案例名称:【基于大数据技术推动普惠金融服务数字化】
公司名称:【苏州银行股份有限公司(002966)】
案例简述:
面对信息技术的飞速更新和行业内外部环境的多重挑战,中小银行一直赖以发展的传统业务模式正受到严峻考验。2020年起,苏州银行从董事会层面提出了全面数字化转型要求,聚焦应用场景的落地建设,开展覆盖营销、产品、渠道、经营、风控等多个领域的40多个项目(群)建设。
本案例应用前后端分离技术,打造全流程线上化;运用智能生物识别和语音解析,确保业务真 实有效;依靠云端大数据,建立智能分析模型,在提升风险防控的同时简化业务流程。本案例是苏州银行在产品领域的数字化实践,通过打通全行21个系统,借助外部房地产评估平台、腾讯云等服务和技术,实现了从客户贷款申请、数据授权、模型审批、电子合同签约、自主用款还款的全流程线上化。此外,配合中长期贷款期限、信用叠加、无感知年审和无还本续贷等优势条件强化产品竞争力。
扫码查看详细案例
好文章,需要你的鼓励
阿里团队开发的FantasyPortrait系统突破了传统人像动画的局限,通过隐式表情表示和掩码交叉注意力机制,实现了高质量的单人和多人肖像动画生成,特别在跨身份表情迁移方面表现出色,为视频制作和虚拟交流等领域带来新的技术可能性。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
Akamai坚持“简而未减、网络先行、拥抱开源”的独特定位。凭借“鱼与熊掌兼得”的特色,过去几年,Akamai在电商、流媒体、广告科技、SaaS、金融科技等行业客户中获得了广泛认可。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。