占据80%以上的计算需求，承载这种需求的就是AI算力中 心，即智算中心。 智算中心成为新基建的三个基本条件 工业时代的电力生产需要电厂，计算力也需要强大 的生产供给中心，它就是智算中心。智算中心融合多元算 力，以开源架构计算系统为平台，以数据为生产资料，以 强大计算力驱动人工智能，为社会生产和生活提供源源不 断的智慧服务。 智算中心已成为经济新动能，社会新基建。 智算中心要成为新基建，必须满足以下三个基本条 领先的技术，保证自身的先进性； 普适普惠则要求智算中心发挥基础设施的社会价值， 服务大众。 下面，具体分析这三个条件。 首先是开放标准。通过简单回顾开源开放的历史，可 以看到开放的边界越来越广阔。 从最初的操作系统、数据库、 中间件的开源，到云和大数据、算 法框架等基础软件的开源，再到以 以RISC-V为代表的芯片的开放，以 OCP、ODCC为代表的计算硬件的开 放。由软件到硬件，从芯片到数据中 心，开放变革了IT产业的生产模式和 应用服务模式，持续推动着信息技术 的发展，促进了整个IT产业的生态繁 荣。 开源开放的IT才是健康的IT，开 源开放的软硬件也才是智算中心建 设所需要的。浪潮作为三大开放计 算标准组织的发起会员和白金会员、 OpenStack开源社区的黄金会员，一 直是开源计算生态发展的推动者，一 直在积极地将开源开放的建设理念和 标准向全球推广，一直在大力推进开 放计算生态发展，所有的顶级互联网

测评集上的表现全面超越了主流 开源模型 Llama-2 。 金融领域： 同花顺自建了 HithinkFinEval 数据集 ，涵盖了证券从业考试、基金从业考试、会计师资格考试、 CPA 、 CFA 等 17 个金融行 业考试。在这些考试中 ，问财 HithinkGPT-70B 大模型以平均 75.9 分的优异成绩通过考试 ，并且 HithinkGPT 在所有考试科目中都比开源模型 更加优秀。 1 10 2. 东方财富妙想：致力于搭载“懂金融、懂用户、强数据”的金融生态基 因 妙想金融能力评测行业领先。一方面 ，使用开源金融评测数据集 OpenFinData 对妙想金融大模型的金融场景能力进行 360 度诊断。 在横跨金融知识、金融计算、金融解读、金融判别、金融分析、金融合规等六大金融模块共十九项金融任务维度的多元金融场景能力的 ，东吴证券研究所 3. 恒生电子 LightGPT+WarrenQ ：打造更专业、更合规、更轻量的金融行业大模 型 14 幻方量化发布通用语言大模型 DeepSeek LLM 67Bt ，相比开源的同级别模型 LLaMA2 70B ， DeepSeek LLM 67B 在近 20 个中英文的公 开评 测榜单上表现更佳。尤其突出的是推理、数学、编程等能力（如： HumanEval 、 MATH

现大大超过了现有的大语言模型 ，而在通用场景上的表现则与之相当 ，甚至优于现有模型。 AI4Finance Foundation 开发 FinGPT ，为金融大 型语言 模型提供互联网规模的数据 ，以此推动金融领域的开源发展。 2 ） 国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业 通用大模 型“奇富 GPT” ；度小满推出国内首个千亿级中文金融大模型“轩辕” ；腾讯云公布腾讯云金融行业大模型 ， GPT4-Turbo 遥遥领 先，国内最好的大模型为百度文心一言，但仍有 15.77 分的差距。国内方面，虽仍有差距，但在过去 一年内发展迅速，平均水平上与国外差距并不明显。此外，国内开源大模型在中文上的表现要优于 国外 开源大模型。 图表： AI 大模型 2023 年关键进展 数据来源：中文语言理解测评基准 CLUE 、东吴证券研究所 2.1. 国内外通用 AI 大模型发展历程：国外领先，国内紧 Foundation 开发的一种专门为金融领域设计的语言模型。它的目标是为金融大型语言模型（ FinLLMs ）提供 互联 网规模的数据，以此推动金融领域的开源发展。 FinGPT 采用以数据为中心的方法，强调了数据采集、清理和预处理在开发开源 FinLLM 中的关键作用。通过支持数据可访问性， FinGPT 渴望加强金融领域的研究、合作和创新，为开放金融实践铺平道路。 FinGPT 由 四个基本组件组成：数据源、数据工程、

GPT 3.5 Sora Gemini 2023.1 1 2024.2 闭源模型（文本） 开源模型（文本） 多模态模型 实时模型 Llama2 Claude 3 GPT 4o 2024.5 Qwen2 Qwen Qwen VL 大模型的发展趋势：文本、多模态、实时，开源、闭源，商业化成熟度 模型的智能化水平与使用成本的演进趋势 • 数据作为 信息媒介 • 信息获取效率 数据压缩技术 网络数据传输 算力层 AI基础架构层 中间层 应用层 预训练大模型 多模态模型 模型压缩及蒸馏 持续学习 模型层 模型层 大模型推理优化 大模型微调 RLHF 能力分类 开源框架 大厂 澜码 业务能力 智能化咨询 O O � 知识/流程治理 O º � 业务理解 O O º 预置应用 � � º 产品能力 多Agent协作 º º º 工作流 º º �

