科技對于金融的驅動作用被不斷強化，科技如何進一步激發金融服務的迭代升級，“點綠成金”受到廣泛關注。“在國家積極推動實體經濟低碳轉型的大背景下，云計算、人工智能、大數據等技術在綠色金融的運用前景是非常具有潛力的”，百度副總裁李碩在21日的金融街論壇“綠色金融支持生態文明發展與全球合作”分論壇上對記者表示。
圖為百度副總裁李碩在發表演講
談及科技如何助力低碳轉型，李碩在專訪中告訴記者，可以從產業、投資、金融機構三個角度出發，助力“雙碳”目標達成。從產業賦能角度方面來看，李碩認為，可以通過與政府、銀行、企業等合作建立綠色金融綜合服務平臺、綠色企業聯盟/協會等方式打通地方產業鏈各環節，科技與數據賦能降低綠色融資成本，產業生態閉環模式助力區域企業高質量、綠色可持續發展。
從投資合作層面看，李碩認為，可以通過產業基金和孵化器助力具有綠色核心技術的企業發展，同時與生態伙伴一道用 AI 助力“零碳成長”。“從企業端，云智一體賦能千行百業，助力企業在生產端提效減排。例如某電廠冷端運行優化人工智能工藝調參能夠有效降低煤耗。此外，在能源行業AI技術的預測、優化、調度、監控能力，可在能源生產、輸配、消費等環節助力降碳，助力‘雙碳’目標達成。”
從金融機構角度看，李碩認為，可以通過結合以AI為引擎、云智一體為底座、科技與場景深度的融合，推出自主可控、高可用的產品方案，助力金融機構轉型升級一步到位。“例如在雙碳背景下，百度目前正積極與金融機構合作，共同打造國產自主可控和綠色低碳數據中心，通過智能營銷風控系統、為遠程銀行提供更加便捷、高效的業務辦理等方式，助力銀行進行綠色信貸發放和貸中貸后管理，推動金融機構綠色轉型和數字化轉型升級，從而早日實現金融國產自主可控建設。”
談及現階段科技發展和金融行業需求之間的矛盾，李碩坦言，考慮到當前我國正處于經濟結構調整、數字化轉型升級的關鍵期，從區域角度講，的確存在著由于地域資源稟賦、經濟、產業發展程度差異等客觀因素導致的一些區域金融機構的科技水平落后于頭部金融機構。不過在實體經濟低碳轉型、金融機構綠色需求激增的大背景下，科技公司和金融公司是共生共榮、互相成就的關系。
李碩告訴記者，科技公司可以通過不斷的技術革新和產品打磨，為金融機構提供更符合其數字化轉型和綠色轉型的軟硬件產品方案，例如數據中心建設助力銀行基礎設施低碳化。同時，還可以通過人工智能等領先技術、創新模式，助推金融機構進行金融服務的創新。
對于未來如何深化金融科技在綠色金融領域的應用，李碩建議，可以利用云計算、人工智能、大數據等技術手段，創新合作模式，通過與地方政府、金融機構、龍頭企業等多方加強合作，打通綠色產業鏈條各個環節，形成數據閉環。結合多元服務，在為交易系統提供軟硬件支持的同時，助力實體經濟低碳轉型，帶動地方特色綠色產業。
云計算的五大關鍵技術
1、 虛擬化技術
虛擬化技術是指計算元件在虛擬的基礎上而不是真實的基礎上運行，它可以擴大硬件的容量，簡化軟件的重新配置過程，減少軟件虛擬機相關開銷和支持更廣泛的操作系統方面。通過虛擬化技術可實現軟件應用與底層硬件相隔離，它包括將單個資源劃分成多個虛擬資源的裂分模式，也包括將多個資源整合成一個虛擬資源的聚合模式。虛擬化技術根據對象可分成存儲虛擬化、計算虛擬化、網絡虛擬化等，計算虛擬化又分為系統級虛擬化、應用級虛擬化和桌面虛擬化目。在云計算實現中。計算系統虛擬化是一切建立在“云”上的服務與應用的基礎。虛擬化技術目前主要應用在CPU、操作系統、服務器等多個方面，是提高服務效率的最佳解決方案。
2、 分布式海量數據存儲
云計算系統由大量服務器組成，同時為大量用戶服務，因此云計算系統采用分布式存儲的方式存儲數據，用冗余存儲的方式(集群計算、數據冗余和分布式存儲)保證數據的可靠性。冗余的方式通過任務分解和集群，用低配機器替代超級計算機的性能來保證低成本，這種方式保證分布式數據的高可用、高可靠和經濟性，即為同一份數據存儲多個副本。云計算系統中廣泛使用的數據存儲系統是Google的GFS和Hadoop團隊開發的GFS的開源實現HDFS.
3、 海量數據管理技術
云計算需要對分布的、海量的數據進行處理、分析，因此，數據管理技術必需能夠高效的管理大量的數據。云計算系統中的數據管理技術主要是Google的BT sT~lO數據管理技術和Hadoop團隊開發的開源數據管理模塊HBase.由于云數據存儲管理形式不同于傳統的RDBMS數據管理方式，如何在規模巨大的分布式數據中找到特定的數據，也是云計算數據管理技術所必須解決的問題[61.同時，由于管理形式的不同造成傳統的SQL數據庫接口無法直接移植到云管理系統中來，目前一些研究在關注為云數據管理提供RDBMS和SQL的接口，如基于Hadoap 子項目HBase和Hive等。另外，在云數據管理方面，如何保證數據安全性和數據訪問高效性也是研究關注的重點問題之一。
4、 編程方式
云計算提供了分布式的計算模式，客觀上要求必須有分布式的編程模式。云計算采用了一種思想簡潔的分布式并行編程模型Map—Reduce.Map—Reduce是一種編程模型和任務調度模型。主要用于數據集的并行運算和并行任務的調度處理。在該模式下，用戶只需要自行編寫Map函數和Reduce函數即可進行并行計算。其中，Map 函數中定義各節點上的分塊數據的處理方法，而Reduce函數中定義中間結果的保存方法以及最終結果的歸納方法。
5、 云計算平臺管理技術
云計算資源規模龐大，服務器數量眾多并分布在不同的地點，同時運行著數百種應用，如何有效的管理這些服務器，保證整個系統提供不問斷的服務是巨大的挑戰。云計算系統的平臺管理技術能夠使大量的服務器協同工作，方便的進行業務部署和開通，快速發現和恢復系統故障，通過自動化、智能化的手段實現大規模系統的可靠運營。
