄湖的大闸蟹、西湖的龙井，也有海南的阉鸡、内蒙古的肉牛——在微众银行区块链开源技术的支持下，天南海北的众多美食依靠区块链技术实现了真正溯源，在政府信用、机构信用之上拥有了“技术背书”。

技术、应用与生态“城池”的建成

在这些“接地气”的案例背后，微众银行区块链数年来对技术、应用与生态的持续投入，一砖一瓦都不含糊。

微众银行副行长兼首席信息官马智涛在金链盟2021年生态大会上回忆道，2015年，恰逢国内金融区块链发展处在空白期和迷惘期，一开始他们就坚定地选择了联盟链方向，向合规、安全和系统稳定发起“冲锋”，并将第一发展阶段的使命确立为实现区块链技术全面自主可控。

在这个使命方向下，微众银行区块链全栈技术体系实现了完整国产化支持，包括无缝适配国产麒麟操作系统、全部模块支持 ARM 架构、分布式存储引入国产 TiKV 数据库，并在计算、网络、 存储等各环节采用国密算法。

行至第二阶段，新的使命则是坚持将区块链应用于产业数字化，持续助力实体经济发展。正如前文所述，数百个的场景应用已经落地，并涌现了超过200个标杆应用，对产业区块链的发展起到了举足轻重的推动作用和借鉴意义。

这些年间，微众银行区块链打好了稳固的“基本面”，向高性能、易用性、扩展性、可持续性这些“加分项”也开始了更多探索。

张开翔介绍，全新升级的FISCO BCOS v3.0采用全新的微服务架构设计，实现模块化分层治理与平行扩展，更好地支撑大规模商用场景。他直言，“区块链速度慢”这个说法已经成为过去式。同时，通过优化链上状态数据结构、引入分布式存储体系，以及与隐私计算平台相融合等办法，数据容量有限、隐私保护难等“痼疾”也陆续被攻破。

据观察，FISCO BCOS已成为区块链产业应用的首选底层。在工信部中国电子技术标准化研究院主办的中国区块链开发大赛上，FISCO BCOS连续三年成为获奖项目中使用占比最高的区块链底层平台。在刚刚结束的2021年这一届，10个获奖项目中，5个基于FISCO BCOS研发。

在区块链底层平台的“底盘”之上，人机交互、智能辅助、云网互联等诸多能力方案也在不断拓展技术和应用的边界。前文所提及的WeIdentity，正是搭载的能力之一。除此以外，还有WeCross跨链方案致力于异构区块链之间互联互通，实现数字化时代的“书同文、车同轨”愿景；以及Truora预言机拓展了智能合约的边界，实现许多有趣、有用的链上链下互动，如基于可验证随机数实现分布式抽奖、基于汇率实现跨境金融业务等。

而这一系列的方案，正是微众银行区块链在探索过程中，根据自身对领域发展的理解，以及基于社区共识的前瞻预判，逐步形成的。

他们发现，开源项目应该是成型和高可用的，需要核心能力过关，又提供友好顺畅的交互体验。只有让开发者几乎无成本、无障碍地用起来，这样才会得到社区关注、认可，形成聚拢效应，吸引更多人共建。

为此，他们设置了高速访问渠道、一键脚本和可视化部署工具，WeBASE中间件平台一站式集成了运营管理台、开发者IDE、快速部署和运维工具、数据报表和审计分析工具等，一系列操作保证开发者“无痛”地开启区块链之路。

有开发者感慨：“从看完文档到动手，把链跑起来、合约部署上去，只用了5分钟时间。”

今年6月，工信部提到要从标准体系、技术平台、质量品牌、网络安全、知识产权等方面，协同提升产业基础能力，其中包括：推动区块链标准化组织建设，建立区块链标准体系；加强重点领域技术攻关，构建区块链底层平台，打造区块链基础设施；鼓励企业加强质量管理，构建区块链产品和服务质量保障体系；加强区块链基础设施和服务安全防护能力建设。

此时我们回头望去，会发现微众银行区块链的长线布局已与政策方向贴合，草蛇灰线，伏脉千里。

写在最后

尽管已支撑数百个产业应用发光发热，构建出全栈技术体系，但微众银行区块链不打算止步于此。

工信部指出，我国区块链技术应用和产业已经具备良好的发展基础，在防伪溯源、供应链管理、司法存证、政务数据共享、民生服务等领域涌现了一批有代表性的区块链应用。区块链对我国经济社会发展的支撑作用初步显现。但同时，我国区块链也面临核心技术亟待突破、融合应用尚不成熟、产业生态有待完善、人才储备明显短缺等问题。

对此，张开翔表示，前沿技术研究有着许多路径要去探索，每个路径都有着繁杂的细节要研究，还有大量相关技术如物联网、人工智能、5G通信等可以有机融合进来。相信技术和产业发展的未来，很大程度上取决于生态的开放性和成长性，埋头于国产安全可控核心技术研发的同时，我们密切关注社区的现在和将来的需求，和社区诸多开发者合作共建。

另外，可以预见的是，数据的安全合规、科技伦理的监管、信息技术的“自力更生”、“双碳”目标，以及数字经济与虚拟世界等议题，已经提上日程。

下一阶段的目标，不仅是实现碳达峰、碳中和，更包括“促进公平和可持续”、弥合“数字鸿沟”。

微众银行区块链已向这一目标进发，在与各地政府、北京绿普惠网络科技有限公司的合作中，就有一本连接政府、企业、个人三方的数字“碳账本”，结合微众银行区块链社会治理框架“善度”和FISCO BCOS打造，通过将个人的减排行为数据化为“减排量”，并统一上链留痕，保证用户行为数据的发行、分发、赞助、兑换、监管、审计等多方环节均公开透明。

每当人们走过一个年代，回头再看，走过的路都是把“不确定”变成“确定”的过程。对微众银行区块链以及FISCO BCOS开源社区数万名开发者而言，推动产业数字化升级发展的初心不曾改变，可持续和绿色发展的新使命已经浮现。

刚过去的周一，可谓是一瓜刚落，一瓜又起。

头部主播薇娅（真名：黄薇），因偷逃税在2019年至2020年期间，通过隐匿个人收入、虚构业务转换收入性质虚假申报等方式偷逃税款6.43亿元，其他少缴税款0.6亿元，依法对黄薇作出税务行政处理处罚决定，追缴税款、加收滞纳金并处罚款共计13.41亿元。

回忆一下今年上半年，郑爽被爆天价片酬，号称“日薪208万元”。而薇娅这笔13.41亿元的罚金，连郑爽都得一口气工作645天才能挣够数。

有网友直言，在薇娅事件面前，王力宏那笔1.5亿的抚养费实在是不够看。要知道，90%的A股上市公司，可能一年都挣不到这笔罚金。

回顾2021年大事件，公众人物的税务问题必然榜上有名。尤其是网络主播群体，前有雪梨，后有薇娅，引发广泛热议。据新华社消息，税务部门已对网络直播等新业态从业人员，给予了包容性的自查整改期，目前已有上千名主播主动自查补缴税款。

杭州税务部门也就薇娅此事进行了答记者问，提到其违法事实如下：

2019-2020年间，通过隐匿其从直播平台取得的佣金收入虚假申报偷逃税款；通过设立上海蔚贺企业管理咨询中心、上海独苏企业管理咨询合伙企业等多家个人独资企业、合伙企业虚构业务，将其个人从事直播带货取得的佣金、坑位费等劳务报酬所得转换为企业经营所得进行虚假申报偷逃税款；从事其他生产经营活动取得收入，未依法申报纳税。

这当中有一点，被认为是这轮主播查税的关键逻辑：

将税率较高的个人劳务报酬所得，转换成税率较低的个人独资企业经营所得，从而达到少交税的目的。

“金税系统”，税务局的数字化火眼金睛

那么，税务局是如何发现这场重大偷逃税问题的？从监管部门的回复来看，税收大数据功不可没。

雷峰网从一位业内人士处了解到，“税务大数据”的说法涉及领域较广，“获取到税务数据之后，可做的事情、可入手的维度很多”，从目前的公开信息来看，其实很难确定相关技术手段的具体使用方法，以及在此次事件中发挥的作用。

也有金融行业专家认为，可以通过公开的主播成交量等信息，对应收税款进行估算，从而推测是否存在偷逃税行为。

而多位财税从业者向雷峰网强调，国家税务总局的“金税系统”才是查税利器。

据了解，目前已投入使用的金税三期，就集合大数据评估和云计算功能，实现了国地税数据的合并，同时对岗责体系和征管流程进行梳理和配置，实现岗位设置、工作流程以及参数配置等统一，其主要是对税务系统业务流程的全监控。

“简单来说，你开的每张票、收到的每张票，监管部门都一清二楚。一张专用发票是否已抵扣入账、费用异常等等，都可能会被税务局过问。”一位企业财务向雷峰网分享了她的亲身经历。

亟待上线的“金税四期”，功能更是不容小觑。

从升级方向来看，以后无论是什么维度的数据、何种交易对手之间的资金来往，都将有更加清晰完整的链路呈现。

据公开资料显示，金税四期不仅仅是涵盖税务方面，还会纳入“非税”业务，实现对业务更全面的监控。同时搭建了各部委、人民银行以及银行等参与机构之间信息共享和核查的通道，实现企业相关人员手机号码、企业纳税状态、企业登记注册信息核查三大功能。

一位税务行业人士透露，在金税四期，税务、工商、社保等机构随时合并接口，企业人员、收入等信息相互关联，企业很难少交个税和社保。

他提到，税务系统需要纳税实体开户并申报收入，若未申报、少申报，则很难有真实收税依据，税务部门也难以核实，必须通过其他渠道再做核查。

但如果能实现多机构间的信息共享与核查，跨到银行等机构进行数据收集，自然会更接近纳税主体的实际情况。像薇娅那样虚假申报佣金收入的做法，相信也会无所遁形。

“AI+税务”比你想的跑得更快

对于AI这样的新技术在税务领域的应用，雷峰网此前也做过盘点。

初级水平，主要是用技术替代重复工作，帮税务人员做表、看文档、读文档、抓取关键信息等等，近年来大热的RPA+AI已经在这些工作流程上完成了不少规模化部署。

中级水平，就上升到预测税负、分析税收趋势。

高级水平，就是发现逃税、漏税，提高税务领域透明度这方面了。

比如借助机器学习算法，快速识别出大型数据集内包含的异常条目；比如基于多种指标检测欺诈活动，例如对方的就业情况、以往是否曾经接受审计，以及与非法收入来源相关的蛛丝马迹。

在郑爽涉嫌偷逃税新闻发生时，一位机器学习工程师就表示，可以通过AI寻找某些数据指标和真实收入之间的关联性，预测的真实收入与实际报税收入的差距，就是一个怀疑的理由。

一位深耕于监管科技的CEO也向雷峰网分析称，这类技术应用的研发难度不大，可以拿足够多的财务报表去训练模型，去计算相关结果有没有偏离财税比率——“难点主要在税务数据的打通，和税务模型的构造上。”

而公开资料也显示，“金税工程”也嵌入了一定的AI技术。

就在上个月，国家税务局长王军透露，智慧税务正在向“两化、三端、四融合”迈进，其中：

“两化”，是以数字化电子发票改革为突破口，将各类业务标准化、数据化，实现可归集、可比较、可连接、可聚合；以及基于大数据、云计算、人工智能、区块链等新一代信息技术，对实现数字化升级后的税费征管信息，做智能化改造。

“三端”，就是指智慧税务建成后，将形成以纳税人端、税务人端和决策人端为主体的智能应用平台体系，基于全局视角建成覆盖税收征管全部环节、全部流程、全部主体的一体化应用平台。

据雷峰网了解，已有多家头部云厂商陆续参与至国家税务总局的数字化税务建设当中。

一位财税从业者感慨，目前的技术手段进步很大，“金税四期很强大，企业的进存销都会变得更加透明，后台能看到每个企业的风险预警。”

她强调，直播等新业态的出现，商业模式、财务模型，业务开展过程都会出现新状况，非传统税务可一概而论，监管也需“宽严相济”，这也是为什么税务部门先给予相关从业人员“包容性的自查整改期”。

“查处的难度并不大，但查处与否，其实更多要看税务部门的决定。”

金融历来被看作实体经济的血脉，在畅通国民经济循环中发挥着至关重要的作用，因而金融行业的数智化在整个产业数智化中也占据着“打头阵”的地位。

尤其今年以来，疫情的反复、国际环境的变化等因素，让全球经济走势充满了不确定，这种背景下，包括金融在内的各行各业的数智化技术成为拉动经济复苏的关键驱动力。 

事实上，相较其他行业，金融行业的数智化一直趋于领先地位，金融公司在科技上也最舍得投入，但尽管如此，金融行业的数智化依然是一个漫长的过程。究其原因，金融业务太复杂、太重要，需要完成获客、交易、风控、投研、运营等各个环节和各种场景的智慧金融实践，才能从单点智能走向全流程智能。这也注定了金融数智化是一支生态“协奏曲”，无法仅凭几家公司之力实现。

但不可否认的是，在这其中，一些企业正在不畏艰辛打头阵、立标杆，通过脚踏实地的攻一城扎一寨、啃数智化硬骨头的方式，成为了出色的先行者。

作为最早一批关注人工智能的行业媒体之一，雷峰网今年特别推出了「2021最佳AI数智化年度榜」，其前身为「AI最佳掘金年度榜」，于2017年正式发起，是全国首个人工智能商业项目榜单评选活动。

其中，在「金融数智化」领域，本次评选共收到来自68家的申请，经过专家评审团长达一个月的集中评审，Aloudata大应科技、华为云、乐信、网商银行、来也科技五家企业成功入选，分别获得该领域的「最佳数据智能平台奖」、「最佳金融云实践奖」、「最佳智能风控建设奖」、「最佳银行数智化创新实践奖」、「最佳智能自动化平台方案奖」。

最佳数据智能平台奖：Aloudata大应科技

Aloudata (浙江大应科技)是一家敏捷智能湖仓平台服务商。公司创始人曾任蚂蚁数据平台部总经理（P10），是蚂蚁数据技术主要开拓者和奠基人；创始团队均为原蚂蚁集团数据平台核心成员。Aloudata是数据湖仓架构的先行者，致力于打造国内首个NoETL智能湖仓平台——Aloudata智能湖仓平台（以下简称“Aloudata平台”）。

数字经济日益深入的背景下，企业数字化转型升级面临多重挑战，企业的数据平台与数据治理架构越来越难以应对海量多样的业务数据和复杂多变的数据需求。

Aloudata平台致力于通过数据虚拟化技术、自适应加速技术帮助企业快速构建下一代数据平台，大大简化ETL管道的过程和复杂性，从而大幅缩短数据从产生到应用于不同业务场景的时间。

雷峰网了解到，Aloudata平台具有多源异构连接、基于数据行为自适应优化和低门槛实现自助数据准备等优势，是业界领先的专为敏捷数据化运营而生的新一代数据智能基础设施。

Aloudata大应科技将重新定义数据工作方式，帮助企业实现10倍以上的数据化运营效率提升。目前，Aloudata已顺利完成两轮融资。

最佳金融云实践奖：华为云

云化升级是金融机构实现数字化转型的必经之路。据国际数据公司IDC发布的《中国金融云市场（2020下半年）跟踪》报告显示，2020年全年中国金融云基础设施市场规模达到32.7亿美元，其中华为云排名第一，份额达到21.3%。

雷峰网了解到，目前华为云面向金融行业提供全栈云服务，可帮助客户业务实现业务全场景极致体验，应用全面敏捷创新、数据全栈智能和业务全流程安全；提供公有云、金融专区、部署在金融客户数据中心的华为云Stack云平台等系列方案，满足金融机构各种复杂场景业务需求。基于华为云以及生态的能力，为客户构建全场景智慧金融能力。

截至目前，华为云已在全球300+金融机构进行了深入实践。其中在国内已帮助头部保险机构、大型证券机构、中国六大行、全部十二家股份制商业银行实现数字化转型，覆盖金融核心系统云原生升级、智能风控平台建设、智能营销、智能投研、量化分析、RPA流程自动化等场景。

最佳智能风控建设奖：乐信

雷峰网了解到，早在2016年，乐信就在业内率先开始探索将AI用于在核心的风险管理领域。

利用复杂网络、自动特征生成、LBS风险识别评估、用户行为序列分析、无监督用户聚类等底层技术，乐信打造了“全AI风险策略管理系统”，形成了生命周期坏账预测、营销策略编辑、效用策略等各项模型能力，可支撑起全流程策略体系，全面覆盖并灵活支持前端业务各环节，精准定位客户并识别客户风险，实现规模化增长的同时，不断提升ROI（投资回报率）。

“鹰眼·米霍克”风控引擎是“全AI风险策略管理系统”的核心，该引擎具备自动化审核、智能识别和活体检测等功能，拥有20000+个特征变量、60000+个决策规则，可实现99%订单自动审核，授信场景、交易场景耗时低至1毫秒，每天可处理亿级订单量。

为精细化运营风险，乐信还自主研发了“奇点”自动化归因系统，“奇点”凭借上千数据维度，能够快速从海量数据及纷繁数据维度中提取有效信息，自动寻找风险背后动因，量化各类因素影响程度，快速诊断并解决风险，使风险处理时效较人工排查模式提升10倍以上。

AI领域，乐信与业界主流数据服务商开展基于联邦学习的联合建模，目前已应用到风控、获客等业务场景，模型效果提升20%以上；图神经网络应用方面，乐信构建了30亿节点、100亿+关系的异构图谱，利用图算法识别用户风险并应用于高风险交易拦截，风险识别度提升5倍。

持续巩固夯实的风控实力，使乐信资产质量稳定向好。截至3季度末，乐信平台90天以上的逾期率为1.85%；新增借款的FPD30已经连续15个月保持在1%。

乐信也正将其领先的风控科技输出给合作伙伴，针对不同类型资产推出乐图、乐图pro和负熵等科技产品，为合作伙伴提供风险画像及策略优化咨询服务，有效识别授信拒绝流量中的优质部分，帮助合作机构在稳定资产质量情况下，将授信通过率提高20%-30%。

乐信是中国领先的新消费数字科技服务商，打造了分期消费品牌分期乐、数字化全场景分期消费产品乐花卡、中国本土“先享后付”数字营销平台买吖、To Bank科技运营服务等多个创新产品和业务，服务超1.5亿用户、2000多万商家和近200家金融机构，年交易规模超2000亿元。

最佳银行数智化创新实践奖：网商银行

农村金融向来是金融行业的薄弱环节，尤其是面向农业生产的经营性贷款，由于受自然因素等不确定性影响，农户种植的作物、面积、生长情况等难以统计，向来是业内公认的苦活、累活。

为破解这个难题，网商银行长期扎根农业领域，并于去年9月正式发布了“大山雀”卫星遥感风控技术，首次将卫星应用于金融领域，探索全新的农村金融模式。

具体模式是，在贷前授信环节，网商银行利用卫星遥感技术精准计算农户拥有的农作物面积和对应的农作物种类，避免了银行工作人员线下人工实地考察带来的不便；在贷中风控环节及贷后管理环节，可通过卫星遥感技术对农作物生长、病害等田间信息进行更新维护，建立全方位风险感知，从而动态调整授信额度并及时采取对应的风险管理措施。农户可通过网商银行 app全流程无接触完成所有业务的便捷操作，授信过程在几分钟内即可办理完毕。

截至目前，“大山雀”已经覆盖全国超过三分之一的涉农县，数十万种植农户通过这项技术获得了信贷支持，该技术被IDC评为远程银行领先实践。

在像“大山雀”这样的技术驱动下，网商银行作为专注服务小微和三农群体的科技银行，自成立以来已与全国超过850个涉农区县深度合作，累计服务了超过千万农村用户。

最佳智能自动化平台方案奖：来也科技

金融一向是RPA率先规模化推广的领域，尤其是在财务领域，RPA已经广泛应用于海量票据的处理。财税行业长期面临大量枯燥、重复性的工作，让从业人员头疼不已，RPA+AI财税解决方案为这一难题带来了解放的曙光。而来也科技和其推出的“金融保险票据智能处理解决方案”正是这方面的佼佼者。

借助该方案，工作人员可以利用保险单据OCR服务，支持对各类保险单据、合同、增值税发票、表格单据的批量扫描识别，同时支持用户自定义识别模板，从而大大缩短了业务录入时间，提高业务处理效率。

同时，在合同盖章审批时，工作人员只需对实际的盖章版本和系统审批的版本进行对比，确认一致后就能审批盖章，可以极大地提升合同对比的效率，并降低漏判风险。

总结来说，在RPA+AI的底层技术之上，软件机器人能够有效帮助业务人员提高办公效率，准确、稳定、快捷地完成被指定的工作。根据市场的反馈，RPA+AI机器人的部署，能为金融行业创造5倍以上的投资回报率。

“信贷产品对小微企业来说本身是一个错误的产品，对于出资者来说也是一个风险和回报不对称的产品。”近日在“2021全球财富管理论坛”上，香港交易所集团原行政总裁李小加语惊四座。

在他看来，银行等金融机构的信贷产品通常有着僵硬的还本付息节奏，与小微企业风险多元、多变之间存在难以调和的矛盾；同时在利息低、风险高的双重因素下，小微信贷规模难以做大。而更重要的是，过去五六年，互联网和数字化技术等科技手段虽然一定程度上提升了小微信贷的效率，但仍未真正解决上述这些问题。

再一次，小微金融的难题被摆在了桌面上。

实际上，近两年在疫情催化、政策加持，以及共同富裕目标下，小微金融颇有加速之势。科技赋能小微信贷，破解“不可能三角”，逐渐成为各互联网金融科技平台宣传口径中的常用语和抢晒的成绩单。

然而，一片唱好下，科技赋能小微信贷的局限性，越来越被淹没其中。尤其当前强政策驱动下，盲目攀比服务数量、首贷率、贷款金额、业务增速等各项指标，启动各种未来计划，可能会为日后埋下诸多隐患。

扑面而来的宣传声量和数据比拼，让人不禁生疑，目前，科技赋能小微信贷到底成效几何？科技能在多大程度上破解小微信贷难题？科技真的能够破解“不可能三角”——这一小微信贷顽疾吗？

“上帝归上帝，凯撒归凯撒”

“小微信贷有两大难题，科技能解决的还不到一半。”品钛小微业务相关负责人坦言道。在他看来，小微金融主要存在两大挑战，一是风险控制，二是综合收益，而科技目前能起到的作用更多限于前者。

具体来说，在风险控制上，由于目前仍有许多小微企业，其生产运营信息没有完全线上化、数字化，经营数据较难获取，尤其是目前月营收规模在15万以下的小微企业免征增值税，导致其本身在税票数据上有缺失，因而以税贷、票贷为主的银行难以对其进行风险评估和授信。这时候，通过聚合支付、企业SaaS软件、商户收款码等工具去提升其线上化比例，抓取经营信息，确实可以解决一部分授信问题。

雷峰网AI金融评论了解到，以网商贷为例，支付宝向商户提供收款码服务的同时，也沉淀下了商户的交易量、好评率、退款率等经营数据，于是网商银行就可以推出网商贷等线上经营性贷款产品。此外，前不久央行出台的关于限制商户使用个人收款码收款等政策，或将推动商户收款码向小小微企业的继续下沉，从而进一步提升了小微企业经营信息的线上化比例。

但在综合收益上，按照目前国家银保监会对普惠的口径：普，要覆盖范围广；惠，要利率优惠。但范围的扩大和下沉会带来更多高风险小微客群，这时候利率又不能太高，于是如何平衡风险收益就变成了一个重大挑战。

“小微信贷的资金成本和定价，更多属于金融业态，更多是一种政策层面的支持。”该负责人解释道。

雷峰网AI金融评论了解到，目前市面上小微企业贷款年化利率基本都在24%以内，其中，国有大行基本在10%以内，股份制银行通常不超过10%，城商行和互联网银行一般在18%以内，18%-24%基本上是小贷在覆盖。

而实际上目前国内普惠型小微贷款利率要远低于10%。据上月23日国务院新闻办公室举行的国务院政策例行吹风会数据，今年10月新发放的普惠小微企业贷款加权平均利率为4.94%。

与此同时，贷款总量和范围一直在不断扩大。今年10月末，普惠小微贷款余额18.6万亿元，同比增长26.7%，并支持小微经营主体4217万户，同比增长34.1%。

这样的情况下，“银行作为商业机构，在兼顾利润目标的同时，要做到既普又惠，会是一个比较大的挑战。”前述负责人表示。

“目前，小微信贷更多解决的是金融服务的‘可得性’。”一位互联网银行人士向雷峰网AI金融评论表示，当下互联网银行更多是通过技术能力降低小微企业接触和获得信贷产品的门槛，提高首贷率，让更多的小微企业能享受到金融服务。

不过该人士也表示小微信贷业务在规模、质量与成本之间难以达到有效平衡而形成的“不可能三角”的问题，实际上是“没法解决的”。

在某外资银行风控经理看来，科技和金融分属不同范畴，两者有明确的边界，科技无法解决金融本身存在的问题。“李小加说得没有错，金融的本质就是借贷，科技只是辅助手段，可以在信息收集、传输、风控上提供助力，也更有效，但并不能改变信贷本质。”

在他看来，如果从效率上来讲，科技的确起到了一定的赋能，但小微企业融资难融资贵，究其本质是因为违约风险高、风控成本高。“如果科技想在此赋能，就需要研究借贷模式，将风险和收益挂钩，但那已不是科技能做的。中国有句古话，救急不救穷。”

科技“还在外围打转”

事实上，自互联网、大数据、人工智能等技术兴起以来，用科技破解小微金融“不可能三角”，类似的话，金融科技公司们就喊了很多年。如今伴随着小微信贷领域的一片火热，同样的表述再度泛起。

“API技术、互联网运营、大数据风控等金融科技的兴起，或许能令小微信贷在规模、质量与成本之间找到最佳的平衡，最终破解不可能三角。”不久前，一位金融科技平台运营总监对21世纪经济报道记者如此表示。

然而事实上，目前科技在破解小微融资困境上，还存在诸多局限性。在舆论宣传中，各家口中的各种生态数据、“嵌入式金融（API）”模式、低代码敏捷化、大数据风控、互联网运营、几十万+风险指标等技术，到底效果几何？还要打一个问号。

以低代码技术为例。小微企业经营风险多元、多变，对信贷风控敏捷性提出了更高要求，一些公司纷纷开始强调自身低代码模式对小微风控的突出作用。但实际上，此类技术对小微风控的赋能更多还是在外围打转，并没有深入到问题的核心。

“低代码提供的敏捷性，更多涉及到风控平台的内部运营，而小微信贷难就难在需要及时快速捕捉其外部风险。”在同盾科技行业安全专家阅微看来，目前用科技赋能小微信贷还存在三大攻坚点，包括风险知识库的构建；在外部不稳定因素下，如何持续关注和优化模型的精准预测和产业链的风险传导。

“尤其在后两点上的敏捷性，是不能依靠代码化的操作，而是要依靠敏捷开发制的无代码或能快速做对比验证的机制来操作，才能够做到。”他表示。

此外，生态数据也是BAT等各大互联网公司在小微信贷风控上高声量的一个宣传点。

对此，阅微认为，做小微信贷风险管理，最核心的是挖掘企业信息，其中最核心的三类数据包括金融机构的内部数据，小微企业相关的工商信息、司法、企业征信等行业数据以及第三方的专业领域服务数据，对这三类数据的高效使用，是支撑模型发挥出关键作用的支撑点。

而目前“互联网公司在自身生态里，能挖到的更多是一些长尾数据的价值，更多是一种信任背书。而对多源异构数据的整合事实上不能局限于某个单一生态中。”阅微表示。

“不可能三角”的新呈现

实际上，长久以来，科技赋能小微信贷的主要方式是通过数字化手段整合数据，解决“信息不对称”问题。但现实是，相比C端个人信息领域，小微企业的数字化长期增速缓慢、程度滞后，其背后的原因，很大程度上超出了技术的范畴，涉及用户习惯、市场教育、业务形态、商业考量等更广泛的因素。

目前，很多小微企业，尤其小小微企业，其日常经营对线上化、标准化的需求不大，缺乏相应的场景；同时也有部分小微企业主不知道如何使用技术工具将业务流水数据转化为自己的征信数据。这些都导致了小微企业经营信息线上化的比例目前仍不高。

而对于另一部分线上化程度较高的小微企业，他们的问题则是，其数据散落在各个政府部门的公共平台上，如何在合规的前提下，打破数据烟囱，跨系统完成数据采集、加工和分析，建立起全线上、自动化的企业风控模型和评估，并非依靠技术就能实现。

虽然目前各大互联网金融科技公司都在依托各自生态搭建平台，不断拓展着小微金融的服务范围，但在数据安全、生态壁垒等方面都存在自身难以避免的局限性。

在阅微看来，小微信贷行业未来的主流趋势可能在于政务类融资服务平台的市场化，即由政府部门牵头，打通政府部门、金融机构、小微企业的数据共享，开通小微企业贷款申请网站，搭建小微融资服务输出平台。“这样的平台会比互联网平台更加多元化。对数据的安全、利用、共享，以及对应的风险精准刻画和浓度度量，会更有可信力。”

据了解，目前类似的落地案例是唐山市企业综合金融服务平台。该平台由唐山市政府、唐山银行主导建设，三方风控公司提供技术支持，运用人工智能、大数据技术，打通政府相关部门、金融机构、小微企业涉企信息资源，采取“互联网+政务+金融+智能风控”模型，生成企业画像，针对过去融资过程中存在信息不实、信用不足、信任不够等问题，给出了一个创新思路。

今年以来，随着个人消费信贷放缓，越来越多此前专注个人信贷的互联网金融科技平台纷纷大举布局小微企业信贷业务，

近期，在美上市的金融科技“三巨头”陆续披露第三季度财报，财报显示，三季度里，360数科小微贷放贷额度为80亿元，环比增长12.7%；乐信小微贷总额为52亿元，环比增长30%；信也的小微贷为79亿元，环比增长27.4%。

但与此同时，随着金融机构和科技平台到的大量涉足，过去一年小微企业线上获客成本上升了两三倍，使小微贷款业务刚性成本持续走高。

小微信贷在规模、成本、质量之间的“不可能三角”，再次以另一种形式呈现。

写在最后

在雷峰网AI金融评论看来，在科技赋能小微信贷、破解小微信贷“不可能三角”等问题上，业内长期存在”说得多，做得却一般“的反差现象，以及相关的一些迷思与争议。

多位业内人表示，目前业内的相关争议，主要在于对小微信贷不稳定因素的掌控上还存在一些难题，毕竟科技赋能小微信贷，既涉及到技术上的难点，也涉及到非技术领域的挑战，具有多维复杂性。

尽管如此，我们也看到了目前市场上各类平台和机构的诸多探索与努力。

近期，度小满金融启动了“小微加油站”，计划面向全国小微企业主提供总额20亿、年化综合利率最低达到3.65%的小微金融服务。

据了解，该计划与去年底同类计划相比，在保持超低利率的前提下，贷款规模扩大了一倍，并且未来贷款额度还将继续加码，而这背后是度小满在百度生态数据挖掘、技术中台建设、“低代码”模式等科技上的持续发力。

同样，微众银行基于自身生态，通过“银税互动”、分布式银行系统架构、微众企业+全链路商业服务生态等方式，不断降低小微信贷综合服务成本，并结合小微企业经营特性，推出了非金融产品“微众企业+名片”，通过AI技术为小微企业推荐人脉关系，帮助企业做好生意。

而此前就专做小微信贷的网商银行近期也发布了基于数字技术的供应链金融方案“大雁系统”，针对供应链各个环节，上线了包括采购贷、合同贷、票据付、发薪贷、回款宝等产品。

与此前传统供应链金融思路不同，网商银行行长冯亮在接受媒体时曾表示，网商银行在具体授信中并不追求精确，而更关注小微企业在是否优质、所属供应链、金融需求、服务匹配等上的概率，从而实现金融风控逻辑的蜕变。

不难看出，尝试通过各类科技手段，减少小微信贷中的“信息不对称”，提升精细化运营水平，甚至重塑小微信贷业务逻辑，目前已成为各家平台主攻的重点方向。

然而，我们也应该看到，科技赋能小微信贷是一个需要不断完善的命题，绝非朝夕之功，对于科技赋能小微信贷的持续性效果，雷峰网也将保持长期关注。

11月25日，“第五届中国数字银行论坛”在深圳举办，由中小银行互联网金融（深圳）联盟与《中国银行业》杂志社联合主办，深圳市银行业协会与金融壹账通联合协办。

论坛上，近二十位来自政府监管、银行机构、行业协会等专业人士代表，围绕中小银行和大型银行在数字化转型中面临的不同挑战，以及相关的数字人民币背后的本质、未来可能的深刻影响等问题展开了深入探讨。

中国银行业协会党委副书记、秘书长刘峰指出，数字经济当前，数字化转型是银行业迈向高质量发展的重要抓手。

近年来，随着银行业从战略规划、组织架构、业务流程、数据治理、人才结构等五大方面，全面推动数字化转型，银行的价值链也由封闭走向开放。

但是，银行数字化转型过程中还存在着诸多问题，主要包括：一些银行机构数字化转型方向不明确；数据治理缺陷明显、专业人才短缺；经营理念和管理体制僵滞，难以适应数字化经营；对新型风险管理能力不足等问题。

中国建设银行原董事长、东北亚经济研究院院长王洪章也持有类似观点。他认为，目前，资源投入受限、金融科技人才缺乏、技术创新与业务融合度上升空间大、开放合作的广度不足、开放银行战略不够清晰、数字治理的能力待提升等是中小银行数字化转型的主要痛点。

面对这些痛点，他建议中小银行在数字化转型当中，可以更多地和金融科技企业合作，利用现成的技术和能力，走捷径快速实现数字化。

对比中小银行转型现状，近年来大型银行积极建立现代企业制度，参与国际竞争，从顶层设计、组织变革、架构调整、研发投入、人才体系、平台应用等各个层次全面发力，形成金融科技群雄并起的集群现象。

但是，大型银行在对金融科技抱着开放、合作态度的同时，也要提高警惕，把数据安全的保护作为数字化转型当中的重点加以关注。

同时，他认为，在金融科技的成本投入上，数字化转型是为了平衡成本和解决效率低下的问题，但科技创新是无休止的过程，初期大幅度、高强度的投入建设数字银行是可行的，但长期建立高强度的投入就会增加机构运营压力，因此，要审慎地评估和判断，在成本可负担的基础之上来推进数字化转型，要考虑成本与收益之间的相互平衡，要避免高投入、低产出，只有投入无产出是不可持续的。

另外，他认为，数字化应该是从内到外全方位的转变，是价值链和商业模式的重塑。具体来说，中小银行可以做如下尝试：

一，金融科技是为银行改革发展服务的，中小银行应该量力而行，要选择符合自身条件和实际需求的技术研发及应用模式；

二，针对人才的痛点，通过外部金融科技企业专业人才队伍，发展中小银行数字化转型的外脑，有效的弥补中小银行缺失和流失的短板，也可以降低人才培育成本；

三，发展差异化优势，围绕中小银行服务定位，杜绝简单的拿来主义，制定以自身的资源禀赋和环境条件相适应的务实、审慎的数字化转型战略；

四，提高数据的治理能力，建立统一的治理标准；

五，应用新技术构建经营风控体系，通过技术争取减少信息不对称，对数据进行提炼、甄别和使用，在降低风险实现风险收益。

苏州银行党委书记、董事长王兰凤认为，中小银行应该在改革创新中赢得主动，必须把客户体验放在第一位，有效解决风控难题，把科技转型作为连接整个数字化发展的主轴战略，通过特色服务最终实现精准经营。

转型的具体操作层面，中小银行可以根据自身实际情况建立数字化转型路径图，将其作为项目分解来进行管理，具体到责任部门和参与方，建立考核和评价机制，积极打造“金融+服务”、“金融+场景”的探索实践。同时，充分利用地方法人机构的优势，结合当地政府资源及本地特色，打造相应的应用场景，参与数字人民币建设。

对于数字人民币，海王集团首席经济学家、中国银行原副行长王永利分享了他的看法。他认为，数字人民币是数字化的人民币，本质仍然是主权货币，虽然应用了区块链、加密、智能化的技术，但它从根本上并不是去中心的加密货币。

目前数字人民币定位于流通中现金，主要应用于国内的零售支付，未来，是否可实现应用于金融业务，对其扩张规模及满足全社会乃至国际化的需求，充满了想象空间。

数字人民币带来的最大变化，不是客户的体验，而是背后的管理，虽然当前仅应用于零售支付，但并不会对移动支付带来冲击，数字人民币背后的管理可实现有限匿名或保护商业秘密，这是数字人民币发展的一个根本所在。

具体来说，假设所有的金融机构都可开设数字人民币钱包并统一归口央行管理，便可实现由央行管理所有的信息数据，从而对货币实施全方位、全流程的监控，助力货币政策的针对性和有效性，同时，推动大数据的法律确权和数字资产的权益保护。

”无论是数字经济还是数字资产，都有一个核心问题，就是数字资产的确权和权益保护。我们所讲的大数据，都是业务经办方的大数据，因此，数据信息是碎片化且分散的，还没有完整的归集。“他表示。

除此之外，他认为，数字人民币还将带来其他变革，例如带来货币运行载体（软硬钱包的开发、物联网终端支付）和系统开发、用户系统对接培训等商机，同时也会对现金收付、银行卡、非央行数字货币、大型支付公司的数据优势等等产生深刻的冲击。

”最重要是，还将会给央行数字货币的运行体系高效运转和安全运维带来挑战。银行的数字化转型绝对不是一句空话，并不是靠自己就能完成的，还需要国家提供数字基础设施的支持。数字人民币虽然目前在国际上已经走到了较快的行列，但仍然任重而道远。“他强调到。雷峰网雷峰网

在阿杰这样的资深玩家口中，2021年的夏天被唤作NFT Summer。这三个字母似乎凭借知名艺人和NBA球星的参与，和数次令人咋舌的巨额交易，成功破圈，成为今年大火的关键词之一。

NFT，即非同质化代币（Non-fungible Token）。大家熟知的比特币、以太币，则属于同质化代币（FT）。每个NFT作品都具有独一无二的链上序列号，成为其在区块链上唯一的权利凭证。

简单来说，NFT的性质有点像是纪念币：可以流通，每一张都独一无二，可以看做是一张证明其独特性和绝对归属权的电子凭证。它的交易形式、指代的资产类型几乎不受限制，甚至有人说“万物皆可NFT”。

无论你是否了解NFT的真正含义，但你多少听说过这样的事迹：NBA球星库里花了116万人民币买下一个猿猴头像，或是一副NFT作品在佳士得拍出了近7000万美元的天价。

腾讯、阿里、京东等一众互联网巨头，也纷纷躬身入局。

腾讯这套内部特供NFT，据说11月3日前入职的才有

上周四是腾讯的23岁生日，当天发布的内部特供版QQ形象NFT刷屏朋友圈；同样在本月，由蚂蚁链提供底层技术和平台的「神舟五号」3D数字藏品，限量发售的10000份也是上线即售罄。

但这股热度被不少业界人士批评为“只是虚火”。多位长期关注NFT交易的业内人士都向雷锋网表示，大厂推出的NFT“兴趣不大、意思不大”，直言缺乏吸引力，也不大看好它们的未来，“在持续性和规模化上会有一定的瓶颈。”

是大厂们真的做不好？若论入局时机，他们或许来得不算晚，但在数道看不见的红线包围下，可供大厂施展的舞台其实非常有限。

也有投资人认为，这类NFT其实只是互联网巨头们出于社会责任的考虑，支持传统文创的一种手段，“可能就没打算给多少延展性和增值空间。”

是大厂力不从心，被迫让其沦为鸡肋，还是在按兵不动，等待潮水退去？

大厂与NFT的“第二次亲密接触”

在讨论这个问题之前，我们需要注意到，2021年并不是国内互联网公司与NFT的初次相遇。

如果你留心过区块链这些年的热潮，你可能对四年前风靡整个区块链圈子的CryptoKitties（简称加密猫或以太猫）还有印象。此次接受采访的多位业内人士都表示，他们就是在那个时候关注到NFT的存在。

虚拟小猫们通过一套基于区块链的“基因算法”进行世代“繁殖”，每一只都有独特的属性，用户可以购买、繁殖、出售虚拟小猫。

这款养猫游戏多次造成以太坊网络拥堵，最贵的一只当时拍出了17万美元的价格——到了2021年，它已经升值到了80万美元了。

2017年底加密猫的火爆，让区块链上一夜之间开满动物园，互联网大公司也不例外：网易发布过招财猫，百度推出过莱茨狗……但无论是哪个项目，基本都没有了下文。

而今年“翻红”的NFT，已不局限于区块链宠物一种形式，游戏、艺术品、域名、保险、收藏品、虚拟资产等领域均有它的踪影。

阿杰告诉雷锋网，“翻红”的诱因之一应该是Larvalabs（也就是今年大火的CryptoPunk的发行方）发布meebits，和现象级项目bayc的出现。“更深层的原因，应该是去年大红的DeFi（去中心化金融）已经到了阶段性高点，资金又需要新的炒作题材。”

随着数笔天价交易的出现，这场NFT Summer就这样到来，互联网大厂也集体决定乘上NFT的东风。

入局的首要原因，不少业内人士认为，还是赛道占坑的思维。

“错失热点肯定比追错热点要严重，大厂肯定不想看见‘人有我无’这种情况，必须在市场成型前把主动权抓在手里。”

这位区块链从业者也告诉雷锋网，大厂更有余力追逐行业热点，为现有业务带来一些创新实属正常。

而各家的NFT分别基于蚂蚁链、腾讯至信链、京东智臻链等，从更深层次来说，这正是让互联网巨头们原有的区块链布局，找到了一个热度和功能性兼具的落脚点。

“在NFT出来之前，大家都在做金融相关的区块链应用，但大多赚吆喝不赚钱。”加密空间的创始人Mars分析称，不少大家熟知的NFT项目都是内部业务团队在主动布局、积极推进，但“目前还没看到从上到下的战略倾向。”

无论战略规划清晰与否，有一点是可以肯定的：大厂基本都是从自身基因和擅长的领域出发，向人文属性迈进。

阿里似乎更侧重电商，依托于蚂蚁链发布的NFT里，最具蚂蚁特色的莫过于付款码皮肤。自6月份至今，蚂蚁链粉丝粒已发售10余款付款码皮肤。阿里也在淘宝拍卖等平台上，陆续推出了以公益、青年艺术家等为主题的NFT数字艺术拍卖专场。

敦煌系列的人气不容小觑

腾讯则侧重文娱，在自家NFT交易平台“幻核”上，首期限量发售的，正是腾讯新闻知名节目《十三邀》的有声数字藏品NFT。23周年庆的NFT藏品，也是基于经典的QQ形象理念。

百度在这轮热潮中没有直接发行NFT，但百度超级链不久前推出百科艺术计划，表示帮助艺术家将原创作品，用区块链保护版权、流通变现，形式上与NFT藏品颇为接近——三年前，百度已试图结合区块链和自身搜索生态，搭建图片版权平台。

不难看出，对于原先就有文创布局的互联网大厂来说，NFT正是优化、壮大其内容生态的好机会。

因为每个NFT作品与现实中对应的艺术品形成唯一的映射关系，NFT作品的拥有者具有相应的数字所有权，这对创作者的知识产权和内容创新起到一定积极作用。例如网易的首批NFT，就是通过网易文创旗下的“三三工作室”发行。

IP价值在此被更具体地放大，和自有IP、外部IP都形成良性互动，为内容创作者引流、变现，将优秀的创作者和高质量IP更好地留在自己身边。

不过，能把NFT的优势充分发挥的，或许未必是目前已经入局的互联网巨头。

Mars表示，纵观市场上已布局NFT的企业，大家都各有侧重点，“比如对于一些资金与实力雄厚的企业来说，他们主要布局在自身的生态体系内，服务的是品牌自身。”Mars认为，这种方式从现阶段来看具备一定优势，但长远看，也有可能掣肘未来的发展。

相比之下，Mars认为UGC的模式相对来说更符合用户创造价值和商业模式，而字节跳动就是其中的代表企业。

为什么大厂NFT不够香？

互联网巨头们的NFT，何以被认为缺乏吸引力和持续性？

技术，可能是最不用担心的问题。接受采访的从业者多认为，通证流转、防篡改等基础技术并不欠缺，不过大厂的NFT多半基于联盟链发行，而无法基于比特币、以太坊这样的公链，这对资深玩家而言，还是影响了NFT的稀缺性价值，成色和公信力会折损不少。

• 为躲炒作，主动收缩？

“很多玩家看不上大厂NFT，就是因为炒不起来，但是为了合规，大厂宁愿主动牺牲热度。”一位投资人告诉雷锋网，国内的监管红线已经很明显，阻止市场野蛮生长、避免无序追捧再度上演，才是他们的头号任务。

在加密货币的“前车之鉴”下，大厂确实十分谨慎。这从他们对NFT的命名上可见一斑：

在实际发行和宣传的过程中，他们往往会用“数字藏品”“数字艺术品”取代NFT的叫法，尽量避免突出token（代币）属性，减少合规风险。

国盛证券区块链研究院院长宋嘉吉向雷锋网指出，NFT流入市场还是会被炒作，“大厂其实能做的不多，比较受限制。”

主动监测、处理恶意炒作，是思路之一。此前就有用户将蚂蚁链推出的“亚运会数字火炬”，抬出了高达百万的离谱拍卖价。蚂蚁链与阿里拍卖很快联手下架了这起涉嫌网络欺诈的交易，并要求用户持有藏品180天以上才能无偿转赠。

2021年10月底，《数字文创行业自律公约》发布，蚂蚁集团、京东科技、腾讯云等也是签约的一份子。

“公约到底能有多少约束力？市场教育是非常漫长的道路，大量用户对NFT是流于表面的认识和判断，只有炒作牟利的情绪。”该投资人强调，要既不伤害交易热情、又不纵容炒作，把握好流动性的尺度非常重要。

• 价值挖掘不充分？

阻碍大厂NFT发展的，不只是危险的炒作者们。

德鼎创新基金创始人王岳华向雷锋网解释，人们看似只是在追捧NFT的稀缺性，但在表象之下，支撑NFT价值的核心逻辑其实是定价权。

这或许有些令人费解，但我们可以注意到：在NFT出现之后，一个IP、一项权益、一件自主打造的游戏道具，这些无形资产在以往很难被合理定价，或者不见得有被交易的价值，但如今有了更多可能。这也是为什么有业界观点认为，NFT使得人类所能拥有的资产类型和空间呈指数级增长，资产的流动门槛会进一步降低，流通会变得更加简单。

因此，大厂集中布局的数字藏品，只是众多NFT品类中的一种。

“其实还有功能性、资产性的NFT，应用场景很多，也已经跑出了一定的市场，这些让NFT未来真正有被投资的价值。而收藏品的流转范围比较小众，在规模化和持续性上会有一定的瓶颈。”

Nike此前基于以太坊ERC-721协议发出的限量版NFT通证，欧足联推出2万张NFT形式的2020年欧洲足球锦标赛VIP门票，都属于NFT加密应用的“出圈之作”。

