1、QQ（每一天，乐在沟通）：QQ是腾讯公司推出的一款基于PC和移动互联网跨屏的即时通信平台。支持在线聊天、即时传送语音、视频、在线（离线）传送文件等全方位基础通信功能，并且支持从PC到手机的跨终端通信为用户构建完整、成熟、多元化的在线生活平台。
2、微信：2011年上线，微信，用一种纯粹的创新理念，为数以亿计用户的生活带来改变。综合即时沟通、娱乐社交和生活服务为一体的新移动生活方式在微信里逐步形成。
3、QQ空间：QQ空间是一个包容网民各种关系链的社交大平台，满足用户展示、交流和娱乐的需求，致力于为中国互联网打造开放平台，和第三方网站一起为亿万网民提供卓越的、个性化的社交服务。截至2016年三季度，QQ空间月活跃帐户数达632亿。
4、财付通（会支付，会生活）：财付通是腾讯公司于2005年9月正式推出专业在线支付平台，致力于为互联网用户和企业提供安全、便捷、专业的在线支付服务。
5、微信支付：微信支付是集成在微信客户端的支付功能，用户可以通过手机完成快速的支付流程。微信支付以绑定银行卡的快捷支付为基础，向用户提供安全、快捷、高效的支付服务。微信支付2013年8月5日随微信50版本正式发布上线，2014年3月4日正式开放外部接入申请。
6、QQ钱包（一站式生活服务）：QQ钱包是一个支持yhk绑卡支付、Q币支付、NFC公交卡充值的移动支付产品，为数亿手机QQ用户提供安全便利的支付体验。
7、腾讯游戏（用心创造快乐）：腾讯游戏成立于2003年，是全球领先的游戏开发和运营机构，也是国内最大的网络游戏社区。
8、腾讯影业：腾讯影业是腾讯的全资子公司，于2015年9月17日宣布成立。腾讯影业秉持不孤立做的理念，致力于打造“年轻、独特、高品质、连接”的影视作品。腾讯影业下设三个工作室：大梦工作室、黑体工作室和进化娱乐工作室。
9、腾讯动漫：腾讯动漫是中国最具规模的正版网络动漫平台，于2012年3月21日正式推出。腾讯动漫拥有22000多部海量精品、独家正版的动漫作品。腾讯动漫是同时与日本集英社、角川集团和讲谈社合作的平台，也是中国拥有最多日漫版权的平台。
10、腾讯电竞（为你加冕）：腾讯电竞，中国最具竞争力的电竞品牌，腾讯电竞业务从2010年以TGA开始布局，成立于2016年12月9日。
11、阅文集团（腾讯文学）：阅文集团前身为腾讯文学，成立2013年9月10日。2015年，腾讯文学与原盛大文学整合成立子公司“阅文集团“，是中国引领行业的正版数字阅读平台和文学IP培育平台。
12、QQ音乐（音乐你的生活）：作为中国领先的网络音乐平台，以及中国互联网领域领先的正版数字音乐服务提供商，QQ音乐为广大用户提供方便流畅的在线音乐和丰富多彩的音乐社区服务，是中国大陆地区网民在线音乐生活的首选品牌，引领着人们的音乐生活方式。
13、腾讯网：作为中国领先的中文门户网站，腾讯网通过强大的实时新闻和全面深入的资讯服务，为中国数以亿计互联网用户提供富有创意的网上新生活。
14、腾讯新闻客户端：一款丰富、及时的新闻应用，本着精炼、轻便的目标，为用户提供高效、优质的阅读体验。
15、腾讯视频：腾讯视频是中国最大的在线视频平台，拥有丰富的优质流行内容和专业的媒体运营能力，是聚合热播影视剧、优质独家出品内容、体育赛事、大事件、新闻资讯等为一体的综合视频内容平台。
16、腾讯微博：腾讯微博是基于社交网络建立的社会化媒体平台，兼具“媒体”与“社交网络”属性。腾讯微博旨在建立以人为核心的传播网络，贡献实时、动态和多元的价值内容，满足用户的个性化信息沟通及自媒体建立需求。
17、QQ浏览器（我要的现在就要）：QQ浏览器支持不同终端用户快捷上网，手机浏览器自主研发的X5内核在速度、流量节省、稳定性上业内领先，功能全面，满足用户不同需求。
18、腾讯手机管家（玩的酷，靠得住）：腾讯手机管家是由腾讯出品的一款覆盖三大智能平台的手机安全与管理软件，目前按月使用用户数排名市场第一。秉承“手机安全管理先锋”的理念，在提供病毒查杀，骚扰拦截等安全防护的基础上，更有手机防盗，隐私保护等功能。
19、腾讯电脑管家：腾讯电脑管家是国内首款集成“杀毒+管理”2合1功能的免费网络安全软件，包含“杀毒、实时防护、漏洞修复、系统清理、电脑加速、软件管理”等功能，荣获AVC、VB100、西海岸等国际知名权威机构专业认可。
20、腾讯地图：中国专注于数字地图内容、导航和位置服务解决方案提供商，日均定位达350亿次。
21、QQ邮箱：作为网络平台服务的基础产品，QQ邮箱拥有来信即时提醒、阅读空间、1G超大附件、音视频邮件等多个特色功能。
22、腾讯开放平台：腾讯开放平台是腾讯基于自身能力为广大合作伙伴提供的大舞台。
23、腾讯云：腾讯云是基于腾讯对海量互联网服务的经验，打造的面向广大企业和个人的公有云平台，为广大开发者提供云服务器、云数据库、云存储和CDN等基础云计算服务，以及提供游戏、视频、移动应用等行业解决方案。
参考资料来源：百度百科-腾讯
但是，需要注意的是，若您使用腾讯云的对象存储服务（COS），默认情况下对象数据也是长期保存的，但是在一些特定场景下可能会有自动清理机制或硬性删除政策。
除此之外，根据不同的合规要求，腾讯云还提供了不同类型的存储服务，如归档存储、敏感数据存储等，这些存储类型也有特定的数据保留时间和删除机制。
因此，如果您有具体的数据保留时间需求，建议根据您的业务和实际情况选择相应的存储服务，并了解其具体的数据保存和清理机制。
较好的云服务器平台有阿里云、腾讯云、百度云、京东云、七牛云。
相关介绍：
1、阿里云：
创立于2009年，是全球领先的云计算及人工智能科技公司，致力于以在线公共服务的方式，提供安全、可靠的计算和数据处理能力，让计算和人工智能成为普惠科技。
2、腾讯云：
腾讯云有着深厚的基础架构，并且有着多年对海量互联网服务的经验，不管是社交、游戏还是其他领域，都有多年的成熟产品来提供产品服务。腾讯在云端完成重要部署，为开发者及企业提供云服务、云数据、云运营等整体一站式服务方案。
3、百度云：
百度智能云是百度提供的公有云平台，于2015年正式开放运营。百度云秉承“用科技力量推动社会创新”的愿景，不断将百度在云计算、大数据、人工智能的技术能力向社会输出。
4、京东云：
是京东集团旗下的全平台云计算综合服务提供商，为用户提供从IaaS、PaaS到SaaS的全栈式服务，具体包含云主机、短信服务、对象存储，域名注册，SSL证书等在内的全场景服务和跨行业的全生态云服务。
5、七牛云：
七牛云存储（现已更名为“七牛云”）是国内领先的企业级公有云服务商，致力于打造以数据为核心的场景化PaaS服务。
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。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）