原文链接：https://tecdat.cn/?p=44958
原文出处：拓端抖音号@拓端tecdat

金融科技与AI的深度融合正重塑全球金融生态，从支付结算到财富管理，从风险控制到跨境服务，技术革新已渗透至金融产业链的每一个环节。

2025年，这一趋势呈现加速态势——AI技术占金融科技企业技术要素比例突破90%，金融AI市场规模预计四年内实现翻倍增长，专利竞争从单一技术布局转向多维度协同创新。

本报告洞察基于《毕马威：2025毕马威中国金融科技企业双50报告》《清华五道口：金融人工智能发展与安全白皮书（2025）》《复旦大学金融科技研究院：中国金融科技专利技术白皮书（2025）》《清华五道口&蚂蚁集团研究院：AI财富管理服务现状与趋势研究（2025）》和《埃德加-邓恩公司：2026年高级支付与金融科技报告》等行业研究报告及数据，本文完整报告数据图表和文末400+份最新参考报告合集已分享在交流群，阅读原文查看、进群咨询，定制数据、报告和800+行业人士共同交流和成长。

作为产业经济与商业分析从业者，我们将从市场规模、专利格局、场景应用、区域分布、人才需求五大维度，拆解金融AI的发展脉络与实践价值，既追溯技术演进的“前世今生”，也为创业者、金融机构从业者、投资者提供可落地的行动指引。

一、市场规模爆发：AI成金融科技核心增长引擎

2025年，中国金融AI行业正迎来规模化落地与价值兑现的关键节点。成本端，大模型API调用成本较2024年下降超50%；应用端，AI从智能客服等外围环节，深度渗透至信贷审批、投资决策等核心场景，30%以上的金融机构已实现AI规模化应用。

核心数据可视化：市场规模双重增长

图表4：中国金融行业AI投资规模预测 -折线图

中国金融行业AI投资规模预测折线图表4数据及PDF模板已分享到会员群
3秒解读：2024年投资规模196.94亿元，2027年将达415.48亿元，四年增幅111%，年复合增长率超30%。
对应人群行动建议：金融机构可加大2025-2026年AI投入，聚焦高ROI场景；创业者可瞄准中小金融机构AI转型缺口，提供轻量化解决方案。

图表9：中国金融大模型市场规模 - 折线图

中国金融大模型市场规模折线图表9数据及PDF模板已分享到会员群
3秒解读：2024年市场规模28.66亿元，同比增长80%，2025年预计突破50亿元，成为金融AI增长最快的细分领域。
对应人群行动建议：技术服务商可深耕金融大模型垂直场景优化；投资者可关注大模型训练、行业适配等产业链环节。

图表7：中国金融科技市场规模预测 - 折线图

中国金融科技市场规模预测折线图表7数据及PDF模板已分享到会员群
3秒解读：2024年市场规模3949.6亿元，2028年有望突破6500亿元，AI技术贡献核心增长动力。
对应人群行动建议：传统金融机构可将AI投入纳入长期预算；地方政府可围绕金融科技园区布局AI基础设施。
这一增长背后，是政策与市场的双重驱动。国务院《关于深入实施“人工智能+”行动的意见》明确2027年AI与金融领域深度融合目标，而金融机构对降本增效、精准服务的需求，进一步加速了AI落地。目前，超七成金融机构已从AI项目中获得投资回报，三成企业实现收入增长超10%，证明技术落地的商业价值已充分显现。

相关文章

2025金融服务行业的数据和AI现状报告330+份汇总解读|附PDF下载

原文链接：https://tecdat.cn/?p=41584

二、专利竞争：中国领跑全球，技术布局多元化

专利作为技术创新的核心指标，清晰反映了全球金融科技的竞争格局。2025年，中国金融科技专利申请量以46419件位居全球第一，超越美国成为行业创新高地，但授权率22.18%仍低于全球平均水平，多数专利尚处于审查阶段。

核心数据可视化：专利格局三大特征

图表6：各国金融科技专利申请量 - 条形图

各国金融科技专利申请量条形图表6数据及PDF模板已分享到会员群
3秒解读：中国以46419件申请量领跑，美国41464件紧随其后，韩国、日本分别以15269件、12063件位列第三、四位。
对应人群行动建议：跨国企业可加强中美技术合作；国内企业需提升专利质量，加快授权转化。

图表12：核心技术领域金融科技专利申请量 - 条形图

核心技术领域金融科技专利申请量条形图表12数据及PDF模板已分享到会员群
3秒解读：人工智能以11万件专利主导布局，区块链61618件、大数据16915件、云计算16609件紧随其后，技术融合趋势明显。
对应人群行动建议：技术研发团队可聚焦AI与区块链、隐私计算的交叉领域；专利服务商可推出金融科技专利组合服务。

图表11：人工智能在金融科技企业中的技术要素占比 - 折线图

人工智能在金融科技中技术要素占比折线图表11数据及PDF模板已分享到会员群
3秒解读：AI技术要素占比从2021年72%升至2025年92%，连续两年位居技术要素首位，成为金融科技创新核心动力。
对应人群行动建议：金融科技企业可将AI技术投入占比提升至研发预算的50%以上；高校可加强金融AI复合型人才培养。

图表2：腾讯云操作系统性能提升刻度线图

腾讯云操作系统性能提升刻度线图表2数据及PDF模板已分享到会员群
3秒解读：腾讯云操作系统在核心性能指标上实现显著突破，其中事务处理延迟降低35%，并发连接数提升42%，资源利用率优化28%，为金融AI大规模部署提供稳定底层支撑。
对应人群行动建议：金融机构可优先选择高性能云操作系统部署AI核心业务；技术服务商可参考其优化路径提升产品兼容性与效率。
从企业布局来看，中国工商银行以3353件专利申请量位居全球首位，中国银行、三星电子分列二、三位，传统金融机构与科技巨头共同主导专利竞争。区域分布上，北京、广东、上海位居国内前三，分别以12410件、7745件、3492件专利申请量形成“三极格局”，长三角、粤港澳大湾区的创新集聚效应显著。

三、场景革新：AI重塑财富管理全链条

财富管理是AI落地最成熟的金融场景之一，正经历从“工具辅助”到“智能伙伴”的跃迁。AI财富管理2.0凭借生成式AI的交互优势与非结构化数据处理能力，在个人理财与机构投研两端均实现价值突破。

核心数据可视化：财富管理AI应用深度渗透

图表1：AI在财富管理中的期望角色分布 - 横向比例条形图

AI财富管理期望角色分布横向条形图表1数据及PDF模板已分享到会员群
3秒解读：个人投资者最期望AI成为“深度剖析市场的分析师”（26.76%），其次是“规划家庭财务的规划师”（22%）和“纠正投资行为的教练”（19%）。
对应人群行动建议：理财平台可优化AI分析师功能，强化市场洞察输出；财富管理机构可推出AI+人工的混合服务模式。

图表13：AI在金融场景中的采用率 - 横向条形图

AI在金融场景中的采用率横向条形图表13数据及PDF模板已分享到会员群
3秒解读：53%的金融机构已使用AI Agent，43%应用于欺诈管理，42%用于风险管理，AI在风控领域的渗透率领先。
对应人群行动建议：风控团队可扩大AI Agent应用范围；合规部门可制定AI风控的标准化流程。

图表14：微信公众号关键运营数据柱状图

微信公众号关键运营数据柱状图表14数据及PDF模板已分享到会员群
3秒解读：微信公众号月活跃账号达350万个，月活跃粉丝近8亿，但单篇最高阅读量仅10万，用户基数与内容传播效率存在明显落差。
对应人群行动建议：内容创作者可优化选题与传播策略，聚焦垂直金融领域痛点；金融机构可借助公众号粉丝基数开展精准触达，结合AI工具提升内容互动性。
从实际应用来看，个人投资者使用AI工具的核心场景集中在“寻找和比较理财产品”（22.39%）、“学习理财知识”（21.48%）和“获取市场资讯”（21.4%），但仍有52.11%的个人投资者尚未使用AI工具，市场渗透空间巨大。机构端，超七成用户已接触AI工具，但63.7%仅停留在“偶尔使用”阶段，数据处理、报告生成等重复性工作是AI替代的核心方向。
这一现状背后，是用户对AI服务的双重诉求：一方面认可其普惠性（24.14%认为“随时随地提供服务”是核心价值）和个性化（20.69%认可“个性化投资建议”）；另一方面，“不实用”（23.72%）、“不中立”（20.97%）、“缺乏共情”（12.83%）成为主要痛点。

四、区域与企业：集聚效应凸显，生态协同成趋势

2025年，金融科技AI企业的区域分布与生态布局呈现鲜明特征，头部城市集聚效应显著，企业间协同合作成为主流。

核心数据可视化：区域与企业布局特征

图表10：毕马威中国金融科技榜单企业城市分布 - 条形图

毕马威金融科技榜单企业城市分布条形图表10数据及PDF模板已分享到会员群
3秒解读：北京以31家企业位居毕马威双50榜单首位，上海24家、深圳19家紧随其后，广州、杭州各5家，形成“北上深”第一梯队。
对应人群行动建议：创业者可优先布局第一梯队城市，获取政策与资源红利；地方政府可针对第二梯队城市出台差异化招商政策。

图表3：计算机板块涨幅前五公司 - 灰底比例条形图

计算机板块涨幅前五公司灰底条形图表3数据及PDF模板已分享到会员群
3秒解读：2025年初至今，*ST迪威（103.51%）、鸿泉物联（88.63%）等AI金融相关企业涨幅领先，市场对AI+金融科技概念高度认可。
对应人群行动建议：投资者可关注中小盘AI金融科技企业；企业可加强AI业务披露，提升资本市场认可度。

图表8：计算机板块各市值区间涨跌幅 - 条形图

计算机板块各市值区间涨跌幅条形图表8数据及PDF模板已分享到会员群
3秒解读：小市值企业涨幅显著高于大市值企业，市值30亿以下企业涨跌幅达18.87%，AI投资向中小盘扩散。
对应人群行动建议：中小企业可聚焦细分场景AI创新；投资机构可加大对中小AI金融科技企业的调研覆盖。

图表17：最具影响力的支付趋势占比条形图

最具影响力的支付趋势占比条形图表17数据及PDF模板已分享到会员群
3秒解读：66%的专家认可实时和即时支付为核心趋势，55%看好移动钱包和数字支付，51%关注跨境互操作性，AI与机器学习应用占比45%，支付行业向高速、数字化、全球化演进。
对应人群行动建议：支付机构可加大实时支付技术投入；跨境企业可布局跨境互操作性解决方案，抓住全球化支付机遇。

图表18：东南亚互联网信贷贷款余额折线图

东南亚互联网信贷贷款余额折线图表18数据及PDF模板已分享到会员群
3秒解读：东南亚互联网信贷余额从2022年480亿美元增至2024年710亿美元，2030年预计达2500亿美元，年复合增长率23%，市场潜力巨大。
对应人群行动建议：跨境金融机构可布局东南亚市场，聚焦普惠信贷需求；投资者可关注当地头部信贷科技企业，把握增长红利。

图表19：东南亚保险科技保费规模条形图

东南亚保险科技保费规模条形图表19数据及PDF模板已分享到会员群
3秒解读：东南亚保险科技保费规模2022年18亿美元，2024年24亿美元，2030年预计达75亿美元，年复合增长率21%，但渗透率仅1.5-3.1%，处于发展初期。
对应人群行动建议：保险科技企业可深耕东南亚市场，推出本土化产品；政策制定者可完善监管框架，助力市场规范发展。
从生态合作来看，金融科技企业与传统金融机构的协同成为主流。90%的支付专家认为， fintechs将与传统 providers互补或合作，而非替代。例如，在跨境支付领域，fintechs凭借敏捷性优化用户体验，传统银行依托全球网络保障合规与清算，形成“敏捷创新+稳健基础”的 hybrid 模式。

