这个五一假期，你用上数字人民币红包了吗？还在试点中的数字人民币已然强势来袭，不但落地北京、上海、深圳、成都、长沙、海南等十几个城市，除了线下支付，还对接了美团、京东、滴滴和 B 站等十几个第三方平台。
过去的五年间，支付宝和微信代表的移动支付开启了“无现金时代”，颠覆了整个社会对于货币的认知。而如今，带有国家属性的数字人民币杀入支付市场，或许将颠覆目前的移动支付格局。
数字人民币的全称是 DCEP（Digital Currency Electronic Payment），即数字货币电子支付，是中国人民银行发行的数字形式的法定货币。简单来说，就是纸质人民币的数字化，功能和属性同纸质人民币完全一样，每张数字人民币也有唯一编号。区别于比特币这样私人发行的虚拟货币，央行发行的数字货币是法币，具有国家信用、法偿性，其效力和安全性也最高。
单从这一点来说，它与支付宝微信这类第三方支付手段都不构成竞争关系，因为这两者就不在同一个维度上。以后的商家可以说不接受微信、支付宝，但是说拒绝数字人民币则是违法的。由此可见，数字货币带来的不只是一种新的支付方式，更是可能颠覆现有支付行业的格局。
据悉，目前工、农、中、建、交、邮储等六大国有银行已经开始大力推广数字人民币货币钱包，这意味着商业银行作为数字人民币兑换、流通等一系列相关服务的提供者，将直接成为流量入口。
流量就意味着数据，而在人工智能时代，数据也正在被重新定义。
由于数字人民币把钱从根本上进行了数字化，也就是说人民币从发行、流通、存储、投资、跨境流动等所有环节都可以变成“数据”，这为金融产业利用大数据、人工智能、云计算、甚至物联网来连接和处理这些数据打通了“最后一公里”。
在金融产业的数字化进程中，挑选技术产品正如行走江湖的大侠需要挑一件趁手的兵器，最重要的是切合实战的需求。Milvus 作为新一代非结构化数据处理平台，结合人工智能技术，已经成为企业在实际业务部署中不可或缺的一环，为消费者提供智能客服、理财产品推荐、资讯推荐、资产规划等专业级服务。
下面小编将结合 Milvus 的实战经验，为大家分享数字人民币的大趋势下，三个极有潜力的金融科技场景。
金融生物识别：多模态融合已成应用趋势
数字钱包作为数字人民币的载体，在交易时也要验证身份以进行授权。目前应用较为广泛的认证方式就是基于生物特征数据的多因子身份认证技术，而生物识别在金融领域的落地，也逐渐由单模态识别和技术应用，过渡到多模态融合。只有通过多模态生物识别的统一融合，才有可能覆盖尽量多的应用场景和应用人群。微信和支付宝目前都上线了基于声纹动态口令的登录方式，作为指纹识别和面部光学识别的补充。此外，在信贷业务中引入声纹识别技术作为反欺诈手段，还可有效降低冒用他人身份进行骗贷以及多头贷款等事件的发生率。
了解更多：Milvus 实战| 生物多因子认证系列 :声纹识别
消费金融：打造千人千面的定制化投顾服务
数字钱包的推行，除了以支付为基础，在消费金融领域也有机会挖掘更大的市场。借助算法和模型完善用户画像，金融机构可以对用户的消费习惯、风险偏好等数据进行挖掘，提供更多个性化和有针对性的理财产品，实现“智能投顾”级别的产品推荐。通过查询客户的实时金融数据，智能客服也可以主动发现消费者的需求，最大化的实现金融业务价值。
基于 Milvus 语义向量的智能客服系统，与传统客服技术相比，极大的降低了企业的 IT 投入和技术门槛。借助于 Milvus 的高性能和可扩展性，智能客服系统可以支撑上亿级别的语料库。从体验感出发，不仅可以帮助用户找到所需的关键信息或某条内容，还可以支撑产品、功能以及业务的召回。目前在金融行业，交通银行、鹏华基金和泰康人寿均应用 Milvus 构建了他们的智能客服系统，
了解更多：Milvus 实战 | 一分钟体验线上问答机器人 v2.0
智能文本处理：推动金融行业信息智能转型
金融业对传统数值型数据的分析已经相对成熟，而对基于文本的大数据分析还处于起步状态。对于金融机构的研究者来说，他们每天需要分析大量投研相关文本，以此来把握行业动态。文本数据往往以非结构化的形式存储，且数据规模较大，传统处理方法很难满足需求。基于深度语言模型的智能文本处理，可以通过文本向量化的方式，实现关键信息检索、文档智能审阅，以及投研报告的半自动生成。其中，结合 Milvus 对文本进行语义相似度的检索，可以极大提高文本处理效率。
了解更多：Milvus 实战 | Milvus 与 BERT 搭建文本搜索
About Zilliz
Zilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Zilliz 构建了 Milvus 向量数据库，以加快下一代数据平台的发展。Milvus 目前是 LF AI & Data 基金会的孵化阶段项目，能够管理大量非结构化数据集。我们的技术在新药发现、计算机视觉、推荐引擎、聊天机器人等方面具有广泛的应用。
