2025金融信创AI生态实践白皮书

金融信创AI生态实践白皮书 执笔方 海光信息技术股份有限公司上海合合信息科技股份有限公司 申请入编方式 欢迎各行业企业扫描下方二维码提交金融信创方案/案例/趋势洞察，分享成功经验与独到见解。 金融信创：战略背景与发展路径05 1.1中国信创发展历程与现状1.2金融信创的核心内涵1.3金融信创发展历程与现状1.4金融信创发展的驱动因素1.5金融信创发展的多重挑战1.6金融信创的实施路径 全国性股份行：AI应用多技术路线适配与性能发挥14 2.1案例背景2.2方案架构2.3方案亮点与价值2.4 AI应用2.5适配测试 头部城商行：基于国产算力的OCR应用适配实践22 3.1案例背景3.2方案架构3.3 AI应用3.4适配测试 头部城商行：增量国产算力赋能多模态智能处理29 4.1案例背景4.2方案架构4.3 AI应用 金融信创核心芯片技术与选型34 5.1海光全景软件栈5.2 CPU5.3 DCU 金融信创AI智能应用 42 6.1 TextIn文本智能云平台6.2文档自动化处理应用6.3文档解析应用 第一章 金融信创：战略背景与发展路径 金融信创是国家科技自立自强与金融安全的核心战略。本章系统梳理金融信创从政策驱动到技术攻坚的发展历程、挑战及实施路径。金融信创正通过政策赋能、技术攻关、场景验证，加速实现从“可用”到“好用”的跨越，筑牢金融安全底座，赋能数字化转型。 1.1中国信创发展历程与现状 中国自主可控发展的四个阶段 1999-2012 •成果：自主芯片雏形开始出现。基础软件、操作系统、应用软件实现从零到有的突破。•问题：系统生态缺乏且自主可控路线上存在分歧。 2013-2016 •成果：主要在小型机领域，金融行业出现国产化替代案例，自主可控深入人心。 •问题：底层核心产品能力不足，芯片、操作系统、基础软件能力落后。 2016-2018 •成果：底层芯片从无到有，CPU、OS、GPU、存储等陆续突破，产业生态丰富，国家大力资金支持。•问题：进展高度涉密化，速度低于预期，落后国际领先水平3-5年。 2019-至今 •成果：自主可控从规划和基础研发阶段进入正式的产业落地推进阶段。从小“安可”到大“安可”，市场空间进一步扩大。 信创覆盖全产业链、全行业 全行业市场 信创体系覆盖2+8+N个领域，即党、政与金融、电信、电力、石油、交通、航空航天、医疗、教育8个关于国计民生的重要行业，以及N个消费市场。信创最初在党政领域试点应用，八大重点行业加速推进。 1.2金融信创的核心内涵 金融信创是指在金融行业领域，基于自主可控的核心技术路线，构建安全可靠、技术先进、应用适配的IT基础设施、业务系统及解决方案，并形成良性产业生态的过程。 金融信创的核心要素 技术底座 应用系统 芯片、操作系统、数据库、中间件等基础软硬件的国产化替代与创新。 核心业务系统、关键管理系统、办公系统等的迁移、重构或原生开发。 安全体系 基础设施 贯穿于技术底座、应用系统、基础设施的全栈安全能力建设。 服务器、存储、网络设备、云平台等的国产化适配与应用。 金融信创与传统IT国产化的区别 生态化 全栈性 适配性 先进性 关注金融行业业务连续性、高性能、高可靠、强合规要求 追求与国际主流技术同步或领先 构建开放、协作、可持续的产业生态 覆盖从底层硬件到上层应用的全技术栈 1.3金融信创发展历程与现状 萌芽探索期（2014~2020）政策破冰与技术验证并行 政策驱动 •2014年银监会发布《关于应用安全可控信息技术加强银行业网络安全和信息化建设的指导意见》明确提出：2015年起，各银行业金融机构对安全可控信息技术的应用以不低于15%的比例逐年增加。•2016年《国家信息化发展战略纲要》将“核心技术自主可控”纳入国家战略，但缺乏具体行业实施路径。 