大周皇族起点去年五月底，华为成立数字金融军团，并与ICT、云等业务协同作战，试图将触角延伸至金融行业的各个细分场景中。而在那之前，华为在金融行业的耕耘超过了12年。

　　在6月8日举行的华为全球金融峰会上，华为数字金融军团CEO曹冲谈到金融数字领域进展时表示，目前华为数据智能方案已覆盖全球上百家金融机构，而在中国，排名前二十的银行中有三分之二选择华为建设数据或AI平台。

　　“军团模式希望在原来的基础上往前做深一步，把行业需求翻译成技术语言，同时跟我们各种产品进行连接组合与集成，如果需求很复杂，还会涉及到咨询、架构规划和全面调优。”曹冲说。

　　随着移动互联网的快速发展，金融业务的线上化、移动化和场景化比例越来越高，相应也带来了数据量的爆炸式增长以及复杂的数据问题。

　　在华为看来，数字化已经进入了“Zflops”的AI算力时代，数据以ZB级爆发式增长，联接很快将突破千亿，这些都在加速人工智能跨越拐点。

　　“以ChatGPT为代表的下一个最有潜力的用户界面可能会到来。其反向plug-in（插件）的方式可能会颠覆现有的API模式。在生产端，已经有IT公司仅用部分开发人员就完成了原来的开发量。”曹冲在上述峰会演讲中表示，就像十多年前移动互联网对行业带来的深刻影响，金融行业需要为智能时代做好准备，重新思考联接能力、数据能力、应用能力和基础设施。

　　根据调研机构Gartner最新数据，中国用户对生成式AI技术的部署已经取得了一定进展。截至目前，约有26%的中国用户已经开始部署生成式AI技术。中国在生成式AI领域领先于东南亚和中东地区，后者的用户比例仅为3%。该机构认为，40%的企业计划在2年内使用大模型。

　　在峰会现场，曹冲公布了华为在金融领域的四大战略方向，包括了“筑牢基础设施韧性、加速应用现代化、跃升决策数智化、助力业务场景创新”。其中，应用现代化和AI智能决策如何落地颇受外界关注。

　　以动产融资场景为例，中国有超过百万亿的动产，90%以上因为没有技术赋能等原因而无法实现有效的融资，华为希望通过技术和生态合作去助力解决这个问题，让动产价值“动”起来。

　　“我们围绕冷链、大宗、干散、标品等场景，整合公司各产品线实验室的能力，比如边缘智能感知、盘古CV大模型、激光雷达+三维重建算法等，攻克了多个产融资产实时管控难题。”曹冲对记者表示，华为与浦发银行的合作中已开始使用盘古CV大模型、边缘智能数字孪生等技术。比如，在浦慧云仓监测中心，操作人员可通过盘古大模型进行货堆计数，并且与前端入库的扫码和重量数据及贸易背景数据进行校验，确保货物入库的真实性。

　　“而在信贷领域，曾有家区域说，一个用本行发薪卡的人想贷款几万块却贷不出来，因为贷款和发薪数据的能力没打通，信贷部门无法做决策。在把数据打通，解决数据的高效流转后，判断能不能贷款需要更多的能力，在光靠人判断不出来时，用AI的能力不仅及时性好，体验和效果也提升了。”曹冲对记者说。

　　根据华为公布的最新数据，目前华为在金融行业的客户覆盖全球60多个国家和地区，总数超过3300多家，包括全球前100家银行中的50家。但金融行业的复杂以及多变性也带来了另一项挑战，即如何以有限的资源对接多个细分场景，尤其是在对专业知识要求极高的领域。

　　此外，对于华为这样的科技公司而言，技术方案很多，产品线也很长，沟通成本也高。

　　受到谷歌军团的启发后，华为决定成立军团。按照华为创始人任正非对军团组织的重新定义：通过军团作战，打破现有组织边界，快速集结资源，穿插作战，提升效率，做深做透一个领域，对商业成功负责。

　　这是一种集成性组织，把基础研究的科学家、技术专家、产品专家、工程专家、交付与服务专家全都汇聚在一个部门。一个团队只针对一个行业，把行业理解透，吃透，在这个基础上缩短内部流程，形成针对性的解决方案。

　　在曹冲看来，这种方式可以在过去的模式上，形成一种更有效的沟通机制。“我们一方面看到了行业数字化带来的机遇，另一方面技术的发展也提供了可能，但中间缺一道桥梁，如何聚焦不同行业不同场景的需求，军团就是为了解决这个问题。”

　　他表示，基于华为企业核心商业系统应用现代化实践，内部积累了一套完整的工程方法和工艺工具，对于非数字原生企业的应用现代化转型是很有价值的，也会把这些经验运用在金融客户的应用现代化过程中。

　　“多打粮食肯定是要做到的，关键是要持续深入行业，把各种场景中的需求和问题吃透。”曹冲对记者表示，因为要灵活作战，华为军团规模不会太大，另外各个行业在各个区域已建立了本地的组织和团队在服务客户。

　　从进展来看，数字金融军团在行业渗透上已初见成效，生态体系在不断扩大，正在按照既定目标有序发展。曹冲表示，希望未来在华为的平台上能够汇聚更多的SaaS服务，共同把生态做强，并和金融机构一起共筑全场景的新金融服务。华为将开放自己的各种生态和能力，包括鲲鹏、昇腾、GaussDB数据库、欧拉操作系统等。