金融科技關鍵技術有哪些進展？

智能邊緣算力節點深化賦能金融市場，精準支持低時延業務場景。

一、算力體系創新應用加速，高效支撐金融業數字化轉型

1. 多節點分布式算力架構加速落地，提升金融業務多地多活能力 2023 年 10 月，人民銀行等六部門聯合印發了《算力基礎設施高質量發展行動計劃》，明確提出了“加快算力在金融領域的創新應用，構建多節點并行的分布式算力資源架構”。一方面，以分布式算力資源架構在金融領域加速融合落地，提升了金融業務的運行效率和準確性。私有云、公有云、行業云以及混合云等技術在金融行業加速融合，實現了算力資源的高效管理和優化配置，提升了金融業務的運行效率和可靠性，特別是在金融市場高頻交易等低時延業務場景中，顯著提升數據處理速度和準確性。另一方面，金融機構數據中心分布從“兩地三中心”向“多地多中心”發展，實現了算力資源跨地域調度以及金融業務異地多活的能力。“多地多中心”的算力資源架構實現了業務在多數據中心之間的無縫遷移和統一管理，提升了資源利用率和運維效率，金融機構通過構建統一的調度平臺，實現對不同地域、不同服務商和不同架構的算力資源進行統一管理和調度，障了金融業務的連續性和穩定性。當前，多家銀行都在規劃“三地五中心”的數據中心布局，覆蓋全國關鍵區域，提升業務連續性和服務質量。

2. 智能邊緣算力節點深化賦能金融市場，精準支持低時延業務場景 《金融科技發展規劃（2022-2025 年）》中明確提出金融業圍繞高頻業務開發部署智能邊緣計算節點，打造技術先進、規模適度的邊緣計算能力。一方面，邊緣算力在金融領域加速應用，提升了交易的效率與穩定性。近年來，金融機構在網絡邊緣部署高性能計算資源，這些節點能夠及時處理海量金融數據，顯著降低數據傳輸延遲，確保低時延關鍵業務快速響應，滿足金融行業對高并發、低時延業務的穩定性要求。另一方面，金融行業邊緣計算正在與智算加速深度融合，提升了金融機構業務合規管控能力。通過在邊緣節點上部署先進的分析模型，搭建智能邊緣算力節點，能夠通過機器學習和人工智能算法，將海量非結構數據就近進行預處理和智能分析，實時智能監測違規風險，構建智能合規管控能力。例如，工商銀行運用邊緣計算提供智能雙錄質檢服務，助力網點業務開展監管合規，將 AI 推理能力應用到網點理財保險等營銷場景，滿足監管要求。

二、數據要素與金融服務加速融合，數據智能賦能業務升級

1.數據要素在金融領域的探索加速推進，金融數據資產化開始起步 金融業數據資源的流通與共享幫助機構間打破信息壁壘，進一步支持國家數據戰略的深入發展。一方面，數據要素與金融服務的融合發展進入新階段，釋放數據價值成為主要目標。2024 年1 月，國家數據局等十七部門聯合印發《“數據要素×”三年行動計劃（2024—2026年）》，明確提出要推動“數據要素×金融服務”行動，釋放數據要素價值。通過數據要素與金融服務的緊密結合，金融機構可以充分挖掘各類數據背后的潛力，有助于降低金融服務成本、提高金融服務效率、拓展金融服務邊界，已成為金融行業數字化轉型的重要基礎。另一方面，金融機構正積極審慎推進數據資產入表。通過數據資產入表，有利于提升金融機構的業績表現，為金融機構獲得多元化融資渠道提供了契機，同時有利于金融機構推進數字化轉型以及新模式新業態的創新。當前金融機構相繼開展數據盤點、數據治理、數據確權、價值評估等工作，中國銀行業協會也發布了《銀行業數據資產估值指南》，均為金融數據資產入表奠定了基礎。2024 年上半年，三大運營商均開始數據資產入表探索，總金額超 2.55 億元10，對金融領域具有重要的參考價值。

2. 技術與數據進入高效融合階段，數據智能推動金融機構創新與業務雙向驅動 近年來通過數據智能技術和數據高效融合，金融機構正在經歷數智化升級，從而提升業務智能化水平和服務質量。一方面，數據智能進入融合應用時期，金融業多樣化和復雜化需求催生技術融合發展。數據模型的生產需要豐富數據資源與數據處理技術支撐，智能技術最新成果又進一步賦能數據應用技術，由此逐漸衍生出多模數據存儲與治理、數據智能平臺、智能化數據安全等一系列新興技術。以數據智能平臺為例，目前國家金融基礎數據庫軟硬件基礎設施已部署完成，其中統一管理的金融統計數據采集系統和大數據智能分析平臺與人民銀行各分支機構及 4600 余家金融機構互聯互通。另一方面，數據智能技術向服務化方向發展，金融機構著重關注高質量數據集建設。金融機構應用數據智能技術的整體目標更面向服務，部分銀行已完成基于知識圖譜的智能問答系統在營銷場景的應用，保障數據快速流動，驅動價值實時變現。金融機構重視數據供給問題，采取一系列措施來強化高質量數據集建設，例如興業銀行制定企業級數據字典項，并依托數據字典開展分類分級，提升了數據供給的質量與效率。此外，金融業作為數據原生行業，涉及海量個人用戶敏感數據，數據智能應用過程需要謹慎處理數據隱私與安全問題。

