6月7日,在云栖大会·上海峰会上,中国民生银行发起成立的科技公司——民生科技有限公司与阿里云达成战略合作。此次合作,民生科技与阿里云将共同推动分布式架构、大数据及人工智能等技术与解决方案在金融行业的应用,以助力民生科技为民生银行集团、金融联盟成员、互联网用户提供数字化、智能化的金融服务。
民生银行作为商业银行改革创新的试验田,始终把科技作为发展的关键驱动力。当前民生银行改革转型进入全面实施阶段,正全力推进“民营企业的银行、科技金融的银行和综合服务的银行”三大战略,科技金融是民生银行的核心竞争力。5月15日,民生科技有限公司宣布成立,该公司承担着金融创新重任,将是民生科技金融银行建设的先锋队和主力军。
民生银行在金融科技领域起步较早,早在2014年就布局了分布式核心金融云平台。在全面自主研发自主掌控的基础上,民生科技在部分技术上同时与阿里云合作,1月28日成功上线了自主研发的分布式核心金融云平台,并且完成了直销银行系统全部1200万电子账户迁移,建立了分布式金融云双活灾备体系,成为国内第一家成功上线分布式核心账户系统的银行。民生分布式金融云上线4个多月以来运行平稳,日均交易量1100万笔,响应时间稳定在50毫秒以内,业务处理效率较原核心系统提升3倍以上。
与传统银行系统架构相比,民生分布式架构兼顾了“降本增效”和“海量接纳”的特性,大幅提高业务效益,提升了银行科技金融的核心竞争力,为客户提供高可靠性、高稳定性、高安全性的服务。基于分布式金融云的有力支撑,民生科技支撑能力进一步提升,先后上线了基于分布式架构的新一代零售信贷体系,基于大数据和人工智能的智能投顾1.0系统,丰富移动生活场景的手机银行APP4.0,以及提升全行办公效率的智能移动办公云平台等重要系统,全力建设民生科技金融银行。
中国民生银行总行信息科技部总经理、民生科技有限公司执行董事、总经理牛新庄表示,民生科技有限公司与阿里云将本着“优势互补、互利共赢、共同发展”的原则,利用各自领域内的资源、体系、服务能力和技术、经验等,共同推进大数据、云计算,人工智能、分布式互联网架构等技术在金融行业业务创新领域的应用,提高民生科技有限公司的创新效能,推进民生银行科技金融银行建设,推动中小金融机构和企业整体科技水平提升,为传统行业的数字化转型提供强有力支撑,为广大客户提供优质的服务。
阿里云总裁胡晓明表示,非常高兴与民生科技达成战略合作,我们将发挥彼此的优势,结合阿里云的技术优势以及民生科技在金融行业的深度,共同为行业的金融科技转型提供支持。
“成立于2013年的阿里金融云,全面整合了蚂蚁金服、阿里巴巴积累十余年的金融科技与服务能力,并与母体阿里云一样,始终坚持自主研发,坚持与合作伙伴共生共存,坚持数据安全第一,正是基于这三大原则,才能更好地服务民生银行等金融合作伙伴,打造金融行业数字化升级新样本。”阿里云副总裁徐敏说。
阿里金融云是按照金融监管要求打造的云平台,通过了全球最权威的金融数据安全认证 PCI-DSS、等保四级认证等,可有效保护用户数据安全。其底层是一整套面向金融客户的独立金融云集群,采用了自主研发的飞天操作系统。过去数年间,阿里金融云在双11、余额宝、网商银行等支付与金融实践中不断优化改进,具有性能强、安全性高等特点。
近2年来,阿里金融云也通过专有云技术输出模式,为民生银行、广发银行、浙商银行、南京银行、杭州银行、苏州银行、广东省农信、重庆农商行等近二十家银行提供分布式和金融智能技术,推动银行的金融科技转型。未来,阿里云计划为超过5万家金融机构提供数字化转型的技术引擎。
此外,此次战略合作协议的签署,将充分发挥双方各自的行业资源和技术优势,增强民生科技有限公司的研发能力,推动民生银行科技金融银行的建设,为双方用户提供更便捷、高效、多样化的优质科技金融服务,为合作伙伴提供更广阔的“科技+金融”新生态。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。