智算實戰(zhàn) | 云邊協(xié)同，鑄就金融 AI 新引擎
轉(zhuǎn)型之困，銀行在 AI 大潮中面臨挑戰(zhàn)
在金融科技飛速發(fā)展的當(dāng)下，銀行積極邁向構(gòu)建銀行大模型和數(shù)字銀行的征程中。尤其在 “三農(nóng)” 普惠、客戶營銷等關(guān)鍵領(lǐng)域，銀行們更是鼓足干勁，期望借助科技手段提升服務(wù)質(zhì)量與效率。然而， AI 轉(zhuǎn)型之路并非一帆風(fēng)順，銀行面臨著一系列嚴(yán)峻挑戰(zhàn)。 傳統(tǒng)運(yùn)營模式成本高且效率低下，“人盯人” 的方式已難以適應(yīng)現(xiàn)代金融服務(wù)的需求?？蛻粽扯炔蛔?、潛客數(shù)據(jù)挖掘不充分，客戶體驗亟待提升。此外，遍布全國的網(wǎng)點(diǎn)涉及大規(guī)模異構(gòu)邊緣設(shè)備及節(jié)點(diǎn)，管理難度巨大。而金融行業(yè)復(fù)雜的組織架構(gòu)，也使得各分行 / 支行的權(quán)限精細(xì)化管理成為難題。破局之選，以青云 AI 智算平臺構(gòu)建云邊協(xié)同體系
為了應(yīng)對上述挑戰(zhàn)，某國有六大行果斷引入青云 AI 智算平臺，構(gòu)建總分一體化云邊協(xié)同體系。利用云原生調(diào)度架構(gòu)結(jié)合邊緣計算框架，以分支機(jī)構(gòu)為組織單元，以邊緣節(jié)點(diǎn)為單位，實現(xiàn)統(tǒng)一管理、統(tǒng)一調(diào)度、統(tǒng)一監(jiān)控，極大地提升了邊緣計算效率。
在穩(wěn)定性架構(gòu)構(gòu)建方面，總行中心云上的邊緣計算平臺采用主備管理集群模式，確保災(zāi)備能力。核心服務(wù)分布式部署，可橫向擴(kuò)容，提高服務(wù)承載能力。邊端與中心云對接采用負(fù)載均衡方式，避免單點(diǎn)故障和性能瓶頸。一旦分行邊緣節(jié)點(diǎn)發(fā)生故障，中心云調(diào)度策略能及時調(diào)整，確保業(yè)務(wù)連續(xù)性。
大規(guī)模異構(gòu)邊緣節(jié)點(diǎn)實現(xiàn)自動化納管，提高管理效率的同時，構(gòu)建邊緣節(jié)點(diǎn)鏡像緩存能力，降低網(wǎng)絡(luò)帶寬占用。分布式可觀測性體系能夠采集分析各層面監(jiān)控指標(biāo)，包括分行邊緣節(jié)點(diǎn)、邊緣應(yīng)用及云端平臺數(shù)據(jù)，并通過可視化支持和設(shè)置閾值策略，提前發(fā)現(xiàn)故障點(diǎn)。安全隔離能力更是強(qiáng)大，總行統(tǒng)一管控，各子機(jī)構(gòu)資源邏輯隔離，各子機(jī)構(gòu)權(quán)限、項目資源、應(yīng)用資源也相互隔離。成效斐然，云邊協(xié)同帶來的多維度提升
上述方案，為該銀行的全國 430 余家網(wǎng)點(diǎn)和 40+ 業(yè)務(wù)場景提供邊緣算力資源，覆蓋了超柜代客操作、三方駐場監(jiān)測、數(shù)字孿生、智慧畜牧等不同業(yè)務(wù)場景，為銀行各分行、各網(wǎng)點(diǎn)智慧化轉(zhuǎn)型提供了有力支撐。這不僅提升了客戶體驗，優(yōu)化了運(yùn)營效率，增強(qiáng)了數(shù)據(jù)挖掘能力，還提升了安全性。
● 提升金融客戶體驗，加快業(yè)務(wù)處理速度，通過大模型精準(zhǔn)挖掘客戶需求，為客戶提供個性化服務(wù)?！?優(yōu)化運(yùn)營效率，降低運(yùn)營成本，提高故障處理速度。
● 數(shù)據(jù)安全性的增強(qiáng)，通過安全隔離和資源隔離，降低安全風(fēng)險。 在未來，該銀行將繼續(xù)以科技為驅(qū)動，為客戶提供更加優(yōu)質(zhì)、高效、安全的金融服務(wù)。
分享