中金所数字化转型的「难题」与「解法」

外人都觉得张天是光鲜亮丽的AI科学家，只有他自己不这么认为。

“我之前有时候正经技术活儿一点没干，时间全在拉通部门、整理数据上。”

张天是中金所（中国金融期货交易所）的一员，他亲历了这个国内首家金融期货交易所从2006年在上海挂牌成立至今的发展历程。

AI近些年的兴起也让中金所敏锐意识到金融数字化转型的必要性和紧迫性。为了更好满足业务需求，他们2015年开设了创新实验室，负责数据、算法方面的技术研究。

张天和他的同事们，主要负责这一块业务。几年下来，背靠中金所大树，实验室逐步建立了成熟的IT体系。然而，在不断精进的过程中，他们也感受到了一些力不从心。

“金融行业和AI是天然的结合，但一线的糟心事鲜有人知：上线一个AI应用有时候比造光刻机都费劲儿。感觉像是西西弗斯推石头，每次业务遇到一个新问题，就需从头开发新应用，导致效率奇低且算力等资源消耗比较大。”张天坦言。

换句话说，金融行业IT的AI改造，很多时候根本不是技术问题，而是需要一个好用的工具，去归纳、整理、提升开发效率、减少无故损耗。

1、“我们急需一个称手的工具”

AI的发展并非一蹴而就，金融行业的智能化、数字化一日千里。在满足业务越来越多元化需求时，各类项目的琐碎度、复杂性大大超出了张天的预期。

简单说几个，譬如开发效率低，各类算法、框架被反复重新建设，烟囱式架构琳琅满目；各类AI成果、资产分散各地，管理整合困难，复用率极低；缺乏有效的AI资源监控管理手段，各类资源被过度占用或未能合理使用，造成资源浪费。

AI管理、部署，模型训练、构建，资源拉通、使用，技术类的、非技术类的问题让张天脑壳生疼。后面他和他的团队琢磨着得在外面找一个得力帮手：一个“聪明好用”的技术中台去帮他们解决“烟囱式”系统架构问题，去降低AI业务场景的开发门槛。

走这一步也有不少前提。"金融级"是安全、可靠和可信的代名词，尤其是中金所这样顶级的金融机构，更是最基本的标准。中金所技术与业务结合非常紧密，每一个失误都可能产生核爆级的影响；另外，金融行业系统建设周期长，尤其是测试周期很长，对新技术的采用更为谨慎。

首先是实打实地解决问题。创新实验室隶属于中金所技术公司，本质上是IT部门，技术人的价值就是为业务问题找到能快速实现且运行稳定的解决方案。换句话说，他们不太在意这个技术是时髦的新技术还是老掉牙的旧技术，只要能安全可靠地解决问题，就是好技术。

其次，能经得起海量数据考验。金融领域数据量大，势头猛，早在几年前，中金所的交易额就已经超过其他三家商品期货交易所成交额总和，在数据量上是其他金融公司难以企及的，因此平台要能保证海量数据前提下，依然能平稳、高效运行。

再者，新平台能够适配中金所的场景。创新实验室最重要的职责是协助交易所各业务场景的智能化，其中涉及交易、结算、风控、检查各项业务，为风险控制市场提供技术基础，在外部工具平台选择上，需要既能贴合中金所的金融场景，又能让技术人员用起来得心应手。

摸排清楚业务核心痛点、确定好外部帮手的重要条件后，中金所技术公司梳理了一套专业的评分指标并对外招标。层层筛选后，他们最终敲定了腾讯，并选择了一个叫做“TI平台”的产品。

这个帮手总结来看主要有两大硬核特点。首先是一站式的AI开发服务平台，可以为开发者、企业用户提供从数据标注、模型训练、部署等全套开发服务；其次还可以支持用户结合自己的产业数据做精调训练，从而帮助用户快速创建和部署AI应用，提升工作效率。

“蛮好用的”。谈及这个产品的使用感受时，张天如此评价。

举个例子，金融市场日益繁杂，相关信息能迅速传播、发酵，影响市场情绪。金融领域是互联网以外数据量最庞大的领域之一，中金所每日都要进行巨量的舆情信息分析。

换句话说，外面找来的帮手需要经得住中金所场景中的海量数据和调用冲击。“在实际使用中，我们每天收到超过2000万条舆情数据，每天调用次数达数亿次，腾讯云的TI平台整体调用成功率超过了99%。”

