如果你关心最近几年中国金融领域的发展，必然会经常看到一个词“普惠金融”。作为联合国十余年前提出的概念，“普惠金融”指的实际上是——“立足机会平等要求和商业可持续原则，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务。”

 

听起来有点复杂，但一组数据其实就能很好地说明问题：根据中国银保监会数据，2019年以实体经济贷款为主的非金融企业及机关团体贷款余额为98.8万亿元，小微企业2019年贷款余额为36.9万亿元，占比只有37.3%，随时间推移占比还在不断萎缩。而事实上，同期中小微企业数量实际占比高达97%以上。

 

图源：亿欧智库

 

这种现象也存在其“理由”：中小微企业存活时间短、抗风险能力差、融资需求小频次快、信息不透明。而根据银保监会的相关数据，小微企业不良贷款率还远远高于整体不良贷款率，2020年上半年小微企业不良贷款率为2.99%，同期商业银行整体不良贷款率仅为1.94%。

 

比起那些体量更大、收入更有保证、还能提供大额资产抵押的大企业来说，中小微企业明显“不性感”。除了中小微企业之外，农民、贫困人口、残疾人等弱势群体，往往也很难使用上金融服务。在弱势群体之外，普通人获取金融服务的便利性，同样也归属于“普惠”概念之内。

 

所以当站在中国经济发展和社会发展的全局角度上，金融行业从个体出发，遵循市场原则，偏爱服务高利润客户的行为，已经形成了“问题”。

 

中小微企业能够创造大量的就业机会，也能更灵活地捕捉商业机会、满足社会需求；弱势人群想要过上更好的生活，同样也需要一定的金融服务帮助。普罗大众获取金融服务的困难，很可能会放大、阻碍国家经济政策的实施与运行。

 

所以早在2016年，国务院就已经印发了《推行普惠金融发展规划》。这份规划的发布，标志着普惠金融已经成为国家战略的一部分。

 

科技，推动中国金融迈向下一个“台阶”

 

在国家制定整体战略，并且监督执行之后，金融行业似乎只需要付出更多的“代价”，就能一步到位实现普惠金融。很可惜结果并不是这样，因为这个“代价”并没有想象中的那么小。

 

首先是金融行业整体性地内卷，既有互联网银行这样的外部势力崛起，不仅覆盖更广、成本更低，放款速度还快，直接对金融行业对公业务形成冲击。在内部，大环境下经济增速下滑以及利率市场化改革，从整体上压缩了利润空间，也加剧了同业竞争，例如大型金融机构还遭遇了地方性新金融机构的竞争。

 

其次是实际操作性上，还是以中小微企业为例，即便政策全力支持，金融行业在服务的过程中依旧需要通过规则来控制良率，卡脖子的现象仍经常发生。

 

真正的破局之法是“技术”，更准确地说是“数字化”。通过在客户端和金融行业自身推广进一步的数字化手段，打通金融行业与客户之间的数据鸿沟、同时更便利地提供金融服务，并且在数字化的基础上不断增强金融服务的能力、扩展边界。

 

具体到实现上，金融数字化的关键难点有3个，分别是金融云系统的整体打造，金融数字化服务生态的建立，以及智能化决策能力的引入。

 

先看金融云，实际上是给金融行业提供一体化开发、测试、部署、运行、管理、监控环境，也是整个金融数字化环节的基础。

 

 

中国信息通信研究院2018年3月发布的《金融行业云计算使用调查报告》显示，我国41.2%的金融机构已应用云计算，46.8%的金融机构计划应用云计算，接近九成金融机构已经或计划应用云计算。在这一块金融行业需要和云服务厂商一起合作，实现高弹性、高扩展能力的云服务能力，更好地适应金融行业的各种业务需求。

 

其次是数字化服务生态，以目前中国许多银行已经推行的“开放银行”为例，就是在监管允许的范围内，经客户授权，通过API等技术与其他银行业金融机构、金融科技公司、垂直行业企业等合作伙伴共享信息和服务，实现银行服务与产品的即插即用。

 

这种全新的商业模式和商业理念，不仅能为商业银行带来更多的收入、同时又可以通过生态企业和银行的共同努力满足消费者的需求。

 

最后是智能化决策能力的引入，也就是人工智能的推广应用。严格来说这种能力其实运行在金融云之中，正是因为它是金融行业整体服务能力扩大与升级的关键所在。尤其是营销、风控、助理等一系列环节，智能都能够取代甚至超越人力，帮助金融行业实现极强的成长潜力。

 

事实上，过往金融行业也已经看到了金融科技发展的前景，并且很多银行已经通过自己的努力完成了20世纪70年代就开始的金融电子化、21世纪初开始的金融信息化，但这一次金融数字化的确没有办法独自完成。

