新方法，金科创新社连续 6 年举办“金融机构数字化转型优秀案例评选”活动，在 2025 年的评选中，共计 收到 132 家金融机构 386 个参选案例。 《数字金融专刊暨鑫智奖·第六届金融机构数智化转型优秀案例集》依托“金融机构数字化转型优秀案例 评选”活动，深度聚焦金融业数智化转型的创新理念与实践成果，通过系统梳理行业领先的数字化转型路径， 提供可借鉴的实践范式，助力金融企业探索数字金融的创新应用场景，构建以技术创新为引擎、数据要素为 53 54 “鑫智奖·第六届金融机构数智化转型优秀案例评选”单项奖综述 金融机构数智化转型解决方案选登 中信建投证券：基于 AI 大模型的多智能体技术在投顾领域的应用案例 财信人寿：意健险智控平台——基于行业大数据的反欺诈与降损决策系统 潍坊银行：洞悉脉络·精准溯源——信息系统血缘关系管理平台 大家保险集团：消保管理数字化平台 数智领航，金融技术架构的革新与飞跃——基础设施优秀案例奖概述 科技赋能，金融数智化管理的领航之路——科技管理优秀案例奖概述 智启新程，大模型引领金融数智化变革浪潮——大模型创新优秀案例奖概述 数智浪潮下，数据管理引领金融新航向——数据管理优秀案例奖概述 智控未来：数字风控引领金融行业安全新航向——数字风控优秀案例奖概述 数智化驱动运营模式深度变革——数字运营优秀案例奖概述 数智领航·营销焕新：金融行业数字营销优秀案例的变革实践——数字营销优秀案例奖概述 场景化服务与生态化

源优势。 3.3.2 目标效果  增强资源调配自主性 16 自治系统资源提供方作为算力使用方，可依自身情况，自主决定 在系统内独立调度、借助自治系统分总调度或直接发起总分调度，灵 活把控资源调配流程，契合复杂多变的业务需求场景。  达成资源高效协同 不同调度模式下，算网协同调度平台及自治系统内调度机制，整 ●合本地与外部资源 ，运用有效算法实现资源的跨区域、跨系统优化配 置，提高资源整体利用率。 网资源，实现应用的高效部署，确保业务的稳定运行和成本的有效控 制。 21  数据迁移保障 通过定制化的确定性广域网，算网协同调度平台为东部数据的迁 移提供可靠的网络通道，确保数据能够安全、快速地从东部数据中心 迁移到西部数据处理应用所在的算网资源，保障数据的完整性和可用 性。  数据集处理策略 ●算网协同调度平台针对不同特性的数据集采用差异化处理方式 。 在整体数据集处理方面，在数据迁移完成后再启动数据处理应用，以 此确保数据处理的准确性与高效性。而对于持续更新 / 增长的动态 数据集，在部署数据处理应用的同时即刻启动处理流程：对源和目的 的数据集间进行实时高效地同步，从而满足业务对数据时效性的严苛 要求。 4.1.3 业务流程 步骤一： 数据生成与 ID 标识 在东部地区，各类业务系统不断产生海量数据，这些数据被写入 本地数据中心进行存储。为了实现对数据的精准管理和追踪，系统会 为每个数据集生成唯一的 ID 标识，如同为每件商品贴上独一无二的”

大模型参数量级飞涨，相应训练集需同比提升。李开复定义 AI 2.0 时代的 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 PaLM 2 轻量版 Gecko，其可在最新的旗舰机型上离线运行。同月，OpenAI 首次推 出 ChatGPT 移动端应用，各家大厂正式进入 AI 模型移动端创新、竞争时期。 智能音箱、全屋智能中控屏、手机、MR 等均有望成为这一时代的交互入口。 产业链相关公司：半导体：晶晨股份、瑞芯微、全志科技、北京君正、兆易 创新；消费电子：传音控股、歌尔股份、福立旺、闻泰科技、创维数字。 风险提示：AI

