中软国际携手昇腾推动人工智能在金融业务中的规模化落地

在“全力打造全球引领性金融科技中心”的政策驱动下，《上海高质量推进全球金融科技中心建设行动方案》明确提出，要聚焦人工智能等领域推动金融科技底层技术创新，构建自主创新的金融信息技术创新生态体系。

浦发银行作为行业先行者，在人工智能应用与探索上走在前列，其对算力底座构建、大模型训练调优及业务应用层面规划长远，积极探索人工智能技术与金融业务的深度融合，以提供更智能高效的金融服务。

昇腾凭高性能算力芯片领跑算力赛道，中软国际则兼具深厚的AI技术积累与丰富的金融行业IT服务经验。双方强强联合携手基于昇腾算力构建算力底座，依托中软国际的技术与行业优势开展业务模型训练调优，推动人工智能在金融业务中的规模化落地，助力加速智慧金融布局。

聚焦AI落地：四大核心优化方向

算力应用与布局中面临着多重挑战，首先体现在算力需求爆发式增长与传统架构的适配矛盾上。随着千亿级大模型逐步部署，单次模型训练便需数千卡时算力支撑，而传统算力架构已难以满足实时风控、智能营销等核心业务场景对低时延、高可靠性的要求，算力瓶颈成为制约 AI 应用快速迭代的关键因素。随之产生的，是日益凸显的自主创新与替代工作的紧迫性。受供应链波动及金融安全监管要求影响，构建具备独立技术体系的算力底座成为必然选择。

与此同时，技术与业务的深度融合也面临不小难度。金融行业业务场景复杂多样，从知识助手到跨境金融，不同场景对 AI 模型的应用需求差异显著。推动 AI 模型从 “能运行”向“好用、实用”升级，实现技术与业务的精准匹配，需专业技术与行业经验的双重支撑。

此外，算力布局还需与国家战略要求相契合。“东数西算”政策明确提出优化算力资源空间布局，需在现有资源基础上协同规划，构建高效运行与成本控制兼顾的算力架构。

通力协作破局 技术创新赋能

浦发银行与中软国际、华为的深度合作，有效的应对了上述挑战。分布式训练与推理技术通过算力集群协同优化与端到端流程重构，成为突破传统架构限制的关键，解决了算力增长与传统架构的适配难题。分布式训练依托多芯片算力集群协同，通过数据/模型/流水线混合并行的架构创新，RDMA与通信压缩的通信优化技术，以及弹性扩缩容的资源调度，突破单机资源局限，缩短训练周期，加速AI应用迭代。

中软国际结合自身在金融行业的经验以及AI技术能力，提供量身定制的算力资源优化、大模型微调、AI应用模型调优，持续提升AI大模型服务业务部门的效率。分布式推理通过模型并行、PD分离、专家并行等技术，支持低时延、高吞吐与高并发，为智能风控、智能营销等场景提供稳定支撑，确保金融级服务，重塑金融行业智能化标准，为AI时代金融服务的价值跃迁提供核心引擎。

昇腾以自主算力芯片及完善生态为核心，支撑算力底座构建。中软国际结合昇腾服务器与鲲鹏 CPU，为银行高效交付数据中心千卡级算力集群，使其算力水平跻身国内银行前列。该集群兼具超高计算密度、极致通信效率与绿色节能优势。中软国际凭借端到端交付能力，助力推进算力资源优化配置，深度契合“东数西算”战略。

三方联动

实现算力自主创新与效能提升双突破

三方合作突破了算力限制，显著提升了银行业务与商业价值。模型推理平台与算力优化平台通过技术重构与资源提效，成为金融机构实现数智化转型的核心引擎。二者通过技术普惠化、资源集约化、场景深度适配，推动算力中心从成本中心转向价值中心、从被动响应转向主动创新、从单点突破转向生态共赢。

从行业视角看，大规模算力集群、模型训练推理平台与算力优化对金融机构的影响意义深远。在大模型参数规模持续扩大、迭代加速的背景下，可保障训练推理算力领先，助力金融机构快速构建 AIGC应用，其优化能力助力金融机构实现“多快好省” 的算力应用，精准匹配核心业务，助力金融机构数智化转型。

模型推理平台与算力优化平台不仅为头部机构巩固竞争优势，更为中小金融机构提供“换道超车”的技术底座，成为中小型金融机构数智化转型的核心驱动力。中软国际在多家头部银行AI解决方案的落地过程中，沉淀了从十亿至千亿级参数大模型性能优化能力，满足低首字符响应、高吞吐等业务要求，充分释放昇腾算力与模型价值，得到了客户的充分认可。浦发银行表示：“中软国际在项目实施过程中基于昇腾算力完成模型微调试点，已初步打通微调业务流程，沉淀基础微调经验。”相信这样的认可将会在更多客户案例中得到进一步的实践与提升。

展望未来，中软国际通过“技术输出 生态共建”双轮驱动，为中小金融机构提供可参考的数智化转型路径；异构算力集群与模型训练推理平台、算力优化等技术和建设经验，将赋能中小金融机构，共建金融大模型生态联盟，助力行业突破技术瓶颈，重塑AI时代金融服务的价值坐标，形成可量化的商业价值闭环。