openEuler系操作系统在金融行业的应用与生态白皮书2025

编制单位 北京金融科技产业联盟openEuler 社区中国工商银行股份有限公司交通银行股份有限公司中国邮政储蓄银行股份有限公司平安银行股份有限公司上海浦东发展银行股份有限公司中信百信银行股份有限公司飞腾信息技术有限公司上海新致软件股份有限公司云南南天电子信息产业股份有限公司华为技术有限公司麒麟软件有限公司超聚变数字技术有限公司 感谢以上机构及人员对本报告编写的大力支持！ 序言 金融业正深入践行中央金融工作会议确立的“中国特色金融发展之路”核心方略，持续深化对科技金融、绿色金融、普惠金融、养老金融、数字金融五大关键领域的协同创新。金融机构作为现代化经济体系的核心组成与枢纽环节，紧握新一轮科技革命与产业变革机遇，以数字基因重塑服务范式，借智能引擎驱动价值创造，让技术创新、产业升级、金融赋能三者形成相互促进的良性循环；在此过程中，底层开源技术生态逐步成为关键支撑。以 openEuler 为代表的关键技术根社区，依托其开放协作、共建共享的机制，凝聚开源生态力量，正不断夯实数字根基、解耦技术瓶颈、激活创新动能，为金融业高质量发展增强底层保障。 当前，智能体协同、异构算力调度与 AI 安全合规已成为金融业数字化转型进程中的关键议题，而异构兼容性、业务连续性与快速迭代的平衡，以及 AI 风险治理也对底层技术基础架构提出更高阶要求。面对这些挑战，基于 openEuler 构建的开源技术体系展现出广泛的生态适配能力，经多年实践验证，openEuler 凭借其在稳定性、安全性和生态兼容性方面的综合优势，已成为金融行业智能化转型的首选方案：在硬件层面实现算力高效调度与成本优化；在平台层面支持应用快速部署与无缝集成；在 AI 与安全层面保障智能体与大模型运行的稳定可信。与此同时，越来越多的金融机构正逐步转向生态共建方，通过参与标准制定、贡献核心代码、协同推进解决方案等方式，与产业伙伴积极探索高性能、高适应性的金融级技术路径。这一趋势的深化将进一步推动开源技术与金融场景的融合，为中国金融科技参与全球竞争构建更加坚实的架构根基。 本报告聚焦金融行业数字化智能化转型的全维度实践，系统梳理典型金融业务场景背后的新兴技术演进趋势及落地路径，展示 openEuler 操作系统通过大模型智能系统、全流程智能开发工具等技术对业务的支撑能力，结合多家金融机构 AI应用与传统业务增强案例呈现赋能实效。同时，通过分析金融机构在平台建设、数字化服务、数据安全等方面的技术演进方向，呈现 openEuler 在金融云资源优化、核心交易安全增强、性能时延降低等场景的支持实践成果。最后，报告还展望了金融数字化转型的政策脉络与技术趋势，呈现社区开源文化的最新进展，旨在凝聚更多金融机构与产业力量，共同建设开放协同的开源生态，以技术协同与跨界创新推动金融行业数字化迈向更高水平，助力构建具有全球竞争力的数字经济发展新格局。 吕仲涛北京金融科技产业联盟理事长 目录 01 金融行业智能化转型 01 1.1 金融行业数字化智能化转型中的新兴技术趋势02 1.1.1 智能客服021.1.2 智能风控021.1.3 智能营销031.1.4 知识库 / 知识工程031.1.5 智能辅助研发04 1.2 openEuler 操作系统对新兴技术的支持05 1.2.1 openEuler Intelligence 大模型智能系统在智能客服系统中的应用051.2.3 openEuler DevStation 全流程智能开发071.2.3 openEuler 对 CPU+xPU 推理方案的支持091.2.4 openEuler Intelligence 一体机解决方案101.2.5 Intelligence BooM AI 开源基础软件解决方案12 1.3 openEuler 在金融行业的 AI 商用案例14 1.3.1 工商银行信用风险管理中慢思考大模型应用方案141.3.2 