甚至DeFi的特性也已在NFT上有所显现：例如借贷平台Rocker NFT，允许用户将NFT艺术作品在平台上抵押并借出一笔加密货币。

但这无数的可能性，在国内能否成真，仍是未知之数。

NFT的机会，与日渐庞大的数字经济市场密不可分，王岳华也强调，NFT功能性的体现不能只是凭证数字化、NFT化，必须赋予其数字经济的含义，和在此之上产生的溢价——不过在现有监管之下，大厂的施展空间确实受限。

结语

当然，大厂做NFT并非一无是处。

它可以与传统文创挂钩，例如阿里帮助博物馆、艺术家试水数字藏品，对传统文化的宣传助力效果显著；或是像腾讯这样，通过NFT完成一次企业文化的传播，一种形式特殊的“团建”。受访者们也表示，看好互联网大厂前期做NFT的普及教育和市场宣发。

在监管风险未知、市场不成熟、有大批潜在炒作者“蹲守”的情况下，大厂以谨慎的姿态进行布局，实属正常，但外界对他们的期望，一定不止于此。

这个新兴领域如迷雾一般，亟待讨论的问题数不胜数。在那些不看好的声音之外，人们也在提问，互联网巨头作为其中重要的生态建设者，可以承担、应当承担多少推进行业发展的责任，能否做出具有中国特色的NFT。

“说不定中国的NFT会有自下而上的发展，会有与国外截然不同的新生事物成长起来。届时可能会冲击大厂的生态，也可能是大厂坐等成熟之后再收割。”那位投资人告诉我们，路径或许会有所不同，但大厂与NFT的缘分，远远不会停留于此。

数字经济时代，数据是新的“石油”，在过去几十年催生出一大批互联网巨头，但现在，新的麻烦出现了，“石油”的开采正在变得越来越难。

一方面，各行业原有数据的价值沉淀和挖掘逐渐饱和，市场对数据深度共创共享的需求激增，但缺少好的沟通桥梁；同时，数据隐私与安全问题凸显，《数据安全法》和《个人信息保护法》等相继被推出实施，野蛮生长变得难以为继，数据“油田”进入精细化经营阶段。

在新阶段，如何认清数据市场的新形势和新规则，找准并解决数据流通的难卡点，实现数据流通与安全两者兼得？正在成为各行业企业的“必答题”。

五年翻七番，但隐忧已现

过去五年，我国数据市场出现爆发式增长，从106亿元到704亿元，涨幅高达约564%，近乎翻了七番。而未来五年，这一规模还将继续攀升。

据国家工业信息安全发展研究中心测算，预计“十四五”期间，我国数据要素市场规模将突破1749亿元，整体进入高速发展期。

来源：《隐私计算与区块链技术融合研究报告（2021）》

然而光明前景的背后，隐忧早已显现。

经过过去二三十年的发展，各行业企业的数据沉淀和价值挖掘已逐渐饱和，原有数据红利已被消耗殆尽。数据价值挖掘进入深度共创阶段，要求不同机构相互间尝试更多的数据共享、样本碰撞、联合建模，独守自己一亩三分的数据“油田”坐吃山空的老路，再也走不通了。 

越来越多的企业思考，如何能打破数据孤岛和应用“烟囱”，在安全、可控的前提下，让数据实现跨界流动和碰撞融合，从而挖掘出更有价值的数据信息，催生出意想不到的新产业、新模式和新机会。

但这对数据安全提出了更高要求。近年来，由数据共享带来的数据滥用、盗用等不良现象层出不穷，越来越多的数据安全事件正在成为公众网络噩梦。

数字化时代，对国家、企业、个人而言，数据安全正在成为重中之重。安全事件一旦出现，往往影响大、损失重，不仅给个人隐私带来威胁，让企业面临经营损失风险，还可能会威胁国家安全。

以企业数据风险为例，IBM与Ponemon Institute对全球17个国家里经历过数据泄露的500多家企业进行调研发现，2021年企业单次的数据泄露事件平均耗费成本约为424万美元，比2020年增幅10%，创下历史新高。

来源：IBM《2021年数据泄露成本报告》

数字化的今天，数据既是基础性战略资源，又是关键性生产要素，如何既能实现数据跨界共享，又能保护数据安全与隐私，已成为新一轮产业变革的焦点和各行业企业的战略重点。 

数据跨界流动，需解好三道题

事实上，数据多方共创、跨界流动的需求一直都在。以“低保查询”为例，一个看似简单的动作，背后是数个政务部门的通力协作。

要判断一个人是否为低保户，需要综合多维度信息，如纳税情况、不动产信息、车辆情况等，但这些数据分散于纳税局、房管局、车管局等，需要各部门参与进来，通过交互核实，产生一个新的数据，来证明该人是否为低保户。

之所以如此复杂，是因为民生数据通常涉及个人敏感隐私，数据价值极大，数据的汇总往往更容易招致攻击，出于风险考虑，这些多维度数据，只能协作而不能聚集。

而实际生活中，类似的案例还有很多。数据跨行业、跨机构流转共创已是大势所趋，但眼下，数据流通上仍有三大卡点。

除了上面提到的安全挑战外，数据确权也是拦在数据流通面前的一大障碍。

数据确权，通俗来说是要解决：这是谁的数据？数据价格是多少，怎么流转？ 

在著名经济学家科斯的理论中，只有当契约完备、产权清晰，市场机制才能有效运行。同理在数字经济领域，明确的数据产权是数据市场健康发展的必要条件。

事实上，关于数据有没有所有权、所有权归谁，长期以来一直存在广泛争议。数据是资产，但与物理资产有很大区别。不同于物理资产“一物一权”的产权唯一性，数据可以被轻易复制，再加上单一数据可能并不具有价值，只有在共享和规模化中才能具有价值的特点，让数据确权变得非常复杂和艰难。

更重要的是，数据产权的明晰与否也直接关系到如何在不同主体间分配数据收益、义务和责任。

确权的困难，在一定程度上也带来了数据市场上责权分配的诸多乱象。

比如，网民作为海量数据的原始提供者，却在大数据杀熟和网络电信诈骗中屡屡遭受损失；企业间数据的非法窃取、非法交易、非法利用，严重影响了企业利益和数字经济的安全发展。

不难看出，数据流通在安全、确权、责权分配三方面的风险，已成为当前数据高效安全流通的关键卡点。而这需要制度和技术的双管齐下。

着眼于这些新形势，近年来，我国不仅多次将数字经济写入政府工作报告，并先后发布了一系列鼓励数字经济发展的政策规划，更是相继推出《数据安全法》和《个人信息保护法》，加速数据产业合规发展。

但在政策法规外，如何尽快探索出相应的创新技术，让数据流通和价值挖掘在有法可依之外，还能有“技”可施，同样紧迫。

1+1还不行，必须原生级融合

面对多源异构的海量数据，如何在技术上既能实现数据价值的跨界流动，同时又能保护数据安全与隐私？目前业内的普遍共识是：隐私计算与区块链技术相融合是一个好方向。

概括来讲，隐私计算技术在加密状态下对数据进行计算和分析，实现数据价值的提取；区块链技术分布式记账、可追溯的特性为数据价值的转移提供了必要的基础，两者结合为数字安全高效流通和数字经济发展提供了技术基础。

技术融合的尝试出于复杂、多元的现实需求。任何单一技术都有一定的使用范围，仅靠单一技术难以满足数据可信溯源、数据安全审计、 数据权属界定和责权分配等一系列问题。只有从单一技术走向融合技术，才能满足数据安全流通的多种需求。

技术源头上，隐私计算与区块链同属密码学产物，同源异流之下具有天然互补性，因此区块链企业纷纷凭借技术积淀和业务驱动，率先探索两者融合。据中国信通院牵头撰写的《隐私计算与区块链技术融合研究报告（2021）》指出，目前国内 56 项隐私计算产品，其中 21 项出自区块链背景企业。

来源：《隐私计算与区块链技术融合研究报告（2021）》

技术融合的方向是对的。但目前行业内的通用做法是通过双系统架构将两者简单结合。在实际应用中，不仅费时费钱，还存在安全隐忧。

具体来说，客户需要采购和配置两套系统才能实现协作目标，而且在协作过程中，两套系统的适配能力和安全性也存在挑战。

在蚂蚁链技术总监闫莺看来，未来各行各业的跨界协作中，数据隐私保护将成为底层需求，区块链与隐私计算的结合不应该是一个简单的1+1组合，而要深度融合。

那什么才算是真正的深度融合？

“实现数据价值的转移需要面向数据全生命周期来思考，因此隐私计算应该直接原生在区块链网络平台上。就像当年智能手机集成电话、相机、音乐播放器等功能一样，打破技术边界，在出厂设置时，就将隐私计算和区块链一起融合到单个系统内。” 闫莺表示。

据她介绍，在这样的思路下，蚂蚁链提出了原生计算流转架构，并基于此打造了「FAIR」平台，融合多方安全计算（MPC）、可信执行环境（TEE）、联邦学习（FL）三大主流隐私计算技术，扩展区块链网络，让每一个区块链节点都成为一个隐私计算节点。

据了解，「FAIR」平台还通过深度融合软硬件技术，构建了自主安全计算硬件并获得CFCA安全认证，联合达摩院计算技术实验室和阿里安全双子座实验室等团队设计的全同态硬件加速，实现了百倍以上的性能提升。「FAIR」平台也成为国内第一个同时融合隐私计算和区块链技术的平台。

事实上，今年是“十四五”开局之年，也是落实“打造数字经济新优势”规划目标的关键之年，今年以来，各行业数字化转型进入快速成长期，数字经济处于规模化前夜。

面对数据协作共享的海量需求，只有原生级技术融合，才能支撑起大规模的产业节奏，数字技术深度融合创新已成必然趋势。

结语

接下来，随着大规模产业协作的数字化浪潮到来，跨行业、跨区域、跨机构的数据价值流转将会呈指数级增长，越来越多的“数据孤岛”终将连成一片“数据群岛”。

只有不断尝试融合区块链、隐私计算、人工智能、大数据、AIoT等多种技术，以及法律法规、监管治理等诸多策略，进而大规模改变数据共享、治理和使用方式，才有可能建立起一个数据安全高效流通、价值共创共享的数字社会。

而今天的隐私计算在链原生，只是数字技术相互间碰撞交融、带动新一轮科技革命与产业变革的第一步。雷锋网雷锋网

随着云计算、大数据、人工智能（AI）等技术日渐成熟，它们与金融产品和服务场景的结合也日趋紧密。借助AI技术（包括深度学习、机器学习和自然语言处理等）和高性能计算平台，金融服务机构正在加强加快智能风控、精准营销获客、智能客服、算法交易、投资组合优化等应用，以数据驱动的方式来保持行业先进性和竞争优势。

为了探索 AI 在金融服务业中的应用及发展方向，DDN 公司将于11月24日 (周三) 下午举办一场在线研讨会，邀请国内金融领域的学者和业界技术专家分享金融服务业中最典型的AI应用与实践经验，以及如何规划面向AI应用的IT架构。如果您关注AI在量化交易、智能投研方面的应用，金融大数据处理，以及面向AI应用的IT架构, 一定不要错过!

会议日程

2021年11月24日

本次研讨会将邀请金融科技公司、投资公司、银行、保险、证券、期货等机构的CTO、CIO、IT经理和系统管理人员、量化分析师、数据科学家、AI/机器学习/计算/存储/IT架构师参会，欢迎您免费注册参会！

点击或复制此链接 http://ddnstorage.mikecrm.com/QFSBshQ 即可免费注册参会

嘉宾简介及报告摘要

张纯信

复旦大学 泛海国际金融学院学术副院长、金融科技研究中心主任

张纯信博士现任复旦大学泛海国际金融学院金融学教授、金融科技研究中心主任，香港中文大学客座教授。张教授的主要研究领域包括金融科技、投资学、公司金融等。曾荣获美国国家荣誉学者称号。他在国际著名刊物如Journal of Financial Economics, Journal of Corporate Finance,   Journal of International Money and Finance, Journal of Derivatives 和 Financial Management 等发表多篇论文。张教授于2003年获得加州大学伯克利分校金融学博士学位。在此之前，他获得了宾夕法尼亚大学沃顿商学院、工程和应用科学学院的金融学学士和电子工程学士学位（1998年）。

报告题目：人工智能在金融服务业的应用现状和发展趋势

报告摘要：人工智能目前已渗透到各行各业，从精准营销到社交媒体，从交通到通信，金融行业也不例外。AI和大数据在获客及客服，成本与风险管理方面都有了相当广泛的应用并取得一定效果，同时对信息不对称和相应的投资策略也有了极大的提升，可以说AI重新定位了整个行业的重要指标和盈利模式。本报告基于复旦大学泛海国际金融学院过去三年对行业精华的持续跟踪，结合学术研究、行业专家知识，新商业模式等调研对AI在金融服务业的发展趋势进行了分析并展望各相关机构和认识参考。

杨志雷

DDN 销售总监

杨志雷先生负责DDN在中国高性能计算、生命科学以及其他高速数据访问、处理领域的市场行销与业务拓展工作，他在磁盘存储、并行文件系统、备份容灾、虚拟化以及高性能计算系统设计方面具备丰富的产品及技术实践积累，并有着深厚的用户、行业、渠道拓展与项目管理经验。杨先生在存储领域有20多年的从业经历，在加入DDN之前，他还曾担任InfiniBand交换设备全球领导厂商Voltaire中国区首席代表、技术总监等职，全程参与了国家863计划百万亿次计算机（联想深腾7000、曙光5000A）以及千万亿次计算机天河1号等HPC系统设计与安装调优工作，是InfiniBand技术在中国广泛应用的功勋人物。 

报告题目：DDN高性能存储在金融服务业的应用案例

报告摘要：金融服务领域对数据分析、模型计算的需求越来越高，DDN与合作伙伴共同打造的面向金融应用需求的解决方案已逐步在全球各地的对冲基金、投资银行、风险投资公司、证券和保险公司、零售银行以及在线支付公司落地。本次报告分享DDN高性能存储解决方案在金融领域的几个案例，并展示DDN方案的特点和技术优势。

王子田

北京智速科技有限公司 CEO

王子田 北京大学博士，专注人工智能、金融建模、量化交易方向。具有10年数量化交易系统研发经验，曾参与百余家量化机构调研，熟悉中国量化行业。2018年创立北京智速科技有限公司并任CEO，目前还担任中国科学院网络信息中心客座研究员。曾获“北京大学信息学院2009年度学术十杰”称号。在经济与信息学国际期刊有多篇文章发表。2010至2016年主持的多个研究与实践项目获得中国人民银行科技发展奖。

报告题目：量化交易：技术、案例与实践  

报告摘要：本报告介绍量化交易与主观交易的关系，量化投资的核心目标、中国量化投资产业的发展路径，并通过实际案例介绍量化投资与高性能计算如何深度结合，创造超额收益。

赵凡

英伟达中国区 金融领域高级解决方案架构师

赵凡博士主要负责协助英伟达金融领域的客户构建面向大数据分析及人工智能的软硬件系统方案，并为金融领域的相关客户和服务商提供技术支持。

报告题目：人工智能在量化投研领域中的应用

报告摘要：如何对金融市场建模并取得超额收益一直都是证券研究的热点话题。随着近几年人工智能的普遍应用，越来越多的研究者尝试使用人工智能技术对金融市场进行建模预测及交易。本报告将简要介绍机器学习、NLP、强化学习等技术在量化投研领域的应用，同时围绕量化投研方面的技术需求，简要介绍英伟达公司的相关软硬件生态。

付杰

世界500强某保险集团IT

付杰先生就职于世界500强某保险集团IT部门，拥有20年基础架构规划、设计、实施和运维经验。同时担任保险IT圈自媒体公众号“落风潭”主笔。

报告题目：面向AI应用的IT架构规划

报告摘要：本报告首先介绍人工智能（AI）应用对IT架构提出的需求和挑战，以及面向AI应用的架构与传统IT架构的区别。在回顾存储产品演进历程和预测未来发展趋势的基础上，从用户的角度出发提出一些实用的存储选型建议。

李凡

DDN  存储解决方案架构师

李凡先生拥有近20年存储行业从业经历，专注于人工智能、高性能计算及大数据领域的存储产品解决方案，具有丰富的大规模数据存储设计和建设实践经验。

报告题目：DDN存储架构及金融行业解决方案

报告摘要：随着“大数据+AI算法”时代的来临，金融服务业中的量化交易已经从简单的“算法+数据库”演化到“机器学习+深度理解”的状态。DDN高速并行存储解决方案配合AI加速计算单元，可提升计算效率，更好地帮助客户解决困境，迎接挑战。

许盼兮 

上海雅捷信息技术公司 GPU数据库产品总监

许盼兮先生在雅捷信息主要负责GPU技术研发、高性能大数据产品开发、以及金融大数据解决方案的相关工作。许先生毕业于武汉大学电子与通信工程专业，研究方向为GPU高性能计算。他具备十年以上的GPU开发经验，参与开发了一系列GPU相关的高性能软件产品，涵盖石油勘探、安防监控、数据处理等方向。

报告题目：GPU数据库DataTurbines在金融大数据中的应用

报告摘要：随着大数据时代来临，企业客户数据出现井喷，随之而来的是以分布式数据库为代表的大数据技术的大规模应用。海量数据带来的是数据IO以及计算压力的指数上升。GPU数据库旨在通过GPU硬件上的大缓存、高带宽、多核心等优势，解决当前分布式数据库面临的分布式集群实时响应慢、算力有限以及扩容大集群带来的功耗墙、IO墙等问题。特别是金融OLAP场景下，DataTurbines凭借自研的GPU并行加速算法，结合已经落地的众多案例，给出通用GPU计算技术在大数据背景下的新方案。

关于DDN公司

DataDirect Networks（DDN）公司1998年在美国洛杉矶成立，是全球最大的私营数据存储企业，其存储和数据管理解决方案在高性能计算 (HPC)，人工智能 (AI)，大数据，以及多云管理领域处于市场领先地位。DDN帮助企业，服务提供商，研究机构和政府部门更快地从数据信息中获得见解，并产生更多的价值。DDN为全球三分之二的顶级超级计算机提供了存储和数据管理解决方案，包括最快的超级计算机Fugaku和最大的商用AI系统 SELENE。DDN于2000年进入中国市场，中国总部和DDN全球十大技术中心之一均设在上海。目前中国团队包括 Lustre文件系统研发、售前/售后技术支持、销售和市场。中国本地的技术团队已具备设计、实施和服务的全方位能力，可以提供从L1至L3的原厂技术服务。

点击或复制链接 https://mp.weixin.qq.com/s/afv4R47byPsP4TNHWcQm_g 即可关注DDN微信公众号

雷锋网

据财联社消息，印度版“支付宝”Paytm上市又有新进展。

数据显示其于昨日将IPO股票定价为2150卢比（约合28.9美元），是此前公布的每股2080-2150卢比价格区间的上限，这意味着本次IPO募资规模达到1830亿卢比（约合24.5亿美元），将超过2010年印度国有煤炭公司Coal India1500亿卢比的上市融资，一举成为印度有史以来最大规模的IPO。

据相关机构预计，Paytm 股票将在11月18日左右正式在印度国家证券交易所（NSE）和孟买证券交易所（BSE）交易。

公开资料显示，Paytm母公司为One97 Communication，按照股权结构，Paytm创始人Vijay Sharma夏尔马持有母公司14.61%的股份，蚂蚁集团持股30.33%，软银集团持股18.73%，阿里持股7.32%。

不难看出，蚂蚁集团为Paytm上市前最大单一大股东，伴随着Paytm的上市，蚂蚁也将成为此次IPO最大赢家。

五年三投Paytm，蚂蚁即将收割印度最大IPO

Paytm成立于2009年，最初以移动充值服务起家，与印度移动运营商合作，覆盖手机充值、卫星直播电视等场景。

2015年，蚂蚁集团开始出征海外，首站选在了人口众多、市场蓝海的印度。

2015年至2019年间，蚂蚁三次投资Paytm：2015年年初一次；同年9月又与阿里巴巴一起向Paytm进行了第二轮投资，并成为该公司第一大股东；2019年底，蚂蚁又与软银一起领投了Paytm10亿美元的E轮融资，持股份额继续领先。

除资金支持外，蚂蚁也从技术和商业模式上持续帮助Paytm复刻出印度版“支付宝”。不仅派工程师到印度，帮助Paytm解决应用架构、扩展性和稳定性方面的问题，在应用场景上，也帮助Paytm从最初的充值场景拓展至打车、电影、机票等生活场景，以及财富管理、保险、信贷、股票经纪等泛金融业务。

Paytm创始人夏尔马曾在一次媒体采访时表示，“我们和蚂蚁金服的目标是在2020年之前，把印度5亿人口搬到Paytm移动平台上面”。

就这样，在蚂蚁的加持下，Paytm一路成长为印度第一、全球第三大电子钱包。

据招股书披露，2021年财年，Paytm已实现GMV（商品交易总额）40330亿卢比（约合人民币3472.4亿元）；整体支付交易量占据印度市场约40%份额，钱包支付占据市场份额为65%至70%。

用户数上，2015年蚂蚁投资前，Paytm的用户数仅为2500万，之后猛增至2018年的2.5亿，而截至2021年3月底，Paytm已拥有约3.33亿的个人用户和超过2110万的商家用户。

失之东隅，收之海外“新钱包”

Paytm的上市，并不是蚂蚁近期在海外支付布局上的唯一丰收案例。

早在本月初，韩国最大的移动支付平台Kakao Pay就抢先一步在韩国首尔证交所上市。蚂蚁为其第二大股东，持有39.1%股份，大股东为其母公司Kakao，持有47.8%股份。

Kakao Pay成立于2014年，为韩国最大聊天软件、素有韩国版“微信”之称的Kakao内置的支付平台，后从Kakao剥离独立运营。

据招股书，截至2021年7月，Kakao Pay已拥有3660万用户，而韩国总人数为5167万，即多达70%的韩国人都在使用该平台。

值得一提的是，Kakao Pay原计划于8月上市，但由于韩国对金融科技公司加强了监管，该公司上市计划曾遭遇两次延迟。韩国经济新闻曾对此评论称，韩国在电子支付领域的大举反垄断是在“跟随中国的脚步”。

除了已经变现的Kakao Pay和即将变现的Paytm外，蚂蚁还有一大批等待变现的种子选手们。

从2015年开始布局海外支付至今，依靠“股权投资+技术输出”的打法，蚂蚁一路快马加鞭，先后“入股扶持”了一大批海外本地支付平台。

2016年起，蚂蚁和泰国支付公司Ascend Money展开战略合作，共同打造泰国版钱包TrueMoney；投资韩国Kakao旗下移动金融子公司Kakao Pay；投资菲律宾Globe旗下的数字金融公司Mynt；和印尼本地公司合作推出数字钱包DANA；推出面向香港用户的独立电子钱包App AlipayHK；与马来西亚联昌国际银行组建合资公司；在巴基斯坦打造手机钱包Easypaisa；和孟加拉国公司打造本地版支付宝。

这一系列布局与蚂蚁2017年在官网透露的“将在数个‘一带一路’沿线国家复制‘支付宝’”这一出海策略相一致。

事实上，与习惯信用卡支付的欧美国家不同，东南亚地区拥有高达 6.5亿多的人口，且华人众多，对互联网支付方式接受起来会更快，随着韩国和印度版“支付宝”的上市，这些东南亚“支付宝”们也有望加快上市步伐。这意味着在如今流量停滞、监管严苛的环境下，国外这批支付公司有可能成为蚂蚁集团未来几年的“新钱包”。雷锋网雷锋网

据了解，欢句科技已在此前1年内连续获得联想之星和仁智资本等多家机构投资。

公开资料显示，欢句科技运营主体深圳匠人网络科技有限公司一直致力于为金融机构提供音视频营销科技产品、音视频内容和综合营销解决方案。其团队由多名来自腾讯、阿里、招商等优秀大型企业的资深管理层联合创办，创始团队同时拥有互联网和金融领域多年成功经验。欢句科技创始人兼CEO李涛拥有15年“互联网+金融”从业经历，曾先后担任腾讯财付通创始产品经理及招商基金互金部总经理，打造过多个业界“首例”标杆项目，如：行业首例 “余额宝”——易管家、招行朝朝盈等项目，并牵头完成了微信首只定期基金产品落地，具备千万级用户+千亿级财富管理实战运营和团队管理经验。

经过多年积累，欢句科技旗下欢句直播、音视频内容库、视听中心、音视频企业微信助手、欢句推等业务已形成独具特色的服务矩阵，在金融领域有着极高的市场渗透率。目前，欢句已与大型国有/股份制商业银行、券商、基金、保险等8个金融子行业的数百家头部持牌机构建立深度合作，在其中的公募基金行业已实现超8成覆盖率，并凭借卓越的技术和服务成为腾讯高级别战略合作伙伴。

对于投资欢句，红杉中国合伙人郑庆生表示，欢句科技打造的基于音视频内容的全套系统及营销服务，为传统金融机构从竞争中突围提供了有效的工具和方法，使得金融营销拥有了更具穿透力的信息承载形态，有望大幅提升整个行业的信息传导效率和营销服务效率。我们相信欢句团队能够依托已经建立的壁垒和优势，在未来加速打开系列产品的应用范围和场景，帮助更多的金融机构加快财富管理转型升级，促进中国财富管理市场的进一步繁荣。

顺为资本副总裁汪若凡表示，很高兴能参与到欢句科技发展的关键历程。欢句以极短时间将首款产品——欢句直播从零推到市场领先地位，同时有多款配套产品和服务先后在市场中落地，快速证明了其团队极强的市场洞察力、专业性和执行力。欢句科技创始人李涛同时拥有互联网和金融领域多年成功经验，对金融营销核心痛点、客户价值，有着独特而深刻的理解。其核心团队不仅具有多年行业经验和技术沉淀，同时具备向空白市场挑战新产品、新技术的勇气和能力。这些成果和团队特质使我们长期看好欢句的未来。我们认为，随着公司战略布局的逐步落地，欢句科技非常有希望成为营销科技领域的长青领军企业，为社会创造更大价值。雷锋网

“神经绷得比较紧。”一位互联网业内人士向雷锋网如此描述他感受到的氛围。互联互通以来，面对阿里系App接连不断接入微信支付，向其开放支付场景，微信和腾讯似乎都在承受着不小的压力。

据了解，自9月底以来，阿里巴巴旗下包括饿了么、优酷、大麦、考拉海购、书旗在内的多款App都已接入微信支付，淘特、闲鱼、盒马等App也已提出接入申请，正在等待微信审核。而其中淘特更显主动，自今年2月向微信申请开通小程序和微信支付未果后，淘特不久前选择先行一步，通过和微信有合作关系的第三方支付机构合作，以微信扫码付的方式“曲线”接入了微信支付。

面对淘系App的积极“示好”，腾讯和微信似乎并没有如期回应，而是更显迂回谨慎，选择了先把重心放在与银联云闪付的互通合作上。在互联网拆墙破壁的大背景下，阿里和腾讯不同处事风格的背后，是否有着更深层次的原因？

有名无实的支付机会

”淘系App接入微信支付，看似利好后者，但对微信支付来说，其实并没有多香。“一位支付业内人士评价道。而原因也比较多，比如在支付环节的页面中不同支付选项的先后排列次序不同、以往的用户习惯、自动支付的设置、以及是否有分期产品等都会影响到用户的支付选择。而结果通常是新接入的支付方式几乎很难获得被消费者选择的机会，多少显得有名无实。

”支付环节的开放，并不是完全的新鲜事。“另一位业内人士表示，一款App支持多种支付方式由来已久，不同支付方式受到不同待遇的现象也很常见，去年美团App还因折叠和隐藏支付宝选项而遭反垄断诉讼，此类事件虽有争议，但对行业并没有产生多大影响。

目前各大App上，排名靠前的支付选项大都是平台自有支付，外部接入的其他支付选项都会往后排。在平台的自动勾选设置下，自有支付往往会获得最多的支付机会。

那为了增加支付机会，不同支付之间是否会通过补贴大战或分期优惠的方式去掀起新一轮的内卷竞争？几位业内人给到的回复是：很难。

“很早以前支付在C端就几乎没什么竞争了。除了支付宝、微信支付和云闪付外，其他机构很难再有机会。而且对微信支付和支付宝来说，已经过了市场拓客环节，体量差不多固定下来了，再加上之前一直推的支付降费让支付变成了一个小额便民工具，这样的情况下，再去打支付补贴战，既没有好处，也没有意义。” 前述业内人分析道。至于新增分期服务或分期优惠，在他看来，因为涉及到各平台核心支付场景所搭载的一些业务逻辑，各平台应该不会给其他外来支付在这方面留出更多空间。” 

此外，对聚合支付等其他业务的影响，目前看来也不大。对此乐刷科技相关业务人士表示，目前大互联网公司之间的生态互通主要是线上链接的互认，而像乐刷科技这样的支付机构主要是为线下商户提供服务，并且也不只是提供聚合支付服务，还会提供其他的一些核心安全能力，如KYC审查、反洗钱审查、合规和商户资金安全等服务。不过他也表示，互联互通是国家工信部要求，在安全的基础上分阶段分步骤执行，周期性较长，至于最终到底会产生什么样的影响，还有待确认。

并不对等的筹码

对支付影响不大，但对股价却影响不小。此前9月28日阿里对外确认旗下多款App已接入微信支付后，阿里股价随即迎来了一波久违的大涨，股价重回150港元上方，收盘大涨6.34%，市值单日飙升近两千亿港元。显然，阿里被视为解除外链屏蔽更获益的一方。而在更早之前，工信部互联互通的消息传出后，拼多多股价则出现5个交易日连续下跌。这一涨一跌背后，反映的其实是破壁互通对互联网商业交易体系核心要素——“流量”带来的重大影响。

”淘系App想要的更多，支付不是他们最终的目的。“一位电商业内人士表示。在他看来，淘特目前对微信支付的曲线接入，与其说是一种“示好”，不如说是一种“施压”，比起支付层面的互通，打通小程序等微信生态入口显然更具价值。

实际上，淘特自去年3月上线以来，已经走出了一条爆发式增长曲线，目前用户量超过1.9亿人，仅2021年上半年净增活跃消费者就近1亿。但这些成绩在月活高达12亿的微信面前，都变成了巨大的落差。打开微信生态，低成本快速获取新增流量，对背负巨大流量焦虑的淘系App来说，无疑极具诱惑力。而淘特产品负责人邹衍则在不久前的业务发展发布会上直接表示，微信扫码付是在直连微信支付进展缓慢的背景下启动的，希望早日和微信直连。

一个是味如鸡肋的支付机会，一个是实打实的新增流量，双方手里的筹码似乎并不对等。不仅如此，淘特的崛起，反而会给作为拼多多第二大股东的腾讯造成一定的压力。

淘特2020年刚出道时，就被外界认为是阿里版的拼多多。此后的成长过程中，淘特多次模仿拼多多的各种打法，两者也不断被拿来比较。拼多多的成功离不开微信生态的帮助，便利的小程序入口和“砍一刀”等的社交玩法，让拼多多在高速的用户裂变中飞速成长起来，而这一切正是淘特所急需的。

产业供应链是阿里巴巴赋予淘特的优势，如果再加上微信生态流量的助力，淘特对拼多多将会形成不小冲击。可能正是看到了这种潜在威胁，微信一直未向淘特开放，淘特事业部总经理汪海曾透露，早在今年2月，淘特就向微信提交了小程序和微信支付申请，但至今仍停留在审核中。

平台竞合何去何从 

不可忽视的是，此次互联互通的一个大背景是反垄断。在中国（深圳）综合开发研究院新经济研究所执行所长曹钟雄看来，“目前各互联网平台在配合开放互通的过程中，基于各自利益、各种利害关系的考量可能会更多一点，平台可能会优先选择能够可控或比较有把握的一些领域和合作方先去开放、合作。”

在他看来，互联互通确实是消除当前平台经济发展既存问题的一种比较好的解决方案，但在做好平台互联互通的同时，也要高度重视可能出现的安全隐忧，比如在互通过程中是否会形成垃圾信息、有害信息的泛滥，是否会形成新的共谋垄断，是否会导致平台间相互伤害，或者一方获益一方受损的情况发生等等，都是需要思考的问题。“最好是能够建立起一套机制或搭建一个平台，让平台们可以通过加强对话或商业合作的方式，在利益对等的前提下共同去推动互联互通。”

“开放是大趋势，平台间开放的尝试值得肯定，同时也可以给平台们一些适应时间，允许其谨慎有序地安排自己的开放节奏和开放对象。既兼顾平台本身业务发展的有序，也兼顾对平台用户的保护，而非运动式、一蹴而就地全开放。” 曹钟雄向雷锋网表示。

事实上，互联互通不仅是国内平台需要面对的问题，谷歌、苹果、Facebook、亚马逊等全球性的公司同样需要面对，各国都处在摸索阶段，过程中的竞合走势，在国内外未有先例的情况下难以预测。

“‘互联互通是发展中要解决的问题’隐含着两个概念，一个是发展，一个是问题。所有的解决问题还是为了发展，这是最基本的问题。” 曹钟雄表示。

在他看来，除了平台间的互联互通，平台企业加强向制造业，向中小微企业、政府公共部门开放，为实体经济的发展、政府治理、中小企业创新创业等提供更多的赋能，同样具有重要价值。

话虽如此，但也有业内人士认为，如果不直面城池堡垒艰难破壁的第一步，而采取延缓迂回的替代方案，是否又会引发巨型平台新一轮的跨界扩张，同样难讲。

数据，已经成为土地、劳动力、资本、技术之后的第五种生产要素。它是21世纪的“钻石矿”，也是新时代的石油。

Statista报告显示，2020年全球大数据市场收入规模接近600亿美元，预期增速将达到14%。IDC数据显示，2020年，全球创造了59.0ZB的数据，其中50.4%的数据需要保护。

隐私计算因其保护数据隐私、消除数据孤岛、弥合信任鸿沟、释放数据市场巨大潜力等诸多层面的特性，成为一道通往数字时代的传送门。

2019年之前，隐私计算只是少数派的自娱自乐，2021年，入场的企业飙升至几百家。

互联网巨头、金融机构、区块链企业、初创型科技企业、数据安全企业，不同属性的玩家纷纷入局。

原本小众的市场一下子成为了香饽饽。一时间，隐私计算赛道热闹非凡、高手如云。

2020年，“隐私计算元年”来临。

WeLab汇立集团，就是那个“少数派”。旗下的天冕科技早在2017年就认识到隐私计算价值，在风口来临之前，已经开始产品研发、手持多项专利，成为众多科创企业中最早布局隐私计算赛道的公司之一。截至2021年3月，WeLab融资规模已超42亿元。

这家企业为何能跑得早、跑得快？

先行业之忧

第三次互联网大浪潮中，PC互联网到移动互联网，互联网出现井喷式发展。

社交、团购、打车、金融......似乎一切皆可互联网化，新概念、新平台层出不穷。

长久以来，互联网平台和用户之间似乎达成某种共识：

享受免费服务，就应该提供数据。

但这种共识，隐藏着隐私安全、信息泄露的风险。

WeLab隐隐感觉到，隐私安全和数据安全会成为隐患。

“尤其是金融行业，如何在取得有效信息的前提下保护这些数据，是我们担心的。”WeLab汇立集团首席研发官吴焕明说道。

但彼时，互联网行业沉浸在狂欢中，隐私安全被推搡到墙角；国家层面也缺乏相应的政策和制度。

也就是自那时，WeLab开始关注数据安全和隐私安全，并进行早期思考和技术探索，其旗下的天冕科技是这条道路上主力军。

在线支付让“互联网金融”成为充满想象力，在运用互联网大数据解决金融风控问题的同时，如何充分保护用户隐私，当时业内并没有技术层面的解决方案。

“现在大部分采用的是密码学，之前密码学通常的直接用法是保护数据，而很少有把保护数据和利用数据两件事放在一起考虑。”

直到2017年9月，吴焕明参加清华大学举办的金融科技大会，中国科学院院士、清华大学交叉信息研究院院长姚期智提出，当下中国金融科技发展面临的挑战，最主要的是信任问题，而信任问题的核心又在于，金融风控、隐私保护、政府监管三方面如何平衡。关于如何解决信任问题，姚期智提到了用密码学解决金融科技问题，通过多方安全计算保护隐私。

“我当时就非常受启发，回来就去着手研究。”

找到方向后，吴焕明团队迅速开始了对多方安全计算以及相关的隐私计算的研究。

在这之后，他们经历了漫长的行业拓荒期，其中就包括技术和产业之间存在的巨大沟壑。

“技术层面，有论文，有算法，有代码，但这些属于科学家，而不是产业界。”吴焕明表示，产业和科学家相互理解并不容易，双方需要强的技术或行业背景知识，代码真正跑起来，门槛很高。

没有前人可以指引，没有路径可以依赖，在那段道路泥泞的日子里，WeLab始终没有放弃对隐私计算的探索。

好在，苦心人天不负，他们还真捣鼓出了东西。

2018年1月，天冕发明了“欺诈检测和风险评估方法、系统、设备及存储介质”的评估方法。

这项边缘计算技术，凿开了隐私计算的一道口子，也是天冕在隐私计算上的第一个专利。

从这个专利开始，天冕展开了对隐私计算技术的深入探索，其衍生的产品亦一直坚持自主研发。2019年，隐私计算的技术落地在天冕科技内部正式立项。

研发是科技企业的生命线，摸索出路径的WeLab开始毫不犹豫地投入大量资源。2019年，WeLab全面上线了高维向量检索——ANN算法，运用这一算法可更高效地检测欺诈行为，并且摆脱了常规欺诈检测算法需要直接访问大量用户数据的问题，保护了用户隐私。

2019年底，WeLab汇立集团创始人及CEO龙沛智发布了2020年三大战略，隐私计算不仅是WeLab集团的三大战略目标之一，也是集团创新研究中心的研发重点，天冕科技更是投入了50%研发人员在隐私计算上。

据悉，天冕在隐私计算方面已经积累了十余项专利。目前合作伙伴已突破700家

后行业之乐

谈到护城河，吴焕明回答：

其实我不是特别想用护城河这个词，现阶段的目标不是攻打、围猎，我希望开放和共同进步。

我们的态度是，包括金融在内的其他行业都开始使用这项技术，当行业起来了，我们再来谈竞争。

市场如此火热，行业为何“没起来”？

隐私计算技术发明的初衷，是参与者的隐私安全和数据安全。随着技术发展，隐私计算的功能发生了扩容。

技术层面，隐私计算流派众多，其中联邦学习是隐私计算的后起之秀。

通俗来说，深度学习时代，每个AI企业的技术能力是单打独斗式的；而联邦学习的出现，更为紧密、安全地将各个AI企业联系在了一起，让参与各方在不披露底层数据的前提下共建模型，之后利用整个数据联邦内的数据资源，共同成长、获利。

这意味着隐私计算未来将不仅是一个IT系统，还是一个应用平台。

两者的区别在于：前者最终价值是帮助使用方节省成本，后者则是提升业务，增加收入。

以电商平台为例，淘宝出现之前，小作坊交易，信息不对称，交易成本高，淘宝之后，搭建销售渠道、物流网络、支付体系，让交易效率大幅提升。

同理，如果有个数据交易平台，就可以让数据拥有方以低成本变现数据，使用方以低成本获得更全面的数据。

吴焕明提到，即使是用户数很少的小微企业，其数据在整个社会闭环里中也具备价值。

“以前需要付出大量的时间和经济成本才能积累一定用户和用户数据，现在一个只有几个人的创业公司就有机会获得全社会的数据，这在以前不可能实现。”

隐私计算的目的，就是在保护数据安全性、隐私性的前提下，让市场可以更放心地分享数据，各方获利，最大限度地支持基于数据驱动的科学研究及商业活动。这也是WeLab大力发展隐私计算的目的。

如果上述商业模式能实现，无论是带来的效益提升，还是在此基础上的创新，都将难以估量。

但这个令人振奋的场景到来之前，有一段漫长的道路。

吴焕明认为，目前隐私计算最大的矛盾是信任。

“有个区块链专家跟我说过，区块链最难的不是技术，而是人心，其技术本身不复杂，结果也非常可信，但最终要解决的问题是人的信任。”吴焕明坦言，这也是隐私计算的问题。

说白了，市场了解和认可程度不足，没有看到隐私计算可以扩大数据可达范围，降低数据利用成本，提高数据变现能力。

战略保证方向，开放共赢做大蛋糕，这是隐私计算发展的外在要求，也是WeLab的内在修养。

为此2021年9月23日，WeLab汇立集团以共生·共享·共创为主题举办首届技术开放日活动，宣布了天冕联邦学习平台将会开源。

“我们计划把隐私计算的相关技术全部开放，但可能要分阶段，首先从联邦学习平台开始。”

WeLab通过开源，让各方可以针对不同的应用场景、技术手段往各自需要的方向进行改进，这将极大提高隐私计算各环节的技术发展效率，使整个生态链更加完善。

吴焕明笑着说，“你可以选择把某个东西包装得高大上，让少数人拥有，获取高利润，但我们更想跟行业一起努力，垄断者、独裁者，对于隐私计算的发展是不靠谱的。”

 WeLab中国区总裁潘叡表示，“集团成立八年多的时间，能从单一的品牌发展至为全球三大市场提供金融科技服务的多元化集团，并在中国内地、中国香港及印尼处于领先的地位，是集团一直坚持技术创新战略的成果。”

事实上，作为一个涵盖了智能金融全链路的集团，WeLab具备强大的技术研发实力和技术基础，在围绕To B输出技术时，他们既是时代的参与者，也是引导者。

在这个过程中，除了技术基石打造、技术能力输出，WeLab更是在不遗余力地进行市场教育。

WeLab通过各种方式推广，比如将技术上传到阿里云、华为云、腾讯云等公有云，让行业了解、试用。

WeLab认为，技术再好，没人用就没价值。只有尝试了，才能知道对自身是不是有实际价值。

吴焕明坚信那一天会到来，“从前银行开户一定要去柜台，没有远程这回事，当时的人会相信远程是真的吗？但现在不一样了，登陆银行人脸识别就可以了。”

吴焕明坦然道，这个市场足够大，能够容纳下不同类型的竞争对手。

天冕科技的优势在于起步早，积累大量技术专利；有成熟的产品，不局限于联邦学习；依托于汇立集团，产品均在在内部实际场景中得到验证。

在开源必然趋势下，最后比拼的是产品和服务。WeLab有这个自信，也有这个耐心。

头号目标：易用性

WeLab创新研究中心用短短几个月的时间完成了联邦学习平台从0到1的突破，搭建了从任务管理、在线推理、操控中心、算法库与联邦基础于一身的学习平台。

吴焕明指出，除了WeLab在联邦学习平台上投入坚决外，单纯从联邦学习技术可能各家大同小异，但天冕的产品都经过集团内部和上下游合作伙伴的验证，无需花费太多精力就可启动。

“但是我想强调，几个月做出来的东西并不意味非常完善和完整，我可能花了4个月让平台跑起来，但是我花了1年让平台做得更好。”吴焕明表示。

在这份严谨与务实中，易用性，是WeLab汇立集团的隐私计算的重中之重。

“不同企业侧重点不同，有的在技术上投入多，追求算法更快、效率更高、安全强度更大、应用场景更多等等，我们最注重好用。”吴焕明坦白道，WeLab的目标是打造最好用的隐私计算产品。

在WeLab看来，好用体现在门槛低、成本低。

如何降低门槛？

WeLab将具化成，“我们前面走过的路，不要让其他人去走一遍、理解一遍才能用。”

要实现这一点并不容易。除了技术能力，还有工程化能力、产品化能力等等。

从技术层面，以计算框架中的计算引擎为例，市面上现有的联邦学习产品，大部分集成的是计算引擎Apache Spark，这是一款专为大规模数据处理而设计的快速通用的计算引擎，可为建模过程中提供高效的运算。但是部署一套Spark集群，相对耗时、耗力，且大多使用云服务器，联邦成本较高。

天冕联邦学习平台开发计算框架——函数计算，重点是轻量级、一键部署。

用户可以在Spark集群的基础上，选择函数计算，从而实现弹性计算，动态扩展资源，节省成本，提高效率的目的。这也成为WeLab的业界首创技术。

在服务层面，他们深入产品的每个环节。如了解建模人员使用建模工具的习惯，挖掘用户对接触产品后的使用思维。

“我们内部建模人员觉得不好的地方我们都会改，虽然联邦学习的核心技术，但流程打磨、应用性，好与不好的差别非常大。”

WeLab内化了这些实际应用中细碎的问题，创造了诸如“开包即用”的功能，让用户可以可视化操作，无需过多学习成本。

如何降低成本？

与大多数隐私计算厂商宣传的算法数据不同，天冕科技并不强调算法突出性，而是算法实用性，采用在实践中被验证过的，最合适的算法。

“有些算法看起来酷炫，不仅让产品价格不便宜，而且在实战中要么用不得上要么不好用。”

在优化隐私计算性能上，途径极其多样。有人用加速卡和专用芯片，性能可以提升，但成本也更高。优先采用GPU加速，在保证效果前提下，成本更低。

这些都让天冕的隐私计算产品，性价比极高。

多年来，WeLab踏实地深入业务边边角角，这份务实得到的回报是，天冕联邦学习平台在某头部金融企业落地案例中，在建模训练3周后，模型KS提升17%，营销转化率提升20%，ROI提升18%。

永远对风险保持敬畏

目前，WeLab汇立集团已经进入了中国内地、中国香港、印尼三大市场，业务涵盖数字银行、纯线上贷款、分期电商、电子支付、融资租赁及金融科技输出等多个业务，为超过700家企业提供服务，并拥有近5000万用户。

现阶段集团业务以C端为主，而B端业务连续几年实现100%的增长，实现B端、C端双驱动。

当雷锋网问到他们从传统金融业身上学习到什么时，潘叡回答：

“技术的核心永远是创新，金融的核心永远是风险，你永远要对风险保持一定的敬畏，因为你守护的是资金的安全。”

秉持这一初心，在浮躁的市场，它以行业发展为先，坚持不盲目竞争。

摔过跤，淌过泥巴，依然保持一份务实与沉静，一根筋地去实现客户体验这一核心价值。

或许在万马齐发的隐私计算市场，这些企业的光芒被对手的推广营销声浪掩盖，但在体验至上的时代，唯精准的智能服务制胜，方能行稳致远。雷锋网雷锋网雷锋网

作者 | 青暮

编辑 | 岑峰

何谓洗钱？其实就是让手里非法来源的金钱，经过多重转手，最后回到自己手上，并且最后一笔交易的性质是合法的。

我们把参与其中的人都看作一个点，每一笔交易都会通过一条边连接两个人，整个洗钱过程，就形成了一个闭环。

要在一群人的交易记录中认出这样的闭环，需要耗费多少资源？

我们假设监测对象的交易都记录在一张表格上，事实上，给你一台计算机，加上一个表格数据处理系统，也不一定能够解决这个问题。

为什么？

互联网时代的支付行为，早已不再局限于一个几十万人口的小小城镇，，而是跨越了城市、省份、国家，形成了拥有亿级节点的巨大网络。很多黑产和犯罪行为，就隐蔽在复杂的支付链条背后。

为了在这张网络上找到涉嫌洗钱行为的闭环，我们需要把它进行切割，在大量服务器组成的集群里分别存储，并高效地进行计算。为此我们需要大数据技术的支持，也就是将大量廉价计算机连接起来同时运行的能力。