五、人才与风险：软技能成招聘核心，安全治理为发展底线

随着金融AI的深度落地，人才需求与风险防控成为行业关注的焦点。2025年，金融科技行业的人才招聘与风险治理呈现新特征。

核心数据可视化：人才需求与风险防控

图表15：计划招聘的关键角色占比 - 条形图

计划招聘的关键角色占比条形图表15数据及PDF模板已分享到会员群
3秒解读：金融科技公司招聘需求中，领导/管理角色占比32%，商业角色与技术角色各占29%，产品角色26%，支持/运营角色18%，战略型与实干型人才需求并重。
对应人群行动建议：求职者可强化“技术+商业”复合能力，瞄准高需求角色；企业可优化人才结构，平衡管理、技术与产品团队配置。

图表16：招聘经理优先品质占比 - 条形图

招聘经理优先品质占比条形图表16数据及PDF模板已分享到会员群
3秒解读：92%的招聘经理将软技能列为核心考察项，85%重视适应性与学习敏捷性，仅8%关注正式认证，实战能力成为核心招聘标准。
对应人群行动建议：职场人可重点提升沟通协作、快速学习能力；培训机构可调整课程体系，强化实操训练与软技能培养。

风险提示与应对方案

1. 模型安全风险：对抗性攻击、后门攻击等技术漏洞可能导致决策失误，例如信贷审批中高风险申请被误判。
   具体应对方案：采用对抗性训练加固模型，建立模型全生命周期安全审计机制；社群提供AI模型安全检测工具包，组织行业专家线上答疑。
2. 数据隐私风险：金融AI处理海量敏感数据，存在数据泄露与滥用风险，尤其是跨境数据流动场景。
   具体应对方案：部署隐私增强技术（如联邦学习、差分隐私），严格遵守《数据安全法》《个人信息保护法》；社群提供数据合规自查清单，定期开展合规培训。
3. 算法偏见风险：训练数据偏差可能导致AI决策歧视，加剧金融排斥，例如对小微企业的信贷审批偏见。
   具体应对方案：建立算法公平性评估体系，多元化训练数据来源；社群分享算法偏见案例库，提供公平性优化工具推荐。

六、核心对比与行动清单

不同报告核心数据对比表

可落地的3件事

1. 金融机构：下周启动AI风控场景盘点，优先覆盖信贷审批、反欺诈两大高价值场景，参考行业标杆企业的技术架构（如“大小模型协同”模式）。
2. 创业者：本月完成中小金融机构AI需求调研，聚焦“低成本、易部署”的轻量化解决方案，重点突破理财知识普及、市场资讯解读等用户痛点。
3. 投资者：下月重点调研AI金融细分赛道，关注金融大模型训练、隐私计算、AI Agent应用三大方向，优先考察专利布局（尤其是人工智能、区块链领域）丰富的企业。

七、附录

核心数据表格汇总

表1：中国金融AI市场规模相关数据

表2：金融科技专利核心数据

表3：AI财富管理应用相关数据

数据图表列表

1. AI财富管理期望角色分布横向条形图表1
2. 腾讯云操作系统性能提升刻度线图表2
3. 计算机板块涨幅前五公司灰底条形图表3
4. 中国金融行业AI投资规模预测折线图表4
5. AI项目关键绩效指标华夫图表5
6. 各国金融科技专利申请量条形图表6
7. 中国金融科技市场规模预测折线图表7
8. 计算机板块各市值区间涨跌幅条形图表8
9. 中国金融大模型市场规模折线图表9
10. 毕马威金融科技榜单企业城市分布条形图表10
11. 人工智能在金融科技中技术要素占比折线图表11
12. 核心技术领域金融科技专利申请量条形图表12
13. AI在金融场景中的采用率横向条形图表13
14. 微信公众号关键运营数据柱状图表14
15. 计划招聘的关键角色占比条形图表15
16. 招聘经理优先品质占比条形图表16
17. 最具影响力的支付趋势占比条形图表17
18. 东南亚互联网信贷贷款余额折线图表18
19. 东南亚保险科技保费规模条形图表19

