如何看待金融圈的科技趋势？
今天，北京大学光华-杜小曼金融科技实验室发布《2022年全球金融科技十大科技趋势》，涵盖隐私计算、大模型、多模态学习、数字结对等多个前沿领域。
隐私计算大规模应用元年刚过，这一年将如何助力金融行业数据生态建设？
大模型、元宇宙、多模态...这些被热议的技术是如何与金融互动的？
又有哪些前沿技术已经在为行业创造价值？
现在我带大家看一下年度金融科技十大技术展望。简要概述如下:
趋势一:“数据可得但不可见”，隐私计算助力金融行业构建数据生态。
隐私计算可以使数据在流通和整合的过程中“可用且不可见”。在数据互联需求高涨、数据安全政策不断出台的背景下，互联网巨头、科技公司、金融机构纷纷进入私有计算行业。2021年，被业界称为隐私计算大规模应用元年。
金融行业作为数据密集型行业，对数据互联有着迫切的需求，是隐私计算技术的主要落地行业。在保证数据安全的前提下，隐私计算可以帮助金融行业的数据流通，主要应用于信用风险控制、精准营销、反欺诈、移动支付人脸识别等场景。
2021年，各国继续加强数据安全立法。比如，中国先后出台了《数据安全法》、《个人信息保护法》、《征信业务管理办法》等一系列数据法律法规，韩国出台了《MyData》相关立法和数据服务指南，加强数据保护。
在此背景下，随着隐私计算行业标准的陆续发布和相关技术的不断迭代升级，隐私计算将在2022年金融数据生态建设中发挥更大的作用。
趋势二:头部企业加码，大模型成为全球AI技术竞争焦点。
随着算法的不断创新、计算能力的逐步增强和数据的海量爆炸，预训练大模型已经成为人工智能的一个新方向。大模型的基本训练方法是自我监督学习。依靠复杂的预训练目标和庞大的模型参数，可以将丰富的知识存储到大量参数的隐式编码中，完成面向不同场景的不同任务。大模型提高了AI的通用性，有助于解决AI应用场景碎片化的问题。
自2020年OpenAI发布NLP预训练模型GPT-3以来，大模型在全球范围内爆发，成为新一轮人工智能技术竞争的焦点。2021年，谷歌发布Switch Transformer，鹏程-文心知识增强模型，华为发布盘古模型...大模型开始从自然语言处理扩展到更多领域。
在应用方面，大模式还处于各大机构的积极探索阶段。随着技术性能的不断提升，产业模型的不断成熟，监管体系的逐步建立，大模型必将掀起人工智能应用的新浪潮。
趋势三:在元宇宙的帮助下，VR/AR行业有了新一波的发展。
随着产业链各环节的逐渐成熟，叠加的疫情推动了“零接触”需求的兴起，VR/AR技术在经历了热炒、低潮、复苏之后，进入了快速发展阶段。在第十四个五年计划中，中国甚至将增强现实/虚拟现实列为数字经济的重点产业之一。
2021年，“超宇宙”概念火了。VR/AR可以带来全新的人机交互方式，被视为元宇宙与现实世界的硬件接口。在元宇宙的帮助下，VR/AR行业迎来了新一轮的发展机遇。据IDC预测，2021年全球VR产品将增长46.2%，2020-2024年复合增长率为48%。2025年全球AR设备出货量将达到2440万台。
2022年，苹果有望发布首款MR产品，Oculus将发布Quest Pro打造下一款VR旗舰机型，索尼有望发布新一代PS VR头显。
趋势:多模态学习受青睐，催生人工智能多元化应用场景。
多模态学习始于1970年。经过几个阶段的发展，2010年后全面进入深度学习阶段。多模态研究的最早应用之一是视听语音识别。通过融合视频和声音模式，多模态学习开始显示出其卓越的学习能力。
2020年以来，面对疫情常态化防护“戴口罩”、“零接触”的需求，以及指纹、人脸等单一生物特征信息频繁泄露带来的个人隐私风险，多模态解决方案受到市场青睐。多模态生物识别以其准确率高、安全性强、应用场景广等特点，正成为市场主流，并逐步应用于金融、公安、出入境、安检、教育等诸多场景。
2022年，在加强个人信息保护的主旋律下，多模态生物特征融合了多种生物特征的优势，可以灵活选择合适的技术融合方式和决策权重，能够适应不同应用场景下需求的变化，将会有更多的落地应用场景。
趋势:低码和无码应用升温，加速金融领域数字化转型。
2014年，Forrester Research提出了“低代码开发平台”的概念。随后，Gartner以基于aPaaS的高生产力平台命名了这一类别。2018年，西门子收购了低代码应用开发领域的制造商Mendix。低代码平台OutSystems获得3.6亿美元融资。低代码应用开发在海外市场迅速升温。
在国内市场，数字化转型驱动的软件需求扩张与现有RD体系的矛盾日益加剧，传统架构无法应对不断变化的市场需求。低码/无码可以更好的解决这个问题。
低代码/无代码开发平台可以释放金融领域的生产力，加速金融领域的数字化转型。一方面，低代码/无代码开发平台可以满足组织不断变化的业务需求；另一方面，可以实现架构可视化、建模可视化和开发可视化。2022年，低码/无码将驱动金融领域更快实现业务创新。
