早在近期人工智能加速发展之前，金融服务 (FS) 行业就经历了一段技术颠覆时期。区块链技术和加密货币代表着金融服务的根本性转变。但技术颠覆往往不会孤立发生；金融服务机构如今正面临另一波颠覆浪潮，但如果积极主动地接受，或许能够带来更具建设性、更可控的变革。
金融服务中的人工智能数据中心用例
金融服务行业面临着大量的监管审查，但也采用了可以改进流程和服务的技术，因为速度或效率的微小提升都可能带来巨大的回报。 据 IDC 预测，到 2028 年，金融服务行业在人工智能解决方案上的支出将位居第一，并将占所有人工智能支出的 20% 以上。根据 NVIDIA 的研究，超过一半的金融服务专业人士相信人工智能将在企业成功中发挥重要作用，91% 的组织已经在评估人工智能或在生产中部署人工智能。在整个行业中，Gen AI 正在被评估或用于各种流程，从加强贷款和信用风险评估到管理法规遵从性、检测欺诈或增强客户服务。
例如， Visa 账户攻击情报 (VAAI) 评分利用 Gen AI 在几毫秒内评估超过 180 个风险属性，并生成一个分数来预测由机器人协助的暴力破解信用卡欺诈的可能性。Visa 还利用 Gen AI 来打击信用卡测试欺诈。基于 AI 的 VAAI 评分的欺诈检测功能是之前型号的 6 倍，并将误报率降低了 85%。
金融服务公司也看到了生成式人工智能在提升客户服务和决策能力方面的潜力。美国银行最近推出了一款人工智能虚拟助手 Erica，为客户提供个性化的财务指导。Capital One也采取了类似的策略，推出了一款人工智能自然语言短信助手 Eno。
Gen AI 还帮助金融服务公司应对复杂的监管环境。合规管理软件提供商正在将 Gen AI 和机器学习嵌入其平台，以分析监管规则、政策和流程，并识别和评估合规风险。
20%
到 2028 年，所有人工智能支出将由金融服务业主导。
91%
的金融服务机构已经在评估或部署人工智能。
85%
Visa 的人工智能 VAAI 分数降低了欺诈检测中的误报率。
自有或外包数据中心基础设施
随着越来越多的金融服务组织从人工智能炒作阶段的实验转向具有实际投资回报的具体用例，需要决定需要拥有多少支持人工智能的数据中心基础设施，以及将其外包给服务提供商。
根据Gartner的另一项CIO调查，平均而言， 只有35%的AI功能 将由内部IT团队构建。然而，随着AI的成熟以及企业将特定AI用例视为业务关键，这种情况可能会随着时间的推移而改变，从而需要更多“自主”和可控的投资。
投资自有数据中心基础设施/自建 AI 技术与外包给服务提供商相比，存在诸多机遇和挑战。其优势包括：更强大的数据控制力（在数据主权方面尤为重要）；以及能够开发与特定业务需求紧密契合的 AI 服务。其挑战包括：大量的资本投入；一些加速计算基础设施（尤其是 GPU）的稀缺；以及在快速发展的新兴领域投资定制系统的风险。
虽然自主构建 AI 服务的风险和成本显而易见，但随着时间的推移，这些风险和成本很可能会逐渐降低。随着越来越多的金融服务机构认识到投资自有加速计算和 AI 能力的价值，数据中心设备供应商、咨询顾问以及数据中心价值链的其他环节将继续提升产品开发和支持服务的效率。
金融服务中的人工智能必要性
随着金融服务机构从 AI 实验转向实际应用，他们必须决定是自建还是外包支持 AI 的数据中心基础设施。这一决策取决于控制力、成本、可扩展性和合规性之间的平衡。为了指导这一决策，维谛强调了在金融服务领域成功部署 AI 的关键要素：转变客户体验、通过自动化和合规性提升效率，以及建立对 AI 应用的信任。
| 至关重要的 | 用例 | 数据中心要求 |
|---|---|---|
| 具有变革性 | 重新构想客户体验。 | 跨职能专业知识。 整体解决方案设计。 |
| 提高效率 | 合规管理。 自动化客户服务。 |
扩展现有系统的价值和功能。紧密耦合的系统可最大限度地减少空间和能源需求。 |
| 成为第一 | 投资策略决策支持。 | 减少时间和风险的设计。预配置的系统可减少部署时间。 |
| 要有信心 | 欺诈检测。 风险评估。 增强预测 |
提供经过验证的解决方案并配备全方位服务支持。 |
| 为未来做好准备 | 个性化金融服务。智能现金流预测。 人工智能驱动的投资策略。 |
可互操作、可升级、可扩展且能适应变化的解决方案。 |
关键要点：
向人工智能过渡
数据中心
在从实验转向切实的投资回报的过程中，金融服务组织必须在自有或外包的人工智能数据中心之间做出选择。
内部人工智能
发展
目前，只有 35% 的人工智能是在内部构建的，但随着人工智能变得至关重要，需要更可控的投资，这一比例可能会上升
投资专家
和缺点
拥有数据中心可以提供控制和定制的人工智能，但需要高投资和稀缺的 GPU，但这些挑战可能会随着时间的推移而减少。