此前有关“银行客户经理为了拓展业务,陪大妈们大跳广场舞”的报道,让人感觉很八卦。而有了联想的“未来银行”,客户经理或许可以不用再去借助这种方式拓展客户了。
今日,在第22届中国国际金融展上,在以“新金融 新体验”为主题的展区,联想展示了由前端智能银行网点解决方案和后端企业级解决方案所构建的“未来银行”。这些联想与中信银行联手打造的方案,为广大民众带来了更便捷的金融服务体验。
客户经理不用陪跳广场舞
此前不久,联想与中信银行达成了战略合作伙伴关系,而此次在金融展上则全面展示了双方致力打造的“未来银行”。在展示区,可以看到联想从智能排队机、预填单、移动银行等方案展示。
在联想“未来银行”现场,用户可以通过预填单系统,在联想ThinkCentre M9350Z一体机的触控屏幕上填写个人信息和业务资料,这些数据在排号的过程中就已传入后台系统,当用户到达柜台的时候,柜员无需再进行过多操作,只需通过“柜内清”系统快速进行信息确认和身份审验,之后直接让客户输入密码并签字,几分钟的时间,业务就已经办理完成,极大提升了业务办理效率,改变了以往办个简单业务就需要排一两个小时队的情况。
而通过厅堂营销系统,可以提前读取客户既往的业务数据,让大堂经理的所使用的ThinkPad 10平板电脑上显示出该客户购买过什么银行产品,在银行属于哪个细分层次的客户,使其可以进行针对性的服务,极大提升了客户体验和服务效率,未来,用户可以在中信银行的1000余家网点享受到这套解决方案所带来的全新服务体验。
由此,我们可以预期的是,银行的客户经理非常至关的了解没有必要非得跑到广场上陪着大妈们跳舞,才可以获得客户的青睐,甚至“足不出户”就可以为用户提供更多量身定制的服务。
据中信银行相关人员介绍,中信银行在广州、杭州、深圳等分行已经推行这种“未来银行”。目前,中信银行大约采购了4000~5000台的ThinkPad 10和MIIX 2平板电脑,每个点大约分配4台。
另外,在展示区,中信银行还展示了动卡空间、卡霸等移动应用。
联想企业级服务受金融行业青睐
联想集团副总裁、中国区大客户事业部总经理童夫尧表示,联想作为金融行业领先的IT基础架构解决方案提供商,一直倡导与客户进行协同创新,以技术引导和业务实践的双向驱动,高效产出更加多元化的服务和产品,而联想集团与中信银行的合作,是基于双方在金融领域共同的愿景和多年合作造就的信任和默契所达成的,通过这种“银企合作”的模式,联想会对前沿技术在银行典型的应用进行探索,以创新的金融产品和服务,为最终用户带来新体验。
未来银行的体验,来自以联想ThinkServer服务器为核心的数据中心的支持。
据介绍,联想数据中心方案主要包括:LIV-Cloud云计算管理平台解决方案、LeoStor云存储解决方案、RISC to IA解决方案、LIM智能统一监控解决方案、数据拯救解决方案等在内的一系列企业级解决方案。其中LIM智能统一监控解决方案,是联想自主研发的面向数据中心基础架构的全方位监控平台,它以运维自动化替代了人力监控,颠覆了原有的运维管理模式和方法,可实现10秒精确定位故障,并节约75%的人力维护成本。
值得一提的是,联想RISC to IA解决方案,助力中信银行率先在金融行业中实现了“去IOE”。
联想作为中信银行总行x86服务器主要提供商,已经支持了其管理决策类系统和渠道应用类系统两大关键系统的建设,充分验证了联想作为金融行业领先的IT基础架构解决方案提供商的实力。
截至2014年,联想已经服务了全国1350家银行,425家保险证券公司。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。