趋势:云原生技术生态逐渐扩大，为金融行业创新发展注入新动能。
2015年，云原生应用基金会成立，云原生技术和应用的发展开始进入快车道。近年来，云原生技术生态也集中在容器、微服务、DevOps等技术领域。从早期阶段，已经扩展到底层技术、编排与管理技术、安全技术、监控与分析技术、场景应用等多个分支。
随着企业数字化转型的深入，企业应用需要基于云原生的技术、架构和服务来构建。2021年，全球云原生应用持续崛起。云原生应用可以弹性扩展和伸缩。通过云原生改造，可以最大限度的利用服务器资源，有效节约服务器成本。同时，云原生应用平台可以提高业务应用的迭代速度，灵活应对各种场景。
目前，金融科技领域的一些创新者正在基于云原生架构，在技术架构、产品迭代速度、用户体验提升、客户画像准确率等方面不断创新。根据Gartner的预测，2022年，75%的全球企业将在生产中使用云原生的容器化应用。
趋势七:行业关注度提升，数字结对成为企业数字化转型的重要抓手。
2003年，密歇根大学的Michael Grieves教授首次提出了“数字双胞胎”的概念。孪生最早用于航天空。随着新一代信息技术的成熟，数字结对开始向智能制造、智慧城市、交通运输、医疗、农业等垂直行业扩展，成为推动企业数字化转型和数字经济发展的重要驱动力。
目前，世界各地都在积极部署数字结对应用。2020年，美国和德国分别成立数字结对联盟和产业数字结对协会，加快构建数字结对产业协同和创新生态。在中国，探索数字双城建设已经写入“十四五”规划，成为国家发展战略。根据全球行业分析师的报告，2020年全球数字孪生市场将达到46亿美元，2026年将达到287亿美元。
随着数字孪生技术的不断成熟，未来还可以用在金融场景中。金融机构可以利用数字结对技术构建“数字经理”，为客户提供个性化定制服务。他们还可以将其应用于金融产品的研发，并在数字孪生模型中进行产品的迭代设计。
趋势八:提供核心科技能力，区块链推动供应链金融走向3.0时代。
当今世界，各国相互竞争，制造业被置于越来越重要的位置。制造业的竞争归根结底是产业链和供应链的竞争，因此构建高效的供应链金融体系至关重要。自爆发以来，央行等八部委联手《关于规范发展供应链金融支持供应链产业链稳定循环和优化升级的意见》，推动供应链金融发展，鼓励“运用区块链、大数据、人工智能等新一代信息技术，不断加强供应链金融服务平台和信息系统的安全性”。
大力发展供应链金融，或将成为金融科技公司的下家。2021年9月，原浙商银行行长徐仁彦加入度小满金融，负责供应链金融科技业务，并兼任度小满供应链科技有限公司董事长，从此次人事变动可以看出度小满加大了布局供应链金融科技的意图。12月，杜小曼应用区块链科技支持中小企业在京金融资产交易所发行首款供应链创新直融产品。2021年10月，另一家巨头网商银行也推出了基于数字技术的供应链金融方案“大研系统”。
目前，区块链技术主要应用于围绕核心企业的供应链2.0模式，解决协作、信任、数字信用凭证和自动履约等问题。未来，通过结合物联网、大数据等技术，构建基于区块链的协作网络和资产网络，区块链科技有望从根本上改变供应链金融的商业模式，推动供应链金融走向去除核心企业的3.0模式。
趋势九:“永远不信任，永远验证”，零信任构筑金融网络安全屏障。
与传统的基于边界的网络安全方法不同，零信任以“永不信任，永远验证”为原则，以身份为访问控制的基础，以最小化实时授权为核心，以连续认证、动态访问控制、授权、审计、监控为链条，实现动态、连续的信任评估。2021年，美国出台了多项零信任政策，包括联邦零信任策略和零信任期限模型。欧洲82%的企业增加了零信任建设预算；在国内，自2019年工信部发布《关于促进网络安全产业发展的指导意见》，将“零信任安全”列为需要“突破”的关键网络安全技术以来，国内互联网巨头和科技公司都在不断探索零信任布局。
趋势:云、边、端协同，边缘计算助力金融机构打造“安全+效率”双重优势
边缘计算被视为云计算的延伸，与云计算相辅相成，相互协调。边缘计算的数据处理和分析是实时的，可以为用户提供更高实时性的服务。同时，由于边缘计算只负责自己的任务，数据处理是本地的，数据传输安全性高。边缘计算不需要太多的带宽，所以降低了网络带宽的负荷，智能设备的能耗也进一步降低。
随着5G、物联网等技术的不断成熟，边缘计算正在快速兴起。面对海量数据计算、新型计算场景、小数据实时处理的挑战，边缘计算正在成为数据时代技术落地的重要计算平台，不断满足各行业数字化转型中的应用智能、实时业务、隐私保护等需求。
对于金融领域很多实时、安全的场景，边缘计算可以为其发展带来更多可能。随着边缘被赋予越来越多的数据存储和计算资源，边缘计算将成为未来的主流部署。。
—结束—
