一家银行买了75P算力,为了8个AI助手

2025年，浦发银行做了一件在金融圈颇为罕见的事：把采购算力的理由，直接写进了招标文件。

原话是这样的："为紧跟金融科技创新技术发展动态，加快推动业务场景落地，推进大模型基础设施建设及八大助手应用场景，拟开展异构算力设备采购。"

八大助手。

这个词在采购文件里一闪而过，却让人停下来想了很久。

一、75P算力是什么概念

先说算力这个数字。

浦发分两批采购：7月一批 60P（其中训练算力 30P + 推理算力 30P），9月再追加 15P 推理算力。合计 75P。

P 是 PetaFLOPS，每秒千万亿次浮点运算。75P 大约是什么量级——用来对比：ChatGPT 早期版本的训练集群大概在数百 P 的量级，一家中型互联网公司的大模型基础设施大约 10-30P。

浦发这 75P，是拿来"推进八大助手应用场景"的。换句话说，不是为了训练一个全新的大模型，而是为了把大模型跑起来、用起来，支撑具体的业务场景。

这是 2025 年金融机构买算力的主流逻辑：不比谁的模型大，比谁的场景多、跑得稳。

浦发没有在采购文件里列出完整清单，但从同期的其他采购公告里可以拼出大半张图：

1. 智能运维助手
2025年11月，浦发单独为这个助手发了一个招标项目：基于企业级 AI 平台，构建"智能问答、智能排障"两大场景，涵盖"运维知识问答、作战室排障辅助、业务工单辅助处置、日志分析和异常监测"。

翻译一下：以前运维工程师凌晨三点接到告警，要自己翻文档、查日志、打电话找人；现在先问 AI 助手，让它帮你定位问题、给出排障建议。

2. 编码助手
也是 2025 年单独采购的项目，给信用卡中心开发人员用。"使用大模型技术为开发人员辅助生成代码以及回答技术问题。"

值得一提的是，这个项目流标了——第一次招标，来投标的供应商不足 3 家。市场能满足银行严格信创要求的编码助手产品，在 2025 年还极度稀缺。

3. 商圈经营助手（大概率是其中之一）
2026年初，浦发启动"基于大模型信息挖掘与动态聚类的商圈经营促交易项目"，用大模型分析商户交易数据，帮助支行做商圈拓展和促活。招标文件里提到的痛点很具体："目前无法准确区分线上交易和线下扫码支付的场景，缺少识别标识。"

剩余五个，从浦发的业务布局来看，大概率覆盖：客服/外呼助手、投研助手、合规助手、风控助手、营销助手——这是各家银行 2025 年大模型落地最集中的几个方向。

浦发这次采购有一个技术细节值得注意：招标文件专门要求"屏蔽硬件差异，实现信创算力和非信创算力的动态调度"。

这背后有一个很现实的处境——

银行要用大模型，但又有合规要求必须用信创设备（国产芯片）。问题是，目前信创 AI 芯片（华为昇腾、海光、寒武纪等）和 NVIDIA GPU 的性能还有差距，很多模型在信创上跑得慢，甚至某些算子不支持。

浦发的解法是：两种算力都买，用一个统一的调度平台让它们混着跑，哪个任务适合跑哪个设备就往哪边分。

这不是浦发一家的处境，而是当下几乎所有大型金融机构共同面对的技术难题：信创合规要求和 AI 性能需求之间的张力。它解决了，AI 在金融业的规模化落地才算真正打通了最后一公里。

浦发智能运维助手最终由"上海华讯网络系统有限公司"中标，含税价 124 万元。

这个数字很有意思——在动辄几千万的银行 IT 采购里，这是一个相当小的项目。

但它解决的问题，是每年耗费数十名工程师无数个小时的运维工单处理。如果这个助手真的能让运维效率提升 30%，124 万可能是银行 2025 年投入产出比最高的采购之一。

AI 在金融业落地的路径，正在从"大而全的平台"转向"小而准的助手"——每一个具体场景，一个专属的 AI 工具，解决一个明确的效率问题。

八大助手，是这个逻辑的具体实践。

数据来源：浦发银行公开采购公告（2025年4月-2026年1月）。"八大助手"为浦发银行采购文件原文用语，具体名单未完全公开披露，本文根据同期采购项目推测还原。