青云QingCloud看金融数字化基础设施：全栈、自主可控、AI

在国家推进信息技术应用创新体系中, 金融 作为国民 经济 大动脉,其地位仅次于党政,而金融体系的顺畅运行乃至数字化变革也离不开特定的基础设施支撑。

伴随 ChatGPT、云计算、物联网、 区块链 等信息技术的发展深化,金融行业基础设施信息化技术革命再次风起云涌,新基建的发展也迎来了时代、政策双重机遇。

如何进一步夯实新型基础设施建设、打造金融 科技 新生态?

青小云认为,应当注意以下四大趋势 :

新趋势一:新基建发展,持续迈向“云”之深处

根据艾瑞咨询数据核算, 2021 年中国金融云市场规模为 394  亿元,未来四年的复合增长率 28.6%  ,预计在  2025 年,我国金融云市场规模将突破千亿。 由于金融行业 的特殊性,金融云基本是私有云或者行业云。

图源:艾媒咨询

当下金融云站在新老技术的交汇口仍面临不少挑战:

云计算数据中心应如何架构?

科技与业务如何更好分工协作?

如何助力业务在激烈竞争中脱颖而出?

面对金融行业云平台建设所面临的新挑战,新一代金融全栈云平台体系逐渐崛起 ,提供 IaaS、PaaS、SaaS 以及一整套应用开发、交付与运营平台,支持各种类型金融应用场景,快速实现业务创新。

在 IT 资源运维管理上

能纵向跨越 ICT 架构各层次,整合立体多维的产品能力,横向兼顾"稳态"、"敏态"与"混合态",支持企业实现集中式核心业务的云端迁移与 互联网 分布式核心业务的云端构建。

在业务上

能通过计算、存储、网络、安全等基础服务支持非核心应用云化,又可以依托专业垂直应用软件提供的服务支撑核心应用云化,同时还能提供大数据、loT、AI 等服务,支持企业面向未来的业务创新和探索,同时服务传统业务、创新业务、生产业务、开发测试、灾备双活、运营运维等不同类型的金融业务。

在资源上

能够交付全栈的资源类型,包括虚拟化、裸金属、存储、SDN、容器、安全、GPU 等。

在架构上

支持传统单体架构、分布式架构、云原生架构、混合架构等。

因此,全栈云既是助力企业上云的一个完整的技术体系和支撑平台,又是一种全面技术能力的展现,更是助力企业上云的一种战略。 青云科技(qingcloud)帮助金融企业实现无处不在的服务,提升资源的敏捷交付能力,通过业务上云、数据上云、创新上云,最终实现统一的云管理,是未来金融云发展的重点发展方向。

趋势二:云上原生,谱写数字金融新篇章

传统的金融软件架构存在很多难以解决问题:

异构基础设施的兼容性

庞大的单体应用管理

每个系统数据”孤岛式”存在

缺乏对外服务接口

业务系统的可观测性

....

而云原生的出现,成为了解决这些问题的"灵丹妙药”。

目前,中国银行、建设银行、平安银行、兴业银行、民生银行、光大银行等多个银行均在财报中披露其云原生技术应用的相关进展突破。 专业机构预测到 2025 年,60% 的中国境内银行将基于当前应用程序的使用现状制定并实施云原生数字核心战略。

那么未来金融行业云原生数字核心战略将可能出现哪些趋势呢?

01 容器 :基础设施全面容器化

在以 Kubernetes 为代表的容器资源编排成为业界公认标准的背景下,云原生技术的基础设施从物理机和虚拟机逐步转向容器集群成为大势所趋。这一趋势之下,越来越多的金融企业已经从选择部分业务试点容器,转变成业务容器常态化规模化,业务在技术层面的聚焦也逐步从容器化改造、容器技术,转变成对规模化容器集群支撑的架构与解决方案。因此,基础设施全面容器化已经成为不可逆转的趋势。

02 微服务化 :满足金融服务个性化需求

当前市场对金融服务的需求日趋多样化和个性化,这就对场景金融新基建创新、新业务需求敏态响应等提出诸多挑战,也催化金融企业向微服务架构转型。

微服务虽早已和计算、存储、网络、数据库、安全一样成为云计算的基础设施,但是在传统金融领域其落地仍存在困难,譬如当金融业务系统拆分包括了交易、支付结算、账户、清算等多个微服务后,在客户端上线时仍发现部分拆分还是过大,影响业务升级和客户体验。因此按照实践经验来看,金融行业微服务改造随着生产校验的推进,将进一步细化和合理化,以满足市场日新月异的个性化需求。

03 DevOps 化 :为金融业务创新提供动力

对于金融行业而言,金融服务的业务变化是非常迅速的,如果金融企业再按传统的方式不做任何改变,就会被市场迅速淘汰,也因此在众多行业领域中,金融行业对数字化创新变革的需求尤为强烈。

通过 DevOps 流程的打通,可以按照企业需求进行持续的集成、测试、交付、部署、监控全自动化流水线,通过每个环节设置质量卡点,极大提高软件发布效率,不间断的补全用户体验,提升服务质量,为金融业务创新提供源源不断的动力。

04 可观测性技术:国产替代趋势确定,金融信创前景可期

Gartner 将应用可观测性(Applied Observability) 列为“2023 年十大战略技术趋势”之一,并指出到 2026 年,70% 成功实现可观测性的企业机构,将能够降低决策延迟,帮助目标业务或 IT 流程建立竞争优势。