行业实践 •国有大行率先启动IT架构评估，重点在非核心系统试点（如办公OA、邮件系统），但受制于国产数据库与中间件性能瓶颈，规模化应用受限。•中小金融机构处于技术观望期，依赖IBM/Oracle等国外技术栈，国产化投入不足。 高速发展期（2020~2023） 大行引领试点扩容，中美科技博弈加速信创进程 政策驱动 •2020年金融信创生态实验室成立，标志着金融信创正式展开适配验证和生态建设。•2020年8月，金融信创一期试点启动，首批47家机构入围，要求信创基础软硬件采购额占到其IT外采的5-8%。•2021年5月，金融行业信创二期试点启动，试点机构扩容至198家，试点机构要求OA&邮件系统替换成全栈信创产品，一般系统开始进行部分信创应用，同时要求试点单位信创投入不低于全年IT支出的15%。 行业实践 •头部金融机构基本已完成了OA系统的国产升级，少数已实现了单轨运行，逐步向非核心业务系统的国产化演进。 全面推广期（2023~至今） 深水区攻坚，银行持续推进，证券/保险规模化落地 政策驱动 •中央金融办印发《中央金融委员会关于进一步做好金融业关键信息基础设施国产化工作的通知》•中国人民银行发布《金融业关键信息基础设施国产化落实计划（2024-2027）》。•证券业协会《网络和信息安全三年提升计划（2023-2025）》要求IT投入占比达营收7%或净利润10%。•地方配套：深圳支持设立市场化信创发展基金等。 行业实践 金融信创参与方从大行与头部券商扩容至全行业所有金融机构。 •银行：吉林银行依托金融私有云建设IaaS能力，实现一云多芯、统一纳管及快速交付、弹性扩缩容，并全面构建PaaS技术底座能力，实现从操作系统到中间件、数据库的全栈云平台，信创数据库占比超60%，成功打造自主可控的数据库专有区域；进出口银行完成自主可控适配改造，实现核心数据库从Oracle到GoldenDB的无感迁移；广发银行成功切换国产化全行总账管理系统。 •证券：国泰君安构建全链路全栈信创分布式证券核心交易体系，全面实现核心交易自主可控，横向实现从移动、桌面、网点、接入服务、核心交易到灾备的全链路信创升级，纵向实现从服务器、交换机、存储到操作系统、数据库、虚拟化软件、中间件的全栈信创替代；国信证券上线分布式低时延信创交易系统；华福证券实现新一代投资交易系统全业务、全产品切换并完成全栈信创适配。 •保险：华安保险通过云原生、分布式等前沿技术深度组合应用，实现了企业IT架构的重大转型与升级，建成了以信创为底座的华安保险新一代核心业务系统分布式架构；中国出口信用保险搭建了基于信创标准的“信保云”云平台，形成了具备融合数据计算能力的数据平台，实现传统数据库与信创数据库双向秒级实时数据同步，为系统改造双轨运行过渡、平滑安全迁移提供解决方案。 1.4金融信创发展的驱动因素 内生驱动力 风险规避 降低供应链风险、技术断供风险、安全漏洞风险。 成本优化 合规要求 长期降低对国外高昂许可费和维护费的依赖。 外部推动力 国家战略引领 数字中国、科技自立自强的战略部署，以及信创产业发展的顶层规划和政策支持。 金融监管导向 中国人民银行、银保监会、证监会等金融监管部门陆续发布了多项支持和指导金融业信创工作的政策文件。 地缘政治压力 外部网络安全事件频发，国外对我国核心科技封锁。 1.5金融信创发展的多重挑战 技术成熟度与性能瓶颈 生态兼容性与适配复杂度 尤其在核心交易、高频场景下，部分国产产品与国际顶尖水平仍有差距。 不同技术路线间的兼容性问题，海量金融应用向国产平台迁移、适配、调优的复杂度和成本巨大。 迁移风险与业务连续性保障 人才储备不足 既懂金融业务又精通国产技术的复合型人才严重短缺。 系统迁移过程中的数据一致性、业务中断风险、回退机制等挑战。 全栈解决方案与集成能力 标准规范与测评体系 端到端、满足金融严苛要求的整体解决方案成熟度有待提升。 统一、权威的金融信创技术标准、测试规范和认证体系仍需完善。 