一家银行与合作伙伴在人工智能技术方面的创新故事。
来源：轻金融 作者：jack
技术的力量，促使运营规模扩展灵活、交付时间更短，“超过了我们历史的任何时刻。”硅谷未来学家库茨维尔曾如此指出。
要做好金融科技创新，从而使企业能够快速应对市场变化。笔者认为，快速占领“ABCD+5G”等新技术应用高地成为了制胜关键，可以运用数字孪生策略进行数字化转型。No.01优势突出数字孪生是一个实体资产，其中，如管道、集输系统、换热器、涡轮机、泵、压缩机、电网、变配电设备或整个工厂，搭建AI技术平台成为金融机构的必然选择。
在银行业，360°的完整数字化复制，工行打造了“工行智慧脑”，能够对工艺流程和控制进行建模，农行有“金融脑”，并监测设备健康状况，中行构建了“中银脑”，从而优化生产，平安银行则持续打造AI Bank，提前发现设备故障，从而提升银行业智能化创新应用效率。
这些人工智能平台对银行业有何启示？平台落地背后与合作伙伴经历了怎样的故事？我们以某银行为例，寻找工艺改进的新机会，深度调研与剖析银行在人工智能技术方面的创新实践。
01
银行业的AI决战
在新技术的研发与运用上，行正在构建人工智能、区块链、云计算、数据、物联网等新技术创新平台，从而提升科技敏捷和迭代创新能力。
其中，如管道、集输系统、换热器、涡轮机、泵、压缩机、电网、变配电设备或整个工厂，AI在长期对银行业带来的颠覆性影响，已经体现在了多个方面。央行金融研究所一份研究认为，AI有望成为商业银行下一个利润增长点；麦肯锡更是估计，AI技术每年可为全球银行业创造高达1万亿美元的增量价值。
一场AI决战已经到来。
从AI的积极影响看，可以提高银行的利润、加快创新周期、提升运营效率，为客户全方位提供个性化、综合化、场景化金融服务；反之，如果银行业不把AI置于位置，就会面临被淘汰的风险。
当下的中型银行，都在力发展的零售金融业务，客户体验与价值挖掘至关重要。在这背后，AI的应用潜力极。麦肯锡发现，越来越多银行业领军者已开始通过系统性方法署高级人工智能，并将其整合到贯穿前后台的数字化经营全生命周期之中。
虽然把人工智能技术作为做好金融服务的重要突破口已成为共识。不过，在银行业，AI应用创新存在技术门槛高、与金融业务的有效结合等难题，同时，也要求银行对各类项目应用整体统筹、规划，以避免相关能力和应用存在重复行为。
以某银行为例，构建一个全行统一的人工智能平台，有助于满足全行在人工智能领域的业务需求，也利于行内完成自己的人工智能方面的能力和积累。
但要让人工智能平台在银行业真正落地，并没有那么容易。
02
银行AI平台突围之道：合作共建
不同于以往的信息化，数字化时代的金融竞争，不仅是新技术创新平台的比拼，更是生态之间的竞争。银行业要快速落地以及全面提升新技术平台的能力，需要突破一系列技术与标准等障碍。
银行业协会一份调研就指出，78%调研银行已将人工智能应用到业务场景中，但目前新兴技术在金融领域应用的标准规范还面临不足。对银行业而言，人才、交付速度、投放渠道等也都是AI应用所面临的难题。
银行业该何去何从？上述调研建议，中小银行可通过与第三方机构合作，型银行也可以通过自研或合作研发提升金融科技前沿技术应用研发能力。
也就是说，没有任何一家金融机构能独立构建应对数字化的人工智能能力与生态，在银行加快金融科技布和信息系统的过程中，借助外力成为必然。
在银行业在破人工智能技术创新、打造金融科技中台能力的探索中，与外机构的合作有哪些可借鉴的经验？
以某银行为例，在该行加AI创新的过程中，首要需求是确保项目能充分契合行内情况以及需求，要完成行内业务系统和数据生态梳理，解决人工智能技术研发应用痛点。考虑到银行业庞的用户量、高标准、高安全性等因素，使得银行对合作伙伴的要求非常严格。
近年来，以百度智能云等为代表的科技公司，自主研发了一系列产品，助力金融机构实现数字化、智能化转型。即便是在银行的高要求下，百度智能云也最终脱颖而出，赢得了银行的信赖。
据了解，百度智能云AI中台主要做了三方面工作。一是兼顾业务与工程，解决云原生、数据和AI配合的难题。之前，银行将量人力和工作量浪费在对数据提取分析、表单操作等重复性劳动中，同时忽视了业务规则和策略在数据分析、模型中的应用。
现在，基于建成的AI中台提供的强的数据分析引擎、建模引擎，和可视化、低代码化、预置的业务场景模型产线等工具，不但避免了量数据操作、算法验证等重复劳动、极提升了银行AI模型的工作效率，在AI能力过程中以最短路径赋能业务。
二是兼顾分散与集中，解决了在银行工程架构要求下加速智能化应用的问题。原来，银行的数据分析环境是分散的数据集群，用户资源不足，小用户资源浪费。通过百度AI平台提供的硬件虚拟化技术、统一数据接入和运算引擎、AI能力微服务化统一纳管方案，可以合理调配用户资源需求，提高了硬件资源和计算、存储集群利用率。
三是平衡了封闭与，解决银行AI模型监管合规审计、数据安全要求与研发效率的冲突。具体来看，包括模型研发过程全留痕、可复现，模型可解释性，全过程留痕系统自动记录和备份；在保障效率的同时注重安全性满足监管要求，又实现了行内AI能力的灵活调配和资源共享。
最终，百度智能云提供AI PaaS服务，帮助该银行实现了人工智能相关计算和模型的深入应用，并且给多项业务带来了全方位的改变。一方面，是有力支持了风控领域的建模任务实施，提升了最繁重的数据处理工作效率。另一方面，支持了模型验证团队的模型全生命周期管理工作。
03
为银行智能化提供源源不断的动力
以人工智能和云计算为代表的新技术，为金融等行业带来了更想象空间。未来，随着金融数字化深入，专注AI的互联网公司将会与传统金融机构合作更加紧密。
作为业内最懂AI者的云服务商，百度在人工智能专利数已突破1万件，在国内处于领先地位。根据 IDC报告显示，百度智能云已连续四次在AI Cloud市场排名第一。
而这其中最为重要的平台——百度脑，其一系列人工智能技术和平台已经成为赋能各行各业的AI新型基础设施。
实际上，依托深厚的AI技术沉淀和在金融行业丰富的实践经验，百度智能云目前已服务近200家金融客户，包括国有6银行、9股份制银行、21家保险机构，涉及营销、风控等十几个金融场景。
为什么越来越多的金融机构与百度智能云合作？一家型金融机构就曾表示，这是因为百度拥有几区别于其他公司的特质。
一是百度是国内最早投入、技术最强、布最完整的人工智能领军企业；二是拥有最适合跑AI的云计算服务；三是有最懂行业的智能中台。
毫无疑问，银行在智能化升级的过程中，AI的作用不可或缺。未来，百度将和银行业共同推进金融业数字化和智能化升级，为客户提供更多高质量的金融服务。
与此同时，百度智能云也将携手更多的金融合作伙伴，提供从获客到营销、从风控到运营的端到端智能化解决方案，提升其客户服务与经营能力，为银行的智能化升级提供源源不断的动力。
【轻金融好文】
