近日,由北京金融科技产业联盟主办,浪潮电子信息产业股份有限公司承办的“星火聊缘·金融新一代算力体系研讨会”在济南举行。本次会议重点围绕边缘计算、云边协同等主题展开研讨,旨在助力构建先进高效的金融算力体系,推动金融行业数字化转型发展。
星火聊缘·金融新一代算力体系研讨会
会上,北京金融科技产业联盟秘书长聂丽琴、浪潮信息边缘计算产品部总经理孙波致辞。浪潮信息金融行业部解决方案总经理王雨田、浪潮信息边缘计算产品部高级架构师李宁、浪潮信息网络架构师付占军、浪潮信息系统软件产品部副总经理苏志远、金电云(深圳)数字科技有限公司技术总监夏啟然、北京金安信息技术有限责任公司业务总监刘聪围绕推动金融数智化进程、构筑金融算力体系等主题发表演讲。全体参会人员还参观调研了展厅、边缘计算融携实验室、“天池”液冷设备测试基地和关键服务器生产基地。
北京金融科技产业联盟秘书长聂丽琴在致辞中表示,联盟作为金融科技产业层面的联合创新工作平台,将继续围绕落实人民银行《金融科技发展规划(2022-2025年)》,携手广大会员单位,构建有利于算力基础设施发展的创新生态,更好地服务金融科技发展和金融行业数字化转型,为我们国家数字经济建设贡献金融科技力量。
浪潮信息边缘计算产品部总经理孙波在致辞中表示,计算力就是生产力,智算力就是创新力。智慧时代,算力像水和电一样渗透到生产生活的方方面面。浪潮信息围绕算力基础设施做产品的创新和打磨,依托领先的服务器、存储、网络和云平台产品,在云端数据中心和边缘侧实现了全业务覆盖。从云边协同到边缘智能,再到边边协同,整个算力基础设施的创新和变革离不开从底层芯片、软硬件系统到上层平台,再到顶层认证测试体系的支撑。
浪潮信息金融行业部解决方案总经理王雨田以“多元算力推动金融数智化进程”为题发表演讲。他表示,当前全社会数字化进程加速,算力是数字经济时代的核心生产力。金融行业已全面进入数字化和智能化时代,数字化转型给金融行业带来深刻的变化,同时也带来算力需求的多样化。浪潮信息全系产品为数字金融提供澎湃算力,通过“一云多芯,分层解耦”构建多元算力部署和管理平台,通过泛在网络实现算力输送,最终通过边缘计算、云边协同实现算力的用户触达。
浪潮信息边缘计算产品部高级架构师李宁以“云边协同,筑基金融算力体系”为题发表演讲。他表示,计算力向边缘侧延展的时代到来,系源于金融数据中心业务量越来越大,需要更低成本、更友好、更合理的技术架构承载高负载,海量、融合数据也需要在边缘侧提炼价值。浪潮信息提供边缘计算产品,在靠近数据源或用户的地方提供计算、存储等基础设施和边缘智能服务,将成为分布式计算的物理载体,满足金融行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
浪潮信息网络架构师付占军以“金融泛在网络浪潮解决方案”为题发表演讲。他表示,网络是信息传输的经络,是通达客户的重要触手,更是银行服务于客户的重要工具。浪潮信息融合了全球领先的网络技术,以开放的心态为银行提供定制化网络解决方案与服务,与客户携手筑就银行网络的基石。
浪潮信息系统软件产品部副总经理苏志远以“云峦启航 铸魂算力之基”为题发表演讲。他表示,伴随CentOS停更,操作系统根社区迅速崛起,算力需求多元化,对软硬协同提出更高要求,行业亟需一款具备持续稳定服务能力的本地化操作系统,浪潮信息KeyarchOS顺势而生。KeyarchOS是基于龙蜥操作系统根社区研发的服务器操作系统,具备高效软硬协同、稳定可靠、全天候智能化运维、全栈安全等特点,并依托浪潮信息覆盖云、数、智、边等业内最全整机产品线,实现整机系统架构优化,最大程度发挥多元算力价值。
金电云(深圳)数字科技有限公司技术总监夏啟然以“金电云 构建新一代金融数智算力新基座”为题发表演讲。他表示,随着数字经济蓬勃兴起,云计算金融应用呈现加速发展态势。金电云紧紧围绕“打造国家级金融云平台”的战略目标,坚持“服务金融、助力中小、云赋动能”的使命担当,会同产业各方共建一云多芯、多云融合的新一代金融数智算力基座。金电云将深耕服务中小微金融机构,扎实做好各项基础工作,为客户提供优质稳定的云服务,共同推进关键核心技术迭代和创新,持续赋能中小金融机构数字化转型,不断提升金融科技服务深度、广度和温度。
北京金安信息技术有限责任公司业务总监刘聪结合金融业技术创新应用,以金融机构实际业务需求为牵引,从解决方案、适配验证、课题攻关、人才培养、产金对接等方面进行了详细介绍。金安信息将继续与行业、产业各方通力合作,构建合作生态体系,以共商、共建、共赢、共享为原则,促进金融业务体系发展,结合金电集团整体业务布局,服务央行履职,服务金融业工作高质量发展。
全体参会人员围绕会议内容展开交流
全体参会人员参观调研浪潮信息液冷产业基地
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。