腾讯云算法模型

‘壹’ 腾讯云云主机怎么样

从多方面回答哪个好 哪个更适合入手。
从价格上看，腾讯云低于阿里云，不是性能差，是因为竞争的原因。阿里云起步早好多年，腾讯云是后起之秀，紧紧的咬住阿里云。所以为了缩小差距采取了价格策略。

从性能上看，二者是相当的，没有谁高谁低之分。腾讯云在社交领域耕耘已久，经验丰富；阿里云在电商领域有多年深耕，也是有着极其丰富的经验。

从入门级主机来看，阿里云入门级服务器不是限制 CPU就是共享系统资源，存在争抢；而腾讯云全部都是独享型主机，完全独自享用系统全部资源。
老魏写过这两家的全面评测资料，详细介绍了这两个云服务面向新用户的几种活动，还是很吸引人的。其实这里面也有很多经验和知识点在里面，如果看不太明白，也可以问我帮选择合适的。

‘贰’ 腾讯云ai体验中心人脸对比

你是问腾讯云ai体验中心人脸对比是什么吗？是基于人脸部特征信息，通过算法让两张人脸进行相似性比对，来验证图片中人脸是否是某人。
人脸比对：对图片中的人脸进行相似度比对，会返回人脸相似分数。若需要判断“此人是否是某人”，即验证某张照片中的人是否是已知身份的某人，如常见的人脸登陆现场。
腾讯云神图人脸识别：是基于腾讯优图强大的面部分析技术，提供包括人脸检测与分析、五官定位、人脸搜索、人脸比对、人脸验证、人员查重、活体检测等多种功能，为开发者和企业提供高性能高可用的人脸识别服务。可应用于智慧零售、在线娱乐、智慧楼宇、在线身份认证等多种应用场景，充分满足各行业客户的人脸属性识别及用户身份确认等需求。

‘叁’ GPU服务器的作用是什么

GPU服务器，简单来说，GPU服务器是基于GPU的应用于视频编解码、深度学习、科学计算等多种场景的快速、稳定、弹性的计算服务，我们提供和标准云服务器一致的管理方式。出色的图形处理能力和高性能计算能力提供极致计算性能，有效解放计算压力，提升产品的计算处理效率与竞争力。

下面几个场景我们可以使用CPU服务器，如果办公场景需要建议大家配置GPU服务器，如果场景无关，使用普通的服务器也无妨。在下会根据大家的使用场景给到大家相匹配的服务器类型和配置！

一、简单深度学习模型

使用GPU服务器为机器学习提供训练或者预测，腾讯GPU云服务器带有强大的计算能力，可作为深度学习训练的平台，

可直接与外界连接通信。可以使用GPU服务器作为简单深度学习训练系统，帮助完成基本的深度学习模型

二、复杂深度学习模型，腾讯云GPU服务器具有强大的计算能力，可以将

GPU服务器作为深度学习训练的平台。结合云服务器 CVM提供的计算服务、对象存储

COS提供的云存储服务、云数据库MySQL提供的在线数据库服务、云监控和大禹提供的安全监控服务，图片、视频编解码，可以采用GPU服务器进行渲染，利用 GPU 加速器指令，让数以千计的核心为您所用，加快图形图像编码渲染速度。

这些是一些可以用到GPU服务器的场景，所以如果您的使用需要比较高端，建议还是使用GPU服务器。

‘肆’ 腾讯云微瓴BIM协同平台中REVIT模型上传后显示模型上传失败，这个怎么办

请先判断REVIT模型是否含有工作集、中心文件和链接文件。可以尝试下不保留工作集的方式分离中心文件，去除链接文件，这样就能解决上传失败的问题；如果有多个REVIT模型，可以通过平台上的装配功能组合在一起。

‘伍’ 腾讯云刷新大数据世界纪录，胜出的关键点是什么

腾讯云用更低成本实现技术突破

腾讯云夺得SortBenchmark 2016年排序竞赛的冠军是软硬件共同作用的成果。据了解，腾讯云今年能取得好成绩，不仅得益于腾讯云平台自有的强大调度能力，也是腾讯云平台自身的调度系统进行大量优化工作的结果，目前在腾讯内部系统中每天调度达2亿次，已经在海量系统上得到验证。

