DTaaS(Digital Transformation as a Service) 개념의 초기 제안부터 최근 마이크로소프트의 AI 정량적 투자가 공식 발표되기까지 마이크로소프트 리서치 아시아의 '혁신 허브'가 설립된 지 3년이 지났다. 플랫폼 'Micro Mining Qlib'과 마이크로소프트의 멀티 에이전트 자원 최적화 플랫폼 'Group MARO', 그리고 DTaaS 플랫폼이 결실을 맺기 시작했습니다.
Innovation Hub의 회원사는 현재 금융, 물류, 교육, 의료, 제조, 소매, 등 각 산업별 선도기업과 혁신기업을 보유하고 있습니다. Microsoft Research Asia의 AI 과학자들은 다양한 분야의 업계 전문가들과 긴밀히 협력하여 지혜를 자극하고, 기업이 디지털 변혁을 가속화하도록 장려하며, 비즈니스 모델이 시대에 발맞추도록 지원하고, 미래 지향적인 AI 공동 연구 프로젝트를 공동으로 수행합니다. 여러 산업.
마이크로소프트는 플랫폼 기업으로서 독자적인 협력 프로젝트('포인트'라고도 함)를 진행하는 과정에서 우리 연구원들도 끊임없이 핵심 사업인 AI를 추상화하고 있습니다. 시나리오의 논리는 문제의 본질적인 성격을 탐구하고 혁신적인 기술 결과를 점차 더 넓은 범위의 산업 분야("얼굴"이라고 할 수 있음)로 확장하고 이러한 기술을 범용 플랫폼으로 구축하여 특정 산업 분야를 실현합니다. AI 애플리케이션 폐쇄 루프. AI는 '점'에서 '표면'으로의 도약을 달성해야만 진정으로 모든 삶의 방식을 바꿀 수 있습니다.
Innovation Hub 회원인 China Asset Management와 Microsoft Research Asia는 양적 투자 분야에서 협력해 왔습니다. 중국자산운용은 'AI+'를 바탕으로 '지수 강화' 전략을 통해 전통적 투자방식과 상관관계가 낮은 투자 포트폴리오를 발굴해 금융시장에서 차별화된 경쟁을 펼치고 있다.
사실 주식 투자의 전체 과정에서 주식 선택은 작은 단계에 불과합니다. 투자의 성공을 보장하려면 주식 간의 관계를 이해하여 구축하는 것도 필요합니다. '계란-계란'을 피하기 위한 리스크 관리를 수행하기 위한 포지션 예를 들어 유사한 주식을 신중하게 구매해야 한다, 관련 기업은 투자를 다각화해야 하는 등 '바구니에 담는' 문제가 발생합니다. 동시에 거래 비용, 회전율 등의 제약도 고려해야 하며, 최적의 투자 포트폴리오를 구성한 후에는 주문 실행 및 거래 요소도 고려해야 합니다.
이 아이디어를 바탕으로 Microsoft Research Asia는 양적 투자 프로세스의 AI 폐쇄 루프를 실현하기 위해 이전 연구를 기반으로 AI 양적 투자 플랫폼 Weimin Qlib 1을 구축했습니다. . 오픈소스 툴킷으로서 금융기관과 개인 실무자가 플랫폼을 활용해 투자자의 기술 보유량과 종합 수준을 높이고, 전체 시장의 효율성을 향상시켜 투자 분야에서 더 큰 규모의 선순환을 형성할 수 있다.
앞으로는 주요 자산 배분과 금융 감독 등 수평적, 수직적 두 가지 방향으로 오픈소스 플랫폼을 확장하는 것도 고려할 예정입니다. 주요 자산 배분은 주식 투자의 확장으로, 2차 및 1차 주식 시장 외에도 채권, 외환, 금 등 다양한 분야에서 더 많은 투자 포트폴리오를 계획하고 투자 위험을 더욱 분산시킬 수 있습니다. 더 높은 수익을 보장합니다.
한편, 금융 서비스 산업의 비즈니스 형태는 점점 더 많은 기관과 개인이 참여하면서 점점 더 복잡해지고 있으며 규제 기관의 경우 관리가 눈부시게 변하고 있습니다. 점점 어려워진다. 복잡한 환경에서 패턴과 이상 징후를 찾아내고, 위험을 모니터링하고, 내부 정보를 채굴하는 것이 바로 AI 기술이 잘하는 일입니다. 따라서 파트너와 소통하는 과정에서 우리는 AI가 금융 감독 분야에서도 강력한 보조자가 될 수 있다는 사실도 깨달았습니다. .
