联想：2026年联想算力基础设施产品集白皮书-金融行业解决方案

目录CONTENTS 联想中国基础设施业务群01前言03从BI到AI051.时代的巨浪052.金融智能的过去和现在073. RegTech监管科技094.信息技术应用创新10 目录CONTENTS 联想金融行业数据存储解决方案11 1.数据中心全栈解决方案14 1.1云基础设施解决方案141.2数据库数据存储解决方案181.3非结构化关键数据解决方案21 2.数据湖解决方案25 2.1数据交换平台解决方案272.2现代数据湖解决方案282.3数据湖解决方案存储产品推荐29 3.数据智能体解决方案30 3.1 DevOps场景化数据管理解决方案313.2大模型训练场景数据管理解决方案343.3智能体推理场景数据管理解决方案373.4数据智能体数据管理解决方案存储产品推荐38 联想中国基础设施业务群 联想中国基础设施业务是联想“混合式AI”战略布局（AI终端、AI基础设施、AI方案与服务）的中坚力量，以“一横五纵”战略框架，通过构建布局完整、稳定高效的AI基础设施，为企业智能化转型打造坚实可靠的智算底座。“一横五纵”，即联想万全异构智算平台，以及服务器、存储、数据网络、软件及超融合以及支持运维服务。 联想中国基础设施业务坚持“联想问天+联想ThinkSystem”双品牌战略，为客户锻造强劲的算力服务引擎。联想服务器将以打造“更强大、更稳定、更高效、更绿色”为发展方向，与联想存储、软件定义存储、数据网络、支持运维服务等业务共同构成智能基础设施架构，为千行万业提供更好的全栈式基础设施算力服务。 坚守“联想智慧中国”的愿景，以“混合式AI加速中国智能化转型”为使命，联想中国基础设施业务群将继续以客户为中心，保持全球+本地齐头并进，打造国内合作伙伴生态圈，与客户共赢智能时代，推进中国智能化转型。 前言 历史的车轮滚滚向前，中国现代金融业已走过46个年头，历经改革开放、加入WTO、互联网金融兴起、数字货币探索等一系列里程碑事件，一路高歌猛进，不断发展壮大。如今，在信息技术应用创新的大潮中，金融行业作为数字化转型的先锋，始终站在数据洪流之巅，乘风破浪，奋勇前行。 滴水相聚汇江河，四年前，我们在首份行业白皮书中，对行业技术趋势的发展做出了前瞻性的预测。我们坚信，金融行业的信息化建设将从IT基础设施建设向DT数据应用创新转型，以适应数字化时代的需求。当时，我们围绕“以基础算力为河床，以数据为水流”的比喻，深入探讨了数字化转型过程中行业面临的诸多挑战，如监管要求、应用健壮性、业务敏捷性等问题。同时，我们也关注到“稳态”与“敏态”双态并行的IT文化冲突，以及如何确保数据这一关键生产要素能够被准确、安全、快速地生产，并实现高效存储、传递和应用的技术诉求。结合在行业中的经验积累，我们在白皮书中也提出了相应的方法论。 回首当年白皮书发布后的四年间，我们欣慰地看到，当初的预测已精准地勾勒出行业技术发展的脉络，与现实的技术诉求不谋而合。我们从产品与解决方案两个维度出发，为行业用户提供了完善的技术手段与方法论，助力金融机构在数字化浪潮中稳健前行。 站在当下，展望未来五年，我们坚信，在AI智能体创新这一主导技术的引领下，我们依然能够凭借对行业趋势的深刻洞察和精准判断，为客户提供有效、全面的解决方案，继续引领金融行业的数字化转型之路，共创更加辉煌的明天。 从BI到AI 1.时代的巨浪 曾经我们以“站在数据洪流的河床上”为开篇，回顾了行业数据应用的二十年。时间如白驹过隙，仅仅过去了四年，行业数据应用的形态又发生了巨大的改变。彼时人工智能才刚刚走进人们的视野，此时智能体已经成为了机构与组织不可或缺的重要生产力资源。 数据应用从最初的统计分析逐步演进到趋势预测的使用方法，形成了今天金融创新的主旋律。在更新数据要素处理手段的基础上，下一阶段行业数字化转型的目标是提升对市场变化的敏捷响应能力，甚至实现对未来行业趋势的预判。 