AI 大模型结合云业务，助力中小银行用云上云。
（一）政策支持与市场需求双向驱动中小银行上云政策支持与市场需求是驱动中小银行上云的双重因素。未来，这两个因素相互促进，共同推进中小银行上云。政策支持方面，《中小企业数字化赋能专项行动方案（2025—2027）》提出到 2027 年，支持中小银行在内的中小企业上云率超过40%，初步构建起供需适配、保障有力的中小企业数字化转型生态。在大方向上，政策利好银行业上云的同时，国家各部委也相继出台一系列促进中小银行上云的举措鼓励和引导中小银行上云。一方面，打造行业标杆、发挥榜样力量，通过金融数字化能力成熟度评估体系和优秀实践案例库等数字化转型提升工程，评估机构数字化能力等级、打造标杆案例，以点带面促进中小银行加快数字化转型。2023年11月，央行发布《金融数字化能力成熟度指引》，指引在数字化基础设施建设能力域中对机构业务系统设施云化提出要求，3 档机构业务系统设施云化率在 50%，其中 20%新建系统需具备云原生特性，为后续中小银行上云提供量化指标指引。另一方面，开展伙伴行动、通力合作共赢，国家发展改革委联合 145 家单位开展数字化转型伙伴行动，采取 500 余项服务举措，支持中小银行在内的中小微企业降低数字化转型成本、缩短转型周期、提高转型成功率，行动明确提出推行普惠性的“上云用数赋智”服务，引导中小银行加快业务上云步伐、高质量服务实体经济。
市场需求方面，中小银行需要通过上云为机构降本增效和提升行 23 业竞争力。一方面，上云可以节约资源，带来更高效的运营效率。中小银行可以借助云计算的弹性和灵活性，根据实际需求来调整和优化资源配置，降低 IT 基础设施和维护成本，提高资金利用效率和运营效率；另一方面，随着大型银行不断推进数字化转型，中小银行上云能够弥补技术和服务的差距。根据调查显示，超过70%的中小银行表示，上云可以提高其服务质量和效率，满足客户个性化需求，提升市场竞争力。
（二）银行业用云上云呈阶梯状分布，中小银行成影响上云进程关键 银行业整体上云用云基本呈头部、大型、中小型三阶梯式分布。头部银行上云用云从全面上云向持续提升云化服务能力过渡。一方面对内服务能力大幅提升，纳管服务器数量和服务调用量大幅增加，如工商银行日均服务调用量超过 170 亿次，农业银行纳管超过4万个服务器，承载超过 1200 个应用模块。另一方面，开始拓展对外赋能，如建行云将云计算能力对中小银行输出赋能。对于“缺金少人”的中小银行而言，基于云原生技术的应用开发可以屏蔽传统硬件基础设施的差异，提升有限资源的利用率，同时，通过采纳微服务架构适应业务快速变化的需求，提升业务敏捷度，提升决策效率。头部银行实践过的场景与经验对于中小银行的数字化转型或可有一定借鉴价值。
大型银行上云用云进程持续加速。上云方面，云资源逐渐由外围办公、后台、渠道管理类系统向业务系统和部分核心系统覆盖，在近几年全面上云倡议影响下，各业务系统甚至部分核心系统在保障业务 24 连续性的前提下开始加速上云进程，从混合部署到纯云化部署，从双轨运行到切换单轨，全业务线条上云程度逐步提升。用云方面，从以虚拟化为核心的云平台1.0阶段向分布式架构的2.0云平台建设阶段过渡，包括 IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）在内的多样化用云比例不断提高。
中小银行上云用云提升空间仍然很大。一方面，中小银行由于资金投入不足、人才储备匮乏、技术基础薄弱，用云上云往往显得“力不从心”，仍处于寻找适用自身定位用云上云战略的探索期，“找准特色、敏捷调整、精准发力”是中小银行这一阶段探索的重点；另一方面，中小银行是银行业上云用云的主力军，是银行业数量最多、最具灵活创新的群体，能充分利用其规模小，“船小好掉头”的优势探索出专注细分领域的多样化上云用云思路，从而形成与大型银行互补的良性发展格局，促进银行业整体用云上云。但目前其整体上云率还未过半，仍有较大的发展空间，是推进银行云整体上云进程的关键。
（三）自主创新成为中小银行上云安全关注重点随着核心技术自主化的呼声越来越大，云作为银行业数字化的关键基础底座，其自主创新能力也成为中小银行上云安全的关注重点。技术方面，异构芯片的统一纳管架构逐渐成为当前中小银行上云的主流。一方面，中小银行对基础软硬件市场体系仍缺乏全面认知，对于各类产品的配置和性能、软件兼容性及系统兼容性等方面还有明显差距，需要根据不同业务系统需求统一进行资源调度，提供更适合不同场景的性能芯片，物尽其用，推进业务快速落地，保障上云前后业务连续性；另一方面，中小银行上云实践技术储备有待增强，不同应用系统上云各环节的兼容适配还有所欠缺，云平台作为兼容多技术路线的数字底座，承载多元化算力的同时，可降低单一芯片技术路线锁定带来的供应链风险，屏蔽底层芯片和设备差异，解决以异构芯片为核心的各技术栈间的协同和适配问题，并以此为基础提供跨技术栈和跨资源池、按需协同的高效能分布式算力服务，满足金融业务高效交付和敏捷迭代的需求。