三、金融業成為大模型重點應用領域，加速業技數融合

1. 金融業試點場景激增，降本增效價值逐漸凸顯隨著大模型技術的突飛猛進,未來大模型有望在金融業更多細分場景落地，增強賦能更多業務環節。一方面，不同規模機構采取不同策略和深度擁抱大模型。以銀行業為例，六大國有銀行大力投入大模型技術體系研發的同時多場景探索大模型應用，實現客服、辦公、研發、運營等多個業務領域的應用創新。中小銀行則多以單場景切入，探索智能客服、智慧辦公等通用場景下的更多應用，如探索智慧辦公場景下的宣傳文案、智能周報、文章翻譯、會議紀要等細分場景。另一方面，已成熟場景大模型應用降本增效價值逐漸凸顯。在知識助手、智能客服、智慧辦公、輔助編碼等典型應用場景，大模型通過賦能員工，大幅提升員工工作效率，已經產生明顯的業務價值。例如中國工商銀行為 20 萬網點員工打造智能助手，2023年全年運營領域智能處理業務量 3.2 億筆，比2022 年增長14%11。但目前大模型在銀行核心業務場景如零售、交易等尚未出現大規模應用，這方面仍有待探索。

2. 多模態數據融合推動智能體發展，金融領域智能體應用加速 一方面，多模態數據融合為智能體帶來更為豐富的信息感知來源與任務處理范式。隨著多模態數據融合的技術迭代，智能體在命令解讀、知識吸收和模擬人類推理能力方面，相較于傳統 AI 大模型更加友好。智能體能夠精準地理解和響應更復雜的金融場景，提高金融決策質效。另一方面，智能體推動金融服務下沉，重塑金融機構對客展業模式。智能體基于概率模型、深度學習算法，通過強化學習選擇最優決策策略，可以實現多種能力的統一調度和集成，進而精簡業務流程、提升金融機構展業質效。一些大型銀行正在推進多智能體在金融領域的應用，涉及到智能業務助手、數字客戶經理和智能投顧等場景，且多智能體系統通過自適應算法突破了冗長業務流程壁壘，賦能金融機構對客端業務創新的同時有效規避業務合規風險。

四、信息安全能力持續完善，安全服務覆蓋金融重點場景

1. 金融業數據安全治理體系持續升級，金融機構積極應對前沿技術帶來的新風險 近年來，數據安全事件頻發，對金融機構穩定運營構成嚴重威脅，一系列金融業數據安全政策法規及標準規范陸續出臺，持續完善數據安全監管體系，推動了數據安全技術和服務的創新和發展。

一方面，金融機構數據安全治理方式正在與新興技術緊密結合，驅動治理向智能化、高效化、精準化演進。金融數據安全治理難度與業務類型及數據規模緊密相關，為了使金融數據治理更加具有針對性和有效性，目前金融數據治理的智能化工作在保障金融數據安全基礎上，主要聚焦數據分類、數據全生命周期管理、數據共享等重點領域。例如，金融機構將 AI 技術引入到數據安全分類分級工作中，大幅地提高了標注的準確率，還能夠實現金融數據安全風險智能化監測，顯著提升數據風險監測自動化響應能力。另一方面，在利用新技術提升服務效率的同時，也面臨模型風險治理等安全風險。當前，傳統的事前監管模式面臨著 AI 自主演化控制難、迭代快速跟進難、黑盒遮蔽追責難等問題，難以應對不斷推陳出新的人工智能快速發展需求。在此背景下，基于分級分類分域的治理思路，金融機構構建多元敏捷協同的治理體系，推動實現大模型金融應用可監督、可追溯、可信賴。

2. 金融機構提前應對量子威脅，后量子密碼場景化應用落地部署 后量子密碼遷移工程穩步推進，金融機構正在積極迎接量子計算技術帶來的威脅挑戰。一方面，后量子密碼系列標準正式發布，為遷移工程建立統一規范。2024 年 8 月，NIST 正式發布《FIPS 203基于模格的密鑰封裝機制標準》、《FIPS 204 基于模格的數字簽名標準》、《FIPS 205 基于哈希的無狀態數字簽名標準》系列標準，覆蓋密鑰封裝、數字簽名等場景，提供官方認可的抗量子解決方案指引。此前，NIST 發布《遷移到后量子密碼學的量子準備》系列報告，描述遷移框架和實施步驟，鼓勵各機構提前布局，確保在量子計算機普及之前完成加密體系的轉型。另一方面，金融領域逐步開展后量子密碼應用，加強關鍵業務場景的數據安全性和交易穩定性。當金融領域的關鍵業務場景受到量子攻擊，基于密碼的信任體系遭到破壞，其危害將逐步蔓延并威脅金融體系整體安全。國內已有機構開展抗量子密碼技術的創新應用研究，以網上交易系統為對象形成“國密 SSL+PQC”解決方案，提供具備抗量子能力的平滑遷移。隨著后量子遷移工作的推進，金融機構不僅通過積極應對量子安全挑戰，確保重要數據的前向安全性，還將在不斷演進的技術中開拓創新機會，實現技術與業務的雙重提升。