但仅有这些还不够，根源在于数据的表示形式——表格。

表格数据是一种关系型数据，其数据往往是同质的，一张雇员表记录的就是所有雇员的信息，一张设备表记录的就是所有设备表的信息。

这种数据形式的每一项数据如果都是独立的，就能很好地存储和表示。但如果涉及了数据项之间的相互作用，就会变得复杂。

比如在表格数据中，对于A的邻居和A的邻居的邻居的查询，就很可能需要非常不同的代码来实现，因为这里面涉及到的邻居、邻居的邻居等关系的表示，在表格形式上的呈现是非常不同的。同时随着邻居的增加，访问数据量是指数增加的，其性能也指数级降低。

所以，在人员跨度很大的洗钱行为中，因为交易数量的剧增，表格计算很可能永远检测不出来。

其实在我们的思维中，从一个节点连续跳到其它节点时，每一步都是相同的过程。很自然地，我们也希望能有一种新的数据形式可以很直观地表示这种过程。

图，就是我们刚好需要的数据形式。

图不是图像，而是由顶点和边构成的数学对象。

针对图的数学即图论。图论起源于18世纪欧拉对哥尼斯堡七桥问题的研究，当时欧拉在这些桥上散步的时候想到了一个数学问题：如何不重复地走过七座桥。

这个问题抽象出来，就成了下图中的一笔画问题。

此外，著名的四色问题其实也是一个图论问题。

图论经历了两百多年的发展，经由众多数学家乃至计算机科学家不遗余力的发展，成为了我们解决很多实际问题的强力武器。诸如计算机芯片设计、语言数据库、分子计算、社交网络谣言传播等问题，都可以建模为一个图论问题。

反洗钱问题也不例外，正如前文所述，这些交易行为形成的网络，就是一个图。

图数据是一种非关系型数据，也就是说，其存储对象也就是顶点可以是非同质的。对于反洗钱问题，我们不仅可以记录人的信息，还可以记录企业的信息，以及人与人、企业与企业、人与企业之间的关交易信息。

相对于表格数据而言，图数据的每个顶点包含的信息通常维度高得多。

从根本上来说，图数据是对表格数据的升维。

在图数据中，只需要用查询A的邻居的代码，再迭代一次，就可以查询A的邻居的邻居。

这是一个典型的图计算过程，图计算是以图作为数据模型来表达问题并予以解决的这一过程。以高效解决图计算问题为目标的系统软件称为图计算系统。

在数学形式上，图计算也带来了非常直观简洁的理解。由于图和矩阵天然的对偶关系，因此线性代数自然地成为了图计算的数学语言。

云计算提供了分布式、大规模的计算机集群能力，图计算是在大数据上再提升了一层，处理的不再是二维的表格数据，而是一个复杂的图。

就像深度学习可以直接处理图像数据一样，图计算正在引领一种新的计算范式，甚至是新的数学、逻辑范式，其飞跃性不亚于在多媒体时代，我们的交流从序列化语言到二维图像的转变。

自18世纪的哥尼斯堡七桥问题以来，图计算一直局限于纯人工的学术、理论研究，或在单机上的工程研究。

事实上，如果是简单的反洗钱问题，确实可以用一台计算机和一个表格数据处理系统来解决。

直到互联网时代和大数据时代。

这里有一个重要的节点，也就是谷歌在2003、2004年相继发表了GFS、MapReduce论文。

通过这两篇论文，人们知道了我们在处理大规模计算任务时，不是必须依靠单个昂贵的服务器的技术升级，还可以用多个廉价的服务器搭建出具有非常强大计算能力的分布式计算系统，进而用于处理海量数据。

这不仅支持了谷歌的核心业务即搜索引擎的发展，后来基于这两篇论文，人们还开发出了Hadoop开源数据库系统。

如今，几乎每一个互联网企业，乃至许多开始大数据转型的传统企业，都用Hadoop支撑着他们的大数据处理系统。

同样，在大型集群的支撑下，图计算也成为了一个极其庞大的系统，涉及的每一个领域：图存储、图数据库、图计算、图深度学习等等，都是一门大学问。

从被存放到计算机，到被检测出洗钱闭环，一个支付图网络经历了什么过程？

总体而言，一个图要先通过图存储引擎写入存储在图数据库中，然后被在图计算引擎中通过图算法模型读取、计算，最后输出计算结果。而这个图算法模型可能是人工编程的，也可能是通过数据训练得到的图深度学习模型。

我们以一个图计算全栈系统GeaGraph来展开。蚂蚁集团计算存储首席架构师何昌华介绍道， “GeaGraph包含了7个组件，基本都由蚂蚁集团自主研发，包括图存储引擎PhStore、图数据库GeaBase、图计算引擎GeaFlow、图深度学习系统GeaLearning，它们可以串联起一个完整的技术链路。此外还有单机版本的图数据库GeaBase Lite，可以在单台计算机上运行，用于离线图计算的GeaComputing系统，以及图研发平台GeaMaker。”

当然，分布式+图计算并不能一劳永逸地解决反洗钱问题。由于问题本身的大规模和动态属性，我们将面临几个主要的难题。

事务性：金钱守恒

大规模问题必须采用分布式计算求解，而分布式存储会导致事务性问题。

在一个图里面，某个人新增了一笔交易，会影响图里面的好多条边。这种情况下，需要保证数据一致，包括如何保证数据的事务性。

所谓事务性是指，比如一个银行账户里本来有100元，不应该出现两个人各来取走100元的情况，否则就违反了事务性。而取钱的两个人的账户信息可能分布在不同的服务器上，这就涉及到服务器的通讯。

在将图数据进行了大规模的分布式化以后，如何高效地进行图数据的存储和通讯，这是图数据库领域的一个普遍性难题。

具体来说，我们需要将一个大规模的图分割成多段，也就是多个子图，然后放到多台计算机上，每台计算机单独只能对子图进行计算，当要计算全图的某些性质的时候，比如反洗钱分析，可能不止涉及一台计算机上的子图，这些子图之间是需要通讯的。如果不能保证事务性，那么计算结果出错就在所难免。

“尽管还没有完全上线，但我们基本上算是解决了这个问题，这个在业内我们是唯一的。”何昌华说道。

这得益于GeaBase的数据强一致性和分布式事务能力。GeaBase是一个金融级分布式图数据库，能够实现对超大规模关系网络毫秒级的复杂查询及变更，具有金融级高可用性。

GeaBase单集群能支撑万亿边规模的图数据，写入和查询吞吐量超过每秒百万次，99.9%查询和写入延时小于20ms。

GeaBase Lite则是GeaBase的单机版本，是一个支持事务处理和强隔离性的单机图数据库，可以单机支持百亿边的图数据，而且集成了全图迭代分析能力，可以同时满足用户对图的复杂分析、快速查询和可视化的需求。

PhStore是GeaBase背后的存储引擎。它基于完美哈希（Perfect Hashing）技术，属于业界首创，在图的读取性能上可以达到常数时间复杂度。单个集群可存储PB级别的数据，比业界通用的HBase 吞吐率提高5倍以上。

演变：分布式欺诈

反洗钱是一个博弈问题，道高一尺、魔高一丈，问题本身也是动态的，在不断演变。

如果一个人的欺诈行为容易被发现，人们就会想到用团伙欺诈去提高隐蔽性和监测难度。

除了让闭环的跨越性变大，甚至这些图的顶点背后，有可能是正常用户，从而极大提高了顶点的潜在数量。

“有很多洗钱团伙通过跑分平台，租借一些合法账户，使得很多正常账户被动参与到这种黑灰产交易中。在这种情况下，反洗钱的难度更大。”

欺诈，也成了一种分布式行为，这种行为具有分散账户和长链条的特点。

团伙欺诈的特点不仅在于规模，它还会不停变化，针对这种问题的图计算被称为持续图计算。

如果能把握演变规律，也能带来好处。在观察团伙演变的过程中，可以识别出团伙中的不变元素，也即是关键角色，从而可以快速精准地定位团伙核心，实现更有效的防范。

博弈永不停息，反洗钱问题在未来或许会经历更大的演变。对于变化无穷的数据，数据学习的方式自然更合适。何昌华说，针对反洗钱问题的图深度学习已有探索。支持图深度学习的系统是GeaLearning。

GeaLearning是以图为核心的超大规模分布式深度学习系统。其主要特点包括：支持多种灵活图模型训练方法（不限于global-batch和mini-batch），不限制图神经网络层数和节点邻居个数，以模型并行为核心的混合并行执行方式等。

深度：六度爆炸

分布式的欺诈行为，或者说分散账户和长链条的资金分散、聚集行为，使得洗钱行为涉及的顶点数大幅增加，为了检测出不断扩大的闭环，就势必要增加图计算的深度。

这个深度要如何理解呢？

六度空间是一个很知名的概念，也就是你可以通过平均六个人的联系链条认识世界上任何一个人。

在这个问题中，可以估算一下，每增加一个度，可联系的人会增长多少倍。当度为1的时候，这个数量范围大概为从人类的邓巴数（一个人维持紧密联系的上限）即150，到社交APP朋友数量即数千人。而只需增加到6度，这个人数就变成了78亿（当前世界总人口）。因此，这个过程必然至少是指数级增长的。

“过去不基于图来进行反欺诈、反洗钱的时候，挖掘的关系深度非常有限，计算也很低效。”

另外，有些团伙会在自己的大量正常交易中混入部分洗钱行为，比如艺术品拍卖等等。这些人可能有多重身份（大量账号），同时违法交易也很低频，交易路径复杂。“障眼法”和稀疏性进一步增加了监测的难度。

“要实现这样的检测，需要非常深层的图计算能力，传统方法很难做到，或者策略过于复杂导致难以推广。”

在GeaGraph上，部分图计算问题能够达到10度以上的深度，比如反洗钱问题。“然而，如果要采用图深度学习方法，就会变得非常困难。目前几乎所有的图深度学习所探索的图深度只达到了2度，能够探索到3度的技术非常稀有。”何昌华说，蚂蚁集团的图技术目前已经可以做到10度下探，目标是无限制下探。

为了支持这样的探索，蚂蚁集团研发了GeaMaker平台。GeaMaker是一站式图计算研发探索平台，融合了GeaGraph的底层系统的能力，为用户提供了具备探索、仿真、性能评估等功能，集在线查询，近线计算，离线分析和图学习于一体。

实时：微积分思想

监测洗钱行为是为了防范，为了能够及时遏制这类事件的发展，必须及时发现。因此，图计算系统的实时性是不可或缺的。

但在大规模的图计算场景中，延时问题是非常严苛的考验。“同一个人如果要在短时间里做两笔交易，第一笔交易就必须非常快地完成，通常得是数十毫秒级别的响应水平。”

另外，如果优化做的不够好，检测到一个洗钱闭环通常需要一天的时间。“但在理想情况下，我们希望能够实现秒级检测。”

举个更加简单的例子，你在社交应用上做的一个简单的交互行为，就涉及到了跨越服务器的实时通讯。“比如在蚂蚁森林中，收集了朋友的能量后，对方立刻就能实时看到，这对时效性以及数据一致性的要求非常高，但这两个人的节点信息原本很可能存储在不同的服务器上。”

要满足这种实时性，流式计算是非常有效的方法，其基本思想和微积分相似。

在微积分中，y(x+Δx)-y(x)其实是一个无穷级数，但我们可以只保留第一个项，来近似地通过已知的y(x)的值，来计算y(x+Δx)，即y(x+Δx)=y(x)+AΔx。

流式图计算分为两步，即流计算和增量图计算。

流计算就是事件检测，增量图计算就是性质检测。“比如在进行欺诈检测的时候，我们不会对每一笔交易都做一次图计算，这会造成极大浪费。而是会先检测交易中的额度，当交易额超过一定范围的时候，系统判断存在可疑行为，就会引入欺诈检测的图计算模型，来看看涉及大交易额的几个账户是否真的涉嫌欺诈行为。这需要将流计算和图计算深度地融合才能做到。”

要使得流式图计算能够实时进行，还需要将全图计算转换成增量图计算。也就是说，增量图的计算结果对于全图计算的改变也只是一个微小的增量。

支持流式图计算的是GeaFlow，GeaFlow是蚂蚁集团自研的流式图计算引擎，支持秒级6度以上的流式子图匹配和秒级全图时序增量图计算。

全图计算需要较长时间，可以离线完成，增量计算因为涉及子图的规模小很多，从而能够实时进行。

这就要依赖于离线图计算系统GeaComputing，GeaComputing是由蚂蚁集团在清华大学研制的Gemini和ShenTu离线图计算系统上进一步优化的分布式图计算平台，支持万亿级图数据，能够为用户提供高效的复杂图分析能力。

GeaComputing通过使用块式划分策略，流式消息处理等手段降低内存需求。其性能优于业界通用的GraphX系统百倍以上，内存占用仅为其十分之一。

要使得流式计算能够实时进行，还需要将全图计算转换成增量子图计算。也就是说，增量的计算结果对于全图计算的改变也只是一个微小的增量。而全图计算需要较长时间，可以离线完成，增量计算因为涉及子图的规模小很多，也能够实时进行。

然而，数据更新亦可能“牵一发而动全身”，从而引发类似蝴蝶效应的现象。

蝴蝶效应是指在一个动态系统中，初始条件的微小变化，将能带动整个系统长期且巨大的链式反应，是一种混沌的现象。

增量的影响本身也是非常难以把握的事情，可控性难以保证。“一个数据更新后，可能影响到图里的很多个顶点；或者多个数据同时更新时，还会互相影响，这时候在多个服务器上如何保证数据一致是个难题，有时候我们甚至会以数据不一致作为妥协手段。”

从2018年开始，蚂蚁集团在基于资金网络、中介网络上的典型欺诈检测上已经能做到百万吞吐量下的毫秒级响应，“相比之下，传统方法可能需要几个小时或一天才能输出结果。”

到2019年，蚂蚁集团在实现个体挖掘的基础上，延伸到了欺诈团伙的检测，而且是实时的。

权衡：成本是永恒主题

最后是权衡问题。

性能和速度的权衡是技术优化的一个永恒主题，不同的权衡适应了不同的应用场景，背后是成本的考虑。偏向性能的一般是专用技术，偏向速度的一般是通用技术。

图计算偏重于内存和外存的权衡。

尽管内存加载的图计算很快，但大规模的图数据难以全部加载到昂贵的内存资源上，因此将图数据加载到便宜的外存（比如SSD）上，就成了非常重要的探索方向。“当然，这也会带来数据访问上的速度限制问题（也就是吞吐量），以及图计算逻辑的修改和优化方面的额外工作。”

另外一个权衡是适配性方面，典型的就是计算和通讯的权衡。如果图的关联比较强和密集，就不太适合做太细的分割，反之亦然。另外，如果需要更加灵活的可扩展性，则必须偏重通讯方面。

比如在反洗钱过程中，我们可以将全量数据存放在SSD上，只将频繁访问的数据存储在内存里，从而达到成本和性能的平衡；另外，对于内存需求量不大的图算法，我们就将它运行在单机上以提高效率，只有单机无法运行的算法才使用分布式，这样就达到规模和性能的平衡。

通过克服上述困难，蚂蚁集团保证了反洗钱过程中的数据事务性和一致性，能够识别团伙洗钱，并且不受深度问题带来的计算量爆炸困扰，得以实时监测和防范洗钱行为。

2020年起，GeaStack应用于蚂蚁集团支付业务，在已有策略模型的基础上，通过引入图模型，反欺诈稽核资金额增加了6%。

2021年，GeaStack应用于蚂蚁集团反洗钱分析，覆盖支付宝全部资金交易，每天计算8亿客户过去180天大约200亿左右边关系，将客户资金流向和关系可视化，对疑似团伙类犯罪风险识别能力提高94倍多，风险审理分析效率提升90%。

通过不同的权衡和多样的算法，蚂蚁集团也得以适应不同类型的图计算难题。

支付涉及到了每个人，以及人与人之间的关系，这些事件能很自然地构成一张张图。蚂蚁集团的核心业务是大数据金融，天然和图计算有着密切联系。

蚂蚁集团从2015年初开始组建图数据库团队，2016年初发布第一个图数据库版本GeaBase。

2016年6月，新版支付宝上线，GeaBase迎来了第一笔流量。

接下来几年，从支付宝大改版到新春红包再到双11，GeaBase迎来了业务的绽放期，到2019年双11，GeaBase双11主链路上单集群规模突破万亿边，点边查询突破800万QPS，平均时延小于10毫秒，成为支付宝核心链路上非常重要的一环。

“在GeaBase的基础上，通过全栈技术系统GeaGraph，蚂蚁集团解决了图数据分析面临的大数据量、高吞吐率和低延迟等重大挑战。”

GeaGraph支撑了蚂蚁集团的支付、数金等众多关键应用场景，单集群达到百亿个节点、万亿条边的海量数据规模，为蚂蚁集团的风险控制、反洗钱、反套现、金融案件审理、信用分数等业务提供稳定的决策能力。

搜索推荐涉及社交网络的购买行为的关联，比如可以根据你的朋友的购买喜好，推测出你的购买喜好，这类问题也有非常强的图属性，非常适合应用图计算技术。

但蚂蚁集团并没有在这个领域布局。为何要深耕金融，而不是先在搜索推荐等应用上大规模落地？

何昌华表示：“这类问题通常涉及的深度不大，一般是1-2度。而在金融风控、电网规划中，经常能遇到对深度要求非常高的问题。这对于我们的技术锤炼是非常好的场景。同时，在这些“炼狱”场景锤炼出来的技术，也能很容易地应用到简单的场景里去。”

如此高难度业务场景的考验，正是蚂蚁集团的图计算拥有大数据量、高吞吐率、低延时的计算能力的秘密。其中在低延迟方面，GeaGraph一般能支持5、6度深度的毫秒级计算。

得益于这种攻关精神，蚂蚁集团还在图数据库性能测试的LDBC基准上，以及斯坦福图深度学习推理基准（OGB）上拿到了世界第一。

“到目前为止，可以说，无论在图计算规模、图数据库规模，以及涉及的图计算问题的复杂度，和在这之上支撑的业务量，GeaGraph都是世界第一水平的。”

在刚刚结束的2021世界互联网大会上，蚂蚁集团大规模图计算系统GeaGraph获得世界互联网领先科技成果奖。这个奖项代表着世界范围内最新科技的最高水平。

从点到图，布局图计算的企业也形成了一张图网络，已有百家争鸣之势，建立标准自然势在必行。

工信部、国家标准化管理委员会通过全国标准信息公共服务平台公布，《信息技术图数据库系统技术要求》的国家标准正式立项，这也是国内首个图数据库方面的国家标准立项。

此国家标准由TC28（全国信息技术标准化技术委员会）归口，由蚂蚁集团牵头制定。

基于蚂蚁集团的标准贡献，在近日召开的全国信标委大数据标准工作组会议上，蚂蚁集团当选为2019年优秀成员单位。

据了解，全国信标委大数据标准工作组由中国科学院院士梅宏担任组长，负责全国大数据方面的国家标准制定。

除了本次立项的图数据库国家标准，基于自身在图智能领域的产业实践经验，蚂蚁还在浙江互联网金融联合会牵头制定和发布了《互联网金融分布式架构技术应用指南》的团体标准；在全国金融标准化技术委员会牵头立项了《金融IT基础设施 存储应用实施指南》的行业标准；在CCSA TC601，参与信通院牵头的《图数据库白皮书》和《大数据图数据库技术要求与测试方法》团体标准；在ISO/IEC JTC1 SC32参与《ISO/IEC 39075 : Graph Query Language》的国际标准。

蚂蚁集团与LDBC也正在合作，将其认证范围从社交网络领域扩展到金融领域。

何昌华介绍，“在中国，图数据库是一个正在蓬勃兴起的非常热门的领域，国家也已经开始制定各种各样的技术标准，希望在统一的标准之下，促进技术交流和全面发展。”

谷歌用两篇论文将分布式计算技术普及全世界，蚂蚁集团也在通过企业合作，让技术赋能社会。“我们跟国网全球能源互联网研究院合作进行电网拓扑分析，来解决他们在电力规划中碰到的技术问题，取得了比较好的效果。”

在当今的社会生活中，能源是必须品，稳定、持续、充沛的能源，是工作生活的保障。当遭遇设备检修、更换时，一定会采用波及方案。

国家电网的目标就是最大力度保障供能的稳定，但原有系统的分析效率很难快速分析出数亿节点中任意单个或多个节点调整，对整体系统所带来的影响。因此，每次哪怕微小的设备检修，都需要提前充足准备，影响工作效率。

后来，通过和蚂蚁集团团队合作，他们用图计算技术来管理数亿设备节点，将每个供电设备节点作为一个"顶点"绘制设备关系图，可以很容易的在图上找到需要调整的设备，并分析其节点关闭带来的影响，从图数据库中预演，即可合理规划设备调整并提前预警，最大限度保持稳定持续的电力输出，保障民生。

何昌华介绍，“目前。蚂蚁集团图计算技术已经规模应用于反欺诈、反洗钱等领域，保护金融安全。同时，也在能源、电信行业有广泛应用前景。从蚂蚁集团的角度，在支持好内部业务，不断锤炼技术的前提下，我们也会积极地把图计算的技术开放出来，用到更加广泛的领域中，尤其是对国计民生更有用的领域。这也是我们开放技术背后的思考。”

从结绳记事、象形文字，到现代语言，经历数千年的演变，人类的交流符号中包含的信息越来越丰富，维度也越来越高。

从数字、表格，到图数据、图像，机器的交流符号也在经历着类似的演变过程。

这不禁令人怀疑，机器会不会比人类更早实现用感知数据直接交流？这或许激发了人类的好奇或嫉妒，成为急着寻找深度学习和图深度学习可解释性的心理动因之一。

一图胜千言。任何数据都不是对真实世界的完整呈现，所以不可避免会出现天然的缺陷，使其不能很方便地呈现我们在现实世界中很自然的交互。

如今的时代注重数据的两个方面，即数据量和数据维度。传统方法适合低维、稀疏数据，大数据方法适合低维、稠密数据，深度学习方法适合高维、稠密数据，而图深度学习、图计算方法则非常适合高维、稀疏数据。因此，图很可能是下一代的大数据。

图数据相对于表格数据实现了一次世界表征的飞跃，图像数据也从另一个层面借助深度学习在进行着一场革命。

数据不再只是一张表格，要处理图这样的数据，很多底层的逻辑都要推倒重来，包括思维模式。

何昌华介绍，“过去30年的关系型数据库给大家构建了这样的思维模式，也就是表格思维。与外部进行协同推进图计算技术的时候，如何进行思维上的“急转弯”，也将是我们长期面临的一大难题。”

理性质疑之外，技术革新亦不可避免带来变革前夕的迷茫和担忧，人们最先会从个人角度出发，质问用户隐私问题。

蚂蚁集团作为如此庞大的应用，必然涉及非常多的用户个人信息，在技术应用的过程中，团队如何避免个人信息的泄露呢？

何昌华回应道，“我们所有数据经过了用户授权，和数据脱敏，比如数据传输、计算过程中需要保障数据是加密的。同时，蚂蚁集团的图计算是建立在隐私保护基础之上，有一套很前沿的隐私计算技术在底层做基础。”

硬核技术让变革一往无前，安全保障也让团队无需瞻前顾后，持续瞄准下一个难关。今年，蚂蚁集团已不再满足于被动的识别，而开始探索主动的做法，也就是预测——在一个欺诈行为实行之前检测出来。

从观察世界、理解世界开始，GeaGraph的下一步，是模拟世界。

雷锋网雷锋网雷锋网

《指导意见》的一大重点，是要求银行在“了解你的客户”基础上，适当优化开户流程，为客户提供开户便利，不得“一刀切”要求客户提供辅助身份证明材料，不向客户提出不合理或超出必要限度的身份核实要求。

此前曾有不少网友分享自己在银行申请开户开卡的经历，表示开户遭遇较为严苛的审核流程，甚至有网友直接被银行拒绝。

业内人士分析称，这一状况在自由职业者、家庭主妇等不易证明收入稳定性的客群上更为显著，或许是受到“断卡行动”、反洗钱等监管措施的影响，部分银行悄然主动收紧开户标准，以规避潜在风险；相信本次《指导意见》的发布能够一定程度缓解“开户难”问题。

“银行最常被诟病的，就是开户要求一股脑扔给客户，不满足要求的就一刀切，所以《指导意见》的主要思路，就是让银行在开户过程中承担得更多一些。”

上述业内人士告诉雷锋网，“补充”和“动态”可能是《指导意见》的两大关键词：当客户可能无法满足开户所需的各种证明、核验时，银行应充分利用数据、技术手段“补上”；对于个人账户，应做到根据具体情况动态升级功能，动态监测账户风险情况。

以下为通知原文：

中国人民银行关于做好流动就业群体等个人银行账户服务工作的指导意见

中国人民银行上海总部，各分行、营业管理部，各省会（首府）城市中心支行，各副省级城市中心支行；各国有商业银行，中国邮政储蓄银行，各股份制商业银行；清算总中心、中国银联：

为贯彻落实党中央、国务院关于做好“六稳”工作、落实“六保”任务的决策部署，助力优化就业环境，建立个人银行账户服务长效机制，切实解决流动就业群体等个人工资卡开户难问题，现提出如下意见。

一、充分利用存量个人银行账户发放工资

（一）支持跨行代发工资业务。鼓励银行业金融机构（以下简称银行）参照《银行业金融机构跨行代发工资业务指引》（附件1）支持个人使用存量银行账户作为工资账户，实现跨行代发工资，不得因发放工资等原因强制要求个人在本银行新开立银行账户，不得将开立个人工资账户作为单位开立银行结算账户的前提。 

（二）便利本银行账户异地使用。支持银行为个人客户提供便利的异地银行账户开立、补换卡、银行账户功能升降级、销户等服务，减少个人客户因异地学习、工作、生活等原因新开立银行账户。

二、优化个人银行账户开户流程

（三）采取差异化的客户尽职调查方式。银行应当遵循“风险为本”的原则确定客户尽职调查的具体方式，在“了解你的客户”基础上，适当优化开户流程，为客户提供开户便利，不得“一刀切”要求客户提供辅助身份证明材料，不向客户提出不合理或超出必要限度的身份核实要求。银行因异常开户行为拒绝客户开户申请的，应加强复核并向客户说明理由。

（四）推行个人简易开户服务。鼓励银行参照《个人银行账户简易开户服务业务指引》（附件2）推行简易开户服务。银行可以在风险可控的前提下，视情况为流动就业群体等个人客户提供简易开户服务，简化辅助身份证明材料要求，并加强后台数据核实，根据客户身份核实程度和账户风险等级匹配银行账户功能，后续可根据客户尽职调查情况，升级银行账户功能。

（五）利用有效数据核实客户身份。鼓励银行充分利用外部有效数据交叉核实客户身份，减少对客户提供辅助身份证明材料的要求。鼓励通过中国银联、清算总中心等跨行银行账户信息验证渠道核实客户在其他银行的有关信息，开户银行应当提供及时有效的验证信息。

（六）优化对老年人等特殊群体的银行账户服务。支持银行通过优化机具功能、提供向导服务、上门服务等方式，为老年人、行动不便人员等特殊群体提供符合其需求的银行账户服务。

三、建立个人银行账户服务长效机制

（七）建立跨行开户核验机制。中国银联组织各银行探索提出跨行开户数量查询核验方案，牵头建立行业风险监测机制，实现银行在开户环节查询个人在全国范围内的银行账户情况，监测个人跨行大量开户行为。 

（八）建立个人账户分类分级管理体系。银行应当建立个人账户分类分级管理体系，根据客户身份、职业、年龄、交易等特征，提供与账户风险等级相匹配的银行账户功能，审慎与客户约定网上银行、手机银行、快捷支付等非柜面业务，并合理设置非柜面渠道单一账户资金转出总限额、交易笔数、验证方式等，后续可根据客户正常合理需求或临时需求、账户风险情况等动态调整。 

（九）对涉诈涉赌账户采取管控措施。银行探索建立可疑开户人员“灰名单”，加强开户合理性审核，审慎约定非柜面业务。应当结合涉诈涉赌特征完善风险监测模型，依法依规、区分情形对监测发现的存在可疑特征的账户，及时采取适当后续控制措施，阻断涉诈涉赌非法资金转移，并移送当地公安机关。鼓励对高风险客户和高风险交易，在非柜面渠道应用人脸识别等技术，加强风险防控。 

（十）完善账户服务质效考核机制。银行持续纠正以追求开户数量和非柜面业务签约量等为导向的考核机制，有效治理“一人多卡（户）”、发卡泛滥情况，加强排查长期不动账户和同一人在同一银行持有超过规定数量的银行账户，根据具体情形采取风险控制措施，严格控制个人银行账户（含银行卡）总量。 

（十一）建立银警协作机制。人民银行分支机构、银行积极加强与公安机关沟通协作，加强涉案人员信息共享和涉案银行账户分析，提升风险防控精准度；探索建立对可疑开户人员、恶意缠访闹访人员的劝阻处置机制，维护银行网点经营秩序；畅通买卖账户被惩戒人、涉案银行账户相关人员向公安机关的申诉渠道。 

（十二）健全账户服务监督机制。银行应当公开个人银行账户开户服务标准，畅通客户开户咨询投诉渠道，及时受理客户咨询投诉；可将优化银行账户服务和风险防控工作纳入对银行网点和员工的业绩考核；督促将银行账户政策和工作要求传达至下级分支机构并执行到位。

（十三）加强宣传教育。银行应当针对不同群体开展宣传教育，让社会公众充分了解银行开户政策以及打击治理电信网络诈骗、跨境赌博等违法犯罪活动的严峻性和复杂性，增强社会公众依法开立和安全使用银行账户的意识。

四、工作要求

（十四）银行承担主体责任。稳就业是“六稳”“六保”首要任务，打击电信网络诈骗、跨境赌博和虚拟货币交易炒作是党中央交办的任务。各银行要提高政治站位，统筹做好优化银行账户服务和风险防控工作，切实承担银行账户管理主体责任，实现涉案银行账户数量和开户投诉数量“双降”目标。 

（十五）人民银行分支机构落实属地管理责任。人民银行分支机构要指导并督促辖区内银行优化银行账户服务，做好风险防控工作，对制度要求落实不到位的银行追究相应责任。

（十六）持续开展问题整改。各银行要持续跟踪流动就业群体等个人工资卡开户难问题整治效果，对存在问题的银行网点，要及时纠正制度执行偏差。人民银行分支机构要持续暗访流动就业群体等个人开户情况，确保相关规定有效落实。执行过程中如遇重大问题，请及时报告人民银行。 

附件一：银行业金融机构跨行代发工资业务指引

第一条 为减少个人客户因发放工资等重复开立个人银行账户，优化银行业金融机构（以下简称银行）代发工资业务服务，根据《人民币银行结算账户管理办法》(中国人民银行令〔2003〕第5号发布)等规定，制定本指引。 

第二条 银行为单位提供跨行代发工资业务服务适用本指引。 

第三条 本指引所称跨行代发工资业务是指银行接受单位委托，向单位员工在其他银行开立的个人银行账户批量划转薪资的代理支付业务。 

本指引所称薪资主要包括但不限于工资、奖金、绩效、津贴补贴等。

第四条 鼓励银行提供跨行代发工资业务服务，不得变相阻碍单位员工选择在其他银行开立的个人银行账户作为工资账户。在跨行代发工资业务中，不增加个人负担，保护个人合法权益。 

第五条 鼓励银行使用单位员工存量银行账户作为工资账户，接受单位发放的工资，不得因发放工资等原因强制要求单位员工在本银行新开立个人银行账户，不得将开立个人工资账户作为单位开立银行账户的前提。 

第六条 银行可通过与单位签订服务协议，约定薪资转出账户、收费标准等具体事项，明确双方权利与义务。鼓励银行减免跨行代发工资业务费用。 

第七条 银行根据单位提供的员工在其他银行开立的个人银行账户户名、账号、开户银行、金额等信息，及时办理跨行代发工资业务。

第八条 银行将跨行代发工资业务的处理结果（包括成功和未成功）及时反馈代发单位；对未发放成功的工资款项，银行重新办理跨行代发工资业务或将资金退回代发单位银行账户。 

第九条 银行应当加强跨行代发工资业务监测，对监测发现的可疑账户，依法依规、区分情形采取适当后续控制措施。 

第十条 银行应当严格遵守客户信息保密制度，做好代发单位、代发个人客户身份信息及账户信息保密工作。未经代发单位、代发个人客户授权，不得将信息提供给任何单位或个人，法律法规另有规定的除外。 

第十一条 银行不得将新开立个人工资账户纳入业务考核评价。

第十二条 银行可制定跨行代发工资业务相关制度，加强对分支机构的业务指导与监督。 

第十三条 银行自身的代发工资业务参照本指引执行。未尽事宜按照支付结算相关管理制度执行。

附件二：个人银行账户简易开户服务业务指引 

第一章 总 则 

第一条 为优化个人银行账户服务，建立健全账户分类分级管理体系，切实解决流动就业群体等个人工资卡开户难问题，根据《中华人民共和国反洗钱法》《人民币银行结算账户管理办法》(中国人民银行令〔2003〕第5号发布)等规定，制定本指引。 

第二条 银行业金融机构(以下简称银行)为流动就业群体等个人提供简易开户服务适用本指引。 

本指引所称简易开户服务是指银行根据《人民币银行结算账户管理办法》等银行结算账户制度审核个人身份证件后，简化辅助身份证明材料要求，开立账户功能与客户身份核实程度和账户风险等级相匹配的银行账户。 

第三条 银行为流动就业群体等个人提供简易开户服务应当遵循“风险为本”的原则，落实个人账户实名制和客户身份识别规定，按照客户身份核实程度和账户风险等级合理匹配账户功能，建立事前承诺、事中监测和事后管理机制，有效识别、评估监测和控制账户业务风险。开户环节发现有明显可疑特征的，不适用简易开户服务。 

第四条 银行应当建立健全个人银行账户分类分级管理体系，重点通过限制非柜面业务加强账户事中事后风险防控。

第二章 简易开户服务程序

第五条 银行应当公示个人银行账户简易开户服务流程，明确简易开户材料、客户身份核实程序等，由客户自主选择是否接受简易开户服务。 

第六条 银行为流动就业群体等个人提供简易开户服务，应当采取有助于核实客户身份的方法，了解客户职业、开户用途、资金支付需求，客户暂时无法提供相关辅助身份证明材料的，不得强制要求客户提供。 

第七条 银行应当依据所收集的客户信息和客户身份核实程度，结合客户职业、开户用途等与客户约定账户功能，审慎开通非柜面业务，合理约定交易限额，确保账户功能与客户身份核实程度和账户风险等级相匹配。 

第八条 银行应当科学、审慎判断客户异常开户情形，建立拒绝开户复核机制，确保拒绝开户理由合理充分，并向客户做好解释说明。 

第九条 银行应当对简易账户进行识别和管理，建立跟踪服务机制，根据客户需求，在补充完成客户身份核实后可视情况升级账户功能。

第三章 内控与管理

第十条 银行应当制定流动就业群体等个人银行账户简易开户服务相关制度，内容包括但不限于开户材料、开户审核、账户功能设定及升级等，并报当地人民银行分支机构备案。银行对分支机构制度执行情况进行监督管理。 

第十一条 银行应将存在交易异常的个人简易账户列入重点监测范围，监测其资金交易是否存在与电信网络诈骗、跨境赌博等违法犯罪活动有关的可疑情形。对经核查无法排除涉诈涉赌可能性的可疑账户，依法依规、区分情形采取适当后续控制措施,并移送当地公安机关。

第十二条 银行应当建立个人银行账户简易开户服务咨询投诉机制，加强对客户经理、柜员和客服等人员的培训，提升公众对银行账户服务的满意度。 

第十三条 银行应当建立个人银行账户简易开户服务监督机制，通过梳理管理制度和业务流程、分析客户投诉典型案例、电话暗访、现场走访、调阅开户材料等方式，对下级分支机构服务情况开展监督检查。 

第四章 附 则 

第十四条 本指引所称非柜面业务是指客户无须临柜即可办理的账户付款业务，包括但不限于通过网上银行、手机银行、网关支付、快捷支付、销售终端（POS）、自助柜员机（ATM）等渠道发起的账户付款业务。 

第十五条 银行为非流动就业群体个人提供简易开户服务可参照本指引执行。

雷锋网雷锋网雷锋网

据路透社消息，近日，美国最高证券监管机构起诉了BitConnect（加密货币交易平台）的创始人Satish Kumbhani，指控他涉嫌从数千名散户投资者那里以欺诈手段筹集了约20亿美元。 

据雷锋网了解，BitConnect现在已经倒闭。

今年5月，美国证券交易委员会（SEC）在一起民事案件中，指控Satish Kumbhani谎报BitConnect公司的盈利能力，并违反了用于保护投资者的注册法。

在曼哈顿联邦法院提起的一场诉讼中，SEC还指控了这项诈骗的主要发起人Glenn Arcaro及其公司 Future Money Ltd，以欺诈方式收取投资人超过2400万美元的“推荐佣金”和其他款项。 

本周三，Arcaro也承认了一项有关电信欺诈的刑事指控。 

据雷锋网了解，BitConnect成立于2016年，创建了一种名为BitConnect Coin的数字代币，是一种流行的加密货币，可用于兑换比特币。 

SEC表示，参与BitConnect“贷款计划”的投资者被告知，BitConnect使用了一款“波动率软件交易机器人”，每月可以带来40%的收益，投资者获得的虚假回报率显示年收益率为3700%。 

但监管机构表示，2018年1月16日，比特币价格下跌92%后，投资者损失了大量资金。 

此外，这起案件相关检察官表示，BitConnect是一个“教科书式的庞氏骗局”，向早期投资者支付新的投资者所投的资金。 

当局称，现年35岁的Kumbhani一直住在印度苏拉特，他一直下落不明，而44岁的Arcaro住在洛杉矶，在香港注册了Future Money公司。5月28日，SEC起诉了其他五家BitConnect的推广方。 

据雷锋网了解，此诉讼已获得判决，要求其中两名发起人Michael Noble和Joshua Jeppesen以及 Jeppesen的未婚妻支付350万美元和190枚比特币。

如今国内的人工智能产业，正迎来一个特殊年份。

从2015年开始萌芽的国内人工智能产业，已在自动驾驶、安防、生物制药、家居、智慧城市、交通、金融等行业，创造出一个万亿级的全新市场。

至2021年，像工厂流水线自动质检，自动驾驶无人车，疫情预测模型，AI反欺诈等各种人工智能愈发出现在各个领域的底层。

甚至在对抗“冠状病毒”过程中，人工智能已成为我们最前沿的技术抓手。

而像“无行业不AI”“梯度下降”的互联网黑话，也已不再是BAT的专属，乃至成为所有企业中台化、移动化、数智化转型最重要的核心语言。

作为最早一批关注人工智能的行业媒体之一，雷锋网于今年6月重磅启动了第四届「AI最佳成长榜」评选计划。

据雷锋网统计数据显示，本次雷锋网「AI 最佳成长榜」最终被提名和申请榜单的公司达671家，涵盖雷锋网此前预设的当下最受关注的13大领域，5个最佳维度。经过专家评审团长达一个月的集中评审，最终评选出65家在在产品能力、技术能力、商用价值，以及未来成长潜力最具代表性的AI企业。

其中，在「AI+风险管理」领域，腾讯安全、乐信、蚂蚁集团、品钛、同盾科技成功入选2021年度AI最佳成长榜，并分别获得该领域的最佳产品成长奖、最佳商用成长奖、最佳壁垒成长奖、最佳数智化赋能奖、最佳自主原创技术奖。

最佳产品成长奖：腾讯安全

腾讯安全目前覆盖基础安全防护体系、安全运营中心、业务安全服务体系等，产品矩阵涉及全栈安全领域，也已成立多个安全实验室和工作组，专业安全团队超过3500人。

截至目前，腾讯安全已取得1500多项云安全技术专利，另外也已获得韩国、新加坡、美国、德国、欧盟五个国家及地区的最高安全资质认证，让出海的企业同样享受到腾讯级的安全能力。

以腾讯安全天御为例，该业务安全风险控制产品体系，集解决方案与云端布控为一体，依托腾讯海量高质的大数据，运用混合神经网络、图卷积网络等多项AI先进技术以及AI+规则双决策引擎打造出风险精准识别、主动感知、快速决策、快速运营四大核心能力。

据悉，到目前为止，腾讯安全已经为18大行业的客户提供了安全服务，包括银行、保险、电商等，提供星云-信贷风控、星云-交易风控、O2O身份风控方案、数字内容风控六款业务风控解决方案，以及包括流量反欺诈、伽利略风控引擎等在内的26款SaaS、PaaS层产品，服务客户覆盖面超过7000家。

最佳商用成长奖：乐信

成立于2013年的乐信，是一家新消费数字科技服务商。今年第二季度，乐信用户数、交易规模、利润等指标再创历史新高，用户数达到1.44亿，合作金融机构超过100家，营收33亿元，净利超过10亿元。

而在规模高速增长的同时，乐信资产质量也达到两年来最优，90天以上的逾期率仅1.85%，新增借款的FPD30已经连续12个月保持在1%以下，1天以上的逾期率比去年同期降低39%；最新坏账回收实现回收率和回款金额创历史新高，历史不良资产回收率比去年同期提高40%左右。

乐信打造的基于AI、大数据、云计算等前沿科技驱动的风险策略管理系统，充分利用了复杂网络、自动特征生成、无监督用户聚类等底层技术，形成了生命周期坏账预测、营销策略编辑、效用策略等各项模型能力，可支撑起全流程风控策略体系，全面覆盖并灵活支持前端业务各环节，精准定位客户并识别客户风险，在推动业务规模化增长的同时，不断提升ROI。

同时，乐信也通过“乐图”“乐图Pro”“负熵”三个系列产品，面向不同的资产类型，向合作金融机构输出风控能力。当前乐图合作机构超过6家，平均每家通过率提升1.69倍；服务于非乐信资产的乐图Pro，日均调用量超过8万次；负熵上线首月，也完成了约五千万的交易规模目标。

最佳壁垒成长奖：蚂蚁集团

自2015年起，蚂蚁集团积极投入可信AI相关技术的研究。据今年6月IPR·Daily发布的报告，蚂蚁集团目前拥有全球范围数量最多的“AI安全可信关键技术”专利。

2020年，蚂蚁集团正式上线“面向可信AI技术的下一代风控技术体系”——IMAGE，通过“交互式主动风控”“多方风控”“智能决策”“全图风控”“端云协同风控”五大技术能力，对各类风险全天候、自动化预判、感知、分析、决策和响应。

交互式主动风控中的“叫醒热线”，是全球首个应用于反欺诈的交互式风控产品。当骗子诱导用户转账时，AI机器人将以小于0.1秒的速度呼出“叫醒电话”，通过主动交互，强化风险判断、破解诈骗剧情。

多方风控则能够在保护用户隐私和商业秘密的前提下，实现平台之间风险共治，达到1+1>2的风险防控效果，共同维护生态安全。全图风控借助图学习技术的全面升级和工业级大规模应用，构建风险关系网络、形成风控知识图谱，实现了对风险链路及变化趋势的预判和高效治理，为AI的可解释性和鲁棒性问题的应用研究提供了实践创新思路。

端云协同风控则是进一步强化了数据“端计算”的能力，在“数据不出端”的前提下，保障了安全服务能力不受影响。这四项能力通过智能决策中枢实现“自动驾驶”，形成了7*24小时全天候风控网络；同时自适应、自学习的能力，让AI大脑可以在攻防演习和风控实例中实现自我迭代成长。

最佳数智化赋能奖：品钛

作为金融科技解决方案提供商，品钛近年来不断加强AI、大数据等先进技术在实际业务中的应用，为金融机构和商业机构提供零售信贷、企业信贷、财富管理、金融RPA等多种技术解决方案，助力机构客户实现更高效的数字化转型和业务增长。

在信贷领域，品钛充分发挥自身的技术优势和对金融业务的深刻理解，为金融机构提供全面的智能信贷解决方案，助力其加强自身风控能力建设，实现信贷业务尤其是小微信贷业务的线上化、数字化。

而在风控决策和管理上，品钛运用大数据和机器学习技术，构建反欺诈和信用评估评分模型，并将AI技术贯穿信贷风控全流程，帮助金融机构实现贷前数据化决策、贷中差异化预警、贷后智能化管理，全面满足金融机构信贷业务的精细化风控需求。

以某国有大行为例，品钛依托于自身丰富的小微服务场景经验和大数据、人工智能等技术优势，助力该国有大行完善全流程风控管理体系，给予贷前、贷中、贷后全流程风控策略优化建议、模型定制开发等解决方案，助其深度挖掘行内下沉小微企业客群。

截至目前，品钛服务了包含工商银行、华美银行、澳大利亚国民银行NAB，数字化银行Judo Bank、Banjo Loans、丰田金融等众多国内外金融服务机构。

最佳自主原创技术奖：同盾科技

作为智能分析决策服务领域的领军企业，同盾科技积极抓住金融等行业数字化转型带来的机会，通过持续创新产品与技术，将人工智能与金融业务场景深度结合，打造出一套“数据分析+多元产品+纵深服务+解决方案”的全场景智能风控、智能分析决策解决方案，在智能反欺诈、智能信贷风控、智能运营等业务场景中为金融机构客户提供基于智能算法模型的智能产品与服务，帮助金融机构提升核心竞争力。

值得一提的是，同盾科技提出了“知识联邦”的概念，作为一个统一的、层次化的框架体系，支持安全多方检索、安全多方计算、安全多方学习（联邦学习）、安全多方推理等技术方案，作为打造数据安全的人工智能生态系统的基础。

同时，同盾科技也推出了基于知识联邦体系实现的安全多方应用平台“智邦平台”，作为工业级应用产品，已更新迭代到v2.2版本，平台中已实现数据接入标准化和数据安全交换协议。

雷锋网雷锋网

对于普罗大众而言，AI似乎还只是科幻电影的创作素材，AI工程师作为一份职业更是远不为大众所知。但实际上AI早已与现实生活融为一体。

尤其是疫情爆发以来，AI在金融科技、智能客服、城市治理、医疗问诊等多个领域所展现出的高效服务能力令人惊叹不已 。

乐信自2016年起全面发力人工智能，打造了“灵犀”AI智能运营平台、“鹰眼”智能风控引擎、“虫洞”小微金融资产处理技术平台等技术平台，将AI全面用于获客、风控、运营业务全链条，极大提升运营效率，降低平台风险。

乐信3位年轻AI工程师专家将通过讲述他们的工作日常，为我们掀开AI世界的真实一角。

Tim：AI天然喜欢“大数据” 

但“小数据”也能有大作为

Tim是乐信AI团队骨干，痴迷于研究基于AI技术构建的风控模型工具。

2008年，他从国防科技大学毕业，只身赴美纽约大学继续攻读通信和电子专业，随后进入当地一家金融公司。

2013年回国，辗转金蝶、OPPO金融多家公司后，于2017年加入乐信。从开发领域到数据领域，最终将重心落在如今的AI领域，Tim认为这是他的心中所爱。

Tim的工作是利用AI建模技术解决风控领域中用户资质识别难题。通常情况下，AI工程师能够拿到两种数据，一种是用户的特征，如年龄、学历、收入等，另一种是用户的标签，如历史上是否有过逾期行为等。

