AI算力资源池化：金融行业的新基建

AI算力资源池化：金融行业的新基建

引用

新浪网

等

9

来源

1.

https://finance.sina.com.cn/wm/2024-10-15/doc-incsruvu7497491.shtml

2.

https://virtaitech.com/solution?id=40994stph34dftbddwwjq6m8wd

3.

https://finance.sina.cn/bank/yhpl/2024-07-24/detail-incfezfz7040146.d.html?vt=4&cid=76653&node_id=76653

4.

https://www.coreshub.cn/solutions/financial-gpu-pooling/

5.

http://cfci.org.cn/html/2024/12/04/202412040427377500002820448.html

6.

https://m.mpaypass.com.cn/news/202403/21115656.html

7.

https://www.qingcloud.com/qingcloud_log/%E9%9D%92%E4%BA%91%E4%BA%AE%E7%9B%B8%E9%87%91%E8%AF%81%E7%A7%91%E6%8A%80%E8%8A%82%EF%BC%81%E5%89%AF%E6%80%BB%E8%A3%81%E6%B2%88%E9%B8%A5%E8%AF%A6%E8%A7%A3%E9%87%91%E8%9E%8D%E6%95%B0%E6%99%BA%E5%88%9B/?type=safety-solution%3Ftype%3Dsafety-solution

8.

https://www.theblockbeats.info/news/54524

9.

https://e.huawei.com/cn/blogs/storage/2024/ai-ready-financial-data-infrastructure-construction

在数字化转型浪潮中，金融行业正面临着前所未有的算力挑战。随着AI大模型技术的快速发展，金融机构对算力的需求呈指数级增长。然而，传统算力资源管理模式已难以满足当前需求，算力资源池化技术应运而生，为金融行业带来了新的解决方案。

AI算力资源池化是通过虚拟化技术，将分散的GPU算力资源整合为统一的资源池，实现算力的灵活调度和高效利用。这种技术的核心优势在于：

1. 提升资源利用率：通过细粒度的GPU资源分配，避免了整卡分配导致的资源闲置问题。
2. 优化管理模式：统一的资源池支持集中监控和管理，简化了运维工作。
3. 支持弹性扩展：根据业务需求动态调整算力资源，实现资源的按需分配。
4. 兼容云原生架构：与容器化部署高度契合，支持快速迭代和部署。

大型金融机构：自建算力资源池

大型金融机构凭借资金和技术优势，纷纷启动算力资源池化项目。以工商银行为例，该行在业内率先完成企业级金融大模型全栈自主可控训练和推理部署，建立了高质量的金融大模型训练数据集。同时，工行还通过算力资源池化技术，实现了多领域业务的创新应用，涵盖金融市场投资、融资、交易以及客户营销等多个环节。

建设银行同样在算力资源池化方面取得显著进展。该行持续推进金融大模型建设及应用，全面赋能公司金融、个人金融、资金资管、风险管理等六大业务板块。通过优化算力资源配置，建行不仅提升了文生图输出质量，还大幅缩短了客户财务分析报告的工作时间，从数小时降至分钟级别。

中小金融机构：灵活布局算力资源

与大型金融机构不同，中小金融机构在算力投入上面临更多挑战。一方面，高端GPU芯片的供应受限且价格高昂；另一方面，算力基础设施的改造涉及供电、网络、冷却系统等多个方面，技术难度较大。

面对这些挑战，中小金融机构采取了更加灵活的策略。例如，吉林银行发布大模型知识引擎建设项目招标公告，计划投资343万元建设大模型知识引擎系统。上海银行则通过采购大模型智能体，推进个人手机银行鸿蒙版本升级项目。

显著的经济效益

算力资源池化技术为金融机构带来了实实在在的收益：

• 成本降低：通过提高资源利用率，有效降低了算力使用成本。
• 效率提升：支持业务快速上线，缩短了产品开发周期。
• 运维优化：统一的资源管理模式提升了运维效率和水平。
• 灵活性增强：云原生架构支持系统快速迭代和扩展。

面临的挑战

尽管算力资源池化技术前景广阔，但实际应用中仍面临诸多挑战：

• 算力短缺：全球范围内算力资源供不应求，高端GPU芯片供应受限。
• 技术难题：算力基础设施改造难度大，需要跨领域的技术支持。
• 成本压力：算力资源投入巨大，对中小金融机构构成较大负担。
• 安全合规：在追求技术创新的同时，还需确保数据安全和业务合规。

面对日益增长的算力需求，金融行业需要在以下几个方面持续发力：

1. 技术创新：加大研发投入，推动国产算力技术的发展和突破。
2. 资源共享：建立算力资源共享平台，提高整体资源利用效率。
3. 政策支持：争取政府在财政、税收等方面的政策扶持。
4. 人才培养：加强AI和算力相关人才的培养，为行业发展提供智力支持。

AI算力资源池化作为金融行业数字化转型的关键技术，正在重塑金融机构的IT基础设施。虽然面临诸多挑战，但其带来的收益已经得到广泛认可。未来，随着技术的不断进步和成本的逐步降低，算力资源池化将在金融行业发挥更加重要的作用。