恒生金融数智底层架构模型

张攀
2023/03/28
 目录
CONTENTS

1 金融数智底层架构模型及优势

2 金融数智基础设施的信创之路

3 联盟共建金融数智生态路径探讨

密级：
 投资管理行业技术的数智底层架构模型
大数据源 人工智能 投资管理
金融 / 市场 / 经济 / 社会 / 企业内部
智能识别
数据 行情数据 产品营销
市场参考数据 参考数据
文字识别 客户服务
数据集合 财富管理
商业数据
法人实体数据 文本 语音识别 商业分析 买方投研
市场行情数据 商业智能 报告 / 预警 投资管理
物体识别 交易执行
其它
实体经济数据
销售 & 交易
语音 投资研究
社交媒体数据 智能创造 风险管理
现金头寸数据 自主编程
语义理解 投资交易 投资运营
推理 / 思考
订单和指令数据 概念形成 合规报告
视图 深度学习
操作 / 监控 市场监管
审计跟踪记录 领域知识 监管技术
规划 / 管理
其它 计算 / 逻辑 其它

数智基础设施
物联网 AI 算力基础设施 AI 平台和服务
分布式数据库 区块链
互联网 / 云计算
 投资管理行业金融数智基础设施的信创之路
打造金融数智基础设施，输出三大技术能力，成为金融科技应用和创新的典范
三大技术能力

大数据技术能力 人工智能技术能力 资产管理技术能力

公共参考数据 财富管理技术

投资管理技术
资讯社媒数据 数 智 化
投资研究技术
付费专业数据
投资交易技术

业务域私有数据 在算力上统一、在算法上扩展 市场监管技术

数智基础设施
物联网 AI 算力基础设施 A AI 平台和服务
恒生数据库 D 恒生区块链 B
恒生 LIGHT 云 C
 AI 平台和服务的商业模式： AI-aa-S 的产品和服务集
目标产品和服务

业务维度 AI-aa-S 产品和服务类型

垂直领域专业化服务
• 客户关系 • 交易执行和分析
• 营销服务 • 行政管理 针对特定业务、租用成熟的功能模块
对标： Azure Cognitive Services
• KYC/ 反洗钱 • 合规管理
• 投资组合管理 • 财务管理
• 市场风险管理 • 企业财司
功能
• 信用风险管理 • 市场监管，等 针对个性化应用，为客户建立 AI 模型，
留用客户训练或提供训练服务
横向领域通用化服务 对标： Azure Machine Learning

• 内容理解和搜索引擎 模型
• 多语言辅助阅读
• 多语言翻译和同声传译 为客户提供算力和大数据服务
• 视频理解和纪要 对标： Azure Databricks
算力
• 工作环境、团队建设和员工情绪价值服务，等
 迈向「数智 2030 」： AI 平台和服务五步建设发展里程碑
短期机遇
短期机遇 中期挑战
中期挑战 长期变革
长期变革
利用 AI 在价值链上获得实质性效益 解决数据、运营、人才和监管相关的挑战 面对全社会普遍采用 AI 所带来的行业变革

现有产品和服务 扩展产品和服务 全面覆盖业务流程 洞察能力和敏捷响应 全新价值主张和生态

•• AI
AI 提升现有业务服务能力和效率； •• AI
AI 全天候实时大数据分析、连续服务，
特 提升现有业务服务能力和效率； 全天候实时大数据分析、连续服务，
服务具备高可扩展性；
•• AI
AI 提供业务规模化运营服务；
提供业务规模化运营服务； •• AI
AI 实时大数据，为业务单元提供洞察、
实时大数据，为业务单元提供洞察、
方案和事前
•• AI
AI 为核心的全新产品、服务和商业模式；
为核心的全新产品、服务和商业模式；
•• AI
AI 优化流程、降低成本。
服务具备高可扩展性； •• 地域和客户细分方面扩展服务覆盖范围。 方案和事前//事中预警、事后分析和改
事中预警、事后分析和改 •• 全域的
优化流程、降低成本。 地域和客户细分方面扩展服务覆盖范围。 全域的AI
AI 同事和同行参与的新的运营
同事和同行参与的新的运营
征 •• 大规模降低各业务单元成本。
大规模降低各业务单元成本。
进；
进； 模式和工作方式。
模式和工作方式。
•• 快速响应业务需求。
快速响应业务需求。

•• 打造各类工具型
打造各类工具型AI AI：机器学习模
：机器学习模 •• AI
AI 智能客服助理；
智能客服助理； •• AI 提供客户服务智能化； •• AI 市场营销、
市场营销、AI AI 销售、
销售、AIAI 客服； •• 企业员工与
企业员工与 AI
AI 同事和
同事和AI
AI 同行，共存
目 型、
型、NLP
NLP、图形图像模式识别模型、语 •• AI 辅助市场营销；
AI
AI
提供客户服务智能化；
实现投研
AI 客服； 同行，共存
、图形图像模式识别模型、语 AI 辅助市场营销； •• AI 实现投研//投管
投管//投交流程；
投交流程； •• AI
AI 投研、
投研、AI
AI投管、
投管、AI AI 投交、
投交、AIAI 风控；
风控； 的全新运营模式；
的全新运营模式；
标 音和视频智能识别和处理模型；
音和视频智能识别和处理模型； •• AI
AI 辅助投研、投管、投交；
辅助投研、投管、投交； •• AI
AI 实现后台业务流程。
实现后台业务流程。 •• AI
AI 运维、
运维、AI
AI行
行 政、
政、AI
AI 财务。
财务。 •• AI
AI 打通营销、财富、投资、风险、合规、
打通营销、财富、投资、风险、合规、
•• 打造生成式
打造生成式AIAI。
。 •• AI
AI 辅助后台流程。
辅助后台流程。 运营维护、客户服务全域服务流程。
运营维护、客户服务全域服务流程。