本专题内的参考报告（PDF）目录

• 财新智库：2025年低利率时期的绿色金融新理念研究报告.pdf
• 2026-02-08 10:16
• 联想：2026年联想算力基础设施产品集白皮书-金融行业解决方案.pdf
• 2026-02-08 10:04
• 华源证券-AI行业2026年海外策略报告：AI时代的能源重构与金融基础设施升级.pdf
• 2026-02-08 09:56
• 银行业：毕马威金融服务2026年十大趋势.pdf
• 2026-02-05 17:31
• 北京绿金院：2026城市更新既有建筑可持续改造路径与金融支持研究报告.pdf
• 2026-02-04 16:35
• 北京金融科技产业联盟：金融业数据应用发展报告（2024-2025年）.pdf
• 2026-02-01 13:34
• 金融行业内部审计监管政策及活动在中国大陆和香港-2025年第四季度.pdf
• 2026-02-01 13:30
• 金科创新社：2025年度金融数据管理案例集.pdf
• 2026-02-01 13:22
• 金科创新社：2025年金融数据管理实践洞察报告.pdf
• 2026-02-01 13:22
• 知识产权出版社：金融科技行业2025年专利分析白皮书.pdf
• 2026-02-01 13:21
• 毕马威：2026年全球视野-金融监管新动向与风险展望报告.pdf
• 2026-01-29 14:45
• “乘风破浪 开拓未来”2026年金融公司年终盛典暨优秀员工表彰大会.pdf
• 2026-01-29 14:41
• 2026年TEZ引擎+LAKEHOUSE金融级数据中台重构创新实践报告.pdf
• 2026-01-28 16:01
• 2025年为充满生物多样性的未来投融资-金融机构停止并逆转生物多样性损失的关键考量报告.pdf
• 2026-01-28 15:59
• 谷歌云：2025年智能体时代：重塑企业未来报告-金融服务.pdf
• 2026-01-28 15:58
• 金融监管系列研究(二)：探寻本轮公募基金监管改革的深层逻辑.pdf
• 2026-01-28 15:52
• 非银金融行业深度报告：金融IT的三大驱动力与投资逻辑总览.pdf
• 2026-01-28 15:51
• 非银金融行业深度报告：海南全岛封关运作，跨境资管空间广阔.pdf
• 2026-01-28 15:50
• 2026年中国金融担保行业信用风险展望.pdf
• 2026-01-27 15:53
• 2025年四季度内地与香港地区金融行业内部审计相关监管政策与动态.pdf
• 2026-01-27 15:53
• 2025金融行业薪酬报告.pdf
• 2026-01-27 15:52
• 5G环境下供应链金融解决方案.pdf
• 2026-01-27 15:51
• 金融领域数据安全运营体系化建设研究.pdf
• 2026-01-27 15:51
• 碳市场系列研究报告之六：转型金融助力高碳企业低碳发展.pdf
• 2026-01-27 15:47
• 中国银行：2026中国银行个人金融全球资产配置白皮书.pdf
• 2026-01-25 12:40
• 上海金融与发展实验室：2026年银行业科技金融创新与发展报告.pdf
• 2026-01-25 12:33
• 上海金融与发展实验室：2026不良贷款转让法律问题研究报告.pdf
• 2026-01-25 12:30
• 申万宏源证券：碳市场系列研究报告之六：转型金融助力高碳企业低碳发展.pdf
• 2026-01-23 15:34
• 2024年提前逐步淘汰燃煤电厂-开发性金融机构的作用报告.pdf
• 2026-01-22 19:52
• 开放金融开启新时代.pdf
• 2026-01-21 17:43
• EY安永：2025年四季度金融行业监管政策与处罚分析报告.pdf
• 2026-01-21 17:37
• 绿色金融发展报告—2025年复盘与2026年投资新逻辑.pdf
• 2026-01-21 16:16
• 和讯财经研究院：2026年绿色金融发展报告.pdf
• 2026-01-21 15:25
• 提前逐步淘汰燃煤电厂—开发性金融机构的作用.pdf
• 2026-01-20 16:31
• 消费金融行业2026年信用风险展望.pdf
• 2026-01-20 16:31
• 人工智能推动金融数据治理转型升级研究报告.pdf
• 2026-01-20 16:30
• 上海金司南金融研究院：2025年中小银行可持续信息披露能力提升研究报告.pdf
• 2026-01-20 12:54
• 上海金司南金融研究院：2025年中小银行可持续信息披露能力提升研究报告.pdf
• 2026-01-19 16:57
• 谷歌云：2025年AI的投资回报-金融服务领域白皮书.pdf
• 2026-01-13 16:14
• 毕马威：2025年毕马威中国金融科技企业双50报告.pdf
• 2026-01-13 16:12
• 工银亚洲研究：2026年全球金融市场展望：分化与聚焦报告.pdf
• 2026-01-11 09:31
• 2025年蓝色金融指引2.0-基于绿色债券原则和绿色贷款原则的蓝色经济投资指南.pdf
• 2026-01-11 09:30
• “对等关税”后亚太经济怎么看？-RCEP国家2025年经济金融回顾及2026年展望报告.pdf
• 2026-01-11 09:30
• 中国银河证券：生物多样性金融图谱：解锁自然财富，重塑增长价值.pdf
• 2026-01-09 16:58
• 中国人工智能产业发展联盟：金融智能体技术与应用研究报告（2025年）.pdf
• 2026-01-08 21:45
• 埃德加-邓恩公司（EDC）：2026年高级支付与金融科技报告（英文版）.pdf
• 2026-01-07 10:30
• 中国银行全球经济金融展望报告（2026年）：全球经济延续低增长态势，货币政策调整步伐出现转变.pdf
• 2026-01-07 10:20
• 中国银行中国经济金融展望报告（2026年）：中国经济总体运行平稳，宏观政策仍需加力提效.pdf
• 2026-01-07 10:20
• 绿色金融简明知识.pdf
• 2026-01-06 15:20
• 生物多样性金融图谱：解锁自然财富，重塑增长价值.pdf
• 2026-01-06 15:16
• 北京金融科技产业联盟：2025年AI+Agent技术金融应用探索与实践报告.pdf
• 2026-01-06 08:43
• PQC-X实验室：全球金融银行业后量子安全迁移白皮书（2025）.pdf
• 2026-01-05 20:34
• 中国信托业协会：中国信托业金融科技应用发展报告（2024）.pdf
• 2026-01-03 10:43
• 中国信托业协会：中国信托业金融科技应用发展报告（2023）.pdf
• 2026-01-03 10:43
• 2025年全球金融包容性报告.pdf
• 2025-12-30 14:52
• 中国人民银行：中国金融稳定报告（2025）.pdf
• 2025-12-29 16:00
• 刘佐德全球经济及金融研究所：2025香港新消费模式研究报告（繁体版）.pdf
• 2025-12-29 15:59
• openEuler系操作系统在金融行业的应用与生态白皮书2025.pdf
• 2025-12-28 09:04
• 北京绿色金融协会：中国银行业信贷资产碳排放研究报告2025.pdf
• 2025-12-26 16:05
• 2025金融网络设备应用创新白皮书-以光为翼 护航金融安全发展.pdf
• 2025-12-25 16:45
• 中小银行联盟：2025年中小银行数字金融发展研究报告.pdf
• 2025-12-25 16:40
• 2025年中国煤电行业转型金融的探索与实践报告.pdf
• 2025-12-24 15:35
• 金融监管总局消保中心：消费者金融素养问卷调查报告（2025）.pdf
• 2025-12-24 15:33
• 具身智能行业研究：宇树机器人演唱会惊艳伴舞，银河通用完成3亿美金融资.pdf
• 2025-12-24 15:29
• “十五五”深度研究系列报告（七）：如何建立“金融强国”？.pdf
• 2025-12-22 15:10
• 全国城市新市民数字金融服务指数报告（2025）.pdf
• 2025-12-18 14:56
• 中国能源金融发展报告 （2025 年）.pdf
• 2025-12-18 14:50
• 2025年山西钢铁焦化企业转型金融操作手册-通则.pdf
• 2025-12-18 14:47
• 2025年山西钢铁焦化企业转型金融操作手册-企业分册.pdf
• 2025-12-18 14:47
• 2025年山西钢铁焦化企业转型金融操作手册-金融机构分册.pdf
• 2025-12-18 14:46
• 农村金融科技创新专刊暨2025农村金融机构科技创新优秀案例集.pdf
• 2025-12-18 14:42
• 金融机构外部数据管理实践指南（2025年）-1大数据技术标准推进委员会.pdf
• 2025-12-16 16:19
• 2025年金融赋能中国银发经济：推动老龄社会的包容与可持续发展报告.pdf
• 2025-12-16 16:13
• 金融行业“十五五”展望：领航高质量发展.pdf
• 2025-12-16 16:11
• 2025年面向金融服务领导者的AI新前沿：从探索到实践研究报告（英文版）.pdf
• 2025-12-15 16:20
• 金融年会尾牙年终盛典颁奖晚宴活动方案.pdf
• 2025-12-15 16:16
• 地方金融有为的五大模式.pdf
• 2025-12-14 08:34
• 中国金融智能体发展研究与厂商评估报告 (2025) .pdf
• 2025-12-14 08:31
• 2025+年贸易和发展报告：濒临危机——贸易、金融与全球经济重塑.pdf
• 2025-12-12 17:03
• 金融数字化发展联盟：2025消费金融数字化转型主题调研报告.pdf
• 2025-12-11 16:36
• 2025年保险作为新兴经济体金融包容性的核心要素报告（英文版）.pdf
• 2025-12-10 16:56
• 2025年金融行业GaussDB运维白皮书.pdf
• 2025-12-10 16:52
• 2025新时代中国养老金融高质量发展的突破路径白皮书.pdf
• 2025-12-10 16:51
• 2025 年绿色金融创新研究报告.pdf
• 2025-12-08 16:08
• 20251205-国信证券-金融行业2026年金融机构配置行为展望：大央行下的资管生态.pdf
• 2025-12-08 16:05
• 合规社&原点安全：2025金融机构数据安全合规现状报告.pdf
• 2025-12-07 10:29
• 中国工商银行：2025半年度社会责任与可持续金融专题报告.pdf
• 2025-12-07 10:19
• 区域经济转型升级系列（四）：浙江民营经济活跃，改革发展领先，培育金融沃土.pdf
• 2025-12-03 15:42
• 新乡市普惠金融政策产品手册.pdf
• 2025-12-02 17:36
• 新乡市绿色金融政策产品手册.pdf
• 2025-12-02 17:36
• 新乡市数字金融政策产品手册.pdf
• 2025-12-02 17:36
• 新乡市养老金融政策产品手册.pdf
• 2025-12-02 17:36
• 新乡市消费金融政策产品手册.pdf
• 2025-12-02 17:36
• 券商海外业务深度研究：大国崛起需建设金融强国，券商海外业务迎发展良机.pdf
• 2025-12-02 17:35
• 国合会：绿色金融推动社会经济全面绿色转型.pdf
• 2025-11-30 09:19
• ZYen：2025年全球绿色金融指数报告（第16期）（英文版）.pdf
• 2025-11-28 15:36
• 统筹发展与安全筑牢金融强国根基-“十五五”时期六大重点领域安全发展路径研究报告（2025）.pdf
• 2025-11-28 15:34
• 2025年人工智能在包容性发展领域的应用：AI赋能普惠金融研究报告（英文版）.pdf
• 2025-11-25 15:34
• 《亚洲金融观察（2025年年报）》（中英双语）.pdf
• 2025-11-24 15:00
• 《跨境金融便民手册》（2025年版）.pdf
• 2025-11-24 14:59
• 财新智库：2025年金融消费趋势洞察研究报告.pdf
• 2025-11-22 16:33
• 2025年新加坡金融科技人才报告（英文版）.pdf
• 2025-11-22 16:32
• “AI+金融”系列专题研究（一）：行业拐点已至，金融是AI应用落地的绝佳“试验田”.pdf
• 2025-11-21 16:34
• 中国工商银行软件开发中心：2025年金融行业低空经济白皮书.pdf
• 2025-11-20 15:36
• ”骏马腾飞 共启新程“2026春节马年金融年终会议活动策划方案.pdf
• 2025-11-18 16:26
• 2025年服务转型金融的中国高碳行业减碳基准路径研究（第一阶段成果）.pdf
• 2025-11-17 15:12
• 普华永道：2023年下一代微金融：数字技术的作用报告（英文版）.pdf
• 2025-11-15 15:10
• “十五五”下金融发展机会暨2026年非银金融行业策略：新起点下的双向奔赴.pdf
• 2025-11-14 14:10
• 中国银行：2025年金融助力中国企业“走出去”报告.pdf
• 2025-11-13 15:38
• 另类数据视角下的经济洞察—卫星遥感在经济金融市场中的应用.pdf
• 2025-11-13 15:35
• 2025年金融类应用洞察报告：深入解析可扩展的用户获取战略.pdf
• 2025-11-13 15:29
• 2025年中国-巴西农业合作：价值链投资风险与绿色金融创新报告（英文版）.pdf
• 2025-11-13 15:27
• 2025年强化中小企业可持续发展的公共金融与非金融支持：创新与良好实践研究报告（英文版）.pdf
• 2025-11-13 15:26
• 金融机构投融资企业ESG评价指南.pdf
• 2025-11-12 15:26
• 自然和生物多样性金融：理论和实践.pdf
• 2025-11-11 15:08
• 2025年金融APP营销趋势观察-广大大.pdf
• 2025-11-10 13:48
• 中国普惠金融指标分析报告（2024-2025年）.pdf
• 2025-11-10 13:38
• 2025年全球金融科技：世界格局与中国观察报告.pdf
• 2025-11-06 16:43
• 北京金融法院：2025证券纠纷审判白皮书.pdf
• 2025-11-06 16:37
• 贝莱德建信理财：2025中国养老金金融白皮书.pdf
• 2025-11-01 22:10
• 2025年10月气候政策与绿色金融（季报）（第十二期）.pdf
• 2025-10-31 15:15
• 零碳倡议项目首席顾问 曹原：转型金融助力光伏行业高质量发展.pdf
• 2025-10-31 15:11
• 可持续银行与金融网络：2025全球进展报告.pdf
• 2025-10-30 15:16
• 毕马威：全球金融监管动态月刊（2025年9月刊）.pdf
• 2025-10-29 16:22
• 柳州市工业和信息化局：2025年金融产品企业服务手册.pdf
• 2025-10-28 16:33
• 信创纵横：2025年数字金融信创研究报告.pdf
• 2025-10-28 16:31
• 2025年全渠道普惠金融营销体系建设实践报告.pdf
• 2025-10-28 16:27
• 2025年10月全球金融稳定报告.pdf
• 2025-10-28 16:26
• 日照银行（尚江峰）：2025年中小银行科技金融策略、路径与实践报告.pdf
• 2025-10-28 16:24
• 中国金融科技专利技术白皮书（2025）-复旦大学金融科技研究院.pdf
• 2025-10-27 16:17
• 粤港澳大湾区自然相关风险评估和生物多样性金融解决方案-汇丰&IIGF.pdf
• 2025-10-27 16:09
• “监”听则明：2025年二、三季度金融业监管数据处罚分析及洞察建议报告.pdf
• 2025-10-26 08:54
• 中国金融生成式AI多模态内容鉴伪与安全防御报告（2025）.pdf
• 2025-10-24 14:13
• 上海高级金融学院：践行可持续发展之路-2025上海ESG发展报告.pdf
• 2025-10-24 14:08
• 清华五道口：金融人工智能发展与安全白皮书（2025）.pdf
• 2025-10-22 15:29
• 中国银行：中国银行个人金融2025年4季度资产配置策略.pdf
• 2025-10-22 15:24
• 华泰期货-金融时序专题报告：金融科技赋能投研系列之十七，CTA配置利器，商品策略指数.pdf
• 2025-10-22 15:19
• RWA：真实资产走向链上世界，开启数字金融新时代.pdf
• 2025-10-20 14:47
• 非银金融行业现代投资银行进化系列之四：掘金跨境资管，以香港为例.pdf
• 2025-10-20 14:47
• 2025年现实世界资产(RWA)代币化发展态势与风险防范研究报告-基于全球金融数字化转型背景下的系统性分析与政策建议.pdf
• 2025-10-18 17:19
• 2025年全球金融稳定报告：风险暗涌（10月版）（英文版）.pdf
• 2025-10-18 17:16
• EY安永：2025年三季度金融行业监管政策与处罚分析报告.pdf
• 2025-10-16 15:22
• 金融资产提升趋势助推中国车市高质量发展：中国购车家庭财富洞察报告之资产负债表（2025版）.pdf
• 2025-10-15 15:28
• 把握我国碳金融发展的未来方向与政策路径.pdf
• 2025-10-14 15:19
• 2025金融支持亚洲发展中国家农业绿色转型：中国购买力与绿色金融的作用报告.pdf
• 2025-10-10 15:42
• 金融APP应用发展与安全运行报告（2021-2024年）.pdf
• 2025-10-10 15:42
• 2025年消费金融行业分析-联合资信.pdf
• 2025-10-09 08:14
• 2025年貨幣與金融穩定情況半年度報告-香港金融管理局.pdf
• 2025-10-09 08:14
• AFRC会计及财务汇报局：审计焦点：2025年年终审计：金融服务业（英文版）.pdf
• 2025-10-09 08:11
• NIFD半年报：低利率时代——2025年H1中国宏观金融.pdf
• 2025-10-05 17:07
• 全球金融科技的未来.pdf
• 2025-09-30 16:41
• 金融科技研究报告【2025年第4期】AI财富管理服务现状与趋势研究.pdf
• 2025-09-27 19:54
• 中国银行全球经济金融展望报告（2025年第4季度）：全球经济增长显现韧性，跨境资本流动呈现新特征.pdf
• 2025-09-27 19:53
• 中国银行中国经济金融展望报告（2025年第4季度）：增长动能有所转弱，需加大政策力度以应对未来不确定性.pdf
• 2025-09-27 19:53
• 银行业“十五五”前瞻：金融改革新形势下的经营模式与估值重构.pdf
• 2025-09-27 19:52
• 碳中和气候金融实验室：北京绿色经济发展蓝皮书（2025）.pdf
• 2025-09-26 14:27
• 第一新声：2025年中国金融业数据库国产替代能力评估报告.pdf
• 2025-09-26 14:26
