日前，中国信息通信研究院发布“中国金融科技产业生态分析报告 ”，指出了当前金融科技发展中的四大重要技术趋势：金融云快速部署落地、金融大数据广泛普及、人工智能成为应用新方向、区块链带来金融服务机制的深刻变革。

报告认为，云计算、大数据、人工智能和区块链等新兴技术的发展与应用对金融机构的业务服务模式产生了重大影响，已逐渐成为金融行业发展的关键性技术驱动。

金融云快速部署落地

“互联网+金融”时代对金融行业的技术架构提出新的要求。金融企业普遍面临产品创新层出不穷，产品迭代越来越快，交易量峰值无法预测的挑战。云计算作为实现IT资源按需供给的技术手段，可以实现让金融企业像使用水、电、煤一样使用IT资源。

金融行业的特性对云计算的业务连续性有严格的要求。金融机构对IT系统的稳定性、可用性、网络时延性以及数据安全性的要求非常高。银行和证券企业关键业务系统停机属于极度严重的金融事故，造成巨大的经济损失。业务连续性涉及管理制度、技术方案和物理设施等多个层次，要确保这些关键职能在任何环境下都能持续发挥作用。为满足业务连续性要求，金融企业需要建立完善的灾难备份和灾难恢复体系。灾难备份主要有三种，分别为同城灾备、异地灾备和两地三中心。通过业务和数据的备份可以减少系统停机时间，保证业务的连续运行。

目前，大型金融机构纷纷开启了基于云计算的信息系统架构转型之路，逐步将业务向云迁移。

金融大数据广泛普及

金融行业数据资源丰富，数据应用由来已久。从发展特点和趋势来看，金融云的快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享与开放正在成为趋势。

金融机构的业务要求大数据平台具有实时计算能力。目前，金融机构最常使用的大数据应用场景为精准营销、实时风控、交易预警和反欺诈等业务都需要实时计算的支撑。大数据分析平台可以对金融企业已有客户和部分优质潜在客户进行覆盖，对客户进行画像和实时动态监控，用以构建主动、高效、智能的营销和风险管控体系。

人工智能成为应用新方向

人工智能在金融领域的应用主要包括五个关键技术：机器学习、生物识别、自然语言处理、语音技术以及知识图谱。机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。

金融行业的不断发展，沉淀了大量的金融数据，主要涉及金融交易、个人信息、市场行情、风险控制、投资顾问等方面。金融行业的海量数据能够有效支撑机器学习，不断完善机器的认知能力，达到与人类相媲美的水平，尤其在金融交易与风险管理这类复杂数据的处理方面，人工智能的应用将大幅降低人力成本，通过对大数据进行筛选分析，帮助人们更高效率地决策，提升金融风控及业务处理能力。

区块链带来金融服务机制的深刻变革

区块链技术基于非对称加密算法进行了信用创造机制的重构：在金融交易系统中，参与者之间无需了解对方的基本信息，也无需借助第三方机构的担保，直接进行可信任的价值交换。区块链的技术特点保证了系统对价值交换的活动记录、传输、存储的结果都是可信的。

从硬件算力基础设施的服务到区块链的架构设计与底层服务技术，再到资产的数字化与场景化应用，区块链技术已经逐渐渗透到金融行业的主要应用场景。