久久久噜噜噜久久熟女,久久久久久久久,国内精品,精品国产成人亚洲午夜福利,久久天堂av综合合色蜜桃网,好姑娘在线观看完整视频高清

隨著社會數(shù)字化能力的快速升級，金融行業(yè)正逐漸邁向數(shù)字化轉型的新時代。尤其是AI的爆發(fā)，數(shù)據(jù)智能技術正在徹底改變著這個行業(yè)的面貌，隨著越來越多的金融機構開始將人工智能、機器學習和大數(shù)據(jù)分析技術應用到其業(yè)務中，金融數(shù)據(jù)的價值正在得到充分的發(fā)掘。

毋庸置疑，在數(shù)字經(jīng)濟時代，數(shù)據(jù)上升為新的關鍵生產要素和資產，逐漸超越土地、資本等傳統(tǒng)要素，成為社會經(jīng)濟發(fā)展和企業(yè)創(chuàng)新更加重要的驅動力。

【資料圖】

對于金融行業(yè)而言，本身就有大量的數(shù)據(jù)，每一家金融機構都希望成為一個數(shù)據(jù)驅動的企業(yè)，但目前企業(yè)仍面臨著數(shù)據(jù)持有成本高、數(shù)據(jù)孤島嚴重、數(shù)據(jù)治理難度大等挑戰(zhàn)，這也導致如何充分釋放數(shù)據(jù)價值成了當下的難題。

一方面，企業(yè)與組織逐漸擁有海量數(shù)據(jù)規(guī)模和豐富應用場景，最新數(shù)據(jù)顯示，國內股份制銀行每年的數(shù)據(jù)量增長在30%，這些海量多源異構數(shù)據(jù)的增長，對于企業(yè)的存儲與管理帶來極大挑戰(zhàn) ；另一方面，數(shù)據(jù)價值釋放、使用也遇到現(xiàn)實困境，權威機構統(tǒng)計表明，當前全球僅僅只有2%的數(shù)據(jù)被真正分析過，而注入AI模型的數(shù)據(jù)連1%都達不到。且隨著數(shù)據(jù)越來越繁多，企業(yè)在彈性調度、實時調度數(shù)據(jù)上也將變得更加復雜。

如何破局？尤其是在AI爆發(fā)、大模型建設成為主流的大背景下，數(shù)字智能化轉型已經(jīng)全面提速，對于企業(yè)而言，建設數(shù)據(jù)驅動型的現(xiàn)代化企業(yè)已是刻不容緩。為此，華為為金融業(yè)提供了答案：通過云-數(shù)-智-算全面融合架構，化繁為簡，助力金融人人用數(shù)，實現(xiàn)處處智能。

云數(shù)融合，數(shù)據(jù)挖掘的“金鏟子”

在數(shù)字化浪潮中，數(shù)據(jù)正在重塑企業(yè)的運營、管理、決策乃至創(chuàng)新，不過，企業(yè)當前在數(shù)據(jù)價值實現(xiàn)中面臨的挑戰(zhàn)空前巨大，尤其是企業(yè)數(shù)據(jù)產生的速度、規(guī)模和類型，遠超當前設備的處理和計算能力，數(shù)據(jù)價值挖掘效率低下成了一大難題。

事實上，一直以來金融業(yè)內對于數(shù)據(jù)處理都并非易事，就像鄂爾多斯盆地油氣田雖然資源豐富，但屬于典型的“三低”（低滲、低壓、低豐度）油氣藏，實現(xiàn)經(jīng)濟有效開發(fā)屬于世界性難題。數(shù)據(jù)從產生到發(fā)揮要素價值的過程也同樣漫長，包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理加工、數(shù)據(jù)流通、數(shù)據(jù)分析、數(shù)據(jù)應用等，每一個過程都充滿大大小小的挑戰(zhàn)。

尤其是隨著多樣性計算的演進，數(shù)據(jù)庫必須支持多種算力。過去以CPU為中心的架構，現(xiàn)已發(fā)展到多樣性算力協(xié)同的對等計算架構，CPU、GPU、NPU甚至包括為特定場景開發(fā)的計算單元等都要形成協(xié)同關系，從而更好地去處理數(shù)據(jù)。

