五大赛道、八位专家，银行局中人眼里的AI江湖

谁说大象不能跳舞？

2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。

踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。

在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。

没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 「银行业AI生态云峰会」 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。

数据安全与隐私保护

银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。

在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？

雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”

平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”

一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。

小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。

虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。

数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？

在「银行业AI生态云峰会」第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：

在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。

而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。

联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。

AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化xyk经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。

银行数据库

以“数据”为线，银行前中后台的升级轨迹清晰可见。

如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。

这当中的一个重要模块，就是 银行数据库 的改造升级。

我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。

由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）

但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。

而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。

腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。

中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。

这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行xyk的核心系统也完成切换投产，新核心系统同样采用了国产数据库。

在「银行业AI生态云峰会」上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。

以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。

但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。

中台建设

“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。

银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。

在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。

中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。

建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。

尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。

因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。

为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 90，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。

如何构建金融机构需要的数据中台？

在「银行业AI生态云峰会」上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：

金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。

他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。

基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。

张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。

银行信贷智能风控

而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。

关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）

而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。

尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。

某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。

前百度金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。

王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。

“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：

他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”

数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。

从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。

在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。

RPA与内部流程优化

还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。

RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。

如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。

达观数据联合创始人纪传俊 在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。

AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。

以 工商银行 为例，RPA在工行的应用覆盖了前台 *** 作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。

建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。

农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以xyk业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。

中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。

纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：

例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。

Linux *** 作系统在服务器方面的应用越来越好。下面由我为大家整理了Linux服务器 *** 作系统的简介及版本介绍，希望对大家有帮助!

Linux服务器 *** 作系统简介及版本介绍

一、Linux服务器 *** 作系统简介

Linux服务器 *** 作系统和一般的Linux发行版有什么区别考虑服务器硬件。服务器本质上是具有专门规格的计算机。例如，服务器硬件确保最大的正常运行时间，效率和安全性。此外，服务器平衡计算能力和功耗。类似地，Linux服务器 *** 作系统优先考虑安全性和资源消耗。

Linux服务器 *** 作系统向客户端设备提供内容。因此，服务器 *** 作系统提供了用于简单服务器创建的工具。由于服务器通常以命令行方式进行配置和运行，因此Linux服务器 *** 作系统的图形用户界面(GUI)不重要。

根据IDC，硬件销售数据表明，28%的服务器是基于Linux的。虽然有专用的Linux服务器 *** 作系统，还可以选择滚动安装版本。选择的关键是 *** 作系统应该能提供长期服务(LTS)迭代并支持安装所需的软件。LTS的发行版提供了稳定性和更长的支撑周期。

当选择Linux服务器 *** 作系统时，还要考虑使用用途。比如将Linux计算机用作媒体服务器与设置游戏服务器是不同的。

二、Linux服务器 *** 作系统版本介绍

1 Ubuntu Server

Ubuntu可以说是最知名的Linux *** 作系统。而且社区有大量的Ubuntu衍生产品，它是一个稳定的发行版。Ubuntu及其变体提供了优秀的用户体验。Ubuntu Server有两个版本：LTS和滚动版本。LTS的Ubuntu Server发行版拥有五年的支持周期。虽然非LTS的Ubuntu Server发行版支持周期不是五年，但也提供了九个月的安全和维护更新。

虽然Ubuntu和Ubuntu Server非常相似，但服务器提供了不同的组件。值得注意的是，Ubuntu Server提供了OpenStack Mitaka、Nginx和LXD。这些内容能满足系统管理员的需求。使用Ubuntu Server版，可以启动Web服务器、部署容器等。而且它是即开即用的服务器软件。

虽然Ubuntu LTS不是一个服务器发行版，但它也提供了五年的支持周期。我目前使用Ubuntu 1604 LTS来运行专用的Plex服务器以及Linux游戏服务器。LTS发行版可以很好地作为Linux服务器 *** 作系统。只需自己安装服务器软件即可。

