金融算力基础设施发展报告

金融算力基础设施发展报告（2024）目录一、总体情况 1（一）定义范畴 1（二）背景意义 1（三）发展概况 2二、智算变革加速金融机构数智化转型 7（一）AI应用持续催生大规模智算需求 7（二）智算中心成为我国数字基建新热点 8（三）金融业加快算力基础设施智能转型 9三、存算网协同构筑一体化金融算力网络 11（一）算力高效管理支撑算力资源高可用 11（二）先进存力应用保障数据价值化基础 12（三）网络技术创新应用促进算力互联互通 14（四）存算网协同促进算力基建一体化发展 16四、节能降碳促进金融算力中心绿色发展 17（一）金融算力中心发展面临严监管约束 17（二）新技术促进绿色低碳算力中心发展 19（三）有序推进金融算力中心绿色化发展 20五、信创提速增强金融算力产业链供应链安全 22（一）我国算力设施设备供应形势严峻 22（二）国产算力产业生态持续优化升级 24（三）金融算力信创应用加快探索与实践 25六、金融算力基础设施发展建议 27（一）加强金融算力建设统筹规划 27（二）强化金融算力关键技术攻关 27（三）引导金融业公共算力平台建设 27（四）推进金融算力基建标准化建设 28（五）营造金融算力开放发展生态 28附录：典型案例及解决方案 30一、总体情况（一）定义范畴金融算力基础设施是指（HPC）（二）背景意义一是算力基础设施作为算力、存力、运力等主要承载实体，二是算力基础设施智能化促进了传统产业数字化转型升级以及三是算力1来源：工业和信息化部等六部门发布的《算力基础设施高质量发展行动计划》。等硬件设备以及软件开发、系统集成、运维服务等软件和服务发展，促进形成上下游协同的良好产业生态。数字经济是以数字化一是促进了数字技术的研发与应用，二是为数字经济发展提当前数字金融已成为一是为数字金融提供了海量数据的高效处理能力，二是为数字金融所需的复杂计算和分析工作，如风险评估、信用评级等，提供强大的计算能力支撑。三是通过算力基础设施的监控和管理功能及时发现和处理金融系统异常情况保障金融系统的安全稳定运行，提供数据加密、访问控制等安全机制保障金融数据的安全和隐私。（三）发展概况金融算力基础设施作为金融业数字化转型的核心支撑，随着数字经济时代加快到来，目前金融算力基础设施PFLOPSEFLOPS（以下简称205年我国算力规模将超过30EFOP，智能算力占比要达到35这需要金融行业在机架规模扩大、金融业需要处过采用先进的存储技术和优化存储架构使得金融算力基础设施的存储效率和可靠性也得到了显著提升。在运载力方面，5G、6GSD-WAN、NFV总体金融发展提供更强大动力。随着技术进步和市场需求扩大，金融算力基础设施也将为金融业带来更多创新和可能性。金融算力基础设施的布局作用。在数字化时代，金融机构对于算力的需求不断增长，在建设方AI为应对潜的金融机构实现“两地三中心”布局的金随着国家2数据来源：北京金融信息化研究所面向金融机构组织的关于金融算力基础设施调研问卷，下文如无特殊说明，涉及调研数据均同此来源。AI指标，也成为大国博弈焦点。例如20212021随着人工智能尤其DeepSeek金融机构过去三年算力增长率平均约为44，而部分算力薄弱机构为缩小差距也计划在未来实现超过100算力增长以国内算力行业正迎AIAI从算力来源3当前金融算力供给CPU2030在金融算力基础设施中的应用探索正处于起步阶段但已展展为更深入和针对性探讨我国金融算力基础设施发展情3算力来源主要包括基础通用算力、智能算力、超算算力等三类，以及量子计算、光子计算等前沿算力。二、智算变革加速金融机构数智化转型（一）AI应用持续催生大规模智算需求随着人工智能时代渐行渐近，生成式人工智能（AIGC）725.3百亿次/同比增长74.1增幅是同期通用算力增幅的3倍以上市场规模为190亿美元同比增长86.9。