根据这些特征参数，可以进行模型训练生成风控工具，从而辅助预测一个新用户的资质优劣。这种建模的过程，被称之为机器学习，也可以称为“监督型机器学习”。

Tim习惯于将AI建模的过程比喻成烹制一道美食。一道美食的诞生，往往是从购买食材到择洗食材，从烹饪美食到品尝美食，直至最终端上餐桌。

而一个辅助风控子模型的诞生，也是如此——数据积累-数据清洗-特征工程-模型训练-模型评估-模型应用。

由此可见，数据是模型热切期盼的“食材”，数据越丰富，AI越喜欢，数据的采集、挑选、清洗、加工是构建模型的基础。

但如今，数据大爆炸的同时，监管部门对数据挖掘和使用的管理也更为严格规范，用户数据隐私保护力度大大加强，数据使用成本越来越高、风险越来越大。用惯了“大数据”的AI工程师，要适应在“小数据”环境下生存，这对Tim们的日常工作构成了不小的挑战。

“我们公司对数据的获取和使用一直都有严格限制，遵循最小化原则，这就要求在数据挖掘和使用方面下更多的工夫，让有限的数据产生最大化价值。”Tim说，就好比做饭，烹饪界公认的最考验厨艺的一道饭是蛋炒饭。

目前，乐信公司层面也在大力推进隐私计算，希望通过联邦学习、联合建模的方式，打破数据孤岛，既充分利用行业积累的用户数据，又避免用户隐私信息泄露，一石二鸟。

Tim介绍，目前，乐信已与主流数据厂商开展联邦学习联合建模工作，用于在获客、授信、回捞等场景，模型效果在原有基础上提升15%-20%。

AI领域坊间流传有这样一句话：“数据和特征决定机器学习的上限。”换言之，和数据一样，特征工程也是建模流程中的核心环节。特征工程应用了数学、统计学、信息论、计算机科学、行为经济学等理论指标，但更重要的是AI建模团队对核心业务的理解。

“不同业务的模型对特征的需求很不一样，“拿‘用户下单时间’来说，有秒数、小时数、日期、年份四个特征，哪个特征对风控模型作用更大？这就取决于我们对风控业务的理解。”Tim说。

Tim现在每周至少游泳4次，他解释说，团队很多小伙伴都有健身的习惯。

“风险控制是对乐信这样的公司，以及我们AI团队所有小伙伴的核心要求，甚至内化为潜意识或者说本能，这种本能确实会影响到我的生活习惯，就是要学会控制健康风险。”

在Tim等模型人员和风控团队不懈努力下，乐信平台风险表现稳定向好。财报显示，截至今年1季度末，乐信平台90天以上的逾期率为1.84%，新增借款的FPD30已经连续8个月保持在1%以下。

目前乐信1天以上的逾期率为4.92%，比去年同期8.08%降低40%；最新坏账回收实现回收率和回款金额创历史新高，历史不良资产回收率比去年同期提高30%。

Juana：用AI把匹配利润率提高了19个BP

一端是亿万情况各异的消费者，希望通过分期付款购买形形色色的商品，另一端是上百家偏好不一的金融机构，希望把为合适的消费者提供金融服务。

居中的平台如何“穿针引线”，实现用户体验和银行偏好的高效满足？对于这一存在无数变量的系统性复杂难题，乐信AI工程师Juana一直孜孜不倦地试图用AI寻求最优解。

2006年，Juana进入中国科学技术大学计算机专业就读，本科毕业后她选择了保送本校硕博连读，于2016年拿到博士学位。

近10个春秋，Juana在实验和数据的“森林”里徒步，这场苦旅似乎让她变得不苟言笑、谨言慎行，但却塑造起她对于数据的敏感、细心，对于技术的严谨、理性。

2018年进入乐信后，实验室文化熏陶下的务实逻辑，成为她带领团队利用AI技术破解数据风控、反欺诈、资金资产匹配等难题的主要思维。

2017年，棋风灵活多变的围棋天才柯洁因0比3落败给机器人AlphaGo而泪洒赛场，让人感受到人工智能的实力。

“AlphaGo每一次落子，都依赖于大量的决策机制，或者说背后有一个‘奖励函数’，它可以计算出在当下状态采取何种措施可获得何种结果，通过对比结果的优劣，AlphaGo就能明白下一步该如何决策。”Juana说。

乐信的资金资产匹配系统“虫洞”和AlphaGo类似。“资金资产的环境在不断地发生变化，比如现金流、资方额度、资产质量、风险状态等等，我们需要就这些复杂的资金资产环境，通过权衡制定‘奖励函数’，‘虫洞’按照函数结果的优劣，依次进行匹配，从而提高资金资产匹配的效率和质量，提升经营利润率。”Juana说。

不同于风控、推荐等有监督学习，资金资产匹配更偏向于强化学习，没有特征和标签可用，可以说难度更高、挑战更大。

而且，资金资产匹配，失之毫厘则差之千里，与公司利润率直接挂钩，这份无形的重担让Juana面临着更高的挑战。

最让Juana忐忑不安的时刻，往往是优化模型上线的当天。资金资产匹配系统需要在线优化应用，无法离线模拟空跑，也就是说，在优化模型上线前，Juana只有一个预估的概率值，数据有没有更好？优化有没有实际效果？上线当天等待优化模型实际应用结果产生的过程，往往让Juana压力陡增。

“AI工程师没有光环，只不过还不为大家所熟知。我也会因为沉浸在工作里太久，而感到身体吃不消、思路钻牛角尖，每当这个时候，我都会选择周末去爬山、去徒步，今年的目标是打卡‘深圳十峰’，经验告诉我，在身心放松的时候，思路往往可以打开，这种业余爱好帮助我渡过不少难关。”Juana说。

值得一提的是，就在今年2季度，Juana带领项目组通过自动风险阈值控制、动态参数调整、精细化利润分层等多目标模型组建，在高效满足用户体验和金融机构偏好的基础上，实现匹配利润率相对原有算法提升19个BP。

Young：让AI读懂人类喜怒哀乐 

“Hey，好久不见，甚是想念，小乐有什么能帮到您呢？”

“您客气了，这是小乐应该做的，有啥问题可尽管问哦。”

“亲，非常理解您的心情，您先消消气，小乐会尽力帮您的～”

在乐信旗下分期消费品牌分期乐APP，点击咨询AI智能客服小乐，它会主动友好地跟用户打招呼，不仅会耐心解答用户的各种疑问，如果小乐发现用户情绪有变化，还会积极表达感谢或者进行安抚，从而让用户享受到最佳的使用体验。如此聪明可爱的AI智能客服机器人，自然离不开AI工程师的“调教”。

Young是小乐背后的“导师”。在电子科技大学读本科和硕士研究生期间，Young攻读电子信息工程和金融学专业，并从大三开始跟随导师在实验室里埋头研究机器学习和自然语言处理。

毕业后，无论是在微众银行、OPPO金融，还是在如今的乐信，Young一直在吸收各项前沿技术，让机器读懂人的语言和喜怒哀乐。

“一个AI智能客服机器人的诞生，肯定不是一蹴而就的，必须深植于具体某个场景，从0到1逐渐生长。

”Young说，最初肯定需要业务侧制定一系列高频的基本的标准问答，小乐所做的核心工作，就是进行语义匹配，即初步能够读懂用户在说什么，然后从标准问答库里为用户找到答案。

“语义匹配”看似简单，但实际上非常复杂。因为人类自然语言被公认为是最灵活的符号，不仅有各种同义词、近义词，同样一句话，不同的场合、不同的语气、不同的表情表达的意思往往大不相同，比如“你可真棒”配上瘪嘴的表情和配上点赞的表情，其意思可能完全相反。

完成语义匹配的过程并不轻松。“首先需要在前端收集大量的用户行为数据，并进行‘数据清洗过滤’，得到高质量的数据素材，然后去标注、聚合一些相似的词句，比如“有多重”和“质量是多少”，‘我的订单何时发货？’和‘几天可以收到货？’等等。

”Young透露，基于高质量数据，AI工程师会去制定各种执行方案，搭建多个算法模型去试错、去融合，根据最终的指标好坏，选出最合适的算法模型，最后落地形成“小乐”的雏形。

AI智能客服机器人产品的开发不是一劳永逸的。“刚开发出的‘小乐’智商相当于三四岁的幼儿，如果你想让它变得越来越聪明，要把高质量数据不断‘喂’给它吃，不断动态调整参数、优化算法。

”Young说，比如小乐遇到一个以前没遇到过的句式，AI工程师便会帮助它做判断，并动态调整参数，以后再遇到这类的句式，小乐便能自主进行应对决策。

在Young看来，完成语义匹配功能只是小乐智能升级的“万里长征第一步”，现阶段乐信正在持续为小乐注入新的能力，比如自然语言理解、知识图谱组建、多轮对话能力等，接下来的小乐，将储备更多的知识，以及具备简单的逻辑推理功能，能够和用户完成多轮有逻辑和深度服务的对话能力，大幅度提高用户消费体验。

作为一名青年AI工程师，Young像一块海绵在不停地吸收行业前沿知识。

“我在大学读书的时候，自然语言处理的‘word2vec’算法还十分先进，但过上一两年，这个算法就非常普遍了，再过两年，又有BERT等学习能力更强的算法出来。

”Young说，AI技术发展更迭、量变质变周期均要快于其他行业，需要持续不断地去跟踪前沿论文，及时吸收新理论新方法，如此才能在行业保有竞争力。

雷锋网雷锋网

“之前有90%的投资人，都不太理解为什么要坚持监管科技。他们甚至会反问我，为什么不去放贷。”一位在该领域深耕多年的科技公司CEO感慨道。

但他也指出，经受新冠疫情之后，他们得到了更多支持，“现在已经有一些投资人能听懂它的战略意义了。”

监管科技，这个宽泛的概念，似乎在2021年终于得到了更具象化的呈现、更深入的价值讨论。“十四五”规划中更是明确写着，“要强化监管科技运用”，技术驱动型金融监管框架的建立已经提上日程。

风口总算来了？是不是来得太晚了？总有业界人士疑惑，监管科技的讨论总是流于表面，市场大则大矣，却似无头苍蝇。

但也不止一位受访者告诉雷锋网AI金融评论，现下正是水到渠成的时候，百亿甚至千亿级的市场机会，已经浮现。

它正在，也理应成为金融科技世界的下一个主角，可距离这个目标，到底还有多远？

当我们谈监管科技的时候，我们在谈什么？

顾名思义，与监管有关的一切技术手段，都算是监管科技。

“所有致力于帮助金融机构达成监管要求和合规的科技服务，产品，技术都可以属于这个范畴。”同盾科技监管科技咨询高级总监Zhe介绍道。

从广义上讲，应对巴塞尔协议、新资本协议、IFRS9、CCAR（美国）等国际上的，以及我国监管机构提出的合规要求的量化分析，都属于监管科技。

我们的视角，或许可以再高屋建瓴一些——在文因互联CEO鲍捷眼中，监管科技就应当是针对金融的每一个环节加强监管，在此过程中的“全方位的动作”。

最近五年的金融监管，在防范系统性风险的大方向下有序展开，去杠杆、强监管互金、治理资本市场等一系列主题的背后，信息的收集已经从可选项变成了必选项。

因此在他看来，监管的核心，就是海量的信息收集和业务规则的建立。监管科技的关键议题之一，就是其中的自动化能力提升。

这就好比交通违章，如果没有摄像头大规模铺设，绝大多数违章是很难被查到的。监管科技也可以被看作是，给金融的各个角落安上“摄像头”，搭建起背后井然有序的监测体系。

“它的本质，是在倒逼全体金融机构来进行自动化，构造一整套的金融信息处理的自动化底层框架，在避免合规风险的同时，也完成了内部业务流程和业务知识的沉淀，极大地提升了自身的市场竞争力。”鲍捷强调。

实现自动化、穿透式监管的理想目标之前，在相当长的一段日子里，监管科技很大一部分工作，是对底层数据进行收集和整理，机构间数据壁垒的打通，数据上如何“对齐”“达成共识”。

这些工作没有太多的故事可以讲，这也是监管科技的风口，为何让人觉得迟迟未至。

因此，从数据维度来看，构建金融信息的“高速公路”，也是监管科技的主题之一。当“高速公路网”建成，路旁的加油站、服务区等基建，甚至连绵成片的城镇，也就相应诞生。

“估计五年左右的时间，一个国家级金融信息高速公路系统会建立起来，自然而然形成很多细分市场，出现一批抓住场景机会的新公司——这意味着无数个细分的百亿级的市场机会，其总和无疑至少将是千亿级的。”

而这片千亿级蓝海究竟涵盖多少细分市场，业界众说纷纭。

Zhe指出，就目前的市场热点来看，监管科技至少可以覆盖企业风险管理，金融反欺诈，金融反洗钱，模型风险管理，数据隐私性管理，区块链技术等领域。

恒生电子的视角更关注交易线上化趋势和金融监管体系的复杂度，将主要应用场景归纳为以下六大方向：

用户身份识别、市场交易行为监测、合规数据报送、法律法规跟踪、风险数据融合分析、金融机构压力测试。

“监管科技到底包括什么，怎么立体地看待，行业内有共识吗？最多只能聊到个别热点，很片面。”一位来自银行科技子公司的从业者却向AI金融评论抱怨，这种“点状”的划分和讨论并不友好。

巴曙松也在去年十月的一篇论文中，直指目前对于监管科技的研究大多处在宏观层面，多着眼于内涵、发展路径和应用于整体金融监管的情况，关于细分领域应用的文章较少。

某股份行高管则认为，“其实监管科技也好，金融科技也罢，一开始都是从点状的应用开始，再逐步深化、规模化，完成量变到质变的过程。”

但我们可以先从这三条路线来观察和讨论监管科技。一位第三方咨询人士分析称，监管科技至少有这三种方向上的发展：

“一是使用主体上，使用者从监管机构扩散到被监管者，从主动监管到主动合规，例如从一行两会到金融机构、上市公司自身。

二是业务链条上，应用从单个环节增加到多个环节，例如针对上市公司的自动化审查，从公告合规到财务数据分析、关联交易审查等。

三是随着新业务、新产品一同诞生，如前段时间走红的REITs（房地产投资信托基金），新设立的科创板，围绕这些新事物怎么做监管科技，也是发展方向的一种。”

怎样的监管应用，谓之“成熟”？

尽管围绕监管科技的讨论，不时被抱怨“浮于表面”，但仍然有部分细分场景率先跑出，借着政策热度和技术成熟度，率先成为第一批有成熟解决方案的场景。

反洗钱，就是其中一大典型。就在今年4月，中国人民银行发布了《金融机构反洗钱和反恐怖融资监督管理办法》，明确将非银行支付机构、网络小额贷款公司，以及消费金融公司、贷款公司、银行理财子公司等纳入了监管要求，这也意味着，协助监管的技术手段必须再上一个台阶。

Zhe强调，反洗钱需要建立完整的治理框架和体系，对于风险的管控体现在前端风险预防，中端风险探测，和后端风险分析与报送。

“除了需要对接多方数据，借助黑白名单充分调查客户身份，也需要引入各类模型判断和监控客户以及交易层面的风险，结合大数据分析处理、数据交换、知识图谱、决策引擎、实时计算等技术，实现客户尽职调查中的KYC（Know Your Customer）和CDD（Client Due Diligence）的全流程管理。”

具体来看，某技术专家介绍称，监管科技在反洗钱上，至少可以在客户身份识别、监管机构收集与呈现交易数据、数据分析等环节上“对症下药”。

例如数据分析上，银行通常用一套人工经验总结的规则系统，用于数亿级的账户交易识别，但他透露，系统所识别的可疑案件，95%以上可能都是“误伤”，银行可能要配备上百人团队，人工剔除这95%，挑出剩下5%的真实洗钱行为上报给央行。

但引入机器学习，能够对历史洗钱案件进行特征提取，根据交易数据、账目数据计算出指标，在此指标空间训练机器学习模型，大幅降低误伤概率。

另一个已有大量成熟应用的场景，即是针对上市公司的所有审查环节。

证券交易所们对此颇有心得。早在2018年8月，深交所就上线了“企业画像”监管系统，到2020年已经进入三期建设阶段。根据公开报道，一套基于信息披露、公司治理、规范运作、营运能力、财务异常等维度精准识别风险的分类监管评价体系，已经建立完成，涵盖100余项风险指标。

同时，升级重构年报审查、重组审查等已有模块功能，结合监管实践修改或新增160余条触发规则，从六大维度构建180余项标签体系，对应触发规则360余条。

就以公告审核为例，这一环节看似简单，但如果赶上定期报告披露的高峰，交易所一天内要合规检查的文件数量能达到3500~4000篇的水平。

历史最悠久的办法之一是通过XBRL（可扩展商业报告语言）技术将一些财务数据结构化，相当于各方共同学习一套新语言来交流。

该技术面世至今已过去十来年，但也有使用者抱怨国内是经过很长一段时间，才有较为趁手的辅助工具，据说财政部、上交所、深交所等机构间的XBRL标准甚至都没有统一。

更“轻松”也更直接的方式是，基于AI直接从披露的PDF文件中，进行信息自动化抽取。鲍捷表示，该方法已经经历了四年的实践，也已应用在不少核心监管机构，“各大交易所和银行间都证明这条路是走得通的。”

相比起XBRL，用AI“读懂”公告更像是配备一个“翻译”。雷锋网AI金融评论此前也曾报道过文因互联与上交所合作的自动公告摘要系统：

通过LSTM深度学习网络，首先将不同类别公告的关键语句抽取出来，抽取过程仅需公告制作小组业务专家对少量公告进行标注，期间通过Dropout等方法提供模型泛化能力。关键语句抽取后，再通过规则方法进行细粒度提取，从而将公告结构化。

此外，在财务状况、关联交易、风险预警、舆情监控等公司风险监控环节，知识图谱等新技术已经小露身手，通过调查供应链、股权关系、现金流等办法，推断是否存在财务造假或者风险传导，将潜在隐患连根拔起。

相对应地，企业也可以应用技术手段，对监管规则进行数字化解读，并将其嵌入金融机构与各类业务中，同时根据监管规则的变化保持更新。

恒生电子合规管理事业部副总经理顾大炜介绍称，目前公司已有监管规则数字化方案，可使用机器学习和自然语言处理技术，来阅读和解释新的和现有的法律法规要求，向客户提供差距分析，以帮助识别企业合规方案中的潜在缺陷，并根据相关监管规则变化完成合规方案的实时更新。他认为，该类解决方案“至少要实现半自动化”，否则会极其耗时耗力。

从碳中和说起，新的增长曲线已经出现

除了那些已经成熟的应用，监管科技还有哪些值得期待的潜力场景？

再过十来天时间，《数据安全法》将正式施行，多位受访者也不约而同地提到数据隐私性管理，认为这将是监管科技后续最重要的细分市场之一。

监管机构之间、监管与金融机构间也存在着数据壁垒的问题，为了保护各参与方数据隐私、同时更高效、准确地使用孤立的数据，隐私计算冲上风口。

Zhe也强调，监管对于金融行业的多方数据融合应用有着重重限制，亟需安全可靠的数据共享流通办法。

而鲍捷则注意到了一些“扩散”现象。他告诉雷锋网AI金融评论，在2017-2020年间，监管科技的应用主要是在核心交易所和极少数头部券商的投行部，但在过去一年多的时间里，他们目睹了应用从纯粹的国家监管机构大量扩散到中间服务机构，例如会计师事务所、评级机构等等。

“评级，是我们观察到的一个新的增长点。”

自去年起，债券强制评级持续松动，监管层要求进一步降低评级依赖，将企业评级选择权完全交予市场决定。业内人士认为，取消评级有利于降低企业的融资成本，同时也将缓解评级虚高、区分度不足等问题。

他强调，这说明评级公司必须应变，从传统的静态评级升级到动态的、持续的风险预警和监控。

同时，ESG、碳中和、绿色金融等新兴概念进入到人们的视野当中，这对监管科技又是全新的考验。“比如传统财务报表可能只有一两百个字段，但对ESG投资而言，要查看的字段可能超过2000个。”

注：ESG是指Environmental（环境）、Social（社会责任）、Governance（公司治理），这些因素被纳入到公司可持续发展的衡量指标。

无论是强制评级的取消，还是ESG投资概念的引入，又或者是近年来的信用债危机、城投债破产，其实都意味着同一个监管科技的发展趋势、一个巨大的增量市场：企业价值判断。

传统的企业价值判断，往往是纯财务角度的，但如今资本市场的看法已经发生深刻变化，原先的企业数据产业都无法支撑这种全面而先进的审视。

但恰恰是过去数年监管科技的发展，底层数据大量的梳理工作，才使得这种非财务的指标分析，使企业价值评判体系的重塑，成为了一种可能。

鲍捷感慨，一旦完成这类“打地基”式的底层工作，“你会看到（应用）像雨后春笋一样冒出来。”

不过，从整体发展水平而言，国内的监管科技仍然落后一些身位。“相比于欧美国家，中国的监管科技起步相对较晚，差距还是比较明显。”多位业内人士认为，无论是监管体系的全面程度，还是底层数据体系的完整度，国内其实都有所欠缺。

但他们也指出，国内越来越多的科技企业加入到这一赛道，利用各自行业经验、技术能力在帮助监管机构、金融等机构进行监管政策的理解以及监管技术落地——在某些细分领域或场景，例如前文所述的PDF文件底层解析能力，国内的监管技术甚至要领先于国外。

如今的监管科技，让他们想起了支付在海内外截然不同的发展历程：“在没有新增硬件成本的情况下，我们国家就完成了移动支付的弯道超车——谁说监管科技就不会有类似的过程？”

轰鸣的引擎声清晰可闻，有着无限潜力的监管科技缓缓攀上风口，只待时机成熟，顺利起飞。

雷锋网消息，近日，阿根廷数字银行Ualá已经完成3.5亿美元的D轮融资，腾讯和软银参投。自2017年成立以来，Ualá总融资金额已经达到5.44亿美元。

官网显示，本次融资将用于在拉丁美洲地区进行扩张市场，在秘鲁、巴拉圭、哥伦比亚、智利、美国等地区开发新的业务并增加一些员工。

目前，Ualá拥有1000名左右的员工，计划到年底将这一数字扩展到 1500 名。

据雷锋网查阅到的资料显示，Ualá的创始人兼首席执行官是Pierpaolo Barbieri ，本科毕业于哈佛大学、硕士毕业于英国剑桥大学。创立Ualá之前，他在Greenmantle担任执行董事、此前还在高盛与苹果等公司工作。 

几天前，Pierpaolo围绕本次融资消息，还更新了社交动态，说到“这是一个梦想。我不想醒来。这场革命不断发展，我很荣幸能成为其中的一部分”。 

Pierpaolo在接受contxto采访时说到，D轮融资之后，看到很多人将Ualá不再视为一家初创公司，其实我们一直希望有一些伙伴可以帮助公司继续成长和改变。促使平台不断创新、拒绝垄断、避免自我封闭、并鼓励竞争。 

据雷锋网了解，这不是腾讯和软银第一次投资这家数字银行，早在2019年的时候，Ualá公司进行C轮融资时，腾讯和软银就联合投资了1.5亿美元。

那么腾讯为什么会投资国外的一家金融公司，并且还是一家2017年才成立的公司。

Ualá表示，目前，阿根廷接近200万人有Ualá卡，而阿根廷人口在4537万左右，其中18至25岁的年轻人中有超过22%拥有Ualá卡。在进行C轮融资时，Ualá已经发行了130万张卡，截止目前，已在阿根廷和墨西哥发行了超过350万张卡。

Pierpaol表示，我希望可以创建一个多功能的金融服务平台。在阿根廷，超过 50% 的人口从未使用过非现金的方式付款。阿根廷的金融危机，导致大众对金融系统产生了不信任。 

因此，Ualá开发了一款金融系统，面向普通用户、企业和商家。支持商家通过链接或mpos收款、支持用户在阿根廷使用转账、汇款、支付、分期付款、个人贷款、投资等多个功能。

据外国媒体报道，Ualá的金融价值已经达到了近25亿美元。

至于Ualá为什么接受软银和腾讯的投资，Pierpaolo在接受采访时表示，双方的想法和未来想做的事是相同的，其中，腾讯的微信在中国拥有10亿活跃用户，并且中国已经实现了从现金支付到手机直接付款的难以置信的发展。因此，中国移动支付的经验非常宝贵，相信腾讯可以为Ualá带来很多成功的借鉴。 

8月10日Wish的首席执行官 Peter Szulczewski打开了他的股东信。Wish的股东们已经对这家上市八个月以来一直在苦苦挣扎的公司感到担忧。随着用户的减少，Wish 股价在两天内暴跌 27%，自 1 月以来暴跌近 80%。

而威廉·布莱尔的分析师周五将该股评级下调至持有，并指出表现低于华尔街预期的一贯模式。

分析师写道：“自 IPO 以来，报告的结果在关键指标（即 MAU）方面连续三个季度低于华尔街的预期。”

Peter Szulczewski向媒体表示Wish应用安装量比上一季度下降了 13%，用户平均花在应用上的时间下降了 15%。导致市场收入比一年前下降了 29%。同时，广告成本增长速度也快于预期，削弱了Wish的营销效率。

然而，公司的一些损失被其物流业务所抵消。Wish的物流业务增长了 126%。

此后，Wish 股价周五暴跌 20%，周一继续下滑，再跌 9%，收于 6.87 美元。这家经营折扣电子商务应用程序的公司在 12 月以每股 24 美元的价格上市，2 月 1 日以每股 31.19 美元的高位交易。

另外，Wish 报告季度收入较上年同期下降 6.4%，至 6.56 亿美元，而分析师预计会略有增长。其净亏损扩大了十倍至 1.11 亿美元，月活跃用户 (MAU) 下降 22% 至 9000 万。

该公司将令人失望的销售数据归因于经济的重新开放和实体购物的回归。类似的公告来自电子商务公司亚马逊和Wayfair，它们报告的收入低于预期，以及Etsy，其预测低于预期。

然而，Wish 的业务却急剧恶化。在信的第三段，Szulczewski 承认放弃该应用程序的用户比预期的多。

Szulczewski表示“从宏观角度来看，随着疫苗接种率的提高，居家订单开始减少，全球经济重新开放，我们平台上的每日用户活动和活跃买家的下降幅度超出了我们的预期，尤其是在美国、法国和意大利，我们最大的三个市场”。

值得一提的是，当时 Wish 在其第四季度收益报告中披露，全球 MAU 比上一年下降了 10%。在其五月的一次财务报告中称，第一季度毛斯跌幅超过7％。接下来的一个月，首席财务官 Rajat Bahri 表示自己将离开公司。

最后，Wish表示公司正在对其运营方式进行一些“重大改变”。公司计划提高产品质量，让购物体验更有趣。寻求业务好转的投资者也需要耐心等待，因为一年内财务状况不太可能出现明显的改善。Szulczewski 也表示：“这些新举措不会在对2022 年下半年的业绩做出有意义的贡献。”

雷锋网

滴滴在美“低调”上市之后，国家网信办的安全审查接踵而至，数据主权和安全的决心不言而喻。长久以来，互联网平台和用户之间似乎达成某种共识：享受免费服务，就应该提供数据。而这种共识，也带来信息泄露的风险。

去年，关于数据隐私保护的监管进程像被按下了快进键。多项法案陆续出台，要求企业在数据应用过程中使用脱敏、加密等技术提高安全级。

然而，有人担心“严令”会对企业经营产生不可逆的影响。工信部电子五所高级工程师、区块链创新团队负责人相里朋表示，“数据的核心价值是流通，只有在流通的情况下，数据价值才会被放大。”

这种情况下，如何实现只输出数据结果而不输出数据本身？抛开企业的“自我道德约束”，隐私计算成为一个技术“更优解”，相关概念的产品呈现爆发式的增长态势。

与此同时，7月13日，Gartner发布了隐私计算的技术成熟度曲线-2021版本, 而今年加入"技术成熟度曲线"的是联邦学习和主权云。

Gartner指出，到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。本文将会围绕隐私计算江湖的演变，探讨人工智能时代下的数据之道。

联邦学习：隐私计算江湖中的后起之秀

去年，Gartner发布2021年需要深挖的9项重要战略科技趋势，其中隐私增强计算成为企业机构需要深挖的9项重要战略科技趋势之一。

但是，隐私计算并不是一个“新鲜事物”，其历史最早可以追溯到1979年的秘密分享，当时由Shamir和Blakley提出。1982年和1986年，国内姚期智院士提出了安全多方计算和混淆电路。

进入21世纪，围绕隐私计算的理论几乎是以每三年为一个周期进行更新。

因此，隐私计算其实是一堆“数据可用不可见”的技术集合。 在腾讯发表的《隐私计算白皮书2021》中，给隐私计算下了一个定义：

隐私计算（Privacy Computing）是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。

从技术机制来看，隐私计算主要分为三大技术路线，即安全多方计算（密码学）、联邦学习及可信计算环境。

行业里，有人喜欢将隐私计算以“江湖门派”的形式进行分类，便于理解：

安全多方计算（MPC）是少林派，历史悠久，功力深厚，最早可以追溯到上世纪80年代，有秘密共享、传输混淆电路等一些非常强大的独门武器。

华山派，可信计算环境（TEE）。通过硬件技术来对数据进行隔离保护，以Intel等厂商为代表，国内包括蚂蚁金服、翼方健数等公司将之集成到自己的隐私计算平台。

联邦学习是隐私计算的后起之秀，就像武当派张三丰师出少林一样，联邦学习结合密码学和分布式计算，实现了多方协作的机器学习，在人工智能领域开辟了新天地。

除此之外，还有像盲签名、隐私信息检索、零知识证明等这些相对更小的密码学协议分支，同样非常有用，好比泰山派、峨眉派，它们共同组成了丰富多彩的隐私计算江湖。

尽管流派众多，但是隐私计算真正成为“现象级”话题，还是在近几年。

隐私计算的发展驱动力，很大一部分来自外部的监管环境（因为2018年3月的数据滥用丑闻，Facebook 被罚了50亿美元）。各国政府越发趋严的监管力度，从某种程度推动了隐私计算的市场扩张。

而在大数据、人工智能越发深入行业的时代大背景下，如何在满足数据隐私、安全和监管的前提下，设计一个机器学习框架，让人工智能更高效、更准确的共同使用各方数据成为了研究的核心，联邦学习应运而生。

同盾科技人工智能研究院院长李晓林教授就坦言，“TEE和MPC天然地、不是特别适合目前AI的场景需求。而联邦学习天然适合分布式学习，因此优势比较大。”

（推荐阅读：《同盾AI研究院深度学习首席专家李宏宇：解构知识联邦，开创数据“可用不可见”新局面》）

微众银行首席AI官杨强教授举例说到，MPC一直保留在学术界，它的理论很美，设想确实是从根本解决问题，但是它能解决的是比较底层的精确计算和数据库查询。一旦涉及到模型层面，使用MPC的速度相比不用最少要慢上一万倍。

这是因为，TEE和MPC都是面向通用计算模式，但联邦学习是专门针对机器学习模型训练这个场景设计优化。机器学习训练分布式化后天然具备隐私保护的特点，可以比较容易地做到“原始数据不动，模型动”。

但是，杨强教授也补充道，机器学习本身是复杂模型的近似计算，虽然联邦学习已经进入非常实用的阶段。但是，也要明确和其他方法的区别——它是用来做近似计算。

“对于隐私计算行业，我们期待有一个囊括全盘的载体，可以理解为App Store，大家可以根据不同的需求去选择用TEE/MPC/联邦学习，或者是三种方法的混合。”

2018年，在杨强教授担任首席AI官的情况下，微众银行正式开展了联邦学习研究，内部投入百余人。到了2020年，微众AI团队透露已申请100+项相关专利，牵头推进IEEE联邦学习国际标准与联邦学习国家标准制定。

（推荐阅读：《微众银行首席AI官杨强：万字图文详谈联邦学习最前沿》）

此后，各大厂商也积极布局联邦学习，如平安的联邦智能、蚂蚁金服的共享智能、同盾科技与知识联邦、京东数科与异步联邦学习、百度与联邦深度学习PaddleFL。

此外，面向金融行业的富数科技、星云Clustar，面向医疗行业的医渡云、翼方健数等厂商的进入，让联邦学习成为当下隐私计算最重要的分支。

隐私计算是否会出现“平台”孤岛？

从去年以来，隐私计算的势头大火。

星云Clustar副总裁许振主管星云隐私计算技术的场景落地。他向雷锋网表示，今年以来，一些银行隐私计算技术底座的一期项目投入多则可以达到数百万。

与之对应的，2019年到2020年初时，隐私计算赛道只有几家竞争者。“这本来是很小众的市场，但今年入局的厂商已飙升到上百家。”

当下来看，隐私计算的发展已渐入佳境，但是，一个行业的“拓荒时代”势必会带来一些新的命题。对于隐私计算而言，缺乏统一的标准，各平台的技术实现也不相同，不同技术平台所托管的数据在实际应用中无法跨平台交互，“数据孤岛”问题逐渐演化成了“平台孤岛”。

面对这个颇有些“难解”的问题，平安蜂巢平台负责人王健宗博士认为，当前亟需制定联邦学习平台相关标准，建立隐私计算的框架规范，对联邦学习平台的参与角色、网络模型、认证要求、管控要求、计算要求等进行约定。

“我们愿意联合其他平台与技术方共同定义行业的标准化接口，推出隐私计算的计算协议、建模协议、传输协议，促进各个隐私计算平台间真正互联互通。”

与此同时，希望更多研究机构与企业加入隐私计算前沿技术的研发中心，例如，如何利用同态加密进行比较计算，以及如何兼容其它加密算法等实际问题。

（推荐阅读：《平安科技副总工程师王健宗：联邦智能的突围与应用之道》）

富数科技合伙人、解决方案总监黄奉孝也表示，互联互通是国内隐私计算发展必然会面对的挑战，异构平台在技术互通协议栈的统一是能不能互通的关键。但是，厂商各自的商业考量也许是阻碍异构平台之间互联互通的根结。

“我很喜欢举在线会议软件的例子，会出现只安装腾讯会议就可以和钉钉、zoom同台聊天的那一天吗？我不知道。”

事实上，为了更好地制定和验证联邦学习行业标准，富数科技已经和微众银行等机构在北京金融科技产业联盟的指导下进行分阶段的实践。

黄奉孝认为，异构平台的统一互联互通协议需要更多的厂商来参与，特别是对软件内核具有自主可控能力的厂商。另外，作为标准制定单位需要加快推进落实，具体的协议可以考虑从数据资源、从算法协议等等维度，循序渐进。

（推荐阅读：《富数科技安全计算首席专家卞阳：隐私计算江湖与联邦学习的「上帝视角」》）

医渡云的首席架构师蒋锦鹏也表示，解决平台孤岛的问题，首先技术标准要先行。从2018年开始，国家大数据技术标准推进委员会TC-601在牵头相关单位共同编写隐私计算互联互通标准，医渡云也参与其中。

今年3月，北京市政府主导成立了北京国际大数据交易所，将采用隐私计算、区块链等技术作为数据流通的底层技术保障。

此外，人民银行主导了《联邦学习技术金融应用规范-技术要求》、《联邦学习技术金融应用规范-互联互通》、《联邦学习技术白皮书》、《多方安全计算金融应用现状及实施指引》、《金融行业隐私计算技术与应用研究》等行业标准的起草和编写。

这些对于隐私计算和联邦学习来说，至关重要。

联邦学习的根本属性——让所有人都能参与合作

除了国家政策的顶层设计之外，行业的生态仍然需要各家厂商积极搭建。

下游业主，也就是数据使用方使用联邦学习的唯一目的就是进行数据融合、数据合规。技术平台隐私化后，上游数据进来后涉及到一个对接的问题。因此，在星云Clustar副总裁许振看来，这个过程是一个“市场占有率”说话的问题，谁的技术占有率更高、互联互通能力更高，谁将拥有更多的话语权。

“我们可以看到，FATE的占有率比较高，闭源软件的占有率较低，推进起来也比较麻烦。而且，从甲方的反馈来看，对FATE的认可也是相当高的。”

许振所说的FATE是指微众银行在2019年推出的工业级开源框架。

FATE整体架构

杨强教授曾表示，“联邦学习像一个操作系统，你自己玩是不行的，它的特点是多方合作，只有多方都认可，才有机会做起来。”

并且，杨强教授也表明了微众联邦学习开源的逻辑：既然是多方协作的框架，那么就必须说明它的安全性与保密性，并且各方都能快速对其进行验证，这是闭源软件办不到的。

为了连接不同组织机构间的数据，使数据得到更大的应用价值，2019年2月，微众银行AI部门开源了联邦学习框架FATE，这是首个开源的联邦学习工业级框架，并于2019年6月捐献给Linux基金会，同时成立FATE TSC对FATE社区进行开源治理。

目前，FATE开源社区已汇聚了800多家企业、300多所高校等科研机构的开发者，是国内最大的联邦学习开源社区。

当然，除了FATE以外，目前还有谷歌开源的TensorFlow Federated，和百度开源的PaddleFL。

（推荐阅读：《百度「联邦学习」战略全布局丨万字长文》）

在雷锋网与一些开发者的调研中，能够明显感受到FATE目前的领先身位。

融数联智的开源架构总监花京华表示，目前用FATE较多，算法组件在功能层面覆盖大部分场景，扩展性也很好，业界认可度高，不过在性能上和资源占用上还可以进行更多优化。相比之下，PaddleFL框架比较重，要跑起来更困难。

花京华的开源架构团队主要是纵向联邦学习场景，Tensorflow Federated用的不多，更多是参考和学习。他表示，目前也在准备用Rosetta来实现MPC方案的联邦学习，这个框架非常轻量，易用性高。

在花京华看来，自己对联邦学习框架最核心的诉求有三点：一、稳定（框架设计稳定、算法性能和工程性能稳定）；二、灵活易用，能在较少配置情况下很快在本机将demo跑起来，另外可以较好的扩展并与其他框架兼容；三，算法丰富度。

上海电信理想的李学军没有使用过谷歌开源的TensorFlow Federated，和百度开源的PaddleFL，他对FATE框架的最大诉求就是进一步提升性能。

此外，有一些较为常见的测试FATE有相关的整理文档，但使用者对此了解较少。这也是未来FATE需要进一步提升的点。

当然，开源的联邦学习不会“一劳永逸”。

首先，创新工场南京人工智能研究院执行院长冯霁曾向雷锋网表示，在联邦学习的分布式场景下，安全的问题更加需要研究，因为攻击者攻击的可能更多。

“比如攻击者所了解的先验知识会更多，要么是知道某一方的数据，要么知道某一方的模型。不需要知道所有方的数据和模型，攻击者就能做出攻击。

他补充到，“安全防御，是一件非常困难的事情。做一个坏人很容易，做好人却很难。”

（推荐阅读：《创新工场南京人工智能研究院执行院长冯霁：联邦学习中的安全问题》）

其次，由于分布式参与节点计算能力不一致、网络连接状态不稳定、数据通信非独立分布等因素，通信效率将成为联邦学习应用的瓶颈之一。

这些是联邦学习这个生态里面，每一个建设者都难以回避的问题。

不过，亚当·斯密曾经在《国富论》的开头强调过，分工是促进劳动生产率提高的最重要动力。作为一种协作形式，“开源”显然为斯密的这一论断提供了最好的证据，也是生态构建的一条必经之路。

联邦学习：场景落地万花筒

一个客观事实是，以联邦学习为代表的隐私计算在金融领域的应用更为迅速。

原因在于，金融行业是数据密集型行业，但同时，金融行业数据也需要其他行业数据，例如互联网行业数据，来补充完善自身的客户数据画像。

其次，金融行业的数字化程度较高，硬件基础设施能力强。可以通过利用GPU等计算芯片提高算力，同时结合5G技术、边缘计算来加速各节点的通信效率。

通过结合金融行业的硬件资源优势与算子层的优化，由平安集团联营公司金融壹账通与旗下平安科技联合研发的蜂巢平台达到了提速50%的效果，同时在反洗钱等场景，平安的蜂巢平台落地了自研的联邦图算法。“相对于其他仍依赖于传统数据存储的行业，在金融行业首先应用联邦学习是较好的选择。”

目前，金融壹账通实现了联邦学习在一些场景的落地使用，包括构建金融行业联邦图，应用于多方联合反洗钱与融资担保关系链查询等场景。金融壹账通还将联邦学习应用于监管科技领域，解决了分业监管模式下金融数据的隐私性和孤立性问题，充分激活数据价值。

联邦图在金融场景的应用，来源：金融壹账通

星云Clustar副总裁许振也认为，“银行是一个非常大的存量市场，这个存量市场要维系下去，联邦学习是它唯一的方案。”

（推荐阅读：《星云Clustar首席科学家胡水海：GPU在联邦机器学习中的探索》）

而在场景应用实践上，联邦学习在金融范畴的运营会更加广泛，比如联合精准营销、信贷联合风控、贷后资金监控、联合反欺诈、联合反电信诈骗、联合反洗钱、供应链金融等等，似乎联邦学习可以解决大部分涉及到跨机构数据协作的金融业务。

从微众银行的进度来看，目前联邦学习主要应用在风控和营销两大场景。微众银行表示，风控场景的落地（包括反欺诈）会更多，超过80%。

除此之外，杨强教授透露，微众银行可以帮客户用联邦学习降低贷款业务的坏账率。 此外，在交叉营销（Cross Sale）、挖掘已有客户的新的购买力、以人脸识别为特征的智慧城市建设、无人车的场景模拟等方面都有不错的成果。

金融行业没有太多的外部用户特征，而另一个“以数据为生命”的行业则与之相反。每一家医院都有针对一个用户较为全面的数据， 但是每一家医院的人群、专科不一样。因此，医院之间的数据流通更像是一种横向联邦。

杨强教授表示，“市面上已经有一些大数据厂商开始利用联邦学习进行医疗多中心的联合建模，这是非常好的趋势。”

医渡云首席架构师蒋锦鹏就表示，现在医渡云推出了基于安全计算的多中心科研平台产品。在产品部署实施方面比较容易，不需要客户做大量配合工作。

主要的前期准备工作在于，需要和客户一起明确用联邦学习做什么，建一个什么疾病领域的平台，邀请哪些医院共同参与，未来跑哪些业务。另一个主要前期工作是数据治理。

“我们知道机器学习建模需要高质量、标准化的数据，而医院原始数据往往非常分散、非结构化、非标准化，需要经过专业地加工处理后才有可能产出有意义高价值的成果，否则只能garbage-in garbage-out （垃圾进，垃圾出）。“

当然，在实践中，这些厂商的一线工作者们也发现了“理想”与“现实”之间的界限。

比如，医院之间的互联网络条件一般较差，影响了多方安全计算的性能，如何对通信和性能进行优化。另外，医院之间对研究的贡献如何客观度量。这些方面，医渡云正在和清华大学等高校开展合作研究优化。

平安蜂巢平台在落地联邦学习的过程中发现了两个问题：第一个是“数据确权”与数据价值评估的问题。具体来说，就是如何在数据不可见的情况下，进行数据价值判断与商业定价。

同时，隐私计算的数据定价也要与根据查询数据条数计费的传统模式有所区分。作为数据需求方的业务客户，更加希望可以通过隐私计算技术应用降低数据购买成本，从而为业务带来新的亮点与价值。

因此，隐私计算需要对传统的数据购买进行商业逻辑变革，从根本上优化数据合作的商业定价，激活金融数据的潜在价值。

蜂巢平台负责人认为，“维持与传统形式相同的数据定价模式，将不利于隐私计算的行业技术发展。”

另一个挑战是密码学在隐私计算实践中的应用，在实际应用中会有很大性能挑战。因此，需要更多的高校和研究机构投入密码学的研发当中，共同推进隐私计算行业的技术应用与落地。

从“Intel inside”到“隐私计算 inside”

与传统的土地、劳动、技术等一样，数据已是生产要素之一，成为一种新型社会生产力，越来越多的业务场景需要多方数据的流通和共享。在《国家数据安全法》颁布后，联邦学习、隐私计算更加凸显价值。

今年，针对隐私计算的招标采购已经普遍开始，隐私计算已经到了开始真正尝试规模化应用的阶段。对于有一定技术产品实力的企业来说，技术的竞争天花板只会越来越小，行业的垂直细分应用会越来越大。

数据中心与数据中心的联邦学习会成为数据开放流通的主流模式，设备之间的横向联邦学习，会随着手机智能设备、无人驾驶、工业设备等场景开始遍地开花。

在杨强教授看来，联邦学习不是一套简单的算法，而是一个大数据生态的操作系统。从操作系统的角度来看，首先要安全，其次是效率，第三是参与者生态。这些都还没有建立起来，所以行业远没到成熟的地步。

 “联邦学习、隐私计算没有过热，这里面可能会出现下一个Windows。未来，我也期待有更多的厂商使用隐私计算，甚至像每台电脑上的‘Intel Inside’一样，在自己的产品上打上‘隐私计算 Inside’，隐私计算将成为一种商业转化的核心竞争力。我期待，这将会是一个范式（paradigm）的改变。”

黄奉孝的一句话，让人印象深刻：等隐私计算技术发展到向今天的hadoop技术生态的成熟度后，我猜测“安全即业务”会到来。

互联互通的当下与未来

今年以来，业界逐渐开始尝试异构联邦学习产品之间的互联互通实践，FATE也先后与中国电信等联邦学习平台实现互联互通，初步验证了正在制定中的联邦学习技术互联互通技术标准的可行性。但产品两两之间实现互联互通还远远不够，行业仍面临着诸多挑战：如何从成功案例中总结经验，找到普适性方案，使得不同联邦学习平台能以便捷的方式实现互联互通？如何能扩大联邦学习影响力，吸引更多参与方，实现大规模应用，满足不同企业个性化生产需求？此次互联互通工作组的会议针对这些行业现状进行了深刻的分析。

会上，中国银联周雍恺作《互联互通工作组启动会》的分享，结合商业诉求和技术实践，总结了联邦学习的演进方向，并就目前互联互通的技术问题提出可行性建议。微众银行联邦学习FATE生态研发负责人范涛分享FATE新版本的规划，包括新增算法、优化框架等，以兼容不同联邦学习平台。VMware张海宁分享2021年FATE项目社区海外推广，从内容、平台运营、活动等角度详细介绍了推广方案，助力FATE国际化。中国电信翼支付章庆分享了《数据融合赋能数字经济 - 中国电信翼支付隐私计算创新与应用实践》，并从支撑生态内数字化产品需求和对外项目经验上阐述了中国电信在隐私计算领域相关产品的布局。

会议达成共识，联邦学习已正式进入互联互通阶段，产出标准化的框架和API是行业的根本痛点，也是互联互通工作组的努力方向。后续，互联互通工作组将讨论确定工作组的目标、互联互通框架以及API的呈现形态。作为开源联邦学习框架，FATE希望在新的时间节点上与业界联邦学习产品一起，在不断磨合和优化的过程中，推动联邦学习步入开放通用的阶段，共同打造联邦数据网络的生态。

开源开放，多方携手共同构建联邦数据网络

FATE是微众银行人工智能团队发起的全球首个联邦学习工业级开源框架，可以让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。FATE于2019年2月首次对外开源，并于2019年6月捐献给Linux基金会，并成立FATE TSC对FATE社区进行开源治理，成员包含国内主要云计算和金融服务企业。发展至今，FATE已经迭代至1.6版本，与多个联邦学习平台展开深度合作，目前已汇聚800多家企业、300多所高校等科研机构的开发者。在社区成员的支持下，联邦学习逐渐走入大众的视野。