在硬件层面，腾讯云硬件配置与去年阿里云硬件配置对比如下：

腾讯云: 512个节点，每个节点配置两颗OpenPOWER处理器，512GB内存，4块华为NVMe SSD盘，100GBMellanox网卡。

阿里云：3377个节点，每节点两颗至强E5-2630，96GB内存，12块SATA硬盘，10GB网卡。

通过对比配置可见，两者各有优势，很难说腾讯云究竟在硬件上占据多大优势，也很难说腾讯云的硬件成本比阿里云的高，这里补充两个常识：

首先说第一个常识，在硬件配置达到一定程度之后，拼的还是整体架构的协同，涉及到各资源之间的协同和调度问题，来保证其利用率与稳定性。举一个造房子的例子， 1个人造房子可能很慢，而增加了8个人之后速度就提高了，但是增加到1000个，那么速度绝对会下降。这次比赛的硬件配置也是同样的逻辑，如果将其同等于造房，那就好比房子一定（100TB数据），只要求造房速度加快（处理时间），而至于用多少人、每个人有多少能力，如何组织协同那是你们自己的事情（硬件配置程度+软硬架构能力），因此腾讯云绝非只是提高硬件就可以达成这一成绩，拼的还是整体架构的协同。

再说第二个常识，摩尔定律的规律在云计算行业依然奏效，随着技术的进步，技术的成本会逐步降低。根据这些公开资料，专业采购人士给出了答案，腾讯云512台机器的整体TCO成本比阿里云去年的3377台机器还略低；同时从比较直观的指标如内存、网络、顺序读写IO等整体看与去年的成本差异不大。

所以可以说明的是，腾讯云在硬件配置上做到了更低的成本，而在软硬件架构上达到了更强的技术能力。

基于腾讯众多业务，腾讯云厚积薄发

另一个疑问是，仅仅一年的时间差，为何腾讯云此次的成绩记录大大超越去年的冠军阿里云？

原因还在于，云计算仅仅是腾讯、阿里这两家公司的一项业务而已，整个云计算的处理能力增长并不仅仅依靠这一单一业务线，其依靠的是整个公司内部长年累月的全部业务线的技术洗练，阿里主要来自电商业务，而腾讯除了社交之外还有更多的业务线，包括腾讯游戏、腾讯视频等更具移动互联网属性的业务，作为腾讯云技术的基础和来源。

1）微信和QQ业务，截至目前，腾讯旗下的微信和QQ的月活跃用户数分别达到8.06亿和8.99亿，日活跃双双破亿，腾讯云每天要处理上亿的海量文字、语音、图片请求。而在去年春节，腾讯云承载的QQ和微信红包收发总共高达122亿个，在最高峰期间每秒钟收发40.9万个红包，其中当天微信红包收发达到80.8亿个，腾讯云已经充分证明了其实力。

2）游戏业务，目前腾讯已经是全球收入第一的游戏公司，因此腾讯云每天同样需要处理海量的游戏数据，例如《英雄联盟》、《穿越火线》、《王者荣耀》、《全民超神》等知名主流游戏都依赖腾讯云的助力。以知名游戏《征途》为例，此前曾创下过220万人同时在线的案例，手游上线后必然负载压力极大，而《征途》手游采用腾讯云作为服务器，上线之初腾讯云为其打造了高IO云服务器，并且配备BGP网络可以实现全国范围内十几个运营商多线程接入，根据突发需求再次实现快速部署与弹性扩展，直接提供无上限带宽包服务，最后实现了稳定运行，帮助《征途》顺利登顶苹果商店第二名。

3）其他各项业务，除此之外，腾讯还涉及大量的业务线，腾讯直播、腾讯地图、腾讯视频、QQ音乐、腾讯新闻、天天快报等等无所不包，这些业务线长期稳定运转，在实践业务中沉淀的技术积累，都在通过腾讯云向外界开放。

此次腾讯云拿下冠军，根本原因在于腾讯自身业务线的积累，属于厚积薄发的结果。本次参赛的团队由腾讯云存储产品中心和腾讯数据平台部的成员组成。其中，腾讯数据平台部负责整个腾讯最为关键的大数据集群，掌管腾讯核心数据，因此有着极强的技术能力。

