ZD至顶网软件频道消息: 2016年11月18日,毕马威中国领先金融科技公司50颁奖暨研讨会在沪盛大开启。本次论坛旨在探讨金融科技与互联网金融的发展趋势,从而推动金融科技和普惠金融的发展。天云大数据荣选领先金融科技50强企业,天云大数据CEO雷涛出席本次活动并参与圆桌讨论。十一届全国政协副主席李金华、中国中小企业协会会长李子彬、毕马威中国管理咨询合伙人张俊铭等600多名政商界人士出席本次论坛。
近年来,新兴的金融科技企业利用大数据、云计算、区块链等技术手段对传统金融行业所提供的产品和服务进行个性创新,提升了金融服务效率。以大数据、人工智能背景的天云大数据,与蚂蚁金服、京东金融、微众银行等新型金融公司被一同选入TOP50榜单,以科技为尖刀切入金融领域,以高效率的科技手段抢占市场,提升金融服务效率以及更好的风险管理。
研讨金融科技与互联网金融的发展,与会嘉宾的普遍共识是:领先信息科技的创新应用是解决金融服务痛点,提升金融服务效率的终极解决思路。
天云大数据CEO雷涛也在论坛中表示,数据服务于金融多年,比如商业智能BI,在如今人工智能AI的热潮中,BI与AI的定位将有进一步演进,基于大数据为核心的AI、区块链技术模式,正在对金融基础设施带来巨大变化。
目前的大数据反欺诈技术离不开文本挖掘,最重要的是语义识别。其次重要的是图像的挖掘,包括OCR识别图像文字、相似图片等等。传统申卡欺诈分析中往往运用强变量来评估个人在未来信用卡使用行为中的表现,没有整合分析其他维度的数据源。
而大数据申卡欺诈分析预警系统,首先,融合了信用卡申请环节的各个业务数据,解决了数据孤岛的问题;其次,引入第三方数据,比如银联数据等,扩展了数据的维度;最后,通过复杂网络技术,构建申卡客户的社交复杂网络提供客户的社交数据,在拓展覆盖维度的同时,以弱变量来体现强变量,并且实现了社交数据的高频率更新,提高了数据的准确有效性。
天云大数据深耕金融领域多年,在申卡反欺诈分析预警系统提供多例解决方案,成功融合银行内部的数据,建立数据挖掘系统,引入地域关系、联系关系、推荐关系等拓展建立申请人社交关系复杂网络,联合银行信用卡申请系统数据,利用大数据分析技术,建立信用卡申卡欺诈分析预警新模式。
天云大数据的人工智能平台MaximAI,突破了Hadoop、Spark在部署使用上的瓶颈,在SPARK/ALLUXIO分布式内存计算框架下,使用scala语言彻底重构了深度强化学习等前沿数据科学算法,同时采用Free coding的免代码交互式调参优化,不再依赖于昂贵的GPU,在商业化X86集群上即可运行深度学习,实现了从并行化计算到分布式计算的转变。从而解决了分布式与机器学习算法难结合的问题,能够帮助企业快速实现AI产业化。
在银行信用定价方面,Maxim AI可针对千万级别信用卡客户的风险进行分析,针对不同风险值的信用卡客户的利率差别市场化。通过MaximAI平台为银行业进行用户属性分析,提供定制化资金服务的模式是在改变金融产品设计以及其交互方式。
在本次论坛上,天云大数据还同期发布了大数据日报,包括大数据、人工智能、Fintech等主题,轻松订阅便可帮助用户洞悉最前沿资讯。大数据日报无需人工编目,MGC引擎根据热点主题信息可实现机器自动抓取全网资讯,并可个性化定制其他主题。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。