AI算力正不断从互联网领域向不同行业数字化转型以及基础研究等领域渗透，人工智能算力需求将持续攀升，预计2030年我国人工智能算力需求将达到16206EFLOPS，约是201839052025300EFLOPS，智能算力占比达到35。近年来，随着大模型快速迭代尤其是DeepSeekTFLOPSPFLOPSEFLOPS以OpenAI的GPTGPT-3（1PFlops3640GPT-4GPT-3500DeepSeek4数据来源：国际数据公司（IDC）与浪潮信息联合发布的《中国人工智能计算力发展评估报告》。5数据来源：国家工业信息安全发展研究中心发布的《智能计算中心2.0时代展望报告》。DeepSeek2C2B（二）智算中心成为我国数字基建新热点智算中心作为我国新型基础设施的重要算法中心；工信部发布《新型数据中心发展三年行动计划（2021—2023基础设施的重要性，强调其在推动AIAI及社会治理智能化中的关键作用。市场驱动方面，自ChaptGPT求呈现井喷式增长，同时相比小模型，大模型需要大量AIAIMeta速卡、数百台高性能计算设备。在政策与市场双重驱动下，中心规模近五年年均增速达近30据统计截至2024年上25020241405GPU（三）金融业加快算力基础设施智能转型金融机构为保障安全合规多数采用了自建及私有化方式部署智算能力，据调研，85的金融在智算规模快速应用推动行业智能算力需求快速增长。据统计6，截至20232492PFLOPS，以GPU、FPGA2.36202218.05增长至43.65，远超《行动计划》对2025年智能算力占比要求的35水平。此外，据调研，有70的金融机构GPU1000TFLOPS50。在基础设施智能化方面，随着数字化转型深入，金融智能水平仍待进一步提升。根据调研显示，有85的金融（近50机构运维人员规模不足50人、6数据来源：北京金融科技产业联盟《金融科技发展指数（FTDI）报告（2023—2024）》。运维智能化不足（实现运维智能化占比不足20）等问题。三、存算网协同构筑一体化金融算力网络面向更高效、泛在、普惠、安全等金融算力应用需要，（一）算力高效管理支撑算力资源高可用CPU利用率在50以下的机构占比达87.88，其中又有近四成机构使用率在20以下。针对上述云化服务等方式探索推进算力高效利用。在资源池化方面，在异构并行方面，在智能管具和机制，促进算力资源在不同业务场景和时段的合理调配，在云化服务方面，为金融服务提供更加易用和灵活的算力支撑。据调研，70的金融机构建立了覆盖全业务系统的云平台，且70以上金融机构采用了多云策略有36.36的金融机构采用了多云管理软件进行多云管理。云服务基础也加快夯实，截至2023年末7，20041.87197.05284.18近五年云服务器和容器规模均保持40以上增速。（二）先进存力应用保障数据价值化基础数据价值年全国数据生产总量达32.85ZB，但累计数据存储总量为占比不足3未来海量数据价值挖掘需求将带来海量存储需要。同时，随着技术进步及以DeepSeekReconAnalyticsAI2028AILLM7数据来源：北京金融科技产业联盟《金融科技发展指数（FTDI）报告（2023—2024）》。机构存储资源利用率超过60的机构占比接近50，近三年存储资源增速超过10的机构占比达81.82其中增速超过30的机构占比达24.24；未来三年存储资源计划提升百分比超过20的机构占比接近70金融业存储需求十分旺盛。AI会导致GPU35。在存储产业实力方面，我国存储产业水平不断提升。从产业链看232层三维闪存芯片与SSD2023产品牌在国内市场占比达85，在全球市场占比达20。在金融业存储发展方面，当前数字金融成为主流，实时交易、8倪光南：我国数据存储产业现状、问题及对策，《中国网信》2024年第11期。