新华三IIDC 2024-2026金融科技十大趋势预测 新科技 新金融 新业态

HI3C新科技新金融新业态·——新华三&IDC2024-2026金融科技十大趋势预测Contents 02金融云原生 03金融数智化 06量化交易 07物联网金融 08金融安全 09客户体验 当前，在地缘政治冲突加剧、商业经济市场环境高度不确定、数字化业务加速发展的背景下，金融行业处于深度变革的潮流中，金融机构亟需重新思考其在技术支出、业务决策及业务创新发展等方面的投资重点。此外，金融机构也越来越需要借助大数据和AI技术来提升业务的数智化水平，使用包括云原生在内的数字架构来提升业务发展的敏捷性、发展数字业务以实现更大的弹性、加强金融安全管控以支撑数字化业务的发展。未来三年对金融机构来说至关重要，未能实现现代化和数字化《金融科技（FinTech）发展规划（2022-2025年）》强调：要以加快金融机构数字化转型、强化金融科技审慎监管为主线，将数字元素注入金融服务全流程，注重金融创新的科技驱动和数据赋能，推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段，力争到2025年实现整体水平与核心竞争力的跨越式提升。未来三年，金融科技需重点建设的领域包括：金融科技治理、数据能越是不确定的时代，越需要以前瞻性的战略眼光瞄准行业发展趋势提前布局。前沿科技与金融业态间的融合发展能为金融机构的业务创新、业务增长和业务韧性提供新机会。本报告立足于全球化视野，结合新华三在金融行业中的前沿实践、IDC的全球研究成果及中国金融行业发展现状，认为未来金融行业将在开放金融、金融云原生、金融数智化、区块链/数字货币与跨境支付、隐私保护计算、量化交易、物联网金融、金融安全、客户体验、绿色金融等方面有着较大的发展前景，相关业近年来，越来越多的企业正在持续建设及扩展行业生态，并将之作为数字化转型下一阶段的重点工作。生态参与者按需提供人才、资源和能力，快速且高质量地满足复杂的客户需求。具体到金融行业，金融机构可以通过构建开放的金融行业生态，并充分利用生态参与方所共享的数据与洞察、应用程序、运营与专长等，来提升其金融服务的广度与深度。这种开放、嵌入式的金融服务模式不仅能为金融机构提供更多的创新来源，也能为金融机构客户提供更多类别的无摩擦金融服务体验，以目前，我国开放金融的推进主要以金融机构为主体，通过连接技术平台，使用标准化的API、SDK等技术工具，将金融机构数据与金融服务等资源开放给合作伙伴以及B端、C端及G端用户，以实现数据、应用程序和运营经验的充分共享，为各方参与者的高效运营与决策提供支撑，进而形成生态例如，平安银行所构建的星云联盟就是通过支付结算、物联网和数据等优势基础，搭建了一体化开放互联生态体系。该银行通过整合及开放金融资源、客户资源，为生态伙伴提供丰富的标准化产品、公正的收益共享机制，服务海量B端和C端客户，实现能力的快速输入及变现，实现生态伙伴、用户、银行的共建共赢。一方面，平安星云联盟为生态合作伙伴与海量用户提供了平安银行的数字账户、投资理财、支付结算、贷款业务、保证金、信用卡，以及普惠金融、跨境金融、新型供应链、财资管理、数字身份等多项金融产品和服务，通过标准化接口开放给第三方合作伙伴，为合作伙伴赋能，以创建更具竞争力的应用场景；另一方面，第三方合作伙伴也可以通过开放平台，以小程序的形式为平安口袋银行客户提供各项生活服务，通过“走出去”+“引进来”双向驱动，将银行、合作伙伴、客基础设施的有效连接、商业模式的创新、API的安全及管理、数据资产化是开放金融建设的核心支柱。首先，基础设施的有效连接是开放金融建设的基础，通过建立一个可靠、安全、高效的基础设施，确保数据、资金、资产等的有效流动。其次，商业模式创新是开放金融建设的关键。传统金融机构往往采用保守的商业模式，但随着金融科技的发展，以共享共建、共享共创为基础的商业模式将会变得更为创新和灵活。例如，金融机构可以通过开放平台的API，将金融服务与其他生态系统进行集成，从而拓展服务范围、提高效率和降低成本。此外，开放API及数据资产化是开放金融建设的重要基础。API作为一种开放的接口，可以将金融机构的数据、服务、技术等与其他机构进行共享和集成。数据资产化则是将数据转化为资产的过程，可大型银行构建开放生态将是其提升业务韧性和拓展业务收益的主要模式。如今，在复杂多变的市场环境中，金融机构的抗风险能力和弹性服务能力愈加重要。金融服务机构（尤其是银行）通过参与或构建行业生态，引入多种类型的B端合作伙伴，可实现资源的共享和能力的集成，在此基础上为用户提供增值服务。为了支持这些行业生态的健康有序发展，银行将围绕数据、流程和运营的共享制定相关战略、规范和安全措施。未来，大型银行主导的行业生态将通过生态角色之间的高效协作，更快地交付产品和服务，从而提高企业竞争力和业务灵活性，并逐渐形成“行业生态即服务”的范式转变。