至顶网软件频道消息: 随着传统产业数字化、网络化、智能化转型步伐加快,数字经济正在加快向其他产业融合渗透,并率先在金融业引发变革。11月28日,京东数字科技与毕马威中国联合发布《数字科技服务金融》研究报告(下文简称“报告”),报告认为,数字科技服务金融,是基于四个维度对金融领域中的场景、用户、产品和运营进行全面数字化,并以数字化服务的方式进行输出。与此同时,“利用数字与科技的结合,优化用户体验、降低行业成本、提高行业效率的底层服务逻辑是一致的,数字科技企业在金融服务上积累的数字化能力,可以服务更多的产业。数字科技企业服务的边界将不断拓展。”报告中提到。
服务金融 场景、用户、产品、运营全覆盖
数字化企业服务在金融行业较早实现落地,而且数字科技服务金融已经形成了良性的发展态势。报告提出,数字科技服务金融,是基于四个维度对金融领域中的场景、用户,产品和运营进行全面数字化,并以数字化服务的方式进行输出。
具体来看,场景方面,传统金融服务可以借助数字科技全方位融入线上场景,并对线下场景进行智能化升级;用户方面,利用数字科技在采集、分析数据方面的便利性,不仅可以使金融服务触达传统的长尾客户,实现全方位下沉,而且也可以对存量用户进行分层和精细化管理;产品方面,以信贷产品为例,数字科技的应用可以覆盖到产品所涉及的获客、营销、审核、定价、风控等各个环节,从而使金融产品形成一个全流程的解决方案,并数字化输出;运营方面,借助人工智能的自动化决策和处理能力,可以实现认证、筛选、客服、监控等各个环节的智能化,极大地简化、规范化工作流程。
同时,报告提出,数字科技服务金融的演进过程出现几个特征,一是数据的基础作用持续凸显,对数据的挖掘和应用处于一个不断进阶的过程中;二是数字科技与金融业务将深度结合,双方需要共筑全流程、全主体的系统性思维;三是监管科技将逐渐形成趋势,监管层也应利用大数据、人工智能等科技手段创新监管模式。
数字化企业服务正向实体产业拓展
“发展数字化企业服务正当其时。”报告中称,当下中国正处在经历经济增长动能的新旧转换,以及增长模式由高速度向高质量转型的关键时期,科技服务在C端已获得了广泛应用,在此基础上,面向B端的服务也已迎来风口,再加上移动互联网与AI技术的渗透普及,这些因素都为数字化企业服务提供了发展机遇。
而金融行业只是数字化企业服务的一个缩影。报告同时提到,科技企业服务的四个不同的表现形式——信息化、SaaS化、移动化和AI化正在同步推进,“四化合一”促使科技企业的服务模式从提供技术产品逐渐演变为提供服务产品,构成中国企业数字化服务。
尤其是随着大数据、云计算、人工智能、区块链等技术的不断发展完善,以及传统产业数字化转型的需求急剧增加,数字科技企业的服务已经开始向金融以外的产业拓展,去服务制造业、农业等实体产业,也可将服务覆盖至交通、商业、医疗和电子政务等领域。
京东数字科技副总裁、金融科技事业部总经理谢锦生
京东数字科技副总裁、金融科技事业部总经理谢锦生认为,科技企业从数据中获取价值,通过科技输出价值,帮助金融行业提升效率、降低成本、增加收入,并使金融服务延伸至以往难以触及的领域和人群。数字科技服务金融基本符合“始于数据,借力科技,成于金融”的逻辑。数字科技的本质是,以产业既有知识储备和数据为基础,以不断发展的前沿科技为动力,着力于“产业 x 科技”的无界融合,推动产业互联网化、数字化和智能化,最终实现降低产业成本、提高用户体验、增加产业收入和升级产业模式。
毕马威中国副主席邹俊
毕马威中国副主席邹俊认为,站在数字化时代的门口,越来越多的中国企业家正积极地拥抱新技术。金融业作为一个天然与数据相关,并实时产生大量数据的行业,在与数字科技结合方面具有广阔的前景。为了更好地适应科技变革,毕马威也在不断加强对新技术和新趋势的研究与运用,推动业务的数字化转型。例如,在审计业务方面毕马威积极推动AI和机器学习等认知技术在业务自动化方面的使用,提高工作质量、效率和用户满意度,并提供更多高附加值的数据分析、决策、创新等服务支持。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。