随着互联互通工作组启动，微众银行将与诸多头部企业合作，致力于突破联邦学习互联互通技术难关，促进联邦学习的标准化。伴随着系统框架和API的标准化，FATE作为最早的开源产品，将与所有联邦学习平台合作共生，共同构建联邦数据网络的生态。

雷锋网雷锋网

滴滴上市之际，最被关心的还是盈利问题。

上市或许能解一时之渴，但如果没有稳定的盈利来源，滴滴恐怕无以为继。什么才是打破滴滴利润困局的那颗石头？

人们又再次想起了滴滴金融。

金融业务一向是互联网巨头们的流量变现利器，滴滴的金融版图也早已成形，手握八张金融牌照，足迹遍及支付、保险、证券、消金等多个业务版块。

但做得如何？说好听些，是低调布局；说难听些，是没有起色。招股书也并未单独列出金融业务收入和贡献情况，外界对滴滴金融又多了几分不看好。

回顾巨头们的金融帝国成长史，支付往往是基石，银行和保险等牌照保证“成色”，贷款唱“主角”，大体都是借以往积累的用户流量和交易数据，为金融提供支持。

事实上，单凭这些互联网巨头的庞大用户群和流量，无论进行何种形式、何种深度的金融业务，变现成绩都不会太差。

但如此体量的互联网巨头，必须保证自己的每一记出拳都是最有力、高质量的攻击。

美团靠着和城商行做联名信用卡，千万级别的发卡量终于让金融业务“出圈”；字节跳动倚靠抖音这个顶级流量池，做电商做支付做分期都备受关注。但再看滴滴金融？它在互联网巨头第二梯队里的处境，多少有些尴尬。

布局六年，八张牌照

从2015年到现在，滴滴布局金融六年。先简单来看这六年间的大动作：

注：另有公开资料称，厦门全桔融资担保公司的设立等于拥有融资担保牌照。

滴滴App里，目前金融相关内容可分为三部分：理财，借钱，保险。

滴滴做金融有什么优势？

变现逻辑清晰明确，即基于出行场景，从支付到借贷、再到保险和理财，从高频到低频向外延伸，形成一个金融业务同心圆。

用户是海量的，以招股书披露的2021Q1数据算，滴滴中国有1.56亿月活用户，潜在的金融客户之多可以想见。

数据也是充足的，滴滴对司机的接单情况了若指掌，至少掌握了相当一部分收入数据；用户的消费偏好、出行路线都能一定程度帮助滴滴刻画用户画像，实现精准风控和个性化营销。

滴滴月付这种自营小额分期产品，也被认为是可以更准确地描绘用户画像，为滴水贷进一步自营做准备，形成金融闭环生态。

滴滴更可以立足出行，迈向汽车领域，涉足汽车金融，向车主推出车贷、车险、汽车租赁等一系列金融产品。从出行或者汽车生态入手，在产业链上做做文章，滴滴的金融业务似乎也有护城河了。

雷声大雨点小，滴滴金融犯了什么错？

但滴滴金融并没有想象中走得顺利。

不与BATJ这一级别的互联网巨头相比，就算是和入局时间、布局情况相近、同样基于生活类场景的美团比，滴滴金融的规模和声量都算不上令人满意。

新流财经曾经报道，滴水贷的在贷余额仅在200亿元左右，远不及其他互联网巨头的放款规模。

为什么滴滴金融“雷声大雨点小”，不被外界看好？业界的讨论中，这样几种看法占据了主流：

一，滴滴所拥有的金融牌照，“含金量”有限。

尽管滴滴手握8张牌照，数量吊打TMD里的另外两家，但不是所有牌照的成色都一样。

在业内看来，更有份量的牌照通常是银行、证券、支付、消金等牌照，这些牌照关联的金融业务受众群也更广，但审批也更为严格。

而滴滴拿到的牌照大部分都较为“边缘”，如果不是今年一口气拿下消金牌照，滴滴金融的情况或许还要更糟一些。

二，滴滴已经错失了互联网金融的风口，监管只会越来越严，留给滴滴的时间和空间不多了。

互联网金融的发展阶段，业界尚无统一划分标准，但从第三方支付和P2P、网贷等业务来看，可以确定互联网金融至少在2010-2015年间，是处在“野蛮生长”的全面爆发期。

而滴滴金融早期并没有太大动作，业务松散不受重视，被认为是内部边缘部门。等滴滴2017年重金拿下第三方支付牌照时，支付市场的格局早已尘埃落定。

2018年的组织架构调整，可见滴滴有了更大的金融野心，但这时监管已经盯上互联网金融，滴滴就这样和流量红利期擦肩而过，和其他互联网巨头的身位已经拉开。

必须要注意的是，从去年开始，互联网金融监管呈现了前所未有的清晰和严苛，分别针对互联网存款、贷款、保险等一系列业务，以及金控集团、消金公司等组织，出台了多部详细法律法规。与互联网公司有着莫大关系的数据安全和隐私保护，也有了对应的法律面世。

再看滴滴的金融业务，网络小贷新规的影响自不必说，一切与借贷挂钩的业务或许都要再掂量掂量。像是点滴守护（网络互助），上线过的城商行存款产品（互联网存款），要么在下架边缘，要么已经下线——滴滴金融必须抓紧时间，在有限的空间里寻找合规的业务增长点。

三，滴滴始于出行，囿于出行。

诚然，出行场景是滴滴做金融的最大优势，滴滴在出行领域似乎已经没有对手。能在出行生态体系内做到的金融业务，滴滴其实都已经安排上了。

但出行的土壤，适合滴滴生长吗？

还是拿美团做个比对。美团的思路是，用贷款盘活商户和用户资源，增强用户黏性，生活服务场景作为金融业务驱动力，金融产品也有助于加固其主营业务的护城河。

“吃、住、行、游、购、娱”，凡与生活息息相关的场景也都收入囊中，变相提高用户使用频次，开展起金融业务，至少做起小额消费分期的时候，要容易得多。

（雷锋网推荐阅读：《联名信用卡两年1000万张，背后的美团金融「暴风成长史」》）

滴滴对自己的认知，可能是“与车有关的都可以做”，但在用户的认知里，滴滴就等于打车——不需要打车的时候，谁会想到要上一个打车软件借钱、买理财、买保险？

在一些业内人士看来，支付宝、微信支付的胜利，在于成为用户的“零钱包”，至少要有和金钱相关的认知，得到用户的信任。滴滴要想培养这样的用户心智，难度着实很大。

滴滴金融还有机会

纵观滴滴金融全盘，今年拿到的消费金融牌照，被寄予厚望。

这块牌照，是通过入股杭银消金拿到的。在2020年上半年持牌消金业绩普遍下滑情况下，杭银消费金融凭借营收和净利润均保持200%以上的增长，创下了上半年最高增幅。

杭银消金，很有可能会成为滴滴金融业务的增长突破口。

不过更重要的是，得摆正对金融业务的定位。

作为场景平台，场景是主业，金融为主业服务，皮之不存毛将焉附，场景金融的逻辑仍然成立，但做金融的目的更应该是和场景、和主营业务形成良性互动，成为生态闭环里的一块“拼图”，而不是像以往那样，单纯想着借场景，靠流量，以金融做变现，一招鲜吃遍天，等着金融业务把自己从盈利的泥淖里拉出来。

滴滴上市之路十分低调，滴滴金融的细节披露更是少之又少，但去年新上任的金融事业部总经理卓越，此前担任过滴滴的财务和经营管理副总裁，坊间传闻这是一位比前任要强势许多的掌门人——或许这家出行巨头，已经想好金融这张牌应该怎么打了。

雷锋网雷锋网

在微软亚洲研究院副院长刘铁岩看来，原因之一是动态变化的股市里，人们往往很难确定各种投资因子到底在哪个时段更加有效，如果机器能识别出当时的市场是否“正常”，学透不同的历史规律，那无疑会给投资策略带来更有效的决策依据。

创办时间超过二十年的微软亚洲研究院被誉为“AI黄埔军校”，AI+投资也正是这家科研机构长期关注的领域之一。近日，在通联数据主办的全球资产管理数字化转型峰会上，副院长刘铁岩就以《共同探索智能投资研究的新边界》为主题进行了分享。

刘铁岩从高频数据、市场状态、交易成本等多个角度出发，详细介绍了他们对于智能化投资的研究，并讨论了金融投资的实战和研究之间存在的巨大鸿沟：算法有时只在论文的小型数据上有效果，研究者不清楚金融场景特有的实现细节，缺乏领域知识，缺乏稳定公开的数据源等等。

以下是刘铁岩的演讲内容，雷锋网AI金融评论做了不改变原意的整理和编辑：

今天跟大家探讨一下我们在智能投资研究方面的心得体会。

微软亚洲研究院是微软在海外最大的基础和应用型研究机构，在过去20年间，我们在计算机领域，全球最顶级的会议和期刊上发表了大量学术成果，被MIT技术评论誉为全球最火的计算机实验室。中国各大高校的学界精英、各大高科技企业的领军人物，很多都是微软亚洲研究院培养的院友。

虽然我来自这样一个基础科研机构，但和金融也不是毫无关系。2017年微软亚洲研究院成立了创新汇，它的目标是和中国各行各业领军企业一起探索智能化、数字化转型。正是借助创新汇的平台，我有幸和金融界的朋友探讨智能化投资话题，也激起了我本人的兴趣。

所以在过去的一段时间里，我们针对智能投资做了一系列的研究工作，这也正是今天想要和大家分享的内容。

作为一名学者，我关心的并不是股市的风云变换、大盘的涨跌起伏，相反更关注的是投资背后的科学规律，希望从表象能抽取出行之有效的技术框架，能够服务更多的金融机构和行业。

我们虽然关注的是金融投资方面的研究，但是也不完全是纸上谈兵，过去4年中我们研发了一系列金融投资场景下的技术，也和合作伙伴一起进行了AI技术的实盘测试。

这张图展示的是其中一个AI模型在过去一年的表现，对标的是中证500，与指数相比大概有超过30%的超额收益。

不过，今天和大家分享的并不是这个模型，而是从更广泛的角度探讨AI对于资管、投资行业有什么样的启示。

在过去几年间，我们开发了一套自顶向下、比较完善的智能投资技术框架，包含：

数据智能：从海量的数据当中挖掘有效的α因子；

智能预测：针对市场动态性自适应地训练高效的人工智能模型；

智能策略：基于AI的风险分析和投资组合构建，

智能交易：用AI技术辅助自动化订单执行。

不过，这里我想强调的是，所有这些技术都只是一种工具和服务，是用来辅助人类投资者的，只有HI（human intelligence，人类智能）+AI，才能实现混合智能，做出最好的投资决策。

如何从海量的高频数据中挖掘有效的投资因子？

在金融投资中，当进行日频、周频、月频投资时，很少利用高频交易数据。那些关心高频数据的人，很多是为了实现日内的算法交易。这里其实有一个很有意思的问题：在做中低频投资时，高频交易数据到底有没有用？

智能投资的优势在于，从更广泛更海量的原始数据里，抽取有效的投资信号。某种意义上来讲，在金融投资这个大型博弈场里，谁拥有更多的数据，谁对数据挖掘的更充分、更全面，谁就占有更多的先机。

从这个角度讲，高频数据应该是有价值的，因为它确实包含了更加丰富的信息。但是天下没有免费的午餐，高频数据的信噪比很低，有时高频数据所蕴含的趋势和规律与中低频数据可能存在矛盾。

另外，虽然有高频数据作为输入，但是我们能够利用的反馈信号（如收益），通常还是中低频的。这种中低频反馈信号对于高频数据而言，密度很低且有效性存疑。

为了解决这些问题，我们的研究团队开发了一套基于自监督对比学习的表征预训练方法。该方法的基本想法是：人为定义一些反馈信号用以提高反馈信号的密度，如果设计得当，它有可能作为高频数据和中低频预测目标之间的桥梁。

为此，我们利用了两种依赖关系：

一、空间依赖，指来自高频数据和中低频数据的信息，要在某种程度上保持一致；

二、时间依赖，指的是在时间轴上不太远的两个高频数据，需要具有某种一致性。

有了这样的自监督对比学习方法，我们有望从高频数据里去伪存真，找到对我们有用的信息。那么效果如何呢？

首先来看一下左边这个图，它是直接使用纯粹的高频数据，不使用额外的自监督对比学习方法。其中，红点是未来一周按照股票价格走向衡量表现最差的20%股票，绿点是表现最好的20%股票。

可以看到，直接对比二者的高频信号，其实没什么区别；但使用自监督对比学习之后得到右图，可以清晰地看到，头部20%和尾部20%的区分力被明显扩大。

我们对自监督对比学习进行了更系统的评估，计算了它所对应的Rank IC。

蓝色：简单使用中低频（日频）信号；

橙色：把日频信号和高频信号简单拼接在一起；

灰色：用自监督对比学习技术从高频数据中学到的因子。

可以看出，通过使用自监督对比学习，我们得到了更好的投资有效性。在将近一年的时间里，其整体预测效果明显超越只使用日频或者简单拼接日频+高频的方法。

用自监督对比学习方法解决了反馈信号密度的问题，但还有一个问题没有回答——反馈信号的有效性。有关这个问题，我们需要考察两点：

一，频率的差别。从中低频数据中得到反馈信号，去指导高频学习，这种频率之间的跨越是不是需要一些技术来填补；

二，投资链条很长，预测只是其中一环，如果用下期的预测目标作为反馈信号，有可能并不能代表未来整体投资的收益，是否应该重新考量如何定义反馈信号。

为了解决这些问题，我们发明了基于元学习的模块，为预测模块提供新的反馈信号。

图中画圈处（Meta Model）即是元学习模块，它的输入既有高频数据也有低频数据，既有历史数据又有未来数据，在此基础上为预测模型提供反馈信号。

而反馈信号好坏的评价准则，是整个投资链条最后的收益。其实元学习是近年来人工智能领域的常用技术，换句话说就是用机器学习来指导机器学习。预测模型是一个机器学习任务，元学习也是一个机器学习任务，后者对前者的训练过程进行指导。

为了更好地展示元学习模块的效果，我们限定它的行为——要求它只对未来20天的预测目标进行加权平均，用它来作为预测模型的反馈信号。从图中可以看出通过引入元学习模块，我们在年化收益的层面上有了大幅度提高。

图中绿色曲线表示元学习模块给预测模块提供反馈信号；而蓝色曲线表示用下一期的目标作为反馈信号指导预测学习。

通过调整投资过程的交易成本，我们发现随着交易成本的提升，元学习模块会把权重更多的分配给更长期的目标值。

换言之，交易成本越高，元学习模块越希望我们频繁交易，算法希望关注长期趋势。这说明元学习模块可以自动学到有用信息，提高预测模型的反馈信号效果。

如何基于市场状态，调整投资策略？

大家知道，金融投资有个很大的挑战：股票市场是动态变化的，各种投资因子的有效性随着时间此起彼伏；其中的悖论就是，我们不能确定哪一个因子在哪一个时间段更加有效。

面对这一复杂问题，我们并不是无能为力，至少能做如下的问题拆解：

第一，判断一下当前的市场状态是否在历史上曾经出现过？一旦出现过，就可以利用历史数据中的蛛丝马迹，对当前市场进行处理；如果当前市场状态在历史上从未出现过，说明这是异常的市场，其实我们也不必纠结，“躺平”也许是最好的办法。

第二，假设当前市场状态在历史上曾经出现过，我们需要对历史数据进行充分的学习和总结，以希望从中找到有用的规律。那么相关的问题就是：历史规律是否只有一种？如果有多种相互矛盾的规律，比如动量和反转，又该如何学习？

第三，假设我们已经可以学习了不同的历史规律，那么针对当前市场，该如何动态选择一种或者几种历史规律，做出最好的投资决策呢？

为了回答这些问题，我们研发了基于市场状态调整和选择投资策略的框架。

我们使用了自编码器对市场状态进行表达，再把这种表达传给异常检测模块。如果异常检测模块对当前市场状态给予非常低的置信度，我们应该采取被动的投资策略。如果置信度比较高，说明我们有一定自信，可以通过组合历史数据和历史规律处理当前情况。

右图是异常市场检测模块的性能，蓝色对应指数波动，橙色对应于异常检测模块给出的置信度。可以看见，2015年股灾附近，异常检测模块就给了很低的置信度，并且提前有所预警。

可能有人会说，当时整个市场走势异常肉眼可见，何必使用那么复杂的模型来判断呢？

那我们再看一个例子：2019年贸易战期间的市场状态，变化其实没有那么剧烈，人眼不太看出得来。但事实上当时很多行业受到打击，也有很多行业因此得到机会，行业结构的调整，单从指数上是看不到的，但是自编码器就能充分感知。这就是为什么我们的模型，在2019年之初就有非常明确的预警信号。

当我们能够判断当前市场是异常或正常之后，接下来的任务，就是从历史数据中找到未来可以借鉴的规律。

但难点在于，因为历史数据存在各种互不兼容的规律，这些规律反复出现，不同时段出现的频率也不稳定。如果忽略规律的矛盾性，只简单学习一种模型，那这种模型通常会顾此失彼，学到模糊的平均状态，对每一种历史规律的刻画都不到位。

我们的做法是：同时学习多个模型，希望这些模型尽可能不同，尽可能体现出各自的特点，并且能够对市场有一个非常好的解释。

我们发现，这个任务和最优运输问题异曲同工。我们的任务是把每一条历史数据分配到某个历史规律之下。历史数据相当于最优运输问题里的物品，历史规律相当于最优运输问题里的目的地。而历史数据和规律的契合度，就相当于物品到达目的地的运输成本。

做了这个对应之后，我们就可以利用最优运输问题的各种优化方法，帮我们实现高效的数据划分。

下图展示了基于最优运输问题进行数据划分，得到的各种历史模型之间的性能。

左边是一个基线算法，采取的是简单的多路神经网络，没有做预先的数据划分；右边这个图展示的是基于最优运输算法实现数据划分之后再进行学习的结果。左图中，各个模型表现大差不差，相关性非常高，在各时段的表现都没有那么亮眼。

相反，我们的方法可以学到相关性比较低的多个模型，这些模型在不同时间段的表现非常不同，这就给我们提供了机会——因为这些模型越不同，越此消彼涨，我们就越有机会用动态的方式组合它们，最终应对比较复杂的市场。

为了动态组合这些模型，我们使用了注意力网络。所谓注意力网络，是近年来人工智能领域非常有用的技术。从本质上来讲，它是对既有的神经网络结构和参数根据外部输入进行调整，所以我们得到的不是一张静态的神经网络，而是随着时间和外部信息动态变化的神经网络。

正是利用这种动态性，我们才有可能在跌荡起伏的股市上保证常胜状态。这个图告诉我们，在使用了自适应网络之后，最终可以取得各种模型性能的上包络。

手握预测结果，怎么做投资组合构建？

俗话说：投资有风险、入市须谨慎。也就是说：风险控制是金融投资里面非常重要的环节。一个人之所以成为投资高手，不是因为他能发现一两个阿尔法因子，而是他能够有效地控制风险，能够在股市里面找到常胜的规律。

那么，投资过程中的风险有哪些类别？

首先，未来市场充满未知，我们总是会面临投资不确定性，这就是所谓的固有风险。

其次，在使用预测模型辅助投资时，因为模型本身的误差，会引入额外的模型风险。

只有在构建投资组合时，把所有这些风险都考虑在内，才能在投资时立于不败之地。

人们虽然对于风险因子的重要性没有什么异议，但是对风险因子的研究进展却非常缓慢。因为传统因子的构建需要依赖专家的理论创新和经验积累，同时对于不同的市场需要用不同的方式人工去定义因子。

大家知道，从最早的CAPM模型到Fama TFM模型经过了31年，也无外乎增加了size、value这几个风险因子。而从Fama TFM发展到BARRA CNE5，经过了20年，也只是增加了动量、成长等为数不多的几个因子。

在风险因子挖掘方面人工智能大有所为，因为人工智能可以自动从数据当中发现有用的规律，可以把风险因子的刻画做得更充实、有效、及时。在人工智能的眼中，所谓固有风险因子就是要学习出市场状态的正交基；而所谓模型风险就是刻画出预测结果的置信度和相关性。

具体而言，针对固有风险的学习，我们的任务是利用少量独立的风险因子解释市场，未来希望投资组合在这些因子上有充分的暴露。

用数学语言来描述，就是希望从高维非线性的原始数据空间，变化到低维的隐式风险因子空间。

为了实现这一点，要有一个优化目标，我们希望在低维的隐式风险因子空间里，各维度尽量独立，同时对市场解释能力足够强，这就对应于幻灯片里展示的优化式子。

这个式子的蓝色部分，表达的是最大化股票收益在这些因子上的投影；红色描述的是各因子之间的相关性，希望最小化相关性或者最大化差异度。

通过这个优化过程，我们可以自动学习出一组风险因子。它们可能不像传统风险因子那么容易解释，但它们对市场的描述更充分，并且先天具有非线性性。在构建投资组合时，效果更好。

接下来，我们谈一谈模型风险。单只股票的模型风险很容易理解，描述的是股票实际收益低于预期收益的情况——但并不是单只股票模型风险大，投资组合的风险就一定大。

比如左图里两只股票，预测得分都很高，但实际收益很低，显然单点的模型风险和组合风险是一致的。右图两个股票的预测值很高，但是实际上一个高收益一个低收益，这种情况下投资组合的风险其实是不高的。

投资组合之所以要做风险控制，就是希望至少有一些股票表示强劲，不要大家同涨同跌，所以在这种情况下我们认为投资组合的模型风险并不高。

换句话说，投资组合的模型风险，需要考虑股票之间的关系，而不是简单由每支股票自己的单点模型风险所决定的。

为了更好地给模型风险建模，我们考虑到图神经网络，在这里面每个点描述的是单只股票的模型风险，边描述的是两只股票之间的关联关系。

在整个图神经网络迭代的过程中，单点模型风险会不断修正投资组合的模型风险，反过来投资组合模型也会修正单点的模型风险。所以当整个图神经网络的学习收敛之后，我们就得到了一个整体的模型风险矩阵Σμ，这个矩阵加上之前自动学习出来的隐式固有风险的矩阵，共同用于投资组合的优化。

我们对于这种基于AI的风控方法进行了评测。右图中，蓝点表示基线方法（BARRA模型），红点使用了隐式固有风险技术，而绿点则同时考虑了隐式固有风险和基于图神经网络模型组合风险。

从图中可以清楚地看到，使用新的风险因子确实可以得到更好的收益和风险的平衡。

从订单执行控制交易成本，AI能做什么？

当我们有了好的投资组合之后，最后一公里的事情就是执行换仓的订单。

这个事情非常重要，因为给定一个换仓的订单，不同的执行方案会对应完全不同的交易成本，所以很多有实力的交易机构都会在日级别元订单的基础上，关注小时、分钟甚至秒级的操作，希望能控制交易成本。

而一个订单执行方法的好坏，通常我们会用订单完成后的平均价格去衡量。

这张图是订单执行策略的基本概念，如果有一组订单把他们按照时间均匀执行，就会得到按照时间加权的平均价格。

如果可以预测每一个时间段的交易量TWAP，并且按照这个预测结果调整订单速度，就会得到按照交易量加权平均的价格VWAP。

它们都是市面上常用的交易算法，但显然它们都不是最优的，因为如果我们真有本事在价值最高点去执行订单，一定会有更好的平均价格——但这个事情又不是那么简单，因为在任何时间点都有交易量的上限，很可能在价格最高点没有足够的市场容量去完成订单的交易。

因此，订单的执行不是一件简单的事情，需要很好的算法支撑。

我们尝试了使用强化学习来实现自动的订单执行。强化学习是人工智能领域非常重要的门类，大家都听过的AlphaGo就是使用深度强化学习的算法。

我们的订单执行任务因为可以很好地建模成强化学习的问题：给定一个状态（市场信息、剩余时间、剩余订单量），选择合适的动作（控制当前订单执行的速度），从而得到某种奖励（比如订单执行后的平均交易成本、订单是否如期完成、瞬间的交易量是否过大等等）。

看起来强化学习是非常好的工具，可以解决订单学习的问题，但如果大家是行家就知道，强化学习是不容易驾驭的工具。

强化学习有很多缺点，其中包括：训练过程不稳定；样本效率比较低。为了解决这些问题我们发明了一套新的技术，叫做先知教练，它具有完美信息的访问权，可以看到未来的价格和交易量，不需要去猜，所以可以通过优化的手段得到全局最优的执行策略。

有了先知教练之后，可以用它为基础，利用策略蒸馏的方式，把它的所知所得传递给RL智能体，以此提高学习智能体的学习效率和稳定性。

最终实际使用AI模型在线实现订单交易时，我们当然不能使用先知教练，但被完美先知教练调教出来的智能体已经有了很好的表现。

到此为止我向大家介绍了数据智能、智能预测、智能策略、智能交易等研究的进展。当然，四年的积累远比我今天介绍的内容多得多，如果大家有兴趣，可以通过微软亚洲研究院创新汇的平台和我们建立长期的战略研究合作关系，共同去探索智能投资的边界。

最后还想和大家分享一下我关于智能投资研究与实战的思考。通过这4年的亲身经历，我发现金融投资的实战和研究之间存在巨大的鸿沟，很多算法仅在论文里的小型数据上有效果，拿到实盘上测试表现就大相径庭。

其中一部分原因是这些研究者并不了解金融场景特有的实现细节，缺乏领域知识，缺乏稳定公开的数据源等等。我们只有填平这个鸿沟，架起连接研究和实战的桥梁，才能让学界和金融业界共同促进智能投资的发展。

智能投资如何逃出“纸上谈兵”困局？

怀着这样的愿望，我们团队开源了一个项目叫Qlib，是全球第一个智能辅助量化投资的技术框架。我们采用MIT协议，将我们的研究环境，向广大金融从业者开放，未来也会逐步将我们的研究成果通过这个平台进行分享。这个开源项目刚刚上线几个月就得到很多关注，在GitHub上收获了超过五千颗星，很多国际知名的投资机构都因为这个项目和我们建立了交流和合作。

那么我们为什么做这个开源项目呢？它对促进金融实战和研究的融合能够起到什么作用？

在做金融投资研究的过程中，我们需要构建数据集，这里其实有非常多的陷阱。比如，左图所示的幸存者偏差：其实很多股票在历史上都消失了，今天幸存的股票是比较常见有韧性的股票。

如果我们只关注存留的股票，忽略当时市场上存在的股票，我们学习的环境就会与当时的市场不一致，就会出现学习的时候不错，但拿到实盘上损失惨重的情况。

再比如，我们在构建数据集时，经常需要对股票价格进行处理。通常有两种方式，一是前复权价格，也就是把历史股价按除权后的价格进行调整，二是后复权价格，就是将当前股价按除权前的价格进行调整。

其实无论哪一种处理办法听起来好像都没有问题，但是当我们把它用于机器学习和人工智能的时候，就会出现一些隐患：

假设我们使用前复权，就会把股票未来的走势通过复权的行为融入到历史数据中去，这时学习过程中就会出现未来信息泄露的问题，学到了看似很有效的模型，在真实场景中使用就会出现很大的纰漏。

回测的时候也是一样，比如很多论文都没有考虑涨停不可买入，跌停不可卖出的现象，没有考虑最低交易量的种种限制，所以一旦把这些因素考虑在内，回测出的超额收益会有非常大幅度的变化。

所以我们认为有一套通用的、非常接近实盘操作的开源框架，是促进金融投资、智能投资方面的研究和实战的必由之路。

除了前面提到的几点以外，Qlib还在其他很多方面做了细致的工作。当然我们不可能面面俱到，所以我们非常期待金融界的同行去试用这个项目，发现其中的问题，和我们一起把这个做的更好，在学界和业界之间架起更加通畅的桥梁。

最后，我想说：金融领域的智能化进程刚刚拉开帷幕，虽然我们和合作伙伴一起在AI投资方面进行了一些令人鼓舞的研究尝试，但未来的路还很长。所以，我们呼吁大家一起努力，借助整个AI研究社区的力量，共同推动金融科技的发展。联手攻克核心技术，才能水涨船高，共同繁荣。谢谢大家！

雷锋网雷锋网雷锋网

日前，2021华为智慧金融峰会在上海举办，以“数智金融 升级有道”为主题，邀请了众多行业大咖深入探讨智慧金融的价值主张和升级路径。

数字化转型大潮使得金融云基础设施在峰会上获得极高的讨论度，而作为华为向金融机构输出云服务能力的重要方案之一，华为云Stack也自然而然成为这场金融旗舰大会关注的焦点。

据IDC报告显示，华为云位居中国金融云基础设施市场份额第一，华为云Stack已连续三年获得中国金融机构自建云基础设施市场第一。这家名列前茅的云厂商，是如何围绕华为云Stack输出自己的金融云战略与战术，如何成功助力头部金融机构迈向云化的？当中的众多技术亮点和合作细节，也得以在本场大会详细披露。

金融科技下半场，如何读懂业务核心需求？

现如今，金融业更加强调与互联网场景的结合，与大数据、AI能力的结合，提升客户的体验，建立全方位的数字化运营流程，最终走向金融业态内外部全方位、全场景的数字化、智能化和开放化，业务全面在线、全量交互，实现全场景智慧金融。

基于这一行业趋势，现下金融业务的核心需求是什么？在峰会上，华为云CTO张宇昕将核心需求拆解为以下四点：

首先，无处不在的业务和服务极致体验。例如银行、证券的实时交易，对时延非常敏感；电子渠道的替代率逐步上升，需要实现在线、互动、离柜和远程的立体化交付方式。

第二，业务的敏捷。要根据不同需求，提供差异化的金融服务，并且能够快速上线，实现从“周级”到面向互联网化的“天级”敏捷业务迭代。

第三，发挥海量数据的价值，让业务更加智能。比如面向千行百业提供小微贷款，如何做到智能风控、智能营销。

最后，安全可信，这是金融服务的基础，也是合规要求。要做到金融业务系统的高可用，满足严格的RPO、RTO指标。

基于上述目标，全面云化和全栈智能两个关键点，成为这场数字化变革顺利执行的“秘诀”——即金融行业需要大规模高可靠的云基础设施，承载核心系统。

与此同时，云平台需要能够持续进化，快速获取到人工智能、大数据、区块链等新技术，应对未来持续创新，从而达成共建全场景智慧金融的目标。

华为Cloud BU副总裁、全球Marketing与销售服务总裁石冀琳表示，“华为和金融共成长，共建全场景智慧金融，我们提出四点倡议：第一，全面拥抱云化，解决企业上云核心问题，让数字化转型走在正确的路上；第二，全场景智能联接，打造金融+X，服务千行百业；第三，将智能进行到底，AI进入金融核心生产系统和主业务流程；第四，围绕场景构建金融生态圈，打造生态型金融产业。”

她进一步指出，这需要解决多业务按需部署的需求，解决能力共享和新老应用共存的问题，同时也要满足金融行业合规运营的要求。

而在这样的新阶段里，云原生逐步成为金融数字化转型的首选。张宇昕在演讲中指出，只有基于云原生的技术，通过全面云化，全栈智能，才能真正实现无处不在、多元化、全场景的金融服务。

IDC的行业报告中也指出，以容器和服务网格为代表的云原生技术，在金融行业得到了越来越多的应用，正在成为金融IT架构的标配。

瞄准全栈智能，华为云Stack与金融机构如何共舞？

要帮助金融机构，构筑全栈云原生的能力，实现全面云化，针对前述的核心需求进行全面创新升级，就需要全栈智能的云平台，如同为机构打造一个智能中枢。

而这样一个智能中枢的构建，在华为云看来，必须拥有这两大关键能力：

一是云服务持续创新的能力。

通过快速同步华为云公有云持续创新的能力和生态，华为云Stack部署在客户的机房，提供系列的安全能力和云服务，实现公有云的能力、本地化部署，在满足金融行业监管要求合规的基础上，为金融企业提供AI、区块链、大数据等最新的技术，支撑数据分析、核心系统分布式改造、云上数字化办公等场景。

这种华为云公有云的云服务能力的定期同步，也保证版本的持续迭代，适配金融机构业务创新的需求，共同应对业务的不确定性。

二是用户视角一朵云的能力。

作为云体系里最核心的部件之一，云管是客户行使权利和确定责任边界的主要载体，需要灵活匹配客户的组织结构；同时，企业信息化建设的过程中会沉淀大量的历史资产和老旧的系统。

因此，华为云Stack构建了云管理平台ManageOne，实现多云统一管理，匹配金融企业治理架构。集中管理跨地域、跨云的多资源池，面向客户提供统一的接入和使用，做到应用一张网，数据一盘棋，管理一朵云的体验。

具体来看，华为云Stack为金融机构，构建了大规模、高可靠的金融级分布式云基础设施，实现金融业务全面上云，两地三中心、秒级故障隔离等满足金融应用业务连续性要求。

工商银行的IT架构转型和核心系统建设中，就充分借助了华为云Stack的能力。

工行作为国有大行，其数据之海量，系统之复杂，绝非一般金融机构可比。工行的原数据仓库系统，扩容一次就需要停机3-7天，在负载管理、作业优先级调度方面也存在不足。在大数据量的高频访问下，数据库系统也存在响应速度较慢、交易等待时间长、运维故障处理能力耗时较长等痛点。

同时，传统大数据三副本存储性价比低，存在资源浪费现象。同时，现有大数据平台存在数据孤岛，协同分析能力不足，无法满足业务需求。此外，目前大数据批量集群已数千节点，承载了多个重要业务场景。

IT架构如何在不影响现网业务运行的情况下实现持续演进，不影响业务的连续性和发展速度，成为工行数字化转型中不得不面对的头号问题。

为此，工商银行基于华为云Stack，构建了生产云、开发云、测试云、实验云和分行云五朵云，实现了超大规模资源池化管理和自动化、可视化、智能化的运维，以及多层次的安全及高可用保障；上线11000个云节点，平稳支撑历年“双十一”、春节红包等业务高峰期。

而对于公有云与本地云如何各展所长，华为云也颇有心得。华为云Stack技术体系和云管平台ManageOne，可以通过云联邦技术，实现本地云和公有云的融合，完成业务跨云部署。

云联邦的主要使用场景分为两类：

第一，应用的跨云部署，例如将数据库和文件系统部署在本地高安全的资源池里，把营销类等弹性较大的应用部署在公有云上。

第二，利用公有云和本地自建本地云在云服务能力上的协同，例如线上AI训练、线下标准化算法推理、线下自动化部署等。

中国人寿基于混合云进行的业务跨云部署，就是云联邦的成功落地案例之一。

国寿的集团云、分公司云在本地高可靠部署，而在线营销系统、智能保险的理赔、云办公等重要业务场景，甚至全公司超过200万员工的智能语音陪练，都部署在公有云上，将公有云的灵活、创新能力，自建本地云本地、可靠、安全的能力都同时利用起来。

据统计，对国寿集团互联网费用TOP7业务进行测算，这一解决方案每年为国寿节省约3000万元，同时也保证了机构能够快速、便捷地享受到公有云上丰富的AI、媒体处理、OCR等云服务。

在这一云能力的部署下，国寿成功通过行业云输出自身的智能客服和技术组件能力，形成了特色SaaS服务体系，也建设了自有保险生态圈。

同时，华为云在云管领域也重点构筑了智能运维的能力，实现了云平台软件和硬件节点整个运维监控体系的拉通。

之所以打造智能运维的能力，与两大因素密不可分：

第一，金融机构的应用大量分布式改造时，会引入很多开源的组件，开源的组件带来了运维工具会非常碎片化，定位周期长。

第二，随着云的不断延伸，原有的云平台和网络部门、云平台和数据库、大数据部门的组织和责任的边界会被击穿，需要在运维领域快速定位到故障点，推进跨部门之间的处理流程。

工商银行运用华为云Stack的能力，构建了自己的运营运维体系，例如在大规模分布式架构体系下，工行建设了全息监控平台，实现了在分布式架构下链路级的故障定位能力，从小时级达到了分钟级。

同时配合百万级TPS的日志中心系统，进一步实现了智能的监控报警能力，实现了基于画像、灰度、交易波动，基于AI算法的智能故障发现，弥补了传统预制监控无法发现问题或者报警不准确的问题。

尽管华为云Stack已经颇为成熟，并已在众多金融机构的数字化进程中发挥作用，但华为云仍然在不懈前进。此次峰会上，张宇昕也提到了华为云在金融领域    后续的发展方向，例如华为云Stack将持续进行架构升级，在IT管理使能服务和云办公方向继续深化；云基础设施的优化升级，AI、数据和应用使能的继续强化，也已在华为云的2021日程之上。后续如何与金融机构一起积极探索、设计金融行业智能升级的顶层架构，更好地成为数智金融的践行者，也将是华为云的发展重心。

雷锋网雷锋网雷锋网

近日，筹备近5个月的辽沈银行，在所有银行人的瞩目下，正式开业，注册资本高达200亿元。

据雷锋网此前报道，辽沈银行的主体，由辽阳银行和营口沿海银行合并而来。参与注资的8家股东均为国资企业，其中辽宁金融控股集团持股52.5%，拥有绝对控制权。

新任董事长王默涵此前长期供职于招行，曾先后任招行哈尔滨分行行长、沈阳分行行长，是一名在招商银行任职长达20年的“老将”。

辽沈银行行长巩长霖，也曾任招行哈尔滨分行副行长。

当前，辽宁省共拥有14家城商行，但多数净利润下降明显。

事实上，整个城商行和农商行市场，均存在一定的经营风险，尤其在疫情冲击下，不少银行的营收和净利润都出现了明显的下滑，资产不良率也在上升。

尤其是2020年包商银行的破产，为银行界敲响了“凛冬将至”的警钟。

历史上，我国曾经有三家银行破产：最早的是海南发展银行，之后是河北肃宁县尚村信用社，再则便是包商银行。

从去年开始，监管层面就在推动中小银行改革重组，把部分省内实力较弱、资产规模较小的银行进行合并重组。

同时也是为了让一个区域内的多家银行，避免在获客、融资、服务等层面发生内卷，从源头上掐掉不良竞争和恶性竞争。

不到一年，7家银行已“消失”

近一年来，已有7家城商行分别进行了合并，重组为山西银行和四川银行。

两个月前，雷锋网曾解读了山西银行的创建。

该行由大同银行、长治银行、晋城银行、晋中银行、阳泉市商业银行，合并重组而来。

“成立伊始，资产规模即近3000亿元，居全国130家城商行30多位，并将在3年之内完成省内资源整合和网点布局，力争资产规模达到4000亿元。”山西银行在一则招聘公告介绍到。

参与合并的5家银行中，晋城银行资产规模最大，截至去年9月末为837亿元；晋中银行为793亿元；大同银行、长治银行、阳泉市商业银行均在450亿元左右。

据《资本邦》报道 ，从已披露数据来看，去年这5家城商行经营业绩普遍出现大幅下滑。

其中，2020年前三季度，晋城银行实现营业收入16.35亿元，同比下滑25.17%，净利润1.66亿元，同比大降65.23%。截至同年9月末，晋城银行不良贷款率3.79%，较上年增加1.69个百分点，拨备覆盖率132.94%，跌破监管红线。

而近一年最大银行合并重组新闻，莫过于中国银保监会批准四川银行的筹建申请。

其注册资本高达300亿，成为中国注册资本最高的城商行。

与辽沈银行、山西银行重组形式类似，四川银行是以攀枝花市商业银行和凉山州商业银行为基础，通过资产重组、充实资本、改善治理等系列措施，以新设合并的形式成立。

四川银行董事长林罡表示，四川银行将力争五年内资产规模突破5千亿元、十年内突破1万亿元，成为支持四川全省经济社会发展的金融主力军。

据雷锋网去年报道，当时单是2020年前三个季度，业内便已经发生了超过20次区域中小银行合并重组以及增资扩股事件，其中绝大部分为农商行，同时也包括数起城商行合并重组事件。

在这些重组案例中，常见的形式为，多家小型银行合并重组新设为一家较大型的银行，尤其是县区级以下农商行，合并重组为市级农商行。

如榆阳农商行和横山农商行，以新设合并的方式发起设立陕西榆林农村商业银行；徐州铜山农商行、淮海农商行、彭城农商行三家农村商业银行合并组建为新的徐州农商行。

此前徽商银行、湖北银行、中原银行等城商行的重组合并分别发生在2005年、2010年、2014年。

消灭内卷的最好途径：合并重组

而最近不到一年，则产生了三起合并重组事件。

国海证券首席宏观债券分析师在接受《金融界》采访时谈到，商业银行的合并重组，是未来银行业的趋势。回看全球主要经济体的金融市场以及商业银行发展史，商业银行的重组屡见不鲜，从英国、日本到美国，几乎每隔一段时间，商业银行就会经历一轮倒闭、出清、重组、合并等等。

富国银行作为美国当前最大的零售银行，在过往的200年历史中，富国银行经历了大量的收购，在加州起家之后，他们收购大量加州以及中部甚至东部的商业银行，几经波折，甚至出现过在破产边缘徘徊的情况。

“在过去相对短的时间里，中国经济取得了举世瞩目的成绩，但必须注意的是，我们的金融市场发展历史相比发达国家来讲，还是比较短的，所以很多发达国家走过的路，也将是我们的必经之路，随着未来金融市场发展，不断成熟，金融机构之后，尤其是商业银行的重组合并乃至出清都是一个行业发展的必然趋势。”

而周小川、郭树清和易纲的演讲内容多处提及金融科技，雷锋网AI金融评论整理相关发言如下。

周小川：加密货币有望成为实体经济服务工具，但前期仍有不足

最近在讨论到加密货币领域时，常常会遇到一个问题，这究竟对实体经济有什么好处？特别是有一些加密货币慢慢脱离了支付业，纯粹变为一种数字资产。所以这种讨论可以看出看问题的角度。

从金融科技的角度看，为什么需要强调金融服务实体经济，前面已经讨论到了加密货币，加密货币我个人感觉从它的原理、设计思想来讲，还是有可能成为为实体经济服务的一项有用的工具，如果它真的能够在支付领域中起一定的作用。

从加密货币启动的前期上来看，它还有些不足，比如说它的TPS——每秒钟所处理的交易笔数还不够高，另外占用比较多的网络资源和处理能力，再有大家可能对它的一些特性比如说去中心化，强调去监管，会有一些争议。但是这些事儿还要走着瞧，看一些热点能不能在后来得到解决。

如果参与的这些主导的人过于想挣快钱，着急挣快钱，就很容易想通过交易来回收自己的投资甚至是赚大钱，那就把它搞成了数字资产、加密资产，从现在看有一些加密货币要想再回到支付领域，它已经失去了机会，可能已经不太合适，也不被大家所接受。这个要从理念上，搞清楚这些是否有助于金融科技发展为实体经济服务。

郭树清：警惕打着所谓的金融科技、互联网金融等旗号的骗局

经过化解重大金融风险三年攻坚战，我国多个方面的金融风险都出现了收敛趋势。但是，防范风险是金融工作的永恒主题。我们必须居安思危，一刻也不能松懈。当前需要重点关注以下几个方面。

第一，积极应对不良资产反弹。为受疫情影响的中小微企业贷款本息实施延期，预计将有一定比例最终劣变为不良。一些地方房地产泡沫化金融化倾向严重，相当数量的政府融资平台偿债压力很大，部分大中型企业债务违约比例上升，加剧了银行机构的信用风险。部分中小金融机构面临的形势更为严峻。必须督促银行机构做实资产分类，加大拨备计提力度，确保能够更快更多地处置不良资产。

第二，严密防范影子银行死灰复燃。我国高风险影子银行与国外不同，具有典型的“体系内”和“类信贷”特征。经过整治后，我国影子银行规模已较历史峰值压降20万亿元，但存量规模依然较大，稍有不慎就极易反弹回潮。要防止金融机构再次通过交叉性金融产品无序加杠杆，对各种“类信贷”新花样必须遏制在初期阶段。要认真落实资管新规，确保存量资管产品整治任务顺利完成。

第三，坚决整治各类非法公开发行证券行为。金融市场目前仍然存在大量名为“私募”实为“公募”的各类产品。过往的非法集资案件，许多实质上属于非法公开发行证券。这些产品参与投资的人数都突破200人的限制，发行对象实际上面向不特定的投资者，对市场、社会和人民群众造成严重损害。一旦发现“假私募、真公募”，应依法予以严惩，并按欺诈发行、财务造假或虚假披露追究发行人等相关方的法律责任。

第四，切实防范金融衍生品投资风险。在前期发生风险的金融衍生品案例中，有大量个人投资者参与投资。从成熟金融市场看，参与金融衍生品投资的主要是机构投资者，非常不适合个人投资理财。道理在于，受不可控制甚至不可预测的多种因素影响，金融衍生品价格波动很大，对投资者的专业水平和风险承受能力具有很高要求。普通个人投资者参与其中，无异于变相赌博，损失的结果早已注定。那些炒作外汇、黄金及其他商品期货的人很难有机会发家致富，正像押注房价永远不会下跌的人最终会付出沉重代价一样。

第五，时刻警惕各种变换花样的“庞氏骗局”。当下，各种以高息回报为诱饵，打着所谓的金融科技、互联网金融等旗号的骗局层出不穷，其实质都是击鼓传花式的非法集资活动。大家一定要牢记，天上不会掉馅饼，宣扬“保本高收益”就是金融诈骗。要自觉提高警惕，增强风险防范意识和识别能力，远离各类非法金融活动。

易纲：强化金融科技手段运用于中小微企业金融服务

坚持发展普惠金融，近年来我们持续加大对小微企业和个体工商户的金融支持，实现保就业保民生，实现增收入促消费，从而稳住经济基本盘。

我们始终坚持市场化、法治化原则，健全激励相容机制，强化商业银行信贷风险管控能力。目前普惠小微贷款已支持3600多万户小微企业和个体工商户。

我们将继续运用结构性货币政策工具，发挥部门政策合力，引导银行在商业可持续的前提下，加大首贷、信用贷支持力度。鼓励银行与企业按照商业可持续原则，加强贷款风险防范。

深入开展中小微企业金融服务能力提升工程，强化金融科技手段运用，推广随借随还模式，促进商业银行加快形成敢贷、愿贷、能贷、会贷的长效机制。

雷锋网雷锋网雷锋网

中国万向控股副董事长、通联数据董事长肖风在峰会上表示，资管行业正在向数字化迁徙。资产管理行业的数字化转型是“三横三纵”坐标体系。横坐标系即机构自身数字化、客户数字化、社会经济数字化，纵坐标系即数字孪生、数字迁徙、平行宇宙、自我循环，虚实相生、反身性互动。

肖风表示，“资产管理行业和资产管理机构还停留在过去十年。云计算、大数据、互联网、人工智能等，能为资管行业带来很多革命性变化，但如果基于过去十年的技术研究，那么这些变化都只是传统金融模式的优化和延伸，而非革命性改变。真正的革命性是基于区块链、博弈论、共识算法、智能合约等所建立起来的新金融体系。”

人工智能领域的国际知名学者、微软亚洲研究院副院长刘铁岩表示，智能投资研究的框架包括从海量高频数据中挖掘有效投资因子，即数据智能；针对市场动态性训练自适应模型，即智能预测；基于AI的风险分析以及投资组合构建，即智能策略；基于AI技术的自动化订单执行，即智能交易；AI技术为人类投资决策提供参考，即混合策略。

