7月19日至21日,备受瞩目的 2024 中国国际金融展(以下简称金融展)在北京国家会议中心隆重举办。作为中国乃至亚洲最大的金融科技展会,本届金融展以“数字金融引领未来,守正创新共筑金融新生态”为主题,全面展示金融业及信息产业界在人工智能、量子技术、算力、5G、网络信息安全等领域的研究应用成果。
数字金融发展论坛聚焦 AI 人工智能、数字安全底座、数据要素、金融核心系统等热门话题,由来自全国性银行、区域性银行、保险公司和证券公司,以及知名金融科技公司的专家大咖,为同业献上了 40 余场主题演讲。平凯星辰解决方案技术部总经理戴涛在论坛上做了主题为“用 TiDB 构建面向未来的金融核心系统”的分享,并发布了《场景解决方案白皮书——银行领域交易明细查询》。
戴涛在其演讲中强调,微服务架构的流行使得分布式架构成为银行核心系统转型的必然路径。构建一个面向未来的金融核心系统,选择正确的数据库尤为关键。从架构角度考虑,首选应选择原生分布式架构的数据库,这确保了系统的可扩展性和弹性。此外,数据库应提供一个高透明度的开发环境,使开发者能够深入理解和掌握其工作原理和行为模式。从运维角度来看,理想的数据库应支持线性扩展,简化运维团队的扩容和管理任务。同时,数据库需要具备高效的同城双活灾备方案,以保障在灾难情况下系统的稳定性和数据的安全性。对于开发视角,数据库在处理分布式事务和读写热点问题时,应有成熟的解决方案和行业最佳实践。这不仅要求数据库能够应对高并发读写,还需要提供策略来有效分散热点,预防系统瓶颈的出现。
图 1:戴涛分享“用 TiDB 构建面向未来的金融核心系统”
TiDB 是面向未来的金融核心数据库,为金融机构打造了高性能、高可用、弹性扩展的现代化数据基础设施。TiDB 在国有大型银行的 PB 级别数据服务平台、头部商业银行的核心交易系统、头部保险公司的核心保单系统、头部证券公司的核心交易系统等领域,成功完成了对经典数据库的替换升级。凭借平凯星辰多年的金融实际案例和实施经验,基于 TiDB 构建金融机构核心系统是一条可重复、可复制、具备先天技术优势的路径。
戴涛在论坛现场发布了由平凯星辰解决方案团队和金融机构用户共同撰写的《场景解决方案白皮书——银行领域交易明细查询》。数字时代,银行卡交易流水记录对个人和企业的财务管理、贷款申请、税务申报等至关重要,高效查询银行卡流水有助于个人和企业随时掌握财务状况。随着金融科技的进步,查询方式已从传统柜台扩展到手机和网上银行,时间跨度也从三个月、六个月延长至三年甚至五年以上。查询方式的多样化、时间跨度的灵活性和查询的实时性对系统的数据存储和计算提出了更高的要求。
图 2:《场景解决方案白皮书——银行领域交易明细查询》
《场景解决方案白皮书——银行领域交易明细查询》在分析历史明细查询数据库架构的基础上,重点介绍了基于 TiDB 分布式数据库的新一代交易明细查询解决方案,分享了中国头部金融机构的应用实践,旨在为银行及其他金融机构在构建统一查询平台过程中提供深度洞察和实用参考,助力金融机构充分挖掘数据潜力,显著提升用户体验。平凯星辰官网现已开放白皮书免费下载,欢迎阅读。
作为本届金融展的亮点之一,展区吸引了众多金融机构和科技企业的参与。平凯星辰的展台以"构建创新金融数据基础平台,加速数智化转型"为主题,覆盖 TiDB 产品架构设计、金融行业解决方案、自主开源生态等多个领域,传递平凯星辰在金融数字化转型趋势下的技术革新力和丰富的行业应用实践。
好文章,需要你的鼓励
当前AI技术正引发一场"认知迁移",重新定义专业价值和工作方式。不同于以往技术革命,AI不仅自动化任务,更开始承担判断、语言和创意表达,模糊了人机界限。面对这一转变,专业人士呈现五种态度:积极拥抱者、被动适应者、主动抵制者、未受影响者和边缘化群体。AI采用速度超越理解速度,重塑认知领域的同时也带来身份认同危机。这场迁移将重新定义角色、价值观和整个职业阶层,需要制度层面的具体应对措施。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
企业持续投资云优先战略,但大型数据库云迁移面临复杂挑战。通过"规划-构建-运行"结构化方法,IT领导者可成功完成本地系统云迁移。关键包括:制定迁移策略、评估环境复杂性、选择数据传输和同步工具、创建测试计划、执行迁移并保持同步,最后优化云运营、确保安全合规。云迁移不仅是数据搬迁,更是创新增长平台的构建过程。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。