• 2025年AI应用与行业转型：对医疗、金融服务、气候与能源及交通领域的影响报告（英文版）.pdf
• 2025-09-26 14:23
• 2025年稳定币聚焦：驾驭新数字金融格局研究报告（英文版）.pdf
• 2025-09-26 14:23
• 深圳高等金融研究院：2025中国ESG人才需求研究报告.pdf
• 2025-09-23 16:43
• 2025年金融级云上云下全链路智能可观测运维新范式报告.pdf
• 2025-09-21 17:17
• 金融监管有关政策汇编（2024年度）.pdf
• 2025-09-20 16:55
• 数据资产价值释放之行业应用场景解析与合规框架——金融业.pdf
• 2025-09-20 16:52
• 2025基于AI大模型的金融数据中心智能网络运维应用研究报告.pdf
• 2025-09-19 16:48
• 上海金融高级学院：2025年中国新富人群财富健康指数报告.pdf
• 2025-09-18 16:38
• 绿色金融政策法规汇编（2025年版）.pdf
• 2025-09-18 16:30
• 中国人民银行：青海省金融运行报告（2025）.pdf
• 2025-09-18 16:28
• 2025年基于AI+agent+的金融云平台全场景运维决策机制研究报告.pdf
• 2025-09-17 16:34
• 联想集团（王永超）：2025年AI智算引擎助力金融行业效能跃升报告.pdf
• 2025-09-17 16:30
• RWA的崛起与数字金融新范式-高朋律师事务所&苏税迅通.pdf
• 2025-09-16 16:15
• 2025年新金融范式下的黄金代币：重构全球价值网络的底层资产洞察报告.pdf
• 2025-09-16 16:13
• 中国金融传媒&根元咨询：2025中国金融品牌建设的“文化之道”报告.pdf
• 2025-09-16 16:08
• 2025年资产代币化：Web3.0时代的金融新范式研究报告.pdf
• 2025-09-14 19:32
• 2025年泰国资本市场向国际金融中心转型战略路径研究报告（英文版）.pdf
• 2025-09-14 19:30
• 中国人民银行：甘肃省金融运行报告（2025）.pdf
• 2025-09-14 19:27
• 中国人民银行：湖南省金融运行报告（2025）.pdf
• 2025-09-14 19:27
• 中国宏观经济专题报告（第107期）：稳定币：货币金融体系演进的新支点.pdf
• 2025-09-14 19:27
• 中国人民银行：安徽省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：广东省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：河北省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：湖北省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：北京市金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：福建省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：黑龙江省金融运行报告（2025）.pdf
• 2025-09-13 16:36
• 中国人民银行：吉林省金融运行报告（2025）.pdf
• 2025-09-13 16:35
• 毕马威：2025年上半年金融科技动向报告.pdf
• 2025-09-12 16:37
• 中国人民银行：上海市金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：山东省金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：江苏省金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：内蒙古自治区金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：天津市金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：江西省金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 中国人民银行：浙江省金融运行报告（2025）.pdf
• 2025-09-12 16:34
• 清华五道口：中国企业供应链金融白皮书（2025）.pdf
• 2025-09-11 15:27
• 凯捷：金融服务-2025年热门趋势财富管理报告.pdf
• 2025-09-10 15:29
• 蚂蚁数科：2025金融智能体深度应用报告.pdf
• 2025-09-09 15:26
• 2025年英国专业与金融服务领域AI应用研究报告：释放未来创新机遇（英文版）.pdf
• 2025-09-09 15:23
• 支持上海国际金融中心建设主要税费支持政策指引.pdf
• 2025-09-08 09:16
• 金融-银行业城商行的二十年：展望“十五五”，谁是未来大赢家？.pdf
• 2025-09-06 19:17
• 2025年金融业新一代数据中心创新发展案例集-金科创新社.pdf
• 2025-09-05 17:00
• 2025年东亚的工业脱碳：能源、金融、技术和就业的转型报告（英文版）.pdf
• 2025-09-05 16:54
• 大湾区跨境电商供应链金融发展与安全白皮书（2025）.pdf
• 2025-09-03 16:53
• 中国银行间市场交易商协会：中国场外金融衍生品市场发展报告（2024年度）.pdf
• 2025-08-31 17:46
• 同盾科技：2025年AI+风控-大模型驱动金融风险决策新范式报告.pdf
• 2025-08-30 16:25
• IDC：2025年金融行业大模型应用落地白皮书.pdf
• 2025-08-30 16:23
• 下半年市场资金结构分析暨非银金融行业投资机会：内外共振，走向曙色.pdf
• 2025-08-30 16:15
• 金杜律师事务所：2025年金融资管争议解决经典案例集.pdf
• 2025-08-29 16:29
• 金融-金融工程深度报告：Vibe Coding系列之一，使用Cursor高效投研开发.pdf
• 2025-08-29 16:23
• 2025年上半年金融科技动向报告：全球金融科技融资分析（英文版）.pdf
• 2025-08-26 17:00
• 债券研究-消金行业观察：我国消费金融行业债市研究报告.pdf
• 2025-08-25 16:29
• 2025金融业大模型应用报告.pdf
• 2025-08-24 19:42
• 2025年基于AIGC的金融信息系统运维应用研究报告.pdf
• 2025-08-22 16:33
• 上海金融法院：2024年证券虚假陈述责任纠纷法律风险防范报告.pdf
• 2025-08-22 16:29
• 金融-保险行业“洗尽铅华”系列一：中国保险资管研究，发展历程、海外镜鉴与未来趋势.pdf
• 2025-08-22 16:25
• 金融-保险资产端专题：市场上行与行业弹性共振，财报指标有望全面受益.pdf
• 2025-08-22 16:25
• 合合信息：2025年金融信创AI生态实践白皮书.pdf
• 2025-08-19 15:48
• 2025年转型计划助力转型金融：中国银行业转型计划实践研究.pdf
• 2025-08-19 15:46
• 在2025年及以后的金融服务领域：揭示大趋势与预测.pdf
• 2025-08-19 15:42
• 政府债支撑融资需求，货币政策宽松可期——2025年一季度中国宏观金融形势分析.pdf
• 2025-08-18 17:04
• 国信证券-竞争格局与案例分析：金融出海之跨境支付.pdf
• 2025-08-16 16:40
• 2025转型计划助力转型金融： 中国银行业转型计划实践研究报告.pdf
• 2025-08-14 16:56
• 2025年及未来金融服务业核心趋势与发展预测(英译中).pdf
• 2025-08-14 16:54
• 万亿美元的转型_追踪生成式AI和代理式AI在金融服务领域的崛起.pdf
• 2025-08-13 15:29
• 2025年全球金融银行业社交媒体基准报告（英文版）.pdf
• 2025-08-13 15:27
• 2025年全球并购趋势年中展望：金融服务-普华永道.pdf
• 2025-08-11 15:45
• 2025年山西转型金融落地发展研究-自然资源保护协会.pdf
• 2025-08-11 15:45
• 持续优化金融监管，助力经济健康发展——2025H1中国金融监管.pdf
• 2025-08-11 15:44
• 中国金融行业分布式事务型数据库市场份额，2024-IDC.pdf
• 2025-08-11 15:39
• 2025年及未来金融服务业核心趋势与发展预测报告（英文版）.pdf
• 2025-08-10 18:39
• 平安集团中国信通院：2025年金融行业业研一体实践研究报告.pdf
• 2025-08-09 16:19
• 2025转型金融发展与科技赋能典型场景研究报告.pdf
• 2025-08-06 16:18
• 2025年金融操作系统AI创新与融合实践报告.pdf
• 2025-08-05 15:31
• 2025年Q2中国经济与金融市场手册：结构性失衡与增长担忧（英文版）.pdf
• 2025-08-05 15:30
• 毕马威：2025年金融新规热读（5-6月合刊）.pdf
• 2025-08-03 18:32
• 2025金融业务全景与全链路智能可观测体系建设白皮书.pdf
• 2025-08-03 18:29
• 2025年数据要素背景下金融业数据治理新路径研究报告.pdf
• 2025-08-01 17:00
• 2025年数字金融专刊-暨鑫智奖·第六届金融机构数智化转型优秀案例集.pdf
• 2025-07-30 16:11
• 2025年金融科技新基建-构建高性能数据库专有云平台报告.pdf
• 2025-07-30 16:09
• SGS：2025可持续供应链金融白皮书.pdf
• 2025-07-29 17:09
• 金融科技开放4.0.pdf
• 2025-07-26 20:08
• 非银金融行业深度报告：财富管理系列报告之二——公募基金改革方案出台，推动行业高质量发展.pdf
• 2025-07-26 20:00
• 德勤阿里云：2025年金融行业数字化转型白皮书（英文版）.pdf
• 2025-07-24 16:05
• 2025年金融领域人工智能早期应用者经验启示报告（英文版）.pdf
• 2025-07-24 16:03
• 银行稳定币专题-下-：从金融角度看稳定币——市场影响篇.pdf
• 2025-07-24 15:55
• 银行稳定币专题（上）：从金融角度看稳定币——基础定义.pdf
• 2025-07-24 15:55
• 2025年金融行业行业白皮书-薪智.pdf
• 2025-07-21 14:50
• 2025年行业发展研究报告：金融数字化转型中的可观测性实践与趋势洞察.pdf
• 2025-07-19 19:41
• 中国普惠金融研究院：2024年CAFI研究成果介绍报告.pdf
• 2025-07-17 15:55
• 安永-2025年二季度金融行业监管政策与处罚分析.pdf
• 2025-07-14 16:18
• 2024銀行及金融業人力更新報告.pdf
• 2025-07-14 16:13
• 金融工程研究报告：行业轮动系列-二-：基于景气度视角下的降频行业轮动策略.pdf
• 2025-07-13 08:27
• 金融产品行业深度报告：低利率时代REITs的配置价值：制度、市场与展望.pdf
• 2025-07-11 15:56
• 清华五道口：2025年中国家庭养老金融健康指数调研报告.pdf
• 2025-07-10 16:45
• 国际金融论坛（IFF）：2025全球可持续发展投资指数报告.pdf
• 2025-07-10 16:45
• 2025稳定币十问-数字金融时代的规则重构与中国机遇报告.pdf
• 2025-07-10 16:42
• 2025年加速蓝色金融：工具、案例研究与规模化路径研究报告（英文版）.pdf
• 2025-07-09 16:22
• 2025年金融科技平台对传统金融行业的影响研究——基于信贷业务的视角.pdf
• 2025-07-07 16:49
• 2025年Q3金融行业行业薪酬报告-薪智.pdf
• 2025-07-07 16:49
• AI系列专题报告-五-：AI+金融：行业AI投入积极，金融IT迎来破局新思路.pdf
• 2025-07-07 16:42
• 安联人寿：2024年度企业社会责任及绿色金融报告.pdf
• 2025-07-06 08:42
• 2025年天津市数字金融产品手册.pdf
• 2025-07-04 16:34
• 2025年人工智能时代对银行业、金融业及保险业客户体验的再思考研究报告（英文版）.pdf
• 2025-07-04 16:32
• 2024年量子技术在金融通信安全领域的应用研究报告.pdf
• 2025-07-02 16:38
• 中国金融大模型市场追踪报告，2024年.pdf
• 2025-07-02 16:33
• 中国银行中国经济金融展望报告（2025年第3季度）：经济运行不确定性加大，政策加力必要性上升.pdf
• 2025-07-02 16:32
• 中国银行全球经济金融展望报告（2025年第3季度）：贸易保护主义冲击全球经济，美元配置再平衡引发国际金融市场调整.pdf
• 2025-07-02 16:32
• 中国银行全球银行业展望报告（2025年第3季度）：布局科技金融赛道，提升服务实体经济质效.pdf
• 2025-07-02 16:32
• 金科创新社：2025年金融大模型应用与智能体建设案例集.pdf
• 2025-07-01 17:00
• 逆风破浪：中国消费者金融健康报告2024.pdf
• 2025-07-01 17:00
• 稳链强韧 小微企业金融健康洞察2024.pdf
• 2025-06-30 15:05
• “对等关税”对亚太经济体影响几何？- RCEP国家2025年下半年经济金融展望.pdf
• 2025-06-30 15:04
• 2025年全球实时支付生态发展报告：全天候无缝金融服务（英文版）.pdf
• 2025-06-28 17:10
• 2025年金融中心标准体系与国际比较研究报告.pdf
• 2025-06-28 17:07
• 金融工程2025中期投资策略：AI投研破晓，指增迎来新篇章.pdf
• 2025-06-26 16:45
• 2024年量子技术在金融消息传递中的应用报告（英文版）.pdf
• 2025-06-25 16:32
• 亚洲金融合作协会：2023-2024年中亚洲银行业发展回顾与展望报告.pdf
• 2025-06-25 16:27
• 计算机行业2025年中期投资策略：AI应用与金融科技的新时代.pdf
• 2025-06-25 16:26
• 2025中国特色金融发展之路的源头活水与价值启示报告.pdf
• 2025-06-24 15:07
• 汽车金融行业舆情风险案例参考报告.pdf
• 2025-06-24 15:04
• 金融工程2025中期投资策略：AI投研破晓，指增迎来新篇章.pdf
• 2025-06-24 15:00
• 中国金融科技竞争力百强企业报告(2025).pdf
• 2025-06-23 15:47
• 中国人民银行：2024年中国金融标准化报告.pdf
• 2025-06-23 15:46
• 2025年Q2薪智科技金融行业薪酬报告.pdf
• 2025-06-23 15:41
• 2024金融与专业服务领域：AI与劳动力的未来研究报告（英文）.pdf
• 2025-06-20 15:05
• 腾讯云：2025年金融业智能风控实践白皮书.pdf
• 2025-06-19 16:13
• 青岛市节能降碳领域政策法规及技术标准汇编——1.6政策法规-绿色金融.pdf
• 2025-06-19 16:00
• 2025年金融服务领域生成式AI应用实践：机遇与风险管理研究报告（英文版）.pdf
• 2025-06-18 15:33
• 2025金融业隐私计算互联互通技术与场景实践.pdf
• 2025-06-18 15:31
• 量子算法在金融风控与定价管理领域的应用研究.pdf
• 2025-06-18 15:27
• 稳定币-专题系列报告-一-：金融新基建的崛起，香港监管框架下的机遇与挑战.pdf
• 2025-06-18 15:16
• 扩大可信的中国转型金融市场规模-电力行业转型融资机遇和要素.pdf
• 2025-06-17 15:18
• 非银行金融行业中国机构配置手册-2025版-之机构合作篇：生态汇流，竞合之势.pdf
• 2025-06-17 15:11
• 2025中国钢铁行业脱碳融资：转型金融试点和市场进展报告.pdf
• 2025-06-14 16:43
• 2025中国钢铁行业脱碳融资：转型金融试点和市场进展报告（英文版）.pdf
• 2025-06-14 16:43
• 2024年openEuler系操作系统在金融行业的应用与生态白皮书.pdf
• 2025-06-14 16:39
• 中国机构配置手册-2025版-之机构风险篇：破茧向新：行业整合下的金融风险与化解.pdf
• 2025-06-13 16:07
• 腾讯云：2025年金融行业AI应用新机遇与新场景报告.pdf
• 2025-06-12 15:38
• 东吴证券：金融与AI融合持续深化：【AI金融新纪元】系列报告（四）.pdf
• 2025-06-12 15:34
• 中国金融黑灰产治理研究报告2025——非法代理维权的识别标准与溯源治理.pdf
• 2025-06-11 16:42
• 金融-RWA：为现实世界资产开启数学金融之门.pdf
• 2025-06-11 16:30
• 2025金融支持社区层面零碳转型应用指南.pdf
• 2025-06-10 16:07
• 非银金融行业中国机构配置手册(2025版)之公募基金篇：“平台式、一体化与多策略”行动方案.pdf
• 2025-06-10 15:59
• 非银行金融：养老产业现状研究专题-七-机构养老&养老地产之案例篇-险企发挥比较优势，铸造CCRC行业标杆.pdf
• 2025-06-10 15:59
• 非银行业深度研究：新旧金融的桥梁：稳定币如何重塑非银金融生态？.pdf
• 2025-06-10 15:59
• 非银金融：中国机构配置手册-2025版-之公募基金篇-“平台式、一体化与多策略”行动方案.pdf
• 2025-06-09 13:27
• 非银金融行业深度报告：财富管理系列报告之一—群雄逐鹿，财富管理新时代.pdf
• 2025-06-09 13:26
• 2025年金融行业网络攻防演练及重保现状与需求调研报告.pdf
• 2025-06-07 16:41
• 2024年上海国际绿色金融枢纽发展研究报告.pdf
• 2025-06-06 15:35
• 多元金融专题研究：东南亚：金融科技下一站.pdf
• 2025-06-05 15:57
• 金融行业2025下半年展望：把握高股息主线，守正出奇.pdf
• 2025-06-05 15:57
• 金融行业SRv6 SD-WAN技术白皮书.pdf
• 2025-06-04 16:23
• 稳定币&RWA：未来金融话语权-华西证券.pdf
• 2025-06-04 16:16
• ......

