C
nfinance
編者按
5月26日，由揚州市人民政府、《中國金融》雜志主辦，揚州市邗江區人民政府、揚州市工業和信息化局、上海德衡數據科技有限公司、華為數字能源技術有限公司、中國聯合網絡通信有限公司江蘇省分公司承辦的“2023算力賦能金融與互聯網產業發展高峰論壇”在江蘇揚州圓滿舉行。下文為交通銀行原副行長侯維棟在會上所做的重要發言。
算力是未來金融行業的核心生產力。作為中國計算產業的親歷者，30多年來，我參與并見證了中國計算產業的跨越式發展，也看到了算力在經濟、生活中發揮著越來越重要的作用。當前，人類已到達智慧時代的拐點，一場由算力帶來的變革將極大地改變商業銀行的生產模式。
算力是未來的核心生產力
為什么這么說？可以從兩個方面來理解：一方面，數字經濟發展和行業數字化轉型對算力提出了更高要求；另一方面，以ChatGPT為代表的通用人工智能技術廣泛應用推動新一輪的算力爆發式增長。
首先，數字經濟發展和行業數字化轉型對算力提出了更高要求。
當前，世界正經歷百年未有之大變局，數字經濟作為全球經濟發展的新動能，正在駛入發展快車道。根據最新的全球計算力指數評估報告，一個國家的計算力指數包括計算能力、計算效率、應用水平、基礎設施支持四個維度，該指數平均每提高1個點，對應的數字經濟和GDP將分別增長3.5‰和1.8‰�？v觀全球，截至目前已有40多個國家和地區把數字化、網絡化、智能化技術和計算能力的培育上升到戰略層級。積累數據資源、提升算力水平、做大做強算力產業，已經成為全球主要國家的共同戰略選擇。如何迎接“算力時代”的到來，積極抓住算力發展新機遇，打造算力堅實底座，為數字經濟的長遠發展保障高質量、可持續的算力供給，努力形成國際發展新優勢，是我國深化數字經濟發展的當務之急。目前，我國算力水平已經有了快速的提升。工業和信息化部最新數據顯示，我國算力產業規模平均增速超過30%，算力總規模全球第二。截至2022年底，我國算力總規模達到180百億億次/秒（EFLOPS），數據存儲總規模超過1000EB，國家樞紐節點間的網絡單向時延降低至20毫秒以內，算力核心產業規模達到1.8萬億元。算力基礎設施發展成效顯著，梯次優化的算力供給體系初步構建，算力基礎設施的綜合能力顯著提升。
其次，以ChatGPT為代表的通用人工智能技術廣泛應用推動新一輪的算力爆發式增長
通用人工智能，是指具有像人一樣的思維水平以及心理結構的全面性智能化。2023年，ChatGPT作為通用人工智能的代表“橫空出世”，強力推動了人工智能領域的技術革命。在深度學習方面，2023年3月推出的GPT-4模型的參數量已高達100萬億，再次創造了語言模型領域的新紀錄。在應用使用方面，ChatGPT被廣泛應用在問答、聊天機器人、文本生成、機器翻譯、自動摘要等場景中，同時也為其他人工智能領域（如計算機視覺）提供了借鑒意義。在人工智能技術發展推動方面，促進了一系列相關技術的研究和探索，如零樣本學習、元學習等，尤其是自然語言處理技術的發展。
通用人工智能技術所需要的算力需求是極其巨大的。以ChatGPT為例，ChatGPT的總算力消耗約為3640PF-days（即假如每秒計算一千萬億次，需要計算3640天），需要7-8個投資規模30億元、算力500P的數據中心才能支撐運行。同時，AI對算力的需求已不能僅僅用“快速”來形容。根據ChatGPT開發公司OpenAI 研究，2012-2018年，最大的AI訓練的算力消耗已增長30萬倍，平均每3 個多月便翻倍，速度遠遠超過摩爾定律�？紤]到數據合規風險、特定業務需求等因素，以及企業私有化部署的需求，通過對大模型的部署、對下游任務的微調，可同時確保靈活可控、數據安全，從而實現人工智能與核心業務流程的深度融合，產生類似ChatGPT這樣的大模型金融服務。然而，這些模型對資源具有很高的要求。在這當中，應用為“矛”，安全為“盾”，算力則是“軍餉”，正所謂“兵馬未動，糧草先行”。因此，算力是需要優先準備和解決的問題。
銀行業算力發展到什么程度
對銀行業算力現狀，筆者有3個判斷：其一，分布式技術架構轉型對算力提出更高要求；其二，大數據、人工智能技術的應用進一步推動了銀行業算力提升；其三，優化布局數字基礎設施已成為金融行業面臨的新課題。
第一，分布式技術架構轉型對算力提出更高要求。
近年來，“集中式”技術架構逐步向“分布式”技術架構轉型，應用部署模式也由集中部署向“雙活”及“多活”模式演進。分布式架構優點在于可以充分利用多臺計算機的計算資源，提高計算性能和效率，提高系統的可擴展性和可靠性。以分布式架構為基礎的云計算平臺廣泛使用，也對基礎算力提出了更高要求。近年來，銀行業數字化轉型項目逐步落地，新一代云計算平臺進入實質性建設階段，云底座的搭建模式需要同城和異地具有一定規模且相對獨立的多個機房區域。比如，交通銀行原有上海張江主生產機房、漕河涇同城副中心機房已無法滿足相應需求。為緩解機房部署壓力，交通銀行已于2015年提前布局，啟動浦江新同城數據中心立項工作，將于2023年下半年正式投入使用。