2024年11月，中国人民银行联合七部门印发《推动数字金融高质量发展行动方案》，方案中明确提出，要以数据要素和数字技术为关键驱动，加快推进金融机构数字化转型的总体目标，同时要求建立健全的数据驱动下的智能化战略决策、运营决策、创新与决策相适应的运营管理机制。 数据要素的深度应用已经成为当今金融业实现高质量发展的必然条件。从上图的时间线不难看出，行业在机器学习技术的基础上，使用数据要素的方法日趋成熟。随着数据处理技术的进步，数据作为生产资料的重要性被不断提升，对于数据要素的需求类型也变得越来越多样化，数据来源的多元化也成为当下智能体建设的一项重大挑战。 数据需要从多个系统被汇聚集中，经过整理、采样、应用并输出可信的结果。这对于数据要素的来源可靠性、信息真实性、存储持久性、访问安全性都有着很高的要求。同时在基础设施层面，对确保数据保存与数据应用的实时性、连续性、可靠性、可扩展性也提出了更为严苛的要求。 简而言之，当下金融行业进入数字化转型新时期的最大挑战在于，需要在更大当量数据规模的前提下，同时满足监管与营收的双重目标，并且需要有效平衡三者之间的关系。 从BI到AI 2.金融智能的过去和现在 持续的数字化转型发展至今，从过去“稳态”、“敏态”的技术文化之争，到FinTech（金融科技）与RegTech（监管科技）的技术边界博弈，直至今天所提倡的数智化转型、智能体建设。一路走来，技术创新与技术应用的真正推手始终是来自于需求侧，“以客户为中心”的科技创新思想已经在行业中被反复验证。 金融智能体建设的分水岭，来自于2024年DeepSeek现象级的爆火，铺天盖地的热点话题彻底点燃了业务端的热情，“大快猛干不落人后”一时成为了所有人的共识。相较之前智能化在行业落地之艰难，业务层不认可，推广缓慢的情况形成了鲜明的对比。 驱动者的变化引起的连锁反应，也为当下的金融科技工作者带来了新的挑战，以往基于成熟场景小规模稳健试错的方式，已经完全不能符合当下业务端对于劳动力解放的预期；以往根据具体业务场景的离散建设与落地方式，更无法满足业务端对于智能体的庞杂诉求。整个智能体建设的节奏从踏着前人脚印，一夜之间变成摸着石头过河，这样突如其来的转变，几乎所有机构都在这一突变中经历了一定程度的迷茫。智能体到底是什么？该怎么做？场景在哪里？这是过去一年来各机构技术例会与厂商交流中谈论最多的话题。 智能体不是孤立存在的，它不是游离于业务之外的独立个体，也不仅仅是一个大模型，一个RAG或者一堆冰冷的机器。它应该是以数据为纽带，实现业务持续增长的技术合集。 首先由场景化定义数据边界，通过基座模型蒸馏出高适配性的智能个体，再通过其它辅助工具提高模型的预测精度，最终通过AI接口与业务对接，完成智能体的工作流设计。并且根据工作流的质量评价，进一步精益智能体的效率。 智能体是完全符合场景岗位特征需要的自动化人工智能工具。也因此，不同的智能体也需要选择具备不同技术优势的基础大模型进行创造。 回到基础架构的问题，智能体算力资源的建设，也不可避免的走向集中化、资源池化、云化，它就像一个环，回想上世纪90年代末我们刚刚开始信息化时，也是这样的相同路径，离散建设向集中化、资源池化、云化过渡。 这也为数据管理提出了相同的挑战，离散化、紧耦合的数据管理能力，已难以支撑云化资源池多智能体创造的数据访问的需求，而无序的数据资源共享，又面临与监管相关政策的冲突，如何在池化算力资源的前提下，做到有序、安全、可靠，即时的数据应用是一个非常值得探讨的话题。 从BI到AI 3. RegTech监管科技 业务创新依托于新技术的诞生，而新兴技术同样需要新的算力与数据组织方法，来确保业务的合规运行。 回顾过去，四年前我们在探讨数字化运营时，更多地是聚焦于新技术如何助力业务增长，以及金融科技（FinTech）如何借助客户数据的先发优势与互联网金融展开竞争。那时，数字化运营被视为金融机构拓展市场、提高竞争力的关键手段。 