FC-SAN、iSCSI、NAS、RDMA据分析和快速检索等要求更快访问速度和低延迟的金融业务场景需要，据调研显示，仅有不足10的金融机构采用纯粹传统磁盘存储（HDD），采用传统磁盘和固态硬盘混合的机构占比57.58，实现完全全闪存储的机构占比18.18；AIAI（三）网络技术创新应用促进算力互联互通随着金融业务24面向用户高在网络处理能力和数据传输能效比的高性能数据处理器（DPU）研RoCE在金融网络IPv6、SD-WAN10的金融机构网络带宽超过的机构网络带宽介于10—40Gbps，35的机构带宽介于1—10Gbps，剩余机构带宽低于有85的机构支持超过10000个并发连接；IPv6、SD-WAN70及以上，其中SD-WAN部署完成度超过75的机构占比已过半；实现算力自动化调度的机构占比超过30，算力调度应用场景集中于大数据处理、平滑业务峰值、AI训练、AI推理等领域。（四）存算网协同促进算力基建一体化发展一是存算融合设计IT0.1个百分点就能带来约5的算力利用率提升倪光南院士指出1.11TB/GFlops0.42TB/GFlops。二是存储与网络协同，能要求对于通过存储与网络协同促进存储与算力等更好适三是算四、节能降碳促进金融算力中心绿色发展（一）金融算力中心发展面临严监管约束从能效现状看，随着数据中心及机架规模的快速增长，3左右，预计到2025年提升至5，20304000（GPU会显著增加能源消耗，效率（PUE）1.56PUE1.5的机构占比达71.43水使用效平均水平为1.68，最大WUE水平超过1.6的机构占比达77.78从政策要求看，（2022—2025用效率PUE2025PUE1.5；国家发改委会同中国人民银行等有关单位印发《绿色低碳转型产业指导目录（2024金融业对数据中心0131-2015），部分PUECUE心改造升级面临挑战。2000PUE284-2012）中，对数据中心能耗要求PUE2.0，推算CUE1.16，（二）新技术促进绿色低碳算力中心发展通过引入可再生新能IT36.36的金融机构采用了风能光伏水能等可再生能源，但使用可再生能源比例多在10以下，发展空间依然广阔。液冷技术加快成为金融数据中心进一15kW行业内主要液冷系统大致分为非接触式的板式液冷和接触PUE1.110001.04但有18.18的机构采用了风冷与液冷混合的制冷系统液冷提WUE针对数据中心用水定额，如北京出台数据中心用水定额DB11/T1764.11—2023WUE1.4WUE2.1；循环冷却水处理（中水WUEWUE值不做改善仅有21.21的机构提出5以下的WUE年度改善目标金融机构算力中心水资源管理通过在滨海城市建设效水平提升，比如海南陵水建设的全球首个商用UDC（海底数据中心）。该方案通过采用海水自然冷却，降低数据中心能耗同时服务器设备故障率仅为陆地数据中心的八分之一；通过与海洋潮汐能、风能等可再生能源结合，实现新能源就近消纳；主要数据用户多位于滨海城市，可实现就近部署，降低数据传输时延等。（三）有序推进金融算力中心绿色化发展切实提升金融数据中心的绿色节能水平。一是合理平衡数据中心建设的“不可能三角”。金融机构数据中心由于起步早，全面落实“双碳”目标，金融机构数据中心需要在SLA、PUE（低碳节能、TCO（成本低这一“不可能三角”中做好平衡，以国标ATier4是积极推进老旧由于部分金融机构存量数据中心建设较1.6—2.0PUE；冷却塔等换热设备的换热效率，保障设备充分换热，避免能源浪费。三是高标准推进新型绿色数据中心规划设计。区域布局方面，积极向绿电资源富集地区进行多地多中心布局。五、信创提速增强金融算力产业链供应链安全（一）我国算力设施设备供应形势严峻从全球供应格局看外部依赖较为明显。随着人工智能和大数据技术飞速发展，力、高通信带宽和大HBMAITensorFlowPyTorch达AI加速卡的金融机构占比接近70国外算力占智算比重超过75的金融机构占比达45.45，采用TensorFlow、PyTorch等人工智能算法开发框架的金融机构占比达72.73，智算平台采用英伟达CUDA生态的金融机构占比达63.64，从国产供给看DeepSeek累的海外算力产品及技术架构，在打造自主可控AI（二）国产算力产业生态持续优化升级增的正反馈。