川海智库

报告概述

本报告聚焦金融业AI基础设施建设，系统梳理了政策、行业及技术发展背景，分析了国内外AI芯片产业格局与金融业应用现状。报告以助力绿色数据中心建设和优化AI算力平台能力为目标，围绕绿色环保、存网算协同、云数智融合、安全可靠四个关键方向展开论述，提供了具体技术路径与实施方案。通过工商银行、光大银行、中国人保三家机构的案例分析，展示了千卡规模AI算力云、GPU资源池化与液冷实验室等创新实践。报告旨在为金融机构构建高效、绿色、安全、协同的AI基础设施提供前瞻性参考。

报告的核心结论

绿色环保是金融业AI基础设施建设的核心方向。

在“双碳”目标驱动下，报告强调通过高密AI服务器、液冷散热技术和优化能源供应来降低PUE和单位算力碳排放，实现绿色数据中心建设。液冷技术尤其成为解决高密服务器散热问题的关键，冷板式和浸没式液冷各有适用场景。

存网算协同是提升AI基础设施整体性能的关键。

报告指出，存储、网络和计算资源的高效协同可优化数据处理流程，包括分布式存储、智能网络管理、云边协同及计算卸载等策略，从而提升系统效率，满足AI大模型训练和推理的高要求。

云数智融合推动AI算力资源高效调度与利用。

云数智融合通过一云多算和云智融合技术，实现异构算力资源池化、统一调度与弹性伸缩，解决算力资源利用率低的问题。AI算力资源虚拟化和自动弹性伸缩是核心手段，可降低硬件成本并提高灵活性。

金融业AI基础设施建设面临芯片选型、异构兼容与机房改造三大挑战。

报告指出，AI芯片型号繁多且缺乏统一评估标准，导致选型困难；不同芯片间驱动接口不统一，难以实现无缝迁移和联合训练；传统机房在机柜容量、电力供应、散热和网络带宽上难以满足高密AI服务器需求，改造压力大。

未来AI基础设施建设将更关注能效、供应链安全与前沿技术探索。

报告展望，金融业AI基础设施除赋能业务场景外，将持续提升能耗比和能算比，保障供应链稳定，并探索量子计算、光学计算等前沿技术，为行业长远发展储备能力。

报告回答的关键问题

金融业AI基础设施建设面临哪些主要挑战？

报告指出三大挑战：一是AI芯片采购选型难度高，缺乏统一评估标准，金融机构需耗费大量资源进行原型验证；二是不同厂商AI芯片间难以无缝衔接，模型迁移和联合训练困难，存在生产可用性与算力不足风险；三是传统机房在机柜容量、电力供应、散热和网络带宽上难以满足高密AI服务器需求，改造面临成本压力。

如何实现金融业AI基础设施的绿色低碳目标？

报告提出通过高密AI服务器减少非芯片器件能耗、采用液冷散热技术（如冷板式和浸没式液冷）提升散热效率、优化能源供应与供配电方案等手段，降低数据中心PUE和单位算力碳排放。例如，中国人保液冷实验室通过冷板热交换等技术将PUE优化至1.06，每年可节约近百万度电。

云数智融合如何提升AI算力资源利用率？

云数智融合通过一云多算架构实现通用、大数据、机器学习等异构算力资源池化与统一调度；云智融合采用AI算力资源虚拟化（如芯片分区、时分复用）和自动弹性伸缩技术，使算力资源可动态分配与回收，提升整体利用率。工商银行案例显示，该技术使算力资源使用率提升超50%。

金融业AI基础设施建设有哪些可参考的落地案例？

报告详细介绍了三个案例：中国工商银行建成千卡规模自主可控AI算力云，实现算力分钟级弹性分配，集群30天以上连续训练不中断；中国光大银行实现GPU资源池化、细粒度切分与动态伸缩；中国人保建设大模型智算液冷实验室，采用双冷源高密机柜，PUE低至1.06，验证了液冷技术的可行性。

报告中的代表性数据

1,037.3 EFLOPS（2025年）；2,781.9 EFLOPS（2028年）

中国智能算力规模预测

2025-2028年，据IDC预测，2025年中国智能算力规模将达到1,037.3 EFLOPS，到2028年增至2,781.9 EFLOPS，2023-2028年五年年复合增长率为46.2%。数据反映金融业AI基础设施建设的算力需求增长趋势。

1.5 EFLOPS

工商银行千卡AI算力云总算力

报告发布时，中国工商银行同业率先建成千卡规模自主可控AI算力云，总算力达1.5 EFLOPS，具备30天以上连续训练能力，算力资源使用率提升超50%。该案例展示了大型金融机构的AI基础设施实践水平。

1.06

中国人保液冷实验室PUE

2024年5月投产后，中国人保大模型智算液冷实验室采用冷板式液冷技术，将PUE优化至1.06，大幅降低能耗，预计每年可节约近百万KWH用电。该数据体现了液冷技术在绿色数据中心建设中的显著效果。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整市场数据与趋势图表：包括中国智能算力规模预测（2025-2028年）、AI芯片产业格局国内外对比、金融业AI应用场景分布等图表，直观展示行业发展趋势。
  • 政策梳理与解读：系统梳理2018年至2025年国家层面关于算力基础设施的关键政策文件，包括《算力基础设施高质量发展行动计划》《关于深入实施“人工智能+”行动的意见》等，分析政策对金融业AI基础设施建设的引导作用。
  • 技术路径与实施方案：详细展开绿色环保、存网算协同、云数智融合、安全可靠四个方向的技术实现方式，如高密AI服务器分类、液冷散热技术对比、一云多算架构图、AI算力虚拟化方法等，提供可操作的具体方案。
  • 金融机构优秀案例分析：深入剖析中国工商银行、中国光大银行、中国人保三家机构的建设经验，涵盖千卡AI算力云架构、GPU资源池化与弹性调度、液冷实验室建设细节，展示实际落地成效。
  • 关键问题诊断与对策：针对AI芯片选型、异构兼容、机房改造三大现实困境，提出制定统一测试方法、推动厂商统一驱动接口、研究机房建设方案等具体建议。
  • 前沿技术展望：探讨量子计算、光学计算等前沿技术在AI基础设施建设中的潜在应用，为行业长远发展提供前瞻性思考。
  • 研究方法与框架说明：明确报告从政策、行业、技术三方面背景出发，以“绿色环保—存网算协同—云数智融合—安全可靠”为分析框架，并通过案例验证研究结论。
  • 安全可靠专项分析：详细论述基础设施安全（硬件、软件、虚拟化）、模型安全（可解释性、对抗样本、模型窃取、生成式内容安全）及数据安全（数据投毒、数据窃取、属性推断）的威胁与防御措施。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告