Innovation Hub의 구성원인 Orient Overseas Shipping과의 협력을 통해 우리는 2가지 주요 비즈니스 시나리오인 수요 공급 예측과 경로 최적화를 다뤘습니다. 딥러닝, 강화학습 등 최신 인공지능 기술을 적용해 기존 해운 네트워크 운영을 최적화해 물류산업을 선도하고 있습니다. SF Express와의 협력은 주로 지능형 청구 조기 경고, 링크 예측, 동적 가격 책정 등에 중점을 두고 물류 분야의 더 많은 측면에서 AI의 응용 가치를 탐구합니다.
이 두 가지 사례는 물류 체인의 공급 및 수요 일치에 대한 여러 기본 시나리오를 다루며 매우 대표적이지만 여전히 "포인트" 돌파구입니다. 실제로 대형 물류의 관점에서 보면 컨테이너 및 트럭 발송 외에도 창고 관리, 창고 화물 발송, 로봇 자동화 분류, 창고와 터미널, 공급업체, 소매 터미널 간의 관계까지 모두 포함하는 솔루션입니다. 이러한 하위 문제는 통합되어 완전한 물류 공급망 관리 플랫폼을 형성합니다.
그 중 물류산업이 해결해야 할 가장 근본적인 문제 중 하나는 수요와 공급의 매칭이다. 이에 우리는 각계각층에 적용할 수 있는 핵심 엔진인 '자원 수급 매칭'을 위해 멀티 에이전트 자원 최적화 그룹 전략인 MARO 플랫폼 2를 개발하고 오픈소스화했습니다. 어쩌면 일부 기업에서는 물류망의 자원 수급 매칭과 관련된 하위 문제를 해결하기 위해 다양한 IT 시스템을 개발했지만, 우리 플랫폼은 AI 기술과 이렇게 긴밀하게 통합된 업계 최초입니다. 자전거와 공유 자전거 사용자의 매칭, 데이터 센터에서 실행해야 하는 작업과 실제 물리적 기계의 매칭 등 자원 공급과 수요의 매칭과 관련된 많은 비즈니스 시나리오는 모두 MARO를 사용하여 해결할 수 있습니다. 플랫폼.
MARO는 다양한 산업 분야에 걸친 풀체인 자원 최적화 AI 솔루션이라고 볼 수 있습니다. 사용자는 간단한 인터페이스나 데이터, 그리고 플랫폼만 제공하면 됩니다. 강화 학습 훈련을 수행하고 궁극적으로 산업 솔루션을 제공하는 시뮬레이터를 자동으로 생성합니다. 오픈 소스 MARO 플랫폼은 물류 산업에만 국한되지 않고 보다 전통적인 기업이 리소스 매칭 도구를 혁신하고 데이터 기반 방식으로 리소스 최적화를 달성하며 비용을 크게 절감하는 데 도움이 될 수 있습니다.
금융 분야에서 종합 AI 플랫폼을 구축하고 발전시키겠다는 생각과 마찬가지로, 물류 분야에서도 종합 AI 플랫폼을 계속해서 풍성하게 만들어 나가길 바랍니다. 특히, 중소 물류기업의 경우 MARO 플랫폼을 비롯한 물류분야 일반 AI 플랫폼을 직접 활용해 AI 지능형 비즈니스 시스템 구축 과정을 획기적으로 단축하고 후발주자를 형성할 수 있을 것으로 기대된다. 이점.
금융분야의 일반 AI 플랫폼이든 물류 분야이든 AI가 존재하는 애플리케이션 '포인트'를 기반으로 개발된다. 최고. 인간 지능의 보조자로서 인공 지능은 복잡한 문제를 분석하고 해결할 때 기업 의사 결정자를 놀라게 하는 능력을 입증하기 위해 짧은 기간의 학습 및 디버깅만 필요합니다. 다양한 산업에서 핵심 애플리케이션 '포인트'를 차례로 찾으면 AI를 사용하여 모든 기존 산업을 지점별로 점차적으로 '개방'할 수 있습니다.
동시에 우리는 더 많은 AI 결정을 Microsoft의 제품 시스템에 통합하기 위해 Microsoft의 제품 부서와 적극적으로 협력하고 있습니다. 앞으로 AI는 다양한 산업 및 시나리오와 더욱 긴밀하게 통합되어 모든 기업과 산업이 AI 시대로 완전히 전환되도록 이끌 것입니다.
1 Microsoft AI 정량적 투자 플랫폼 - Micro Mining Qlib: /microsoft/qlib
2 Microsoft 다중 에이전트 자원 최적화 플랫폼 - Group MARO ：/microsoft /마로