云计算技术在绿色金融的运用前景广阔(云计算的五大关键技术)
来源 | 物联网智库2021-11-09 18:10:37
科技对于金融的驱动作用被不断强化,科技如何进一步激发金融服务的迭代升级,“点绿成金”受到广泛关注。“在国家积极推动实体经济低碳转型的大背景下,云计算、人工智能、大数据等技术在绿色金融的运用前景是非常具有潜力的”,百度副总裁李硕在21日的金融街论坛“绿色金融支持生态文明发展与全球合作”分论坛上对记者表示。图为百度副总裁李硕在发表演讲谈及科技如何助力低碳转型,李硕在专访中告诉记者,可以从产业、投资、金

  科技对于金融的驱动作用被不断强化,科技如何进一步激发金融服务的迭代升级,“点绿成金”受到广泛关注。“在国家积极推动实体经济低碳转型的大背景下,云计算、人工智能、大数据等技术在绿色金融的运用前景是非常具有潜力的”,百度副总裁李硕在21日的金融街论坛“绿色金融支持生态文明发展与全球合作”分论坛上对记者表示。

百度副总裁李硕

  图为百度副总裁李硕在发表演讲

  谈及科技如何助力低碳转型,李硕在专访中告诉记者,可以从产业、投资、金融机构三个角度出发,助力“双碳”目标达成。从产业赋能角度方面来看,李硕认为,可以通过与政府、银行、企业等合作建立绿色金融综合服务平台、绿色企业联盟/协会等方式打通地方产业链各环节,科技与数据赋能降低绿色融资成本,产业生态闭环模式助力区域企业高质量、绿色可持续发展。

  从投资合作层面看,李硕认为,可以通过产业基金和孵化器助力具有绿色核心技术的企业发展,同时与生态伙伴一道用 AI 助力“零碳成长”。“从企业端,云智一体赋能千行百业,助力企业在生产端提效减排。例如某电厂冷端运行优化人工智能工艺调参能够有效降低煤耗。此外,在能源行业AI技术的预测、优化、调度、监控能力,可在能源生产、输配、消费等环节助力降碳,助力‘双碳’目标达成。”

  从金融机构角度看,李硕认为,可以通过结合以AI为引擎、云智一体为底座、科技与场景深度的融合,推出自主可控、高可用的产品方案,助力金融机构转型升级一步到位。“例如在双碳背景下,百度目前正积极与金融机构合作,共同打造国产自主可控和绿色低碳数据中心,通过智能营销风控系统、为远程银行提供更加便捷、高效的业务办理等方式,助力银行进行绿色信贷发放和贷中贷后管理,推动金融机构绿色转型和数字化转型升级,从而早日实现金融国产自主可控建设。”

  谈及现阶段科技发展和金融行业需求之间的矛盾,李硕坦言,考虑到当前我国正处于经济结构调整、数字化转型升级的关键期,从区域角度讲,的确存在着由于地域资源禀赋、经济、产业发展程度差异等客观因素导致的一些区域金融机构的科技水平落后于头部金融机构。不过在实体经济低碳转型、金融机构绿色需求激增的大背景下,科技公司和金融公司是共生共荣、互相成就的关系。

  李硕告诉记者,科技公司可以通过不断的技术革新和产品打磨,为金融机构提供更符合其数字化转型和绿色转型的软硬件产品方案,例如数据中心建设助力银行基础设施低碳化。同时,还可以通过人工智能等领先技术、创新模式,助推金融机构进行金融服务的创新。

  对于未来如何深化金融科技在绿色金融领域的应用,李硕建议,可以利用云计算、人工智能、大数据等技术手段,创新合作模式,通过与地方政府、金融机构、龙头企业等多方加强合作,打通绿色产业链条各个环节,形成数据闭环。结合多元服务,在为交易系统提供软硬件支持的同时,助力实体经济低碳转型,带动地方特色绿色产业。

  云计算的五大关键技术

  1、 虚拟化技术

  虚拟化技术是指计算元件在虚拟的基础上而不是真实的基础上运行,它可以扩大硬件的容量,简化软件的重新配置过程,减少软件虚拟机相关开销和支持更广泛的操作系统方面。通过虚拟化技术可实现软件应用与底层硬件相隔离,它包括将单个资源划分成多个虚拟资源的裂分模式,也包括将多个资源整合成一个虚拟资源的聚合模式。虚拟化技术根据对象可分成存储虚拟化、计算虚拟化、网络虚拟化等,计算虚拟化又分为系统级虚拟化、应用级虚拟化和桌面虚拟化目。在云计算实现中。计算系统虚拟化是一切建立在“云”上的服务与应用的基础。虚拟化技术目前主要应用在CPU、操作系统、服务器等多个方面,是提高服务效率的最佳解决方案。

  2、 分布式海量数据存储

  云计算系统由大量服务器组成,同时为大量用户服务,因此云计算系统采用分布式存储的方式存储数据,用冗余存储的方式(集群计算、数据冗余和分布式存储)保证数据的可靠性。冗余的方式通过任务分解和集群,用低配机器替代超级计算机的性能来保证低成本,这种方式保证分布式数据的高可用、高可靠和经济性,即为同一份数据存储多个副本。云计算系统中广泛使用的数据存储系统是Google的GFS和Hadoop团队开发的GFS的开源实现HDFS.

  3、 海量数据管理技术

  云计算需要对分布的、海量的数据进行处理、分析,因此,数据管理技术必需能够高效的管理大量的数据。云计算系统中的数据管理技术主要是Google的BT sT~lO数据管理技术和Hadoop团队开发的开源数据管理模块HBase.由于云数据存储管理形式不同于传统的RDBMS数据管理方式,如何在规模巨大的分布式数据中找到特定的数据,也是云计算数据管理技术所必须解决的问题[61.同时,由于管理形式的不同造成传统的SQL数据库接口无法直接移植到云管理系统中来,目前一些研究在关注为云数据管理提供RDBMS和SQL的接口,如基于Hadoap 子项目HBase和Hive等。另外,在云数据管理方面,如何保证数据安全性和数据访问高效性也是研究关注的重点问题之一。

  4、 编程方式

  云计算提供了分布式的计算模式,客观上要求必须有分布式的编程模式。云计算采用了一种思想简洁的分布式并行编程模型Map—Reduce.Map—Reduce是一种编程模型和任务调度模型。主要用于数据集的并行运算和并行任务的调度处理。在该模式下,用户只需要自行编写Map函数和Reduce函数即可进行并行计算。其中,Map 函数中定义各节点上的分块数据的处理方法,而Reduce函数中定义中间结果的保存方法以及最终结果的归纳方法。

  5、 云计算平台管理技术

  云计算资源规模庞大,服务器数量众多并分布在不同的地点,同时运行着数百种应用,如何有效的管理这些服务器,保证整个系统提供不问断的服务是巨大的挑战。云计算系统的平台管理技术能够使大量的服务器协同工作,方便的进行业务部署和开通,快速发现和恢复系统故障,通过自动化、智能化的手段实现大规模系统的可靠运营。