第二，大數據、人工智能技術的應用進一步推動了銀行業算力提升。
金融行業需要高效的計算和分析能力來處理海量數據(603138)，也是我國算力應用較廣、起步較早的傳統行業之一。在數字化轉型過程中，大數據和人工智能技術可以實現業務、技術的深度融合和智能化發展，從而實現效能和服務的提升。近年來，隨著金融行業的數據智能化發展，算力將是數字化產品得以運行的必要條件。
機器學習、知識圖譜、計算機視覺、語音語義識別等大數據和人工智能技術，可以有效支撐金融機構在以下幾個領域應用：一是風險預測。金融機構需要通過客戶的信用記錄、財務狀況等信息來評估客戶的信用風險，制定適配的信貸策略。借助算力，金融機構可以更快地對大量數據進行分析，準確地識別出風險因素，及時實施精細化的風險管理。二是精準營銷。海量數據的收集和分析，可以幫助銀行更有針對性地進行客戶行為分析，構建消費者畫像，助力客戶經理找到“可識別、可分析、可觸達、可交互”的客戶，實施精準營銷。三是運營優化。通過大數據，金融可以監控不同市場推廣渠道尤其是網絡推廣渠道的質效，從而進行合作渠道的調整和優化，同時，金融機構也可以分析哪些渠道更適合推廣哪類產品或者服務，從而進行渠道推廣策略的優化。在上述場景領域中，機器學習、深度學習等技術被廣泛應用，模型算法均需大量的計算資源支撐其穩定運行。
同時，目前金融行業也逐步啟動人工智能大模型的研究，AI大模型又被稱為“巨型神經網絡”，通常由上千萬甚至上億參數構建組成，AI大模型的出現使得各種任務的預測準確度得到了顯著提高，但與此同時，對計算資源的要求也是驚人的。大模型需要進行大量計算，特別是在訓練模型階段，需要配備大量高性能的GPU計算節點、高速硬盤以及高速網絡帶寬，以保證數據傳輸的穩定性和速率。
第三，優化布局數字基礎設施已成為金融行業新課題。
2022年，國家發展改革委、中央網信辦、工業和信息化部、國家能源局聯合印發文件，啟動建設8個國家算力樞紐節點、規劃10個國家數據中心集群，“東數西算”工程全面啟動，提升國家整體算力水平。為了滿足商業銀行海量計算以及人工智能技術的應用推廣，數字基礎設施布局已成為必須面對的課題。國內幾家大型商業銀行均在積極布局多個數據中心的建設。例如，交通銀行積極構建多中心多活的基礎設施架構體系，浦江鎮數據中心預計能容納10萬臺服務器，同時還在籌建內蒙古和林格爾和貴州貴安異地數據中心，未來預計共可容納40萬臺服務器。而中國農業銀行、中國銀行(601988)、中國建設銀行也正在建設內蒙古和林格爾建設數據中心，預計規模均超過30萬臺服務器。
未來銀行業應對算力發展的思考
未來幾年，我國在算力、高性能計算和超級計算機的發展仍將保持高速增長。一方面，我國政府已經制定了明確的戰略規劃，強調加強計算機技術的研究和應用，積極推進人工智能等領域的發展；另一方面，我國目前也正在半導體產業上進行積極研究探索，力求盡快取得突破，并逐步建立起完善的產業鏈條。這也將為金融行業的快速發展提供強有力的支持。針對未來金融行業算力發展趨勢，這里提出以下思考和建議。
第一，適度超前布局基礎設施架構�；A設施適度超前布局，以滿足激增的算力需求，已成為必由之路。2018年以來，我國圍繞數據中心綠色節能、算力高效調度、東西部供需對接等熱點問題深入開展調研論證，數據中心已成為支撐國民經濟發展的重要基礎設施。而與此同時，中大型數據中心普遍存在建設投入大、周期長、擴容難、布局零散、遷移成本高等問題。隨著“東數西算”工程的全面推進，商業銀行也應立足現在、著眼未來，適度超前規劃數據中心算力布局。
第二，努力打破人工智能高端芯片困局。人工智能是美國政府打壓中國的重點領域，英偉達占據了中國95%的AI芯片市場份額，是我國高端AI芯片的主要供給方。結合人工智能算力的迅猛發展趨勢，解決芯片“卡脖子”問題已迫在眉睫。但目前我國AI芯片領域尚未形成公認的行業技術標準、數據隱私及數據安全等難題有待攻關、應對網絡攻擊及各種欺詐風險仍需進一步思考。因此，若要在金融行業快速推進諸如大模型等人工智能領域商業化應用，也需要國家層面盡快推出相關行業標準和規范。
第三，重點研究利用量子計算等技術進一步提升算力。量子計算利用量子比特（qubit）代替傳統計算機中的二進制比特（bit）來實現更高效的計算能力。相比傳統計算機，量子計算機在某些特定的計算任務中可以提供更高的算力，如并行計算能力、量子疊加和量子糾纏、量子算法。未來，隨著量子計算技術的不斷發展，將會有更多應用場景可以發揮量子計算機的高效算力。金融行業在通過橫向擴展算力的同時，也能多元化發展計算技術，進一步提升算力。
本文首發于微信公眾號：中國金融雜志。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
最新評論