整体看，在《行动计划》等顶层设计指引下，以京津冀、长三角、粤港澳大湾区等国家战略区域为引领，各地政府持续加强算力资源集聚，推动算力产业链条完善，202499.18562.7我国算力产业链主环节相继取得突破，CPUGPU储设备的数据I/O重点突破看，DeepSeek算力产业迎来技术验证和商业化落地新契机，全产业积极投入DeepSeek系列模型适配，近期国产算力适配竞赛展示出国产算力产业链技术积累，将加速“国产算力+国产大模型”闭环生态构建，为金融算力信创与安全发展夯实产业基础。（三）金融算力信创应用加快探索与实践《行动计划》提出，加快算力在金融领域的创新应用，有39.39的金融机构采用如华为昇腾寒武纪、算力芯片方面，CPUC86+ARM国际一流产品，X86C86ARM能力成为金融用户重点考量要素；GPUAI芯片初步形成GPGPU+DSACUDAAI云计算方面，部分金融机构构源动态调配和按需扩展；国产云平台和DevOpsAI金融机构通过“一云多芯”架构整合ARM、x86、GPU、DPU4000量金融机构正在研究后量子密码来应对量子计算算力的云化提供。此外，随着我国完全自主知识产权的DeepSeekAI六、金融算力基础设施发展建议（一）加强金融算力建设统筹规划金融管理部门加强金融业新型算力基础设施机构层面（二）强化金融算力关键技术攻关（DPU）RoCE（三）引导金融业公共算力平台建设由金融管理部门指导，行业组织或行业机构牵头，组织金融机构、科技企业、高校院所等联合建设行业性智能算力公共平台。平台通过建设统一的算力调度和资源管理平台，支持跨区域、跨机构调度外部算力服务，并对多种AI算力资源统一纳管，建立统一资源池，实现资源跨云灵活分配，支持行业机构按需使用算力资源或联合开展金融业大模型（四）推进金融算力基建标准化建设（五）营造金融算力开放发展生态鼓励算力产业加快完善上游的关键技术与器件结合不同区域和场景特色算力需求，发挥地方政府、金融机构、产业机构等力量，加快国产算力产品的应用测试、容或算力底座平移做准备，同时与供给端协同发力并探索构建自主可控算力生态，夯实金融高质量发展的算力底座。附录：典型案例及解决方案近年来，随着数字经济和智慧银行的蓬勃发展，银行数据中心作为金融业基础设施的重要组成部分，规模和能耗持续攀升。为积极响应国家双碳战略，认真落实“双碳”工作方案，竭力缓解智慧银行转型过程中算力需求增加带来的能耗增加与节能减排之间的矛盾，某大型银行数据中心积极研究探索，在有效保障全行安全生产的前提下，开展了一系列构建绿色低碳数据中心的探索与实践，实现能效显著提升，并有效指导行业机房绿色运维以及新机房规划建设。二、案例内容（一）新建机房规划建设实践首次结合热岛漂移效应科学选址0.8℃，间接蒸发空调系统比市平均能耗降低约3。业界首次提出低碳设计“四短”原则四是短码流：置环形桥架，网络设备就近布置，简化结构。例如选用TOR布线技术，减少网络柜、跳线架和配线架的使用量。（二）在用机房节能降碳实践ITUPSIT优化空调末端控制逻辑，满足按需供冷数据中心机房精密空调采用送风量调节与冷冻水量调型精密空调开展风机转速－功率特性测试。风机转速比在80以上时，风机能耗随风机转速比的增加急剧增加。以该EC动调至80，稳定后使用风量罩测试每块格栅地板风量，并与机柜实际需求计算风量（IT计算）进行对比，实测风机输出上限设置为80是可行的，机房开展调优。调优后机房精密空调总功率降幅达52.9，效果显著。精细调节冷源冷却水温度，充分利用室外冷源理论上，降低冷却水出水温度可提升机组COP，但会导致冷却塔散热风扇能耗提升，总体是否节能需要实测分析。此外冷却水温度不能无限制降低，主要原因是冷却水温度太低不利于润滑油系统回油。6COPTw14.5空调系统AI节能调优实践在用机房空调系统AIAIAI空调系统工况，动态降低机房运行能耗，进一步提升数据中心绿色低碳运行水平。