2023中國國際服務貿易交易會-2023中國金融科技論壇于9月2日在北京舉行。騰訊云副總裁胡利明出席并演講。

　　胡利明指出，在金融風控方面的應用，大模型的價值非常大。“騰訊本身在過去20年和互聯(lián)網的黑產、金融黑產都較量了很長時間，構建了非常完善的反欺詐能力，也積累了很多數(shù)據(jù)。我們在這方面合作的金融機構超過接近400家，我們今年形成了金融風控大模型，這個大模型部署在金融機構自己內部，對于和金融合作的場景基于這個大模型形成一個知識庫，結合金融機構在自己風控場景中的小樣本的數(shù)據(jù)做快速的精調，形成不同場景具體模型”。

　　以下為演講實錄：

　　各位領導、各位嘉賓，大家上午好。我分享的話題是《科技自主創(chuàng)新，助力金融行業(yè)高質量發(fā)展》。首先我先簡要介紹一下對金融行業(yè)科技發(fā)展的趨勢觀察。

　　金融行業(yè)從2013年開始到2019年，經歷了非常多的業(yè)務場景和科技方向的創(chuàng)新，有很多創(chuàng)新積累。從2019年開始進入了一個數(shù)字化深水區(qū)階段，從2020年開始我從市場觀察來看，云計算的架構和相關技術平臺已經成為金融行業(yè)技術架構進化的自然選擇，它在科技方面的預算占比逐年提升，預計在2025年可以達到接近1/3比重。

　　對于云的使用形態(tài)從初期的私有云形式演進到混合云，再演進到往后的團體云、行業(yè)云的方式，對行業(yè)整體格局形成非常大的影響。

　　從去年底基于大語言模型ChatGPT橫空出世之后，代表人工智能大爆炸，智能新的時代開啟，今年國內在AI的投資超過2500億元，在金融行業(yè)所有的業(yè)務即將被新的智能全面重塑。我們判斷云架構和新智能會是未來金融行業(yè)發(fā)展依賴的技術架構的主旋律。

　　首先在云架構方面，我們騰訊在互聯(lián)網行業(yè)和金融行業(yè)深耕多年，有20多年的技術積累，形成了一套國產云架構技術產品矩陣和平臺，我們的愿景是成為國內國產云架構軟件的主力軍，為行業(yè)的數(shù)字化轉型添磚加瓦。

　　這里中間部分是整體的技術架構平臺，底層是我們的專有云TCE平臺，支持一云多芯，支持國產數(shù)據(jù)庫TDSQL，下面支持了非常多的國內主流的芯片以及操作系統(tǒng)廠家的生態(tài)。我們參與建設了行業(yè)權威的自主創(chuàng)新實驗室，和他們日常做非常多的創(chuàng)新合作，新的版本都會做持續(xù)的驗證，而且在非常多的大型客戶中做調優(yōu)和磨合，比如和芯片廠家在操作系統(tǒng)的使用，芯片虛擬化的調度，包括在一些網絡場景優(yōu)化等等方面應用已經非常成熟。

　　在上層應用層來看，我們騰訊在在線協(xié)同方面輸出自己國產多在線協(xié)同套件產品，包括企業(yè)微信、騰訊會議、騰訊文檔。在外部生態(tài)方面，我們和行業(yè)內超過50多家的軟件開發(fā)商深入合作，和他們適配超過130款主流應用，其實已經覆蓋了行業(yè)非常多的主流場景。

　　接下來依次介紹一下在云架構方面的一些典型實踐。首先在分布式核心建設這個領域，這里舉一個例子，我們和某國有大行合作，幫助該行做主機下移的工作，在數(shù)據(jù)庫層面整個中間件平臺還有多地多中心部署架構、災備這些層面，在數(shù)據(jù)庫方面我們的數(shù)據(jù)庫支持大行核心的交易以及用戶的數(shù)據(jù)、賬戶在這個數(shù)據(jù)庫上承載。分布式技術平臺方面，通過微服務和緩存消息隊列、中間件去屏蔽所有應用依賴的底層技術架構的復雜性，可以提供路由分發(fā)包括讀寫分離、圖庫分表以及相關分布式中間件的能力。在兩年內和該國有大行共同攻關了非常多的技術難題，例如技術分片策略、單元化策略，包括大量的跑批性能支持，以及多地多活的架構，最終實現(xiàn)了四地八中心整體多活架構，可以達到同城切換RPO為0，RTO在秒級非常高的水平。

　　其次，在國產數(shù)據(jù)庫方面，我們騰訊云數(shù)據(jù)庫TDSQL多年來一直深耕交易型數(shù)據(jù)庫領域，首先應用在集團內的支付、計費以及微眾銀行的核心交易系統(tǒng)。后面陸續(xù)構建了國內第一個傳統(tǒng)核心上國產分布式數(shù)據(jù)庫的案例，即張家港農商銀行的傳統(tǒng)核心數(shù)據(jù)庫遷移，以及第一個主機下移案例，即平安銀行的信用卡核心系統(tǒng)下移，后面也合作了多家國有大行，合作30多個金融核心標桿案例，在國內遙遙領先，目前在金融行業(yè)合作超過400多家的客戶。今年上半年，騰訊云數(shù)據(jù)庫TDSQL沖頂全球交易型數(shù)據(jù)庫榜單第一，創(chuàng)造新紀錄，被Gartner評定為交易型數(shù)據(jù)庫第一。

