阻碍金融机构把Agent从演示PPT推向核心业务场景的，究竟是什么？是算力成本，是模型能力，抑或是一个万能的开发平台？
在与恒生电子首席科学家白硕的深度对话中，我们得到了一个不太常见的答案：以上都不是最要紧的。
白硕早年间在中科院计算所从事前沿研究，后长期担任上海证券交易所总工程师，主导核心交易系统升级，如今作为恒生电子首席科学家，推动AI技术落地。在经过学术前沿、行业监管核心与产业实践这一完整路径之后，他对当下最热门的Agent话题，给出了具有历史纵深感的、颇具穿透力的洞察。
他指出，缺乏足够“厚度”的业务接口——这里并非指底层技术的API，而是指封装了业务逻辑、能“听懂”业务人员自然语言指令的能力单元——直接导致现在许多Agent项目陷入“读不懂”真实业务需求当中的复杂意图，无法解读有业务语义的自然语言的指令，或者只能对原有系统做简单粗暴的封装。他风趣地提到：你会关心一个电饭锅能支持多少种花式菜谱，至于底下加热组件好不好用，会是你关注的重点吗？
而目前通用型Agent平台的价值，其在整体解决方案中的价值占比有所下降——脱离垂直领域深厚积累的平台，只能是一个“空架子”。他认为花钱做Agent，钱除了花在算力上，更要花在构建和丰富原子化的服务能力上。
在白硕眼中，金融Agent已经走过了“硬编码”“拖拉拽”的阶段，抵达目前人们所熟知的自然语言驱动的阶段，但眼下并非他所认为的技术终局。他告诉雷峰网，未来的架构很可能会是这样：敏态业务都归Agent负责，稳态业务转变为后台的工具、资源或物料，当中会有AI中台进行承接。
这个技术终局听起来或许不够赛博朋克，但它在金融这个极其“苛刻”的世界当中，指明了一条AI Agent落地的生存之路。
以下是雷峰网与白硕的对话，有不改变原意的编辑：
雷峰网：构建Agent过程中，真正有壁垒的是哪个环节？
白硕：接口的“厚度”，这是我认为构建Agent的核心壁垒所在。也就是说，我需求里的复杂意图是用业务语言表达的，但它跟原有应用系统开放出来的接口能不能对得上，是一个问题。
原有的IT系统及应用系统，还没成功转化为Agent可用的工具、资源或物料，原有系统也没有把所有具体业务含义的接口都开放出来。部分开放的接口与业务紧密程度不一，有些接口距离业务较远，以至于自然语言的指令“够不着”业务。Agent也好，开发框架也好，平台或者大模型也好，要让它们充分理解业务意图，现在的接口形式很可能是不合适的。
原来的交互方式下，业务人员能懂我的意图，但这切换到AI时代的交互方式下，让大模型同样懂我，那要看企业上下文的这个“厚度”。“厚度”决定了还有多少技术上的“欠账”，补不上这笔欠账，那业务和技术之间就是一道鸿沟了，这样开发出来的Agent，要么无法满足业务需求，要么带有浓厚的技术痕迹，又或者只是对原有系统的简单迁移，AI组合应用的灵活性也就体现不出来了。
其次要注意“黑话”的存在。垂直领域大量的行话、术语，行业人士懂，但大模型不一定懂。你直接把含有“黑话”的资料交给大模型，它很难充分理解，所以说这里有一个大模型友好的数据治理工作，让垂域数据和资源能与通用AI技术友好对接，读懂彼此之后，那就是如虎添翼了。
雷峰网：可以说，接口开放的“厚度”是Agent发展的“生门”。
白硕：对，只有具备足够的厚度，才能100%容纳并理解用技术或业务语言表达的复杂意图。否则，系统理解不了业务表达，根本不知道怎么做。意图理解是接口开放厚度的关键体现，也是实现技术与业务对接的基础。
业务文件中通常包含大量宏观的业务语言描述，如开户需满足前提条件、检查事项等。这些要求需要用具体的工具和操作来实现，但怎么将业务文件中的字眼落到实际操作？是一个难题。
同时，要充分利用Agent，原有的IT系统需要具备一定的健康度和健壮性，以及较为完备的接口。接口开放得越多，提供的服务就越多；接口越贴近业务，表明在业务层面提供的服务越丰富。
过去也有类似的做法：AI兴起之前，SOA（面向服务的体系架构）是一种新潮的技术架构。SOA要求服务描述和服务发现必须遵循特定协议，但那时自然语言理解技术还不过关，这些协议只能设计得非常死板，很容易导致“即便供给方发布了服务，但需求方并不知道如何描述才能够找到服务”，那就等于是白做了。但现在供给方只要拥有大模型，只要系统真正具备并封装了这些服务，并用自然语言进行描述，需求方就能用语义相近的自然语言找到并利用这些服务。
雷峰网：怎么判断技术厂商的接口开放“厚度”，判断标准是什么？
白硕：我打个比方：做饭一定要炉子加热，但炉子只是个基础工具，就像Agent的编排框架，它是标准化的，没有太多领域相关的技术含量，这些底层技术组件未来可能会变成“白菜价”，非常普及。
真正有价值的，是厂商能提供多少种“菜谱”，也就是他们能支持多少种服务。这些服务才是厂商的看家本领，最终要通过MCP等以标准上下文接口的形式暴露出来。
你会关心一个电饭锅能做多少种不同的饭菜，而不是单纯关注炉子的好坏。如果一个厂商只能提供基本的、通用的功能，就像只会用炉子煮白米饭，那它的竞争力就很有限。但它要是除了煮饭还会煲汤、炖肉，竞争力就会更强。如果这些服务能够通过自然语言被方便地发现和使用，那就说明厂商具备更高的接口开放厚度。
所以，当我们去评判一个厂商在做Agent时的接口开放厚度时，关键在于看他们能提供多少种服务，这些服务是否封装良好，是否能被方便地调用。
雷峰网：讲到底层技术组件的“白菜价”，Agent现在除了算力以外的成本构成是否有很大变化？
白硕：预算构成上，算力还是占大头的，或者说在客户的接受程度范围之内，其他因素和算力相比，都还没法成为决定性因素。这一点我们是无能为力的，它需要大模型算法本身有足够的创新。不过Deepseek不断冲击大模型需要的算力下限，我个人对这件事是觉得很钦佩的，也很有信心算力（价格）一定还可以再降。
在以私部署为主的金融领域，付费的大模型打不过开源的大模型。付费的私有化部署已经很少了，竞争力也不强。开源大模型尤其是千问，在金融机构应用较多。恒生落地案例也是从千问开始的，在这之前开源（效果）最好的有说是Llama，但它本地化之后我们还要做大量的继续训练，这里成本也蛮高的。现在可以说Llama的时代已经过去了。
通用Agent编排平台，我觉得它的价值是在弱化的，至少在整体解决方案中的成本占比正在下降。
还应有一部分钱花在构建和丰富原子化的服务能力上，这是决定Agent是否有用、能否满足多样化需求的关键。
雷峰网：所以您觉得，行业高估了通用Agent编排平台的价值。
白硕：现在一些过于夸大通用Agent编排平台作用，把未来市场份额夸大到几万亿的说法，我是觉得完全不对的。实际上，你只是为场景提供了一个标准化的基础工具而已。
通用的开发平台、编排框架或工具，市场价值并不高，也没有那么大市场份额，两个原因：一是它可能很快标准化，很多厂商都能提供，缺乏门槛；二是垂域仅靠它不够，真正的竞争力不在这方面。
如果你提供一个编排平台，让用户能够自行搭建Agent，这很快就能实现。但关键在于搭建时所使用的“积木块”，即那些已经原子化的服务能力是什么、在哪里。只有将这些能力封装好且足够丰富，才能构建出有用的Agent。
厂商是要基于自己熟悉的资源，去通用平台开发出贴合需求的解决方案，不熟悉的资源，很难有效整合利用。就像恒生自己在金融科技领域有积累有覆盖面，自然有相应资源去开发契合金融Agent。有人觉得通用技术可以颠覆这个路径，可以不通过场景的积累，我觉得这个想法有点一厢情愿了。
雷峰网：金融科技领域其实一直在提数字化、智能化、自动化等等概念，您眼中的Agent是怎样的发展路径？
白硕：金融AI Agent发展应该是有三个不同阶段。
最初的时候，流程性的工作都是通过硬编码的方式写死在程序里。那些内部没有写死的部分，出现临时情况又没有相应的流程来应对，就无法继续操作，必须有人在流程中间手动去衔接。这就很像高速公路上有一些土路或者断头路，得用点“土办法”来连接，离全程自动化还很远。
AI出现之后，我们就进入了一个中间阶段，也就是半自动化阶段。在这个阶段，流程性的衔接不再需要编写代码。像是步骤的先后顺序、条件满足后执行的操作等，这些纯粹流程性的工作，都可以通过拖拉拽的方式在图形界面上配置流程，将具体的步骤设置到中间的具体位置。这个阶段里，节点之间的顺序和业务控制逻辑是清晰的，但节点内部的具体操作过去需要写程序来实现。
现在，我们可以利用自然语言去描述单一步骤的动作，AI能够自动映射到具体的资源和能力。这一步涉及到具体的原子能力，我们需要编写能够映射成这样的能力。同时，有些操作会调用已知的能力，比如可执行的方法或函数，这就需要输入参数和输出参数。这些参数是一些数据要素，我们需要用自然语言来指定使用什么样的数据要素以及取什么样的值。
我们目前所处的阶段还不是最先进的形态，仍然有发展的空间。实际上，我们对于接口和流程的知识并非一片空白，我们拥有大量的文档和描述。这些文档和描述提供了自动化用AI的可能性，如果AI足够强大，我们可以利用它来自动化地拆解流程。这样一来，那些拖拉拽的配置方式也都可以免了。
目前的AI达不到百发百中、一拆解就是对的情况，但我们可以识别到拆解出来不对的部分，动态地去修改它，让它再执行一遍。但要注意，存在前后依赖关系时，一旦中间有一步出错，可能会引发后续一系列的错误。要修改的话，系统必须是未经破坏的，系统操作是可回滚、可重演的，不能出现不可逆的、永久性的不符合预期的改变，或者数据是只读的，避免出现不可逆的、永久性的不符合预期的改变。在大模型调试过程中，调整步骤顺序或修正数据读取权限等问题，这就是ReAct模式，在新型Agent开发工具中很常见。
雷峰网：金融机构对Agent的需求今年以来发生了什么变化？他们“绕开”技术厂商，自建Agent的概率大吗？
白硕：一些金融机构对自己整体资源把控程度和接口暴露程度，是心里有数的。那他们不借助厂商能力，直接采购通用平台走自建，这种是存在的，但大多数还不具备这样的能力。
机构首先还是面向业务需求，但要服务这个需求，我们会共同探讨落地路径和手头的资源，所以构建Agent也并非唯一选择，有时简单的技术方案也能满足需求。
过去两年（2023-2024年）遇到的一种情况是，金融机构的Agent构建多集中在单业务域，资源掌控相对独立，不太有各业务间的数据和底层资源交叉拉通的需求。很多场景，哪怕是同一家金融机构，不同业务背后的大模型、算力都是各自采购部署、各自支持自己的应用。
已经度过这个阶段的机构，就会开始思考：怎么让采购的算力和大模型资源能够交叉支持不同业务，减少重复采购？于是平台化的需求在2025年就被提出来了。
平台化的出现，使得金融机构能够共享底层共性资源，实现跨系统的数据要素统一和业务创新。在AI时代，如果金融机构的接口开放程度足够高，结合Agent开发框架、编排平台或大模型，就可以更轻松地实现这种拉通和创新。这也是我们在与金融机构合作过程中观察到的，比较具有代表性的一种需求。
雷峰网：金融机构应用Agent时，除了算力以外，还可能面对什么比较大的障碍？
白硕：算力是一个问题，再一个是业务适配的“厚度”，也就是怎么让Agent更贴近实际业务需求。这是个长线任务，不是说要全都处理好了才搭场景，可以看需要，逐步开放和搭建所需的接口，先从简单的场景入手，实现短期目标。在这个过程中，接口的积累和业务适配的优化可以持续推进。会顺其自然地通过若干个短线目标，去把长线任务带起来。比起一次性大量投入“备而不用”，“边用边备”的做法在商业角度也比较合理，
雷峰网：Agent加入之后的金融科技解决方案，其付费模式相应地出现了什么变化？
白硕：如果方案中包含Agent的搭建和使用，大模型可能会按token收费。底层接口和物料的使用也可能成为计价单位，这也是可以去畅想的一件事。不过，目前大多数金融机构还是采用传统的项目招投标形式进行合作。
雷峰网：幻觉这个问题，在恒生的金融科技解决方案里可以怎么被抑制？
白硕：幻觉实际上是生成式AI一个固有的缺陷，主要涉及编造数据或接口，但在金融场景里，这种情况是能够一定程度上被控制的。因为不存在的接口是调不出来的，错误的接口也会调用失败。我们的智能体要用来干活儿的，如果数据或接口是虚幻的，那么就会取不到数，接口不对而执行失败。这个场景并不是在聊天，所以幻觉“幻不出来”。
不过，在规划阶段，有可能规划步骤无法执行或执行结果错误，这时候就需要修正，需要ReAct。这就需要确保智能体所依赖的基础能力，都是可逆和可恢复的。如果做不到可逆，这个接口就不能暴露出来给Agent自由规划。
雷峰网：Agent在金融机构内部，从POC到实际上线是一个很难一概而论的过程。
白硕：对，有些机构会有平台级的诉求，希望智能体具备通用能力，会关注智能体在具体场景中的端到端表现。有些机构会从平台的交叉知识能力和跨域组合能力的角度进行评估。如果业务部门主导，他们通常看重智能体在特定场景中端到端的性能；如果是IT部门主导，他们可能更看重智能体的通用性和跨域组合能力，并且需要有真实的跨域场景来支撑这些能力的验证。
雷峰网：能看到单Agent到多Agent是一个趋势，相信金融场景也不例外，您觉得多Agent需要注意的是什么？
白硕：恒生的解决方案里也有应用多Agent的项目，但一个法人机构内部使用多Agent的必要性相对较弱，是否为不同法人机构之间的跨机构业务往来，是判断是否使用多Agent的标准之一。
在一个法人机构内部，主要涉及的是分工和工作类型问题。有些Agent负责在线检查数据是否满足特定条件，满足后发送信息，另一个Agent响应并采取行动。如果仅仅是简单的上下游关系、串联式的处理，即一件事完成后依次进行另一件事，那么完全可以将这些流程合并为一个Agent来处理。如果有一个统一的场景或口径，即使流程再复杂，理论上也可以将多Agent合并为一个大Agent来完成任务。
然而，如果Agent具有不同的性质，例如需要长期运行、持续探测和判断条件是否满足，满足后才通知其他Agent，那么这种Agent有必要单独存在，并与其他Agent互通。
雷峰网：恒生电子这段时间主要有哪些AI方面的动作？
白硕：恒生电子的AI落地包括两部分，一部分是市场端客户侧的落地，另外一部分就是恒生自身的落地，不单是Agent，是对内对外推进整体的解决方案。
在客户侧，恒生电子积极与国内头部金融机构开展合作，面向投研、投顾、运营等场景打造专业Agent应用，并陆续实现落地。此外，恒生电子也在探索基于实体地图增强的金融垂域智能体开发平台的研发，助力金融机构打造垂域大模型技术体系，子公司恒生聚源也通过“语控万数”数据智能体平台，在厚实的金融数据底座基础上，通过“数据地图”的导航为Agent的搭建提供精准的数据物料供给。
对内方面，比如客服部分，恒生的客户服务系统是七八年前建的，去年做了大升级，给接线的客服“武装”AI能力，升级之后变成自助平台「U+」，能回答业务、系统、运维相关问题，帮接线同事分担压力。
再比如工程，因为恒生面向市场提供的是产品，但从产品到实际落地的解决方案，中间还有相当一部分工作量是定制，这个工程实施也需要大量的知识上和工具上的赋能。工程实施的人员如果有不明白的地方，也不用具体的产品部门的员工来跟他们的对接了，很多问题都沉淀在相应的知识库里。新手员工是非常需要这种工具的，现在AI帮他们扩宽了求助的通道路径。
还有就是内部面向程序员的AI编程能力，这个技术不断在进步，为编程效率的提升提供了很多空间，我们作为软件公司是必须要去拥抱新技术，尽快地让程序员转到AI赋能编程的工作方式上来。因此有很多内部工具的研发来打造最佳实践。随着技术推广，内部研发的流程和组织管理方式也在不断发生变化。
雷峰网：恒生内部也是有上线相应的Agent来应对这些场景。
白硕：Agent简单地说，就是两种用法。其中一种是“干事”，之前的聊天是干事的低级形态，copilot嵌入系统，通过说话的方式来下指令指挥系统干事，但使用的还是原来的系统。Agent的出现，让事情又发生了一个改变，即Agent并非嵌入原来系统，而是一种独立的存在。大模型作为它的大脑，原来系统的各个接口就作为它的“手和眼”，它能感知情况、能取数，对数据分析加工处理，办理业务等等。“聊天”和“干事”的区分，Agent和以往一些数字化应用方案的区分标准之一。
智能地干事的方式，是能够把一些平凡的环节串起来，在这个过程里体现智能。只是告诉Agent一句话，它不会把这句话只对应一个动作，而是说它能够把这个话作为一个复杂意图，拆解成一些简单的意图组合，每一个简单意图对应一个简单的动作，每一个动作有可能调用后台的不同资源、不同系统、不同数据源。
雷峰网：比起“智能地干事”“自动化AI”，金融Agent还有没有下一步发展形态？
白硕：有。我们先给业务做个区分：稳态业务，相对稳定，要求较高；敏态业务，变化频繁、快速响应，多样性、差异性也比较显著。如果用传统实现方式做敏态业务，需要大量定制开发。但AI出现后，对于敏态需求，如果接口是支持的，流程性的知识和资源完备，有业务规范文件和业务逻辑需求描述的话，AI可以处理这部分工作。
我们可能看到的终局，会是什么状态呢？敏态业务都归Agent负责，稳态业务转变为后台的工具、资源或物料。系统被切分为两部分，中间由AI中台或Agent开发平台负责连接。但这绝对不是通用的Agent开发平台，必须与垂域资源配套，否则只是一个空架子，没有价值。
雷峰网：现在Agent还是属于早期比较荒芜的阶段？
白硕：对，现在大家有一种错觉，就是觉得通用智能体开发编排平台会有很大需求。实际上，真正的需求是在接口体系足够丰富、足够深厚之后才会出现。
接口体系怎么积累？应该看机构或企业内部的知识，包括数据和流程等方面。知识分为两个层面：一是硬件层面，即确保所有必要的接口都已具备；二是软件层面，即对流程和接口进行详细描述。这些描述构成了知识库，硬件层面是接口体系的逐步积累。
十年前，国务院设立600亿元国家中小企业发展基金，通过市场化方式支持初创期企业，同时银监会放宽小微企业贷款不良率要求，但小微金融还是难展开——无他，还是缺信用记录，银行风控是“难为无米之炊”。当年曾有小微企业主手里没有别的抵押物，只能拿着自己租赁商场铺位的合同和租金支付记录上门，银行也大着胆子把这笔贷款办下去了。
十年过去，千行百业蓬勃发展，诞生无数新兴业态，能够证明小微企业主有还款能力的记录，已不止一份租约了。但问题在于，怎么把这些记录从小微企业经营的细枝末节里扒拉出来，成为一份份强有力的证明？
这件事，网商银行说，他们很在行。
本文开头提到的浙江丞达，雷峰网一年前曾有过观察，网商银行也通过产业大模型“透视”到了丞达的情况：
它生产的尼龙的材料，经过了层层加工、装配后，最终去了比亚迪汽车、华为手机的绝缘层。
它位于浙江嘉兴平湖，浙江四大新材料基地之一，拥有完善的产业链生态与原材料优势。
这套有大模型加持的产业链金融系统，被命名为“大雁”。传统的产业链金融还是倾向于以明星企业为核心，供应链上的其他企业只是明星光环下的一个小点。但“大雁”俯瞰全产业看到的，是一个又一个独立平等的个体，信用平权的理念与AI技术，牵引小微的信用刻画效率产生10倍级跃升。如今，大雁系统已经构建了9大产业链图谱，精准识别了2100万家企业链上小微，将原本不到30%的金融服务覆盖率提升到了80%。
大雁系统已服务超58万家科创型小微企业，覆盖全国26%的科创型企业，授信金额超千亿元——大雁过境之处，专利证和房产证一样好使。
在过去一年时间里，网商银行又成功分析了丞达的厂房视频，确认生产面积为500平米；识别其采购发票和订单合同，发现近期新增1家合作伙伴，涉及订单金额300万元。
同时，丞达的资金流也有规律可循：回款周期较长，每月有固定支出；采购高峰是4月和8月；出货高峰在9月；回款高峰则在年底。
至此，这家不轻易出现在台前的高新技术企业，终于在辽阔的产业地图上有了清晰的定位，定位的“坐标”正是来自于生产链、订单情况、经营流水等等细节。
能为丞达们找到“定位坐标”，这与网商银行的技术储备密不可分。在此过程中，网商银行运用计算机视觉和多模态模型技术，直接分析小微企业提供的各类材料。无论是合同、发票，还是店面、设备、库存的照片或视频，这些原本零散、难处理的信息，在技术的帮助下成为了小微企业的新画像。目前，网商银行基本能识别所有与小微经营相关的材料，包括税务、合同、资质、水电煤缴费单、专利证等。
网商银行也透露，资金流动的预测借助了时序大模型的能力，分析包括制造业、电商、经销商等在内不同行业的小微企业资金波动规律，如今他们的小微资金流预测准确率能稳定在95%以上。
但积攒了多年AI能力的网商银行，想做的、能做的，似乎不止于此。
提到小微金融，业界想到的通常是怎么向小微企业借钱、借出合适的钱、再想办法尽快收回来。不过在今天刚结束的网商银行十周年分享会上，他们提到了融资之外的事情：财富管理。
别看小微企业麻雀虽小，同样也有财富管理的需求，但相关产品多如牛毛，光是分类就有固收、银行理财、基金、黄金、股票、保险等多个大类。
每一细分品类下，又有成百上千的产品。以网商银行重点布局的理财为例，市场产品就超4万种。
网商银行做的一件大事，正是基于对银行理财底层资产和历史表现的深度认知，结合精准的小微资金流预测，从上万产品中筛选出约500款，精准匹配小微的理财需求。
小微企业的资金增值痛点很强，需求也很大。但小微企业的经营资金流动性极高，面向大企业的资管服务，门槛高、费用贵，他们“用不起”；面向个人的理财产品，在流动性设计上存在错配，没法满足经营周转需求，“不好用”。这就导致小微的流动资金理财长期处于“没人管”或者“管不了”的状态。
如果小微企业的投资性收益可以带来净利润1%的提升，将极大提升经营韧性。1个点的净利润，对大企业而言，只是赚多赚少的区别，但足以把那些缺乏现金储备的小微企业，推到生死线的边缘。
这样一来，给小微的理财产品必须定制，网商银行“布谷鸟”智能普惠理财系统应运而生，对千行百业的小微进行资金流预测，从而为银行理财公司提供申赎情况预测，与其联合定制贴合小微经营周期的银行理财产品。
如今，网商银行在小微理财领域，已经合作了23家理财子公司。
与此同时，网商银行也希望能帮助企业摸透行业趋势，就以刚刚提到的浙江丞达为例：定位企业处于新能源汽车产业链后，运用AI能力，进一步分析行业景气度、研判产业政策与竞争环境、了解学习行业标杆企业，从而评估企业竞争力与发展空间。
这套面向小微企业的服务，具备梳理企业经营、摸清行业趋势、认知金融工具三大能力，网商银行决定将这套服务和能力定义为：
千万小微企业的AI CFO。
一名合格的CFO，首先要有强大的认知能力，懂企业经营，懂行业趋势，懂金融工具。这也正是网商银行在充分发展AI能力之后，沉淀下来的小微金融服务内容。
网商银行行长冯亮认为，在全世界，优秀的CFO都是稀缺品，只有大企业能够拥有，小微企业不可能请得起。但是，在AI时代，让小微企业也拥有一名CFO，是具备可能性的：
“要做大如此强大的认知，在过去难以想象，但未来，让AI的认识水平，能接近一位商学院毕业的高材生，甚至有从业经验的CFO，并非天方夜谭。”
冯亮表示，网商银行已经开始探索建设AI化的小微认知平台，上述图景已有部分实现。
冯亮也在分享会上透露，AI CFO的认知能力提升后，将触发银行服务范式的三大改变。
首先，从“给产品”到“当管家”。比如，票据收付和贴现是一个标准化金融产品，小微企业可以用，但甄别票据真假，如何组合付票，研究贴现利率，选择贴现时机，对他们来说，显然难度“超纲”。
其次，从“金融”向“经营”延伸。比如开连锁店的小微企业，不仅希望银行能一站式处理多门店、多平台的收款，还希望银行能帮他统计分析，哪个门店生意好，哪个差，营销预算怎么分配，和自己同类型的连锁店生意怎么样，有什么好的营销举措，如果想开新店，去什么区域布局，性价比最高。
第三，从“独立提供”到“跨应用调度”。比如小微企业招投标场景，周期很长，小微企业需要搜索投标项目、分析自身竞争力、撰写投标文书；如果中标，要写合同，要融资。
一位好的CFO，正好能够解决这些痛点，有望成为小微企业的“贴身管家”“生意参谋”和“资源调度大师”。
需求很复杂，但服务范式的变革正在萌芽。
“网商银行做不了所有服务，但可以为小微企业调起其他Agent（智能体）的服务。”冯亮畅想称，“AI票据管家”“AI连锁通资金大脑”“AI投标助手”……有一些应用正在酝酿，不久的将来会尝试运行。
回顾十年前，二维码的身影已逐渐为人们所熟悉，用户们开始尝试在手机银行App上处理水电缴费，小微企业贷款启动了线上化进程，网商银行也在那一年正式登场，与小微企业的故事在十年间徐徐展开。现如今，大模型和AI agent也出现在了金融服务的方方面面，正准备向小微金融的更深处走去，走进乡间地头，走进无数人的创业岁月，网商银行也翻开了它的AI银行新篇章。
冯亮认为，网商银行从科技起家，过去10年是一家不设网点的数字银行，未来10年，要成为一家创造增量价值的AI银行。
“AI的使命，不是替代人，而是创造增量价值，上千万小微企业过去请不起CFO，如果因为技术进步，他们也有了AI CFO，生意做得更大更好，这是社会的增量价值，我们相信，每一次技术的突破，都是通往金融服务平权的阶梯。”
当科技穿透信息壁垒、化解风控难题，小微金融便超越了单纯的经济行为，成为推动社会公平与创新的基石。如今小微金融还是那样难做吗？是的，但无数人在为此努力，努力让乡村农夫的收成、科创企业的专利、个体商户的烟火气，都能在数据与算法的赋能下，获得与大型企业同等的金融“尊严”。
在 NVIDIA GTC 2023 大会上，黄仁勋官宣了和 Milvus 项目合作，Zilliz 被三次邀请上台演讲；大会三天之后，OpenAI 官宣和 Zilliz 合作，在发布的 chatgpt-retrieval-plugin 产品中接入 Milvus 和 Zilliz Cloud。
这是属于向量数据库公司 Zilliz 的高光时刻之一。
那一年，随着大模型爆火，层出不穷的幻觉以及专业领域知识的匮乏，成了影响大模型落地的重要桎梏。而向量数据库作为大模型的的“外部记忆外挂”，承担了起了通过对本地知识进行语义检索，补全大模型落地最后一块短板的角色。
也是在这一过程中，RAG（Retrieval-Augmented Generation,检索增强生成 ）作为大模型结合向量数据库的经典搭配范式，成为了继电商推荐、自动驾驶之后，向量数据库爆发的又一超级场景。
然而，到了 2025 年，在与雷峰网交流时，Zilliz 的 CEO 星爵却直言：传统 RAG 已死。
在他看来，随着推理模型的进步，人们对大模型的知识搜寻不再满足于“一次性”的检索，而希望能对问题进行拆解，然后多次根据反馈来做精细化地搜寻，形成完整解答。
基于这一判断，Zilliz 今年二月发布的基于 DeepResearch 理念的开源项目 DeepSearcher，一个月左右，就在 GitHub 上收到差不多 5000个 star，其火爆程度可见一斑。
在成立 Zilliz 前，星爵在 2009-2015 年间，曾任职于 Oracle，并成为了 Oracle 云数据库产品的前五个创始工程师之一。那段经历，让他亲自参与了当时全世界最先进的数据库系统的建设，更让他坚定了“云是未来”的信念。
而 Oracle 的经历，也在他心中播下了“创造奇迹”的种子：2009 年 6 月，在他前去 Oracle 报道的第一天，他在电梯里遇到一位推着单车，操着一口浓厚的法国口音的工程师。他俩攀谈了一阵，彼此留下了深刻的印象。接下来的两年多时间里，星爵一直与这位工程师同在 Oralce 美国总部 400 号大楼的 7 楼工作，直到其在 2012 年离职创业。这位工程师名叫 Thierry Cruanes，他的创业项目叫 Snowflake。
“见证奇迹是有感染力的。他会逼着你不安现状，然后去思考，去改变，去创造属于自己的传奇”，星爵感慨。
于是，怀抱着创造奇迹的梦想，星爵于 2017 年创立 Zilliz，在大模型风潮尚未席卷全世界时，便已坚定地走向量数据库这条路。“这个世界上存在着 80% 的非结构化数据，AI 理论上让大规模、高效处理非结构化数据成为可能。我很兴奋，希望把握这个机会”。从起初频频遭投资人礼貌拒绝，到后来在 Forrester Wave™ 向量数据库报告中获评领导者象限最高分，他把 Zilliz 的这场尝试称为“理想主义工程师的大冒险”。
但 Zilliz 的成长史，似乎也在不停面临关于“存在意义”的问题：开源比起闭源的意义，向量数据库在通用数据库面前的意义……而在大模型越来越万能的今天，也有人质疑，大模型的进化是否会让向量数据库的作用渐失？向雷峰网回顾商业化进程的同时，星爵也对此做出回应。以下是雷峰网在不改变对话原意基础上所做的整理。
Zilliz CEO 星爵
大模型和向量数据库：仍会互相合作
雷峰网：有个说法，DeepSeek这样的推理大模型出来，让很多过去做的 RAG 瞬间变成“花架子”，向量数据库好像没那么有用了？
星爵：短期来看，确实一些基于公开数据构建的 RAG 应用可能会受到影响，但对于企业私有数据与大模型的结合场景，向量数据库仍然是不可或缺的基础设施。中期角度看，DeepSeek这类推理模型的出现反而会加速AI应用的普及与爆发，催生更多非结构化数据的产生、管理和应用需求，这实际上会进一步扩大向量数据库的市场空间。
长远来看，计算与存储的协同是计算机系统中永恒的基本范式。回顾历史，在计算机发展初期，当冯·诺依曼提出存储计算分离架构时，也曾有人质疑随着 CPU 性能的提升，存储设备会被边缘化。但事实证明，随着算力的增长，存储需求也在同步扩大。预计未来五年内，人类将产生的非结构化数据量可能会超过此前历史上的总和，这更加凸显了存算协同架构的重要性。
雷峰网：最近 Zilliz 在大模型应用上也有些进展，比如 DeepSearcher 开源项目，可以介绍下吗？
星爵：OpenAI 此前推出了 DeepResearch（深度研究）工具，它能够通过多步骤信息收集与推理来生成专业报告。但每月 200 美元的订阅费对许多用户来说过于昂贵，而且该工具在处理企业本地数据方面存在效率瓶颈。看到这一痛点，我们开发出了 DeepSearcher，通过本地部署方式实现了类似功能。DeepSearcher 将大模型、高级搜索和研究助理功能融为一体，特别优化了对本地数据的处理能力，使其更适合企业实际应用场景。这一项目一经推出就获得了广泛关注，在短短一个月内，GitHub 上的 Star 数量就接近 5000。
雷峰网：为什么会看好 DeepResearch 类产品？
星爵：从长远角度看，DeepResearch 这类 Agentic RAG 将会完全替代传统RAG模式。传统 RAG 仅进行单次（one-shot）信息检索，只适合解决相对简单的问题。而 Agentic RAG 充分发挥了大语言模型的深度推理能力，能够通过思维链将复杂问题分解为多个子任务逐步解决。在这一过程中，系统可以针对每个子任务通过向量数据库进行精准检索，实现多轮信息获取，大幅提升信息检索的广度和深度，从而显著降低大模型产生幻觉的可能性。
雷峰网：您之前说向量数据库下一个杀手级的应用可能是 AI Agent，目前我们距离 AI Agent 时代彻底到来还差什么？以及之后数据库在 AI Agent 里如何更好发挥作用？
星爵：AI Agent 的本质是帮助人类处理复杂任务，或者说复合任务。这类任务往往需要多步骤推理、多轮决策，因此 Agent 需要一个可靠的记忆体系来存储中间状态和历史信息，而向量数据库恰好可以很好地承担这个作用。向量数据库能够高效存储和检索非结构化数据，为 Agent 提供长期记忆和知识检索能力，使其能够在复杂任务执行过程中保持上下文连贯性。
目前 AI Agent 领域面临的主要挑战并不在数据存储这一侧。Agent 技术的发展仍处于早期阶段，整个行业还没有找到真正具有颠覆性的杀手级应用。我们尚未看到能够在实际生产环境中大规模部署、并为客户解决实际问题的应用场景。这些场景的发掘和打磨需要工业界和学术界的共同努力。
从技术角度看，Agent 还面临着规划能力不足、多步骤任务协调困难、以及与现实世界交互能力有限等问题。这些挑战需要在模型架构、推理机制和系统集成等多个层面进行突破。我相信随着大模型能力的不断提升和应用场景的逐步明晰，AI Agent 将逐渐成熟，而向量数据库作为其核心基础设施之一，也将在这一过程中发挥越来越重要的作用。
开源长期主义：先苦后甜
雷峰网：您是在什么契机下想成立 Zilliz 呢？
星爵：在创立Zilliz之前，我很幸运地成为Oracle云数据库的前五位创始工程师之一，从 2009 年就开始涉足云数据库领域。这段经历让我亲身体验了全球最尖端、最复杂的数据库系统是如何构建的，也让我深信"云就是未来"。
更关键的是，当我看到自己的产品被如此多的人使用，周围环绕着众多技术大牛时，自然而然也产生改变世界的雄心。在 Oracle 期间，我结识了许多技术领域的顶尖人才，其中包括 Thierry。我们共事两年多后，他在2012年离开创业，创办了 Snowflake——后来成为纳斯达克历史上规模最大的软件 IPO 项目。目睹这样的奇迹发生，我热血沸腾，也希望打造一番自己的事业。
到了 2017 年，AI 开始进入公众视野并得到广泛应用，Transformer 等大模型架构也呼之欲出。当时我就意识到，我们的世界中有 80% 是非结构化数据，而这些数据的高效利用一直是个棘手问题。但AI技术使得大规模、高效处理这些非结构化数据成为可能。那时，我感到一种强烈的使命感和冲动——是时候由我来推动这一领域的变革了。
雷峰网：公司成立后，融资容易吗？
星爵：Zilliz 的早期融资之路异常艰难。作为第一次创业，我切身感受到了这个过程的挑战——创业初期，我们长时间无法获得任何投资，拜访了几十位投资人后，收到的大多是礼貌性的"项目很有意思"、"我们保持联系"这类回应，之后就杳无音信。起步阶段，我只能靠自己的积蓄来支撑项目运转，这确实是一场理想主义工程师的冒险。所幸经过坚持不懈的努力，我们终于找到了真正能够理解我们愿景、与我们理念相契合的投资伙伴。
雷峰网：你是如何说服他们的？
星爵：投资人不会被说服，而是大家本就坚定地认可同一件事情。对我们来说，关键是找到那些已经认同非结构化数据巨大市场空间的投资人。真正的投资决策往往不是靠一次演讲或一份 PPT 说服出来的，当我们遇到那些已经通过自己的研究和洞察，对AI和非结构化数据处理领域充满信心的投资人时，合作就水到渠成了。
雷峰网：当时产品打磨了多久落地呢？
星爵：我们的产品研发历程可以追溯到 2017年。当时我们正在探索向量数据库技术的无人区，需要从零开始构建每一个组件。经过近两年的潜心研发，到 2019 年底我们终于有了一个相对成熟的产品。2019 年 11 月 15 日，我们正式将 Milvus 开源，市场反响出乎意料地好。进入 2020 年后，我们的开源用户社区呈现出爆发式增长，GitHub 上的 star 数量快速攀升，到年底已经积累了超过 5000 名开发者和 300 多家早期企业用户，这有力地证明了我们的产品价值。随着用户基础的扩大，我们也开始看到包括智能搜索、图片和视频检索、推荐系统、欺诈检测和生物医药研发等越来越多的实际落地应用场景，这给了我们很大信心继续前进。
雷峰网：但 Zilliz 是在 2023 年才开始打造商业化产品，为什么公司成立了五六年后才开始正式进入商业化？
星爵：作为一个基础设施产品，数据库系统的复杂性决定了它需要长期持续的技术投入和精细打磨。在 Zilliz 成立的最初几年，我们将主要精力放在了核心技术研发和产品完善上。同时，我们面临着一个更大的挑战——市场教育。作为全球首家专注于向量数据库的公司，我们需要从零开始向整个行业解释这一全新概念：什么是向量数据库？它为什么在 AI 时代至关重要？它能解决哪些传统数据库无法应对的挑战？这种市场启蒙工作虽然耗时费力，但对于开创一个新品类来说却是不可或缺的。这也是我们选择开源路线的核心原因之一——开源模式能够帮助我们更快地获得开发者社区的关注和反馈，加速产品迭代，同时建立起一个活跃且可持续发展的技术生态系统。
我们选择在2023年才推出商业化的 Zilliz Cloud，主要基于两个方面的考虑。一方面，经过多年的技术积累和产品打磨，我们的开源产品 Milvus 在社区已经取得了非常好的成绩，积累了大量的用户和应用案例，产品的稳定性和性能也得到了市场的充分验证。另一方面，我们也恰好赶上了生成式 AI 的爆发，ChatGPT 等大模型的出现让向量数据库一下子成为了AI基础设施中不可或缺的组件，市场需求呈现出爆发式增长。这两个因素叠加在一起，为我们的商业化提供了一个绝佳的时机和起点。
雷峰网：一般来说开源公司商业化的进程普遍都比较慢，您如何看待这种情况呢？
星爵：开源比起闭源有更强的社区能力和创新的生命力，这种差异在长期发展中尤为明显。
硅谷有一种标志性的树木叫红杉，当地有非常多的百年甚至数千年红杉树林，这些树木能够生长到百米高度，形成壮观的生态系统。做数据库，做开源，其实就像种一棵红杉树，你播下种子，它可以至少长到五六十米以上，甚至更高，但前提是你要有足够的耐心和长期主义精神。这个过程可能需要数年甚至十年以上的时间，但一旦成功，其影响力和价值将远超短期商业化带来的收益。
数据库产品做商业化时，开发者社区其实就是最好的客户来源和创新引擎。开源模式虽然前期变现较慢，但能够建立起强大的用户基础和品牌影响力。就像过去十年里 Databricks 和 Snowflake 之间的竞争。Snowflake 作为完全闭源的公司，虽然前期商业化比较容易，能够快速获取收入，但要面对的挑战是后期如何维持创新以及如何高效地商业化获客。随着时间推移，开源的优势逐渐显现——现在 Databricks 技术创新速度和市场增长都呈现加速态势，在最新的一轮融资后，它的估值几乎超过了Snowflake一倍。如果能成功上市，市场上期望它的估值会得到进一步提升。
在Zilliz的发展过程中，我们也坚持这种开源长期主义的理念。虽然短期内可能面临商业化进度较慢的挑战，但我们相信，通过持续投入和社区建设，我们正在培育一棵属于AI时代的"红杉树"，它的根系将深入全球开发者生态，最终成长为非结构化数据处理领域的基础设施。
雷峰网：发展到现在，你觉得 Zilliz 的商业化有达到你的预期吗？
星爵：从整体表现来看，我们的商业化进程达到了预期目标。在过去两年中，我们不仅见证了用户数量的强劲增长，还实现了连续两年营收三倍的增长率。截至目前，Zilliz 已经在全球市场积累了超过一万家企业级用户，产品的累计安装下载量已突破一亿次大关，而且这一数字仍在呈加速增长态势。从市场表现来看，我们的商业化进程正处于一个良性循环中——用户基础的扩大带动了收入的增长，而收入的增长又使我们能够投入更多资源到产品研发和市场拓展中，进一步吸引更多用户。
更重要的是，我们认识到，AI 这个行业的崛起才刚刚开始，我们现在看到的只是冰山一角。随着生成式 AI 和大模型技术的普及，企业和开发者对高效处理非结构化数据的需求将呈现爆发式增长。向量数据库作为连接 AI 模型与海量非结构化数据的关键基础设施，其战略价值和市场空间只会越来越大。我们相信，未来几年将是向量数据库市场真正的黄金发展期，而 Zilliz 凭借多年的技术积累和先发优势，已经做好了充分准备，迎接这一波更大规模的市场机遇。
向量数据库的不可替代：处理非结构化数据
雷峰网：Zilliz 是一开始就考虑海外海内两手抓吗？
星爵：海内海外对我们来说，不是两手。全球化就是一个在硅谷工作的工程师自然的思维方式。当你身处全球创新中心，你的思维方式、产品设计和市场定位自然而然地会超越地域限制。我们从创立之初就秉持全球化视野，将产品设计为面向全球市场的解决方案；团队也是全球化的，分布在全球多个国家和地区，这使我们能够更好地理解和服务不同市场的需求。
雷峰网：在海外的商业模式是什么样的？
星爵：我们的商业模式非常清晰直接。Zilliz 本质上是一家云数据库公司，我们的所有营收都来自于公有云服务。我们采用根据用量的计费模式，客户根据自己的数据规模和使用需求付费。目前，我们已经成功部署在全球五大主流云平台上，包括亚马逊的 AWS、谷歌的 GCP、微软的 Azure，以及中国市场的阿里云和腾讯云。这种多云战略让我们能够覆盖全球各个地区的客户，无论他们选择哪个云服务提供商，都能使用我们的向量数据库服务。随着 AI 应用的普及，我们看到云上的向量数据库需求呈现爆发式增长，这也验证了我们"云优先"战略的正确性。
雷峰网：云上的客户一般是中小客户，还是也有大客户？之前了解到可能一些比较大的客户，不太愿意把自己的资料放到公有云上。
星爵：我们的客户群体非常多元化，既包括初创企业和中小型公司，也有众多大型企业客户。关于数据安全这个问题，我们确实看到企业态度正在发生显著变化。过去，大型企业对将敏感数据迁移至公有云确实存在顾虑，主要担忧数据安全与合规问题。针对这些顾虑，Zilliz从早期就投入大量资源获取了多项国际权威认证，包括SoC 2、GDPR 和 HIPAA 等，这些认证能够满足全球各行业客户的严格合规要求。
此外，我们还专门开发了"自带云环境"(BYOC)解决方案，允许企业在自己选择的公有云专属区域部署我们的服务，同时保持对数据的完全控制权。随着这些解决方案的推出，我们看到越来越多的大型企业正在加速向云端迁移其AI和数据处理工作负载。
雷峰网：那 Zilliz 在 2025 年发展的重点会是什么？
星爵：2025 年，我们的发展重点将围绕两大核心机遇展开。首先，随着生成式AI的爆发式增长，向量数据库作为处理非结构化数据的关键基础设施，市场需求正呈现前所未有的增长态势。其次，全球云计算渗透率持续提高，企业对云原生数据解决方案的接受度显著提升。
基于这两大趋势，我们的战略布局主要分为两个方向：一方面，我们将继续深耕全球开源社区，进一步完善 Milvus 的功能和性能，帮助全球开发者在这波 AI 浪潮中高效处理非结构化数据。我们计划在 2025 年举办更多的开发者大会和技术研讨会，建立更加活跃的技术社区，并推出针对不同行业的解决方案和最佳实践。
另一方面，我们将全力推进 Zilliz Cloud 的商业化进程，这是我们面向企业级市场的全托管云服务。与开源产品相比，Zilliz Cloud 提供了开箱即用的体验、更高的性能保障、全面的安全合规认证以及专业的技术支持，能够满足企业在生产环境中的严苛需求。2025 年，我们将进一步扩大云服务的全球覆盖范围，优化多云部署能力，并推出更多针对特定行业的垂直解决方案，如金融、医疗、零售和制造业等。
雷峰网：那之后向量数据库的发展会要面对什么技术挑战吗？
星爵：未来五年，随着 AI 技术不断深入发展，AI Agent、自动驾驶、机器人和具身智能等前沿领域蓬勃兴起，这将彻底改变非结构化数据处理的方式和规模。向量数据库作为AI基础设施的核心组件，将面临前所未有的技术挑战。
这些挑战主要体现在三个关键维度：首先是成本效益问题。随着企业和组织积累的非结构化数据呈指数级增长，数据存储和处理成本正成为 AI 应用落地的主要瓶颈。以医疗影像为例，一家大型医院每年可能产生数十 PB 的医学影像数据，包括 X 光片、CT 扫描和 MRI 等，如何经济高效地存储和检索这些海量数据？我们正在探索更高效的索引结构和压缩算法，目标是在保持查询精度的同时，将成本显著降低。
其次是实时性能挑战。新兴的 AI 应用对响应速度提出了极高要求——自动驾驶系统需要在毫秒级别内完成环境感知和决策，以确保行车安全；工业机器人需要亚秒级的环境感知能力来实现精准操作。这些场景都要求向量数据库能够在极短时间内完成复杂的相似性搜索。为此，我们正在研发新一代的分布式查询引擎和 GPU 加速技术，以实现超大规模数据集的实时检索。
第三是处理复杂性挑战。未来的 AI Agent 将需要同时处理和关联多种数据类型，如文本、图像、音频、视频和各类传感器数据。这种多模态数据处理能力对向量数据库提出了全新要求。我们需要设计更灵活的数据模型和查询语言，支持跨模态的语义理解和关联分析。例如，一个智能客服 Agent 可能需要同时理解用户的文字描述、上传的图片和语音指令，并从历史交互记录中找到相关信息。这种复杂的多模态查询远超传统数据库的能力范围。
除了这三大挑战外，我们还看到数据隐私和安全合规方面的需求日益增长。随着全球数据保护法规的加强，如何在保障数据安全的前提下实现高效的向量检索，也是我们正在积极研究的方向。我们正在开发基于联邦学习和同态加密的安全向量检索技术，让企业能够在不暴露原始数据的情况下进行AI应用开发。
雷峰网：会担心向量数据库被通用数据库合并吗？
星爵：这个问题很有意思。虽然传统数据库厂商确实在尝试整合向量搜索功能，但向量数据库与传统数据库本质上是两个不同的技术赛道。它们解决的问题、面对的挑战和应用场景有着根本性差异。
从数据处理的本质来看，传统关系型数据库是为结构化数据设计的，处理的是表格化的信息；而向量数据库则专为非结构化数据打造，处理的是图像、视频、长文本等复杂内容，通过AI模型将这些数据转换为高维向量进行存储和检索。
在应用场景上，传统数据库擅长精确匹配查询，比如"找出所有 30 岁的客户"或"计算上个季度的总销售额"，这些都是确定性的问题。而向量数据库则专注于相似性搜索，解决的是"找到与这张图片相似的所有产品"或"检索与这个问题语义相关的文档"等模糊查询问题。
这种差异就像"油改电"与原生纯电平台的区别——虽然都能实现电动驱动，但架构基因、能效表现和扩展潜力存在代际差异。传统数据库通过插件添加向量功能，就像在燃油车架构上强行改装电动机，虽然能获得电动特性，却受限于原始设计框架，无法实现电池管理系统的深度优化、能量回收效率的最大化，更难以支撑智能驾驶等新一代功能的全量释放。
雷峰网：您之前也提过，未来五年向量数据库成本可能降低 1000 倍以上，给自己定的目标是降低 10-100 倍，现在进度如何？
星爵：在成本优化方面，我们已成功实现十倍的降本目标，预计到今年底将完成数十倍级的成本优化。这轮技术突破主要来自三个维度的创新：首先是处理器芯片的架构革新，其次是存储架构的重新设计，最后是核心算法的持续迭代。我们的核心使命是通过基础设施层的创新，将数据管理成本压缩到传统方案的零头水平——这在AI应用的总成本结构中，往往占据最关键的技术杠杆点。
雷峰网：那像 Zilliz 是在 2017 年成立的，目睹 2020 年前后国产数据库的创业大潮，您如何看待这市场环境的变化？
星爵：观察 2020 年前后的市场格局，我认为存在三个维度的结构性变化。首先是资本市场的认知升级，虽然出现阶段性投资过热，但客观上加速了数据库技术从学术研究到产业应用的转化周期；其次是差异化竞争格局的形成，当多数厂商聚焦传统 OLAP/OLTP 赛道时，我们已经完成 AI 原生架构的验证，实现从单机向量检索到云原生分布式系统的技术跨越；第三是产业生态的质变，当时新创的数据库企业虽未涉足向量计算领域，但共同构建起了数据库的人才矩阵——据工信部 2024 年白皮书显示，中国数据库专业人才规模较 2018 年实现 400% 增长，这为整个基础软件行业注入了持续创新动能。
需要特别指出的是，Zilliz在2018年就确立了"AI-First"的技术路线，我们的工程团队当时已攻克百万级高维向量数据实时检索的技术难关。这使得行业在 2022 年迎来生成式 AI 浪潮时，我们能够快速推出支持千亿级向量的云原生架构。
雷峰网：那回顾公司的发展过程，有比较大的困难需要克服吗？
星爵：企业发展就像升级打怪，每个阶段都有需要突破的关卡。如果要问 Zilliz 最需要持续投入的战略重点，我认为是全球化团队建设和组织文化融合。作为在亚欧美三大洲同步运营的科技公司，我们每天都要跨越数字时代的文化鸿沟——比如协作平台的适配难题：北京工程师习惯微信/飞书的即时通讯生态，硅谷团队习惯 Slack 异步沟通，而慕尼黑同事则严格遵循邮件工作流。这种数字习惯的差异看似是工具选择，实则是组织效率的隐形杀手。我们通过数据仪表盘发现，中国工程师日均查看邮件次数只有欧美同事的三分之一，这容易导致跨时区协作出现信息断层。
为解决这一问题，我们开发了自动化信息路由系统，确保不同平台上的重要信息能够互通互联。同时，我们制定了全球统一的沟通标准操作流程，培养团队成员的跨文化理解能力。我深信，最终决定一家企业发展高度的，不是代码行数，而是人才密度和团队协作的乘积效应。
雷峰网：那创业过程中有过后悔吗？如果可以再重新选择一次，您还会选择创业吗？
星爵：（笑）如果世界上有后悔药，我要买来每天当饭吃。创业路上有过无数次自我怀疑和反思的时刻，这些"后悔"也推动了我的自我成长，对昨天的自己的不满意会敦促今天的自己变得更优秀。不过，如果时光倒流，我依然会选择创业这条路。因为在我看来，创业不仅仅是一种职业选择，更是一种生活态度。每一位加入创业公司的同事，都是这场冒险的共同创造者；即便在大型企业内部孵化新业务的同事，本质上也是在创业。从更广阔的视角看，我们每个人都是自己人生、家庭和社区的"创业者"——不断探索、尝试、失败、总结、再出发，这就是创业的内核。
（作者长期关注云计算、数据库等上下游领域，欢迎添加Ericazhao23讨论交流。）
]]> 金融科技 https://www.leiphone.com/category/fintech/NDInk8Qz9DsdTTPy.html#comments Tue, 06 May 2025 12:03:00 +0800 中关村科金携手华为云，发布昇腾云 + 得助大模型平台联合解决方案 https://www.leiphone.com/category/fintech/Ce0mAygY878gcQI9.html 4月23日，由中关村科金与深圳市人工智能产业协会联合主办“大模型·全连接·新增长——2025大模型技术与应用创新城市论坛” 深圳站成功举行，有来自金融、制造、零售等领域的 300 余位专家和代表出席本次活动在本次论坛上，中关村科金携手华为云发布昇腾云 + 得助大模型平台联合解决方案，并全新升级得助智能陪练 2.0、得助智能质检 2.0 两大得助智能客服核心产品，同时推出一站式全球联络中心 Instadesk2.0 版本。
中关村科金总裁喻友平以“垂类大模型加速智能客服从本土化到全球化”为主题做了精彩分享，随着大模型市场的爆发增长，市场上越来越需要能够解决实际业务场景问题，带来真实业绩增长的垂类大模型应用。中关村科金提出“平台+应用+服务”的三级引擎战略，通过数字化+智能化的方式，加速大模型落地和产业智能化升级。
中关村科金总裁喻友平
喻友平在现场透露，今年DeepSeek出现之后，中关村科金是业内首个把DeepSeek应用到实际产品的厂商之一，客服机器人有了DeepSeek之后，在意图理解方面进步明显。有些文本客服的场景，对于实时反馈的时间的要求没那么高，DeepSeek的推理能力、意图理解能力就能得到很好的发挥。智能质检对话、智能陪练的剧本撰写能力方面也有很好的提升。
中关村科金的客服机器人拟人效果也在现场得到展示，一段模拟喻友平音色的数字人声音被播放出来。喻友平也表示，实际使用过程中，高拟人音色是能够作出好的外呼效果的关键，客户应用案例中，借助大模型能力后，其对话轮次、话术合规性均有显著提升。
中关村科金自主研发的得助大模型平台，具备算力工厂、数据工厂、模型工厂、智能体工厂等全链路的大模型开发和应用能力。该平台能够与行业伙伴的专业数据和知识相结合，快速训练出适用于不同场景和行业的垂类大模型，并成功打造了得助智能客服、智能陪练、智能质检、语音机器人、文本机器人、知识助手等一系列具有实用价值的智能应用。
据 IDC 预测，2025 年中国市场排名前三的人工智能应用场景分别是智能基础设施调配、人工智能赋能的客户服务与自助服务、增强型联络中心与现场服务，其中后两者均属于智能客服范畴。
中关村科金方面透露，其得助智能客服 4.0 是业界唯一具备全栈能力的智能客服产品，涵盖了 “1” 个全媒体联络中心、“2” 种大模型机器人（语音机器人和文本机器人为主）、“3” 类坐席智能辅助工具（智能陪练 - 智能助手 - 智能质检），竞争优势显著。
语音机器人通过大小模型组合和智能体重构 AI 外呼全链路，运用大模型实现超高拟人对话，并结合高拟人化语音合成技术，显著提升了智能外呼系统的拟真对话效果。
文本机器人借助 FAQ、知识图谱、多轮对话等技术逐层过滤用户问题，并结合大模型文档问答和小模型高频精准回复，实现 90% 以上的综合自主问题解决率。
得助视频客服依托 ZRTC 音视频平台搭建统一音视频服务中心，一次搭建即可实现远程双录、视频咨询、业务办理等全场景复用。
升级后的得助智能陪练 2.0 拥有 AI 做课、AI 陪练、AI 指导三大核心功能，能够完整覆盖学、练、考、评、改的企业培训场景，有效帮助企业快速提升员工业务能力，成功解决传统培训成本高、周期长、效果难量化等问题。
得助智能质检 2.0 支持全渠道的文本、语音、图片、视频等文档的智能质检，是业内首家多模态质检产品，同时具备业内独家的智能体质检功能，能够一句话完成复杂场景的质检项配置，快速覆盖更多质检场景。
中关村科金面向海外的一站式出海品牌 Instadesk 也迎来2.0版本的全新升级，支持得助大模型国际版，具备多语种大模型训练、实时跨语言翻译、多语言界面切换、小语种语料支持等核心能力，更好地助力中企出海实现全新增长。目前，Instadesk 解决方案已经在跨境电商、海外金融、智能制造、车企&消费电子等出海企业中广泛应用。
关于出海发展，喻友平也在采访中表示，国内外市场需求有所不同。国内市场竞争激烈，新能源汽车厂商更看重客服能力能否业务高速发展的步伐，人工坐席很难覆盖所有潜在用户。曾有厂商对他提出自己的担忧：客服人员只有数百名，一天最多能打出一万个电话邀约试驾，但用户历史数据却有千万级别。
国外市场则有所不同，不同区域的扩展需要被更审慎地对待。例如东南亚市场，人口众多、市场分散，本地化挑战较大，像在印尼、马来西亚开展客服业务时，往往是中文、英文和当地语言夹杂在一起，目前全球范围内都未能有非常有效的语音识别服务。此外，也要考虑到不同国家的沟通方式，以及数据安全、线路、营销环境等问题。每个国家的开放程度和要求都不同，有的国家甚至要求在当地有公司才合作。据雷峰网了解，中关村科金近年来也在发力出海业务，还专门设立“海外事业部”，其主要工作人员均落地深圳。
“上一轮出海，包括智能客服等业务在海外也有一定成绩，但大多是线路整合之类的，市场竞争已经非常激烈。所以，现在还是要依靠大模型在应用效果上的增值作用来牵引业务发展。否则，出海的意义何在呢？必须要开拓增量市场，创造新的客户价值。”喻友平表示。
会上，华为云软件伙伴发展总经理刘晓飞详细介绍了华为云生态伙伴体系，阐述了共建能力、共享商机、共育人才、共赢合作的华为云生态合作愿景。他表示，华为云提供 AI 应用全旅程联合方案构建与支持，基于华为云底座，联合中关村科金的行业能力，在云服务、算力工厂、数据工厂等方面构建联合解决方案，共同为客户服务。
在论坛现场，中关村科金与华为云一起重磅发布昇腾云+得助大模型平台联合解决方案。该方案融合了华为领先的根技术能力与中关村科金在产品技术和场景化能力方面的深厚积累，为客户打造联合解决方案，加速垂类大模型应用落地，成为客户数字化转型的最优选择。
在论坛现场，开泰科技（开泰银行全资子公司）总经理杨帆分享了开泰银行在AI应用上的探索和进展，在金融行业泰语大模型、泰文OCR识别、智能营销、智能车险智能定损、智能监管报表编码生成、智能信贷审批模型生成等业务领域都在快速推进。他认为，大模型正从智能涌现进入到高效融合阶段，期待与中关村科金共同探索垂类大模型应用赋能的AI型组织。
山证科技（山西证券全资子公司）AI应用负责人徐佳正分享了中小券商在大模型领域的研究情况，重点围绕智能研发、风控合规、智能客服、智能投研投顾、智能办公五大板块分享，在资管投研一体化探索上，积极推动山证资管数字化，实现从点到面的发展。她认为，金融企业要顺应AI浪潮发展趋势，从组织管理创新和企业AI思维转变两方面共同发力，用生成式AI重构金融企业竞争力。
雷士照明项目总监梁振荣介绍了雷士照明大模型应用的整体规划和实践，在智能客服场景中，使用大模型客服机器人智能解答各渠道咨询，利用呼入智能IVR结合大模型赋能高效报装维修，通过辅助大模型智能填单提升客服效率等。未来，雷士照明期待携手中关村科金在内部企业知识共享服务中台、AI+BI智能问数平台等方面开展合作，加速垂类大模型应用深入更多业务流程中。
泽拓科技的 CEO 赵伟穿着灰色西装外套坐在办公桌前，说话音量不大，带着微笑和极客特有的真诚与激情。
面对雷峰网关于数据库产品自研与否的提问时，他保持着徐徐的语调，一字一句说：“我们从一开始就大大方方在社区里讲，我们是基于社区版的 MySQL 和 PG 深度研发了大量内核增强、优化扩展和新功能组件，使二者发生‘核聚变反应’, 锤炼成全新的产品。”
他指出，对计算机软件而言，比自己写每一行代码更重要的是能 Hold 住自己产品的完整设计和实现，且要遵循所使用的开源组件的开源协议，因此不会为了自研率有所隐瞒。
泽拓科技的昆仑数据库是借力开源生态做成的。在赵伟看来，这是认清作为创业公司的资源处境时，做出更符合创业公司发展逻辑、对用户更有利的抉择。他形容自己在做的事是“炼丹”——“丹”的主体基于 MySQL 和 PostgreSQL 等开源社区的几个组件作为素材和原料，团队在这基础上增强其原有功能且增加新的功能组件，把这两个原本互不关联的开源单机数据库揉合为具有统一而协调的整体架构和产品功能集——泽拓昆仑数据库。
而建基开源之上的优势是，昆仑数据库能充分融合客户需要的功能：有段时间，社区里都在讲能同时做到 TP（事务处理） 和 AP（分析处理） 的 HTAP 功能，团队便进一步加强数据库的 AP 性能使其具备 HTAP 能力；后来大模型带火了向量数据管理需求，借助 pgvector 这个开源组件，泽拓团队用不到三个月就让昆仑数据库也拥有了向量数据处理能力。“昆仑数据库已有丰富的功能，且有开放可扩展的架构，因此社区关注什么，我们就能快速增加相应的功能”，昆仑数据库就这样成长为数据库的“集大成者”。
但要实现这一点，不可忽视的前提条件是：泽拓科技产品研发团队里有多位来自 Oracle 的 MySQL 原厂内核开发者。他们是赵伟之前在 Oracle 工作时的同事；而赵伟自己，在 Oracle 做过 多年 MySQL 内核研发后，也在腾讯把基于 MySQL 做的 TDSQL 迭代为成熟的分布式数据库产品。深耕 MySQL 和 PostgreSQL 开源生态多年，泽拓团队知道如何最高效高质地基于原有代码做深度研发，满足客户需求。
作为一个借力MySQL和PostgreSQL社区生态的数据库公司，这几年商业化的道路好走吗？依靠社区转化而非传统销售的商业模式，又是否行得通？以下是雷峰网在不修改对话原意的基础上所做的整理。
泽拓科技 CEO 赵伟
社区关注什么 泽拓团队就能讲什么
雷峰网：之前看到，前几年有段时间泽拓团队强调过昆仑数据库有 HTAP 能力？
赵伟：昆仑数据库有 HTAP 的能力，除此之外还有空间数据管理和向量数据管理能力。由于昆仑数据库的计算节点基于 PostgreSQL 研发，大部分组件无需修改即可使用；少量组件（比如 PostGIS 和 pgvector ）需要做内核研发使之适应昆仑数据库的架构。对这些第三方组件做调整的投入都不大，或许只有从零开始研发的工作量的 1%。
之前我们宣传昆仑数据库的 HTAP 能力，是因为有段时间数据库社区里厂商在宣传 HTAP，就像现在大家宣传大模型、RAG 和向量数据管理。昆仑数据库这些数据管理功能都有。社区里关注什么，团队就能讲什么。
HTAP 这个名词是前几年其他厂商提出来的，但 Oracle 很多年前就已经支持 AP 查询了。不过 Oracle 是集中式数据库，到互联网时代，很多中小型公司也有几十 TB 的数据要分析，Oracle 也难以承载大量数据分析需求，所以业界从20多年前开始用 HBASE、 Hive 等去迭代，有了国内外多个 AP 类数据库产品。后来市场就发明出一些需求，也可能是真实的需求，把 TP 和 AP 的功能融合在一个产品里，也就是HTAP。
雷峰网：为什么说是“发明出来”的需求，市场没有 HTAP 的真实需求吗？
赵伟：可能有，但我们实际拜访那么多客户里，很多时候 TP 和 AP 负载还是分开在两个数据库实例中运行。大多数情况下，对于一个 HTAP 数据库，大家往往只侧重使用其 TP 或者 AP 的功能。这样避免两类负载的资源竞争，确保两者性能都更高；而且开源社区有很多免费的数仓产品，客户自己多用些机器就能独立部署 TP 和 AP 数据库。当时我们做 HTAP 也主要是从技术的角度看觉得可能有一些需求，也想通过深度研发一系列技术来大幅改进昆数据库的 AP 性能。现在看，技术和产品层面我们的目标基本实现了，而在用户使用场景方面，更多用户更倾向于把昆仑数据库作为 TP 数据库来直接支撑应用系统，或者从多个其他数据库汇聚数据。
雷峰网：听下来我好奇，你们公司有找到自己产品跟市场的 PMF 吗？
赵伟：我们最本质的 PMF 就是企业级的 MySQL 和企业级的 PostgreSQL。昆仑数据库的计算节点是基于 PostgreSQL 开发的，存储节点是基于 MySQL 开发的，跟其他只支持 MySQL 协议和 SQL 语法的产品相比，对二者的兼容程度要高很多。DBA 的学习曲线也很平滑，他们原先对 MySQL 的运维管理的知识，有很多仍然适用于昆仑数据库。另外 PostgreSQL 近些年在国内外的普及度也在快速上升，昆仑数据库对 PostgreSQL 用户来说，在性能、弹性扩展能力等方面也具有独特价值。
雷峰网：这个 PMF 竞争力大吗？
赵伟：竞争力挺大，因为 Oracle 现在对社区版 MySQL 投入已经大大降低，把研发 MySQL 的资源都投到云上闭源版本了。过去 15 年 Oracle 在社区版 MySQL 做大量投入，基本每个季度发布新版本，就像掉个新的“馅饼”给全球用户。但现在定期发布的开源 MySQL 新版本 已经几乎没有新功能，基本就是在修 bug，对于用户来说以后“天上掉馅饼”的机会就很少了。如果 MySQL 用户有新的功能需求，或者有需要解决的问题，我们就能在昆仑数据库里把这个功能做出来给他们。
同时，PostgreSQL一直没有厂商维护，虽然开源社区的开放性非常优秀，但商业用户不仅需要企业级数据管理能力，也需要可靠的厂商技术支持。
雷峰网：为什么你们团队能做到这点？
赵伟：我们团队十几个人里面，有几个是之前 MySQL 的原厂内核开发者，还有几位 PostgreSQL 内核开发者，我们完全掌握这两个数据库的设计和实现、功能和用法；并且我们这个团队的核心开发者和技术支持人员都有国内外互联网大厂多年工作经验，解决过很多极致负载和极致需求下的技术难题。因为数据库作为基础软件，服务是很重要的，不像手机上下个 APP 就能用。用户需要专业的技术服务。
雷峰网：面对这么多国产数据库，也有观点认为，全自研的数据库可能会比借力开源生态的更有前景，您对此怎么看？
赵伟：从用户视角来看，用户更看重其选择的数据库以及其他基础软件产品能解决其现实问题和需求，有功能需求时供应商能研发出来或者按需更改、遇到 bug 能即时有效地解决，这才是关键。他们反而不会很在意产品自研率是 100% 、80%还是 50%。我们从一开始就大大方方在社区里讲，我们基于社区版的 MySQL 和 PG 深度研发了大量内核增强、优化扩展和新功能组件，使二者发生“核聚变反应”, 锤炼成全新的产品。对计算机软件而言，比自研率更重要的是能 Hold 住自己产品的完整设计和实现，从而按需增强现有功能和扩展开发新功能。而且，要遵循所使用的开源组件的开源协议。因此我们不会为了所谓的自研率做任何隐瞒。
那些 100% 自己写代码的产品，虽然其执着的精神可嘉，但是用户会担忧“产品要多少时间内才能稳定下来”“有多少DBA可以管理这些数据库”“有多少第三方组件适配支持”等问题。MySQL 和 PostgreSQL 开源数据库的成熟度比较高，我们基于此出发，在资金、人力上的投入比每一行代码都自己写的公司少很多，还可以更快完成产品开发迭代。
但有个大家容易忽视的前提是，我们的研发团队本来就对 MySQL 和 PostgreSQL 等组件非常熟悉，能理解其设计思路、知道如何高质量高效地增强和扩展，这是隐含条件。当前昆仑数据库的所有组件的最新代码中，泽拓团队自研的代码总量也占据了总代码量的一多半，并且团队 100% 理解掌握昆仑数据库架构、原理和每一行代码，我们的技术团队其实也具备完整而强大的数据库系统自研能力。
雷峰网：在您看来，泽拓和自研数据库的公司是完全在同一赛道上吗？
赵伟：宽泛点说，大家目标客户群及其所在的行业都一样，就是同个大赛道。但彼此的发展策略不同，比如我们是借力于开源生态，从现有的开源社区发展用户；有的公司是自己重新开辟一个生态系统，前期比较艰苦、投入非常大、见效慢，但一旦做成，整个生态就是他们自己的。
借力开源做数据库是“炼丹”
雷峰网：您是在什么契机下决定创建泽拓科技？
赵伟：2017、18 年左右，云计算普及度很高，国内外也有很多基础软件通过云平台销售——基础软件可以成为独立的产品，这是一种新的商业模式。以前只有 Oracle、微软少数几个美国公司能做到，那几年涌现出 MangoDB、Redis、ES 之类的公司，鼓舞人心，所以我也萌生这个念头。我 2019 年 8 月从腾讯离职出来筹备，公司在 2020 年底成立。
雷峰网：公司刚成立时，设立的产品方向是什么？
赵伟：当时就只是想着做分布式数据库，管理海量的数据，应对极致的负载。虽然产品的功能在持续开发，但有几个基本因素，是我们一直保持的。一是要从开源生态借力，因为创业公司资源有限，做事的效率要比大厂更高而且要更灵活地即时调整。我们把研发昆仑数据库称之为“炼丹”——“丹”的原料一部分是开源社区的组件（即MySQL和PostgreSQL），毕竟我们没有那么多资源从 0 写每行代码。第二是可以从 MySQL 和 PostgreSQL（PG） 的开源数据库社区用户群中发展用户，通过社区发展影响力，让大家知道我们的产品比开源免费版的价值，从而成为我们的商业客户。
雷峰网：为什么给产品起名叫昆仑数据库？
赵伟：我想要一个足够大气又朗朗上口的名字。一开始还想过喜马拉雅，后来想过青海湖，但觉得以湖命名太秀气了。我还列了个表，把全中国两个字的名山大川列了一遍，太行、昆仑、贺兰、峨眉、武当。最后就选了昆仑，万山之祖。
雷峰网：咱们是在 2022 年 8 月左右就已经打磨好产品可以落地商业化吗？
赵伟：当时产品作为数据库来说，基本功能差不多都有了，可以 POC，实际商业化是 2023 上半年开始。我在公司刚成立没多久就雇了第一个销售，但当时产品还没成型，没多久又让人家离开了。现在看那时在商业化方面还是有些急，太想尽早开拓客户。
雷峰网：现在 2025 年初，商业化两年后，目前的进度您满意吗？
赵伟：比当初想象中困难一些。一方面是经济大环境的影响，另一方面数据库作为基础软件，比其他软件推广难度更大。原先设想开源社区用户可以主动转化为我们的用户，后来发现还是得靠传统的商业化方法为主，由销售人员获得客户。
雷峰网：原先的设想难在哪里？是其他基于 MySQL 做数据库的公司带来的压力吗？
赵伟：要说竞争，可能就是公有云大厂，他们也有基于 MySQL 和 PG 做的云数据库，昆仑数据库和他们的产品确实有部分功能重叠。并且，数据库软件就像地基，用户选择产品也很谨慎，建立信任需要较长时间；而且在国内，一个公司用什么软件往往也不是一线技术人员能决定的。作为初创公司，商业化起步比较难，现在有了一批早期客户后，后续会越来越顺畅。
雷峰网：咱们的产品跟大厂有重叠，那差异化的地方是什么？
赵伟：蛮多的，比如昆仑数据库比 OceanBase 和 TDSQL 多了向量数据管理、空间数据管理，比 TDSQL 的 AP 性能更高，等等。虽然这些差异化的部分功能，客户是否需要也因人而异，但我特别想强调一点，昆仑数据库的独特优势是对 MySQL 做深度兼容，因为昆仑数据库的存储节点基于 MySQL 研发而成，不仅仅是其他数据库产品那样仅兼容 MySQL 的协议语法，相当于 MySQL 用户的 DBA 可以直接来运维管理昆仑数据库，上手难度很低。
