随着人工智能技术的飞速发展，大模型表现出的强大理解、生成和推理能力，让各行各业开始探索其落地应用。在这个背景下，金融领域也开始积极探索并将大模型应用于实际业务。
根据中国金融新闻网报道，目前我国银行、保险、证券等金融机构，尤其是头部金融机构，已开始落地大模型场景应用，并努力提升自建大模型的能力。
在客户服务方面，金融机构通过大模型应用提供智能客服服务，缩短客户等待时间，为金融行业降本增效；在量化投资方面，大模型应用帮助金融企业通过大数据分析、利润和风险识别，挖掘出潜在的投资机会，为金融机构提供决策支持。作为大模型应用的新风口之一，金融领域的业务对大模型的需求越来越广泛，要求越来越高。随之而来的是对国产算力的高要求。
中国人保在大模型研究和应用场景落地过程中，感受到最大的限制并非是技术问题，而是算力资源严重不足。在国产化算力尚未强大的当下，这对我们持续开展大模型研究和推广应用是一个巨大的挑战。中国人民保险集团科技运营部总经理刘苍牧坦言道。
尽管国产算力在技术研发和应用方面取得了一定的进展，但在满足金融领域的应用方面还远远不够。通常来说，金融领域对数据安全和风险防范的程度高于其他行业，因此金融领域对大模型的安全性要求也更高，对高性能计算芯片、存储和网络共同构成的大规模算力集群的要求就更高。
此外受到美国限制优质芯片对中国出口的影响，国产算力在性能、稳定性、安全性等方面还存在不足，尚不能满足金融行业的严苛要求。此外，由于缺乏核心技术，国产算力在成本上也有一定的劣势，这也限制了其在金融领域的应用。
那么国产算力如何更好发展以促进大模型应用在金融领域的落地？
重视存力提升
根据《金融行业先进AI存力报告》，大模型训练等场景对于存力提出了一系列新挑战，而存力也往往容易成为短板，制约算力效能发挥，成为大模型落地过程中潜藏的风险。
换句话说，金融领域拥有庞大而复杂的数据资源，包括各种金融产品、市场数据、交易信息等。提升存力有助于大模型更好地学习和理解这些数据，从而提高其在金融场景下的表现。因此补齐短板，重视提升存力是国产算力发展的关键之一。
加强硬件性能
国产算力发展的另一个途径是突破国产硬件性能瓶颈，在AI芯片和服务器方面不断加强性能，降低风险。
近年来，我国的人工智能算力芯片市场主要由美国公司英伟达NVDIA主导，其占据着市场的主要份额，一直保持着相当好的竞争优势。然而，由于美国不断加强对高性能芯片的出口限制措施，国内AI芯片面临着填补市场空缺的重要使命，提升国产AI芯片的性能是国产化算力道路上不可或缺的一步。
目前，部分国内互联网大厂如阿里巴巴、华为凭借其资金、技术和人才优势，不断加大研发投入，积极布局国产算力市场。不仅关注高性能AI芯片的研发，还注重应用场景的拓展。与此同时，众多初创公司也在积极布局国产算力市场，他们凭借敏锐的市场洞察力和创新精神，不断推出具有竞争力的产品和服务。例如，算力云平台的算力租赁服务，助力国产算力在各行业的应用。
以上内容到此结束，欢迎朋友们一起讨论！