 

一来全面云化需要在安全合规的基础上解决多业务按需部署、能力共享、新老应用兼容的需求。其次人工智能，作为目前计算机技术发展的最前沿，需要相当大的研究人力物力投入，也很难由金融行业独自承担实现。

 

相对零散的解决方案与产品大概率只能起到辅助作用，金融行业目前真正急需的，是有龙头科技公司站出来，以一个更有规划、更有技术前景、更有生态意识的架构，推动金融行业全面发展的角色。

 

华为云，靠技术帮助金融行业升级

 

就在5月中旬，国际知名咨询公司IDC发布了《中国金融云市场（2020下半年）跟踪》报告，在金融云基础设施市场份额与金融机构自建云基础设施份额的比拼中，华为云都拿下了第一名，份额分别达到21.3%和28.9%。其中金融机构自建云基础设施份额，更是连续三年位居第一。

 

根据华为官方公布的信息，华为的金融云解决方案客户已经包括了中国六大行、全部十二家股份制商业银行、Top5的保险机构，以及全球300+金融机构。

 

为什么华为能够在金融数字化领域取得这么好的成果？原因不外乎两点：自身强大的技术实力，和强大的金融生态圈号召力。

 

 

先看架构，华为云为金融行业打造了系列解决方案。 华为云可以同时提供公有云服务、公有云金融专区服务及可本地部署、本地运维的金融专属云，分别满足金融创新类业务要求、等保合规要求及核心业务监管要求。

 

在专门为金融行业打造的基础架构之上，还有浓缩华为云多年发展积累的软件架构，包括安全、容灾备份、数据服务、应用服务、AI服务等组件，完全可以承接金融云上的各种应用需求。

 

在整体的架构之外，华为还在金融云的很多“关键点”上为其打造了专门的解决方案。以数据库为例，华为云金融级分布式数据库GaussDB(for openGauss)已服务于中国工商银行的A类到D类的金融全场景业务，具备高性能、高弹性、高可用的特点，是金融核心数据上云的信赖之选。

 

多方可信计算也值得一提，在金融数字化中，客户信息的传递非常重要，跟金融机构一样，更庞大更灵活的金融行业生态如果要服务于客户，首先就要“了解”客户。但同时，金融机构本身又要保护客户的“隐私”，这明显矛盾的需求，过去没有办法解决。

 

而华为云为了加速数据资产的可信流通，专门为金融云中引入了能够兼顾数据协作和隐私保护的联邦学习，通过在数据拥有方本地进行机器学习构建虚拟模型，最终再合并模型，实现原始数据的“不交换”。

 

最后是AI，在金融行业，华为云AI可以提供盘古大模型、知识计算，AI+RPA等云服务能力。

 

盘古大模型可以实现一个AI模型在多场景通用，模型精度提升超过20%。在“物的银行”场景中，盘古大模型可以通过视觉检测、实时评估，监控抵押物的状态。

 

知识计算实现了金融行业知识与AI的结合。在智能风控的资金监测场景中，查询性能提升5倍，分析性能提升10倍。

 

AI+RPA创造出了新型AI数字员工，在合同自动化对比和录入场景中，能够提升合同校验效率450倍。

 

在技术之外，还有华为最为强势的生态影响力。华为打造的金融开放平台，连接了华为目前智能手机、IoT、云办公生态。总计有过亿设备接入、百万级的并发、超过3500家IoT生态伙伴。同时华为还通过华为云云市场、华为应用市场，承接了庞大的金融生态圈，各种金融生态应用都可以通过华为生态对接到华为云的金融客户。

 

金融，华为云发展路上的又一块“跳板”

 

作为中国云市场中特殊的存在，金融行业的“持续领先”意义重大。一来金融行业本身要求就高，也最能代表目前云技术的发展趋势，绝对算整体云市场中的“硬骨头”，注定不好啃。而华为企业BG早早就选定了金融行业为四大主攻行业之一，并且深耕多年，本身就是需要决心的事情。

 

 

啃“硬骨头”，首先得“牙口好”，通过积极服务于金融行业客户，华为也能够持续迭代自身的云技术，并将其中的一些首先为金融行业打造的技术应用到其他行业中。

 

最后是金融行业本身巨大的市场。根据华为2020年的财报，截至2020年底，华为已服务全球60多个国家和地区的2,000多个金融客户，包括全球Top100银行中的47家。华为与全球20多家大型银行、保险、证券客户建立了全面的战略合作。

 

这些客户的选择，也将成为华为云发展的新“跳板”，帮助华为云以更快的速度成长下去。

 

 

 

*文章来源：虎嗅APP

*侵权必删