一场全数字化转型的漩涡正在展开,你能想象哪几个行业处于这个漩涡的中心并受到越来越强的冲击?一项由IMD商学院和思科联合开展的调查报告显示,处于这个漩涡中心点的前三个行业分别是高科技、媒体娱乐和零售行业。对于这几个行业正在产生的全数字化变化也许我们感同身受,科技变化日新月异,媒体娱乐正在快速转变它的内容生产和传播方式,每个人的零售购物方式和以往已大为不同。
紧随其后的这个行业也许你还没来得及思考,不过它正在快速向数字漩涡的中心迈进,那就是金融业。金融行业的变化突如其来,以至于很多人跟银行网点打交道的次数直线降了下来。思科甚至有一个大胆的预测,“现有的10家银行中有4家可能因全数字化颠覆而面临被取代的风险。”它也许就在未来三年内发生。
金融业加速全数字化转型
思科在调查时发现,金融服务领域的全数字化程度已经超越了大多数其他行业,然而在2015年,金融服务仍然仅获得了潜在全数字化价值的29%,金融服务公司正在错失71%的潜在价值。思科大中华区资深副总裁、大客户事业部总经理海广跃在解释这个原因时表示,核心的原因是它们原有的业务建立在传统的组织、业务基础之上,很难颠覆自己。另外一个原因是网络安全威胁阻碍了银行采取全数字化技术和业务模式。
思科大中华区资深副总裁、大客户事业部总经理海广跃
不过在这场全数字化浪潮中根本由不得金融业自己,加速全数字化转型关乎生存更孕育着巨大的机遇。思科调研报告揭示了单就银行业的全数字化创新所带来的巨大商机,从2015年到2017年银行开展全数字化转型可推动产生4050亿美元的潜在价值。
思科认为,在这一巨大商机中,超过90%是由关键全数字化用例推动的。其中包括销售和服务转型、新一代员工、视频顾问、移动支付和联网广告等。
海广跃指出,全数字化本身除了改造生产流程、节约成本外,最大的改变是业务模式的改变。以三菱东京日联银行和瑞穗银行为例,它们正在使用仿人机器人回答问题,提供个性化的理财建议。这些机器人绝非徒有其表,相反,它们身兼视频建议、分析、远程专家、机器人甚至是人工智能等领先技术于一身。在此基础之上,它们为改善客户体验、提高分行效率和优化人力资源管理提供了一种创新的途径。
思科助力金融业拥抱全数字化运营
思科是金融业全数字化转型的重要推动者,“思科从四个层面助力金融行业全数字化转型,一是全数字化客户体验,例如实现全渠道与客服顾问的无阻沟通;二是全数字化协同办公,例如增强金融机构、代理、客户多方的互动体验;三是全数字化业务运营,如通过跨云服务商和数据中心的自动化运营,降低基础架构和应用开发投入成本;四是风险和信息安全管控,满足监管与内控合规要求等。”海广跃说。
其中全数字化业务运营给金融业带来的影响和挑战着实不小,几个月前,中国银监会发布的《中国银行业信息科技“十三五”发展规划监管指导意见(征求意见稿)》就指出,银行业应稳步实施架构迁移,到“十三五”末期,面向互联网场景的重要信息系统全部迁移至云计算架构平台,其他系统迁移比例不低于60%。
思科大中华区副总裁、企业事业部技术总经理苏哲
六成的银行信息系统到2020年迁至云平台恐怕做起来并不容易,思科大中华区副总裁、企业事业部技术总经理苏哲就指出,很多传统金融机构的核心应用开发于几年甚至十几年前,那个时候基于计算、存储、网络等资源构建的IT架构和设计现在并没有太多改变,而现在很多互联网金融和创新金融应用已经开始使用云来帮助实现业务成效,云原生应用已经开始帮助这些创新的金融领域释放巨大的价值。
对于很多传统金融机构来说,它们的全数字化业务转型注重的是怎么让传统的应用过渡到云以及和云原生态应用共存,思科称之为IT的双模模式。
苏哲表示,在此方面,思科能够帮助金融业加速向云和全数字化业务运营迈步,包括底层的基础架构,其上的策略管理与自动化、PaaS+容器、应用生命周期+云服务商管理、IT服务订购、安全与分析等。“以策略管理和自动化来说,它基于SDN软件定义网络的方式,把原来的黑盒子打开应用接口,在上面进行编程,结合应用对底层硬件进行控制。Cisco Tetration Analytics是一个针对云的大数据分析平台,它可以为云和数据中心的客户进行图形化的展现和分析,以判断各个指标运行是否健康。”
当然,除此之外,思科还提供了包括集成架构解决方案、企业混合云方案、超融合解决方案HyperFlex系统、全数字化网络架构(DNA)、协作解决方案等在内的思科全数字化新一代数据中心解决方案推动金融全数字化转型。
海广跃强调,思科公司在中国发展业务二十余载,从进入中国开始思科就服务于中国的金融行业,对中国的金融行业非常了解。全数字化浪潮的今天,思科也正在以全球领先的方法论和成熟的IT架构帮助中国的金融业加速全数字化转型。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。