春天是万象更新的季节,全球金融行业也正在迎来新一轮的科技和产业变革——以AI、云计算、大数据、物联网、SDN等为代表的数字化技术,正在持续冲击着金融机构传统的运营模式,如何应变?如何加快数字化转型步伐?如何实现“智慧金融”?全球金融行业都在寻找答案。
4月24日-25日,2019华为全球金融峰会将在上海浦东嘉里酒店盛大开幕,届时华为将携手全球顶尖金融行业高管和专家,共话新一代数字化技术与金融行业创新的深度结合,共探金融机构迈向智能时代的数字化转型之路,共同见证“智慧金融”发展的新高度。
已连续7年举办的华为全球金融峰会如今已成为全球金融领域最具影响力的ICT盛会之一。今年峰会的主题为:“芯”里有“数”,智慧金融。华为希望以芯片技术为基石,辅以移动互联、IoT、生物识别等为最终用户提供更好的智慧应用体验;以AI+分布式数据计算为基础,为金融行业客户打造智慧决策大脑;以云计算、SDN等技术打造加速业务创新的智慧ICT架构,让“智慧金融”加速实现。
今年峰会的最大变化就是首次设置了两天的Keynote,同时设置了八大分论坛,共计80+热点议题。第一天(Day1)将以金融机构的客户分享为主,聚焦金融行业客户转型的诉求与应用实例;第二天(Day2)将以华为金融行业技术战略为主,重点呈现华为与合作伙伴共同构建的领先技术和解决方案。两天的活动预计将有来自全球近300家金融机构的1500多位行业高管与专家,120多家合作伙伴,40多家国内外媒体现场参会。
那么这一备受全球金融大咖关注的业界盛会有哪些不容错过的看点呢?下面就为大家提前剧透一下:
看点一:金融大咖畅谈行业转型+经验分享
4月24日(Day1),来自德勤、工商银行、中国人寿和深交所等全球金融行业各领域的重磅嘉宾,将从企业自身的角度来畅谈金融数字化转型的需求并分享宝贵的实践经验,以帮助更多的金融机构找到数字化转型的捷径。
同时在下午举办的“全球银行数字化转型建设”等五场分论坛中,来自全球的金融机构客户和合作伙伴代表也将带来精彩的主题演讲和分享,同时希望通过互动讨论碰撞出更多数字化转型的智慧火花。
看点二:技术大牛分享最新金融技术架构+重磅发布
4月25日(Day2),华为将携手合作伙伴向所有的与会嘉宾呈现ICT领域最领先的技术、产品和创新解决方案,在满足客户新需求的同时,助力客户构建市场领导力。届时来自金融科技公司的技术大牛也将分享最新的金融技术架构,携手华为共同为客户打造金融业务创新的引擎。
华为云也将发布5G智慧银行营业厅、虚拟银行、商品交易所动产质押、区块链联合征信四大解决方案,助力传统和新晋金融机构快速实现业务创新,提升企业在行业的竞争力。
此外,华为还将联合中软国际、四方精创等合作伙伴,重磅发布金融大数据智慧应用和开放银行分布式架构两大行业解决方案,为不同应用场景下的金融机构变革提供智慧赋能。
看点三:800+㎡智慧展厅,全方位呈现华为助力金融行业数字化转型成果
峰会期间,华为还携手合作伙伴打造了一个800+㎡的体验式智慧展厅,该展厅将分为“智慧体验”、“智慧决策”、“智慧架构”和“基础研究”四大展区,以场景化业务体验的方式,全方位呈现20+全栈式金融智能解决方案。
智慧体验区:无人柜台、智能客服和VR银行等创新体验区,结合华为在物联网、智能安防领域的创新应用,展示华为如何帮助金融机构便捷触客,让客户获取极致服务体验。
智慧决策区:智慧风控、融合数仓和AI Fabric智能无损网络数据中心集中亮相,且看华为高性能、更智能的数据分析产品解决方案如何支撑金融机构高效运营决策。
智慧架构区:通过“一云”+“三网”的创新架构,展示华为帮助金融客户构建开放式、易扩展的智慧ICT架构,并帮助业务快速上线的能力。更有金融专区、虚拟银行、保险全业务上云、区块链联合征信等解决方案,为您解读华为云如何满足金融行业安全合规可信的高要求。
基础研究区:全面展示华为在AI、芯片、物联网和5G领域的研发实力,更有5G应用等你来体验。
想知道金融行业的未来发展新趋势?想看清金融行业数字化转型的方向?想一同迈入“智慧金融”时代?那你一定不能错过“2019华为全球金融峰会”。
4月24日-25日,我们上海见。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"