通联数据CEO王政表示，如何在海量数据中萃取高价值信息一直是投资研究行业的痛点。基于知识+数据+算法的底层逻辑，人工智能与人类专家共同携手完成的高水准投资研究项目层出不穷，人类专家的投资研究分析能力正在被人工智能有效提升。“只有基于人类智慧增强的全新范式，才能实现资产管理的数字化转型。我们已经看到了这样的浪潮，我们面对的是一片蓝海，未来空间非常广阔。”

麦肯锡全球资深董事合伙人曲向军介绍了海外资产管理机构数字化的经验，结合中国资管机构数字化探索的现状。

曲向军建议，制定与业务战略高度一体化的数字化战略，建立起科技与业务高度融合的科技治理体系，实施用例驱动的大数据的平台建设，特别是大数据赋能智能投研，打造金融科技开放创新生态平台，加强科技和数据人才的储备，力争大数据和科技人数达到总员工人数的20%-25%。

云计算和云服务提升了金融机构的工作效率，降低了运营成本，成为机构数字化转型的另一个主要方向。

亚马逊云科技大中华区CTO刘亚霄认为，金融业务已在数据化，亚马逊云希望帮金融机构找到在互联网上可以做金融业务的接口，然后形成数据分割的混合云，最终发挥数据创造价值的理念。

中信建投证券研究发展部负责人武超则对数字化革命过程中的投资机会做了系统的分析。

武超则建议，数字金融赛道投资核心布局有三条主线：一是生态健全、技术卓越、平台开放的数字金融基础设施；二是数字化赋能高效、流量运营能力强的新金融公司；三是具有较强产业背景和渠道优势的金融科技公司。

银行理财子公司光大理财CTO 张轶表示，传统框架下，数量化研究常用于投资组合的局部分析或基本面投资决策，投资过程和方法仍由组合管理团队主导，并由他们决定投资组合策略及对应权重。

而在一个典型的系统化投资过程中，需要由研究员和分析师负责寻找并评估市场洞见，创造模型以识别投资机会，投资专家则专注于按照客观的风控标准进行组合构建及优化，持续关注超预期风险。

量化投资是投资领域里最早应用计算机技术的投资模式，华泰柏瑞基金副总经理田汉卿表示，量化投资最近几年也进一步拓展，比如另类数据的加入，自然语言处理和人工智能的应用，大家在不停的做探索。

田汉卿认为，目前用大数据和人工智能提升市场效能还有很大的空间，但是未来更加颠覆，或者未来长期可展望的是人工智能直接承担资源配置的功能，“这可能是非常远的想象空间”。

从私募基金的角度，东方马拉松投资董事长钟兆民，站在投资经理的角度分享了自己在智能化实践过程中的需求。

他表示，一个智能化的投资系统，首先要对投资中的非重要信息进行排除，例如“茅台酒院士”相关信息，不需要推送；而在展示优先级上，分为两个层面：股票类型优先级及信息类型优先级。对于前者，第一是已经投资的股票相关的重要信息；第二是股票池里可以投资但是还没有投资的股票相关重要信息。围绕后者，则要优先负面信息其次正面信息；优先定性信息其次定量信息。

在最后一个演讲中，通联数据首席内容官、产品总监冯钦远表示，在资管的过程当中，人类比较擅长做定性的判断，如何结合模型能力、算法能力，抓住定量的变化，机器则更为擅长。

接下来，他围绕“如何建立智能投资系统”进行了介绍：首先，要将海量的数据注入到系统里面，同时人类专家将投研知识、逻辑关系教给机器，然后运用人工智能技术，将这些内容转化为人类能够处理和理解的信息，支持整个资产管理从投研、监控到组合的构建、风险管理完整的投资流程。

据雷锋网了解，截止3月30日，在800家公司中共计320家上市公司发布了2020年财报或业绩快报，结果显示，通联数据的智能资管平台——萝卜投资的误差中位数为4.70%，精度高于市场一致预期的7.42%；AI预测在83.44%的上市公司中准确率获胜，较去年82.5%的胜率取得了进一步的提升。雷锋网

华为Cloud BU副总裁、全球Marketing与销售服务总裁石冀琳

“华为和金融共成长，共建全场景智慧金融，我们提出四点倡议：第一，全面拥抱云化，解决企业上云核心问题，让数字化转型走在正确的路上；第二，全场景智能联接，打造金融+X，服务千行百业；第三，将智能进行到底，AI进入金融核心生产系统和主业务流程；第四，围绕场景构建金融生态圈，打造生态型金融产业。”石冀琳表示。

全面拥抱云化，共建全场景智慧金融

全场景、智慧、生态是走向全场景智慧金融的三个关键词。“全场景”就是从“人的银行”走向“物的银行”，通过人、物、应用的全互联，将金融服务带向千行百业。“智慧”指的是AI+行业know-how，将AI引入金融行业的核心生产系统和业务主流程，通过AI与应用的结合，提供智慧服务。“生态”是指全场景智慧金融的目标是打造生态型金融产业，共建开放、共赢的产业环境。

为了实现全场景智慧金融，华为提出四点倡议：

倡议一、全面拥抱云化，解决企业上云核心问题，让数字化转型走在正确的路上

只有拥抱云化，才能真正将企业的核心资产数字化，进而才能真正地实现核心资产的沉淀、迭代、创新和持续发展。华为愿意在全面云化的路上，帮助金融行业客户解决上云的核心问题。

第一，全面云化需要解决多业务按需部署的需求。华为云可以同时提供公有云服务、公有云金融专区服务及可本地部署、本地运维的金融专属云，分别满足金融创新类业务要求、等保合规要求及核心业务监管要求。

第二，全面云化需要解决能力共享的问题。华为云能够做到应用一张网、数据一盘棋、管理一朵云，无论线上线下，都为客户提供一致体验和一致生态。

第三，全面云化需要解决新老应用共存的问题。华为云ROMA 应用平台支持存量应用的迁移、新应用以云原生的方式直接构建，并支持新老应用的并存与持续创新。

最后，全面云化需要满足金融行业合规运营的要求。华为为金融客户提供了包含云平台、数据库、操作系统等全栈可信能力，支持金融行业可持续发展。

倡议二、全场景智能联接，实现人、物、应用的全互联，金融+X服务千行百业

走向全场景智慧金融，基础是要做好全场景的智能联接，实现人、物、应用的全互联网，通过各种云服务使能金融服务千行百业。

在面向人的联接上，华为终端云服务有超过5.8亿的全球月活用户，通过华为钱包、华为音乐、华为视频等丰富的应用帮助金融企业精准触达用户。

在面向应用的联接上，华为云ROMA具备强大的应用和数据集成能力，已实现超过15万应用的快速联接，分钟级生成金融API。

在面向物的联接上，通过华为云IoT，实时感知物理世界，如监控银行抵押物的状态，提升金融风险管控效率。华为云IoT联接了超过3亿设备，拥有3500多家生态合作伙伴。

此外，华为云还提供WeLink、RTC、CDN等云服务，全面构建人、物、应用的全互联网络，打造金融+各行业的全场景服务。

倡议三、将智能进行到底，AI进入核心生产系统和主业务流程

目前AI已经融入到金融的获客、交易、风控、投研、运营等各个环节。金融正在从单点智能走向全流程智能。

在金融行业，华为云AI可以提供盘古大模型、知识计算，AI+RPA等云服务能力。

盘古大模型可以实现一个AI模型在多场景通用，模型精度提升超过20%。在物的银行场景中，盘古大模型可以通过视觉检测、实时评估，监控抵押物的状态。

知识计算实现了金融行业知识与AI的结合。在智能风控的资金监测场景中，查询性能提升5倍，分析性能提升10倍。

AI+RPA创造出了新型AI数字员工，在合同自动化对比和和录入场景中，能够提升合同校验效率450倍。

倡议四、围绕场景构建金融生态圈，打造生态型金融产业

一方面，华为云聚合了众多行业领先的金融类ISV/SaaS伙伴。当前，华为云云市场上架了4500多款应用，为银行、保险、证券、互联网金融提供丰富的面向2B的场景化解决方案。另一方面，华为终端云应用市场的全球月活跃用户达到5.8亿，可以帮助金融企业快速触达到全球用户，进一步做大2C市场规模。

华为云与华为终端云服务将在能力和生态方面深度协同，为用户提供统一的服务和体验，包括统一的账号、支付、音频、视频、地图和广告等开放能力。

华为云构建了以场景为中心的金融生态圈，打造生态型金融产业。华为希望能够与金融行业客户们共同成长，共同实现全场景智慧金融的梦想。

持续创新，值得信赖，共建全场景智慧金融

2020年，华为云取得了巨大的进步，在主流云厂商中增速最快，在全球公有云IaaS市场成为中国前二、全球前五。截至目前，华为云已经上线了超过220个云服务、超过210个解决方案。

在金融行业，根据最新的IDC报告，华为云在金融云基础设施中国市场的份额排名第一。截至目前，已有超过300家主流金融客户选择了华为云，包括中国六大银行、十二家商业银行、TOP5的保险机构等。在海外，华为云能够为金融行业提供全球一致体验的云服务，全力支持中国金融企业及伙伴走向海外，海外金融行业走进中国。

华为云通过与金融客户的持续创新实践，不断完善面向金融行业的场景化解决方案，同步提供包括数据使能、AI使能、应用使能、安全等等多种云服务能力，已在国内外主流金融企业得到了广泛应用。

华为云与中国工商银行一起建设了体系完备、规模超大、灵活高效的企业级金融云平台。基于华为云Stack构筑的全栈金融云平台，总体规模超2万物理服务器以及100%的关键应用入云；中国人寿选择华为云，构建国寿“一朵云”，通过“云联邦”无缝接入华为云，构建“国寿混合云”金融云平台，提供全集团统一接入的云服务与生态，包括200+服务和50+应用。

华为的创新不是简单的单点技术创新，与金融客户一起积极探索，设计了金融行业智能升级的顶层架构，真正实现了数智融合，升级有道。

展望未来，华为希望能与金融共成长，一起全面拥抱云化，走向全场景智慧金融。

雷锋网雷锋网

中国金融学会会长，清华大学五道口金融学院名誉院长周小川，在会上谈及有关数字人民币等热点话题，部分发言亮点梳理如下：

1.数字货币和电子支付系统的目的，不是要取代美元的主导地位

尽管中国已经进入了DC/EP的研发和试点阶段，但对这个问题可能理解上还有很多需要讨论的地方，目前有些媒体特别是外媒对这个问题有些讨论会引起某些误解。

DC/EP的发展主要是立足于国内支付系统的现代化，跟上数字经济和互联网时代的步伐,提高效能，降低成本，特别是为零售支付系统服务，设计的目的和努力的方向不是要取代美元的储备货币地位和国际上支付货币的地位。

2.数字人民币不是想取代第三方支付

“人民银行推动的DECP和e-CNY是想取代现在第三方支付的角色”，这也是一种妄议。

央行明确说DECP的计划是一种双层系统，而且整个研发队伍是由央行组织，由主要商业银行，包括工农中建等，还有电信营运商和几大第三方支付机构共同参与研发，都是在他们以往工作的基础上，瞄向升级换代的新台阶。

大家都是在一条船上，当然在一条船上的人有时候也会有不同意见，有时候也可能在有些问题上会有争议，但毕竟是一条船上。并不是有些人说的好像是一种内斗，谁会取代谁的说法。

3.人民币国际化不是取决于技术因素

有一种说法也是外媒说的比较多，就是把数字货币的研发和试点与人民币国际化密切挂起钩来，认为数字货币对人民币国际化帮助不大，或者说也实现不了人民币国际化。

人民币支付系统的现代化、数字化对于提高人民币的地位，提高人民币的跨境使用会有一定程度的帮助，但也不是太大的帮助。人民币国际化更多的是取决于体制、政策上的选择，更多地取决于我国改革开放的进展，而不是取决于技术上的因素。

4.要在保护隐私、反洗钱等方面取得平衡点

支付系统必然要在保护隐私和反洗钱、反恐、反毒品和反跨境赌博之间取得一个平衡。一方面保证隐私，同时还要对某些活动实行必要的监控。因此对这件事如果从两个角度来看会有人站在左边说你保护隐私不够，另外有人站在右边说你纵容了洗钱毒品交易。

所以必然是在中间的某一个平衡点，但是这个平衡点也可以选择稍微偏左一点或者稍微偏右一点。

中国DECP明确提出的概念叫可控匿名，从可控匿名本身来讲它也并不是一个数学上能够精确定位的点，但是它表达的意思就是保护隐私和反洗钱反毒品交易，在这中间找到一个平衡点。大家可以再深入的研究这个平衡点究竟在哪，但也不要拿这个事有意或者刻意地贬低或者攻击DECP的进程。

5.交易结算不是越快越好，支付系统未来可能实现实时全额交易

交易结算不是越快越好，这么多年大家都在讨论是不是交易所技术系统有这个能力可以提供T+0，可以当日回转交易，可以更多的提供高频交易。但实际上市场人士的讨论，对此也提出一定的怀疑和挑战，并非越快越好。

整个支付系统也包括交易所系统，未来都有可能实现实时全额交易系统，但是实时全额交易系统并不是在各个环节都适用的一个好的选择。

这就是为什么ISDA衍生品交易协会反复主张说你要搞差额结算，它对市场参与方的风险控制更有好处，同时降低了由于每笔实时全额交易所要求的经济资本，要求的所谓风险的衡量。

从交易所系统来讲，不是说速度越快越全额实时交易就越好。因此也涉及到这个台阶究竟迈的有多大的余地的问题。

6.减少印花税比降低技术成本可能更受关注

现在交易所系统整体运行比较好。虽然整个交易所系统运行中价格优先、时间优先、证券登记交割等方面也有不小成本，但公众对这方面降低交易成本的呼声并不高。如果说大家希望降低交易成本的话，可能更多地是减少印花税，印花税比技术成本可能更受关注。

7.有一些银行跨境汇款中收费确实太高

脸书抓到了跨境汇款的热点，所以提出用Libra做跨境汇款，而且为了让更多的国家接受，他知道很多国家会担心美元化，所以用一篮子的货币。结果他没想到一篮子货币国际上讨论过很多年，大家都想方设法从各个角度看国际货币体系怎么弄，所以这并不是一个很简单的事。尝试了一年以后发现一篮子货币很难做到，所以就从Libra改为Diem了，只针对美元。

8.中国货币地位应该提高 也确实有提高的潜力

中国作为世界第二大经济体，世界第一大贸易国家，货币的地位应该提高，而且也确实有提高的潜力，但刚才所说的技术系统会对此有影响。

所以这些年在技术方面也有很多开发，很多支持，譬如跨境人民币的支付系统（CIPS）等等，是否可以利用数字货币CBDC这类东西，上一个很大的台阶呢？我觉得不要太高估技术方面的因素，更多的是体制和政策上的因素，还是一个改革开放的选择，下一步走多大选择的问题。

首先一个货币能否被广泛接受，可能取决于你的经济体量、贸易体量、对外开放程度，不是说你能够强求国际上的用户做出什么选择，（客户）都是有自主选择权的。所以这种运筹的广泛性，不仅是一个技术特性。一个主要的内容就是货币可自由使用程度，2016年国际货币基金组织，把人民币纳入了SDR，其中一个因素就是人民币可自由使用的程度已经有了很大的提高，但它是一个连续过程，还有继续提高的很大余地。但是不管怎么可自由使用程度还是注意有反洗钱的功能，还要防止避税天堂，防止逃税，防止毒品交易等等，这是一方面。

再有一个货币抗冲击的能力。大家都知道全球各个国家，各种不同阶段，隔一段时间都会有金融危机，现在大家都知道是2008年这场全球金融危机。但实际上你真正看起来各个国家，都是十多年、几十年之间都会发生金融危机，因此抗冲击能力也是很重要的。因此我们想它还是一个制度因素，中国在未来改革开放的力度可能还会进一步加大，还会做出更鲜明的选择。而这种选择也是取决于发展的路径，改革开放的路径，取决于观点的平衡。其实这个观点也是一种分布，就像我刚才说货币的隐私和反洗钱之间的平衡一样，有的人会认为人民币可自由自用、可兑换是非常好的事，可以尽快去推进。也有的人认为这个是非常糟糕的事，风险很大，尽量不要去做。可能最后是个正态分布，中间的观点比较多，而且它是随着改革开放在不断平移，所以我们说开放进程中的变化可能和人民币国际化有更多的联系，技术方面的因素是基础，是相对比较好做的。包括金融系统在做CIPS的时候，像中国银行这些过去就在跨国支付中起到很大的作用的银行，对他们而言，政策制度明确，利用现有的技术开发一套系统，并不是什么太难推进的事，当然我们也不能低估这种努力。

9.有些莫须有的概念或提法是缺乏对研发计划和试点的理解

有些莫须有的概念或者提法其实是缺乏对研发计划和试点的理解，同时也容易造成“这山望着那山高”。明摆着计划已经提出来了，已经在系统建设和试点过程中了，不要打着排球的同时又想在别的运动项目上得冠军，这可能是有问题的。

北京市地方金融监督管理局局长霍学文也在会上表示，面对疫情和不断变化的国际金融形势，金融业面临诸多机遇和挑战，但总体上是机遇大于挑战。

他表示，金融业在首都经济社会发展中起到了“稳定锚”的作用，而金融科技则成为首都金融业高质量发展的“助推器”。

提及金融科技的发展趋势，霍学文认为，其未来将呈现七个发展趋势：

一是金融技术发展总是边缘突破，随后在金融服务薄弱环节、人力和制度难以解决的问题难点、节约人力成本方向由边缘向中心点侵蚀。

二是金融科技首先替代高人力成本业务。替代不愿意干、成本高、简单重复的工作，由量变到质变。

三是金融科技让普惠金融从理想变成现实。

四是金融科技让金融监管不断面临平衡选择。不监管有风险，不创新难服务。

五是金融监管越来越需要强化监管科技。

六是智能监管是未来趋势。

七是智能监管需要强大的金融风险监测预警系统。

参考来源：凤凰网，中国证券报

雷锋网

雷锋网雷锋网

“五年前，那些有头有脸的互联网公司，给部分银行高管开出的薪资，至少是老东家的两倍甚至三倍以上。市场非常疯狂。”城商行高管王力（化名）向《AI金融评论》讲述道。

那时候离钱、离风险最近的行业，分两极。

一极是所有关于互联网和AI的一切，都在水涨船高。

另一极是整个银行业，在不良贷款率上升、息差收窄、投资资产收益率下降等多重压力下，增长持续放缓。

在此大背景下，那些思维活跃、精力充沛，在金融象牙塔中错过互联网最佳红利期的高管们，自然不想再错过科技+金融这波机会。

出走，成为了常态。

他们跨出了传统金融机构的体制，来到了发展更快、个人空间更广、股票激励更多的BATJ金融部门。

然而，五年后的今天，在经历一系列故事与事故之后，大批金融机构高管又从互联网公司，逆势回流到传统金融机构。

更有甚者，直接归队老东家。

王力告诉AI金融评论，这批高管出走又回归，可以归纳为“人、钱、势”三大原因。

其一，人：传统金融机构高管进入互联网公司后，由于思维模式、做事风格迥异，很难与互联网公司的高管以及下属完成有效的磨合。如果一位空降的高管在两年内都没有搭建好自己的班子，出局是必然的结果。

其二，钱：随着监管机构对互联网金融公司的审查愈加严格，上市变得愈加遥远，这些人手中的股票也成了一张白纸，套现遥遥无期。

其三，势：有些高管在互联网公司历练几年后，把互联网的经验和资源，带回至传统金融机构。

这类拥有双重背景的人，自然在数字化转型时代下，深受企业家们的青睐，给足人力和财力，让其在公司大展拳脚。

那么这些年，到底有哪些金融高管已从BATJ离开。又有哪些人，从传统金融机构出走又再度回归？

百度：空降高管集体踏空

从2018年下半年开始，分管消费金融和理财与资管业务线的黄爽、张旭阳相继出走。

丁磊 （百度金融首席数据科学家）、葛浩（百度金融的首席架构师葛浩）也陆续离开。

而在更早之前，百度金融风控体系的三巨头王劲（CRO）、张羽（风险战略部总经理）、盛军（风控模型总经理），以及百度钱包及金融理财业务负责人的章政华也已离开。 

至此，度小满（原百度金融）精心打造的空降高管团队已经流失大半。

目前，度小满官网显示高管为：度小满金融CEO朱光、CRO孙云丰、CFO葛新；副总裁职务的高管有何松琦、许冬亮以及崔津泓。

除了CFO葛新，VP崔津泓，其他均是“老百度人”。

其中黄爽、张旭阳已经回流至金融机构，重新扬帆发力。

● 张旭阳：百度副总裁——光大理财董事长

张旭阳，国内资深的财富管理、资产管理专家，国内“大资管”时代业务领军代表人物，超万亿理财业务管理者。

2016年5月，张旭阳从光大银行离职。

2016年6月16日，正式加盟百度，任副总裁，分管百度金融体系下理财和资产管理业务。

2018年4月28日，出任度小满金融副总裁 。

“我可能在传统金融机构被局限住了，到百度可以触发我的新灵感。”2016年，张旭阳从光大银行离职加入百度金融时，描述自己的职业直觉。

3年后，张旭阳又嗅到了新的技术变革灵感。

在资管新规体系下，银行纷纷筹建银行理财子公司。

作为发行我国第一款人民币理财产品的银行，光大银行这个资管界的“老兵”自然要奋力筹备。

经历了3年的科技与金融行业的“化学反应”，2019年，张旭阳决定回归光大银行，任理财子公司董事长。

● 黄爽：百度副总裁——中信产业基金合伙人

黄爽，前百度副总裁，负责百度金融服务事业群组（FSG）的消费金融业务。

黄爽在美国的从业经历让她经历了许多消费金融产品的设计以及与互联网技术的结合。

她任渣打银行中国个人零售业务董事总经理期间，创立了中国市场第一款面向大众的无抵押个人贷款——“现贷派”。

在美国第一资本任职期间，她经历了业内最早的大数据分析在客户精准营销上的应用。

既懂零售业务，又懂产品，是黄爽的个人特点。

2016年，黄爽从陆金所离开加盟百度。2019年离职后加盟了中信产业基金，并成为合伙人统管消费金融事务。

蚂蚁集团：褪去的高管，掌握更大的权力

无独有偶，蚂蚁也在经历着高管层变动。

而这些带着蚂蚁光环出走的高管们，找到了有着自己更大发挥空间的金融机构，带着使命感去革新组织与业务体系。

●江朝阳：支付宝大安全副总裁——招商银行CIO

江朝阳，招商银行CIO。

江朝阳曾任支付宝大安全副总裁，负责支付宝的全面风险防控工作。

江朝阳在加入支付宝前，曾任中国建设银行上海市分行个人金融部总经理、电子银行部总经理及上海分行普陀支行行长，是国内首批参与创建网上银行、电话银行中心的管理人员，对网上金融服务、零售金融业务有丰富的经验和较深刻的认识。

在供职支付宝后，江朝阳重新回归银行业，加入招商银行。

●尹铭：蚂蚁金服保险事业群总裁——阳光财险总经理

尹铭，前蚂蚁金服保险事业群总裁。

尹铭于2015年9月加入蚂蚁金服，主要负责蚂蚁金服的保险业务。

2009年至2015年，尹铭任职于中国人寿财产保险股份有限公司，历任总裁助理、副总裁。

在此之前，尹铭为中国人寿财产保险公司上海分公司的总经理，太平保险有限公司江苏分公司总经理。

2020年，尹铭离开支付宝，回归保险行业，加入阳光财险；本月已从阳光财险离开。

京东：聚是一团火，散是满天星

之前京东数科（现已更名为京东科技）撤回科创板上市申请，引发了行业热烈讨论。

在递交招股书前，京东数科曾有不少金融中高层相继离职。

2017年2月，从东方证券所跳槽到京东数科的VP金鳞离开。

2019年下半年，一年前被从建行河南分行行长任上挖来的李尚荣离开。

2019年下半年，京东数科旗下另一家子公司东家金服的CEO汤松榕离开。

2020年上半年，京东数科控股公司ZRobot的CEO乔杨离开，出任乐信副总裁。

此外，还有唐智晖（京东数科VP）、郝延山（京东数科金融市场部负责人）、刘方琦（京东数科金融数据部负责人）、沈晓春（京东数科金融风险管理部总经理）、龚晨妍（京东数科金融企业服务群组销售总监）均已离职。

而不少离职的中高层将这家科技巨头现存的问题，称为“中空”。

部分高管诸如王钰、周宇航从传统金融来，又回到了传统金融里。

●王钰：京东数科子菁卡CEO——云闪付事业部负责人

王钰，前京东数科子公司菁卡CEO。 

2018年6月，王钰加盟京东。在加盟京东数科前，王钰在商业银行零售金融业务领域深耕20余年，经历了国内商业银行信用卡业务从无到有，逐步发展壮大的过程。

在招商银行信用卡中心工作期间，王钰先后担任风险管理部副总经理、市场企划部副总经理、客户经营部总经理以及信用卡中心总经理助理等职务。

王钰供职京东数科半年后离开，回到银行业，加入中国银联云闪付。

●周宇航：京东数科财富管理部总经理——弘康人寿保险总裁

周宇航，现任弘康人寿保险总裁，全面负责公司的经营管理和业务发展工作。

周宇航2014年-2019年供职于京东数科，曾任京东数科财富管理部总经理。

在加盟京东前，周宇航曾任弘康人寿电子商务部总经理。

离开京东后，他重回弘康人寿保险。

腾讯：一间被基因定性的公司

BATJ四家企业中，腾讯的金融业务线如金融科技（FiT）、腾讯金融云，空降高管最少，人事变动也多是内部调用，出走者甚少。

其中，金融科技（FiT）业务线，在2019年进行了业务换帅。

腾讯金融科技业务线负责人赖智明，被派任至腾讯投资发起的香港虚拟银行Infinium Limited（贻丰有限公司）董事长。

同期，腾讯投资并购部联合负责人林海峰，被调任至FiT，全面负责腾讯金融科技业务的管理与发展，并晋升为集团副总裁。

此外，只有腾讯征信副总经理李鸿等少数高管离开。

除了FiT外，腾讯金融云方面，总经理胡利明以及其他高管，也是来自腾讯开放平台和QQ部门，并非金融从业者。

仔细观察后不难发现，腾讯两条金融业务线，历来很少空降传统金融机构高管，多数高管来自内部调动。

其实，这种“少空降，任人唯亲”的现象在腾讯内部很常见。

以腾讯云与智慧产业事业群（CSIG）为例，CEO汤道生、腾讯云总裁邱跃鹏、交通总裁钟翔平，安全总裁丁珂等业务线的高管，均从QQ体系出身，是不折不扣的“腾讯老兵”。

在云与产业科技，对传统行业的了解要求极高，业务属性极强，因此科技巨头往往倾向于在各个行业高薪聘请传统产业界的高管来担任要职。

但是腾讯刚好相反，多数ToB/G业务高管均来自缺乏行业积淀的To C产品部门。

正是因为腾讯的这种企业文化和基因，从源头上掐断了自己人与空降派高管之间协同、磨合困难的问题。

这也致使整个腾讯金融业务体系，鲜有出现大量高管离职的情况。

互联网金融公司相比传统金融行业来说，是一个新兴的事物。

新兴的事业都必然要经历一个发热期和磨合期。

互联网金融发展这些年，冲劲有余，稳健不足，凸显了金融经验的缺乏。

成也人才，败也人才。

互联网金融公司需要加固业务模式的稳定性，从自身内部成长出一套可执行、可监管、有一定竞争力的业务体系。

待行业成熟，待经验沉淀，相信金融机构的精英们，很快会再次到来。

预告：下周，我们将根据此话题，发表第二篇系列报道《BAT的金融人们，为何回流到银行？》，讲述高管之外的员工们的所思所想。

雷锋网雷锋网雷锋网

一年前，人民银行等四部门正式对外发布的《关于金融支持粤港澳大湾区的意见》（以下简称大湾区金融30条）。

一年后的今天，据21世纪经济报道消息称，大湾区金融30条，90%以上的措施已落地实施。

以下为大湾区金融30条全文：

一、总体原则

（一）坚持服务实体经济。围绕实现经济高质量发展与贸易投资便利化的金融需求，全面推进跨境投融资创新，优化金融资源配置，提高资金融通效率，提升金融服务质量和效能，稳步推进人民币国际化，为建设富有活力和国际竞争力的一流湾区和世界级城市群提供有力的金融支撑。

（二）坚持合作互利共赢。创新内地与港澳金融合作的路径和模式，在更高水平上推动金融服务业对港澳开放，支持港澳深度融入国家金融改革开放格局，在“一国两制”方针下发挥香港金融体系的独特优势，支持巩固和发展香港国际金融中心地位，加强粤港澳大湾区金融互补、互助和互动关系。

（三）坚持市场化导向。充分发挥市场在金融资源配置上的决定性作用。深化金融市场改革，推进深港金融市场互联互通，提升粤港澳大湾区资金融通便利度，让市场决定在多元化金融中介渠道中的资金流向和流量。

（四）坚持防范系统性金融风险。建立健全区域金融监管协调机制，完善与金融开放创新相适应的跨境资金流动风险防控体系，在依法合规、风险可控前提下稳妥有序推进粤港澳大湾区各项金融开放创新，成熟一项、推进一项。

二、促进粤港澳大湾区跨境贸易和投融资便利化，提升本外币兑换和跨境流通使用便利度

（五）探索实施更高水平的贸易投资便利化试点。支持粤港澳大湾区内地（指珠三角九市，下同）审慎经营、合规展业的银行，在为符合条件的企业办理贸易收支业务时适用更为便利的措施，进一步简化跨境人民币业务办理流程，促进贸易投资便利化，优化营商环境。

（六）完善贸易新业态外汇管理。支持从事市场采购贸易、跨境电子商务等贸易新业态的粤港澳大湾区内地居民在取得对外贸易经营权、进行工商登记或办理其他执业手续后，在粤港澳大湾区内地银行（指珠三角九市银行，不含上述银行在港澳开设的分支机构，下同）开立个人外汇结算账户，并凭相关单证办理结购汇。

（七）推进资本项目便利化改革。在粤港澳大湾区内地统一实施资本项目收入支付便利化试点，简化结汇和支付管理方式，完善操作流程，加强事中事后监管。允许粤港澳大湾区内地符合条件的非银行债务人直接在银行办理外债注销登记，取消粤港澳大湾区内地企业办理外债注销登记时间限制。支持粤港澳大湾区内地银行为粤港澳大湾区内地企业办理直接投资、外债和境外上市等资本项目跨境人民币资金境内支付使用时，在“了解客户、了解业务、尽职审查”三原则基础上，凭企业提交的收付款指令直接办理。

（八）探索建立与粤港澳大湾区发展相适应的账户管理体系。研究建立与粤港澳大湾区发展相适应的本外币合一银行账户体系，促进跨境贸易、投融资结算便利化。开展港澳居民代理见证开立个人Ⅱ、Ⅲ类银行结算账户试点，优化银行账户开户服务。

（九）探索建立跨境理财通机制。支持粤港澳大湾区内地居民通过港澳银行购买港澳银行销售的理财产品，以及港澳居民通过粤港澳大湾区内地银行购买内地银行销售的理财产品。

（十）开展本外币合一的跨境资金池业务试点。在粤港澳大湾区内地开展本外币合一的跨境资金池业务试点，进一步便利跨国企业集团在境内外成员之间进行本外币资金余缺调剂和归集，在资金池内实现本外币按需兑换，对跨境资金池业务实行宏观审慎管理。

（十一）支持银行开展跨境贷款业务。支持粤港澳大湾区内地银行在宏观审慎框架下，向港澳地区的机构或项目发放跨境贷款。支持港澳银行在内地的分支机构为粤港澳大湾区建设提供贷款服务。

（十二）稳步扩大跨境资产转让业务试点。探索扩大跨境转让的资产品种，并纳入全口径跨境融资宏观审慎管理。支持粤港澳大湾区内地金融机构按照商业可持续原则，在满足风险管理要求的基础上，规范开展贸易融资资产跨境转让等业务。

（十三）支持设立人民币海外投贷基金。支持粤港澳三地机构合作设立人民币海外投贷基金，纳入人民币海外基金业务统计，募集内地、港澳地区及海外机构和个人的人民币资金，为我国企业“走出去”开展投资、并购提供投融资服务，助力“一带一路”建设。

（十四）支持内地非银行金融机构与港澳地区开展跨境业务。支持粤港澳大湾区内地金融租赁公司、汽车金融公司、证券公司、基金管理公司、期货公司、保险公司等机构按规定在开展跨境融资、跨境担保、跨境资产转让等业务时使用人民币进行计价结算。支持粤港澳大湾区内地符合条件的财务公司、证券经营机构等非银行金融机构有序开展结售汇业务，为客户办理即期结售汇业务和人民币与外汇衍生品业务。

（十五）开展私募股权投资基金跨境投资试点。允许港澳机构投资者通过合格境外有限合伙人（QFLP）参与投资粤港澳大湾区内地私募股权投资基金和创业投资企业（基金）。有序推进合格境内有限合伙人（QDLP）和合格境内投资企业（QDIE）试点，支持内地私募股权投资基金境外投资。对上述QFLP、QDLP/QDIE试点实施宏观审慎管理，由内地监督管理机构建立健全联合评审制度，加强事中事后监管。根据收支形势适时逆周期调节，防范跨境资金流动风险。

（十六）完善保险业务跨境收支管理和服务。对符合银行保险监督管理机构规定和现行外汇管理政策的保险业务，进一步便利粤港澳大湾区内地银行为已购买港澳地区保险产品的内地居民提供理赔、续保、退保等跨境资金汇兑服务。鼓励港澳地区人民币保险资金回流。支持港澳保险公司依法取得人民币合格境外机构投资者（RQFII）和合格境外机构投资者（QFII）资格，为粤港澳大湾区建设提供融资支持。

三、扩大金融业对外开放，深化内地与港澳金融合作

（十七）扩大银行业开放。积极支持港澳银行等金融机构拓展在粤港澳大湾区内地的发展空间。支持各类符合条件的银行通过新设法人机构、分支机构、专营机构等方式在粤港澳大湾区拓展业务。支持境外银行在粤港澳大湾区内地同时设立分行和子行。支持商业银行在粤港澳大湾区内地发起设立不设外资持股比例上限的金融资产投资公司和理财公司。鼓励外资在粤港澳大湾区内地投资入股信托公司等金融机构。研究探索在广东自贸试验区内设立粤港澳大湾区国际商业银行。

（十八）扩大证券业开放。支持在粤港澳大湾区内地依法有序设立外资控股的证券公司、基金管理公司、期货公司。依法扩大合资券商业务范围。外汇管理部门会同证券监督管理机构试点证券期货经营机构跨境业务。支持港澳私募基金参与粤港澳大湾区创新型企业融资，鼓励符合条件的创新型企业赴港澳融资、上市。

（十九）扩大保险业开放。支持在粤港澳大湾区内地设立外资控股的人身险公司。支持在粤港澳大湾区内地设立外资保险集团、再保险机构、保险代理和保险公估公司。支持符合条件的港澳保险机构在深圳前海、广州南沙、珠海横琴设立经营机构。鼓励更多社会资本在粤港澳大湾区内地设立保险法人机构，支持保险公司在粤港澳大湾区建立资产管理、营运、研发、后援服务、数据信息等总部。支持粤港澳保险机构合作开发跨境医疗保险等更多创新产品，为客户提供便利化承保、查勘、理赔服务。完善跨境机动车辆保险制度，对经港珠澳大桥进入广东行驶的港澳机动车辆，实施“等效先认”政策，将跨境机动车向港澳保险公司投保责任范围扩大到内地的第三者责任保险保单，视同投保内地机动车交通事故责任强制保险。研究在内地与香港、澳门关于建立更紧密经贸关系的安排（CEPA）协议框架下支持香港、澳门保险业在粤港澳大湾区内地设立保险售后服务中心。支持粤港澳大湾区内地与香港、澳门保险机构开展跨境人民币再保险业务。

四、推进粤港澳资金融通渠道多元化，促进金融市场和金融基础设施互联互通

（二十）支持规范设立粤港澳大湾区相关基金。在依法合规前提下，支持粤港澳三地机构共同设立粤港澳大湾区相关基金，支持保险资金、银行理财资金按规定参与相关基金。吸引内地、港澳地区及海外各类社会资本，为粤港澳大湾区基础设施建设、现代产业发展和重大项目建设提供资金支持。

（二十一）支持非投资性企业开展股权投资试点。允许粤港澳大湾区内地非投资性企业资本项目收入或结汇所得人民币资金用于符合生产经营目标的境内股权投资。试点企业在真实、合规前提下，可以按照实际投资规模将资金直接划入被投资企业。

（二十二）有序推进粤港澳金融市场和金融基础设施互联互通。逐步开放港澳人民币清算行参与内地银行间拆借市场。优化完善“沪港通”、“深港通”和“债券通”等金融市场互联互通安排（包括适时研究扩展至“南向通”）。支持符合条件的港澳金融机构和非金融企业在内地发行金融债券、公司债券和债务融资工具，逐步拓宽发行主体范围、境内发行工具类型和币种等。推动跨境征信合作，支持粤港澳三地征信机构开展跨境合作，探索推进征信产品互认，为粤港澳大湾区提供征信服务。

（二十三）推动离岸人民币市场发展。支持港澳发展离岸人民币业务，强化香港全球离岸人民币业务枢纽地位，支持香港开发更多离岸人民币、大宗商品及其他风险管理工具。逐步扩大粤港澳大湾区内人民币跨境使用规模和范围，推动人民币在粤港澳大湾区跨境便利流通和兑换。

（二十四）推动粤港澳大湾区绿色金融合作。依托广州绿色金融改革创新试验区，建立完善粤港澳大湾区绿色金融合作工作机制。充分发挥广州碳排放交易所的平台功能，搭建粤港澳大湾区环境权益交易与金融服务平台。开展碳排放交易外汇试点，允许通过粤港澳大湾区内地碳排放权交易中心有限公司资格审查的境外投资者（境外机构及个人），以外汇或人民币参与粤港澳大湾区内地碳排放权交易。研究设立广州期货交易所。探索在粤港澳大湾区构建统一的绿色金融相关标准。鼓励更多粤港澳大湾区企业利用港澳平台为绿色项目融资及认证，支持广东地方法人金融机构在香港、澳门发行绿色金融债券及其他绿色金融产品，募集资金用于支持粤港澳大湾区绿色企业、项目。支持香港打造粤港澳大湾区绿色金融中心，建设国际认可的绿色债券认证机构。

（二十五）支持港澳发展特色金融产业。发挥香港在金融领域的引领带动作用，强化国际资产管理中心及风险管理中心功能，打造服务“一带一路”建设的投融资平台，为内地企业走出去提供投融资和咨询等服务。支持澳门打造中国-葡语国家金融服务平台，建立出口信用保险制度，建设成为葡语国家人民币清算中心，承接中国与葡语国家金融合作服务，支持澳门发展租赁等特色金融业务，推动建设澳门-珠海跨境金融合作示范区。支持澳门在符合条件的情况下加入亚洲基础设施投资银行，支持丝路基金及相关金融机构在香港、澳门设立分支机构。

五、进一步提升粤港澳大湾区金融服务创新水平

（二十六）加强科技创新金融服务。支持粤港澳大湾区内地银行在依法合规、风险可控的前提下，加强与外部创投机构合作，积极探索多样化的金融支持科技发展业务模式，构建多元化、国际化、跨区域的科技创新投融资体系，建设科技创新金融支持平台，促进科技成果转化。支持创投基金的跨境资本流动，便利科技创新行业收入的跨境汇兑。在符合三地法律法规的前提下，研究推进金融对接科技产业的服务模式创新，建立和完善粤港澳大湾区的大数据基础设施，重点聚焦金融、医疗、交通、社区、校园等城市服务领域。

（二十七）大力发展金融科技。深化粤港澳大湾区金融科技合作，加强金融科技载体建设。在依法合规、商业自愿的前提下，建设区块链贸易融资信息服务平台，参与银行能以安全可靠的方式分享和交换相关数字化跨境贸易信息。支持粤港澳大湾区内地研究区块链、大数据、人工智能等创新技术及其成熟应用在客户营销、风险防范和金融监管等方面的推广。便利港澳居民在内地使用移动电子支付工具进行人民币支付，推动移动支付工具在粤港澳大湾区互通使用。支持内地非银行支付机构在港澳扩展业务。

六、切实防范跨境金融风险

（二十八）加强粤港澳金融监管合作。建立粤港澳大湾区金融监管协调沟通机制，加强三地金融监管交流，协调解决跨境金融发展和监管问题。推动完善创新领域金融监管规则，研究建立跨境金融创新的监管“沙盒”。强化内地属地金融风险管理责任，协同开展跨境金融风险防范和处置。推动粤港澳三地金融人才培养与交流合作。

（二十九）建立和完善金融风险预警、防范和化解体系。加强金融风险研判和重点领域风险防控，完善区域金融业综合统计体系、经济金融调查统计体系和分析监测及风险预警体系，及时提示金融风险，早识别、早预警、早处置，健全金融安全防线和风险应急处置机制。加强粤港澳反洗钱、反恐怖融资和反逃税监管合作和信息交流机制建设。加强跨境金融机构监管和资金流动监测分析合作，督促金融机构加大对跨境资金异常流动的监测力度，提升打击跨境洗钱等非法金融活动的有效性。

（三十）加强粤港澳金融消费权益保护。督促金融机构完善客户权益保护机制，切实负起保护消费者权益的主体责任。健全粤港澳大湾区金融消费权益保护工作体系。加强粤港澳三地金融管理、行业组织等单位协作，探索构建与国际接轨的多层次金融纠纷解决机制。加强投资者教育，引导市场主体树立风险意识。

走在前列的珠海

去年五月《意见》发布不久后，珠海便率先快速组织落实大湾区“金融30条”：

一、迅速开展学习调研，汇聚多方智慧研究政策落地路径。

组织各区金融工作部门和相关单位参加省地方金融监管局、人行广州分行举办的学习培训会，全面、系统学习大湾区“金融30条”政策内容，对标逐条梳理珠海市贯彻落实情况。

深入企业进行实地调研，积极联系金融机构开展交流座谈，切实了解相关企业和金融机构的业务需求，认真听取贯彻落实大湾区“金融30条”的意见建议。

6月末举办金融支持粤港澳大湾区建设论坛，汇聚专家学者、金融机构、监管部门各方的智慧，助力推动大湾区金融30条落地

二、组建工作专班，快速形成珠海市实施方案。

迅速组建由分管副市长担任组长，相关政府部门、金融监管部门以及金融机构担任成员的工作专班，并组织召开了第一次工作专班会议，研究进一步丰富完善珠海市实施方案内容。

加强工作联动，积极与金融监管部门沟通衔接，通过多种渠道和方式积极争取支持。迅速启动珠海市实施方案起草工作，组织专题研究会议明确珠海市实施方案的总体要求和重点内容，结合国家和省对珠海的定位要求和实际工作情况，形成了《珠海市关于金融支持粤港澳大湾区建设的实施方案》。

方案结合了珠澳合作的特色，将以横琴为主阵地建设澳门—珠海跨境金融合作示范区放在突出的位置。目前方案已在征求各方面意见，将于近期出台实施。

三、进一步深化珠澳金融合作，推进建设跨境金融合作示范区。积极克服新冠疫情对珠澳互动往来产生的困难，通过线上方式与澳门金融部门保持沟通和推进工作。

协调澳门金融管理局、澳门保险机构通过视频会议参与中国银保监会跨境保险服务中心方案研究工作，积极在横琴落实跨境保险服务中心办公场地。联合澳门方面举办了琴澳跨境财富管理在线视频论坛，推动两地财富管理开放合作。

不断丰富澳门-珠海跨境金融合作示范区的政策项目内容，继续加大对澳门金融机构进驻横琴的优惠力度，优化招商合作机制，进一步支持澳门金融机构中后台在横琴跨境办公。研究探索跨境金融监管“沙盒”，推动扩大珠澳金融开放合作。优化QFLP试点企业管理机制，为试点企业适应新产业新业态发展需求、创新投融资结构提供更大的制度包容性。

四、对标先进加强政策项目储备，探索建设离岸与在岸结合的横琴金融岛。

紧跟金融开放创新趋势，对标海南自由贸易港、上海临港片区、河北雄安新区及深圳先行示范区经济金融创新政策，对比分析各地区税收制度安排、跨境资金流动、金融要素市场建设、金融发展配套、创新金融监管等方面举措，研究加强珠澳金融合作政策研究储备。推动设立消费金融公司，完善珠澳两地消费金融服务体系，助力澳门世界旅游休闲中心和横琴国际休闲旅游岛建设。

研究充实跨境金融合作示范区的政策项目内容，积极争取中央相关部门的支持。探索在示范区探索构建与境内在岸市场相对隔离，与澳门高度融合的金融市场，加强与澳门、香港离岸金融市场的联动；充分发挥自由贸易账户等机制，推动示范区内跨境资本自由流入流出和自由兑换。

在具体落实层面，居民跨境金融服务中，珠海推出两项新举措。

试行住房按揭贷款：珠海横琴在全国率先开展跨境住房按揭贷款业务，港澳居民可以其在珠海的物业向港澳银行机构申请跨境按揭贷款，已累计发放跨境按揭贷款超9亿美元。

探索跨境保险：全国首张澳门单牌车机动车辆保险保单落地，三地保险机构为港珠澳大桥通车推出“三地通保通赔”一站式跨境车辆保险服务，承保港澳跨境机动车辆超2万辆，合计出具保单超2.7万份。新增我国首个也是唯一一个区域性的重大疾病经验发生率表--“粤港澳大湾区产品专属”重疾表，第一时间推动首单粤港澳大湾区专属重疾险在珠海签约落地。

此外，珠海也在合格境外有限合伙人（QFLP）试点工作稳步推进。目前，珠海等地开展QFLP试点工作，QFLP试点企业超180家。珠海QFLP试点完成市场公开披露的最大一笔基金交易，金额超6亿美元。

据了解，下一步，广东省地方金融监督管理局将会同有关部门进一步深化落实大湾区“金融30条”，争取扩大试点政策覆盖面，持续增加落地业务规模，推动成熟政策在大湾区全覆盖乃至全省复制推广。同时，继续深化粤港澳金融合作，促进粤港澳金融优势互补，全力推动粤港澳大湾区金融创新发展取得更大进展。

雷锋网雷锋网雷锋网

清华系金融科技代表，创业者和业务派居多。

而隔壁的北大系，当下则似乎更专于前沿技术研究，在金融人工智能、大数据领域扛起了先锋者大旗。

然而在上一个十年，北大人们却完全以不同的面貌，在金融科技赛场上叱咤。

2010年，北大数学系杨一夫、李欣贺联合创办人人贷；2011年，北大经济学院许建文创立人人聚财；2012年，北大数学系唐宁，抛弃了华尔街工作，回国创立宜人贷，仅用三年时间，宜人贷便在纽交所上市，成为中国互金海外上市第一股。