谁应该使用它：

如果你刚接触Linux或服务器 *** 作系统，Ubuntu是一个优秀的选择。Ubuntu仍然是最流行的Linux发行版之一，而且它对用户友好。因此，Ubuntu Server是一个梦幻般的入门级Linux服务器 *** 作系统。它作为媒体服务器、游戏服务器或电子邮件服务器是一流的选择。更高级的服务器设置也适合Ubuntu服务器，但它绝对是一个基本的服务器和新手用户的选择。

2 openSUSE

SUSE Linux于1993年首次推出。直到2015年，开源版本的openSUSE迁移到SUSE Linux Enterprise(SLE)。提供了两个openSUSE衍生版：Leap和Tumbleweed。Leap具有更长的发布周期，而Tumbleweed则是滚动发布版。Tumbleweed更适合高级用户使用其最新的软件包，比如Linux内核和SAMBA等。Leap版则有更好的稳定性和成熟度。两者都支持更新 *** 作系统。

企业客户不能承受不稳定、不成熟和未经测试的包。一切都必须严格测试，以确保业务不会出现问题，并导致损失。故Leap版可以确保企业客户的需求。

openSUSE算是一个梦幻般的Linux服务器 *** 作系统。openSUSE包含了用于自动测试的openQA，用于在多个平台上进行Linux映像部署的Kiwi，用于Linux配置的YaST以及全面的软件包管理器Open Build Service。早些时期，SUSE并没有像Redhat和Canonical那样提供免费的企业发行版，如CentOS和Ubuntu，直到Leap版的发布。SUSE官方称，Leap是一个替代Ubuntu、CentOS和Debian的生产服务器的优秀选择。以前openSUSE遵循9个月的发布周期，即每9个月发布一个新的主要版本。而Leap则遵循SLE的发布周期。

谁应该使用它：

openSUSE更适合于像系统管理员这样的强大用户。它是一个伟大的Web 服务器、家庭服务器或家庭服务器/ Web服务器组合。系统管理员可以从诸如Kiwi，YaST，OBS和openQA之类的工具中获益。openSUSE的多功能性使其成为最好的Linux服务器 *** 作系统之一。除了稳固的服务器功能外，openSUSE还提供了一个漂亮的桌面环境。

3 Oracle Linux

如果你在考虑Oracle Linux，这很正常。oracle Linux是由数据库巨头Oracle提供的Linux发行版。它有两个内核。其中一个内核特性是红帽兼容内核RHCK(Red Hat Compatible Kernel)，即提供了与Red Hat Enterprise Linux(RHEL)发行版相同的内核。Oracle Linux有认证，可以在联想、IBM和HP等大量硬件上工作。Oracle Linux提供了Ksplice特性，增强了内核的安全性。另外还支持Oracle、openstack、Linux容器和Docker。其品牌标识为Oracle企鹅。

Oracle Linux提供了技术支持，但需要付费。除非你在企业环境中运行Oracle Linux，否则不值得这么付出。如果需要构建公有云或私有云，Oracle Linux是一个优秀服务器 *** 作系统选择。

谁应该使用它：

Oracle Linux最适合数据中心或用于创建基于OpenStack的云。而更高级的家庭服务器用户和企业级设置也适合使用Oracle Linux。

4 容器Linux(前身为CoreOS)

CoreOS于2016年更名为Container Linux。顾名思义，Container Linux是一个用于部署容器的Linux *** 作系统。它聚焦于简化容器的部署。容器Linux是提供了安全的、高可扩展的、支持容器部署的一流 *** 作系统。集群化的部署非常容易，其发行版包含了服务发现的方法。并提供了Kubernetes、docker和rkt的文档和支持。

但是，容器Linux没有提供包管理器。所有应用程序必须在容器中运行，因此容器化是强制必需的。然而，如果你正在使用容器，那么容器Linux是提供了容器及其集群等基础设施最好的Linux服务器。它提供了一个etcd工具，作为守护进程运行于集群中的每个计算机上。当然你也有安装的灵活性。除了内部部署安装外，您还可以在虚拟化介质(如Azure，VMware和Amazon EC2)上运行Container Linux。