1.6金融信创的实施路径 关键实施路径 全面评估 开展全面的IT资产盘点、业务影响分析、技术路线适配性评估。 夯实基础 优先夯实安全可控的基础设施，如服务器、操作系统、数据库、云平台等。 •平移替换：对成熟稳定的应用进行直接迁移适配。•云化重构：利用国产云平台进行应用现代化改造，提升灵活性和扩展性。•原生开发：对于新业务系统，优先采用国产技术栈进行开发。 应用迁移/重构 试点验证 选择非关键或新业务系统进行小范围试点，充分验证技术可行性和业务影响。 稳步推广 在试点成功基础上，制定详细迁移计划，逐步扩大范围至重要及核心系统。 技术路线选择策略 多元化与聚焦 拥抱云原生与分布式 适配评估矩阵 关注主流国产芯片架构，选择生态成熟、发展可持续的技术路线。 建立评估模型，从性能、兼容性、生态、安全性、成本、服务等多维度评估技术产品。 利用云原生、分布式架构化解耦对单一硬件/软件的依赖，提升系统韧性和扩展性。 第二章 全国性股份行：AI应用多技术路线适配与性能发挥 本章以某全国性股份制银行为实践样本，展现其在智能文档处理国产化进程中的突破性探索。面对算力短缺与国产化适配的双重压力，该行采用海光DCU+先进算力池化技术+算力管理平台联合方案，实现合合信息20+AI应用的技术路线适配与性能发挥，为金融业打造自主可控、弹性高效的AI基础设施提供了可参考路径。 2.1案例背景 随着人工智能技术的快速发展和银行业务的不断创新，数字化和智能化转型已成为银行提升竞争力的关键战略。 在数字化转型中，智能文档技术占据重要地位。银行业务涉及大量的票据识别、卡证识别、客户资料识别和处理、合同管理等流程，加强智能文档处理能力对银行业务增长、提高工作效率具有重要意义。 某全国性股份制银行在规划AI资源时，面临国产化和算力资源短缺的双重问题。 既要替换海外技术，又怕性能断崖式下滑。如何在不影响性能和系统平稳运行的前提下，逐步实现国产化替代？ 国产化 AI模型类型众多，例如专有小模型、Transformer架构模型、大模型等。如何构建统一的AI算力资源池，实现AI算力统一调度，多种模型统一管理，并满足多样化的业务需要？ 算力资源短缺 在此背景下，该行基于海光DCU+先进算力池化技术+算力管理平台联合方案，实现合合信息20+AI应用的技术路线适配与性能发挥。 该方案不仅可以支持本地GPU虚拟化，还能让AI应用无需修改代码即可透明地使用其他物理机上的远程GPU资源，从而实现数据中心级的GPU资源池化管理和弹性调度，并基于热迁移等功能显著增强了业务可靠性与管理便利性。 2.2方案架构 2.3方案亮点与价值 方案亮点 针对银行IT资源集约化管理的要求，整体方案实现了国产算力和NVIDIA算力统一调度和灵活分配，多种框架和AI算法统一管理。 共池部署 海光DCU与NVIDIA GPU基于GPGPU架构协同应用，模型相互迁移。 通过软件定义的方法实现异构算力池化，细粒度对上层框架模型进行资源分配。 资源细化 采用容器云平台响应应用需求，统一配置、集中监控，降低AI业务的管理监控难度。 统一平台 方案价值 统一管理 节约投资 响应政策 效率提升 打破GPU卡独占造成的资源孤岛，构建GPU资源池，按需动态调整白天晚上的开发和训练的资源比例 构建统一平台，统一配置、全局调度、集中监控，降低了AI资源和业务的管理监控难度 减少资源冲突，降低行内沟通成本，GPU资源充分复用，弹性伸缩，提升GPU资源利用率 支持底层AI算力基础设施全栈国产化，同时支持国产算力和英伟达算力的异构池化管理，从而实现国产化的平稳、逐步替代 2.4 AI应用 基于该方案，成功实现国产化适配与部署的合合信息AI应用包括身份证、银行卡、护照、结婚证、房产证、户口本、驾驶证、行驶证、社保卡、永居证等个人证件识别与营业执照、开户许可证、组织机构代码证、税务登