AI 工具 AI 机器 AI 流水线 AI 同事 AI 同行

2024 年 2025 年 2027 年 2030 年 未来

一代工具型产品发布

AI 平台立项 一代生成型产品发布 持续推进各业务线的 二代「 AI 机器」产品、三代「 AI 流水线」产品、四代「 AI 同事」产品

 投资行业金融数智基础设施：联盟共建生态路径探讨
联盟共建打造资管行业三大技术能力，促进联盟成员共享和共赢，携手开创金融行业数智化新时代
联盟共建三大技术能力

大数据技术能力 人工智能技术能力 资产管理技术能力

公共数据和用例 模型开发 通用化应用

联盟数据和用例 模型训练 专业化应用

联盟业务流程 实施发布
算力 模型 功能

恒生电子数智基础设施
物联网 AI 算力基础设施 AI 平台和服务 AI-aa-S
恒生数据库 恒生区块链
恒生 LIGHT 云
 联盟共建三大技术能力的现实意义
金融机构和科技企业应共同部署人工智能，在新一代技术大潮中重新塑造金融服务未来

同盟大数据
• 在方面采取先发优势的机构能够加速早期数据优 • 我们很难获得大量高质量的业务数据，利用历史和未来实时的数据集上
势的增长，从而使前台和后台都受益，深刻影响 成功训练人工智能
先发优势 了公司在联盟、基础设施和人才方面的战略；
• 能够早期建立人工智能在竞争差异化方面的领先
• 单独的金融机构自身也很难获取到大数据，技术上难以实时处理大数据
优势的机构将在技术、数据、影响力上占据优势，
后来者追赶难度大。 同盟业务集成

• 许多有价值的人工智能应用需要深度和广泛的复杂业务集成，而不仅仅
• 金融机构运营模式正在重塑，业务本身更加 是简单的模块化嵌入式实现
专业化，高度依赖网络化营商环境； 协作优势
• 科技企业掌握数字化、网络化、数据化的核
心技术力量。 同盟在线训练

• 同盟组建模型训练人才，在业务流中使用人工智能，同时反馈和训练人
工智能，为模型在业务成长和成熟建立人才基础
• 人工智能为金融机构提供了根本性的解决方案，以
解决困扰该行业及其客户的一系列共同问题，必须
共同面对 共同努力构建解决方案。 同盟履行监管义务
• 与许多利益相关者合作 因为发挥人工智能的全部
潜力需要一个广泛的合作伙伴网络，只有金融机构、
监管机构和更广泛的公共部门一起共同努力，才能 • 当前的监管框架是基于日益过时的金融生态系统模型建立的，这为寻求
确保在金融领域扩大人工智能的应用，让整个社会 采用最先进的人工智能实现的机构带来了重大的不确定性
受益。 • 同盟形成的良性商业模式，为监管方式和规则增加可参考范例
部署 AI 平台和服务的难点或风险之数据
需要传统金融机构、非传统金融服务、金融科技企业协作实施

挑战 传统金融机构保
存的数据格式和
质量问题 利用客户数据
技术专家和业务 金融机构间建立
协议 改善客户体验 高效的存取、访
领域专家设计用
共享实时数据 问、处理大数据
例训练集

开发具有差异化
传统金融机构技
跨传统和非传统 的数据集和服务
术数字化转型
金融服务数据集
获取难度

数据管理和共享
原有业务数据的 的监管监督
数字化
业务现场同步测
传统中介机构如 人与 AI 之间新 试 AI ，提供反
何得到激励参与 的数据和业务流 馈
变革 程

容易

低 高
处理难度
部署 AI 平台和服务的难点或风险之算法和算力风险
关注生成式人工智能将如何影响组织和行业，做出战略选择以利用机遇和应对挑战。

挑战

人工智能
芯片供应
能力过度输出
提供意外功能

风险可控性 缺乏可信判断
不知道何时出错 各类侵权行为

私域数据泄露

容易

低 高
业务风险
 资管行业金融数智基础设施：打造行业标准用例
各业务单元设计开发 AI 产品的常规实施步骤

实施步骤 说明 行动 案例
这包括确定 AI 可以提供最重要价值和
确定 AI 在组织中的最
确定用例 影响的领域，例如自动化流程、大规模
佳应用领域
数据分析或改善客户体验。

确保数据是干净、准确和相关的。确定
高质量数据对于 AI 的
评估数据质量 数据中的任何缺口并采取措施填补这些
有效工作至关重要
缺口。

建立清晰的指导方针， 这包括确定谁负责 AI 系统、如何管理

开发治理框架
确保负责任的使用 AI 它们以及如何保护数据隐私和安全。

AI 需要大量计算能力
确保基础设施能够支持计划实施的 AI
建立基础设施 和存储空间才能有效工
解决方案。
作

组建技术 + 业务的 AI 包括数据科学家、软件工程师和业务分

组建团队
团队至关重要 析师，合作开发和实施 AI 解决方案。

在实施 AI 解决方案之
这涉及确定成功的度量标准并针对这些
测试和验证 前，在受控环境中测试
度量标准测试解决方案。
和验证它们
 恒生电子股份有限公司
HUNDSUN TECHNOLOGIES INC.
+86 571-28828888
www.hundsun.com

版权（报告、 PPT 、演讲内容）仅为恒生电子所有，未经书面许可，任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。