谁应该使用它：

容器Linux最适合集群基础设施的服务器或容器化部署。这并不意味着它不是家庭服务器的选择。如果使用来自Plex的官方Docker镜像，Container Linux可以作为基本家庭媒体服务器或者是复杂集群设置的任何服务器。最终，如果你很喜欢容器，那么应该使用Container Linux。

补充：Linux服务器 *** 作系统如何选择

(1)Debian与Ubuntu的选择

Ubuntu是基于Debian所开发，可以简单地认为Ubuntu是Debian的功能加强版。与Debian相比，Ubuntu提供了更人性化系统配置，更强大的系统 *** 作以及比Debian更激进的软件更新。Ubuntu与Debian比较，可以认为Debian更趋向于保守一些，Ubuntu对新手友好度更高，上手更容易。用过Ubuntu的都会体会到它的易用，反之如果用过Ubuntu再换到别的系统，都会觉得不适应，Ubuntu真的很方便。

在此解释下Ubuntu的版本支持时间。Ubuntu普通版本只提供18个月的技术支持，过期则不管。LTS服务器版本提供长达五年的技术支持。Ubuntu 1010是个普通版，现在已经过了支持周期了。如果你用了，很好，你会发现你安装不了任何软件，1010的软件已经从Ubuntu软件源中被移除了。

所以建议大家选择1204 LTS版，提供长达5年的技术支持，可以确保在静候相当长的一段时间内你的服务器可以继续收到系统升级补丁以及可用的软件源。

(2)Red Hat和Centos选择

Red Hat跟Centos就没那么多差别了。

Red Hat是付费 *** 作系统，你可以免费使用，但是如果要使用Red Hat的软件源并且想得到技术支持的话，是要像Windows那样掏钱的，所以大家可以理解为Linux中的Windows。这么做符合开源精神，免费使用，服务收费。

Centos是Red Hat的开源版本。一般在Red Hat更新之后，Centos会把代码中含有Red Hat专利的部分去掉，同时Red Hat中包含的种种服务器设置工具也一起干掉，然后重新编译就是Centos。

从某种意义上说，Centos几乎可以完完全全看成是Red Hat，这两个版本的rpm包都是可以通用的。

那么这样问题就简单了。如果你舍得花钱买技术支持，并且想得到完善的技术服务，请去买Red Hat的授权，你会得到如Windows一般强大的技术支持的。如果你只想用，什么付费技术支持什么专有软件都是浮云，那么用Centos吧。

Oracle Database 11g 合并和扩展了 Oracle 特有的功能以实现网格计算的优势，将数据中心从分散的系统资源孤岛转换为包含服务器和存储的共享池。

Oracle Database 12c 和 Enterprise Manager Cloud Control 是为云计算设计的。云计算创建了一个完整的、预先集成的现成专用云解决方案，从而可以快速将企业数据中心转换为专用云。

主要优势如下所示：

•通过合并使用少数几个服务器，降低对大量服务器的需求并提高 CPU 的利用率。

•通过自动部署标准数据库配置，缩短 DBA 花在安装和配置数据库上的时间。

•通过单一控制台管理整个云生命周期（规划、设置、交付和运行）。

•通过为各个用户设置限额，防止资源独占。

•通过分析趋势报表，预测未来资源需求。

•基于性能和配置度量计算计费。

如果是从技术上来看最大的区别在于：

Oracle 11g Oracle 推出 Grid Infrustracture 软件（GI），GI提供更强大的Oracle ASM支持。同时GI作为集群软件除了支持数据库集群更支持第三软件的集群，例如 Timesten。

Oracle 12c 则主要面向云计算机，简单来说，可以在一个容器数据库（CDB）内，虚拟出多个可插拔数据库(PDB)。实现云数据库的支持。同时Oracle 12c的 Cloud Control 提供了云平台管理相关的功能，这是11g没有的功能。

