05 3.1 代码开发阶段 06 3.1.1 代码开发 06 3.1.2 代码优化 28 3.1.3 编译 30 3.1.4 调试 32 3.1.5 调优 37 3.2 流水线阶段 61 3.2.1 门禁检查 61 3.2.2 编译构建 66 3.2.3 调优 67 3.2.4 测试 68 3.2.5 版本发布 69 3.3 OS底座（openEuler系操作系统） 多平台版本并行迭代成为主 要需求，由于两个架构开发生态的差异，如果采用两套流水线分别开发两套代码，则 会带来很多重复开发验证的工作，并且两个版本分别开发、构建和维护效率低。因 此，鲲鹏创新性的提出鲲鹏原生开发：基于鲲鹏硬件 +openEuler+ 鲲鹏 DevKit+ 鲲鹏 BoostKit，实现 1 套代码 +1 条流水线 + 多平台版本，助力伙伴持续且首发性能领先 的商用版本。 03 / 鲲鹏原生开发包含代码开发阶段和流水线阶段： » 代码开发阶段：通过鲲鹏 DevKit、BoostKit 开发代码，充分应用鲲鹏架构优势，性能更优。 » 流水线阶段：鲲鹏 DevKit 以命令行方式 1 小时接入 CI/CD，便捷发布多平台版本。 » 极简融入 & 高效发布：DevKit 原生开发插件 1 小时接入两大主流（Jenkins、GitLab）CI/CD 流水线，高效提升 鲲鹏流水线搭建及版本发布效率。

一、合规与法律风险审计 （一）基础审计场景应用问题 1 、资金异动与客户管理 （1）客户身份识别（KYC）是否完整有效？（调取高风险客户清单，检 查 证件有效期、职业信息更新的及时性；通过交易流水验证客户申报收入与资 金规 模是否匹配，识别虚假身份或代理开户隐匿实控人现象。） （2）客户风险等级动态调整是否滞后？（检查风险等级评估记录，核验 高 风险客户触发事件（如涉诉、负面舆情）后是否在 、背景：某分行跨境大额交易量激增，但反洗钱系统预警率连续 6 个月低 于同业均值，监管罚单风险上升。审计组针对可疑交易监测机制开展专项检查。 2 、审计方法：一是大数据穿透分析：提取近 1 年交易流水，构建资金网络 图谱，识别高频跨行转账、夜间整数交易等异常模式；二是系统规则验证：比对 反洗钱监测模型参数与《金融机构大额交易和可疑交易报告管理办法》要求，检 测阈值设置合理性；三是流程 修订《关联客户识别管理办法》，增加股权穿透层级至最终受益人；对 3 名信贷 审批人员实施岗位轮换。 5 、案例启示：需建立智能股权穿透系统，实时监控关联客户授信总额， 并 在贷后管理中引入资金流水智能分析工具。 案例三：银行员工理财飞单审计案例 背景： “ 某城商行客户投诉购买的 高收益理财产品 ”到期无法兑付，审计部 门排查发现涉事产品未纳入总行备案名录，疑似员工私自销售外部飞单，随即启

务垂直拆分，实现渠道、产品、核心等主要业务系统的端到端全景单元化。单元化管理平台支持智能路由、灰度发布及故障隔离，可实现以单元为单 位整体扩缩容、分钟级单元级切换能力； 3.一体化可观测：基于全局流水号机制，整合日志、指标和链路追踪数据，实现交易端到端透视。观测维度丰富，大幅降低了采集复杂性，提高了故 障定位效率。 4.云原生安全：构建三级安全域VPC，结合包括ddos、硬件防火墙、天幕、 TDSQL基于其便捷易用特性，能够支持中信建投证券批量稳定的替换原有关系型数据库产品，服务客户业务系统的批量国产升级。 2.借助腾讯云大数据平台TBDS构建了企业级数据湖平台，将企业客户的基本信息、持仓情况、场内交易流水、场外交易流水等数据按监管及业务要 求和分层架构完成数据加工，对外提供数据接口供其他业务系统调用。 3.借助腾讯大数据平台及BI工具，搭建自主报表、分析平台及领导驾驶舱，支持中信建投证券全面提升企业经营管理水平。 国家级新媒体平台要求业务连续性、可用性及安全性极高，平台需支撑千万级日活。 2.为支撑亿级用户平台的高频内容供给，需依托智能化技术重构生产流程，实现从规模化内容更新到高效率、高质量生产的系统性升级。 3.整合用户行为、媒资素材、业务流水及外部数据，打造统一的数据汇聚和交换中心，确保数据流动实时、准确与稳定。 4.平台“云-管-端”全链路面临系统性安全风险挑战。 案例背景 1.混合云底座：依托腾讯云混合云架构底座构建跨平台容灾