采用容器、微服务等技术之后,金融的整体业务系统复杂性大大增加,在基础设施层、容器性能层应用性能层、用户业务层都需要提供可观测的技术手段或工具来实现业务的可控。主要应用于问题的分析与快速定位,以及应用的性能优化,便于不断优化提升金融用户使用体验和服务质量。

趋势三:国产替代趋势确定,金融信创前景可期

云计算作为基础底层技术,可整合算力、存储与网络资源,并为其他新型技术的应用提供底座和支撑,同时也为金融信创落地提供了捷径, 金融行业信创云进程不断加速。

01 从政策导向到市场价值导向,金融信创前景可期

深圳市地方金融监督管理局发布的《深圳市金融科技专项发展规划 (2023-2025 年 》(以下简称《规划》),在主要任务”推动金融科技机构高水平集聚"中的第三条提到:支持金融信创产业及攻关基地发展,进一步发挥深圳市金融业信息技术应用创新攻关基地功能。

这是 2023 年首个地方监管机构发布的促进金融科技和金融信创的专项规划,为推动深圳地区的金融科技发展提供了有利的政策支持。

近年来不只是深圳市地方金融监督管理局,无论是国家层面、区域层面还是行业层面,金融信创产业政策持续密集出台。 2019年8月人民银行发布的《金融科技发展规划》,更是将实现稳定创新、自主可控、防范系统性金融风险,作为金融 基础建设的关键目标。

与此同时,经过市场前期的筛选,信创产业链上经受住考验的公司,在产品性能和创新、技术自主可控等方面不断推陈出新,突破发展瓶颈,并积极与国产T基础设施适配,从自身的产品研发进入到积极打造生态系统的阶段, 推动了金融信创产品从"可用"到"好用"的实质性进展。

随着金融信创试点的持续深化和全面铺开,政府和行业机构逐渐从信创落地初期的主导者,转变为铺路人的角色。金融信创将从政策导向市场价值导向转变,经过一段时间的"双轮驱动"期,逐渐进入到市场化驱动的薪新的发展阶段。

02 金融信创发展将走向“深水区”

得益于政策支持,我国信创产业规模也不断扩大,近五年复合增长率为 35.7%,2020 年成为金融信创的发展元年。

2023年,金融信创将从办公 OA 等一般系统的替换萌芽期,逐渐向核心系统替换展的应用深化期转变,据青云的调研,某些中大型的金融机构已将金融信创规划与自身的数字化转型中长期战略规划相结合,并加入到信息建设的顶顶层设计。

除了给金融信创带来巨大的市场空间之外,这一变化无疑对于信创产品的性能、稳定性、安全性等能力都提出了更高的要求。在核心系统替换和改造的过程中,不仅要求软硬件资源的高吞吐、低延时等特性,还要保证业务的连续性,这些都可通过金融信创云平台的软件定义等能力实现,并极大降低运维和迁移成本。

03 中小金融机构成信创主力军

金融信创始于银行,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、交易所等。国有大行、股份制银行等头部金融机构的信创云建设 和全栈系统的信创改造,已成为一种主流,并取得了一定的成效。

如今,金融信创建设已经进入到全面推广阶段,覆盖的中小行、证券和保险机构,数量占比更为庞大,相比于头部金融机构具有较强的 IT 自主建设能力, 中小金融机构更依赖于产品经验丰富的外部信创厂商和服务提供商,此时前期实践的沉淀与积累将发挥出关键的指了作用。

趋势四:更多金融场景创新有赖于人工智能技术

据 2022 年 DC《全球人工智能支出指南》(IDC Worldwide Artificiallntelligence Spending Guide) ,预计在人工智能领域,以银行为代表的金融行业市场规模将在未来几年持续增长,五年 CAGR(复合增长率)预计超过 21.0%。同时,MIT 科技评论将生成式 AI 称为 AI 领域过去十年最具前景的进展。

01 客户服务与远程银行

以人工智能技术最早产生影响的客户服务与远程银行来看:

中国银行业协会会发布的《中国银行业客服中心与远程银行发展报告(2021)》显示,2021 年,客服中心与远程银行智能服务占比达到 46.69%,较 2020 年提升 3.78 个百分点。

自 2022 年逐渐被火热关注的生成式 AI,更为这一场景应用带来了新的想象空间:更智能、更高效、更个性化,比如,通过生成式 AI 的学习和分析,金融机构可以 根据客户的需求和偏好提供个性化的推荐 。未来甚至 将远程银行服务具象为“数字人”,通过更复杂的自然交互形式,为用户提供更具沉浸感的数字化体验。

图  浦发银行数字人“小浦”

02 风险管理与监管合规

金融行业在具体使用生成式 Al 时,可能会面临一些问题,比如 客户数据和交易信息的敏感性会对数据隐私与安全有更高的要求 ,再如被视为“黑盒”的 生成式 AI 决策过程如何达到合规性与可靠性要求。

图:建设银行“无人银行“

但这些困难不应该成为金融行业利用人工智能不断提升数字化能力的阳碍。金融企业一定要根据业务目标和已有的技术基础,评估可行性,有意识地准备相关数据、提升团队相关能力,建设能支撑相关应用的算力能力,甚至可以在建立检测和评估机制的基础上,选择一个具体的业务场景作为试点项目。这样在新一轮的技术大潮中,金融企业才能变挑战为机遇,引领创新。