重塑AI时代算力“芯”标准,推动金融AI规模化落地

海光信息金融事业群

总经理 李一昂

面对金融AI应用对实时性、稳定性与计算精度的严苛要求，传统的单一算力架构已捉襟见肘。尤其当AI智能体走进金融业务一线场景，用户正迎来复杂工作流、高并发推理等多重挑战，亟需构建起一个高效稳定的计算底座，支撑起模型、数据、应用的协同运行闭环。

比如在智能风控场景中，一次业务请求需要连续完成数据处理、规则执行、模型推理、结果返回和业务处置。金融AI的核心不再只是跑通模型，更在于模型与既有业务系统持续协同。

为此，海光依托高端通用处理器CPU和人工智能加速器DCU产品矩阵，打造出业内独有的“双芯协同”算力范式，为金融AI提供了完整的异构计算（通算+智算）体系支撑。CPU负责统筹调度、复杂工作流编排与知识库调用，稳固核心交易与合规底线，如同智能体的“神经中枢”；DCU则发挥其在并行计算方面的强大优势，专注于大模型的高效推理与训练，可显著降低Token成本与能耗，为智能体的实时响应提供澎湃的“动力引擎”。

这种组合并非简单的硬件堆砌，而是从“单点算力供给”到“系统能力输出”的关键跃迁。目的是让金融机构能在高效协同的算力底座上，既稳住传统核心业务的基本盘，又打开AI创新应用的新空间，从根本上解决智能体时代多样化负载对算力资源调配的复杂需求。

如果说双芯协同为金融AI提供了“最强大脑”，芯片内生安全则成为智能体应用的“可信心脏”。尤其对于数据敏感度较高的金融领域，信息安全攻防战必须从硬件层构筑起坚实防线。

过去，传统安全方案多在系统应用层“打补丁”，面对层出不穷的新型攻击手段往往疲于招架。为此，海光将安全能力从传统软件层或外挂设备，下沉内嵌至芯片架构层，通过在CPU内部独立集成安全处理器，实现对机密计算、可信计算等安全技术的原生支持。

这种模式正在让算力安全变得“透明”且“主动”，并且有效避免了外置安全设备成本，无需以牺牲计算性能为代价，便可为上层应用提供坚如磐石的信任根。

同时，基于内生安全理念进一步推出了“机密Token”方案，利用CPU的CSV（安全虚拟机）技术与DCU协同，构建出硬件级的隔离执行环境，让用户的敏感数据从产生、传输到计算始终处于加密状态，甚至连云服务商都无法窥探其内容，数据流转全程“可用不可见”。

这相当于为金融智能体装配了一个芯片级的“安全黑箱”，从根本上化解了金融机构核心数据在AI计算流程中的泄露风险，让金融AI应用真正敢于处理高敏感核心业务。

构建可信算力底座，最终目标是为了赋能千行百业，真正在实际应用场景中规模化落地。当前，金融AI应用需要兼容多种AI框架（如PyTorch、TensorFlow）和硬件平台，而自主可控算力生态相对离散，软件工具链存在差异，金融用户的开发、调试和部署应用体验亟待提升。

为了进一步打破金融AI应用生态壁垒，海光持续加码“开放协同”的产业生态布局，一方面依托光合组织构建从芯片、整机、软件到应用的全栈生态链和创新链，另一方面积极开放HSL总线互联协议，共建AI软件栈体系，助力用户和伙伴推进增量开发，提升应用效能。

目前，海光DCU凭借自研DTK软件栈，全面兼容主流AI软件生态，已成功完成400余款大模型适配，可支撑金融机构快速落地智能客服、投研分析、智能风控、合规审查等AI场景。用户可以灵活选择最优模型与工具链，在海光计算平台获得无缝适配、开箱即用的应用体验。面向智能风控的实时性、高并发与复杂模型计算需求，海光DCU可以为多模型并行推理提供高性能智能算力，让风险识别更实时，让业务决策更精准；在核心交易场景中，海光CPU可大幅降低核心应用迁移与适配复杂度，保障金融核心业务系统连续长稳运行。

金融科技的下一程，必将是“AI+金融”大放异彩的时代。而金融AI应用落地的关键，在于是否拥有自主、安全、高效且开放的算力支持。面向未来，海光将继续夯实自主可控算力根基，并在生态层为金融AI应用架桥铺路，携手更多行业用户和产业链伙伴共赢AI时代先机。