信用评级，确保融资条件与企业实际需求及信用水平相 匹配；同时，可根据企业的信用评级、经营状况和还款 能力等要素，设定合理的授信额度，确保资金使用过程 的安全性和稳定性。在机构保荐方面，中小券商可收集 企业的银行流水数据并进行深度分析，全方位把握企业 的资金流动状况，识别潜在风险，准确评估财务状况和 经营表现。在突破方向上，可探索借助公共信用信息、 可信数据空间等外部资源，结合智能化手段动态研判中 小微 ——中国农业发展银行信息科技部副总工程师 王言 ——兴业银行金融科技研究院院长助理 李锋 该项目立足服务实体经济和小微企业，打破传统贷款抵押物限制，借助政府大数据征信平台，创新性将银行 流水作为无抵押贷款的核心授信依据，构建了基于资金流的信用评估体系，提升了小微企业融资可能性，并建立 风险动态监测体系，增强风控能力。 九江银行：全国中小微企业资金流信用信息共享平台在九江银行的落地实践 高并发、高可用、高性能和高可靠性要求；屏蔽多源 数据接口差异，通过自研聚合分页算法动态地对多源 接口数据进行全局性地聚合、排序、去重以及分页， 对外提供统一化和标准化的联机查询接口服务，满足 银行核心业务日均上亿级别的明细流水、登记簿和历 史账户等重点交易查询需求。 2. 支持构建灵活可扩展的离线数据模型和实时数据 处理平台，支持不同场景的离线实时数据统一处理，为 客户提供高效的收支分析新体验。本方案采用实时离线

DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 InfiniBand 和 NVLink 提供的高带宽。创新性提出了 DualPipe 算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。采用 FP8 混合精 度训练技术，不仅极大地加快 了训练速度，还大幅降低了 GPU 内存的消耗。 DeepSeek-R1-Zero 通过强化学习架构创新实现突破性性能，核心技术创新体现在训 （ IB ）网络。 l 创新性提出了 DualPipe 算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。对于 DeepSeek-V3 而言，由于跨节点专家并行引入的通信开销导 致 计算与通信的比例接近 1:1 ，因此提出 DualPipe （双向管道并行）算法，采用一种新的双向流水线方法，在独立的前向和后向处理块中实现了计算与通信的重 叠，从 而加速模型的训练过程并降低了气泡效应。为了确保

维扫描仪的 引导工作，协同完成自动化扫描，整个扫描与检测过程不超过 3 分钟。 汽车空调出风口组装及检测应用。汽车空调出风口组装及检测的 工序相对细致、麻烦，采用人工流水线作业方式，每一道工序需要配 备一名工人，且流水线完全铺开所需场地面积较大。终端客户采用 2 台大族 E05 协作机器人对产线进行自动化升级改造，将组装、检测工 32 序合并，与生产工人共同作业，协作完成任务。另外，大族

练集群的总规模（卡数）是数据并行（DP）、张量并行（TP）、流水并行（PP）和序列并行（CP） 等多种并行维度的乘积。随着集群规模增大，单纯扩大数据并行（DP）维度会受到限制。因为在全 局批次大小（GBS）固定的情况下，增加 DP 会减小每张卡的微批次大小（Num_BS），导致计算 效率降低（产生 Bubble）。为了继续扩大集群，必须增加张量并行（TP）、流水并行（PP）和序 列并行（CP）等维度（表