因为干不过 吹出来的 给不懂的人看而已 1500多个节点的分布式架构和人家10年前27节点rac比！别忘了你用的ssd 人家还是机械盘！

本人亲身经历，前一段时间有个中科院的朋友问我能不能改mysql的logo，要弄一个自研数据库的项目，ob据我了解以前也是基于mysql的，现在不知道什么情况了，还有移动有个自用的linux，实际上就是centos改了logo，这种做法可以，但我我只是觉得还是要尊重别人的成果，好歹承认基于人家的，否则就过分了，被人骂，被人鄙视就不要怪别人瞧不起你，为什么很多负责重要的开源项目的美籍华人都不承认自己是中国人，这就是原因

阿里巴巴旗下的数据库OceanBase屡屡在国际上获得数据库竞赛大奖，不少人就要问了，既然OceanBase这么厉害，为什么阿里巴巴不去抢占Oracle的市场份额呢？

OceanBase竞赛结果有片面性、功能还不够完善

事实上在阿里系内部，也只有蚂蚁金服是真正在大规模使用，在阿里系内部其他团队已经有三大数据库，X-DB是阿里集团数据库团队搞的，PolarDB是阿里云团队、也就是李飞飞博士负责的，OceanBase是蚂蚁金服数据库团队搞的，现在阿里内部已经推进了X-DB和PolarDB的全面融合，李飞飞博士领导的PolarDB团队将会立足长远，是下一代数据库系统，未来阿里云的业务有多广，PolarDB要面对的业务场景就有多复杂。

OceanBase最大的优势在于这是阿里真正完全自研的数据库，跟阿里云一样，是从头到尾完全自研的，当然这个完全自研到底到底有没有水分我们并不知道。大家了解OceanBase就是之前的打比赛，不过OceanBase占了分布式的光，吃了硬件的便宜，加上最近十年Oracle已经不来打比赛了，阿里本质上是跟十年前的Oracle在比，软硬件技术都不在同一个起点上，这也是这个竞赛结果有很大片面性的根本原因。在单机性能方面，Oracle依然要更强一些，稳定性就更不用说了，Oracle已经稳定运行了这么多年。

OceanBase之所以还没办法跟Oracle竞争，是因为OceanBase还没有那么强，也还有非常多需要完善的地方，功能上还有很多不足，在阿里内部数据库分化也还比较明显，OceanBase在跟另外的产品竞争当也，没有优势。

OceanBase“专属性”明显、开源后闭源，企业要稳定、企业也不都是阿里

OceanBase更多的还是围绕蚂蚁金服自己的业务在做，现在除了阿里系内部在使用，真正的商业化用户也就只有PICC、南京银行两个比较大，是在真正使用OceanBase，客户群体还太小太小，样本数量确实还不够大。

OceanBase之前其实是开源了的，不过后来又闭源了，在商业化过程中也遇到了一些问题，这个 *** 作当时其实就吓到了很多人，OceanBase闭源之后的版本跟原来的差距非常大的。OceanBase更适合处理互联网业务，跟传统企业业务契合度并没有那么高，Oracle的很多功能OceanBase都还不具备，OceanBase的生态、工具、技术支持还差很多很多。oceanbase是为大规模事务处理准备的分布式系统，听起来很强大，但是真的不够接地气。

OceanBase针对阿里的业务进行了深度优化和定制，这就让OceanBase在通用性上有了很大的阻碍。可是在其他企业就很难的，阿里有很好的技术团队，他们也可以为了业务做出专门的调整，阿里有这样的能力和资源，但是小企业没有这样的配置，尤其是传统企业根本不可能做这样的事情。大家更希望系统是稳定好用的，拿过来就可以直接用的，你现在又不开源了，用户担心更大，还不如继续用稳定的Oracle数据库。