有了前人栽树，后人随即疯狂涌入网贷和P2P行业。

数据统计，全国P2P网贷平台最高峰时期达5000+家。其中在全国81家借贷余额超过1亿元的P2P平台中，北大高管占据半壁江山。

新机遇，既让这批北大人盆满钵满，也给投机主义者留下过多灰色地带，让市场乌烟瘴气。

随着上个月央行《打好防范化解重大金融风险攻坚战 切实维护金融安全》的发布，正式宣告在营P2P网贷机构全部停业。

上一个十年，由北大人所引领的第一个金融科技时代，已正式终结。

而新十年里，北大人所引领的第二个金融科技时代，正在开启。

与上一批引领者不同，这批北大人远离商业聒噪。

他们是坚实的技术信仰者，是科技金融定义者，是AI金融的布道人。

在他们的引领下，原有的金融模式创新，已全面转向金融技术创新，推动自主技术与原创产品走在世界最前列。

微众银行首席人工智能官 杨强

2021年3月，世界首个联邦学习国际标准，经IEEE评审后正式发布。 

这是国际上首个针对人工智能协同技术框架订立的标准，也是人工智能史上少有的由中国产学两界牵头创立的国际性重大技术标准。

而这背后的第一推动者，便是在北京大学天体物理系毕业的杨强教授。

杨强现任微众银行首席人工智能官，香港科技大学讲席教授，AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow。

杨强是国际人工智能联合会（IJCAI）首位华人理事会主席、美国人工智能协会（AAAI）首位华人大会主席。同时也是国际两大顶级人工智能学术期刊《IEEE TBD》和《ACM TIST》开创主编，最近的著作有《迁移学习》和《联邦学习》。    

推荐阅读：《微众银行首席AI官杨强：万字图文详谈联邦学习最前沿》

同盾咨询首席专家 杨景香

杨景香，同盾咨询首席专家。

杨景香曾任Visa大中华区首席风险官，负责整个大中华区的风险战略与沟通事务。

在加入Visa之前，杨景香曾担任益博睿（北京）咨询部门负责人，管理益博睿中国区的整体业务，包括银行业和汽车金融等领域。

在回国前，杨景香已拥有超过10年的银行业从业经验。她曾在纽约的花旗银行工作7年，任职高级副总裁，负责花旗银行北美区银行卡业务组合的风险管理。

杨景香本科就读于北京大学心理学专业，并持有美国南佛罗里达大学的公共健康（流行病学与生物统计）理学硕士学位。

蚂蚁集团P11专家 阳振坤

阳振坤，阿里巴巴P11专家，蚂蚁金服高级研究员，主持了海量数据库系统OceanBase的研究和开发，OceanBase在大规模超高并发集群和部分场景中，性能远超国际主流的甲骨文Oracle和IBM DB2等数据库产品。

阳振坤毕业于北大数学系，后师从计算机系王选院士攻读博士学位。

早在读博士期间，阳振坤就担任栅格图象研究室的主任，领导一批青年科研骨干，于1993年完成了国骨第一个支持Postscript Level 2的栅格图象处理器，为我国新闻出版事业作出不可替代贡献。该项成果获1995年度国家科技进步一等奖，和1995年全国十大科技成就之首。

而后，他立志要把技术做成通用产品，让整个社会都能普遍使用的他，选择离开学校投身社会从事软件工程工作。

他曾先后担任方正研究院副院长、北大计算机研究所副所长、研究研究院首席研究员、微软研究院主任研究员、百度高级科学家等。

蚂蚁集团副总裁 芮雄文

芮雄文，蚂蚁集团副总裁。

芮雄文2017年加入蚂蚁金服，负责蚂蚁金服欺诈风险管理、数据安全、系统安全事务。

芮雄文先生拥有20多年的风险管理经验，在加入蚂蚁集团前，自1995年至2017年就职于美国运通公司，曾任资深副总裁，负责全公司的欺诈风险管理。

芮雄文先生于1987年毕业于北京大学并获得学士学位，于1995年毕业于美国俄亥俄州立大学并获得博士学位。

推荐阅读：《蚂蚁金服副总裁芮雄文：深度解读智能风控AlphaRisk助力新金融安全生态》

360数科首席科学家 张家兴

张家兴，360数科首席科学家。

在获得北京大学博士学位后，张家兴先后就职于百度、微软、阿里巴巴，曾任微软亚洲研究院研究员。

在人工智能、深度学习、分布式系统等多个领域的顶级会议和期刊上（NIPS、OSDI、CVPR、SIGMOD等）发表论文二十多篇， 提交七十余项专利。 

在蚂蚁金服任职期间，带领算法团队开拓了蚂蚁金服智能客服、智能贷后、智能保险顾问、智能舆情等人工智能方向，其中智能客服更是金融领域的标杆。 

2020年，张家兴加入360数科任首席科学家，负责搭建公司数据AI中台，打通金融智能全链路。

推荐阅读：《360数科首席科学家张家兴：都在拆中台？也许你对「金融中台」一无所知》

恒生电子总裁 刘曙峰

刘曙峰，毕业于北京大学光华管理学院，恒生电子总裁。

刘曙峰现任恒生电子股份有限公司总裁、公司创始人之一，历任公司西南片区负责人、市场总监、执行总经理、执行董事、总经理。

量化派CEO 周灏

周灏，量化派创始人＆CEO，北京大学物理学士、莱斯大学物理博士。

周灏致力于“推动数据赋能各行各业”的宏大愿景，以期在数据之上真正挖掘人类的潜在需求和行业的潜在规则。

2014年，他创立的量化派，带领团队从700多家创业公司中脱颖而出，入选录取率为3%的微软创投加速器第5期。

短短几年间，量化派已经成为商业数据智能变革领导者。

周灏毕业于北京大学物理学、莱斯大学物理学博士，拥有数学建模美国专利，曾担任巴克莱银行全球精英中心副总裁、Capital One总部资深统计师、摩根史丹利总部量化分析师。

推荐阅读：《量化派周灏：从物理博士到科技公司 CEO，不变的是“格物致理”》

水滴CTO 邱慧

邱慧，水滴合伙人兼CTO。

邱慧毕业于北京大学软件学院，曾在360孵化了手机浏览器、手机通讯录等多款产品。也曾在腾讯参与研究院的团队组建，并先后负责过 QQ 拼音、QQ 影音等产品。

2014年，邱慧曾加入优信担任CTO，参与孵化优信二手车、优信新车等业务，从零开始组建了优信近千人的产研体系。

2020年，邱慧离开优信，后加入水滴公司。

睿智科技联席总裁 黄健

黄健，睿智科技董事、联席总裁兼CFO。

他曾任盛世景资产管理集团资产管理总监，21年证券公司及私募基金从业经历，管理的资产规模近百亿元人民币，具有丰富的投融资和管理经验。

黄健拥有北京大学国际经济专业学士学位、北京大学世界经济专业硕士学位。

睿智科技副总裁 郭创辉

郭创辉，睿智科技副总裁。

郭创辉毕业于北京大学光华管理学院，具有丰富的银行企业信贷和零售金融从业经验。他曾任深圳翰德咨询有限公司总裁、深圳区块链金融服务有限公司副总裁，并曾先后在招商银行总行、中信银行总行、宁波银行总行任管理职务。

天云大数据副总裁 李从武

李从武，天云大数据副总裁。

李从武1989年毕业于北京大学数学系，2015年加入天云大数据。

李从武自九十年代中期创建CLARiiON大中国区办公室，17年间相继服务于CLARiiON，EMC，HDS，Quantum等世界领先的IT存储设备制造厂商。

他先后为EMC和HDS建立了分销商销售体系，与联想，神州数码，长虹，华胜天成等国内IT公司建立OEM，VAD等多种合作关系。

李从武还曾经服务于Wang，EDS，DG等美国IT厂商。

大有科技CEO 李程

李程，大有科技CEO，毕业于北京大学，获得电子学、经济学双学位。

2015，李程创立大有科技。

李程带领团队以数据融合技术作为数据源之间的桥梁和纽带，为孤立的数据源之间建立联系，并利用融合数据为企业提供更精准、更全面的数据服务。通过跨领域、高价值、高密度数据整合，以进行整合、治理和建模分析，实现个人用户数据融合。

数美科技CTO 梁堃

梁堃，数美科技联合创始人、CTO。

梁堃是北京大学计算机硕士，国内知名机器学习与数据挖掘专家，拥有多年机器学习和人工智能领域经验。

他具备大数据方案整体架构能力，善于解决用户在大数据领域的痛点，并成功将大数据运用于搜索推荐、反欺诈、风险控制等领域。

他曾先后就职于百度、小米，担任高级工程师、架构师，并两次获得百度“MVE” （最具有价值员工）称号。

2015年，梁堃创立数美，并担任CTO，全面负责数美系列产品的研发工作。

香侬科技CEO 李纪为

李纪为，香侬科技创始人兼CEO。

他先后在北京大学 、康奈尔大学研习生物学，后在斯坦福大学研究AI。

他曾先后在Facebook人工智能研究院（FAIR）和 微软研究院 （MSR）从事研究。回国后，他创立了香侬科技，提出了Glyce模型，打破了13项近乎所有中文自然语言理解（NLP）的世界纪录，曾入选福布斯中国“30位30岁以下精英榜”。

闪银奇异CEO 支正春

支正春，北京大学物理学与经济学双学士，闪银奇异CEO。

2009年，他进入北京玖富投资顾问有限公司，历任银行营销咨询项目经理、流程咨询项目总监、小微战略定位项目总监、小微业务合作分公司总经理。

2011年，他任玖富小微事业部副总裁负责信贷模型搭建、产品设计、风险管理。在对客户群体深入研究的基础上进行小微金融产品开发并依托数据库进行坏账客户分析、筛选目标客户。

2013年，他开始全面负责玖富公司移动互联网业务发展。

华傲数据CEO 贾西贝

贾西贝，华傲数据联合创始人兼CEO。

2002年获北京大学硕士学位，2002-2003年任职于Sun中国工程研究院，2004年获英国政府资助赴英留学并获爱丁堡大学博士学位，师从樊文飞教授。

他曾入选英国爱丁堡皇家学会Enterprise Fellow，获IEEE国际数据工程大会（ICDE）最佳论文奖。开发的原型系统3次在超大数据集国际会议（VLDB）上演示，是世界首个第三代数据质量管理系统的开发者。

贾西贝博士的研究领域是数据质量、数据集成和XML数据管理，已在国际顶级和一流数据库会议及学刊发表10余篇论文，申请数十项国际、国内及美国发明专利。兼任深圳市高层次人才联谊会副会长、深圳市欧美同学会副秘书长、哈尔滨工程大学兼职教授。

简答数据CEO 薛逢源

薛逢源，简答数据CEO。

薛逢源本科毕业于北大光华管理学院，曾任中谷控股副总经理，曾就职于摩根士丹利华鑫投资研究部。

雷锋网雷锋网雷锋网

搬砖间隙摸鱼冲浪，突然发现所有社交平台被“郑爽日薪208万元”刷屏了：

女艺人郑爽的前男友张恒爆料，郑爽通过阴阳合同在《倩女幽魂》项目中获得收入1.6亿元，按77个工作日计算，日薪超208万元。

那按月薪1万来算，咱们大概要工作17年才能赚到爽子一天的钱（……）

你以为我还会在乎吗，这个数字已经伤不到我了，我在大润发杀了十年的鱼，我的心已经和我的刀一样冷了。

还是很在乎的，怎么样让老板看到这个消息呢

根据张恒的描述来估算，爽子这一年劳逸结合能赚6.4亿。

……BATJTMD看了都直呼好家伙

相比之下，逛超市不付款、对宠物狗不负责之类的瓜好像都是洒洒水了……

重点是，在张恒的“雷神之锤”五分钟小视频里，各种证据还锤了郑爽涉嫌“偷税漏税”“阴阳合同”：

详细的瓜不放了自己去八卦号看吧

网友怒生一计，建议以后明星的实绩就以纳税额来算。

什么专辑销量电影票房品牌代言杂志封面，都不如为国缴税来得直接√

虚假的打工人还在被明星的高薪水深深刺痛，但真正的打工人，已经发现了一个巨大的商机。

作为本行业资深top500000的一位观察者，我敏锐地意识到：

AI用于反偷漏税，用于审查阴阳合同

这不就是现成的AI金融应用场景吗！

这要是能安排上，前面的按税排番，肃清娱乐圈风气，岂不是指日可待？

但是不是真的可行，当然还是要大胆假设小心求证。

我们与数家AI金融公司简单聊了聊，发现这类技术解决方案做得并不算多，只是有些风控方案中会考虑纳入税务数据作为参考维度。

真正做AI+反偷漏税的玩家，似乎十分低调。

一位较著名的杭州AI独角兽透露，他们与杭州某区曾经合作搭建税务平台，由他们提供部分模块的建设，但他们也强调：

“这事儿还是得政府牵头完成。”

啊这，难不成这事儿很有难度？

文因互联的CEO鲍捷博士和我们是这么说的：

“我认为这没有任何技术难度，但难就难在税务数据的打通，和税务模型的构造上。”

我们：什么？居然不是很难吗？

鲍老师：常见的避税手段就这么多，可以拿足够多的财务报表去训练模型，去计算相关结果有没有偏离财税比率。

鲍老师：我觉得这没有什么太强的科研要求。

我们：……

如果拿不到政府机构内部的数据，用外部数据来操作，可行吗？

技术大佬：倒也没有很可行。

一位不怎么知名的机器学习工程师，就跟我们详细地掰扯了一下AI+反偷漏税的应用逻辑：

AI本质上能做的是学习相关性。

那对查偷税漏税来说，可以寻找某些数据指标和真实收入之间的关联性，预测大概能挣多少钱，然后实际报税收入没那么多就是一个怀疑的理由。

从最单纯的情况开始——

假设某平台上一亿粉丝、每日一亿互动的明星一年拍2部戏有10亿收入，2千万粉丝、2亿互动的可以有1亿收入。

抓取的数目项目越多，比如囊括更多平台更多数据、囊括每年有多少广告合作，对实际收入的预测就有可能越准确。

榜单很多，不要问我哪个才是最准的

但这仍然是很难的：比如公开的数据并没有标准格式、需要大量的清洗整理；

比如娱乐圈的市场报价，对外行人来说，也根本就不是公开的。

另一方面，明星每年实际报了多少税，只有税务局自己知道；

这些报税数据，也本来就应该属于个人隐私，所以也只有税务局自己建立一个这样的系统，才能拿到这一头的数据。

再接下来，即便模型显示预测的收入和实际报税收入有差距，也还是一个很弱的证据，为了能具体确认数额和处罚，还是需要人工找到具体的偷漏税的合同。

说到底，就算真有这样的系统，帮助也不是很大吧。

还有业内人士接着吐槽数据打通问题：

中国证券公司系统发展二十几年了，交易所之间、证监会和交易所之间的数据都还没打通呢，估计税务部门也是一样。

此前也有报道：

目前，各省的数据库都是相互割裂的（企业在全国各地有分支机构的逃税更容易），在AI系统下，政府所有的数据库，包括财产、商品、国际贸易、商业登记等数据信息，将会连接互通。

比起技术本身实现的难度，对于税务数据的来源、归属和打通，其实才是问题的关键吧。

业内人士还想吐槽：还没有到用大数据抓偷税漏税的时机呢，税务局到底有没有必要来做这些事情——

我们：好了谢谢您，后面的内容放出来咱们就很危险了

不过之前AI+税务有没有呢？其实是有的。

在国外，这种应用已经红红火火地用起来了，比如Intuit就是一家智能财税软件巨头，C端拳头产品Turbo Tax就是帮用户准备报税。

但说实话国情差异比较大，外国要填的税单复杂到三天三夜都说不完，这部分的详细介绍我们有空再说。

具体到AI+税务的应用方向，之前就已经有人梳理出了这么几类：

第一种，帮税务人员做表，重复的流程都替代掉。

第二种：扫描税务报告。

这就与OCR（光学字符识别）有关了，OCR+AI这对组合拳可以让文本内容扫描并上传至数据库内，这不比翻纸质文件香吗？

第三种：帮税务人员看文档。

这个大致也涉及语义理解方向，比如分类凭证和文档，从中提取关键数据，像是企业营收，应收应付款项，税单折扣额度之类的。

前三种可能算是青铜级别的难度，其实最近两年大热的RPA已经在做类似的工作了，财税也正好是RPA在金融领域规模化部署跑得最快的一个场景。

（对RPA+AI+金融感兴趣的话，可以看我们写过的：来也科技 / 艺赛旗 / 文因互联 / 云扩科技 / 达观数据 / 弘玑 / 平安科技 etc.）

白银级别的，就上升到预测税负、分析税收趋势。

黄金级别的，就是发现逃税、漏税，提高税务领域透明度的水平了。

• 比如借助机器学习算法，快速识别出大型数据集内包含的异常条目；

• 比如基于多种指标检测欺诈活动，例如对方的就业情况、以往是否曾经接受审计，以及与非法收入来源相关的蛛丝马迹。

其实早在2019年底，就有报道讲过AI反偷税漏税了：

AI系统已嵌入到金税系统的核心，后者是国家税务总局使用的软件，是国家金税工程中开具国税增值税发票的开票子系统。

据了解，该AI系统由北京金税的主要承包商航天信息股份有限公司，与哈尔滨工业大学和北京邮电大学的科学家合作开发。

航天信息旗下的航天金税，就是国家重点工程“金税工程”的北京地区服务商。

给大家画几个重点：

• 可以标记超过95％的违法行为，包括一些大多数税收征收者不熟悉的新手法；

• 已经在东部几个城市进行试点，取得了“非常积极正向”的效果；

• 过去三年（那就是2016~2019期间？），有近30万税务稽查人员，一直在参与调试；

• 这套系统能自动升级算法，保证与最新的税收法规保持一致；

• 能连通政府的所有数据库，税务稽查更高效；

• AI通过交叉检查，从中找出虚假数据，做出标记，最终查出逃税；

• 不仅是企业逃税，个人逃税也在调查范围。

报道举了两个例子：

1.一家建筑公司在报税时，为了增加抵税，夸大了水泥的价格。

AI能把公司的报价，与当时的市场均价比较，数据异常则做出标记。

2.有的企业为了减少应税收入，会以不合理的低价格，将产品出售给关联公司

数据连通后，公司的分支机构，产品的市场价格，都会被自动检测出来，然后被标记。

当时南华早报的报道里还说到，研发人员表示，范冰冰那样的九亿事件将会成为历史！

但那个时候郑爽已经过上了日薪208万的快乐日子。

写到这里，收到一个好消息：

郑爽涉嫌签订“阴阳合同”、拆分收入获取“天价片酬”、偷逃税的事情，上海税务和北京广电部门已经依法介入调查。

也有传闻说，娱乐圈新一轮的查账又要开始了。

好了，今天的亿点点商机分享就到这里，咱们下一次赚钱机会（合法的那种）再会。

一个预告：AI+反偷漏税、AI+反洗钱、AI+证券监管……这些监管科技的新机会，我们将会为大家带来系列报道，敬请期待。

参考来源：机器之能、南华早报、南方plus

雷锋网雷锋网雷锋网

昨天是清华大学的110岁生日，庆典上校长邱勇的一番致辞颇为动人：

清华人最大的自豪，就是用自己勤劳的双手建设祖国壮美的事业；清华人最高的荣耀，就是把自己奋斗的足迹印刻在民族复兴的伟大征程上。

而回顾清华的百余年历程，金融科技也是这座顶级学府不可忽略的主题。从计算机、自动化、电子工程到金融、经济等一系列专业，都为业界带来了众多人才。

耳熟能详的五道口金融学院，前身是中国人民银行研究生部，成立于四十年前；清华计算机系的创设，则可以追溯到1958年，几十年间拓荒草野、办学兴业，淬炼成金融科技领域的“黄埔军校”。

清华在计算经济学、博弈论、人工智能、大数据、云计算、高性能计算等领域多年的研究积累，借由他们的手转化为中国金融科技蓬勃生长的土壤。

而在2010-2020这十年间，清华大学在人工智能方向的排名跃居世界第二，仅次于CMU。

这十年也正是互联网金融飞速发展、枝繁叶茂的日子，科技拥抱金融发展的激荡岁月里，总少不了清华学子的身影。

五年前，清华大学交叉信息研究院金融科技中心成立；次年，清华大学金融科技研究院成立，这座全中国的顶级高等学府仍然致力于产学研的三方合力，继续为金融科技的发展输送新鲜血液。

时值清华大学110周年校庆，AI金融评论复盘了那些在金融科技领域砥砺前行的清华人。（以下排名不分先后）

阿里云新金融事业部总经理：刘伟光

2019年，阿里云对外宣布聚焦新金融赛道，并成立新金融事业部，而该事业部的总经理、阿里巴巴集团副总裁刘伟光，正出自清华电子工程系。

加入阿里云之前，刘伟光曾在蚂蚁金服负责金融科技的商业推广和生态建设工作，以及蚂蚁区块链的商业拓展工作。

刘伟光对金融、大数据与企业软件市场颇为敏感，他曾在Oracle、Exadata等公司任职多年，担任过EMC公司大中国区数据计算事业部总经理，也曾经创建Pivotal软件大中华区分公司，开创了企业级大数据以及企业级云计算PaaS平台的市场先河。

（雷锋网推荐阅读：《阿里云刘伟光：成功的金融数字化转型，都绕不开这「三大定律」》） 

平安科技总经理助理：钟捷

去年接任平安科技总经理助理一职的钟捷，同样也是一位清华学子。

钟捷自1996年10月加入平安，此前已经出任过平安科技总经理助理，后来调任平安人寿，先后担任总经理助理和CTO职务。

在平安工作期间，她历任平安集团高级系统分析员、平安集团高级项目经理、平安集团部门总经理助理、平安科技部门副总经理、平安科技部门总经理等职务。

2020年10月，她再次出任平安科技的总助一职。

（雷锋网推荐阅读：《平安科技人事大调整：CEO陈立明离职，平安人寿CTO钟捷出任总助》）

度小满金融技术负责人：许冬亮

现任度小满金融副总裁、技术负责人许冬亮，则毕业于清华大学计算机系。

搜索起家的百度，搜索算法之重要性不言而喻，而许冬亮正是百度搜索算法领域的领军人物。

他曾任百度搜索主任架构师、百度LBS主任架构师、百度搜索技术委员会主席等，并在自然语言处理、搜索算法及架构、知识图谱、LBS、智能营销及反欺诈等领域屡破难关。

2016年底，许冬亮被调入百度金融，以百度大数据及AI能力为基础，着力打造AI时代的金融科技能力及风控管理能力。

2018年4月28日，百度宣布将旗下金融业务拆分，以“度小满”的新品牌独立运营，许冬亮则顺势出任度小满的技术负责人一职。

而在2019年底，许冬亮接任朱光，成为度小满金融旗下子公司——度小满科技（北京）有限公司的董事长。

在许冬亮看来，在金融科技领域，全流程线上化、自动化和智能化将会被提升到战略级高度；在线获客、智能风控和运营、在线办公，以及金融云底层设施都将迎来爆发性增长的机会。

慧安金科CEO：黄铃

上月刚完成亿元级B轮融资的AI风险管理服务商慧安金科，其创始人兼CEO黄铃，是清华大学交叉信息研究院兼职教授，在AI、大数据分析和金融科技相关领域有近15年的研究和开发背景，在世界顶尖会议上发表近50篇论文，Google Scholar总引用已超过5000次。

这位美国加州大学伯克利分校计算机科学博士，师从Anthony Joseph和Michael Jordan，从事机器学习算法研究以及计算机网络建模应用。

回国创业前，黄铃曾任美国英特尔研究院资深科学家，和Intel McAfee开展多个合作项目，应用人工智能技术解决信息和数据安全问题。

2017年，尚在国外的黄铃，看到了国内发展智能风控的机会。注意到当时国内移动支付之类的线上金融产品面临着风控上的巨大挑战，黄铃与另外两位伯克利的同窗联手，成立了主打金融风控的慧安金科。

（雷锋网推荐阅读：《慧安金科CEO黄铃：0.02秒拦截每笔风险交易背后的「AI方法论」》）

香港中文大学商学院副院长：张晓泉

张晓泉教授是香港中文大学商学院副院长和终身教授，此前也曾在清华大学获得管理学硕士，工学学士和文学学士的学位。

他同时是北京大学光华管理学院的特聘教授，麻省理工学院数字经济研究所和德国莱布尼茨欧洲经济研究中心（ZEW）的特邀研究员，是美国经济协会（American Economic Association）会员和芝加哥量化交易协会（Chicago Quantitative Alliance）会员。

他也曾是香港数码港顾问委员会委员，中国移动、华为、招商证券、Radica公司的顾问。

张晓泉教授的研究主题围绕着商业和管理中信息的产生，传播和处理，也在人工智能以及信息在金融市场的作用方面颇有研究，有着多年量化分析、量化投资经验，多篇学术论文被顶级学术期刊接收，是多家顶级学术期刊的高级主编和副主编。

（雷锋网推荐阅读：《港中大商学院副院长张晓泉：何为金融科技的「垄断式创新」？》）

理财魔方CEO：袁雨来

智能投顾公司理财魔方的创始人兼CEO袁雨来，则是清华大学的计算机系博士。

这位清华学子的学术和创业经历颇具“跨界”色彩：

他创办过智能音乐推荐平台音贝网，并出任CEO，打造了中国第一个社交音乐推荐系统。

又在2013年至2015年期间，出任百度音乐技术委员会主席，百度CBG事业群组技术委员会委员，为百度音乐构建服务千万级用户的人工智能音乐推荐系统。

在更早的时候，袁雨来担任法国信息与自动化国家实验室访问学者，负责欧盟第六框架GirdCOMP项目监控系统研发；也曾出任职英特尔中国研究院担任研究员，负责时间精确的云计算模拟器研究工作。

在离开百度之后，袁雨来注意到了财富管理与智能投顾这一巨大风口，与“资管老兵”马永谙共同创立了理财魔方这一智能投顾平台。

（雷锋网推荐阅读：《理财魔方CEO袁雨来：做强「智能投顾」要跨过哪些“坑”？》）

融慧金科首席科学家：盛军

同为AI风控技术服务商的融慧金科，其首席科学家盛军也毕业于清华大学。

在取得美国密歇根州立大学博士学位之后，盛军在金融风险管理和数据信息挖掘及应用方面，积累了多年深厚经验。

盛军与融慧金科CEO王劲一样，都曾先后在“风控黄埔军校”美国运通和百度金融任职。

王劲是前百度金融CRO，曾在运通度过十七年岁月，而盛军也担任过美国运通全球风险监督/企业级模型监管部总监、百度金融风控模型总经理，在大数据应用及机器学习建模方面有着专家级认知和实际运用经验。

盛军曾分享称，“目前，国内金融机构在数据和模型算法能力上已基本成熟，但对于大多数中小银行来说，在模型开发与应用中，可能会对模型的设计是否符合需求、目标变量和建模数据的选择是否合理、算法的选择和建模的方法是否恰当、模型的应用是否做到和策略规则的有机结合、模型效果的监控是否及时等事项，还没有完全的体系化的把控。”

在王劲、盛军这样的风控大咖的带领下，融慧金科为银行等金融机构量身定制风控模块，并提供「获客-贷前-贷中-贷后」全流程风控解决方案。 

从2018年到2020年，融慧金科保持着每年一轮融资的速度，最新一轮融资发生在2020年6月，由澳洲电信领投，金额达千万美元。

（雷锋网推荐阅读：《前百度金融CRO王劲：十七年运通岁月沉淀，我的消费信贷风控观》）

神策数据CTO：曹犟

神策数据联合创始人、CTO曹犟，也是一位清华大学计算机硕士出身的AI金融人。

与盛军、袁雨来等人一样，曹犟也曾在百度任职多年。

2008年至2014年间，曹犟担任过百度用户数据仓库（BUDW）技术负责人、资深研发工程师，参与数据收集与传输、数据建模、海量数据处理、数据应用、数据分析、ID-mapping 等各个环节的数据处理工作。

2015年，曹犟与三位百度前同事一道，创立神策数据。

目前，神策数据已为超过1500家企业提供大数据分析与营销科技服务，包括招行、太平洋保险、广发证券等众多金融机构。

必示科技CEO：刘大鹏

刘大鹏是清华大学计算机系博士，多个智能运维方案发明者，曾发表国际学术会议论文8篇。

离开百度之后，刘大鹏与裴丹联合创立必示科技，担任必示科技联合创始人兼CEO。

目前，必示AIOps产品已经落地于建设银行、交通银行、招商银行、光大银行、民生银行、广发银行、中国人民银行清算中心、光大证券等30余家客户，为企业运维决策提供支撑。

必示科技在2017-2020年，四年间获得了四轮融资。最近一次是2020年10月，必示科技完成1.5亿元B轮融资，股东阵容十分耀眼：红杉资本中国基金领投，老股东高榕资本、顺为资本、明势资本、东方富海跟投。

（雷锋网推荐阅读：《专访必示科技CEO刘大鹏：智能运维是不可避免的大趋势》）

来也科技CTO：胡一川

来也科技的联合创始人兼CTO胡一川，也是清华大学硕士毕业，之后前往宾夕法尼亚大学并拿到电子与系统工程系博士学位。

回国后，他和汪冠春一起在2012年创立了影视推荐引擎“今晚看啥”。该项目被百度收购后，两人进入百度，胡一川担任资深架构师一职。

2015年，汪冠春和胡一川再度创业，创立来也科技。

目前，来也科技已服务于银行、保险、电商、政府等各个行业，通过RPA+AI软件机器人，帮助传统企业数字化转型。

就在上周，来也科技宣布完成C+轮 5000 万美元融资，由中国平安旗下平安全球领航基金与上海人工智能产业基金联合领投，光速中国、红杉中国及双湖资本继续跟投。

老虎证券CEO：巫天华

巫天华是互联网券商老虎证券的创始人、董事长兼CEO，同样出自清华计算机系。

这位2002级清华学子，在2014年创立老虎证券前，曾在网易有道工作超过八年，担任核心搜索技术负责人。 

上月末发布的2020财报显示：老虎证券去年的全年总营收达1.4亿美元，同比增长136.1%；全年净利润2227万美元。

截至去年末，老虎证券的累计开户客户数达110.4万，同比增长70.1%；目前已持有美国、澳大利亚、新加坡、新西兰等国家的经纪业务、投资银行、资产管理等牌照。

巫天华透露，老虎证券已以承销14家中概股赴美上市的成绩位列行业第一；ESOP业务两年来实现从0到行业领先，四季度新增35家企业客户，累计美港股客户数量达124家，继续保持ESOP领域增量市场份额领导者的角色。

百融云创CEO：张韶峰

上月末登陆港股市场的「AI风控第一港股」百融云创，其创始人、董事长兼CEO张韶峰，则毕业于电机工程与应用电子技术系。

2009年，张韶峰与两位合伙人共同创办大数据技术与应用服务顶级公司百分点科技；2014年，创办专注服务于金融领域的人工智能SaaS平台百融金服，即后来的百融云创。

百融云创所完成的四轮融资中，投资方中不乏央企中国国新旗下的国新基金、中金公司这样的“国家队”，也有高瓴、红杉、IDG等明星投资机构。

在自主创业之前，张韶峰也曾在Oracle、IBM任职，负责过商业智能、数据挖掘及智能分析方案等工作；还曾是天涯社区担任数据挖掘和决策支持业务的负责人。

捷通华声CEO：武卫东

与前述大部分计算机专业背景的AI金融人不同，捷通华声的董事长兼CEO武卫东，出自清华环境工程系。

在1987年毕业后，武卫东留校任教，1991年离开学校。

后来他加入到张连毅的团队，创建清华文通公司，从事国内第一套OCR技术的产业化工作；1998年，武卫东出任清华科技园环境事业部总经理，从事环保产业工作。

但从2000年起，武卫东离开环保产业，转向了AI领域。这一年开始，他在北京捷通华声公司担任总经理，从事智能语音、智能语义、智能图像和大数据等核心技术研发与产业化工作。

目前捷通华声已重点服务了金融、电信、能源、政企等各领域数千家客户，拥有语音识别、语音合成、声纹识别、OCR、手写识别、语义理解、机器翻译、数据挖掘等十三项自主研发的核心技术。

金纳科技董事长：夏阳

同样专注智能化投资交易的金纳科技，其董事长兼总经理夏阳，毕业于清华电子工程系。

尽管是电子工程出身，但夏阳的金融市场与投资履历颇为亮眼，所供职过的机构包括瑞信、雷曼兄弟、ITG；曾是华兴资本合伙人、管理委员会成员、董事总经理兼全球证券业务总裁，还先后担任过美银美林集团和瑞银集团的董事总经理一职。

夏阳被认为是全球顶尖的量化投资专家和算法交易创始人之一，据悉中国的算法交易，也是在他在瑞银集团时，和团队一起帮助引入国内。

目前全球算法交易市场迅速增长，夏阳认为是“快速、可靠和有效的订单执行”的需求在增加；降低交易成本、减少操作风险、完善市场监督、辅助政府监管等因素也有所影响。

他强调，不仅是金融市场偶发的乌龙指事件，每当市场上有巨量资金出入时，都将直接影响盘口走势。如何减少巨量资金进出对于市场的影响并把冲击成本降到最低，这是对整个金融交易市场的新命题。算法交易的出现，便是将大单拆分成大量小单来交易以减少对市场的冲击、降低机会成本和风险。

火币中国CEO：袁煜明

与前述清华学子涉足的领域都有所不同，毕业于清华大学自动化系的袁煜明，选择了区块链方向。

在出任火币中国CEO之前，袁煜明曾任兴业证券研究所所长助理，TMT研究中心总经理，计算机互联网行业首席分析师，2013-2017连续5年上榜新财富最佳分析师，对TMT领域钻研颇深。

目前他除了火币中国CEO一职外，还是清华x-lab区块链公开课程导师，华中科技大学区块链存储研究中心学术委员会委员，《区块链与分布式记账信息系统评估规范》主要起草人之一。

信也科技CEO：章峰

信也科技现任CEO章峰，也是一位毕业于计算机科学与技术系的清华学子。

在中科院软件所和美国弗吉尼亚理工大学获得硕士学位之后，章峰从2003年起担任Capital One做数据和商业分析方面的工作。

在Capital One的八年工作时间里，章峰曾负责其美国市场所有四千多万信用卡账户的利率，年费，滞纳金，客户支付，和客户保有策略，出任过高级总监和收益管理部门负责人。

五年前，在Capital One、运通等机构任职的华尔街精英集体回国涉足互联网金融，章峰也是其中之一，2015年加入拍拍贷（信也科技前身）担任CRO；2018年9月被任命为联席CEO。 

而信也科技在去年全年获得营业收入75.63亿元，同比增长26.8%；净利润19.686亿元，同比下滑17.1%；促成借款金额641亿元，同比下滑22%；累计注册用户增长至1.161亿。

财报披露时，章峰表示，在2020年信也科技成功实现客群上浮及科技赋能战略转型，逾期率好转，预计2021年的促成借款金额将在1000亿元至1200亿元之间。

银联智策CEO：赵萌

毕业于经济管理学院，管理科学与工程系出身的赵萌，是银联智策顾问（上海）有限公司的创始人兼CEO。同时，他也是清华大学经济金融数据研究中心执行主任和康奈尔大学中国经济研究所的顾问委员。

银联智策是中国银联旗下专业的大数据分析和战略咨询公司，致力于将人工智能、大数据、云计算等技术与应用场景深度结合，帮助客户建设基于大数据的业务生态。据悉相关产品和服务已应用于银行咨询、信贷服务、投资理财、商业零售等行业。

而赵萌与章峰一样，同样在Capital One任职数年，并在美国银行和巴克莱银行等国际金融机构积累了产品战略、风险防控以及市场营销等方面丰富的实战经验。

2012年底，赵萌回国和中国银联合资成立了银联智策。

庖丁科技董事长：林得苗

林得苗是庖丁科技创始人兼董事长，同样也是清华大学计算机系的一名硕士。

从清华毕业后，他曾在惠普中国实验室担任研究员，专注于IT和互联网技术的研发。从2008年开始，他投身移动互联网，并于2017年创立庖丁科技。

林得苗曾表示，金融监管机构对文档的真实性、准确性和完整性要求甚高，公开的金融文档具有一定法律效力，如果数据有错误，则可能要面对诉讼连带责任；文档的质量往往关乎IPO是否能成功，也是证监会考评每个投行的重要指标。

庖丁科技即是这样一家针对AI金融文本分析的服务提供商，研发了金融文本的深度结构化技术及其数据平台，开发适用于广泛商业领域的文本深度结构化技术，并提供数据研究服务。

结语

九万里风鹏正举，过去十年里，人工智能、大数据、云计算等一系列技术与传统的金融世界碰撞，诞生了无限广阔的新天地。

这群清华人也在天高海阔的各个细分领域里默默耕耘，将金融科技的发展推至一个又一个的高峰。

读懂他们的前行方向，也就能够摸索出这个行业的行进轨迹，无数细节波澜壮阔呈现于眼前。正如清华校长邱勇所言，清华人正在“着力构建中国特色、中国风格、中国气派的学科体系、学术体系、话语体系，在奉献国家的进程中追求新的卓越”。

“自信从容，迈向未来”，不仅勉励着清华人，也同样为金融科技写下奋斗的注脚。相信数年后讲起中国金融科技的故事，也必然有清华人的姓名。

很多时候一谈起互联网保险，有相当一部分玩家以轻装快马的姿态出现，迅速杀入下沉市场，迅速跑马完成圈地运动。

但明明有着“互联网”基因的慧择，宁愿重装上阵，去“死磕”长期险种、线下布局这些听起来更具传统色彩的任务目标。

这样的选择不是不危险的：在过去的一年里，虽然慧择创下了保费、营收的双新高，但也出现了首次净利润亏损，成本高企和增收不增利的现状一度引发市场忧虑并反映在股价上。

可在慧择看来，眼下抢滩互联网长险市场、拴住高质量用户的心，用盈利减少换规模做大，完全值得：四年，超过3.6倍的营收规模增长；近四个季度的保费规模分别同比增长40.6%、51.03%、41.16%及63%。

在与慧择的对话中，我们发现，这家互联网保险公司并不介意自己活得不那么“互联网”，不介意被认为在向传统险企靠拢。

这一次，我们也与慧择深入聊了聊，他们是如何撕掉那些互联网保险的刻板标签，以科技为帆，航行向前。

打破刻板印象之一：长期主义

黄色的树林里分出两条路，慧择走了鲜有同行涉足的那一条——长期险战略。

显而易见，更轻量级、标准化的产品，必然更容易在短时间内被大规模复制和推广，这也是为什么大部分互联网保险平台都以短期险起家，例如短期健康险、旅行意外险等轻量级、低客单价的险种。

当保险遇上互联网，打开流量之门，十万亿级别的潜在市场就此诞生。自带海量用户的互联网巨头仿佛抬手就能完成传统险企无法想象的获客数量，转化率有多高一目了然。

慧择也不例外。慧择寿险商品中心副总经理王寅向AI金融评论透露，慧择成立至今已经过去十五年，有一半以上的时间在主攻短期险。

可轻易得来的客源，自然也不会轻易留存下来：众多平台都在用月缴、首付超低价吸引用户购买，可是当保单一年之期一到，用户凭什么留下来？

短期险圈住的用户，如果没有足够的吸引力让他们续保或是购买同平台产品，前期打流量和价格战烧的钱，最后还是会随着用户流失而打了水漂，得不偿失。

相反地，寿险和长期险肯定是更能让用户与平台之间建立数年甚至数十年的深度联系，直接保证了用户留存度；长期险动辄上万甚至上百万一张单子，短期险的客单价很难追上。

可很多互联网平台不敢轻易入局长期险：这类险种，条款如天书一般，后续理赔等环节的复杂程度，绝非短期险可比。

传统险企的老招牌，线下代理人的一对一讲解，尚可在用户心中种下几分信任感，但空有一个App和购买页面，一大段产品介绍的平台，怎么卖出一份巨额长期险？卖不动，也不敢卖。

抉择之下，慧择咬牙转向，瞄准了长期险。

慧择向雷锋网AI金融评论透露，普通长期险其实2012年就已在售，但直到2015年战略才全方位转向长险；2017年下半年，首款线上长期定制产品“慧馨安”上线。

值得注意的是，慧择更倾向于让用户的首次购买就直接以长期险为主，而不是先用价低量轻的短期险获客，再转化成长期险。

这两种模式听起来，似乎是先获客再转化更容易实现？但在慧择眼中，前一个做法对用户留存度和公司营收稳定性而言，性价比却是最高；随着国民保险意识的日渐成熟，受过高等教育的年轻客群对保险尤其是长期险的接受度也会更加主动开放，高质量用户的持续增长将会相应地让运营成本有所降低。

从2020年财报来看，尽管首次遭遇净亏，但这个成绩或许会让慧择更坚定走长期主义路线：总保费30.2亿元，同比增长 49.9%；总营收12.2亿元，同比增长22.8%——而长期险贡献的可持续业绩增长，占比高达93.40%。

2020第二季度起，慧择开始披露续保率，长期寿险和健康险第13个月、第25个月继续率已连续三个季度保持在94%以上，客户粘性和获客能力可见一斑。

打破刻板印象之二：大胆敲碎、合理重组

透视这张成绩单和慧择的长期险战略，背后有两项支撑能力不得不提：保险的产品定制能力和解释能力，也就是如何把保险像积木一样可组装、可拆解的科技能力。

去年全年，慧择研发费用共计4913.5万元，同比增长45.3%，科研人员在公司人员构成中占比达18.3%。

这些巨大投入流向何处？慧择数据智能算法组负责人李思雯透露，目前慧择的科研投入主要集中在数据和算法方向，前中后台所投入的研发人员比例大致是1:2:1。

数据、算法和业务中台的建设，意外成为这家互联网保险公司的科技重头戏。

“北斗”数据中台正如其名，通过平台、分析、内容等多个维度的建设，搭建高可用的数仓和数据资产管理平台，用数据为慧择完成一级导航。

“2018年之前，公司的大量数据都存在基于MySQL的关系型数据库里，不少报表还在走人工，但这种水平的数据控制规模和计算时效，已经不能满足日益增长的业务需求了。”李思雯这样告诉雷锋网AI金融评论。

2018年底，算是慧择正式开始“砸”资源，进行科技上的自主研发和探索的时间节点，数据中台等项目的雏形初现；到去年年底，“北斗”数据中台已整体投入使用。

算法中台在慧择内部被命名为“魔方”，把具体使用场景对推荐、搜索、图像与语音识别等不同算法的调用过程变得清晰规整；业务中台则保障投保、核保、理赔等业务全流程的正常运转。

在中台的支撑之上，即是AI计划书这类赋能保险顾问的智能化工具。

诞生于去年疫情期间的AI计划书，从想法到上线总共用时不过四个月。李思雯向AI金融评论介绍，这一工具更强调用户与保险产品之间的匹配，可对客户输入信息进行快速运算和处理，完成一系列关键指标的试算，自动生成最佳保险方案。

她笑称，有顾问反映计划书中的AI推荐部分受到了不少客户的认可，甚至“点名”想要AI推荐的版本。

如何为业务团队提供支持，让长期险的复杂情况顺利拆解为小白用户也可以理解的内容？李思雯透露，不光是保险基础条款的解析，产品优缺点和公开信息的收集汇总等，研发人员通过自然语言处理等技术进行了工具封装；并构建了知识图谱，对保险繁琐条款等文档进行实体关系抽取，让投保人更有效直接地“货比三家”。

雷锋网AI金融评论也了解到，顾问工作台于去年正式投入使用，工作台嵌入用户画像和意愿度等分析，通过强大知识库为顾问赋能；慧择也上线了“同屏讲解”这类顾问标配工具。

不难看出科技对于慧择定制与解释能力的打磨思路，即是以中台梳理散乱的数据和算法使其资产化、可用化，抽丝剥茧重新“纺织”成与场景紧密结合的前台工具。

成熟的产品定制能力，是慧择的杀手锏，不仅体现在AI计划书这样科技色彩浓厚的工具上，也体现在产品的可选性和模块化上。

据王寅介绍，慧择定制产品不仅大部分都设置了很多可选条款，消费者可以根据自身保障需求和财务情况进行自由匹配，而且还推出了更具未来产品形态的模块化产品。

产品千人千面，满足消费者差异化的保障需求一直是保险行业长期探索的方向，但纵观常见的互联网保险“定制化”，更多是以个性化推荐的形式出现：给用户打标签，结合用户画像再推荐相对应的产品。

但这样的做法多少有些“按图索骥”，慧择又打碎了另一个互联网保险的刻板印象——干脆将产品打碎，由消费者根据需求自由选择，将更多主动权让渡给用户。

王寅在昨天的春季新品发布会上透露，慧择近期就上线了一款针对年轻消费者的类似于乐高积木式的重疾险百易保，其除开核心保障外，中症、轻症、猝死、定寿、医疗等责任都可于后期在百易保盒的账户中进行自由加减，且该账户还能提供健康教育视频、在线问诊以及其他健康管理服务。

无论是产品设计层面，还是科技建设层面，大胆打碎、合理重组可以说是慧择的“隐藏剧本”。

打破刻板印象之三：不被困在线上

在成立的第十五个年头，慧择再次撕掉了一个刻板印象：互联网保险并不只局限在线上。

在2020年财报中，慧择透露，新的一年将在上海、深圳等核心城市开展线下布局，设立高端客户服务中心，优化服务体验，强调中高端“有质感的”服务呈现。

王寅表示，这与传统线下代理、走增员的金字塔式发展模式并不一样，更倾向于O2O线上线下融合，多出一种不同的触达用户的方式。

许多年轻用户不希望直接接触营销人员，但也有的用户购买几万到上百万的年金储蓄类产品，线下面对面交流反而是与用户构建强信任关系的渠道之一。

这也延伸出更多对互联网保险的猜想——王寅进一步指出，未来的保险销售或许会出现类似滴滴的形式：线上接收到某地客户的需求，根据数据分析用户情况，系统匹配当地适合的业务员上门对接。

疫情加速整个保险行业线上线下的融合，传统险企和互联网保险公司的界限似乎也日益模糊。他判断，未来三五年内，保险公司或许就会取消中介和网销渠道的区分，演变为“大中介”概念。

而所谓“互联网颠覆传统保险”的论调其实并不成立，无论新的技术如何渗透，智能化、数字化占比有多高，都不能取代保险本质里，人与人的连接、信任的建立。

慧择在漫长岁月里把刻板印象一次次敲碎的同时，互联网保险的“旧皮囊”也在逐渐脱落。花钱砸流量的内卷行为不再奏效，互联网这个标签在整个保险界里也不会再那么性感耀眼——监管降临，行业洗牌，市场如摩西分海，不被旧标签束缚住的玩家，才会真正留下来。

在过去的一年，来也科技服务了近百家 500 强企业、数十个政府单位以及上千家中小企业客户。RPA业务全年软件订阅收入同比增长 9 倍，在第四季度企业业务还实现了现金流为正，对话机器人业务也首次盈利。 

来也科技联席 CEO 兼总裁李玮表示，本轮融资将主要用于全球化扩张及 AI 技术研发，打造一体化端到端的智能自动化平台，实现多系统兼容、多平台操作、移动端升级版产品布局。来也科技还将加大对垂直行业专家级人才的招募，并持续加大“平民开发者及合作伙伴双生态”的投入力度。