结语：

此次腾讯云拿下2016 SortBenchmark的冠军，对于整个行业有着深远意义。

放到国际上来看，中国由于有着庞大的人口基数，发展迅速的互联网行业，因此数据也是最多的，这为中国的云计算发展提供了极大助力，BAT相继成为Sort Benchmark冠军对整个行业有着积极意义。

其次放到国内来说，腾讯云在腾讯内部的积累得到了更大的展现和释放，其优秀的软硬件架构技术既然已经达到国际顶尖水平，那么也自然能够极大的帮助开发者降低开发成本，广泛的应用于各个行业，影响深远。

作者微信公众号：首席发言者

‘陆’ （互联网）什么是“云”、和腾讯云 希望能介绍的简单易懂

腾讯云，就是面向广大企业和个人的一个公有云平台，可以提供云服务器、云数据库、云存储和CDN等基础云计算服务，和提供游戏、视频、移动应用等行业的解决方案。
“云”，其实指的是后端（服务器端），平时我们很少能够看到的那一端，正因为平时难得看到，所以有一种虚无缥缈的感觉，也许就是因为这个原因，才被称为“云”吧。我们平时能够看到的是什么呢，当然是自己用的PC和手机这些东西了，也就是所谓的“客户端”。 自从PC时代来临之后，C/S（客户端/服务器端）结构开始占据了主流地位，全世界的计算能力好像一直在向客户端倾斜，其结果就是产生了新的一代行业领袖微软和英特尔，他们一开始都是从客户端起家的，首先控制住了客户端的计算能力，然后挺进服务器端，最终颠覆了IBM等拥有强大服务器端计算能力的厂商的领导地位。