我们认为，到2026年，20%的头部银以生态系统为基础的风险感知和预防将成为金融机构提升其业务抗性的主要策略。数字化模式的普及增加了网络攻击的风险和损失，同时也加大了业务竞争压力。大多数中小型金融机构由例如，部分保险公司由于没有足够的损失数据和网络威胁专业知识，所提供的产品并不理想，未来需要利用行业生态进行优化。这种生态系统主导的转型将使独立科技组织有机会扩大市场、完善其价值主张，分销链上的其他企业也可能获得相应机会，安全管理服务提我们认为，到2026年，30%的保险公司将直接或通过建设生态，为零售类行业生态的建设将促进客户获得更多无缝、场景化、易得的金融服务。构建开放行业生态的核心优势是能够为银行、技术合作伙伴以及行业用户提供标准化的合作机制，让参与方共享成长收益。同时，生态参与方还能提供丰富的标准化产品，快速对接场景业务需求，并支持银行账户、融资、AI等原子级产品输出。金融机构通过与合作伙伴之间进行数据、应用程序、运营洞察共享共用，为其提供连续场景的持续服务提供新机会。目前，摩根大通和高盛等全球银行已将重点转向综合交易银行服务以增加经常性收入来源。同时，支付处理、现金管理、司库、贷未来，开放金融/嵌入式金融服务将无处不在，并渗入人们生活及在由监管机构、科技服务方和渠道服务商等合作伙伴共同参与协作的生态中实现能力互补、数据互通和资源共享，以更好地提供无界、易得、全场景的金融服务。此外，值得关注的还有金融机构在开放金融生态建设中对生态渠道的重视及资源对接的安全管理。例如，通过建设集成金融机构与场景金融服务提供者、业务场景数据获取者和外部平台接入的安全管控中心，来保证开放API安全、我们认为，到2026年，30%的保险公司将直接或通过建设生态，为零售类（寿险或产险）客户提供实时风02目前，越来越多的金融机构正以云原生作为核心的现代化开发方式，并利用微服务、容器、动态编础设施的弹性扩展和应用的快速部署，从而提升资源利用率，简化IT运维管理，并提高应用交付效率，满足业务快速变化的需求。据IDC调研数据显示，目前金融机构云原生应用正处于初级阶段，有84.0%的金融机构正计划实施或在单点实验利用云原生技术满足金融业务快速响应和敏捷弹性的计划实施，未来1—3年内有计划利用云原生技术满足数字化时代金融业务单点实验，正构建云基础设施，将部分业务改造上云，实现基础设施的弹局部应用，正将云原生技术应用于核心系统改造、产品构建或应用创新等优化创新，正探索云原生技术在管理创新、产品创新、应用创新等方面的例如，某股份制商业银行多年来一直在探索和实践核心系统云原生改造。主要将核心系统迁移到云上，并采用容器化、微服务架构和自动化运维等技术，创造性地解决了laaS层、PaaS层和SaaS层的多个关键技术难点。在IaaS层提供计算服务（虚拟机、GPU等）、存储服务（对象存储、块存储、文件存储等）和网络服务（VNET、DNS、SLB等）；在PaaS层提供容器服务，基于eBPF的高性能集装箱网络解决了原有集装箱网络稳定性差、性能不足、可观测性不足的问题；在SaaS层，提供覆盖数据分析、数据可视化等多个领域的云服务，实现数据使用和分析，开启数字化的最后一公里。最终，这一改造有效提高了系统的可靠性、灵活性和可扩展性，并能满足银行不断增长的业务需求和数字化转型的云原生技术虽然能够赋予金融机构敏捷、弹性的能力，但同时也要求金融机构拥有强大的分布式架构能力和敏捷开发管理能力以完成机构的云原生转型。同时，作为有着强监管、技术领先、安全防护需求高等特点的特殊行业，金融行业深入应用云原生技术的关键是云原生安全。根据IDC调研结果显示，云原生在金融行业中的规模化应用需主要提升云原生关键技术能力（如：微服务、容器、动态编排和DevOps等技术）。同时，构建多元安全防护体系亦是云原生规模化实践需要重点关注提升云原生关键技术能力（如：微服务、容器越来越多的金融机构将基于云原生技术提升其应用程序的开发部署和迭代效率。云原生开发被定义为针对分布式基础架构优化的一系列软件和开发方式及逻辑，金融机构可以充分利用容器和自动化工具，实现快速构建、部署和测试应用程序的过程，从而提高开发效率和质量，帮助以应用和服务为中心、安全服务云原生化的设计理念将极大提高金融机构的安全管理效率。通过单一的管理控制平台对多云、混合云环境下的所有工作负载进行统一管理，将成为金融机构提升资产管理统一性和安全策略一致性的主要方式。同时，金融机构通过使用微服务架构和容器技术，可以实现多层次的安全策略和隔离机制，降低系统被攻击的风险，并提高数据和应用由于金融行业基础架构组成比较复杂，行业非常看重精细化观测运维和分析、大规模部署和运营的能力。金融机构通过云原生技术，构建云原生监控体系，有助于实现包括基础架构监控有关银行核心系统升级换代策略选择的讨论从未停止过。