2025年，人工智能技术在金融领域的应用已进入深水区。各大机构纷纷将AI战略从试点探索转向全面落地。与此同时，信息技术应用创新工程也步入攻坚阶段。越来越多的金融机构明确提出，要构建基于国产算力底座的AI体系。
然而理想与现实之间，仍存在多重挑战。包括技术适配、资源调度和生态协同等难题。
国产算力能否真正扛起金融智能化的大旗？如何在保障稳定与安全的同时，实现高效、可持续的AI部署？
在近期召开的“2025光合组织领导人大会”上，一个由硬件、平台与应用三方深度融合的实践案例，为行业提供了可复制的破局思路。
行业痛点：AI深化应用遭遇算力困局
目前，金融行业对AI的期待已从“有没有”转向“好不好用、划不划算”。投入产出比成为决策核心，但现实挑战却日益凸显。
首先是算力供需失衡。
年初由DeepSeek引发的AI热潮，导致金融机构普遍面临算力紧张。不仅总量不足，还存在利用率低、异构资源难以统一调度、数据中心能耗压力大等问题。运维复杂度大幅上升。
其次是自主可控的刚性需求。
金融系统关乎国家经济命脉，对安全与可控的要求极高。构建国产化算力底座已不是“选择题”，而是“必答题”。
然而，国产算力技术体系对多数机构仍属新领域，学习成本高，迁移风险大。
再者是多元环境下的系统适配难题。
未来很长一段时间，国产与国外算力并存将成为常态。再加上多种模型与海量应用，技术栈复杂度急剧增加。
如何在保障核心业务连续性的前提下实现平滑过渡，成为行业普遍焦虑。
此外，金融机构在技术选型上极为审慎。不仅关注算力峰值，更看重软件生态成熟度、技术服务能力、技术路线可持续性及供应链稳定性。整个决策流程长且严谨。
标杆实践：股份制银行的国产AI重构之路
某大型股份制银行长期受困于文档处理效率低下。大量合同、票据依赖人工核验，耗时耗力。
在推进信创与AI融合战略的过程中，该行联合海光、青云科技与合合信息，打造了“国产算力+智能平台+场景应用”一体化解决方案。
该方案已成功应用于OCR识别、语音交互、大模型推理等多个关键场景。
底层支撑：海光DCU构筑稳定算力基座
作为核心算力来源，海光DCU凭借开放架构与高精度计算能力，为金融级高并发应用提供坚实支撑。
通过与上层平台和应用深度协同优化，实现算力效能最大化，可满足百万级并发处理需求。
中枢调度：青云智算平台打破“算力孤岛”
面对异构算力资源分散、利用率低的问题，青云科技的AI智算平台充当“资源调度大脑”。
它将不同厂商、型号的算力整合为统一资源池，实现精细化分配与动态调度。
据青云科技副总裁沈鸥介绍，该平台显著提升了资源使用效率，使现有算力可支撑更多AI场景，推理性能也同步提升。
场景落地：合合信息智能文档处理实现效率跃迁
合合信息的智能文档处理技术，融合多模态大模型与深度学习算法。可精准识别复杂版式、手写内容、印章干扰等难题，并自动解析表格结构与逻辑关系。
合合信息智能解决方案事业部总经理李明表示，在海光DCU深度适配的支持下，识别准确率大幅提升。部分场景表现甚至优于国际主流算力平台，处理时间从数天缩短至几分钟。
这一合作打破了传统“各自采购、独立部署”的模式，形成了硬件、平台、应用三方协同的“铁三角”生态，为国产算力在金融领域的规模化应用树立了标杆。
生态驱动：软硬协同构建可持续算力生态
光合组织是围绕海光算力构建的软硬件生态联盟，已汇聚超百家AI平台与应用厂商。该组织致力于通过协同创新，实现“1+1＞2”的效能放大。
海光坚持“不仅要建好算力，更要让算力好用”的理念。其DCU产品兼容主流AI生态，支持CUDA迁移，大幅降低开发门槛。
通过DTK、DAS等全栈软件栈，实现从底层加速到上层应用的端到端优化。
目前，海光DCU已在近百家金融机构落地，覆盖银行、保险、证券等多类场景。在智能客服、反欺诈、知识库构建等领域，已验证了其技术成熟度与商业价值。
结语
真正的算力竞争力，不在于单一硬件的性能参数，而在于生态的广度与深度。
从光合大会的生态布局，到金融一线的落地实践，一条以国产算力为基、平台为桥、应用为牵引的协同路径正日益清晰。
只有当硬件、软件与场景深度融合，国产AI算力才真正迈入“可用、好用、愿用”的新阶段。