‘柒’ 腾讯云的产品介绍

腾讯云包括云服务器、云数据库、CDN、云安全、万象图片和云点播等产品。
开发者通过接入腾讯云平台，可降低初期创业的成本，能更轻松地应对来自服务器、存储以及带宽的压力。 云服务器
高性能高稳定的云虚拟机，可在云中提供弹性可调节的计算容量，不让计算能束缚您的想象；您可以轻松购买自定义配置的机型，在几分钟内获取到新服务器，并根据您的需要使用镜像进行快速的扩容。
弹性web 服务
弹性Web 引擎（Cloud Elastic Engine）是一种Web 引擎服务，是一体化web 应用运行环境，弹性伸缩，中小开发者的利器。通过提供已部署好php、nginx 等基础web 环境，让您仅需上传自己的代码，即可轻松地完成web 服务的搭建。
负载均衡
腾讯云负载均衡服务，用于将业务流量自动分配到多个云服务器、弹性web 引擎等计算单元的服务，帮您构建海量访问的业务能力，以及实现高水平的业务容错能力。腾讯云提供公网及内外负载均衡，分别处理来自公网和云内的业务流量分发。 云数据库
云数据库（CDB:Cloud Data Base）是腾讯云平台提供的面向互联网应用的数据存储服务。
NoSQL 高速存储
腾讯NoSQL 高速存储，是腾讯自主研发的极高性能、内存级、持久化、分布式的Key-Value存储服务。NoSQL 高速存储以最终落地存储来设计，拥有数据库级别的访问保障和持续服务能力。支持Memcached 协议，能力比Memcached 强（能落地），适用Memcached、TTServer 的地方都适用NoSQL 高速存储。NoSQL 高速存储解决了内存数据可靠性、分布式及一致性上的问题，让海量访问业务的开发变得简单快捷。
对象存储服务(beta)
对象存储服务（COS:Cloud Object Service），是腾讯云平台提供的对象存储服务。COS 为开发者提供安全、稳定、高效、实惠的对象存储服务，开发者可以将任意动态、静态生成的数据，存放到COS 上，再通过HTTP 的方式进行访问。COS 的文件访问接口提供全国范围内的动态加速，使开发者无需关注网络不同所带来的体验问题。
CDN
CDN（Content Delivery Network）即内容分发网络。腾讯CDN 服务的目标与一般意义上的CDN 服务是一样的，旨在将开发者网站中提供给终端用户的内容（包括网页对象—文本、图片、脚本，可下载的对象—多媒体文件、软件、文档，等等），发布到多个数据中心的多台服务器上，使用户可以就近取得所需的内容，提高用户访问网站的响应速度。 云监控
腾讯云监控是面向腾讯云客户的一款监控服务，能够对客户购买的云资源以及基于腾讯云构建的应用系统进行实时监测。开发人员或者系统管理员可以通过腾讯云监控收集各种性能指标，了解其系统运行的相关信息，并做出实时响应，保证自己的服务正常运行。
腾讯云监控提供了可靠，灵活的监控解决方案，当您首次购买云服务后，不需要任何设置，就可以获得基础监控指标，同时，也可以通过简单的步骤后，获取到更多的个性化指标。除了丰富的监控指标视图以外，腾讯云监控还提供个性化的告警服务，客户可以对任意监控指标自定义告警策略。通过短信，邮件，微信等方式，实时推送故障告警。
腾讯云监控也是一个开放式的监控平台，支持用户上报个性化的指标，提供多个维度，多种粒度的实时数据统计以及告警分析。并提供开放式的API，让客户通过接口也能够获取到监控数据。
云安全
腾讯公司安全团队在处理各种安全问题的过程中积累了丰富的技术和经验，腾讯云安全将这些宝贵的安全技术和经验打造成优秀的安全服务产品，为开发商提供业界领先的安全服务。腾讯云安全能够帮助开发商免受各种攻击行为的干扰和影响，让客户专注于自己创新业务的发展，极大的降低了客户在基础环境安全和业务安全上的投入和成本。
云拨测
云拨测依托腾讯专有的服务质量监测网络，利用分布于全球的服务质量监测点，对用户的网站，域名，后台接口等进行周期性监控， 并提供实时告警, 性能和可用性视图展示，智能分析等服务。 TOD 大数据处理
TOD 是腾讯云为用户提供的一套完整的、开箱即用的云端大数据处理解决方案。开发者可以在线创建数据仓库，编写、调试和运行SQL 脚本，调用MR程序，完成对海量数据的各种处理。另外开发者还可以将编写的数据处理脚本定义成周期性执行的任务，通过可视化界面拖拽定义任务间依赖关系，实现复杂的数据处理工作流。主要应用于海量数据统计、数据挖掘等领域。已经为微信、QQ 空间、广点通、腾讯游戏、财付通、QQ 网购等关键业务的提供了数据分析服务。
腾讯云分析
腾讯云分析是一款专业的移动应用统计分析工具，支持主流智能手机平台。开发者可以方便地通过嵌入统计SDK，实现对移动应用的全面监测，实时掌握产品表现，准确洞察用户行为。不仅仅是记录，移动APP 统计还分析每个环节，利用数据透过现象看本质。腾讯云分析还同时提供业内市场排名趋势、竞品排名监控等情报信息，让您在应用开发运营过程中，知己知彼，百战百胜。
腾讯云搜
腾讯云搜（Tencent Cloud Search）是腾讯公司基于在搜索领域多年的技术积累，对公司内部各大垂直搜索业务搜索需求进行高度抽象， 把搜索引擎组件化、平台化、服务化，最终形成成熟的搜索对外开放能力，为广大移动应用开发者和网站站长推出的一站式结构化数据搜索托管服务。 移动加速
移动加速服务是腾讯云针对终端应用提供的访问加速服务，通过加速机房、优化路由算法、动态数据压缩等多重措施提升移动应用的访问速度和用户体验，并为客户提供了加速效果展示、趋势对比、异常告警等运营工具随时了解加速效果。
应用加固
应用加固服务是腾讯云依托多年终端安全经验，提供的一项终端应用安全加固服务。具有操作简单、多渠道监控、防反编译防篡改防植入、零影响的特点，帮助用户保护应用版权和收入。
腾讯云安全认证
腾讯云安全认证是腾讯云提供的免费安全认证服务，通过申请审核的用户将获得权威的腾讯云认证展示，让您的业务获得腾讯亿万用户的认可。免费安全服务，权威认证展示，腾讯云已为2.6万网站、应用保驾护航。
信鸽推送
信鸽（XG Push）是一款专业的免费移动App 推送平台，支持百亿级的通知/ 消息推送，秒级触达移动用户，现已全面支持Android 和iOS 两大主流平台。开发者可以方便地通过嵌入SDK，通过API 调用或者Web 端可视化操作，实现对特定用户推送，大幅提升用户活跃度，有效唤醒沉睡用户，并实时查看推送效果。
域名备案
腾讯云备案服务，帮助您将网站在工信部系统中进行登记，获得备案证书悬挂在网站底部。目前支持企业、个人、政府机关、事业单位、社会团体备案。
云API
云API 是构建云开放生态重要的一环。腾讯云提供的计算、数据、运营运维等基础能力，包括云服务器、云数据库、CDN 和对象存储服务等，以及腾讯云分析（MTA）、腾讯云推送（信鸽）等大数据运营服务等，都将以标准的开放API 的形式提供给广大企业和开发者使用，方便开发者集成和二次开发。
万象图片
万象图片是将QQ空间相册积累的十年图片经验开放给开发者，提供专业一体化的图片解决方案，涵盖图片上传、下载、存储、图像处理。
维纳斯
维纳斯(Wireless Network Service)专业的移动网络接入服务，使用腾讯骨干网络，全国400个节点，连通成功率99.9%。
云点播
腾讯云一站式视频点播服务，汇聚腾讯强大视频处理能力。从灵活上传到快速转码，从便捷发布到自定义播放器开发，为客户提供专业可靠的完整视频服务。