然而，近几年外部环境发生显著变化，金融行业的业务方向逐渐从积极开拓向稳健保守转变。这一变化主要源于两方面因素：一是社会环境的压力，包括经济增速放缓、市场需求变化等；二是监管要求的日益严格以及技术手段的更新换代。监管机构为了维护金融市场的稳定和保护消费者权益，对金融机构的数据使用和业务创新提出了更高的要求。 在此背景下，金融机构在创新过程中对数据的需求不断增长。数据要素被视为推动创新和决策的重要资源。然而，数据收集和使用过程中的隐私泄露和数据滥用问题日益凸显。例如，一些金融机构在未经客户充分授权的情况下，过度收集客户信息，甚至将客户隐私数据用于未经授权的营销活动。这些行为不仅严重损害客户利益，也为金融市场带来了潜在风险，进一步加剧公众对金融机构的信任危机。 随着数据要素应用技术的提高，上述问题越发凸显，自2021年以来，监管机构针对数据应用与管理出台了多部规范与指引： 新时期，在金融行业信息技术应用创新的场景下，如何在符合监管要求的前提下推动基于数据的智能体落地，已成为金融科技工作者必须面对和解决的关键课题。金融机构需要在创新与合规之间找到平衡点，既要充分利用新技术挖掘数据价值，推动业务发展，又要严格遵守监管规定，保护客户隐私和数据安全。 从BI到AI 4.信息技术应用创新 在金融信息安全备受瞩目的当下，信息技术应用创新（信创）在金融行业的重要性日益凸显。金融机构作为经济活动的枢纽，承载着海量的客户信息与资金流动信息，其信息系统的安全性与自主可控性关乎国家的经济稳定与社会发展。 不论是从对当下外部环境的研判，还是从满足自身发展需要的角度出发，信创在金融行业的推进已经成为必然。通过自主创新，构建安全、可靠、可控的端到端信息技术体系，是当前金融行业数字化转型过程中不可忽略的重要组成。 从监管视角来看，信创的实施为金融监管提供了更为有力的抓手。基于信创体系，监管部门能够更精准、高效地对金融机构的数据管理与业务运营实施监督。同时，信创推动金融机构完善数据管理体系，按照统一标准对数据进行分类、分级、存储与使用，这不仅有助于提升金融机构自身的数据治理水平，也使得监管部门能够更清晰地洞察金融机构的数据资产状况与风险隐患，及时发现并纠正潜在问题，确保金融市场的稳健运行。 在金融信息安全的大背景下，信创的必要性不仅体现在技术研发与产品替代层面，更深层次地关乎金融行业的长远发展与国家经济安全。 联想金融行业数据存储解决方案 联想作为一家根植中国的数据管理解决方案提供商，在金融行业更是深耕多年，有着丰富的行业数据管理经验，对于金融创新与监管要求更是有着深入的思考与理解。 从经验角度出发，实现金融智能体在基础设施与数据能力建设层面，必须经历上图的三个建设阶段。 首先是业务体系支撑的建设，它是数字化转型一切的开端和基石，从信息技术成熟度与应用情况看，金融机构普遍完成了这部分的建设： 网络建设则从大二层完成向三层网络的过渡，普遍开始采用动态路由协议管理网络 数 据 的转发。 算力载体以虚拟化的池化 技 术， 辅以云管平台实现资源管理 的 方 式，是当下的主流建设思路。 灾 备 体 系 的 建 设， 则遵照JR/T 0044-2008《银行业信息系统灾难恢复管理规范》以 及 基 于 此 标 准 引 用的 其 它 标 准， 以6级业务连续性等级要求，以 两 地 三 中 心， 或 多中心的方式进行建设。 其次是数据决策体系的建设，它也是数字化转型上一阶段的主体建设目标，从行业整体数字化转型进程来看，头部的机构与经济相对发达地区的机构基本完成了前中期的建设目标，欠发达地区绝大部分还处于建设与应用的初级阶段。数据决策体系建设从技术维度看，主要包括以下方面： 数据的采集与接入：通过连接器或ETL&CDC采集工具，与业务数据源建立连接，实现初步的清洗和转换。 数据的存储：利用分布式存储或提供良好扩展性的并行文件系统，对数据源获取的数据进行保存及管理。 数据的转换处理：包括数据的转换、处理和集成。 数据挖掘分析：基于数仓或者大数据平台等