本文来自微信公众号“钛媒体国际智库”，作者/张申宇。
近年来，随着数字技术的快速发展，各行业的数字化转型进入了新的周期。这其中，金融行业作为数字化转型进程最快、程度最深的行业之一，在安全合规要求进一步提高，信息技术飞速发展等背景下，金融科技也步入了发展的新时代。
与此同时，在大模型火爆的近一年时间内，金融行业作为拥抱数字技术最积极的行业之一，也深受大模型的影响，金融科技产业面临着诸多机遇与挑战。
核心下移已是大趋势
如果总结现阶段金融行业数字化转型所面临的痛点，“核心下移”无疑榜上有名。核心下移，是指脱离传统集中式主机，使用基于数字化转型应用创新的服务器，技术架构也从传统的集中式，转变为分布式架构。以银行为例，因为其行业特殊性的原因，业务逻辑和IT架构都比较复杂，所以在核心业务下移的过程中，以及传统架构向新架构迁移的过程中，面临着安全合规、数据迁移等诸多难点。
与此同时，近年来，在相关政策的驱动下，各个金融机构都在尝试着向国产化平台上，进行业务场景迁移。对此，神州信息金融技术部总经理张劲对钛媒体表示，在信息技术飞速发展的当下，金融数字化转型升级持续加速。运用一些新的技术，例如云计算、分布式、大数据、微服务等，用新的互联网架构去支撑我们的业务，会使金融机构整体的科技能力有所提升，更加有力地推动金融助力实体经济向纵深发展。
钛媒体注意到，为了更好的推动金融行业核心下移，近日，在由中国信息通信研究院（以下简称“中国信通院”）主办的2023（第六届）金融科技产业大会上，中国信通院联合包括阿里云、腾讯云、华为、神州信息等在内的多家数字技术服务商共同发布了《2023年金融业信息技术转型升级白皮书之核心下移篇》（以下简称“白皮书”）。白皮书对金融行业转型升级趋势进行了研判，从工程视角，金融业系统建设模式逐步向全面云化改造转变；从架构视角，金融业架构体系逐步向云原生架构系统过度；从运维视角，金融业运维体系逐步向双线运维体系过渡。
“随着数字化转型及信息技术转型升级成为行业共识，产业侧进行着以市场为导向的转变和机构与厂商双向选择的变化，技术侧也呈现出云原生、一云多芯、持续演进、开放生态、安全合规多个发展趋势。”张劲进一步指出。
金融数字化步入新阶段
显然，核心下移只是未来金融行业数字化进程中的一步，在技术与政策的双重驱动下，中国金融数字化转型将步入下一个崭新的阶段。
同样以银行为例，在阿里云新金融事业部副总经理宋勇看来，银行的IT系统架构“进化”过程可以分为四个阶段，分别是：单机时代、联机联网时代、大数据集中式时代，以及分布式、云原生时代，“当下，银行业数字化已经进入了分布式、云原生时代，”宋勇指出，“在时代的背景下，全局金融级的云原生架构已经逐渐成为了银行数字化的主流架构。”在这个分布式、云原生的时代里，银行开始把先进的数字技术与银行的高可用、高性能，以及业务延续性的要求结合起来，支撑金融IT业务的发展。
在上述背景下，张劲也对钛媒体表示，对于金融行业而言，其数字化历程，已经从简单的零散业务系统升级改造，逐步向核心系统上云、核心下移等步骤发展。“如此快速的发展下，基于金融行业业务系统的复杂性，以及监管对安全合规的要求，金融机构的下一步数字化进程可能将长达5~8年之久。”张劲如是说。
以银行为例，原有的架构是垂直的、烟囱式的，数据很难流通起来，而且，烟囱式的架构“弹性”也十分差，并不符合当下随着业务快速增长，银行对于数字架构弹性的需求。
与此同时，随着架构越来越复杂，就像那句“没有一朵云能满足客户所有的需求”一样，对于金融机构而言，现阶段也没有一家技术供应商可以满足金融机构所有的需求，所以银行在需要横纵扩展能力的新架构的同时，也需要供应商提供的技术是开源、开放的。
接下来，金融行业的数字化架构将向着敏捷开放的方向发展，“敏捷的架构、开放的生态是未来金融行业，乃至各个行业，在数字化转型过程中的最大诉求之一。”华为数字金融军团分布式新核心业务总经理韩满强调。
而一个共识是，金融行业的数字化需要更多、更庞大的生态支撑，并不是一家科技企业可以独自满足的。
大模型时代的金融科技
大模型可以说是今年科技领域最火热的一个词，大模型在用户侧的应用逐渐深入的同时，在行业侧也初见端倪。而金融行业对于数字技术一直持开放包容的态度，也让大模型在金融行业的发展飞快。
今年3月，彭博首度针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注；6月，哥伦比亚大学联合上海纽约大学推出FinGPT。
在国内，7月，华为全新发布盘古大模型，金融行业大模型正是其中数个行业通用大模型之一；9月，蚂蚁集团正式发布自研“蚂蚁基础大模型”，以及在此基础上进行定制的“蚂蚁金融大模型”。
不过，在张劲看来，大模型在金融行业具备完全成熟落地的能力还尚需时日，“金融行业不同于其他行业，其监管要求极高，从技术上看，像贷款审核等业务其实已具备初步落地的技术能力，但因为安全合规的要求，大模型只能在其中起到解放生产力的辅助作用。”张劲指出。
大模型可以帮助金融机构更好地进行风险评估和管理。通过分析大量的历史数据和实时信息，大模型可以预测市场风险、评估信用风险等，为金融机构提供更加准确和及时的风险管理决策支持。这将有助于金融机构降低风险和提高盈利能力。
以小微企业贷款为例，现阶段，小微企业贷款主要面临发现难、转化难、识别难等问题。信息不真实是数字信贷需要解决的首要问题，银行主要面临申请者身份不真实（使用同名申请、使用高清视频代替人脸识别）、数据不真实（修改税控盘数据库、修改纳税申报表、企业无痕过户）、业务作假（商户流水作假、虚假交易，放大销售额）等问题。
针对上述痛点，银行可以通过SaaS平台以及核心应用场景发现小微企业贷款需求，通过大模型等技术进行智能匹配，实现贷款转化，并基于金融数据底座识别企业业务真实情况及贷款审核，最终满足小微企业贷款需求。
无独有偶，韩满也对钛媒体表示，以某城市级商业银行为例，该银行采用了智慧运营系统，把大模型的能力整合到系统中，将70%左右的工作流程交给人工智能进行，只保留了近50名员工进行复核工作，提高了整体的审核效率。
除了更靠近用户的“前端”以外，在张劲看来，大模型在金融行业的“落脚点”主要还是集中在后台软件开发、代码编写等层面，帮助金融机构加速研发进程。
从行业发展上看，大模型对金融行业产生了深远的影响，既带来了挑战也带来了机遇。在此背景下，为了更好地应对挑战和抓住机遇，金融机构需要加强技术更新和人才培养；保障数据安全和隐私保护；积极应对监管和合规问题；优化客户服务与个性化推荐；创新业务模式与拓展市场。而大模型的出现，也将进一步推进金融行业数字化的变革。
（本文首发钛媒体，作者丨张申宇）
