金融业 AI 大模型智算网络 研究报告 北京金融科技产业联盟 2025 年 5 月 I 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 II 编制委员会 主任： 聂丽琴 编委会成员： 吴仲阳 张 勇 张志鹏 李建高 成晓强 编写组成员： 陈 鹏 余学山 载力、数据存储力于一体的新型生产力”，针对网络运载力提出 “优化算力高效运载质量、强化算力接入网络能力、提升枢纽网 络传输效率、探索算力协同调度机制”的重点任务，明确通过“算 力+金融”加快算力在金融领域的创新应用，为金融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 升大规模训练效率的重要支撑。 本文深入分析 大模型智算网络“高性能连接、高效率 传输、高可维网络、高安全保障”等关键技术进行研究，提供一 套适应金融特征的覆盖数据中心、骨干及分支的 AI 智算网络技 术方案。结合行业业务及技术发展方向，将金融业 AI 智算网建 设演进划分为打造底座、构建系统、完善生态 3 个阶段，并给出 了新技术发展及创新方向，为金融机构开展 AI 大模型智算网络 规划及建设提供参考。 关键词：大模型训练、智算网络、负载均衡、流控技术、拥

问 编 审 组 成 员 主 编 人 员 参 编 人 员 责 任 编 辑 （排名不分先后） 去三四十年，金融核心系统主要采用集中式主机架构进行建设。 随着金融业务数字化转型需求的不断深化，云计算技术的持续演 进，金融机构普遍采用了云原生相关技术进行业务改造，更有不少头部 大行作为先行者，率先将主机承载的核心系统业务也迁移上云，加速了 金融行业数智化、自主创新进程。 高，应用与云平台的关系愈加复杂，因而云运维必须 实现应用到云平台乃至物理设备的全链路覆盖。同时 需要梳理出应用与云平台间的依赖关系，当应用出现 故障的时候能够基于应用的视角快速感知和诊断故 障。 确定性故障恢复 快速创新的金融业务场景增加了云平台技术栈复杂 度，也因此提升了故障定界、故障快速恢复的难度。 华为云给出了通过全链路检测、故障模式库和云网结 合快速定界故障的思路，以此提升核心应用上云后云 平台故障恢复的确定性。 环境声明 laC执行 灰度控制 灰度评估 结果验证 服务状态评估 状态声明 ··· 服务状态评估 业务重要性 事件评估 爆炸半径 DryRun 2.3 安全运维现代化 随着金融业务上云从一般业务扩展到核心业务，云 平台安全管控面临的复杂情况增加。这些新的情况 都让金融云的安全面临着前所未有的挑战，例如： 传统的安全威胁主要来源于数据中心外部，在边 界作好防护就能解决大部分问题。而在金融云场

农林牧渔业 制造业 房地产业 租赁和商务 服务 建筑业 制造业 9.40 万亿元 20.30 万亿元 3.12 万亿 元 3.80 万亿元 0.92 万亿元 2.08 万亿元 2 4 金融业 信息通信技术 生产行业 建设行业 房地产业 金融和保险 业 金融和保险 业 9.39 万亿元 13.94 万亿元 1.50 万亿 元 3.08 万亿元 0.89 万亿元 2.00 万亿元

优化资源利用、加 速AI推理与训练、提升模拟仿真能力、保障数据安全等方面的效果。在数字政府、金融、运营商、公安等 27 年度技术创新类（前沿技术突破） 行业里满足典型业务场景需求： 1、金融业务场景：金融客户在办理业务时，以信贷审核业务为例，需要满足以下几个条件：国产可 信环境、高效并发性能、高带宽数据输入输出。HuaKun AT9508 G3服务器搭配AI加速卡，可满足金融交 易处 易处理与数据分析的极速响应，有效提升了风险评估和信贷审批的效率与准确性。高密度AI加速卡支持加 速复杂金融模型的训练，为金融机构提供了更精准的预测和决策支持。同时，其强化的安全可靠性体系 确保了金融数据的安全传输与存储，保障了金融业务的连续性和客户资金的安全。 2、政府业务场景：政府部门对于政务数据的处理，需要在内网环境中结合已有的内网人口数据， 及外界接入的交通拥堵、定位数据，分析常驻人口的出行意向，以便更好的安排交通工具和开车频次。

UTP 布线系统。 由于语音信息点和数据信息点统一设计及施工，通过更改跳线，语音信息点和数据信息点可 方便的互换使用，增强了布线系统的灵活性和可扩展性。 我们将依据对贵公司现场的考察，结合长期从事金融业的综合布线项目实施的丰富经验为贵 公司设计相应信息点的布置位置。 9.3 布线产品选型 根据计算机网络的发展要求，以及今后的发展趋势。综合布线我们建议选用 Panduit 系列布线 产品。