不僅如此，多模融合成為主流，多模數(shù)據(jù)需要協(xié)同處理以實現(xiàn)資源集約化管理。從過去主要處理的是結構化數(shù)據(jù)，到現(xiàn)在處理非結構化數(shù)據(jù)例如圖、時序、流、文檔等的數(shù)據(jù)類型，這對數(shù)據(jù)整合處理和整合分析提出了更高的要求。

早期企業(yè)數(shù)字化建設所依賴的基礎資源，多為以服務器硬件設備為中心，業(yè)務應用隨不同廠商設備、操作系統(tǒng)、虛擬化軟件的差異化進行定制設備的安裝、調試，應用的部署運維基本靠人力完成，自動化程度低，缺乏統(tǒng)一的設備和應用管理能力。雖然后期有虛擬化軟件的出現(xiàn)，資源的利用率和擴縮容的靈活性方面得到一定提升，但從未從根本上解決基礎設施與軟件割裂、運維復雜的問題。

如今華為推出的云原生全面融合架構，其中一點就是在傳統(tǒng)架構上進行了云數(shù)融合升級，將企業(yè)的關注點從以資源為中心轉移到以應用為中心，包括應用敏捷交付、快速、彈性、平滑遷移、無損容災，可以更好地幫助企業(yè)實踐應用的自動化應用。

舉個例子，假設某企業(yè)需要在一段時間內處理大量的數(shù)據(jù)，但是處理量難以預測，需要根據(jù)實際情況來進行資源調度。如果企業(yè)采用傳統(tǒng)的數(shù)據(jù)處理方法，需要購買足夠的硬件設備才能滿足一段時間內的處理需求，這會帶來很大的成本和資源浪費。而云數(shù)融合后，企業(yè)可以將數(shù)據(jù)存儲在云端，利用云原生技術架構實現(xiàn)彈性資源調度。當需要處理數(shù)據(jù)時，系統(tǒng)會自動分配足夠的資源來完成任務，處理完成后，系統(tǒng)會自動釋放這些資源，從而降低成本，提高效率。

另外，隨著數(shù)據(jù)更新速度加快，當下金融業(yè)很多業(yè)務對實時性的要求越來越高，而為了保障企業(yè)能夠將實時數(shù)據(jù)進行快速計算，華為也在計算層、存儲層、緩沖層做了三層池化，加速了云計算數(shù)據(jù)中心建設的效率，利用虛擬化技術，將資源分享給不同用戶，資源的放置、管理與分配策略對用戶透明。讓用戶能夠靈活使用、調配想要用到的數(shù)據(jù)中心資源，并且讓基礎架構的硬件設備盡可能發(fā)揮出最大利用率。

而擅長數(shù)據(jù)處理的企業(yè)，數(shù)據(jù)價值躍升也更為明顯。以營銷場景為例，傳統(tǒng)的用戶標簽可能只有幾十維，但在完全挖掘數(shù)據(jù)價值后，數(shù)據(jù)范圍更廣，結合外部數(shù)據(jù)和AI預測引入，可以做到幾千維，實現(xiàn)百倍的增長，這種情況下可以更好洞察理解客戶。

客觀來說，金融業(yè)的數(shù)據(jù)復雜且更新迅速，一些數(shù)據(jù)的價值很難落地，而華為云數(shù)融合的目的，就是希望將更多數(shù)據(jù)挖掘并且簡化處理步驟，讓所有的數(shù)據(jù)都可創(chuàng)造價值。當然，隨著智能大模型的爆發(fā)，數(shù)據(jù)與智能的融合在數(shù)智化架構中也變得極為重要。

數(shù)智融合，高效釋放數(shù)字價值

在金融行業(yè)早期數(shù)字化轉型的過程中，為解決某一業(yè)務問題，往往按照單一業(yè)務邏輯部署信息系統(tǒng)，另外由于政策、業(yè)務的不斷變化，金融機構不同業(yè)務系統(tǒng)建設存在時間差異，各不同業(yè)務條線往往根據(jù)自身需求獨立獲取數(shù)據(jù)、進行數(shù)據(jù)加工，再進行系統(tǒng)部署應用，最終形成一個個獨立的“煙囪式”數(shù)據(jù)架構，出現(xiàn)數(shù)據(jù)孤島、數(shù)據(jù)與AI架構不互通、業(yè)務流程難以穿透等各種問題。