中国邮政储蓄银行智能跨行汇款应用实践161.3.3 浦发银行金融云信息技术创新容器平台建设项目181.3.4 某保险公司多模态知识库平台解决方案21 02 金融行业传统业务增强232.1 金融行业在传统业务中的技术趋势24 2.1.1 平台建设与系统支撑强化242.1.2 数字化服务与能力提升242.1.3 数据安全与应用并重24 2.2 openEuler 操作系统在金融传统业务中的技术支持25 2.2.1 金融云场景通过在离线业务混布叠加 openFuyao 提升资源利用率252.2.2 通过机密容器等技术进一步提升核心交易系统安全性272.2.3 通过 gazelle 等技术降低时延，提升性能282.2.4 通过 DevKit 迁移业务到 openEuler 业务实践30 2.3 openEuler 操作系统在金融行业传统业务相关商用案例31 2.3.1 工商银行基于 openEuler 的金融云平台建设方案312.3.2 工商银行基于 openEuler 的云原生资源混部方案332.3.3 工商银行基于 openOpenEuler 的桌面云平台建设方案352.3.4 中国邮政储蓄银行资金监管金融服务平台项目382.3.5 中国邮政储蓄银行基于 LBS 的商圈智能营销解决方案402.3.6 平安银行离线大数据平台项目422.3.7 浦发银行信用卡核心系统重构及分布式建设项目442.3.8 交通银行数据仓库系统迁移项目462.3.9 中信百信银行基于云原生的一云多芯金融云项目482.3.10 某商业银行 ECFP 银行卡前置平台方案512.3.11 某商业银行一体化智能风控策略平台方案54 03 海外生态合作探索56 3.1 新加坡某银行智能运维创新探索57 3.2 新加坡某银行操作系统防勒索创新探索58 04行业洞察与未来展望59 4.1 政策引领金融行业数字化转型趋势604.2 openEuler 在金融数字化转型中的价值 / 行业见解604.3 openEuler 在金融行业发展的可行性建议60 1.1 金融行业数字化智能化转型中的新兴技术趋势 智能客服 在金融业加速数字化智能化转型的背景下，智能客服作为连接金融机构与客户的关键触点，其背后的关键技术正向多维度协同突破，显著优化服务模式与效率，成为行业能力升级的集中体现。当前的核心驱动力在于大语言模型（如 LLM）的深度集成。相较于传统规则引擎，部分商业银行基于优化的 LLM 系统能精准解析客户复杂意图（如嵌套咨询），显著提升对话连贯性。通过模型量化（如 INT8）与推理优化技术（如 vLLM），响应延迟大幅降低，确保客户咨询获得近乎实时的反馈，高度适配金融服务对实时性的严格要求。与此同时，多模态交互技术正在积极拓展服务边界。为适应客户多元化表达，智能客服已融合语音、图像及文档处理能力。语音识别与语义理解联动实现方言与术语的精准转化；OCR 结合 LLM快速解析账单、合同等文档；动态表情识别与语气分析技术则显著优化情感化回应策略，从而在客户体验方面实现满意度水平的实质性提升。这些技术共同推动客户服务在交互体验方面向更自然、高效、人性化演进。 支撑上述前沿技术有效落地并满足金融级高要求的是智能化运维体系与合规安全技术的同步强化。面对政策发布等高峰期的咨询量激增，模型全生命周期自动化管理框架能有效支持模型的自动扩缩容、灰度发布与故障快速回滚，保障系统高可用性。模型监控技术通过意图漂移检测预警潜在风险，结合全链路日志分析构建可追溯机制，确保持续稳定运行。同时，针对金融行业的强监管特性，系统内嵌专属领域知识库校验模块，确保产品推荐、风险提示等输出严格符合金融行业法规。未来，在 LLM、多模态、智能运维与安全合规多维度技术持续协同演进的基础上，结合混合云、边缘计算等部署优化，金融智能客服将加速向“千人千面”的个性化服务发展。其价值不仅在于显著降本增效，更将作为前端核心智能化枢纽，在客户获取、用户留存及风险主动防控等战略层面发挥核心作用，引领金融服务智能化新范式。 