雷峰网：最开始会选择什么样的客户去打磨产品？
赵伟：比如数据量大的，单个 MySQL 实例装不下，或是 MySQL 复杂查询性能较低，或是需要比 MySQL 更高的一致性、性能，以及更可靠的容灾和故障恢复能力的客户。
雷峰网：会倾向什么行业？因为许多数据库公司可能会选择金融行业作为产品打磨的开始。
赵伟：金融的竞争比较激烈，各大厂也都挤在金融行业里；而且通常成单周期比较长。虽然金融行业有很多 MySQL 用户，但我们现在这个阶段去金融行业可能还有些太早，我们可能要做到第一百个客户再去找金融行业。我们目前还在制造业、教育、医疗、能源、交通等行业开拓。
雷峰网：那在开拓客户的过程中，会面临很多定制化需求吗？
赵伟：会有些，但这些定制都是和数据有关的。用户有需求、产品原先没这功能，这就叫一定程度上的“定制”，但“定制”的功能是有通用性的，可以成为产品矩阵的组成部分。比如我们之前因为客户的需求增加了个功能，就是让他们从社区 MySQL 把数据动态迁移过来后，可以一段时间双库运行，还能随时增量对比校验双库数据相同。这个功能现在已经成为我们产品矩阵里的组件。
雷峰网：国内市场定制化需求会比较常见吗？
赵伟：有的，但不能让用户做“产品经理”，在 ToB 场景，很多用户常常不知道自己真正需要什么，我们要做的就是帮他们解决业务场景的问题，帮客户设计解决方案并规划产品能力然后研发实现。同时，如果是需要浪费很多时间和人力去做的应用层定制化开发，只能给一个客户使用，缺乏通用性、不能产品化，可能就要做取舍了。
DeepSeek给私有化部署数据库产品带来增长点
雷峰网：现在泽拓能实现收支平衡了吗？
赵伟：今年可能会。
雷峰网：前几年国内软件市场价格战也比较明显，泽拓会被影响到吗？
赵伟：公有云上的价格确实比较低，比如小客户 1 核 2G 一年可能就几百块钱。一个创业公司如果还在迭代产品阶段，一年买云数据库可能就花不到一万块。云厂商有体系化的优势，可以把价格打得很低。但我们不和他们比价格，毕竟后续技术服务都有成本，我们通过产品能力和技术服务获得差异化竞争优势。
雷峰网：咱们在 2023 年完成了 A 轮融资是吗？当时是怎么打动 VC 的？
赵伟：对，我们只做过两轮融资。投资人在 2022 年底找到我们，经过交流和对项目的深度考察，挺认可我们产品和团队。同时有个重要因素是，我们一直把估值控制在很合理的区间，我觉得这样做心里比较踏实。后来证明这是对的，至少投资人不会觉得价格太高。
雷峰网：那么，在您看来，DeepSeek 热潮发展起来后对数据库行业有什么影响？
赵伟：有了更多向量数据管理的需求。我们 2023 年底把向量数据管理能力加到昆仑数据库里去，当时 PGVector 迭代很快，但 PostgreSQL 是集中式数据库，单个向量就好几 KB，一个大模型 RAG 应用假设需要管理一亿个向量，就是 TB 级数据量；而且大模型每个向量的维度很大，导致向量数据的常见计算负载非常大。集中式数据库使用单台服务器的资源，承载不了这么大的存储和计算负载。
雷峰网：那 DeepSeek 热潮对数据库公司来说，增长点可能在哪里？
赵伟：DeepSeek 开启了国内各公司各单位可以放心大规模使用大模型的生态环境，尤其是政府事业单位、国企。大模型有个特点，比如 RAG 的向量数据包含了各个公司内部的特定领域知识，用户未必愿意把这样的数据放到云上，于是出现更多私有化部署的需求，这对数据库产品来说是个机会。因为公有云厂商还是更希望用户上云，可以减少实施成本。
雷峰网：那对于数据库的技术会提出新的要求吗？
赵伟：向量数据的特点是数据量和计算量特别大，所以要能非常有效地管理向量数据，目前还有提升空间。这是新的赛道，前两年大家想的还是怎么把 RAG 应用基于大模型跑起来，处于产品研发和推广阶段，数据量和计算负载都不大，在成本、效率方面也没那么在意，但接下来会开始越来越重视全系统效率、成本、可靠性、性能、业务连续性等方面。
雷峰网：在您看来，像向量数据库这类专用数据库，未来发展趋势如何？
赵伟：专用数据库也分多种，像图数据库和关系型数据库区别非常大，甚至可以说底层算法和理论相互冲突。以前 Oracle 试图做过 Oracle Graph，但似乎没有普及开来，因为用关系表存储图然后基于表连接实现图遍历，这样的效率太低了。另外，Redis 的纯内存数据库，其使用场景和需求以及运行的环境或条件也和关系型数据库完全不一样。所以这些专用数据库都有其特定的场景和用户群，与常见的关系数据库差异较大。向量数据是一种数据类型，可以嵌入关系型数据库里，我们在昆仑数据库中支持向量数据管理只用了不到 3 个月，因为昆仑数据库的基础能力可以支持包括向量数据在内的丰富的数据类型，我们仅需为实现向量数据的存储和计算能力即可。
雷峰网：国产数据库在 2020 年前后经历百花齐放，但 2024 年底，墨天轮中国数据库流行榜收录的数据库产品较前一年减少了大约 60 个。您怎么看待这种情况？
赵伟：我感觉本质上可能没有两三百家数据库公司，真正活跃在社区里、官网上有产品介绍和产品发布的，可能也就五六十个产品。而且这其中，国内几个大厂的产品又占了接近一半。细分到每个产品类别和维度后，比如 TP 型、AP；关系、图、NoSQL、时序、JSON；内存、集中式、分布式等等，每个小分类里头的产品其实并不多。不过这些产品如果仅在国内发展，那么空间仍然会比较受限。我们对于未来的发展抱有谨慎乐观的态度，但认为国内各基础软件厂商要出海做全球的客户。
专题介绍
2020年前后，国产数据库创业大潮汹涌。然而，随着AI大模型的出现，人们视线的聚焦与资本的兴趣也发生转变。五年过去，国内的数据库公司现状如何？他们在做什么新的尝试？又遇到什么新的困难？本专题与一系列数据库创业公司的创始人对话，回顾近年数据库公司在商业和技术领域的探索。纵然面对数据库市场的寒冬，从业者们各有招数，怀揣着对数据库的理想与确信，走出各具特色的商业化之路。我们诚邀对此专题感兴趣的从业者共同参与讨论，或是作为受访对象分享您的真知灼见。欢迎添加微信 Ericazhao23。
上个月，Databricks 宣布 Meta 已成为其投资者之一，参与了最近一轮总额达到 100 亿美元的融资，据悉，这是风投史上规模最大的一次投资之一。至此，Databricks 估值已达 640 亿美元。
融资热度持续上涨的 Databricks 背后所代表的技术风向，是其于 2020 年提出的“湖仓一体”。这一概念在数仓领域激起千层浪，成立于 2021 年的云器科技，便是该理念的践行者之一。云器在成立之初就专注于云湖仓，并于去年开始落地商业化。今年 1 月，云器 Lakehouse 向全球用户开放注册，目前单日 SQL transaction 已经接近千万。
“任何一个技术不成为产品是没有作用的，任何一个产品如果不能商业化也是没有意义的”，云器科技 CEO 喻思成向雷峰网说道。创立云器科技前，喻思成曾任 Oracle 全球副总裁，后来成为阿里巴巴集团副总裁、阿里云国际业务负责人，将阿里云海外业务从零开始建立起来。
与同期许多技术驱动的初创公司不同，云器在成立之初便确立了“技术+产品+商业”三驾马车齐头并进的团队架构，团队成员主要自国内外顶尖云计算与大数据企业。早期仍在产品研发阶段时，云器团队便定下目标：与 100 家潜在客户深度沟通，确保产品方向与市场需求对齐。
与雷峰网回顾商业化进程时，喻思成认为公司成立至今大方向始终没有改变，一方面是对“湖仓一体”趋势的预判与确信，AI 出现促进了人们对“湖仓一体”的需求；另一方面，也得益于及时跟进市场需求的团队配合。
云器成立之初，目标就是全球的市场。他们的目标客户是数据型企业中的远见者——需要数据基础设施，并实现数据的价值”。
但喻思成也感慨，云器接下来面对的挑战，就是如何发展得更快一些。这是他的焦虑与野心：不希望云器做一家成长缓慢的公司，希望借下一代数据技术爆发时，云器能实现弯道超车。
以下是雷峰网在不改变谈话原意的基础上进行的对话整理。
云器科技 CEO 喻思成
一个产品打中一千个人的痛点
雷峰网：您当时离开阿里开始创业，是什么契机让您有这样的决定？
喻思成：2020 至 2021 年期间，技术、商业模式和融资环境都经历了重要变革。在技术领域，Snowflake 的成功上市以及 Databricks 等公司的快速发展，有力地证明了“一体化湖仓”是大数据架构的未来趋势。此外，云计算市场格局也基本稳定，呈现出美国三大云厂商和中国四大云厂商的竞争态势。在此背景下，云上湖仓作为下一代大数据处理技术方向，已得到确认。
此前，大数据技术经历了多个演进阶段，从 Teradata 到 Hadoop，再到各大云平台自研的大数据平台，比如阿里云 Maxcompute 。发展至今，涌现出 Databricks 、云器 Lakehouse 等跨云、多云中立的数据平台产品。正如我之前在阿里云体会到的，如果多云一体化云湖仓是未来方向，那么在单一云平台内部实现真正的多云架构，将面临诸多挑战——因此，才有了离开阿里创业的契机。
雷峰网：云器在 2021 年成立之初就已经锚定了要做云湖仓吗？当时商业化策略是什么样的？
喻思成：对，最初计划在两年内研发产品，然后开始商业化。预期是先聚焦中国市场、再拓展亚洲市场，将来考虑欧美，大方向从未改变。截止到 2024 年底，云器经历了一年多的商业化，我们对市场环境的整体体感是，虽然国内商业环境不如 2021 年的预期，但海外市场并没有太大回退，云器依然收获不少客户，整体运行在快速发展的轨道上。
雷峰网：去年这一年在做商业化，是指已经走完 PMF（Product Market Fit，产品和市场达到最佳的契合点）阶段了吗？
喻思成：目前云器已经落地几十个付费客户，营收增长比较快，在阿里、腾讯、AWS、GCP 等平台上都已经有生产的客户。在这些平台上单日 SQL transaction 已经接近千万。但我认为 PMF 是一个持续的过程，到今天都不觉得我们 PMF 走完了。
比如云器的核心优势是独创的增量计算技术，对比传统 数据 Infra 架构，效率提升极大。但初期切入时要更换客户现有架构中的哪一块组件？是需要不断迭代的认知问题。不同客户的业务、数据量、使用的技术架构都不同，因此痛点也不一样。客户可能使用多个组件组合的功能，比如用 Spark 做 ETL、用 Clickhouse 做 OLAP等。目前，我们在很多客户实践中逐渐摸索出来，替换 Spark 是最有效的方案。
雷峰网：现在云器出海进度如何？
喻思成：我们已经在东南亚实现商业化，也有帮助国内客户在东南亚落地，但还未进入美国市场。出海方式既有“直客”模式，直接去服务客户，也有跟合作伙伴合作，主要的合作伙伴是七朵云（云厂商），目前云器 Lakehouse 已经适配所有主流云平台。
雷峰网：云器在今年 1 月 15 日宣布 Lakehouse 免费向全球开放注册，为什么考虑这样的举措？
喻思成：云器 Lakehouse 产品正式发布是在 2023 年 7 月份，经过了 18 个月，我们得到了很多 Key accounts 验证，PMF 走到一定阶段后，我们有信心能承接大部分客户的通用需求，因此在 2025 年初正式开放注册。
雷峰网：免费意味着什么？
喻思成：数据普惠不是空谈，用户可以零成本启动。
现在注册的用户飙升很快，客户数量也超出预期。很多客户是公司里的 Data infra 团队，做企业大数据的基础设施；当然也有使用这些基础设施的人，做 Business Analytics、做 BI 的、做数据分析或数据开发的。
云器的 Compiler optimizer 都是完全自研，服务一个客户和服务一千个客户难度完全不一样，系统压力非常大，不只是峰值的问题，还包括设计一个产品要打中一千个人的痛点。
雷峰网：云器有考虑跟 AI 的融合吗？
喻思成：AI 方面一直在做，最近也有发布 AI 产品 Data GPT，通过 AI 大模型技术，让不懂 SQL 的业务人员也可以直接用自然语言交互，内置的指标体系大模型可以把业务语言转换成 SQL 查询业务结果，并展示为报表或图像。这是在云器 Lakehouse 基础上的 AI 能力。
雷峰网：那未来会考虑做信创吗？
喻思成：打造信创体系确实在规划之中，我们目前正在跟相关部门积极沟通，推进国产化软硬件的适配工作。当然，这也要视客户的需求而定。云器早期的客户主要集中在线上互联网领域，如 SaaS、游戏、电商行业，但随着产品能力逐渐被大部分企业认可，业务拓展到线下企业，例如车企，以及未来的银行金融客户，对信创的需求将会日益凸显。因此，我们将根据市场需求，加大在相关领域的投入。
商业闭环从第一天开始培育
雷峰网：在开拓客户过程中会面临困难吗？2021 年前后很多数据库公司创业出来，当时云器创立后在商业化开拓客户过程中，会存在数据库市场被之前的公司占领、需要跟他们抢客户的情况吗？
喻思成：有，但这种情况往往不太多。目前在中国，我们跟存量的云厂商、大数据商业化平台一起去服务和转换的客户，大部分是开源的使用者。现在市面上 95% 的大数据平台，都是使用者用开源软件自己搭建的。但并非所有公司都适合用开源软件去搭建一个大数据平台，因为非常耗费人力和资源。自建数据平台往往适合规模较大且技术较强的公司，对中小型公司、尤其小型公司来说，整体成本难以承受。比如，搭建一个大数据平台需要至少 20 个组件工具，Spark、Clickhouse 等，Data infra 团队少则两三人、多则五六人，而且要百台以上服务器，每年几百万固定的消耗。
从这个角度上说，云器提供了更高效、更经济的解决方案去满足不同企业需求。我们更多是转换 95% 的蓝海市场，而不是在已转化好的 5% 市场里争抢。
雷峰网：云器的客户领域行业上分布也是以金融领域为重吗，还是会更分散？
喻思成：实际上金融领域并不是我们最初的重点，我们更多关注线上垂直互联网，或者叫 Digital native 企业。因为云器 Lakehouse 就是基于云诞生的，对客户的云环境是最基本的要求。目前来看，Digital native 企业上云比例远高于传统企业。
雷峰网：云器的第一个商业化客户是谁？
喻思成：一家为跨境电商建站的 SaaS 企业。
雷峰网：所以在云上打磨好之后，之后会去跟金融之类比较传统的行业接触吗？
喻思成：是的，我们现在已经开始逐渐向线下拓展。虽然还不能在本地 IDC 机房里部署，但支持在私有云环境下安装。
雷峰网：过去在工作中有印象比较深遇到什么困难吗？
喻思成：我们在过去的一年中打了很多硬仗，比如拿下几个旗舰级的客户，如长安汽车、销售易以及东南亚最大的电商物流公司 NinjaVan等。
初期，客户对我们的增量计算技术的通用性、数据引擎技术的效率（数倍甚至十倍于现有架构），以及替代Spark引擎所能带来的成本降低幅度，初期持怀疑态度。只有在实际测试体验过我们的产品后，他们才逐渐认可。因此，如何快速赢得客户信任，是我们目前面临的主要挑战。
为此，我们会组建由我（CEO）或 CTO 带队的专案组，内部称之为“小黑屋”， 通常采用方案演示配合POC（概念验证）的方式，并在客户上线后，提供全托管的 SaaS 服务，接管其运维工作。这个过程短则一个季度，长的要三个季度。
雷峰网：过程中会有觉得困难想放弃的时候吗？
喻思成：那倒没有。困难是很多，但我们的团队绝大部分来自于几个头部云厂商和互联网厂商的核心团队，服务过类似阿里这样数据量、交易量都世界最头部的客户后，没有哪个客户是服务不了的。虽然创业资源有限，但我们坚持提供与头部厂商同等甚至更高的服务标准。这要求团队必须具备极强的战斗力，而面对大型客户，大家反而都感到非常兴奋。
雷峰网：云器创立之初搭建的就是“商务+技术+产品”这样一个完整的团队组合，但同期很多数据库公司早期可能会更专注于技术人员的配置上，为什么云器在创立之初就有考虑这样的配置？
喻思成：云器从最初就重视商业化。在我们看来，任何一个技术不成为产品是没有作用的，任何一个产品不能商业化也是没有意义的。很多技术听起来高大上，但不能产品化；或者产品听起来很好但客户不买单。我们不希望闷头做两年产品后到市场上发现完全不对，再回去从头开始闭门造车。
雷峰网：所以在前期打磨产品时已经一边去跟市场接触、了解用户需求。
喻思成：对。我们在产品研发时，商业化团队就定了一个目标：要和 100 个客户接触，问他们“我目前准备做这个产品，你会不会买单”。
在新技术来临前占据好位置
雷峰网：您感觉国内数据库市场发展到现在，比起云器创立初期来说有什么变化？
喻思成：这是个好问题。我个人觉得，2021 年大家已经感受到整个市场在未来十年内会有大升级，所以很多人出来创业。但到 2024 年市场环境经济形势不如人意，包括云器在内的一些公司，选择出海，国内外同时布局。但全球来看，2021 年看到的未来十年整个代际升级的趋势依然存在，Databricks 最近的融资也可以看出， AI 浪潮下的 Data Infra 需求呈几倍甚至指数级增长。
其实很多国内做大数据平台的友商聚焦点不一样。有的做最上层的 BI 展现，再往下可能是指标，做数据精细化加工，还有做数据中台，再往下有专门做 ETL 编排的，都是为了帮助客户把数据真正用起来，数据已经有了，如何让数据帮客户产生更好的价值。云器是做最底下那一层，数仓，离客户的直接业务还是比较远，更偏技术性。所以虽然也感受到经济的起伏，但感受到的并不像其他友商那么多。
雷峰网：感受不像其他友商那么多，是因为技术上的需求不会因为经济波动有很大的影响？
喻思成：对，因为上层或者越往上靠的厂商，要了解客户的业务和行业，要回答的问题是怎么帮客户用数据赚钱。但云器的客户大部分都是“成熟客户”，如果客户上来就说“我手里有数据但我不知道怎么变现”，那这就不是我们的客户。
雷峰网：现在大家都在做数据普惠化。
喻思成：我们也在做数据普惠化。目前开放注册后企业可以以零成本启动，再按需付费。很多客户希望能以低成本进行数据处理，而不是投入百万级别的资金来搭建大平台。云器的最低消费客户每月只需支付大约 10 元人民币，这大大降低了使用成本。
雷峰网：所以您讲的“成熟客户”，也是云器在选客户时着重看的标准是吗？
喻思成：对。举个例子，如果数据是原材料，大数据平台就是厨房，客户做数据分析的人员就是厨师，其用户就是外面的食客。我们看一个客户是不是成熟，就看这个食客比例有多高。如果这个企业里有 30% 以上的人没有数据就开不了工，说明它真的是数据驱动型企业；但如果整个公司数据只有老板定期看看报表，这就不是一个很成熟的企业。
云器是做厨具的，让客户只需要留下厨师，不需要另起炉灶。成熟的客户就像厨师，他们知道如何做菜，而我们的工具就是帮助他们做得更好。
雷峰网：您也提过中国用户对数据平台的选择很多时候不是简单常理推论可得，不是一个特别容易拓展的市场，您观察到大家有些什么样的选择特点？
喻思成：中国的客户大致分为两类：一种是能独立做菜的，另一种是不知道怎么做菜的。对于后者，最开始要解决的就是要给他们提供咨询服务，告诉他们 Data monetization（数据价值实现） 如何做。随着市场的发展，越来越多企业能自己做菜，但偏向咨询的业务模式并不适合我们，我们更倾向于做产品型公司。
雷峰网：Databricks 在 2020 年提出湖仓一体，当时还是比较新的概念。现在发展到 2025 年，您对湖仓一体的认知上会有什么变化吗？
喻思成：没有变化过。我们很幸运，当时就坚定地做下来。AI 大模型的出现将加速这一趋势，未来几乎所有企业都能利用它来实现 AI 应用，将结构化和非结构化数据存储在一个 Lakehouse 中，满足不同客户的需求。
雷峰网：眼下推进湖仓一体会面临什么难点吗？
喻思成：没有太大障碍，大家基本默认数据库底下要用湖仓一体，这也是为什么 Databricks 这几年估值涨得非常快；另外我们也看到更多机会，例如在云湖仓上有更高时效性的数据分析的需求。
雷峰网：会有新出现的技术给湖仓一体落地带来挑战吗？
喻思成：目前没有，湖仓架构本身已经得到业界广泛认可，主要还是一个标准花落谁家的问题。就像目前数据库三个标准，Delta Lake、Hudi，之前 Databricks 把 Iceberg 也收购了，就看最后谁来掌控数据湖的标准。而我们思考的是提前布局，构建更加“一体化”融合的数据平台。因此云器发布的包括一体化引擎 Single-Engine，以及实现的通用“增量计算”技术，正是为了提前布局下一代数据平台的技术能力，应对未来更深层次的融合需求。
雷峰网：这几年云器商业化过程中会面临什么困难吗？
喻思成：我们到今天为止，最大的困难都还是怎么能发展得更快一些。我们的商业化版图一直在扩张，但始终对我们来说最大的问题都是怎么能跑得快一些、再快一些。
雷峰网：是觉得有哪里发展得慢了，有些焦虑吗？
喻思成：我们不希望做一个缓慢成长的公司。
雷峰网：怎么定义“缓慢成长”？
喻思成：很多人说“慢即是快”，它确实有哲学含义，但我觉得还是要能很快在一个商业化环境里迭代验证自己。2021 年数仓向数据湖发展，2023 年就开始出现生成式AI（GenAI），迭代速度会越来越快。Deepseek 出现后，下一个 Deepseek 很快就会出现。我们希望在下一代技术来临前，占据一个好的位置、一个领导者的位置。
专题介绍
2020年前后，国产数据库创业大潮汹涌。然而，随着AI大模型的出现，人们视线的聚焦与资本的兴趣也发生转变。五年过去，国内的数据库公司现状如何？他们在做什么新的尝试？又遇到什么新的困难？本专题与一系列数据库创业公司的创始人对话，回顾近年数据库公司在商业和技术领域的探索。纵然面对数据库市场的寒冬，从业者们各有招数，怀揣着对数据库的理想与确信，走出各具特色的商业化之路。我们诚邀对此专题感兴趣的从业者共同参与讨论，或是作为受访对象分享您的真知灼见。欢迎添加微信 Ericazhao23。
]]> 金融科技 https://www.leiphone.com/category/fintech/wbAFrT0LjTDpQb6W.html#comments Tue, 25 Feb 2025 16:20:00 +0800 对话ClapDB李令辉：AI爆发让数据库市场价格战失去意义？ https://www.leiphone.com/category/fintech/DQAy6RI1puIHGvCg.html价格战，是这两年国内数据库行业面对的共同困局。
ChatGPT 狂奔后，市场融资风潮转向更有想象力的 AI，企业们的大头成本也烧在了 GPU 上。在 ClapDB 的 CEO 李令辉看来，AI 的出现，让前两年数据库价格战场的硝烟弥漫都沦为烟雾弹：
对于许多大企业来说，AI 时代下 GPU 成本预算可能占 50% 以上，在仅占不到 10% 的数据库成本上想办法，杯水车薪。而银行等对数据库全方位性能要求高的传统企业，单条数据价值高、数据库迁移成本也高，比起进行风险未知的迁移替代，每年把成本继续投掷在老牌数据库稳定运维上更显靠谱。
大企业的市场难对初创数据库公司开放，但国内的中小企业购买力也不足——在数据库软件上，大家常会用开源等经济成本更低的方法代替。有开源的衬托，数据库软件对企业而言只是奢侈品，而非必需品。但奢侈品的销量并不会因价格波动有很大变化，人们往往对必需品的价格才会敏感。
同时，数据库行业易守难攻。在李令辉看来，初创公司要找到自己的不可替代性，开辟大公司不愿去到的缝隙市场，打游击战、再建新的根据地。“对小公司来说，理论上好用的枪最多也就十条，这怎么可能依靠功能全面打败巨头呢？”他指出，做跟已有产品一样的东西、但降低成本的策略，在软件业可能寸步难行，因为软件的边际成本为 0。
种种烟雾散去，战场上只留下多败俱伤的数据库企业们。
“中国部分基础软件的技术已经跟上了世界，但需求端用不到这些技术上的进步”，李令辉感慨。2021 年前后，感受到市场对分析型数据库有需求、云格局也在发生变化，他创立 ClapDB，开始研究基于 Serverless（无服务器架构）、云优先的多模型分析型数据库。当时他坚信，2025 年主流的业务都会跑在 Serverless 上，但 2025 已至，Serverless 浪潮的演变及市场推进未如他想象中快，AI 改变了大家卯足了劲儿跑的方向。他感慨：“如果知道 AI 会出现，我可能真的不会做这个事情”。
从滴滴离职后去往美洽，是李令辉在 ToB 领域尝试的开端。在与雷峰网交流的过程中，他笑说“做 ToB 是一切‘不幸’的开始”。到今天，ClapDB 网站只做英文版，且研发团队不超过五个人，务实的李令辉摸索出颇具风格的商业化之路。
以下是雷峰网在不改变谈话原意的基础上进行的整理。
ClapDB CEO 李令辉
数据库成本优势难打动用户
雷峰网：在创立 ClapDB 之前，您主要在做什么事？
李令辉：我在滴滴 B 轮拿腾讯的钱时加入，负责滴滴的技术架构团队，把滴滴底座做得稍微夯实。但我做了两年多就走了。去时滴滴还是中小公司，走时已经是庞然大物。当时我一厢情愿觉得 ToC 没有太多机会，是产品经理驱动的事情，我们技术人员不起决定性作用，只是维护下限。所以想做 ToB 的事，觉得用技术创造价值更有成就感，于是去了美洽，美洽是做客服的。做 ToB 也是一切“不幸”的开始。
雷峰网：为什么这么说？
李令辉：整个中国 ToB 软件行业几乎没有赚钱的。我加入互联网行业前在一个做 ToB 领域的的科技公司，老板说早知道当年不做公司、把公司卖了买房。当时才 2010 年，ToB 行业已经不如买房。这些年 ToB 行业没有太大变化，至少不到能快速发展的阶段。
但这不能怪从业者。一是中国人均 GDP 到一万美元也就最近几年的事情，之前可能就七八千美元，七八千美元人均 GDP 的市场里也看谁能养活好的 ToB 软件公司。二是我国 ToB 软件行业供给端远远多于需求，大家没有买软件的习惯和文化：西方开源软件出来是替代商业软件，但中国没有这个消费习惯。而且美国的企业基本都是世界上比较赚钱的企业，有盈余去提高生产力，省掉一个人确实可以赚很多钱；但我们就业压力还很大，今年还有大量大学毕业生要去送外卖。
雷峰网：那是什么契机让您决定创立 ClapDB？
李令辉：我当时发现，市场上对分析型数据库有需求，以及云计算带来了一些变化，所以想做这件事。但我现在回头看，我感觉这个判断不是特别正确：云计算变化相当于供给端提供新的可能性，但需求端可能不为所动。不过当时 ClapDB 成立时就没打算在国内卖，目标是海外市场，这个判断是没错的，我认为国内的软件市场在二三十年内不成立。
雷峰网：2020 年底成立的 ClapDB 预想中的商业化节奏是什么样的？
李令辉：我们从头开发的。大概三年时间，到 2024 年产品基本推出，年中进行 POC。你说是不是特别 ready？我们现在在一些设定的场景里很好，但跟 Google 的 BigQuery 或 Databricks 和 Snowflake 比，完整性肯定还有巨大欠缺。我们比的还是某个细分领域中的差异化优势。
雷峰网：这个细分领域是指？
李令辉：我们的优势是在云上，比如用户想要多模态分析数据库，但不想用云托管，因为 BigQuery 可能不好迁移到别的云上。而 ClapDB 是跨平台的，且至少服务器成本很低，是基于云上新的基础设施做 service。
但这个过程其实非常艰难，大企业一开始没有那么强的动力切换我们的数据库，因为他们对数据库功能要求比较完全，功能不完整的数据库对他们来说切换成本很高。二是大企业对成本没有那么敏感，尤其现在成本大头肯定在 GPU 上，很多公司 GPU 预算已经超出总预算 50%，数据库的预算只占 5%、10%，在数据库省的钱都不如把 GPU 优化 10%。所以数据库的成本优势是很难打动用户的。
雷峰网：那对于创业公司来说，用成本打动用户其实是不得已的选择是吗？
李令辉：这么说吧，OpenAI 也是个初创公司，Snowflake 早期比起 Oracle 也是初创公司，但他们都不便宜。西方初创公司往往是 enable 一种新的可能性，但中国的初创公司成立时，投资人不会投一个完全没听说过的、看不懂的东西，一般都希望在美国有个对标。所以中国企业可能在技术上有创新，但在产品形态上一般没有创新的可能。
销售驱动找客户的模式已死
雷峰网：公司目前团队配置如何？
李令辉：研发加上我不到五个人，然后再加上一个行政。我们没有专门商业化落地的团队，确实跟大 B 谈严格来说需要这些东西，要讲自己的产品、做POC、竞标投标后落地。但大公司的周期特别慢，我们这样的小公司很难活到交付一个完整的生命周期，而且往往我们也很难通过他们的采购。
雷峰网：那么 ClapDB 的目标用户一般是什么样的？
李令辉：我们的目标用户是国外的一些中小型公司，主要是小型公司，让他们捧个人场，可以少交点钱。我们希望产品更完整，建立声望后往中型公司打。因为对于技术型小公司来说，一开始就服务大公司是不可能的事。Snowflake 是个例外，他们的早期投资人就是专门投资做大 B 的 VC，很有这方面的渠道和资源。
雷峰网：ClapDB 会选择跟什么样的客户去打磨产品？
李令辉：我们找的客户都在云上。我们 2021 年认为云上未来的一个技术浪潮是 Serverless（无服务器架构），阿里两三年前也在推这个东西。这可以把云计算成本降得很低，我认为这才是真正意义上的云计算开始。
云计算其实是一个算力租赁业务，批发零售的概念，批发一万台服务器然后通过分割成一百万台去卖，挣差价。 Serverless 的好处就是把算力以秒级或分钟级的方式分享，相当于把神州租车的业务变成滴滴业务。之前的云计算就做不到，虚拟机一开就永远开着。
我们当时认为 Serverless 是未来，所有设计都是基于此做的，我们在同一个测试上能比主流的分析型数据库（比如 AWS 的 Redshift 或 Google 的 BigQuery）大约低了 20 倍成本。但就像刚才说的，小成本不足以打动客户。只有到了比较大的金额，比如 100 万节省成 5 万，这件事才有意义，但大企业选用我们小公司的难度也比较大。这也是我们商业模式目前存在的问题：希望给客户带来优势，但用户在得到这种优势上存在困难。而且，一个技术变成主流需要时间。AI 出来后大家都在关心 AI，没心情管这件事了。
雷峰网：大家都在关心 AI，那 ClapDB 会有考虑把 AI 加进我们数据库产品里吗？
李令辉：ChatGPT 出来的时候，很多同行都在做这件事，当时我就说让子弹再飞一会儿。ClapDB 研发资源很少，做任何选择都可以认为投入很大。 AI能力做出来能不能有收益？做出来后竞品多久就能赶上？这些都存疑。如果无法积累护城河，我们为什么要先去做吃螃蟹的人？
我觉得现在 AI 还比较难商用，大家倾向于用 AI 提供情绪价值。目前大家对此的投资逻辑还是 FOMO（Fear of missing out），但这不是小公司能想的事情。
雷峰网：ClapDB 的用户已经在落地了吗？有预测接下来能如何上涨吗？
李令辉：有落地的，但是总量不大。增长我觉得非常不可控，目前在我们看来获客是一个数学上很随机、很离散的事情。我们需要有一个增长爆点，在行业里这个事叫 PMF，目前我们可能还没有找到 PMF，现在也看不出用户主要分布什么行业。找到 PMF 才能预测用户增长，否则就是撞大运。
我相信世界基于概率。我当时在之前创业的 SaaS 公司做过一个用户调查，问用户你为什么选择我们，回答最多的是“你们好看”。我非常惊讶，我说那我作为 CTO 有什么价值？
雷峰网：这会让你感到自我怀疑吗？
李令辉：不是自我怀疑，是让我和自己和解了。人得知道，可能你做了很多努力但最终都没有用。人对自己一定要诚实。
雷峰网：那咱们现在开拓客户的方式是什么样？
李令辉：我们自己运营官网，然后客户来找我们。这种方式效率高，虽然不可控或者成单金额不大，但至少没有额外成本。现在雇一个销售，一年怎么也得三四十万人民币。国内很多公司确实是用销售驱动去找客户，但这种模式现在已经死了——它的前提是有 VC 愿意根据销售回款再投钱，这样的企业主要是靠 VC 活下去的。
雷峰网：ClapDB 的用户都是海外的吗？
李令辉：就是国内的用户我们也把他们当海外对待，不会说去见面什么的，他们都是从网站找过来的。我们对所有客户一视同仁。
雷峰网：我留意到，ClapDB 的网站只有英文版的对吧。
李令辉：是的，我们不做中文版。有个很现实的问题，当中国人发现这个软件是中国人做的时候，就会想讲价，这是消费习惯的问题。我们本来有个中文版，后来发现没有正向作用，深思熟虑后就把那个版本去掉了。毕竟数据分析软件的用户专业水平也较高，不存在语言障碍。
雷峰网：这么听下来，虽然这两年价格战硝烟弥漫，ClapDB 努力不太被影响到？
李令辉：我们本来就很便宜。但我觉得软件价格战没用。如果 SAP 和 Oracle 之间价格战，SAP 用几年成本可能是一亿美金，Oracle 卖 4000 万，这是有竞争力的。但国内软件市场成单价本来就低，没有竞争力可言。而且，软件对大部分公司来说是奢侈品，不是必需品，因为有开源软件的存在。奢侈品很难被价格影响它的销售情况，人们只会对必需品的价格非常敏感。
雷峰网：所以在您看来，价格战对于用户来说，意义不一定有经营者想象的那么大。
李令辉：我觉得没有影响。你看看国内银行们的财务报表，他们缺的不是钱，缺的是用在你身上的钱。创业数据库公司要考虑的是，软件和产品质量对用户的不可替代性在哪里。不可替代的话，大家对价格也不会那么敏感了。
数据库创业“天时”一去难返
雷峰网：那前两年以来的市场环境，对 ClapDB 的商业化会有影响吗？
李令辉：当然会。分两方面讨论，国内和国外。国内其实变化不大，因为国内几年前也没多少软件采购。一般互联网企业都在开源基础上自己做软件，而国企就看预算和客情关系的维护，民企基本是电商会愿意为软件付费，但这两年他们也不好过，IT 预算也在砍。
不过，国外整个大环境经济也不好，2019 年以前 ToB 市场发展非常好，估值超过十亿美金的 Saas 企业随便数都一两百家，但现在很多都转型了，新诞生的也比较少。
雷峰网：回顾这几年商业化过程，有印象深刻面临什么具体困难吗？
李令辉：每个节点都很困难，每天都很困难，明天也肯定比今天困难。这是“灰犀牛”，你知道它一定会发生，你看着它发生、但是没办法改变。
其实海外市场是有需求的，AI 发展后大家对数据库的需求只会越来越旺盛。ClapDB 面对的可能是微软、Google，所以重要的是找到 niche market（利基市场），打游击战，这是小公司的机会。对于一个小公司来说，理论上说好用的枪最多也就十条了，这怎么全面打赢一个大对手呢？
雷峰网：数据库市场的“百团大战”出现后，现在数据库市场还有什么可以打游击战的角落吗？
李令辉：我就正在做嘛，虽然我还不确定打了能到什么。
雷峰网：那像 ClapDB 这样在 2020 年前后成立的数据库公司，打市场时会面临跟几个大云厂商抢客户的情况吗？
李令辉：其实不会，能跟这些云厂商相提并论的公司可能只有 TiDB，也不算小公司了，人家最新估值是三十亿美金。小公司的对手从来就不是大公司。即便是做一个跟已有大公司完全一样的东西、但成本降低，我觉得也做不起来。这个问题的根本是：软件的边际成本是 0。
比如说，国外工程师固然贵，但研发出来在美国市场赚钱后，在别的市场可以直接授权一个不同语言版本后卖得很便宜，就像印象笔记。他们想在中国市场竞争，随时可以降到跟中国软件一样的价钱去竞争。这就是为什么软件行业没法抄作业，别的行业总有个边际成本，做个瓶起子都有车床要人去操作的成本，但软件行业没有，做好后只要拷贝下载就行。
雷峰网：就您感受，到 2024 年底，国内数据库公司的整体发展情况如何？
李令辉：目前很多国内数据库公司的订单其实就是做项目，顶着数据库的名给甲方做点项目，做成收入然后再融点资。这批国产数据库公司如果想靠销售驱动在国内市场拿钱，很难。但其实国外初创的数据库公司订单量也不一定大，也过得苦兮兮的，因为数据库行业的典型特点就是易守难攻，Oracle这么多年也没有被人换掉。一个是迁移成本高，一个是它承担的作用也比较重要。
雷峰网：所以现在的数据库市场可能会存在定制化程度太高的问题吗？
李令辉：我觉得定制化和商业化这两年互相有影响。毕竟初创公司在完全一样的赛道上和大公司竞争，有时要这样做才能有订单。比如我上次创业的 SaaS 软件的数据是及时保存的，但之前我的一个大客户，说是大客户其实一年也就给不到五万美金，他们的接口人就说习惯有个 save 键，要求我们做个按钮来完成这个功能。我们当时说不用，这个随时保存，保证不会丢；但他就说不行，心里不舒服。最后我们还是答应下来了。
雷峰网：最后这个按钮做了吗？
李令辉：没做，我赌客户会忘掉。我理解的是他要的是情绪价值，情绪价值过了可能就好了。
雷峰网：所以对这些新成立的数据库公司来说，现在要把它做成产业化其实还蛮难的。
李令辉：非常难。给甲方做定制化的数据库公司也做不了很多新的客户，因为每个客户成本巨大，最后都变成给这些公司打工的一些边缘企业。但主要还是国内人均 GDP 不到、人太便宜了。中国 ToB 软件的技术上已经跟上世界了，但商业环境还跟不上。软件是第二产业或第三产业，只有每个人消费高了、希望节省时间去享受生活，我们才能去帮别人提高效率。现在历史进程还没到。
雷峰网：那在滴滴和美洽的经验，对您后来创业做数据库有什么帮助？
李令辉：滴滴的经历让我知道互联网公司是不会买我们产品的，美洽经历让我知道民营企业是不会买的，所以可以避免了在没用的方向的努力和花钱。
雷峰网：感受到不会买的理由是什么？
李令辉：当时我在滴滴，2015、16 年左右，TiDB 刚创业那几位找过来说能不能用一下他们的产品，我说没办法，很现实的问题是滴滴的业务很重要，跑一个初创的东西出了问题难以担责。而且滴滴服务器成本占比非常低，公司追求快速迭代以及稳定地提供服务，当时在最关键的数据库上做冒险, 不 make sense。
我之后在美洽的时候，试用过 TiDB，但是因为我们的利润实在比较低，而 TiDB 其实是根据大型互联网公司的需求设计的分布式数据库，对于我们来说，成本较高，一个集群的费用几乎就和我们所有的服务器成本差不多了。
中国大部分软件公司利润微薄，传统软件公司的人均成本也很低，还远远不到采购更专业的商业软件去提高效率的阶段。而利润丰厚的互联网企业或者国企的诉求又完全不同，借助软件去提升内部效率并不会提升市场竞争力，所以基础软件在国内市场实际上前后为难。
雷峰网：2020 年成立的这批数据库公司，很多产品打磨到现在四五年，也差不多可以商业化落地了。那是否预示着在今年开始，就会有很多国产数据库的好产品出来？
李令辉：基本不会，TiDB 快速发展的时期融资环境非常好，每轮融资都很顺利，即便他在 2019 年之前没有太大的销售数字，那几年全靠开源社区的影响力就一轮轮融资发展起来了。但那个时代一去不复返了。
雷峰网：那创业以来会有成就感的时候吗？
李令辉：会，就是我们技术在行业中做得很前沿，领先世界，在欧美行内人也会觉得这个东西很新颖。但我觉得还是发展得比我预想中慢了一些，如果没有 AI，这个行业的发展可能会快一点。如果我知道 2023 年 AI 会大爆发 ，我可能真的不会去做这个事情，因为天时并不利。
专题介绍
2020年前后，国产数据库创业大潮汹涌。然而，随着AI大模型的出现，人们视线的聚焦与资本的兴趣也发生转变。五年过去，国内的数据库公司现状如何？他们在做什么新的尝试？又遇到什么新的困难？本专题与一系列数据库创业公司的创始人对话，回顾近年数据库公司在商业和技术领域的探索。纵然面对数据库市场的寒冬，从业者们各有招数，怀揣着对数据库的理想与确信，走出各具特色的商业化之路。我们诚邀对此专题感兴趣的从业者共同参与讨论，或是作为受访对象分享您的真知灼见。欢迎添加微信 Ericazhao23。
向量数据库近年水花激荡。
高效检索高维向量数据，对大模型训练和推理至关重要。2023 年大模型狂奔以来，向量检索——RAG（检索增强生成）技术中的一个重要组成部分——也成为数据库技术的核心焦点。
但随着 RAG 的广泛应用，其局限性也逐渐显露：它只能对知识本身做向量化，难以理解独立信息之间的链接，无法结合关系和语境，处理需要更深层次语义关系和上下文细微差别时的复杂查询就显无力。
如何解决这一困境？杭州悦数科技有限公司（下称悦数） CTO 叶小萌带领团队，在 2023 年与 LlamaIndex 联合提出 Graph RAG 设想，并快速分享这个概念的初步验证。
图数据库的优势在于处理关联关系，Graph RAG 通过知识图谱，能更精确全面检索相关信息，使模型能关联上下文给出答复。这个概念起初在国内水花平平，但悦数组建团队持续推动落地，去年 11 月推出悦数 RAG 产品，实现了基于图的检索增强生成，帮助企业应对知识孤岛问题。
微软也于去年 7 月 2 日开源了 Graph RAG 研究项目，让这一概念真正被大众广泛关注。但究其概念提出时间，悦数早于微软。把图库与向量结合的这个团队，起初只有一个人。开发 Graph RAG 的难度几何？致力于打造信创领域图数据库的悦数，又需要多做些什么？叶小萌向雷峰网分享这些年的心路历程。
悦数 CTO 叶小萌
Graph RAG的先行者 一个人也是一支队伍
谈及悦数跟行业的差异化策略，叶小萌直言：技术。
大模型的出现在 2023 上半年带火 RAG。叶小萌介绍道，要让通过公域数据训练的大模型了解私域数据，就要先把私域数据保存下来，这是 RAG 技术的起点。而要快速在私域数据里找到关联内容，就需要将图片文字等知识内容向量化进行比较。
但在向量浪潮下，团队看到其缺陷：向量数据库只能对知识本身做向量化，难以呈现知识间的关联，也因此，擅长处理关联关系的图数据库，在此大有可为。
在悦数团队于 2023 年 8 月首次提出 Graph RAG 概念时，人们对这两者的结合还难以想象。但悦数并未退却，11 月组建团队开始打造这款 RAG 产品。一年后推出了悦数 RAG，目前已进入 PMF，预计今年能进行推广。
对于团队规模七八十人的创业公司而言，在原有产品上分出一条新的线并不容易。除了内核的图库外，做上层 RAG 的团队，起初只有古思为一个人。
2023 年，市面上有的 RAG 三种结合方式在古思为看来“都不是很令人兴奋”。学习 RAG 范式时，深耕图库多年的他敏锐捕捉到， RAG 利用无状态大模型做上下文理解和推理时无法绕过知识图谱，因为真实世界中知识组织结构都是网状的。当时 RAG 的明显缺陷能靠图做 index 来补充，“Graph RAG 足够复杂、足够有想象力，值得投入”，悦数于是开始了 RAG 的研究。
古思为向雷峰网回顾说，Graph RAG 就像一个小帐篷，里面能放很多东西，由此带来的挑战就是做抉择。例如，图的形式是选择现有的知识图谱进行事实检测和推理，还是从不同类型知识中二次处理增强变成图状数据，还是仅用图状结构生成总结？没有足够参考的情况下，每个决定都需反复斟酌。最终悦数取舍简化后呈现的初步验证反响不错；而当时定下来的实现方式，现在依然是 Graph RAG 的默认常用方法。
后续概念的落地比想象中复杂。2024 年上半年，悦数开始提供抽象工具给用户，但技术门槛令当时许多客户难以自己搭建 pipeline。如何让用户即便对图库无感知也能有很好使用效果？两三个月里跟四五十个客户聊过后，团队开始迭代一定程度开箱即用的方案，以消除用户使用产品的心智负担。
回顾起初的探索，对新技术狂热的古思为笑说，自己当时已充分利用生成式 AI 参与工作，如在 2023 年 9 月就成了 cursor 的付费用户，这让他的效率翻二十倍，虽然是一个人做研发，但又不完全是“一个人”。如今团队中不同角色逐渐完备，很多工作都是通过 v0.dev 完成，“这在一两年前不敢想象”。
如今，悦数 RAG 已经可以无缝衔接 deepseek，团队也在基于蒸馏技术、图上推理等功能进行 RAG 迭代，“做更多令人兴奋、更有回报的事情”。
古思为和客户讲解产品
悦数走在前沿，不止在 RAG 的探索。2024 年 4 月，国际标准化组织（ISO）发布了国际标准图查询语言 GQL，是 ISO 在四十多年里制定的第二个数据库查询语言国际标准。这个标准制定开始于 2019 年，在其发布第一版、第二版草稿征求意见的过程中，悦数一直跟踪投入研发。GQL 标准发布后的同年 11 月，悦数也推出悦数图数据库 v5.0 ，是全球第一款原生支持 GQL 的分布式图数据库产品。
开源的 NebulaGraph 经过三四年场景打磨和产品验证后，悦数基于 NebulaGraph 开始做企业级的商业化产品。在图数据库的增长势头下，悦数在 2023 年比 2022 年实现两倍多增长，2024 年又比 2023 年增长近三倍，已接近收支平衡。
在图库进入信创名录前 先做到“万事俱备”
悦数走在成为信创品牌的路上，但“悦数不是为了做信创而做信创”，在叶小萌看来，这是个自然发生的过程：信创的重要特征中，首当其冲便是自主可控，而悦数图数据库的每一行代码都是团队亲手写下，悦数本身已有 IP 和代码的自主权，是做信创的良好土壤。
不过，在 2027 年实现 “2+8+N” 的数据库 100% 国产替代目标下，数十种数据库类型中，目前也只有关系型数据库被收录在册，相对小众、发展势头仍较年轻的图数据库还不在信创名录之列。悦数能进入信创名录、得到认证，是叶小萌的目标之一。而在此之前，他们要做的是匹配各种信创操作系统或硬件，先万事俱备，再等东风吹来。
适配国产硬件生态并非易事。国产硬件起步较晚，国内 CPU 在近几年才集中快速增长。一般较常用的芯片基于 x86 架构和 arm 架构，但现有主要六大国产 CPU，龙芯、海光、兆芯、鲲鹏、申威、飞腾，其中有些比较小众的架构如 MIPS，对团队编译适配提出更高的时间和人力要求。但叶小萌也看到，虽然国产与国外硬件在 x86 的差距仍较大，但 arm CPU 的级别已与国际化水平非常接近。
与国产操作系统的适配也存在挑战，尤其当国产 OS 上游的 Linux 版本仍相对较老时。此外，悦数图数据库在去年 6 月通过中国信通院举办的“可信数据库”图数据库性能测试，是国内首个全项完成该测试的图数据库产品，这也体现了悦数做信创匹配国标的决心。
悦数RAG产品界面
以信创为发展目标的悦数，目前客户也一半以上都有信创需求。
叶小萌观察到，现在还愿意出大价格的企业，许多是国央企或至少有国资背景的企业，也因为此，政企领域的客户竞争总是较为激烈，最甚是金融业——金融业 IT 需求发展起步较早，每年预算高，大家都挤破头往里卷。
在价格战硝烟中，悦数尽量避免受到波及：投标时，悦数会避开除产品分数外其他分数（如价格分数、公司资质、评委打分等）占比过高的场景，也尽量避免卷入抢低价客户的漩涡。叶小萌相信，产品价格得体现产品本身给客户带来的价值，卷技术对行业有利，但卷价格“没法体现软件产品的价值，很不可取”。
数据库市场竞争如长跑 一二梯队已渐显
叶小萌毕业后不久，就扎进图数据库领域。
他在 2010 年底进入 Facebook，一年后开始做图数据库产品。2015 年左右，叶小萌回国，业务蒸蒸日上的蚂蚁正准备引入图库做风控。彼时国内图数据库市场刚起步，业界产品难以满足蚂蚁数据量和查询并发量的高需求。就这样，叶小萌成了团队负责人，开始了这款比 Facebook 的图数据库查询模式更复杂的项目——毕竟后者应用场景单一，基本查询需求都只跟社交网络有关。
蚂蚁曾将自研的图数据库囊括在金融解决方案中一起销售。叶小萌与客户沟通接触时，发现很多银行在数据库、中间件上都有现成配置，但在如反洗钱、反欺诈等新场景上，对图库有新需求。当时图数据库囊括在蚂蚁的成套方案中，无法单独拆分给银行使用，但叶小萌已从中嗅到图数据库的商机。
早期风控主要基于规则和简单算法，随着需求深度提升，传统算法难以满足，图数据库优势渐显。叶小萌举例说到，银行放贷业务要判断企业资质征信情况，便需要企业图谱，了解企业间十几二十层的控股关系，这种关联是图数据库的擅长领域；此外，贷后监控如资金流向等，也是图数据库能大展拳脚的地方。
叶小萌在产品发布会上演讲
亲历图数据库市场成长的浪潮，叶小萌也感受到，这些年的市场教育已卓有成效。现在团队接触客户不再需要介绍图数据库的定义功能，能直接从介绍行业经验和使用场景开始。
而作为从业者，他形容数据库市场的竞争有如跑八百米，进程近半，“虽然不排除有人最后冲刺反超，但到四百米左右已经可以分出第一梯队和第二梯队了”。如今，数据库市场开始大浪淘沙，产品差距只会越来越明显，他对此也抱有信心：淘汰完成后，最后能留下的玩家就是技术产品最好的。
技术狂人叶小萌领略过硅谷科技大公司的工程师文化，深受感染，希望能打造技术上最强的公司。也因为此，悦数的氛围十分接近他心之所向的工程师文化——大家专注做技术、以技术为导向，员工自驱力很强。尤其创立初期，公司团队里几乎全都是程序员，大家的共同点是：非常理想化、相信图数据库未来可期。
不过，对叶小萌来说，创业最难的是突破边界。浸润技术领域多年的他，在 2023 年商业化后开始接触客户，面对的对象从电子屏幕转变为人。“电脑比较简单，你发出指令它执行就可以，但跟客户见面聊天时，要观察对方对自己讲的话的反应、猜测他们背后的想法”，叶小萌感慨，自己仍走在突破自我的路上。
数据库赛道已是红海一片。
2023 年底，墨天轮中国数据库流行度排行榜收录了 288 个数据库产品，而截至 2024 年 12 月，收录产品数下降至 227 款，同比减少 21.18%。数据库市场经历爆发性扩张过后，或已开始大浪淘沙。
矩阵起源创始人兼 CEO 王龙在 2023 年接受雷峰网采访时，曾指国内数据库市场面临割裂和碎片化的情况——市场总体规模仍远落后于欧美市场，但数据库种类却几乎和国外在一个数量级上。
碎片化，意味着可能是高速增长、也有可能是社会效率低下和卷到极致的表现。
2025 年初，再谈及数据库市场现状，王龙直言：只局限在传统“数据库”三个字的创业企业大概率没什么机会了——都要转型，不论是拥抱 AI 或寻找新的突破点。
“就像冰箱里已经有 100 个冰淇淋，去成为第 101 个、非要说自己比别人好，我觉得不会有很好的机会。”王龙向雷峰网说道，“跟 100 个前辈竞争是很辛苦的，要尊重人家过去几十年的积累。”
转型之路何去何从？于 2021 年成立的矩阵起源又做了什么新尝试？且听听王龙的讲述。
矩阵起源创始人兼 CEO 王龙
数据库能对AI幻觉做什么？
谈起 2019 年 Gartner 发布的一个报告，王龙用“冥冥之中”来形容。
当时 Gartner 把所有数据相关产品统一在一个报告里，将其总括为 Database Management Systems（数据库管理系统），2020 年开始称为 Cloud Database Management Systems（云数据库管理系统），分布式计算框架 Hadoop、数据整合分析平台 Palantir、云原生数据平台 Snowflake 和 Databricks 等，都囊括其中。从那时候起，数据库在很多报告里都成了数据平台的一部分或者一种类型，而不是一个单独的赛道。
王龙回顾时认为，擅长从企业客户角度看 IT 市场的 Gartner，已提前感知到了企业IT架构将要发生的变化：比起拘泥于数据库或软件应该方方正正长什么样，企业应该更多的从客户真实需求出发。经过几十年的信息化发展，数据库应该升级为数据管理系统了，“把大家都放在这个赛道里，空间就更宽阔了”。
在他看来，比起传统数据库，数据管理系统内的数据类型更加多样——不同于传统数据库主要管理 SQL 结构化数据，现在很多客户数据管理需求已延展到 PDF 文件、视频音频、Excel、训练和推理数据集等，这给数据库公司带来了升级和转型机会。
“创业要有新的空间、新的想象力和新的标签，创业过程中也要不停自我迭代和进化，找到充分发挥自己优势的市场空间。”王龙在 2021 年成立矩阵起源时，一开始就不是只瞄着数据库，如其英文名“Matrix Origin”所示，他的野心是打造一个支持黑客帝国、虚拟世界的数据平台。 这也是公司成立时的愿景：做简捷强大的数据智能平台。
在推出超融合异构云原生数据库管理系统 MatrixOne 第一个版本后，矩阵起源接着融入 AI，在第二个版本推出了 MatrixOne Intelligence（简称 MOI）。这个基于云原生架构和存算分离设计的平台，目的是将企业内部的自有数据变成能服务于 GenAI 落地应用的 AI-Ready 数据。究其本质，是通过数据+工程+算法的创新结合，减少大模型的幻觉，提高大模型在企业应用场景下的精准度。
MOI概念图
大模型种种便利背后，让人如鲠在喉的是幻觉问题。讲究严谨、精准的数据库能否彻底消除 AI 大模型偶发的模糊幻觉？2023 年 3 月，也就是 ChatGPT 推出后三个月，王龙邀请了几位 Meta 大模型的科学家加入团队，共同探索答案。
他们奔走硅谷及国内各顶级院校和实验室，拜访世界许多知名数学家和科学家。尝试一年后，团队得出结论：完全消除幻觉短期内是不可能做到的，但优质的数据、精心设计的工程架构、持续改良的算法，可以起到很大作用，后者也是从 GenAI 到 AGI 不可或缺的基础能力。
王龙也发现，过去两年 GenAI 落地场景逐渐被解锁，即使不完全消除幻觉，企业和用户也已经能从中获益良多。就像无人驾驶，到不了 Level 5，做到 Level 3 也有很大的社会价值，也已是寥寥可数的世界级团队。
于是矩阵起源便将目标定为，以 MatrixOne 数据库为核心升级的新一代 AI 原生数据平台 MatrixOne Intelligence，通过前沿和创新的技术能力，大幅降低直到完全消除大模型的幻觉，帮助 GenAI 在企业落地，拥抱 GenAI 的广阔赛道。
去年六月，团队开始打造一个连接数据、算力、模型和应用的平台，并取名为 MatrixOS，取得阶段性成果；十月时，为了更直观体现数据和 AI 的结合，重新命名为 MatrixOne Intelligence。
MOI 就此诞生，其口号是“用 AI 处理数据、用数据支持 AI”。MOI 迭代速度非常快，王龙认为，这得益于团队研发原创 All in One 数据库的技术积累；且团队核心成员之前大数据和人工智能的经验非常丰富，他们站在 AI 和数据的交叉点上，或许会是数据里最懂 AI、AI 里最懂数据的一批人。
要迈过A轮到C轮的“死亡谷”
“商业化这事儿容易判断，不用费太大力气客户就愿意试用和购买你的产品，能交付产品和回款，商业闭环就形成了”，王龙说道。更直接地说：投入一块钱能产生十块钱的价值，商业闭环就成立。
在王龙看来，商业化成功的具体表现是 PMF（产品市场契合度 Product Market Fit） 的实现。矩阵起源的产品在去年八月开始跟客户落地，现在基本完成 PMF，已有几十个付费企业客户。
完成 PMF 后，越来越多的客户便找上门来。矩阵起源首先聚焦于能从产品中获得最大价值的行业，在王龙眼中就是传统实体行业。许多数据库公司成长时会与金融客户打磨产品，因其数据量大、需求明确。但在王龙看来，金融行业的公司结构及注重风险的思考角度，决定其对新技术会较保守，市场拓展难度会比较高。
而传统实体企业对 AI 的需求更多是“代替人工”，或者比人工做得更好，实现降本增效，这也是矩阵起源目前主要的客户。跟他们推销产品很简单，只需看 ROI：如果不能帮你赚钱省钱，我也不收你钱。
另外，出海也是矩阵起源商业化的重点之一。公司目前的出海方式主要是跟海外合作伙伴联合运营，合作伙伴负责开拓市场，矩阵起源主要做好支持服务。
王龙相信，海外市场是检验产品含金量的重要方式之一。目前，矩阵起源已跟较大合作伙伴完成破冰，拥有了第一批客户，而公司发布的中英文白皮书也带来新一波合作伙伴——比起国内市场，国外市场对新技术的接纳尊重和付费意愿更高。
在明确知道投入一块钱能产生更多价值的当下，矩阵起源也终于加快商业化的步伐：一方面已经建立商业团队，原来在腾讯云的销售负责人已加入公司；另一方面，也将陆续增加售前、售中、售后的服务支持人员。
矩阵起源团建
进入 2025 年，客户需求明显更旺盛，公司的商机 Pipeline 明显增多。王龙相信，今年有望实现两三倍的收入增长。
不过，在此之前需先跨过一道槛——融资。
矩阵起源刚准备开始新一轮融资，但王龙已感觉到艰难。目前资本市场主要关注两头：刚开始创业的天使轮小项目和准备上市已经开始赚钱的项目。像矩阵起源这种已进入高速成长阶段但还在亏钱的项目，尴尬地卡在中间地带。
这种投资风向意味着 A 轮到 C 轮的断档，王龙对此感到担忧：迈不过 A 轮到 C 轮这个“死亡谷”，企业如何做大做强？现在没有 A 轮到 C 轮的公司，再过三五年，可能就没有几个新兴的成功企业了？即便有很多投资人对矩阵起源兴趣很大，说“投资风向变了你就是我们的第一投资对象”，“但这要投资风向怎么个变法？不知道”，王龙感到无奈。
他也感慨，当下大家的商业模式都很短期：以前企业只要让资本相信几年后能实现省钱和赚钱，或者讲讲“市梦率”和退出机会，就可以拿到投资；但现在只有短期看得到利润的公司，才能拿到投资。
在资本市场萧瑟与客户付费谨慎的双重压力下，数据库公司们也有些力不从心。即便是标杆客户的公开项目，有时压价太低，写标书就得花掉一半预算，即便中标也有烂尾的可能，很多企业索性就不投了，“以前大家还会做亏钱生意，但现在刀架脖子上都不做了”。数据库赛道就这样呈现出“卷”和“躺平”并存的怪象。
矩阵起源上海子公司在去年获得“2024 上海市双百高成长”第一名。王龙高兴的同时，也有些担忧，“一方面说明我们很努力做得很好，这个荣誉实至名归，另一方面真心希望能有更多优质的企业来繁荣整个行业和市场。”
“当然从另一个角度来看，许多现在鼎鼎大名的企业都是经过一两轮低谷的大浪淘沙，才渡过危机最终获得成功的。很多优质成功企业也往往成立在经济低谷时，在低谷时期更看重脚踏实地降本增效的客户，能更好帮助打磨产品。”
“助手”角色之外，大模型与数据库间的更多桥梁
以数据为核心，服务下一代数字世界，是矩阵起源成立时便确立的目标。大模型时代，GenAI 应用和智能体成为数字世界不可或缺的部分。
公司在 2023 年初就启动了 GenAI（生成式人工智能）和数据库的融合尝试。这两年大模型领域日新月异，尝试过程也走了不少弯路。 随着 GenAI 和大模型的热度持续，以及越来越多人学习、接受和试用，现在很多客户对于它能做什么、有何缺陷、需要改进的方面都有了基本认知，商业化的齿轮相比之前也就更容易运转起来。
GenAI 是目前乃至未来五年里最有可能给世界带来革命性变化的领域，王龙直言。在他看来，AI 为代表的数字世界跟物理世界的融合道阻且长，需要芯片、算法、大模型、具身智能、机器人、数字孪生等全方位的突破和进展。但就在当下的数字世界里，纯数字世界内部的工作，如编程、文案编辑、数据管理等，对 GenAI 来说会更显得游刃有余。未来这些纯虚拟世界内部闭环的工作都会被 GenAI 重塑。
他还指出，GenAI 未来可能替代八九成的软件和 SaaS，这会让技术架构出现根本改变。传统的技术架构一般是由高可用数据库/数据平台、处理业务逻辑的中间件、和负责交互的客户端组成，也就是存储层、逻辑层和展示层。数据库是有状态的，但业务逻辑中间件是无状态的，意味着每次请求处理完成后不会保留与之相关的信息。然而，大模型本身也会带状态，也能执行业务逻辑，而 RAG 为基础的智能体也携带了数据和逻辑信息，因此未来将会需要全新的IT架构。
具体到数据库和大模型的结合，王龙指出，一个方向是利用大模型让数据库变得更好用，例如 NL2SQL，ChatBI，以及 AI 驱动的运维调优等。
另一个方向，让大模型替代传统数据管理领域里初级数据工程师、数据科学家或算法工程师的工作。在王龙过往的经验里可以看到，这些工作是很多企业数字化和智能化转型投入最大也是风险最高的地方，也是潜在收益最大的地方。
大模型对客户的可直接体感的作用，将越来越多的体现在“助手”的角色——用大模型加上企业数据或个人数据组成 基于 RAG 的 Agent（智能体），支持人们的工作和生活。矩阵起源在做的事，就是如何让这个助手更聪明，更灵活，更具性价比。
矩阵起源通过聚合、整合、治理和增强客户的数据，使之 100% AI-Ready 来达到这个目的。例如，协助媒体集团整理高质量纪录片视频档案，将好的镜头素材作为训练 AI 的数据集来商业化，最终实现数据资产入表；或协助整理企业数据，更有针对性地为企业开拓市场总结最适合具体渠道产品的销售方式等。
在当前的情况下， AI 应用依然普遍需要定制，矩阵起源的应对策略是聚焦数据智能平台 MatrixOne Intelligence 的核心能力建设，联合合作伙伴进行端到端交付。 王龙坚信，“黑客帝国“的打造，需要 AI 驱动的全新 IT 技术架构，这里一定会有矩阵起源的一席之地。
回顾创业以来的日子，王龙感也有过太多遗憾的决策，但他不变的驱动力是“想做有价值的事”。小到一个项目、一个产品，大到一家公司，王龙正在实现自己“用产品和技术影响更多人”的创业梦想。
国内数据仓库体系的形成，已有大约二三十年。然而，随着数据量爆发，传统的数据管理架构逐渐有些力不从心：
不同系统和组织多源异构的数据造成数据孤岛，重复搬运开发又导致数据治理困难；大家曾一窝蜂涌上数据中台，寄望让这个企业的数字化中心完成数据集中存储开发管理服务等工作，但大量的数据建模与任务运维又对人力提出极高要求。数据中台逐渐成为企业的成本中心。
近几年，一个新解法渐入人们视野——数据编织。它将企业内部散落的数据编织成一张虚拟的数据网，有需求时才产生任务，可以说是数据的“柔性制造”。
这是一个新兴概念。Gartner 发布的《2024 年中国数据、分析和人工智能技术成熟度曲线》认为，数据编织是一种具有前瞻性的技术理念，预计在未来 2 到 5 年内将实现广泛应用。根据 2022 年全球行业分析师报告，预计全球数据编织市场将从 2020 年的 11 亿美元，增长到 2026 年的 37 亿美元，可见数据编织领域需求强劲。
成立于 2021 年的 Aloudata，是国内将数据编织落地的生力军。公司创始人兼 CEO 周卫林近日接受雷峰网采访，分享对数据市场的观察及团队将这个新兴概念落地商业化的过程。作为先行者的 Aloudata 迷茫过，也多走过几步路，如今，期望做出企业数智化领域“L5”工具的他们，正稳步前进。
Aloudata 大应科技创始人&CEO 周卫林
企业苦于数据搬运久矣
意识到数据工程变革这件事的急迫性，是周卫林仍在蚂蚁工作的时候。
周卫林在 2006 年进入阿里巴巴后，在阿里数据平台部待了五年多，2012 年调动去蚂蚁。他说道，自己在 2006-2014 年间主要工作之一便是“为数据找到更大的家”。
这并非易事：当时数据每 18 个月就要搬一次家，往往选型半年、使用半年，接下来半年就要开始想下一代怎么做了，“阿里的数据量增长太快，当时有互联网和人口红利，技术跟不上业务变化”。
周卫林过去蚂蚁后，蚂蚁在 2013 年开始拓展余额宝、花呗、芝麻信用等金融服务，再加上生活缴费、交通出行等更丰富的便民业务，数据增长速度更甚。2021 年前后，其数据量就已经达到 EB 级别，平台上活跃着过万名员工，托管上千万张表、数百万个任务，每年需要花费巨量成本。尽管蚂蚁能从数据产生的价值中获益，愿意支持这项开支，但成本增长的斜率有时还是比营收增长的斜率陡峭太多。
2003 年毕业后就深耕数据领域的周卫林感慨，中国的企业数字化浪潮中有他们这代人种下的因，但结出的果现在却有副作用：数据系统信息密度增加，维护成本越来越高，持续的熵增到最后会导致系统崩溃，一个数据中台往往建立三五年后就要经历一次或多次大型数据治理运动。
Data Fabric 数据编织架构理念图
Aloudata 的 CMO 刘靓也向雷峰网指出，数据中台发展至今，已有明显弊端。一是存算成本高，大量物理预计算意味着存在很多任务产出的资产没人消费，造成资源浪费。二是出现大量相似资产，数据每被开发一遍就复制一份，一份数据可能会变上百份，数据资产背后有大量链路和盘根错节的依赖关系，如果缺乏行之有效的技术管理手段，比如离职员工留下的数据表和口径没能被后来者清楚理解消化，数据治理会非常困难。
三是对数据工程师能力要求很高，中间层建模时需要实现良好复用性，跑任务也需要很多人工运维。数据加工所用到的每张表背后都有链路和复杂的依赖关系。在头部互联网公司、大型金融企业中，链路较长的有上百层，任何一个节点出问题，数据工程师就要半夜爬起来处理。可以说，数据中台并没有根本上解决大量数据分析带来的数据管理问题。
第四，也是更重要的，建设中台意味着大量初始投资和后期持续的投资，然而业务用数的实时性和灵活性需求仍然没有得到很好的满足。也因此，Gartner 在 2024 年度的《创新洞察：数据基础设施成为中国数据与分析生态系统的基石》报告中指出：纯技术驱动的 "大而全 "的数据与分析平台（如数据中台）无法确保切实的商业回报，从而失去了利益相关者的支持。
这些问题，周卫林也都看在眼里。离开蚂蚁时，他四十岁，已经是 P10， “人到四十都有个坎，我开始想我的职业生涯要在哪里结束，对行业演进要有哪些影响。我可以在蚂蚁体系里再做10年，但这很难改变行业。”
对技术怀有梦想的周卫林，和几位后来是 Aloudata 联合创始人的同事，一起在 2021 年 5 月 9 日离开蚂蚁。2021 年 5 月 10 日，Aloudata 成立。
成立后，Aloudata 便提出 NoETL 的思路。“NoETL 不是真的没有 ETL，而是 ETL 自动化”，刘靓解释道。数据中台的本质是“数据仓库+数据服务中间件”，依然是把数据物理搬运后进行数据清洗转换，完成 ETL 过程。而 NoETL 概念下，数据不再需要物理集中同步，其集成是动态虚拟的，用户负责表通过业务语义来表达需求，系统自动化完成 ETL 作业，有“订单”时再发起生产，实现数据的“柔性制造”。周卫林后来发现，他们的这一思路同国际上推崇的数据编织殊途同归。
有了这一风向标，Aloudata 开始了在 NoETL 和数据编织道路上的探索。
数据领域的“自动驾驶” 能直接从L5做起吗？
周卫林描述自己在阿里的工作是ETL工程师，通过写代码的方式解决数据分析需求；而到支付宝后，他从0到1建立一个大数据工具体系，来解决数据分析问题。
企业不死，数据不死。与其靠堆人来解决数据分析的问题，他更希望用工具来自动化解决数据分析的问题。
Aloudata 在 5 月份成立后，同年 8 月就与招商银行签约，合作打磨产品。团队对商业化三步走的规划很清晰——先跟一个头部客户打磨，做出最小可用的技术产品后，完成 PMF 验证，再进行市场化推广。第一步打磨产品就花费两三年，直到 2023 年底，Aloudata 才发布其三个商业化产品：国内首个逻辑数据平台 Aloudata AIR、全球首个算子级血缘的主动元数据平台 Aloudata BIG 和自动化指标平台 Aloudata CAN。
Aloudata 的 CMO 刘靓介绍道，Aloudata AIR 和 Aloudata CAN 是数据编织的落地产品。在 Aloudata AIR 上，数据逻辑集成、不需物理搬运，只连接获取元数据信息，了解表的结构、数据和逻辑关系。用户可以在逻辑集成的基础上用一种 SQL 语言跨源开发逻辑视图，无需关心任务的编排和调度，而这些虚拟表只在有被查阅或加速时才会触发计算或同步任务，是跟数据编织概念最接近的产品。
而 Aloudata CAN 作为一个 NoETL 的指标平台，相当于把数据仓库的汇总层和应用层都自动化，把业务的语义和物理数据链路做解耦，开放所有明细以供灵活分析。刘靓指出，一般可以把数据仓库简单抽象成四层，包括 ODS 层、DWD 层、汇总层和应用层，Aloudata 建议企业数仓建模只做到 DWD 层，即明细层——这时数据都还只有一份，完整干净；Aloudata CAN 实现了语义表达和自动化 ETL 等核心技术突破，进而能够基于 DWD 层模型实现指标的配置化定义与自动化开发，赋予业务人员全部明细数据的分析自由。这是传统数据开发模式无法做到的。
