20260727-华泰证券-彭莉_推理时代来临_国产GPU如何重塑金融数智化底座_5页_925kb

智启新金融：全球视野下的AI转型之路总结

核心内容概述

2026年，AI技术在金融行业的应用进入了一个新的阶段，推理算力需求首次超过训练算力，成为AI计算的核心引擎。这一转变标志着AI技术从“模型训练”向“实际应用”演进，对金融行业的智能化发展提出了新的要求。华泰证券在2026世界人工智能大会上举办的“智启新金融：全球视野下的AI转型之路”论坛，聚焦AI算力的范式转移、计算架构的演进，以及金融AI落地所面临的系统性挑战与未来趋势。

主要观点

• 推理成为算力核心
  2026年，推理算力占AI总计算量的66%，远超训练算力，成为行业发展的主要驱动力。金融行业的智能客服、实时风控、量化投研、合规审查等场景均属于推理密集型应用，其核心在于“能效比”——在有限的功耗和成本下，最大化请求处理效率。

• 算力价值在于赋能业务
  彭莉指出，算力的价值不在于硬件本身，而在于其能否有效解决实际业务问题。GPU作为AI算力体系的重要基础，正面临如何更高效地服务于金融场景的挑战。

• 计算架构的演进
  AI发展经历了三次计算架构的代际跃迁：

  • 1990年代至2012年：以CPU为中心的传统机器学习时代；
  • 2012年至2025年：以GPU为主导的深度学习与基础模型时代；
  • 2025年之后：进入Agentic AI时代，智能体的逻辑性任务更适合CPU，CPU-GPU协同成为主流架构。

  超节点作为新一代计算架构的重要组成部分，通过高速互联技术扩大内存空间，有效解决推理时延与响应速度的矛盾，成为大规模推理场景的解决方案。

• 金融AI落地的系统性挑战
  金融行业AI应用需在算力、模型、生态、成本四个维度同步突破：

  • 算力层面：需优化训练与推理配比、提升集群线性度、解决异构芯片适配问题；
  • 模型层面：面临数据标注质量不一、可解释性不足等问题，金融监管要求“可审计、可干预”；
  • 生态层面：复合型人才稀缺，金融ISV对国产GPU的适配意愿和能力仍需提升；
  • 成本层面：算力投入的ROI评估体系尚不完善，电力、运维、折旧成本持续上升。

• “1全能+N领域”矩阵布局
  金融大模型需要构建“1全能+N领域”的架构，即以一个通用基模（LO）为核心，结合多个行业领域模型，以适应不同场景的需求。通用场景（如智能客服）已高度成熟，专精场景（如反欺诈）正在优化，前沿场景（如数字员工、智能投研）则处于快速演进阶段。

关键数据与趋势

• 全球数据中心GPU市场规模
  2025年全球数据中心GPU市场规模接近1200亿美元，同比增长37.4%。

• 国产AI加速卡市场份额
  国产AI加速卡在本土市场的份额从2023年的15%跃升至2025年的41%，预计2026年将突破50%。

• 中国金融业AI投入
  2026年中国金融业AI类产品投入规模突破190亿元人民币，同比增长32.2%，显示出金融行业对AI技术的高度关注与投入。

未来展望

随着Agentic AI时代的到来，金融行业将更加依赖智能体技术，推动业务流程的自动化与智能化。AI在金融领域的落地不仅是技术问题，更是系统性工程，涉及算力优化、模型可解释性、生态建设与成本控制等多个层面。未来，CPU-GPU协同架构将成为主流，超节点等新技术将助力推理效率提升，而“1全能+N领域”的大模型矩阵布局将推动金融AI的精细化、专业化发展。

总结

本次论坛揭示了AI算力从训练向推理的范式转移，强调了金融行业在AI转型中的关键角色。通过构建高效能的计算架构、优化模型与数据质量、加强生态合作与成本控制，金融AI将在2026年及未来实现更广泛、更深入的应用，成为推动行业变革的重要力量。