在“全力打造全球引領性金融科技中心”的政策驅動下，《上海高質量推進全球金融科技中心建設行動方案》明確提出，要聚焦人工智能等領域推動金融科技底層技術創新，構建自主創新的金融信息技術創新生態體系。

浦發銀行作為行業先行者，在人工智能應用與探索上走在前列，其對算力底座構建、大模型訓練調優及業務應用層面規劃長遠，積極探索人工智能技術與金融業務的深度融合，以提供更智能高效的金融服務。

昇騰憑高性能算力芯片領跑算力賽道，中軟國際則兼具深厚的AI技術積累與豐富的金融行業IT服務經驗。雙方強強聯合攜手基于昇騰算力構建算力底座，依托中軟國際的技術與行業優勢開展業務模型訓練調優，推動人工智能在金融業務中的規模化落地，助力加速智慧金融布局。

聚焦AI落地：四大核心優化方向

算力應用與布局中面臨著多重挑戰，首先體現在算力需求爆發式增長與傳統架構的適配矛盾上。隨著千億級大模型逐步部署，單次模型訓練便需數千卡時算力支撐，而傳統算力架構已難以滿足實時風控、智能營銷等核心業務場景對低時延、高可靠性的要求，算力瓶頸成為制約 AI 應用快速迭代的關鍵因素。隨之產生的，是日益凸顯的自主創新與替代工作的緊迫性。受供應鏈波動及金融安全監管要求影響，構建具備獨立技術體系的算力底座成為必然選擇。

與此同時，技術與業務的深度融合也面臨不小難度。金融行業業務場景復雜多樣，從知識助手到跨境金融，不同場景對 AI 模型的應用需求差異顯著。推動 AI 模型從 “能運行”向“好用、實用”升級，實現技術與業務的精準匹配，需專業技術與行業經驗的雙重支撐。

此外，算力布局還需與國家戰略要求相契合。“東數西算”政策明確提出優化算力資源空間布局，需在現有資源基礎上協同規劃，構建高效運行與成本控制兼顧的算力架構。

通力協作破局 技術創新賦能

浦發銀行與中軟國際、華為的深度合作，有效的應對了上述挑戰。分布式訓練與推理技術通過算力集群協同優化與端到端流程重構，成為突破傳統架構限制的關鍵，解決了算力增長與傳統架構的適配難題。分布式訓練依托多芯片算力集群協同，通過數據/模型/流水線混合并行的架構創新，RDMA與通信壓縮的通信優化技術，以及彈性擴縮容的資源調度，突破單機資源局限，縮短訓練周期，加速AI應用迭代。

中軟國際結合自身在金融行業的經驗以及AI技術能力，提供量身定制的算力資源優化、大模型微調、AI應用模型調優，持續提升AI大模型服務業務部門的效率。分布式推理通過模型并行、PD分離、專家并行等技術，支持低時延、高吞吐與高并發，為智能風控、智能營銷等場景提供穩定支撐，確保金融級服務，重塑金融行業智能化標準，為AI時代金融服務的價值躍遷提供核心引擎。

昇騰以自主算力芯片及完善生態為核心，支撐算力底座構建。中軟國際結合昇騰服務器與鯤鵬 CPU，為銀行高效交付數據中心千卡級算力集群，使其算力水平躋身國內銀行前列。該集群兼具超高計算密度、極致通信效率與綠色節能優勢。中軟國際憑借端到端交付能力，助力推進算力資源優化配置，深度契合“東數西算”戰略。

三方聯動

實現算力自主創新與效能提升雙突破

三方合作突破了算力限制，顯著提升了銀行業務與商業價值。模型推理平臺與算力優化平臺通過技術重構與資源提效，成為金融機構實現數智化轉型的核心引擎。二者通過技術普惠化、資源集約化、場景深度適配，推動算力中心從成本中心轉向價值中心、從被動響應轉向主動創新、從單點突破轉向生態共贏。

從行業視角看，大規模算力集群、模型訓練推理平臺與算力優化對金融機構的影響意義深遠。在大模型參數規模持續擴大、迭代加速的背景下，可保障訓練推理算力領先，助力金融機構快速構建 AIGC應用，其優化能力助力金融機構實現“多快好省” 的算力應用，精準匹配核心業務，助力金融機構數智化轉型。

模型推理平臺與算力優化平臺不僅為頭部機構鞏固競爭優勢，更為中小金融機構提供“換道超車”的技術底座，成為中小型金融機構數智化轉型的核心驅動力。中軟國際在多家頭部銀行AI解決方案的落地過程中，沉淀了從十億至千億級參數大模型性能優化能力，滿足低首字符響應、高吞吐等業務要求，充分釋放昇騰算力與模型價值，得到了客戶的充分認可。浦發銀行表示：“中軟國際在項目實施過程中基于昇騰算力完成模型微調試點，已初步打通微調業務流程，沉淀基礎微調經驗。”相信這樣的認可將會在更多客戶案例中得到進一步的實踐與提升。

展望未來，中軟國際通過“技術輸出+生態共建”雙輪驅動，為中小金融機構提供可參考的數智化轉型路徑；異構算力集群與模型訓練推理平臺、算力優化等技術和建設經驗，將賦能中小金融機構，共建金融大模型生態聯盟，助力行業突破技術瓶頸，重塑AI時代金融服務的價值坐標，形成可量化的商業價值閉環。