Aloudata BIG 则主要是自动采集和解析元数据，精细刻画数据之间点和线的关系，进而实现各种数据治理场景的高度自动化。不同于传统血缘工具，Aloudata BIG 能精细到某个具体字段算子级的加工逻辑。过去的链路就像传统黄页电话号码，表的关系或数据改变都需要人手工回黄页上登记；但现在，纸质地图变成能实时更新路况、细致描绘到街道、还能自动导航的电子地图。
Aloudata亮相CDIE 2024，与现场嘉宾交流
不过，这套产品的诞生并非一帆风顺。Aloudata 的宏伟目标是实现数据工程的智能化。以自动驾驶做比喻，要实现无需驾驶员的完全自动化 L5 阶段，方法之一是从部分自动化的 L2 做起，但意气风发的 Aloudata 团队，起初想直接从 L5 开始做，一步跨越自动化和智能化之间的鸿沟。
彼时是 2021 年，大模型尚未出现，用拖拽或自然语言等方式表达数据分析需求、再完全自动化数据处理过程，观念太新，技术难度还太大。2022 年以来更务实的市场环境，也给这个宏大理想雪上加霜。尝试了八九个月后，Aloudata 决定调整方向。
从“全自动驾驶”往后退几步，团队给产品加上“刹车油门方向盘”——降低算法的比例、增加了人可以决策的部分，让客户更有安全感，商业化齿轮才顺利转动起来。
2023 年 5 月，周卫林接受雷峰网的采访时曾表示，对自己来说创业最难的是要避免把大厂的做事习惯带进来。2025 年初，再谈及此，他感慨，以前在阿里和蚂蚁“饼有多大，资源就有多大”，建团队不是问题，但创业公司并非如此。创业公司的人才画像与大厂有所不同，后者分工很细，要求人才往往更“专”、从 1 到 N，这类人才在创业公司可能水土不服。因此除了创始团队之外，找到更多有能力从 0 到 1 的人，比如志同道合的销售和市场高管，补齐团队能力，是他的关键工作。
在商业决策上，Aloudata 也摸着石头过河。尽管周卫林在蚂蚁时已经以内部乙方的角色服务各个业务，但当时不管钱，不需考虑财务模型，只需考虑产品价值。出来创业后要首先关注财务模型，把握节奏，理解企业服务本质，以及做取舍：比如当客户用极高的金额要求定制化开发需求时，接还是不接，这是一个问题。
时至今日，Aloudata 对此已有答案：符合公司 NoETL 的方向及三款产品研发节奏的客户需求，才会接下。周卫林坦言，是过去交过的很多“学费”，让团队在自省后，能采取更接地气、更接近创业公司的做法。
走过的每一步都为今日的成功注入血肉。周卫林并不畏难，这些对别人来讲的困难，在他眼中都是新鲜事、他的热情所在。随着对行业的认知加深，看着签单客户增多，有新的小伙伴加入团队，他成就感满满。
Aloudata三周年员工勋章颁发
优先解决数字化程度 10-100 的客户问题
在周卫林看来，商业化的本质逻辑大抵如此：定义好客户的问题，有好的产品解决问题，客户明白产品价值后，就能带动市场宣传教育和品牌效应。
定义客户问题是第一步。在客户选择上，Aloudata 非常明确：优先选择数字化程度 10-100 的客户。周卫林感受到，这个区间的客户被数据量庞大的问题困扰已久，愿意为此付费，且往往在三五分钟内就能听懂 ETL 往 NoETL 转的想法——他们对数据编织的概念已有耳闻，只是等待市场供应商把它变现。
Aloudata 就这样把先进技术先在先进企业里取得实效后，再进行推广。
不过，数据编织毕竟还很新——Gartner 和 Forrester 对数据编织的定义都仍是一套“理念”，而非成熟的工程实践。Aloudata 手握这一与友商明显差异化的重要武器时，自然也需接过市场教育的重担。
Aloudata 在过去几年发布了多个数据编织相关白皮书。去年年底发布的《数据编织价值评估指南》，便系统性解答了客户提出过的疑问。在这之中，周卫林特别提到两个概念：当日需求满足率和当日数据动销率，这在数字化程度 10-100 的企业内常常不可兼得——前者要求看数需求能被即时满足，但若为此让数据持续更新，很多数据当天不一定会被业务场景使用，意味着大量算力被浪费。NoETL 便是通过真实需求表达，触发计算和存储，实现按需计算。
周卫林参加DataFunCon 2024活动
Aloudata 成立的 2021 年，是美元投资和大厂人员出走创业浪潮的高峰。即便当时国内外市场对标公司很少，投资者基本听不懂 NoETL 的概念，但 Aloudata 团队符合风投喜欢的典型画像，且数字化市场空间前景乐观，很快，公司便在 2021 年 6 月和 9 月完成了两轮融资。
周卫林做好了这笔融资要顶五年商业化周期的心理准备。时至今日，他对公司商业化进展颇为满意。刚刚过去的2024年，公司签约了二十几家客户，金融行业占比六七成。目前已有客户涵盖银行、证券、品牌零售、先进制造、医疗等多个行业，包含招商银行、民生银行、兴业银行、平安证券、华泰证券、麦当劳、lululemon、理想汽车等头部客户。
周卫林相信，现在只是起步阶段，Aloudata 还有上百家待签客户，他对新的一年信心满满。他向雷峰网表示，公司在 2024 年底已进入商业化收获期，收支平衡，2025 年会逐步走向盈利，预计营收能再翻三倍以上。如今互联网人才外溢到各行各业，周卫林也认为，未来目标客户将不再局限于数字化 10-100 的客户群，头部客户的签单和示范效应会泛起涟漪，给腰部客户提供指引。
Aloudata 在过去主要是专注于数据虚拟化和 ETL 工程的自动化，未来将考虑结合大模型，发挥其语义理解能力和行动力，提高数据处理分析效率，真正实现数据工程智能化。
站在大模型的肩膀上，Aloudata 距离数据工程领域“L5”的梦想也将更近一步。
随着企业数据增加，寻找有效方法管理复杂、相互关联的数据也日益重要。比起传统的关系型数据库，图数据库更擅长于此。
Business Research Insights的报告显示，2023年全球图数据库规模约6亿美元，预计2032年将达到21.6亿，2023年至2032年复合增长率预计为18.2%。国内也有调研显示，95%企业认为图数据库是重要的数据管理工具，超65%的厂商认为业务上图数据库优于其他选择，目前应用场景主要集中在金融风控、欺诈检测等。
不过，由于目前市场教育仍需提升、图数据库的生态系统和行业应用场景有待完善拓宽等，整体而言，图数据库使用仍处于早期阶段。
作为图数据库市场玩家之一的嬴图成立于2019年，已入选Gartner® 2022《图数据库管理系统市场指南》全球代表厂商，以及登上DataTech 50 2024 / ESG FinTech100全球奖项名单，其在全球图数据库行业地位可见一斑。嬴图也于去年发布Powerhouse，标志产品架构的彻底革新，为复杂数据计算、分析和存储提供快速强大的动力支持。
嬴图的成绩单熠熠闪耀。嬴图创始人兼CEO孙宇熙向雷峰网回顾嬴图的成长历程，感慨完成产品“不可能三角”的闭环并不容易。从0到1，嬴图如何在图数据库市场中打出自己的名声？已经是第四次创业的孙宇熙，这些年对数据库市场又有何观察？
嬴图创始人兼CEO孙宇熙
数据库的市场教育是踩坑踩过来的
做好图数据库这个目标，起源于孙宇熙在2016年的一次创业尝试。
当时他从EMC离开，结束了自己九年的大厂工作生涯后，用两三年做了名为全历史（Allhistory）的文化产品。这个网站的内核是知识图谱，对内容关联性的要求很强。然而，团队在市场调研后发现，当时很多图数据库都算力不足，数据库穿透能力很差，耗费大量资源。
孙宇熙没能找到满意的图数据库。2019年，他亲自下场，成立了嬴图。
不同于传统的关系型数据库，图数据库具有更高的灵活性，支持高维建模和动态建模；能进行更高效的复杂查询与计算、多表关联查询，能实现动态、海量、复杂模型的实时计算与分析；并且是白盒化、可解释的。尤其在查询逻辑上，图数据架构在关联查询时，效率会显著高于关系型数据库；随着查询深度增加，时耗差异会指数级增加。
然而，当时以传统数据库为默认选项的市场，对图数据库的接受如何？
孙宇熙指出，过去几年的数据库市场混乱，极大考验用户的判断能力。一个悖论是：用户要知道产品好坏就要使用产品，但使用产品前往往需要先采购——有些POC只是走一轮过场，让用户在判断产品真实效力时仍举步维艰。而且，图数据库应能做关联分析，但可能是汉字使用习惯导致，有中国IT从业者会习惯性认为数据“库”就是只存不算。
举例来说，把全国工商数据导在图数据库里，若想知道某公司的对外投资网络里有多少股份在百分之几以上的被投公司，只存不算的数据库无法进行递归式穿透，需要把数据导到Apache Spark或Apache Hadoop再写一套程序，之后把结果导到Excel里传回或做成报表，再找一套可视化工具实现。本该实时完成的事变成大规模批处理，要横跨几个部门、花几天，甚至几周才能实现。
很多头部金融机构和银行都走过“采购只存不算的图数据库”的弯路，可以说，数据库的市场教育是大家踩坑踩过来的。尤其早期，涉及到认知层面的碰撞都会很激烈——当时有的客户并不重视实时性的意义，嬴图的产品创新在他们眼中就一文不值，“当你不觉得越快越强是一件好事时，就会陷入螺旋式内卷”。
嬴图图数据库产品2大核心，分别是底层的实时图数据库与上层的高可视化平台。底层的分布式、可扩展、可弹性的高性能原生图数据库，能承载万亿级点边的超大规模数据集，通过超融合统一图计算架构，提供达到实时级别的微秒、毫秒级查询和分析。
市场教育需要时间，是一种集体意识。所幸，对实时性的重视一传十、十传百，孙宇熙在这六年里已感受到头部和中部客户的认知在发生变化。
嬴图图数据库的存储引擎、计算引擎，甚至查询语言都是自研。新的查询语言是否会给用户带来学习压力？2024年4月，国际标准化组织（ISO）和国际电工委员会（IEC）发布了图查询语言（GQL）国际标准的第一个正式版本，嬴图9月就在其最新的Powerhouse版本中提供GQL支持。在孙宇熙看来，标准出现后对技术人员而言就不存在学习成本了，需要考虑的只是在SQL和GQL之间做抉择。
到今天，孙宇熙都相信，图数据库是一种终极数据库。现在市场上同类玩家不多，他这么理解：任何东西有足够的门槛，做的人就一定很少。
产品从1做到99 要五到十年
创业初期做市场调研时，孙宇熙发现，国内市场内有三百多种不同类型的数据库，但具体落地质量参差不齐。早期他经常被投资人问到一个问题：你这个产品是基于哪篇论文的？
“有基于一篇论文可以做出的产品吗？一个产品通常要基于上百或上千篇论文吧”，孙宇熙答到。
他指出，光是计算引擎就可能要建立在一两百篇论文的基础上，而图数据库还包含存储引擎、图查询语言编译器或优化器、数据库管理组件等，还涉及到大量可视化问题，这些都建基于浩如烟海的文献。在一篇论文基础上做出的产品，只能说是“PPT创业”。
产品做出来还只是第一步，距离真正工业化道阻且长。以金融业为例，他们对产品效率、系统稳定性和精准性要求很高，要把产品从0到1再做到99甚至120分，才有可能被采纳。而产品从0到1可能只需花费一年，但1到99就可能要花五到十年时间。“很多东西做到最后都是工程，一个重研究轻工程的公司是极其危险的”。
孙宇熙向雷峰网表示，“功能的完善”、“稳定性”、“效率”这三个重要维度，是数据库级别产品的“不可能三角”——这个三角没有四五年，基本不可能达到闭环。巨大的时间成本对寸光阴寸金的创业公司而言，也是莫大考验。嬴图在相当长一段时间里，做产品研发都依靠自己的资金储备。
嬴图成立于2019年，到现在已迈入第七个年头。头两年公司还在做产品的闭环，第一年大量时间进行内部试验，实现高效的计算引擎；第二年把计算引擎的功能补全，让它跟存储引擎结合，实现端到端闭环。真正商业化落地是在第三年。
2021年开始，产品进行不断迭代，一直到公司成立后的第四第五年，这个“不可能三角”才逐步闭环并增强。这时孙宇熙回顾两年前产品，发现它就是“能用，但不完善”，“挺痛苦的，意味着那不是一个标准化的解决方案”。与国内众多厂商不同，嬴图并不满足于只提供定制化的解决方案。以全球金融风险管理领域为例，2021 年，嬴图为某银行定制的流动性风险管理图中台系统，一经推出就斩获国际唯一的 “流动性风险管理成就奖”，还被 IBM 研究院收录为案例。但孙宇熙深知，定制化虽能解一时之需，却难以推动行业的长远发展。所以，打破定制化局限，创造更具价值的创新样本，通过金融+科技手段，才是将金融风险管理迈向更普适、高效的后手棋。
在这两年，嬴图数据库在持续的场景拓展过程中，研发团队紧密围绕实际反馈，对产品性能进行全方位、深层次的优化，针对不同场景下的特殊需求，从硬件配置到软件算法，从底层系统到交互展示逐一精雕细琢，其系统通用性能够无缝适配各类环境与用户需求。孙宇熙指出，可拓展性也是产品的一大重要性能。现在市场上大量产品没有可拓展性，只能服务中小玩家——如果面对大玩家的海量数据，有拓展性的情况下还要稳定，且葆有良好的性能，这几乎又是一个“不可能三角”。
不过，即便见过很多场景，国内数据库公司仍面临较普遍的发展痛点，即甲方基本把乙方当“外包团队”使用。孙宇熙说道，中国许多甲方高度依赖乙方，要乙方帮忙寻找需求、设计产品，但知识产权理论上都归给甲方。这种合作模式会导致乙方永远在给别人高度定制开发，所做的内容没有延续性。
他也感受到，很多时候头部金融机构更能明白自己的需求，也因此，嬴图很多早期的客户是头部金融机构，在双方合作中打磨产品。
嬴图的又一挑战是身处后疫情时代，客户没钱，资本市场干涸，劣币驱逐良币，价格战愈演愈烈。在孙宇熙看来，这是一件三败俱伤的事情：有企业用十万去做本该用一百万完成的工程，打败竞对拿下单子，但这大概率会是个烂尾工程；客户会因过多烂尾工程而对整个行业产生失望，投入更少，导致行业间争抢更加激烈，由此陷入恶性循环。
要走过辛苦的时期，嬴图很注重开源节流。比如孙宇熙很早就留意到了，公有云并不便宜。于是他们在团队规模还在十人上下时，便决定自己搭建私有云，这已经够几十人开发测试应用，即便加上电费、存储硬盘和监控网络等成本，一年下来也只相当于用公有云两个月的成本，且能保障数据安全。
嬴图推出的一系列相关专著 。
第四次创业 情绪内核稳定是重要招人标准
前段时间，孙宇熙参加了清华一个人工智能和大数据专委会，与老师和毕业校友相聚。大家都在聊出海，嬴图现在也得谈论出海的问题。
嬴图的出海计划里，跟云厂商合作是一个重要方向。孙宇熙指出，今年年初，嬴图已发布了嬴图Cloud2.1版本，并已在海外上线。因嬴图客户大多是大型企业，海外的云厂商可以整套组件都部署到客户那端，其API、SDK都能直接调用，云上的解决方案如图数据库等可以迁移。
国内图数据库市场玩家中也不乏蚂蚁、华为等大厂的身影，但孙宇熙对嬴图在竞争中的优势依然颇有信心。他观察到，目前“old money”头部金融机构依然是数据库的重要客户，但有时互联网的产品放到监管严格、合规流程要求多的金融机构里，容易水土不服；且有时大厂内部复杂的阵营倾向与立场分歧，也会极大影响产品研发。
这也是他在过往的职业生涯中所感受到的。
孙宇熙在清华计算机系学EDA，做CPU芯片设计。毕业后，比起做硬件底层，他更喜欢做网络、操作系统，在雅虎美国、微软亚太研发集团就职过研发或研发管理相关岗位，并曾任EMC亚太研发集团CTO和中国研究院院长。
谈起微软，孙宇熙印象深刻的是“建设性批评”的企业文化。它确实存在积极的一面，但硬币的另一面也会表现为不同部门甚至同部门内的微妙博弈或隐形抗衡。
也因为此，嬴图从创立之日起就崇尚TEAL文化，强调组织的自主性、完整性和进化性。团队的员工情绪（内核）都非常稳定——这是嬴图招聘时着重考虑的一点，再次才是写代码、调试测试的功夫等，“情绪稳定代表心智的成熟和把控自己情绪的能力，这并不容易，有的需要后天极大魄力才能学会”。
嬴图为员工举办的研学沙龙分享活动，特别邀请了国际知名绩效科学领域的Ken West 博士。其分享内容聚焦于如何通过改变潜意识、提升自我意识以及激发正能量。
嬴图是孙宇熙的第四次创业。他从1999年硕士毕业到现在工作的近25年中，有十五年时间基本都在创业。小公司从融资到退出或跟大公司合并的过程，他已经历过三次，可以说是一个创业爱好者。
在孙宇熙看来，自己能承受普通人难以承受的压力，甚至不觉得那是压力。对于过往他并没有太多惋惜，“典型的创业者会选择忘记遗憾”，但在很多个有所突破的时刻，他都感到成就满满——
面对图数据库所需的高计算力，嬴图很早就意识到，需要解决的核心问题是对超级节点极其高效地穿透。现在，嬴图有个名为“超级节点穿透”的核心专利，是全世界首个探索超级节点排序技术的专利，也仅此一个。
当时团队尝试了几周都没能把这串代码跑通。有次孙宇熙在一个国际航班起飞前都还在尝试。起飞关电脑后，他左思右想睡不着，半梦半醒间有了灵感，打开电脑写了一个多小时，终于把这串代码跑通。
那是在2019年下半年，他已记不清自己当时是找乘务员要了杯酒，还是原地振臂高呼了两声，但无比确切的是当时真的超级兴奋。
在2025年的开始，孙宇熙对未来充满信心。他相信，随着市场对图数据库有更好认知，而嬴图又能为客户创造降本增效的产品和解决方案，再次伟大的机会也在眼前。
深耕互联网行业十几年，黎科峰一直在做破旧立新的事：在三星亲历第一代智能手机的诞生，在平安推动用户和数据体系的构建，把百度从PC做到了移动端，在京东从IT做到了数字化。2020年，黎科峰毅然选择告别过往，开始创业。
他创办了数势科技，一家以“推动企业数字化升级，实现数据价值普惠化”为口号的企业数字化升级产品提供商。其最早推出了统一指标开发管理平台SwiftMetrics（2021年获得软著），并结合大模型推出的智能分析助手SwiftAgent，打破了普通人将数据变现到决策过程的门槛。
回顾过往，黎科峰笑称，自己喜欢拥抱挑战、不甘平庸，是身处学校篮球队和足球队经历后留下的性格。不过，他选择的下一个“挑战”为何是Data+AI领域？这又如何解决了当今行业内的痛点问题？以下是黎科峰对雷峰网的分享。
数势科技创始人兼CEO黎科峰博士
从数据沼泽到数据价值 中间隔着Data+AI
在数据驱动的时代，数据重要性已成为共识。然而，SQL的复杂性带来数据解读的高门槛、业务团队与数据团队冗余的沟通资本，让企业一不小心就变成数据的“奴隶”。
近年，数据的存储方式在发生变化。最早是存储和管理结构化数据的数据库，通常用于日常事务处理和数据记录；在此基础上发展出的数据仓库，企业主要通过ETL（抽取、转换、加载）方式将各个业务系统的数据整合，用于分析和报告。
随着大数据技术发展，大数据平台应运而生，在数据存储和处理外，还集成数据分析、数据挖掘、机器学习等高级功能，支持多数据集实时同步等能力。
然而，一路跟数据打交道的黎科峰明白，这远远不够——使用大数据平台仍然需要算法，目前只能由业务人员提需求给数据团队帮忙看数，数据跑SQL后回报给业务团队，数据孤岛严重、指标开发工作冗余、取数用数时效性低下。冗余的沟通成本、双方需求紧急度难匹配造成的不满，或让数据的使用成了公司内部新的消耗。
所幸，黎科峰带领团队，在大模型增强的基础上，带来了新解法。
打通大模型落地的“最后一公里”
追溯黎科峰的创业之路，2019年，当他在跟业内朋友聊天时，偶然灵光一闪：能不能把我在互联网和零售、金融行业的沉淀基于Data加AI做成产品，像国外的Salesforce一样去为企业赋能？
“有梦想就拦不住了”，黎科峰快速低调完成在京东的交接工作，开始创业。不巧，困于疫情的未知，许多投资人在2020年初都放弃投资。但腾讯仍高度认可黎在京东所做的成绩，在天使轮给黎科峰博士投了一个亿。于是，数势科技在2020年4月诞生。
B端服务的切入点在哪？黎科峰观察到，在消费零售和金融领域，许多传统企业在数字化转型时，尽管投入巨资，却往往迷失方向，“为企业提供数字化升级产品与解决方案、提升决策效率，是值得一试的B端服务机会”。为赋能企业数字化决策，黎科峰带领团队，为企业提供基于大模型增强的智能指标平台（SwiftMetrics）、智能分析助手（SwiftAgent）、智能标签平台（SwiftXDP）等系列产品。
数势科技智能指标平台SwiftMetrics架构图
在大模型已成为创新关键力量的当下，AI Agent也成为落地大模型应用价值的“最后一公里”。2023年中，数势科技研发的Agent产品“智能分析助手SwiftAgent”，便是在后端配置数据平台，前端分析指标和维度，以让所有非技术人员都能把数据用起来。
以银行工作的场景为例，黎科峰博士向雷峰网演示，只需对产品用文字或语音输入“帮忙查一下5月份每天存款客户数是多少”，结果便会快速呈现；之后，用户可以要求“对上面的数据做归因分析”，平台接收到这些自然语言指令后，便能立即生成包括数据变化情况、原因、改进建议在内的分析报告。
由此，用户用自然语言便能即时查询公司核心经营数据，进行趋势分析、归因分析等复杂操作，缓解业务方和数据团队间长期需求呼应不及时导致的矛盾。
“数据幻觉”问题在SwiftAgent中也能被避免——黎科峰介绍到，通过引入指标和标签语义层（Semantic Layer），SwiftAgent能将用户的查询问题拆解为一个个标准化的要素，通过预定义的指标维度进行精准匹配，确保数据分析的准确性和一致性。
此外，这套Agent产品后台有指标管理模块管控原子指标的口径，具体的维度如时间、商品品类、区域、门店等，由数势科技自己开发的数据引擎在秒级内组合出答案，无代码就可以组合。AI系统还具备强化学习能力，能够根据用户的反馈不断优化查询过程，提升分析结果的精准度。
指标平台SwiftMetrics和智能分析助手SwiftAgent，已经应用在众多行业头部客户，包括永辉超市、中百集团、胖东来、霸王茶姬、书亦烧仙草、绝味食品、江苏银行、民生银行、中金公司等，不仅提供数据信息和分析，也能成为重要的智库。例如，在霸王茶姬门店营业额出现下跌时，店长可能会火急火燎地询问对策——毕竟人们总是难以认真未雨绸缪，这时，AI agent就能把过往的经验和各种经营层面的知识迅速整合，为他们指出改进方向。
“原来每个场景都得写一套AI算法，现在大模型来了后我只要一个大脑，就能做这么多事情”，黎科峰感慨。
数势科技智能分析助手SwiftAgent架构图
在大模型应用时代创造新的价值
重视应用产生价值，这是黎科峰创业的一个重要风向标——“我不是一个做底层的AI科学家，我更多是看最新技术怎样产生实际的价值和应用，这是我的基因。”
技术的价值，需要在具体场景中实现。黎科峰记得，公司的第一家零售客户是永辉，第一家金融客户是平安证券。而现在客户涵盖范围已更多样，包含金融、券商、零售、制造等。客户使用产品时一个个部门推，尽管不同场景配置的分析模型和指标有所不同，但基本都能沉淀到行业具体不同的应用场景和产品体系。也因此，指标平台和智能分析助手这两款产品也不需要为每个公司高度定制，往往“一解决就是解决一整片问题”。
身份从“打工人”转为“创业者”，黎科峰对此颇有感慨。他认为创业中最难的是“聚焦”——在互联网深耕十几年，从练就的多项技能中筛选出最值得做的事，很不容易。“人做加法是最舒服的，要减到剩下真正有价值的东西，并不好受”，他直言。明确了公司“数据民主化”的价值主张后，他嗅到当下最大的痛点是让非技术人员用起来数据，最终筛选出了这条赛道。
近两年的ToB创业者面临着巨大挑战：整体市场低迷、客户预算紧缩、资本市场冷淡。然而，数势科技在这样的大环境中展现出逆势而上的活力，2024年持续签约行业头部企业，如中原银行、胖东来和霸王茶姬等，全年营收实现逆势增长。
黎科峰向雷峰网提到了心态的重要性。如果说打工时“一切都是逻辑可以讲出来的，有因有果”，那么在创业中，不可控因素才占主要。他曾在朋友圈发过曾国藩的一句话：凡办大事，以识为主，以才为辅；凡成大事，人谋居半，天意居半。受此鼓舞，他决定先把可控的事情做起来，而非一味注重结果，“很多创业人心态焦虑，就是一直在担心还未发生的事情”。
在2025年的当口，在有望迎来Agent爆发的这一年，黎科峰坚信，大模型应用的时代也即将来临。他做好准备迎接。
这背后其实是一个名为“小红花”的新系统在起作用。12月23日，蚂蚁消金对外发布“小红花”智能实时交互式风控系统，并将这一系统运用在花呗这一产品中，使得花呗额度首次进入“可互动“时代。用户上传证书，就有机会提升花呗额度，支持证书种类近20项。
用户在支付宝上搜索「花呗提额」，或进入「花呗-我的额度」页面，就可以上传相应材料，申请额度提升，整个过程可感知、可选择、可管理。
“小红花“首批支持上传的材料有近20项，主要分为三大类，教师资格证、导游资格证、初级会计等职业类证书，托福证书、雅思证书、多邻国英语测试证书等语言类证书，以及校级、省级、国家奖学金等荣誉类证书。
这项新功能，首批开放的用户，主要为职场新人群体。
从蚂蚁消金首席风险官林嘉南的讲述里，我们可以清晰读到“小红花”智能实时交互式风控系统的具体运行方式：
用户先自主上传相关材料，系统对这些多模态信息实时识别、提取，对数据完成标注和验真。各式各样证书当中的可信结构化信息，会被提取出来“浇灌”给系统。系统会将信息转化为对用户的信用评估和判断，在此基础之上，实时给出提额或降额的风险决策。
此次“小红花”的推出，主要是解决过去在材料识别过程中，真假难辨、材料面窄、难以调用等困难。通过AI技术实现精准识别多模态的材料，准确率达到96%，验真准确率达到92%。同时，机器学习让更多冷门证件能被应用，并在交互上确保用户良好的体验。
对于社交平台上出现的一些号称“四六级证书代P图”的服务，林嘉南表示，“小红花”在数据验真环节也采用了“AI对抗AI”的手段，背后有全套技术能力分辨信息真伪。与此同时，随着用户量累积，系统学习到的用户行为模式和也会日渐增多，并且会识别重复出现的虚假信息，其去伪存真的能力会越来越强。
除了信息鉴真部分，“小红花”也考虑到全面性和精准性的提升。
传统的信贷审批材料如银行流水、房产证明、学历证书等，都具有中心化属性，可以通过银行等机构验证。但如今市面上的证书种类之多，未必能通过专家经验来进行判断，审批人很可能从未见过这类证书。即便是完成了信息验证，这些材料和最终的风险决策怎么挂钩，这些都是考验。
如今在大模型的帮助下，系统可以较高质量地识别证书的获取难度、报名门槛、行业分类等等，通过算法在更广泛的人群中寻找相似群体的表现，并将这些表现应用于提交证书的客户群体，以验证用户的区分度，将信息与用户的未来收入区间相匹配。通过这种方式，系统能识别、消化和处理从来不知道的信息，再把这些看似跟信用没有关系的碎片化信息，转化成那些枯燥的授信依据。
实现这些的背后，是漫长的风控技术积累。林嘉南介绍，风控技术在经历了自动化阶段、智能化阶段后，如今迈入了一个新阶段——实时化交互式阶段。数据实效性从动态到实时，数据属性从强金融属性到弱金融属性、强生活属性，数据来源从被动获取到主动交互。
在目前阶段，风控更看重的是如何去进一步获取客户“愿意提供的信息”，如何读懂这些首次被搬上台面的新信息。
在林嘉南看来，近20种证书只是起点，现在职业类型多样，灵活就业群体广泛，如网约车司机、快递员、外卖员、网络主播、自媒体运营等，他们可能有自己的职业技能证书、兴趣技能类证书、甚至网约车司机级分、骑手好评、社交平台粉丝数等等，都是未来有望被采纳的。
以往，用户如果想提升自己的信用卡或消费金融额度，金融机构能接纳的材料，基本为社保证明、公积金信息等，但很多新入职场的年轻人、蓝领群体、灵活用工群体很难提交这类材料，线下跑腿也很不便利。
站在信贷申请页面前的年轻人们，有可能刚换了好几份工作，有可能一直在当自媒体博主，也有可能是早出晚归的外卖骑手，他们未必有好看的收入流水和连续的社保缴纳记录，但这并不是他们得不到合理金融服务的理由。
时代变化之下，有一个隐藏的议题已经悄然摆在金融机构们面前：
随着过去技术的发展，更普适性、更广泛、更标准的数据，已经被挖掘、处理到了极致，只剩下许多碎片化的、非标准化的、弱金融属性的数据。
如何探索新的职业、场景，探索更多弱金融数据维度，探索旧规则、旧经验之外的新故事，满足初入社会的年轻人、新蓝领等群体的额度，获得充足的低利率普惠金融供给。
蚂蚁消金选择主动迈步，去定义、去探索那些无人到访的碎片化数据。
“小红花”的底层逻辑是，用户提供的各种证书或其他材料，一定程度上能从侧面反映ta的职业偏好、兴趣爱好等情况，机构能更好地定位和了解用户的真实额度水位。
而且，一个会去考出各种证书，或者有着优秀评分的用户，ta大概率是一个仍然对生活有追求的，期望人生轨迹继续向上的人。林嘉南表示，“我们希望可以看见用户的每一份努力，给予肯定与赞许，送出一朵额度小红花。”
事实上，这样应用智能交互式风控技术、额度可互动的方式，在小微金融领域已经有所验证。雷峰网了解到，网商银行的“百灵”系统上线两年，不仅得到了用户的积极响应，而且这部分主动提额用户的不良率低于大盘水平。
“只要这件事最终指向的是鼓励用户热爱生活、业务不良率低于大盘水平，就说明它是一个双向健康的双赢举动。”蚂蚁消金总经理江浩表示。
他指出，“小红花”系统的额度互动功能，是蚂蚁消金推动金融健康的一次尝试，“我们希望把额度方向盘交给用户”。
用户可以交材料涨额度，也可以主动调低自己的额度。据介绍，早在2021年，花呗就上线了全国首个消费管理工具 “账单助手”，提供消费预算设定、进度提醒、账单分析等功能，引导用户理性消费。
“金融机构通过自己的专业性，替用户把握住油门刹车，但用户可以自己掌握方向，是向左还是向右，拥有更多自主性。金融健康的关键在于，是否促进了健康的金融行为，是否促进了正向积极的生活行为，小红花系统和账单助手，让用户能够管理自己的金融行为，同时，鼓励的是‘好好学习、积极提升自身素养’的优秀行为。”
江浩表示，未来蚂蚁消金还将有更多管理工具，并把技术运用在更多产品和平台上，帮助用户实现对自身额度和消费的主动管理，切实促进金融健康。
]]> 金融科技 https://www.leiphone.com/category/fintech/7k1OBvQCPS73E70O.html#comments Mon, 30 Dec 2024 11:29:00 +0800 独家丨平安银行零售风控负责人张慎离职 https://www.leiphone.com/category/fintech/KisPMQVNrd4FSWn7.html雷峰网独家获悉，平安银行零售风险管理部总经理、兼平安信用卡风险总监张慎，已于近期离职。
据公开资料，张慎1998年获美国俄亥俄州立大学统计学博士学位，后入职美国运通公司，15年间，他主导开发了公司信用和伪冒风险模型。2012年，张慎加入平安银行，主导改进了平安银行的风控系统，尤其是“SAFE”反欺诈系统。
张慎的离开与今年上半年平安银行总行架构调整不无关系。伴随调整，部分人岗相继发生变动，风控相关的如平安银行信用卡中心风险副总监王文也于数月前离职。
近两年，受经济周期、监管收紧等宏观因素影响，国内金融零售业务持续低迷，银行零售转型热潮减退，信用卡、零售、风控等领域人才频繁流动，已成为一个值得关注的现象。更多近期金融科技人事变动，欢迎添加作者微信 xf123a 获取。雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/KisPMQVNrd4FSWn7.html#comments Fri, 27 Dec 2024 14:35:00 +0800 Deepfake 检测准确率达 98%，蚂蚁数科入选金融科技创新应用案例 https://www.leiphone.com/category/fintech/wQ3BexTxPQ0ZaGE6.html 近日，在中关村论坛系列活动第12届数字金融与科技金融大会上，蚂蚁数科的 Deepfake 检测方案入选大会“金融科技技术创新与应用案例”。蚂蚁数科依托旗下天玑实验室，业界首次构建了大规模、高质量、多模态的 Deepfake 数据集，其合成超过百万级多媒体内容，充分地模拟了真实世界金融风控环境中的Deepfake攻击样本，成为评测现有金融领域Deepfake检测模型性能的重要标准。在金融业务场景中，蚂蚁数科多组测试数据集上的 Deepfake 检测准确率达到了98%以上，并成功阻止了多起利用Deepfake技术进行的欺诈行为，保护了用户的资产安全。
该数据集解决了以往金融领域Deepfake检测模型无法大规模训练，无法在真实环境中测评的问题，并且从多模态分析角度促进了传统检测模型的发展。目前该数据集已经成为蚂蚁数科反深伪产品 ZOLOZ Deeper 对外服务客户的关键能力。
据了解，蚂蚁数科使用先进的多达 81 种 Deepfake 技术生成高质量的合成图像，覆盖了多种伪造技术类型、复杂光照条件、背景环境和面部表情，以模拟复杂逼真的真实世界攻击环境。除了静态图像外，还收集并生成了大量包含声音的视频数据，包括100多种伪造技术类型，涵盖不同语种、口音和背景噪音，确保数据集的多样性和复杂性。
在数据预处理和标注阶段，蚂蚁数科对收集到的数据进行清洗和预处理，确保数据质量。通过专家团队对数据进行标注，明确每张图像或每个视频是否为Deepfake生成的内容，同时保证伪造痕迹的最小化，达到高度逼真的效果。此前，蚂蚁数科发布了AI数据合成与生产平台，在数据标注层面实现了 “AI 主导”，标注模型依赖人工标注量降低了 70%以上。
此外，蚂蚁数科在 2024 外滩大会发起了一场 Deepfake 攻防挑战赛，将Deepfake数据集作为比赛的基础训练和测试数据，吸引到了全球 26 个国家和地区，2200 多名选手报名参赛。通过大赛选手贡献的算法方案，Deepfake 数据集的攻击质量和检测难度得到了有效验证和评估。
随着人工智能技术的发展，Deepfake技术也在迅速进步。这种技术利用深度学习算法，可以对视频中的人脸进行逼真的替换。尽管Deepfake在娱乐和传媒等领域有着积极的应用，但在金融领域，特别是身份验证和交易验证环节，Deepfake技术带来了新的风险。金融机构的身份验证系统往往依赖于生物识别技术，如人脸识别。一旦这些系统被Deepfake技术所欺骗，可能导致严重的金融欺诈。
鉴于此，开发针对Deepfake攻击的检测系统在金融领域是十分必要的，但是强大的Deepfake检测防御模型需要高质量符合真实世界环境的人脸Deepfake数据集，所以如何构建模拟真实世界的数据集以及如何验证其有效性是紧迫的问题。
每个月270元，就可带走戴森吹风机，
每个月716元，就可把海尔洗烘套装搬回家......
今年双十一购物狂欢的进程过半，一些一直想买大件，但钱包受不住的消费者发现，今年天猫双十一，除了官方立减、跨店满减、消费券等之外，越来越多商家开通了花呗分期免息，涵盖家电、数码、家具、手机、运动、户外装备等品类。与此同时，高期次的免息商品也在增加，数据显示，今年支持花呗分期12期、24期免息的商品数量，均同比提升超过20%。
根据淘天集团公布的信息，双11开启至今，累计373个品牌成交破亿。数据显示，成交额过亿的品牌中，超八成都为消费者提供了花呗分期免息。
不仅如此，今年双11期间，支持花呗分期免息的商家数量，较去年同期增长17%。今年双十一，为何有更多的商家加入分期免息圈？
越来越多商家意识到，躺着赚钱的时代已经过去了，目前的经济环境下，行业竞争变得越发激烈。
“线上市场尤为明显，今年各电商平台都在以低价占领用户心智，线下也是特价横行，品牌方的市场秩序和价格秩序在618期间基本上被冲击得七零八落。”奥维云网大家电事业部副总经理裴东敏表示。
这种低价策略直接拉高消费阈值，“以前可能看到有300减50、8折优惠这类活动，就要马上冲了，但今年这种活动是隔个十天半个月就会搞一次，各个平台都在搞，就感觉有些倦了。”有消费者如是说。
很多商家选择了低价与分期免期这套组合拳，前者满足了人们购买高性价比产品的心理，后者进一步降低了购买心仪产品的门槛。
而且眼下年轻人对分期免息的观念有很大的改变。很多人认为，分期免息不再与买不买得起挂钩，而是省钱的一种必备工具。
艾瑞咨询2023年发布的《分期免息工具价值研究白皮书》显示，使用过分期免息的消费者，超9成认为是省钱工具，超6成即便当下可以全额付款，也更倾向于选择分期免息的方式消费。在这之中，3C数码类、家电类和家居用品类的商家对分期免息提升销售的作用感受更为明显。
“像苹果最新款的手机，动辄是大几千，上万元，倒不是一次性付不起，但分摊到24个月付款，暂时不用的资金放到余额宝，收益也有150-200元，相当于不用自己花钱，就把新手机的充电宝、手机壳、保护膜等全套配件管上了。”
这是许多“精打细算”消费者的心理，消费者对分期付款观念的改变，以及商家的降无可降，使得越来越多的商家倾向于选择提供分期免息。据雷峰网了解，今年双11第一波销售期间，支持花呗分期免息的商家数量，较去年同期增长17%。
于商家而言，分期免息有成本，但其还愿意贴，显然是算过账，收益是大于支出的。
充分的分期免息供给，能够带来显著的提振效果。今年双11，3C数码是分期免息供给率最高的行业，商品成交总额增幅也是所有行业里最高的。在增幅前10的品类中，3C数码行业占到了4个品类，分别是智能设备、手机、平板电脑、数码相机，成交额增幅都在30%以上。
今年双11尝到分期免息“甜头”的，还有家电家居品牌。今年天猫双11现货开卖的第一个小时，224个家电家居品牌成交就已经超过了去年全天。成交之所以如此迅速，与国家以旧换新补贴有关。为了抓住这一波机遇，在“国补”之外，各大商家选择加码让渡部分利益，进一步以量换价，来抓住这一波促消费潮。
数据显示，消费者享受国家以旧换新补贴购买的商品中，60%都能在“国补”之外使用花呗分期免息进行付款，进一步降低了消费者换新的门槛。
以海尔官方旗舰店一款卡萨帝吸油烟机为例，原价超过5000元，享受国家补贴和各项优惠后仅需不到3500元，在加海尔还用了24期分期免息，相当于每个月仅需支付145元，这就直接打破了消费者下单前最后的犹豫。
“我们发现消费者购买我们商品时，更喜欢分期免息的付款方式，而且越高期数越有利于消费决策”。据小米品牌天猫事业部总经理陈鹏介绍，今年双11，小米200多款商品都支持花呗分期免息，有近10款手机还可享24期免息。
vivo天猫运营团队发现，“单价越高的商品，使用分期免息付款的比例越高”。这次，全新上市的vivo X200全系列都支持24期免息，超过半数的天猫首发购买用户都选择了24期免息。荣耀天猫渠道负责人也介绍，双11期间，荣耀为最新产品magic7提供了花呗24期免息。
得益于以旧换新与分期免息，商务部全国家电以旧换新数据平台显示，截至10月15日，已有2066.7万名消费者申请、1013.4万名消费者购买八大类家电产品1462.4万台，享受131.7亿元中央补贴，带动销售690.9亿元。
有网友调侃这一次的双十一：“政策补贴叠加分期免息，这才是真正的抄底。”
升方案、助增长，分期免息新动力
据雷峰网了解，花呗分期已经在金融工具的基础上，逐渐升级为助力商家增长的综合性解决方案， 针对销售链路中的三大关键环节，帮助商家促转化、促增长、提单价。目前，这些解决方案已经在苹果、华为、荣耀、海尔、小米、杭州口腔等品牌展开应用。
此前，荣耀两次新品发售都和花呗分期紧密合作。荣耀商城业务部部长何金秋介绍，“花呗对客群的精准识别和算力，给我们发新带来了质的变化，例如荣耀Magic 6 系列在花呗频道发新，跟之前的系列相比，uv增加30%，但销量和gmv分别增长了400%和500%，
而今年9月，苹果最新iPhone16系列发布，苹果天猫旗舰店也为消费者提供了花呗24期分期免息。数据显示，同比上一代，iPhone16成交依然保持双位数增长。
分期免息，初看或许只是一种简便的支付选择，然而随着其在电子商务领域、线下实体经济的深度融合，却释放出了不容小觑的能量，演变成为商家手中强有力的销售助推器。
博通咨询首席分析师王蓬博表示，从政策面，到平台，到企业，都将今年双11视为促消费、保增长的重要节点。拉动消费增长也要协同发力，在国家补贴扶持的同时，平台、商家积极跟进，利用价格优惠、分期免息等多重叠加的手段，为消费者提供更多元、优质的消费体验，也推动消费市场的高质量发展，为巩固和增强经济回升向好态势注入强劲动力。
]]> 金融科技 https://www.leiphone.com/category/fintech/g7BtwO5ryDWSWbnT.html#comments Thu, 07 Nov 2024 18:35:00 +0800 出海日本，创业者要灵活运用势能差「降维打击」| 鲸犀百人谈No.6 https://www.leiphone.com/category/fintech/68jFe32iqI5pa1Mz.html 访谈 | 那小川、王沁、姚凯飞撰文丨李娜娜
编辑 | 嘉明
在东京，年轻的创始人王沁正在与奢侈品巨头迪奥的代表洽谈合作。他们的公司刚起步不久，便在日本谈下了不少大客户，迪奥、雅诗兰黛、万豪酒店、星野集团…这在硅谷或深圳近乎罕见，但在日本，却是再平常不过。
"日本的大企业也会用初创公司的产品，给不错的报酬，并且帮助改进产品。"王沁平静地说，"我们的产品初期有很多功能都是当时跟迪奥一起改的，现在迪奥官网招聘页面挂的就是我们产品的链接。"
但同样在日本，也有更多情况则是创业者花几个月时间准备的产品方案，即使获得了日本客户业务部门的认可，却会在即将签约时，被高层一票否决。Trans-N的CEO那小川道出了其中的玄机："因为日本的经济安全保障，如果你做大B，没有和高层的接触，那么就会面临日本企业业务层面同意而高层否决你的产品的情况。"
矛盾不仅集中在对外合作，向内看，在日本招聘本地人才同样困难重重。"在日本很难招到顶级移动互联网人才。"王沁解释道："中国的移动互联网领先于日本很多，甚至领先于美国。我们供给很强，我觉得在日本有20个人才就能迈入前十的移动互联网公司。在日本招开发性价比不高，但是产品、市场营销必须在日本招，虽然会比中国薪资翻一倍。"
一边是开放合作的大企业，一边是严重短缺的互联网人才；一边是高度信任的商业环境，一边是难以逾越的决策壁垒。这就是日本市场的真实面貌，矛盾之下蕴含无限可能。
对于怀揣梦想、踌躇满志的创业者来说，日本市场是一道待解的谜题，在雷峰网和鲸犀联合举办的出海百人谈栏目中，我们邀请到了像王沁和那小川这样的践行者，分享他们出海日本的经验：
那小川， 2012年硕士毕业于日本东京大学计算机系，拥有多个计算机领域的日本国家资格，曾经担任华兴资本成长期团队科技组组长，东京罗兰贝格咨询师。先后创立Roadstar.ai 和Trans-N，现任Trans-N的CEO。
王沁，在日的连续创业者，毕业于日本庆应义塾大学商学院，连续创业者，在日本学习・工作・创业15年。曾于日本最大的人力资源企业瑞库集团（Recruit Holdings）商务部任职5年，创立了日本二次元文娱出口平台JCCD.com和AI进口平台AiBank.JP，出版了《中国移动互联网图鉴》，现任HelloBoss的创始人兼CEO。
本次直播主要围绕日本的宏观经济和文化、创投环境和生态、那总与王总对日本市场未来的展望，以及对日本华人创业者的建议几个方面展开。
以下是该场直播分享的内容，鲸犀进行了不改变原意的编辑与整理：
高诚信运转的社会起步也更慎重
鲸犀：请两位嘉宾先跟鲸犀出海百人谈的朋友们做一下自我介绍：
那小川：我相对一些有经验的话题，一是日本创投生态目前的状况，中日创投生态的对比；二是与日本大企业、大客户合作交流的技巧；三是AI行业的技术和发展变迁。
王沁：我是2010年去的日本，短暂打工后便开始创业，做广告五年，供自己读了语言学校和大学。大三第二次创业做文娱出口，目前已经是日本文娱出口的头部公司，与中国几乎所有文娱・游戏公司都有业务合作。
大学毕业后进入日本最大的人力资源公司Recruit集团，负责生活消费领域大中华区的业务合作BD，与BAT、点评一类公司的合作。2021年2月离职，3月出版了《中国移动互联网图鉴》，花费两年时间研究上千款应用。5月成立现在的公司HelloBoss，两个月之内完成天使轮融资，目前在已经第四轮，B端C端增长不错。
鲸犀：对日本商业的总体印象，他的优势和挑战分别是什么？与国内相比有何不同？
王沁：可以简单地把日本理解为一个更靠谱的合作伙伴。比如日本很多时候是没有合同的，如果要具体量化他们的靠谱程度的话，口头协议在日本的执行度大概在八成以上；再往上升一个级别是邮件，我们称之为下单或发注，90%以上；然后再上升一个级别，他会问你要一个invoice或者叫请求书，给他一个预估的报价，这个时候是95%；最严谨是签一个很复杂的合同，但一般很少。
在信用方面跟国内完全不一样。我原来也在国内做生意，国内就算签合同也没有用，很难避免赖账的情况，出海日本的话不会面临这样的问题。
此外，日本的单价确实比国内高很多。日本To C游戏端个人的消费能力是国内的11倍，这也是为什么很多游戏公司出海日本。日本人均消费能力很强，愿意为了知识产权或数字产品消费。再比如像我们这种B端C端都有的匹配为核心产品，理论上需要4-5年的储备才能商业化，但我们第一个月就商业化了。
对日本来说，不付钱反而会不安，如果是免费的产品他们反而不敢用，不接受无缘无故免费的东西，这一点和中国完全不一样。总结起来在于2点，一是信赖度，做生意更容易；二是盈利的可能性比国内大一些。
另外日本其实体量没有想象中那么小，你仔细客观想他们1/10我们的人口，但是GDP是世界第三，相当于东南亚10国总和还要多将近1倍，民族单一、语言单一、宗教单一、物流通畅、政治稳定、客户理性友好。而这么高人均GDP的1亿多人又天然的集中在一个易守难攻的地方。我个人觉得还是个不错的市场。
那小川：关于诚信100%赞同王总。例如我和To B客户的合作，我的要求是先付50%，交付之后再付50%。给日本客户做咨询的时候，上午做了最终报告会，中午他们的财务让我给他们发invoice，然后两周之内就把钱打过来了。
为什么日本会这样？原因在于整个日本民族有个特征，他们希望整个社会的运行是高诚信的，所以有很多预防措施，而一旦信任你之后就不会再怀疑。大部分日本人非常保守，害怕骗子，一旦接纳你为朋友或供应商之后就无条件相信你。整个日本社会这样可以维持比较高的社会效率，社会摩擦比较小。日本在合作的起步阶段比国内慎重很多，国内是起步也不慎重，结束也非常草率。
日本的B端客户有很大优势，粘性高，并且对待还未完备的产品态度很友好，只要你态度足够好，日本的合作企业都不会为难或者怪罪你，反而会帮你解决产品准备过程中的问题。借用HAX，做硬件孵化器公司的一句话：日本是世界上最好的To B市场。
鲸犀：建议什么样的公司去日本发展？哪些领域和行业还有较大的机会？
那小川：之前Link Cloud 举办过一个活动，去日本游学，它有一个结论我认为是对的——如果你在日本看到有一款英文的某种企业服务，软件或硬件也好，那么赶快做个日语版，哪怕功能不变，也肯定卖得出去，说明这是刚需。
因为日本处于一个很尴尬的位置，是世界第三大，但比起美国和中国又少很多，美国和中国的公司不会很认真对待，很多时候都丢个英文版过去，这里面存在很多机会。
此外，日本To B市场的特性不一样，尤其和美国不同。美国是一个SaaS主导的市场，中国不是，日本介乎于中间。
在日本做SaaS，大体上是To 小B，To 大B单价很低。但是日本的IT Spending数据来看，大B占了大多数，这一点和中国很像，是大B主导的IT市场。在日本做小B不是不可以，客单价正常，是欧美级的水准，而且付费、续费的意愿也很强，这方面跟美国很像，也有企业信用卡的制度，但是市场很小，比美国小很多。
做小B也有优势，一个做会议纪要公司的朋友表示，在美国和日本用了同一套Marketing手法，在日本就做到了第一，在美国只能维持第六、七名的位置。日本本土的公司比较弱，从人才储备、融资情况、斗争意识到方法论储备上都比较弱。在日本做SaaS的小B，市场虽然小，但整体来说蛮好做。做大B的话，得到信任的周期比较长，一旦得到了，基本上合作不会中断。
王沁：出海日本的难易度上来看，个人最容易，最难的是初创公司。
至于哪个行业比较容易，要看生产力、规则的难易度、容错率和你与日本的代差有多大。比如你的产品在中国生产力很强，规制特别难、复杂，去到一个容错率高的地方，你的代差也更高的地方，那么打入这个地方的市场是比较容易的。
我认为在日本，互联网产品是最简单的。因为我们生产力很强，规制最多，监管复杂，相对来说日本互联网容错率高，中国的移动互联网比起日本至少先进10年。其次容易是小件商品，再就是电子的产品，再就是汽车类。最难的是食品。日本对食品规制很复杂，容错率低，我们的生产力和代差也没有比日本高很多。
鲸犀：如果进入日本，语言、文化问题如何适应？与国内文化有何差异？
那小川：日本与我们文化差异非常多。举几个典型的例子，中国的创始人只接受成功报酬。中国人在海外合作的时候，比如日本人帮忙做本地市场，中国人都会答应，但一不给独家，二不给钱，但这个事情在日本是不被接受的，一些公司因为这件事情造成很多摩擦。
整个日本社会认为我为你的产品背书或做顾问，有社会价值存在，应该收到固定的报酬。但中国人不接受，因为无法肯定你能给我带来的回报。我个人认为不太对，如果想在日本把这个路走对，需要重新考虑这件事情。
第二点，日本期待来国内发展的企业最好把本地办公室、售后体系等都筹备好，呈现长期发展的打算。但中国企业更愿意人在国内做，先拿单，拿不到单就不去日本了。这种如果纯靠自己，也不肯前期投入，那么会非常难。
如果是想认真做日本市场，我建议所有的创始人都做一个很严肃的分析，产品是否适合日本。如果你很有信心，建议做好亏损的准备，这点上要向比亚迪学习。要先去信任日本的企业，要做前期投资，要有很好的耐心，因为日本整个速度比国内慢很多，时间周期长。
王沁：出海到日本要做好至少三年的准备，如果本身有一些工作、学习基础，能获得一些信赖关系，这个时间还能拉短一点。之前接触到的很多国内想出海到日本的企业，至少有一半都对结果的要求太快。
在日本，想要合作的深度和金额大小与你的准备周期和时间成正比。大单、复杂且长期的合作方案，要做好半年到一年时间的准备。日本客单价和长期合作容易度上比中国和欧美更好。一旦日本企业开始与你合作，后面除非你这边出现重大失误或另有公司具有颠覆性的你没有的功能，他们很需要，才会考虑切换合作对象，否则就算价格便宜20%-30%都不一定会切换。进入日本相对来说简单，竞争比较薄弱。
鲸犀：企业进入日本后，适应当地的商业理解分享。
那小川：我认为我们是中国人这件事是双刃剑，有一定的弊端，与日本文化有很大差异，但是没必要特意迎合日本一些不合理的东西，会拖慢效率。在和日本企业合作的时候要保持个人风格，有自己独特的Value Proposition，使得日本人在了解中国时更相信我的说辞。
日本的顶层和底层差距很大，中国人对日本人保守、刻板这些负面印象，更多来自于底层。我见到的比较高层的人，其实非常聪明，沟通交流没有Gap，对我们也比较宽容。
王沁：我们原来都会对日本人、日本社会有一些先天偏见，或者说是认知。但其实越发做到后面，就会觉得世界上各个地方人都差不多。只是国民性上有一些强势跟弱势，日本做事情比较仔细慎重等等，有一些国民的性格在里面。
我觉得商业事物遵循两个因素，一个是供需，产品的供需条件好，就是会用，不存在供需不平衡，且又不消费的情况；二是世界上任何地方的人其实都喜欢多快好省。软银做日本的移动支付，市场占有量已经超过日本人口的一半，几乎就是垄断。所以当年所谓的日本人喜欢纸币，其实只是市场和产品的供需不平衡没有达到他们足够想使用你的产品而已。在日本，确实没必要和日本人100%一样，这样反而浪费了你的优势。利用好不是日本人这一点，能获得更多更好的机会。比如利用自己外国人的身份，可以避免日式的沟通方式，而是更直接地表达你方的意见。
鲸犀：分享一下现在在做的事情、创业的动机和想法、是否开放合作联动的机会？
王沁：这是第三次创业了，想做一个足够大的事情，花了2年时间组建团队，写了书，从零开始学怎样做移动互联网的产品。在日本市场里找我们足够先进、生产力足，日本地区容错率高规制少的领域。我觉得我们在日本做的算刚及格，但日本企业认为产品上线功能很快、很好，对移动互联网要求不高。
从动机上来说，我们研究日本所有的行业，包括人力资源行业，日本截止目前在线的移动互联网的招聘产品的使用率只有1%，但是有67%的本地企业有需求，付费能力强，壁垒高，认知领先。所以我们挑了这个最大最好做的蓝海市场创业，现在发展地比我们想象地还要好一倍。
我们第一年第一个月便完成了商业化，现在是日本HR赛道不管C端还是B端增长最快的产品，C端活用AI便宜获客。B端通过投资人和大客户案例已经有很多主动找上门的大客户，目前有快2000家企业入驻，但其实还没有任何to b的投放。上线一年多，C&B端的增长循环飞轮基本完成。
我们初期打了很多大客户，迪奥、雅诗兰黛、万豪酒店、星野集团。日本和中国的不同在于，大企业也会用初创公司的产品，给不错的报酬，并且帮助改进产品。我们的产品初期有很多的功能都是当时跟迪奥一起改的，现在迪奥官网招聘页挂的就是我们产品的链接。
为什么刚才提到出海【个人】是最简单的，因为日本2030年有将近80万的IT人才缺口，这里面有很大机会。关于合作联动，我们规划从日本出海到世界各国，分三步走。
第一步是日本的企业和日本的个人，目前做的很不错，第一年就完成了别的产品第四、五年才能达到的成果，各方面指数不错，所以我们也提前了自身的国际化进度。开发能力强、融资金额高，日本企业放弃了竞争。
第二步是日本的企业和海外的个人。欧美有一个增长很快的产品叫Deal，他们可以帮助美国企业远程雇佣（EOR）印度、墨西哥等国的程序员等，是近十年在HR行业最受瞩目的十角兽企业。类似这个模式，我们计划和美国、东南亚、中国的企业合作，通过我们的平台把各地优秀的程序员对接给日本企业，让他们可以远程一键雇佣优质的IT开发人员。
今年下半年可能会正式发布这一系列合作，未来个人可以通过我们当地的合作伙伴便捷&安全的找到日本的好工作，并且解决社保交税等人才并不擅长的手续。其实现在已经有很多这些地区的优质人才通过我们的平台国际版在寻找日本的高薪且不卷的IT工作。
所以我们想早点把这个【刚需】更加的流程化、健全化，也获得了很多当地头部HR企业、政府的大力支持。这不仅是解决了人本的劳动力不足的问题，同样也很好的改善了各地的就业率、增加了外汇收入，是一个一举两得的好事情。其实我们自身的研发也已经实践了3年的100%远程在线办公模式，应该是日本为数不多的有这方面丰富管理经验的团队。
那小川：当下我们在开发一些面向大企业的私有部署，用开源大模型私有部署的一些工作， 10 月份可能会正式发布，这只是我们公司第二阶段的目标。
最大目标是做日本的华为，在我眼中这是一个Engineering Company，有非常多工程师，技术非常强的公司，在中国产生了无数的产品。
为什么要做？正如王总所说的两点，一是势能差，在中国很厉害的在日本很弱；二是日本80万的IT人才缺口。日本的待遇和国内差不多，这是一个很好的机会。
我们的目标是做全球技术，这种技术有两种载体：人和产品。我们要把真正好的东西、客户需要的东西带过去，做AI产品代理和对日本市场的导入。所以如果有好的和AI相关的产品，无论软件硬件，都可以跟我们联系合作。
为什么创业选这个方向？我在自动驾驶行业做了很久，自动驾驶行业的销售难度很大。这次创业想要做商业先行的事情，再加上中日的势能差，得出一个结论就是供应链的能力差距。
中国的供应链能力非常强，只是大多数情况指的是物体，如果把人才算进去，那么汽车、光伏自然是最强的，能够基于中国的供应链优势去日本创业是非常好的。所以一是我要做离商业很近的事情，二是我要基于中国的优势做热门市场，三是出海全球。中国和美国越走越远，美元基金正在寻找日本作为一种替代，美元基金很认可中国的能力，如果把中国能力拿到日本，以日本公司的角色做全球市场，逻辑上是成立的。
人才招聘讲究肥水不流外人田
鲸犀：请问王总，在日本招聘互联网人才的难度如何、成本如何？有哪些渠道可以进行招聘？中日招聘互联网人才的差别，落地日本时人才从哪来？
王沁：在日本很难招到好的移动互联网人才。我认为中国的移动互联网领先于日本很多，甚至领先于美国。我们供给很强，我觉得在日本有20个顶级人才就能迈入前十的移动互联网公司。
相反，产品和市场招聘当地人比较好落地。招聘产品人员，年薪30-40万人民币就还不错，谷歌、亚马逊在日本是最一线的互联网公司，他们平均给50-80万人民币左右。
所以对于上面提到的一些国家地区的互联网行业人才来说，日本的工作还是很不错的。基本每天工作8小时，也不加班也不卷。
日本招聘成本高，招聘有2种方式。一是找猎头，但费用相当高，基本35%起，如果招聘高级的职位，甚至会开出100%年薪作为中介费。二是类似国内早期的一类广告平台型公司，需要购买它的广告包，每月5000人民币起最少半年起步，此外甚至每次成功还要交一笔20%左右的报酬。所以我们的产品反响不错，我们最新的版本甚至初期不用花钱，只有想主动发起聊天才需付费，最便宜的套餐算下来才200元人民币每月每职位。
那小川：我非常赞同王总的想法。如果是技术人才，日本不是没有，但太稀缺了。而且相比起来，大概率不如中国的人才产出高。所以如果能在日本有跟你过去的有中国工作经验的中国人是最理想的。
我们公司目前就是这样，员工基本是熟人。我和CTO一起从中国去日本创业，另外两个员工都是我在日本15年的学弟，接下来还会有两个人，我的学弟从字节挖过来的非常优秀的工程师，以及我准备招的一个非常优秀的日本人，也是熟人。
长期来看，如果是技术人才，最好是在中国招。未来如果公司规模扩大，肯定是回国招人，会根据需要选择有经验的人，年纪稍微大一点的和80%的应届生。我认为应届生非常能干、优秀、可塑性强。如果是印度，会考虑应届生但是经验者会犹豫。
鲸犀：什么原因导致了猎头费用高？是否是因为日本员工在企业工作时间长，所以中介费用高？
王沁：不是因为员工工作时间长导致中介费用高。补充几个数据，日本现在的离职率不亚于国内，并且呈上升趋势，而国内反而是下降的。我们以为的日本的终身雇佣制也就最传统的几百家企业有。现在日本政府换届改革，倡导解禁企业对员工的解雇，之后解聘员工会变得更容易，要增加流动性。
而另一方面，中小企业的有效求人倍率有6倍，也就是说300人以下的公司，一个人有6份工作的供给，供需严重不平衡，人才在日本来说相对稀缺，这也是一部分造成猎头费用高的原因。
日本的HR行业缺少革命性的技术进化，没有便宜的招聘方法和平台，一直以来都是人工匹配，成功率不到1%，所以甚至有日本TOP5的HR大厂想和我们合作使用我们的算法引擎和平台，而且还不止一家。当然在国内，2014年以前也没有AI和大规模的用户集中的平台，招聘同样很贵的。我们相信五年以内，我们就可以把日本的招聘费用打下来。归根结底是供需和解决这个供需不平衡的能力。
鲸犀：企业落地日本的时候，第一个应该找什么样的人？有没有华人的人脉圈，如何建立？
那小川：有一些年纪比较大的日本人，可能行业经验很丰富，履历非常漂亮，但是我强烈不建议。他只能背书，无法劳动。最典型的Profile就是一个中国人，在日本待了很久，日语很好，理想情况下，这个人最好是投行或咨询的，商社也可以。这些人通常英语也好，比较聪明，当然也比较贵。如果预算充足，这就是最标准的方法。人脉的话没有什么更好的办法，如果做了三年规划的话人脉肯定会有，不用担心。
王沁：人脉很难，想要的人脉和实际能获得的不一致。日本互联网这块没有太多人脉，做的人少。赞同那总所说的三类人。如果你对欧美有先天的认知，可以考虑欧美或纯日本人；如果你比较传统，最好是招中国人，在日本有很长时间经验，足够了解日本社会，这样的人在日本不多。所以日本竞争很小的同时，也面临着人才匮乏的现状。要么是你自己长期到日本深度投入，要么是委派人到日本培训，用两三年时间积累人脉，学习日本商业习惯，并且你要理解并接受中日的差异。
我不建议初创做日本，如果要做也建议至少是C轮后有一定规模的公司，需要请3-5个人，准备三年时间和一笔预算，让他们放手一搏，这样还可能可以成功。在日本做的好的华为、比亚迪、SHEIN、一开始都投入了相对的资源。
鲸犀：如何面向日本做产品推广、本地化？
王沁：C端的推广和本地化，主要是社媒，这是在日本最便宜的推广手段。还有SEO优化，如果你能力很强，并且是一个绝对新的市场，就可能获得一波流量。长期来看，需要有一个自己的稳定获得回报的方式。我们大量用社媒跑自己的算法，有自己的一套投放逻辑。在日本投放Facebook、Ins，此外，我们做了很多日本当地产品没有的功能来大幅降低获客成本。
我们的获客成本可以压缩到同类产品成本的20%左右。比如我们做到让客户用一张照片，一分钟生成20多张证件照。日本简历有通用的格式，我们会根据用户输入的信息，自动生成一份符合日本格式的PDF简历。所以要做这个行业，就要研究日本当地的使用习惯，找出他们的核心痛点，做出和竞争对手的差异化，降低获客成本。
那小川：大B的门槛非常高，不是做Marketing就能有成果，有很多偶然因素。如果甘愿做外包是可能有活的。如果想做好，需要跟大客户建立一定的信任。如果是做大B，像我们这样做这种偏私有部署的话，不太有Marketing的空间，没有任何的直效，只有做Branding。因为日本的经济安全保障，如果你做大B，没有和高层的接触，那么就会面临日本企业业务层面同意而高层否决你的产品的情况。
鲸犀：有没有一些有意思的AI分享？简单评论一下最近发布的OpenAI O1。
那小川：我们目前做的东西10月份会有宣传，有一个独特的定位，就是我们不做基于API的产品，所以也不做SaaS，不做To C的产品，坚定服务好大客户。
原因有三个，一是开源的大模型能力现在在急速向闭源大模型靠近，差距已经很小了；二是开源大模型能满足客户对信息安全的需求，通常大客户比较强的需求；三是这个模型可以Customize，客户能利用自己的数据进行二次训练，这样得出的效果甚至会比Open AI还要好。此外，还可以做更未来的事情，如果未来想要加入AI安全性技术，开源大模型是必需的。
我认为对一个大企业来说，不可能接受一直用Open AI的API。整个 AI 行业一定是数据的重要性远大于算力和算法，Open AI的领先差距会越来越小，而大企业拥有的大量私有数据会越来越好。
至于O1，我测了一下，很简单的数学题也没有答对。尽管代码比以前好很多，但还是可以看出当下AI发展有放缓的趋势。不过我认为这是好事，开源的能力很快会追上。现在看到的O1，快则半年慢则一年。代码比以前写得更好，可以替代很多服务大企业人力密集的东西。比如日本SI行业非常劳动密集，如果有靠谱的AI帮忙做代码生成，那么整个行业流程都将发生翻天覆地的变化。所以也许未来投资人会改变想法，认可定制项目公司。
王沁：我很赞同那总所说的数据重要性，所以我们这次做的时候认为数据掌握在自己手上的产品是最好的，而且是做尽可能多的有双边效应的数据。在AI使用策略上，如果是文本类的话我们会直接使用市面上已经不错的AI。但如果是市面上没有的AI就要靠自己做，比如为了做自动生成简历照片的AI，比如我们一个类似企查查的日本企业数据库。
我认为应该把AI当作获利的工具，思考如何运用好AI。如果产品有对应立马可用的AI，应该思考快速落地使用的场景；如果产品还没有立马可用的AI，应该考虑怎样把这个AI做成只有自己能开发，具有足够壁垒的产品应用。
鼓励创业，日企也在寻求出海
鲸犀：日本的创投环境与中国有何不同？作为初创公司，如何拿到融资，尤其是日本风投机构的投资？
那小川：10年前，日本的风投行业几乎不存在，2013年日本全年风投投资额是900亿日元，2023年最高峰是9000多亿日元，大概是中国的1/15，人均创投投资额比国内少一点。但是已经有了创投的生态。
日本存在一个问题，上市公司的估值都非常低。上市公司平均市值76亿日元，因为只做日本国内市场，所以做不大。比较大的企业市值也就刚过1000亿日元，独角兽10亿美金级的公司在日本是最大的IPO。
问题在于，10年前投资回报是正常的，但十年后9000亿的创投环境，日本还是76亿日元估值这种小的IPO的话，那么系统就崩塌了。日本的下一个问题是如何往前走，答案就是出海，必须有一些企业做全球市场，否则无法突破天花板，只有个别企业能满足投资人的回报。
中日投资的观念有所不同，存在一些互相无法理解的地方。日本投资人偏爱王总这种真正做过生意，有所收获并且做好了准备再考虑融资的人；但中国的观念是先找到投资人再开始做，认为有投资人背书，才能组建团队，才能被认为是有可能做大的公司。此外，中国竞争激烈，所以基本不会放过获取融资的机会；而日本竞争不激烈，所以不急于融资，更愿意线性的增长。
找日本投资人和中国没有本质区别，都是一对一交流，要做好准备。对于没有融资过的创始人来说，会遭到很多拒绝，这是融资的常态，中日基本差不多。
王沁：我们可能刚好赶上了日本风投的好时机，我们是先成立了公司，然后和投资人聊完当场决定投资。我认为是要有一定经验，以及自己愿意拼，愿意投入，日本企业家比较认可这样的精神。
我们的第一个投资人是当时字节在日本的领导人西田老师，他在3月看到我的书联系我聊聊，他很厉害，中国和日本都很了解。其实见面前他就猜到了我出这本总结性图书的意图，在互相了解沟通后仅仅10秒钟都不到，他就决定支持我的第三次创业。和在日本做生意需要关系和介绍一样，顶级天使们也极度依赖介绍，西田之后又介绍了日本最大的上市网红公司创始人给我，那边的老板又介绍了日本政商界的权威梅泽，以及最后日本足球明星本田圭佑也加入了我们天使投资人阵容。
所以基本上是人传人，逐个介绍，我们第一轮融资基本都是行业资深大佬，近10人，每人几乎都是10分钟内敲定。第二轮是HR行业内的一些大佬，提供资金的同时还在HR行业为我们背书，介绍了迪奥、雅诗兰黛、万豪等大品牌。就像那总说的日本创业比中国更看背景，有没有做过生意赚过钱、是否是顶级院校、之前是否在日本的互联网大厂工作过，为这次创业做过什么努力，团队如何，都是融资时会被综合评估的点。
如果有机会，越早开始着手，拿到的条件和内容会更好。日本是一个信誉社会，天使轮会比国内容易很多。日本不太喜欢FA，他们偏爱创始人自己拼搏的故事。我认为初期前三轮自己去聊都可以，日本人也比较好沟通。现在日本的环境比较好，我们每个月都会收到各种VC的邀约邮件。现在日本的连续创业者拿到的融资金额很大，不亚于中美，鼓励创业氛围浓厚。
鲸犀：能分享一下日本知识产权、合规的一些问题吗？
那小川：如果整体是To C为主，不管是实体商品还是移动互联网，想要融资只需考虑条款就够了。但是我们公司比较特殊，要控客户的数据，对股东有非常高的要求，挑选最优秀的投资人，并且为我们背书。公司做大之后如果有一些中国投资人，可能有些日本客户会说事。
如果是To C端，建议到日本的创始人学习王总，拿外国投资人的钱，相对于日本企业来说是优势。如果是做To 大B的，涉及客户数据，就需要格外谨慎，相比于中国投资人的钱，优先拿美国或日本其他地方的钱更好。
王沁：To C端，只要放在日本当地服务器，最好是AWS，那么问题不大。如果申请ISO认证就更好。知识产权肯定要注册，在日本很有用。你有专利，大企业难以和你竞争，它的合规风险比较大。所以我们在开发的同时，就尽早把一套专利都拿下，再发布，避免竞争。
如果你的技术是可模仿学习的，就要注册专利；如果是无法复制和学习的，也不想公开，就不申请专利，自己用。如果是一种算法、逻辑、设计的结构和处理的模式，我建议尽早申请专利，这样日本的大公司很难去模仿你，小公司也担心法律纠纷。
日本的红线在于信息安全，企业信息和个人数据都一定要足够保密。一旦发生用户数据泄露，对初创公司的打击会非常大。所以要做好知识产权的保护，也要管理好企业用户数据。
鲸犀：给出海日本创业的华人和企业一些建议或鼓励。
王沁：中国本土很卷，相比之下日本要轻松很多。我们中国人这么努力去做日本市场是很有潜力的，如果要做就要做好充分的心理预期和准备，不要贸然去做。可以花一些时间到日本接触这里的环境和文化，有一些认知体验，再考虑自己是否愿意花三年以上的时间，投入很多资源出海日本，如果做好这些准备，那么日本是一个不错的市场。
