金融业AI基础设施发展报告（2024—2025年）

一、总述

• 研究背景：政策层面，国家密集出台政策支持算力基础设施建设，优化布局，推动绿色低碳发展；行业层面，AI技术深度融合金融行业，算力需求激增；技术层面，开源技术推动金融数字基础设施自主创新，但存在技术路线分散、关键技术难度大等问题。
• 现状分析：国外AI芯片产业以英伟达和AMD为主，国内则以海光、天数智芯、华为昇腾等为主。金融机构主要采用英伟达GPU技术路线，但面临政策要求、芯片工艺迭代、AI芯片技术发展等挑战。
• 研究目标：助力金融业绿色数据中心建设，提升能效比和能算比；优化金融业AI算力平台能力，提升算力资源利用率和可扩展性。

二、推进AI基础设施建设优化

• 绿色环保：通过高密AI服务器、液冷服务器/机房、能源供应优化等方式，提升AI基础设施能效比和能算比。
• 存网算协同：通过存储协同、网络协同、计算协同，优化数据处理流程，提升系统整体性能。
• 云数智融合：通过一云多算、云智融合，实现数据高效处理、分析和利用。
• 安全可靠：从基础设施安全、模型安全、数据安全等方面，保障AI基础设施安全可靠运行。

三、金融业AI基础设施建设优秀案例分析

• 中国工商银行：建成千卡规模自主可控AI算力云，实现算力分钟级弹性分配，算力集群规模最大，打造绿色低碳基础设施。
• 中国光大银行：云平台AI算力创新实践，实现GPU资源池化、资源动态伸缩等。
• 中国人保：大模型智算液冷实验室建设，采用双冷源单机柜，PUE优化至1.06。

四、存在问题

• AI芯片采购选型难度高，缺乏统一评估标准，测评工作耗费大量人力物力。
• AI芯片间难以无缝衔接，模型迁移和联合训练存在困难。
• 机房建设存在较大挑战，传统机房难以满足高密AI服务器需求。

五、发展展望

• AI基础设施建设将更加关注能耗比和能算比的提升、供应链的稳定、基础设施的安全等。
• 亟须制定AI芯片统一测试方法、推动厂商统一驱动接口、研究机房建设方案。
• 组织金融机构开展量子计算和光学计算等前沿技术研究，为后续基础设施建设转型提供参考建议。