全球范围内的实践显示，银行业正在以更为务实的态度向前推进这一系统工程项目。基于传统（legacy）架构所开发的应用在可以经受住规模化负载并且能保证系统稳定性的前提下将继续运行。与此同时，对于支持新型客户互动、向银行开放基于行业生态的创新业务，在贷款、存款和财富管理中推出新型数字化产品，以及基于云原生的数字核心等创新业务，都在持续推进中。我们认为，多核心并行的模式将在未来几年持续实践。但是，未来银行核心的终极状态将是基于云原生的数字核心。近几年，中国银行业核心系统的改造项目进展比较活跃，基于云原生数字核心的落地实践正在从单基于云原生的AI应用和数据管理将更有效地推进业务敏捷发展。金融机构通过将AI应用部署在云原生架构之中，通过使用容器、微服务、自动化管理等技术来实现高效、灵活、可扩展的AI应用部署和管理，能提升资源利用率、提升模型效率。同时，通过将数据库部署在云原生架构上的举措，不仅解决了传统数据库维护成本高、可用性低、故障恢复慢等问题，让企业能够更高性能、更灵活地访问数据，还实现了数据存储和计算的分离，打破了存储的单机限制，并且实现了存储资源的自动化管理，包括自动备份和恢复、自动扩容和缩容、自动调整资源分配等随着金融市场环境的复杂与多变，以云原生为核心的开发、运营金融机构所追求的目标之一。未来，应用云原生技术的金融机构，将凭借其快捷的开发能力、高效我们预测：到2025年中，60%的中国境内银行将基于当前应用程序的使用现状，制定并实施云原生数字核心战略，但是否对传统架构系统做出完全替代将视其具体业务需求做出选择。032022年开始的《“十四五”数字经济发展规划》将加快推进数业化、产业数字化”，促进行业内外的数据开放和流通，因为创新、效益化的数据应用能正向激励数据要素的使用，促进数据价值释放。该“规划”已将数字要素提升到与技术、资本、人才等要素同等的高度。金融机构通过整合多维数据资源，构建数据要素流通的基础设施（例如数据存储、数据传输、数据安全等），强化数据治理能力，对于提升其业务智能化水平和经营能力至关数智化是金融机构数字化转型的一大目标。近年来，越来越多的金融机构开始加强促进数据要素流通的基础能力建设，并利用大数据和AI技术等智能化技术，打造数智化能力（如：大数据平台、AI中台等），并将其应用于金融业务链条中的各个环节，实现业务的数字化转型以及智能化升级，比如渠道营销、客户服务、财富管理、风险控制等金融业务。根据IDC调研数据显示，金融机构的数智化建设亦处于起步阶段，90%的金融机构正计划或已初步尝试构建数智化平台，并将之赋能4—6分，单点实验：已经初步构建了数智化平台，并尝试在单个业务场景例如，某股份制银行正在利用大数据、云计算、机器学习、自然语言处理等技术全面提升金融服务和风险控制能力。在客户服务方面，该银行利用大数据和用户画像技术，实现了对客户的个性化服务和对话式营销。在风控方面，该银行融合多种技术，例如金融风控AI我们认为，未来，金融机构需以数用一体、数智融合、赋能业务的总体思路，通过云计算、大数据、人工智能的融合应用，打造数据、技术与业务相融合的智能中台，在多维数据统一管理的基础上，聚焦客户、产品、运营、风控等业务领域，将各类业务中心与区块链、人工智能/算法等技术深度融合，建立数智融合的中台体系，为各类业务的智能化、高效率发展提供有效支撑。尤其是，AI大模型亦将在金融机构数智能力的提升过程中发挥重要作用，金融机构需加大探索与布局NLP大模型、CV大模型、多模态大模型在智能营销、客服或风控等场景中的深入应用机会。例如，借助于生成式AI帮助金融机构生成风险评估报告、信用评级报告等，辅助智能风控决策；AI大模型的训练也数用一体：“数用一体”是驱动数据高效赋能于业务的一种新型理念。一方面，金融机构需要通过将不同来源、格式、结构的数据进行标准化管理与整合，并通过建立统一的数据质量标准），方面，金融机构还需借助于隐私保护计算技术，推动实现数据的安全共享和流通，并通过建立数据共享机制和数据交换协议，以实现不同部门和机构之间数据的高效共享和交换，从而提高数据的准确性和可信度，驱动多源数据与业务流程、业务系统进行无缝连接，助力金融机构在数智融合：金融机构根据“数用一体”的数据管理理念，并用先进的智能技术，包括云计算、机器学习、AI算法等，以挖掘数据中的价值信息，提高决策的准确性和效率。例如，在云计算方面，金融机构通过数云一体的计算处理方式，以云原生、分布式内存计算、分布式流计算等提高计算效率和成本效益。目前，市场也催生出越来越多的企业对大数据及AI/算法等智能技术我们认为，未来拥有AI大模型技术的企业将会有更快速、更准确的决策速度，从而在新的领域具有先发优势。AI大模型技术在金融行业中的应用，在提升营销的个性化/精准化水赋能业务：比如，在风控决策场景中，金融机构通过利用更复杂的算法/工具来检测和识别身份欺诈，这些算法/工具提供了帐户活动的视图从而防止身份欺诈引发的金融风险。