如果在日本创业，要更努力贴合日本市场的商业习惯，会是自己商业里的一个很大的进步。日本社会偏爱拼搏然后一步步成功的人，所以要坚实地走每一步，踏实做好每一个决策。日本比较容易成功，机会是不错的，大家有意愿可以尝试。就创业难易度、卷的程度来说，日本是一个不错的地方。
那小川：我个人比较喜欢日本文化，音乐艺术、生活水平都不错。在日本，如果你会觉得对这个社会有一些不满，更多的是作为打工人对日本公司的要求不满。如果作为经营者的角色来到日本，应该体会不到这种痛苦。
我认为如果你想来日本从零开始做某件事情，最好的前提是喜欢日本的生活。如果是做To 小B和To C的公司，日本只需要顺手做就可以，不过也要有相应的投入，日本会是一个很好的利润补充。日本当下竞争不激烈，生活也比较舒适，如果你抱有对日本的好感，想要获得不错的成绩，那么可以到日本创业。大公司可以把日本当作利润的补充。
日本现在有融资的机会，如果你是符合硅谷标准的公司，有可能拿到非常多来自硅谷的钱，在竞争上会非常有利，可以做包括美国在内的全球市场。美元降息之后他们在找应该投怎样的团队，并且对中国人的能力比较认可。对于志在全球的大公司，这件事情非常有必要；对于小一些的企业，也要大额融资才能做海外市场，那么日本提供了非常好的机会。
雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/68jFe32iqI5pa1Mz.html#comments Wed, 06 Nov 2024 14:34:00 +0800 小游戏战场逐鹿，微抖快「三国杀」谁能问鼎？ https://www.leiphone.com/category/fintech/msZVOZT2ChyDP3xi.html 所谓天下大势，分久必合，合久必分——游戏行业亦是如此。分久必合，指的是过去近30载，游戏行业金字塔模式趋于稳定。大厂吃肉，小厂喝汤，其他无名厂商只能嚼点渣子。
在存量市场下，厂商想要翻盘做主，难上加难。
在这个呼唤着变革的红海之上，小游戏突然火了。
微抖快三家互联网巨头，今日已汇集在小游戏这个“必争之地”，誓要逐鹿中原，“三国杀”的局面也日渐形成。
只是小游戏这块兵家之争的地方，依然充满悬念。（欢迎添加微信Who123start， 畅聊游戏行业动态，讲述圈内人自己的故事。添加请备注单位、职位）
01 苦心耕六载“无人问”，赛道火一朝天下知
在今年大火之前，很多人甚至以为，小游戏是一个今年刚刚出现的风口赛道。
可对腾讯而言，微信小游戏不是风口上的新星，而是一颗历经近7年，自己亲手雕琢而成的玉珠。
在今年腾讯的 Q2 财报中，微信小游戏总流水同比增长超30%。近一年，有60多款游戏DAU（日活跃用户数量）过百万，有240多款游戏季度流水超过千万元，几乎占据小游戏赛道半壁江山。
在这个节点，微信能有如此进展，作为游戏圈的从业人士，章磊力如此评价道：“微信目前是小游戏市场做得最扎实的那个，因为微信对它的耕耘不是一个战术，而是一个战略”。
言语之间，章磊力对微信战略眼光充满欣赏和崇拜的眼光，任谁来看，当时的微信能够看中小游戏市场，肯定是有几分眼光在的。
六年前，“跳一跳”突然在朋友圈疯狂传播，所有的人都在这块绿色小软件上开启魔性的“跳一跳”，对着分数暗暗较劲。
数据证明，“跳一跳”上线仅三天就已经累积了3.9亿玩家。
根据QuestMobile数据，小游戏上线后三天时间，小程序的12月月活接近2亿，到了1月，小程序月活高速增长至4.7亿，而在小游戏上线前的11月，小程序月活是1.1亿。
高增长月活下，代表的都是每一个鲜活用户，这对于腾讯而言，获客成本几乎毫不费力。
如果将微信比作三国中的曹操，二者颇有几分相似之处。
首先，和曹操一样家底雄厚，微信本身背靠腾讯，不愁衣食。
2024Q2财报显示，二季度腾讯国内市场游戏收入达人民币346亿元，同比增长9%。
腾讯手游日活超500万、端游日活超200万，年流水超过40亿的游戏分别有，《王者荣耀》《和平精英》《金铲铲之战》《英雄联盟手游》《穿越火线手游》5款手游与《地下城与勇士》《英雄联盟》和《穿越火线》3款端游。
深耕小游戏赛道，微信的套路朴素而直接——发福利。
在小游戏开发者眼里，福利即流量，流量即金钱。
从2018年开始，微信每年都会召开小游戏开发者大会。大会每次都要介绍过去一年的小游戏情况，从开发者、广告流量等方面吸引更多观望者入局。
小游戏创业人吴一黎对雷峰网表示，“那时候上微信开放者平台，微信直接会在冷启动时期让利很多用户，只要上架就有流量和用户。”
“微信小平台刚起来的时候，纯给研发上架小产品返点就60%，那时候小游戏还没有发行，都是自研自发”。
主打一个“你来我就送”。
据了解，2018年3月正式开放测试后，所有开发者都可以向微信平台提交小游戏产品，且类目全部开放，提交不受限制。
吴一黎觉得微信在那个时代，可谓是第一批吃螃蟹的人。正是因为早期积累的名声影响力，才让微信在后期构建生态起关键作用。
其中打通用户心智、让用户自发点击，通过这些细微动作，微信将社交和竞技两个元素连接起来，已经在不知不觉中建立起用户在微信的使用习惯。
这也是为什么当雷峰网与发行还有研发等圈内人聊天时，他们通常都非常看好微信。
“当然首选是微信啊，抖音其次，其他都靠后”。
游戏发行出身的邓方多次对雷峰网强调，自己在游戏行业已经8年有余，认为微信的优势就是其社交属性，“因为用户量大，有 70% 的非手游人群在玩，又是社交熟人圈起步，所以很多休闲小游戏会首选微信，还能赚点返利。”
而微信小游戏的快周转能力、让内购流水可以快速转换为广告资金（仅数天）进行再次投放，更加匹配买量游戏发行模式。
全琳在游戏行业从业十五年有余，早期还创业做过手游，谈起微信对小游戏市场的探索挖掘，他不断强调其构建的生态，是其他平台所不及的。
包括微信对于用户的二次打开率、留存率、付费状况等站内循环流量，在行业内都是数一数二。
全琳告诉雷峰网，大多数微信小游戏会在微信买量达到一定级别后，转而去抖音投放，普遍来看，微信小游戏在抖音的买量消耗要大于微信总量。
腾讯步步为营，小游戏也成为其麾下重要一隅，只是商战之中，从来没有藏得住的利益。（欢迎添加微信Who123start， 畅聊游戏行业动态，讲述圈内人自己的故事。添加请备注单位、职位）
02 抖音出让分成争爆款，快手疯狂返点出奇招
目睹到微信小游戏尝到利益的好处，抖音和快手也坐不住了——巨大流量的宝藏之地，怎能让微信一家独大？
对这两家平台来说，小游戏并不陌生。
2019年，抖音上线了平台第一款小游戏“音跃球球”。据 Questmobile 的数据显示，在小游戏“音跃球球”的带动下，抖音日活量出现明显上涨，并在8月的国内下载榜上拿下了第二。
看到曙光的抖音，开始不断对小游戏加码布局。
抖音先是2020年组建小游戏部门，启动游戏内容扶持计划，比如对对粉丝量不低于10万，平均视频播放量超过5万的抖音账号进行扶持。
一位小游戏资深运营任昊表示，“当年抖音小游戏刚做的时候，冷启动期间都不需要主动花钱，抖音就很大方，起步就是1000-2000，甚至5000。这些用户拿去卖广告不好吗？但是抖音就舍得拿出来给到开发者”。
事实证明，抖音小游戏的数量实现了80%的同比增长，相关收入更是环比去年激增28倍。特别是在2023年下半年，抖音小游戏的投放产品数量同比增长2倍。
快手开始做小游戏，则始于2018年的产品“快手小游戏——快手老铁们的新乐园”。包含21款小游戏，连连看、跳一跳、娃娃机等等当时爆火的休闲游戏不一而足，快手小游戏同时还提供社交功能，可以聊天、可以对战。
这款产品，上线不到20天，便在 App Store 社交产品榜上排名第十，给自己的小游戏之路开了个好头。
抖音送流量，快手也不甘落于人后，他们的“游戏创作者扶持计划”为创作者发布的作品提供了1000以上的流量支持。对于转化效果较好的优质作品，甚至会提供1-5倍的流量扶持。
字节旗下的朝夕光年，虽然今日都难言风光，过去却也都经历过“光辉岁月”，而快手也曾拥有自己的游戏厂牌弹指宇宙。
时过境迁，在微信的先发优势之下，抖音和快手两家大平台，想在小游戏赛道完成突破，出路几乎只有一条：尽快找到一个可以破圈的爆款。一旦在自家平台再跑出一个《羊了个羊》，平台的用户和流量就又会见证一波巨大的增长。
为了争夺爆款，这两家平台各出奇招，你来我往。
2023年在Chinajoy期间，巨量引擎就放出狠话：2023年下半年平台侧将重点发力抖音小游戏，将会有一波行业的新增长和规模化红利。
此话一出，给所有小游戏开发者释放信号：我，抖音，要放大招了。
除去开发者的补贴，今年3月末，抖音小游戏平台发布新的平台规则出狠招：只要引导小游戏接入抖音平台，安卓平台的小游戏就能拿到最高90%的内购流水分成。
90%是什么概念？“老大哥”微信小游戏的内购分成比是4:6；即使 AppStore 和游戏平台 Steam，分成比例也有3：7；而抖音把这个比例降到了1：9，其决心可见一斑。
发行邓方对雷峰网说过，一款 IAP（内购广告）的小游戏的投放不少会选在抖音，因为抖音流量偏向于短期的高ROI，差不多30天就能在抖音回本。
如果说微信小游戏是一时占据了大半华夏江山的曹魏，那么抖音小游戏更像孙吴——同样世家出身，家底雄厚，并且气质更加年轻，更有冲劲。
抖音刚刚用1:9的内购分成占领高地，快手就用高返点撬动小游戏市场。
章磊力激动地对雷峰网说，“快手老铁真是狠，投流超过一个数字，返点能给到45%-50%，比微信还高出3倍。”
简单来说，如果小游戏厂商在快手投放，快手就会赠送给对方一定数额的流量券，厂商投流成本越高，得到的流量券就越高。
比如，一家发行公司投入6000万的发行资金，就能获得快手3000万左右的流量券，用这种即买即送的方式，吸引更多厂商在快手流量池里不断投流。
小游戏资深创业人士章磊力表示，发行会利用快手的高返点，将7-8个小游戏项目一起打包，再花费1亿-2亿元的投流费用，看投放效果来决定每个项目的费用增减。
简单来说，只要发行人员钱多人胆大，就没有跑不通的小游戏，这也一定程度上给小厂商很多入局机会。
对于小游戏CP而言，最后到手大概能拿到5%左右。
对于许多小游戏厂商的CP而言，这点返现金足以撑起各类成本开销，毕竟一个非SLG的小游戏制作成本大概在30万上下浮动。
用热钱当作一条“鲇鱼”，搅动市场，让开发商和发行商都能焕发更多活力，是快手小游戏的一招好棋。
章磊力还透露，快手对小游戏的审核条件也最为宽松，争抢爆款的路上，不给开发者增添更多的障碍。
另外一位资深小游戏圈内人刘若透露，现在快手最适合投放的，并不是 SLG、传奇等更加重度的品类，而是一些轻度休闲类小游戏。
把微信和抖音定成小游戏的曹操和孙权，快手就更像刘备和蜀汉——大体量虽不及上面两家，但也不乏良策，说不准哪天就会翻盘。
抖音和快手来势汹汹，砸下真金白银，在小游戏赛道上已然成了两匹不可小视的“黑马”，再加上微信，“三国杀”的格局已经逐渐清晰。（欢迎添加微信Who123start， 畅聊游戏行业动态，讲述圈内人自己的故事。添加请备注单位、职位）
03 微信主动防御“T+1”，抖快高速突进暗流涌
一边是抖音用1:9的内购分成打价格战，一边是快手45%的高返点找爆款规律。
微信面对这二者的奋力一击，无论分成或返点都略逊一筹，然而就在上个月，微信高调宣布把 IAP（广告内购混合收入）小游戏内购的周转账期压缩到了“T+1”，IAA 小游戏可以预支未来三个月的广告金。
犹如平地一声雷，“T+1”的声音彻底炸响了整个小游戏圈。天下游戏开发、发行，苦渠道久矣——苦的就是渠道的分成、压账，而三家平台这么一卷，不光把分成卷低，甚至还把账期也卷没了。
“看看大渠道压账期的结果，微信推出的‘T+1’简直就是功德无量了。”刘若对雷峰网表示。
一般传统平台有各种各样的账期设计，当月收入通常要在2个月、甚至是3个月之后才能拿到手，为的就是保持一个更健康的现金流，应对风险的能力也会更强。
把账期压到一天，微信几乎“掀”了行业的“桌子”，抛开“财大气粗”不谈，微信的魄力确然非同寻常。
而另一边，抖音和快手的小游戏生意确实势头迅猛，但深处却有暗流涌动。
“这么说吧，用户在抖音是刷短视频，看好玩好笑听故事来的，虽然游戏也能玩，但通过分享产生玩游戏的效果相对低了不少。”小游戏运营方紫敏表示。
因此抖音需要解决最主要的问题：用户使用习惯。解决了使用习惯问题，才能帮助抖音提升用户留存率和二次打开率。
于是抖音开始对自己的产品“动刀”。
比如微信延用下拉小程序菜单形式，那么抖音就想用首页侧边栏的方式，鼓励用户重复点开侧边栏进入小游戏，以此来培养抖音用户的小游戏使用习惯。
但培养用户习惯并非易事，此前微信在地铁铺设广告标语，没少在用户心智上下功夫。
“抖音知道自己比微信小游戏起步要晚，所以很早就开始打造侧边栏，但说实话，这件事并不好做，因为是对现有用户习惯的颠覆。”
和微信的社交属性不同，抖音、快手本身就是一个内容平台，小游戏的出现是在原短视频基础上增加新玩法，所以在本质上，抖快做小游戏，是在和短视频分流量。
在架构上，抖音和微信差了一个张小龙。互联网老兵鲁素创业做游戏时，和张小龙打过交道，他评价说：“张小龙做事不容易妥协，做事的方式也更专注、更稳健。在微信他大权在握，要推小游戏，力量也更集中。”
再来看看快手的用户，35岁以下年轻人群占比高达90%，对新鲜事物接受比较快。
虽然与小游戏用户重叠度很高，但快手的用户付费能力却相对较差。
“快手用户的付费能力一直是微抖快三家最低的，基本上是一次性用户。这对于追求付费的 IAP 小游戏厂商来来说，就有了一定障碍。”游戏发行全琳表示。
全琳得到的消息称，虽然抖音和快手的补贴政策诱人，但相对来说比较被动，大多数客户普遍反馈，抖音和快手的小游戏持续回本能力差，赚不到钱，虽然买量上规模看起来增速高，但规模不可持续。
怎么提升这些用户的付费能力，不仅是快手小游戏一道必须解开的难题，更是快手商业化想要更进一步，必须面临的挑战。（欢迎添加微信Who123start， 畅聊游戏行业动态，讲述圈内人自己的故事。添加请备注单位、职位）
04 结语
小游戏的赛道，虽有微抖快以“三国杀”之势打得热闹，但“天下三分”的格局却远远未成定局。
“当下，几家头部手机厂商也看到了小游戏的机会，正密谋再成立一个新‘联盟’，把所有的手机厂商小游戏用 Runtime 一键接入，和微抖快争个高下。”相关资深人士范新对雷峰网透露。
如果一个新的联盟在小游戏赛道上再有建树，在硬件入口上卡死渠道，微抖快三家平台的挑战不能说不小。
同样的，支付宝也在2023年11月更新了小游戏相关的开发文档，并上架小游戏相关板块。
关于小游戏内购的计费模式，支付宝在文档中明确，支付宝收单手续费为固定费用，按单笔订单金额的1%收费。并且定下IAA分成50%，IAP 70%。
支付宝平台最大的优势在于支付链路的完整性，且用户群覆盖的年龄段较广，并且高价值用户巨多，对开发者来说也是一种选择。
此外，Telegram 和 Facebook 都在布局小游戏领域，誓要赶上这波风口，而海外环境与国内并不尽相同，如何跨过平台、政府的道道审核完成“切支付”，难度也很大。
如果说微抖快是“魏蜀吴”三国，正在小游戏赛道上混战，那么外部还有“董卓”“袁绍”“刘表”“马腾”……
《三国演义》中诗云：滚滚长江东逝水，浪花淘尽英雄。是非成败转头空。
小游戏的赛场上，中原逐鹿，谁能成就一方霸主？到今天，还远没有答案。
（欢迎添加微信Who123start， 畅聊游戏行业动态，讲述圈内人自己的故事。添加请备注单位、职位）
大模型技术喧嚣之外，Web3也在近期迎来了备受关注的新突破。
过去几年里，Web3饱受质疑。这背后，“没有创造出实实在在的产业价值”是其最大的“诟病点”。
“Web3是一个富有盛名，且非常值得赞赏和肯定的概念，但它在实践上的滞后性，让其盛名之下其实难副。”9月5日，在外滩大会上，经济学家、横琴澳粤深度合作区数链数字金融研究院学术与技术委员会主席朱嘉明坦言。
横琴澳粤深度合作区数链数字金融研究院学术与技术委员会主席 朱嘉明
Web3似乎就停滞在取得重大突破的边缘，等待一个“价值奇点”。
不过，近期，蚂蚁数科与朗新科技合作完成的国内首单新能源RWA新探索，为Web3技术赋能实体产业迈出关键一步，也让web3的“价值奇点”时刻迎来曙光。
其中，朗新科技以旗下部分充电桩作为RWA锚定资产，基于可信数据在区块链上发行“充电桩”数字资产，在香港成功获得首笔RWA跨境融资。
“这相当于一种mini-IPO，通过资产上市而非公司上市，来帮助中小企业改善融资难的问题。”蚂蚁数科CEO赵闻飙表示。
中国证监会原主席肖钢也表示，RWA作为连接数字与实体世界的桥梁，正是金融回归本源、服务实体经济高质量发展的生动实践。
中国证监会原主席 肖钢
这一创新实践意味着，经过十多年的探索，区块链等数字技术通过助力实物资产通证化、资产化，从产业边缘逐渐踏入企业生产、交易的核心环节，Web3开始真正步入赋能实体企业的拐点时刻。
作为新一代互联网演变架构和形态，Web3自提出后便被产业各方寄予厚望。
但在崇高的愿景下，其应用长期被局限在数字加密币、艺术收藏品等小众领域，一直难以切入企业发展的核心环节，其本身蕴含的赋能实体产业的真正潜力迟迟难爆发。
究其原因，在于此前围绕Web3的一系列相关技术在实际应用上还存在诸多挑战。而蚂蚁数科旗下蚂蚁链从2015年开始，就一直在探索一条更加可实践的技术路线。
“蚂蚁最重要的产品，就是建立信任。”蚂蚁集团董事长兼CEO井贤栋曾说。蚂蚁投身区块链，也是相信区块链可以重构数字时代的信任体系，让产业之间的信任变得触手可及，从而激活产业数字化发展。
也是在这一初心之下，作为行业里第一批实践者，从最初的区块链兴趣小组，到如今云计算、区块链、人工智能三大板块，以及技术融合的布局。蚂蚁数科从“单点技术”到“技多不压身”，通过不断的技术升级与创新融合，走出了中国式Web3的三个阶段。
第一阶段是上链交易量的攀升。
它代表着区块链发展早期的尝试，也是web3的“基建时期”。
作为一员重要的先锋兵，蚂蚁链从2015年开始投入区块链技术，到2020年，在50多个场景的尝试下，有了第一个1亿——上链交易量1亿。
“这让我们意识到，用区块链来解决实际问题不是一个伪命题，而是真的有实际需求，真的能创造价值。”蚂蚁数科首席科学家闫莺回忆道。
蚂蚁数科首席科学家 闫莺
上链量的背后，反映了产业界对区块链技术真实的需求。在这一阶段的实践探索中，蚂蚁链重点打造了“10x10”的基础设施——可承载10亿日交易量×10亿账户稳定运行，实现二十万级CTPS交易性能，夯实了自身的技术底座。
第二阶段是“链上数据使用量”的突破。
2022年前后，"国家数据二十条"等旨在激发数据要素潜力，赋能实体经济，促进高质量发展的系列政策密集出台。政策利好下，各行各业积极拥抱数据要素的流转，技术融合成为新趋势。
这一阶段，蚂蚁链推出了“区块链+隐私计算+数据安全”融合方案——数据可信协作平台（ FAIR ），同时还在业内率先投入区块链+IoT融合技术研发，推出首批无线通信模组AntChain MaaS，实现了物联网数据的可信上链。
据闫莺回忆，标志性的小目标发生在去年，当时链上数据读取日均达到1亿。“这说明区块链的价值真正得到了释放。”
随着“链上数据使用量”的暴增，如何保证大规模业务场景下的技术支持，成为蚂蚁数科新的目标。2023年，蚂蚁链推出了大规模区块链开放架构——HOU。其中，“H”是异构互联的扩展性，“O”是水平规模的扩展性，“U”是性能的扩展性。
与此同时，蚂蚁链还在架构上采用了三个O的Scale体系化机制，即Orchestrate、Observe、Optimize来持续优化整体的HOU架构。而这又为接下来Web3的资产通证化埋下了伏笔。
从去年开始，蚂蚁数科与香港金管局、朗新科技、瑞银集团等机构一起探索如何用技术的方式推动实物资产的通证化。今年，朗新RWA项目落地，实现了1亿链上融资额，这也标志着中国web3发展正式进入第三个阶段。
RWA资产发行最大的挑战之一是背后的实物资产怎么更好锚定，不仅包括实物资产的真实性如何解决，还包括资产上链以后流转的安全性怎么解决。
“这背后是一个涵盖链上安全、链下安全、流转安全等等在内的一整套技术体系。”闫莺解释道，正因为蚂蚁链在过去的十多年中做了很多积累，跨越了三次挑战，才能在今天迈出国内RWA落地的第一步。
光有技术还不够。倘若没有对实体产业的关切，区块链和Web3就只能陷于炒币、赚快钱等虚拟世界的繁荣里，难以走远。
但怎样把技术应用于产业，将物理世界与数字世界深度连接起来，是一大难题，也是包括蚂蚁链在内的产、政、研各方长期以来不断探索的重点。
以蚂蚁链的探索为例。
2015年，彼时国内区块链和Web3产业还处于市场酝酿阶段，相关技术和理念开始从极客小众圈子逐渐进入大众视野，但还未触及实体产业的核心领域，更多还是在金融、数字加密币等特定领域内进行初步的探索与试验。
蚂蚁的几个工程师从兴趣出发成立了一个区块链技术小组，在2016年研发出了第一款应用—— “听障儿童重获新声”，用区块链技术对每一笔善款的全程信息追踪，让人们看到了区块链照进现实的价值。
2017年，由于政策环境逐渐明晰，区块链产业开始进入发展“快车道”，对实体经济的涉足日益加深。
当年6月，在蚂蚁链的支持下，全球首个基于区块链的电子钱包跨境汇款服务在香港上线，让用户实现了用港版支付宝AlipayHK向菲律宾钱包Gcash的便捷转账，转账时间从之前的十多天大幅缩短至3秒。
此之后的半年，蚂蚁链又相继磕下了15个场景，区块链和Web3开始深入更多、产业链更为复杂的场景里。
2021年前后，疫情致使大量实体企业线上化需求出现井喷，各行各业数字化转型加速，技术融合成为新趋势。
这一时期，蚂蚁链通过融合区块链和物联网技术，推出了MaaS模组，让电子设备自动连接区块链，实现物联网数据可信上链、全流程加密，迈出了赋能实体产业可信数字化的重要一步。
近年来，电动汽车、电池、光伏面板、等新能源产业方兴未艾，蚂蚁链与合作伙伴一起构建新能源设备区块链平台，帮助实体企业的底层资产实现可信上链。
截至目前，该平台的累计上链设备数已经超过了1200万台，成为国内最大的新能源区块链设备平台。Web3世界的基石正在加速成型。
然而，伴随越来越多的实体产业上链，更复杂的、新的需求开始显现。
据肖钢介绍，我国传统行业，尤其是制造业，沉淀了大量的真实资产，但往往由于缺乏流动性而处于折价状态，或者因为未能得到良好运营，致使资产利用率偏低，制约了经济增长潜力的释放。
嘟嘟换电是一家做电动二轮车换电的科创企业，主要是给社区居民提供“换电”服务，换电站就布设在小区或者街边的电动车停靠点。目前，嘟嘟换电已在深圳和杭州等地铺设了5000多个换电柜，总注册用户超过13万人。
业务扩展本来是好事，但对CEO廖志成来说，却也意味着越来越重的压力。
换电业务的模式是：企业先买电池，然后租给用户。如果按1000元一块电池的单价来说，20万的用户就需要两个多亿的资金投入，挑战巨大。
自持电池的资金压力制约着公司业务发展。如何“轻装上路”，既运营电池资产同时又不持有电池，嘟嘟想到了用区块链的方式。
2022年，嘟嘟换电与蚂蚁链合作，把电池的BMS（Battery Management System）管理系统里每一颗电芯的电量、电压、充放电次数、电池健康度等数据都一五一十地记录在区块链上，确保了数据源头的可信且不可篡改，让电池实现了“可信上链”，为金融机构与科创企业之间的信任问题打开了新思路。
有了电池上链数据，资金方能够更准确、更合理、更快速地进行电池价值评估，也更放心给嘟嘟提供资金支持，并把运营权交给嘟嘟。
于是凭借此，嘟嘟换电获得了一笔2000万元的经营性租赁贷款授信，综合融资利率从以往的10%降到了6%，融资成本大大降低。通过这种“轻资产”的方式，嘟嘟换电自持资产的压力得到缓解。
客户、资金、效率，通常是企业最关心的三个问题。
在这次创新实践中，区块链激活了电池等科技资产的价值，把“上链电池”用在了融资场景中，可以说是直接切入了企业生产经营的核心环节，让区块链和Web3从此前的产业边缘，第一次走进了产业核心。
这一实践的落地，不仅打开了区块链赋能实体经济的想象力，也为近期RWA创新落地奠定了基础。
2024年8月，蚂蚁链在产业探索上又进一步，帮助企业进一步拓宽融资渠道。上文提到的朗新科技RWA项目，是由蚂蚁数科、朗新科技、瑞银（香港）三方合作完成，朗新获得1亿元融资。
这意味着，一个新的资本通道正在向中国实体经济敞开。而这一创新尝试，在眼下的出海热潮中，更是恰逢其时。
海外融资难，一直是限制中国企业出海的一大难题。一方面，中资金融机构在相关服务供给上确实存在不足；但更重要的是，境外银行由于缺乏对出海中企实际业务状况及其境内主体资金实力的了解，而在授信上犹豫不决。
这种双重困境，使得不少出海中企难以获得必要的资金支持。如今朗新RWA项目的落地，为这一难题打开了新思路。
在肖钢看来，Web3技术带来了去中心化的金融平台，可以为科创公司提供全球化的资金来源，这大大增加创业者的融资、筹资的灵活性和资本效率。而RWA作为连接数字与实体世界的桥梁，正是金融回归本源、服务实体经济高质量发展的生动实践。
嘟嘟、朗新等创新案例的纷纷落地，让业内看到Web3从前沿技术真正落地到了实体产业，创造出了真实的业务价值，Web3逐渐洗去“质疑”。
然而，产业侧的Web3浪潮想要真正到来，还需借助生态的力量。
在朱嘉明看来，Web3自诞生后，并不存在一个涵盖系统理论、完备逻辑和成熟技术支持的完整框架，而更多是一种理念、想法和设想。“这既是Web3的主要缺陷和挑战，也是需要业内各方共同努力建构的地方。”
近年来，政策、企业、金融机构、技术服务商等业内各方对此逐渐形成共识，在共同推动Web3发展上合作频频。
比如上文提到的朗新RWA项目能在香港落地，就得益于香港这两年出台的一系列支持政策。在提供清晰政策导向、加强虚拟资产交易监管、成立协会、启动基金促进Web3生态建设，以及开放国际合作等方面不遗余力。
而蚂蚁链作为区块链早期探索者之一，长期以来一直以“技术赋能者”的角色积极参与到Web3产业浪潮中，得到越来越多行业参与者和生态伙伴的响应。
今年5月，香港金管局为支持香港代币化市场发展，推出了全新的批发层面央行数字货币（wCBDC）项目，旨在推动制定业内标准，以支持wCBDC、代币化货币和代币化资产之间的互通性。
蚂蚁数科与中国银行（香港）、恒生银行、汇丰、渣打香港等跨国银行，以及新能源公司朗新科技和全球航运业务网络（GSBN）等一批实体企业一起，作为首批受邀企业参与了代币化资产场景创新。
除了朗新科技合作案例外，蚂蚁数科还深度参与了“贸易和供应链金融”案例。通过蚂蚁数科搭建的代币化资产平台，全球航运业务网络（GSBN）签发了电子提单（eBL）。
在此过程中，汇丰银行、恒生银行和中国银行（香港）促成了使用代币化存款来结算电子提单的转让。
在赵闻飙看来，多年来，蚂蚁数科始终致力于满足各行各业产业客户多样化的数字化需求，也因此获得了客户的支持与肯定。
“过去一年，我们的客户数增长了35%，解决方案落地了90多个行业场景，服务全球超过1万企业客户，海外业务也实现了300%的增长。”他补充道。
科技为实体赋能，任务艰巨，道路漫长。不过，幸运的是总有一批先行者，怀着满腔的热情，早早地对创新科技进行尝试和探索。
有意思的是，早在2016年，赵闻飙还在美国运通担任全球风险监管副总裁时，就已经开启了对区块链未来的探索与思考，他曾在2016年撰写过《互联网的二次革命，区块链的前世今生》等一系列文章，引发广泛的业内讨论。
“所以，也是很有缘分，我到这个岗位。”赵闻飙不无感慨的说道，“从2015年到现在，一路走来，我们的初心是不变的，始终在思考如何通过科技创新更好地服务产业数字化的发展。”
蚂蚁数科CEO 赵闻飙
多年深耕后，如今回看，他认为过去二十多年，产业数字化一共经历了三个阶段：
第一个阶段，传统企业开始进行数字化转型。主要聚焦于通过云计算等技术手段提升IT效率，优化用户体验，同时实现业务的数字化。
到了第二个阶段，随着大数据爆发，产业链上下游之间的协作愈发紧密，如何借助区块链等技术来提升数字化协作效率，成为一个关键问题。
再到第三阶段，数据成为关键的生产要素与核心资产后，数据资产的高速流通开始成为提升企业交易效率的关键一环。
从IT提效，到协作提效，再到交易提效，产业数字化步步升级，释放出巨大的发展红利。
这背后，以蚂蚁数科为代表的中国科技企业也步履不停，推动中国企业数字化转型，由单一向全路径转变，从局部转型发展为整个流程，乃至全局的优化，践行着服务实体、推动新质生产力发展的时代使命。雷峰网雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/7MXKUPUzpzTWfptM.html#comments Fri, 06 Sep 2024 16:31:00 +0800 平安银行：引聚“金融活水” 浇灌“科创森林” https://www.leiphone.com/category/fintech/1DNDp4Eb7SfWOeV7.html 前不久，一份新能源汽车的成绩单在网络上流传：6月，某国有汽车品牌交付数据达20116辆，排在新势力榜单第三位。而时间回到2021年，该新能源公司还在头疼如何扩大销路，虽然该公司已在50多座城市开设近80家体验服务网点，但要把车卖进更多人家中，单打独斗并不够，还是要呼朋唤友，找更多经销商。但在当时召唤经销商并不简单，由于叠加疫情等因素，很多经销商库存压力极大。
2021年，该新能源汽车品牌与平安银行开始接触，一场及时雨也随之而来，经销商“钱荒”的困境也开始得到缓解。
据了解，2021年起，平安银行开始向该新能源经销商提供合适的数字金融产品，针对符合资质的下游企业提供贷款。到2023年末，平安银行服务的该公司经销商超100户，在其所有合作银行中数量最高的一家。
事实上，除这家品牌外，这几年在许多专精特新、智能制造业公司中都可以看到平安银行的身影。
“让公司能够活到产品上市的那一天，是创业者最重要的任务之一。”一家早期硬科技创始人对雷峰网说道。
不同于传统行业，高科技初创企业常面临长时间的研发沉默阶段，从创立到产品上市往往需数年，期间虽大量投入，但无明显产出。这也导致他们贷款难度极大，因为这类企业往往缺乏传统银行看重的有形资产作为抵押，如房地产或设备，而是主要依赖于无形资产，比如知识产权。
再加上，高科技企业常常处于亏损状态，尤其是在研发的早期阶段，这意味着其无法提供银行所期望的稳定收入流或利润。这种财务上的“青黄不接”加大了贷款的偿还风险，让银行更加谨慎。
为支持高科技企业发展，去年至今，有关部门出台了一系列措施。
去年9月，国家提出要大力扶持新质生产力的发展。今年4月，中国人民银行联合科技部等部门设立5000亿元科技创新和技术改造再贷款，其中1000亿元额度专门用于支持初创期、成长期科技型中小企业首次贷款，激励金融机构更大力度投早、投小、投硬科技。
5月9日，国家金融监管总局发布了《关于银行业保险业做好金融“五篇大文章”的指导意见》对做好金融“五篇大文章”提出了明确要求，进行了系统部署。紧接着，不少的金融机构都在积极布局新质生产力，通过设立服务创新、科技创新的专营组织架构、专门风控制度、专业产品体系、专项考核机制，推动信贷资源向科技创新和科技型企业倾斜，发挥了主力军和催化剂的作用。
平安银行积极为新质生产力提供金融服务和支持，并从战略到组织，再到产品市场推出了系列举措。
在战略层面，2024年平安银行将科技金融纳入对公五大战略之一，并且把重点目标瞄准了专精特新、智能制造的企业。
而在组织层面，平安银行设立了“1+12+N”总分支科技金融组织体系，即在总行设立总行科技金融中心，在北京、上海、广州、深圳等12家重点分行设立分行科技金融中心，并组织认证N家科技特色支行及专业团队，共同提供科技金融服务。
在完善组织结构的同时,平安银行加大考核和资源投入，制定专项考核，以及多项激励、补贴政策，支持分行对科技企业客群的开发及经营，包括将科技金融纳入分行KPI实体经济指标，对科技特色支行和科技金融专业团队制定差异化考核方案，为符合条件的科技企业客户配置专项RWA额度和给予差异化FTP补贴政策等。
在这种组织矩阵之下，多家企业的资金压力更快速地得到了缓解。
例如，深圳一家专精特新“小巨人”企业在业务快速增长时期通过平安银行的“科创贷”在线贷款服务，在不到一个月内获得了超千万的资金支持。
此外，平安银行还为知名钢铁材料制造商及其供应链提供支持，通过申报供应链间接额度并采用商业承兑汇票支付方式来优化资金流和降低成本。平安银行设立专门团队为该公司提供全程服务，目标在2024年内实现30亿元的出账规模。
以前是高科技企业难以获得资金，现在资金更加主动地流向这些企业。
平安银行赋能新质生产力是当下时代的要求，但事实上，平安银行成立至今一直没有远离过这些企业，并且已陪伴一批又一批科技企业成长。
深圳某国内激光焊接行业的翘楚就曾是平安银行深度“浇灌”的一家企业。
2016年，正值动力锂电池行业爆发增长之际，该公司订单激增，平安银行敏锐洞察其发展潜力，率先伸出援手，提供1500万元信用贷款，助力企业产能扩张。随着企业步入Pre-IPO阶段，平安银行再度加码，将授信额度增至3000万元，并批复1.5亿元项目贷款支持子公司发展。
伴随该公司成功登陆科创板，企业规模与市场影响力显著提升，平安银行持续跟进，不仅满足其多样化融资需求，还通过商票保贴业务赋能供应链上下游，构建了稳固的金融生态圈。
截至2024年6月末，全行科技企业客户数2.44万户，较年初净增610户，贷款余额1316.88亿元，较上年末增长10.3%。
当然，平安银行只是为科技企业赋能的其中一家金融机构，雷峰网注意到，这几年金融机构的资产配置，在科技创新领域有所倾斜。截至2023年，获得贷款支持的科技型中小企业21.2万家，获贷率达到46.8%。高技术制造业中长期贷款余额2.7万亿元，同比增长34%；科技型中小企业和“专精特新”企业贷款余额同比分别增长21.9%和18.6%，明显超过全部贷款余额增速。
资金和企业高效对接起来了，金融资本与产业资本深度融合了，阳光雨水都能顺利抵达最需要它们的地方，科创企业这片森林里，自然也会有越来越多的树茁壮成长，枝繁叶茂。
]]> 金融科技 https://www.leiphone.com/category/fintech/1DNDp4Eb7SfWOeV7.html#comments Thu, 08 Aug 2024 17:30:00 +0800 独家丨腾讯AMS业务架构变动，涉及带货运营及治理业务 https://www.leiphone.com/category/fintech/qxH5f11kSFmRibW2.html 7月11日，雷峰网独家获悉，腾讯 CDG（企业发展事业群）正在对旗下的 AMS（广告营销服务）部分职能板块进行整改优化，主要涉及从事带货运营和商业治理工作的团队。据一位接近腾讯AMS业务的刘菁纯表示，相关受影响的工作人员应该会先缓慢过渡到内部岗位。腾讯目前已经启动了岗位活水和专项绿色通道等工作。
腾讯 AMS 线成立于2018年，主要负责腾讯广告营销业务，是腾讯原有的社交与效果广告部，与网络媒体事业群的广告业务整合之后的产物。AMS业务线的工作，除了为商家提供投流拿量及数字化营销服务外，也包括了视频号交易的部分支持及服务工作。
本次业务范围调整，更加说明带货板块是腾讯业务增长的关键因素之一。据一位了解情况的人士孙露对雷峰网表示，下一站不出所料，这项业务应该会回到微信事业群。
今年5月，微信内部已经对视频号直播带货做出过调整，相关团队并入到微信开放平台（小程序、公众号等）团队，目的是将微信视频号直播带货业务进一步融入到微信生态内，让视频号直播带货获得有利发展。
微信视频号是近两年腾讯的亮眼业务之一。从2024年Q1财报来看，腾讯视频号总用户使用时长同比增长超80%。腾讯表示，通过拓展商品品类和激励更多内容创作者参与直播带货，加强了视频号直播带货生态。雷峰网雷峰网雷峰网
今年一季度，腾讯网络广告业务收入同比增长26%，达到265亿元，毛利同比增长66%，主要受益于视频号、小程序、公众号、微信搜一搜等快速发展带来的新增广告收入以及AI技术驱动等质量提升。
在视频号上，微信的步子迈得一直都不快，而是力求扎实稳健。随着微信体系内小程序交易、支付基础设施等要素日益发展，交易相关的需求不断提升，视频号开展直播带货也建立了更完备交易环境。
此次AMS 线的急变之后，腾讯视频号的直播带货工作未来会有怎样的策略？微信又会有哪些新变化？在当下，这些问题还有不少未知数。（欢迎添加微信Who123start.了解更多互联网大厂前沿消息，与小伙伴们一起畅聊最新动态）
网商银行行长冯亮
在当前经济环境复杂、信贷业务增速较缓的背景下，头部互联网银行已经开始从信贷为主的第一阶段，转向围绕“财富管理”，探索第二增长曲线。
雷峰网消息，近期网商银行在成立九周年之际，首次对外解读了其“交易银行”战略。网商银行行长冯亮在接受采访时表示：“交易银行是网商银行的第二增长曲线，网商银行不仅要成为小微‘信贷专家’，也要成为小微‘资金管理专家’。”
为此，网商银行推出了两套小微资金管理解决方案——生意卡和电商通，分别面向个体经营者和小微企业。它们与今年4月份升级的产业链金融解决方案“大雁系统”一起，组成了网商银行交易银行的三大板块。
“此次战略升级源于小微金融需求的变化。”冯亮解释，过去10年，普惠金融重点在解决小微信贷有没有、够不够的问题，但小微经营者的资管需求如理财、收款、支付等，一直存在大量痛点，且缺少银行专注解决。这正是网商银行此次探索“交易银行”的出发点。
雷峰网了解到，所谓交易银行，是商业银行围绕客户交易行为所提供的一揽子金融服务。相较于单一的信贷服务，交易银行强调为客户提供更加综合化、立体化的金融服务，包括但不限于现金管理、支付结算、供应链融资、资金托管以及电子银行渠道等。
从市场需求侧而言，小微经营者“管钱难”的痛点长期存在。
简单来说，“管钱”业务包括支付、结算、还款、收款、理财等。眼下，“管钱”业务在国内的现状是：
大型企业的资金管理需求包括：财会、税务、财务数字化系统、资产管理、投融资等。服务他们的不仅有外部的资产管理公司、各大银行的企业金融服务部、会计师事务所、软件服务商；还有企业内部的财务、会计、投资等部门。
个人管钱的需求主要包括：消费、车贷、房贷、存款、理财等。服务他们的有大量的银行信用卡中心、客户经理，互联网理财平台等。
而小微经营者处于中间，也有贷款融资、大额采购支付、财务里的对账管账、资金增值等需求。但他们面临的真实处境却是：服务大企业的机构，要么不服务小微，要么就是太昂贵；个人的金融服务，又满足不了小微企业特有的“经营需求”。
一定程度上可以说，普惠金融过去10年，主要是在解决贷款的问题。而小微经营者的资金管理，其实长期处于空白地带，没有得到很好的解决。
而从银行角度而言，相比于重资产的信贷业务，交易银行业务主要处理轻资产业务，如代销银行理财产品等，这为银行在利息收入以外提供了更多低风险甚至无风险的收益来源，特别是在净息差下降的时期，这一点对此前以信贷为主的互联网银行来说，非常具有吸引力。
据冯亮介绍，生意卡所服务的客户主要为个体工商户。
国家市场监管总局数据显示，2023年个体工商户的数量达到1.24亿，支撑了3亿就业，9成在服务业。他们的金融需求与普通白领和大型企业都有着显著差异。网商银行调研显示：
近4成的小微平均每月收款在1万笔以上，且金额平均不过10元。收款零碎，理财不方便，15：00以后买入容易错过收益；
采购付款时，几千几万元的支付经常触发限额；
小微资金不仅对流动性要求高，还有明显的周期性和淡旺季，但很难找到适应其生意周期的资金增值产品。
“大企业的金融服务他们用不上、用不起，个人用户的金融服务满足不了。市面上几乎没有银行专门为小微设计资金管理服务。”冯亮表示，“生意卡填补了这一空白，让个体经营者有了资金管理‘一卡通’。”
具体来说，在支付还款上，生意卡支持商家快捷支付场景和“一站式”还款管理。2023年，超1000万小微用生意卡支付了5亿多笔，多数用户的单笔支付金额在5000元左右。此外，超过600万小微用网商银行储蓄卡“一站式”还款，管理其信用卡及其他信贷渠道的还款，累计还款1.5亿多笔。
理财方面，支付宝收款自动转入余利宝，随时收款，随时理财，支持夜市理财收益不间断。
权益方面，网商银行还联合1688、菜鸟物流、货拉拉、滴滴送货等8大小微经营刚需平台成立小微生意权益联盟，提供1688进货红包、菜鸟寄件券包、货拉拉送货立减券等生意权益，降低他们的经营成本。
如今，电商市场已从一家独大演变为群雄逐鹿的格局，在淘宝、天猫、抖音、拼多多等多个平台经营已成为电商企业的常态。调研显示，7成电商商家在2个以上的平台开店，5成以上有3个店铺。然而，随之而来的管钱难、管钱贵却成为了电商经营者的痛点。
徐州金智标企业管理咨询有限公司的创始人吴少林在10家平台开了300家网店。在他的办公室里，有整整一面墙的文件柜，每格小抽屉里放置1个店铺的公章还有银行U盾。
吴少林算过一笔账，1家店铺付给银行的基础管理费在1000元～1500元之间，而300家店铺转账、支付的手续费加起来高达数十万元。大促期间，这家店铺每天需要流量充值10余次，每次支付需要插U盾，可谓是成本高昂，程序繁琐。
针对类似这些难点、痛点，电商通提供了：用1个账户支持淘宝、天猫、抖音、拼多多等所有主流电商平台的收款；采购、营销支付均可扫码支付，无需再插U盾；
网商银行还和钉钉合作，将“收银台”嵌入办公软件，采购订单审批完可直接完成支付，每笔支出都一目了然；
企业账户上的活钱还可以转入企业余利宝，或者购买银行稳健理财，获得资金增值。此外，开通、使用、转账、提现等服务目前全部免费。
目前，据网商银行统计，每3个电商企业，就有1个在用电商通。在天猫平台，一半的商家已经开通。使用电商通的活跃商家中，一半在网商银行理财。
事实上，网商银行交易银行业务已经起步一段时间了。据2023年报数据显示，在小微理财方面，网商银行已和23家银行理财子机构达成合作。截至去年底，理财代销规模超过5000亿元，已经步入行业第一梯队。
与传统银行相比，在“卖理财”等交易银行业务上，有流量优势、数字化技术优势的互联网银行具有差异化优势。
以网商银行为例，冯亮告诉雷峰网，在交易银行战略中，网商银行的特点主要体现在以下三个方面：
一是用户基础，在信贷方面，网商银行已累计为5300万小微经营者提供了服
二是数字银行的便捷体验。网商银行不设线下网点，有支付宝就能用，可以触达最广泛的客群。
三是技术沉淀。从大数据风控到大山雀、百灵等智能风控系统，网商银行在小微金融科技领域持续创新，为交易银行打下了基础。
举例来说，比如今年4月10日，网商银行升级大雁系统，引入AI大模型的能力识别小微企业和完善信用画像，提升了产业链金融的覆盖率和精准度。
具体来说，大雁系统产业链金融解决方案是：通过AI大模型的知识抽取能力构建“产业链图谱”，识别产业链上的小微企业，并且通过AI大模型判断产业趋势、解析小微经营数据，评价其信用情况。以汽车产业链为例，通过大模型技术，可以实现识别全产业链270万家小微企业，为超过100万小微企业提供信贷额度。
据网商银行统计，在获得该项金融服务的用户中，64%为首次获得纯信用贷款，近3成为科创型企业，且获得了更高的额度。因为秒贷秒批的金融服务，他们在经营上实现了“0账期”，可以多接订单，每月交付量平均提升了17%。
在网商银行行长冯亮看来，网商银行始于信贷，但不止信贷，成立9年以来，一直期望为小微经营者提供相伴成长的金融服务，而随着AI浪潮，交易银行也会迎来更多可能性。雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/Wb7EGhnSSkm82R7W.html#comments Thu, 27 Jun 2024 10:24:00 +0800 独家丨众安国际科技完成3500万美元A轮融资，加码欧洲、中东和非洲市场 https://www.leiphone.com/category/fintech/8KETd8XUSEZcaDP2.html雷峰网消息，6月18日，众安国际科技（ZA Tech）宣布完成3500万美元A轮融资，并正式更名为Peak3。本轮融资由欧洲大型私募股权投资公司殷拓集团(EQT)领投，摩根大通担任独家财务顾问。
作为全球领先的保险核心系统SaaS服务提供商，众安国际科技表示，以此轮融资为契机，公司接下来将加速在欧洲、中东和非洲（EMEA）地区的扩张发展。同时，顺应AI赋能保险业的大趋势，众安国际科技也将加速在AI及大数据方向的布局，推动全球保险行业数字化进程向智能化发展。
公开资料显示，众安国际科技成立于2018年。彼时，国际保险科技还是一个长期被传统技术主导的分散市场，众安国际科技率先破局，推出了基于云原生、模块化、无代码/低代码的数字解决方案，具体包括保险核心系统、分销系统、客户数据平台(CDP)和AI解决方案，为各类保险业务模式、保险产品线（寿险、健康、财产与意外险等）以及端到端的保险业务价值链各环节，提供数字基础设施支持。
六年发展期间，众安国际科技基于Graphene和Fusion两大核心产品解决方案，已与友邦保险、忠意保险、保诚和苏黎世等保险公司实现合作。同时，还与Carro、Grab、Klook 和 PayPay 等数字化平台合作，不断建立和扩展其嵌入式保险业务。
同时，随着“一带一路”倡议的深入推动，阿里、抖音、大疆等中国企业积极拓展全球化布局，众安国际科技也凭借其一站式保险解决方案，深度参与这些企业的全球化进程，成为他们不可或缺的合作伙伴。
例如，今年5月，众安国际科技与深圳市大疆创新科技有限公司在泰国创新推出农业无人机机损险保险保障方案，基于众安在海外建立的广泛合作网络与坚实的保险科技能力，快速助力大疆完成泰国项目的落地。
目前，众安国际科技已落子全球12个国家地区。其将“亚洲金融科技中心”设立于新加坡，在东京、泰国、德国、丹麦、法国、爱尔兰等20个国家地区设有办事处。
值得一提的是，众安国际科技在亚太地区、欧洲、中东及非洲地区的数字化保险科技能力和经验，正是本次战略投资者殷拓集团（EQT）看重的关键要素之一。
此次众安国际科技的A轮融资，引入了两家新的战略投资者——殷拓集团（EQT）和Alpha JWC Ventures。其中，殷拓集团是欧洲老牌专注技术领域投资的机构，Alpha JWC Ventures则是东南亚领先的风险投资公司。
殷拓合伙人Clara Ho表示，“众安国际科技已经积累了深厚的国际化保险科技解决方案能力，未来，殷拓集团也将借助已有的全球网络，助力其在发展速度及财务指标上有更优越的表现。”
据全球保险研究报告，2023年全球保险业的保费收入达到了6.2万亿欧元，保险科技的价值正在全球范围内得到前所未有的关注和释放。
在宣布融资进展的同时，众安国际科技将其英文名称从ZA Tech更新为Peak3。众安国际科技CEO宋玄壁对"Peak3"的意义做了特别的解读：“Peak3不仅象征着人工智能、云计算和大数据这三大科技高峰，也强调了我们为客户提供的三大核心价值：引领行业的持续创新能力、卓越高效的运营管理能力以及稳固可靠的基础架构支持。”
眼下的2024年，众安国际科技计划实现营业收入双位数增长，并力争在年内第四季度实现盈亏平衡。
]]> 金融科技 https://www.leiphone.com/category/fintech/8KETd8XUSEZcaDP2.html#comments Tue, 18 Jun 2024 09:00:00 +0800 独家丨蚂蚁集团副总裁蒋国飞离职 https://www.leiphone.com/category/fintech/2MY6zyClmQJcqCy6.html据雷峰网独家获悉，蚂蚁集团副总裁、原智能科技事业群总裁蒋国飞已于 5 月 31 日离职，结束了他在蚂蚁集团长达七年的任职生涯。截至目前，其后续职业动向暂未确定。
据公开资料显示，蒋国飞毕业于北京理工大学，先后获得本科和博士学位。博士毕业后，他出国深造，在美国达特茅斯学院完成博士后研究。2004 年 6 月，蒋国飞加入 NEC 美国研究院，历任高级研究员、部门主管及副总裁。
2017 年，蒋国飞加入蚂蚁集团，担任副总裁，负责区块链技术创新相关工作。2019 年 9 月，蒋国飞出任蚂蚁集团智能科技事业群总裁，成为蚂蚁区块链平台的核心负责人，期间带队推出了基于蚂蚁链技术的国际贸易和金融服务平台 Trusple。
2024年3月初，为了进一步加快改革步伐，推进蚂蚁“AI First”、“支付宝双飞轮”、“加速全球化”三大战略，蚂蚁集团董事长兼CEO井贤栋发布全员信，宣布新一轮组织架构升级：CFO、董事会执行董事韩歆毅出任蚂蚁集团总裁，全面负责数字支付、数字互联和数字金融业务，向董事长兼 CEO 井贤栋汇报。蚂蚁国际、OceanBase和蚂蚁数科分别成立董事会，独立面向市场。
其中，蒋国飞原先带领的蚂蚁数科由蚂蚁集团资深副总裁、原大安全事业群总裁赵闻飙博士出任 CEO，并由蚂蚁原 CTO 倪行军担任董事长。赵闻飙曾带领构建了支付宝和蚂蚁集团领先全球的智能风控体系 AlphaRisk 和 IMAGE ，同时带领团队围绕可信 AI、安全大模型等关键技术持续攻坚。
此次调整中，蒋国飞因个人生活和工作规划，不再担任智能科技事业群总裁一职。直至上月末，其确认离开蚂蚁集团。更多详情，欢迎添加作者微信 xf123a 交流。
]]> 金融科技 https://www.leiphone.com/category/fintech/2MY6zyClmQJcqCy6.html#comments Thu, 13 Jun 2024 14:24:00 +0800 阿里云「敢死队」 https://www.leiphone.com/category/fintech/m49Jb3VFaqFY4WAc.html王坚、胡晓明、刘振飞、李津、汪海、唐洪、张东晖、徐常亮、汤子楠、林晨曦、冯春培……致敬云计算时代的使命驱动者。
作者丨梁程敏
编辑丨王亚峰
2011年，胡晓明，阿里金融掌舵者，独自坐在办公桌前，眉头紧锁，脸上写满忧虑。
阿里金融正面临着一场巨大的困境，源头是那几个小时就崩溃一次的阿里云。
胡晓明盘算着如何跟马云表达自己对阿里云的真实想法。
终于，他开口了，他试图用一种试探却又笃定的口吻表达了自己的态度：“我可不可以不用阿里云？”
“既然你先前做出了选择，那就得像结婚一样。现在你说不愿意嫁，有什么用呢？继续忠诚地履行你作为王坚博士小媳妇的责任吧。”果不其然，马云依旧用他最擅长的类比句式打发走了胡晓明。
2011年12月31日晚，开完年终大会的胡晓明，带着被飞天报警铃声折磨到神经衰弱的阿里金融高管们，浩浩荡荡来到阿里云。
“我们十分支持阿里云的发展。同时，我们很希望在2012年春节期间，阿里云能够确保我们能够好好度过一个春节，不要在半夜被飞天系统的报警铃声吵醒还得起来工作。”
这番话说出了阿里金融所有人的心声，现场一时鸦雀无声，气氛凝重而尴尬。
紧接着，更加令人震撼的画面出现了——胡晓明和阿里金融高管集体俯下身子，向王坚和阿里云管理层无言鞠躬。
究竟，阿里云与阿里金融乃至淘宝的相爱相杀，是如何拉开帷幕的？
（1）飞天不稳定，林晨曦孙牧舍命死扛
2009年，“飞天”稳定性和功能还略显稚嫩，林晨曦靠着三寸不烂之舌，从集团其他业务线，拉来了十个“内部客户”，运行在飞天上。
然而，不争气的飞天频频故障，每隔几小时就崩溃一次，于是，来自各业务线的雷霆怒火对准了王坚，他们对王坚进行狂风暴雨式的指责。
十个部门，一个部门投诉一天，轮一周都轮不完，王坚承受着前所未有的压力和内疚。
思痛后，王坚做出一个艰难决定——将十个内部客户减少到四个，阿里金融将作为重点服务对象。
那段日子，阿里云D座四楼的会议室被调侃成“钟馗道”，员工时不时会被拽进去讨论一些棘手问题，就像钟馗抓鬼一样。在“钟馗道”，王坚曾连续数个小时责骂团队成员，乃至拍桌子摔手机。
“博士压力很大，但依旧拍胸脯跟马老师说一切没问题。结果每个业务部门投诉不断。”这或许正是王坚发脾气的原因。
而承受王坚脾气的人，首当其冲就是负责飞天系统的林晨曦。由于飞天系统一直不稳定，林晨曦频繁光顾“钟馗道”，成了王坚的“受气包”。
而孙牧也因同样原因被“出气”。
当时，阿里巴巴有两座云梯：云梯1是基于一些已有开源软件Hadoop为基础而进行研发数据计算系统；云梯2则是基于“飞天”完全自主研发的数据计算系统，也就是后来的ODPS。
公司原计划于2009年年底用云梯2取代云梯1，然而飞天系统的不稳定让这一理想化成泡影，“云梯2切换云梯1”项目经理孙牧，遭遇到降职处分。更多幕后故事，添加作者程敏微信 LCMfancyworld 了解。
在项目复盘会议上，王坚发表了一句令人印象深刻的言论：“我一定要把飞天做好，除非公司不再做云计算了！”
孙牧站在那里，虽已遭受降职打击，但他依然信誓旦旦：“我会一直留在阿里云，我保证不离开阿里云！我对飞天系统的未来充满了希望，我愿意继续与团队共同努力，就算让我写文档，我也愿意继续与飞天一起战斗！”
飞天团队照片
（2）胡晓明上告马云，无言鞠躬王坚
虽然林晨曦和孙牧舍命死扛，奈何事故依然不断，王坚也逐渐意识到阿里云稳定性必须提升，否则仅存的四个客户也会不可避免地流失。
当时阿里云四大客户之一的阿里金融，由胡晓明执掌。
胡晓明在人际关系上颇有手段，以其游刃有余的表现，在公司内部拥有不错的口碑。
有一次，胡晓明和一位P7员工一起去拜访客户，由于时间紧迫，胡晓明让秘书买了两份炒面，他们端个纸盒，蹲在路边匆匆吃完，紧接着就火急火燎去见客户了。
据说，胡晓明非常敬重王坚，在接管阿里云之后，经常清晨去到王坚家登门拜访，倾听他在关键事务上的意见，并在内部帮博士说好话……
这些微小举动，渐渐把“接地气” “情商高”“上下兼容”等标签，贴在了胡晓明身上。
然而，即使如此“会做人”，胡晓明在与阿里云的“联姻”过程中，依旧磕绊不断，甚至想“毁婚”。 （加作者程敏微信 LCMfancyworld，交流你所知道的胡晓明）
最初，马云强烈要求胡晓明必须选择阿里云作为阿里金融的基础设施。
胡晓明接受了这个安排，但他的手下王安全持对立态度，甚至表示绝不使用阿里云。
确实，技术出身的王安全有大条道理反对，毕竟使用Oracle更符合金融行业的“祖训”：安全、稳定、可靠。
然而，胡晓明非常强硬，他坚持要用阿里云，近乎逼迫着王安全说：“不用（阿里云）也得用，就算死，阿里金融也要死在阿里云上。”
与王安全持有同样立场的还有工程师蒋杰，他后来离开支付宝加入腾讯，并成功开发了一套系统，替换掉了朱会灿的台风系统。
话虽如此，胡晓明当然不希望阿里金融因为阿里云而死在自己手上。
问题随即而来。
阿里云给阿里金融带来诸多麻烦：数据报告出现错误，贷款发放速度滞后，机器故障无法开展新业务等等。
胡晓明开始后悔，决定找马云投诉。
于是，文章开头那一幕就上演了：马云婉拒胡晓明，告诉他回去好好做王坚的小媳妇。
胡晓明没想到的是，更严重影响还在后头。
一天清晨，阿里金融准备发放贷款，却发现无法获取用户的信用额度信息。
信用额度是指用户可以借款的最大额度，如果借款金额低于信用额度，就无需繁琐的审批流程，直接将款项打入用户账户。
然而，信用额度的计算是在阿里云进行的。一旦系统崩溃，就无法准确计算信用额度，进而无法发放贷款。
对于阿里金融来说，这是一场极其严重的业务事故，因为其业务的商业逻辑正是基于大数据的计算来实现借款的快捷性和简便性。
换言之，数据计算是它们获取利润的关键。一旦无法进行数据计算，每一天都会造成巨大损失。
此时，阿里金融和阿里云团队都陷入了恐慌之中。
对于阿里金融团队来说，犹如背着一颗定时炸弹，随时引爆更多损失，但他们无计可施，只能被动承受。
而阿里云团队也岌岌可危，他们仓皇奔走，手忙脚乱寻找故障根源，奋战到天明排除故障。
胡晓明在一片混乱中，写了一封邮件询问马云：“可不可以放过我？能不能不用阿里云？我自己搭建Hadoop团队解决问题。”
马云再次毫不犹豫拒绝：“不行，你可以死，但阿里云不能死，必须继续使用阿里云。”
事实上，胡晓明并非对阿里云持有怀疑和不满的个例。
阿里内网上曾有一篇帖子引起了轩然大波，对阿里云的可行性提出了质疑。帖子内容直言不讳：马云，你被王坚忽悠了，阿里云根本不可能实现！不久之后，这篇帖子迅速获得了超过2000个点赞，成千上万的员工加入了批评阿里云和王坚的行列。
就在一片漫骂声中，马云亲自在帖子下方回复：“博士是人，不是神！博士的不足大家知道，但博士了不起的地方，估计很少有人知道。假如，十年前我们就有了博士，今天阿里的技术可能很不一样。”
为了给王坚和阿里云打气，马云还在阿里集团年会上表态：“我每年给阿里云投资10个亿，投10年，做不出来再说，这是公司的战略。”
这番决绝的言论，昭示着马云从一开始就对云计算志在必得的决心，以及对王坚的无限信任和追求革新的不懈执着。
然而，质疑阿里云的声音并未就此消弭，反而在2011年最后一天达到了顶峰。
2011年12月31日，胡晓明与阿里金融团队召开年终总结大会。
会上，工程师陈鹏宇向胡晓明反馈了阿里云的极其不稳定，每天都需要处理大量报警。为了缓解这种压力，陈鹏宇将报警铃声设置成他孩子的笑声，从而苦中作乐。每当听到孩子的笑声，他便立即起身处理报警。
听完这番反馈，胡晓明深知，如果阿里云系统持续如此不稳定，阿里金融的业务必将继续陷入危机，甚至有倒闭的风险。
就在这个节骨眼上，胡晓明拿出一种更加激烈的方式表达他的无奈。
当晚，他带领阿里金融高管浩浩荡荡来到阿里云，面对反复的系统崩溃，他异常冷静地说道:“我们十分支持阿里云的发展。同时，我们很希望在2012年春节期间，阿里云能够确保我们能够好好度过一个春节，不要在半夜被飞天系统的报警铃声吵醒还得起来工作。”
这番话说出了阿里金融所有人的心声，现场一时鸦雀无声，气氛凝重而尴尬。
接着，一幕更加令人震撼的画面出现了——胡晓明和阿里金融高管，向王坚和阿里云管理层无言鞠躬。
无言鞠躬想传达两层意思：
首先，阿里金融使用阿里云是公司的战略，所以阿里金融不得不用。
其次，阿里云做得这么烂，但又不得不用，现在阿里金融已经被逼到了墙角。我命（阿里金融）由天（阿里云）不由我，我来向你们鞠躬，你们看着办。如果问题不解决，阿里金融只能关门大吉了。
这一幕，触动了王坚，“我们对不起阿里金融的兄弟，”王坚眼眶泛红。
半夜12点，王坚紧急召集阿里云高管，展开激烈讨论，共同商讨解决方案。
由于王坚向来喜欢半夜开会，故阿里云会议室被戏称为“夜总会”。
“要人给人，要钱给钱，我们全力以赴解决问题！”王坚亲自拍板，好大阵仗。
几十号人声势浩荡，在“夜总会”通宵达旦，头脑风暴，苦思冥想，脑洞大开，方法终于有了！
他们的方案是这样的：
第一，建立“专项工作组”，委任徐常亮为“专项工作组”组长，并成为服务阿里金融的第一负责人，上一任负责人刘侃被调任。与此同时，大数据计算引擎将采用徐常亮团队打造的“干将莫邪”技术路线。这支队伍将常驻阿里金融，全面了解他们的需求和痛点，第一时间作出响应和改进。
第二，投入更多资源和人力来提升阿里云的稳定性，包括对服务器和网络设备进行升级，加强监控和故障处理能力，加大对技术人员的培训和招聘力度。
可第二天一早，徐常亮就得知昨晚通过的“干将莫邪”技术路线方案，竟然被否决了。
（3）权力交锋，徐常亮向王坚索要最大兵权
采用“干将莫邪”方案，是内部集体讨论和投票决定的，徐常亮没有想到第二天就会被推翻，难道王坚有了新的想法？
其实阿里云的大数据计算引擎，同时在跑两套技术方案：一套是徐常亮团队借助Hive SQL的壳打造的代码生成系统“干将莫邪”，另一套是孙冰团队研发的“SQL Engine”。两种路线都有各自的优缺点。
孙冰团队技术过硬，经验老道，但“SQL Engine”在灵活性和快速迭代性方面有待提高。
孙冰题词《钗头凤》
而徐常亮团队利用代码生成方式，“干将莫邪”能够较快实现新功能，阶段性效果占优势。
王坚其实倾向选择自研成分更高的“SQL Engine”。（更多两条技术路线争锋故事，可添加作者程敏微信 LCMfancyworld 交流。）
徐常亮和孙冰两人私下里相处融洽，一致认为技术路线应该由项目第一负责人全权把控。
“如果让我来担任第一负责人，技术路线就由我来决定。要是非要采用其他方案，那我可就不干了！”徐常亮直言不讳地对王坚说。
之后有一次王坚赶飞机，特意让徐常亮陪同前往机场。一路上，王坚语重心长劝说：“技术路线选择要谨慎，两种路线切换成同一种路线要一步步来，不能操之过急。”
“我一定会权衡全局，渐进式切换。”徐常亮回应道，“具体的切换过程，交给我来拿主意就是了。”徐常亮的果敢和担当，赢得了王坚和团队的信任。
在这个时候，作为团队领导的张东晖也在推动组织和文化层面的融合，加速两条技术路线1+1>2的效果。与此同时，张东晖带着15年的微软工程经验，在那两年帮助飞天版本收敛，推动版本发布走上正常迭代节奏。
随后，徐常亮着手筹备相关工作，作为服务阿里金融第一负责人，挑战才刚刚开始。
（4）阿里金融水深火热，汤子楠及时雨救火
那些日子，徐常亮带领着阿里云五十多个兄弟，在阿里金融门口常驻，无缝对接，全天候解决问题。
其中之一是汤子楠，他一直在北京办公，但在2012年1月3日，他特意乘坐了北京飞往杭州的第一班飞机，加入了专项工作组。
在汤子楠记忆中，胡晓明是个十分“有意思”的人。汤子楠和其他兄弟阿里金融办公室讨论问题，胡晓明每次经过都冲着大伙们笑，然后回到自己办公室，泡几杯香茶，亲手送到攻坚一线。
就这样，汤子楠、徐常亮和其他专项工作组的同事全力以赴，他们扩容了系统，提高了计算效率，修复之前的Bug，开发新功能，解决阿里云的稳定性和性能问题。
“这回阿里金融兄弟们大写满意。我们几乎就直接住在公司了，7×24小时解决问题。”徐常亮说。
“这场战役，实在太值得回味了！兄弟们团结一心，共克时艰。”汤子楠感叹。
阿里云团队和阿里金融团队
随着时间推移，阿里云性能越来越稳定，对阿里云怀疑的声音也日渐式微。
然而，大淘宝的员工仍然对阿里云持怀疑态度。
汪海作为大淘宝的负责人，与马云进行了一次经典对话。
马云笑眯眯地走到汪海（七公）旁边，问道：“七公，明年大淘宝有什么计划呀？”
汪海深知马云这个问题背后想要的答案，他思考片刻，决定顺水推舟：“马总，明年我们最重要的任务就是将大淘宝迁移到阿里云。”
马云听后心情大好，拍了拍七公的肩膀便离开了。
提到汪海，他在大淘宝员工心中是一个仗义侠客形象。
有一次，他所管理的服务机集群之一，大约有几百台机器，使用的是SQL Engine进行安装，但下属误用了ODPS进行了安装，导致数据丢失。更致命的是，这些机器中还存放着流量统计的数据。
下属犯错，汪海毫不犹豫，挺身而出，承担责任，接受降级处理，可谓大义凛然。（幕后故事尤为精彩，添加作者程敏微信 LCMfancyworld 了解）
然而，尽管“用阿里云”这个决定来自大义凛然的领导，大淘宝员工仍不愿意听从。
虽然他们也看到阿里云有了长足进步，但在他们眼里，阿里云依旧隐患重重，无法承载关键任务。
一时间，争议和疑虑在大淘宝内部蔓延开来。
事实上，大淘宝使用阿里云并没有明显好处。因为使用阿里云的好处是整体性的，而不是体现在单一的业务部门。只有当阿里巴巴的所有业务部门都使用阿里云时，才能发挥出大约30%的成本节省效果。
打个简单比喻：
阿里云就像一个电厂，每个业务部门都有自己“发电机”，可以独立发电。当整个电网达到一定规模的时候，成本可以降低一定的百分比，这就是规模效应发挥的效果。然而，在早期，这种优势并不明显。
一言蔽之：大淘宝有好处也不一定要用阿里云，用阿里云也不一定现在用，更何况大淘宝没有直接好处。
很多大淘宝员工发出灵魂拷问：“有人告诉你，开着车换引擎，换了引擎不一定比原来跑得快。你换吗？”
或许，这个灵魂拷问实在太难回答，大淘宝一度左右为难，犹豫不决，迟迟未能迁移到阿里云。
然而，到了2012，情况发生了变化。
（5）神人多隆与蝙蝠侠并肩，护航5K
随着大淘宝数据的急剧攀升，原用的底层计算系统“云梯1”已经力不从心。
首先，云梯1已经达到了2000个节点的极限，难以满足大淘宝日益增长的数据需求。
其次，云梯1系统无法跨机房同步数据，只能在一个机房内运行数据，单个集群更是受限于5000台服务器上限。一旦达到5000台的限制，就无法再增加机器，这可能导致业务无法继续扩展，或者需要停止业务来进行迁移数据。
这两点都会严重制约大淘宝的业务发展。
一方面，需要满足大淘宝的需求，底层计算系统必须有能力独自调度 5000 台服务器的能力。另一方面，需要弥补云梯1的致命缺点。那么，大淘宝别无选择，只能转向云梯2（飞天），转向阿里云。
尽管大淘宝之前有种种顾虑，但是面对迫在眉睫的业务瓶颈，不换也要换了。
为了保证大淘宝顺利迁移到阿里云，公司启动了5K项目。
5K项目是阿里发展历程中极为浓墨重彩的一笔，它是为了解决阿里云飞天集群超过5000台机器的问题而专门成立的项目。飞天集群在创立之初并没有预料到，阿里的业务发展如此迅速，这么快就产生了如此庞大的数据，需要用到5000台机器的集群。
简单来说，5K项目要做的事就是把机房里的5000台机器当做一台来使用。“你扔1PB数据进去，它能够自己调度和计算，计算完再把结果合并统一输出。”这个过程听起来不复杂，真正要实现却非常困难，中间涉及到大量复杂的调度算法。
为了确保5K项目成功，数百名顶尖工程师投入了长达数月的艰苦攻关。其中包括刘振飞、汪海、唐洪、张东晖、徐常亮、汤子楠、林晨曦、孙冰、王乐珩等一众优秀骨干。
在5K项目中，团队面临着一个令人担忧的问题：5000台机器的网络通信会不会导致整个数据中心的崩溃？
这时候，工程师多隆找到了一个巧妙的解决方案。
多隆的方案是在规模上升之前，将一台机器模拟成多台，以降低成本。通过多隆的实验和设计，这个问题在一个月内得到了解决，使得从2000台升级到5000台的过程非常平稳，没有发生网络风暴。
多隆是技术大神，他热爱编写代码，喜欢沉浸技术世界；淘宝遇到问题时，多隆总是能够在最后一刻恢复系统，让其他人瞠目结舌；多隆有能力直接线上热改，不跑测试，突破所有传统工程纪律，时常带来意想不到的结果。
多隆技术天才的形象在多位从业者口中栩栩如生。
为了确保5K项目顺利进行，公司还专门抽调了一批技术人员值夜班，其中包括海公、无戈、介然、仲离、伯虔等人。
他们有一个统一的名字——“Batman（蝙蝠侠）”。
蝙蝠侠在值夜班
蝙蝠侠肩负着确保数据产出稳定性的重要任务。除了日常维护工作，蝙蝠侠们还有一个“特别任务”：每天早上6点，他们需要向马云发送一条短信，内容包括过去一天的盈利情况、成本和门店数量等经营指标。
这个“特别任务”对于蝙蝠侠们来说至关重要，因为必须在规定时间内完成整个数据处理流程，才能准时发送短信。
为此，蝙蝠侠专门设置了报警系统，以便能够及时发现和解决作业执行中可能出现的问题。
那是一个不平凡的夜晚，当蝙蝠侠们值班时，突然传来警报。原来，执行任务的速度异常缓慢，报警系统被迫拉响了紧急警报。
经过紧张排查，蝙蝠侠们很快发现了罪魁祸首 —— 一场看似平凡的淘宝商家营销活动，竟然导致了数据的严重倾斜，进而拖累了后续任务的执行效率。最令人担忧的是，如果这种情况持续下去，甚至可能导致次日早上6点前，关键报表数据无法按时计算完成。
面对危机，蝙蝠侠果断出击，他们重新对数据进行分片并修改了1000行SQL代码，最终在30分钟内解决了问题。
这次事件之后，蝙蝠侠的名号便在公司内部响彻云霄，代表着勇气、技术和责任。
那时候，只有最优秀的工程师能够成为蝙蝠侠。正是这些蝙蝠侠的努力，才保障了整个集团对数据的应用。
包含蝙蝠侠在内的5K项目团队以周为单位紧急推进项目进度。回忆起那段岁月团队成员无不自嘲：“起早贪黑，仿佛一个月都没有见过太阳，我们不得不全力以赴完成这个项目。”
就这样，历经半年如火如荼的工程奋战，阿里云团队终于完成了5K项目，将大淘宝的海量数据全部迁移到了ODPS平台上。
（6）冯春培抛橄榄枝，开启支付宝ODPS迁移之旅
5K项目后，负责阿里集团运维的刘振飞找到徐常亮问道:“我们是时候完成2009年定下的'登月'目标了吗?”