智能风控 金融风控作为保障资产安全与运营稳定的核心环节，其技术体系正在经历多维度深度革新。当前的核心突破体现为大模型与图技术的协同融合：大模型凭借对非结构化文本（如新闻舆情、监管政策等）的语义解析能力，可精准提取隐藏的风险信号；图技术则擅长挖掘复杂关系网络（如产业链上下游关联、实际控制人图谱等），二者形成能力互补，显著增强对隐蔽风险场景（如跨行业风险传导路径）的识别精度，推动风控模式由被动防御向主动感知跃迁。该类技术框架已深度贯穿部分商业银行的信贷全周期，构建起端到端的智能风控闭环系统。以贷款业务为例，贷前阶段，系统整合企业财务数据、征信记录等结构化信息以及工商变更、法律诉讼等非结构化数据，通过大模型生成立体化客户画像，并结合图技术绘制的关系网络，精准识别欺诈意图与潜在违约风险，为授信准入决策提供量化支持。贷中阶段，依托图技术实时追踪企业关系网络动态与经营状态变化，并结合大模型对风险信号的实时解读，可动态触发预警机制（如关联企业出现异常担保时自动提示），并生成个性化干预策略（如根据风险等级调整授信额度或利率）。贷后阶段，基于大模型挖掘借款人还款行为模式、偏好支付方式等特征，联动图技术分析关联企业的还款表现，为催收行动提供精准情报支持，实现风险的全流程精准管控。 在此技术融合的基础上，智能风控体系进一步呈现出三方面显著演进特征。其一，通过定制化算法深化风险传导预测能力，如将图神经网络（GNN）、时序图算法与具体风控场景结合，优化风险在关系网络中的传导路径分析与未来趋势预测精度，提升预警时效性。其二，打破多源数据壁垒，实现企业历史交易、行业动态、市场舆情等多维度信息的协同分析，消除传统风控中的数据孤岛，为风险评估提供全景视角。其三，依托服务化与接口化设计，使图风控模型可灵活嵌入信贷、投行、资管等多业务场景，大幅提升模型复用率与应用效率。目前，部分金融机构的智能风控系统不仅基于大模型与银行风险制度知识库，为风控人员提供精准的政策解读与查询服务，还能联动图计算引擎，自动化提取企业在关系图谱中的历史风险数据、财务指标等多维度信息，为风险研判提供全景式数据支持，有效驱动决策机制从经验依赖向数据驱动转型。 智能营销 金融行业近年来在精准营销的技术实践与演进中，一套覆盖“客群定位 - 资源匹配 - 精准触达”全流程的技术框架日益成熟。该框架以数据为内核，通过深度整合内外部数据与业务系统，实现了对客群的精准识别与资源的定向配置。其核心在于依托实时数据链路与标准化接口，实现客户标签的动态更新与多维度聚合，例如通过高时效用户识别技术将客群分析时效大幅压缩，为精准定位目标客户提供数据基础。在此基础上，有金融机构采取分层配置机制与原子化规则引擎方案，实现营销资源的定向调度—既支持客户级差异化权益投放（如贷款差异定价），并通过标准化接入模式缩短权益与活动的配置周期，确保资源快速匹配细分客群需求。针对高并发场景下的精准触达，原子化库存管理和消息解耦技术的应用可保障瞬时流量峰值中权益的精准派发，避免资源错配；而端云协同的风控网络则通过实时拦截异常行为，进一步确保资源仅流向真实目标客户，强化精准投放的安全性。 精准定位与资源定向配置能力为全渠道个性化触达与效果闭环评估提供了技术基础，推动精准营销向“因人施策”的方向深化。在触达层面，跨域场景整合技术打破内外生态壁垒，通过场景化交互设计与流量嫁接，实现外部平台与自有渠道的精准跳转，结合裂变机制推动目标客群的圈层渗透；自有渠道则依托可配置化模块，根据客户标签自动推送个性化内容（如定制化权益），提升触达精准度。智能技术的深度应用进一步强化个性化能力，即面向客户的智能交互工具可基于实时标签提供“查用一体”的个性化服务，面向营销人员的智能辅助系统则通过整合客户画像与历史交互数据，自动生成差异化沟通策略，解决“对谁讲、讲什么”的资源与价值适配问题。此外，数据驱动的评估体系通过多维度分析工具，实时衡量不同客群的转化效果，形成“客群