技术这东西吧我还是喜欢说句实话，不是你自己说你有多厉害就真的多厉害，还得是实际场景的应用才行。就像百度一样，好像这些年大家也不吹百度了，但是春晚一战，百度成为唯一一个扛住了春晚流量洪峰的企业，技术实力业内人都看得明白。OceanBase做得很好，但是也没有那么好，至少是目前应用还没有那么好。

早就在竞争了！

实际上阿里云的OceanBase数据库系统在推出以后，实际上就已经开始商业化运作了，就在不断的从甲骨文公司手里面抢到更多的企业级应用市场了。

OceanBase确实很先进

近日，在数据库领域内，OceanBase数据库又打破了世界记录，直接创造了707亿TPMC的新世界记录。

从OceanBase的功能和速度来看，现在OceanBase是世界领先的数据库产品，在被誉为“数据库领域世界杯”的国际权威TPC-C测试中，OceanBase性能分数打破Oracle多年垄断，不断创造新的世界记录。

而且OceanBase采用新一代分布式处理技术，颠覆了传统数据库集中式技术架构，尤其适应了互联网持续扩张的数据处理需求。

正是OceanBase数据库的可扩容的特点，也降低了用户的使用成本，而且又拥有很高的速度，因此，现在OceanBase在企业市场中的份额是越来越大了。

现在阿里云市场份额很大

阿里云市场份额不断扩大。根据国际研究机构Gartner发布最新云计算市场追踪数据，阿里云亚太市场排名第一，全球市场排名第三。在全球市场份额中，阿里云仅次于美国的亚马逊和微软公司。

阿里云从2018年到2019年，在全球市场份额从77%上涨至91%，进一步拉开与第四名谷歌差距，挤占了不少亚马逊的份额。而在亚太市场，阿里云的份额更大，从2018年的26%上涨至2019年的28%，接近亚马逊和微软公司的总和。

现在阿里云的服务其中一项最重要的就是数据库的服务，也就是OceanBase数据库的服务。

实际上，从2015年，OceanBase数据库推出以后，淘宝和支付宝系统就开始了去IOE，开始上云，然后好多银行的金融服务也开始去IOE，上云。这些实际上都是开始抛弃甲骨文数据库系统了。到现在为止，通过上云使用OceanBase数据库数据库的企业和公司就更多了。

结论

综上所述，OceanBase数据库早就在跟甲骨文公司进行竞争了，现在阿里云的份额在全球排在第三名，阿里云其中最关键的应用就是OceanBase数据库的应用了。

没抢市场份额？不厉害？那数字人民币用oceanbase算什么呢？

中国人民银行数字货币研究所已经与蚂蚁集团签署技术战略合作协议，双方将基于蚂蚁集团自主研发分布式数据库OceanBase和移动开发平台mPaaS，共同推动建设数字人民币的技术平台。

如你所愿。

oceanbase最近独立运营了，开始发力推广。先把TPC-C基准测试排名达到世界第一。（第二也是自己，这次是二刷）

然后最近刚刚开源。把300万核心代码都开源出来。大家可到github上查看。

金融领域继续发力。和合作伙伴一起做去O。尽量能兼容Oracle，让客户无损切换到oceanbase上来。

相信不远的将来，中国企业都能用上国产高性能数据库。

OceanBase其对标的是亚马逊的Aurora，你要目前去和Oracle竞争，这个目前还不对等。

OceanBase满打满算10年的时间，Oracle呢，40多年了。目前大的企业，像银行、电信这些核心企业，基本上是Oracle的天下，也有Sybase、DB2、SQLServer。其实还是那几个巨头在玩，甲骨文、微软、IBM、SAP，这些可都是企业服务领域的巨头。

听到DB2（IBM）是不是有人觉得老土了，但是现实就是还有很多系统在用，为什么呢？因为有些系统要切换数据库，估计要出大问题。

互联网公司反而在这方面投入不高，那就用像MySQL这种开源的，最先MySQL被SUN公司收购了，现在SUN又被Oracle收购了，所以还是Oracle旗下的。

Oracle之所以这么强势，就是因为其产品的稳定性，尤其是金融类机构，一点数据问题都不能出，否则你银行里只有100块，花出去了101块，这个问题就大了。你可以想下，几十年，遍布全球的金融类机构，大部分只敢用Oracle，就是因为产品稳定。而且这么长时间的技术积累，问题解决经验，这个真的不是说自研就解决的。

