随着社会数字化能力的快速升级，金融行业正逐渐迈向数字化转型的新时代。尤其是AI的爆发，数据智能技术正在彻底改变着这个行业的面貌，随着越来越多的金融机构开始将人工智能、机器学习和大数据分析技术应用到其业务中，金融数据的价值正在得到充分的发掘。
毋庸置疑，在数字经济时代，数据上升为新的关键生产要素和资产，逐渐超越土地、资本等传统要素，成为社会经济发展和企业创新更加重要的驱动力。
对于金融行业而言，本身就有大量的数据，每一家金融机构都希望成为一个数据驱动的企业，但目前企业仍面临着数据持有成本高、数据孤岛严重、数据治理难度大等挑战，这也导致如何充分释放数据价值成了当下的难题。
一方面，企业与组织逐渐拥有海量数据规模和丰富应用场景，最新数据显示，国内股份制银行每年的数据量增长在0%，这些海量多源异构数据的增长，对于企业的存储与管理带来极大挑战；另一方面，数据价值释放、使用也遇到现实困境，权威机构统计表明，当前全球仅仅只有2%的数据被真正分析过，而注入AI模型的数据连1%都达不到。且随着数据越来越繁多，企业在弹性调度、实时调度数据上也将变得更加复杂。
如何破局？尤其是在AI爆发、大模型建设成为主流的大背景下，数字智能化转型已经全面提速，对于企业而言，建设数据驱动型的现代化企业已是刻不容缓。为此，华为为金融业提供了答案：通过云-数-智-算全面融合架构，化繁为简，助力金融人人用数，实现处处智能。
云数融合，数据挖掘的“金铲子”
在数字化浪潮中，数据正在重塑企业的运营、管理、决策乃至创新，不过，企业当前在数据价值实现中面临的挑战空前巨大，尤其是企业数据产生的速度、规模和类型，远超当前设备的处理和计算能力，数据价值挖掘效率低下成了一大难题。
事实上，一直以来金融业内对于数据处理都并非易事，就像鄂尔多斯盆地油气田虽然资源丰富，但属于典型的“三低”（低渗、低压、低丰度）油气藏，实现经济有效开发属于世界性难题。数据从产生到发挥要素价值的过程也同样漫长，包括数据采集、数据存储、数据处理加工、数据流通、数据分析、数据应用等，每一个过程都充满大大小小的挑战。
尤其是随着多样性计算的演进，数据库必须支持多种算力。过去以CPU为中心的架构，现已发展到多样性算力协同的对等计算架构，CPU、GPU、NPU甚至包括为特定场景开发的计算单元等都要形成协同关系，从而更好地去处理数据。
不仅如此，多模融合成为主流，多模数据需要协同处理以实现资源集约化管理。从过去主要处理的是结构化数据，到现在处理非结构化数据例如图、时序、流、文档等的数据类型，这对数据整合处理和整合分析提出了更高的要求。
早期企业数字化建设所依赖的基础资源，多为以服务器硬件设备为中心，业务应用随不同厂商设备、操作系统、虚拟化软件的差异化进行定制设备的安装、调试，应用的部署运维基本靠人力完成，自动化程度低，缺乏统一的设备和应用管理能力。虽然后期有虚拟化软件的出现，资源的利用率和扩缩容的灵活性方面得到一定提升，但从未从根本上解决基础设施与软件割裂、运维复杂的问题。
如今华为推出的云原生全面融合架构，其中一点就是在传统架构上进行了云数融合升级，将企业的