本文为墨天轮数据库管理服务团队第165期技术分享，内容原创，作者为技术顾问王君慧，如需转载请联系小墨（VX：modb666）并注明来源。如需查看更多文章可关注【墨天轮】公众号。

问题描述

客户反馈，一套Oracle 11g集群在本周内出现整体性的性能下降问题。

对比历史（上周）、及当前的AWR报告TOP等待，可以发现log file sequential read，db file scattered read 等待事件的DBTIME占比明显提升，system io平均等待时间翻倍。

20250815（周五）17：00-18：00
Top 10 Foreground Events by Total Wait Time
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Tota Wait % DB
Event Waits Time Avg(ms) time Wait Class
------------------------------ ------------ ---- ------- ------ ----------
log file sequential read 2,223,733 177. 80 79.6 System I/O
db file scattered read 384,111 20.9 54 9.4 User I/O
DB CPU 8890 4.0
db file sequential read 1,092,125 6853 6 3.1 User I/O
control file sequential read 827,641 6166 7 2.8 System I/O
Disk file Mirror Read 167,433 1393 8 .6 User I/O
direct path read 127,734 712. 6 .3 User I/O
read by other session 12,120 181. 15 .1 User I/O
enq: MN - contention 639,669 99.5 0 .0 Other
gc cr multi block request 287,389 75 0 .0 Cluster
Wait Classes by Total Wait Time
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Avg Avg
Total Wait Wait % DB Active
Wait Class Waits Time (sec) (ms) time Sessions
---------------- ---------------- ---------------- -------- ------ --------
System I/O 3,102,616 183,436 59 82.4 51.4
User I/O 1,945,398 30,187 16 13.6 8.5

20250808（周五）17：00-18：00
Top 10 Foreground Events by Total Wait Time
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Tota Wait % DB
Event Waits Time Avg(ms) time Wait Class
------------------------------ ------------ ---- ------- ------ ----------
enq: MN - contention 4,069,734 25.3 6 52.9 Other
log file sequential read 1,036,220 9203 9 19.2 System I/O
DB CPU 7116 14.9
control file sequential read 5,032,787 2655 1 5.6 System I/O
db file scattered read 808,945 1722 2 3.6 User I/O
db file sequential read 3,253,719 1140 0 2.4 User I/O
Disk file Mirror Read 977,217 444. 0 .9 User I/O
ASM file metadata operation 704,699 267. 0 .6 Other
gc cr multi block request 665,083 170. 0 .4 Cluster
gc cr block 2-way 530,666 53 0 .1 Cluster
Wait Classes by Total Wait Time
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Avg Avg
Total Wait Wait % DB Active
Wait Class Waits Time (sec) (ms) time Sessions
---------------- ---------------- ---------------- -------- ------ --------
Other 6,451,726 25,636 4 53.6 7.1
System I/O 6,115,082 11,875 2 24.8 3.3
DB CPU 7,117 14.9 2.0
User I/O 5,674,785 3,381 1 7.1 0.9

问题分析

通过AWR报告看，造成整体性能下降的原因主要为IO性能下降，进一步分析操作系统资源占用及进程占用情况。

检查单块磁盘IO情况

发现数多块数据盘读IO很高，平均在100MB/s左右；读延迟达到50ms左右，远远大于avctm的值，说明不仅读延迟高，读请求排队也十分严重；磁盘繁忙度已到100%；

rman备份任务

排查发现存在数据库备份任务在执行，当停止数据库备份任务后，磁盘IO并未下降，排除rman备份任务的原因。

检查当前占用IO较高的后台进程

可以发现，主要IO占用为lisbak实例非本地进程

Actual DISK READ: 2.67 G/s | Actual DISK WRITE: 160.11 K/s
TID PRIO USER DISK READ DISK WRITE SWAPIN IO> COMMAND
12732 be/4 oracle 629.71 K/s 0.00 B/s 0.00 % 98.10 % oraclexxxdb2 (LOCAL=NO)
48005 be/4 oracle 608.24 K/s 0.00 B/s 0.00 % 96.91 % oraclexxxdb2 (LOCAL=NO)
19714 be/4 oracle 1017.02 K/s 0.00 B/s 0.00 % 81.42 % oraclexxxdb2 (LOCAL=NO)
11377 be/4 oracle 5.60 M/s 0.00 B/s 0.00 % 80.09 % oraclexxxdb2 (LOCAL=NO)
61632 be/4 oracle 407.88 K/s 0.00 B/s 0.00 % 61.45 % oraclexxxdb1 (LOCAL=NO)
8594 be/4 oracle 236.14 K/s 0.00 B/s 0.00 % 39.70 % oraclexxxdb1 (LOCAL=NO)
33026 be/4 oracle 26.56 M/s 7.16 K/s 0.00 % 39.18 % oraclexxxdb2 (LOCAL=NO)
62297 be/4 oracle 386.41 K/s 0.00 B/s 0.00 % 33.14 % oraclexxxdb2 (LOCAL=NO)
46164 be/4 oracle 30.04 M/s 0.00 B/s 0.00 % 32.71 % oraclexxxdb2 (LOCAL=NO)
58388 be/4 oracle 43.16 M/s 7.16 K/s 0.00 % 18.05 % oraclexxxdb2 (LOCAL=NO)
52474 be/4 oracle 10.07 M/s 0.00 B/s 0.00 % 15.64 % oraclexxxdb2 (LOCAL=NO)
2038 rt/4 root 0.00 B/s 0.00 B/s 0.00 % 12.24 % multipathd
31548 be/4 oracle 6.99 M/s 0.00 B/s 0.00 % 9.40 % oraclexxxdb2 (LOCAL=NO)
8234 be/4 oracle 11.60 M/s 0.00 B/s 0.00 % 7.24 % oraclexxxdb1 (LOCAL=NO)
25890 be/4 oracle 57.25 K/s 42.93 K/s 0.00 % 4.62 % ora_ckpt_xxxdb2
60702 be/4 oracle 42.93 K/s 0.00 B/s 0.00 % 3.37 % ora_lmon_xxxdb3
25846 be/4 oracle 42.93 K/s 0.00 B/s 0.00 % 3.01 % ora_lmon_xxxdb2
53633 be/4 oracle 14.31 K/s 0.00 B/s 0.00 % 2.17 % ora_lmon_xxxdb1
20123 rt/4 grid 915.94 B/s 0.00 B/s 0.00 % 1.89 % ocssd.bin
20127 rt/4 grid 915.94 B/s 0.00 B/s 0.00 % 1.83 % ocssd.bin
20121 rt/4 grid 0.00 B/s 915.94 B/s 0.00 % 1.26 % ocssd.bin
20131 rt/4 grid 915.94 B/s 0.00 B/s 0.00 % 1.20 % ocssd.bin
20125 rt/4 grid 0.00 B/s 915.94 B/s 0.00 % 0.65 % ocssd.bin
20129 rt/4 grid 0.00 B/s 915.94 B/s 0.00 % 0.63 % ocssd.bin
16742 be/4 oracle 46.51 M/s 0.00 B/s 0.00 % 0.00 % oraclexxxdb2 (LOCAL=NO

