赵蕊：高效推进数智变革，助力金融高质量发展

尊敬的各位领导和专家，大家上午好！非常荣幸受邀参加这次大会。在AI浪潮下，华为公司近两年的主要工作是助力金融行业开展AI创新实践，今天借这个机会把我们对于产业发展的洞察以及在行业实践方面的思考给大家做一个汇报。我今天分享的主题是“高效推进数字变革，助力金融的高质量发展”。

AI是一个划时代的科技革命，给人类社会带来的巨大冲击可能会超过前面几次工业革命之和，已经成为全球科技竞争的焦点。AI将会是“工业革命+信息革命+文艺复兴”之和，成为非常强大的新一轮科技革命。

中美都把AI作为国家战略，成为全球AI发展的两极。通过五层蛋糕的模式分析中美AI产业的发展情况，中美的资源禀赋略有不同，发展的趋势和方向也是有差异的。

从应用层来看，中国的AI价值变现主要在智能制造、能源、金融等国计民生行业，美国则聚焦生命科学、太空和量子计算等前沿领域。

从模型层来看，中国依托开源模型和工程创新快速形成竞争力，美国的前沿模型目前仍以闭源为主。

从基础设施层来看，中国在工业产业链和人才厚度方面非常有优势，有实现AI规模化应用的能力，美国则建成大量10万卡的产业集群，在产业链和生态方面非常成熟。

从芯片和系统层来看，无论是芯片能力还是软件生态，中国与美国相比还是有差距的，目前业界普遍认为超节点集群能力是我们实现超越的重要路径。

从能源方面来看，中国能源供给体量以及多元化结构的优势非常明显，可以很好地支撑大规模集群建设，美国电网分区割裂，存在电力调度能力不足等短板。

AI竞争关系到未来的全球格局，将彻底改变全球的技术生态。金融行业在选择产品技术路线时，需要注意这不仅仅是一个采购项目，而是关系到一个可持续供应和长期发展演进的战略选择。

AI发展带来需求爆发性增长，源头产能受限导致行情持续上涨。有一个很明显的变化是从去年出现的源头产能的供不应求以及价格波动，这个变化给产业发展带来非常大的困扰，我们发现核心问题在产业的制造端。AI算力卡的核心部件HBM，产能远低于需求。在DRAM内存领域，美国头部互联网公司几乎锁定了全球70%的产能，中国厂商只分配到25%，从去年8月到现在，内存价格不可思议地涨了10倍，导致服务器成了海鲜价，每个月都在发生变化。HDD、SSD等领域在全球范围内都有大量的缺口，供需失衡导致的价格波动给我们的采购带来不小的冲击，采购节奏跟不上行情变化。

中国金融行业增长动能不足，AI成为金融机构战略性发展机遇。中国金融行业当前正面临一个历史性的转型期，利率下行周期带来的盈利空间压缩与增长动能不足，规模增长正逐步向更加注重资产质量的方向转型。AI正是关键的破局点，正在重构金融行业的流量入口、服务模式、客户旅程体验以及风控能力，甚至组织形态，构筑未来的竞争壁垒。AI是金融机构未来发展的战略机遇已经成为共识，最近两三年会成为分水岭，影响下一个五到十年的竞争平衡。

AI在金融行业已经走过了从“可用”到“好用”，正迈入“用好”的阶段。华为近年来协助国内200多家金融机构开展大量深入的联合创新，协助客户制定公司级的AI战略和整体架构，打造统一算力底座、模型服务平台以及智能体平台，在手机银行面客、风控、智能理财、代码开发等场景都有了初步规模化的应用。例如工商银行外呼场景的客户覆盖率显著提升，邮储银行智能代码开发场景已经覆盖行内近6000名开发人员，人均效率得到提升，在培训场景年均节省600万培训费，这些案例展现了AI在金融领域巨大的价值潜力。如何在AI时代保持领先的竞争力成为金融行业共同面临的挑战，同时也是一个重大的机遇。

金融行业如何把AI真正用起来，释放业务价值，我们认为主要有七个维度：

一是算力。当前中国的自主算力产业链已经初步成熟，华为灵衢智算集群的性能已经全球领先，我们在这个领域还是非常有信心的。灵衢智算集群适配全球开源模型，一些模型的AI推理成本实现了几个数量级的下降。但是在超节点服务器的机房建设上仍面临一些新的挑战，因为超节点服务器单柜达到上百千瓦功率，需要液冷，机房建设模式和方案都需要调整。在机房设计上，我们提出3D数据中心的建设模式，满足未来多个代际液冷超节点的部署需求，并且我们已经将3D数据中心建设标准开放给全社会。

二是模型。中国开源模型的能力不断提高，逼近美国顶尖闭源模型，模型在泛化能力、多步推理等方面的发展有力支撑了金融场景的落地。

三是生态。这一点非常重要，去年华为全部开源了计算软件，DeepSeek这个月也面向全社会开源了昇腾全套的基础设施组件，涵盖TileLang高级语言编译工具、计算库、分布式通信库。所有组件与此前面向英伟达平台的开源组件一一对应。

四是运营。Token的经济效益已经成为AI投资回报率的一个关键指标，不是单看采购金额的投资回报，而是要看Token真正实现的价值，即Token的经济效益，精细化的算力运营以及调优服务已经成为一个非常必要的手段。