我们认为，由于更为复杂的人工智能/机器学习(AI/ML)和深度学习算法的应用，尤其是通过利用开放银行生态所搜集的多源可用数据建模的有效性，将使企图进行身份欺诈的发案率至2026年底降低12%。再比如，在保险行业，我们认为，未来越来越多的数字原生公司将会同能够提供相关解决方案的保险公司合作，通过分析内外数据确定风险，利用人工智能与数据信息和具体承保需求，开发风险模型，提供合适的嵌入式保险产品，如Uber和Deliveroo与Zego和Inshur等专门从事嵌入式保险的技术支持型授权承保代理商（MGAs）的合作。我们预测，到2025年，60%的商业保险公司将通过投资人工智能来应对零未来，金融机构数智融合程度的加深将进一步重塑业务形态和业务模式，对金融领域客户服务、渠道营销、风控管理、财富管理等业务进行全面赋能。金融业务的数智化发展，也将不断我们认为，由于更为复杂的人工智能/机器学习银行生态所搜集的多源可用数据建模的有效性，将使我们预测，到2025年65%的金融机构将会借助于AI大04越来越多的央行开始探索并开发自己的数字货币，这些数字货币被称为央行数字货币（CBDC）。CBDC正逐渐渗透在各个场景，并在未来有望成为数字经济时代新型支付媒介和支付工具。与传统纸币相比，CBDC主要是通过应用区块链技术（如分行数字货币在交易过程中更为高效、安全和可靠，例如：交易可以直接在区块链系统上完成，从而省去了中介机构的环节，在提高对账效率的同时降低了交易费用。IDC调研结果显示，大多数受访者认为，未来3年基于数字货币的跨境支付在市场中的占比将达到10%～30%；仅有26%的受访者区块链技术与数字货币在跨境支付领域的应用，不仅能提升对账效率、降低交易费用、提升业务流程自动化水平等，使交易信息更透明、交易业务更合规，也能更有效地支持金融机构的反洗钱和反香港金融管理局、泰国央行、阿联酋央行等合作，探讨分布式账本技术跨境支付金融基础设施方面的潜力；同时，由法国央行、瑞士央行、国际清算银行等共同实施的Project我们预测，到2025年，30%的金融中介机构将采用分布式账本技术来支持结算和清算功能。传统的结算需要多个中间支付机构参与，而基于联盟链技术构建了统一分布式账本，央行作为可信机构通过应用程序编程接口将交易数据上链，保证数据真实准确，运营机构可进行跨机构对账、账本集体维护、多点备份，从而免去传统金融交易结算中机构之间联结的复杂程序，进而减少中间环节的交易和人为干预，提高对账效率，实现快速交易和清算。例如，某股份制银行借助区块链的去中心化、分布式记账特点，对支付系统进行了全新布局，推出了直连跨境支付我们认为，未来区块链或将改变原有的技术架构和支付服务模式，推动支付清算业务快速发展。随着区块链技术的应用，以全天候支付、实时到账和安全高效为亮点的跨境支付清算时代将逐渐到来。随着金融证券作为数字资产比例的增长，预计二级市场对私有、许可的基于DLT的结算和清算服务的偏好将显著增长，预计也将看到监管机构会以更深入的形式参与管理。目前，部分DLT项目在运行中遇挫；尽管如此，DLT在清算和结算中所表现出的新能力预计将在我们认为，央行数字货币的全面应用亦将有效支持金融机构的反洗钱和反欺诈工作。央行数字货币基于分布式网络和区块链驱动的消息可以提供更高效、更实时的监控和分析工具，以识别和防止可能的洗钱和欺诈行为。金融机构通过分析交易数据和交易者身份信息，可以更快地发现异常交易和可疑活动。此外，CBDC也为每笔交易提供唯一的数字签名，便于跟踪和审查。我们预测，到2026年，15%的跨境支付将会通过区块链驱动的消息处理及结算来进行。分布式账本和加密货币有可能颠覆跨境支付在成本、速度和复杂度等方面的境遇。未来，一个国家的付款人可将其法定货币转换为加密货币，并将其转移给收款人，后者又可将其转换为当地货币，且该过程基本可以是即时的。但在实际实践中，加密货币区块链所带来问题的解决方案直到最近才大量出现，包括可以降低风险和增强信心的稳定币、世界各地央行对传统监管规则的我们预测，到2025年，30%的金融中介机构将采用分布式账本技术来支持结算和清算功能。我们预测，到2026年，15%的跨境支付将会通过区块链驱动的消息处理及结算来进行。分布式账本和加密货币有可能颠覆跨境支付在成本、速度和复杂度等方05随着市场各方对跨源、跨领域、跨用户的数据流通共享需求日益增大，以及日趋严格的监管，金融行业更加重视数据安全和隐私保护方面的能力建设。中共中央、国务院印发的《数字中国建设整体布局规划》，亦突出强调了数字基础设施的高效联通、数据要素价值的有效释放，对于跨越数字鸿沟、加快发展数字经济、分享数字经济发展红利所起到的基础支撑作用。隐私保护计算作为围绕数据的使用与交换而采取的保护技术，为数据共享与流通提供了解决方案。