一家銀行可能有幾百套信息和數(shù)據(jù)系統(tǒng)，各種架構、軟件標準五花八門，數(shù)據(jù)融通和業(yè)務流程困難極大。分散的數(shù)據(jù)源、海量的數(shù)據(jù)規(guī)模、異構的數(shù)據(jù)屬性都是金融機構數(shù)據(jù)治理的難題，也導致數(shù)據(jù)在處理后無法直接利用AI訓練。就像是即便擁有全世界最頂級的數(shù)據(jù)處理師，但無法給到他們數(shù)據(jù)進行處理，那么就顯得毫無價值。

傳統(tǒng)的做法是將處理好的數(shù)據(jù)搬遷到AI架構進行訓練，但一組數(shù)據(jù)是，普通銀行在做增量數(shù)據(jù)搬遷時，大概需要6-8個小時，而做全量數(shù)據(jù)遷移的時間，往往達到了4-7天，這就導致企業(yè)構建、保護和管理數(shù)據(jù)的過程復雜且耗時，并且需要大量開發(fā)和維護成本。

所以區(qū)別于這種被動局面，華為數(shù)智融合就是打通了數(shù)據(jù)治理生產線和AI開放生產線之間的互通，基于DataArts、lakeformation，把數(shù)倉、數(shù)據(jù)湖、AI數(shù)據(jù)的目錄、數(shù)據(jù)權限、事務一致性、多版本管理等能力都融合到一個中心點，構建了滿足各種引擎需求的數(shù)據(jù)湖統(tǒng)一元數(shù)據(jù)服務視圖，支持一份數(shù)據(jù)在數(shù)據(jù)湖、數(shù)據(jù)倉庫、AI、開源系統(tǒng)等多個引擎間自由共享，實現(xiàn)了引擎元數(shù)據(jù)互通，達到了數(shù)據(jù)與AI共存的效果。

但統(tǒng)一元數(shù)據(jù)本質是將數(shù)據(jù)與計算做了分離，這就導致數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)湖、AI引擎不互通，大規(guī)模分布式集群節(jié)點與節(jié)點之間的數(shù)據(jù)交換時間間隔可能會變長，且需要滿足實時性要求，所以降低鏈路延時，提高計算效率尤為重要。而華為推出的分布式硬件設備擎天加速卡，能夠實現(xiàn)的就是使數(shù)據(jù)與數(shù)據(jù)之間直接交換，不需要再上升到交換機層面，將路徑大大縮短，使數(shù)據(jù)與集群之間的交換效率大大提升。

事實上，單看數(shù)據(jù)與計算分離這種架構是十分理想化的，但在實際運用過程中還是存在很多工程化問題需要解決，而華為要做的不僅是將理想架構落地，還會通過擎天加速卡、AI數(shù)據(jù)治理產線等ICT根技術來支持企業(yè)解決落地過程中的諸多問題。所以華為在做的其實就是化繁為簡，將復雜的事留給自己，為企業(yè)、客戶提供更簡單、實用的融合架構。

數(shù)算融合，軟硬協(xié)同更兼容

事實上，云數(shù)融合和數(shù)智融合本質上是基于軟件層面的優(yōu)化，但數(shù)智化轉型是一個系統(tǒng)性工程，軟件和底層硬件的融合至關重要，這也是華為獨特的優(yōu)勢。

比如當企業(yè)云數(shù)智融合達到了一定水準，很難在軟件層面實現(xiàn)突破時，還想要再進一步提升效率，那么在硬件上下功夫便是最優(yōu)解。最常見的像銀行的日終跑批、數(shù)據(jù)分析、監(jiān)管報送等這些針對數(shù)據(jù)展開的業(yè)務，對時效性均有較高要求。

正常情況下日終跑批是從晚上十點左右開始跑起，一些數(shù)據(jù)量大的銀行可能會跑到第二天早上9點或者10點左右，這就會造成前一天數(shù)據(jù)還未跑完，第二天的新數(shù)據(jù)便產生了，影響了正常工作。

還有業(yè)務員在做數(shù)據(jù)分析時，有些數(shù)據(jù)需要自己提取，但在使用自助分析工具時，會有一個響應時間，對于一些復雜的命令，運行起來可能需要30秒甚至更長時間，對整體效率可能會產生一定影響。

RWA場景、監(jiān)管報送等復雜場景對數(shù)據(jù)計算的效率、算法有更高要求。例如銀行在做監(jiān)管報送時，會同時開放給不同分支去批量處理、批量增倉改查，這種既要保證跑批又要平衡數(shù)據(jù)變動的復雜混合負載要求，顯然對后臺提出了極高要求。

