科技行者 4月25日 上海消息:四月的上海,温润如玉,在这座充满活力的国际金融中心,一场金融行业数字化转型的盛会正在进行。4月25日下午,以“AI赋能 智简网络”为主题的2019华为全球金融峰会网络专场分论坛在上海举办,国内金融界行业高管与专家会聚一堂,来自中国农业银行、中国光大银行、中信银行、海通证券、江苏银行的专家分享了面向AI时代的网络架构建设的思考与实践,来自华为的专家也介绍了最新CloudFabric智简数据中心网络、CloudWAN新一代智简金融广域、HiSec安全解决方案,共同探讨如何推动金融网络走向“自动驾驶”,迎接金融行业智能新未来!
随着金融业务逐渐云化,大型银行的网络架构也面临着机构集团化、业务互联网化、网络运维复杂等诸多挑战。中国农业银行数据中心资深架构师许青邦向与会听众分享了农行最新“ABC ONE”理念,以及在其牵引下建设智能化的通道域网络,许青邦介绍说:“ABC ONE智能网络架构简单统一,资源充分共享,智能灵活、面向未来,实现了业务体验提升、业务能力提升、运维效率提升,降低了成本也降低了风险。”
在商业银行领域,广域网建设也面临着流量弹性大、线路资源昂贵等挑战,传统网络无法灵活应对。中国光大银行总行信息科技部运维中心设施管理处处长牟健君分享指出,光大银行结合智能网管与流量分析平台,研究部署新一代智能广域网SDN系统,可从多维度对流量进行定义与展示,对历史流量进行关联分析,对业务流量进行动态学习,开展流量特征与趋势分析。结合设备、线路与QOS队列多维检测组合告警,通过SDN控制器为网络调优赋予更多智能特性,深入挖掘网络潜力,更好支撑业务敏捷开展。
前面两个客户实践分享之后,新一代智简广域网络的建设对于金融业信息化发展至关重要,华为城域路由器市场总监张俊也分享了对此的思考:华为CloudWAN新一代金融广域网作为下一代智能化的创新网络解决方案,基于NetEngine路由器,NCE控制器,和业界领先的SRv6极简架构,让网络更加智简。CloudWAN具备扁平化极简架构,融合业务承载、智能运维等特点,为金融业务提供智能敏捷的服务,帮助金融客户打造面向未来的金融广域网络。
随着互联网金融创新速度加快,综合化、国际化战略的持续推进,金融业务对IT系统智能化的要求日益提升。中信银行网络管理处副处长金明星分享了中信银行智能网络建设实践经验,“中信银行结合业务需求于2017启动了数据中心智能网络建设,建设完成后,实现了高可用、高安全、高性能的网络架构,对虚拟化资源池的支撑能力、网络资源交付的自动化、服务化、可视化和智能化也有了大幅度提升。
海通证券是国内领先的综合性券商之一,积极拥抱金融科技发展,稳步推进海通金融云战略目标,并提出”五年五朵云“的战略实施规划。海通金融云首席架构师王朝阳表示,在华为SDN网络的助力下,海通金融云的稳步建设,实现面向应用的网络编排、全网资源可视,业务灵活调度,运维智能可视化,率先引领证券行业金融云发展。
华为CloudFabric智简数据中心网络解决方案在五大行、城商行、证劵等金融行业各领域广泛应用。华为数据中心网络副总裁张海平出席分论坛并作面向AI时代的新一代数据中心网络为主题的精彩演讲。华为基于CloudEngine交换机,业界首次实现内嵌AI芯片并运行独创的iLossless交换算法,打造AI Fabric智能无损数据中心网络,使能AI普惠智能金融。值得一提的是,华为CloudEngine交换机刚刚获得了Gartner 2019”客户之选”荣誉称号,这份含金量十足的奖项,也证明了华为数据中心网络产品和解决方案获得了全球客户的高度认可。
随着银行业新业务不断增加,分支网点数量激增,传统网络开通周期长、业务上线慢,难以满足业务灵活部署需求。江苏银行总行信息科技部网络管理团队副经理王钢介绍说,采用华为SD-WAN建设新一代银行分支机构接入网络,可以为优先级业务提供最优链路保障,全网状态可视,大幅提升运维效率,降低运维成本;接口开放,广泛支持行业应用,可促进新业务快速集成。
当前,中国金融行业内外部网络安全环境正急剧变化,边界未知威胁入侵、内部威胁泛滥且面临隐私外泄风险,攻防对抗持续升级,安全防御体系升级成为每个金融实体首要关注的问题。应对以上金融业务网络安全挑战,华为安全产品领域解决方案规划总监赖后华表示,华为建设基于AI的主动防御体系保护金融业务安全:通过本地AI检测解决情报/签名无法及时发现针对性和一次性攻击的问题;用公司级AI安全框架确保AI系统健壮、首创变形测试来识别对抗样本,提高AI检测准确率;云上云下联动,依托华为云运维实践,持续淬炼检测模型,构筑领先检测能力。
未来,华为智简网络有AI加持将构建更多的智慧联接,在“一云+三网”的基石上,协同更多金融行业客户进行数字化转型创新合作,将成为金融行业创新的稳固基石。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。