中科曙光杜夏威：数据、大模型和算力基础设施的有机耦合仍是最大的挑战

导

语

近期，国民财富发展研究合作平台“AI+金融”峰会顺利举办，中科曙光总裁助理兼智能计算产品事业部总经理杜夏威在“人工智能在金融领域应用的机遇与挑战”圆桌论坛环节发表观点。他表示，金融行业将成为AI大模型闭环应用的典型代表，需要加强数据的生产、打磨和提炼，充分挖掘高价值数据资产。与此同时，数据、大模型和算力基础设施的有机耦合仍是最大的挑战。

一、金融领域具备AI大模型落地的基础

中科曙光致力于计算技术的研究与产品设计，本人基于金融行业的发展历程和自身参与经验，认为金融领域具备实现AI大模型落地的土壤。自2014年以来，人工智能技术从决策式逐步转向生成式，金融行业在此过程中积累了丰富的经验。中科曙光在金融领域已经成功应用了OCR、人脸识别、智能客服、智能语言处理等传统AI场景，并进一步参与了代码生成和智能对话等大模型应用建设。这些经历使金融行业具备了实现AI大模型垂直应用的能力和基础，我对此充满信心，认为金融行业将成为AI大模型闭环应用的典型代表。

二、聚焦行业内部数据闭环

在AI技术快速发展的背景下，金融行业需重点关注内部数据的闭环利用。随着AI大模型对数据的高需求，现有数据可能面临枯竭。因此，金融行业需加强数据的生产、打磨和提炼，充分挖掘高价值数据资产。中科曙光在与国家数据局的调研中发现，如何定义和提升数据价值成为行业内的重要议题。通过结合金融行业的发展，挖掘和利用内部高价值数据，才能有效推动AI技术在金融领域的应用闭环。

三、工程化落地面临的挑战

尽管具备丰富的数据资产、智能化的大模型和充足的算力基础设施，如何将这些要素有机耦合仍是最大的挑战。大模型的训练、推理及高并发算力需求，需要稳定高效的算力系统支持。例如，万卡级算力系统的价值发挥和稳定性保障，仍需通过工程化建设来解决。这要求金融行业在技术发展过程中，不仅要关注前沿技术的应用，还需注重工程化实施的可行性和效率。

四、高价值数据资产的积累

中科曙光在集团内部倡导积累高价值数据资产，强调这些资产不仅限于技术相关的数据，更包括在技术研究过程中积累的经验和知识。金融行业通过从传统决策式人工智能向生成式人工智能的转变，积累了大量实践经验，这些经验和数据是实现大模型在金融领域落地的关键。我认为，结合行业专家的知识和经验，才能有效协同算力、算法与数据，推动AI技术在金融行业的深度应用。