高可用SLA规划 应用高可用设计 高可用治理 端到端 应用运维 应用数据治理 运维故障分析 安全运维现代化 无死角 安全管控 用户授权可控制 作业过程可信赖 合规遵从高等级 体系化 租户安全 云原生安全 全栈端到端安全 智能安全管控 混合云现代化运维设计参考架构 数字资产&运维能力迭代 云运维团队组建 运维团队管理流程经验 运维人才培养机制 运维团队能力沉淀 的完整运行态势，对应用进行全方位的监控与分 析。 安全运维现代化 运维安全是保障业务可靠性的基石，也是运维现代 化的基础。在运维安全领域，需要通过全面的安全管 控保障运维安全：事前实现对权限的有效规划和管 理，事中实现运维操作的严格管控，事后实现对运 维操作的审计与分析，减少因运维误操作带来的风 险。在租户安全维度，通过构建完整的安全防护体 系，实现端到端保障混合云的租户安全。 上述的能力均建立在将混合云运维的数字资产不断 自动化能力越高 可视化能力 通过对平台、应用、运维事件进行多维度统计判断可视化能力，指标覆盖越全面，可视化 能力越好 09 10 图2.4 混合云现代化运维体系参考架构 规范与流程 安全管控 故障定级规范 业务上线规范 业务变更规范 运维数据治理规范 故障处理流程 应急恢复流程 运维业务管理 变更管理 爆炸半径管理 问题与故障管理 云网跨域协同 事件管理 运维事件、变更事件

-------------------------------------------------- �� 第五章：运维能力风险可控实践 �.�如何确保数据的绝对安全 �.�严格的部署与变更管控流程 �.�多级鉴权的全方位安全防护 �.�监控告警与可观测性的体系建设 第六章：智能运维交付能力实践 第七章：结语 �.�数据智能管家DBbrain �.� 一站式迁移解决方案DBbridge 障，数据库运维的可靠性与效率，直接决定了业务价值的实现能力。 当前，AI等新技术的发展为数据库可靠运维带来新的机遇与挑战。机遇方面，自然语言交互让非 技术人员也能便捷操作数据库，智能诊断与预测式运维将被动故障处置转化为主动风险防控，自 动化部署与调优大幅降低人工成本。挑战方面，AI幻觉导致的准确性风险、多技术栈（尤其是国产 数据库与云架构）带来的管理复杂度、数据爆炸式增长对灾备能力的更高要求，以及数据安全合 规的刚性约束 度成熟；其 次在技术能力上要达到可靠性指标；其三，经历过金融级实际场景的验证；其四，要有完善的运维 工具和解决方案支持能力。 TDSQL 是一款企业级数据库产品，在分布式计算、存储、元数据及管控方面实现 ���% 代码自 研，提供金融级高可用、计算存储分离、HTAP 等能力，同时具备智能运维平台、全流程迁移工具 箱，强一致高可用、全球部署架构、分布式水平扩展、高性能、完整的分布式事务支持、企业级安全

力、资源和市场等多要 素融合，构建独特生态价值。 服 务 运 行 服 务 交 付 服 务 能 力 服 务 心 品 仓 備 配 逃 设 备 管 理 质 量 管 控 牛 产 作 业 计 划 调 度 数 字 化 供 应 链 数 字 化 节 销 知 识 资 金 基 州 设 旋 数 期 业 务 化 数 斯 资 产 数 期 管 理 业 务 数 斯 化 数据资产 数据 数据业务化 基础设施 应用支撑资源 资金 资源 知识 数字化营销 数字化财务 数字化运营 数字化供应链 产品设计 工艺设计 计划调度 生产作业 质量管控 设备管理 数字化生产 仓储配送 服务产品 服务交付 服务能力 数字化服务 服务运行 - 7 成熟度要求 7.1 组织 组织能力域包括组织建设、转型战略、流程管理、变革管理4 应安排专项资金计划支持数 字化转型需求的实现 应在局部业务中落实资金计 划并设立数字化转型专项资 金的管理措施 a) 应建立与行业特点、数字 化水平等相匹配的数字 化转型资金的投入预算 及管控机制； b) 应建立资金保障管理制 度，并持续优化和改进资 金保障管理 a) 应对数字化转型资金进 行统筹协调利用、优化调 整、动态协同管理和量化 精准核算，实现数字化转 型资金自身数字化管理；

济向自主 经济跃迁的核心引擎，为数字经济的可持续发展提供更强韧性。 人形机器人是一种利用人工智能和机器人技术制造的具有类似人 类外观和行为的机器人。人形机器人灵感来源于人类的身体，集仿生 学原理和机器电控原理于一体。与普通机器人相比，人形机器人最大 的特点是拥有拟人智能能力，可以通过人工智能大模型技术的赋能， 实现拟人化的感知、决策、控制能力，实现了智能的飞跃。同时，人 CoPa模型，利用GPT-4V等基础模型的常识知识，生成任务导向的抓取 姿态及运动规划方案。其三，视觉-语言-动作模型（VLA）路线，在 VLM基础上增加运动控制层。典型代表谷歌RT-H，通过多任务数据集 联合训练语言-视觉-动作模块，学习自适应动作策略以解决轨迹决策问 题。其四，多模态大模型路线，未来主导方向。如MIT与IBM的MultiPY， 融合视觉、触觉等3D环境特征，通过多视图关联构建以对象为中心的场 顿动力等企业通过激光 雷达与深度相机结合，提升环境建模精度。触觉与力觉传感器方面，柔 性触觉传感器应用突破，Optimus Gen2借此实现鸡蛋抓取；六维力传 感器在国际上广泛应用，助力精准力控。多模态融合技术兴起，美国 MIT研发的RoboFusion系统，通过视觉、触觉、力觉数据融合与强化学 习，大幅提升工业装配精度。 电机作为人形机器人核心执行部件不断升级。在控制精度上，日本

