金融IT上云,科技引领业务
2016年7月15日,银监会发布《中国银行业信息科技“十三五”发展规划监管指导意见》征求稿,要求到“十三五”末期(2020年),银行业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%。此举意味着银监会明确制定了银行业上云时间表。
上云被提上日程,除了内部所需,也是外压所迫。互联网金融、第三方支付强势崛起、不断抢占市场,传统银行不得不加速互联网改革,才有希望弯道超车。云杉网络通过与银行客户的深入交流和总结发现,银行IT基础设施的建设周期包括两类:一类是已经完成互联网业务和部分核心业务的云化,正在精细化运营云计算基础设施;另一类是在分析自身现状和能力,为自身的云计算转型设计最佳的战略,包括自建私有云、使用金融行业云、混合云等方案。
金融云服务,将联合其他金融IT方案,为银行、基金、保险等金融机构提供IT资源和互联网运维服务,开展面向银行业的公共云平台规划和建设,让金融机构能够更好地开展互联网业务。只有使金融业务与科技深度融合,从“科技支撑业务”走向“科技引领业务”,才能逆流而上。
作为所有行业中最重视数据安全和高度监管的行业,上云过程中将面临技术选型、架构转型、安全风险等诸多考验。但是,这些困难反而激发了创新的动力:公有云服务商着手拓展大型银行(如AWS密切跟进摩根、花旗、高盛),金融科技服务商打造行业云(如平安科技推出平安云),中大型银行自建私有云(如光大银行)。
深耕金融场景化,重推金融云平台
平安云,诞生于平安集团的科技大本营。从2013年底立项以来,目前已经推出IaaS层的全套产品线,为金融行业客户提供可靠、弹性、高效、集约的基础架构层服务。
平安云的领先性包括:
云网络面临的双重挑战
网络是数据和安全的基础,网络一直是云计算中最引人关注的领域,金融云网络更是金融系统上云面临的最大挑战。如何实现网络架构安全合规?如何交付灵活弹性的网络资源?如何快速排障保证网络稳定可靠?这不仅是业务上的难题,更是行业中的挑战。
1 业务形态:对网络运维和管理提出挑战。
2 行业形态:对网络整体架构提出挑战。
平安云网络建设之路
平安云总体架构
在计算方面,平安云是中国第一家推出容器云服务的金融行业云。在网络方面,包含网络服务和网络运维两大体系:网络服务以NSP(Network Service Platform)数据中心网络资源统一管理平台为核心,站在网络运营视角,融合SDN、NFV等技术,提供稳定、可靠、可控、可连续的VPC业务;网络运维以AlphaOps智能运维平台为核心,提供云数据中心网络运维能力。
网络服务体系
NSP交付的网络服务分为Fabric服务、NF(网络功能)服务、增值服务三大部分。
网络运维体系
自研的AlphaOps是服务于平安金融云的智能运维平台,全覆盖网络物理资源和逻辑资源,提供流量数据分析、拓扑管理、网络资源管理、配置、日志、监控探测等运维服务。如此庞杂的网络业务应用,更需要一套完整、可见、可管理的监控系统。
其中,因为SDN的引入,为网络带来了虚拟网络和虚拟网络功能,由此形成了新的网络运维和管理的痛点,现有的技术及方案面临巨大挑战。
云杉网络与平安云的合作
云杉网络与平安云的合作源于2016年初,由于在开放网络和软件定义网络等理念上的一致性,双方很快便建立了技术及方案层面的合作,并且通过需求挖掘、产品对接、POC、产品上线等流程,云杉网络的产品顺利在平安云生产环境的网络中实现部署。
其中,DeepFlow与平安云管理平台、NSP和AlaphOps紧密联动,构建了覆盖整个云网的网络大数据分析平台,成为平安云进一步打造网络智能平台的基础。DeepFlowTM,以数据场景化为核心,覆盖物理网络、虚拟网络和云网环境,并从采集、分析、可视和控制四个维度,构建数据驱动的分析平台。
云杉网络DeepFlow,是国内首个数据驱动的云网可视化与分析平台。基于SDN技术,为网络的管理带来了“开放可编程”和“细粒度可控”的根本价值。
未来展望
平安金融云,将持续推动平安集团3.0战略(大金融资产+大医疗健康)更快发展,打造金融平台业务,占领数据和生态阵地,为集团互联网、业务云、生态圈的爆发式增长保驾护航。
未来,在网络服务和网络运维的建设中,将以数据化、自动化和精细化管理为目标。云杉网络将与众多金融客户一起,在金融行业“十三五”发展规划建设指导下,积极应对金融云发展面临的挑战。
好文章,需要你的鼓励
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。