程度上提高基础工作效率，降低成 本。 引入 AI 系统后， B+C 端投资者 投资效率提升，投融资需求提升， 市场交易活跃度提高。 AI 赋能券商业务的三种形式 与现有模型合作 本地化部署开源模型与自研模型结 合 纯自研模型 投研、投顾 资管业务 自营业务 新生业务 2.1. AI 赋能券商行业逻辑链条梳 理 风控合规 战略支持 市场研究、人力资源等后台部门 将在一定程度上提高基础工作效率， 降低成本。 引入 AI 系统后， B+C 端投资者 投资效率提升，投融资需求提升， 市场交易活跃度提高。 AI 赋能证券科技业务的三种形式 与通用模型合作 本地化部署开源模型与自研模型结 合 纯自研模型 3.1. AI 赋能互联网金融行业逻辑链条梳 理 风控合规 市场研 究 人力资源等后台部门 股票、基金导流 证券、基金投顾 效率将一定程度上提升，降本增效。 引入 AI 系统后，保险公司内部 业务运营进一步自动化和标准化， 对风险把控更加精准，降低成本。 AI 赋能保险业务的三种形式 与通用模型合作 本地化部署开源模型与自研模型结 合 纯自研模型 新生业务 协助保险 / 金融公司开发 AI 系 统 风控合规 内勤流 程 人力资源等后台部门 4.1. AI 赋能保险行业逻辑链

通过添加安全编译选项，可以在软件中 进行代码质量的安全加固，提高了攻击者的攻击难度，降低了代码质量缺陷变成可被利用漏洞 的风险。 15、生命周期管理 产品软件需要使用安全记录良好并持续维护的开源和第三方组件，出现漏洞及时通过发布补丁 或者升级到新版本等方式修复漏洞，确保产品软件在生命周期内的安全处于可维护状态。 2.5.1 AI安全面临的挑战 从AI的发展过程可以看出，算法、算 持。很多应用层软件不保护其模型，即使对于那些保护和加密模型的应用程序，攻击者能够通 过简单的动态分析技术从应用层中提取模型。 三方件安全风险 AI已经演化成为了复杂的生态，AI系统中存在着大量的开源、第三方组件。恶意行为者完全 可以通过找到组件未及时修补的漏洞，实现代码执行、模型窃取等恶意行为。 融入业务：网络安全与隐私保护保障活动需要融入到各相关业务的政策、流程、规范、基线 中，使之成 这几个阶段： 收集：应用软件通过采集、直接生成、从其它设备接收或其它方式转入等方式产生数据的过程。 存储：数据在设备上存留的过程。 使用：数据在设备上被访问、处理等操作的过程。 传输：数据离开源设备、转移到目的设备的过程。 删除：数据在设备上被销毁，保证其不可被检索、访问的状态。 华为乾崑网络安全解决方案对数据进行全生命周期的安全防护，保证数据的机密性、完整性、 可用性。 内含SO

风险规避 敏态 机会博取 业务流程固定，行 业规范成熟的业务， 通常采用商业软件 套件，通过 IaaS 和硬件保障高可用 性 探索中的商业模式， 需要不断是错能力的 支撑，通常采用开源 软件框架，通过 PaaS 和应用框架平 台来确保高可用性 同样的 IT 基础架构产品 2.1 总体设计 “ 双速 IT” 聚焦于公司业务的“稳态、敏态”分析，分别采用传统的集中式和新兴的互联网分布式等信

大地提高应用的性能。 内存数据库 (memcache ) 18 2025/4/8 技术支撑 核心系统架构 Swoole Workerman Workerm an Swoole 开源高性能的 PHP socket 服务器框架。被广泛 的用于手机 app 、手游服务端、网络游戏服务器、 聊天室服务器、硬件通讯服务器、智能家居、车 联网、物联网等领域的开发。 支持 TCP 长连接，

析的优势，帮助商家“多快好省”地开展运营工作，实现指定产品促销、用户拉新和留存提升等营销目的。 丰富的 营销功能 优惠券 海报 全民分销 砍价活动 限时抢购 3-2 ：涉旅企业运 营 提升品牌知名度 为企业开源节流 丰富微营销渠道 多元化促销 23 虚拟卡、实体卡 交通、美食、缴 费等功能 财务自动清分 市民卡营销 市民卡 （一卡在手， 一码畅玩） 3-3 ：营销落地措 施 二次消费结算

先进适用 智能计算中心的建设要点 以培育区域 智能生态圈为根本 以全面提升 AI 计算力为核 心 着力推动 AI 产业创新聚 集 以促进数据 开放共享为基础 免费或低成本提供很多开源的人工智能算法及其代码 以强大算力驱动 AI 模型对数据进行深度加工，源源不断产生各种智慧计算服务 通过平台开放接口的方式将行业领军企业的算法能力、数据资源及运营服务等输出 给 IT 基础薄弱的企业