直击“金融 AI”数据管理痛点，YashanDB有哪些新思路

首页 ꄲ 新闻 ꄲ 直击“金融 AI”数据管理痛点，YashanDB有哪些新思路

近日，由深港金融合作委员会金融科技工作组、深圳市金融科技协会、香港金融科技协会联合举办的大湾区金融科技夏季嘉年华（深圳场）暨湾区金科（FinTech）沙龙在深圳举行。聚焦“金融+AI应用场景与未来趋势”，活动汇聚大湾区金融科技生态圈的决策者与技术领袖，崖山数据库AI技术开发负责人李伟超受邀参与圆桌对话，系统阐述了AI技术深化落地对数据基础设施提出的全新挑战，并分享了崖山数据库在AI场景下的创新实践。

在圆桌对话环节，崖山数据库AI技术开发负责人李伟超直指金融AI落地面临的核心挑战。随着AI在智能交易、实时风控、量化投研、智能客服等场景的规模化落地，对数据处理提出了更多诉求：

海量高维向量数据处理挑战：根据IDC报告，受生成式AI等技术驱动，预计2028年全球新生成数据量规模将达到393.9ZB。面对海量智能数据带来的数据规模不断增加且快速变化，更高效的数据存储与计算架构以及索引技术是关键。
实时决策的数据滞后困境：金融市场的瞬息万变要求实时决策，但高通量实时数据导致传统系统难以负载。向量数据快速增长与实时变化对数据库系统的扩展能力、性能维护、资源利用等方面提出严峻挑战。
多模态数据的语义鸿沟：金融场景需要同时处理结构化交易数据、半结构化报告文本和非结构化图像视频等多模态信息，传统数据库缺乏统一管理能力，亟需构建支持多模态统一管理和低延迟跨模查询系统。

“数据管理能力已成为制约金融AI深度应用的关键瓶颈。”李伟超强调，优质数据的获取、处理与管理能力，正成为AI应用落地成效的核心变量。

面对金融智能化转型中的数据管理挑战，一方面，YashanDB基于存算分离架构弹性应对AI负载，将数据存储与计算任务解耦，存储层专注数据持久化、计算层专注于数据处理和分析，既提升了扩展性，又为实时分析、大模型训练等高负载场景提供弹性支持；另一方面，多模态融合打通数据语义鸿沟，YashanDB已具备HTAP混合负载及结构化、半结构化、非结构化数据统一存储能力，支持轻量级的关系型和图数据跨模查询；同时，原生支持向量数据的增删改查，并通过向量索引技术加速检索过程，显著提高数据查询效率，已逐步构建DB4AI核心能力。

YashanDB基于原创理论在HTAP、多模融合以及关系、图、向量融合分析方面实现技术突破与布局，正打造多模态融合、智能自治、开放易用的核心竞争力，赋能金融客户数智化转型。作为深耕金融核心的国产数据库厂商，YashanDB积极加入深圳市金融科技协会，共同推动大湾区金融科技创新发展。