要知道，如果使用传统的方式处理这些数据量，需要构建统一的代码框架，通用的代码运行环境，部署维护反向代理工具等工作，将花费大量的人力和时间成本。

“现在一键调取即可，且运行至今都比较稳定，我们的技术人员从很多繁琐的工作中解脱出来，工作效率提高了不少。”张天提到。

实际运行过程也并不复杂：中金所收集市场信息后，30多种已经完成训练并上线的算法服务开始运行。以金融过滤算法为例，平台过滤出金融信息，再送入摘要算法，通过一句话显示内容摘要。舆情数据分析生成算法将所有运算结果传回数据库，支持所内舆情智慧屏每日舆情数据的滚动展示。其他部门可以通过直接查询数据库的方式获取信息。

2、“提质增效是核心指标”

中金所技术公司另一个高频需求是模型的搭建。与AI初创企业不同，他们拥有不俗的IT能力，所以更注重底层设备和模型服务能力。

“这个TI平台里面有150多种通用算法和算子能力，我们可以在工作流中直接训练模型，并将其放入模型仓库，形成从模型训练到发布再到服务的闭环，能够有效降低搭建成本和人力投入。”

张天随即打开电脑实时操作了一番，工作流一旦搭建完成，如果仅需更改数据，可以简单使用拖拽操作来调整所需的算法。平台提供了多种开发方式，包括可视化建模、任务式建模和传统的notebook建模。

将算法进行算子化后，开发基础算子的精力投入和编码工作量大幅降低，从而加速了模型的开发过程，降低了模型开发成本，提高了开发效率。“之前团队需要花费一个月的工作，如今只需要2-3天就能完成，我们的咖啡可以少喝几杯了。”他调侃道。

眼下，数字化转型于金融机构已经成为必然趋势，而非可选择的选项。这是一场不仅涉及技术变革，更关乎认知转变的革命。

上海银行党委委员、副行长胡德斌曾指出，通过数字化能力能够改变传统管理流程和信息传递模式，以数据实时发现问题、精准研究问题、快速解决问题，实现过程管理和结果管理双轮驱动，从而推动高质量发展。

TI平台带来的最大变化，是中金所技术公司得以快速从零到一搭建业务平台，得以从繁杂重复的工作中解脱出来。在利用自身技术助力中金所业务成功的同时，张天也谈及了金融企业在做数字化转型的一些感触。

首先是底层工具能力得扎实。大多金融业务需求多且容错率极低，对平台要求极高。这需要技术平台的能力抗打，能够高效地满足特定行业的碎片化需求，并且从设计上就考虑到各个场景的实际业务需求。

其次是开发响应及时，能快速交付。“比如我所在的创新实验室，既是开发者又是用户，需要能简化工程上的研发投入，将精力聚焦在业务本身，从而提高AI应用的开发效率，实现降本增效。”

“都说灶台好，才能烧好菜。金融企业做数字化，一个趁手的工具、好用的灶台很重要。我们现在用的这个TI平台功能性和稳定性还不错，关键时刻不会掉链子，对我们的业务开展比较有价值。近期我也了解到他们好像还加了不少大模型的能力。”张天坦言。

今年年初开始，各类大模型产品相继发布，有聊天类的通用大模型，也有助力行业提质增效的行业大模型。腾讯在大模型领域布局的第一张牌选择了行业大模型。

他们以TI平台为载体，开了一个模型超市，货架上摆了不少行业模型以及多种模型能力，用户可以随需挑选，开发属于自己的、安全好用的大模型。目前这个模型商店已经覆盖了包括金融、文旅等10个行业，提供了超过50个解决方案。

“从算子能力到平台能力、从解决方案到模型服务，大模型技术的涌现使得AI平台成为金融机构探索的全新方向，通过共享智能化能力降低AI业务场景的开发门槛。很多厂商已经跑出了第一步，我们也会持续关注和应用，希望能够为用户带来更多的价值。”张天如是道。

注：本文中“张天”为化名