2020金融街论坛年会上, 央行副行长范一飞谈到金融与科技融合发展的新举措, 第一条就是“固本强基,发挥数据要素倍增作用”, 强调深挖应用场景, 运用海量多维数据实现“信息整合,特征关联和业务洞察”。正式将金融企业打通“云-管-边-端”的金融科技数据链, 实现信息整合, 特征关联提上了金融科技的议事日程, 以BATJ带来的互联网体验作为参考标准, 在国产化大环境下实现服务可达, 通过VIP用户访问的全栈溯源, 确保提升用户体验。
95后逐渐成为了消费市场的主力,从小生活条件优越的Z世代,有着巨大的消费潜力,他们更加渴望自由而弹性的生活,特别是对在线服务的可用性和体验的要求极高。在金融企业的数字化转型过程中, 将会面临传统的数据中心管理转型的新挑战, 比如:用户体验监控, CDN边缘节点监控, 云原生服务监控, 微服务监控等, 而融合这些新的监控管理手段, 打通金融科技数据链, 将会成为新一轮的科技创新热点, 用来提升服务的可用性, 提升用户体验, 应对Z世代的高要求。
以电子银行为例, 金融科技数据链的打通需要到DNA的三个环节, 分别是:
- DEM (Digital Experience Management): 用户数字体验管理,
包含客户端APP体验监控, 浏览器体验监控, 小程序体验监控, 浏览器拨测和手机真机拨测等一系列技术。
- NPM (Network Performance Management): 网络性能管理,
通过探针技术、 BigIP大数据引擎、Nginx Telemetry等技术, 实现网络传输的路径发现, 异常发现, 故障发现。
- APM (Application Performance Management): 应用性能管理,通过字节码注入和微服务探针, 无需应用代码变更的情况下实现对代码运行效率, SQL调用效率, PaaS API调用逻辑追踪, 以及微服务的性能监控。
取得了不同环节的体验数据, 网络数据和代码执行效率数据后, 需要通过DataView的大数据平台实现信息整合, 和特征关联. 实现对VIP用户访问的访问过程全栈溯源, 提升用户体验; 同时实现机器学习后的智能基线, 智能警报; 再通过AI人工智能实现根因分析, 提出解决建议和方法, 甚至通过API调用验证过的预配置, 实现一键变更和一键割接。
根据目前客户的使用状况, 金融科技数据链DNA的架构可以帮助客户发挥数据要素倍增作用:
1. “信息整合”: 将用户体验数据, 网络性能数据, 应用性能数据, 应用可用性数据等信息整合, 实现统一收集, 统一存储, 统一管理, 通过API调用的方式实现一次采集, 各部门的多次订阅消费, 某客户反馈关于服务可达能力提升时说: 1.2%的服务可达提升, 可不仅仅是体验提升而已, 光数据中心1.2%的耗电节省, 就是博睿数据带给我们很大的价值了。
2. “特征关联”: 通过大数据分析和用户标识, 建立用户访问, 网络传输, 云服务, API调用等各环节的关联关系, 实现全栈溯源, 真正帮助电子银行业务, 在保证稳定可靠的社会责任的同时, 融合现有平台、云原生平台、国产化平台、微服务平台的监控管理手段, 某大行用户的电子银行发现, 用户登陆失败的部分原因是运营商的认证短信延迟导致, 通过博睿数据定制对客户与运营商间的短信网关监控, 发现和排除关联故障, 建立服务品质的数据标准, 提升本行与运营商的议价能力并提升用户体验。
3. “业务洞察“: 用财务语言汇报数据中心的投入产出, 建立带宽、算力、存储等基础设施投资后, 发现具体的用户体验/用户留存率/月活提升、 API调用效率提升、以及代码运行效率提升之间的相互关联关系, 为业务拓展提供直接参考。
金融科技数据链DNA, 通过大数据平台打通“云-管-边-端”, 并通过机器学习和人工智能实现“信息整合,特征关联和业务洞察”, 帮助金融企业在国产化大环境下应对Z世代对服务可达, 应用体验的高要求,在稳定可靠和灵捷快速之间取得相对平衡, 促进金融与科技融合发展。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。