金融信创AI生态实践白皮书总结
金融信创：战略背景与发展路径
中国信创发展经历了四个阶段：自主芯片雏形出现（1999-2012）、小型机领域国产化（2013-2016）、底层芯片突破与生态丰富（2016-2018）、产业落地推进（2019至今）。信创覆盖党、政与金融、电信、电力等8个重点行业及N个消费市场。金融信创的核心内涵是基于自主可控技术路线构建安全可靠的IT基础设施、业务系统及解决方案，形成良性产业生态。其核心要素包括技术底座、应用系统、安全体系和基础设施。金融信创与传统IT国产化的区别在于生态化、全栈性、适配性和先进性。
金融信创发展历程分为三个阶段：萌芽探索期（2014-2020）、高速发展期（2020-2023）、全面推广期（2023至今）。驱动因素包括内生驱动力（风险规避、成本优化、合规要求）和外部推动力（国家战略引领、金融监管导向、地缘政治压力）。面临多重挑战，如技术成熟度与性能瓶颈、生态兼容性与适配复杂度、迁移风险与业务连续性保障、人才储备不足、全栈解决方案与集成能力不足、标准规范与测评体系不完善。实施路径包括全面评估、夯实基础、应用迁移/重构、试点验证和稳步推广。
全国性股份行：AI应用多技术路线适配与性能发挥
某全国性股份制银行通过海光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。方案亮点包括共池部署、资源细化、统一平台，价值在于统一管理、节约投资、响应政策、效率提升。适配测试涵盖兼容性测试、功能测试、压力测试和性能测试，结论显示识别引擎处理速度快、识别效果好、并发处理能力稳定、长时间运行稳定。
头部城商行：基于国产算力的OCR应用适配实践
西北地区某上市城商行通过海光DCU+合合信息AI应用方案，高效完成OCR全场景的国产算力适配。方案架构包括算力层、应用层等。合合信息AI应用基于海光DCU，运行效率比肩国际品牌，满足OCR识别业务要求和性能指标。适配测试包括基于单卡DCU的性能或功能测试、服务器测试、识别率测试、全文识别平均时间测试、压力测试和功能测试。
头部城商行：增量国产算力赋能多模态智能处理
某上市城商行通过分层技术架构自主研发大语言模型平台，并引入DeepSeek，实现对文本、图像、语音等异构数据的高效协同分析。依托海光DCU国产算力与合合信息TextIn合同比对等AI应用的深度优化，提升平台多模态场景智能处理能力。DeepSeek-VL2多模态模型节约算力成本，DeepSeek-R1模型处理复杂任务和生成高质量文本效果更优。TextIn合同比对提供多格式文档支持、强大的文档比对能力、精准的差异定位标注等功能。
金融信创核心芯片技术与选型
海光CPU符合中国国情的安全可控的C86体系和生态，兼容x86生态，适配简单，能加速信创进程。海光DCU基于GPGPU架构，原生支持主流框架及多精度计算能力，高效承载AI训练与推理负载。海光DTK（DCU ToolKit）是开放软件开发平台，提供完整的软件工具链和深度优化的计算加速库。光源社区为用户提供常用容器镜像和ModelZoo服务，覆盖LLM、AI4S等热门领域。
金融信创AI智能应用
合合信息TextIn文本智能云平台在金融信创场景落地实践，核心AI应用包括TextIn DocFlow和TextIn文档解析。TextIn DocFlow提供票据智能分类、信息抽取与审核一站式服务，支持多种文档类型和复杂版式，拥有强大的集成能力。TextIn文档解析可将任意复杂文档转化为结构化数据资产，拥有出色的表格解析能力，能正确识别合并单元格、跨页表格、无线表格等。
