金融业 AI 大模型智算网络 研究报告 北京金融科技产业联盟 2025 年 5 月 I 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 II 编制委员会 主任： 聂丽琴 编委会成员： 吴仲阳 张 勇 张志鹏 李建高 成晓强 编写组成员： 陈 鹏 余学山 载力、数据存储力于一体的新型生产力”，针对网络运载力提出 “优化算力高效运载质量、强化算力接入网络能力、提升枢纽网 络传输效率、探索算力协同调度机制”的重点任务，明确通过“算 力+金融”加快算力在金融领域的创新应用，为金融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 升大规模训练效率的重要支撑。 本文深入分析 大模型智算网络“高性能连接、高效率 传输、高可维网络、高安全保障”等关键技术进行研究，提供一 套适应金融特征的覆盖数据中心、骨干及分支的 AI 智算网络技 术方案。结合行业业务及技术发展方向，将金融业 AI 智算网建 设演进划分为打造底座、构建系统、完善生态 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥

金科创新社 金科创新社 金科创新社 金科创新社 金科创新 前言 在数字经济时代，数据作为新型生产要素、算力作为核心生产力，正深刻重塑金融业发展格局。数 据中心作为金融数字基础设施的核心载体，不仅是业务稳定运行的基石，更是驱动创新、赋能转型的重 要引擎。随着金融业务线上化、智能化、场景化程度的不断提升，数据中心的架构设计、运营模式与技 术能力也面临着前所未有的挑战与机遇。 近年来，金融数据中 供电 等创新实践不断涌现。同时，在自主可控的战略要求下，数据库国产化、芯片替代、软硬件适配等工作 稳步推进，构建安全、可信、高性能的金融 IT 底座。 《2025 金融业新一代数据中心创新发展案例集》系统梳理了近年来金融业在数据中心领域的创新 实践与典型成果，涵盖“数据中心智能化与云化升级、灾备与多活数据中心建设、数据库国产化实践、 数据库迁移与运维管理、智能运维与 AI 应用、云网融合 中国人民银行《金融科技发展规划（2022-2025 年）》（以下简称《规划》）明确提出，要加快 构建自主可控的金融业关键信息基础设施安全体系，全面提升金融业关键软硬件基础设施的安全保障能 力。2025 年是《规划》的收官之年，也是金融科技迈向深化发展、提质增效的关键阶段。面对新一轮 技术革新与日益严格的监管要求，数据中心作为金融业的核心基础设施与竞争力载体，必将持续演进、 不断突破创新。本案例集旨在凝聚行业智慧，推

例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带 来 3 万亿元规模的商业价值增量。 当前，金融机构主要将大模型应用于业务场景 简单的非决策类环节，而在核心决策环节应用大模 型仍面临较大挑战。从业务流程角度，大模型已开 出等环节，并在部分任务场景中与传统 AI 互补协 作以提升效率。 （二）展业流程角度 ：大模型正在赋能金 融业务各细分环节 大模型在非核心决策业务环节中已有落地应用且 已能创造一定的业务价值。本文将金融业务流程拆解 为营销运营、分析决策、中后台运营支持（见图 2）。 在营销和运营环节（包括面向客户的营销获客、 产品推介、客户运营等），大模型能够较好地赋能 前台对客环节，提升展业质效。一方面，大模型 大模型 难以胜任 （直接对客） 智能客服 （间接对客） 赋能服务顾问 Co-pilot 数据收集 整理、读取 分析决策 决策结果 输出 风险管理 交易执行 IT/行政/HR 业务流程×金融业务 营 销 和 运 营 分 析 决 策 中 后 台 运 营 资料来源：蚂蚁研究院，OpenAI官网，中金公司研究部 整理多模态数据 生成合成数据 整理多模态数据 征信报告解读 信用评估、定价、