其通过硬件、密码学、先进算法等一种或多种结合的方式，实现数据在多方之间的可用不可见，以此推进数据在安全、不泄隐私保护计算技术将以更加多元化、场景化的方式发挥数据的价值。当前，主流的隐私保护计算技术主要有：以多方安全计算为代表的、基于密码学和安全协议的隐私保护计算技术；以可信执行环境为代表的、基于可信硬件的隐私保护计算技术；以联邦学习为代表的、基于联合建模而衍生出的技术。面向不同场景的数据共享及使用特点与需求，往往会采取不同的技术路线。据IDC调研数据显示，目前基于可信执行环境的隐私保护计算技术在金融行业中应用较为广泛，多方安全技术亦被行业广泛应用。未来，隐私保护计算技术进一步成熟，将逐渐成为解决多方数据融合应用和安全性的重要途径和基础设施，促进金融向更开放、更值得信任的方向发展。目前，隐私保护计算已不断应用在金融信贷风控、反洗钱、反欺诈、营销、保险定价与隐私保护计算技术的应用将加速从零售业务应用向对公业务应用升级。如今，数据的战略价值正在飞速提高，但很多金融机构无法生产出足够的内部数据，在获取和利用外部数据时又面临数据隐私和安全问题。隐私增强技术和隐私保护计算为银行业开辟出新的多方可信计算场景，如云中敏感工作负载功能、多方风险评估、加密部署等。根据IDC在2022年的全球调查发现，54%的受访机构表示它们会优先采用隐私增强技术来支持可信任的数据协作。目前，隐私保护计算技术的应用在零售业务中已较为成熟，如个人贷款、个人信用评分等。我们认为，未来，隐私保护计算技术的应用将从零售业务应用加速升级到对公业务应用。对公业务通常涉及大量敏感数据，包括企业的财务数据、客户数据、供应链数据等。这些数据的合规共享和分析，能例如某股份制银行在数据的获取和利用上，采用了多方可信计算技术，通过在供应链解决方案的设计和实现过程中加入多个计算和验证节点，确保对公业务数据共享的隐私性和可靠性。该银行还开设了专门的隐私保护与合规管理职能部门，深入研究和实践隐私增强技开源协同正成为推动隐私保护计算大规模落地的重要手段。过去三十年以来，作为一种新型生产方式，开源以“开放”“共享”“协同”为特点以“自由”的传播形式，成为全球信息技术发展的强大推动力。在隐私保护计算领域，首先，开源协同的模式将催生更多的隐私计算产品提供方，使这一赛道的竞争更加激烈，产品在不同场景中的标准化程度也将得到提升；同时，大量隐私计算产品的激烈竞争及隐私保护计算开源平台的出现，可能促使隐私计算产品的价格迅速降低，在降低隐私计算门槛的同时，也为技术+业务落地的分工合作的生态建设打造了相应的基础，从而进一步推动隐私计算商业模式区块链和Web3.0技术与隐私保护计算技术的结合，也将进一步促进数据流通可信底座的形成，例如基于区块链技术的数据确权将更便于数据所有者管理其数据，促使数据在各个场景中某国有银行所构建的“区块链+供应链金融”平台就通过利用区块链和隐私保护计算技术建立可信底座，实现了数据共享和流通，并确保了数据的安全和可信。通过与供应链上的不同参与方共享信息，平台可以实时监控订单进度，从而更好地进行供应链风险管理，并这些机制保护了用户信息和数据的安全。未来，金融机构通过构建基于数据共享和流通的可信底座，不仅能有效解决数据安全、数据可信、数据确权等问题，而且能够高效促进基于可信底我们认为，伴随着国家对数据要素价值的重视及多方技术的融合应用，未来，隐私保护计算将从我们预测，到2025年有70%的金融机构将会优先采用隐私增强技术来支持可信任的数据协作。近年来，随着科技的不断发展和金融市场的日益成熟，量化交易正在快速发展和普及，越来越多的交易机构和资产管理公司开始使用量化交易策略，尤其是在证券、期货、外汇市场上。我们认为，随着交易市场的复杂化，越来越多的资本市场交易主体将广泛采用机器学习、知识图谱、AI算法等技术来预定义交易规则，并以算法交易的自动化执行来驱动高频交易，同时利用低时延交换机提高以某金融科技公司为例，该公司采用了精准的算法和数据分析技术，结合多年的经验和市场洞察力，开发了一套全自动交易系统，并以此实现高频量化交易。该系统涵盖市场数据收集、历史数据分析、交易策略确定、实时交易执行等多个环节。在交易策略的确定方面，其采用基于机器学习的算法，进行数据分析、特征提取和模型训练，从而建立起一套稳定、有效的交易策略体系。交易执行方面，该公司采用低延时的技术手段，提高系统的响应速度，并部署了多个交易网关和服务器，以保证系统的可靠性和稳定性。该高频量化AI技术在高频量化交易中的应用趋势。面向日内T+0的高频量化交易与中低频量化交易的最大差异在于数据量的不同。高频量化交易使用日度数据，同样3000只股票的数据上亿的数据量。因此，无论现在或未来，高频量化交易均需依靠机器学习来处理海量的市场数据。机器学习算法擅长从海量数据中寻找关联性，在市场冲击风险和错失交易机会而产生的机会成本的风险之间寻求最优解，并据此提升执行效率。