AIAIAIAISNMP三、案例创新点及成效新建机房规划建设方面，一是发明了基于数字孪生的机二是三是系统性地优化机房设计，为数据中心低碳设计提供了指导，具有重要的实践意义和推广价值。一是二是三是智能降耗平台的应用。在该大型商业银行数据中心中，首次利用AI四、案例经验重视新建机房的低碳节能设计深度挖掘在用机房的节能减排发力点数据中心排名前三的“用能大户”分别为IT设备、空调设备、电气设备，其中IT设备、电气设备能耗主要取决于先天设计，难以在保障安全基础上通过运维降低其能耗，而空调设备能耗很大程度取决于运维水平，在保障基础设施安全运行的前提下，深入地分析暖通设备运行控制原理，灵活地应对暖通设备复杂的运行工况，开拓地应用人工智能辅助策略，多措并举，可实现数据机房安全降碳。某大型商业银行：AI算力基础设施转型创新案例一、案例背景AIAIAIAIAIAIAI二、案例内容（一）目标AIAIAI技术目标一是建设全栈可控集群。着力解决AI算力基础设施在AIGPUAI二是构建异构算力管理能力。建设支持统一纳管GPU、NPUMLUAIAI三是提升网络高速互联能力。通过网络高速带宽接入、AIAINAS满足千亿级大模型训练分钟级checkpointAI五是加强集群连续运行能力。研究金融科技运维领域的六是赋能金融行业全域生态。推动技术和行业生态建设，AIAI业务目标设计新型AIAI端业务与科技智能融合创新。（二）应用场景简介AI20个业务领域，并向中小银行机构输出大模型应用服务能力。远程银行业务应用场景如下图：网点运营业务应用场景如下图：个人营销业务应用场景如下图：（三）架构设计1.功能架构AIAINASAIAI2.系统架构AI一是场景层。通过AI算力基础设施创新赋能大模型技术，实现颠覆性、端到端业务与科技智能融合创新，在工作GLM-130B-135B千问-14B/32B、GLM2-66B三是框架层。全面适配支持MindsporePaddleTensorflow、Pytorch等国内外主流训练框架。四是基础设施层。建立可控AI算力、网络、存储的智能化统一运维机制。3.技术架构发展的AIAI其中的关键技术设计包括以下六个方面：一是智能无损网络技术。通过实时采集流量特征和网络状态，结合AI算法，对未来的流量模型进行预测，从全局视角实时决策并刷新网卡和网络参数配置，使得网络交换机缓存被合理高效利用，实现整网零丢包。二是死锁避免技术：通过感知全网拓扑计算出破除死锁环的最佳点，将感知到发生死锁环点的流量切换到新队列，并且通过PFC反压帧反压回原队列。解决死锁对原队列的buffer依赖，破除死锁环形成的条件。三是跨节点高速互联技术。通过高性能RoCE网络替代Infini-BandAI0.95，处于同业领先水平。四是动态负载均衡技术。根据整网交换机节点流拥塞状态和全网拓扑进行全局算路，识别出最优路径，实现多任务流量全局均衡。五是算网协同技术。以算网协同联动提升集群AI训练AIAI六是分层存储架构技术。创新提出分层存储架构的高性AI三、案例创新点及成效建成基于RoCEAI现座席工作效率全面升级，平均通话时长压降10，座席服务效率提升18在运营管理领域面向20万网点基层员50四、案例经验为保障AI算力基础设施平稳投产运行，采取了如下5项保障措施：1、充分验证，确保业务平稳上线。2、分阶段稳步推动扩大试点。2021规模推广的原则，首先试点基于高性能RoCE2022AIPFlops；2023千亿算力的国芯AIPFlops；2024AI33-1-NAI1+X规模化落地。4、配套建设，保障网络安全及运维管理能力。AI和运维监控管理系统进行了详细的研究梳理，围绕AIAIIT中信银行：金融云化算力基础设施转型创新实践一、案例背景ARM二、案例内容中信银行在完成覆盖全行的中信银行云建设后，按照中信银行“十四五”规划，重点围绕安全可控、支持云原生应用、高效支撑数字化转型等，不断提升可用性、扩展能力，实现更加敏捷和弹性的资源供给。