微软已经在与Swift SCRL合作,将该组织的金融通信网络引入Azure。
Swift系统是全球商业的核心支柱,有超过11000家金融机构以及大型企业适用该系统来交换他们有关其账户之间交易的数据,该系统帮助处理着全球大多数国际货币和证券的转移。
近日微软宣布与Swift合作,已经将运行在Azure上的该系统进行了概念验证的实施。目前微软自己的财务部门正在使用该部署来处理某些内部交易,负责该项目的首席项目经理Guru Kirthigavasan表示,该部门每年通过Swift支付超过4000亿美元的款项,以支持微软的运营。
微软打算将这一概念验证转变为面向金融机构的云服务,目标是为很多银行目前用于访问Swift的内部部署基础设施提供一种更简单的替代方案。
这一计划的定位并不仅仅局限于降低管理费用。微软正在探索与其他Azure服务进行集成以简化事务管理的可能性。
Kirthigavasan这样写道:“除了将该服务迁移到云能够在运营和安全性方面立即见效之外,在增加业务逻辑、高级分析和AI功能以进一步改善银行和企业进行转移、发现趋势和见解方面还有巨大的潜力。”
微软没有特别详细地说客户可以期待看到什么,但目前微软自己财务部门的内部试点提供了一个总体思路。微软已经实施了AI算法,可以在付款发送到Swift之前检查付款的真实性。 Azure提供了大量的机器学习服务,理论上讲应该能够让银行为自己未来的部署实施类似的机制。
微软计划的Swift服务有可能为金融行业的企业带来重要的新收入来源,在金融行业几乎每家企业都要依赖于网络。如果该产品获得足够的关注,微软将有效地帮助将该全球银行系统的核心组件转移到云端,如果AWS等竞争对手也决定加入其中,自己托管Swift实施的话,这个可能性会更大。
微软预计将在“不久的将来”发布该产品的公开预览版,而且该产品将成为Azure广泛的行业特定服务组合的一部分。此前微软向该产品组合中新增了一款用于生命科学领域的基因组分析平台。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
CoffeeBench是Sakana AI与毕马威联合构建的多智能体经济基准测试,让六个AI企业在90天咖啡供应链模拟中自主经营,评估大语言模型的长期商业决策能力。