选型方面，厂商自身自主创新能力成为中小银行用云选择重要参考。一方面，中小银行碍于成本原因倾向于选择第三方云厂商，采购厂商从建设、迁移、适配到运营的全套用云上云解决方案，上云用云高度依赖厂商的技术能力，在其核心技术自主创新能力未成熟之前，厂商的自主创新能力很大程度上决定了中小银行的技术自主化程度；另一方面，中小银行的自身自主创新技术人才匮乏，厂商与机构的自主创新技术能力存在较大差距，与厂商之间互相促进、互相成长的良性互动还未形成，因此分阶段选择自主创新技术水平、运维支持能力不同的厂商不失为一个好办法，在保障用云上云安全的同时，探索适合中小银行人才梯队培养的新模式。
（四）金融行业云/团体云或成中小银行上云新选择监管方面，为了更好地明确行业标准，规范金融机构的合规上云行为，央行方面发布了新三项金融云行业标准。新版的《云计算技术金融应用规范》包括《技术架构》（JR/T 0166-2020）、《安全技术要求》（JR/T 0167-2020）和《容灾》（JR/T0168-2020）三项标准。新标准是对 2018 年版标准的“升级更新”，旨在提供更加全面和先进的指导，以确保金融机构在使用云计算服务时的安全性和合规性。工信部方面，2024 年 1 月发布了关于征集对《云计算综合标准化体系建设指南》（征求意见稿）的通知，目标到2025 年开展云原生、边缘云、混合云、分布式云等重点技术与产品标准研制，制定一批新型云服务标准，面向制造、软件和信息技术服务、信息通信、金融、政务等重点行业领域开展应用标准建设。行业方面，中小银行存在“缺钱少人”的挑战，如果选择全面建设私有云，将需要耗费大量人力物力。为了降低运营成本，选择按需采购的云服务可以减轻信息科技发展面临的财力和人力压力。一方面，中小银行以相对经济的“月租服务费”投资模式替代一次性大笔资金投资模式，有效缓解资金压力。另一方面，中小银行无需雇佣专业的IT 运维人员，从而最大程度减轻中小银行在财力和人力上的负担，使他们能够专注于发展核心业务。
在监管与行业的双向驱动下，金融行业云/团体云或成中小银行上云新选择。预计未来，市场主要的云服务提供商在向金融机构提供服务时，将以金融及产业监管部门出台的类似标准为参考，构建符合行业要求的金融行业云/团体云。这一进程不仅有助于提升金融服务的安全性和可靠性，同时也将有效缓解中小机构资金投入和技术人才不足等压力，促进金融机构与云服务提供商之间的合作，共同推动金融行业的数字化转型。并且，随着各云服务提供商金融行业云/团体云的检测、认证和备案进展的加快，也推动其后续成为中小银行等金 27 融机构上云的新选择，这将为中小银行提供一个更加安全、合规的云服务平台，同时也为整个金融行业的稳定发展提供坚实保障。
（五）AI 大模型结合云业务，助力中小银行用云上云随着大模型技术的突飞猛进，云计算与大模型的融合开始提速，一方面云计算作为算力底座助力大模型推理训练，另一方面，云产品接入大模型应用，使云计算系统运维更加智能高效。通过AI 大模型结合云业务可以为中小银行数字化转型带来独特的优势与价值。一是 AI 大模型结合云计算可以帮助中小银行实现高效的数据处理与管理。在传统的银行业务中，大量的数据需要被处理、存储与分析。而 AI 大模型结合云计算可以提供强大的计算能力和存储空间，帮助中小银行快速处理和分析海量的数据，从而准确地了解他们的用户需求，并能够提供相应的金融服务。传统的数据处理方式会因为硬件设备的限制而导致低效且耗时，而借助于云计算和AI 大模型，中小银行可以更好地利用数据进行业务决策。二是 AI 大模型结合云业务可以提升中小银行的风控能力。作为金融机构，风险控制一直是中小银行所面临的重要挑战之一。借助于AI 大模型和云计算，中小银行可以通过利用庞大的数据进行风险评估，识别风险并采取相应的预防措施。AI 大模型可以通过分析历史交易记录、客户行为等数据，检测异常模式和不寻常的操作，从而避免潜在的风险。而云计算则提供了高效的计算和存储能力，使得中小银行可以处理大规模数据，实时监控和管理风险。
三是 AI 大模型结合云业务还可以提高中小银行的客户体验。通 28 过分析客户的交易数据、历史记录和行为模式，AI 大模型可以帮助银行了解每个客户的需求和偏好，提供个性化的推荐和建议，从而提升客户满意度。而云计算则提供了灵活的计算能力与敏捷的迭代能力，使得这些个性化的服务和推荐可以实时而准确地被提供给客户。四是 AI 大模型结合云业务还可以降低中小银行的运营成本。传统的银行业务往往需要大量的人工参与，而这些工作不仅耗时而且容易出现错误。借助于 AI 大模型和云计算，中小银行可以将许多常规的业务流程自动化。通过分析大量的数据并进行模式识别，AI大模型可以帮助银行完成低价值的重复性工作，如交易处理、账户管理等，从而降低了银行的运营成本并提高了工作效率。
