案例丨云原生 ：加速数字化智能化的新基石

云原生作为加速金融行业数字化智能化的新基石，通过技术革新、实践路径探索及与AI原生的融合，为金融机构提供了直接、有力的支撑，推动其业务模式与发展理念的全面升级。

云原生在金融行业的技术革新与实践路径

• 技术革新背景：金融云1.0阶段主要解决规模增长与服务可持续性问题，但存在核心业务层感知不明显、对业务快速迭代支撑不直接、技术自主可控性差等挑战。金融云2.0阶段以云原生为主体，融合AI原生，通过全栈技术体系重塑金融业务应用开发模式。
• 云原生核心能力：云原生通过微服务、容器化、服务网格、持续交付等核心能力，支持科技团队敏捷响应与快速灵活的业务需求。
• 应用架构演进：

  集中式应用架构：简单可靠，但规模扩展难度高、服务性能扩展性差。

  分布式应用架构：部分解决集中式扩展性问题，但功能模块拆分缺乏标准化体系，模块化界限难以统一。

  微服务应用架构：将应用系统拆分成多个独立自治的微服务，通过松耦合方式提供灵活部署扩展、快速迭代支持，是云原生的核心架构模式。

• 技术挑战与应对：金融机构应用云原生技术需面对开源软件安全性、业务改造成本、应用开发模式转变等挑战。云原生技术体系提供了集中式到微服务、分布式到微服务的灵活实现路径。
• 百度智能云天合平台：百度智能云构建了一站式金融级云原生平台——天合平台，支撑容器云管理、云原生业务开发、云原生可观测等需求场景。

图1 百度智能云金融级云原生平台——天合平台

金融行业典型场景和实践案例

• 信贷业务上云一站式支撑：

  案例背景：某互联网银行对信贷业务系统提出重构要求，面对大量功能需求及快速迭代目标。

  实践措施：

  CI/CD流水线对接：实现与行内原有CI/CD平台的对接，支持容器镜像在预生产、生产环境之间的发版变更。

  分级发布：增加发布暂停、分批发布等接口能力，支持应用程序分级发布、自定义回退。

  测试环境快速构建：支持研发人员以个人粒度申请测试环境，解决测试环境冲突问题，提升应用系统创新迭代效率和质量。

• 低成本快速重构手机银行业务流程：

  案例背景：某国有银行手机银行业务面临新业务开发和原有业务线上化改造压力。

  实践措施：

  函数计算能力应用：通过天合云原生平台的函数计算能力，用户仅关注业务逻辑核心代码，降低服务架构搭建难度。

  应用后端服务构建：通过在函数内组合多个API、渲染页面、直接编写业务逻辑等方式构建后端服务。

  批量任务处理：支持在函数内编写批量处理逻辑，并用函数工作流实现多个批量逻辑的组合。

  模型快速发布：针对AI模型用量不稳定、发布频率高的问题，通过函数计算快速发布模型。

• 及时全面的故障发现保障核心系统高可靠运行：

  案例背景：某国有银行下一代分布式核心系统建设中，监控系统需支撑亿级指标量级。

  实践措施：

  云原生可观测平台应用：借鉴Prometheus联邦思路，从采集层做预聚合减少指标量级，优化架构性能，支撑更大规模分布式系统。

  监控智能化探索：集成智能异常检测、根因定位等能力，为新核心系统平稳运行保驾护航。

与数字化、智能化相匹配的理念与治理模式升级

• 云原生内化于组织：云原生不仅是一类技术工具，需内化于组织中，成为驱动科技变革的方法和思维。
• “三步走”治理与变革工作：

  建立适应云原生的组织架构：设置专项架构治理委员会、增设业务架构岗位、自培/聘请敏捷教练等。

  重构产研运协同流程机制与治理标准：围绕“敏捷”目标，制定全生命周期团队协同机制及各项治理标准和评价体系。

  明确关键能力并培养关键人才：识别云原生关键能力，做好对应人才招聘与培养工作，建立内部技术社区、沉淀知识库、提供培训课程。

云原生融合AI原生，支撑业务数字化智能化的变革

• AI应用融入业务流程：AI应用快速融入金融前中后各业务流程中，如线上商城营销活动中的CPU与GPU资源需求急速提升，及智能化应用需求。
• AI原生云的优势：

  算力层面：提供面向AI场景的包含CPU和GPU的分布式弹性资源集群。

  开发层面：提供面向AI应用场景的低门槛开发平台，使智能化应用从开发、测试、发布到弹性高可靠运行都能在AI原生云上快速高效开展。

图2 AI应用渗透至金融机构前中后各业务流程（银行为例）

结束语

云原生作为金融行业数字化智能化的新基石，通过技术革新、实践路径探索及与AI原生的融合，为金融机构提供了强大的助力。尽管面临数据治理、资源管理等挑战，但百度智能云等科技企业将持续与金融机构、伙伴共同推进云原生、AI原生的落地实践，助力金融行业实现更高质量的数字化转型与智能化升级。

很赞哦!（687）