1. 5G时代，手机存储的内存达到多少才合适
在5G时代，手机存储了多少内存？存储设备的写入速度能保持在5G吗？在5G时代，对本地存储的需求将会减少，云存储将会占主导地位，存储和计算需求会转移到云中吗？这些热点问题都在5G时代。许多工程师正在考虑存储是否能满足新通信设备的需求。
虚拟现实、无人驾驶、高清直播和远程医疗等5G应用都要求存储系统具有更高的性能和更低的时间延迟。网络存储系统必须跟上业务发展的步伐，以便为用户提供更好的体验。通过卡插槽扩展内存的比例已经达到90%以上。中国是平均容量最大的地区，中国的手机平均容量达到75.6GB，北美的平均内存达到64GB。作为存储的先锋市场，中国手机市场4GB 64GB将成为最低门槛，6GB 128GB将成为主流。
2. 分布式存储是什么
中央存储技术现已发展非常成熟。但是同时，新的问题也出现了，中心化的网络很容易拥挤，数据很容易被滥用。传统的数据传输方式是由客户端向云服务器传输，由服务器向客户端下载。而分布式存储系统QKFile是从客户端传送到 N个节点，然后从这些节点就近下载到客户端内部，因此传输速度非常快。对比中心协议的特点是上传、下载速度快，能够有效地聚集空闲存储资源，并能大大降低存储成本。
在节点数量不断增加的情况下，QKFile市场趋势开始突出，未来用户数量将呈指数增长。分布式存储在未来会有很多应用场景，如数据存储，文件传输，网络视频，社会媒体和去中心化交易等。因特网的控制权越来越集中在少数几个大型技术公司的手中，它的网络被去中心化，就像分布式存储一样，总是以社区为中心，面向用户，而分布式存储就是实现信息技术和未来因特网功能的远景。有了分布式存储，我们可以创造出更加自由、创新和民主的网络体验。是时候把因特网推向新阶段了。
作为今年非常受欢迎的明星项目，关于QKFile的未来发展会推动互联网的进步，给整个市场带来巨大好处。分布式存储是基于因特网的基础结构产生的，区块链分布式存储与人工智能、大数据等有叠加作用。对今天的中心存储是一个巨大的补充，分布式时代的到来并不是要取代现在的中心互联网，而是要使未来的数据存储发展得更好，给整个市场生态带来不可想象的活力。先看共识，后看应用，QKFile创建了一个基础设施平台，就像阿里云，阿里云上面是做游戏的做电商的视频网站，这就叫应用层，现阶段，在性能上，坦白说，与传统的云存储相比，没有什么竞争力。不过另一方面来说，一个新型的去中心化存储的信任环境式非常重要的，在此环境下，自然可以衍生出许多相关应用，市场潜力非常大。
虽然QKFile离真正的商用还有很大的距离，首先QKFile的经济模型还没有定论，其次QKFile需要集中精力发展分布式存储、商业逻辑和 web3.0，只有打通分布式存储赛道，才有实力引领整个行业发展，人们认识到了中心化存储的弊端，还有许多企业开始接受分布式存储模式，即分布式存储 DAPP应用触达用户。所以QKFile将来肯定会有更多的商业应用。创建超本地高效存储方式的能力。当用户希望将数据存储在QKFile网络上时，他们就可以摆脱巨大的集中存储和地理位置的限制，用户可以看到在线存储的矿工及其市场价格，矿工之间相互竞争以赢得存储合约。使用者挑选有竞争力的矿工，交易完成，用户发送数据，然后矿工存储数据，矿工必须证明数据的正确存储才能得到QKFile奖励。在网络中，通过密码证明来验证数据的存储安全性。采矿者通过新区块链向网络提交其储存证明。通过网络发布的新区块链验证，只有正确的区块链才能被接受，经过一段时间，矿工们就可以获得交易存储费用，并有机会得到区块链奖励。数据就在更需要它的地方传播了，旋转数据就在地球范围内流动了，数据的获取就不断优化了，从小的矿机到大的数据中心，所有人都可以通过共同努力，为人类信息社会的建设奠定新的基础，并从中获益。
3. 求江湖论剑实录剧照原图资源~高清的最好，谢谢！！
https://photo..com/photo/wap/albumShare/invite/gLtIhKOfPd?from=zdJHLJSLJZ
点击链接-查看所有图片-打开一刻相册-可批量下载/无限存储
江湖论剑实录剧照，整理了个资源包，求采纳！
4. PLC SSD亮相闪存市场峰会，它有哪些诱人之处呢
美国时间，2019年8月6日至8日，深圳市易斯托尔微电子有限公司将一系列产品带到2019年美国闪存峰会上，并发表了精彩演讲进行分享。作为生产优质闪存控制芯片的重要制造商之一，得一微电子多次参加此次盛会，并赢得了国际认可。
随着该芯片的曝光，得一微电子公司将正式进入移动固态硬盘存储的热门市场。在闪存领域现阶段，整个移动固态硬盘还是处于爆发的早期阶段，并将逐步取代移动机械硬盘。得一微电子凭借其积累的深厚研发实力，已经能够稳步发布新产品并进入这个市场。得一微电子对这一市场前景非常乐观。预计需求将会激增，整个市场的年出货量将达到数千万颗以上。
5. Web3.0中国峰会暨分布式存储行业大会隆重举行
11月11日-15日，Web3.0中国峰会暨分布式存储行业大会（以下简称“峰会”）在深圳福田会展中心隆重举行。峰会作为2020中国国际高新技术成果交易会（以下简称“高交会”）的重要组成部分，汇聚了众多领军人物、企业代表、专家学者、权威媒体人等，同时共享高交会来自智能 科技 、互联网、物联网、人工智能、大数据、新基建等行业超40万名专业观众。
深圳麦客存储 科技 有限公司（以下简称“麦客存储”）作为分布式存储十强企业及区块链二十强，荣幸受邀参会。麦客存储首席商务官朱颂先生出席峰会，发表“铸就存储产业新生态，加速新动能崛起”主题演讲，并参与“区块链分布式存储之生态路在何方”圆桌论坛。
铸就存储产业新生态
朱颂表示，数据时代即将到来。以后的人类 社会 ，数据是如同当今石油等一般的重要战略资源之一，势必会被各利益集团所争夺。在未来， 算力是能源，算法是法则，而存储就是土壤 。
区块链被公认为是对生产关系的变革，可以大幅拓展人类协作的广度和深度，从而推动“信息互联网”向“价值互联网”变迁。它也被认为是未来发展数字经济、构建新型信任体系不可或缺的技术之一，而区块链分布式存储是其中极为重要的一部分。
未来区块链分布式存储将在数据管理、保护等方面发挥更加积极的作用，成为大国重器和数字产业生态的系统构建与新基建的重要引擎。
麦客存储牢记使命，坚守担当，在推动传统存储产业革新的同时，积极与不同领域企业携手创新，加快落实区块链分布式存储在产业链中的实际应用、融合应用，发挥新技术先进优势，形成产业新生态。
主题演讲完毕，朱颂接受多家行业权威媒体采访，以下为问答实录：
问
区块链分布式存储相较于其它存储技术有何创新之处？都有哪些优势？行业现状如何？
区块链分布式存储结合了区块链技术的优势，相较于传统中心化存储技术，有下载速度快、数据安全性高、存储成本低廉、数据留存时间长、可溯源、消除冗余文件等众多优势，被广泛认可为构筑Web3.0的基石。
答
新基建和“十四五”对于区块链分布式存储行业发展都是利好政策，国家也多次颁发相关政策引导尽快培育数据市场。现在的行业正在快速发展期，整体欣欣向荣，麦客存储积极推动应用落地与生态建设，为行业做出实际的贡献。