（含任务规划、任务执行等）、运动控制模块（含步态控制、轨迹规 划、平衡抗扰等）及能源管理模块（含充电保护、电池监控等）等。 从产业角度考虑，目前国内针对人形机器人仿真测试平台、模型 训练平台及计算平台的研究处于国际一流水平，整机技术水平及单机 操作/多机管理系统也处于国际领先位置，亟需迅速提出相应国际标准 提案，抢占国际话语权。 56 四 、人形机器人产业/技术与标准图谱 人形机器人具有通用泛化、智能执行任务的能力，感知、思考、 还能在高重复性和高复杂度任务中展现出出色的适应性和高效性，为 制造业的智能化升级提供了有力支持。 （二）案例介绍 1. 案例实施方案（以装配饰盖零部件任务为例） 宇树科技的人形机器人 H1 成功部署在吉利银河制造中心汽车生产 流水线的零件装配和测试环节，独立完成了轮毂饰盖零件的抓取、运 输和安装工作。通过与上下移动滑板线的配合，H1 机器人灵活执行了 这些复杂的装配任务，不仅提高了生产效率，还确保了操作的精准与 稳定。 同时减少了人为错误，确保了质量一致性和可靠性。此外，H1 的灵活 性使其能够快速适应生产线上的不同任务和需求变化，提高了生产线 的适应性和柔性，满足了多样化产品需求。 77 该案例不仅验证了人形机器人在动态工业流水线中的实际可行性， 还为其他企业提供了可以借鉴的具体解决方案。通过该应用，企业能 够更好地理解和应用机器人技术，推动工业生产的自动化进程，降低 对人工劳动力的依赖，从而在提高产能的同时降低生产成本。此外，

件开发流程和软件体系都会面临变革。人机协 同编程是消解大规模软件开发困境的根本之道。 人机协同编程，解决人因所带来的软件复杂性难题 12 软件开发模式系统性重构 迈向人机共生的软件工程新时代 流程重构 从流水线到代理化SDLC 入口重构 从代码到自然语言 角色重构 从程序员到设计师 架构重构 从微服务到Agent工作流 组织重构 人机共生团队 语言与工具重构 迈向Agent原生 协作重构 设计师”和“安全审计官”。 价值重心从写代码转向治理复杂系统。 流程重构：从流水线到代理化 SDLC。传 统 SDLC（软件开发生命周期）将被 Agent 代 软件形态变化：从程序到“程序 +Agent” 13 理化，AI 可自动生成需求文档、产出代码、执 行测试、提交 PR，人类则监督关键节点。开发 流程将演变为人机协作流水线，强调回滚机制 与可靠性保障。 架构重构：从微服务到 Agent 反欺诈要求策略推理服务永远在线，推理智算底 座也从单数据中心建设迈向跨数据中心的双活 或多活，保障被智能体重塑的交互和交易业务 的高可用。同时，金融机构将面临 AI 和量子计 算的攻击威胁。黑客构建 AI 病毒制造流水线， 使病毒伪装超过 100 层，分钟级进行快速变异， 进攻金融的防御体系；病毒智能体可分工协作 （如侦察、渗透、横向移动），形成分布式协作 攻击；AI 与量子计算冲击下，将形成金融安全

资料来源：NVIDIA，国信证券经济研究所整理 因此，训练大模型必然需要采用分布式方案。不仅要满足算力的需求，还要解决上千 块 GPU 的分布式训练问题，需要考虑到上百台服务器之间的通信、拓扑、模型并行、 流水并行等，这也是复现 GPT-3 的核心难点，模型发布后一年也只有 NVIDIA、微软等 大厂成功复现，目前开源的 GPT 模型库就主要是 NVIDIA 的 Megatron-LM 和微软的 DeepSpeed。