　　目前頭部機構以及先進機構已經演進到云原生化的階段，通過容器編排、微服務治理、服務網格化、Devops包括服務的穿透和管理，實現(xiàn)極致的調度靈活以及開發(fā)運維一體化。我們在集團內部的實踐效果是使得整個資源利用率提升3倍，資源業(yè)務從以前的CPU平均利用率12%提升到45%，每年為集團節(jié)省超過30億元。在非常多的金融機構應用中效果也是達到類似的水平。更重要的是使得我們的IT從應用視角，實現(xiàn)從應用開發(fā)測試部署到全流程的監(jiān)控以及運維整體流程一體化，也是理念上的用云的轉變。

　　在大數(shù)據(jù)平臺方面，我們的大數(shù)據(jù)平臺產品是TBDS，在集團內部應用單集群達到2.7萬臺服務器規(guī)模，是國內最大的集群。外部和非常多的金融機構合作，幫他們構建數(shù)據(jù)湖，比如和中行、和興業(yè)銀行的大數(shù)據(jù)合作，支撐建設了數(shù)PB數(shù)據(jù)量的數(shù)據(jù)湖。有一些關鍵業(yè)務，比如通過數(shù)據(jù)編排實現(xiàn)存算分離，包括在離線的混部等等，都可以使大數(shù)據(jù)使用效率包括運行能力是達到最佳效果。

　　智能化方面，金融機構使用智能化的能力正在從以前的專家模型時代，演進到現(xiàn)在的大模型加專家知識的時代，這種應用模式和人腦機制更加接近，所以使用體驗越來越好。騰訊人工智能的技術產品有四個層面，分別提供相關產品和能力，助力行業(yè)智能化創(chuàng)新。在底層提供GPU算力池和集群能力，在平臺層提供GPU趨于容器化調度能力以及機器學習平臺TI還有向量數(shù)據(jù)庫。機器學習平臺TI可以提供前期數(shù)據(jù)處理包括預訓練以及模型部署，還有現(xiàn)在大模型時代精調能力。向量數(shù)據(jù)庫其實是大模型的外腦，像一個海馬體可以給大模型注入相關記憶。在這個模型MaaS層面，我們現(xiàn)在提供混元大模型以及CV場景、NLP模型等等的大模型，在這之上又提供金融大模型，像我們的客服等相關的大模型。

　　下面大致展開介紹一下，在計算集群方面，我們提供高性能的計算集群，底層可以支持不同類型GPU的設備，因為這個設備更新?lián)Q代比較快，成本非常高，統(tǒng)一把它管控和調度起來是非常重要的。我們自研的高性能的高速網絡可以提供800T的集群內交換能力，同時還有高性能存儲CFS能力，提升存儲速度。整體再通過QTPU容器化調度，使得GPU的算力可以像容器一樣切得更細，在很多的任務之間切換，大大提升容器利用率。像手機銀行當中營銷場景、運營場景，包括交易反洗錢場景以及高凈值客群流失預測，在很多的業(yè)務場景都大顯身手。

　　在這個模型MaaS層面，我們不斷探索一些場景，對行業(yè)提供服務。像CV的場景，我們提供OCR單據(jù)的場景能力，針對新單據(jù)的定制非常花時間，而且客服處理時間也比較長，成本也比較高。我們針對OCR的場景提供特定的機器學習平臺TI-OCR平臺，在內部內置了CV大模型，而且在上面進行OCR特定訓練，再疊加金融機構少量客戶的一些樣本數(shù)據(jù)進行精調，就可以形成一些定制化的OCR單據(jù)場景。

　　舉個例子，我們和某頭部股份制銀行合作，快速幫該行把這個交易單據(jù)字段的識別率提升到95%，非常高的一個水平，遠超以前的80%多，每年幫該行節(jié)省300多人月的成本，每件單劇識別時間從以前10分鐘縮短到5秒鐘。

　　在金融風控方面的應用，大模型其實價值非常大，騰訊本身在過去20年和互聯(lián)網的黑產、金融黑產都較量了很長時間，構建了非常完善的反欺詐能力，也積累了很多數(shù)據(jù)。我們在這方面合作的金融機構超過接近400家，我們今年形成了金融風控大模型，這個大模型部署在金融機構自己內部，對于和金融合作的場景基于這個大模型形成一個知識庫，結合金融機構在自己風控場景中的小樣本的數(shù)據(jù)做快速的精調，形成不同場景具體模型。

　　舉個例子，我們和招商銀行合作反欺詐大腦，在該行的信用卡用戶風控場景構建了很多模型，比如在信用卡用戶貸款申請場景，通過構建不同的模型，兩天之內就可以做一個小的模型，達成對于欺詐預警提前率達到75%，預警數(shù)據(jù)準確率達到98%，處于非常優(yōu)秀的水平，在做活動的高峰期曾經避免了過億元的欺詐損失。

　　最后總結，我們希望通過國產自主的云架構技術以及新智能的技術，助力金融行業(yè)進入高質量發(fā)展新階段。

　　我的介紹到這里，謝謝大家。

　　新浪聲明：所有會議實錄均為現(xiàn)場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：梁斌 SF055