徐常亮笑着回答:“是的，现在差不多就是时候了。”
徐常亮题词《云梯》
原来，早在2009年，阿里巴巴就制定了一项宏伟计划——“登月计划”，意在将集团内所有开源数据集群全部迁移至统一的ODPS平台之上，从而提高数据处理效率和稳定性，为业务发展提供支持。
当时，大家还在四处物色能够成为“登月一号”的先锋部门。
就在大家积极搜寻之际，正在北京出差的徐常亮接到一通电话，电话那头是支付宝负责人冯春培。
原来，随着2013年用户和交易量的不断攀升，支付宝的Hadoop集群开始吃力了，亟需扩容。但这与阿里巴巴“所有业务数据上ODPS”的整体战略相悖，支付宝因此陷入两难境地。
幸好，阿里金融已在ODPS上稳定运行，表现出色。两者的作业逻辑何其相似，全然可参考。于是，冯春培灵机一动，萌生了将支付宝迁移至ODPS的想法。
“不如就让支付宝成为'登月一号'吧。”冯春培主动抛出了橄榄枝。
与此同时，汤子楠也主动劝说支付宝团队：“ODPS的能力已经非常稳定，我们可以快速解决在迁移过程中遇到的问题。而且，一旦支付宝需要扩容，我们也能迅速实现成功的扩容。”
汤子楠的话增加了支付宝团队对迁移计划的信心。
支付宝成为“登月一号”后，汤子楠更是巧妙地“借势”鼓励支付宝团队：“登月计划是一个伟大的项目，支付宝正是参与这一伟大项目的团队。”
经过一年半的努力，支付宝成功地将数据从Hadoop迁移到ODPS平台。这样一来，支付宝不仅解决了数据量激增的问题，还实现了与阿里巴巴整体战略的完美契合。
2014年，整个阿里内部的数据都统一存储在ODPS物理集群上，标志着支付宝ODPS迁移之旅的圆满成功。（“登月”背后的部门争执，添加作者程敏微信 LCMfancyworld 获悉）
支付宝接入ODPS是一个重要的里程碑。作为金融应用，支付宝必须满足严格的安全标准。为了满足这些标准，ODPS在安全性方面必须拥有出色表现。
换言之，支付宝选择迁移到ODPS平台，这是对ODPS安全性的重要认可。
在登月计划中，数千名工程师接力前行，2015年7月1日，最后一个也是最庞大的数据孤岛，用Hadoop搭建的云梯1系统正式停止运行。
布满工程师签名的服务器，来自最后一批下线的云梯1服务器
（7）难缠的博客园，惊人的快手
“登月计划”固然是阿里云的重大胜利，但要取得市场认可度，还有漫漫长路。
服务内部客户，不过是初窥门径。开拓外部客户，才是真正决战的沙场。
2014年，阿里云遇到了一个棘手的外部客户——博客园，一家博客网站运营公司。尽管他们购买的服务器数量很少，博客园却频繁地对阿里云的产品提出质疑和不满，给产品经理们带来了很大困扰。
汤子楠记得，博客园几乎是“每天一怨”，今天说这款产品不行，明天又说那款产品不行。难缠得让人绝望。
据说，王坚与博客园老板私交甚好，博客园老板好像特别敢于“瞎说大实话”，喜欢拿阿里云开刀，一直吊打阿里云。由于博客园老板也是一个博客运营者，所以他经常在博客上发表文章，介绍阿里云遇到的问题以及他们是如何解决的。
后来，王坚决定花钱购买博客园所有关于阿里云问题的报道，并将它们编纂成一本名为《进步集》的册子。
随后，王坚将《进步集》分发给阿里云的所有产品经理说：“这就是你们客户的意见和评价，你们认真仔细看看。”
通过阅读《进步集》，阿里云团队看到了客户提出的问题和不满，以及博客园是如何解决这些问题的。他们开始认识到，只有真正了解客户的需求和痛点，才能不断改进产品并提供更好的解决方案。
“为了更好地与博客园合作，阿里云开始定期举行会议，聆听博客园的意见和建议，共同探讨如何改进产品。通过与博客园的合作，阿里云逐渐改进了产品的性能和稳定性，满足了博客园的需求。”
汤子楠记忆犹新。
另一个令人印象深刻的客户是快手。
与博客园的“难缠”不同，快手让人印象深刻的点是“发展迅速”。
起初，快手只是阿里云的一个小客户，专注于开发技术文件编辑的小软件。然而，大家目睹了快手在短短几年时间从一个不知名的创业公司迅速成长为中国短视频行业的领军企业。
这一点从他们在阿里云上的IT消费上就可见一斑。快手每年的消费都呈指数级增长。
因此，所有人都争着为快手提供服务，因为他们的投入越来越多，成为阿里云的重要客户之一。
“阿里云强调‘客户第一’的口号跟早期经历过的客户不无关系。通过倾听博客园的声音，阿里云改进了产品，并与客户建立了更好的合作关系。同时，他们也意识到小客户也可能会成长为重要的合作伙伴，因此对待每个客户都要一视同仁。”
汤子楠总结。
当年造势登月后的他继而投身阿里云商业化。
5K成员王乐珩在项目结束后，同样踏入商业化舞台，参与设计ODPS商业化计费方式。
他为ODPS先进且有趣的计费方式自豪：“ODPS是全世界最早采用代码内的SQL来计费的产品，也就是即根据代码的执行情况来计费。后来，Google BigQuery也采用了与ODPS完全相同的计费方式。”
从内部“造势登月”到外部“全面商业化”，“敢死队”队员正一步步拓宽阿里云的宏伟版图。
AY42是ODPS最早一个集群，也是最早完成使命下线的集群，陈鹏宇致信怀念
（8）尾声：阿里云的使命召唤
当年也有份造势登月的徐常亮，经历了阿里云早期多场战役，走到了晋升P10的路口。
王坚向徐常亮提出了一个问题：“你这么年轻就能达到P10级别，是否过早了呢？”
王坚之所以这样问是有原因的。当时，阿里云只有唐洪、李津等三两人达到了P10，同期的蒋凡、无招也只有P9。
徐常亮引用了王坚自己说过的一个故事回应：“博士，您曾经给我们讲过一个故事，林彪为什么23岁就能成为军长？要么是前任军长战死沙场，要么是前任军长受不了长征或者打败仗跑了（平者让贤，能者居之）。”
徐常亮的情况恰如林晨曦所描述的那样。
据林晨曦回忆，早年的阿里云就像是一个军队，在攻占一个看起来不可能攻克的山头，一批冲锋者倒下了，下一批冲锋者接着顶上。其实是很悲壮的，因为没有人知道，未来到底能不能成功。压力实在太大，很多人只在团队呆了半年就走了。
然而，作为“幸存者”的徐常亮没有辜负这份机缘，他带领ODPS团队从最初十多人发展到三百多人。2016年年底，徐常亮将大部分业务转交给新加入的周靖人，自己则转战新华智云，开启新篇章。
“那时候，阿里文化很纯粹，部门壁垒小，跨部门协作经常发生。大家拥抱变化，乐于合作，专注创新，同心协力，能者自然很快就会浮出水面。”
徐常亮说。
2016年双十一，ODPS承担全集团数据计算任务保障现场
徐常亮的说话让笔者突然想起胡晓明面试关涛时的经历。
关涛曾在是否加入阿里云的决定上，犹豫不决。当时，阿里云计划构建基于ODPS的新一代数据平台，但他对阿里云在自主开发数据平台的决心不够肯定，关涛担心公司可能会随时决定转向采用海外开源系统。
可胡晓明一番话给了关涛信心，“在云计算领域，我们并不拥有CPU、硬盘或带宽等硬件资源，而我们真正的优势在于顶层的软件。从IaaS到PaaS的各个层面都需要自主开发数据平台，才是我们要专注和发展的方向。”
那个时候，只有队伍充满信念感、部门不树高墙的企业，才能把自研推动下去，自研维艰，可更难的是能否让内外部信任它、接受它，胡晓明虽非技术出身，但依旧相信并看见了自研的未来。
“阿里云让我感受到了何为真正的使命驱动。”关涛说。
关涛还记得，阿里云西雅图办公室就在微软办公室对面，中间隔着一个草坪。当年面试时间安排在休息日的早上8点，在面试过程中，他发现阿里云的办公室只装修了一半，另一半仍处于未完成状态，用物品遮盖着。这一切都与按部就班的美国IT公司很不一样。
关涛感觉这家公司不太在意是周几、什么时间段，也不太在意面试场地是否完全准备好，这给他留下了务实接地气的印象，随后关涛与胡晓明、唐洪等人相谈甚欢，众人思路一致，志同道合，于是关涛决定加入阿里云，接棒徐常亮开始了ODPS 2.0之路。
2017年双十一， ODPS数万台集群运行稳定，关涛现场发朋友圈
“能者居之” “使命驱动”，正因如此，阿里云成为了众多卓越工程师心中理想的归属地。
随着时间的推移，曾在阿里云创业一线英勇奋战的先行者们如流星般分散天际，有些追逐新的创业梦想，有些踏上其他领域的征途。然而，无论他们身在何方，他们的足迹和贡献永远被大家铭刻于心，不被岁月洪流冲刷。
多年前，他们以敢为人先的姿态，开拓云计算领域，成功自研出了飞天和ODPS这些优秀产品。
回看当下，阿里云依然保持那股创新开拓的精神，并延续至当前吴泳铭极具英雄主义的“公共云优先”战略中：“阿里云全公司的唯一产品就是这张理想中的云计算网络，赢得竞争需要我们在战略方向上放弃杂念，坚决做取舍，集中我们最大的压强，加大公共云的产品和技术投入。”
阿里，乃至整个云计算界，需要一群“敢死队”大胆拥抱公有云激进主义。数百万从业者受够了当下不健康的ToB生意，沉睡了二十年多的黑暗，需要一场破晓。
这一次，我们继续期待阿里云这群敢为人先、破釜沉舟的使命驱动者，推动中国云计算行业迈向全新时代。
雷峰网将持续更新《阿里数据驱动二十年》、《阿里AI驱动二十年》系列，欢迎添加作者程敏微信交流：LCMfancyworld
雷峰网雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/m49Jb3VFaqFY4WAc.html#comments Fri, 26 Apr 2024 15:24:00 +0800 对话华福证券：如何用OCR大模型直击证券开户最大痛点？ https://www.leiphone.com/category/fintech/XzD4oqLKYOB29SxI.html“证券行业有一个非常细分，但也是痛点最痛的场景，即为机构客户办理非现场见证开户时，如何实现资料的高效上传。”华福证券运营管理部负责人林佳告诉雷峰网，在券商帐户业务中，机构开户所需的材料多且复杂。“身份材料加上开户表单，至少要十二三份，同时还要兼顾表单内容的规范性和材料的齐备性。”
虽然以往也有OCR（光学字符识别）技术的相关应用，但始终存在一些不足，比如对手写体识别效果不佳；长文提取关键字段信息难；在密集表格、单元格中文本换行等场景下识别效果不佳等问题。
大模型技术热潮下，是否有新的破局之道？成为业内关注焦点。华福证券与腾讯云对此进行了合作尝试。
华福证券数智赋能部研发中心总经理谢琪告诉雷峰网，近日，在腾讯云TI-OCR 平台的支持下，ISV思迪信息对华福证券的机构开户系统——“福牛行”进行2.0升级，实现了开户效率50%左右的提升。
值得注意的是，“这是大模型热潮下，腾讯云TI-OCR 平台在资管行业里，首个影像资料智能分拣场景的落地。”腾讯云智能高级产品架构师丁鹏强调道。
大模型驱动的OCR和传统OCR相比有什么区别？引入大模型后效率提升究竟几何？腾讯云对OCR领域的布局有哪些心得？以及如何应对大模型带来的幻觉等问题？
针对这些疑问，近日，雷峰网等媒体采访了谢琪、林佳和丁鹏三位深度参与此次项目的专家，详解项目落地过程中的经验与思考。
问题：引入大模型能力，解决了华福证券哪一关键痛点？
林佳：以“智能分拣项目”为例，华福此次的智能分拣项目聚焦在员工为机构客户办理非现场见证开户时资料上传的场景。这是一个非常细分，但也是痛点最痛的场景。
众所周知，开户尤其是机构的开户，是券商账户业务中最难、最复杂的项目。首先它难在需要填制的材料很多，身份证明材料再加上开户要填写的表单，初步算来有12-13份，多达几十页。其次难在对表单内容规范性、材料齐备性的要求很高。
办理机构开户时，客户经办人签署与盖章纸质开户协议后，开户协助人需要将开户协议拍照上传至系统提交，便于后台审核和留存。
在以前，面对繁多的材料和复杂的要求，开户协助人往往需要多次拍照，必要时进行人工识别、手动分拣与匹配，将资料上传至系统中。这一过程往往耗时久、效率低，并且对开户协助人作业熟练度要求高。
但开户协助人通常是券商非专职的柜台人员，这类人员流动性比较大，很难得到长期培训，反过来更加剧了操作难度。
自从引入了大模型驱动的OCR“智能分拣”后，拿到客户提交的材料后，开户协助人只需要把材料批量拍照，点击上传，系统会自动把材料分拣、匹配、上传到指定位置。不仅大大缩短了开户前端操作时间，提高了开户效率，还降低了人工作业难度，员工体验感也大大增强。
谢琪：华福证券目前已经将腾讯云TI-OCR应用到开户领域、智能分拣领域，实际效果不错，将会把TI-OCR作为OCR原子服务能力上架到公司AI中台，赋能更多的业务应用场景。
目前华福证券通过大模型技术在对内赋能上已经落地了数个场景，比如员工外脑、知识库检索、书写辅助等场景。同时，我们也在探索“大模型+Agent”模式，这个方向行业也处于探索阶段。我们AI研究侧重应用场景挖掘。我们内部的要求是做AI不能脱离实际业务场景，重点是要通过AI实际帮助到业务或者帮助到员工。
华福证券的AI探索聚焦“提质增效”和“降本增效”两个目标。“提质增效”聚焦在AI对业态环境和商业模式的重构，挖掘业务新的竞争力。“降本增效”则是注重重新梳理现有公司工作流程和任务，推动模型抽象和数据治理，通过AI辅助员工和客户处理标准化工作，深入挖掘“降本增效”成效。
公司领导去年提出1335战略实施路径。“1335”的“5”是指五大赋能，数智赋能是五大赋能之一。同时，公司提出“数智引领 人才突围”的数智化转型战略，把数智化作为一个极其重要的赋能手段。希望能通过数智化为客户带来更好的服务和体验。
问题：大模型驱动的OCR和传统OCR相比，主要区别是什么？
丁鹏：腾讯云此次与华福证券合作的TI-OCR方案，是多模态OCR大模型底座，再加上OCR产品训练平台。就底层大模型能力来说，大模型驱动的OCR和传统OCR相比，主要有两大不同：
一是增效方面，针对传统OCR难以解决的复杂问题，依托大模型可以有效提升准确率。
比如开户资料中存在印章干扰、手写识别等复杂场景，传统OCR要先把整个识别拆成很多段，先检测再识别再做结构化，无法做到端到端对每个环节的理解。而引入大模型后，增加的端到端的理解能力可以有效避免多个阶段错误的累计。
引入大模型能力后，TI-OCR支持通过自然语言交互直接理解输入图片生成结果，能够精准识别票据中的手写体、表格信息、跨页信息并排除背景干扰。
二是降本方面，以往企业自己训练或委托厂家训练模型，周期较长，成本较高，引入大模型后会结合实用性降低模型对资源的消耗，并且依托TI-OCR平台，企业也可以在内部快速构建各类个性化应用。
比如，企业仅需向TI-OCR平台输入少量实体单据扫描数据，经过数小时训练就能获得对回单、发票、申请书、提货单、签收单等多种功能表单的高准确度识别能力。
问题：腾讯云为什么选择在OCR领域发力大模型应用？在布局时，腾讯云重点考虑什么？
丁鹏：主要有四点考虑：
首先，出发点是真正去解决客户业务问题，而不是为了做大模型而做大模型。
过去几年，OCR领域里传统的卡证票据版式都比较固定，文档比较简单，传统OCR技术应用后能看到运营效率的提升。但还有很多长尾场景，比如个性化文案、银行各类票据、证券开户场景、各类单据或者授权证书等，亟待OCR技术的穿透。在复杂长尾场景下，传统OCR技术的识别准确率一直存在不少问题。这是腾讯选择在OCR领域发力大模型应用的重要原因。
事实上，除了OCR，目前在证券领域，腾讯云还做了投顾助手、舆情助手、法律法规问答助手等客户反馈需求较多的产品。
其次，在实际落地过程中，充分考虑金融行业的业务复杂性，尤其是数据以及合规安全问题。比如在整个应用架构上，以及训练和文本审核环节都加装RAG（检索增强生成）技术来规避敏感问题。
再次，想要大模型真正可落地，就要追求性价比。所以腾讯云目前会针对训练推理技术、算力成本、GPU管理、GPU虚拟化等做专门优化，确保能够以相对合理的算力将大模型应用真正落地。
相比之前传统OCR模型参数量，大模型参数量确实有较大提升，但是实际落地过程中，腾讯将集团内部几大实验室积累的模型训练和推理加速框架加到了整个应用中，并对训练过程包括推理过程都做了进一步提效。
同时针对私有化部署场景，腾讯会对模型做一系列蒸馏、裁剪，让整个模型在私有化里能以比较低的成本落地。现在来说，实际业务当中推理成本和原来传统的OCR相差不大，具备可落地性。
此外，为了解决大模型落地最后一公里问题，也需要加强与拥有深厚行业know-how的生态伙伴的合作，比如此次华福证券合作中，腾讯云就是联合了在证券行业开户和运营环节有深厚积累的思迪信息，真正为华福提供了端到端的方案，而不只是提供一个技术中间件。
问题：在应用过程中，大模型方案是否会产生机器幻觉或者合规上的问题？有什么好的解决办法？
丁鹏：幻觉和合规是大模型经常碰到的问题，也是金融机构特别关注的问题。
数据方面，目前的训练数据都是基于自制或公开收集的合理数据，并且在训练前，我们就会对数据进行安全过滤。
算法和产业实际应用上，为了解决大模型落地行业的多重挑战，腾讯云研发并推出检索优化引擎，基于向量数据库、实时访问数据服务等技术打造多层次算法框架。它依托行业知识分类提取，精准获取专业知识，并利用大语言模型快速提供高质量生成信息，有效降低大模型可能存在的幻觉和信息不可控问题。
最后，腾讯云本身在安全领域深耕多年，产品丰富。所以目前我们在大模型应用的输入端和输出端都会接入文本、图片、音视频审核的模型，来进行安全过滤。
雷峰网从腾讯云处获悉，早在2022年之前，腾讯云就已将多模态模型应用于OCR平台中，经内部业务验证打磨后，做成轻量化产品对外输出。2022年产品已在金融行业落地。2023年大模型兴起后，腾讯云又对整个模型参数规模对外输出能力做了进一步强化。“后续OCR相关产品将会依托大模型进行持续升级。”丁鹏补充道。雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/XzD4oqLKYOB29SxI.html#comments Thu, 01 Feb 2024 16:50:00 +0800 阿里云携手13家伙伴发布17份联合解决方案，大力聚焦AI应用场景探索 https://www.leiphone.com/category/fintech/Pn8CPL5kc3adEDED.html1月24日，2024金融先锋联盟高峰论坛在京举办，阿里云联合中科软、神州信息、恒生电子、长亮科技、中电金信、天阳科技、软通动力等13家伙伴共同发布17份解决方案，涵盖银证保领域核心系统云原生分布式改造，金融机构数据资产重构和AI应用场景探索。
金融先锋联盟是金融行业横跨银证保和金融服务多个子行业的技术产业联盟，由阿里云发起成立于2020年。该联盟成立初衷是联合金融行业ISV的力量，共同支持金融机构核心系统从传统架构转向分布式云平台架构转型，实现对金融机构自身业务转型的重要支撑，快速构建应对高并发业务场景，支撑全方位生态链接的能力，全面拥抱开放金融时代。
阿里云智能副总裁、新金融行业总经理张翅在演讲中表示，自成立以来，金融先锋联盟一直以加快金融关键领域数字化进程为使命，期望通过联盟成员的共同努力，在2025年能服务超过100家重要客户的关键领域数字化。
经过3年半的努力，金融先锋联盟已从成立之初的21家成员单位发展壮大至46家成员单位，其中，涵盖了咨询、开发测试、集成管理、云服务商等核心领域的数字化全链路。
在横向合作上，联盟伙伴进行了深度协作和融合，从芯片、IaaS、PaaS、数据库、应用软件到集成、到运维服务，再到咨询，共同打造金融机构数智化转型的多份联合方案。
据雷峰网获悉，目前该联盟共同服务了超50家客户，联合服务客户收入超20亿。
论坛期间，灵雀云、神州信息、恒生电子、长亮科技、中科软、中电金信、江苏博云、上海致宇、索信达、软通动力、天阳科技、江苏红网、南天信息与阿里云发布了互认证联合解决方案。
这17份共同打造的联合解决方案涉及到银证保领域核心系统云原生分布式改造，金融机构数据资产重构和AI应用场景探索，对金融行业目前发展涉及的重要问题提供了技术支撑。
金融级云原生分布式技术架构已经成为金融机构新一代基础设施的行业共识，在核心系统升级改造自主可控领域发挥历史性作用。数据资产解决方案可帮助客户建设对外数据服务能力，提升数据获取及使用效率，快速搭建数据资产体系，满足客户对金融服务的数字化和个性化需求。以大模型为代表的AI技术也在风险管理、信贷决策、智能投顾等多个关键业务环节展现出全新的效能与潜力。
除发布上述联合解决方案外，澜舟科技创始人及CEO、中国计算机学会副理事长周明，中科软董事长左春、天阳科技董事长兼总裁欧阳建平、阿里云市场部总裁刘湘雯等嘉宾出席了活动。中电金信研究院副院长单海军、中科软寿险事业群CTO张荣、恒生电子LightGPT产品总监林金曙在演讲中探索了如何利用AI助力金融产业服务升级。
此外，本次论坛还为可利邦、灵雀云、奥星贝斯、江苏红网、江苏博云、上海致宇6家伙伴举行了授牌仪式。
“AIGC重塑各行各业是不可逆的历史进程，联盟成员单位如何利用这一波历史性的技术浪潮，结合自身的经验和能力，为金融机构打造出可规模化落地的解决方案，既是机遇，也是必须面对的挑战。阿里云会在基础大模型和工具层面做好努力，期待各位伙伴利用丰富的行业业务应用经验，共同打造出领先的行业标杆。”张翅表示。
2016年春节期间，支付宝推出一个名为 “集五福”的互动小游戏，希望可以吸引更多的用户使用支付宝，加大用户之间的社交互动。此后，每年春期期间，关于“如何最快集齐五福”“你集到敬业福了吗”“除夕夜开五福开出多少红包”等话题，频频引起人们的讨论。
“集五福”背后所蕴含的意义已成超越一款互动小游戏本身，更是多了一份年味。
如今，年关将近，支付宝带着全新的五福来了！
1月23 日，支付宝宣布“集五福”升级为“五福节”，全新“五福节”增加了三个新维度：新周期、新玩法、新朋友。
新周期：新增“年货节”和“过年天天乐”数字庙会横跨春节
据雷峰网了解，为了满足用户的消费和娱乐需求，2024“五福节”将横跨整个春节，从一个短周期的活动升级成为一场好玩、好逛、福气连连的“数字庙会”。
全周期包括三个阶段，第一阶段为“五福年货节”，已于1月10日启动，上万商家在直播间开播为消费者提供爆款年货；
第二阶段为大家最熟悉的“集五福”，将于1月29日正式开启；
第三阶段为“过年天天乐”，将在大年初一推出。
新玩法：四大AI玩法焕新传统年俗 刷视频看直播分3亿红包
支付宝五福承载着中国深厚的“福”文化传统，是科技传承、激活、焕新传统文化的经典案例。
据支付宝介绍，2024“五福节”在原来的AR扫福、浇水得福等传统玩法基础上，将迎来一系列“玩法上新”。
其中，四大AI玩法成为最大的亮点，包括：“飙戏小剧场”“会说话红包”“时空照相馆”“大家来找福”。
通过AI技术，用户经过自主授权，上传一张照片就可以在“飙戏小剧场”参演《新白娘子传奇》、周星驰系列经典电影等100多个经典影视片段；通过“会说话红包”，利用AI语音及视频合成技术，用户可一键生成“会说话”的红包，春节转发给亲友，让拜年互动更有趣；通过“时空照相馆”，用户可以和亲朋好友合影，即便不见面也能隔空相聚不留遗憾。
借助新的玩法，《热辣滚烫》《熊出没》等春节档电影发行方、出品方、影视剧制作公司也首次加入五福，利用支付宝AI玩法与观众进行互动，支付宝成为电影宣发的新阵地。
“大家来找福”是今年集福卡的新玩法，所有图片由AI生成，通过像素级可控生成技术，生成10万多张藏福图，用户可以和家人拼眼力，边找福字边得福卡。
除了年三十集齐五福分5亿奖金的保留节目，整个五福节期间用户还可以在支付宝看短视频、参与评论、打榜等方式瓜分3亿红包。
新朋友：首次向创作者开放 近4万商家亿福齐发 百城涌出20万个线下接福处
今年参与五福的商家数也创历史新高，各商家早已进入五福节“备战”阶段。今年，除了合成五福卡兑换奖金，用户还可以用多余的福卡在近300个商家小程序里兑换好礼，其中，复星集团旗下16个品牌在1月23日便宣布将投入千万资金资源为消费者打造实惠、便利的消费体验。
五福节也将首次向内容创作者开放。五福节期间，支付宝将举办52场“五福节创作者挑战赛”，在现有的创作者分成计划外，额外投入超2500万现金奖励优质内容创作者。据悉，今年参与五福节的商家机构数量创新高，将在全国185个城市、20万家门店设置线下“接福处”，同时近4万商家将参与发放亿级福卡。此外，从1月31日起，五福节还将推出一天一个大牌日，中国移动、中国联通等7大品牌联合向消费者发放万份超值好礼。
数据显示，作为全网唯一连续8年春节陪伴用户的数字节日，支付宝五福已累计吸引了7亿人参与，去年共传递了128.6亿张福卡，全新“五福节”是这个国民IP的创新迭代。
“今年是支付宝陪伴用户的第9个春节，我们希望通过平台开放和技术创新，为用户打造能玩、好逛、福气连连的新春‘数字庙会’”，蚂蚁集团副总裁、支付宝APP事业部总经理李俊表示。
12月22日，PalmPay正式使用蚂蚁数科旗下云原生PaaS平台SOFAStack提供的资金安全风险监控能力。
2019年，PalmPay在尼日利亚推出电子钱包应用，集开户、转账、支付、理财、信用和生活服务于一体，目前用户数已突破3000万，服务商户数超60万，每日交易量已从百万笔攀升到千万笔，月处理交易金额数十亿美元。
“对于金融科技行业来说，如何防范资金安全类风险都是至关重要的问题。金融的属性决定了我们要确保每一笔数据的准确性，科技的属性决定了我们需要快速发布，及时响应客户需求。如何在快速迭代、不断变更的过程中，确保资金安全风险可控是每个金融科技公司都面对的挑战。在解决这个挑战的过程中，如何及时监控和发现问题是核心点。”
PalmPay技术风险保障部资深工程师任本山表示，“SOFAStack实时资金安全管理体系，经历了蚂蚁十几年自身业务增长考验，积累的实践经验和产品能力对于金融科技行业来说非常宝贵，这是促成我们下决心采用对应产品服务和建设相关机制的最主要原因。”
在项目试点过程中，PalmPay在数据域中私有化部署了SOFAStack资金安全监控产品，覆盖上百个核对场景和规则，在运行过程中及时发现了多个潜在交易和资金数据问题，并在DevOps整体流程中建设落地资损研发规范和资损测试规范。
PalmPay是蚂蚁数科旗下明星产品SOFAStack首个非洲客户，蚂蚁数科是蚂蚁集团科技业务板块，伴随东南亚、非洲等国企业进入上云、用云阶段，SOFAStack也步入海外市场，成为蚂蚁数科全球化战略的一部分。面向国际市场，蚂蚁数科形成覆盖PaaS层、智能SaaS层、Web3服务层的全栈技术服务。
据雷峰网了解，过去一年，蚂蚁数科通过科技产品带来的海外营收规模增长了300%。SOFAStack致力于帮助中国及海外金融机构及企业客户安全稳妥地向云原生分布式架构升级，无需对传统应用做任何改造，实现提效降本、业务敏捷创新。
]]> 金融科技 https://www.leiphone.com/category/fintech/F1NwSTOTKApiUlrV.html#comments Fri, 22 Dec 2023 16:51:00 +0800 为通用人工智能提速，蚂蚁图计算连续四次打破权威测评世界纪录 https://www.leiphone.com/category/fintech/dwPsC5rLRAsUSgSg.html近日，国际关联数据基准委员会（Linked Data Benchmark Council，以下简称LDBC）发布了图数据基准测评“LDBC SNB-BI”最新结果。
其中，由蚂蚁集团自研的流式图计算引擎TuGraph Analytics在30TB规模的数据集上成功完成了基准测试，数据规模和性能打破了此前美国某图数据库厂商的公开纪录，关键指标中的并发吞吐量提升至2.84倍，查询能力提升至1.86倍。
图：LDBC官方公布蚂蚁LDBC SNB-BI测评新纪录
在本次测评中，测试产品需要快速导入和分析30TB 规模的数据，处理多达720亿点、5400亿边规模的数据，并在60秒内返回读取查询结果。TuGraph Analytics均顺利通过了这些严苛的测试，验证了国产图数据库产品世界领先的数据处理能力。
以图数据库、图计算、图学习为代表的图智能技术，是数据和人工智能领域的新兴技术，特别擅于处理海量数据的关联关系，速度和准度精湛。权威咨询机构Gartner预测，到2025 年图技术将应用于80% 的数据和分析创新。在AI大模型浪潮中，图智能被认为是破解大模型“幻觉”，提升安全可靠性的关键技术之一。
据介绍，蚂蚁从2015年开始布局图技术，打造了业界领先的图智能技术体系，包含图数据库、图计算、图学习、知识图谱等，四次打破LDBC图数据库测评世界纪录，曾获吴文俊人工智能科技进步一等奖、中国电子学会科技进步一等奖、世界互联网大会“领先科技成果”等权威认可。
据雷峰网了解，TuGraph Analytic是蚂蚁大规模图计算系统中的重要组成，在千亿数据规模的“图”上秒级延迟计算，成功解决了金融场景风险分析难、识别率低、时效性差等业界难题。TuGraph-Analytics已于2023年6月正式开源。
国际关联数据基准委员会（LDBC）是国际公认的图数据基准指南制定者与测试标准发布机构，SNB（Social Network Benchmark）是由其组织的基于社交网络数据的权威基准测评，主要包含SNB-BI、SNB-Interactive两个子测评。
其中，SNB-BI主要评估图数据库处理复杂分析型任务的能力，SNB-Interactive侧重高并发事务型任务的能力。
《报告》指出，在当前的分布式关系型数据领域，头部厂商的优势正在扩大。其中，蚂蚁集团旗下的自研原生分布式数据库OceanBase，位列“领导者”类别。作为一款原生分布式数据库，OceanBase在产品能力上表现突出，处于领先地位。
IDC MarketScape厂商评估模型旨在为特定市场中信息和通信技术（ICT）厂商的竞争力提供一个概述。研究方法采用严格的定性和定量的标准的评分方法，以单一的图形说明每个厂商在特定市场中的位置。IDC MarketScape提供了一个清晰的框架，在其中可以对IT和信息通信技术厂商的产品、服务、能力和策略以及当前和未来的市场成功因素进行有意义的比较。该框架还为技术买家提供了针对当前或潜在厂商的360度优劣势评估，为技术买家提供参考。
《报告》显示，随着互联网、物联网、大数据技术的飞速发展，数据量呈现爆炸式增长，传统的单机数据库无法满足大规模数据处理的需求，同时降本增效是企业关注重点，市场正在寻找兼顾成本与性能的新技术方案，分布式关系型数据库逐步成为支撑企业核心交易系统的新选择。
聚焦当下的中国分布式关系型数据库，IDC对市场进行分析，认为企业对分布式数据库正抱有开放的态度，愿意通过紧密协作完成产品的场景化迭代和功能完善。其中，金融行业拥有雄厚的技术积累，且降本增效需求巨大，能够率先展开面向分布式关系型数据库的转型升级。
《报告》对国内十家主要分布式关系型数据库厂商进行了评估，评估结果显示，包括OceanBase等在内的五家厂商位于“领导者”类别。作为一款原生分布式数据库，OceanBase在产品能力上表现突出，处于领先地位。
《报告》认为，OceanBase服务于金融、互联网、政企等企业客户，同时提供本地化和公有云服务，满足不同场景的部署要求，以其原生分布式、原生多租户、HTAP、高级数据压缩等技术特性成为分布式交易型数据库的代表厂商，2022年发布的单机分布式一体化的产品更突破了集中式与分布式关系型数据库的场景隔离，用一个数据库产品伴随客户业务成长。
另外，近日OceanBase也在其2023年度发布会上公布了最新的商业化进展：服务超过1000家行业客户，客户数年增长150%，其中30%应用于核心系统。而且，在中国数据库流行度排行榜上，OceanBase连续12个月排名第一。在金融领域，OceanBase已成为市场占有率第一的分布式数据库。
据雷峰网了解，OceanBase还提出将持续践行“一体化”产品战略，用一体化架构解决分布式数据库的使用复杂度，用一体化产品满足客户80%的数据库场景需求，始终做到“把复杂留给自己、把简单留给客户”。
此外，IDC还对数据库厂商、数据库采买企业提出建议，包括数据库厂商应加强生态建设、提高客户自运维能力，数据库采买企业应充分结合自身业务场景和需求来选择，避免盲目投入等。
在关键数据库层面，东吴证券实现自主创新的同时，性能表现能够支撑未来三到五年的业务增长需求。
两年前，东吴证券决心攀登无人高峰，将核心交易数据全面替换成腾讯云TDSQL。
两年后，东吴证券在这座高峰上竖起一面旗，打造了首个国产数据库全量承载券商全量核心交易的应用案例。
这场攀登之旅，对东吴证券和腾讯云来说，实力和魄力，底气和勇气，缺一不可。
数据库之于金融机构，犹如石油之于汽车，关乎生死和存亡。
金融机构的每笔交易、每条用户信息都存储在数据库中；金融机构每一项重大业务的实施，都不能不考虑数据库的架构和容量。
相比其他金融机构，券商对核心系统的实时性和并发性要求更高。
这主要是因为股市瞬息万变，每天都有大量的交易发生。券商的核心系统必须要能够快速、准确地处理这些交易，如果核心系统的实时性不足，券商可能会错过一些重要的交易机会，甚至可能造成交易损失。
过往，大部分券商采用Oracle、DB2等海外数据库，以确保业务的稳定运行。即便有券商启用国产数据库，但只敢在边缘试探，关乎全量核心交易数据妄不敢轻易迁移。
东吴证券为何有这种胆量？前不久，雷峰网深入了解这场替换背后的成果、细节。
实际上，东吴证券数据库替换的背后，隐藏着一场更为庞大而复杂的计划——对核心交易系统进行全栈自主创新改造。
这是一场撼动核心的任务，就好比要是将一辆正在高速行驶的汽车上，进行全面的零部件更换。在更换过程中，汽车必须保持持续行驶，而替换后的性能也不能有所降低。
正因如此，至今仍有许多机构担心业务连续性无法保证，或是担心新系统的稳定性，而仍在等待时机成熟，等市场有参考案例，再按图索骥。
为何东吴证券要率先攀登，启动核心系统改造？
东吴证券信息技术总部副总经理庄颉表示，一方面是为满足公司业务发展需求，另一方面也是为迎合自主创新的行业趋势。
证券行业并非蓝海市场，要想在市场竞争取胜，就得快速响应市场海量新需求，而快速响应背后，就必须有更强的技术底座支撑。
2015年，在移动互联网普及，手机交易成为主流时，东吴证券果断成立网络金融事业部，成为业内首批进军移动互联网证券业务的券商，并创立互联网财富管理品牌“东吴秀财”，打造财富管理工具——东吴秀财APP。
随着东吴秀财APP接入的业务量不断增大，庄颉等信息技术部工作人员很快就发现问题，原有这套集中式的系统包打天下已经不够用。
这个发现也很快被验证。2015年，一场大牛市席卷股市，普通白领、甚至街头大妈的炒股热情都被点燃，股市狂欢开启。
这对依靠通过提供证券交易服务来赚钱的东吴证券来说，是久旱逢甘露。但与此同时，建立于IOE之上的核心系统也在这场牛市中，因为用户规模增长过快，交易压力不断累加。
后来，牛市虽平安度过，但也因为这次牛市让东吴证券意识到，如果哪天Oracle已经满足不了，甚至他们可能要去上DB2。
“到这个时候我们需要付出昂贵的成本。”庄颉说道。
业务需求驱动下，最终东吴证券决心开展去IOE工作，并且与顶点软件合作进行新一代交易系统A5的开发。
项目立项时间是在2015年，然而，直到2020年，东吴证券才实现A5分布式核心交易系统首发上线，中间漫长5年，系统一直在打磨、耐力爬坡。
据庄颉透露，通过这一次的升级换代，东吴证券全面完成去IOE的工作，同时所有客户都被迁移到新一代系统架构中。
“立项之初，我们立下Flag，A5系统上线后要实现千万级的客户容量，交易的延时在上一代交易系统基础上下降10倍，后来我们也确实做到了。”
本以为，随着A5系统上线，核心系统改造工作可以暂告一段落，但没想到新的考验也随之而来。
从2019年至今，已有超过600家中国企业、机构等被列入美国“实体清单”，相关商品和技术的制裁管控，已经成为导致企业生产停滞，威胁生存安全的重大隐患。
东吴证券未曾受到断供风波影响，但庄颉表示，在各类海外软硬件产品采购上，他已经有了与此前不同的体感，比如交换机的供货周期、交付时间越来越长，芯片断供风险越来越大。
“如果某天合作伙伴突然退出，我们所面临业务中断的风险那是我们公司所无法承受的。”庄颉说道。
面对外部制裁，国内自主创新也愈发如火如荼。2020年，国家宣布了第一批国产化试点金融机构，包括主要的国有大行、头部券商和交易所等，要求国产基础软硬件采购额占其IT外采的5%-8%。而东吴证券也是最早积极响应国家号召的先锋券商。
外部环境带来的寒气，以及自上而下的政策硬性要求，国产化浪潮以往任何时候都要逼近证券行业，东吴证券也不得不再度启航，冲刺核心系统自主可控。
但是，核心交易系统全部国产化，后续业务能正常运转吗？面对这一问题，当时庄颉心里也是直打鼓。
2020年开始，东吴证券一边在内部召集人马，启动核心系统自主创新项目组，一边对外呼朋唤友，找各类国产软硬件厂商，一起推进自主创新。
几经对比，最后东吴证券在芯片服务器上，选用了华为鲲鹏；在数据库上，选用了腾讯云TDSQL；在上层交易软件上，选用了顶点软件。
整体选型工作，东吴证券很慎重，拿数据库选型来说，2020以来，东吴证券高层多次带队到腾讯云进行交流。
“当时候，我们分享了理财通、微众银行等案例，同时也把腾讯云通过数据库研发投入、生态交付服务如何来保证客户成功，与东吴证券做了深入沟通。”腾讯金融云副总经理贾飞表示。
选型完成，紧接着系统替换工作也随之展开。千头万绪，从何做起？
如此庞大的工程，非一日之功，自然要先进行任务拆解。
当时，东吴证券有10个交易节点，每个交易节点部署在不同数据中心。“有的在东吴证券总部，有的在沪深交易所的托管机房。”庄颉说道。
为确保核心系统平稳改造，东吴证券制定了整体规划，分布实施，小步快跑的实施策略。
2020年，先是深交所南方中心灾备节点自主创新的上线，到2020年的12月底，交易节点上线。
在灾备节点上线后，东吴证券开始尝试在客户交易较不活跃的节点进行实验，以研究在实际交易节点上引入自主创新软硬件的潜在可行性。
2021年12月，东吴证券完成该节点的替换，这给了他们很大信心和底气。
2022年，重头戏正式拉开帷幕，这一年，东吴证券将公募节点、股票期权等节点挨个切到了自主创新的底座上。因为有之前的尝试，这些节点的切换过程整体很丝滑，并且这些节点在2020年年底也被切换完成。
再到今年，东吴证券又完成了三件事情：第一是在5月，完成了A5全栈自主创新仿真环境的建设和联调工作；在8月，完成了A5周边组件的全栈自主创新的替换；再到10月，完成了最后的一步，也是最关键的一步是TDSQL的替换。
伴随TDSQL的成功替换，东吴证券30多人的项目小组的悬在心里的大石头也终于落地了。
回顾替换过程，东吴证券信息技术总部系统运行部总监华焰表示，项目最大难点之一就是多方适配工作，从底层的芯片、操作系统、数据库再到上层交易软件，这些都需要进行联动调试和适配，工程量相当大，而且需要沟通协调也很多。
这就像是在复杂的交响乐团中协调各个乐器，才能演奏出和谐的乐章。
比如顶点软件最初设计应用系统时，可能并没有充分考虑腾讯云TDSQL的性能特点，这可能导致需要双方进行沟通，并且进行代码修改和性能调优，以便使两者协调一致，从而达到最佳性能和效率。
除适配工作外，华焰也提到他们在高仿真环境测试上下了不少功夫。
去年年初，他们大概拿了30多台的ARM的设备，建立了一个与生产环境相似的测试环境，一方面做性能上测试，另一方面做功能上适配。
“不打没准备的仗，一开始我们心里都没有底，但后来经过一年多的测试，所有性能都在我们预期范围内。”
拿数据库来说，原来东吴证券使用的MySQL，在MySQL中只能实现大约七八万的并发处理，每秒查询数（QPS）大约在15万左右。
“新的核心系统测试数据显示，我们在外围系统中能够实现超过15万笔/秒的并发处理能力，而且这 15 万笔/秒的并发测试都是在TDSQL上完成，而TDSQL的每秒查询数（QPS）能够超过30万。”庄颉对雷峰网说道。
通过三年多时间的改造，东吴证券的核心交易系统不仅技术上实现了自主可控，而且在性能上也有新的进步。
但庄颉也特别强调，所有的技术变革，都不应该是自嗨，而是要把它真正变成解决业务问题。
在今年的八月，东吴证券成立了数字化转型办公室，将IT团队直接派驻到零售业务和机构业务条线中，让IT与业务更紧密结合。
据庄颉对雷峰网透露，随着升级后的A5的启用，东吴证券零售侧和机构侧的业务也有了显著变化。
在零售业务线上，A5全面采用内存数据库技术，给"秀财APP"的页面加载速度和用户体验带来了显著提升。
“以前，点击一个页面可能需要4-5秒与后台交互才能完成跳转，而现在几乎瞬间就可以加载内容。”
除用户体验外，用户服务也有显著的改进。基于A5系统，东吴证券正在创建了一个智能条件单系统，它相当于将机构的各种算法，包括流行的网格交易和一些基于时间和价格的策略，整合到了后台系统中。
随着系统的开发完成，这一服务扩展到零售客户群体，之后零售客户不仅在交易速度方面能够享受与机构客户相媲美的体验，而且在交易解决方案上实现与机构客户的全面对齐。
在机构业务线上，A5针对零售客户的交易速度已经从原来的10到20毫秒优化为1到2毫秒，这一显著提升为机构交易速度也提升了不少。
当然机构客户主要是私募机构，他们不仅关注交易性能的高低，还重视服务的可托管性、估值提供以及业务资源如融券券源等。随着A5系统的升级，它也将在这些方面发挥关键作用。
过往，核心系统转型，往往被看成是大难题，诸多券商不敢对核心系统“开刀”，但随着内外部环境变化，券商们要想在竞争中取胜，并适应信创要求，就必须迈出脚步。
过往8年，东吴证券一次一次翻山越岭，锤炼核心系统也给其他券商提供了信心和参考案例，只要找准合适的技术路线，找到好的伙伴队友，做自主创新全栈改造这件事情可能没有想象中那么难。
]]> 金融科技 https://www.leiphone.com/category/fintech/3QrIoxUdwvFrTCBz.html#comments Thu, 30 Nov 2023 09:56:00 +0800 逐浪大航海时代，中国技术正扬帆远航 https://www.leiphone.com/category/fintech/mTXgQJeTK2VdgNQC.html 搭乘一个多小时的公交车前往线下网点、排队、拿表、填写资料、提交，之后就是漫长的等待……等待网点工作人员将填写好的资料整理、汇总、定期批量运送至中转站；等待中转站的工作人员对送审的资料进行一一核对，再一一进行电子注册。运气好的话，这样一条完整的线上开户流程走下来只需要数天，否则可能达到十余天。当然，还没有考虑到过程中或许会出现错误，需要重新验证。
对于我国大多数人来说，这样的场景并不熟悉，它可能发生在一二十年前，是过去，是历史。但在地处南亚的孟加拉国街头，这样的场景仍在时常发生。
准确地识别“你是谁”是进入数字世界的第一道门槛，也是数字化的起点。
在国内，人们已经非常习惯于在线上便捷获取各类生活及公共服务，其背后依赖的基础是正是数字化身份认证及安全能力。但在孟加拉等新兴市场国家，诸如身份认证等数字化基建还远未成熟和普及。
这背后反映的是东南亚等新兴市场与中国的数字化发展代际差异的缩影。
华信研究院的报告指出，东南亚是全球互联网用户增速最快的地区之一，数字经济潜力巨大，但与此同时，很多国家仍处于数字化起步阶段，基础设施不完善，而数字人才供给不足，数字技术研发单薄也制约着这些地区数字经济的快速发展。
过去十多年，中国在数字经济发展率先起步，为新兴市场提供发展的范本，也培育了一批有全球影响力的本土科技企业。现在，他们正在将在国内庞大市场中磨练的技术打造成技术产品与服务，服务海外客户的数字化转型，向全球输出来自中国的技术实践方案。
01从模式出海到技术出海
东南亚地区具有广泛的市场潜力和庞大的年轻人口基数，随着近两年当地电子商务和互联网的蓬勃发展，正在不断加强信息化基础设施建设，尤其是针对云化、信息化和数字化的需求在迅速增长。
东盟（东南亚国家联盟）国家也将数字技术视为经济发展的重要引擎。2021年1月，东盟在首届东盟数字部长会议上发布的《东盟数字总体规划2025》（ADM）提出将东盟建设成一个由安全和变革性的数字服务、技术和生态系统所驱动的领先数字社区和经济体。
据研究机构IDC的报告显示，2022年东南亚地区ICT市场总投资规模超过1442亿美元，且投资规模逐步扩大。由于东南亚与中国具备地理上的接近性，与中国的贸易展现出强劲韧性，这些都推动东南亚成为中国企业技术出海的热土。
事实上，中国企业的“出海潮”由来已久，许多国家和地区都陆续出现中国企业的身影，但占据主流的大多是消费端应用，比如电商、游戏、互联网等。最新的趋势是，更多面向企业端应用的技术和服务开始出海，中国企业出海也从输出中国模式升级到输出中国技术和中国体验。
例如，疫情期间，东南亚多国政府选择在线发放补助金，然而线上核身及安全风控能力的缺乏，成为制约政府提供相关服务的主要障碍。而通过借助来自中国的安全科技技术，孟加拉国为全国500万个家庭实现了远程开户，使得政府能够通过移动支付平台——BKash，向那些失去收入来源的家庭成功发放援助金。
“通过中国科技企业提供的开户认证技术方案，我们的困难得到了巨大改善。”孟加拉国的电子钱包公司bKash CEO卡迈勒·奎德说道。
据他介绍，“远程开户”实现后，原来至少需要5天的开户时间大幅缩短，最快3分钟就可以完成整个操作流程，而安全、便捷的认证方式保障了资金的无接触发放，极大降低了普通用户获取数字服务的门槛。
除了孟加拉国，在菲律宾，存在30多种形状不一、类型各异的官方证件，如何在申请电子钱包时准确识别？在印度尼吉亚，线上应用普及，但网络欺诈泛滥，如何与网络黑产斗智斗勇？如今，这些问题都通过蚂蚁数科的安全科技平台ZOLOZ得到很好的解决。
ZOLOZ基于蚂蚁风控实战经验打磨，可以在线验证客户身份，对于数字化服务的安全开展至关重要。东南亚各国的电子钱包平台通过ZOLOZ的解决方案，用户只需要用手机扫描证件和拍照，便可实现在线身份认证，而不再需要去线下网点进行人工办理。
在技术出海的过程中，由于各个国家的数字化基础不同，用户习惯差异等原因，技术产品都需要进行本地化的改造与适配。在面向不同国家提供服务的过程中，ZOLOZ踩过不少“坑”，同时也积累了丰富的本地化经验。
据ZOLOZ资深产品总监介绍，在东南亚地区，脸型种类更多元，光是马来西亚一个国家，就汇集了马来人、华人、印度人等。为了提高在东南亚地区的识别准确率，需要重新训练算法。
为保护数据隐私，ZOLOZ使用了数据生成方案，并推出了全人种无偏见方案，以提高识别准确率。还为视障人群提出了特殊的验证码方案，增强产品的包容性。
此外，还面临证件繁杂的问题，不同国家有各种不同类型的证件，包括工作证、学生证等，它们在版面设计、制证工艺、颜色、样式等方面存在差异。这需要使用OCR技术来识别各种证件上的信息，并需要设计通用开发框架以适应不同的证件类型。
不少“一带一路”沿线国家还没有开放官方证件库给App做信息比对的问题，用户身份认证环节会遇到证件伪造、信息虚假等情况，ZOLOZ通过研究全球证件防伪算法体系，帮助客户更好地应对身份被篡改、“薅羊毛”、洗钱等风险。
据雷峰网了解，目前，ZOLOZ已经服务着印尼最大银行Mandiri、马来西亚最大银行Maybank等金融机构，以及菲律宾GCash、泰国TrueMoney、马来西亚Touch'n Go、孟加拉国bkash、韩国kakao pay、巴基斯坦Easypasia、尼日利亚PalmPay等多国电子钱包在内的上百家合作伙伴。
另外，在积累丰富经验的基础上，ZOLOZ还牵头制定了ISO国际标准与同行分享。
02蚂蚁数科发力技术出海
技术出海的本质是技术能力的溢出。
过去十余年，在移动互联网的浪潮中，国内大型互联网公司响应时代呼唤，在超过10亿级用户规模的统一大市场中，不断进行技术升级与突破，可以看作是修炼内功的表现。
而随着技术逐渐成熟、强大到可以对外提供服务能力后，继续向前，走出国门，开拓海外市场，把全球化作为重要的战略布局，积极寻求新机遇与新的增长空间。
自2017年开始，蚂蚁数科在国内较早开始探索技术出海，将蚂蚁集团在中国庞大市场中磨练的最佳实践与技术能力以技术产品的形式输出至海外，服务于海外客户的数字化转型，其中代表性产品即包括安全科技ZOLOZ、移动开发平台mPaaS、区块链平台AntChain等。
技术出海策略也在给蚂蚁数科带来新的增长点，据蚂蚁集团资深副总裁、数字科技事业群总裁蒋国飞日前透露，过去一年，蚂蚁数科通过科技产品带来的海外营收规模增长了300%，截止目前，蚂蚁数科在全球联合300多个合作伙伴，服务超过1万家客户，其中尤以菲律宾、马来西亚、印度尼西亚等新兴市场国家为主。
据蒋国飞介绍，蚂蚁数科面向海外市场提供包括三类产品线，首先是PaaS层软件产品，包括移动开发平台mPaaS和区块链服务平台AntChain BaaS；第二是智能SaaS软件，包括安全风控品牌ZOLOZ和隐私计算服务Antchain Morse；第三层是Web3技术服务品牌ZAN。
除了解决数字化安全问题，还有许多海外客户希望借助中国领先的互联网技术，包括移动科技、云计算等打造功能强大的科技引擎，以推出用户体验更佳的移动互联网服务，马来西亚最大的独立投行肯纳格集团(Kenanga Investment Bank Berhad)是其中之一。
基于mPaaS移动开发平台，肯纳格与蚂蚁数科共同打造马来西亚第一个以财富为中心的“超级应用程序”。这个新的数字平台将肯纳格集团及其合作伙伴的最佳产品和服务汇集到一个简单易用的移动应用程序中，提供用户所有账户和资产的投资组合的单一视图，并且用户可以轻松上手新产品和服务。
不久前，马来西亚砂拉越州政府亦宣布将引入蚂蚁数科自主研发的一站式移动开发平台mPaaS和数字身份认证平台ZOLOZ，以提升砂拉越州当地数字政务服务的开发效率、服务可靠性和用户体验。
“蚂蚁数科在移动应用开发和身份验证等领域的技术与专业性将帮助SAINS更好地服务客户需求。”谈及合作原因时，砂拉越信息系统有限公司SAINS CEO Busiai Seman这样说道。
随着Web3在海内外的迅速发展，蚂蚁数科在今年面向海外市场推出Web3服务品牌ZAN，为Web3开发者提供相关技术产品与服务解决方案，包括已经推出的基于智能合约的开发和部署服务、交易风控技术、合规发行解决方案，以及安全的节点服务。
蒋国飞相信，未来，在上述三层产品将合力打造一个在信息互联网之上的价值网络，“通过在区块链、隐私计算、物联网、人工智能等链接技术的推动，资产也将会加速迈向数字化，更加可信、高效地进行交易和流转，将会给产业各方创造巨大的价值。”
雷峰网了解到，除了技术服务外，蚂蚁数科还积极参与牵头制定相关领域的国际标准，提升中国企业在全球科技领域的竞争力。如ZOLOZ牵头制定了数字身份的ISO国际标准；蚂蚁链牵头制定数字藏品、跨链等国际标准。
据了解，目前蚂蚁数科已经牵头或参与制定20余项国际标准，为全球市场提供来自中国的技术实践方案。
正如15世纪末开启的贸易大航海时代催生了物理商品的全球流动，深刻改变了全球经济的图景，带来了巨大的增长红利。现在，一场技术大航海时代正方兴未艾，面对后疫情时代催生出的崭新的、巨大的数字化需求，中国科技公司出海的远大前程还刚刚开始......
2020年6月，OceanBase正式开启商业化运作。
大家都知道，作为基础设施的数据库，研发之路并非易事。而从写下第一行代码到开启商业化，OceanBase用了十年。
如今，三年过去了，在这些年间，OceanBase做了很多事情，不断加快技术迭代速度、扩张海外版图、开源，等等。
那么，从商业化运作初期的两位数客户，到现在，OceanBase表现如何呢？
11月16日，在OceanBase2023年度发布会上，OceanBase CEO杨冰公布了最新的商业化进展：OceanBase数据库已服务超过1000家行业客户，客户数年增长150%，其中30%客户将其应用于核心系统，OceanBase正在成为核心系统升级的首选数据库。
而在金融领域，OceanBase已成为市场占有率第一的分布式数据库。
此外，OceanBase持续打造以合作伙伴为中心的商业生态模式，全面升级服务体系，成立客户专家委员会。
客户数年增长150%
据雷峰网获悉，过去一年，OceanBase的客户数增长150%，已助力1000多家行业客户实现数字化升级，涵盖金融、政务、能源、运营商、交通、互联网等海内外企业。
据统计，在1000多家行业客户中，有30%将OceanBase应用于核心系统，OceanBase正在成为核心系统升级的首选数据库。
OceanBase的客户构成也愈发多元，非金融客户占比60%，中小客户占比75%。随着2022年OB Cloud的全球开服，公有云客户数在过去一年里增长了150%。
全国1/5省份的移动运营商——如山东移动、江苏移动、浙江移动、辽宁移动、福建移动等、1/4省份的人社局——如江西人社、重庆人社、海南人社等都已采用OceanBase。
其中，中国电信将OceanBase应用于翼支付的核心系统改造后，性能提升5倍、存储降低76%。江西省是全国首个将社会保险信息系统改造升级后接入养老保险全国统筹信息系统的省份，OceanBase支撑了其新的人社系统。
在数字化转型的关键时期，产业互联网的代表企业也纷纷采用OceanBase应用于其系统的升级改造，如理想、美的、VIVO等新制造企业，泡泡玛特、海底捞等新零售企业。
作为中国数据库的代表，OceanBase的出海脚步也在加快。截止目前已可在美洲、欧洲、亚洲三大洲的30个可用区提供服务，支持亚马逊云、阿里云、腾讯云等六大公有云基础设施。如助力非洲电子钱包Palmpay实现云迁移，降低80%数据库成本。
有超过500家客户也已将OceanBase社区版成功应用于实际的业务生产系统。国内知名的开源数据库整体解决方案公司爱可生也推出了基于OceanBase社区版的商业发行版。
截止2023年11月，在中国数据库流行度排行榜上，OceanBase已连续12个月排名第一。
金融行业第一
根据工信部赛迪顾问软件与信息服务产业研究中心发布的《2022-2023中国平台软件市场研究年度报告》，在对平台软件需求增长最快的金融行业，OceanBase已占据国产分布式数据库市场占有率第一的位置。
OceanBase CEO杨冰介绍，有70%千亿资产规模以上银行、75%头部证券机构、65%头部保险机构、45%头部基金公司都选择OceanBase进行核心系统升级。
发布会现场，多家银行、保险机构分享了OceanBase的应用经验。
交通银行贷记卡系统的分布式改造，是其向全面分布式转型的关键一步，其中就包括在底层使用OceanBase,大大提升数据处理效率和系统可用性，金融TPS（每秒处理事务数）提升6倍、跑批效率提升超过7倍。
此前，北京银行在6个月内已完成OceanBase上的40个关键业务系统升级，到今年年底还将完成90个业务系统升级，规模和速度在国内商业银行的同类型改造中都属于前列。
太平洋保险行业首个将全险种核心系统迁移至OceanBase，分析型数据加工处理能力提升10倍、数据库瘦身存储成本降低80%。
服务体系全面升级，成立客户专家委员会
合作伙伴是OceanBase成功的关键,OceanBase始终致力于打造开放的商业生态，建立以合作伙伴为中心的商业生态模式。
在专有云领域，OceanBase与100多家解决方案伙伴联合打造了340个联合解决方案，其中20多个成为热门联合解决方案，大大降低客户使用门槛。发布会现场，OceanBase还同神州信息、长亮科技、中电金信、东软、恒生等17家合作伙伴，共同发起“乘风聚力”关键业务系统攻坚行动，持续助力企业的关键业务系统升级。
在公用云领域，去年OceanBase推出“珊瑚计划”，全方位支持区域合作伙伴，提升能力、拓展业务机会。截止目前，OceanBase已培养超50个核心商业合作伙伴，伙伴贡献销售额占比15%。
在今年的发布会上，OceanBase再次宣布全面升级服务体系。杨冰表示，服务体系是OceanBase的核心竞争力之一，未来将全面升级企业服务、生态服务、培训服务，全力解决客户的后顾之忧。
发布会上，OceanBase还宣布成立OceanBase客户专家委员会（OceanBase Customer Expert Committee，简称CEC），由OceanBase DBA技术专家组成，委员会成员将同OceanBase密切合作，打磨更好的产品、沉淀更好的行业经验、培养更多的技术人才。
]]> 金融科技 https://www.leiphone.com/category/fintech/fplaLBoiXIkQxS5R.html#comments Thu, 16 Nov 2023 19:27:00 +0800 专访腾银财智CEO童彤：银行客户经理缺一个“外脑”和“神经系统” https://www.leiphone.com/category/fintech/gxZyvQhv8RmICllt.html2019年12月23日，企业微信正式推出3.0版本，包括直加微信好友、客户朋友圈打通、扩展外部百人群等新功能，意味着企业微信和个人微信正式互通。
当时，这条消息在私域流量圈里炸开了锅。有人甚至把微信的好友列表比喻成一个水池，而企业微信就是那条搅动池水的鱼。从2020年起，水大鱼大的日子开始了。
作为一个曾经在腾讯超过8年，并且负责过微信首个支付场景业务的童彤，十分笃定这件事情的意义。
早在2019年年中，这条消息还未正式对外公布前，腾银财智的团队就开始钻研开发相关产品，当时他们所选择的方向是面向金融机构的SCRM。
如果把企业微信理解为像电一样的基础设施，光有电是显然不够的，在基础设施基础上开发不同的工具/产品，比如电灯泡，甚至是全屋电器智能定制，这样基础设施才可以用起来，SCRM就是基于企微所生长出来的一个新工具。
所谓SCRM（Social+CRM），即社交化客户关系管理系统，把销售在获取线索、客户跟进、成交转化、售后服务全环节所需的工具、或者说把数字化基础设施都搭建好。
就好比开商店，SCRM的角色则就是一站式服务商，帮你把整个开商店过程中所需的选址、货架摆放都搭建好，店主只需要负责跟客户沟通、收银和做结算。
企微与微信的打通后的几个月里，市场出现一大批基于企微开发的SCRM厂商，来重塑企业客群经营模式。微盛、探马、尘锋信息等都在这个时期在市场中冒头。
不过，与面向多行业的SCRM厂商不同，腾银一开始选择了专注在金融业，专门为金融机构客户打造一款SCRM。
这几年，不论是何种体量的金融机构，都在面临几重压力。外部获客上，随着流量红利、人口红利的逐渐消失，不少金融机构已经明显感受到要新增客户变得愈加困难，同时，获客成本也日益高涨；内部管理上，即便有了不少的存量客户，但仍面临难以唤醒、转化、留存的情况。
企微SCRM在2019年的出现，对金融企业盘活既有存量是一场“及时雨”。然而童彤在这市场摸索将近4年，跟非常多分支行、一线聊，结果发现：行业大部分机构已经把企微渠道搭建了起来，但许多金融机构仍然用不起来，其中有两大挑战，一个来自于一线销售，一个来自于机构总部本身。
总体而言，机构的一线销售处在一个极度矛盾的世界里。
一方面，一线因为时代的改变而变忙了。这个时代要求一线客户经理学会社群等方式，经营存量，提升业绩。但实际上，这个过程又出现许多问题。
第一，行内分配的客户量是实际能管理的5-40倍，所以一线客户经理很难对所有的客户进行一个全面的管理。
在银行客户经营面临的问题上，波士顿咨询公司董事总经理陈本强分享了一个案例。一年半以前，他们帮助一家国有大行做咨询项目。在前期调研时，他陪着项目组的同事分别去市区、近郊、远郊的三个网点待了三天，访谈行长、副行长、客户经理等各类工作者。
“我们当时访谈一位工作5年的客户经理，问他大概管理多少个客户？他说大概是800~1000个。然后我问，你有效管理的客户有多少？他回答一个月大概200个。”陈本强说，这个数字让他感到十分诧异，有效管户数竟然只有五分之一，而剩下管理不到的客户就只靠运气，能有几个就是几个。
第二，长周期经营下，所需的能力和所花的时间在成倍增加。“原本经营客户就是，我有好的商品问你买不买就行了，现在需要做全生命周期经营，长期提升客户粘性，那就变成了一个长周期经营，对于单一客户的经营轮次和交互次数也大大上升了。”童彤说。
第三，千人千面之下客户销售策略的匹配问题。“原来只需要跟客户推销产品，只需要搞清楚商品即可，但现在则需要洞察客户、理解客户，还要基于客户需求匹配最好的经营策略，而且成交也不是当时当刻发生的，可能要在多轮之后成交，是延时的”童彤说。
种种问题指向，一线销售的确需要有赋能。但另一方面，一线销售又在犹豫使用能对客户进行更高效运营的企业微信。
“有了微信，为什么还有要用企微？”
“企微看不到朋友圈，形成不了私人关系。”
“平常已经很忙了，我没空学习使用一个新的渠道。”
过去3年，童彤带领团队调研许多机构分支行的一线，这些话大概出现过无数次。这都在反映一个问题，在面对一个拥有巨大红利的工具面前，许多人却选择了怀疑，这是为何？
后来童彤总结，一线销售之所以不愿意用的原因，有几点：
第一，因为合规监管要求，所以一线客户经理觉得不自由，不愿意用企业微信。“大部分一线客户经理对于企微的第一印象是，是会开会话存档的东西，我跟他们说，企微确实开了会话内容存档，因为这是一个机构去经营渠道的必然前置条件。”童彤说。
第二，企微看不到朋友圈，客户经理会认为和客户之间的关系不够私人化。实际上，每个人都会有所感觉，一旦是有一个人通过企业微信给你发消息，你自然就会增加一丝防备，设想对方是不是又要来营销了。
第三，当一线客户经理的关系被机构化后，会产生个人资源被剥夺的心理。这明明是一线销售自己打下来的客户，结果企微用起来之后，就变成机构客户，一线销售自然会有顾虑。
“那让一线舍弃了这么多东西，那总得有所得吧。”童彤说道。要想真正让一线愿意用企微，就必须真正让一线能借助企微以及SCRM提升效率、产能。
然而，市面上大部分SCRM虽然让一线的客户社交渠道运营效率有所提升，但童彤认为，仍不够彻底，其原因是目前大部分SCRM厂商基本都是横跨多个行业，只是将社交运营的数字化基础设施都搭建好了，还未做到真正的深度赋能。
而这也是腾银财智一开始放弃广撒网铺行业，选择聚焦在金融行业的原因。只有深耕，才可能把事情做透，才能真正为行业带来价值。
在童彤看来，一线缺的是一个“外脑”和“神经系统”。大脑首先主要提供一线销售经验，比如，从客户初次接触到客户成交每一步，知道用什么样的策略分布进行跟进，不同阶段不同类型的客户，如何匹配不同渠道才能达到更高效的结果等。
其次帮销售更好做决策，比如判断哪些客户需要跟进？这个客户能不能成交？值得投入多少成本？让销售能把更多的时间放到最重要的客户身上。
“神经系统”则是将大脑的指令快速的传递给一线执行，并实时把一线的执行结果，成败原因回收回来，并且数字化，结构化的达到回收的效果。
一旦销售有了这个外脑和神经系统，就好比从骑马到开汽车，触达客户效率、成交率可以极大提升。而这也是腾银财智在系统工具上所升级的方向，不过除做好系统外，在2021年底，童彤又开始重新思考，企微的出现，除了新增了一个渠道意外，到底能对金融行业的业务经营产生了哪些改变？
对金融机构来说，企微渠道经营价值究竟在哪?
