十几年来，蚂蚁金服一直在解决用技术重塑金融服务的问题，在解决这个问题的过程中涉及到两个方向的技术领域，第一就是解决怎么把钱从一个帐户移到另一个帐户，这个过程中出现海量、安全、可用性问题怎么解决，我们的答案就是多地容灾、高可用的分布式架构；第二，新的数字金融时代到来，如何更多更好的利用数据驱动业务发展，也就是数据智能技术。本文将会分享蚂蚁在数据智能方面的一些进展，以及我们的思考。
首先，我们看一下金融数据智能有哪些需求，和传统的大数据有什么不一样的地方：
实时性要求高，实时数据以两倍以上的速度增长，在线决策越来越多，不再是把数据离线做决策再部署到线上；计算场景复杂多样，以前可能是一个简单的聚合，逐渐进化到用规则做决策，基于图、基于机器学习等决策，整个计算的形式越来越多样化；数据链路长，研发调试效率低，当你要做全链路数据研发的时候，从头到尾会经历十几个系统，对整体的数据研发提出了很大的挑战；计算及存储高可用，包括跨城市的容灾，高可靠的计算服务；数据安全、监管合规、风险防控，需要做严格的数据安全和隐私保护，特别在监管层面要合规。
过去十几年，计算技术不断演进，从大规模数据仓库批计算，到实时计算和流计算，再到交互式分析，一方面能解决一部分问题，另一方面给我们带来了新的挑战。比如，多种计算模式带来多次研发的效率问题，多套系统带来多样存储需求的成本问题，以及不同容灾和数据安全要求带来的复杂度问题等。
为了解决计算多样性带来的问题，我们需要一个更为开放的计算架构。
蚂蚁金服开放计算架构
做一套系统解决一切问题是技术人员很自然的想法，但难点是怎么定义这个系统的边界。我们认为，计算和业务本身是紧密连接的，业务的需求变化很有可能需要探索越来越多的计算模式。所以我们的实践是这样的开放计算架构，它在不同层面上做了统一，以兼容不同的计算模式。
首先是统一存储层，将各个存储系统打通进行数据共享，这样一来就可以根据计算需求做定制化的优化，内部数据自动回流。
第二是统一数据安全规范，在统一存储上实现统一元数据管理及接入，并且数据血缘互通，统一鉴权及数据访问权限体系，统一数据安全等级和隐私保护体系。
第三是统一编程模型，基于标准SQL和扩展，做业务研发的时候面对的是下层抽象出来的数据，真正做面向数据的编程，不需要
