前不久,超两万人参加的华为中国生态伙伴大会2019在福州成功举办,对于这一盛会,笔者印象最深的就是大会呈现的创新解决方案和应用无不与智能相关。特别是在汇聚所有智能应用的主展厅,其中精彩的内容要是细细说来几天几夜都说不完。那么哪个行业的展区最吸引笔者呢?自然是既充满魅力,又无限神秘的“金融+AI”展区了。这里呈现的“智慧体验、智慧决策和智慧架构”等精彩内容让笔者感受到,为了打造智慧金融底座,华为真拼了!
金融服务市场是对ICT考验最为苛刻的领域。据了解,华为的产品和解决方案目前已经全面领跑中国区金融服务市场;同时基于领先的ICT基础设施,华为的金融大数据和金融私有云等在市场成绩、技术优势、生态布局和创新能力等方面也排名第一。
再从全方位视角观察“金融+AI”展区,从整体上看,华为和与合作伙伴围绕智慧架构、智慧决策和智慧体验三大主题来展示,从前中后台全场景化展示智慧金融,多方位呈现华为在金融领域的主力解决方案,全面呈现了华为如何助力金融行业加速实现数字化转型。
接下来让我们围绕“智慧架构、智慧决策和智慧体验”三大主题边走边看。
智慧架构:底座是华为的ICT平台。对于当前的金融行业来讲,互联网等新业务的兴起、以及数据安全的需要,驱动着银行IT架构的进一步升级。为此,华为打造了基于ARM+GaussDB+Fusionstorage架构的ICT底座,其具备面向核心交易的高性能、易扩展等优势,为金融领域打造了一个更加安全可控的、全分布式架构的、引领未来金融的新解决方案;再结合基于SDN的下一代网络和基于华为云打造的以“IaaS+PaaS”为核心的金融云,就组合成为了能够实现“综合数据处理平台+生态应用”的智慧架构。
其中得益于华为云基于同架构、同主干、同体验、同服务、同API、同生态六同原则,以及IaaS+PaaS全栈平台,能够进一步实现金融业务的全融合。
此外值得一提的是,华为云本身具备从芯片、硬件设备、云服务到行业应用的全方位的平台能力;同时华为云能提供多类型应用云化服务,包括提供适配金融行业场景的传统业务、数据业务、创新业务迁移上云等服务;最终实现客户业务可在虚拟化、私有云、公有云、驻地云和混合云等多种部署形态中承载来实现架构平滑演进。
也就是说,在这个“智慧架构”上,华为云能提供IaaS、PaaS、DaaS业务上云的咨询、评估、迁移等云全生命周期服务。
与智慧架构不同,智慧决策和智慧体验则主要呈现的是华为和合作伙伴的联合创新成果;同时为了让与会嘉宾有更好的感知,华为还在展区中打造了管理驾驶舱、实时决策平台、全栈车险生态服务系统等业务体验场景。
全栈车险生态服务系统
我们知道,车辆事故的保险理赔需要现场拍照和图片验证,这里展示的是华为与合作伙伴打造的联合解决方案——全栈车险生态服务系统,通过华为手机的高清拍照能力和图片处理性能,以及华为钱包的安全支付技术,理赔员可以通过内置华为钱包的手机进行现场预赔付。同时该系统云端使用了华为云的EI能力,包括图片鉴真,OCR识别等技术,通过前后端的结合,提供了车险的快速理赔,欺诈识别、现场赔付的全新保险服务模式。
管理驾驶舱
移动互联网和零售业务发展使得金融行业每天都产生大量数据,过去传统的以手工提数的方式选择目标客户的方法不仅效率低、周期长,而且受到系统计算、分析能力等的限制,造成传统数据分析技术无法满足金融客户精准化、个性化、社交化和实时化的发展诉求。
此次,华为和合作伙伴打造了银行大屏管理驾驶舱,其基于华为Fusioninsight平台solr、spark、HBASE技术,由平台向应用提供批量数据实时处理功能,大大减少了查询响应时间、同时丰富了提取数据维度,可更好地满足金融客户的新需求。
实时决策平台
华为和合作伙伴打造的实时决策平台,其基于分布式架构和内存计算的高性能流数据实时决策系统,可以帮助银行更高效、更快速的完成业务规则部署和管理,使业务适应快速变化的市场环境;同时借助华为GaussDB 200数据仓库和FusionInsight HD大数据打造的高性能、高并发智慧化的数据湖底座,更能为金融行业客户提供易用、灵活和稳定的实时决策服务。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。