（一）项目目标laaS、PaaS一体化的云基（二）主要内容MeshARM4实施全量安全可控一是应用转型攻关。通过DevOps工具链与代码扫描工二是服务器转型攻关。针对ARM架构进行深入剖析，对NUMA调优、操作系统内核层调优、IO调优，Java程序调优，充分发挥ARM服务器性能。三是负载均衡转型攻关。在关键业务场景实现负载均衡设备转型创新，使用软件负载均衡取代硬件负载均衡，解决各类业务场景难题。主流云计算技术全面落地一是软件SDN技术方面。通过隔离技术，解决软件隔离技术带来的各类适配问题，通过互通技术，攻关软件网关技术在高TPS场景下跨网络区域互通的性能问题。二是虚拟化方面。管理方式上，用全栈云中的AZ模型替代传统虚拟化技术的集群模型，实现大资源池管理。重点解决新技术栈给运维、升级带来的挑战。三是规模运用裸金属技术。进行技术攻关，实现敏捷弹性，像虚机一样灵活地发放裸金属。实现资源池化，像虚机一样池化的管理裸金属。四是应用全栈云容器技术。实现laaS、PaaS一体化的云原生技术平台。将云与运维工具融合，实现整个体系的云原生化。进行网络创新，容器和虚拟机同一网络平面，云内、云外同一个网络平面，直接通信。实现容器地址暴露，直接在Mesh中注册。进行运维创新，容器在堡垒机自动注册，堡垒机直接登录容器。进行部署模式创新，容器资源一站式申请，容器应用全自动化上线。通过运维创新为全栈云的规模使用保驾护航全栈云以全部软件定义为特色，带来了技术体系的巨大变化，给原有的运维工作方式也带来了巨大变化。中信银行DevOps三、案例创新点及成效中信银行金融云化算力基础设施转型创新项目是中信银行和中信集团战略级项目，通过基于全栈云技术的算力基IT全栈云是技术发展战略的重要组成部分，是中信银行IT四、案例经验（一）实施全面转型、一步到位实现安全可控。100％系统上云为目标，大力推进全栈可控mesh（二）构建软件定义、分布式的先进云原生技术体系。ServiceMeshDevOps（三oncloudincloudRegionDNSSDN联、NAS跨region共享方案。根据万台服务器规模，设计了高扩展性的多机房网络互联、多VPC虚拟网络、多集IPservicemeshDevOps金融监管要求，设计了多VDC、多租户、多主机组隔离的资源隔离模型，灵活弹性地支持了公司的业务上云。（四）自主研发自动化、智能化的安全运维体系。ITSMIT国泰君安：一云多芯、多元算力全栈金融云一、案例背景国泰君安证券作为行业内最早一批引入云计算的券商，基于在云计算领域长期积累的技术优势，着力构建以智能中台，混合计算，面向服务为目标的全栈金融云平台。二、案例内容43年年均增速超40应用场景从建设初期的系统开发测试和UATAI统云平台到一云多芯信创云再到涵盖云原生、GPU2017windows/linuxGPU/ARM20222019基协作开发为辅的方式，从原CMP调运转。在IAASpaas服（的云资源和非信创金融云平台技术特点主要体现在以下几个方面：1、智慧中台资源的合理分配，实现了整个云平台内部统一、协调运转。2、“一云多芯”统一纳管IntelApp37003、多区域管理4、自研云应用，提高云服务质量其他云应用开发周期和难度，能够实现快速SaaS交付与服务。三、案例创新点及成效用效率，从而节省电力，减少硬件采购成本，将更多IT5国泰君安证券将持续推进金融云建设，并随着业务和数实现从Cloud-BasedCloud-Native四、案例经验本案例的创新和实践对其他企业私有云平台特别是信创云平台的建设具有重要引领示范作用。一云多芯、多元算1、硬件性能信创CPU架构硬件性能与国外主流x86架构相比仍然存在差距，因此需要通过云技术为不同芯片找到最佳使用场景。2、一云多芯信创金融云的架构设计考虑到信创与业务平稳运行同3、多云管理4、成本管控在成本管控上提高资源使用率、降低分布式部署成本；最终可以有效平衡信创领域性能、安全、稳定等各方面的综合诉求。全自研金融云服务平台亦很