本轮融资领投方平安集团首席创新执行官、平安全球领航基金董事长兼CEO Jonathan Larsen表示：“来也科技在这个快速发展并且极具吸引力的赛道上夯实了其国内领导者的地位，解决方案在金融机构中尤其能引起共鸣，因为中国的金融机构普遍正开始收获RPA应用带来的便利。平安很高兴能够与来也科技一起合作，赋能来也更上一层楼。”

作为国内首支省级人工智能产业专项基金，上海人工智能产业基金总经理吴巍表示：“来也科技既有深厚的 RPA、深度学习、NLP和多模交互技术储备，又有强大的综合解决方案产品落地能力，能更好地帮助政企搭建高效智能的数字化技术工具和流程解决方案。上海人工智能产业基金将持续关注和支持来也科技赋能产业数字化转型。”

在过去一年中，来也科技不仅积极推动 RPA+AI 产品及解决方案在各行各业落地部署，更聚焦于垂直行业，服务多个行业 500 强标杆客户，如首钢股份、九州通、南方电网、太平保险、龙湖地产等等。而在接下来的一年，来也科技将重点聚焦于政务、电力、金融三大行业，招募更多行业解决方案专家级人才，深入开拓垂直行业市场。

作为来也科技最早的投资人，光速中国创始合伙人宓群表示：“来也科技的管理团队在RPA和AI领域有深度的积累，通过搭建国内最为完善的开发者社区与合作伙伴双生态，形成了强有力的竞争壁垒。光速作为公司的全球合伙人，将通过自身在企业服务及硬科技领域丰富的行业经验和全球资源，助力来也科技全面开启全球化布局的征程，打造世界级的‘RPA+AI’平台。”

目前，来也科技国际化团队已全新升级，在新加坡拥有了本地化团队，并顺利签约数家重量级合作伙伴。新加坡亚太总部已吸引了数位曾任职于微软、 IBM、Oracle和BMC等企业软件行业资深专家加入。

在双生态布局中，来也科技已有近 40 万平民开发者与 500多家全球合作伙伴，包括微软、德勤、毕马威、神州数码和泰国SAMART RAASPAL等。

来也科技董事长兼 CEO 汪冠春表示：“来也科技通过RPA+AI创新案例挑战赛和推出机器人应用商店等创新方法大力发展开发者生态。我们会在三年内打造全球最大的软件机器人开发者社区和机器人交易市场，并在2025年前通过校企合作和社区运营认证100万开发者。通过为全社会培养更多智能时代懂RPA和AI的人才，我们相信数字劳动力会加速落地到各行各业。”

来也科技还将持续对原生 AI 能力进行研发投入，现已拥有 200 余项专利申请，并打造云原生软件机器人与移动端自动化，实现“全流程自动化、垂直领域软件机器人、专业领域软件机器人”，赋能全球企业实现智能自动化转型。没有 AI 的 RPA 已成为过去，相信来也科技作为中国 RPA+AI 的领航者一定能把国内的创新场景和特色服务推向全球！

雷锋网雷锋网

报道称，其估值预计在20万亿韩元（178亿美元）至30万亿韩元之间。

KakaoBank是韩国互联网巨头Kakao的子公司，由Kakao和韩国投资控股公司联合推出，为继K Bank之后韩国的第二家纯互联网银行。Kakao为韩国使用率最高的免费聊天应用KakaoTalk的开发商。

该互联网银行的股东包括韩国投资金融控股公司、腾讯、国民银行、易趣等9家公司，资本金为3千亿韩元。

腾讯于2012年投资Kakao Talk，获得13.84%的股权；随后在2017年成为Kakao Bank的第二大股东，

蚂蚁金服则在2017年为Kakao Pay注资2亿美金，打通了支付宝在韩国的3.4万商户。

2020年1月曾有消息称，Kakao Bank的一位高管表示，公司准备在当年年底前在该国股市上市。

Kakao在韩国的存在，与微信在中国的情况有些相似：以2019Q3披露的数据来看，5164万人口的韩国，Kakao Talk有超过4400万的月活用户，在智能手机用户中的渗透率为95%。

因此，Kakao旗下的多个互联网产品为Kakao Bank带来了相当大的流量，为其提供了核心竞争力，使其超过Kakao Bank成为韩国最大的纯互联网银行。

与韩国传统银行不同，Kakao Bank实行全天候营业，其所有服务都可以在客户和银行分行之间不进行面对面接触的情况下完成。这为那些无法在工作时间造访贷款机构的客户提供了便利。Kakao Bank没有连接到特定的ATM自动取款机，客户可以从任何ATM取款和存款。

雷锋网

上市首日，联易融股价涨10%，收盘价为19.320港元，盘中涨幅一度达到13.54%。

而九天前，同为金融科技公司的「AI风控第一港股」百融云创也刚登陆港股市场，却迎来了破发，当前股价已经跌去了发行价的20%。

（雷锋网推荐阅读：《「AI风控第一港股」百融云创上市即破发，背靠大树也难乘凉？》）

同样拥有豪华股东阵容，也是各自细分赛道的第一梯队，这两家金融科技企业为何开局表现截然不同？

头顶“腾讯系”光环，股东阵容星光熠熠

诞生于2016年2月的联易融，成立后五个月就获得了1亿元A轮投资。参与该轮融资的腾讯、中信资本、正心谷，也在B轮、C轮中继续跟投。

公司上市前最后一轮融资是2020年1月，获得来自渣打银行投资的数亿元C+轮融资。GIC（新加坡政府投资公司）、BAI资本、招商局创投目前也分别持有3%~9%不等的联易融股份。

此外，联易融还引入多位明星基石投资者助阵此次上市，包括贝莱德（BlackRock）、富达国际（Fidelity）、Janus Henderson基金、安大略省教师退休金计划（OTPP）、红杉资本（Sequoia）和新加坡经济发展局（EDB Investment），认购股份总额超28亿港元。

在一众明星股东当中，联易融与腾讯的关系尤为密切。

腾讯在2016-2018连续三年投资联易融，目前占股18.89%，是联易融最大的机构股东。

联易融的招股书中也明确提到，“公司可以共享腾讯领先的区块链、人脸识别、云技术和支付等基础科技”。

联易融的高层更是与腾讯渊源颇深：CEO宋群曾是珠海华润银行首任行长，离开华润银行后，就在腾讯担任金融战略顾问。

2015年，腾讯总裁刘炽平出席以“连接合作”为主题的金融合作伙伴高峰论坛上，宋群正是以腾讯支付基础平台和金融应用线顾问身份出席。

雷锋网注意到，联易融的非执行董事林海峰，为腾讯公司副总裁，也是腾讯金融科技业务（FiT线）负责人。

以上种种，可见腾讯对联易融并非简单的财务投资，双方互动紧密，联易融也因此成为腾讯金融TO B战略生态圈的核心成员之一。

靠供应链金融年入9亿，与蚂蚁京东掰手腕

撇去耀眼股东背景不提，联易融作为一家供应链金融科技公司的真正实力究竟如何？

招股书显示，2018年、2019年与2020年全年，联易融实现营业收入分别为3.83亿元、近7亿元、10.29亿元。其中2019年、2020年的营收分别同比增长83%、47%。

供应链金融科技解决方案是联易融的收入支柱：2020年，该业务产生总收入及收益为9.2亿元，占同年总收入及收益的90%。

此处所提及的解决方案，被定义为“优化供应链金融及支付的关键工作流程，帮助核心企业和金融机构高效验证供应链交易真实性”，包括核心企业云和金融机构云两种。

一位大型金融科技公司B端业务人士曾透露：联易融所做的，简单说是帮核心企业和金融机构发行ABS搭建系统，并提供一揽子居间服务，包括过桥性的应收账款转让。

其具体模式与蚂蚁集团的“双链通”大致相同，即是：

链路上核心企业产生的付款，由核心企业来签发付款凭证。如果小微企业手里有付款凭证，就可以向“链上”的合作银行在线申请贷款。而且，小微企业不需要跑柜台去完成各种手续，而是全部线上化，最快可以达到秒级放款。

多方在这个系统上完成ABS最终放款后，联易融基于交易量收取服务费。招股书透露，服务费为解决方案所处理供应链资产量的0.1%~0.8%。

同时联易融也利用区块链科技，为供应商从核心企业获得的应收账款创建不可篡改、可追溯的数字凭证Digipo。供应商可以对Digipo进行拆分，全额或部分支付给其上游供应商，或者作为从金融机构获得融资的凭证。

此外，联易融还推出了针对跨境贸易供应链支付和融资的跨境云，和面向中小企业的信用科技解决方案。

根据灼识咨询数据，联易融在2020年处理的供应链金融交易金额达1638亿元，在中国供应链金融科技解决方案提供商中排名第一，市场份额为20.6%。

所处理的供应链资产总量，或促成的融资总额的明细

联易融在招股书中透露，自2016年成立以来，已服务核心企业340多家，其中包括25%以上的中国百强企业，并与超过200家金融机构合作。截至2020年12月31日，在中国已累计帮助客户和合作伙伴处理逾2800亿元的供应链金融交易。

市场占有率方面，根据灼识咨询数据，2020年，第三方供应链金融科技解决方案市场，前五大玩家市占率68.9%，前三强占据了市场超50%的份额。

从注释的描述来看，不难看出A、B两家公司为蚂蚁、京东，交易量分别为1580亿元、1270亿元。

以目前的形势来看，联易融、蚂蚁、京东科技在「供应链金融」市场上三足鼎立的局面初现，短时间内，谁都难以跑出一骑绝尘的优势。

需要注意的是，联易融也一样面临着持续亏损的问题。

招股书披露，2018年、2019年与2020年全年，联易融亏损分别为14.1亿元、10.82亿元、7.15亿元。以此计算，联易融三个报告期合计亏损超过30亿元。

不过在非国际财务报告准则下，联易融经调整后的净利润分别为-1412.5万元、3650.5万元、1.923亿元，这一口径下自2019年开始盈利。

另一个备受关注的风险点，来自金融业务的逾期情况。

2018-2020年间，联易融基于中小企业信用科技促成的自有资金融资交易量分别为3.55亿元、14.99亿元、10.06亿元，未偿还金额分别为1.85亿元、5.30亿元、3.16亿元。

相应地，该项资金这三年间的M3+逾期比率分别为1.1%、1.1%与2%。

联易融表示，2020年逾期率激增与新冠疫情有关；考虑到中小企业受疫情影响严重，已在2020年Q1战略性减少所促成的融资规模。

中小企业融资自身的风险性，联易融也在招股书中给出了提示，称在自有资金及保障融资交易中融资的许多公司为中小企业，相比大公司更有可能违约或拖欠其借款。同时，其承诺在中小企业违约或逾期付款的情况下从资金方处受让债权，即“兜底”模式。

此外，联易融对大客户的依赖程度也受到质疑。2018-2020年间，联易融前五大客户的收入及收益分别占各年总收入及收益的69.0%、47.6%及34.7%，而按收入及收益计的单一最大客户分别占其同年总收入及收益的28.7%、20.4%及12.8%。

联易融VS百融：为何开局各不同？

就在联易融上市前不到十天，国内大数据服务商百融云创也正式登陆港交所。

成立于2014年的百融云创，可以说是老牌AI风控选手。所完成的四轮融资中，投资方中不乏央企中国国新旗下的国新基金、中金公司这样的“国家队”，也有高瓴、红杉、IDG等明星投资机构。

但上市五天，百融云创的股价已经从31.80港元的发行价跌至25.450港元。

明明都是明星股东加持，市占率靠前，也同样连续录得亏损，为何市场对两家金融科技公司的反应截然不同？

一位二级研究员向雷锋网AI金融评论表示，影响股价的因素众多，或许与金融科技内细分赛道的市场态度有关，对所在赛道的市场容量、发展增速的预判都有差异。

根据灼识咨询的数据，预计核心企业及金融机构用于供应链金融科技解决方案的总支出，将从2019年的434亿元增长到2024年的人民币1642亿元，复合年增长率为30.5%，供应链金融也一度被认为是发展潜力巨大的“冷门”行业。

另外，两家企业在各自赛道中的市占率如何，竞争是否激烈，也一样影响投资者对企业的估值判断。

他补充称，尽管百融云创和联易融都在风险因素中提到了日渐严格的金融科技监管，尤其是《数据安全法（草案）》《个人信息保护法（草案）》等条例的影响，但AI风控和供应链金融所面临的系统性风险和政策风险也未必相同。

但该研究员也强调，新股的财务数据和具体表现不够清晰，加上锁定股较多盘子小，不排除短期资金炒作的可能——资本市场对金融科技的情绪，究竟是欢迎还是抵触，仍然要交给时间来定夺。

3月31日，江苏润和软件股份有限公司（以下简称润和软件）全资子公司北京捷科智诚科技有限公司（以下简称捷科智诚）举办线上千人捷科“JettoDevOps4.0”产品发布会，推出的“JettoDevOps4.0”是一款提质增效的“数字化软件交付平台”，以科技创新助力银行业数字化转型。

与多家金融客户建立合作 捷科“JettoDevOps4.0”正式上线

随着“十四五规划”的逐步推进，大数据、人工智能、云计算、区块链、移动互联等金融科技新技术的广泛应用与多重融合，成为银行业数字时代的新技术底座，金融银行逐步迈入bank4.0时代，并向平台化、自主化、服务化、开放化模式演进。

捷科智诚本次发布的“JettoDevOps4.0”，是在与多家金融行业客户合作的基础上推出的“进化版本”。对于大规模、复杂软件交付场景，可以大幅度提升软件需求、研发、测试、投产等环节的协同效率与交付质效，为新一代科技生产管控一体化能力打下坚实的基础。据悉，截止目前，捷科智诚深耕金融行业专业化服务多年，已经累计服务国内300+金融客户，此次推出的4.0版本可实现需求中心、项目协同、版本管理、制品库、流水线、环境管理、全域CMDB、工作流、知识库及度量中心等全流程服务和解决方案提供。并具有提升交付速度、提高组织协调能力、协助金融相关业务提升市场竞争力等优势。

不仅如此，“JettoDevOps4.0”还在架构方面进行了优化和重构，前端采用微应用架构，后端采用微服务架构，同时借鉴中台设计思路，形成需求、项目、瀑布开发、敏捷开发、测试管理、投产等混态协同、持续交付能力，实现贯穿从需求提出、发布、上线整个过程，包括需求、规划、开发、测试、投产运营等信息资产的数据流转、共享及沉淀，具有优异的扩展性、全流程、多维度等特点，极大满足金融银行数字化转型的各方面需求。

三重融合，推动金融银行业务提质增效

随着“十四五”规划纲要的发布，数字化转型已经上升至国家战略，伴随新技术的持续涌现，为数字化转型和金融创新提供了驱动力。无论是业务需求拉动或技术引领驱动，“新技术+新应用”的落脚点在促进科技创新带来的普惠性和公平性，更高效地创造业务价值。因此，精益、敏捷、DevOps等思想和实践已经成为当今企业数字化转型技术管理与实践的重要趋势和关键举措。

本次“JettoDevOps4.0”围绕需求管理、项目协同、多角度可视化三大功能进行开发设计。其中，针对银行数字业务管理的复杂化现状，“JettoDevOps4.0”能够实现业务需求和软件需求的集中化管理，同时软件需求采用层级化模型设计，用户可以按照研发模式、管理颗粒度、交付模式等来灵活选择需求管理的粒度，兼顾管理现状，同时也可以支撑未来向精细化管理、持续交付演进。

在银行多项目协调方面，捷科智诚的“JettoDevOps4.0”支持双模、大规模敏捷等研发协作场景，针对金融行业系统耦合度高、新老系统并存、多子系统并行开发多的特点，帮助用户根据系统建设阶段，来灵活选择相适应的协作模式，从而应对业务需求通过多个系统、多个项目协同开发、测试、投产上线的复杂交付场景。

此外，多角度可视化的能力实现，让银行系统建设一目了然。这得益于“JettoDevOps4.0”的多角度可视化能力，可以将软件交付过程数据、进度数据、版本、制品、环境、资源等数据有机关联起来，通过制品上下文可视化追溯、意向/需求拓扑等能力，可以快速洞察需求交付的阶段以及每个阶段的相关制品，来龙去脉一目了然。同时通过应用管理、环境拓扑、架构拓扑等功能，帮助银行客户快速获取所关注的信息。

科技Fintech新发展，一体化功能成数字转型必备，并向智能化延伸

金融科技的本质是金融价值的提升。基于对金融行业软件交付的现状、痛点、需求以及未来演进方向的分析和深度思考，捷科智诚本次发布的“JettoDevOps4.0”具有里程碑式的意义，标志着金融科技Fintech产品进入了更加完善的一体化阶段。

伴随着金融科技Fintech高速发展，金融行业的数字化发展不再满足于单一的功能开发，而是更加趋于多元化的应用和业务价值的高增长。正是基于此项要求，捷科智诚此次发布的新版本更加侧重业务价值的实现，从业务需求的提出一直到投产的全过程协同，同时通过多项目协同方式，实现双模软件研发交付的混态协同，实现软件交付过程管控与生产的一体化，同时可以支撑组织级配置管理、资源管理、环境管理等角色的管理要求。

从自动化到一体化并不是捷科智诚“JettoDevOps4.0”的最终目标。未来，“JettoDevOps”还将走向智能化阶段，不断地更新升级版本，通过人工智能、语义分析、知识图谱等技术，充分利用软件交付过程中产生的各类数据资产，实现精准测试、人机辅助编程等智能化软件交付场景，从而进一步提升交付的质效，提升市场竞争力。”

雷锋网雷锋网

数字人民币会侵犯用户隐私吗？足够安全吗？会被用于违法犯罪吗？

近日，在中国发展高层论坛2021年会上，中国人民银行数字货币研究所所长穆长春，针对数字人民币的安全性、隐私性等各方面进行回应。

央行可以通过电信运营商查手机号，来获取用户真实身份信息？

穆长春表示，这其实是误解。尽管电信运营商的支付部门也参与了数字人民币的研发，但是根据现行国家有关法律规定，电信运营商不得将手机客户信息披露给央行等第三方，当然也不得向自己运营数字人民币的部门提供。

可控匿名对数字人民币意味着什么？可以完全匿名吗？

数字人民币是数字形式的法定货币，可控匿名是数字人民币的重要特征。穆长春表示，这一方面体现了其M0（流通中的货币）的定位，保障公众合理的匿名交易和个人信息保护的需求；另一方面，也是防控和打击洗钱、恐怖融资、逃税等违法犯罪行为，维护金融安全的客观需要。

“可控匿名的第一层含义，是匿名，就是要满足合理的匿名支付和隐私保护的需求。”

穆长春表示，目前的支付工具，都无法满足匿名诉求。数字人民币可以在技术上实现小额匿名，用手机号开立的钱包对于人民银行和各运营机构来说是完全匿名的。

“可控匿名的第二层含义，是可控，在保护合理匿名需求同时，也要保持对犯罪行为的打击能力。”

穆长春认为数字货币完全匿名的概念不切实际，数字货币如果无法满足反洗钱、反恐怖融资、反逃税等要求将被一票否决。

数字人民币将采取“小额匿名、大额可溯”的设计，守护老百姓财产安全。

数字人民币钱包怎么保障交易安全？

穆长春解释称，数字人民币钱包采用了分级分类的设计，根据KYC（认识你的客户）程度的不同开立不同级别的数字钱包，满足公众不同的支付需求。钱包余额和支付限额会随着KYC强度的增强而提高。

这样设计的考虑是，一方面满足公众合理的隐私保护需求，另一方面要防范大额可疑交易风险。

“前期试点过程中大家注意到一个细节，数字人民币的钱包可以开立此钱包并推送到相关的电商平台上。原来你在电商平台购物的时候，在支付环节，要不然是用网关支付，要不然是绑卡开立快捷支付，都需要你把所有的支付信息填进去，这样就会导致电商平台会知道你个人的信息。”穆长春说。

穆长春介绍，有些个人信息本来是不应该让别的平台知道的，就如同你在小摊上买一棵白菜，小摊的店主不应该知道你信用卡安全码的信息。而使用数字人民币进行支付的时候，用户的支付信息是打包进行加密处理，用此钱包的形式推送到电商平台，推送以后电商平台是不知道你的个人信息，这样就保证了用户核心信息的隐私保护。

“此外，我们进行了很多技术和制度设计，来保障用户的隐私安全。比如数字人民币钱包之间用ID匿名化的技术处理，所有钱包之间有关个人信息的数据对交易对手方、运营机构和其它的商业机构都是匿名的。”穆长春介绍。

数字人民币，老年人能用吗？

穆长春在接受央视新闻《相对论》采访时表示，数字人民币下一步将继续正常推动试点。去年，穆长春曾提到老年人或有“专属”数字人民币。这次采访中他介绍，已经设计了助力老年人跨越“鸿沟”的数字人民币产品——可视卡。“卡上有二维码，也有NFC芯片，既可以碰一碰，也可以扫一扫，还可以整合健康码。”穆长春还表示，更多便于残障人士使用数字人民币的产品也会陆续推出。

雷锋网

今年，“两会”将延续去年的经验，缩短会期、精简文件，采用线下线上结合的方式；部分发言和媒体采访仍借助网络视频，各委员驻地都设立了网络视频采访间。

国务院总理李克强已在今天上午作政府工作报告，“两会”代表们也纷纷建言献策。

本次“两会”中，有哪些金融科技关键词？雷锋网AI金融评论特此梳理了政府工作报告与代表提案中，与金融科技密集相关的要点。

普惠金融力度再加大

此次政府工作报告继续关注小微企业融资难题，强调要“进一步解决”，今年务必做到小微企业融资更便利、综合融资成本稳中有降。措施包括但不限于：

延续普惠小微企业贷款延期还本付息政策，加大再贷款再贴现支持普惠金融力度；延长小微企业融资担保降费奖补政策，完善贷款风险分担补偿机制；引导银行扩大信用贷款、持续增加首贷户，推广随借随还贷款，使资金更多流向科技创新、绿色发展，更多流向小微企业、个体工商户、新型农业经营主体，对受疫情持续影响行业企业给予定向支持。

报告也设定了具体目标，称今年“大型商业银行普惠小微企业贷款增长30%以上”。

在2020政府工作报告中，该目标设定为“贷款增速要高于40%”；今年报告回顾2020年时，指出“大型商业银行普惠小微企业贷款增长50%以上，金融系统向实体经济让利1.5万亿元。”可见目标已经超额完成。

报告同时还强调，要加快信用信息共享步伐，创新供应链金融服务模式，适当降低小微企业支付手续费。

新增金融科技监管要求，强化金控公司监管

报告强调，要强化金融控股公司和金融科技监管，确保金融创新在审慎监管的前提下进行。据悉，金融科技监管这一要求为本次工作报告新增内容。

同时，报告也继续对金融风险处置保持关注，指出要完善金融风险处置工作机制，压实各方责任，坚决守住不发生系统性风险的底线，强调金融机构要“坚守服务实体经济的本分”

金融控股公司的监管是政府工作报告的要点之一，也是最近一年来监管层的重点关注。全国人大代表、中国人民银行广州分行行长白鹤祥，也针对该要点给出提案建议。他指出：

• 一是明确金融控股公司监管机制。

金融控股公司所控金融机构类型和股东主体繁多，在不同领域涉及不同监管部门事权。为确保监管工作顺利推进，“金融控股公司法”应明确牵头部门和配合部门的职责分工，规范沟通协调、信息共享和监管合作机制。

同时，厘清人民银行分支机构与当地政府、金融监管部门派出机构的协作机制，确保金融控股公司监管的各项要求能够落地落实。

• 二是着力解决《办法》与其他法规冲突及监管外延不完整问题。

立法规范对象应包括金融机构和非金融机构投资控股形成的金融集团，立法内容应涵盖金融控股公司资本、并表管理、关联交易、公司治理、信息披露、退出机制等重点监管内容。“金融控股公司法”应着力解决《办法》落实难、与其他地方和部门规章冲突的问题。

• 三是完善金融控股公司监管的立法体系。

《办法》的出台使金融控股公司监管具备了部门规章层级的法规依据，未来人民银行将针对金融控股公司资本、并表管理、数据报送等重点监管问题制定具体规章。制定“金融控股公司法”，能够建立金控监管法律—部门规章—规范性文件的完整法律法规体系，为金融控股行业规范发展、防范金融系统性和区域性风险保驾护航。

数据安全、隐私保护与信息壁垒

近年来，数据的使用、开放、安全保护，一直是社会热议话题。民建中央就在今年两会的提案中指出：“公共数据开放上位法缺位，是目前在数据领域存在的问题之一”，因而建议加快全国统一立法，促进数据融合。

今年“两会”上，多位科技大佬也带来了相关提案。

• 李彦宏：试点信息服务，打破“信息壁垒”
  

全国政协委员、百度董事长兼首席执行官李彦宏就指出，移动互联网时代里，各领域涌现出大量App；为了争夺用户，多数 App 都会构建自己的信息内容，且仅在 App 内可见。长此以往，移动互联网的信息和服务都被割裂在一个个应用程序中，每个 App 都成为封闭的“信息孤岛”。

对此，李彦宏委员建议称：

有关部门选取老百姓获取信息服务密切相关的领域作为试点，打破现有“信息壁垒”模式；

强化互联网平台的数据开放及安全监督工作，对各平台的信息开放共享和信息质量开展评估。

• 张近东：逐步推进公共数据的无偿共享

全国人大代表、苏宁控股集团董事长张近东指出，在新冠疫情的防控中，防疫数据快速及时的互通、流转与共享起到了关键作用，这让社会各界认识到，公共数据的无偿共享，是提升社会效率，有利人们更好生活的利民工程。

张近东认为，推动公共数据的互联、无偿共享不仅有利于公共事务的决策效率，还能避免数据的重复建设，避免因数据“打架”导致的信息混乱。

同时，这一工程还将使公共数据被最大化的利用，对提升政府治理能力、优化民生公共服务、促进经济高效发展有重大意义。

基于此，张近东建议，建立国家级数据共享平台，实现全国数据的顶层管控，界定清晰的数据共享属性和权益，实现数据的确权流通，同时要加强数据资源无偿共享，但要保障数据共享的安全可控。

• 蒋颖：将分级分类管理作为数据出境管理制度设计的核心思路

全国政协委员、德勤亚太高级副总裁蒋颖则关注数据的“出入境”管理。

她在今年的两会提案中指出，应重点关注全球数字产业及相关国际规则发展态势，以维护个人隐私权利、保障企业发展创新、捍卫国家数据主权安全，增强数字国际竞争力三个价值维度为基本考量，建立管控精准、可操作性强、国际信赖度高的数据跨境流动管理体系。

蒋颖建议，将分级分类管理作为数据出境管理制度设计的核心思路，对不同类型的数据实施多样化出境规则，根据数据出境后风险大小及所保护法益不同，确定每一类型每一层级受控数据范畴，并最终确立精准、差异化跨境流动管理政策。

另外，对于个人数据或其他非重要数据，建议突破本地化存储及安全审查的限制，采取较为灵活的出境政策。为满足这一需求，可借鉴欧美等国做法，丰富数据出境管理方式，如发布指引性跨境流动协议范本、将部分国家和地区纳入可自由流动范围等。

• 谈剑锋：设立国家“数据银行”

全国政协委员、上海市信息安全行业协会会长谈剑锋建议，设立国家数据银行，由国家成立专门机构统一管控，负责关键数据的采集、传输、存储和确权等。

同时，他还在提案中表示，相关部门应建立一套评测标准和认证体系，为使用创新大数据挖掘分析技术针对非敏感信息数据进行处理和利用的企业提供一套合规标准，并由相关部门对这类企业的执业资质进行审查和评价，以保证数据要素的合规利用和流转。

• 文爱华：推动互联网企业数据资源的交易与共享，避免形成“数据孤岛”
  

具体到金融领域，金融相关数据的归属和使用问题尚未有明确规定出台，只有少量行业规范和个人信息保护的法律法规条款，判定、执行上存在较大的模糊空间。

全国人大代表、建设银行湖南省分行行长文爱华建议，加快数据立法工作，明确数据的所有权。他认为，大数据是国家基础性战略资源，必须进一步对数据权属问题予以明确，包括数据使用权、数据收益权、数据共享权、数据知情权、数据更正权。

文爱华建议，加强网络安全与隐私保护，对如何处理好个人隐私与国家社会安全的关系、个人隐私与公民知情权的关系、个人隐私与数字经济发展的关系等予以明确。明确大数据生态中各不同主体的法律责任。

文爱华亦建议，建设国家数据统一共享开放平台，在统一的规则下有序开放共享数据资源，加快政府和公共部门的数据开放，推动互联网企业数据资源的交易与共享，避免形成“数据孤岛”。

金融科技待提升：应用强、技术弱、合作有限

除了上文所述数据确权问题，文爱华还针对金融科技的多方面不足给出了分析和建议。

文爱华表示，商业银行、互联网企业积极搭建平台，大力发展移动支付业务，提高了金融服务的覆盖率和可得性，但仍存在四方面不足：

一是法律及社会环境有待进一步优化。

二是金融科技水平有待进一步提升。我国金融科技在应用层面的创新能力较强，但是在原创性技术、核心技术方面还有一定差距。

三是平台建设有待进一步完善。部分银行平台搭建有限，应用场景单一。银行与互联网企业的合作不够，银行难以有效利用互联网平台的交易数据等。

四是信贷产品创新有待进一步加强。部分银行只是简单进行信贷产品创新，没有以金融科技来驱动银行的流程再造、组织变革和战略转型，很多普惠金融贷款还存在较多的线下操作环节，客户感受和体验不好。

针对上述问题，文爱华建议，应加快数据立法工作，明确数据的所有权，同时强调：

优化金融监管，监管部门要以互联网思维来看待金融科技的发展，在风险可控的前提下，适当放宽一些限制，设置一定容忍度，鼓励银行大力开展金融创新。

在乡村区域应允许银行依托公安、社保等系统，进行实名认证互通，进一步放开远程开户、批量开户、远程操作等限制。

对商业银行线上普惠金融产品的监管应该有别于传统贷款，提高容忍度。在管理工具和手段、数据真实性核查、贷款资金用途管控等方面，既要考虑风险管理的效果，又要考虑现实的可能性。

应进一步优化征信环境。

区块链助力产业发展、网络监管

值得一提的是，区块链技术在本次全国“两会”上也被多次提及。

全国政协委员、广州市政协副主席、民革广州市委会主委于欣伟，在提案中指出，要研究基于区块链技术进行网络游戏管理的政策和技术标准；基于区块链技术构建游戏监督管理平台；基于区块链搭建游戏开发的全生命周期管理平台；基于区块链构建青少年上网管理平台。

全国人大代表、中国铁建重工集团党委书记刘飞香则建议，利用区块链去中心化、可信、高效等技术特点，构建工程机械行业产业区块链，推动相关企业上链，建立高效协同生态。制定产业区块链数据规范、应用规范、智能合约规范、信息安全规范等，并协调联盟事务。

台盟中央则将建议：合理利用区块链技术，推进医疗信息化建设，实现数据实时共享，建立高效可靠的医疗器械和药品追溯系统。

雷锋网雷锋网

两会召开前夕，监管层继续紧盯金融科技，再次表明监管态度。

3月2日，在国新办举行的新闻发布会上，中国银保监会主席郭树清多次提及金融科技，以及银行业、保险业的科技进展。

雷锋网AI金融评论摘录发言要点如下：

一，“做生意要有本钱、做坏事是要付出代价的、借钱是要还的、投资是要承担风险的。”

这是2018年5月举办的全国政协“健全系统性金融风险防范体系”专题协商会上，国务院副总理刘鹤作出的重要发言，而郭树清在今天的发布会上再次引用了这四句话。

二，“如果金融业务是在网上开展，是互联网平台，它们办的银行、小贷公司、消费金融公司，我们要求必须和其他金融机构一样，有充足的资本。”

有媒体提问称，中国是否会要求金融科技公司满足相关的资本充足率的标准？郭树清表示，“互联网平台只要做同样的经营业务，也必须满足相关的资本金充足率要求。”

但他也指出，但考虑到历史原因，给了一个过渡期，有的项目是到今年年底，有的是到明年年中；甚至还有一些可以再一起研究，可以再长一点。

“这是因为，过去一些金融活动服务小微企业，特别是低端客户，要求较低，我们不想影响这些客户，所以让这些客户还能继续的稳步的得到贷款，过渡时间可以再长一点，要看情况。但最多也是两年，就回到正轨，所有机构都要遵守资本约束的要求。”

三，“不管任何业态的金融业务，都要按照相应的规则规范、法律法规管理，不能有特殊的例外。”

有媒体提问称，“蚂蚁集团的金融科技公司在国内的金融市场应该有什么样的角色？有哪些业务不适合他们做？”

郭树清回答时，肯定了中国互联网平台在数字信贷、数字保险和其他服务的表现，认为在全球范围处于领先状态，监管部门也鼓励他们的创新。

但他强调，任何业态的经营业务都要按照相应的规则、规范、法律法规管理，不能有特殊、例外。

郭树清还举例了网商、微众等多家互联网民营银行，表示监管层鼓励其发展，但也必须按照金融规则实行统一监管。“我们不认为有什么限制、不允许他们发展的金融业务，但是我们做任何业务比如保险、信托、租赁等金融业务，都必须按照行业相同的规则进行监管。”

四，2020年，银行机构和保险机构信息科技资金总投入分别为2078亿元和351亿元，同比增长20％和27%。

郭树清表示，四家大型商业银行经营效率已接近国际先进水平，在劳动生产率、成本收入比、盈利能力、科技创新等方面实现赶超。

同时他也指出，五家大型银行均成立了专门的金融科技公司，金融服务的可获得性和便捷性明显增强。如建设银行充分发挥科技和数据优势，围绕小微企业实施流程再造。

五，“影子银行的规模压降了大约20万亿，使得金融体系比较健康、比较稳定。”

郭树清称，过去“影子银行”规模很大，最大特征就是叫投资也好，叫理财也好，叫P2P也好，实质上还是信贷，相当于银行信贷，或者叫类信贷，就是说做银行业务又不按照银行的规则办。比如办银行有足够的资本金，这些平台没有资本约束，没有监管约束，也没有市场约束，所以问题比较严重。

去年末发布的《中国影子银行报告》也指出，我国影子银行隐患一度非常严重：2016年底影子银行规模已经相当庞大，广义影子银行超过90万亿元，狭义影子银行亦高达51万亿元。

本次发布会上，郭树清再次提到“影子银行”，称已得到有序拆解，规模压降了大约20万亿。

此外，郭树清也再次强调，要维护公平竞争的市场环境，强化反垄断和防止资本无序扩张，确保金融创新在审慎监管前提下进行。

雷锋网雷锋网雷锋网

而后，金融科技公司、在线股票交易平台Robinhood和其他几家券商开始限制GameStop的股票交易，GameStop的股价立马暴跌。

这一颇具争议的操作，不仅引起广大散户投资者的不满，也引来美国相关监管部门的注目。有专业人士认为Robinhood这一动作，引发了美国监管部门对市场操纵和金融科技监管缺口的担忧。

美国国会周四举行了听证会，以查明Robinhood是否操纵股票市场。

加州众议员马克辛·沃特斯（Maxine Waters）表示，众议院金融服务委员会（Committee on Financial Services）的听证会目的在于了解Robinhood、券商、散户、卖空者等参与者在此次事件中所扮演的角色。

而这次听证会的主题是，这次事件结束了吗？当卖空者、社交媒体和散户投资者发生冲突时，谁赢得了胜利？谁又破坏了规则？

金融服务委员正在试图找到这一答案，并“邀请”了多位事件参与者参加听证会。

社交媒体Reddit、金融科技公司Robinhood、对冲基金公司Citadel和Melvin Capital的首席执行官，以及带头抢购GameStop的Reddit“大V”，都通过视频会议出席了听证会。

但听证会并非一帆风顺，委员会成员认为参与听证会的人们没有提供足够直接的答案。在长达五个多小时的听证会结束时，委员会成员发现自己缺乏对事件的具体细节的了解。

从贸易结算到罗宾汉的免费交易，整个市场过程的不透明程度令委员会很头疼。委员会成员经常重复这样的问题：是什么市场力量导致了交易问题？以及这些问题是如何在不同时间点影响用户的？但这些问题，一直没有得到准确和令人满意的答复。

另一个重要主题是卖空和期权对个人投资者来说是否是合适的选择。

委员会的官员试图了解Robinhood为公众推动“金融民主化”的做法是否弊大于利。该委员会成员多次提起了20岁男子亚历克斯·卡恩斯（Alex Kearns）的故事。卡恩斯在这款应用告诉他在交易中损失了73万美元后自杀。卡恩斯的家人因此正在起诉Robinhood。

听证会中的这些问题表明，至少有一些议员将对金融科技行业进行审查，并可能采取措施，出台更多监管措施。

不过，委员会内部并非“铁桶之师”，内部的一些共和党成员表示，整个市场运转良好，并认为没有必要加强监管。

来自北卡罗来纳州的众议员帕特里克·麦克亨利说：“我们没有足够的证据，我们需要的是事实，而不仅仅是Reddit上那些不靠谱的言论。”“与其通过新法规、新形式的税收或所谓的保护将美国公众拒之门外，不如利用这个机会站在他们一边。

Robinhood是这次事件的主角之一，引起了委员会的特别关注。

Robinhood这一股票交易平台是事件的核心，它通过提供无佣金交易和更宽松的贷款条款，让新投资者更容易开立交易账户。

1月28日，Robinhood停止了GameStop的股票购买。部分人士指责该公司在股价开始下跌时操纵市场，Robinhood的这一行为也引起了用户的愤怒。

Robinhood的首席执行官弗拉德·捷涅夫否认了这些指控，他说他的公司采取这些措施是为了满足市场的要求，公司有更多的资金来帮助其用户的交易。捷涅夫说，从那以后，Robinhood获得了更多的资金，以确保这种情况不会再次发生。

当被问及Robinhood一开始是否为GameStop事件做了适当的准备时，捷涅夫表示，发生GameStop事件的几率是350万分之一，是“黑天鹅事件”，并没有事前准备。

尽管如此，委员会成员仍不断向他提出问题，询问Robinhood如何与用户进行沟通，以及如何教育用户了解市场。但捷涅夫含糊其辞的回答，让有些人对其失去了耐心。

“你已经承认犯了错误，”宾夕法尼亚州众议员玛德琳·迪恩（Madeline Dean）曾对捷涅夫说。“具体来说，你犯过哪些错误?”

“我承认自己一直在进步，”捷涅夫回答说。

该委员会主席沃特斯表示，正在计划就GameStop股价飙升举行更多听证会。（雷锋网雷锋网雷锋网）

文章来源：《Congress hits Robinhood over lack of transparency around GameStop stock spikes》

支付宝数据显示，今年参与红包拜年的用户上涨了近270%，“红包”相关搜索量也随之上涨538%。六十岁以上中老年人发红包增长了210%，收红包增长了近430%，一定程度上证明中老年人参与“云拜年”的热情高涨。

有趣的是，“最爱发红包的城市”前十名中，除了北上广深杭这样的大型城市，苏州、东莞、温州、泉州、揭阳等城市居然也位列其中。

疫情后的首个春节档，支付宝上日均买票观影人次增长超560%，贾玲、刘德华、沈腾成为支付宝上搜索最热的电影人。与此同时，3D眼镜、 IMAX搜索涨幅也都超过650%。

最爱去电影院看春节档十大城市出炉，北京、上海、杭州位列前三位。

全国热门商圈的支付宝交易金额平均增长108%，最火爆的商圈前五位是：上海城隍庙豫园、杭州武林、南京夫子庙、武汉吉庆街、广州北京路。春节期间，三亚、海口五家免税店支付宝上消费金额翻了九倍。

支付宝平台上，地铁、公交、充电桩搜素量猛增，这也与不少市民选择“就地过年”有关，上海、成都、杭州、合肥、武汉、南京、广州、郑州、北京、天津等一二线城市也成为了春节期间公共交通最繁忙的城市。

本地旅游的预订率也因此涨了六倍，本地酒店的交易金额和本地景区的交易笔数分别环比上涨190%和150%，“亲子房”、“滑雪场”和“洗浴中心”是最热门的搜索关键词前三名。数据显示，杭州、重庆、福州等地的市民最青睐本地出游。

从2015年起，这家没有线下营业网点的创新金融机构就通过互联网来开展服务。

基于金融云计算平台研发的银行核心系统，网商银行拥有了处理高并发金融交易、海量大数据和弹性扩容的能力，利用互联网和大数据的优势，给更多小微企业提供金融服务。

网商银行有一个非常出名的310模式——三分钟申请贷款，一秒钟到账和零人工干预，全流程线上信用贷款模式，满足了小微企业“小、急、频”的碎片化贷款需求。

中国人民银行出台的《金融科技（Fin-Tech）发展规划（2019-2021年）》提出，合理布局云计算，统筹规划云计算在金融领域的应用。金融行业的数字化转型需要构建有力的技术支撑体系和IT能力。

那么，五年之前就已经率先“吃到螃蟹”的网商银行，在基础架构上是如何演进的？在这过程中又遇到哪些典型的问题？

为此，雷锋网《AI金融评论》与阿里云联合主办“银行系统云华升级”实战体验营，第四场演讲由网商银行基础技术架构部负责人蒋易民带来。

明晚8点，不见不散。

演讲嘉宾

蒋易民

网商银行基础技术架构部负责人

演讲时间：2月4日（周四）20:00-21:00

演讲主题：《构建云原生架构-网商银行SOFAMesh应用实践》

演讲大纲：

网商银行开业以来基础架构的演进历程 

网商银行基础架构演进和业务发展过程中的典型问题 

网商银行基于云原生架构的应用实践和展望

嘉宾介绍：

负责全行基础架构的规划、落地以及全局稳定性保障，打造高可用，高并发的系统技术底盘，经过3年发展，将全行核心交易峰值能力由50TPS提升到50000TPS，从开业以来参与和见证了技术底盘的快速演进，完整经历了“同城双活”到“两地三中心”再到“三地五中心”的发展历程，主导了异地多活单元化、混合云弹性和云原生架构的落地，荣获过人民银行科技发展奖。

如何观看直播？

关注公众号《AI金融评论》，在公众号对话框发送关键词“参会”，即可进入专家微信群，观看直播。

本次活动面向的人群

银行信息技术/IT部门，和研发部门团队；

云服务供应商、金融科技公司高管；

传统IT厂商和软件供应商高层；

券商、险企等持牌金融机构IT建设部门；

高校计算机、软件专业、人工智能教授与研究生   雷锋网雷锋网

《通知》要求商业银行依法合规通过互联网开展存款业务，不得借助网络等手段违反或者规避监管规定，且商业银行不得通过非自营网络平台开展定期存款和定活两便存款业务。

这意味着，包括支付宝、腾讯理财通、度小满金融等多个头部互联网平台不得再售卖互联网存款产品。

一个月前，在第四届中国互联网金融论坛上，央行金融稳定局局长孙天琦就“点名”第三方互联网平台存款，表示该产品的流动性特点有别于传统储蓄存款，给监管部门和金融机构带来新课题；强调互联网金融平台开展此类金融业务，属“无照驾驶”的非法金融活动，也应纳入金融监管范围。

在最近面对《财经》专访时，孙天琦还提出认为互联网存款产品存在多重风险隐患：互联网平台未经批准，违法违规开展代办储蓄业务；违反存款计结息规定，扰乱利率市场秩序，推升银行资金成本；滥用存款保险兜底机制，在存款市场恶意竞争，暗示“零风险、高收益”；高息揽储必然追求高收益资产，匹配高风险项目，导致资产端风险增加，中小银行脆弱性提高；增加了中小银行流动性隐患。

近日，央行和银保监会有关部门负责人也就《通知》相关问题回答了记者提问。

雷锋网AI金融评论精编要点如下：

• 商业银行通过非自营网络平台已经办理的存款业务，到期后自然结清。

• 商业银行与非自营网络平台进行合作，通过开立Ⅱ类账户充值，为社会公众购买服务、进行消费等提供便利，这部分业务不受影响，可继续开展。

• 业务涉嫌违反相关监管规定和市场利率定价自律机制相关要求，突破地方法人银行经营区域限制。

• 非自营网络平台存款产品稳定性较差，对商业银行的流动性管理也带来挑战。

以下为答记者问全文：

一、《通知》的制定背景是什么？

近年来，商业银行为适应互联网金融发展的趋势，陆续通过互联网销售个人存款产品，在拓宽银行获客渠道、提高服务效率等方面进行了有益探索。然而，在发展过程中，也暴露出一些风险隐患，比如产品管理不规范、消费者保护不到位等。当前，对商业银行通过互联网开展存款业务，尚缺少针对性的监管制度。因此，亟需补齐制度短板，引导商业银行规范开展互联网渠道存款业务。

二、《通知》对商业银行通过互联网开展存款业务提出了哪些监管要求？

《通知》结合商业银行通过互联网开展存款业务的实际情况，有针对性地提出了相应监管要求：

一是坚持依法合规。商业银行通过互联网开展存款业务，应当严格遵守法律法规和监管规定，不得借助网络等手段违反或者规避监管规定。

二是强化风控管理。商业银行通过互联网开展存款业务，应当评估业务风险，完善风险治理架构。同时，持续监测和控制各类风险。

三是规范销售行为。商业银行应当强化互联网渠道存款销售管理和网络安全防护，切实保护消费者合法权益，保障消费者个人信息安全。

四是坚守发展定位。地方性法人商业银行应当确保通过互联网开展的存款业务，立足于服务已设立机构所在区域的客户。

三、《通知》明确商业银行不得通过非自营网络平台开展定期存款等业务，请问有什么考虑？

金融管理部门始终坚持审慎包容的监管导向，支持商业银行按照依法合规、风险可控的原则与非自营网络平台开展业务合作，更好地支持实体经济发展、服务人民生活。同时，依法将金融活动全面纳入监管，对同类业务、同类主体一视同仁。

目前，保险公司、基金公司等通过非自营网络平台销售相关产品受到相应监管。存款作为最基础的金融服务，理应受到更为严格的监管。

商业银行通过非自营网络平台开展存款业务，是互联网金融快速发展的产物，最近业务规模增长较快。但该业务在发展过程中也暴露出一些风险隐患，涉嫌违反相关监管规定和市场利率定价自律机制相关要求，突破地方法人银行经营区域限制，并且非自营网络平台存款产品稳定性较差，对商业银行的流动性管理也带来挑战。

因此，为防范金融风险，依法对上述定期存款以及定活两便存款业务予以叫停

。需要指出的是，商业银行与非自营网络平台进行合作，通过开立Ⅱ类账户充值，为社会公众购买服务、进行消费等提供便利，这部分业务不受影响，可继续开展。

四、《通知》对已经通过商业银行非自营网络平台进行存款的消费者有何影响？

《通知》明确，商业银行通过非自营网络平台已经办理的存款业务，到期后自然结清。在此期间，相关存款依法受到保护，消费者可以依据法律规定和存款协议到期取款或者提前支取。商业银行应当继续提供查询、资金划转等相关服务，切实保障消费者合法权益。

五、《通知》发布实施后，如何推动商业银行稳妥整改、平稳过渡？

目前，相关商业银行通过非自营网络平台开展的存款业务规模不一，各自的经营状况也有所差别。为避免次生风险，《通知》明确监管部门可根据相关商业银行的风险水平，按照“一行一策”和“平稳过渡”的原则，督促商业银行稳妥有序整改。