同时，对于流程化的参数调优工作，机器学习能够自主跟踪市场数据并改进性能，在节省人力成本的同时不断优化交易策略。未来，AI技术将借助于其在挖掘新因子、决定策略设定等方面的优势，应用至高频量化交易，对标公司的财务报表、新闻数据、非公开调研数据等因子进行分析并推导出建模逻辑，并交由计算机执行交易⃞这套流程将成为未来AI在高频量化交易中的主要工作模式。低延时技术在高频量化交易中的应用趋势。目前，在高频量化交易中，超低时延可以显著提高交易成功率。例如，通过优化网络带宽和延迟、调整系统资源分配策略、使用高效的存储设备等来缩短交易的响应时间和提高系统的稳定性；通过对代码进行优化、使用高效的数据结构和算法来提高交易系统的执行速度和稳定性；通过使用高性能的处理器、高速缓存和内存等硬件设备以及使用超频技术，来提高服务器的运行速度和性能；通过低延时网卡降低网络通讯的延迟时间，提高数据传输速度和精确度，从而提高交易的执行效率和成功率。这些低延时技术能高可用的系统架构在高频量化交易中的应用趋势。高频量化交易对于数据的计算量及计算效率有着较高的要求。因此，在数据层面，快速的数据传输必不可少。通常采用行情中心、数据分发服务器和本地数据缓存等技术，利用多种传输协议（如TCP、UDP）实现数据的高速传输，以提升数据在算法训练端的快速响应。在架构层面，其所需的系统架构也应具备高可用性和负载均衡的特性，具备在故障或峰值负载状态下快速切换或扩展处理能力。因此，在系统架构层面，只有采用负载均衡、分布式数据库、异构化分布式算法、分布式容器、分布式调度等技如今，高频量化交易仍在发展期，市场的规模仍在不断扩张，具有很大的价值潜力。但是，需要注意的是，高频量化交易的风险控制和监管措施也极为重要，需要加强对相关风险的监控和控制，以我们预测，到2025年，65%的资本市场交易主体将采用机器学习、知识图谱、AI算法等技术来实现高频量07数字基础设施能力达到国际先进水平。中国正大力推动物联网与其他新一代信息技术加速集成和融物联网技术作为数字技术和数字基建的重要组成部分，在推动万物互联及产业数字化转型中发挥着重要作用。其使用场景正从制造流程、设备资产管理、智能电网等，更多渗透至车联网、农畜链网值得注意的是，在金融服务领域，当前的物联网技术在数据获取及互联互通、资产的联接管理、与其他技术的融合发展以及实物资产安全等方面的价值越来越突出。越来越多的金融机构开始基于人例如，平安银行推出的“星云IoTOS”，可以有效实现物联网设备统一聚开放API、SDK、云云协同等方式，集成第三方物联网设备和IoT供方、方案提供商、产业互联方、硬件制造商以及供应链生态服务商和数字化服务商，并面向产业中未联网的传统设备，提供低成本IoT方案，实现设备联网与接入服务。同时，依托于星云开放联盟及数字口袋，携手合作伙伴为海量中小微企业提供数字化转型支持，物联网云平台建设将逐渐成为金融机构面向中小微企业提供金融服务的重要入口。根据IDC调研，大多数银行都存在着获客渠道单一、场景化金融产品相对不足、抵押类产品的数字化能力不足等问题。当前，银行机构缺乏主动触达中小微企业的渠道，且由于银行场景化服务能力不足，难以基于已获取的中小微企业客户触类旁通，拓展服务规模，致使银行在中小微业务方面缺乏有效的永续经营手段。而物联网技术由于具有环境感知和监控的技术优势，能够帮助金融机构获取中小微企业的生产、经营等数据，为其金融服务创新提供支撑。我们认为，建立金融机构与中小微企业之间的数字化高效连接与智慧融资的产业物联网云平台是赋能中小微企业数字化转型的关键。一方面，物联网云平台的建设能够整合物联网设备、芯片、模组等科技资源（如摄像头、传感器、设备手环、RFID等），让中小微企业更好地使用物联网技术或物联网设备，以进一步赋能其数字化转型。另一方面，基于物联网云平台所沉淀的中小微企业经营数据5G、AIoT技术在产业中的应用将极大提升中小微企业的贷款覆盖率。我们预测，到2026年，通过利用基于人工智能物联网技术（AIoT）所搜集并分析的另类数据所进行的跨行业中小微型境实时多维数据被加入到金融机构的企业信用评估模型中，提高了金融机构信贷决策能力。物联网技术目前已被应用在商品采购、太阳能园区、农业、畜牧业等多个领域，从而使企业的贸易、商品、资金等有关信息可以通过供应链整合，降低银行风险控制成本，便于企业获得资金。我国已有相关案例，例如农业融资，可以利用移动物联网设备、卫星遥感、电子围栏等技利用卫星填补偏远地区、农村地区及高风险地区的网络覆盖缺口，进一步提高其金融服务的可得性。物联网设备的本地化和产业化部署是提升金融机构服务中小微企业广度和深度的有效方式。未来，低轨道地球卫星（LEO）的日益普即将改变农村和偏远地区的网络匮乏现状。它在农村和偏远地区的应用将为能源、采矿和公共服务等领域的金融服务带来机会。随着低轨道地例如，网商银行推出“大山雀系统”，充分借助于金融科技，创新性地通过卫星遥感图像识别作物生长情况和种植面积，实现对农户经营资产的数字化建设和评估，使之形成信用资产。