INDUSTRY 02/06

金融科技

毫秒级风控决策与合规可审计的 AI 中台

金融 AI 的核心是「快」和「合规」同时拿到 — 一笔交易决策的窗口往往不到 50 毫秒，但每个决策都要留下可被监管追溯的数据链。数工以低延迟推理集群 + MLOps 全生命周期管理满足这两个相互冲突的目标。

预约行业方案查看客户案例

< 50ms

推理决策延迟

99.3%

欺诈识别准确率

99.999%

系统可用性

10 万+

每秒处理笔数

客户痛点

PAIN POINTS · 04

实时风控延迟

毫秒级交易决策要求推理延迟 < 50ms，传统 CPU 集群无法满足吞吐需求

数据隐私合规

客户金融数据受严格监管，模型训练与推理需满足数据不出域与差分隐私要求

模型管理复杂

多业务线、多版本模型并存，缺乏统一的 MLOps 平台管理模型全生命周期

欺诈手段升级

新型网络欺诈层出不穷，规则引擎响应滞后，需要自适应的深度学习风控体系

解决方案

SOLUTIONS · 04

高并发推理集群

DG-V700 推理卡组成低延迟集群，P99 延迟 < 30ms，满足实时交易风控需求

联邦学习平台

多机构联合建模，数据不出域，联合反欺诈模型覆盖更广攻击面

金融 AI 中台

统一 MLOps 平台管理从数据标注到模型上线全流程，审计日志完整留存

关联图谱引擎

亿级节点关联图谱实时查询，识别隐蔽欺诈团伙关系链

金融科技 · 典型案例

查看全部案例

上海

头部城商行

该行零售业务日均交易量超过 1,500 万笔，原有规则引擎每秒处理能力上限 8,000 笔，高峰期频繁触达瓶颈。同时，新型网络欺诈手法快速演化，规则引擎更新周期长，欺诈损失率持续上升。

12 万峰值 QPS 处理量

< 28msP99 风控决策延迟

99.3%欺诈识别准确率

想把金融科技落地到自己的业务？

数工行业方案专家将按你的真实业务场景提供架构设计、选型建议与 PoC 支持，通常在 3 个工作日内返回初步方案。

预约行业专家浏览所有行业