“我们认为企微的出现，最大价值是在可以革新机构的总部经营模式。”
所谓的经营模式是指，原来许多机构的业务，大部分都是靠一线客户经理的朋友、亲戚等熟人关系获客，客户经营能力都是在一线手上，一线客户经理的销售技巧、销售情况，机构很难掌握。
而企微的出现，则让机构有机会掌握到一线客户经理手中的各类数据。比如说，分析不同销售都是如何搞定客户的，为何有的销售能成单，而有的却失败了。
当这些运营数据能被收集，金融机构则有机会搭建中台，把客户经理的能力进行结构化变成平台的能力体系，赋予给更多的一线，金融机构整体的经营能力也就将大幅提升。
不过，要用好企微，做好社交客户经营，光有一个好用的工具、系统并不够。
对金融机构而言，这是一场涉及到从顶层设计再到落地执行，从工具再到组织的一场全面变革。比如，金融机构如何从顶层设计上安排渠道，使得各个渠道之间不冲突、有效的协同，以及可以发生更高效率；又比如，客户经营能力从一线上升到总部中台后，如何设计新的组织架构、人员配置等等。
这些显然是超过了单纯的系统厂商的能力范畴，但这又是关乎这场变革成败的关键环节。
早在2012年，Facebook在全球已经9.9亿用户，Twitter有5个亿用户，这也说明客户在社交渠道的整体时间已经很长，心智影响速率快。但翻阅2015年出版的《Bank3.0》这本书时发现，仍然只有27%的核心机构，选择了把它作为主要的宣传路径。
书中给出了四个原因：第一高层缺乏认知；第二缺乏以社交媒体为中心的清晰且合理的战略；第三缺乏社交媒体经验；第四企业内部缺少胜任的员工。
为真正帮助客户实现转型，腾银财智从系统提供的商圈中向外迈了一步，在内部成立了一个很有意思的组织——腾银π学院。
这不是一个商业化机构，其目的也不是为盈利，而其主要就是去研究行业在经营变革过程中的业务规划、底层规律、主要难点、流程重构等等，然后将机构所有研究成果总结了一套解决方案——π Solution。
这是有别于腾银财智过去SCRM的一套全新的解决方案。童彤对雷峰网表示，在这个解决方案中，腾银财智从业务体系的规划，跟行内的业务和系统体系的个性化融合，到解决方案的实施，再到运营落地，以私域为核心渠道，搭建客户经营前中台需要的核心能力，并推动供应链的持续优化，使得银行总部具备私域客户经营能力和数字化零售经营能力。腾银一直走在前沿，来贡献对这个行业的最新思考，以及最新实战能力。
“我们不再像过去一样，只是给客户去交付一套系统。我们希望的是能不断给客户我们对这个行业的新认知，以及交付更多的业绩结果，这是我们推出新产品的最核心立足点。”童彤对雷峰网表示。
]]> 金融科技 https://www.leiphone.com/category/fintech/gxZyvQhv8RmICllt.html#comments Tue, 18 Apr 2023 19:37:00 +0800 金融核心系统迁移，腾讯云有何「解题思路」？ https://www.leiphone.com/category/fintech/BAGc4javM9UWs6oq.html2019年1月，CDH背后的公司Cloudera宣布与Hortonworks（一家围绕着大数据平台去做发行版的公司）合并，形成了新的Cloudera公司。
两家公司合并之后，迅速对产品进行了整合推出了新一代产品——CDP，同时也宣布在2021年底结束对CDH6的服务支持。
这给国内企业敲醒警钟，要将以往使用的CDH大数据平台进行全面的迁移。
而时间拉到2021年12月29日，距离元旦仅三天，央行发布的一纸公文——《金融大数据平台总体技术要求》，在金融圈里炸开了锅。
以前的文件可能是从战略层面对金融机构的数据安全要求，但这一份文件十分细化，直接从大数据平台的设计、开发、应用等角度，为金融机构的大数据平台建设提供了清晰指导。
这份文件传递的信号是，金融机构已经没有时间再继续犹豫、观望，大数据平台自主可控建设势在必行。
在4个月后，国内某大型基金公司做出重大决策，决心对大数据平台进行一场大手术，将在CDH大数据平台上的数据进行平滑迁移到腾讯云TBDS大数据平台。
据腾讯云高级大数据架构师杨文龙介绍，他们从4月开始与基金公司接洽、商讨，直到8月才开始正式进驻开干，而此时，留给他们完成CDH大数据平台的平滑迁移时间仅剩下半年。
这可能是当下许多金融机构进行系统迁移的真实写照：时间紧、任务重、压力大。
为解决“信息系统迁移的难点及解法”，3月25日，腾讯云举办了2023年首期 Techo Day （腾讯技术开放日），这一期，腾讯云与业内专家以“金融核心系统”为典型场景，分享如何更好地切换、平移、使用国产化软件。
在活动上，专家们许多具体、鲜活案例分享，让我们有机会更深入了解金融机构变革的细枝末节，以及他们的真实需求。
在人体手术中，心脏移植手术难度往往最高的一类手术。第一，病人不能没有心脏，手术移植速度必须要快；第二，移植后，病人还可能存在移植排斥反应。没有到万不得已，一般都不会做如此冒险的手术。
放在金融机构也是如此，关系到核心业务的系统一般不会轻易更换，一来是工程量大成本高，二来是担忧新系统的稳定性、可靠性。
也因如此，过去许多人都在喊“去IOE”，但身体依旧诚实，继续采用老三样。
不过这几年外部形势严峻。从2019年至今，已有超过600家中国企业、机构等被列入美国“实体清单”，相关商品和技术的制裁管控，已经成为导致企业生产停滞，威胁生存安全的重大隐患。
这让越来越多的企业意识到，只有将软件的自主可控掌握在自己手中，才能保障企业的命脉。
而从政策层面来看，这几年监管顶层设计反复强调推动金融机构加速信息系统的国产替代。
从2014年中国银监会与国家发改委、工信部及科技部发布《关于应用安全可控信息技术加强银行业网络安全和信息化建设的指导意见》，再到2022年1月中国人民银行印发的《金融科技发展规划（2022-2025年）》，守住金融数据安全线的紧迫性不断升级。
在这种背景之下，2020年，国家宣布了第一批国产化试点金融机构，包括主要的国有大行、头部券商和交易所等，要求国产基础软硬件采购额占其IT外采的5%-8%。
2021年，国产化进程进一步推进，百余家金融机构被纳入到国产化推广计划中，并要求其国产基础软硬件采购额占其IT外采提升至10%-15%。
再到2022年，国产化推广计划扩容至全行业5000余家金融机构，进入全面推广阶段，国产基础软硬件采购额在IT外采占比有望提高至15%-25%。
这对于国产软硬件厂商来说，是一次全新的机会。根据天风证券估算，预计到2025年，金融国产替代的发展规模将突破3000亿元。不过各类厂商要想从这个市场中分一杯羹，也没有想象中这边简单。
思考一：迁移能否平稳、以及带来业务性能的提升？
对于机构来说，他们所关心的第一个问题是：别出岔子，保证系统平稳迁移。
上文提到2022年8月起，腾讯云就在帮助某大型基金公司进行CDH大数据平台迁移。为在给定时间内帮助客户平滑迁移，他们将整个项目拆解成为了三个重要阶段：
第一阶段，业务验证期，先让新平台完成历史数据迁移、数据接入、调度任务配置、业务程序部署等任务，同时老的CDH平台持续提供业务服务，进行双跑观察，以备业务切换不成功及时换回到老平台。
第二阶段，业务切换期，在验证新平台后，将业务系统全面切换到新平台，据了解该项目最先迁移的是营销中台这一业务场景数据。
第三阶段：业务观察期，检查是否存在应用程序未迁至新平台，并持续观察验证新平台运转情况，只有确保新系统正常运转，才算是正式迁移完成。
“整个迁移过程压力还是挺大的。”杨文龙对雷峰网表示，一方面时间很紧迫，第二任务也很重。为了保质保量，针对该项目腾讯成立了一个有20多名成员的专项小组，开启迁移工作。
据了解，到今年，项目一期的任务已经完成，营销中台、TA系统平滑迁移。
不过，金融机构所期待不仅只是系统平滑迁移，还有新系统是否能在性能上有所提升。
杨文龙提到客户提需求时，明确要求希望迁移至腾讯云TBDS大数据平台后，计算效率能显著提升。
原来CDH大数据平台，只支持T+1的计算分析能力，也就是说平台会在12点之后收集好前一天的数据，然后开足算力对这些数据进行分析，以便运营同事第二天上班能仔细琢磨这个仗怎么打。
但近几年，互联网金融发展迅猛，购买基金的客户人数开始成倍增加，机构需要快速结合用户画像对应调整推销策略、营销策略等，但有时候用户十分活跃，产生巨量数据，前一天的数据分析结果可能要等到早上9点、10点，这对运营同事来说比较晚了。
据了解，在迁移腾讯云TBDS大数据平台后，数据分析时长需要从原来6小时缩短到3小时内，营销同事在上班前就可拿到运营数据表，极大提升了营销同事工作效率。
同时，新一代TBDS融合了更高版本的大数据生态组件，除了解决数据迁移难等问题，还具备云原生能力。在数据存储、计算资源上，实现彻底解藕和灵活扩缩容，解决了以往存算一体架构下的调度难题，帮助平台调度提效10倍以上。
未来在降本增效的潮流下，TBDS也朝着统一存储、统一元数据管理、统一开发工具、统一运维管控的方向演进，降低客户在存储和开发上的资源成本，使用迁移后的TBDS大数据平台，预计可以为客户带来20%以上的成本优化和资源利用率提升。
思考二：迁移能否做到尽可能的开放兼容？
每一次系统的替换背后，除有许多迁移成本之外，还需要考虑新系统变动带来的人员习惯适应等等问题。
核心系统不比其他的系统，现阶段如果猛然给金融机构用一个全新的系统，对于他们来说是很难接受的。
就像是一个长期使用安卓手机的人，突然换了一个苹果手机，由于操作系统的不同，短时间内很难适应。
所以对于腾讯云而言，他们最初思考的问题并不是迁移，而是如何尊重客户的原有使用习惯，积极去弥合系统间的差异，适配客户既存的工具链。
"我们的目标就是让客户体验到腾讯云在专有云场景落地时候的无侵入感，带给客户丝滑体验。"腾讯专有云应用和系统稳定性负责人张晓宇对雷峰网说道。
2020年，腾讯云与国有大行展开专有云建设时，前几个月的时间，他们都在专注于不同系统之间的融合问题。
让张晓宇印象很深刻的一个案例是：当时客户内部有多个云平台，都是使用了packer工具统一管理镜像，而实际上腾讯专有云（TCE）有其他通用的解决方案。
"为了让客户在使用时TCE时能够复用原有的工具链，我们用了极短时间实现了packer的tecent-plugin release版本。这项工作帮助该银行原有系统实现了对TCE的集成，感受不到新平台引入带来的使用上的割裂。"
思考三：迁移如何确保系统长久保持稳定？
这几年宕机事故常有发生，原因更是五花八门，谷歌云曾因自动化失效导致宕机、AWS 曾因数据中心出现硬件问题导致宕机、微软 Azure爱尔兰数据中心曾因高温和打雷陷入宕机.......
这些问题一旦出现，给企业带来的损失和影响是巨大的，尤其是对于金融机构而言，所以确保系统高可用性也是客户在系统迁移过程中思考的重点。
高可用架构是指系统或应用程序在遇到单点故障时，能够快速自动切换到备份系统或实例，从而保证系统的持续稳定运行。
衡量一个系统的高可用性，有两个指标，第一是RPO，当系统出现故障后，数据会不会有所丢失，以及丢失时间有多长；第二是RTO，即服务是否中断，以及业务停止服务的时间是多长。
一般而言，银行都要求数据丢失为零，而服务中断时间要控制在分钟级别。
究竟如何确保银行系统的安全稳定，在这场分享会中，张晓宇重点分享了腾讯云的同城3AZ多活方案。
AZ则是Availability Zone的缩写，指的是数据中心的可用区域。单AZ方案指的是系统或应用程序只部署在一个可用区域中，当该可用区域出现故障时，整个系统将会宕机。类比一座房子只有一扇门，一旦门出现问题，就会导致整个房子无法出入。
而3AZ方案指的是系统或应用程序在三个可用区域中部署，当其中一个可用区域出现故障时，系统可以快速自动切换到另一个可用区域。
类比一座房子有三个出入口，即使其中一个出入口出现问题，仍然可以使用其他两个出入口，这就从而保证系统的持续稳定运行。
3AZ方案可以尽可能保证系统运行的稳定性，但落到具体现实情境中，3AZ方案所消耗的计算资源、网络资源等，综合起来看要比双AZ高出30-40%，而且管理的难度也更大。
张晓宇也表示，每一种架构应用的背后，不仅要基于技术，还有基于成本、运维周边的配套等等相关一系列因素进行综合考量。
腾讯云对此给出的方案是具体业务具体分析，关乎交易等核心业务则采用3AZ方案，而一些服务级别相对更低一些则会采用介于3AZ与双AZ之间的方案。
放大视野，观察全行业，不可否认，从OA系统、到非核心业务系统、再到核心业务系统，金融国产替代浪潮已经到来，而这带来的不仅是金融业信息系统的一次解耦，也是整个行业利益重新分配的过程，对原本只能在外企底下抢食的国产软硬件企业，这将是一次全新的机会。
缩小视野，深入企业内部，又会发现，这场核心系统的变革之旅远远没有想象中那般简单。时间紧迫下，如何保证系统平滑迁移？如何在稳定性要求升级同时，平衡好成本？这些都是诸多参与方需要继续长期探讨的问题。
]]> 金融科技 https://www.leiphone.com/category/fintech/BAGc4javM9UWs6oq.html#comments Fri, 31 Mar 2023 17:07:00 +0800 奇富科技费浩峻：ChatGPT上演“狂飙”，既要热情又要谨慎 https://www.leiphone.com/category/fintech/5FZPcWlGQRqyganW.html如果问，2023年开年，最火爆的科技热点是什么？那一定非ChatGPT莫属。自发布以来，ChatGPT 便以摧枯拉朽之势席卷各个行业。比尔·盖茨、马斯克等海外科技大佬甚至将其与个人电脑（PC）及互联网诞生相提并论。
有人说，应该理性看待这次ChatGPT浪潮，它是AI路上的一个产物，不应该成为追逐的焦点。
那么为什么ChatGPT让无数英雄竟折腰。面对ChatGPT以及更多的新技术出现，每一个公司应该如何定位？
大家看中的，无非是在这一新技术的催化下，谁会成为新的巨头？是否会诞生出一个新的行业？
众所周知，每一次的技术革命都会带来产业的变革，所以谁都不想错过这一波红利。
360数科在几周前更名为奇富科技，此次更名的时间节点，正是ChatGPT火爆的当口。奇富科技方面称，这是公司整个战略迁移的原因，从一个做助贷金融业务的公司，转变为聚焦金融科技，做技术推动者的公司。
业内普遍认为，ChatGPT是人工智能里程碑，更是分水岭。周鸿祎曾表示搭不上这班车会被淘汰。
但到底怎么搭这趟车，对于所有想要获取流量和占据用户心智的企业来说都是一次重要的选择，稍有不慎就会落得模型、钱财两空的下场。
而奇富科技在更名后，更坚定地转向做一个技术驱动的公司，因此势必要搭上ChatGPT这趟快车，那么到底怎么搭？是否有能力搭？
雷峰网与奇富科技首席算法科学家费浩峻展开了深入对话。
奇富科技首席算法科学家费浩峻
一、ChatGPT给金融行业带来新可能
谁能赶上新一代的科技浪潮，谁就能在复杂的金融市场中有弯道超车的机会。
金融行业一直是数字化转型的先锋，在新兴技术领域的投入和应用场景的探索较为领先。而ChatGPT的出现不仅是对传统互联网搜索引擎以及交互方式的一个颠覆，同时，对于一直走在创新技术应用前沿的金融行业也带来更多新的可能。
在金融行业人工智能已被广泛应用在风控、营销、智能机器人、客服、RPA机器人等多个关键领域，而ChatGPT激发的新一轮AI创新浪潮，也给金融行业的数字化带来新的机遇和挑战。
很多用户抱怨，当前的电子客服，堪称“人工智障”，能把天聊死。而ChatGPT的到来，在金融上让智能语音、智能客服、智能催收更加人性化，贴近现实，而不是现在AB判断的智能语音。
而ChatGPT带来的另一个优势是，在人机交互和语义识别方面的巨大提升可能为金融科技企业带来新的数据渠道，即生成数据-打标签-训练模型。
在费浩峻看来，ChatGPT作为一个预训练大模型固然能解决许多交互上的问题，但是解决不了0和1的问题，也就是说分类和回归的问题，而在金融行业尤其看重正确的决策。ChatGPT的努力方向是认知智能，而工业界更多依赖的是计算智能和决策智能的定向进化，这就是ChatGPT的使用边界，它可能不能直接做风险决策。
在更具人性化的服务方面，ChatGPT已经帮助金融行业迈出了一大步，而对于更加精准和对错的事情，ChatGPT还需要长时间的训练。而奇富科技这类的金融科技公司可以去做定制化的训练和学习，从而可以实现对具体业务的帮助。
现在的ChatGPT还只是一个“通才”，要与金融业务深度结合，解决业务痛点，还需要将其训练为“专才”，术业有专攻。
ChatGPT“狂飙”的这段时间，网上大量渲染ChatGPT是二十一世纪具有颠覆性的技术，亦有甚者，称其是第四次工业革命开始的标志。ChatGPT是否能颠覆一个行业的定义和未来。
费浩峻认为，就金融行业而言，不管有没有ChatGPT，金融行业都会不断优化，只是ChatGPT加速了这个进程，当这个进程不断往前的时候，就会对行业产生一个颠覆。比如电话销售，当机器人越来越智能，人工就越来越少，那么人就会从繁琐的问题中上解放出来，把时间花在更多有价值的事情上。
ChatGPT能走多远我们不得而知。费浩峻告诉雷峰网，只要在ChatGPT的发展过程当中，我们能一直跟随着进步，这也是一个不错的结果。因为新技术在应用侧落地的时候，也会产生很多不可控的因素，如果不谨慎的利用，其实可能会对行业带来不利的影响。奇富科技对待新技术一般都是保持最谨慎的原则，但是会以最大的热情投入到技术建设当中。
二、“大模型”向左“应用”向右
面对一块石头，你若把它背在背上，它就会成为一种负担，你若把它垫在脚下，它就成为你进步的阶梯。在现实中，我们经常会面临很多选择，有的选择不那么重要，但有的选择很重要。
ChatGPT就像一场大火正在席卷和蔓延，中国科技公司纷纷抢滩布局。一部分企业准备All In，在中国复刻一个ChatGPT大模型；另一部分企业，准备先整理好自己手头资源，利用ChatGPT技术做更多应用。
那么每一个公司应该如何定位选择？到底是做大模型还是利用大模型技术做更多的应用？
那我们来盘一下，假若选择复刻一个大模型，一个企业究竟要付出什么样的代价。有业内人士称，入场AI大模型“报名费5000万美金起”，更有甚者称已经涨到了“一亿美金”。业界推测OpenAI的核心语言模型GPT-3的单次训练成本高达460万美元，如果按照5000万美金换算，也只够GPT-3进行十次训练，而ChatGPT是基于GPT-3.5训练的，成本肯定有过之而无不及。
资金的问题还不最难的，最难的是算力的问题，运行AI大模型需要大量GPU芯片，这对于许多公司来说也是受钳制的一个重要因素。费浩峻也指出，ChatGPT在整个算法层面上没有太多的优化，重点是在模式上，也就是算力和数据的叠加。
而奇富科技并不打算参与做基础层的大模型训练。作为一个金融科技企业，如果自己训练一个大模型首先成本会急剧上涨；其次需要海量的数据去进行预训练。如果真的这样做了，那真的就走上了一条无法回头的路。
放眼国内互联网，有真刀真枪投入研发做ChatGPT的公司，也有追风口、蹭热点概念的公司；一如元宇宙爆火的那段时间。
对于奇富科技来说，能够把ChatGPT技术应用到自己的业务领域，才是唯一要走的路。目前摆在它面前有两条路：
一条路是：依赖于类似ChatGPT的底层大模型的开源，在这套模型上做更多的事情。费浩峻表示：“像依赖360集团通用的ChatGPT底层大模型，我们可以基于基础的ChatGPT大模型，去构建金融领域下的ChatGPT实现垂直领域的应用。”
第二条路，也是目前已经在走的一条路，就是继续把ChatGPT当作一个工具，去标注数据，结合标注数据，公司内外金融领域数据去构建生成模型。
奇富科技一直以来在大规模预训练模型上都有一定的沉淀和产出，此前用Google的T5模型被应用在意图理解、机器人对话等任务中，而学习反馈的强化学习模式也一直被应用在营销、对话机器人等场景，而ChatGPT的出现让整体效果有了更大的改善。
举例来说，ChatGPT在交互语料理解上实现了很大的提升，原来在智能客服、催熟机器人的话术体系上，奇富科技有一套自己的意图识别能力建设体系，在接入了ChatGPT进行一些模式上的优化以后，大大提升了机器人的意图解析能力，再结合垂直领域下的大量对话标注，机器人的对话能力很容易得到很大的提升，
在奇富科技看来，要想搭上ChatGPT这趟快车，更重要是一家公司是否有快速利用它的能力，而这项能力不是每个公司都有的。不能把ChatGPT作为宣传的噱头，而要根据自身的业务应用去做一个结合。而奇富科技有天然的业务体系、业务场景可以直接应用。
三、奇富科技为什么能搭上ChatGPT这辆“快车”？
从ChatGPT爆火到现在，仅仅两个月的时间。奇富科技为什么能搭上ChatGPT这辆“快车”？
这主要得益于，奇富科技多年来在AI和大数据领域的积累。费浩峻表示：“任何一个工作的成功，不会因为某个工具，主要还是源自于已有的技术积累。”拿智能语音机器人举例，即便能够获得ChatGPT的能力，如果没有ASR、 TTS技术的积累，也没有办法跟用户直接进行语音对话。奇富科技拥有百人+的AI算法团队除了在NLP、对话机器人领域，在图计算、图像处理、强化学习、迁移学习等众多领域都有深度的布局和使用，践行着AI对金融行业赋能的使命，并通过"智造计划"持续与内外技术交流，始终保持着一颗开放、共赢的技术探索之心。
据雷峰网了解，目前奇富科技已经将ChatGPT和其业务进行结合。一方面是是RPA机器人，主要包括用户的意图识别、情绪识别帮助智能化营销；另一方面，智能对话方面，客服和电话销售机器人都是ChatGPT天然应用场景。
在ChatGPT出来之前，奇富科技就已经开始尝试在预训练大模型做应用尝试，恰巧ChatGPT出现后，其能力正好可以赋能到当前的业务中。
“所有的技术，不能是浮于表面的东西，只有愿意深入学习和研究技术的公司，才能真正赶上浪潮，跟着浪潮一起起飞。如果只是把应用作为噱头，长久来看，是没办法在自己的垂直领域建立自己的生成模型的。”费浩峻如是说。
只有有了应用场景，一个技术才能真正发挥价值。费浩峻表示，如果大模型要创造商业价值，只有和上层的各种垂类应用结合，才有机会变得更好，不管是科技行业还是其他行业，例如动画、游戏等行业，一起加入进来，ChatGPT充分和行业结合，才有机会做的更好。
未来，奇富科技会利用ChatGPT的能力对于现有的智能机器人进行全面升级。如果不久的将来ChatGPT底层大模型开源了，会继续利用自有的金融数据和能力构建出金融领域的专有模型，有了数据和模型金融科技企业才能走的更远更快一些。
每一次的技术进步都会出现一个行业巨头，也会出现一个更大的新行业。展望ChatGPT的未来，一定是群雄逐鹿的局面，到底是选择把模型做的越大越好，还是越垂直越好，这就仁者见仁，智者见智了。但毫无疑问AI将跟行业具体的应用场景结合，整个形成一个新的数字化转型、智能化浪潮。而金融行业一定是其中一个很好的落地场景。
]]> 金融科技 https://www.leiphone.com/category/fintech/5FZPcWlGQRqyganW.html#comments Thu, 02 Mar 2023 14:18:00 +0800 中小银行的2022：数字化转型跑出「加速度」 https://www.leiphone.com/category/fintech/4Lfl4vsSNUoDeZDO.html过去几年，聚光灯一直聚焦着大中型银行的数字化转型。的确，大型银行数字化建设已从初期大规模、全方位投入逐渐过渡至平稳发展状态。不过，扩大视野来看，这两年中小银行的数字化转型势头不可忽视。
在华东，2021年，上海农商银行的科技投入达8.83亿元，同比增长22.30%。专职金融科技人员484人，占员工总数6.28%，较上年末增长29.41%。
在华南，珠海华润银行建立了一支专门以数据管理为任务的队伍，至今已有17人。
在华中，重庆农商银行在科技人才招聘上，赋予金融科技中心充分的招聘权，招聘人数、薪酬“双不封顶”
在华北，北京银行，明确每年科技基础投入占营收比重达到3.5%以上，科技人员占比达到6%以上。
这几项数据来自近期在第六届中国数字银行论坛上，由中小银行互联网金融（深圳）联盟、金融壹账通、金融科技50人论坛联合发布的《中小银行金融科技发展研究报告2022》。
该报告还指出：近两年来一些中小银行的金融科技投入增速已高于大型银行的平均水平，其中南京银行、长沙银行、重庆银行表现更是突出，2021年金融科技投入增速分别达54.91%、31.60%、27.76%。
中小银行数字化变革决心如此强烈，且动作如此迅猛，这让人不禁深思原因是什么？
《中小银行金融科技发展研究报告2022》报告显示，目前中小银行普遍面临四重压力：
第一是实体经济下行带来的经营压力，尤其在新冠疫情的叠加影响之下，中小银行的营收利润和资产质量双重降低，资本补充受到限制。
第二是利率市场化改革导致的利差缩小和利润下降。去年年中，银保监会实施了存款定价新规，中小行的利率被压低，大中小行的利率差异进一步缩小，再加之，中小银行由于网点数量较少、知名度相对较低等因素的限制，一些客户转入大行。
第三是大型银行业务下沉带来的竞争压力。这些年，大中型银行瞄准下沉市场，发展小微普惠金融，中小银行的市场空间受到一定程度的挤压。
翻阅工商银行、农业银行、中国银行、建设银行、邮储银行2022半年报发现，这5家大型银行上半年普惠金融贷款余额规模、增幅进一步扩大，分别约为1.4万亿元、1.7万亿元、1.11万亿元、2.14万亿元、1.09万亿元，较上年末增幅达27.4%、28.4%、25.36%、14.25%、13.77%，这无疑给中小银行带来更大的“内卷”压力。
第四是金融科技快速发展带来的技术和创新压力。以金融科技为核心的数字化转型已成为中小银行发展的当务之急。然而，中小银行在抓住发展金融科技新机遇的同时，也将面临一系列新挑战。
种种内外部因素的叠加，让中小银行加速数字化转型。
报告显示，与2021年相比，2022年中小银行在数据能力建设方面取得突破性进展。越来越多的中小银行以数字化转型为主线，基于外部监管要求和内部发展需求在数据治理领域不断发力，积极构建数据驱动的经营管理模式。
不过，不同类型中小银行的金融科技发展依然存在较为明显的差异性，民营银行金融科技发展仍保持领先，农商行金融科技发展继续落后于城商行，且这一差距与2021年相比进一步扩大。
中小银行如何进一步做好数字化转型，让数字化深入银行各个毛细血管，金融壹账通作为金融科技方案提供商，谈到了过去他们在助力中小银行数字化转型过程中，埋头在做的三件事情：
第一，通过数字化运营，为中小银行降本增效
过去几年，很多中小银行都在积极推动运营业务的线上化。
在业务流程上，将原来手工作业的流程升级为由IT系统来处理完成，如支付结算、计息、报表统计等；
在产品服务上，将原来大量的面对面的人工服务升级为采取银行机具处理，如现金存取、发卡、开销户等；
在客户交易上，将客户交易线上化、移动化，客户可以可以通过网银、手机银行等电子渠道远程办理银行业务，如汇款、缴费、发工资等。
这些数字化运营方式极大改善客户使用体验，提升银行运作效率。不过中小银行的流程自动化、运营智能化也待进一步提升。
拿智慧语音举例，银行在提升其数字化运营的过程中，其发挥了不少作用。比如说，扮演客服角色，解答客户问题；扮演催收员角色，提醒引导逾期客户及时还款；扮演销售员角色，向客户精准推送产品营销。
但目前市面上的许多工具成熟度并不够，客户咨询一个问题，智能客服常常文不对题，这就让人十分头痛。之所以出现这样的问题：第一智能客服的智能化程度不足，策略不灵活；第二要求技术提供商对业务各环节的痛点有更深入理解和洞察。
金融壹账通董事长兼CEO沈崇锋向雷峰网坦言：市场需要有这样一家既懂业务又懂技术，能够将业务需求和技术很好融合匹配的公司，帮助银行更好地实现数字化转型。
过去几年，壹账通重点打造加码智慧语音产品，专注深耕在金融行业，并已形成了五大知识库，覆盖超过1600个AI服务场景流程，打造了200多个质检模型，AI识别率达到94%。
此前，壹账通为一家股份制银行打造了新一代电话销售系统，这套系统不仅解决了以往座席智能化程度低、电销成本中心高、知识库维护困难等痛点，而且改变了过往基于产品进行营销的模型，建立起面向客户的全产品营销模式，极大降低了企业成本，促进了销售。据了解，这套系统上线后，文本机器人分流了52%的电话进线，同时销售业绩也大幅上涨，智能电销日成交金额超过3亿。
第二，通过数字化管理，为中小银行拉新促活
在品牌、实力等各方面都没有大型银行有竞争力的背景下，中小银行如何在激烈的市场竞争中拉新促活，这是困扰中小银行的一大难题。
为迎合抓住C端年轻一代的市场，不少中小银行也照猫画虎，和大型银行一样纷纷推出了自己的银行APP。
但结果是，这些App同质化严重，大部分用户一个月可能只打开一次，根本无法与像工商银行、建设银行、招商银行、平安银行等零售业务表现优异的大中型银行相抗衡，亦难以和一众互联网公司相比较。
当然中小银行的APP要对标大型银行确实很难，中小银行也无需跟大行去对比，中小银行与区域内的潜在客户接触更密切，更熟悉区域经济特点、商业特点和客群特点，如何能做好本地用户的粘性度，也能建立起自身护城河。
但很遗憾的是，中小银行的本地化客户运营也并没有做得很好，究其原因，还是缺乏运营经验和运营团队，难以利用活动唤醒用户。
金融壹账通过去也看到了这一点，并对应推出了“智慧银行家”的解决方案。
这套方案源自平安银行零售转型的成功经验，聚焦了存客经营、新客获取、目标管理、过程管理、团队管理、移动展业6大应用场景和核心业务需求，以数字化销售管理体系驱动全行队伍的产能提升。
目前这套方案已经在许多中小银行APP中应用：
在华东，壹账通帮助某城商行在手机银行APP里自建权益商城8个月，交易用户数达9.9万，同比增长241%；权益累计交易金额达1720万元，同比增长194%；
在东南，壹账通帮助某城商行建设APP赋能一线营销人员，并在业务中台、大数据营销等深度合作，该行零售贷款占比从2019年末的15%大幅提升至2021年末的24.4%。
第三，通过数字化经营，为中小银行控制风险
获客仅是第一步，对于中小银行而言，还有很重要的一项工作是风控，因为中小银行机构实力、抵御风险能力相较于大企业来说要更弱。
今年7月，银保监会公布了一项数据：今年前5个月中小银行累计处置不良贷款3943亿元，比上年同期多处置1072亿元。
为防范风险，过去一年，中小银行纷纷上线智能化信贷产品，风险预警系统、智能反欺诈、大数据信评、风险数据集市等各类技术已经得到初步应用或推广。
壹账通也推出了超级大脑，帮助客户打造智能风险预警管理系统，实现风险预警的全流程升级。
在会上，金融壹账通董事长兼CEO沈崇锋提到，壹账通与某大行上线了“超级大脑”，解决其“风险预警欠主动”、“预警跟踪未到位”、“数据收集效率低”的三大痛点，并且实现了逾13万亿的贷款风险敞口覆盖，预警效果更是较人工预警方式提前24天。该项目也获得了“人行科技进步二等奖”。
当下，数字化转型对中小银行来说，已经不是一个选择题，而是一个必答题；不是“想不想转”的问题，而是“不得不转”的问题，不仅是一种技术革命，更是一种认知革命。
关于中小银行未来发展方向，中国银保监会创新部副主任蒋则沈表示，金融行业需把握好数字化的三点基础逻辑和实践方向：一是数字化的最终目的是提升银行自身专业优势和服务能力，而不局限于数字化本身；二是数字化的基本追求是实现银行经营管理的高效、安全、可持续，而不仅着眼于追求快；三是数字化的关键作用是强化商业银行的公众信任度，而不是让渡信用或者出借信用。
随着数字化转型大潮不断来袭，中小银行数字化进程将不断深入。“当前，商业银行已从1.0传统人工网点时代迈向4.0数字化时代，4.0时代银行需借助大数据、人工智能、云计算、物联网等新技术打造无所不在的智能服务新生态。”沈崇锋指出。
上海银行党委委员、副行长胡德斌则表示，在新常态下，中小银行靠规模、抓总量的打法需要改变。通过数字化颠覆传统管理流程和信息传递模式，以数据及时发现问题、精准研究问题、快速解决问题，形成过程管理与结果管理双轮驱动，推动高质量发展。
中小银行联盟秘书长贾燕菁深入分析了中小银行数字化转型道路上的机遇与挑战。在她看来,中小银行借助金融科技的力量,全面提升产品定价、资源配置、数据安全和风险管理能力已成共识。“虽然当下中小银行面临一定的经营压力与挑战,但具备船小好调头的灵活优势,数字化转型驱动提升服务质效的方向更加明朗。”
今天我们再谈数字化，已经不再那么神秘，数字化航道早已是千帆竞技，大型银行、中小银行都已在数字化航道中衔枚疾进，通过数字化运营降本增效，通过数字化管理拉新促活；通过数字化经营控制风险。国有大行、股份制银行凭借资源、技术、人才上的优势，已然扛起数字化转型的大旗，率先驶出；如今，中小银行也加足马力，驶向属于他们自身的、特色的数字化彼岸。
]]> 金融科技 https://www.leiphone.com/category/fintech/4Lfl4vsSNUoDeZDO.html#comments Thu, 29 Dec 2022 19:42:00 +0800 小雨伞光耀：保险科技赛道上，一位电商系创业者的进阶探索 https://www.leiphone.com/category/fintech/pMjbidk5Liecs7Jg.html “光”作为一个罕见姓氏，最早可追溯到两千多年前的战国。当时燕国有一位侠士，名叫田光，在著名的荆轲刺秦中起关键纽带作用。在将荆轲引荐给太子丹后，为了保守秘密，田光选择牺牲自己。后来秦灭六国时，田光的族人为了避祸，分散成几支远走他乡，隐姓埋名，开始以“光”为姓。
在史书记载中，田光一生行侠于乡野，广泛交友，颇具燕赵豪侠浪漫之气。而这种先辈遗风，也一直绵延不断，影响着其后人。
自幼年起，光耀就经常听族中长辈们拿着厚厚的宗谱，讲述散落在漫长岁月里的过往故事。耳濡目染下，那种浪漫无羁、广交善结、不断探索，敢想敢做的人生态度，逐渐成为光耀此后求学、工作，以及后来创办小雨伞保险经纪平台的底色。
上世纪八九十年代，是一个充满变化、机遇，日新月异又躁动不安的年代。光耀就出生和成长于这样的社会氛围中。
中学时，理科班的他时不时会被老师发现在偷看文学著作。《文化苦旅》、《千年一叹》、《平凡的世界》这些承载着对世界、人生无限好奇与探索欲的书不知被他翻了多少遍。
后来，他又遇到了一位特别的地理老师。和那个年代许多热血青年一样，这位老师毕业后曾奔赴深圳闯荡，几经磨砺后返回家乡任教。
在老师的描述中，光耀和同学们第一次听说了比尔盖茨，了解了什么是商业、什么是企业家。“做商业是一件好的事情”、“企业家可以让自己和他人的生活变得更好”，这些初始认知潜移默化地在光耀心中埋下了一粒火种：去好奇，去自由地探索商业世界。
2003年，光耀考上了武汉理工大学。尽管高中时是一名理科生，但他觉得通信、机械、自动化都“太枯燥了”，更想读“浪漫的”商科，于是便选了经济学专业。
事实上，这次选择属于“意料之外，情理之中”。
在不少同伴的印象中，光耀从小就喜欢“混”，能张罗、会张罗，热衷于把大家“忽悠”到一起搞集体活动，与严肃沉闷的理科生形象有着不小的反差。
在此后四年的大学生活里，光耀更加如鱼得水，摆脱了应试教育的束缚，可以更加自主、自在地探索和积累，也结识了一大批各式各样的朋友，感到“整个人都打开了”。
他的文学基因也继续生长。先是帮学校学生工作部创办“学工通讯”杂志，接着做“学工广场”网站，办会、采访、拍照、写稿、编发新生手册，印发校内地图和商铺指引……忙得不亦乐乎。做网站的过程中，光耀发现自己在计算机上有所不足，便又去辅修了计算机专业。
就这样，大学期间，光耀和同伴们的身影活跃在校园各处。当时学校学院多达二十四五个，光耀“混”到在每个学院都有相熟的师生，每学期的社会分基本上都是全年级最高的。
“整个大环境就让人觉得天地广阔，可以大有作为。”在光耀的记忆中，当时社会氛围昂扬向上，日新月异的变化处处开花，互联网变化之快令人惊叹，时代浪潮扑面而来。
2007年毕业后，光耀进入金蝶，做一款目前仍被广泛使用的在线财会SaaS软件友商网。一段时间后，他发现，相比飞速的To C互联网，国内To B行业整体步调还是太慢。于是两年后，2009年，光耀选择跳槽去腾讯，转战互联网。
如今回看，当时的体悟和选择契合了背后的时代大势和行业必然。
不同于经过几十年发展成熟的欧美企服市场，彼时中国SaaS基建还非常薄弱，To B市场的成熟度至今也仍未培育起来。而反观To C互联网，以其迅猛之势，快速成为中国商业生产关系的逻辑底座，也因此推动中国企服行业走上了一条与欧美迥异的、带有浓厚To C色彩的，以钉钉企微飞书等APP为超级入口的B2C2B发展路径。
从2009年开始，到2014年的五六年间，光耀以产品经理岗，先从QQ增值服务项目做起，而后又调入电商部门，参与了QQ商城、QQ网购、易迅、拍拍网等零售电商项目，较为完整地亲历了腾讯电商当年的一系列探索。
这两种有类似但也有所差异的项目，让光耀意识到，零售电商的本质，归根结底还是零售，而非互联网。一定程度上，腾讯相对更擅长的是QQ会员等虚拟产品的电子商务，而非需要采销仓配的实体产品电子商务。这一经验认知对他后来跨界进入保险行业，创办线上保险中介平台有着深刻影响。
在光耀的记忆里，腾讯电商的团队里，有一种畅所欲言、高效沟通的协作氛围。“腾讯是一家允许你自由发挥的公司，不必一味向上服从。如果你对一件事情理解得够深，就可以用自己的逻辑去说服领导。”
一个让他记忆犹新的故事是，有段时间，腾讯电商一级总入口设在PC端QQ面板上，点开后，是拍拍网、腾讯网购、QQ商城等各类应用的二级入口，当时各应用小组为了抢资源，打算按照点击量从高到低排列各应用的展示顺序。但光耀对此有不同的看法。
他向上反馈到，该电商入口和应用排序不是一个广告位，而更像一个导航路牌。以交通路牌为例，交通部门不会因为A路口人流少，B路口人流多，就把B路牌挪到A路口去，因为路牌是用来导航的，有其自身的内在逻辑。一番争论后，光耀的建议被采纳。
事实上，互联网公司跨界做互联网+实体业务，出于对以往成功经验的自信，常常会有一种将互联网思维和打法复制粘贴到其他行业的惯性，但这种惯性往往潜藏极大风险。
究其原因在于，每个行业都有其自身内在规律，互联网+、科技+实体产业想要成功，仍需要建立在认清实体产业的本质、尊重行业规律的基础上，而非对流量打法盲目信奉与追捧。这就要求互联网创业团队和公司在跨界探索时能够持续地自我革新。
后来，随着对电商业务理解的加深，光耀开发了一门《电子商务产业链》课程，将自己的经验、认知打磨成品，对外分享、输出。作为腾讯学院课程讲师，他经常到北京、成都、上海等全国各地去讲课、交流。
彼时的腾讯内部已经有了不少种类繁多的学习俱乐部，大家定期聚在一起，进行主题分享和交流探讨，在此过程中，光耀对互联网+、科技+的理解也更加深刻、全面。
2014年，“大众创业，万众创新”的热潮席卷了中国互联网产业，美团、滴滴、字节快速崛起，光耀也即将迈入而立之年，多年的输入与沉淀，让他逐渐萌生了一种“想要出去比划比划”的冲动。
刚好当时他的孩子即将出生，但在市面上一直找不到一款贴合他实际需求的儿童保险，考虑到保险产品并不会有类似采销仓配的繁重，于是光耀决定自己动手做一个轻量级的中介平台，以互联网电商的形式来销售一些更加精细化的保险产品。
下定决心后说干就干，找投资、攒团队，从腾讯出来后短短两个月，光耀创办的小雨伞保险经纪公司成立了。
值得一提的是，团队创始成员大多都有腾讯QQ、腾讯零售电商等从业经历，是光耀此前一起共事的伙伴。以QQ增值业务的成功经验、腾讯电商的探索尝试，入局保险经纪行业，能带来哪些不一样的新思维，成为团队和市场共同的期待。
实际上，2014、2015年也正逢互联网保险科技创业的高光之年。一大批从互联网、科技公司出来的从业者，以革新、探索之势，瞄准传统保险行业存在的种种痼疾，希望能用互联网的模式、打法、技术来一改行业此前粗放式经营的面貌。
在光耀看来，保险重在未雨绸缪。而创业者的使命就在于，通过持续不断的、哪怕每天一点微小的改进来推动保险行业的进步，在风雨来临前，为用户备好一把遮风挡雨的伞。
互联网保险经纪平台大致可分为两种模式，一种是基于规模优势，用技术来优化匹配效率的“平台型”，一种是基于垂直人群和场景的精准匹配型。
深感市面上保险产品同质化、粗放化的痛点，光耀选择从后者切入，从短期健康险做起，希望能够凭借自己的一些努力，来优化保险供给。
首个产品是一款老年人意外险。此前市场上对老年人的投保年龄有严格限制，年纪大的老人容易摔跤，保险公司往往不愿意售卖此类产品，很多老年人想买也买不到。长期难解的痛点背后，是深层急迫的需求，也是光耀看重的价值创造所在。2015年6月小雨伞上线了首款定制产品“小雨伞保险父母意外险”，将老人的保障范围扩大至85岁。
之后，从2017年开始，小雨伞又逐步联合高校、与医疗检测机构合作，针对儿童险、重疾险等同样难啃的垂直领域，研发了擎天柱定期寿险、大黄蜂少儿重疾、超级玛丽等一系列定制化长险，并发布了智能保险顾问“静静”、智能核保“小智”等，开启保险科技的大数据时代。
到了2020年，小雨伞尝试进行线上线下融合服务，通过线下门诊、营销展业等，一方面摆脱理赔同质化，同时也补齐服务闭环，让线上保险回归到“服务业”的本质。而这一认知，对自带互联网基因、科技基因的从业者来说，尤为重要。
“保险本身有很强的服务业属性，用户需要通过服务来感受到保险的存在。”在光耀看来，正如零售电商的本质并不是运行于互联网、计算机上的商务活动，而仍是零售业，同理，互联网保险的本质也不是互联网，而是风险管理和金融服务。
不能因为其交易环节是电子形式，就以此认为其服务环节也必须是纯线上的。恰恰相反，保险本身含有很重的服务成分，保险中介平台，不仅是一个购买平台，更是一个服务平台。科技或互联网，只是用来提高原有的服务效率，对原有服务起到一个补充而非取代的作用。
更何况，当前互联网保险已度过初始的红利期，进入了需要高质量发展的下半场。各家竞争的核心点从原来的销售为中心，变成以客户和服务为中心，从原来的抢占市场份额、冲保费规模，变成以保障客户利益、提供精准服务为中心。
这两大趋势，既是互联网保险中介平台增加自身多层次护城河之所需，也正是保险的内生属性和应有之意。尤其是落脚在“服务”上，让行业回归了“保险姓保”的初心。
行业规律，是这次交流中光耀频频提到的一个词。在他看来，互联网和科技这些外来因素，进入到有着几百年悠久历史的保险行业里，虽然能带来一些新经验、新思维，但都需要建立在尊重行业原有规律的基础上，去做优化和调整。“你不仅改变不了保险行业原先的本质，还要去向它悉心学习。也只有深入学习后，才能抓住真正的矛盾点，实现真正的改进。”
国内的保险行业长期处于一个用户、保险公司、监管三方拉扯的状态：对于一款保险产品的定价，用户往往觉得贵，但监管从金融体系风险角度出发，最担心的是保险产品售价太低，导致保险公司的偿付能力不够，进而出现倒闭风险。
保险公司如果风险管理和定价能力不足的话，就难免会陷入到这两方的拉扯中。这种“撕裂”，究其原因在于风险管理的局限性。要想突围而出，就需要一把利器，而科技正是一个优先选项。
当数据积累得越多，保险公司对风险的理解变得越深刻，风险把控能力越强，定价就能越准确。这时候，用户会觉得划算，保险公司也赔得起，行业整体风险就会降低。
事实上，在2020年疫情爆发之前，国内保险行业长期处于较粗放式发展。市面上大量保险产品和用户的实际需求匹配度并不高，尽管如此，基于行业大环境下的保险公司都发展的还不错，而这就导致了一些问题被长期掩盖，直到近两年，才在大环境的倒逼下逐渐暴露出来。
当下保险行业无疑正在经历一个寒冬期，一方面疫情的反复一定程度上压制了保险产品的消费需求，另一方面，随着金融大环境周期性向下，受房地产相关金融投资品影响，部分保险公司的资产收益率变差，同时也比较难找到一些高净值的投资标的。
不过在光耀看来，寒冬只是暂时的。互联网、科技、保险行业三者的融合，依旧是一个不可逆转的趋势，眼下的沉闷恰是行业蓄力整合，进而转型蜕变的最佳时期。
光耀曾用“人生需要探索的过程”来回顾一路走来的选择与经历。事实上，一个行业的发展也是如此，需要在不断的左冲右突中探明前路，而身处其中的从业者们，要能直面市场痛点，做难做之事，攀陡峭之峰，如此才能创造出更深层次的价值。雷峰网雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/pMjbidk5Liecs7Jg.html#comments Mon, 17 Oct 2022 09:58:00 +0800 对话360数科费浩峻：用「AI+大数据」讲好增长的故事 https://www.leiphone.com/category/fintech/Cj7lcYtwT866lits.html 引语：360数科的进击之路——从探索者、从业者再到科技赋能者。“从再造到赋能”这是360数科2022年技术开放日的主题，站在金融科技新的发展阶段下，这一次，360数科更加强调自己是科技赋能者这一角色。
过去很长一段时间，金融科技经历了金融电子化、金融信息化、互联网金融再到金融科技阶段。尤其互联网金融经历了野蛮生长后进入市场调整期，不合规平台淘汰出局，行业重新洗牌。
金融科技飞速发展的这几年，让我们真实地看到了什么是“科技驱动商业”。在金融科技发展的支持下，技术、场景、金融的融合发展也创造了金融服务新的获客模式、风控模式和盈利模式。因此在这一阶段下，金融科技公司必须进一步增强科技服务金融的能力。
彼时，科技+金融的结合方式成为了多数互联网平台的转型新选择。而360数科也经历了从市场的连接者到流程再造者的技术演化历程，从以往的探索者、从业者到如今的科技赋能者，注定是一条艰辛的道路。
那么360数科身份转换背后的意义是什么？站在新的时代背景下，360数科又交出了怎样的答卷呢？
在360数科第二届技术开放日会后，雷峰网与360数科首席算法科学家费浩峻展开了对话。
360数科首席算法科学家费浩峻
360数科结“科技”硬寨，打硬仗
回望金融科技过去十几年的激荡发展历程，从早期“数据大集中”的开展、网上银行的设立到互联网金融浪潮的来袭与消退，再到如今金融与人工智能、区块链、云计算、大数据等为代表的现代信息技术深度融合、迈向智能化。
技术的发展，让传统金融业面临新的机遇。而金融与科技的深度融合，也为金融行业的发展找到更多的发展可能性。
早在席卷整个互联网金融行业的严厉政策监管到来之前，诸多互联网金融巨头已经感受到了仅仅只是收割流量，而不去做深度改变金融行业的操作是一个死胡同。于是，他们早早地便开始了转型，并且试图寻找一种科技与金融行业结合的最佳方式。
以BAT为代表的互联网巨头开始强调自己的科技属性，以更加明确自身的定位——即互联网金融不再仅仅只是一个获取用户的手段，而是能够给传统金融行业带来真实改变的东西。
打赢这场硬仗不容易，360数科苦炼内功，强化营销、运营、风控三大核心技术能力。面对来自互联网大厂的压力，360数科也只有结硬寨，才能打硬仗。
费浩峻告诉雷峰网：“只有拥有基础的科技能力，才能让科技与金融更好的融合，创造产出更多新产品，比如智能风控、智能获客、智能客服以及网络安全等。”
对于从业者到赋能者身份转换的意义，360数科CTO王继平也在会上表示：“如果我们只作为从业者，在这个行业里我们就只是1，而如果我们成为行业的赋能者，我们就能从1到100，让技术释放出更大的能量。唯有以技术重构价值链，把自身技术能力逐步开放，赋能给全行业，方能打破增长瓶颈，迎来发展第二曲线。”
以“AI+大数据”搭桥
“科技怎么更好的赋能金融行业，这是社会给我们的问题，也是360数科的使命。”费浩峻如是说。
伴随新一轮科技革命和产业变革的不断深入，对于传统金融行业而言，数字化转型是企业实现长期、可持续发展的必经之路。但谋求线上化转型的同时，犹如硬币的两面，一面是商业线上化发展的必然趋势，另一面则是数字化转型过程面临的种种困难。如何找到“流量密码”并真正服务于金融业务发展，成为了一道必答题。
例如，获客方面，由于线下渠道受限，有效场景缺失，传统线下获客困难，金融企业亟需寻找更加智能、便捷的营销增长入口。
雷峰网了解到，截至目前360数科注册用户已超过1.9亿、撮合交易量突破万亿大关，获客方面已经取得了行业第一的投放规模。
360数科取得如此亮眼成绩的背后，到底是什么在支撑？
在费浩峻看来，大数据和AI是这个时代下促动整个行业进步的源动力。确实，科技可以更好的为金融等行业服务已经是所有人的共识。
360数科这些喜人数据的背后，是其基于大数据和AI打造出的第二代增长引擎Glaucus超级大脑。
目前，Glaucus引擎已经接入了中国95%的全网流量，不管是主流媒体平台还是手机厂商都已经进行了深度合作。
费浩峻表示：“Glaucus引擎可以说是业内第一的增长引擎，不仅在金融行业，在整个科技行业，从接入的流量、并发量、以及处理数据的复杂度、转换效果都能拔得头筹。”这不仅得益于公司的整体支持，同时在团队方面，其成员也都是来自一线大厂的人才。
Glaucus超级大脑，每天能进行270亿次的运算，能在2ms内快速判断流量价值、流量的竞争力以及流量最适配的创意，并将出价系数和创意ID返回媒体, 峰值可达到每秒钟处理41w次请求。
具象一点理解，每天处理270亿次请求，是什么概念？全球60多亿人，每人每天可能有四次服务的机会；而2ms是引擎每处理一次请求的时间，类比一下，人的神经元大概的反应时间是100ms，而Glaucus引擎反应的时间大概是它的50倍。每秒钟最大处理41w次请求，如果换成分钟，那就是2400万次，相当于一分钟的时间可以把全北京的人服务一遍。
再用两个数字来看，“一小时”“一天”能做什么呢？Glaucus实时模型每小时自迭代一次，用户是否参与竞争流量？是否有竞得流量？转换如何？所有的用户行为形成一套模型实时反馈到业务层；同时，离线模型的迭代周期也控制在一天，因为用户长期的行为反馈是离线的，这都是因为Glaucus有超强的自学习迭代能力。另外，Glaucus引擎还有自动化投放管理能力，可以根据市场和账户的变化，对账户出价进行自动化微调，对账户计划进行自动扶持和关停。
在流量竞争日益激烈的环境下，360数科逆流而上。自5月以来，Glaucus已帮助360数科在整个信息流的核心用户获取能力上提升了40%，优质客群也较年初提升了20%，获客效率优化了30%。
费浩峻告诉雷峰网：“获客的本质还是服务，360数科就是把真实而正确的产品价值传递给不一样的用户。”
在客户与金融机构之间，360数科扮演着搭“桥”的角色，用数字化的方式让银行实现增长的同时，帮助个人及小微企业更好的贷款，助推实体产业的增长。而银行也愿意把互联网营销获客的事情交给更专业的第三方，从而帮它触及到更多他原本触及不到的潜在客户。
只有让钱流动起来，才能盘活更多的市场，带动金融行业的增长。
“虽然学界有很多很难很厉害的算法，但是我很早给自己的定位，就是架起学界和工业界的桥梁，把好的算法应用到工业界。”费浩峻作为一个在算法和增长领域研究多年的工程师、架构师，他希望作为科技行业从业者的一份子，能够切切实实帮助和影响到人。而这与360数科的使命不谋而合——大时代下的小使命——用科技赋能金融行业。
以“运营和服务”为马
据费浩峻介绍，他是2021年5月正式加入360数科，目前主要负责三个团队：数据生态团队、数据挖掘团队以及业务模型团队，主要职责是横向支撑公司内部的业务场景，其中对业务支撑最重的工作主要是增长还有客户经营。
在增长方面，上文提到Glaucus在增长行业打出了一个特别漂亮的仗，整个过程仅仅用了一年的时间。
一年的时间，360数科不仅于营销增长上取得较大突破，在精细化运营方面和AI基础能力建设上，也做了很多建设性的内容。
第一，大模型计算能力。大模型被认为是AI未来的核心发展方向，也是各个行业及企业必争之地。目前，数科的计算有17亿的顶点，200亿条边，另外自主研发的CAST的算法较业内最流行的算法在各个共有的数据集的评估上都要高3%的绝对点。这套算法也支撑了Glaucus底层的运算和处理。
第二，视觉上OCR系统。360数科在ICDAR 2019 SROIE国际大赛OCR单项任务中，拔得头筹。ICDAR(国际文档分析与识别大会)有着“OCR奥斯卡”之称，360数科在竞赛中提出了一种基于RARE改进的新文本识别算法，并与优化后的CRNN模型进行了模型融合，还利用大规模公开数据集用于预训练模型，同时应用已训练完成的自然语言模型，纠正文本识别中的错误。目前360数科已经覆盖了500多个金融场景，在一些业务场景中字段精度均高达95%以上。
第三，知识图谱。知识图谱是大多数企业做决策的神经中枢，数科自主研发的金融知识图谱，融合了其重点服务的五个行业，1900多万家企业，进行精细化的风险管控和经营。
费浩峻表示：“经营就是让用户留下来，因此只有服务好用户才会让用户留下来。360数科的第一个优势就是比别人服务好，第二是因人而异做定制化服务，做到千人千面模型。”
目前通过精细化运营的实践和能力建设，360数科的用户标签达到30个大类1000+的数量，支持秒级的实时策略，海量并发支持千万级别的用户互动。精细化运营实现了显著的降本增效，30分钟之内可以完成从策略创建到用户互动的全流程，过去一年里，公司运营人效提升6倍，放款额提升20%。
在智能营销以及精细化经营方面，360数科确实花了很大的力气。费浩峻坦言，这一过程不容易，但是太容易的东西反而没有太多技术门槛，作为数科领域的头部公司，担当还是要有的，不能因为难就不去做，去不断探索行业的新模式，不断突破，才能真正帮助人，赋能不仅仅是一句口号。
中小企业融资难、融资贵,到现在为止还是一个比较突出的问题。对于小微企业，360数科也做了相应助力，在金融知识图谱中，这些中小微企业的信息，包括了上下游、行业规模、盈利性所在的城市，通过这些信息360数科对每个小微企业做定制化的风控产品和经营模式，例如提供招投标信息、供应链信息、亦或是一笔资金，小微企业更需要能长久陪伴其成长的服务。360数科真正做到了精细化的运营服务。
目前，360数科在金融和增长行业，逐渐成为了“领头羊”。但是其还在不断探索新的技术以及服务模式，为行业更好的赋能。
费浩峻的“攻守之道”
费浩峻认为，不断探索科技的上限，用科技服务行业是“攻之道”，那么作为一个科技从业者，更应该懂“守之道”，科技是应该要守住一些底线的。
从进入这个行业开始，费浩峻就梦想能够用科技改变行业，真正走到这个位置上，发现一举一动都能影响很多人，同时也发现这个行业也充斥着很多不好的东西，所以作为科技人，更多应该想想怎么样守住底线？
费浩峻认为三个守是：守住产品底线、数据底线还有科技伦理底线。
第一，产品底线。产品的底线就应该是服务和赋能。而360数科的所有AI系统都会服务于和用户交互的每一个阶段，在每一个阶段都会有视频和语音的质检，保证其传递服务的真实性。
第二，数据底线。大数据时代的到来，让越来越多用户的数据被盗卖，用户的利益受到了极大的损失。360数科的数据底线，就是保护用户的每一个数据，这是红线。在360数科内部，从数据进入公司之后，会进行数据的加密、脱敏，再进行存储，数据流动的整个过程都是可被追踪和审计的，内部员工也根本看不见数据；同时，利用隐私安全计算引擎，数据也可以被提取到外部使用，目前该平台已经实现了百万级的样本高效联合建模。
第三，科技伦理底线。科技是把双刃剑，只有坚守伦理的底线才能不让科技这把剑砍偏。一些黑灰产通过图像篡改技术，让不合规的创意通过媒体审核，而有底线的科技公司使用OCR技术是做差异化定制化的服务。因此，360数科内部已经形成了一个层层审核的机制，保障用户利益。
那么360数科是如何保证每项技术都可以用在正确的地方呢？
据介绍，首先，所有的技术都会通过一套严格的评审机制，让技术委员会评审；其次，ESG评审机制会穿插在技术启动以及业务开展的每一个环节；再次，公司进行正确的价值引导，让正确的伦理价值观深入到每个数科人骨子里。
正如费浩峻所说，“AI没有原罪，有罪的是使用的人。”
作为脱胎于大安全的360数科，深知只有在安全的基础上用好数据，才能真正发挥数据的价值，从而推动金融行业的发展。
]]> 金融科技 https://www.leiphone.com/category/fintech/Cj7lcYtwT866lits.html#comments Mon, 05 Sep 2022 16:52:00 +0800 平安银行App 6.0上线：“简单”背后的科技看点 https://www.leiphone.com/category/fintech/F05TV4TCXbROJ2cd.html想看一家银行的科技成色到底几何，没有比App更直观、也更深刻的窗口了。在数字化时代，App是银行触达用户的“排头兵”，也是零售业务乃至全行业务的重要载体。
尤其是疫情叠加新一轮经济周期下，如何通关流量和用户活跃度大考，正在成为各家银行的攻坚重点。
这样的时间节点上，7月26日，平安口袋银行App发布6.0版本，在坚持打造“智能化零售银行”的战略下，从智能交互、适老化无障碍、生活权益、理财服务四大维度进一步升级，以“简单一点”为主题，持续优化用户体验，助力金融生活更加便捷、智能。
平安银行行长助理孙芳滔表示，平安口袋银行App6.0上线，不仅是App版本的一次迭代，更是一次从“应用交互设计”到“矩阵式产品服务”，再到“品牌战略”维度的全面升级。“简单一点”背后，是不断向年轻化、科技化进阶的自我变革，最终指向都是提升金融服务的适配性和普惠性。
雷峰网观察到，相较于平安口袋银行App之前几版，此次6.0版本主要有以下科技亮点。具体来说，智能交互上，6.0版本上线了全新的widget插件，在苹果、华为等手机的系统层可使用平安银行的功能服务，比如用户无需打开App便能在手机界面使用“每日必听”等功能，便捷度得到提升。
同时优化了“搜索”功能，提高了搜索容错能力，支持智能推荐：根据用户输入内容进行智能信息推荐，且推荐内容以场景化的功能卡片呈现，让服务亮点一目了然。
另外，6.0版本还对界面底部菜单栏做了智能优化，可根据用户习惯进行信息推荐并允许用户自行调整频道内容，查找和使用都更加方便。
值得一提的是，伴随App新版本，此次还上线了智能客服“口袋管家2.0”，将线上客服模式从纯“AI客服”进化到了“人机协同”模式。
通俗来说，客服链路从之前的“用户——机器人——解决不了时再呼叫人工客服”，变成了现在的“用户——机器人+人”，通过对用户和AI客服对话过程进行智能监测，及时识别交流障碍，在后台进行人工客服的无感切换。通过这种“人机协同”模式，既应对了客服需求的高并发，又能让智能服务更有人的“温度”。
适老化、无障碍上，除了大字展示、操作简化、读屏辅助等常见优化外，6.0版本的“大字版”屏蔽了广告弹窗、插件、开屏广告等内容，杜绝引诱式广告，同时增加反诈教育功能，可在交易过程中，智能化识别风险，并播放针对性的反诈视频。
生活权益上，App6.0进一步发挥平安集团与第三方商户的生态优势，引入了更加丰富的第三方生活场景类权益，场景化经营愈加全面。理财服务上，6.0版本上线了“灵活宝”和“小微生意通”两大新功能，并提升了贷款流程的线上化程度。
事实上，回顾过往，自2016年10月，平安银行全面启动零售转型以来，零售业务由经营产品逐步向经营客户进阶，App作为其对零售客群进行数字化经营的主门户，每次的大版本迭代都精准把握了科技赋能的脉搏。
不论是2014年的移动银行定位，2016年的智能科技转型，还是2019年的云与AI赋能，在数字化技术、精细化运营理念，以及生态体系的支撑下，平安口袋App一直在顺时应势迭代。此次6.0版本，更是一次在此前积累上，对平安智能化经营与科技能力的聚合和复盘。
经过数次迭代，目前口袋银行App已具备180多个功能、40多个频道，服务多样，一点即达，对平安银行零售业务发展起到了明显支撑作用。
截至2021年末，平安口袋银行App注册用户数达1.35亿户，其中月活跃用户数（MAU）4822万户，较上年末增长19.2％，同时全行零售客户数为1.18亿户，较上年末增长10.3％。
增长背后是持续的科技投入。财报显示，2021年平安银行IT资本性支出及费用投入73.83亿元，同比增长2.4%。不仅如此，在财报中，平安银行表示还将在继续推进技术架构分布式转型，增强企业级架构支撑能力，构建平台化数据能力，通过数据赋能管理、降本增效，深化科技与业务融合，提升敏捷能力等方面，不断加码。
当下2022年是平安银行深化零售转型的一年。在国内流量天花板日益见顶、消费需求低落的新周期下，作为零售业务的重要载体，口袋银行App6.0正在成为未来几年平安银行的重要答卷之一。雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/F05TV4TCXbROJ2cd.html#comments Wed, 27 Jul 2022 21:30:00 +0800 对话万向肖风：创业要成功，股东至少有耐心支持项目犯两次错 https://www.leiphone.com/category/fintech/vlfd8nG2W949BB9z.html“区块链领域出现阿里、腾讯这种级别公司还需5年以上。”万向控股副董事长、通联数据董事长肖风在接受采访中表示。
肖风，公募基金领域的元老，1998年中国公募基金行业破土萌芽时，他牵头创立老五家基金公司之一的博时基金；他也是公募基金领域的传奇人物，掌舵博时基金13年，博时基金的管理规模由的20亿飙升到1100亿。
不过这已是过去的“故事”。2011年，肖风离开博时基金加入万向，成为万向控股金融体系中举足轻重的人物，从此，金融+科技也开始成为他职业路上重要关键词，特别是区块链，国内较早的区块链技术研究机构——万向区块链实验室，以及国内最大的专业投资区块链领域的基金——分布式资本，都是在肖风的主导之下成立。
近期，雷峰网与肖风进行了一场对话，就其掌管的通联数据首次更换CEO缘由，以及他对认知智能、区块链、元宇宙等新技术在金融领域应用与发展问题进行了探讨。
谈区块链、元宇宙：
该领域要诞生阿里、腾讯级别公司还需5年以上
1、近年来您一直涉足探索区块链、元宇宙，原因是什么？
之所以涉足区块链、元宇宙，它和我的职业并不是完全没有关系，我一直在从资产类别、配置策略这个角度去研究和看待这个东西。
作为一个资管行业的资深人员，我们需要去寻找这个世界上新的另类资产类别。新的另类资产代表新的生产力、生产关系，它的边际收益、规模收益一定也高于传统资产。
所以从这个角度来说，我关注元宇宙、区块链，是一脉相承的。
2、三年前您接受采访时说，区块链领域会有像阿里腾讯这种级别的巨头出现，现在是否有出现？
目前还没有出现，国内外市场还没有出现数千亿美元市值这样的区块链公司，同时从对商业贡献上来看，区块链公司的商业贡献值可能比市值还要低一点，所以它有一定的泡沫。
不过，我认为有泡沫也是好事，能吸引更多的资金、开发者、创作者愿意参与进来，因为在泡沫情况下，他的投资回报会更高一些。而未来区块链领域要出现阿里、腾讯这种级别巨头，可能还需要5年以上的时间。
谈投资：
创业项目是否能成功，最关键要保住“那口气”
1、您在金融科技包括区块链、元宇宙等很多赛道都已经观察过，从投资人的角度来说，有哪一些项目是让您觉得说踩到了一些坑，吸取了一些教训，又有哪些项目让您觉得回报率是比较高的？
带创新性的事一定会踩很多坑，比如说通联数据，如果不是产业集团的支持，它可能已经死过两三回。
因为认知智能虽说每年都在发展，但是发展很缓慢， 仅靠外部融资，我相信大部分投资者可能不敢给你钱。
我在做通联数据战略回顾时，总结过一句话叫做：无知者无畏。所谓无知者无畏，就是根本不知道原来这里面有这么多坑，不知道它需要这么长时间，要具备这样长久的耐心，你才能够做成这么一点点事情。如果当初知道，也许就没有胆量做。
但回过头来想，所有的颠覆式创新，哪个不是无知者无畏，哪个会不踩坑，一定会踩很多坑，最终你创业项目能成，最关键的是你的气得足够长，你得保住“那口气”。
对于创业项目来说，它这个气最重要的就是，你有资金能够支撑你去实现狂想，你的股东有耐心支持你至少犯两次错误。
通联数据踩了无数个坑，也经历过许多坎坷，但是产业集团每年给1-2亿，持续投钱进来，才有可能让他看到花半开的时候。
谈认知智能：
与投资结合发展之路还很长，需乐观态度静待花开
1、时隔九年，通联数据首次更换CEO，由蒋龙接替王政的位置，这背后有怎样的考虑？
通联数据的发展路径和互联网大厂出来做金融科技的不一样。9年前，我们是从行业逻辑出发，找更多资产管理行业的专业人士，包括王政，来了解该行业是否需要智能投资，以及如何把行业逻辑嵌入到技术系统之中，这是通联数据发展的第一阶段。
在行业逻辑梳理完之后，现在我们进入到第二阶段，在这一阶段，我们希望尽可能强化技术逻辑，把技术与行业融合在一起，两阶段的侧重点不同。
蒋龙是拥有技术背景的人才，曾经有微软亚洲研究院副研究员、阿里巴巴高级算法专家的任职经历，这对公司未来发展会更有帮助，会把公司带到一个更高的技术高度，这是此次更换CEO最核心的考虑。
2、这次“换帅”背后，也引发市场对通联数据所在的智能投资赛道有所议论，比如该赛道是不是伪命题？对此，您怎么看？
人工智能与投资结合发展的路很长，因为他和围棋里的AlphaGo不一样，下围棋是在一个19*19的空间里，边界、规则都很清晰，机器能快速学习做到比人更厉害。
但投资基本没有边界，影响股价的因素也多得一塌糊涂，目前智能投资的模型还远不到穷尽其变化的阶段。
所以我们需要有静待花开的态度，等待一整套技术发展成熟，同时我们也乐观认为这一天一定会来，且会越来越近。
这不是我盲目乐观，而是从技术、社会学等各个角度印证的。
万向控股从12年开始至今，每年都在支持通联数据的发展。从股东角度，我们基本上可以用一句话来概括我们的态度：静待花开。
这和个人创业者的想法会不一样。个人创业可能没办法用静待花开的策略来看待这件事情，因为你需要不断取得进步，不断向投资者证明，这件事很快会开花，不然你就拿不到下一笔钱。这就是互联网大厂、资本行业内出来创业的人会面临的风险。
作为一个金融控股集团，我们可以把它养起来，花更长时间。同时，我们股东、董事会也看到了智能投资技术在不断成熟，我们做的事情每年都有效率上的提升。
3、科技和金融是否难以融合？
我把科技对资管行业的推动分为三个阶段：
第一阶段是通讯技术时代，谁能抓住这一波通信技术带来变化，谁就能成功上位，Bloomberg news（彭博社）就是例子。虽然当时他的内容还是采用传统的方法，但它用专线+终端的方式让资管行业的信息及时性、专业性、接收方式产生了巨大变化。
第二阶段是大数据分析时代，数据分析技术、数据收集方法与互联网、云计算、大数据结合在一起做分析，能够让人脑看不到的东西看得更清楚，这就推动资产管理行业更高效、便捷，比如这一阶段出现的black rock（贝莱德集团）、阿拉丁等。
第三阶段是认知智能时代。认知智能可能会对资产管理行业带来巨大甚至颠覆性变化，但这个阶段还在进行当中，真正看到它带来深刻变化，可能还需十年。
谈金融科技公司：
专做“定制化”服务，不能称之为商业
1、金融科技公司与资管公司之间的定位是怎样的？
资管公司和我们通联数据等第三方金融科技类公司实际上是一个相辅相成的关系。
金融科技公司成就资管公司，能有更多时间去做有价值的事。比如说，三张报表的财务分析就可以完全由我们技术开发商来提供，因为对于资管机构、基金经理分析员来说，他们最有价值的东西并不是去把三张表给做好，而是跨领域学习知识，比如做半导体投资，就要懂芯片；做医疗大健康投资，就要懂生物医药；做钢铁投资，就要懂周期、宏观经济等。
与此同时，资管公司也会反馈很多经验给我们，让我们把经验算法化、模型化，提高认知智能的决策能力。
比如，当我们为100家公司都提供这些基础性服务时，我们也从100家公司里面得到很多反馈，并把这些反馈变成一个通用的东西，输送给更多公司，这样大家都站在别人的肩膀上来做事情。
2、资管系统有很多场景，您认为哪些场景能够输出标准化的功能模块？哪些场景的个性化诉求更加强烈，我们又是如何满足？
资管系统的中后台是一样，前台系统和投资相关的系统是不一样的。
越是中后台，它就越应标准化，如果每家公司都不标准化，要定制化，这对于我们来说是巨大的挑战，因为不同的公司做不同的东西，就无法把它模块化去服务其他人。
类似盖房子，来你们家盖完，我不可能说把砖头、木头再搬到另外一家去盖，这办不了，只能从头再开始做一套，这就变成了一个“施工队”。
这种“施工队”做法不能称是商业，因为这种每一次固定成本、边际成本都很高，而互联网经济最核心的经济规律就是固定成本高，边际成本很低。
所以个性化定制化的东西应该由各家公司完成，或者说有一些小型的开发公司完成，而我们更希望是去提供一些标准化、模块化的服务。
3、对于一家第三方金融科技公司，技术方案怎么满足数据隐私要求？
这个技术方案我们早就已经解决了，完全符合证监会、保监会、银保监会的要求。我们是用混合云的办法，客户的数据是在私有云上，我们是在公有云上，私有云的数据不会倒流到我们这来。
]]> 金融科技 https://www.leiphone.com/category/fintech/vlfd8nG2W949BB9z.html#comments Wed, 06 Jul 2022 18:19:00 +0800 进击的蚂蚁，悄悄深入B端森林 https://www.leiphone.com/category/fintech/5QNdkndwzhJKGbox.html 近日，蚂蚁集团宣布“链上设备突破500万”。据了解，这是全球范围内，“物理资产”首次在产业区块链里实现如此大规模的上链。业内人士称这意味着在“设备上链”这种创新技术方案上，蚂蚁链的商业价值得到规模化验证。蚂蚁链的设备上链方案是“融合区块链与IOT技术完成物理资产的数字化改造”，500万的成绩对区块链行业意义重大，意味着大规模商用的可行性得到了验证。同时，对蚂蚁而言，意味着其淌过暗流，上岸进击B端战场，又往前在产业数字化多留下了一个脚印。
