本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
金融科技圈的技术走向该如何看？
今天，北大光华-度小满金融科技实验室发布了「2022全球金融科技十大技术趋势」，涵盖隐私计算、大模型、多模态学习、数字孪生等多个前沿领域。
刚走过规模化应用元年的隐私计算，今年将如何助力金融业数据生态建设？
大模型、元宇宙、多模态……这些热议技术与金融产生怎样的联动？
以及又有哪些前沿技术，已经在给行业创造价值？
现在就带你一文看尽年度金融科技十大技术展望，快速概览如下：
趋势一：“数据可用不可见”，隐私计算助力金融业数据生态建设
隐私计算能够实现数据在流通与融合过程中的“可用不可见”。在数据互联互通需求高涨与数据安全政策不断出台的背景下，互联网巨头、科技公司及金融机构等纷纷入局隐私计算产业。2021年，被业界称为隐私计算规模化应用元年。
作为数据密集型行业，金融业对数据的互联互通需求迫切，是隐私计算技术的主要落地行业。隐私计算能够在保障数据安全的前提下，助力金融业数据流通，被主要应用于信贷风控、精准营销、反欺诈、移动支付人脸识别等场景。
2021年，各国持续加强数据安全立法相关工作，例如，中国陆续出台《数据安全法》《个人信息保护法》《征信业务管理办法》等一系列数据法规，韩国发布“MyData”相关立法和数据服务指南，强化数据保护等。
在此背景下，伴随着隐私计算行业标准的陆续发布及相关技术的不断迭代升级，2022年，隐私计算将在金融数据生态建设方面发挥更大作用。
趋势二：头部企业加码，大模型成全球AI技术竞争焦点
随着算法不断创新、算力逐渐增强及数据的海量爆发，预训练大模型已经成为人工智能的新方向。大模型的基本训练方法是自监督学习，依托复杂的预训练目标、庞大的模型参数，能够将丰富的知识存储到大量参数的隐式编码中，可以完成面向不同场景下的不同任务。大模型提高了AI通用性，有助于解决AI应用场景碎片化的问题。
自2020年OpenAI发布NLP（自然语言处理）预训练模型GPT-3以来，大模型在全球范围迎来爆发，成为新一轮人工智能技术竞争的焦点。2021年，谷歌发布万亿级模型Switch Transformer，百度发布鹏城-百度·文心知识增强大模型，华为发布盘古大模型……大模型开始从自然语言处理向更多领域拓展。
在应用落地方面，目前大模型仍处于各大机构的积极探索阶段。随着技术性能的不断提升、产业模式的不断成熟及监管体系的逐渐建立，大模型必将掀起新一轮的人工智能应用浪潮。
趋势三：“元宇宙”助推下，VR/AR产业兴起新一轮发展浪潮
伴随产业链各环节的逐渐成熟，叠加疫情推动“零接触”需求的上升，VR/AR技术在经历热炒、低谷、复苏后，进入快速发展阶段。在“十四五”规划中，中国更是将“增强现实/虚拟现实”列入数字经济重点产业之一。
2021年，“元宇宙”概念大火。VR/AR能够带来人机交互新方式，被视为元宇宙与现实世界的硬件接口。在元宇宙的助推下，VR/AR产业迎来了新一轮发展机遇。根据IDC预测，2021年全球VR产品同比增长约为46.2％，2020-2024年复合增长率约为48％，2025年全球AR设备出货量将达到2440万部。
2022年，苹果有望发布首款MR产品，Oculus或将发布Quest Pro，打造下一个VR旗舰款，索尼有望发布新一代PS VR头显。
趋势四：多模态学习受青睐，催生人工智能多元化应用场景
多模态学习最早始于1970年，经过几个阶段的发展，2010年后全面步入深度学习阶段。最早的多模态研究应用之一是视听语音识别，通过融合视频和声音两个模态，多模态学习开始表现出其优秀的学习能力。
2020年以来，面对“戴口罩”“零接触”的疫情常态化防护需求，以及指纹、人脸等单一生物特征信息频频泄露的个人隐私风险，多模态的解决办法开始受到市场青睐。多模态生物识别凭借其准确度高、安全性强以及应用场景广的特点，正不断成为市场主流，被逐渐应用于金融、公安、出入境、安检以及教育等多个场景。
2022年，在加强个人信息保护的主旋律下，多模态生物识别融合多种生物特征的优势，可以灵活地选择合适的技术融合方式和决策权重，能够适应不同应用场景下的需求变化，将有更多的落地应用场景。
趋势五：低代码与无代码应用升温，加速金融领域数字化转型
2014年，Forrester Research提出“低代码开发平台”的概念，随后，Gartner则用基于aPaaS的高生产力平台（hpaPaaS）来命名这一品类。2018年，西门子收购低代码应用开发领域厂商Mendix，低代码平台 OutSystems 获得3.6 亿美元融资，低代码应用开发在海外市场迅速升温。
在国内市场，数字化转型驱动的软件需求扩张与现有研发体系的矛盾日益增长，传统架构无法应对多变的市场需求。而低代码/无代码可以较好地解决这一问题。
低代码/无代码开发平台能够释放金融领域的生产力，加速金融领域的数字化转型。一方面，低代码/无代码开发平台能够满足机构随时变化的业务需求；另一方面，可以实现架构可视化、建模可视化及开发可视化等。2022年，低代码/无代码将驱动金融领域更快实现业务创新。
