马来亚银行与微软签署了一项为期五年、价值约10亿令吉(2.364亿美元)的合作协议,旨在推动其业务运营的数字化和人工智能创新。
这项里程碑式的协议将使马来西亚领先的金融集团采用微软Azure作为其最战略性系统、功能和数据工作负载的主要云平台之一,为增强实时数据分析和更快部署新服务铺平道路。
为了大幅提升生产力和创新能力,马来亚银行还将向其44,000名员工推出微软365 Copilot,将智能助手嵌入到日常工作流程中,以简化复杂任务。
此外,银行还将使用微软的先进安全工具来加强网络防护,并探索建立联合卓越中心,共同开发云和AI驱动的创新,培养内部数字专业技能。
马来亚银行总裁兼集团首席执行官Khairussaleh Ramli表示,与微软的合作是银行数字化转型之路的重大跨越,超越了其M25+倡议的范围。
"这不仅仅关乎技术;更关乎如何前瞻性地思考我们如何更好地服务客户、改善工作方式并加速创新,"他说。"借助强化业务核心的正确技术,我们正在为所有利益相关者和客户构建一个真正敏捷、更快速且更具竞争力的环境,实现可持续增长和长期价值创造。"
马来亚银行的M25+倡议于2022年推出,通过专注五大支柱推动银行增长:客户中心化、数字化、强化马来西亚以外的业务、可持续发展以及伊斯兰银行业的全球领导地位。
在该倡议下,马来亚银行已承诺投入35亿至45亿令吉用于技术提升和其他战略领域。例如,银行一直利用技术提升客户体验和运营效率,推出了全数字化的客户身份验证(KYC)流程以及广受欢迎的MAE(随时随地的马来亚银行)电子钱包和移动银行应用。
最近的发展包括推出防欺诈的资金锁定功能以及扩展跨境快速响应(QR)支付集成。银行还一直在使用人工智能和机器学习来检测欺诈并自动化信贷申请等流程。
微软东盟区总裁Mayank Wadhwa表示:"马来西亚正处于数字化旅程的关键时刻,马来亚银行正以身作则。通过将智能嵌入金融服务的核心,马来亚银行正在转变服务客户的方式,同时为整个东盟地区的行业树立了强有力的榜样。"
2024年5月,微软宣布了其在马来西亚32年历史中的最大单笔投资:在未来四年内投入22亿美元,以加强该国的云和AI基础设施。这建立在微软在马来西亚首个Azure云区域的早期计划基础上,该区域于2025年5月上线,为当地企业提升了数据驻留能力并减少了延迟。
通过"AI赋能马来西亚未来"倡议,微软还希望到2025年底为80万马来西亚人提供AI技能培训。该计划连同与政府合作建立的国家AI卓越中心,旨在培养AI就绪的劳动力并赋能国家的开发者社区。
Q&A
Q1:马来亚银行与微软合作的主要内容是什么?
A:马来亚银行与微软签署了为期五年、价值10亿令吉的协议,主要包括采用微软Azure作为主要云平台、向44,000名员工推出微软365 Copilot智能助手、使用微软先进安全工具加强网络防护,以及探索建立联合卓越中心共同开发云和AI创新。
Q2:马来亚银行的M25+倡议包含哪些内容?
A:M25+倡议于2022年推出,专注五大支柱:客户中心化、数字化、强化马来西亚以外的业务、可持续发展以及伊斯兰银行业的全球领导地位。银行已承诺投入35亿至45亿令吉用于技术提升,并推出了全数字化KYC流程和MAE电子钱包等创新服务。
Q3:微软在马来西亚有什么重大投资计划?
A:微软在2024年5月宣布了32年历史中在马来西亚的最大单笔投资,未来四年投入22亿美元加强云和AI基础设施。微软首个在马来西亚的Azure云区域已于2025年5月上线,同时通过"AI赋能马来西亚未来"倡议,计划到2025年底为80万马来西亚人提供AI技能培训。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。