农业用户可以通过手机明确自己的土地资产，随后，网商银行通过卫星遥感等技术识别土地的农作物面积、作物类型，准确率达93%。通过验证后，农业用户便可高效且便我们认为，未来，随着物联网技术的成熟，金融机构通过物联网工具在产业中的部署，以及以产业赋能为目标的物联网云平台的搭建，将促进其以全新的方式，为产业方提供更多元且安全的金融服我们预测，到2026年，通过利用基于人工智能物联网技术（AIoT)所搜集并分析的另类数据所进行的跨行08在经济数字化、全球化加速发展的今天，金融安全日益受到国家的关注。中共中央、国务院印发的《数字中国建设整体布局规划》指出，要强化数字中国关键能力，其中包括筑牢可信可控的数字安全屏障，切实维护网络安全，增强数据安全保障能力，建立数据分类分级保护基础制度，健全网络数据监测预警和应急处置工作体系。金融机构通过WAF（网络应用防火墙）+ASS（应用安全服来防范外来攻击，这将在保障用户数据、信息、资产安全中发挥愈加重要的作用。IDC研究显示，所有的受访者所在的金融机构都对网络安全比较重视；数据安全、运营安全以及安全运维意识也是主要从网络安全维度（如构建网络应用防火墙、网络安全通过监管沙盒的形式，对技术应用进行“实验”以保证应主要从数据安全角度（如从数据安全风险评估、数据库安网络态势感知技术将在网络安全管理中发挥越来越的金融机构会使用态势感知技术来提升其网络安全水平。当前，金融机构面临着愈加复杂和智能化的网络攻击，传统的安全技术已经无法满足需求，需要通过大数据、人工智能/机器学习等技术来对抗网络攻击。通过自动发现和应对威胁，这些技术能够做出更快速和精确的安全决策。如今，金融行业正在积极采用网络态势感知技术，通过数据采集和数据特征提取网络的状态、检测网络攻击；通过云计算和大数据分析等技术，计算、分析和评估网络态势；通过机器学习/知识图谱等技术预测网络态势及溯源；通过可视化技术，实现网络态势可视化等；以此实时监测网络中的数据流量、攻击源和攻击目标等信息，及时发现网络攻击，提高网络安全水平例如，某大型国有银行通过采用云计算、大数据分析、人工智能等先进技术，建立了具有自主知识产权的网络态势感知系统，通过对银行网络中的各类异常进行监测、分析和预警，实现全局实时监控。同时，该系统也可以多维度的方式对各类网络安全事件进行深度分析和溯源追踪。此外，系统能够自适应升级，可以有效提高银行的网络安全防御水平，数据安全治理将成为推进数据安全的主要方式。随着金融行业数字化转型的深入，金融机构面临的数据安全风险越来越高。数据安全治理正逐渐成为保证金融机构数据安全的重要措施。我们认为，数据安全治理通常涵盖信息保护和数字信任，其中，信息保护是指通过消息传递安全性、数据丢失技术（如：确保敏感信息不会被访问、不当使用或未经授权删除的技术）、数据访问治理以及数据隐私保护和合规性来实现信息安全。数字信任通常包括保护数据免受破坏性影响的产品或技术（如：网络攻击和/或未经授权的用户活动），以防数据泄露。此技术具体包括：加密、密钥管理、证书以及保护本地/外部数据中心和云上的存储资源免受意外或故意损坏云工作负载安全是保证软件定义计算（SDC）基础架构（VM和容器）上运行内容的重要手段。随着云计算技术的发展，越来越多的企业将应用程序和数据迁移到云平台上，云工作负载的安全因此成为企业非常关注的问题。首先，云工作负载安全可以通过加强身份验证、访问控制和加密等安全措施，确保敏感数据不被未经授权的用户访问。其次，云工作负载安全可以有统的可用性、稳定性及系统性能。未来，随着金融云上服务的复杂性提高，云工作负载安全将以更多层次的安全措施和更灵活的安全控制机制令安全防御更加灵活和自适应，以满足金融机安全中台建设正成为金融机构提升整体安全服务水平及智慧安全服务的主要举措。安全中台是一种将安全技术和安全资源集成和管理的手段，通过构建安全中台，可以实现安全管理基础能力的标准化、规范化和服务化，提高安全运营的效率和响应速度及加强金融机构整体安全防护能力。目前，安全大数据基座和安全能力服务化是安全中台建设的重要趋势。基于安全大数据基座和安全能力建设，金融机构可以对数据进行集中收集、处理和分析，对各类安全“原子能力”进行抽象化封装，并通过开发对外接口面向不同场景，实现灵活的安全能力对接及编排，例如，某国有银行通过开发RESTfulA入侵检测、漏洞扫描等）封装成微服务并对外开放，以方便各业务系统集成、使用和管理。这样，各业务系统就可以根据自身需求，灵活地选取并组合不同的安全服务，形成针此外，随着各类数据、业务及应用的云上发展，云安全问题也日益突出。