五是数据。传统数据平台正在向数据融合升级，如何面向AI构建知识库，为智能体提供高质量的数据支撑是一个非常重要的数据工作。

六是Agent。智能体的开发范式基本成熟，自主规划、记忆监测、可追溯等能力目前可以基本满足金融行业的精准合规要求。

七是人才。各个单位都非常重视人才，人才是非常重要的内生驱动力，我们为金融机构覆盖管理、业务、技术人才的体系化培训课程。

接下来，我向大家分享一下华为对上述七个维度的洞察以及进展情况。

在算力方面，算力的先进性和经济性是金融AI战略落地的必要条件。由于国内制程工艺与西方相比存在差异，单颗芯片算力可能比西方落后，但是通过超节点方式构建集群完成一个训练任务的性能和效率目前来看非常优秀。我们昇腾产品芯片一年一代际，每一个代际的性能都实现了倍增，现在规模发货提供的是950，950能够实现1024张卡组成一台服务器完成一个训练任务，明年发布的960系列将能实现4096张卡连成一起。基于这么多年来在通信和计算连接方面的技术积累，华为可以很好解决算力领先的问题，以超节点方式组网，算力单卡效率能够提升6到8倍，意味着单位成本降低6到8倍，这是算力经济性的一个非常重要的前提。目前昇腾全力适配国内的开源模型厂商，助力国内模型厂商开发出更领先的模型，DeepSeek和智谱已经基于昇腾开始原生模型的训练，实现发布当天部署上线。我们这个超节点组网的灵衢架构目前也开源开放，希望硬件厂商共同推动这个架构的发展。

在模型方面，模型迭代非常快，主要有三个特点：一是模型尺寸快速增加，从万亿参数逼近十万亿参数。二是MoE模型架构成为主流趋势，更加适配超节点组网架构。三是国产主流的开源模型优先适配国产算力，很好地帮助金融企业部署国产模型，并升级到推理能力更强、泛化能力更好、精度更优的模型，为Agent提供高质量服务。

在生态方面，我们把计算软件层全部开源给社区开发者，目前社区已经有15000人，适配80多个主流模型，7000多个AI解决方案，像招商银行基于我们的开源软件进行金融算子开发，充分释放算力性能。

在运营方面，我们构建了算力运营平台，大家都很关心算力卡的使用情况，包括使用了哪一个模型，哪一个Agent，如何提高算力卡效率等，所以算力运营平台非常重要。针对指标看不清、资源供给匹配不足、性能调优难、资源朝夕变化大等问题，我们联合头部金融机构提供算力运营平台和服务平台看板，可以把Token投资收益看得清清楚楚。

在数据方面，数据原来是给业务系统使用的，但是未来的数据是给模型和Agent使用的，现在众多的金融机构都在面向AI构筑数据体系，整合多元数据，通过企业级的知识库、本体等高质量数据集把存量数据变成AI可以直接使用的资产。

在Agent方面，金融企业的AI应用与互联网应用是不同的，对于执行结果的确定性、可观测性以及可管控性的要求非常高，需要满足监管的透明和可追溯的要求。结合金融业务特点以及行业的工程实践能力，我们在行为约束、流程编排、质量管控和可审计方面进行工程设计，将工程经验沉淀到九问智能体平台。目前九问已经开源，大家基于九问智能体可以免费开发金融场景智能体，既提供低码的拖拉拽，方便业务人员使用，也提供复杂场景的开发能力。

在人才方面，当前既懂业务，又懂数据，又懂技术的综合型人才非常稀缺，我们联合头部金融机构面向全行业提供了全套的课程体系，涵盖了战略规划、执行、Agent开发等底层算子的模型调优训练和场景落地的培训和实践，欢迎大家交流。

华为数智金融战略规划就是助力金融机构打造AI时代核心竞争力。面向金融行业，我们提出五层的参考架构：最上面是智能体应用，通过意图识别和任务规划完成复杂的金融业务活动。向下是AgentOS，这是Agent开发平台，我们把工程经验和场景化skill集成到九问开发平台。再往下是模型服务层和数据层，模型变化很快，我们打造了一个可插拔的、可以敏捷迭代的企业模型基座为智能体推理提供服务，数据平台提供模型训练、高质量数据以及业务知识。再往下是算力运营和管理，主要是超节点资源管理或者异构算力管理，实现精细化运营，提升算力利用率。最下面是算力资源池，我们提供基于灵衢超节点算力集群，高效支撑主流模型的训练和推理。

在服务和安全生产方面，华为有30多年服务金融客户的经验，可以提供涵盖建设、开发、测试、投产、规模、推广、维护、运营等全生命周期的服务保障，对于金融行业来说，安全生产是首要任务。

在金融企业AI落地方面，我们有六点建议与思考：一是一把手工程和核心战略。二是健全AI安全治理体系。三是业数技融合人才队伍。四是可演进的企业AI架构。五是提升面向AI的数据供给能力。六是提高算力投资回报释放Token经济性。

总体来说，我们希望通过优质的产品与服务，更高效地助力中国金融AI穿越“好用”，走向“用好”，加速释放Token的经济效益。谢谢大家！