检查进程在数据库内部的归属

通过OSPID获取到数据库进程的SQL\_ID，检查SQL内容后发现为LOGMINGER日志抽取使用：

SQL> select addr,pid,spid,pname,username,program from v$process where spid=16742;
ADDR PID SPID PNAME USERNAME
---------------- ---------- ------------------------ ----- ---------------
PROGRAM
------------------------------------------------
0000000C70AC0F88 84 16742 grid
oracle@rac-1
SQL> select sql_id,program,machine,event,schemaname from v$session where paddr='0000000C70AC0F88';
SQL_ID PROGRAM
------------- ------------------------------------------------
MACHINE
----------------------------------------------------------------
EVENT
----------------------------------------------------------------
SCHEMANAME
------------------------------
6x6s6490zj2dg JDBC Thin Client
tcs-10-1-76-204
log file sequential read
DAAS_LISBAK

主要等待事件分析与AWR报告发现一致

检查SQL\_ID的文本内容：

select sql_fulltext from v$sql where sql_id='6x6s6490zj2dg';
SELECT SCN, SQL_REDO, OPERATION_CODE, TIMESTAMP, XID, CSF, TABLE_NAME, SEG_OWNER
, OPERATION, USERNAME, ROW_ID, ROLLBACK, RS_ID, STATUS, INFO, SSN, THREAD#, DATA
_OBJ#, DATA_OBJV#, DATA_OBJD# FROM V$LOGMNR_CONTENTS WHERE SCN > :1 AND SCN <=
:2 AND ((OPERATION_CODE IN (6,7,34,36) OR (OPERATION_CODE = 5 AND USERNAME NOT
IN ('SYS','SYSTEM') AND INFO NOT LIKE 'INTERNAL DDL%' AND (TABLE_NAME IS NULL O
R TABLE_NAME NOT LIKE 'ORA_TEMP_%')) ) OR (OPERATION_CODE IN (1,2,3,255) ))

SQL执行情况分析

通过分析SQL执行情况，发现该SQL的执行计划并无改变，但在8月11日后，执行频率降低、扫描行数增高（执行计划为全表扫描，那么仅与挖掘的日志条目数量相关）、平均单次响应时间增高。

• 执行次数统计：
• 单次执行的BUFFER GETS统计：
• 单次执行的平均返回行数统计：
• 总返回行数变化：
• 单次执行的平均时间：

归档日志生成量分析

由于logminer解析的日志条目数量和归档日志生产量相关，继续检查归档日志，发现归档日志同比变化不大。

最近14日归档日志生产量：

分析结论及处理建议

分析结论

通过上述分析，IO问题主要由LOGMINER日志挖掘导致，数据库层面分析到的变化时间与硬件层面的IO监控结果基本吻合。

LOGMINER挖掘的性能变化，通过SQL统计看，其执行计划没有改变，但执行频率变低但单次执行扫描的行数、内存块数增加，由于语句查询效率取决于logminer 分析的日志条目数量，推测可能为处理逻辑变化导致。

处理建议

通过上述分析得出，本次IO性能问题主要由于LOGMINER日志挖掘导致，观察执行统计发现其执行频率、效率发生改变，建议联系logminer使用的对应厂商排查当前的抽取逻辑。

墨天轮从乐知乐享的数据库技术社区蓄势出发，全面升级，提供多类型数据库管理服务。墨天轮数据库管理服务旨在为用户构建信赖可托付的数据库环境，并为数据库厂商提供中立的生态支持。
墨天轮数据库服务官网：https://www.modb.pro/service

需求背景

• 笔者有一个台式机，微星主板的
• 每天睡觉前都会关机，然后第二天早晨都会手动再开机
• 但是这个有些麻烦，每天都要手动点一下开机按钮
• 于是，需要设置每天上午定时开机自启动
• 本文记录在微星主板的BIOS面板进行设置，从而达到每天上午开机自启动的效果

什么是BIOS面板

我们从BIOS面板会做哪些事情，来回顾一下

• 当我们按下开机键，BIOS立刻开始工作。它会挨个检查：CPU 在吗？内存插好了吗？显卡能用吗？
• 如果发现问题（比如内存条没插好或者接触不良），电脑就会黑屏，或者主板会有故障灯亮起来
• 检查通过后，它会按照设定好的顺序，把CPU、内存、硬盘、USB接口等所有硬件调整到准备工作的状态
• 比如，安装操作系统的时候从启动U盘启动，或者日常从硬盘启动（寻找操作系统的启动管理器）
• 再然后，BIOS会把控制权交给操作系统（Windows或者Linux或MAC）
• 最后进入GUI桌面

实际上，除了上述BIOS的启动管理以外，BIOS还可以做别的控制，比如：

• 通过增加核心电压，让内存条超频、CPU超频
• 设置硬件温度功耗控制
• 设置风扇散热转速等
• 当然，其中还有一项，就是通过RTC进行定时自动开机

BIOS面板一般主要做三件事情：1.硬件自检与初始化；2.设置启动顺序（比如从U盘启动装系统）；3.调整硬件性能与功能（比如开内存XMP、开虚拟化）等

RTC自动开机逻辑流程

• 主板上有一颗纽扣电池（CMOS电池），专门供电的硬件实时时钟Real-Time Clock，简称RTC。
• 这个主板上的硬件时钟，一直运行（哪怕没有连接电脑电源线）
• 当我们在BIOS 中设置了定时开机后，这个硬件时钟，会记录到定时开机时间
• 等到对应时间后，RTC硬件实时时钟，会向主板的电源管理电路发送一个 “唤醒信号”
• 这个信号会模拟一次按下机箱电源键的操作，进而启动标准的开机流程：主板通电 → BIOS自检 → 启动操作系统等，从而做到了自动开机

也就是说，我们在BIOS面板中，设置一下RTC的时间就行了，具体如何设置几点开机自启动，如下三图解

三张图解记录

首先进入BIOS面板（在开机后，不停按 Delete 按钮），然后切换到Advanced标签页

然后，点击Advanced按钮，右侧进入其对应的选项

我们可以看到，有Wake Up Event Setup这个选项，然后点击之

• 首先把Resume By RTC Alarm设置为Enabled（设置为允许，一般默认不允许）
• 然后，把Date(of month)Alarm设置为0（这样就可以每天启动了）
• 下面的分别是时分秒，分秒大家根据自己的需求设置即可
• 注意，因为我的系统是Ubuntu系统，所以这里的小时默认主板把RTC当成UTC，所以少了8个小时
• 我想设置成每天上午十点十五分开机自启动，所以这个的Time(hh)Alram就是10-8=2
• 所以设置成2就行了，因此上述的设置成的数字，分别是0、2、15、0
• 代表每天、10点、15分、0秒自动开机自启动
• 设置完毕以后，按下F10保存并退出，这样就实现了每天上午十点十五分，定时开机的功能了
• 注意，电源线要始终连着电脑，毕竟开机需要有电才行

A good memory is not as reliable as a written record. Write it down...

2026 年2月，迅易科技再次顺利通过微软官方严格审核，成功获得Microsoft Azure Infrastructure & Database Migration——基础架构与数据库迁移高级专项认证（ASP）。

作为微软长期合作伙伴，迅易科技已累计服务众多行业领军企业，该认证是微软云领域高含金量的专业认证之一，是对迅易科技在云架构、数据库迁移、现代化改造、治理安全以及企业级交付能力的再次认可。

一、权威认可：全生命周期云迁移能力全面达标

在微软的严格评估中，迅易科技凭借覆盖策略规划、架构设计、迁移实施、自动化部署、持续运维等全流程的体系化方法，获得了多项“满分通过”评价，包括：

✔ 企业级架构设计能力：采用微软企业级 LZ 参考架构，支持大规模多业务系统迁移与管理。
✔ 数据库与应用迁移能力：具备将 SQL Server、本地数据库、跨云数据库迁移至 Azure SQL IaaS 的完整能力。
✔ 自动化部署：使用 Bicep + Azure DevOps 实现大规模自动化部署、资源编排与标准化落地。
✔ 安全与治理：为客户提供安全基线配置、策略合规、持续监控与威胁防护体系。
✔ 可观测运维体系：云上资源全栈监控、日志分析、备份策略与合规性全部达标。
✔ 完整交付体系：包括评估报告、设计文档、架构图、测试报告、运维手册等全链路文档体系。

微软报告显示，迅易科技在架构规范性、文档完备性、过程可追溯性、治理与安全实践方面表现优秀，是业界少数具备端到端交付能力的云技术服务商。这意味着迅易科技在企业全生命周期云迁移服务方面不仅“能做”，而且“能标准化、能规模化、能可视化、能可审计地做好”。

二、获得认证：迅易能为客户带来什么？

微软专项认证本质上是企业上云与核心系统迁移安全交付能力的权威背书，代表迅易科技可为众多客户带来：

• 更安全可靠的上云体验：基于微软 CAF、WAF、LZ 标准方法论，确保架构安全合规。
• 更高效的迁移与现代化改造：使用 Azure Migrate、DMS、Bicep、DevOps 工具链，实现自动化、高质量迁移。
• 更低风险、更可控的迁移过程：标准化流程确保从评估→设计→迁移→测试→交付全过程透明可控。
• 最佳性价比的云成本优化能力：基于实际客户案例，迅易科技持续帮助企业实现资源优化与费用降低。
• 更优的性能与更强的业务连续性：通过 Well-Architected Review（微软五大支柱），确保迁移后的系统稳健运行。
  迅易科技能够获得这项资质，企业再复杂的系统，我们也能用微软标准化方法迁移到最优架构。同时，我们能够将领先企业的成功迁移经验，转化为可复制的方法论，为不同规模、不同行业的客户提供兼具高度定制化和高度可靠性的一站式上云服务。

三、独特优势：迅易全栈技术服务能力

此项ASP资质是迅易科技整体实力的一个缩影，背后依托的是我们坚实的综合服务底座。

01硬核专家积累

作为微软十余年合作伙伴，我们获得多项微软资质，核心技术团队持有10+项微软专家认证，覆盖Azure、M365、Power Platform等技术平台，包含架构师、运维工程师等关键角色。

02全栈技术能力矩阵

作为国家高新技术企业，我们拥有ISO 27001、ISO 20000、CMMI 3级等全球权威认证，确保项目在安全、质量与流程上均符合国际标准。

03深厚的行业理解

长期深耕于快消、制造、服务等行业，使我们深刻理解不同业务的独特需求与合规要求，能够提供与业务目标紧密对齐的技术解决方案。

04领先的云原生视野

我们不仅帮助客户迁移上云，更致力于通过云原生技术助力客户实现真正的数字化转型与创新。

-END-

云迁移不是终点，而是企业数据智能化和 AI 转型的起点。

凭借此项专项认证，迅易科技将帮助更多企业持续深耕，提供基于 Azure 的企业级数据平台建设、云上安全治理体系升级、应用现代化与容器化（AKS）、AI 应用场景构建等服务。我们将继续携手微软，帮助更多企业降低上云成本、提升系统韧性、加速AI 落地, 构建下一代数字化竞争力。