‘捌’ 谁知道数据智能的优势是什么

我来说说：滴普科技的数据智能基于CDC及any2any机制，实现复网络环境下的实时数据毫秒级同步，轻松应对海量异构数据源，全面覆盖各类数据同步场景，⌄支持多源数据采集，多维度管理，基于元数据，提供血缘分析，影响分析，快速定位数据，跟踪元数据变更。

‘玖’ 五大赛道、八位专家，银行局中人眼里的AI江湖

谁说大象不能跳舞？

2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。

踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。

在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。

没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 “银行业AI生态云峰会” 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。

数据安全与隐私保护

银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。

在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？

雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”

平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”

一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。

小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。

虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。

数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？

在“银行业AI生态云峰会”第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：

在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。

而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。

联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。

AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。

银行数据库

以“数据”为线，银行前中后台的升级轨迹清晰可见。

如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。

这当中的一个重要模块，就是 银行数据库 的改造升级。

我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。

由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）

但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。

而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。

腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。

中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。

这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。

在“银行业AI生态云峰会”上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。

以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。

但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。

中台建设

“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。

银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。

在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。

中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。

建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。

尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。

因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。

为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。

如何构建金融机构需要的数据中台？

在“银行业AI生态云峰会”上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：

金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。

他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。

基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。

张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。

银行信贷智能风控

而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。

关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）

而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。

尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。

某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。

前网络金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。

王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。

“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：

他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”

数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。

从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。

在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。

RPA与内部流程优化

还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。

RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。

如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。

达观数据联合创始人纪传俊 在“银行业AI生态云峰会”上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。

AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。

以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。

建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。

农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。

中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。

纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：

例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。

‘拾’ 腾讯云服务器和阿里云服务器哪家好呢

阿里云得比较好，但是稍微贵一点。
阿里云服务器优势:
云服务器ECS与拥有传统服务器和虚拟主机无法企及的优势：稳定性：服务可用性高达99。95%，数据可靠性高达99。99%。支持宕机迁移、数据快照备份和回滚、系统性能报警。容灾备份：每份数据多份副本，单份损坏可在短时间内快速恢复。安全性：支持配置安全组规则、云盾防DDOS系统、多用户隔离、防密码破解。
多线接入：基于边界网管协议(BorderGatewayProtocol，BGP)的最优路由算法。BGP多线机房，全国访问流畅均衡。骨干机房，出口带宽大，独享带宽。弹性扩容：10分钟内可启动或释放100台云服务器ECS实例;支持在线不停机升级带宽;5分钟内停机升级CPU和内存。
成本低：无需一次性大投入，按需购买，弹性付费，灵活应对业务变化。可控性：作为云服务器ECS的用户，您拥有超级管理员的权限，能够完全控制云服务器ECS实例的操作系统，可以通过管理终端自助解决系统问题，并可以进行部署环境、安装软件等操作。易用性：丰富的操作系统和应用软件，使用镜像可一键简单部署同一镜像;可在多台ECS实例中快速复制环境，轻松扩展;支持自定义镜像、磁盘盘快照批量创建云服务器ECS实例。
API接口：使用ECSAPI调用管理，通过安全组功能对一台或多台服务器进行访问设置，使开发使用更加方便。[收起]