金融智能化转型平安银行AI中台架构搭建实战

平安银行的战略目标是打造“中国最卓越、全球领先的智能零售银行”。零售业务转型升级，方法是“技术领先，零售突破，做精做大众”。在平安银行行长特别助理蔡新发的带领下，零售业绩突飞猛进。短短三年，零售AUM已突破2万亿元，创造了新零售。用互联网思维经营银行，聚焦“银行家”能力，打造“AI银行家”。2021年将提出“五位一体”打造综合银行，以“AI(AI银行)T(远程银行)O(智能网络银行)”的模式和专业的产品技术服务全面覆盖八大主力客户。随着5G、虚拟增强、区块链等技术的普及，平台银行将打造全息银行，以客户为中心，向客户推广最好、最高端的金融服务。

金融科技极度渴望科技，场景极其丰富。我从互联网公司加入金融公司，深刻认识到未来的科技将以金融科技为主。为了推动金融智能化的变革和技术AI能力的提升，迫切需要打造行业领先的AI中层能力。经过几年的努力和对商业智能应用的了解，AI应用可以快速孵化。为此，我们将AI中间平台分为五层：AI底层、AI数据、AI平台、AI服务、AI应用。

1.AI基地

第一，AI基础，为了兼容AI的各种硬件，我们基于kubernetes搭建基于容器的云平台，将AI与云计算相结合，以云服务的形式提供AI能力。整合主流深度学习和机器学习框架，包括Tensorflow、Pytorch、Mxnet、PaddlePaddle、Spark、Horovod等框架，支持各种业务数据分析和挖掘需求，并能快速兼容其他新的算法框架。资源方面，资源被容器化隔离和限制，基于图像发布，支持弹性计算、秒级动态扩容、HA、多租户等能力。在存储方面，ceph支持对象和块存储，支持海量非结构化数据训练，集成大数据核心计算引擎spark、flink等服务。

2.人工智能数据

在AI数据上，AI数据分为三类：样本中心、向量中心和特征中心。样本中心主要管理非结构化数据，沉淀和管理全公司非结构化数据的特性；该中心对大数据平台的数据进行表征，通过特征分析、特征筛选、特征洞察，加速算法工程师在特征工程中的效率。该中心提供了矢量模型管理的平台，支持结构化数据和非结构化数据的矢量化，支持矢量模型的全过程定义，并提供矢量召回和排序的能力。

3.人工智能平台

在AI平台上，首先是智能标注，提供文字、图片、音频、视频一站式标注平台。在建模平台上，为不同的用户提供不同的建模平台。针对算法工程师，提供笔记本建模方法，打通大数据平台权限，快速获取数据，进行算法建模。对于数据分析师，提供可视化的建模平台，将特征工程、算法建模、模型评估、模型输出抽象成算子，拖动不同的计算力量，形成工程流程，完成建模过程；此外，引入H2O进行自动建模，使数据科学家和数据工程师可以进行快速机器学习和深度学习，并支持自动建模和自动参数调整。为业务人员提供了场景建模方法，业务通过标准化的算法流程定义业务数据并为业务提供结果，如人群画像或人群扩散等业务场景相关的建模。

这四类建模平台将导出到模型中心，对模型进行全生命周期管理。在金融行业，对模型的风险管理比较严格，尤其是在风险控制场景下，非常容易带来资金损失。因此，我们所有的在线模型都需要在模型中心进行管理。通过模型验证、性能测试、安全测试、模型监控等全方位评估后，将模型上线推理服务平台。推理服务平台是基于Kubernetes的AI推理服务云原生应用管理平台，帮助用户快速启动AI服务，提高AI计算资源利用效率，实现AI产业快速落地。

4.人工智能服务层

在AI服务层，通过AI服务编排能力，可以快速支持业务需求的交付。对AI原子应用进行统一管理，可以快速排列生成适合业务需求的AI能力，还可以进行AB测试和服务监控，可以快速组装AI服务，支持AI中层应用的快速孵化。

5.人工智能应用层

在AI应用层，金融AI应用场景非常广泛，主要包括CV中间站、NLP中间站、机器人中间站、推荐中间站、搜索中间站。这里有很多业务场景，每个场景都可以进行深度扩展。在每一个领域也进行深度突破，找到适合银行业务的中层能力，支撑银行业务的第二曲线增长。未来对于金融科技来说，核心竞争力是以客户为中心，为客户提供有温度的一站式金融服务。这不仅仅是客户到店或登录APP就能享受到金融服务，而是全方位为客户考虑，在客户的每一个生命旅程中，为客户提供有温度的独特金融服务，主动站在客户角度，为客户提供综合价值最高的金融服务。

6.结论

最近，袁宇