2023 年 - 至今 引言： IT 电子化→互联网金融→ AI 金融，金融与科技融合持续深 化 互联网金融 — — PC 专业财经频道、财经网址兴起，成为金融业 “ 门面” 数据来源：艾瑞咨询 ，东吴证券研究所 金融信息化 技术作为业务基础设施，未能进入核心领域 科技从后台支持的位置走向前端，进入金融业务 核心环节 AI 成为金融公司业务发展核心力量，甚至发展 为企业主营业务，渗透率不断加速 AI 金融 互联网金融 APP l 回顾与展望“科技 + 金融”三个时代： 息变革传统金融渠道 ， 和讯网、 金融界、 证券之星等垂直财经网址厚积薄发 ， 而在移动互联 网时代 ，依托流量实现金融业务中的资产端、 交易端、 支付端、 资金端的互联互通 ，东方财富、 同花顺和华泰证券大放异彩。 3 ） AI 金融： 科技辅助脑力 劳动。 大量原有的金融业务通过大数据、 云计算、 人工智能、 区块链等新技术来改变传统的金融信息采集来源、 风险定价模型 ， 金融科技资金投入年均复合

目录 目录 03 02 量子计算对金融业的挑战与应对 04 05 同业实践 量子计算优势 金融业新机遇 量子计算特性及技术路线概览 01 回顾历史算力革命 3 算盘 （约东汉时期） 巴贝奇的差分机 （1821年） ENIAC （1946年） 英特尔4004处理器 （1971年） 亚马逊AWS云计算 （2006年推出） 人工算力时代 远古~约16世纪 *猫量子比特技术：这种以薛定谔著名思想实验命名的量子比特，利用量子谐振器的相干态作为逻辑状态，对环境中的某些类型错误具有天然的抵抗力 目录 03 02 量子计算对金融业的挑战与应对 04 05 同业实践 量子计算优势 金融业新机遇 量子计算特性及技术路线概览 01 量子计算vs经典计算：实现算力突破 9 量子计算 经典计算 （以GPU 并行计算为例) 量子比特（Qubit）：0、1 航空航天 优化设计与技术突破 材料科学 加速新材料研发 金融行业 优化风控与投资决策 信息安全 构建量子安全体系 目录 03 02 量子计算对金融业的挑战与应对 04 05 同业实践 量子计算优势 金融业新机遇 量子计算特性及技术路线概览 01 量子算力突破对加密算法的冲击 12 采用 单一密钥 进行“加密-解密”；AES（高级加密标准）支持128位、192位、256位密钥长度

金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 构 技术资金投入预计将超过 2023 年系统年中工作座谈 会 资料来源：新华社、华西证券研究所 4 u AI+ 金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业 务高质量发展的一系列配套解决方案。 u Al+ 金融更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率， 带来整个产业的全面升级。 与者。 传统金融机构：具有较好的客户和数据基础；对业务具有更深刻的 理 解；金融牌照相对齐全。 互联网公司：拥有较好的客户和数据基础；研发和创新能力较强； 但 在特定的金融业务上仍然缺乏经验。 人工智能技术公司：独立的技术研发和创新能力是最大的优势；但 在 数据、客户资源和具体业务场景应用上大多依赖于第三方合作机 构。 u AI+ 金融产业链包括三层：其上游为基础层，中游为技术层，下游为

2010-2017 年 2017 年 - 至 今 二十一世纪 随着各项技术的日益成熟 , 有 22.1% 的企业紧跟时代潮流 , 使用先进的 AI 技术结合行业实际打造智能客服系统。 其中金融业占比 8.7% ，智能客服已经逐渐成为金融机构关注的重点。 88.2% 49.2% 38.4% 22.1% 智能客服既是客服的趋势，也是客服产业市场的重要拼图 住宿和餐饮 建筑与房地产 各行业智能客服应用情况 拥有智能客服的企业 有客服业务的企业 建设云客服的企业 4.5 4.3 3.7 3.5 自建客服的企业 数据来源： T 研究 2020/05 金融业 6.1 5.2 8.7 13.5 16.5 17 会话量大，期望智能客服降低坐席人员压力 需要 7x24 小时服务 期望建立覆盖售前到售后的全服务体系 传统客服系统无法同时处理在线和通话服务 京小科智能客服场景化解决方 案 电话营销场景（理财 / 贷款 / 存款产品业 务） 电话催收场景（信用卡 / 个人信贷业 务） 智能终端交互场景（网点大厅业务） 多媒体客服场景（线上金融业务） 移动交互场景（移动金融业务） 电话客服场景（电话金融业务） 智能导航 在线客服 智能质检 电话客服 语音导航 电话客服 语音机器人 坐席辅助 电销机器人 智能质检 导航机器人 电话客服 语音呼叫