产业数字化本质上是一场技术商业化的变革，实体企业需要借助互联网公司在技术上的优势完成数字化转型，互联网则需要实体企业将其技术应用在更多的场景。多年的发展，让蚂蚁在链、云、安全等技术领域有了丰富的积累，并正在逐步将这些技术进行商业化。
雷峰网从接近蚂蚁人士处独家获悉，蚂蚁日前已将技术商业化团队成立为单独的BU，由蚂蚁链、安全科技、mPaaS等组成，致力于通过技术商业化，推进产业协作互联网，帮助产业数字化升级。这也侧面验证了蚂蚁要走技术路线以及科技向实的决心。
1500万设备上链图什么？
6月23日，蚂蚁链表示通过区块链+IoT技术的融合探索，率先在新能源产业中实现“上链”设备量突破500万，包括新能源车、太阳能光伏、新能源电池等能源产业。
一直以来，设备上链，或者说物理资产上链，是产业数字化升级的痛点。物理资产上链即把传统资产的信息、权益和流通映射到区块链上，许多传统行业通过大量的物理设备来进行工作。
以能源产业为例，能源产业是典型的实体经济中的一份子，具备资本和劳动力密集度高、建设和服役周期长、运输负担重等特点。在制造、运输、使用等每个环节，都充斥着大量的物理设备，例如汽车、光伏半导体材料、太阳能电池板等等。
要对庞大的物理资产进行管理和穿透，包括资产的定价、交易以及融资租赁、保险等与之相关的金融服务，要让物理设备这些方面的数据价值得到释放，以前我们只知道更多依赖经营主体的资质判断、授信逻辑，很难实现对每个设备原子级的穿透和数据采集。
解决以上的难题，对推进能源行业产业数字化升级极为重要。一直以来，行业里都在探索解决方案。现在看来，最先规模化实现设备上链的，是区块链+IoT技术的结合，也就是蚂蚁链采用的方案。蚂蚁集团数字科技副总裁娄建勋称，蚂蚁链是纯粹的科技定位，对应着以能源行业为代表的传统企业发展的痛点，他总结蚂蚁链解决的几个关键问题是：1、效率；2、安全；3、协作。
为到达这一步，蚂蚁链一直在探索。此前，区块链技术走的是“从理论到实践”的第一阶段，这一阶段的区块链更多以软件的形式服务于线上业务、数字资产，主要应用范围包括数字货币、金融资产的交易结算、数字政务、存证防伪数据服务等领域。这个发展阶段中，区块链帮助企业优化业务流程，并解决流程中的信任问题，验证了业务数据“上链”的价值。而随着实体产业数字化进程的推进，设备上链成为新课题。
2021年6月，蚂蚁链推出了一个物理资产上链的关键技术产品——首批无线通信模组AntChainMaaS，MaaS(Module-as-a-Service)模组是物理世界到数字世界的“连接器”，可以实现“通电即上链”。这是蚂蚁链物理资产上链的早期探索。MaaS模组的物理逻辑是通过基于设备唯一特征的可信根，让终端设备自动连接区块链，实现物联网数据可信上链，并进行全程加密。
公开数据显示，蚂蚁链连续四年位居全球区块链专利申请数第一，技术上能够支持“10亿账户*10亿交易量”；在“IoT+区块链”领域拥有近100项专利。这些数据都印证了蚂蚁链的技术水平。也正是在这样的长期技术积累的背景下，蚂蚁链才率先打开了物理资产大规模上链的大门。
中国互联网协会副理事长兼副秘书长何桂立称，“物理资产的规模化上链，相当于开启了产业区块链的‘第二增长曲线’，进一步打开了区块链服务实体经济的想象力”。
物理资产大规模上链，让整个能源产业初尝数字化甜头，同时，这也建立了蚂蚁以及整个行业在产业数字化上的信心。
2进击中的蚂蚁
从一开始，蚂蚁就决定要走技术驱动的产业数字化道路。目前蚂蚁已在区块链、云、安全等技术领域持续落子，并取得了阶段性的进展。
在2018年9月的ATEC大会上，蚂蚁副总裁蒋国飞宣布了蚂蚁区块链的又一最新进展，推出区块链BaaS服务平台。当天，蚂蚁正式宣布蚂蚁金融科技全面开放，区块链成为开放目录中重要的组成部分。当时蒋国飞还预言：两年内区块链商用化会井喷爆发。
过去的三年多时间里，在技术商业化道路上，蚂蚁默默前行。这500万上链设备的成绩，是一个看得见的脚印。但在看不见的地方，蚂蚁的技术一直在蓄力。
一切都有迹可循，我们可以拉出就近的两年时间线，看看蚂蚁在技术研发和技术商业化上都走了哪些路。
2020年7月，蚂蚁科技集团正式更名成功，到现在恰好临近两年之期。这一年也是蚂蚁技术实力凸显的节点。
当时，蚂蚁区块链升级为“蚂蚁链”，蚂蚁链一体机发布。这是国内首款区块链领域的自研资源硬件一体机，为政企开发提供区块链技术服务中可节省90%以上的部署时间。
之后的2021年是蚂蚁大力投入技术创新的一年，各种动作不断。年初，蚂蚁集团成立了蚂蚁技术研究院，并筹建首批实验室。蚂蚁集团董事长兼CEO井贤栋在报告中还专门强调加大自有技术分享并助力实体经济数字化升级。
根据蚂蚁集团2021可持续发展报告，首度披露了蚂蚁集团的研发投入，2021年超过188亿元，2018-2021年连续三年科研经费投入规模年均增长率超过39%；同时在AI、信息安全、区块链、隐私计算等领域获得诸多奖项。
投入了上百亿的高昂的研发费后，蚂蚁又是如何将这些自有的技术成果应用到实体经济和产业发展的呢？
蚂蚁在报告中列举了一些初步业务：在生活服务业数字化方面，支付宝开放平台累计已开放1300多个技术接口和插件，让超百万商家开始数字化经营；超过40家银行利用移动开发平台mPaaS升级应用软件；在区块链数字化方面，数字版权保护平台鹊凿已累计服务超百万创作者，“司法链”平台上累计上链数据量21亿条。
蚂蚁还发布了一些技术产品。在“区块链+隐私计算”领域首个隐私计算原生的区块链平台产品（FAIR）、发布了区块链高速通信网络（BTN），这些产品成为数据可信、安全流转的新基础设施。
自研区块链安全芯片T1——这是一款安全芯片，用于IoT设备中，与区块链技术结合，实现“区块链+安全芯片”的技术融合创新。
梳理过去两年蚂蚁的业务变化和发展，可以看到，蚂蚁一直将科技创新作为首要任务，并把技术创新与产业数字化紧密结合，在探索产业数字化道路上，从未停止脚步。因此，在前期的技术催化下，时间来到今年——“设备上链”突破500万，其技术价值得到规模化验证。
3科技服务实体经济
蚂蚁设备上链方案的技术逻辑是，通过融合“区块链+IoT技术”，对物理资产进行数字化改造，实现物理资产上的数据价值的释放。
区块链提供信任机制，IoT技术对硬件采集数据，区块链和IoT组合打造了信任底座，解决信任边界扩大的问题。
从技术出发，区块链可以有效解决链上数据不可篡改以及可信的追溯的问题，但区块链的信任边界只能停留在链上的数据，没有办法解决链外数据甚至物理数据的真实性。
但是，当区块链覆盖例如新能源产业时，并不能保证物理世界中的设备、资产、人、物、环境、身份等一系列来自于物理世界的源头数据的真实性，这就要用到IoT技术，可信的IoT可以做到物理世界到数字世界可信的链接。
两种技术的融合作用就能通过可信与安全的物理世界的数字化，将链上的数字资产世界与链下的的物理资产进行有效的链接。
蚂蚁链服务的客户有奇瑞、无锡英臻科技、哈啰的BMS电池等合作案例，从这些典型合作案例中我们可以清楚蚂蚁链如何促进实体经济与数字化结合，有哪些技术优势以及它的业务模式。
以蚂蚁链与哈啰助力车的BMS电池领域的合作为例。哈啰在全国的两轮电动车保有量超过3亿台，上游供应商达数百家，年采购额达数10亿元。哈啰首席财务官陈晓冬说：“由于市场需求和付款周期问题，库存压力大，我们需要一套能与供应商建立协同且互信的解决方案。”
蚂蚁链通过为哈啰助力车植入深度优化的区块链模块，行车数据、电池加密上链，让每一台新能源助力车都成为一个“可信设备源”，金融机构进而依赖这些可信车辆的行驶数据、电池数据提供更高效、更可控的风控数据，打通了从电池厂商到主机厂商、供应商和金融机构之间的完整链路。
从哈啰的案例看出，蚂蚁链的技术底座是区块链，区块链连接了物联网、硬件设备，还会关联到数据安全流转，会用到隐私计算，再到安全风控。
娄建勋称，工业能源、物流、新零售等都是蚂蚁链服务的行业，蚂蚁将一直作为纯粹的技术方参与各行各业的数字化升级，这个是蚂蚁链非常明确的不变的底色。
4写在最后
今天，产业数字化已成大势所趋。从2016年开始做区块链到现在，蚂蚁在产业数字化领域全面开花。利用区块链、IoT、芯片、隐私计算等基础技术，针对实体行业数字化提出了许多解决方案。而在蚂蚁探索自己的产业数字化过程中，通过区块链+IoT的模式，首先找到了新能源“设备上链”这个突破口。
数字化浪潮的变革才刚开始，现实世界中除了能源行业还有大量的资产以传统的方式存在。“设备上链破500万”这一具有节点性意义的事件，让蚂蚁的技术实力以及在产业数字化提供解决方案的能力被看到，蚂蚁在B端的探索又进了一步。
但蚂蚁的产业化数字版图中不只有蚂蚁链，在蚂蚁的整个技术池孵化之下，云原生分布式解决方案SOFAStack、移动开发平台mPaaS、安全科技ZOLOZ等商业化路径也愈走愈实。
SOFAStack在蚂蚁历经五代架构演进，支撑蚂蚁平稳度过双十一、新春红包等流量洪峰。作为国内云原生领域的先行者，SOFAStack可助力金融机构及企业用户安全可靠地实现IT架构向云原生分布式架构升级，实现整体可演进、架构高可用，敏捷型创新。
目前，SOFAStack已广泛应用于银行、证券、保险等行业，服务于南京银行、浙江农信、中华保险等数百家金融机构。SOFAStack与南京银行共同打造的“鑫云+”开放平台，具备高性能承载、敏捷开发、强数据一致性和容灾能力等特性，助力南京银行互金核心系统在贷款交易处理能力、成本控制和对接效率等方面得到极大提升。据了解，国内Top50的银行机构中有超过60%采用SOFAStack助力云原生分布式转型。
不止于此，基于支付宝技术，蚂蚁还研发了mPaaS移动开发平台，为移动应用开发、测试、运营及运维提供云到端的一站式解决方案，已经广泛应用于金融、政务、互联网、零售等行业，服务客户包括中国农业银行、12306、上海地铁等众多机构及企业。在疫情期间，mPaaS以“音视频”为切入点，为金融机构实现远程问诊、远程办公、线上开户等功能。
同样值得一提的是，在蚂蚁的整个发展过程，其安全能力不容忽视，支付宝、数字金融都是很好的验证。自然而然到今天，蚂蚁的安全能力已经开放到其他行业，旗下安全品牌ZOLOZ针对身份安全，交易安全，数据安全和内容安全等领域推出多种产品，目前ZOLOZ仅在海外就已帮助数十家合作伙伴服务超过1亿用户。
从支付板块解决用户生活需求，到金融服务解决中小企业信贷需求，再到今天技术商业化解决产业数字化升级需求，可以看得出蚂蚁的科技向实一步一个脚印。
图：HyperEnclave1.0通过北京国家金融科技认证中心认证
可信执行环境（Trusted Execution Environment，TEE）是一种基于硬件安全来实现内存隔离的安全计算技术，可在保证数据计算效率的前提下实现隐私保护，是隐私计算主流技术路线之一。
目前市场上主流的TEE产品如ARM公司的TrustZone， Intel 公司SGX(Software Guard Extensions)，存在着绑定特定硬件平台，通用性差，开发TEE应用困难等问题。
为推动国产TEE技术，加速隐私计算技术落地，蚂蚁集团研发了基于国产海光CPU，可信根构建于中国金融认证中心(CFCA) 的信创TEE方案HyperEnclave，为TEE应用提供隔离执行、远程证明、内存加密、数据封印等完备的安全防护能力，是业界第一个兼容各种体系架构和工具链的TEE实现方案，结合自主硬件可满足信创TEE平台要求。
从技术先进性、产品功能以及性能上，HyperEnclave为隐私计算各种场景提供了领先的国产TEE解决方案。2021年世界互联网大会期间，蚂蚁集团发布了业内首个隐私计算一体机产品商用产品摩斯一体机，作为HyperEnclave功能的集成形态，结合自研的芯片、硬件、软件，实现了隐私计算软硬件一体化解决方案。此前，蚂蚁集团隐私计算一体机通过了深圳国家金融科技测评中心以及中国信通院泰尔实验室测评，获得了信息通信和金融行业应用场景的“双认证”。HyperEnclave也在蚂蚁链智能合约，辅助网商银行与外部合作机构的数据融合等场景有成熟应用，助力数据安全流通。
图：隐私计算一体机产品商用产品摩斯一体机
蚂蚁集团从2016年开始布局隐私计算技术，在TEE关键技术方面也有成功的经验。
如，蚂蚁集团开源的Occlum TEE OS，是谷歌、IBM、阿里巴巴、百度等领先科技公司创始的机密计算联盟（Confidential Computing Consortium， CCC）的官方项目，也是Intel SGX平台最受欢迎的TEE OS。Occlum还入选了2021“科创中国”开源创新榜单，是该榜单中唯一聚焦隐私计算领域的产品。
在行业共建方面，蚂蚁集团主导了多项TEE国际标准，如IEEE “基于TEE的安全计算”国际标准，参与中国信通院主导的TEE行标及团标等。HyperEnclave TEE多篇学术论文被国际顶级学术会议收录，如计算机系统领域顶级会议USENIX ATC‘22，获得了学术界认可。
目前，蚂蚁集团将进一步将TEE能力从CPU扩展到加速器GPU、FPGA等，支持大数据应用（如Spark等），结合蚂蚁隐私计算一体机推出交钥匙方案，进一步提升安全性，降低开发门槛。
雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/7Q2Khy0YZZhrPA4Y.html#comments Tue, 21 Jun 2022 17:28:00 +0800 专访飞虎互动CEO石海东：继“无人银行”、APP之后，银行 To C 业务的下一个创新点在哪？ https://www.leiphone.com/category/fintech/myu8wf6qyrznHlRb.html2016年的秋天，短视频开始出现在大街小巷，风靡的苗头隐约初现。也正是这一年，国内音视频技术发展到了成熟期，越来越多地支撑起人们的“线上日常”——以前需要线下跑一趟才能办成的事，如今在家开视频就能完成。
与老百姓日常生活息息相关的银行业务也不例外。以往去银行办业务，不仅需要工作日请假跑一趟，而且到了网点还需要取号排队，费时又费力。尤其近两年居家期间，线下办理更为不便。
怎么办？远程视频银行，应需而生。
视频银行，或叫虚拟营业厅，事实上并非刚冒出来的新生事物，但其真正走进大众视野，却是近一两年才有的事。不论是通过视频连线柜员来办理业务，或是大额贷款或理财时的视频尽调、面签，还是理财视频课堂和直播，都越来越为人所熟知。
表面上看，居家办公期间提倡的无接触办理无疑是一道加速剂，但其实，其背后还有更深层次的原因。
飞虎互动创始人兼CEO石海东告诉雷峰网，目前国内线下银行网点大约有20多万家，房租、安保、设备、人员等加在一起的开销非常大，单个网点年均消耗成本多达几百万，整个银行业每年为此花费成本高达一万亿元。
而这其中，“很大一部分成本其实是可以省掉的 ”。
具体来说，一方面，很多银行线下网点的产能并不是很高，平日里，每天的人流高峰期往往只有1~2个小时，但房租安保等固定成本却一直在消耗；另一方面，网点业务量每月也有高低起伏，完全固定的网点分布和柜员数量，在应对动态的客服需求时，难免会捉襟见肘。
而通过打造灵活便捷的视频银行，就可以将一些对客服务资源集中起来统筹调配、降低综合成本、提升服务效率，同时缩减部分线下网点，也能提升单个网点的平均产能。同时便利C端、B端两大主体，一举两得。
事实上，银行业由于天生就与交易、数据相伴，一直都走在信息化、数字化的前沿。而视频银行也是服务客户场景中自然演进的产物。
二十多年前，石海东在担任神州数码集团副总裁时，曾负责过银行网点计算机化的第一代技术平台。而现在的虚拟营业厅则更像是当年线下网点技术平台的“视频版本”。
多年的金融IT建设经历，让石海东对银行网点渠道系统等方面了解颇深，也让他提早感受到了在洞悉银行数字化转型和视频化的大趋势。
于是，当2015年手机视频应用迎来爆发期、移动流量资费便宜起来、视频安全技术和5G得到飞速发展时，石海东和团队判断，金融的对客渠道也将出现重大变革，视频银行大有可为。当年7月，石海东便创立飞虎互动，开始聚焦银行业的视频化应用，帮助银行进行网点的数字化转型。
事实上，对银行线下网点的改造，最火爆的还属四五年前，彼时“无人银行”风行一时，如今再看，却更像是一次理念上的启蒙，而银行APP经过多年发展，也陆续进入到整合、收缩阶段。数字化转型从来不易，现如今，这一接力棒又交到了风头正起的“视频银行”手上。
用视频技术来改造线下银行网点，首先要梳理清楚：哪些可以改？哪些不能改？
从大类上讲，银行的对客业务可以分为两类：自助类和非自助类。
前者如在ATM机上存取款等、在手机银行APP上转账、查询、买小额理财等，这类自助交易量较大，往往能占到银行总交易量的80%左右。剩下20%的非自助类业务，则属于复杂交易，银行出于监管或风控要求，往往需要人与人进行面对面的沟通。
而视频银行，想要重塑的便是这20%的非自助类业务。 据石海东介绍，视频银行现阶段主要替代的是非自助类业务中的三大场景：
一是较为复杂的业务，通常很难在APP上独自完成；
二是从银行业务安全与合规角度，需要人工介入的业务。
三是需要互动、咨询、引导的业务。
“这是目前视频银行最合适的三大类场景。”
“本质上，视频银行是一个新的、有温度的渠道业务系统。”在石海东看来，在线化已不稀奇，但与APP、文字、电话等相比，视频带来的是面对面的、有温度的互动。正是视频银行这种创新渠道，把互联网的便捷性、与人工服务的优质体验，达成了完美的融合。
飞虎互动作为早期视频银行领域的先行者，在将理论付诸实践的过程中收获了丰富的经验。
2018年飞虎互动为侨乡众多的台州银行打造了7X24小时的视频“移动营业厅”。让台州银行的客户足不出户、让身处国外有时差的侨乡，随时随地享有银行有温度的、专业的金融服务。7*24小时视频“移动营业厅”普一推出就收获好评，年业务量逐年上升，22年预计业务量已接近百万。
“当然疫情也是一个助推，特别是监管层面，鼓励抗疫情的远程非接触式金融服务”。现在，视频服务成为银行的标配，业务场景视频化是银行数字化转型的重要组成，只是先做和后做、以及如何做好的区别。
飞虎目前有两大核心产品：一是企业级音视频服务平台；二是基于该平台的“虚拟营业厅”应用产品。这两大产品合起来被石海东称之为“一横一纵”战略。
他告诉雷峰网，过去每家银行几乎都采购过一些视频相关的业务系统，但大都是零散买的，今天一个视频面签，明天一个视频双录，但随着视频业务越来越广泛，几乎所有的业务都需要视频能力的支撑，而此前买的一大堆独立的视频系统，不仅难以整合，也无法支撑越来越广泛的场景。
这时候，银行们发现他们需要一个全行级的音视频基础设施PaaS平台，来统一支撑其各种业务场景的远程视频化。而这也是飞虎推出企业级音视频服务平台的出发点。
毕竟，真正的数字化转型不是割裂的、碎片化的走一步看一步，而是从一开始就要做完整的、长期的顶层规划，银行需要的也不是“烟囱式”的割裂的系统，而是底座打通的PaaS+SaaS一体化方案。
石海东告诉雷峰网，这是一个新的产品品类和赛道，是因为重要行业的深度视频化，催生出的产品需求。目前飞虎企业级音视频服务平台取得先机，经过银行业的严苛考验，正不断横向拓展延伸到保险、证券等泛金融行业，乃至延伸到能源、医疗等行业，将在银行场景里摸索出来的成功经验，推广至更多的数字化转型行业中。
除了横向平台，在纵向上，飞虎主打“虚拟营业厅”，覆盖视频银行、视频理财、视频贷款尽调签约，以及视频合规、视频营销，在银行业务的每一个领域，都去赋能业务的视频化。
而中国银行业的实践，已经在国际上具有影响力。飞虎虚拟营业厅在国外也获得良好的反响，并已在柬埔寨收获了落地案例。飞虎这个“一纵”，就是深扎银行业，服务全球。
“一横一纵”战略下，飞虎既有平台型的产品，又深扎银行这个特定行业，打造优秀的应用场景的产品。“有点像微软公司，不仅有 Windows 操作系统，还有爆款应用产品 Office。”石海东总结道。
进一步而言，在他看来，平台和应用之间是“相互协同”的。如果脱离了场景，平台的发展无从谈起；而如果没有平台，场景也会变成无源之水。
两个产品都做，虽然看起来是“有些重”，但其实能够形成良好的协同效应，是“打硬仗，结硬寨”的长期主义和稳健策略。
而想要“平台”、“应用”两手都抓，两手都硬，除了飞虎自身对场景逻辑的深刻理解外，还离不开领先技术和良好生态的支撑。而这些也都是飞虎互动持续不断建构的竞争壁垒。
将线下的面对面搬到线上，如何“保真”，就变成了一个事关成败的问题。相较线下面对面，视频互动存在不少风险点，如视频卡顿、黑屏等，远程客户行为的真实性等等，直接影响用户体验与金融业务的合规性。石海东提到了几个有趣的数字：
比如，在一项视频业务里，点击“开始”按钮后，先会有一个黑屏时间，也叫开画时间，只要开画时间超过3秒，就会有12%的消费者认为这个系统坏了。
再比如，银行开展视频业务时，对视频过程中的证据留存要求极高。通常非金融场景中，视频录制的成功率99%就可以了，也没人深究，毕竟网络时好时坏。但99%的成功率意味着，每100笔业务就有1笔缺失业务证据链，这对银行来说是根本无法接受的。
再比如，如果客户手遮着脸，从证据链上就无法确认是否是客户主体的真实意愿。
这些细微的差别和对行业的敏锐判断，不是单纯靠技术能够解决的，而是源于对整个行业的深入研究和理解。
作为行业老兵，飞虎团队的联合创始人CTO蒋旭馗，曾研发过占领国内市场半壁江山的银行网点业务平台ACE，很早就意识到了这一点。金融业与娱乐社交行业，对视频的要求、对视频上处理业务的要求完全不同。飞虎从一开始就致力于将视频技术与银行的高安全、合规与可靠性的特点深度融合。
2018年，飞虎又遇到了腾讯。
2018年9月30日，腾讯宣布进行架构调整，新增了云与智慧产业事业群（CSIG）。其中，腾讯云启创新生态，是CSIG面向创业者的孵化平台，为企服创业公司对接腾讯云和智慧零售、教育、医疗等等行业的能力与资源。
“930调整”后，腾讯开始大力布局SaaS，腾讯云启创新生态接触了很多创业公司。经过一段时间的了解后，2019年飞虎互动与腾讯建立合作，获得腾讯视频底层技术设施的加持后，进一步叠高了自身在音视频技术上的竞争壁垒。
石海东回溯近些年与腾讯云步步深入的合作过程。2019年初，飞虎和腾讯金融云联合研发虚拟营业厅；2019年8月，加入腾讯云启推出的腾讯SaaS加速器首期，除了得到腾讯技术方面的支持，解决方案的共研，还因为腾讯强大的商务资源能力，接触以及服务到多个金融行业大客户。
双方的合作从视频银行开始，先是技术设施、行业认知层面的互补，随后逐渐扩展到生态层面。合作不仅延伸至微信小程序、企业微信等生态入口，同时腾讯云启生态也帮助飞虎链接到了更多触达客户和ISV等合作伙伴的机会。
腾讯云拥有强大的音视频基础设施，支撑全球化的微信视频、腾讯视频会议的应用，石海东告诉雷峰网，作为腾讯云的合作伙伴，飞虎最终与腾讯云达成一个共识：金融行业需要不同于娱乐社交的音视频能力，腾讯音视频与金融FT团队一起打造了针对金融行业的“金融专属视频云”，与飞虎的企业级音视频服务平台深度融合，一起推动了金融业务视频化转型。
通过双向互补的合作，双方不断摸索和重塑着产业互联网时代的生产关系。
近一年来，随着腾讯云加速向“被集成”转变，飞虎更多地走上了前台，直面愈加激烈的行业竞争。
雷峰网了解到，目前市面上做视频银行的厂商大概有两类，一类是做企业级的音视频服务平台，一类是专做金融场景SaaS应用的垂直厂商。
近两年银行等金融机构的无接触办理需求激增，鼓励性政策文件和行业技术标准纷出，有了规范有序的行业发展环境后，虚拟营业厅等远程视频银行业务迎来了繁荣，再加上互联网等主流视频赛道的逐步饱和，开辟新的疆土已经成为音视频厂商们不约而同的选择，金融场景逐渐成为“香饽饽”。
“去年，视频银行在国内大约有几个亿的市场规模。”石海东告诉雷峰网，目前尽管市场规模还不算庞大，但增长很快，“飞虎今年销售额预计要翻一番。”
赛道起飞，作为金融场景里的“原住民”，飞虎面对的新挑战也会越来越多。
“是挑战，也是机遇。”在石海东看来，与音视频厂商相比，飞虎的相对优势在于：构建了能够支撑复杂金融业务的行业平台。与垂直应用厂商相比，如视频交易、视频客服、视频合规等专项应用，飞虎的优势在于借助腾讯云启的生态优势，得以搭建“一横一纵”更丰富的产品组合，并且联合生态内的伙伴，在全场景探索上走得更早、更快。
不仅如此，在飞虎的不少员工看来，飞虎还是一家不断奔跑于客户一线业务场景中的公司，能够和客户一起不断挖掘出更多的视频化场景创新，被不少用户反馈“有着敏锐的创新性”。
“飞虎是一家产品公司，而非传统的IT服务公司。”两者在商业逻辑上的区别在于，前者用更高的产品覆盖率，去触达更多的场景，和客户一起碰撞出更多的创新想法，以期望打磨出更多 To B 爆款产品，进而规模化复制，推广给其他客户和行业，从而形成良性循环的“飞轮”效应。无疑，这是一套更具互联网色彩的打法。
“这是一个大有可为的市场。”石海东告诉雷峰网，迄今飞虎已协助一百多家银行实现了服务模式的变革，客户覆盖股份制、城商行、农商行、乃至村镇银行。并且正将这些实践经验和产品服务带到更多的行业去，服务更多的客户。随着海外客户的成功落地，“飞虎将致力于全球化发展，让全球用户享受诞生于中国的新形态的服务。”雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/myu8wf6qyrznHlRb.html#comments Tue, 21 Jun 2022 14:16:00 +0800 加密货币止住崩盘趋势，俄乌冲突将带来长期熊市 https://www.leiphone.com/category/fintech/PI6DiIs18MFXj44p.html 全球加密货币币值在周四晚些时候开始上涨，似乎昨天由俄乌冲突带来的下跌颓势已经止住。昨日比特币币值上涨1.7%，至38262.21美元，以太币上涨上涨0.2%，交易价格约为2631.50美元。
根据Farilead Strategies公司的Katie Stockton说，昨日早些时候，比特币曾经一度下跌超过8%，至34702.18美元，是一个月以来的最低水准，并且已经跌穿安全警戒线。不过她表示，比特币的下跌趋势已经于昨日止住，在未来的两周或更长时间里，比特币币值将会保持相对稳定。
比特币币值能够在当天回暖是由于美国总统拜登在昨日下午的发布会上宣布了对俄罗斯的新一轮制裁方案。该方案将限制俄罗斯使用美元、欧元、英镑和日元进行国际贸易的能力，以将俄罗斯剔出世界贸易体系，与全球贸易网络隔离。
随着基金机构对加密货币的兴趣与日俱增，越来越多将比特币视为一种更有风险但收益更高的股票的短期投资者进入该市场。加密货币的价格波动与股票等风险资产的涨跌曲线越来越具有相关性。
自去年十一月初比特币创下6.9万美元的历史新高以来，加密货币市场一直处于下行，时至今日，比特币累计下跌已经超过了50%。
数字资产投资资金ARK36的首席运营官Anto Paroian表示：“当前的地缘政治形势将不可避免地使得大宗商品市场的价格进一步上涨，并且加剧已经非常严重的供应链紧张问题，这有可能 引发剧烈通胀。这意味着美联储和其他国家央行可能真的没有空间扭转其激进货币政策，我们预计风险资产和加密货币市场将进一步陷入熊市。”
加密交易所Luno公司发展和国际副总裁Vijay Ayyar表示，比特币可能在30000美元左右出现低点。Ayyar强调，去年7月比特币曾经到达28000至29000之间的最低点。本次熊市中比特币的最低点可能仍然会在该范围内出现。
Ayyar说，如果比特币在地缘政治局势的冲击下，仍然能够维持在这一水平线以上，那么它很可能在今年晚些时候迎来爆发性的增长冰最后创下新高。但是如果比特币无法使得自己的价值最低点落到在这一区间中，很可能失去投资者信心从而引发挤兑，使得比特币价格全面崩盘。Ayyar预测，如果比特币跌穿28000的警戒值，最终可能会在今年跌到20000美元的历史最低点。雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/PI6DiIs18MFXj44p.html#comments Fri, 25 Feb 2022 07:56:00 +0800 转型数字银行？上市“卡壳”后消金公司迎来新出路 https://www.leiphone.com/category/fintech/s7A7kdjAPB5nvpcz.html新春伊始，在严监管态势下沉寂已久的消费金融行业，终于迎来了一次“创新”萌芽。
日前，重庆市政府在官网披露了《重庆市金融改革发展“十四五”规划（2021—2025年）》（以下简称《规划》），文件指出，探索将消费金融公司改制为数字银行。《规划》指出：
“提升消费金融服务能力。发挥好消费金融领域人才、政策和产业优势，支持商业银行适度扩大消费信贷规模，引导消费金融公司、汽车金融公司等金融机构规范发展，探索将技术实力强、数据基础好的消费金融公司改制为数字银行。支持符合监管要求的消费金融专营机构适当放宽融资条件，通过发行信用债、资产支持证券等方式进行融资，开展跨领域的资本合作。”
数字银行，可以通俗理解为没有实体网点、通过互联网展业的互联网银行，比较典型的如微众银行、网商银行、新网银行。
有业内人指出，重庆的这一举措也与其自身城市发展定位和战略有关。
《规划》指出，“十四五”时期是重庆打造西部金融中心、加快建设内陆国际金融中心的重要窗口期，必须抢抓战略机遇、积极应对挑战，推动全市金融业高质量发展。同时，重庆目前正在打造国际消费中心城市，在消费金融业务的探索上，无疑有着更加强劲的动力。
值得一提的是，这一消息也给近两年监管收紧、上市“卡壳”的消金公司们打开了一条新思路。
众所周知，由于行业乱象频出，消费金融行业在上一波野蛮生长中急速进入了整顿期，消金公司上市之路纷纷搁浅。
2019年7月捷信消费金融向港交所递交招股书，但因种种原因而被搁置；2020年7日，重庆银保监局批复了马上消费金融的首次发行A股上市申请；2021年1月8日，重庆证监局宣布马上消费金融已与保荐机构签订辅导协议并于1月6日办理了辅导备案登记；2021年3月招行亦启动了招联消费金融的上市工作……但至今“消费金融第一股”仍未诞生。
这样的背景下，重庆在消费金融公司转型上的探索，具有一定创新示范性。
在业内人看来，如果重庆这一计划成行，马上消费金融或将成为首个吃螃蟹者。公开信息显示，目前，注册地在重庆的消费金融公司有3家：马上消费金融、小米消费金融、蚂蚁消费金融。
三家对比来看，由于小米消费金融大股东小米持有新网银行股份，蚂蚁旗下也有网商银行，考虑到若改制为银行后，会获得更多低成本的资金补给，马上消费金融或将更加积极。
事实上，向数字银行转型，将会给这些机构带来更大的业务发展空间。
具体来讲，消费金融公司改制为数字银行后，业务范围会得到扩大，除了做消费金融业务外，还可以做对公方面的存贷汇业务；同时，消费金融公司只能增资不能吸收存款，但转为数字银行后，就可向公众吸存，从而降低了资金成本。
虽然利好不少，但目前来看，这一转型并非易事。该探索在国内尚属首次，在转型路径、监管政策、牌照程序等方面，都需审慎规划。雷峰网雷峰网雷峰网
]]> 金融科技 https://www.leiphone.com/category/fintech/s7A7kdjAPB5nvpcz.html#comments Sat, 12 Feb 2022 17:27:00 +0800 首发丨阿里云刘伟光：3.5万字拆解「核心系统转型」，核心从业者怎样寻得「出路」？ https://www.leiphone.com/category/fintech/4LqR1yDcW2lOQlt0.html 核心系统转型，相当于给正在跳动的心脏，做一场不停摆的换心手术。不少核心系统采用的传统集中式架构，已经不止是一种技术架构模式，而成为一种根深蒂固的思维习惯和设计理念。当它成为潜规则而影响了创新时，我们往往身在此山中而不为所知。
在阿里巴巴集团副总裁、阿里云新金融&互联网事业部总经理刘伟光看来，不少机构在做核心系统转型时，极易陷入窘境：
选择应用平迁、不做架构大变化，最简单和快捷。有的银行正因如此，开发力量80%以上的时间是在做代码的性能优化，难以承接新功能、新业务的开发。
先从简单系统着手进行架构转型，再推导到核心转型。结果非核心领域的转型实践对于核心领域的参考借鉴意义有限。
核心系统按照功能模块切分，再众包给不同的开发商来完成，避免被一家绑定。
选择各个领域的最佳“供应商”，完成各自擅长的工作任务（咨询建模、架构、设计、应用、基础软硬件），大家只熟悉自己这部分的“最佳实践”。
追求技术架构完成解耦，碎片化供应商。实际上项目实施过程中IaaS/PaaS层适配虽然功能大体能够适配，但在非功能性领域的磨合总出现莫名其妙的问题，产生大量沟通与适配成本。
业务应用是业务应用开发商的事情，技术平台是技术平台供应商的事情，两者没有关系。
……
这次，刘伟光将全面探讨金融行业，尤其是银行业，在进行核心系统转型、升级过程中遇到的方方面面的问题与挑战。本文从酝酿到成文历经四年，期间他与团队拜访过近千家金融机构，沉淀出3.5万字长文。
当中包括：目前核心领域分布式架构转型、金融级云原生分布式转型的21个困惑与解答，新业态对旧核心的挑战，双核心并行与在线迁移的大致方案，以及第三代核心的标准与定义等。
此前《AI金融评论》也曾发布《阿里云刘伟光：2万字解剖「保险科技」，管理者怎样做「正确的事」？》，点击链接即可查看全文。
作者 | 刘伟光
阿里巴巴集团副总裁
阿里云新金融&互联网事业部总经理
“核”聚变 1
序言 4
引言 6
1.金融核心分布式转型的行业变革 7
1.1金融核心从业者的困惑 7
1.2核心转型成功的标志 8
1.3面对误区的破局思维 10
1.4新思路新出路 12
2. 金融业务新方向呼唤技术的“供给侧改革” 14
2.1开放金融体系需要可标准化的构件式核心 14
2.1.1不能变成新“竖井”的场景金融 14
2.1.2必须实现生态化的产业金融 15
2.2普惠金融体系需要可灵活组装的核心系统 16
2.3绿色金融体系需要可泛化设计的核心系统 17
3. 金融核心转型的能力要求与建设体系 17
3.1 何为“金融级云原生” 18
3.2银行核心系统转型能力需求 19
3.3 支撑核心转型的五层十二大能力体系 22
3.3.1业务领域建模 22
3.3.2应用架构集成 24
3.3.3应用系统建设 26
3.3.4基础软件设施 29
3.3.5基础资源设施 36
3.4基于能力体系打造的金融级云原生工场 38
4. 实施路径与建设模式 394.1四阶段五层模式 40
4.2多种实施路径 40
4.2.1重构模式 40
4.2.1.1业务重构 41
4.2.1.2技术重构 43
4.2.2平行迁移模式 45
4.2.3 SaaS化批量模式 46
4.3 在线迁移与双核心并行 46
4.3.1 面临的并行挑战 46
4.3.2 云原生分布式核心推荐迁移策略 47
4.3.3迁移平台能力建设 47
5.核心云原生分布式转型的价值与经验教训总结 48
5.1 第三代云原生分布式核心的价值体现 48
5.2 第三代云原生分布式核心的关键标准 50
5.3 核心相关系统建设的经验教训总结 51
创作这篇文章的想法已经酝酿了有四年多时间，时光如白驹过隙，我们仍初心不改，在这期间我和我的团队跨越大江南北，拜访了近千家金融机构，见证了数字金融这几年在中国的高速跃迁，在拥抱移动互联网和金融科技新技术的大潮中，中国金融的服务能力有了大幅度提升和客户体验的飞跃，开启了技术驱动数字金融的新时代。
回顾技术在金融行业的发展，金融科技的变革与时代共舞，国外的基础技术平台和最佳实践支撑了过去几十年的金融行业的发展，直到今天我们也必须承认，这些国外的基础技术平台在很多单项技术能力方面仍然是具备非常强的竞争力。但是今天我们面临的时代，是一个高速发展，具备一定的业务发展不确定性和互联网特征，并且需要与移动互联网和音视频能力的高度结合，同时让数据变成以资产方式无处不在的数智时代。不是过去的技术不先进，而是它们限制了我们对未来全面数字化金融的想象力，我们需要的是一套新的技术体系以实现金融机构真正的业务和技术的转型。
以银行为例，核心系统就是IT建设中皇冠上的明珠，是一家银行的心脏，在我们与诸多银行沟通交流的过程中，从那些无数次碰撞的火花中，脑海中关于未来核心系统建设的影子已经从一个模糊的亮光逐渐清晰。它不再是银行科技部门按部就班按照周期建设的系统，它不再是一个固化的标准存贷汇功能堆积的能力集合，它不应该是不断修修补补加外挂的平台，它不再是和数据平台和数据服务能力割裂的系统，它不再是一个牵一发动全身的架构体系。首先它必须是银行数字化转型中最重要的一把手工程，是一个能够让内部员工和外部客户都能感受到数字化能力无处不在的平台；它是一个能够快速生成新流程，快速创建和发布新业务新产品，能力单元高度复用的平台；它是一个能够具备移动化数据化智能化特征的平台；它是一个分布式基础架构技术支撑的平台，能够以弹性能力应对互联网类业务的峰值；它是一个融合云计算中的先进技术能力去应对开放银行和生态银行时代所有业务的一栈式平台，这就是我们脑海中那个未来的样子。今天我们已经看到有些银行已经在这个路上去积极的探索，这些探索的背后我相信就是未来引领行业，全新的最佳实践。
我们在内部和外部不断的探索与实践中，逐渐提炼和总结了一些系统性的思考，也就是如何构造具备核心竞争力的核心系统，打造真正“硬核的内核”，逐渐优化和改变目前建设的工程化体系，同时在基础技术平台和应用系统的耦合度上深入的进行研究探索，对于系统物理和逻辑部署形态上做了创新的实践，同时融合了云计算体系当中最先进的云原生技术理念。
希望此文能够给从业者带来一些新的思考，从更大的视角去构建智能化内核能力无处不在的新平台，重塑数字金融时代的商业价值。
此刻我和团队就在某银行数据中心现场参与主机应用迁移到分布式云原生架构平台的过程，能亲身见证这些推动金融行业发展变革的历程，是我们这一代从业者的荣耀，也是我们的责任！
刘伟光
阿里巴巴集团副总裁
阿里云新金融&互联网事业部总经理
中国金融四十人论坛（CF40）理事
2022.01.08 上海
本书分为五个章节，比较完整的涵盖了金融行业，尤其是银行行业的核心领域在进行转型、升级过程中遇到的方方面面的问题与挑战。可以说，在数字化成为现代企业转型发展的标配下，金融行业、尤其是银行行业，其问题、思考与实践具有相当的代表意义。作为这个过程的亲身观察者，参与者，直到推动者的过程当中，我们如实的记录下来了从业者的艰难实践，以及结合我们内部的和外部的实践总结，希望能够为这一伟大的历程做出自己的一些贡献，为从业者提供一些中肯的建议，少走一些弯路，多一些从容与信心。
第一章综合的介绍了目前核心领域分布式架构转型，云原生分布式转型的21个问题与困惑，这是历经两年多的实地走访与调研的100%真实的问题。同时不光有问题，也有我们总结归纳并交叉验证过的核心转型成功的三大标志，这是本文一切努力服务的三大目标。同时根据一些有代表性的实践，我们列举了核心从业者的实际的窘境，并引出了六大断言。综合这些问题，窘境与断言，我们总结归纳出六个新的思路方向来解决这个世纪的难题。
第二章从不确定性时代的金融业务挑战出发，主要从业务方向的角度分析了当下相对较新的金融业务形态对于传统金融核心的挑战与要求，主要是开放金融体系对于标准构件的要求，普惠金融体系对于灵活组装核心的需求，绿色金融体系对于核心可泛化性的要求。当下的核心阻碍业务敏捷的障碍，这些新业务对于敏捷的要求，一一为您呈现
第三章从银行核心系统的转型能力需求的方面，主要从技术方向的角度分析了转型的能力要求，回答了不少第一章行业和核心从业者的困惑。提炼了五层十二大能力体系，这些是新一代云原生分布式核心建设的最佳参考模型。涵盖业务建模领域，应用架构集成领域，应用系统开发建设领域，基础软件设施领域，以及基础资源设施领域。
第四章在第二章业务角度和第三章技术角度的基础之上，分析了不同细分银行行业的大致模式，经过提炼总结成为实施与建设的四阶段五层的实施路径。同时介绍了三种不同的建设模式，重构模式，平行迁移模式以及SaaS化批量模式。供不同规模的银行机构参考。并且按照相关的国家指引，给银行提供了双核心并行与在线迁移的大致方案。
第五章最后进行了全篇的总结，从实际的数据出发，给出了核心云原生分布式转型的价值，给出了第三代核心，也就是云原生分布式核心的一些建议标准与定义，同时再次总结了一些建设过程中的经验教训，帮助金融企业，银行机构早日实现核心转型的重要价值。
曾几何时，银行业务系统、特别是银行核心系统都与“云技术”没有任何联系，云原生的种种技术和架构优势（微服务解耦、敏捷开发、自动化测试与发布、不可变基础设施、去中心化的服务治理、声明式API、Serverless无服务器化等）对银行核心而言都是“别人家的孩子”。
但随着银行以消费互联网、产业互联网、开放银行生态为核心的数字化业务快速增长，银行核心对敏捷交付、高并发、弹性伸缩等不确定性问题的应对，成为新一代银行核心建设必须面对的“底线要求”。从云计算技术发展中铸就的云原生和分布式技术在这样的“时代要求”下必然成为银行的主流技术，银行核心也成为“云原生分布式架构”攻克的“最后的堡垒”。
在银行信息系统中，核心系统承载了银行存款、贷款、银行卡、清算核算等核心业务，被称为“银行业跳动的心脏”、“银行IT皇冠上的明珠”，其重要性不言而喻。回顾银行信息化30多年历程，核心系统经历了从“胖核心”到“瘦核心”的演变过程。“胖核心”以IBM大型机为代表，而“瘦核心”则以典型的IOE技术架构为代表。然而，全方位数字化金融时代的到来使得集中式架构的问题日益凸显，比如：系统部署无法及时响应业务需求；系统弹性能力差，导致资源过度规划和冗余浪费；使用成本高等。虽然集中式架构仍然具备很强的竞争力和高度的稳定性，但是在拥抱中国数字金融高速迭代的浪潮中，业务驱动架构变革已成为今天的主题。
随着集中式架构的六边形能力（高并发、线性扩展、敏捷开发、按需弹性、精细化治理、多活可靠）已经达到极限，我们认为银行核心系统的云原生重塑也来到了“时代拐点”。
1.1金融核心从业者的困惑
旧的答案分崩离析，新的答案还没有着落。
当金融服务进入到“连接一切”、“微粒式服务”、“永远在线”、“毛细血管”的数字金融时代，业务对金融核心提出了全新的挑战。虽然我们都知道，延续了几十年的集中式架构已经越来越难以满足现在和未来的业务要求。但是，支撑我们的不只是诗和远方，更有身边的日常。我们仍然需要面对当下具体的挑战和问题。
金融核心到底该如何转型？云原生分布式是否是金融核心的未来？金融核心云原生分布式转型究竟带来哪些价值？云原生在解决原有问题的同时带来了什么新问题、如何应对？带着这些灵魂拷问，我们调研了数十家金融机构，收集到了这么一份沉甸甸的问题清单，这充分代表了行业在面临挑战中普遍感到困惑的地方。
问题：价值呈现[为什么要转型]
1.为什么核心要转型、要下移，云原生分布式架构转型带来哪些价值?
2.核心云原生分布式转型与银行数字化转型的关系?
3.核心分布式转型，与云及中台有什么关系?
4.不同类型/规模的银行核心云原生分布式转型的价值差异在什么地方?
5.现在懂C，RPG这些的人越来越少，开发生态已经没了，领导让我招会骑马的骑士，现在都是驾校学车的人了，我招不到人怎么办？
问题：价值落地[如何转型]
1.核心下移云原生分布式转型工程庞大环节众多，没有一家公司能够全方位覆盖，如果还采取传统项目的多家供应商集成工作模式，如何保证真正实现云原生分布式核心而不是新瓶装旧酒？
2.传统厂商懂业务应用但是不懂云原生和分布式，懂云原生分布式的不懂银行业务，如何推进？
3.核心云原生分布式转型需要管理上组织上如何配套？
4.要启动核心云原生分布式转型的工作该如何准备，如何着手，需要考虑哪些方面的内容？
5.不同类型/规模银行在核心云原生分布式转型的策略上存在什么差异？
6.目前同业在核心云原生分布式转型实践上有那些成功经验可借鉴？
7.核心云原生分布式转型的实施路径有那些, 采用什么样的步骤会比较好？
8.我现在已经有云，分布式数据库等基础设施了，我该怎么开展核心云原生分布式转型？
问题：关键挑战[用什么来转型]
1.核心云原生分布式转型的技术难点或者挑战主要有哪些?
2.如何确保核心安全可靠的下移及云原生分布式转型？
3.核心下移及云原生分布式转型目前的生态是什么样子，有足够的服务和支持能力吗？
4.核心云原生分布式转型对于分布式数据库的考虑有哪些，尤其是对分布式事务处理？
5.核心云原生分布式转型，传统主机或虚机与云之间的关系，二种模式的混合运维给生产中心带来哪些挑战？
6.核心云原生分布式转型一定是一个过程，在这个过程中如何快速集成由不同技术体系构建的应用系统？
7.金融级云原生分布式核心系统是什么？包含哪些内容？有哪些特点？
8.分布式架构框架，微服务框架，应用开发框架这些我都有，别的厂商也都说能做，你们有什么独特的价值？
9.从上面代表性问题反映出核心系统的重塑是一场浩大且复杂的工程，这些问题涉及范围非常广，目前也没有统一的标准答案。
初心之外，还要用心。我们经过上百次的面对面交流和讨论后，决定用心地完成这篇万字文章，目的是一起来探索，希望各位读者能够或多或少地找到部分答案。
1.2核心转型成功的标志
桥梁越大，内部结构就越重要。
在实践和探索的过程中，我们通过不断分析归纳总结，得到了下列这张大图，这是志同道合的客户和我们共同的认知与成果，在这个领域，我们必须要心怀敬畏。因为在传统银行核心下移分布式云原生改造的领域，这是一条无人之路，大家都在不断探索和学习。
这张图展现的就是核心转型的初心，以及金融机构对合作伙伴的要求。也是考虑迎接核心转型这个挑战“以终为始”的出发点。整体而言，分为两个部分。
1.成功的标志
核心转型最后必须是金融客户要能够成功，并且要能够实在的给客户带来巨大的价值，而不仅仅是买来一堆高科技产品堆在开发和数据中心。从这一点出发，行业认为核心转型的成功标志是
1）安全自研可控
自研可控有多重维度，第一种维度是技术架构的安全可控，可以对系统架构和关键技术进行整体把握。主要涉及自产自研、关键技术产品代码的拥有、知识产权的可控性等。
第二种维度是业务层的解耦，对于核心系统的功能能够自主的按照业务发展进行研发迭代，而不是高度耦合、牵一发动全身。
2）财务成本，单交易/账户成本下降
上一代集中式架构，尤其是主机体系，综合的TCO成本相对较高，不仅仅是购置成本，包括长达10多年的运营维护成本，扩容成本，这些都还只是显性成本，反而更容易忽略的是人员成本，拥有相关主机技能的人才越来越少，越来越难培养相关技术人才。
3）业务稳定性连续性不降低前提下支撑业务敏捷
天下武功，唯快不破，业务敏捷是面对不确定性的制胜法宝。这也是核心转型的最大动因之一。例如对于新业务的快速功能性支撑，对于老业务的快速升级迭代等等。但是核心光敏捷是不行的，前提是保证可靠性和稳定性，没有稳定，就没有金融安全，没有金融安全一切都是空中楼阁。
2.对于合作伙伴的诉求
金融机构和行业认识到，要完成这个壮举，必须是整个产业链条和整个生态的大协作才有可能，这不是一两家技术公司的事情。从这个角度出发，我们识别出来以下4个大的方向，是保证客户，整个行业成功的要素。它们环环相扣，缺一不可。
1.咨询与设计中关于云原生分布式的架构设计，迁移方案，并行方案，实施路径等
2. 项目实施和组织阵型的提前规划设计，基础平台和应用开发的组织阵型规划
3. 运维保障中快速解决核心故障问题和机制保障；白盒化，更自动的监控和运维工具的支撑
4. 产品与方案层面，产品与方案是整个核心迁移和云原生分布式转型的基础支撑，因此产品的长期规划和产品的延续性，基础产品的发布更新和生命周期这些都是尤为重要。
但无论怎样艰难，业界已经形成一种共识，新的时代已经到来，从集中式到分布式，从分布式到云原生分布式架构的转型，是一条必经之路。
1.3面对误区的破局思维
核心转型需要“站在整体看局部、站在结果来看过程”。
2021年诺贝尔物理学奖颁给了“复杂性系统”的研究，金融核心转型就是金融业的“复杂性系统”，其中涉及了业务、技术、产品、组织、人员能力、流程、生态、协同和管理等诸多方面的问题和挑战。如何解决这些问题本身是个开放命题。
同时我们也看到很多机构在核心转型实践中存在的一些误区。面对这些误区，需要具有破局思维、打破“简单型系统”的思维禁锢，同时需要“站在整体看局部、站在结果来看过程”，这样才能明确地站在“终局”来看，什么肯定是不对、不合适的，才能一步步逼近成功。
下面我们从核心转型成功的3个角度出发分析一些核心转型领域的常见误区和我们思考断言，希望能够给大家带来一些启发和帮助。
误区1：先从简单系统着手进行架构转型，再推导到核心转型。
某银行由于自研可控要求，只考虑了OA相关系统，核心系统不考虑。但是核心领域被卡脖子的问题依然存在，并且OA系统的自研可控成果对于核心领域而言，是无法借鉴的，这是完全两个不同领域的应用，架构完全不一样。导致未来核心应用转型仍然需要大量的探索和工作要做，总体支出会更大。
断言1：“从俭入奢易、从奢入俭难”。非核心领域的转型实践对于核心领域参考和借鉴意义有限，需要在核心领域架构体系上及早纳入自研可控等架构级别考量，避免2次迁移成本和时间成本。
误区2：追求技术架构完成解耦，碎片化供应商，不被绑定。某银行B在核心云原生分布式转型的过程中，对于核心技术平台要求能够完全的分层分模块解耦，例如在IaaS/PaaS/SaaS/核心数据库这些关键领域，在任何一层出现问题的时候都能够随时的切换到可替代的平台，不绑定任何一家技术平台供应商。但是实际上项目实施过程中IaaS/PaaS层适配虽然功能大体能够适配，但是在不同厂家的磨合方面，稳定性和性能等非功能性领域出现莫名其妙的问题，并且协调两家厂商的产品研发对接需要大量的沟通与适配成本。
断言2：“基础不牢、地动山摇”，底层架构的高效稳定是第一目标。底层架构在起步阶段从“统一架构”更加容易走稳，再逐步进行局部优化和解耦。
误区3：核心系统按照功能模块切分，再众包给不同的开发商来完成，避免被一家绑定。某银行C整个核心进行分布式改造的项目群极其庞大，平台技术部与各家核心应用开发商进行了充分的交流，然后选定各家较为擅长的领域来实施建设。这种众包方式的确没有绑定任何一家供应商，但带来的问题在日后实际核心下移开发中日渐突出。众包给众多核心应用开发商之后，由于开发商都只熟悉自己那一部分业务和技术框架，无法做到全局的架构管控和统一技术标准打通。例如：全链路跟踪与压测、业务染色、单元化、异地多活等。
断言3：核心架构中“非功能性需求”考虑要大于“功能性需求”。“非功功能性需求”应由技术架构来承载。业务模块可以解耦设计和分包，技术架构要统一规划和统一标准，实现核心领域的“统、分结合”。
误区4：业务应用是业务应用开发商的事情，技术平台是技术平台供应商的事情，两者没有关系。传统集中式环境下技术平台经过了经年累月的标准化以及适配，对于应用的普适性相对更强，所以应用开发不需要太多考虑底层架构的差异性，只需要当黑盒子来使用即可。但是在云原生架构时代，需要考虑分布式CAP原则的调整，适配与折中的设计。考虑分布式事务，分布式数据一致性，异地多活等难题对于业务模式，业务流程，业务底层数据模型的特殊影响与特殊设计，如热点账户，业务服务跟踪治理，全局业务序列号等专题。而这部分的专题设计，是传统上层应用与传统底层技术平台之间的灰色地带与结合带，它往往决定了整体系统的整体表现，尤其在极端情况下的非功能性表现。
断言4：传统集中式架构下的核心建设模式在云原生架构下大多数情况下并不适用，需要引入额外的框架、机制与设计来保障核心系统的整体表现。
误区5：选择应用平迁、不做架构大变化，更最简单和快捷。某银行D由于核心相关系统规模太大，应用数量众多，原来大量应用是在集中架构的封闭系统中，采用rpg，cobol等语言编写，行方为了想尽快将系统从封闭系统下移至开放平台，为了快速和简单起见，使用了一种并不成熟的代码翻译工具，将整个rpg语言翻译至java语言并部署在开放平台，底层使用分布式数据库承载数据。整体应用架构没有做太多的调整，基本上还是属于集中式架构的范畴。在后期的运行过程中发现较多的性能问题与可用性问题，以及集中式应用与分布式数据库的配合适配问题，只能让庞大的开发团队进行每个程序的代码的手工性能优化，导致开发力量80%以上的时间是在做代码的性能优化，根本无法承接新的功能或者业务的开发，拖累业务应用建设的整体进度。
断言5：核心转型最佳路径是追求“P/PC平衡”-- 产出和产能平衡。不仅仅是完成 “产出”任务（应用迁移），更为重要的是升级“产能”（技术架构能力）。“产能”（技术架构）升级后会推动更大的“产出”（业务价值），成为全行数字化转型的助推引擎。
误区6：选择各个领域的最佳“供应商”,完成各自擅长的工作任务（咨询建模、架构、设计、应用、基础软硬件）。某银行E找了专业咨询团队进行业务梳理与业务建模，然后这些资产大部分停留在纸面，并没有相关后继的指导和形成标准规范。导致核心研发团队依旧不太清楚如何开展后继的大规模开发。后继根据各个业务板块进行应用开发商的招采，选择各个领域最佳供应商。在实际过程中，还是仰赖于应用开发商的经验，没有办法参考前期业务咨询和建模的资产，例如某应用开发商A负责客户模块，某应用开发商B负责产品模块，大家都只熟悉自己这部分“最佳实践”。如何遵照前期的业务建模的成果，如何在整个核心项目群内形成端到端的业务流程落地是没有参考和总控的，导致没有达到最初的规划和设计目标。
断言6：核心转型相比选择“供应商”而言，更为重要的是选择具备“端到端落地实践”的。从理念、方法论、设计规划、平台架构、标准规范都能够战略性长期投入和总体把控的“合作伙伴”才能真正落地实现业务敏捷和推动数字化转型，而不是为一堆冠名“数字化转型”的文档买单。
这些结合客户常见现状、误区和思考断言，也是未来在核心转型中可以借鉴和参考的要素。流水可能会绕路，但绝不会回头。
1.4新思路新出路
面对复杂性，需要的不仅仅是一套“方案”，而是一套应对的“原则”。
针对以上常见的困惑，窘境和挑战，要达成核心云原生分布式转型的成功，我们需要的不仅仅是一套技术方案，更需要一套能够指引行动的“原则”。正如雷-达里奥在《原则》一书中提到：原则犹如指引行动的“灯塔”，它连接着我们的目标与行动。解决不确定性靠敏捷、解决复杂性靠原则，越是复杂的系统越需要一套原则来保证。
我们将金融核心转型所需要的原则总结为一个全新“六边形”原则。
1）业务技术闭环原则：整个体系需要支持“业务-技术”闭环敏捷模式，让业务敏捷从一句口号到真正能够快速开发落地上线（从有业务想法，到建模，到领域设计，到服务设计，到数据模型，到应用开发，到应用部署，到应用治理，到应用运维的）
2）自动化生产线原则：云原生分布式转型提供端到端的工具链，必要的基础构件以及先进的实施工艺，形成完备的、端到端的、自动化的、高效的、简便的且可落地、可运营、可治理的完整体系。比如可以将业务流程数字化为可呈现可复用的资产，并能自动化转换成为应用系统编排流程。比如可以将业务的服务模型定义自动化转换成为应用和微服务模块的代码框架，并且可以选择装配对于云原生分布式环境下事务与数据一致性的支持，选择装配从业务角度端到端监控的能力，类似的能力数不胜数。
3）开放可插拔原则：这个体系是开放，可集成的生态体系，能够以相对标准化，规模化的方式构建出云原生应用。
4）可组装构造原则：依赖这种体系，可高效支持新的金融业务形态，如绿色金融，普惠金融，数字金融，碳金融，开放金融等等。因为这些纷繁复杂模式的标准化构件通过生产线能够快速制造并复制出来，只需要叠加和装配差异性的部分。
5）普适性兼容性原则：这种体系彻底的改变了目前核心领域手工作坊的人力堆积模式。如果最复杂且对于技术要求最高的核心领域都可以采用这种模式来实现，那么该体系更可以使用在面向未来云原生模式的更广泛的业务应用开发领域。
6）易用透明化原则：金融机构和合作伙伴可以利用该体系进行自研可控的业务应用的高效开发而不用关注云原生应用的特殊细节与技巧，因为这些复杂的分布式与云原生装配与衔接工艺流程已经通过自动化流水线自包含实现了。
我们将这套原则沉淀为一套全新的方法论，工具平台体系和工作模式，它涵盖了业务模型与流程建设的最前端，以及系统与业务在云原生环境下的运维和运营，同时这个体系定义了比较明确的工序和生产阶段，具备高度的自动化能力，能从一个工序自动化的衔接到下一个工序，只有这样规模化、自动化、高效率的工厂化生产模式，才能实现真正的落地业务敏捷，实现应用与云原生分布式技术的可靠融合。这种新的核心系统云原生分布式转型的建设模式以及配套的自动化生产线工具体系，我们称之为“金融级云原生工场”模式。
迪士尼有一句话反复被提及：“艺术挑战技术，技术启发艺术 ”。
新时代是一个数字时代，数字时代的金融是以数据为关键生产要素、以场景和用户价值为中心的服务模式，主要服务手段依靠对各类数字化技术的综合运用，其重要载体便是通过网络送达的软件服务，是以线上便捷服务为主、线下人工服务为辅，融合数据智能和人类温情，注重用户体验和风控原则的服务模式，金融服务将是开放、普惠、绿色的，嵌入式且灵活多变。而这样的“泛在化”金融服务必然对账户、交易、结算等核心能力提出了“泛在化”、“全时在线”的要求。
2.1开放金融体系需要可标准化的构件式核心
规模是问题（业务）的解药，规模也是问题（系统）的根源。
如今，开放银行的理念已经成为银行业的发展共识，最基本要求是银行服务通过API、SDK的方式将银行账户、支付、结算能力提供给合作方，以实现把银行的服务融入到各行各业中。做为开放银行战略的升级，场景金融、产业链金融正在描绘更大的开放格局，形成一个“泛在化”“毛细血管”式的金融服务。这些业务需要规模来解决泛在化的场景和需求，但这样的规模也是核心系统问题根源所在。
2.1.1不能变成新“竖井”的场景金融
场景金融是基于各类金融或者非金融场景顺畅地融入金融服务。从银行的角度看，最初的场景金融主要是与平台类公司接入合作，在消费者眼中，场景金融则是便捷的支付、贷款等金融服务的获得。
随着场景金融的演进，其场景正在扩展到人们生活、学习、工作的各个方面，一些银行已经共建、自建了大量的场景金融业务。但基于场景的用户转化需要一套完整的业务系统进行支持，包括大量标准化、模块化的能力，业务能力方面包括用户中心、产品中心、合约中心、账户中心、权益中心等，数据能力方面包括用户画像、推荐模型、联邦计算等数据。
此外，随着数字人民币试点领域的扩大，金融场景正在越来越丰富，仅数字人民币的应用场景就已经超过350万个。场景的价值日益受到重视，银行都在努力构造更多的场景，这也导致了场景的碎片化以及对场景构建的敏捷性要求。我们建议银行需要及早认识到如何让场景不成为新一轮的“竖井式开发”，而业务的中台化、标准化、构件化正是解决这一问题的出路，越来越多的银行正在为其业务设计结构化的业务模型，并探索将其与应用设计紧密连接起来。
2.1.2必须实现生态化的产业金融
从理论上来讲，供应链金融是金融业务从核心企业向周边企业拓展的最好方式，也是推动产业金融发展的理想模式。但是，供应链金融的发展往往需要依靠核心企业的意愿、平台的服务水平、周边企业的实际收益等诸多关键因素的综合作用，因此，尽管很多研究机构将供应链金融视为十万亿级别以上的大市场，但其总体发展一直不是很顺利。
如果只为供应链金融单独去建设平台，那之前存在的建设成本、相关方收益等问题，恐怕依然难以解决。只有通过超越供应链视角的大型商业平台承载供应链服务，才有可能解决单一用途平台面临的问题。国家倡导建设的行业云，可以承载这样类型的商业平台，现有商业平台也可以进一步扩大互联，使任何一家企业可以加入平台即加入供应链，在平台中也可以自由加入任何供应链，这样的平台模式，才可能突破传统供应链平台高封闭、重成本、低收益的困境，这一模式也符合国家要求大型企业开源、开放的政策基调。
多功能的大型商业互联平台不仅承载供应链，也是各类型企业建立自身应用的“标准化构件库”，企业可以根据自身需要选择云原生的标准化构件组装自己的业务，这是“产业数字化”的一大推手。当然，这需要高度的业务标准化，所幸，国家标准化发展政策正在推动这一趋势的形成，未来银行也会融入到这一宏大的数字化商业生态中，这将催生金融机构新一代面向数字生态的构件化核心系统。
2.2普惠金融体系需要可灵活组装的核心系统
普惠金融是致力于持续提高金融服务金融服务公平性、可获得性的金融服务体系，是通过更有社会责任感的经营理念、更有效率的风控手段、更低的运营成本来使更大范围的客户群体可以获得优质金融服务，在普惠金融的发展过程中，数字化技术将扮演越来越重要的角色。
普惠金融的发展需要做好以下三个方面的工作：
1.灵活的管理：在额度管理、计价定价、风险计量等体系中需要更灵活的能够支撑不同策略调整，适应不同区域、不同时期、不同行业、不同客户分层的普惠的要求；
2.经济的管理：降低单账户/单交易成本，降低整体的综合财务成本；
3.弹性的管理：业务系统可扩展支撑更大数量的中长尾市场。
普惠的客群对象和业务特点决定了其产品碎片化、上线周期短、业务变化频繁，要求能够像积木块一样解构业务和技术能力，灵活配置、实现业务需要，金融机构的核心系统只有变得像一个可组装的流水化工场才能应对环境的快速变化，而对长尾客户群体的支持，更需要一套易扩展的核心系统架构。
2.3绿色金融体系需要可泛化设计的核心系统
发展绿色金融是不仅是金融行业的商业机会，更是金融行业的社会责任。绿色金融包括两个部分，一是面向客户的“双碳”要求触发的业务变革，一是金融机构自身要完成“双碳”目标。
按照“双碳”要求，金融机构要控制信贷资金流向，逐步减少高排放用户的信贷支持，未来也可能会逐笔核算信贷资金的“碳排放量”，控制信用业务的“碳”风险。这需要社会数据的支持，而不仅仅是来自用户的数据，需要更多的外部数据源、权威数据支持金融机构计算“碳”风险。通过构建绿色金融账户，完善绿色金融产品，提升绿色金融智能化评估，金融机构可以更好地支持绿色生态链上下游体系的开放性融合，打通绿色循环。绿色金融将推动对金融账户应用模式的泛化，从而影响核心系统的设计理念。
全生态链绿色金融模式设计
“重大问题的解决方案，永远不可能在产生这个问题的维度上出现。”--爱因斯坦
数字韧性被越来越多的金融机构所提及，什么是数字化韧性？当应对外界环境变化，或者客户需求变更时，软件产品需要有弹性和韧性，要有反应足够快的数字化体系。当集中式架构在面临“数字韧性”而“力不从心”的时候，我们认为很难用“旧时代的方法”去解决新时代的问题。云原生似乎成为一个数字化企业的“标准答案”了。
3.1何为“金融级云原生”
何为云原生呢？为什么现在云原生这么火了？
云原生架构是基于云原生技术的一组架构原则和设计模式的集合，旨在将应用中的非业务代码部分进行最大化的剥离，从而让云设施接管应用中原有的大量非功能特性（如弹性、韧性、安全、可观测性、灰度等），使业务不再有非功能性业务中断困扰的同时，具备轻量、敏捷、高度自动化的特点。
云原生技术主要以容器、DevOps、微服务、分布式中间件、分布式数据库、Serverless、服务网格、不可变基础设施、声明式API、开放应用模型（OAM）等技术为核心，能够帮助我们实现业务应用与基础设施的解耦，因此被认为新一代云计算的“操作系统”。如下是一些云原生的核心架构思想（而无关于产品）：
分布式微服务：微服务的核心就是将大的单体应用拆分为更小的组件服务（微服务）。能够做到从底层IT基础设施、到数据库、到中间件、到应用部署包等全部环境都能够独立部署。这样实现从需求设计、开发、打包、部署全部都能够独立完成。实现各个微服务之间彻底的松耦合。同时微服务之间又能够通过轻量的接口进行交互。
DevOps：核心就是敏捷研发、持续集成和持续交付。需要将软件生命周期过程中的需求、设计、开发、编译、构建、打包、部署，从测试环境、到生产环境整个过程能够实现全部自动化。将敏捷研发、自动化测试进行集成和协同。
服务网格：去中心化的服务集成和治理框架。原来架构一般采用集中式ESB总线/API网关来做接口、API的服务治理和管控，将API接口注册到API网关。由于ESB/API网关是一个中心化的架构，所有的请求和流量通过API网关，所以中心化的API网关可以对流量进行安全、日志、限流熔断、监控等各方面的管控和治理能力。当在去中心化的架构下，没有中心化的EBS/API网关情况下，所有流量下沉到了各个微服务中去了，需要在为服务端增加一个边车代理，通过边车代理来做流量的拦截，同时实现对流量的管控和服务治理。
不可变基础设施：当传统环境部署中，当有各类变更（应用程序、数据库、中间件、基础设施等）发生时，往往可以直接修改配置来实现。但云原生强调任何应用当你部署到生产环境中形成一个实例（容器/虚机）后，这个实例不能发生任何变更。当发生了变更修改时，应该基于镜像生成一个新的实例，同时销毁旧的实例。
声明式API：与命令式API操作相对应的概念。传统环境的后端操作（比如创建一个容器实例）会去执行命令行，来完成操作动作（这种方式对小规模应用而言比较有效，但大规模和自动化而言，就非常低效）。而对于声明式API而言，需要通过定义声明配置文件（比如：YAML文件），来声明清楚所要做的动作、以及做完后需要达到的状态。只需要完成这个声明式的配置文件，底层平台再去解释这个声明式API配置文件的内容，再去做后端的操作，同时把各个底层的技术组件协调到需要的状态。声明式API下面，任何对生产环境、对软件的修改都不是直接去操作一个命令来完成，都是先要写声明、写配置，这个配置文件可以纳入配置管理中集中去做管控和管理的。这样既可以大规模、自动化去执行变更和管理任务，也可以当生产环境出问题时，可以快速去追溯对生产环境做过什么样的操作，方便做相关的回退和回滚操作。
金融机构采用云原生技术，并不是将应用上公有云，而是将金融对安全合规、交易强一致性、单元化扩展、容灾多活、全链路业务风险管理、运维管理等各方面行业要求与云原生技术进行深度融合，发展为一套既符合金融行业标准和要求、又具备云原生技术优势的“金融级云原生架构”。
金融级云原生能将过去在应用架构层做的大量工作，尤其是弹性与韧性、可靠性、自动化等，下沉到技术架构去实现，让应用只需要关注业务逻辑本身。所以，我们有理由相信，银行的主流技术架构将从以IOE为核心的集中式架构向金融级云原生架构演进。未来金融机构基于云原生的应用，将天然具备弹性与韧性。
3.2银行核心系统转型能力需求
“总有人问我未来十年，会有什么样的变化，但很少人问我，未来十年，什么事不变的。我认为第二个问题比第一个问题更重要。因为你要把战略建立在不变的事物上。”--- 杰夫-贝索斯
通过前文的分析，不论未来金融的服务形态如何演变，我们看到，对“灵活性、易扩展、高并发、标准化组件、低成本、可靠的在线服务”的追求是金融核心的“不变”所在。所以需要将核心战略聚焦在这个“不变”上面。我们从业务、工程和技术的角度，总结了云原生分布式核心应该具备“不变”的能力需求；针对每一项能力需求，进行详细拆解为十二项支撑能力；对十二项支撑能力进行归纳分层，形成建议的云原生分布式核心建设过程中的五层十二大能力体系，如下图所示：
针对核心系统建设过中的困惑、业务转型对核心系统的要求，本节从业务、工程和技术能力三个方面分别进行回答。
3.2.1业务能力
业务敏捷
Q：如何提供满足金融业务新方向的核心系统？
A：可标准化的构件式核心系统、可灵活组装的核心系统和可泛化设计的核心系统，需要核心系统拥有完备的业务组件，可以通过快速配置满足不同类型客户、不同场景的业务需求。
Q：核心下移云原生分布式转型工程庞大环节众多，没有一家公司能够全方面覆盖，还采取传统项目的多家供应商集成工作模式，如何保证真正实现云原生分布式核心而不是新瓶装旧酒，换汤不换药？
A：云原生分布式核心建设不仅仅是通过云原生技术对核心系统进行重写，满足自研可控和容量性能的需求；更重要的是从业务价值的角度对核心系统进行重新规划，形成全行企业级可复用的业务中台能力和快速创新能力，支持业务敏捷。
3.2.2工程能力
质量、工期、风险可控
Q：如何确保核心安全可靠的完成云原生分布式转型？
A：从项目组织管理的角度来看：建议核心系统建设工程是一把手工程，不仅是技术创新突破，还可以通过业务架构和应用架构变革带来组织架构的变化；所以，整个核心系统建设需要业务部门充分参与而非科技部门自嗨。从工程过程的角度来看：研发过程中，各厂商应基于行内统一的技术体系和应用组件、标准的实施工艺，开发核心系统涉及的众多应用；在系统迁移切换时，可采用不停机在线迁移模式，实现新老核心的平稳、有序过渡。
Q：传统厂商懂业务应用但是不懂云原生和分布式，懂云原生分布式的不懂银行业务，如何推进？
A：建议在云原生分布式核心系统建设初期，通过一个轻量级咨询项目，借助一批有云原生分布式核心落地经验的专家，结合金融机构自身业务特点，绘制核心系统蓝图；并基于选定的技术架构和应用架构，选择典型交易场景进行原型验证，确保架构层面满足核心系统需求。
持续治理
Q：核心云原生分布式转型一定是一个过程，在这个过程中如何快速集成不同技术体系构建的应用系统？
A：核心系统云原生分布式转型过程中，会涉及到多种类型系统的集成：云原生分布式核心与老核心、已有其他系统（渠道等）的集成；同时，从我们在多家行的实践来看，与云原生分布式核心集成的系统通常存在多种技术栈（Spring Cloud、Dubbo等）。建议使用服务网格(ServiceMesh)进行系统间集成，在充分发挥其多技术栈集成能力的同时，还能享受服务治理的红利。
3.2.3技术能力
Q：核心云原生分布式转型的技术难点或者挑战主要有那些?