医 疗 影 像 迪安诊断 联影医疗 鹰瞳科技-B 美年健康 万东医疗 AI 医 疗 机 器 人 天智航 微创机器人-B CD SS 与 病 种 质 控 金域医学 医渡科技 久远银海 润达医疗 朗玛信息 AI 健 康 管 理 乐心医疗 九安医疗 AI 智 慧 药 房 益丰药房 大参林 一心堂 老百姓 成为我们未来更为智能时 代的全新信息系统入口。此前，Meta 在2023年4月5日发布了机器视觉领域首个用于图像分割的通用大模型 Segment Anything Model（SAM）及其训练数据集 Segment Anything 1-Billion（SA-1B），并将其开源于 GitHub。该模型的推出促进了机器视觉通用基础大模型的进一步研究，为图像分割领域的研究和应用提供更加完备 的解决 操作系统 服务应用 AI 应用 办公 浏览 器 图片 编辑 播放 器 科学 计算 各种服务器 文件系统 内存管理 进程管理 人机交互 网络 安全管控 Chat QA 翻译 作曲 画图 写代 码等 意图识别 情感分析 问答 文本生成 图片生成 声音生成 图片生成 文本表示 图像表示 大语言模型（LLM)

专用任务模型：NLP、CV、Gaming…… 2. 通用任务模型：AIGC • Diffusion、transformer ◼ 从NLU+NLG到LLM（大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM是人类的认知智能的实现方式之一 3. LLM的原理很简单；工程很复杂；效果很神奇 01 对AI技术的认知：大模型的能力边界 用人工神经网络获取网络模型 开展以基于学习科学的职业教育人工智能大模型建设 • 结合大模型工程化实践的系列论文规划与发表 • AI领域顶级会议论文发表 • 开源高质量的Python中文数据集，提高贡献度 • 智能分发多模型开放平台 • 大模型训练服务 • 数据工程服务，建设模型训练的知识库、数据集 • 私有化部署服务 • 智能录课 • 智能助教 • 青鸟人工智能实验室 • 智能学习平台 • 青鸟教育大模型 层 管理功能：任务、资源、 镜像、存储、数据、 用户、运维 业 务 层 动态监控 资源监控 集群监控 全景大屏 状态信息 资源使用 任务运行 监 控 层 模型训推 自然语言 图像处理 语言识别 文字识别 深度学习 应 用 层 计算节点 硬 件 层 管理节点 存储节点 网络节点 GPTJ-6B LLAMA2-7B

互 补和协同联动，并通过推动建设普惠算力、推动算力一体化服务等方 式，降低中小企业用算成本。《数字中国建设 2025 年行动方案》提 出开展“人工智能+”行动，深度挖掘应用场景，建设高质量数据集， 目标到 2025 年数字经济核心产业增加值占 GDP 比重超 10%。《算力 互联互通行动计划》指出集中力量开展高性能传输协议等网络传输技 算力城域网白皮书（2025 版） 3 术研究， 的数据量和计算资源，训练成本普遍较高。行业大模型和垂直大模型 专注于特定行业或应用场景，表现出更高的专业精度和深度，算力要 求和训练成本也相对较低。大模型部署可分为训练和推理两种场景： 训练场景是指使用大规模数据集对庞大、复杂的大模型参数进行训练 的过程；推理场景是指在特定条件，利用大模型进行逻辑推理、知识 推断提供高效准确结论的过程。 对于大部分企业和研究机构来说，自行购买和维护高性能计算设 备训练大 图 3-1 算力城域网业务需求总览 3.2 网络能力需求 3.2.1.海量数据高效入算需求 随着 AI/HPC 的迅猛发展，数据规模正在以前所未有的速度增长， 企业单次向算力中心传送的数据集可达到数百 TB 的量级。根据 IDC 发布的《Worldwide IDC Global DataSphere Forecast Update,2025– 2029:Regional Analysis》报告，IDC