商品组合 不完全列举 集团 V5 三期工程 © 公司机密 从金融业务角度，为实现集团“金融服务平台”与“利润支柱之一”的战略定位 要求，须着力推进产融协同、发展主要金融业务 金融 业务 中心 “ 一个中心” “ 两个定位” “ 六种核心业务” “ 五项发展举措” 金 融 服 务 平 台 利 润 支 柱 之 一 集团对金融业务采取战略偏财务的管控 模式。因此，集团层面重在了解利润贡献与协同服务情况。 模式。因此，集团层面重在了解利润贡献与协同服务情况。 增强金融服务竞争力 优化金融业务运营 实现利润创造 • 为集团内部客户提供资金、结算等 各种金融服务的情况如何？满意度 如何？ • 为集团其他业务外部客户提供金融 服务的情况如何？满意度如何？ • 金融业务单元的利润回报怎样？ • 主要金融业态的综合运营情况如 何？ • 金融投资情况如何？风险如何？ 盈利贡献 内部运营 不完全列举 集团 V5 三期工程 三期工程 © 公司机密 利用集团管理驾驶舱，将着力围绕金融业务上述发展与管控要求，建设相应 的分析场景，支持集团领导层的管理与决策 基于上述理解，我们将着力通过对金融业务盈利与协同服务、综合化运营的综合分析来支持集团领导对金融业务 的战略管控型决策需求。 财务 金融 业务 盈利 贡献 集团内部客户金融服 务概况 主要业态综合运营概 况 集团其他业务外部 客户协同服务概况 金融投资运作情况

2023 年 - 至今 引言： IT 电子化→互联网金融→ AI 金融，金融与科技融合持续深 化 互联网金融 — — PC 专业财经频道、财经网址兴起，成为金融业 “ 门面” 数据来源：艾瑞咨询 ，东吴证券研究所 金融信息化 技术作为业务基础设施，未能进入核心领域 科技从后台支持的位置走向前端，进入金融业务 核心环节 AI 成为金融公司业务发展核心力量，甚至发展 为企业主营业务，渗透率不断加速 — — A I 金 融 互联网金融 APP l 金融行业科技投入逐年提 n 与基础大模型相比，金融行业大模型结合金融 业务场景特征与数据资源，在专业度、业务模 型输出能力、场景适配度与成本把控等方面优 势较为明显。 n 随着行业大模型的不断涌现，未来将有更多的 金融业务板块与细分场景被模型能力覆盖。 ... ... 通用算法 行业算法 场景模板 ... ... 通用大模型 7 大模型服务

业分工：由于产融分离/持 牌经营等要求、同时金融机构出于自身投入/技术储备等方面的考量，AI浪 潮下金融机构与科技公司或将形成更加紧密的“竞合”关系；2）内部对 比：不同机构之间最终比拼的是谁能在金融业务中更好地使用AI并提升竞 争力——金融机构需结合重点业务场景、在大模型应用在发挥自身金融专 长，互联网平台通过AI加持提升流量和用户粘性、与金融机构深入合作提 升货币化转换，持牌金融科技公司聚焦自身擅长业务领域、通过AI扩大领 计算并得到结果，财富及资管领域分析决策中仍有较多主观因素影响，且产品服务的不确 定性相对较大，AI 大模型能够提升决策效率，使得财富资管决策多元化，提升市场有效 性。因此，我们认为，相较于保险、信贷、支付等金融业务，AI 尤其是 AI 大模型对财富 管理及资产管理的赋能空间或更大。 ► 对比财富及资管行业的各个环节，营销获客、客户运营、产品推介、投资投研四个环节 中 AI 或有更大应用空间，其中尤其 台、创业公司等主体，探讨 AI 对行业格局的潜在影响。整体而言，我们认为，AI 浪潮下科技 公司与金融机构将形成更加紧密的“竞合”关系，不同机构最终比拼的是谁能在金融业务中更 好地使用 AI 并提升竞争力，其核心仍是金融业务驱动、找准客群定位、夯实专业能力，我们 看好具备牌照资源/金融专长/业务场景/数字能力的头部金融机构及金融科技公司、同时部分中 小公司亦或在部分垂直领域实现突破。