趋势六：云原生技术生态逐步扩展，为金融行业创新发展注入新动能
2015年，云原生应用基金会（CNCF）创立，云原生技术与应用的发展开始驶入快车道。近年来，云原生技术生态也从早期集中于容器、微服务、DevOps等技术领域，扩展到底层技术、编排及管理技术、安全技术、监测分析技术以及场景化应用等众多分支。
随着企业数字化转型的深入，企业应用需要基于云原生的技术、架构和服务来构建。2021年，全球云原生应用持续上升。云原生应用可弹性扩展、可伸缩，通过云原生改造，可以最大化地利用服务器资源，有效节约服务器成本。同时，云原生应用平台能够提升业务应用的迭代速度，能够灵活应对各种场景需求。
当下，一些金融科技领域的创新者不断从技术架构、产品迭代速度、用户体验提升及客户画像精准度等方面基于云原生架构进行创新。根据 Gartner预测，2022年，将有75%的全球化企业将在生产中使用云原生的容器化应用。
趋势七：行业关注度提升，数字孪生成企业数字化转型的重要抓手
2003年，美国密歇根大学Michael Grieves 教授首次提出了“数字孪生”的概念。数字孪生最早应用于航空航天领域。随着新一代信息技术的成熟，数字孪生开始向智能制造、智慧城市、交通、医疗及农业等垂直行业拓展，成为促进企业数字化转型、促进数字经济发展重要推动力。
当前，全球积极布局数字孪生应用，2020年，美国和德国分别成立了数字孪生联盟和工业数字孪生协会，加快构建数字孪生产业协同和创新生态。在中国，探索建设数字孪生城市被写入“十四五”规划，成为国家发展战略。Global Industry Analysts 报告显示，2020年全球数字孪生市场规模为46亿美元，2026年将达到287亿美元。
随着数字孪生技术的不断成熟，未来也可被用于金融场景中。金融机构可以利用数字孪生技术构建“数字经理”，为客户提供个性化、定制化服务，还可以将其应用于金融产品研发，在数字孪生模型中进行产品的迭代设计等。
趋势八：提供核心科技能力，区块链推动供应链金融迈向3.0时代
当今世界的国与国竞争，制造业被摆在了日益重要的位置。制造业的竞争归根结底是产业链和供应链的竞争，于是，建设一个高效的供应链金融体系就变得至关重要。疫情以来，央行等八部委联合《关于规范发展供应链金融 支持供应链产业链稳定循环和优化升级的意见》，力推供应链金融发展，鼓励“运用区块链、大数据、人工智能等新一代信息技术，持续加强供应链金融服务平台、信息系统等的安全保障”。
大力发展供应链金融，或将成为金融科技公司的下一个主场。2021年9月，浙商银行原行长徐仁艳加盟度小满金融，负责供应链金融科技业务，并兼任度小满供应链科技有限公司董事长，从人事变动中可以看出度小满加大在供应链金融科技布局的意图。12月，度小满应用区块链技术支持中小企业在北京金融资产交易所发行了首单供应链创新直融产品。另一巨头网商银行也在2021年10月推出了基于数字技术的供应链金融方案“大雁系统”。
目前，区块链技术主要应用于围绕核心企业的供应链2.0模式，解决协作问题、信任问题、数字化信用凭证问题和自动履约问题。未来，通过结合物联网、大数据等技术，构建基于区块链的协作网络和资产网络，区块链技术有望从根本上改变供应链金融的业务模式，推动供应链金融向去核心企业的3.0模式迈进。
趋势九：“从不信任，始终验证”，零信任构筑金融网络安全屏障
不同于传统的基于边界的网络安全方法，零信任以“从不信任，始终验证”为原则，将身份作为访问控制的基础，以最小化实时授权为核心，持续认证、动态访问控制、授权、审计以及监测为链条，从而实现动态的、持续的信任评估。
2021年，美国发布《联邦零信任战略》《零信任成熟度模型》等在内的多项零信任政策；欧洲企业中有82%增加了零信任建设方面的预算；在中国，自工信部2019年发布《关于促进网络安全产业发展的指导意见(征求意见稿)》将“零信任安全”列入需要“着力突破的网络安全关键技术”以来，国内互联网巨头、科技公司也在不断探索零信任布局。
趋势十：云、边、端协同，边缘计算助力金融机构打造“安全+效率”双优势
边缘计算被视为云计算的延伸，与云计算相辅相成，协同发展。边缘计算的数据处理和分析实时性强，可以为用户提供实时性更高的服务，同时由于边缘计算只负责自己范围内的任务，数据处理基于本地，数据的传输安全性高。边缘计算也不需要使用太多的带宽，网络带宽的负荷降低，智能设备的能源消耗也进一步降低。
随着5G、物联网等技术的不断成熟，边缘计算正在迅速崛起。面对海量数据计算、新型计算场景、小数据实时处理等方面的挑战，边缘计算正成为数据时代技术落地的重要计算平台，不断满足各行业数字化转型中应用智能、实时业务、隐私保护等需求。
对于金融领域的很多实时性高、安全性强的场景，边缘计算能够为其发展带来更多的可能性。随着边缘被赋予越来越多的数据存储和计算资源，未来边缘计算或将成为主流部署。