金融机构正在采取各种云安全技术手段，如云安全访问控制、云安全数据隔离、云数据加密、云安全审计等，以确保云环境综合来说，我们认为，在金融行业实施数字化优先战略以及国家愈加重视金融安全的背景下，通过多种技术手段及底层安全能力建设高效全面地保证金融行业的数据安全、网络安全、终端安全和业我们预测，到2026年，85%的金融机构将通过数据安全治理、网络态势感知技术、云工作负载、以及安全中台建设等方式，来构建更加纵深、多维的安全防御随着数字化转型的持续推进，越来越多的金融业务向线上化的方向转移，诸多金融机构纷纷加大研发、创新的投入并布局移动金融应用，金融产品和服务差异性越来越小，金融机构之间的竞争越来越激烈。在获取新客的同时，机构也将更多的精力投入在提升客户体验上，以获得更高的客我们认为，客户体验正成为驱动企业成功的关键因素。根据IDC调研数据显示，所有的受访者所在的机构都已经在客户体验提升方面做了技术投入，尽管有些机构还未取得显著效果。我们认为，机构若能深入落实以客户为中心的战略，进一步应用新兴技术，改善客户体验优化策略，便可显著提升其技术投入的效果。例如，在技术方面，金融机构通过利用人工智能/机器学习、虚拟现实等技术打造元宇宙平台，以此优化客户服务链，提升客户互动情境，帮助客户获得陌生和新奇的体验，提升品牌的情感指标和销售潜力。例如，通过对大规模行为数据、交易数据的训练，银行可以预测客户的购买行为、生命周期价值等，并根据这些预测结果做出相应的决策，以优化营销体验及效果；通过训练大规模的NLP模型，银行可以实现自动化的客户营销互动，提供个性化的产品和服务信息，并根据对话的内容和语义，提供个性化的建议和解决方案，从而实现全营销流程例如，某国有银行将融合新金融理念与元宇宙概念，以客户需求为导向、以金融服务为基础，通过构建深入连接客户生产生活的各个场景、满足客户需求的综合金融服务元宇宙生态系统，展示了新金融持续延展的服务边界和不断提升的实践成效。该元宇宙生态系统旨在提高客户参与度和互动性，不仅使客户享受到独特的服务体验，还可以激发他们对金融客户努力值将成为金融机构衡量客户体验的重要指标。过去，企业最重视的是客户满意度得分意”的形式进行调研。然而，随着线上服务在金融业务的占比越来越高，件的回忆还原程度强相关。为了避免这一事后反馈模式所带来的不准确性，能够反映客户办理一项业务所消耗精力的客户努力值（CES）逐渐在客户体验标准中扮演着更为重要的角色。我们预测，到2027年中，30%的银行将放弃客户满意度得分作为客户体验的衡量标准，而采用客人工智能及虚拟现实等技术将极大地推动金融机构服务体验升级。完备的线上情境带给客户的新奇感和便捷性是未来金融机构吸引并留存客户的重要因素。例如：利用人工智能技术提供更精准且高效的智能客服服务、利用机器学习技术深入挖掘客户数据并拟定客户策略、利用虚拟现实技术为客户提供情境式服务等。我们预测，到2025年，40%的大型银行将使用基于人工智能的情绪分析（SentimentAnalysis）为评估和理解客户情绪的能力可以帮助金融机构更好的理解客户，并提供更细致的服务体验，这种体验会根据客户的情绪、位置、面部表情，甚至是一周中的具体一天或一天中的某个时间Web3.0及元宇宙技术将进一步推动金融机构创造更具粘性的互动内容和私域运营平台。金构利用Web3.0技术，通过数据共享、所有权等权以及参与体验等多种方式重构客户关系，让客户成为品牌的体验者、消费者、传播者和受益银行的信任度，促进用户的使用和消费。此外，元宇宙技术的应用也可以为手机银行提供更加随着金融业务“线上+线下”服务体系的深度融合和金融服务/产品差异化的进一步减小，客户体验将在未来的金融机构竞争中扮演更加重要的角色。为更好服务客户、获取更高的客户价值，金融机构需不断迭代人工智能等相关技术，完善线上服务链，优化客户体验评判标准，以提供更精准、更人性化的智能服务，提升客户互动情景，打造机构竞争力。未来，金融机构营销及运营管理者将持续以技术能力为基础，加速提升数字客户价值，为其创造更多发展机会。这些技术包括但不限于强大的客户数据采集与治理、人工智能和机器学习以及安全管理架构，还有一些金融机构甚至开始涉我们预测，到2025年，40%的大型银行将使用基于人工智能的情绪分析（SentimentAnalysis）提高客户当前，绿色金融的发展方兴未艾。2021年，中国人民银行发布《银行业金融机构绿色金融评价方案》，对绿色金融业务进行了界定，包括且不限于绿色贷款、绿色证券、绿色股权投资、绿色租赁、绿色信托、绿色理财等。生态环境部、商务部、中国人民银行等发布的《关于加强自由贸易试验区生态环境保护推动高质量发展的指导意见》亦鼓励和发展排污权交易市场，鼓励开展环境综合我们认为，一方面，在可持续发展战略下，绿色金融市场中面向企业和个人的碳账户体系和碳交易机制将持续完善，越来越多的金融机构将借助于区块链技术，构建碳排放权的确权和转移体系、环境、社会和公司治理（ESG）的数据监测体系和绿色评价体系。同时，基于碳行为和碳交易所形成的绿色评价指标也将纳入其金