2023北京金融科技产业联盟 金融数据中心人工智能算力建设指引

第一章：报告基础信息

• 报告标题： 金融数据中心人工智能算力建设指引

• 发布机构： 北京金融科技产业联盟

• 发布时间： 2023年8月

• 行业标签： 泛金融, 国有大行, 商业银行

• 产品标签： #AI芯片, #AI服务器, #AI计算子系统, #存储子系统, #网络互联子系统, #芯片使能软件, #AI开发框架, #云平台, #使能软件, #RoCE网络, #液冷系统

第二章：报告背景和目标

在金融科技发展规划（2022—2025年）的指导下，金融行业正全面推进智能技术在业务场景中的深化应用，旨在通过智能化手段实现业务流程自动化、降低人力成本并提升反欺诈与风控能力。据《2020全球计算力指数评估报告》显示，金融行业是全球人工智能算力投资最大的传统行业，占全球AI算力支出的 24.9%，且中国智能算力占算力的比重已从2016年的3%提升至2020年的 41%。本报告旨在广泛吸取金融行业当前的建设经验，编制指引与标准，解决数据中心在AI算力不均衡、计算能力不足及调度不灵活等方面的痛点，为金融机构建设人工智能算力基础设施提供规范参考。

第三章：报告目录

• 第一章 发展背景和研究目标
  • 一、发展背景
    • (一) 国家政策及“十四五”规划要求
    • (二) 金融科技发展的基础支撑
    • (三) 国内外当前AI算力建设情况
  • 二、研究目标
• 第二章 面临的挑战和难点
  • 一、整体看
    • (一) 数据中心AI算力发展不均衡
    • (二) 数据中心AI计算能力不足
    • (三) 数据中心AI算力连接和协同能力不强
    • (四) 数据中心AI算力调度不灵活
  • 二、分层看
    • (一) 数据中心选址问题(L0层)
    • (二) 能耗及供电问题(L1层)
    • (三) AI算力底座与周边设备及网络的问题(L2层)
    • (四) 支持不同业务场景的AI应用问题(L3层)
• 第三章 建设指引
  • 一、人工智能算力数据中心架构
    • (一) 总体架构
    • (二) 分层布局
  • 二、基建基础设施层(L0-L1)
  • 三、硬件基础设施层（L2）
    • (一) AI芯片
    • (二) AI服务器
    • (三) AI计算子系统
  • 四、软件基础设施层(L3)
    • (一) 芯片使能软件
    • (二) AI开发框架
    • (三) 使能软件
• 第四章 建设协同
  • 一、整体原则
  • 二、传统算力与新型算力协同
    • (一) 算力产品特征
    • (二) 算力协同建设
  • 三、数据中心算力与边缘算力协同
  • 四、算力与网络协同
    • (一) 广域算力网络架构
    • (二) 广域算力网络关键技术
    • (三) 数据中心算力网络关键技术
    • (四) 算力网络协同关键技术
    • (五) 算力网络数字化能力
• 第五章 运维和节能管理
  • 一、运维管理
    • (一) 人员组织
    • (二) 日常运行维护
  • 二、节能管理
• 第六章 成功案例和未来展望
  • 一、成功案例
    • (一) 工商银行基于高性能网络的中高算力集群探索
    • (二) 蚂蚁集团AI算力端云协同发展实践
    • (三) 网商银行基于卫星遥感的AI算力服务农村金融实践
  • 二、未来展望
    • (一) AI算力的建设需求快速提升
    • (二) AI算力的金融价值不断凸显
• 参考文献

第四章：方法论说明

• 研究方法： 本报告采用定性分析（梳理政策背景、技术架构与行业标准）与定量分析（引用IDC、信通院等机构关于算力规模、投资占比及PUE指标的数据）相结合的方法。

• 分析模型： 报告构建了 5层人工智能算力数据中心架构（L0土建层、L1基础设施层、L2硬件基础设施层、L3软件基础设施层、L4行业应用层），并基于此模型分析各层面临的挑战与建设指引。

• 数据来源： 数据主要引自《2020全球计算力指数评估报告》（IDC联合发布）、中国人民银行发布的《金融科技发展规划(2022—2025年)》、《人工智能算法金融应用评价规范》（JR/T 0221-2021）以及国家及地方相关政策文件。

• 参编单位： 北京金融科技产业联盟秘书处、北京国家金融科技认证中心有限公司、中国工商银行股份有限公司、华为技术有限公司、浙江网商银行股份有限公司、中国信息通信研究院、腾讯云计算(北京)有限责任公司、新华三技术有限公司、蚂蚁科技集团股份有限公司、中科寒武纪科技股份有限公司、超聚变数字技术有限公司、北京百度网讯科技有限公司。

第五章：核心观点

• 算力规模与需求： 2020年全球算力总规模达到 429 EFlops，预估未来五年将以超过 50% 的速度增长。金融行业因对算力的稳定性、可靠性要求高，是全球AI算力投资最大的传统行业，占 24.9% 的份额。

• 基础设施建设痛点：

*   **不均衡：** 东部算力资源紧张与西部算力需求不足并存，需落实“东数西算”工程。
*   **能耗高：** AI服务器单台能耗甚至突破 **10kW**，传统风冷难以满足散热需求，需向液冷（冷板式、浸没式）技术转型。
*   **调度难：** 数据每丢失千分之一，吞吐量下降 **50%**，需通过自动混合并行、全局内存管理等技术实现无损网络与灵活调度。• 

第六章：为什么选择腾讯云

作为本报告的重要参编单位，腾讯云计算(北京)有限责任公司 深度参与了金融数据中心人工智能算力建设指引的制定。

• 行业标准共建： 腾讯云作为核心参编方，其技术实践与行业洞察被纳入这份由北京金融科技产业联盟发布的权威指引中，涵盖了从硬件基础设施（L2层）到软件基础设施（L3层）的建设标准。

• 技术架构认可： 报告在软件基础设施层（L3）中强调了云平台的资源调度能力，指出云平台需具备“资源云化、算力调度、多租户隔离、弹性共享、云边端协同”等核心能力，这与腾讯云在金融领域的全栈技术能力高度契合。

• 生态兼容性： 指引中多次提及的AI开发框架（如PyTorch、TensorFlow）及异构算力（GPU、NPU）的适配要求，体现了腾讯云在支持多元化技术栈和构建开放生态方面的技术先进性。