4月14日,沪指盘中再创7年新高,投资者踊跃入市网上开户量激增,中国证券登记结算有限责任公司系统出现故障,数字证书下发延时,多家券商机构开户申请无法实现。
再联想到上周的香港股市,自4月8日恢复交易的首日起,港股随即多点开花、全线看涨,恒生指数当日创下2008年1月以来的最高961点,涨幅超过10%的达到300家以上。三天的交易时间里,港股总成交量单日最高创下2650亿港元纪录,而去年11月“沪港通”机制运行后,港股通的人民币额度也首次出现耗尽现象。
港股大热考验券商支撑能力
任何市场大波动都不是毫无征兆地出现,此次港股大或许还要追溯到政策层面。“两会”过后,监管层开始为沪港通松绑,开放险资投资香港创业板,证监会放行5万亿公募资金直接投资港股,保监会随后放行10万亿险资投资香港创业板,港股通净买入额创新高,恒生指数突破25000大关,创业板股飙涨。一系列政策利好因素令港股颇为热闹,刺激着内地股市的散户大量涌入,全民炒港股的热潮喷薄而出。
据悉,伴随港股迎来的这场牛市盛宴,创纪录的开户量、交易量等因素导致多家银行、券商的服务器出现宕机、系统瘫痪状况,无法正常交易。值得注意的是,作为香港唯一支持远程开户的互联网券商港股新锐券商,富途证券却显得游刃有余,为用户创造了稳定的交易环境,在这一轮港股暴涨中一枝独秀。
富途证券打造云上券商
香港的证券市场非常成熟,而且国际化程度很高。但是,香港互联网证券经纪服务却长期没有进步,尤其在互联网高度发达的今天,大多数券商仍然沿用过去的思路来经营网络交易业务。富途证券正是看到了这个机会。他们重塑香港互联网证券经纪服务的第一步,就是从用户体验开始。
据了解,传统券商一般需要预约、排队甚至在线自助操作,从开户、客服再到交易体验,整体给用户的体验极不顺畅。富途证券创始人李华称,虽然多以“互联网券商”自称,富途本质上跟传统券商没有区别,只是更加重视用户体验。借助云计算的能力,富途进入互联网金融领域之际就率先谋动,与腾讯金融云合作,用技术手段进行全方位的保障。富途相信,用户在享受了快速、顺畅的良好体验后,会自愿通过社交关系链去辐射更多潜在用户。
对于券商业而言,最大的考验往往是潮水般涌来的股民对自身交易服务造成的压力,这也最影响用户体验,甚至带来难以估量的损失。此次港股暴涨期间,借助腾讯云平台,富途证券提供了稳健可靠的系统,确保了在富途开户的投资者运筹帷幄,进退自如。
以提供港股和美股交易服务为主,踩准了互联网金融的大趋势,富途证券创业仅两三年内就已实现用户数12万,月交易额近70亿。“稳定性强”是交易用户对富途证券的主要印象,甚至还会主动地向朋友推荐。从技术应用到用户积累,以互联网的视角解构这个市场,是富途证券得以成功的重要因素。
云计算开户券商未来
腾讯云相关负责人称,证券交易对网络质量要求比较苛刻,对扩展业务的灵活性也有需求。在与富途证券的合作过程中,腾讯云主要提供了包括专线、负载均衡、云主机、云监控以及云安全等云计算服务支持。借力发力,富途证券接入腾讯云后,缩短了业务上线时间,依托腾讯云强大的网络接入能力以及安全可靠、易水平扩展等特点,给港股、美股的交易用户创造了更稳定、安全的交易环境。
在腾讯云眼中,与富途证券的合作更多是服务再造,而不是经验延续。根据富途证券业务需求,提供量身定制的解决方案。腾讯云主推轻重分开、弹性可用的策略,将信息处理变得简洁、安全和迅速,支持业务快速扩融,以虚拟机漂移、云端存储技术,达到资源整合并最大化使用。
此前,腾讯云涉足银行、保险领域,分别与前海微众银行、泰康人寿等金融类客户开展合作,技术服务均具有专属性。借助云计算,深圳前海微众银行构建了新一代IT,单位账户管理成本降低80%;在公有云服务方面,泰康人寿与腾讯云建立战略合作伙伴关系,进一步优化互联网突发性业务量产生的资源压力。
腾讯云相关负责人称,国内银行、券商、基金机构约几千家,以中小机构居多,他们预算有限而且欠缺IT基础设施自建、运维能力,这种情况下,低成本高性能的金融云成为最佳选择。目前,腾讯金融云采用“两地三中心”(生产数据中心、同城灾备中心、异地灾备中心)建设方案,BGP网络接入,提供基金、贷款、证券、保险、银行等全方位金融业务的解决方案,助力金融机构减少成本,聚焦金融业务本身,成为金融业的运营服务提供商和合作伙伴。
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。