问
麦客存储广东分布式存储数据中心部署情况如何？麦客存储推出“麦客星际中国”计划，并在推动“2+1”上市规划，现在进展如何？
麦客存储将斥资2.5亿元人民币收购广东分布式存储数据中心，目前部署顺利，已启用。
答
截至11月13日，麦客存储已成立多家银河系公司、太阳系公司、地月系公司。九月以来，“麦客星际中国”全国巡回峰会成功召开了36站。11月7日，麦客存储正式启动新加坡上市工作。
问
麦客存储在行业内处于什么地位？核心优势有哪些？
麦客存储持续处于业内领先地位。
答
麦客存储在区块链分布式存储行业最大的优势是集合全产业链于一体，深度融合供应链上下游，拥有多个数据中心、自建存储服务器生产工厂，且非常注重自主技术的研发，并在行业内深耕多年。无论是在存储服务器的硬件质量控制、性价比、数据中心运维、降低经营成本、合作渠道等方面都有着不小的优势，也是麦客存储核心竞争力所在。
构筑Web3.0
“互联网+”的魅力毋庸置疑，电子商务与各种云平台、云服务大行其道，精彩纷呈的网络世界无疑已成为人类 社会 的重要部分。但是，现行网络已经愈发难堪当今 社会 的实际需求， 数据确权、隐私保护、权益保护如同三座大山一般横亘在互联网上 。
站在千禧年后第一个二十年末，我们发现互联网亟需进化，刻不容缓。首先，要改造一样事物，了解它的发展历程非常有必要，现在的专家学者们普遍认同将互联网分为三个时代，我们或将进入Web3.0时代。
Web1.0
以静态、单向阅读为主，网站内信息可以直接和其他网站信息进行交互，能通过第三方信息平台同时对多家网站信息进行整合使用。代表为新浪，搜狐，网易三大门户。
Web2.0
以分享为特征的实时网络，用户在互联网上拥有自己的数据，并能在不同的网站上使用。（即现行网络）
Web3.0
将以网络化和个性化为特征，提供更多人工智能服务，完全基于Web，用浏览器即可实现复杂的系统程序才具有的功能。
Web3.0尚未正式诞生，现处于初级阶段，难以完全准确定义，但公认可以实现万物互联的美好畅想，代表着下一个时代的需求。 在Web3.0中，信息自由交互，价值自由流通。数据和价值都属于用户，而不是提供服务的公司。
分布式存储成刚需
无论是Web 1.0还是Web 2.0，因为运营服务的中心化总是或多或少地带来透明度和信任的问题，但是这一问题可以通过数据权益通证化、数据确权与授权的区块链技术应用来得到解决，这个过程完成之后，Web3.0时代也将来临。在这个实现的过程中，区块链分布式存储将发挥举足轻重的作用。
分布式相对于中心化来说，更稳定、抗风险能力更强、消耗更低、更公平、更透明、更简单。
事实上，分布式思想已经在我们的工业、科学等众多方面应用非常广阔。
去中心化的准确描述应该是多中心，或者说是没有唯一的中心控制的弱中心，去中心不代表着没有中心，而是把机会拉平，每个寻常的节点都有可能成为中心，如同每个普通美国人，都有可能成为美国总统。
加速新动能崛起
因5G、云计算、人工智能等为代表的一批高新技术蓬勃发展，数据存储需求爆炸式上升，区块链结合分布式存储带来的是一种全新的技术想象，一种突破传统的海量数据存储模型，是一次革命性的颠覆浪潮。
近日，国家广播电视总局办公厅印发《国家广播电视总局办公厅关于印发区块链技术应用系列白皮书的通知》。白皮书中多次提及IPFS、区块链分布式存储，肯定了IPFS的应用价值与技术优势，并就如何利用IPFS等新技术打造融媒体中心等做出详细介绍。区块链分布式存储的重大价值显露无疑。
麦客存储作为区块链分布式存储领域先驱引领者，重视技术协同、生态融合，推动多项技术的构建，致力于区块链分布式存储与5G、大数据、云计算、物联网、人工智能等产业深度融合协同发展，助力传统企业转型升级，加速新旧动能转换，为数字化时代的发展做出贡献。
6. 常用的线上峰会直播平台是什么
常用的线上峰会直播平台有很多：例如可以使用欢拓云直播。对于峰会直播来说，建议找第三方直播平台来做，团队对于设备和执行都有丰富的经验。欢拓十多年来就一直专注于音频、视频的采样、编码、后处理及智能传输等直播核心技术的研究，其产品线涵盖教育、金融、电商、会议、培训、大会、医疗等全行业直播场景，专业性值得信赖。拥有多个大型国际峰会直播执行和服务经验。
7. 国内有哪些值得一去的科技峰会
凭借在服务器、存储、超融合、工作站和PC，以及虚拟化、云计算、应用开发等关键领域的领导地位，戴尔科技集团以雄厚的技术实力与全面的解决方案为企业的数字化业务和IT革新提供至关重要的基础架构，并持续深化混合云、智能制造、人工智能和VR/AR四大生态系统的建设，助力企业全面就绪数字化未来。
8. 紫晶存储的光盘摆渡机系统如何
还挺不错的，很耐用，能够实现在物理隔离的两个网络之间安全地、单向地传输数据。
9. 五大赛道、八位专家，银行局中人眼里的AI江湖
谁说大象不能跳舞？
2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。
踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。
在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。
没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 “银行业AI生态云峰会” 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。
数据安全与隐私保护
银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。
在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？
雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”
平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”
一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。
小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。
虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。
数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？
在“银行业AI生态云峰会”第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：
在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。
而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。
联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。
AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。
银行数据库
以“数据”为线，银行前中后台的升级轨迹清晰可见。
如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。
这当中的一个重要模块，就是 银行数据库 的改造升级。
我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。
由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）
但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。
而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。
腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。
中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。
这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。
在“银行业AI生态云峰会”上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。
以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。
但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。
中台建设
“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。
银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。
在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。
中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。
建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。
尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。
因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。
为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。
如何构建金融机构需要的数据中台？
在“银行业AI生态云峰会”上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：
金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。
他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。
基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。
张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。
银行信贷智能风控
而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。
关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）
而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。
尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。
某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。
前网络金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。
王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。
“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：
他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”
数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。
从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。
在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。
RPA与内部流程优化
还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。
RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。
如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。
达观数据联合创始人纪传俊 在“银行业AI生态云峰会”上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。
AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。
以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。
建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。
农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。
中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。
纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：
例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。