伴随着云服务的大趋势，几个主要的云服务提供商，亚马逊、阿里、腾讯都在发力数据库，像淘宝、微信这种大的国内应用，本身必然会要求其数据库团队越来越强大。

OceanBase其实也在慢慢的搬运Oracle的客户，但是这个急不得。其实在市场定位上，国内的大量互联网公司并没有使用Oracle，因为太贵了。所以这部分客户才是OceanBase的主要目标。

Oracle代表的是云服务以前的顶峰，而且目前看想替换不是几年的事情。新的OceanBase伴随着云服务的扩展，必然一步步的能取得更多的市场份额。阿里云发展必然能带动OceanBase的快速发展。

慢慢来吧，数据要的是稳定。

第一，oceanbase是否比Oracle强并不能完全肯定，Oracle这么多年的发展形成了完整的生态，让大多数人熟悉了他那一套，oceanbase应该说在一些场景下比Oracle强，尤其分布式方面，因为他这方面在自身业务驱动下更加突出。

第二，Oracle的客户基本上是规模型企业，且一般用于核心业务系统上，切换成本很大，风险很大，做这样的决策是非常困难的。

第三，人才培养没有那么快，切换oceanbase没有多少人会，培训学习和运营管理都需要时间

第四，阿里发展重心不是这种产品销售模式，Oracle这种模式需要大量的营销团队和服务支持团队

第五，阿里时机还未到，先通过云服务不断发展客户完善产品，后期根据自身的发展策略可能会决定面向客户销售

银行 金融 政府等行业是不会去尝试新技术的 他们要的是稳定 可靠 打个比方 银行每天流水 1个亿 用新系统 花钱了 而且出了问题 损失了 谁负责？！花钱不讨好！银行也不差那点软件版权费！

一个oceanbase数据库需要多少运维人员才能持续可靠提供服务？一个oracle数据库根据公司业务大小一般招一到两个足以应付各类需要。

有的，可以试下Nutanix Era 或者Nutanix 新推出的数据库服务组合产品NDB，都可以实现高效的一键式数据库管理等 *** 作。

先说下Nutanix Era。Nutanix Era 作为数据库解决方案适用于所有云的简易数据库 *** 作，使用自动化服务取代耗时且复杂的数据库 *** 作，将资源聚焦核心业务。提高业务灵活性和创新速度；支持一键式数据库 *** 作，适用于各种不同数据库引擎的消费级数据库管理。

同时，具有完全 *** 作可视性的 API 优先架构，轻松与企业首选的自助服务工具集成，使企业能够快速地进行系统的数据库自备、补丁管理、克隆等 *** 作，来帮助企业实现数据库统一管理。

至于Nutanix 数据库服务（NDB），其具有强大的自动化功能，支持数据库实例的配置、扩展、修补、保护和克隆；还可以帮助客户在本地和公有云上为开发人员提供数据库即服务（DBaaS）和易用的自助式数据库体验，不论是新的还是已有的数据库。NDB面向 PostgreSQL®、MySQL®、Microsoft® SQL 服务器、Oracle® 数据库等数据库引擎，简化了在混合多云环境下的数据库管理。

总之，无论是选择Nutanix Era，还是选择Nutanix 数据库服务（NDB），都可以实现优雅、高效的数据库管理等相关 *** 作，帮助你在企业云里构建一套数据库服务平台▪⋅

以上就是关于五大赛道、八位专家，银行局中人眼里的AI江湖全部的内容，包括:五大赛道、八位专家，银行局中人眼里的AI江湖、Linux服务器 *** 作系统简介及版本介绍、oracle12C R2安装grid时，提示 ins-44002错误等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！