A：核心云原生分布式转型过程中，技术难点通常集中在非功能需求方面，例如分布式架构下大量微服务调用带来的性能问题、分布式事务带来的一致性问题、硬件采用PC机带来的稳定性问题等，以及大规模分布式集群下如何进行系统运维的问题。因此，需要有一套经过磨合验证、满足核心系统研发和运行时需求的IaaS和PaaS平台，结合云原生分布式核心设计、研发过程中的最佳实践，才能从容应对转型过程中的各种挑战。
高性能、无限容量
Q：核心云原生分布式转型对于分布式数据库的考虑有那些，尤其是对分布式事务处理？
A：分布式数据库应具备以下几方面的能力，降低核心系统研发和运维的复杂度：内置分布式事务引擎、透明可扩展、极致的高可用、同城容灾RPO为零。
安全稳定运行
Q：核心云原生分布式转型，传统主机或虚机与云之间的关系，二种模式的混合运维给生产中心带来哪些挑战？
A：建议通过统一管理及自动化运维能力，使用单一平台对多种云资源（包括传统主机、虚拟机）进行灵活的管理、编排与部署。同时，针对云原生分布式核心系统的运维，面临着应用集群规模庞大、交易链路节点变多、PC服务器稳定性等多方面的挑战，可参考互联网企业在高可用运维和容灾等方面的经验，建设面向风险管理的SRE运维体系。
自研可控
Q：将云原生分布式核心纳入自研可控体系，如何做到风险可控？
A：建议采用自研可控单元化架构，在单元化架构下设置一个独立的自研可控单元（采用符合自研可控要求的软硬件）；基于单元化流量调拨能力，先小流量验证自研可控单元能力后，再逐步增加流量到自研可控单元，稳步实现自研可控转型，做到风险可控。
3.3支撑核心转型的五层十二大能力体系
上一节回答了云原生分布式核心建设过程中需具备的能力，本节将针对提出的五层十二大能力体系进行详细的阐述。
3.3.1业务领域建模
为了使IT系统完整的承接业务需求，云原生领域建模是运用领域建模思想，充分考虑云原生应用的特点，使用领域建模及管理平台，把建模变得简单、敏捷、易落地，并通过平台实现建模资产的保鲜。具体来说，云原生领域建模通过抓住建模本质，简化建模过程；采用建模平台，管理模型资产；运用低代码技术，落地模型资产。
业务领域建模应关注以下几个方面：
基于银行同业已有建模实践成果敏捷建模，而非投入大量资源且周期长的建模过程；
通过建模平台实现成果保鲜，持续为业务迭代和创新服务，而非核心系统建设完成之后束之高阁，逐步与系统演进结果脱节；
建模成果能够借助建模平台、结合云原生技术快速落地。
3.3.1.1业务建模与技术建模
业务领域建模包括业务建模和技术建模，整体建模流程图如下：
1.业务建模包括业务流程建模和业务对象建模：
业务流程建模：通过对业务流程现状分析，结合目标核心系统建设能力要求，参考行业建模成果，形成结构化的业务流程模型；
业务对象建模：基于信息模型资产，结合对业务流程提取的业务实体，进一步分析实体间关系，获得业务对象模型和业务行为模型。
2.技术建模是为了对业务模型进行落地实现，把上述业务模型转换为技术模型。通过技术建模，实现三个模型的转换：
业务流程模型到服务流程组合的转换；
业务对象模型到逻辑/物理数据模型的转化；
对象行为模型到API接口/原子服务的转换。
3.3.1.2建模平台
建模工具是支持业务领域建模的平台，包括对领域模型、数据模型、中台能力模型等的管理，提升建模设计效率并有效沉淀最佳实践。
在建模平台中，业务模型包含领域架构、业务模型、业务流程、交易模型、信息模型五层，五层概念逐层缩小：
领域架构作为系统的整体架构，包含系统中所有的业务模型，把系统中的业务模型按架构图的方式编排起来；
业务模型是由业务流程组成，是多条业务流程的集合；
业务流程串联交易模型，形成业务流程图；
交易模型中定义交易行为、交易的属性及交易行为的输入输出；
信息模型主用于定义九大信息要素：参与者、产品、合约、账户、事件、条件、地理位置、资源项、渠道，理论上任何交易模型都是由九大信息要素构成，在不能满足时也支持添加新的信息要素。
在建模平台中，技术模型包含：微服务模型、流程模型、实体模型、数据模型。
微服务模型是利用云原生特性，把业务流程中的步骤进行聚类分析，获得相应的微服务模型；
流程模型承接业务建模中的业务流程，通过对业务流程中的功能进行细化分析，获得实现业务功能的一个或多个具体接口，明确每个接口的输入输出字段，分析出实现业务功能所需的实体及实体间关系，获得实体模型；
需要持久化的实体模型，按数据库设计的相关要求转换为数据模型，通常情况下实体模型与数据模型是一对一或一对多关系。
通过上述步骤，最终得到技术模型中的微服务模型、流程模型、实体模型和数据模型。
3.3.2应用架构集成
应用架构集成层承接业务领域建模成果，将核心系统按照业务领域建模体系进行整体规划，形成可供全行IT系统复用的业务中台能力，提供生产各业务系统必须的业务组件；通过服务治理与组合的低代码能力，快速支撑业务创新；服务网格为传统应用、迁移到云原生分布式架构下的应用互通提供技术保障。
应用架构层面，云原生分布式核心与传统瘦核心或分布式核心重大区别是：
不是：简单的将核心系统按照业务条线划分为客户、存款、贷款等应用，采用分布式技术重新实现一遍，很多公共的能力（例如产品管理、合约管理等）都需要各个应用重复建设，数据层面不互通；
而是：将核心系统按照业务领域建模体系进行整体规划设计，形成可供全行IT系统复用的业务中台能力，提供业务构件；通过服务运营与编排，使用业务构件快速进行业务创新。
3.3.2.1应用架构中台化
1.云原生分布式核心中台化应用架构
通过多年自身金融业务实践和实际参与银行客户核心系统转型项目，基于标准化业务建模和技术建模成果，建议将用户、产品、合约、额度、交易、账户、计价等金融服务的核心商业要素数字化、中台化，构建出全行级中台能力地图，从而支持前台业务的快速迭代。
云原生分布式核心中台化应用架构，可参考下图：
2.强大、稳定的中台组件
每一个中台组件的设计，都承接自业务领域建模成果，具备丰富的业务功能。为确保中台组件集能支撑业务敏捷创新，中台组件应具备如下能力：
功能丰富：经过核心系统实际使用验证、具备能够支撑产品系统的必备业务功能；
迭代稳定：作为企业级能力共享组件，被大量产品系统复用，需要能够保持稳定、清晰的迭代升级路径；
非功能特性卓越：具备优秀的性能和可用性，为整个产品系统的性能和业务连续性提供保障。
3.3.2.2服务治理与组合
金融行业通常采用了分层、分域的IT架构，每一个层、每个域都提供了大量的服务。
架构转型的过程中，通过服务统一治理和运营，在技术层面支撑研发过程、确保安全生产运行；在业务层面通过金融业务中台提供服务复用能力，高效进行流程组装，支持业务敏捷、快速响应市场需求。
1.服务治理保障生产稳定运行
通过架构分层、能力域、系统、应用、服务等多级领域模型，全面梳理软件资产，建立服务目录，提升服务复用率；提供服务的全生命周期管理，覆盖事前、事中、事后环节，支持服务保鲜，建立服务反馈和优化闭环。
2.服务运营编排，支撑业务敏捷、快速创新
服务组合方面，通过业务中台提供的可复用原子金融服务使用可视化服务编排能力，实现低代码快速开发业务场景，缩减研发周期，提高产研效率，降低投产风险。
服务编排平台内置流程模型驱动业务开发，通过编排、执行两大核心能力取代研发过程中部分枯燥而重复的工作；同时，我们认为平台应该深度集成中间件，提供一个完整的金融级服务编排解决方案。服务编排能力大图如下：
3.3.2.3异构应用集成
1.传统微服务、ServiceMesh和传统单体应用集成需求
在向云原生架构转型的过程中，传统单体应用也面临着迁移云原生分布式转型的挑战；同时，两种微服务架构（传统SDK微服务和Sidecar模式）并存已经是一个不可回避的现实问题。如何打通诸多异构应用系统，实现全面云原生分布式转型，需要有一套强大的技术支撑体系。
2. 基于服务网格(ServiceMesh)实现异构系统集成
在云原生架构下，服务网格可以轻松应对异构系统集成的问题。通过服务网格平台，提供与平台无关、语言无关、轻量无侵入的云原生架构集成与治理能力：兼容 Kubernetes和 Istio生态、支持传统SDK模式微服务框架的服务治理；支持物理机、虚拟机场景，兼容过渡阶段的容器化和虚拟化混合部署的场景，满足传统单体应用向Service Mesh转型的需求。
3.3.3应用系统建设
应用系统建设层提供标准化生产线，屏蔽复杂的云原生技术细节，规范云原生应用开发标准。
应用系统建设层面，应重点考虑以下几方面：
统一ISV（独立软件开发供应商）开发技术栈，避免技术管理失控，降低系统运行风险；
统一、易用的开发平台与框架，简化和规范化应用开发；
全流程覆盖的DevOps体系，涵盖需求结构化管理、代码版本与分支管理、质量管控与度量，自动化编译打包与部署等方方面面。
3.3.3.1统一开发体系
1.复杂的云原生技术细节和难以管理的ISV（独立软件开发供应商）多技术栈应用
在云原生体系下，应用开发所采用的技术架构，涉及到数量庞大、使用复杂的技术组件，如何让技术服务于应用开发而不是成为障碍和故障点，是一个必须回答的问题；同时，采购了大量独立软件供应商（ISV）的应用，不同ISV使用了不同微服务框架、注册中心、消息中间件、事务中间件等中间件，实际造成行里的开发技术栈不统一，提高了开发人员的学习成本，同时也增大了系统的运维难度。
2.简化、标准化和规范化应用开发
通过云原生应用开发框架，提供从金融级应用、组件到工具类包等多层次的开发支持，从而提升研发效能、保障研发质量。这里面应该主要包括：
通过脚手架，快速创建规范化、标准化、金融级的应用开发工程；
通过组件模板，生成符合不同金融场景的组件使用模板代码，确保使用的正确性和规范性；
在工具类包层面，提供全面的金融级工具类，避免安全隐患。
在应用层面，通过脚手架可以快速创建规范化、标准化、金融级的应用开发工程。工程基于应用模板（灵活可定制）创建，目录结构和应用分层标准化，集成金融级中间件和架构规范（日志、错误码等规范）；
在组件层面，可生成符合不同金融场景的组件使用模板代码，确保使用的正确性和规范性。以金融IT开发中备受关注的分布式事务组件为例，可以基于不同业务场景选择合适的事务模型，生成标准化代码模板，开发人员只需要关注业务逻辑实现即可；
在工具类包层面，提供全面的金融级工具类（例如金融日期操作类、金额操作类等），避免安全隐患。
3.3.3.2开发运维一体化
1.云原生分布式核心对研发、运维发布的挑战
从传统核心到云原生分布式核心，不仅仅是系统本身的架构进行了重塑与变化，更是在团队、度量、流程、规范、质量、工具、时效等层面都提出了更高的要求。有以下几方面的挑战需要去应对：
需求结构化与变更管理：业务需求条目化之后存储，需求变更影响分析、代码修改与测试用例变更整个过程形成闭环管理；
代码版本、分支的管理策略：面对不同上线周期的需求，如何设定代码分支、如何进行合并管理，需要有成熟的指引与配套工具；
代码质量管控与度量：面对不同合作伙伴、不同能力层级的开发人员产出的代码，需要做到代码质量可度量并得到有效的管控；
自动化编译、打包与部署：众多微服务应用、多环境和大规模部署集群，手工构建与发布已经完全不具备可行性，必须有配套的工具支撑。
2.开发运维一体化支撑高效研发与运维发布
开发运维一体化平台，覆盖从项目协同、代码管理到持续集成、持续发布等阶段全流程管理，避免多入口和流程割裂，实现规范、标准的快速落地，提供从研发到发布的全链路数字化管理，确保核心系统的研发效能和高效可靠发布。
开发运维一体化平台我们认为应该具备以下几方面的能力：
项目协同：提供对需求、迭代、缺陷等各个维度的协同管理以及相关的统计报告，让研发团队高效协作；
代码管理：提供代码托管、评审和扫描、质量检测等功能，保护企业代码资产，实现安全、稳定高效的研发生产；
测试管理：标准化管理测试用例，快速搭建一体化（开发、测试、反馈）流程，有效提升交付效率和治理；
持续集成、发布流水线：提供灵活可用的持续集成、持续验证、持续发布功能，帮助企业高质量、高效率的交付业务；
制品仓库：提供多种软件包管理工具的企业级私有仓库服务，支撑企业级依赖托管。
知识库：通过可协作的结构化文档，将知识沉淀下来，并在团队中有效流动，提升企业创造力。
3.3.4基础软件设施
基础软件设施层面，提供在苛刻的金融场景中久经考验的基础软件设施和架构体系，涵盖从运行时和运维时所需要的各项能力，包括异地多活单元化架构能力、分布式服务能力、分布式数据库、高可用运维能力。
基础软件设施层面，应关注以下几点：
采用充分磨合与验证、功能完备（如单元化支持）的中间件体系，而非在应用系统开发阶段还需要不断修修补补、甚至进行架构妥协的中间件体系；
满足自研可控与容灾需求的分布式数据库，容灾情况能够真正做到可切换、敢切换；
异地多活单元化能力，不只是架构设计，还需要中间件、数据库和运维体系都具备必需的单元化支撑能力。
3.3.4.1分布式服务能力
作为支撑云原生分布式核心应用分布式、微服务化的基础能力，分布式服务能力应该涵盖：同步调用的双模微服务、异步解耦的消息队列服务、支撑批量作业的任务调度和API网关。
1.高性能的双模微服务体系，满足联机交易场景需求
双模微服务体系，支持传统SDK服务框架和ServiceMesh两种模式的微服务体系。核心系统对双模微服务体系，有以下具体的能力需求：
高性能：核心的一个交易可能涉及到多次服务调用，服务框架必须高性能以避免提高服务响应时间；
可扩展：扩展性包括多个方面，例如：每家银行内部通讯协议各有不同，强大的扩展性是服务框架适配行内需求的重要考量；
企业级的服务注册中心：具备支撑海量服务注册发现的能力，从而实现银行内部真正服务打通；
服务治理能力：在具备限流、熔断、服务访问控制等动态服务质量治理能力的同时，具备与静态服务治理打通的能力，从而形成服务动静结合、全生命周期的管理；
高性能的服务链路跟踪：支持抽样的高性能跟踪能力，为分布式环境下的问题排查提供必需的基础能力。
2.高可靠的消息队列服务，满足异步解耦需求，提升交易响应时间
云原生分布式核心系统中，通过消息队列可以将很多业务功能从联机交易中解耦，在提升联机交易性能的同时，也为业务的扩展性提供了可能。
例如：存款账户余额变动通知，可以通过异步消息发送给不同的系统进行消费，从而实现多种类型的业务功能（短信/微信通知、头寸实时计算等）；交易核算分离也可以通过异步消息做到准实时的核算。
云原生分布式核心系统中，消息队列应做到消息不丢、确保能够被消费成功。
同时，事务消息机制是消息队列应该提供的能力；无需核心应用再建立一套消息发送表，来实现消息的可靠发送。
3.高性能、高可用的调度框架，支撑核心系统大量的批处理作业
核心系统有大量的批处理作业，包括基于文件的批处理（如代发工资）和周期性执行的批处理（如存款结息、计提等）。
在分布式架构下，批处理调度框架具备两个层面的能力，提升处理性能：
应用分布式架构的调度、协同：统一调度、协调分布式下的批处理应用集群，充分利用分布式算力、提升批处理执行效率、降低处理时间，为日终作业链加速，留出更充分的时间给大数据处理等系统；
数据分布式架构的作业拆分与事务控制：数据分布式存储之后，一个作业中的数据按照合理的规则进行数据分包，以数据包为单位并发处理以提升执行效率，同时，要考虑分包策略对数据库事务的影响。
同时，调度框架的高可用性也非常重要，完善的重试、断点续作等自动化异常处理机制，可以大大降低运维人员的人工介入，在提升效率的同时避免人工干预带来新的风险。
4.多种模式、高性能和保障一致性的分布式事务组件
核心应用服务的分布式化和数据分布式存储，必然会引入分布式事务。分布式事务组件具有以下能力：
多种事务模式：支持TCC、SAGA等多种分布式事务实现模式；支持跨服务、跨数据库的分布式事务需求；
异常处理能力：支持空回滚、防悬挂等能力，完善的异常处理机制，包括挂起事务、异常事务的重试、监控与告警等处理。
5.高性能、多协议且具备灵活路由规则的API网关
在部分银行的实践中，云原生分布式核心在银行整体IT架构中对外还是一个完整的系统。在这种架构下，核心系统可以通过API网关作为对外服务门户，实现服务治理、协议转换等统一的处理；同时，在单元化架构下，基于API网关进行服务路由分发，是单元化必备的能力。
对于API网关，需要具备如下几方面的特点：
高性能：作为每个对外服务都经过的链路节点，高性能是API网关最基础的要求；
支持多协议和协议转换：支持常见RPC协议（Dubbo、HTTP等）和行内特色通讯协议的自动转换能力；
灵活的路由规则配置：支持自定义扩展路由策略，从而可以快捷的实现单元化路由功能；
服务治理能力：在网关层提供熔断、限流、降级、访问控制等治理能力。
3.3.4.2分布式数据能力
分布式数据能力有三种不同的架构模式：分布式数据库、传统关系型数据库+分布式数据中间件体系、分布式数据库+分布式数据访问中间件。
这三种模式中，推荐采用“分布式数据库+分布式数据访问中间件”模式配合单元化架构，在充分发挥分布式数据相关优势（容灾、自研可控、弹性）的同时，又能享受单元化架构带来的红利。
1.分布式数据库
应用于金融核心系统的分布式数据库，必须在核心金融场景中稳定运行、经过严格的验证。分布式数据库应具备以下几方面的能力，降低核心系统研发和运维难度：
分布式事务引擎：内置成熟的分布式事务引擎，严格支持事务的ACID属性；
透明可扩展：支持对应用透明的在线平滑扩缩容，提供不受限的数据容量和处理能力；
极致的高可用：作为核心系统数据库，需要有完备的高可用架构和高可用等级；
同城容灾RPO为零：确保同城容灾可切换、敢切换；
满足自研可控需求：国内自主知识产权的数据库，安全可控。
2.传统关系型数据库+分布式数据中间件体系
基于传统关系型数据库和分布式数据中间件，也可以实现数据分布式存储与访问能力。该模式下，分布式数据中间件体系需要包含以下组件：
分布式数据访问组件：支持对应用代码透明的分库分表、读写分离和全表扫描，能够生成全局唯一序列号，可以实现平滑扩容；
数据同步组件：实现数据变更的准实时处理。通常用于数据多副本同步、分库分表数据汇聚、分布式缓存更新等场景。
3.分布式数据库+分布式数据访问中间件
在单元化架构下，通常采用这种模式。分布式数据库基于业务数据某个维度切分为多个集群部署，每个集群相互独立；数据访问中间件提供对应用透明的集群选择能力。
3.3.4.3高可用运维能力
1.核心系统转型中带来的运维挑战
核心系统在云原生分布式转型过程中，运维同样也面临了一系列新的挑战，其中最为主要的几个挑战有：
随着核心系统进行微服务应用拆分，原有运维管理的应用从个位数增长为数十甚至上百个；
核心应用微服务拆分后，交易链路需要跨多个微服务应用完成，对业务监控和定位提出了挑战；
以往核心系统主要采用被动运维方式，即出现故障然后定位故障和处置故障，而随着业务的不断发展，核心系统也面临互联网流量、业务快速上线等冲击，为应对多方冲击需要从被动运维转向主动运维；
技术的进步也驱动了核心系统容灾的升级，同城容灾切换RPO=0也成为新核心建设的目标，既满足合规要求，也极大的减少了业务损失；
此外还有诸如混沌工程，AIOps等智能化运维工具的优势也在逐步应用到核心系统运维中。
2.四位一体的高可用运维保障体系
核心在云原生分布式转型的同时，构建与之对应的高可用运维保障体系显得尤为必要。总体来说，高可用运维保障体系需包括系统安全、资金安全、高可用能力以及成本容量管理四大部分，如下图所示：
资金安全：发现资金损失的风险。通过执行核对规则，以小时为频率、准实时等多种时效策略，发现资金类数据问题，向用户告警；用户可以第一时间收到告警，根据异常数据排查问题，分析原因，进而解决问题；
系统安全：通过IaaS层安全系统和安全攻防演练，确保基础设施层面的安全；基于应用安全体系、数据隔离和安全扫码，确保应用层面的安全；
高可用能力：高可用能力包括风险预防能力和应急处置能力。一是通过高可用巡检能力和应急演练能力建设加强高可用风险预防能力；二是通过监控能力，故障定位能力，应急预案能力建设和打通加强应急处置能力；
成本容量管理：通过全链路压测来提升系统和业务真实水位测试能力，以此为基础去打通资源管理平台和容量管理平台。在保障业务容量稳定的前提下实现容量管理自动化，快速进行容量调拨。
3.3.4.4异地多活单元化
异地多活是分布式系统的一种高可用部署架构，可以满足金融机构城市级容灾的需求。实现异地多活架构的关键问题是如何处理跨地域的网络延迟影响，而单元化架构为异地多活架构的实现提供了可行路径。
所谓单元，是指一个能完成所有业务操作的自包含集合，在这个集合中包含了所有业务所需的所有服务，以及分配给这个单元的数据。
单元化架构就是把单元作为部署的基本单位，在所有机房中部署数个单元，每个机房里的单元数目不定，每一个单元都部署了系统所需的所有应用，数据则是全量数据按照某种维度划分后的一部分。
通过采用单元化架构，在容灾、弹性、资源利用率和灰度发布方面都将有显著收益：
容灾与业务连续性：支持同城和异地容灾模式，RPO=0，RTO很短；单元化多活，缩小故障影响范围；借助自动化容灾平台，可支持容灾预案和便捷的容灾演练；
弹性：异地多活提升扩展性，理论上无限扩展；按照单元灵活部署，提升扩容效率；
资源利用率：相对传统两地三中心部署架构，单元化架构能够充分利用各个数据中心资源，显著提升资源利用率；
灰度：灵活的流量调拨能力，支持单元级灰度发布；新老单元调用隔离，避免交叉访问兼容性，提升发布效率。
单元化架构的核心原则是单元内流量封闭，这样将同一笔业务处理的上下游链路均在同一个单元内完成，避免了中间跨地域调用的网络延迟。为了实现单元化架构，需要围绕两个方面来设计系统能力，一方面是数据分区，另一方面是交易路由：
数据分区：对于数据的存储至少需要具备两项能力。其一是数据分区拆分，即是把数据按照某一个维度水平划分开来；其二就是系统业务数据分区所用的拆分维度和拆分规则都保持一样，确保同一条交易在整个链路中各个业务系统的数据分区是一致的，避免出现因拆分规则不一致导致的跨单元访问；
交易路由：一笔交易链路中能够按照预先设计的单元流量规则进行流量的路由和转发。
1.经典单元化
采用中间件来实现单元化的方案，在头部互联网公司和一些大中型金融机构获得了广泛实践，并且获得了广泛的技术收益，我们称之为“经典单元化”架构。
经典单元化架构对中间件、数据分区和运维体系都提出了相应的能力要求：
中间件能力要求：各中间件（API网关、服务框架、消息队列等）集成单元化路由能力，并且能够通过全局的动态配置中心实时修改并准确推送路由规则到各中间件，实现单元化的切流。例如：API网关能够根据路由规则选择合适的单元进行调用分发；服务框架能够根据路由规则进行服务提供者路由、消息队列能够根据路由规则进行消息跨单元投递
数据分区能力要求：数据按同一维度水平拆分；数据分片按地域部署，各数据分片在同城和异地均有副本，数据库分片主备副本可随时切换；非容错场景各机房应用只访问本单元数据分片，容灾场景可直接访问同城的数据分片；
运维体系能力要求：支持单元化架构下的监控、容灾切换、应急预案等能力。
2.动态单元化
经典单元化架构中，对应用数据分区和中间件能力建设提出了很高的要求，系统建设成本较高、实施周期较长。
伴随技术的演进，分布式数据库、服务网格技术逐步成熟，并已在头部互联网企业获得了广泛应用，这些新技术应用也为单元化架构的实现带来了新的思路。
仍然从单元化架构落地需要具备的两项能力出发，数据分区和交易路由：
分布式数据在线分区调整与扩容能力：传统实现数据分区的方式是数据结构上增强拆分键用于分库分表后的数据访问路由。这种方式一旦投产后数据拆分规则就不能随意进行调整，如迫不得已必须调整，则要进行数据拆分的重新分布迁移，对业务连续性会有较大的影响。分布式数据库依靠自身的分区技术可以实现对应用相对透明的数据扩展能力；支持在线分区调整的能力则对单元化架构下实现数据分区的在线调整提供了可行性；
服务网格统一管理路由规则能力：服务网格技术是将中间件等能力下沉，实现原有各中间件的功能。同样，对于单元化的路由，也可以下沉到服务网格统一处理，减少单元化架构落地实施时对各中间件的能力需求。
通过服务网格加分布式数据库的单元化方案，因为可以根据业务需求而动态的调整分区和路由规则，所以我们称之为“动态单元化”方案。
3.3.5基础资源设施
基础设施层具有高度开放性和弹性扩展能力，可以灵活适配、稳定管理不同类型的基础设施，为核心系统的自主掌控和降本增效提供无限可能。
云原生架构下的基础资源设施层面，应重点考虑以下几方面：
IaaS层能够真正做到按需快速交付，避免复杂又漫长的申请、审批和采购流程；
安全、稳妥的推进自研可控能力建设，确保核心系统的业务连续性。
3.3.5.1弹性扩展能力
采用云原生架构的IaaS层，实现云原生分布式核心系统按需获得IT资源、保持业务持续性的需求。
通过基础设施云化，实现资源打通，通过弹性扩容，使得成本、性能及稳定性达到最优。
IaaS层应具备以下几方面的特征：
软件定义平台，屏蔽底层硬件差异，资源可根据需求进行横向或纵向的扩展，对上层应用无感知；
生产级的可靠性及安全合规，保证金融机构数据的连续性和安全性；
统一管理入口，对不同人员的角色进行权限隔离，便于用户运维管里。
3.3.5.2自研可控能力
核心系统作为银行最关键的业务系统，逐步落地自研可控的信息技术体系成为必然的发展方向。然而，在落地层面存在以下几方面的难点：
1.核心系统的自研可控涉及技术面较广，包括应用、中间件、数据库、云软件/虚拟化软件、各类硬件设施；
2.核心系统在落地自研可控的同时仍需保障高标准的可用性，不能因单个或部分替代导致技术水平降级；
3.不仅是中大型银行，小型银行也需要在科技人员规模较小的情况下对核心系统的开发和维护实现自研可控。
而通过多云管理与一云多芯能力、自研可控单元化架构体系，可以满足银行核心系统在自主掌控方面的需求。
1.多云管理与一云多芯
多云管理和一云多芯是解决基础资源可管理、可替代的重要基础。多云管理使用单一控制器对多种云资源（也可包括虚拟化环境）进行灵活的管理、编排、部署。一云多芯则通过适配多种类型服务器和服务器芯片，屏蔽底层硬件的差异，实现统一的云资源纳管。
2. 自研可控单元化架构
单元化架构本身具备单元内应用封闭、业务自闭环、流量可调拨、可快速容灾切换等良好的架构特性。特别适合使用到核心系统这种跨多层技术栈的自研可控场景，可通过分别构建传统软硬设施的单元和可替换软硬设施的单元，并合理分配业务流量，当某个单元出现故障时也可快速把流量切换到另外一个单元，既可逐步落地自研可控，又满足了业务连续性和技术水平不降级的要求。
3.4基于能力体系打造的金融级云原生工场
基于上节对五层十二大能力的分析，我们认为需要一整套端到端的能力体系，能够覆盖从业务建模、架构设计到系统建设，再到系统运行和运维的全流程；同时，这套能力体系应具备明确的实施工艺和高度的自动化能力，从而形成可标准化、规模化与高效的工场化生产模式。
基于这套能力体系打造的核心系统云原生分布式转型与建设模式，我们称之为“金融级云原生工场”模式。其中“云原生分布式核心轻咨询”与 “双核心并行与不停机迁移”作为系统实施路径的两个阶段，在下一章中进行阐述。
从生产过程与运行的视角来看，金融级云原生工场整体上包含了以下几方面的内容：
设计车间：业务领域建模是将业务需求转化为IT能力的关键设计环节，充分考虑云原生应用的特点，使用领域建模及管理平台，把建模过程变得简单、敏捷，建模成果易落地并持续保鲜；
原材料（功能完备的组件与连接器）：核心引擎通过中台化能力中心，承接业务领域建模成果，为生产业务系统提供功能完备的业务组件；服务治理与集成作为连接器，集成各业务组件进行服务组合，支撑业务快速创新；服务网格作为连接器集成多种技术栈的新老系统，为应用互联互通提供保障能力；
标准化生产线：通过企业级应用开发和架构治理平台、企业级一站式DevOps平台，屏蔽复杂的云原生技术细节，提供低代码编排生产能力，助力金融机构和合作伙伴（ISV）高效开发业务应用；
运行底座：坚实的技术底座，涵盖充分磨合的PaaS、IaaS、单元化架构和高可用运维体系，为云原生分布式核心的稳定运行奠定坚实的基础；基于单元化架构和一云多芯的自研可控能力，满足金融机构自研可控需求。
经过对国内一些金融机构的核心下移与改造的实施路径和建设模式分析，可以基本上分为两种建设模式：
1）核心自主重构模式
路线特点：
1.自主研发新核心系统，非采购ISV（独立软件开发供应商）核心系统产品，强调自研可控
2.大多数原有核心采用AS400或大机的银行希望采用重构的方式完成核心下移
3.建设目标包括业务建模、领域架构重构
4.绝大多数银行构建了全新的核心应用技术平台
5.部分银行选择基于云平台进行核心系统重构
6.部分银行在核心重构过程中包含自研可控规划
7.核心开发实施过程会采购ISV（独立软件开发供应商）的人力资源
采用该路线的银行范围：国有大行、股份制、大农信、部分中大城商/农商
2）采购核心产品套件模式
路线特点：
1.采购ISV的核心系统产品，并主要基于ISV的人力资源完成核心实施交付
2.主要诉求为替代原有第一代的老旧核心
3.基于ISV核心产品的业务模型和架构建设
4.基于ISV核心产品自带的应用技术平台
5.部分银行要求ISV产品简单部署在云平台上
自研可控方面，部分银行仅能够要求ISV产品集成国产数据库
采用该路线的银行范围：部分中小城商/农商、民营银行、外资银行
4.1四阶段五层模式
通过结合国内金融行业核心相关领域的实践以及核心领域对于技术的云原生分布式转型的业务能力，工程能力，技术能力要求，横纵结合形成4阶段5层的建设模式和路径：
通过这张图我们可以清晰的认识到核心下移云原生分布式转型的路径的全貌以及自身所处的不同阶段。上图中任务颜色的深浅代表在不同阶段中任务的关键程度和优先级，颜色更深的优先级更高。且每一个阶段的产出是下一个阶段的输入。从而形成一个系统化的完整的核心下移的顶层工作任务与路径阶段安排。
例如部分银行采用重构模式，即业务架构和技术架构并行改造，以金融业的领域模型重构核心业务的同时配以主流的分布式架构支撑系统；也有部分银行采用平迁模式，保持原有系统业务逻辑和流程不变，仅通过选用分布式数据库来满足底层海量数据要求。
4.2多种实施路径
4.2.1重构模式
银行核心系统的重构之旅，不仅仅只是互联网技术改造，更是自身服务模式和服务思维的再造。从流程银行转向数字银行，从产品为中心到客户为中心，从做功能转向做场景，从做渠道转向做平台。整体的实施路径会从业务重构及核心应用技术平台搭建两大方向入手,进而实现核心银行业务数字化转型。
4.2.1.1业务重构
回顾“面对误区的破局思维”的断言6
断言6：核心转型相比选择“供应商”而言，更为重要的是选择具备“端到端落地实践”的。从理念、方法论、设计规划、平台架构、标准规范都能够战略性长期投入和总体把控的“合作伙伴”才能真正落地实现业务敏捷和推动数字化转型，而不是为一堆冠名“数字化转型”的文档买单。
业务重构主要是根据业界领先的理论和最佳实践建立企业级业务模型，进而基于模型逐层细化业务规划并向产品参数化设计转变。整个改造过程会以现状业务流程、数据和产品实践为基础，以待实现的业务需求为输入，以领域驱动设计思想为指导，形成具备模型驱动的核心业务架构体系。
传统的建模方式注重在企业级架构规范的范畴，能够以结构化的方式将战略，业务连接起来，但是从实际的落地来说，并不是传统建模方式关注的。以产品为例，结合领域分层的理念，下图能够比较清晰的表明企业级建模与系统架构设计两者之前的差异。
同时传统的领域建模需要耗费大量的人力和资源，通常周期比较长，并不是所有的金融企业都能够参考建行的模式。往往全行级建模花费了数年的时间之后，整个格局，环境，战略又发生了变化，导致与时代的错配。在这个背景之下，敏捷，中台化，领域化建模的理念开始逐步进入大家的视野。
核心系统领域化架构设计的原则
1.把核心系统打开，对原有核心的业务能力重新进行领域划分
2.把核心系统中的领域实体构建成微服务应用，实现核心服务能力的对外暴露，以及业务的松耦合
核心系统领域架构设计的进一步描述
1.将核心系统的通用领域提升到中台能力层次：客户中心、产品中心、合约中心
2.将核心系统的基础功能放入基础服务层，并构建成为对应的微服务应用：账户域、定价计价域，核算清算域、公共域、财务域等。
3.将核心系统中的各个业务产品放入产品服务层，各个业务产品的微服务包含了对中台能力服务和基础服务的流程编排组装。
经过中台化的重构之后，原有的业务流程建模和逻辑也会发生相应的改变，以定期支取为例，在经过中台化的建模改造之后的流程变成如下的模式
4.2.1.2技术重构
回顾“面对误区的破局思维”的断言2、3、5
断言2：“基础不牢、地动山摇”，底层架构的高效稳定是第一目标。底层架构在起步阶段从“统一架构”更加容易走稳，再逐步进行局部优化和解耦。
断言3：核心架构中“非功能性需求”考虑要大于“功能性需求”。“非功功能性需求”应由技术架构来承载。业务模块可以解耦设计和分包，技术架构要统一规划和统一标准，实现核心领域的“统、分结合”。
断言5：核心转型最佳路径是追求“P/PC平衡”-- 产出和产能平衡。不仅仅是完成 “产出”任务（应用迁移），更为重要的是升级“产能”（技术架构能力）。“产能”（技术架构）升级后会推动更大的“产出”（业务价值），成为全行数字化转型的助推引擎。
从这三个重要的判断可以看到，核心云原生分布式转型需要一整套具备可伸缩、高可用的分布式金融技术平台作为支撑，核心应用技术平台的搭建整体包括DevOps平台、分布式中间件平台以及运维保障平台三部分。其中DevOps平台能提高核心应用开发上线的效率，主要包括有项目协作、代码托管、持续集成持续交付等；分布式中间件平台提供核心应用分布式能力层，提供了兼备应用分布式和数据分布式能力；运维保障平台主要承载核心业务系统高可用应急管理功能，提供支持容量管理、压测管理及容灾管理。
同时，技术重构由于涉及的方面太多，我们进一步的进行层次化的拆解与明确，定义了五层十二大能力体系，帮助金融机构进行相应的落地设计。
企业自身可能不太具备这样的技术能力和相应匹配的团队，需要借助大量的外部资源与伙伴来完成整个理想中的蓝图。整体的价值，优势的可获得性相对比较低。我们建议在建设过程中配套匹配的工场，流水线，实施工艺等模式，降低整体的设计，开发，部署，运营，运维的难度。让这些先进的技术真正可以落地，可以自主的掌控。建议增加中间框架体系与流水线体系，进一步降低落地难度，增加技术的可获得性，让终端的开发、运维等技术人员更容易上手，更容易使用。
4.2.2平行迁移模式
平迁模式实施的原则和前提是对业务不产生影响。业务流程不变、业务功能不变、应用处理逻辑不变、与外围系统接口不变以及数据逻辑模型不变。
在这种模式下，主要解决的是国家一些指引的要求，同时解决集中式架构的非功能层面带来的一些挑战，例如性能、扩展性这些阻碍业务发展和损害客户体验的障碍。但从助力业务发展的视角来看，平迁模式是一个过渡性的中间状态，从长远来说，最终还是要解决业务敏捷带来的挑战。
从目前行业目前的实践来看，目前具体有这么几种平行迁移形式
1）数据不动，应用下移
数据架构不动，应用按照一个一个模块进行下移和分布式改造，在过程中建立起全局的注册中心，基础微服务框架体系，同时引入分布式中间件相关技术来支持交易路由、交易熔断降级、安全中心、统一配置中心等功能。此外，为更好应对核心下移，运维体系需要相关改造完成相应日志监控、链路追踪和监控报警等功能。
这种模式的利：
数据体系和架构一般与业务和应用关联度比较高，尤其经过长期的运行之后，数据体系非常复杂，牵一发可能会动全身，回归测试等成本也会非常高。所以不动数据的模式相对比较简单，业务人员的参与程度非常低。基本上技术可控，在过程中锻炼了技术人员的分布式，云原生能力，锻炼了团队。
这种模式的弊端：
没有新的业务价值的过多体现，并且整体架构没有太多变更，转型不彻底，尤其是数据架构容易造成各种瓶颈，无论是对业务敏捷而言，还是性能角度而言。并且代码的自动化翻译工具等体系无法很好的应对领域建模等中台化要求，翻译代码需要大量的性能优化与调整，采取这种模式的开发人员通常需要花费70%的经历在代码的性能结构优化上，无暇应对新业务应用的开发。
2）应用不动，数据下移
为了灵活应对海量交易和超量数据的冲击，需要使用分布式数据技术来解决数据一致性问题。这种核心下移和分布式改造模式多辅以少量人工完成主机核心应用程序改造，或者自身已经在x86虚拟机等集中式架构下。通过接口改造与适配等来对接分布式数据库体系。这种模式对于底层的分布式，云原生数据库的技术要求非常高。
这种模式的利：
底层的交易瓶颈比较容易解除，并且实现了分布式情况下的最大挑战之一的数据一致性挑战。
这种模式的弊端：
对于分布式数据库的技术要求，成熟度要求太高，可供选择的供应商不太多。同时从业务角度而言，没有新的价值体现，也无法做到业务敏捷。
4.2.3 SaaS化批量模式
相比传统集中式架构，云原生分布式核心建设对技术积累、人员能力的要求也更高，相比有自研能力的大中型银行，中小银行新建核心除了依赖厂商的支持，也存在另一条新的路线，即金融核心SaaS。
基于云原生架构研发的金融核心，经过实地落地验证后逐步完善、标准化，最终走上SaaS化。对于银行、尤其中小银行研发资源有限的情况下，避免投入大量时间、资源做核心的下移或重构，利用SaaS产品提供的标准化组件、OpenAPI，采用低代码、服务编排快速实现业务敏捷，通过服务网格、Serverless等技术将非功能的需求下移，保障系统的高可用、可扩展、可灰度、可观测。
选择SaaS化的金融核心开拓了核心下移之旅的“批量模式”，也是面向云原生未来的架构。
4.3 在线迁移与双核心并行
4.3.1 面临的并行挑战
云原生分布式核心建设一个关键必经之路就是如何在保障安全可控的基础上完成新老核心的切换，金融机构出于人员、成本、风险等因素考虑，针对账务核心部分往往会采用按模块、按机构分批迁移的策略，云原生分布式核心建设进入到投产期将会存在双核心并行。传统方案中迁移动作需要在停业期间进行，对银行提供服务的连续性造成影响。
金融机构对自身分布式技术平台、运维体系以及核心应用的成熟度存在担忧，传统做法是在投产之前进行大量的功能测试、迁移演练、旁路验证等，但这些均不能完全呈现生产环境实际运行情况。
另外，对核心实施人员来说项目周期长、压力大，核心下移是持久战、要打硬仗，但也需要有阶段性成果进行激励、给团队信心。
4.3.2 云原生分布式核心推荐迁移策略
在按模块、按机构分批次迁移的基础上，将迁移颗粒度进一步缩小到按单客户、单账户进行迁移，把迁移的风险控制在可接受的程度。同时，整个迁移过程全部实时在线完成，包括从旧核心的数据迁出、新核心的数据迁入、并保障数据一致性。整个核心迁移期间银行不间断对外提供服务、客户无感知。
具体实施中迁移批次可以按照先内后外（银行内部客户到外部客户）、先简单后复杂（基于大数据分析客户交易习惯）等策略进行安排。
4.3.3迁移平台能力建设
要达到双核心并行以及在线平滑迁移的效果，云原生平台需要具备如下关键能力：
1.全局路由模块实现新老核心数据识别和路由转发，新核心采用单元化架构的要同步考虑单元路由；
2.迁移管控平台对数据迁出、转换、迁入等迁移步骤进行统一调度，并且保障数据迁移一致性；
3.新老核心并行期对外提供服务保持一致，减少系统间集成的影响。
只有具备以上的能力要求才能到达客户无感、不停机在线迁移和双核心并行方案，支持核心系统从集中式架构平稳、有序过渡到云原生架构。
基于该方案，金融架构将获得两方面的收益：
1.降低迁移实施风险：按客户分批次迁移、试点，逐步验证、排查与解决风险，最终完成新老核心切换。
2.提高业务连续性：在线迁移对客户正常进行业务操作没有影响；同时，技术上可以实现迁移不涉及到停业。
爱它的人，总会让它一次次重生，并赋予它更大的意义。
经过上述的探讨，我们归结出来核心转型的一些价值，一些共识和通用的标准，结论如下，可以作为行业机构设计和实施的参考。
5.1 第三代云原生分布式核心的价值体现
核心的云原生分布式转型，成为第三代云原生分布式核心，有如下的一些价值方向:
1.自研可控，100%满足相关的国家要求
2.运维成本降低400%
云原生架构基于相对廉价的PC服务器构建，在同等处理能力下，分布式架构的单位运行成本大幅度降低，分布式架构的年均运行维护成本是大型机的17%
3.业务敏捷，缩短40%以上的落地时间
云原生，中台化的模式降低业务模块间的强耦合性，业务交付更加敏捷，平均需求交付周期可以缩短40%左右，在进一步提升效率之后，可以达到数量级的效率提升
4.弹性扩展，完全线性
云原生架构具备良好的横向弹性扩展能力，较好的满足中国特有的“春节高峰”时段的特殊要求以及每年超过20%以上的业务增长量的需求，同时在底层资源充足的情况下，能够做到即时的线性扩容。
5.下一代的异地多活架构，RPO=0，RTO<1分钟
基于云原生的单元化异地多活架构，以及分布式中间件，分布式数据库，云原生分布式框架，可以构建超过三地五中心全活多活架构，具备城市级别灾备能力，城市级别RPO=0，RTO分钟级别RTO<1分钟。
5.2 第三代云原生分布式核心的关键标准
通过全篇的介绍，我们最后尝试提出云原生第三代核心的一些关键标准，这也是行业从业者的一些共识。而为了达成这些标准，我们必须转换思路，打造能实现这些标准的自动化流水线工厂。
1.云原生
云原生是应用架构演进，整体降本增效的必然趋势和要求
2.异地多活单元化
单元化是架构灰度，进行架构在线升级的关键企业级架构设计
3.中台化
中台化是实现业务敏捷，业务弹性，应对未知挑战的关键要素
4.数字化
数字化是实现面向未来金融基础设施的关键设计
5.自研可控
自研可控是实现金融安全的必要保障
而云原生工场模式，是将这些标准与规范融入至整个的标准化制造与加工流水线以及实施工艺的端到端体系化模式，助力金融机构的核心云原生分布式转型。
5.3 核心相关系统建设的经验教训总结
1.分离采购与建设模式的折扣
核心的下移不简单是从主机等集中式环境换一个云原生和分布式的平台，传统的应用是应用开发商去建设，技术平台是技术平台供应商去建设的分离模式从最终预期要达到的效果和价值来说，并不会很好。因为应用开发商对于云原生底层技术平台并没有很深的了解，很多特性和优势用不上，只能当虚拟机或者普通的数据库来使用，基本上无法发挥出云原生的真正的价值。最终实现的业务价值会大打折扣。所以建议在整体建设之前，需要通过一个轻咨询或者咨询项目设计出整体的模式，架构，规划，周期，预算等，为后期的建设做好统筹的设计，而不要盲目的开展建设项目。
2.承上启下的困难与挑战
核心等关键业务系统的云原生分布式转型，需要对于核心业务以及对于底层云原生平台都非常了解，才能够真正实现高价值的核心云原生分布式转型。应用架构和数据架构，数据模型等关键要素需要匹配分布式的环境做适应性的改造和优化设计才能保证最终的效果。例如在云化分布式环境下的账户与账务数据模型的设计，例如在两地三中心多活架构下的业务应用分域，以及客户中心，产品合约的部署设计，例如在单元化模式下的单元区分规则，数不胜数。而这一点，往往很多传统核心从业人员不太理解，认为应用业务与技术平台无关，业务是业务，应用是应用，技术平台是技术平台。这三者的之间的隔阂，导致的业务无法敏捷，应用无法扩展。而我们急需的，便是运用工场流水线模式将这两个鸿沟进行联通，运用业务建模数字化平台和工序将业务与应用有机贯穿以及同步，达成业务敏捷，运用架构治理与脚手架数字化平台和工序，将应用和最终的开发运营运维体系有机贯穿与同步，达成应用敏捷以及安全可靠。实现最终的业务端到端敏捷。
3.性能等非功能性的忽视
从集中式架构的CA取向向云原生平台的扩展性取向进行下移和建设的时候，由于增加了很多的网络，RPC，分布式存储等传统集中式架构没有的底层开销，性能层面通常在早期的设计中没有很好的考量和设计，而到最后的整体端到端性能压力测试等时候才会爆发出来，无法满足基本的并发与时延标准，达不到上线标准，然后重新进行各种调整，这个时候大的体系基本上已经建设完毕，无法做整体性优化，无法达到最优的效果。所以，建议在架构设计以及开发的早期，就要引入全链路测试与容量规划的工具，早期识别关键链路以及关键设计的缺陷，为后期大规模应用建设排雷以及打好框架基础。
4.技术风险与运营的挑战
传统集中式架构的运维保障通常由厂商和传统的服务生态来保障，而到了云原生分布式体系下，整体需要运维的技术栈和平台的数量，整体架构的复杂程度远超以前，此时需要更多的将运维保障的任务交给自动化的，体系化的技术风险防控体系来处理，这部分的设计和建设的经验传统厂商基本上比较难以具备，也没有实际落地的经验。这对于整体系统的可用性，稳定性等带来很大的隐患和风险，这部分的提前的考量，设计与建设也需要在早期同步开展，因为SRE体系对于架构，应用开发等有一定的规范和要求，遵从这些最佳实践，才能给最后的运维提供必要的支持，便利和保障，确保整体性的运维管控能够做到实效，给生产系统稳定高效运行提供真正的高效保障。
5.系统建设实施的巴别塔
系统架构即组织架构，这里的组织架构从传统意义上大家理解是系统建设成之后，整体的内部开发，运维，管控的组织结构，权责边界以及沟通交流等体系。但是从实际情况来看，新一代核心的建设周期往往都比较长，通常比较大型的金融机构建设周期都会在20个月以上，参与方众多，大家往往会忽视这个长周期项目建设团队自身的组织形式与管理模式。在云原生分布式，中台化，业务敏捷驱动的这种新的核心架构方式之上，整个核心项目组的组织形式，具体工作任务划分的方式和边界，沟通交流方式这些也会有变化。这部分目前如果还按照以前集中式架构的项目组织和开展形式来运作的话，可能会有比较大的信息不对称以及摩擦，影响整体的工程效率和最后落地的实际效果。因此我们也建议整个项目工程管理和沟通模式需要采用新的组织理念，采用数字化的工具体系来进行组织协调，更高效更高质量的完成实际落地交付上线。
最后，如果需要用几句话来进行总结的话，那就是
“集中式架构，已经不止是一种技术架构模式，而成为一种根深蒂固的思维习惯和设计理念。当它成为潜规则而影响了创新时，我们往往身在此山中而不为所知。朝着云原生分布式转型的过程中，打破这种集中式架构的思维惯性和习惯（设计、开发、运维），这些才是最难改变的”
“从金融行业的角度而言，要实现核心的云原生分布式转型的关键在于打造一套新的云原生数字化流水生产线、配套设计工艺以及稳固的云原生分布式基础设施，尝试用综合的视角去改变那些最难改变的部分”。
本文希望能够给各位读者带来一些思考和收获，能够带来一定的借鉴。如果未来一定会发生，那就先进入那个未来！
雷峰网
或许，这与你的印象完全相反——区块链，正在一步步摆脱艰涩难懂的标签，走到田间地头、走到城市深处。
它在你打开的健康码背后，在电子病历和金融交易背后，也忠实地记载着祖国丰富的物产，如何穿越山海、分毫无损地端上你的餐桌。
从晦涩难懂到“平易近人”，一项新技术的落地总是千难万难。国务院此前就曾强调，要加快推动区块链技术和产业创新发展，探索“区块链+”模式，促进区块链和实体经济深度融合。
回望区块链的发展历程，不过十余年时间。尤其在发展初期，开发者几乎是“赤手空拳”地在构建区块链应用：部署底层平台、写合约，期间还要面对诸多的技术细节、技术难题，踏入各种“前无古人”的坑，调试和运营无一不艰难。
起航于2015年的微众银行区块链，自2017年起把区块链核心技术攻关成果陆续开源，到如今已构建出一整套覆盖底层、中间件、应用组件的全栈技术体系，帮助开发者从泥泞的羊肠小道，走到“高速公路”上来。
“在这几年间，我们一起见证了开源区块链技术确实是‘能用’的，而且越来越‘好用’。”微众银行区块链首席架构师张开翔感慨。
他透露，微众银行牵头研发的FISCO BCOS金融级区块链底层平台，开源至今的四年时间里，已经支持金融、政务、医疗、司法、农业、文娱等多个行业的数百个区块链应用场景落地，收集到超过200个标杆应用。围绕开源技术构建起的社区，已汇集超3000家企业及机构、7万余名个人开发者共同参与区块链产业生态的构建。
如今，微众银行仍在持续发力，为深化硬核技术、助力产业数字化而努力，致力于让区块链向实体经济而生，为平凡人的寻常日子而生。
在“后疫情时代”，健康码系统的建设已经成为各地疫情防控的“必修课”。
早在2020年5月，“粤康码”与“澳门健康码”就已借助区块链的力量完成跨境互认。如今，前往澳门的内地旅客，除了提供核酸证明以外，只需申领“粤康码”即可轻松过关，无需再次填写澳门本地的健康码。
据雷峰网了解，首次领码、转码到生成通关凭证，全过程平均时长仅需100秒。如若再次通关，凭证的获取不到3秒钟。
但两地健康码要想互认，当中至少面临三大难题：
一是隐私保护——澳门《个人资料保护法》规定，澳门境内个人资料不能直接通过数据服务器端发送出境，而内地、澳门两地居民的个人信息及核酸检测信息只有本地权威机构有能力验证。
二是用户体验——内地、澳门两地需要在用户数据不直接传输和交换的前提下，快速实现彼此出/入关，且整体转码流程自动化，不需要在多个平台重复填写信息。
三是时效性——彼此互转、互认的“健康码”在内地和澳门两地能够保证验真时效性。
而微众银行区块链开源技术顺利解决了上述难题：
“地基”是微众银行区块链牵头研发的底层开源平台FISCO BCOS，“支撑柱”是微众银行分布式数字身份开源解决方案WeIdentity ，连接底层平台与上层应用。
WeIdentity是符合W3C DID规范的分布式多中心的身份标识协议，完整地实现了分布式身份体系的协议和周边支撑组件，把住身份认证、身份标识的这一道“大门”，安全稳妥地在实体世界和数字化世界之间建立链接，使疫情的跨境联防成为可能。
为“澳门健康码”提供实施服务的，是澳门万高信息科技有限公司。相关负责人表示，之所以选择微众银行区块链开源技术，是因为其核心模块能够满足多业务场景的扩展和隔离，正好匹配跨境疫情联防的“跨地域、跨系统、跨数据库”运营需求。
同时，微众银行区块链全栈技术体系也在交易处理性能、安全机制、运维效率等方面有所保障，通过一系列工具降低了开发难度和成本，“尤其希望借助区块链底层框架优势，在场景跨越的过程中完成系统跃迁。”该负责人强调。
目前，粤澳健康码跨境互认项目已服务数以亿计的人次在粤澳两地跨境通行，对支持大湾区人员的正常流动和经济社会交流恢复发挥了关键作用，取得了良好的社会反响。此外，该项目也具有系统开放的特性，未来可以从“粤澳组联动”延伸至更多组群，不断扩大跨境疫情联防的边界，构建动态的“抗疫共同体”。
在健康码的实际操作中，微众银行运用区块链自身的技术特性完成了一场跨越濠江两岸的信任考验，但在更多的场景中，要实现全链条、闭环的信任，还需要做“加法”。
“区块链能保证数据上链后，不可篡改、不可消除、不可替代，不可伪造，但保证不了数据在上链前、下链后的真实、可信。”中科院计算所研究员张毅强调，区块链系统和外部世界的高效可信互联，是一个非常值得去研究的问题，当中就牵扯到区块链和很多技术的交叉融合。
在新近发布的《FISCO BCOS产业应用白皮书》中，众多案例不仅以FISCO BCOS为技术底座，也着眼于区块链与人工智能、物联网等众多技术的融合应用。
农业和食品安全，正是当中的典型场景之一。雷峰网了解到，金贵的阳澄湖大闸蟹，正是靠着这场技术交融，“保住”了自己的身价。
此前阳澄湖大闸蟹用的是防伪蟹扣，“上扣”流程容易被钻空子：部分渔民会事先采集别处水域里的相似蟹种，放入阳澄湖中，当接近售卖时，就申请蟹扣，也就产生了所谓的“洗澡蟹”。
浙江天演维真网络科技股份有限公司（以下简称“天演维真”）就基于FISCO BCOS，与GIS（地理信息系统）和AI等技术，开发出一套“农业产业全过程溯源云平台”，用于追溯、确保相关产品生产、运输、售卖等环节的信息真实。
其CTO易飞介绍称，每年先由苏州阳澄湖大闸蟹协会出面，联合生产企业根据当年饲养区域、气候等因素对大闸蟹的产量进行预估。
产量预估数据会进入区块链备案系统，数据审核通过后，协会颁发生产备案许可证。待各家企业进入实际养殖环节。
螃蟹成长过程的一些详细行为数据也都会“上链”，例如饲料选择、投喂时段等。数据分批次上传，一旦提交均无法修改。
当大闸蟹成熟，协会依据上链的备案数据给生产企业分发防伪蟹扣，并将蟹扣的编号与养殖批次进行关联，保证数量对等。
最后，采用智能合约、IP查询留痕等技术手段，消费者可以事后对防伪蟹扣进行查询比对。
如果单个蟹扣无法在系统中查询，或者查询IP留痕过多，均可证明此防伪蟹扣或被人反复利用、或本身即为假货。
“如此一来，业务主体数据在区块链上就会形成一体联动。一个业务主体如果想要对数据进行造假，就必须同时改变其他业务主体的行为数据，造假基本不可能再出现。”易飞说。
今年，工信部、中央网信办发布《加快推动区块链技术应用和产业发展的指导意见》，当中提到：
到2025年，区块链产业综合实力要达到世界先进水平，产业初具规模。区块链应用渗透到经济社会多个领域，在产品溯源、数据流通、供应链管理等领域培育一批知名产品，形成场景化示范应用。
阳澄湖大闸蟹与微众银行区块链开源技术相结合的案例，正是属于产品溯源的范畴。
除此以外，还有不少落地实例也呼应了这一政策号召。
以天演维真给西湖龙井挂上“数字贡牌”为例，当中就借助FISCO BCOS和物联网、计算机视觉等技术，对采摘、加工、包装、售卖等各个环节进行把控。
易飞透露，区块链会运用在整个系统的云存储层，“当时我们就希望能把区块链上链的技术复杂度封装在底层，继而，上层业务系统可以专注于业务流程，同时这也便于我们将其部署到不同类型的业务应用中。”
FISCO BCOS易用性高、学习成本低、部署方便，同时在开发语言、开发环境、多框架业务模式、智能合约版本上均有丰富积累，为系统打下可靠的“地基”。
在“地基”之上，各种精巧的业务应用得以顺利生长。例如运用物联网设备采集农情数据，包括茶叶经历的风霜雨露，可能出现的病虫害，基于数据再总结出相应的种植建议。
最后，当消费者购买到带“贡牌”的茶叶，只需扫码就能看到溯源的全过程信息。除草、施肥、病虫害防治、采摘、修枝这些环节的数据也会通过区块链进行上链，上链的哈希值也将向消费者展现。这相当于消费者拥有了每一份茶叶的“身份证”。
得到区块链“贴身伴随”的，不只有阳澄湖的大闸蟹、西湖的龙井，也有海南的阉鸡、内蒙古的肉牛——在微众银行区块链开源技术的支持下，天南海北的众多美食依靠区块链技术实现了真正溯源，在政府信用、机构信用之上拥有了“技术背书”。
在这些“接地气”的案例背后，微众银行区块链数年来对技术、应用与生态的持续投入，一砖一瓦都不含糊。
微众银行副行长兼首席信息官马智涛在金链盟2021年生态大会上回忆道，2015年，恰逢国内金融区块链发展处在空白期和迷惘期，一开始他们就坚定地选择了联盟链方向，向合规、安全和系统稳定发起“冲锋”，并将第一发展阶段的使命确立为实现区块链技术全面自主可控。
在这个使命方向下，微众银行区块链全栈技术体系实现了完整国产化支持，包括无缝适配国产麒麟操作系统、全部模块支持 ARM 架构、分布式存储引入国产 TiKV 数据库，并在计算、网络、 存储等各环节采用国密算法。
行至第二阶段，新的使命则是坚持将区块链应用于产业数字化，持续助力实体经济发展。正如前文所述，数百个的场景应用已经落地，并涌现了超过200个标杆应用，对产业区块链的发展起到了举足轻重的推动作用和借鉴意义。
这些年间，微众银行区块链打好了稳固的“基本面”，向高性能、易用性、扩展性、可持续性这些“加分项”也开始了更多探索。
张开翔介绍，全新升级的FISCO BCOS v3.0采用全新的微服务架构设计，实现模块化分层治理与平行扩展，更好地支撑大规模商用场景。他直言，“区块链速度慢”这个说法已经成为过去式。同时，通过优化链上状态数据结构、引入分布式存储体系，以及与隐私计算平台相融合等办法，数据容量有限、隐私保护难等“痼疾”也陆续被攻破。
据观察，FISCO BCOS已成为区块链产业应用的首选底层。在工信部中国电子技术标准化研究院主办的中国区块链开发大赛上，FISCO BCOS连续三年成为获奖项目中使用占比最高的区块链底层平台。在刚刚结束的2021年这一届，10个获奖项目中，5个基于FISCO BCOS研发。
在区块链底层平台的“底盘”之上，人机交互、智能辅助、云网互联等诸多能力方案也在不断拓展技术和应用的边界。前文所提及的WeIdentity，正是搭载的能力之一。除此以外，还有WeCross跨链方案致力于异构区块链之间互联互通，实现数字化时代的“书同文、车同轨”愿景；以及Truora预言机拓展了智能合约的边界，实现许多有趣、有用的链上链下互动，如基于可验证随机数实现分布式抽奖、基于汇率实现跨境金融业务等。
而这一系列的方案，正是微众银行区块链在探索过程中，根据自身对领域发展的理解，以及基于社区共识的前瞻预判，逐步形成的。
他们发现，开源项目应该是成型和高可用的，需要核心能力过关，又提供友好顺畅的交互体验。只有让开发者几乎无成本、无障碍地用起来，这样才会得到社区关注、认可，形成聚拢效应，吸引更多人共建。
为此，他们设置了高速访问渠道、一键脚本和可视化部署工具，WeBASE中间件平台一站式集成了运营管理台、开发者IDE、快速部署和运维工具、数据报表和审计分析工具等，一系列操作保证开发者“无痛”地开启区块链之路。
有开发者感慨：“从看完文档到动手，把链跑起来、合约部署上去，只用了5分钟时间。”
今年6月，工信部提到要从标准体系、技术平台、质量品牌、网络安全、知识产权等方面，协同提升产业基础能力，其中包括：推动区块链标准化组织建设，建立区块链标准体系；加强重点领域技术攻关，构建区块链底层平台，打造区块链基础设施；鼓励企业加强质量管理，构建区块链产品和服务质量保障体系；加强区块链基础设施和服务安全防护能力建设。
此时我们回头望去，会发现微众银行区块链的长线布局已与政策方向贴合，草蛇灰线，伏脉千里。
尽管已支撑数百个产业应用发光发热，构建出全栈技术体系，但微众银行区块链不打算止步于此。
工信部指出，我国区块链技术应用和产业已经具备良好的发展基础，在防伪溯源、供应链管理、司法存证、政务数据共享、民生服务等领域涌现了一批有代表性的区块链应用。区块链对我国经济社会发展的支撑作用初步显现。但同时，我国区块链也面临核心技术亟待突破、融合应用尚不成熟、产业生态有待完善、人才储备明显短缺等问题。
对此，张开翔表示，前沿技术研究有着许多路径要去探索，每个路径都有着繁杂的细节要研究，还有大量相关技术如物联网、人工智能、5G通信等可以有机融合进来。相信技术和产业发展的未来，很大程度上取决于生态的开放性和成长性，埋头于国产安全可控核心技术研发的同时，我们密切关注社区的现在和将来的需求，和社区诸多开发者合作共建。
另外，可以预见的是，数据的安全合规、科技伦理的监管、信息技术的“自力更生”、“双碳”目标，以及数字经济与虚拟世界等议题，已经提上日程。
下一阶段的目标，不仅是实现碳达峰、碳中和，更包括“促进公平和可持续”、弥合“数字鸿沟”。
微众银行区块链已向这一目标进发，在与各地政府、北京绿普惠网络科技有限公司的合作中，就有一本连接政府、企业、个人三方的数字“碳账本”，结合微众银行区块链社会治理框架“善度”和FISCO BCOS打造，通过将个人的减排行为数据化为“减排量”，并统一上链留痕，保证用户行为数据的发行、分发、赞助、兑换、监管、审计等多方环节均公开透明。
每当人们走过一个年代，回头再看，走过的路都是把“不确定”变成“确定”的过程。对微众银行区块链以及FISCO BCOS开源社区数万名开发者而言，推动产业数字化升级发展的初心不曾改变，可持续和绿色发展的新使命已经浮现。
刚过去的周一，可谓是一瓜刚落，一瓜又起。
头部主播薇娅（真名：黄薇），因偷逃税在2019年至2020年期间，通过隐匿个人收入、虚构业务转换收入性质虚假申报等方式偷逃税款6.43亿元，其他少缴税款0.6亿元，依法对黄薇作出税务行政处理处罚决定，追缴税款、加收滞纳金并处罚款共计13.41亿元。
回忆一下今年上半年，郑爽被爆天价片酬，号称“日薪208万元”。而薇娅这笔13.41亿元的罚金，连郑爽都得一口气工作645天才能挣够数。
有网友直言，在薇娅事件面前，王力宏那笔1.5亿的抚养费实在是不够看。要知道，90%的A股上市公司，可能一年都挣不到这笔罚金。
回顾2021年大事件，公众人物的税务问题必然榜上有名。尤其是网络主播群体，前有雪梨，后有薇娅，引发广泛热议。据新华社消息，税务部门已对网络直播等新业态从业人员，给予了包容性的自查整改期，目前已有上千名主播主动自查补缴税款。
杭州税务部门也就薇娅此事进行了答记者问，提到其违法事实如下：
2019-2020年间，通过隐匿其从直播平台取得的佣金收入虚假申报偷逃税款；通过设立上海蔚贺企业管理咨询中心、上海独苏企业管理咨询合伙企业等多家个人独资企业、合伙企业虚构业务，将其个人从事直播带货取得的佣金、坑位费等劳务报酬所得转换为企业经营所得进行虚假申报偷逃税款；从事其他生产经营活动取得收入，未依法申报纳税。
这当中有一点，被认为是这轮主播查税的关键逻辑：
将税率较高的个人劳务报酬所得，转换成税率较低的个人独资企业经营所得，从而达到少交税的目的。
那么，税务局是如何发现这场重大偷逃税问题的？从监管部门的回复来看，税收大数据功不可没。
雷峰网从一位业内人士处了解到，“税务大数据”的说法涉及领域较广，“获取到税务数据之后，可做的事情、可入手的维度很多”，从目前的公开信息来看，其实很难确定相关技术手段的具体使用方法，以及在此次事件中发挥的作用。
也有金融行业专家认为，可以通过公开的主播成交量等信息，对应收税款进行估算，从而推测是否存在偷逃税行为。
而多位财税从业者向雷峰网强调，国家税务总局的“金税系统”才是查税利器。
据了解，目前已投入使用的金税三期，就集合大数据评估和云计算功能，实现了国地税数据的合并，同时对岗责体系和征管流程进行梳理和配置，实现岗位设置、工作流程以及参数配置等统一，其主要是对税务系统业务流程的全监控。
“简单来说，你开的每张票、收到的每张票，监管部门都一清二楚。一张专用发票是否已抵扣入账、费用异常等等，都可能会被税务局过问。”一位企业财务向雷峰网分享了她的亲身经历。
亟待上线的“金税四期”，功能更是不容小觑。
从升级方向来看，以后无论是什么维度的数据、何种交易对手之间的资金来往，都将有更加清晰完整的链路呈现。
据公开资料显示，金税四期不仅仅是涵盖税务方面，还会纳入“非税”业务，实现对业务更全面的监控。同时搭建了各部委、人民银行以及银行等参与机构之间信息共享和核查的通道，实现企业相关人员手机号码、企业纳税状态、企业登记注册信息核查三大功能。
一位税务行业人士透露，在金税四期，税务、工商、社保等机构随时合并接口，企业人员、收入等信息相互关联，企业很难少交个税和社保。
他提到，税务系统需要纳税实体开户并申报收入，若未申报、少申报，则很难有真实收税依据，税务部门也难以核实，必须通过其他渠道再做核查。
但如果能实现多机构间的信息共享与核查，跨到银行等机构进行数据收集，自然会更接近纳税主体的实际情况。像薇娅那样虚假申报佣金收入的做法，相信也会无所遁形。
对于AI这样的新技术在税务领域的应用，雷峰网此前也做过盘点。
初级水平，主要是用技术替代重复工作，帮税务人员做表、看文档、读文档、抓取关键信息等等，近年来大热的RPA+AI已经在这些工作流程上完成了不少规模化部署。
中级水平，就上升到预测税负、分析税收趋势。
高级水平，就是发现逃税、漏税，提高税务领域透明度这方面了。
比如借助机器学习算法，快速识别出大型数据集内包含的异常条目；比如基于多种指标检测欺诈活动，例如对方的就业情况、以往是否曾经接受审计，以及与非法收入来源相关的蛛丝马迹。
在郑爽涉嫌偷逃税新闻发生时，一位机器学习工程师就表示，可以通过AI寻找某些数据指标和真实收入之间的关联性，预测的真实收入与实际报税收入的差距，就是一个怀疑的理由。
一位深耕于监管科技的CEO也向雷峰网分析称，这类技术应用的研发难度不大，可以拿足够多的财务报表去训练模型，去计算相关结果有没有偏离财税比率——“难点主要在税务数据的打通，和税务模型的构造上。”
而公开资料也显示，“金税工程”也嵌入了一定的AI技术。
就在上个月，国家税务局长王军透露，智慧税务正在向“两化、三端、四融合”迈进，其中：
“两化”，是以数字化电子发票改革为突破口，将各类业务标准化、数据化，实现可归集、可比较、可连接、可聚合；以及基于大数据、云计算、人工智能、区块链等新一代信息技术，对实现数字化升级后的税费征管信息，做智能化改造。
“三端”，就是指智慧税务建成后，将形成以纳税人端、税务人端和决策人端为主体的智能应用平台体系，基于全局视角建成覆盖税收征管全部环节、全部流程、全部主体的一体化应用平台。
据雷峰网了解，已有多家头部云厂商陆续参与至国家税务总局的数字化税务建设当中。
一位财税从业者感慨，目前的技术手段进步很大，“金税四期很强大，企业的进存销都会变得更加透明，后台能看到每个企业的风险预警。”
她强调，直播等新业态的出现，商业模式、财务模型，业务开展过程都会出现新状况，非传统税务可一概而论，监管也需“宽严相济”，这也是为什么税务部门先给予相关从业人员“包容性的自查整改期”。
“查处的难度并不大，但查处与否，其实更多要看税务部门的决定。”