如果您的企业正面临云安全挑战、AI转型需求、端点管理难题或数据库迁移计划，迅易科技将是您值得信赖的合作伙伴。如果您有上述需求，欢迎前往迅易科技官网联系我们！

当JavaScript和TypeScript在咖啡店相亲：一场关于"类型"的爱情喜剧

简介：两个程序员相亲记

想象一下，你走进一家名为"代码咖啡"的奇怪咖啡馆。角落里坐着两位正在相亲的程序员：JavaScript（简称JS），穿着随意T恤，头发乱糟糟，看起来有点漫不经心；TypeScript（简称TS），西装革履，戴着金丝眼镜，面前整齐摆放着一份清单和一支笔。

JS喝了口咖啡："嗨，我是个灵活的单身汉，随时可以变成任何你想要的样子！"

TS推了推眼镜："很高兴认识你。在我考虑进一步发展前，请先填写这份类型声明表，包括你的姓名（字符串）、年龄（数字），以及是否有过变量重定义的经历（布尔值）。"

这，就是故事的开端。

区别与联系：一场代码约会实录

第一幕：点单风波

JS看了一眼菜单："我要一杯'随便'。"

服务员困惑："'随便'是什么？"

JS眨眨眼："运行时你就知道了！可能是咖啡，也可能是茶，甚至可能是果汁——惊喜不是更美妙吗？"

TS叹了口气："请给我一杯无糖拿铁，温度70±2℃，咖啡豆产地哥伦比亚，牛奶脂肪含量3.5%。这是我的详细订单接口声明。"

// JS的点单方式
let myDrink = "coffee";
myDrink = 42; // 现在变成数字了！
myDrink = { beverage: "tea", temp: "hot" }; // 又变成对象了！
// 一切发生在运行时，像魔术一样！

// TS的点单方式
interface CoffeeOrder {
  beverageType: "latte" | "espresso" | "cappuccino";
  temperature: number;
  sugar: boolean;
  milkPercentage: number;
}

const myOrder: CoffeeOrder = {
  beverageType: "latte",
  temperature: 70,
  sugar: false,
  milkPercentage: 100
};
// 试图把water赋值给beverageType？编辑器会立即红线下划线警告！

第二幕：约会中的"惊喜"

JS和TS决定去看电影。

JS说："我知道一家很棒的影院，走！"

到了地方，TS愣住了："这是保龄球馆。"

JS挠头："啊，我以为'娱乐场所'都差不多。不过没关系！我们可以现场决定做什么！"

TS从包里拿出计划表："根据我预先的类型检查，我们应该在第15街的影院，观看类型为'喜剧片'或'科幻片'的电影，时长不超过150分钟。"

第三幕：见朋友时的尴尬

JS带着TS见朋友Python和Java。

JS大声介绍："这是TS，我的...呃...朋友？同事？工具？反正我们一起写代码！"

Python小声说："所以你们的关系类型是'any'？"

Java点头："需要我来强制转换一下关系类型吗？"

TS平静地说："确切地说，我们是渐进式类型系统的伙伴关系。我是JS的超集，在开发阶段提供类型安全，但最终会编译成纯JS运行。"

全场沉默三秒。

JS打破尴尬："他说的是'我们很配'的意思啦！就像JSON和对象字面量那么配！"

联系：他们其实是亲戚！

事实上，TS悄悄对JS说："有件事得告诉你——我其实就是你，只是多了些'规矩'。"

JS惊讶："什么？"

TS解释："咱们本质上是一家人。你写的所有代码，我都能理解。而我的代码，最终都会变成你的样子运行。我是你的'开发时保镖'，确保你不会在运行时摔跤。"

// TS写的代码
function greet(name: string): string {
  return `Hello, ${name}!`;
}

// 编译后会变成JS认识的代码
function greet(name) {
  return "Hello, " + name + "!";
}
// 看，我们骨子里是一样的！

那个决定性的拥抱

项目截止前夜，JS的代码突然在凌晨3点崩溃。

JS绝望地发现：一个应该是数组的变量不知何时变成了字符串，整个应用像多米诺骨牌一样倒下。

这时TS出现了，带着清晰的错误信息："第247行：类型'string'上不存在属性'map'。建议：确保变量在此处为数组类型。"

JS修复了bug，看着TS："你一直都知道这里会出问题？"

TS点头："从你写下代码的那一刻就知道。但你有'any'的权力，我只能建议，不能强制。"

JS沉思："也许...有时候惊喜不如稳定来得重要？"

总结：不是取代，而是进化

所以，JavaScript和TypeScript到底是什么关系？

1. 艺术家 vs 建筑师

• JS是即兴创作的街头艺术家
• TS是带着蓝图的建筑师
• 两者都能造出房子，但一个可能造出梦幻树屋，另一个则确保房子符合安全规范

2. "先做后想" vs "先想后做"

• JS喜欢快速原型
• TS喜欢提前规划
• 大型项目常常需要两者结合——用TS搭建稳固框架，用JS快速试验新想法

3. 最终都是一家人

• 所有TS代码最终都会"变身"为JS运行
• TS就像是JS的"训练轮"，等你熟悉了类型系统，甚至可以逐渐拆除

4. 幽默的真相

• 使用JS就像在说"相信我，我知道我在做什么"
• 使用TS则像在说"我不完全相信自己，所以让编译器双重检查一下"

最终，JS和TS在代码咖啡店达成了和解。JS学会了偶尔接受类型建议，TS学会了容忍一些"any"的灵活性。他们共同创建了一个项目：一个在开发阶段严格类型检查，但在某些小模块保留JS灵活性的混合应用。

就像咖啡店老板说的："纯黑咖啡提神，加奶加糖好入口。关键是知道自己什么时候需要什么。"

而角落里，一个新来的语言叫Rust正在点单："我要一杯绝对内存安全的饮料，所有权明确，零成本抽象..."

但那是另一个故事了。

附录：快速对比表

后记：无论你选择JS的灵活还是TS的严谨，记住最好的代码不是最聪明的，而是六个月后你（或同事）还能看懂的那一些。毕竟，在编程世界里，能让你少熬夜的技术，才是真爱的技术。

文章字数：约1200字
建议阅读时间：5-7分钟
技术难度：初级到中级
幽默指数：☕☕☕☕ (4/5杯咖啡)

本文由mdnice多平台发布

本文整理自《深入解读 VSAG——OceanBase 自研开源向量索引库》系列文章
作者 | 金加宝、李昊天、王翔宇、杨鸣宇、钟萧遥（按姓名首字母排序）

摘要：
OceanBase向量索引库VSAG通过引入SIMD、内存分配优化、量化等方法提升向量检索性能。其核心算法包括：BSA在保证检索精度的前提下加速向量距离计算；EnhanceGraph利用搜索日志和构造日志动态增强图索引，提升查询准确性；DFSANN适配存算分离架构，实现低成本混合存储检索；HGraph则通过组件化分层架构支持多场景平滑切换。

向量搜索技术，被认为是海量非结构化数据检索的关键技术之一，这会涉及到高维空间的搜索问题，通常会通过近似最近邻搜索（Approximate Nearest Neighbor Search, ANNS）的方式来在高维空间中进行检索，以此来找到满足要求的数据。

随着 AI 应用场景的发展，半结构与非结构化数据的涌现，向量数据库成为 AI 时代重要的数据基座。在 VectorDBBench 基准测试中，OceanBase 在同等环境下向量性能已达到业界主流开源向量数据库的最优水平。这一出色表现很大程度上得益于 OceanBase 向量背后的向量索引库 —— VSAG。

向量索引，作为影响向量检索准确率、查询性能的重要因素，是决定向量数据库性能的关键基础。当前，开源社区已经涌现许多算法库，每个算法库有不同的特点，适用于不同的向量检索场景，包括在相似性搜索领域最有名、维护时间最长的 FAISS 算法库 （facebookresearch/faiss）；由于高效、易于集成、单线程读写等特性广泛应用于搜索推荐系统的 hnswlib 算法库（nmslib/hnswlib）；以及本文将深入介绍的 OceanBase 开源向量索引库 VSAG。

VSAG 库通过引入了许多 SIMD、内存分配和布局、量化等方法，获得了卓越的近似 K 近邻图的搜索性能表现。受益于其资源管理模块，在系统中能够提供租户级细粒度的计算和存储资源管理，提供了超大规模下混合内存与磁盘的快速检索方案。VSAG 在 960 维的 GIST 数据集上表现出色，在 ANN-Benchmarks 测试中远超其他算法。

今天，让我们从最基础的概念讲起，一起走进 OceanBase 向量背后的向量索引库 VSAG，并揭秘其中各项硬核算法。

向量是什么

向量（Vector / Embedding）是一个数据结构，其中包含一个浮点数的数组。这是一个向量的示例：

向量在检索相似的图片、音频和文本等方面发挥着关键作用，这源于其数据属性和特征表示能力。在机器学习和数据科学领域，向量被广泛用于描述数据特征。以图片数据为例，我们可以将其表示为向量。在计算机中，图片本质上是由像素构成的二维矩阵。每个像素的亮度值可视为图片的一个特征，因此，我们可以将这些亮度值串联成一个高维向量，从而实现图片的向量化表示。

这种向量化表示使我们能够利用向量空间中的距离和相似度度量方法来比较不同图片之间的相似程度。例如，欧氏距离可用于衡量两个图片向量间的像素差异，而余弦相似度则可测量它们的方向差异。通过计算向量间的距离或相似度，我们可以量化评估不同图片之间的相似程度。

在实际应用中，图片除了像素亮度以外还有轮廓等更复杂的特征可以用于比对相似度，所以一般会使用神经网络来进行特征向量的提取，然后通过距离函数来衡量不同图片之间的相似度。这就是为什么向量可以被用来衡量非结构化数据的相似度。

当可搜索内容表示为向量时，查询可以在相似内容中找到接近的匹配项。用于向量生成的嵌入模型知道哪些单词和概念相似，并将生成的向量放置在嵌入空间中。例如，关于 “clouds” 和 “fog” 的向量化源文档更有可能显示在关于 “mist” 的查询中，因为它们在语义上相似，即使它们在词法上不匹配。

如何衡量向量相似度

向量相似度有几种不同的度量方法，其中最常见的是欧式距离、点积距离和余弦距离。这些度量方法各有特点和适用场景。欧式距离直观地反映了向量在空间中的绝对距离，适用于需要考虑向量大小的情况。点积距离反映了向量的方向和大小，常用于机器学习中的权重计算。余弦距离则专注于向量间的角度，忽略大小差异，特别适合文本相似度等归一化场景。选择合适的度量方法对于提高相似度计算的准确性和效率至关重要，并且往往需要根据具体的应用场景和数据特征进行权衡。

相似度搜索的一种方法：近似最近邻搜索（ANNS）

在大规模数据集中，传统的精确最近邻搜索算法可能需要花费大量时间和计算资源。因此，近似最近邻检索（Approximate Nearest Neighbor Search，ANNS）技术的出现满足了对相似度搜索更快速和高效的需求。近似最近邻检索通过牺牲一定的搜索准确度，来换取更快的搜索速度。这种特性使得 ANNS 技术在需要快速检索大规模数据集中的相似对象时极具优势，特别是在诸如推荐系统、图像识别、自然语言处理和数据挖掘等领域。近似最近邻检索技术的应用范围非常广泛，它在提高效率的同时保持了对搜索结果准确度的要求，因此在大数据量情况下更能展现出其价值。

一般来说，近似最近邻搜索依赖对数据集提前构建好一个索引，搜索在索引上进行。通过使用索引，近似最近邻搜索一般能将耗时降低几个量级。常见的向量索引类型：基于树的索引结构、基于哈希的索引结构、基于图的索引结构、基于倒排的索引结构等。这些索引对于构建时间、批量查询、异构计算等场景分别有不同的优势，一般在业务场景中会根据实际需要来选用索引。

