2024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）20253编委会主任：翟象晖副主任：周夕崇 黄程林编委会成员（排名不分先后，按姓氏拼音排序）：储 量 董晓杰 封铨贤 蒋怀深 王文志 俞 枫 张乐张志鹏 郑金桥 周 慧编写组成员（排名不分先后，按姓氏拼音排序）：安思锦白阳常伟程小丹从平平高坤谷文宽郭伟安黄湘武李慧李侃侃李彦新李一昂刘文清刘杨苏东明孙英明谭泽廷王爱玲王浩人王帅强王旭东杨明杨韬杨希袁佳张蕾张鹏南张世泽赵义斌周辉主编单位：北京金融信息化研究所参编单位：中国农业银行股份有限公司中信银行股份有限公司北京农村商业银行股份有限公司国泰君安证券股份有限公司万国数据服务有限公司华为技术有限公司海光信息技术股份有限公司新华三技术有限公司北京中科仙络智算科技股份有限公司前言目录一、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 30PAGEPAGE10一、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，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总体金融金融算力基础设施的布局在建设方AI为应对潜随着国家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DeepSeek44%，而部分算力薄100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/319086.9%。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201839052025算力规模超过300EFLOPS，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—2023AIAI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AIAIMeta30202425020241405全国规划具有超万张GPU（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、FPGA2.36202243.65%20253570%的金融机构通过采购智能算力服务器来构建集群，但金融机构智能算力GPU1000TFLOPS%。在基础设施智能化方面，随着数字化转型深入，金融算力基础设施的运维复杂度明显上升，倒逼算力基础设施运维智能升级，比如建设运维数据中台、研发高效运维工具、应用人工智能等新技术来保障算力基础设施安全可靠运营，85%的金融机构拥有专门的基础设施运维团队，但多数机构基础设施存（近50%机构运维人员规模不足50、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CPU50%以下的机构占比达87.88%20%以下。针对上述在异构并行方面，在智能管在云化服务方面，为金融服务提供更加易用和灵活的算力支撑。据调研，70%70%以上金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7，20041.87197.05284.1840%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）》。PAGEPAGE136050%，近三年1081.82%，其中增速超过30%24.24%；未来三年存储资源计划提升百分20AI会导致GPU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SSD20238520%。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57.5818.18%；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—40Gbps，351—10Gbps，剩余机构8510000IPv6、SD-WANSD-WAN75%的机构占比已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IT0.15%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，320255%，20304000（GPU会显著增加能源消耗，效率（PUE）1.56PUE1.51.68，最大WUE1.677.78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IT36.3610%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PUE1.110001.0418.18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WUEWUE21.21%的机构提出5WUE通过在滨海城市建设UDC（海底数据中心（三）有序推进金融算力中心绿色化发展一是合理平衡数据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高等级（高可靠、高可用、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；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力、高通信带宽和大HBMAITensorFlowPyTorch英伟达AI7545.45%，采用TensorFlow、PyTorch72.73%，CUDA63.64%，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，DeepSeekDeepSeek（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，39.39%的金融机构采用如华为昇算力芯片方面，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。随着我国完全自主知识产权的DeepSeek金融业将持续推进国产智能算力产品、高性能AI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、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℃，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EC80%，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）80%是可行的，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。6COPTw14.5AI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AIGPUAI二是构建异构算力管理能力GPUNPUMLUAIAI三是提升网络高速互联能力。通过网络高速带宽接入、AIAINAScheckpointAI五是加强集群连续运行能力六是赋能金融行业全域生态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，在工作中提质增效、激活经营活力、增强风险防控等方面成效显著。GLM-130B-135B三是框架层。全面适配支持MindsporePaddle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：通过实时采集流量特征和网络AI二是死锁避免技术PFC反压帧反压回原队列。解决死锁对原队列的buffer三是跨节点高速互联技术。RoCEInfini-BandAI0.95，处于同业领先水平。根据整网交换机节点流拥塞状流量全局均衡。五是算网协同技术。AIAIAI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RoCEAI10%，座席182050四、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DevOps二是服务器转型攻关。针对ARM架构进行深入剖析，对NUMAIOJava在关键业务场景实现负载均衡各类业务场景难题。主流云计算技术全面落地扩展性、高可用的架构平台。一是软件SDN技术方面。通过隔离技术，解决软件隔AZ解决新技术栈给运维、升级带来的挑战。四是应用全栈云容器技术laaSPaaSMesh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。国泰君安一云多芯、多元算力全栈金融云以“集约、降本、提质、增效”为根本原则，结合当前行业国产化信创应用升级替代的大背景，推出了安全可控、生态兼容的混合云计算平台。同时，依托特色的云业务场景，提出了一云多芯、二、案例内容4340UATAI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IT境的搭建和交付，大幅提升交付速度。5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好的示范验证了如何通过统一云服务适配实现快速自服务申请，实现基础架构云资源自服务敏捷交付。一、案例背景随着数字化时代的到来，金融科技快速发展，金融机构IT二、案例内容国信证券建成了“蜂鸟”云原生智能研运一体化平台，通过研发运维一体化套件应用创新实践，高效地解决了基础资源交付效率低、开发运维协同难度大、容器运行安全等问题，并实现了更快的交付频率、更灵活的弹性伸缩能力。（一）“蜂鸟”平台设计路线1.设计目的极致的弹性伸缩使用物理机、