所以在當前基礎上，如何進一步縮短數(shù)據(jù)處理時長是業(yè)內所需解決的問題。華為給出的方案是通過鯤鵬計算底座+RoCE無損網(wǎng)絡+數(shù)據(jù)湖倉之間的協(xié)同，并且通過資源池隔離、優(yōu)化算法等方式去提升復雜場景下的性能。

另外，對于架構本身來說，雖然華為是做了開放處理，湖倉可以適配不同底座，底座也可適配不同廠商的湖倉，但基于華為自身的ICT能力，軟硬件的協(xié)同、融合也能夠達到一加一大于二的效果。

智算融合，大模型部署不費力

不能否認，大模型的爆發(fā)，將金融業(yè)帶入到了一個全新時代，但同時也給行業(yè)帶來了一些難題。尤其是大模型的部署，會有一系列復雜的工程化問題，比如數(shù)據(jù)采集、數(shù)據(jù)標注、數(shù)據(jù)清洗、模型的再訓練、推理等等，所以企業(yè)需要一個端到端的解決方案來實現(xiàn)高效落地。

而華為也是目前為數(shù)不多能夠實現(xiàn)全棧AI能力的企業(yè)，覆蓋昇騰芯片、算子CANN、算法框架MindSpore、盤古大模型、開發(fā)者平臺ModelArts等等，通過華為AI能力和上層應用生態(tài)，構筑全棧全場景的AI解決方案。

另外對于大模型來講，能夠看到一個非常顯著的區(qū)別，便是訓練的數(shù)據(jù)量劇增，例如ChatGPT3和3.5的訓練量都為百億，而GPT-4則達到了千億級別。數(shù)據(jù)級別從TB級到PB級甚至未來還有可能達到ZB級。而數(shù)據(jù)量的爆發(fā)也會在計算、存儲、通信三個層面產生新的問題。

首先計算層面，目前單卡算力能力5年僅能增加47倍，而算力需求5年增加了百萬倍，顯然單機已無法滿足日益增多的算力需求，業(yè)內較為統(tǒng)一的做法是將基礎設施分布式集群化。但集群化就會對散熱提出更高要求，傳統(tǒng)風力方式幾乎很難完成散熱重任，會導致出現(xiàn)不穩(wěn)定，出現(xiàn)中斷情況，相較之下液冷散熱效率更高，正逐漸成為集群散熱必選。

當然，在保證穩(wěn)定性的前提下，如何去提升超大集群算力利用效率以及大模型算法分布式開發(fā)效率，這就需要算力架構的優(yōu)化和算法框架的優(yōu)化。

存儲層面，因為訓練數(shù)據(jù)有一個巨量提升，如果還按照傳統(tǒng)的HDD存儲方式，那么其效率也會大大降低，全量數(shù)據(jù)載入可能會需要數(shù)天時間，所以全閃存等高性能存儲方式將是未來主流的解決方案。

通信層面，集群化下通信系統(tǒng)其實決定了其性能瓶頸，傳統(tǒng)100G的交換網(wǎng)絡在訓練時可能會有較高延時，所以就需要升級到200G或者400G的RoCE網(wǎng)絡，以幫助數(shù)據(jù)中心網(wǎng)絡實現(xiàn)大寬帶、低時延、高效率的訓練。

華為云數(shù)智算全面融合架構，解決的就是AI集群系統(tǒng)面臨的工程化難題，化繁為簡，為企業(yè)數(shù)智化架構升級提供了可以落地的優(yōu)質的解決方案。

產業(yè)數(shù)字化浪潮的推進，必然為金融業(yè)帶來新的數(shù)智化挑戰(zhàn)，金融行業(yè)數(shù)字化轉型迫在眉睫。而將云、數(shù)、智、算進行有效融合的“數(shù)智融合”解決方案，是破題的關鍵，可讓AI和數(shù)據(jù)釋放更多價值。在這個過程中，華為也將持續(xù)賦能行業(yè)實現(xiàn)高效的數(shù)據(jù)挖掘、治理和運用，為更多企業(yè)進行數(shù)字化和智能化升級構筑起堅實的創(chuàng)新基石，推動金融數(shù)字化轉型邁向全新階段。