本文开头提到的 faiss，hnswlib，包括 vsag 都属于 ANNS 算法库。

向量搜索的挑战在哪里

虽然现在我们已经有了很多成熟的开源算法，但随着非结构化数据量的持续增长，以及更多 AI 应用的诞生，向量搜索技术被提出了更多的挑战。

更快的搜索速度是第一个挑战。对于更好性能的追求在业务中是一直存在的，更快的搜索速度意味着单位实例能够服务更多的用户请求，同时更快的搜索速度能够降低访问延迟提升体验。

更高的搜索精度是第二个挑战。向量召回作为搜索推荐链路的上游环节，搜索精度很大程度上影响到整条搜索链路的召回精度上界。通过提高向量召回的精度，能够给后续的排序环节提供更加高质量的输入。在 RAG 应用中同理，向量的召回率越高，能够输入给语言大模型的内容就越好，语言大模型的回答就越准确。

更低成本的搜索是第三个挑战。更低成本更多是企业从降本增效出发，希望在技术上获得收益。向量检索因为数据结构本身的特点，查询服务的成本本来就高于标量数据。而当前音视图文数据量的增长给系统带来的服务成本来增长迅速。近几年对于低成本的向量索引的探索更多被关注到，比较有名的是微软提出的 DiskANN 算法，而后续在学术界和工业界也涌现出更多相关的后续工作。

VSAG 硬核算法详解

1.BSA（Bridging Speed and Accuracy）：在保证检索精度的前提下加速向量距离计算

背景与设计目的

现有向量检索算法（如 HNSW、IVF）经过多年优化，对索引结构的改进只能带来小幅度性能提升。向量检索算法的性能瓶颈在于“距离计算”这一操作：在 HNSW 中距离计算约占 80% 的总时间开销，在 IVF 中更是接近 90%。使用计算代价更低的近似距离代替精确的距离计算，例如乘积量化（product quantization），虽然可以大幅提高距离计算的效率，然而会导致检索精度的大幅下降，使其很难应用于高精度的向量检索场景。

因此，如何既利用近似距离的实现快速计算、又能够保持高检索精度，成为了 BSA 算法试图解决的关键问题。

核心技术与实现方案

BSA 算法将向量检索中的距离计算分为两类，其中第一类为需要精确距离计算（Label 0），第二类为不需要精确距离计算（Label 1），并利用近似距离、当前搜索过程中的队列阈值作为特征，训练一个线性二分类器，通过调整模型截距来保证分类器的分类精度达到检索要求。

在搜索过程中，如果线性分类器将当前距离计算分为第一类，则需计算当前点的精确距离并更新结果队列；如果线性分类器的分类结果为第二类，该次的距离计算则可以避免。

该算法不仅可以加速内存向量检索的距离计算，同时还可以避免磁盘方案的冗余 IO。

性能表现

以下展示了几种加速距离计算的方法在 GIST 和 DEEP 两个数据集上的性能表现。结果可见，BSA+OPQ 框架实现了原始 HNSW 最高 1.7 倍的检索性能提升，以及相对原始 IVF 最高 2.2 倍的提升，远超索引结构优化带来的性能提升。同时 BSA 方法不受索引结构的限制，可以应用于任意向量检索算法。

实战应用

当前，BSA 方法在内部的数据和实际应用场景均已进行验证和应用：

在 100w 数据集上，在召回率不降低的前提下，搜索耗时从 7.53ms 下降到4.85ms，降低 35.59% 。这意味着吞吐能够增加 55.25% 。
在 1000w 数据集上，在召回率不降低的前提下，搜索耗时从 10.09ms 下降到7.33ms，降低 27.35% 。这意味着吞吐能够增加 37.64% 。

2. EnhanceGraph：动态增强的图索引构建，提升查询准确性

背景与设计目的

以 k-NNs Graph 为例，基于图的近似最近邻搜索（ANNS）算法以其优越的搜索性能和精确性成为主流。为了对其进行进一步优化，当前许多研究正在探索通过边的剪枝策略，减少索引的空间占用和提高搜索效率，然而此类策略往往会导致检索精度大幅下降。此外，由于传统基于图的索引在构建后将保持静态，所以在人脸识别等服务中经常会出现反复识别失败的情况。

面对上述挑战，EnhanceGraph 将搜索日志和构建日志用于辅助图索引的构建，从而有效利用历史查询数据和被丢弃的信息完善图索引，从而在保障查询性能的同时提升准确性。

核心技术与实现方案

EnhanceGraph 利用搜索日志和构造日志对图进行动态增强，前者可用于检测图结构中的缺陷，后者可用于补充近似图中缺失的 k-NNs，从而在可接受的空间成本增加的情况下显著提高查询的准确性。

与现有的索引在构建完成后即保持静态不同，EnhanceGraph 允许在搜索过程中实时进行反馈，基于用户的实时反馈或历史查询生成共轭图，用于维护所有反馈的召回信息。在线搜索时，第一阶段首先在近邻图进行搜索，第二阶段使用共轭图对搜索结果进行补充以增强召回表现。

具体来说，在构建图索引时，首先将近似图中被裁掉的边（构造日志）添加到共轭图中。在历史查询中，将失败查询时收敛到的局部最优解，与离线计算或者用户反馈的全局最优解结合，构成搜索日志。基于搜索日志，可以在共轭图中添加缺失的从局部最优解到全局最优解的边。这些边将在搜索的第二阶段补充搜索结果，以提高召回率，确保历史中失败的查询不会再次收敛到局部最优。

性能表现

如图所示为 EnhanceGraph 在若干主流数据集（GIST1M；SIFT1M；GloVe-100）和蚂蚁数据集上对召回率增强的表现。

结果显示，在部分数据集上，EnhanceGraph 能显著提高 Recall@1 的召回率，最高从 41.74% 提升到 93.42%。得益于从生成的查询和历史的查询得到的搜索信息，大幅度降低了未来的查询对 TOP1 最近邻的召回失败情况。对于OceanBase 数据集，即使是 Recall@1 非常高的情况下也能无损 QPS 提高召回率（从 99.8% 提升到 99.9%）。另外，使用构建信息对二阶段搜索进行补充也显著提升了 Recall@10。

实战应用

当前，EnhanceGraph 已在实际业务场景中进行了测试验证：

在 100w 数据集上，使用生成式方法，在几乎不降低 QPS 和使用少量额外存储空间（少于 7%），提升 HNSW 的 TOP-1 召回率从 99.8% 到 99.96% 。保证召回失败的人群有 80% 以上的概率不会再失败。
在 100w 数据集上，使用历史查询进行反馈，在几乎不降低 QPS 和使用少量额外存储空间（少于 3%），提升 HNSW 的 TOP-1 召回率从 99.8% 到 99.97% 。保证召回失败的人群有 85% 以上的概率不会再失败。

3. DFSANN：适配存算分离架构的低成本检索方案

背景与设计目的

当下的向量检索的研究主要关注纯内存向量索引的性能，较少关注海量数据的存储性能。然而，随着非结构化数据的快速膨胀，内存开销增加，数据的存储成本飙升，只使用压缩方法会显著降低精度；同时，存算分离架构中的共享存储相比起本地 SSD 会有更高的 IO 成本，这导致现有的基于 IO 的检索方案（例如DiskANN、SPANN等）不一定有比较高的性能。

因此，业界迫切地需要一种能够适配在存算分离架构系统上的低成本的检索方案。

核心技术与实现方案

现有磁盘方案中，搜索过程会产生频繁 IO，且重排阶段有较多不必要的精确距离计算，从而造成资源浪费。为此，DFSANN 先将搜索过程与 IO 过程进行解耦，再通过优化 IO 方案实现有效降本。一方面，通过减少 IO 次数和 IO 后的重排数据量来优化检索时间，另一方面，通过异步下放 IO 来减少总的 IO 时间：

缓存 Graph 与部分 IO：

将 Graph 缓存至内存，原始数据仍在底层存储中，在搜索过程中使用压缩向量进行快速检索，对近似距离进行排序，仅在结果重排阶段对最有可能的部分后续集进行 IO，从而降低少对磁盘的依赖。

优化 IO 方案：

边搜边 IO： 搜索中异步下发 IO 请求，获取全部候选集对应的精确向量，搜完后只计算部分候选集合的精确距离。该方法虽然需要全量 IO，但只计算部分集合，此外由于 IO 在搜索过程中下发，重排时无需等待，IO 的耗时开销几近于无。

搜完再 IO： 在搜索过程中积累 IO 请求，搜索完成后，根据近似距离排序结果将部分更有可能是最终结果的候选集对应的 IO 请求一次性异步下发，并计算精确距离。该方案可减少 IO 量，但搜索耗时会稍高一些。

进一步的成本优化：当前方案能够在较短的时间内实现较高召回率的检索。然而，受限于本地 SSD 的 IO 并发与图索引的构建成本，单机一般不会只构建一个大规模索引，导致单次检索产生巨大的 IO 开销。后续将采用预聚合（即，预先将部分点聚类成簇）的方式进一步降低存储成本和 IO 成本。

性能表现

在随机数据上的实验结果显示，DFSANN 的两套搜索模式都显著优于原始 DiskANN，特别当存储介质是 DFS 时，DFSANN 的吞吐显著优于 DiskANN。

4. HGraph：适配通用场景，支持平滑切换的六边形战士

背景与设计目的

现有的向量算法往往针对特定的需求，只能做到部分场景的适配。如果伴随业务需求调整，需要切换算法，则算法之间的异构特性会导致切换难度大，同时切换后存在各种不确定性的隐患。HGraph 致力于实现一套支持多种场景并且可以平滑切换的索引。

核心技术与实现方案

HGraph 基于组件化的分层架构，弹性化各个向量检索组件（量化器，IO 模块，图结构模块等），部分组件支持可插拔能力，通过不同组件的配置支持广泛的业务场景，且几乎保持同等性能。

HGraph的分层架构包括：
基础的算子层：包括量化器算子，IO访问算子等，支持新型的量化算法变更，支持多种数据访问方式；
数据组织层：提供算法核心能力，支持多种算法角度的数据结构管理、访问与计算能力；
接口抽象层：屏蔽底层的数据结构细节，提供统一的访问接口；
基础索引层：支持具体的索引算法结构，包含了构建、训练、检索的工作流，以及标签过滤、范围查询等特定功能。

适配不同场景，HGraph 提供多种组装方案。例如纯内存场景、混合存储场景等，用户在使用上只需要修改配置参数即可实现不同索引类型，支持快速迭代落地。

此外，HGraph 还在算法兼容和工程层面实现了多项优化。算法兼容方面已实现对 BSA、EnhanceGraph、DFSANN 等算法的兼容；工程层面，通过优化算子调用开销、SIMD 混合加速、预取优化等方案，实现了性能对标专业领域索引，甚至有所超越。

典型场景配置

HGraph支持大部分应用场景，覆盖不同数据规格，不同精度诉求，尤其是希望一套索引支持多个场景和具备平滑切换能力的场景。

高性能，高精度场景（数据规模 1M-100M，内存资源充足，精度 99%+，性能要求高）：带重排和共轭图的纯内存方案；或单层 FP32 图，配合共轭图提升精度。

低内存，高性能场景（数据规模 100M-10B，内存资源紧张，精度 96%-98%，性能要求高）。

低成本，混合存储场景（数据规模 10B-1000B，内存资源十分紧张，精度和性能要求放宽）

欢迎访问 OceanBase 官网获取更多信息：https://www.oceanbase.com/