[发明专利]一种智能中台的系统架构

说明书

本发明公开了一种智能中台的系统架构，包括应用层、服务层、AI能力层、标注训练层和基础数据层，所述基础数据层为所述标注训练层提供数据，所述标注训练层包括标注平台和深度学习平台，所述AI能力层经过预先训练且利用训练平台对所述AI能力层进行训练，所述服务层为所述应用层提供接口，所述应用层提供多个交互场景。本发明的智能中台的系统架构将金融行业的各种需求集成于一个平台上，使得平台能够在对接金融机构现有系统、进行能力输出的同时高效地定期维护和更新。

技术领域

本发明涉及软件技术领域，尤其涉及一种智能中台的系统架构。

背景技术

随着数字化时代的到来，金融行业智能业务的需求越来越复杂，金融行业对于智能化的需求来自于两方面：

一方面，从数据层面来看，随着可获取的数据越来越多，我们对其中有价值信息的辨识、数据关系的发现、数据趋势的把握都将变得越来越困难，只有通过智能化的方法对大数据进行处理，才能提升业务，甚至创新业务。基于大数据探索，发现其中的潜在数据联系与趋势，可以为业务优化与创新提供强有力的支持，实现真正的数据驱动业务。

另一方面，除了基于数据自底向上的智能化驱动以外，还存在自上而下的行业智能化理念驱动。近几年来，许多人工智能技术日趋成熟，相应的智能化理念也深入人心，大量智能化的成功案例使这些技术逐渐被金融行业主流接受，甚至成为了实际上的标准解决方案，比如信贷全流程的风控、智能客服、图文识别、金融数字人等场景的成功应用，而随之就要求研发人员能够在数据之上准确快速实现前台提出的智能化目标。

一个需求下来，研发团队需要针对性开展数据分析处理、模型的构建训练等，过程复杂繁复，效率不高，从而拖长了需求响应时间，降低了业务敏捷程度，拉高了试错成本。这与在中台战略背景下，业务前台希望能够专注于业务逻辑、灵活应对变化产生了矛盾，随着智能化应用的广泛开展，这个矛盾也越来越普遍。究其原因，一方面是由于智能化的大规模兴起才短短几年，智能应用研发还处在比较原始的阶段，缺乏完整的生命周期管理理论和相应的管理框架工具；另一方面则反映了我们的中台能力没有完全覆盖到前台业务研发中笨重、重复、低效的环节。

一些金融机构已经意识到了自身AI研发能力的不足，通过采购人工智能科技公司的平台、模型来响应业务部门的需求，AI科技公司在一定程度上的确为金融行业的数字化、智慧化转型提供了技术支撑，并且已经有一些应用落地了。但是越来越多的金融机构面临的困境是：

1、人工智能技术平台的引入在一开始就缺乏统一的规划，金融行业对数据的保护较为严格，大多系统都需要私有化部署，例如：A部门采购了一个营业执照的OCR识别模型、B部门采购了一个身份证的OCR识别模型、C部门采购了一个财务报表的OCR识别模型，这些模型在使用过程中需要不断的优化迭代，虽然底层用的能力是相同的，但是如果一开始缺乏统一的规划，采购了三个厂商的产品，互相之间没有做兼容性改造，后期优化模型、维护模型会带来很多不便。

2、金融数字化转型过程中的许多场景越来越复杂，单一的AI任务无法实现，因此我们需要将智能化业务应用进行需求分解、映射为具体的AI任务并一一实现，最后再进行合理地编排组合，实现任务目标。实现复杂业务场景的能力需要多种不同的AI能力支撑，目前大多数在用的方案是从不同的厂商采购不同的能力或者从同一厂商采购多个能力但是这些能力之间底层不能互通，这必然会带来AI底层能力的重复性建设、软硬件平台的投入成本高、科技人员维护成本高等难题。

随着“数据中台”的提出和成功实践，各企业纷纷在“大中台，小前台”的共识下启动了自己的中台化进程，以数据中台、技术中台、业务中台为代表的一系列技术，极大增强了业务的敏捷性，提高了组织效能。同时随着智能技术的发展，AI应用在业务研发中的占比逐渐升高，但AI模型训练的复杂性导致其开发慢、效率低，严重影响了业务的灵活性。为了应对大数据时代的挑战，加强数字化运营能力，银行等金融机构需要通过智能化的方法一方面提升数字化竞争力、另一方面需要对内提高工作效率、对外提高客户满意度，打造金融产品、科技、运营一体化。

发明内容