AI是现在、量子是未来！陆家嘴金融沙龙第32期热议资管下一代基础设施建设路径

随着AI大模型深度渗透金融核心业务，算力瓶颈、数据安全、场景适配等问题相伴而生。同时，量子计算作为前沿下一代计算技术，开始从实验室走向金融场景试点。

9月18日，陆家嘴金融沙龙第32期于上海浦东圆满举办。本场活动以“寻找资管新引擎：AI大模型与量子计算的融合边界”为主题，与会的科技与金融行业嘉宾围绕国产算力底座建设、量子计算金融场景探索等话题，共同探讨资管下一代基础设施建设路径。

嘉宾们普遍认为，构建安全、高效、自主可控的下一代投资基础设施，已经成为金融科技发展的核心命题。

大模型落地金融，知识管理是AI智能体的底层底座

达观数据董事长陈运文结合人工智能大数据企业的实践，阐述了大模型与智能体构筑金融业智能化底座的技术路径。

他指出，智能体正从“工具”演变为每个人身边的“同事”，而金融行业走在这一进程的最前列。目前，达观数据参与建设的金融智能化应用已覆盖智能风控、智能投研、智能客服、合规审查、量化交易与客户画像等场景，构成金融企业AI应用的全景图。

陈运文强调，AI落地依赖算力、算法与数据的融合。算力依托GPU与AI服务器，算法依托基座大模型与垂直模型优化，居于中间层的数据则需通过深度加工实现价值释放。

“知识管理在其中承担桥梁与纽带作用——数据是知识的载体，知识是对数据的解读。”陈运文指出，面对散落在文档库、邮件、本地文件与数据表中的海量信息，必须抽取关键要素与规律并加以串联，形成单位或岗位层面的专业知识，方能支撑上层应用。

知识体系的构建遵循“从点到线到面”的逻辑。陈运文认为，应先按组织架构沉淀点状主题知识，再按金融业态串联各部门，形成从前台获取商机，到后台合规内控监管的知识链条，最终面向交叉复合岗位整合行业案例、业务知识与职业素养，形成伴生岗位的AI智能体。他特别强调，金融数据的可靠、准确、实时与安全至关重要。

在场景层面，达观数据已在智能审核与智能分析两大领域形成产品。审核方面覆盖后台财务与合规审核、前台供应商与资金审核，以及面向C端业务宣传物料的监管要求审核，通过将规则逐条沉淀进知识库，实现流程自动过检与红灯预警，需人工干预的事项被精准识别。智能分析方面，达观数据的系统可读取财报、公告、会议纪要、银行流水与单证等复杂材料，完成定量打分与定性报告生成。

陈运文指出，所有应用背后都需要知识管理体系支撑，其建设可分为知识目录管控、数据采集对接、集中存储与全链路管控、核心知识挖掘提炼、业务条线应用五个阶段。面向人工智能时代，金融科技架构可分为数据层、知识层与应用层，其中，知识层是关键枢纽，能够解决AI不懂业务、准确性不足、与业务融合不深以及合规安全性等问题，是未来大模型商业落地不可或缺的组件。

国产GPU助力金融算力需求，核心是投入产出比

沐曦股份金融生态发展中心总经理郝天宇围绕国产算力芯片展开分享。他表示，AI Agent时代到来，金融算力需求已经从单纯大模型训练，转向训推一体、智能体复杂任务。国产GPU的发展目标，是实现芯片从“可用”走向“好用、易用”，为金融行业打造自主可控的算力底座。

沐曦采用通用GPU全自研架构，通过MXMACA全栈软件栈，实现数千算子的覆盖，帮助用户从海外主流生态迁移，多数场景三天至七天即可完成适配。硬件产品覆盖推理、训推一体、超节点、HPC高性能计算等产品线，适配不同金融业务需求。

在AI+金融布局上，沐曦面向银行、保险、证券、基金、金融科技企业与交易所等机构提供算力底座支撑，并对金融场景的成熟度与发展潜力作分级研判。

郝天宇认为，智能合规、理赔精算、投顾投研与数字员工是今明两年贡献最显著的核心场景。其价值评估模型明确：高价值、低难度场景优先落地，高价值、高难度场景作为软硬件重点突破方向，低价值、高难度场景暂时搁置。

“金融机构在采购算力时，不能只看纸面算力参数，更要关注真实业务下的投入产出比（ROI）。”郝天宇表示，金融业务有自身鲜明特征，部分业务对时延、并发要求极高，部分业务看重多模态处理，同时金融业务峰谷波动明显，安全合规、物理隔离是硬性要求。对应的算力选型需要综合考量算力密度、存算比、精度匹配、高可用、自主可控等多项指标。

郝天宇坦言，国产GPU仍面临多重挑战，包括异构算力管理、训推加速中的资源分配；存储加速、千亿参数模型训推一体，尤其是PD分离的效率与成本；技术性能与生态适配及场景泛化的平衡，以及跨界复合型人才缺口等。

为此，沐曦联合金融机构、MaaS（模型及服务）厂商、模型厂商与调度厂商，共同构建金融级AI原生的算力选型与共享架构，核心是厘清金融算力的投入产出比。该架构结合时延、并发交易、安全合规、多模态与峰谷波动等金融特征，输出算力密度、存算比、精度与效率平衡、高可用与自主可控等选型指标，从单机多卡延伸至算力集群，并以技术红利对冲算力成本。

量子计算拓展计算能力边界

图灵量子算法总监赵翔分享了量子计算在金融领域的实践探索，阐述了量子计算在金融领域的适用性与落地实践。

“5000只股票对应的资产组合子集规模可达2的5000次方；放到债券市场，寻求最优组合的搜索空间更是攀升至2 的 70000 次方，仅依靠AI算法与GPU算力很难完成求解，亟需新的技术实现突破。”赵翔指出，量子计算面向的正是经典计算机难以胜任的区间。

赵翔介绍，从行业应用看，量子计算在金融领域主要有三个方向。一是随机建模，如量子蒙特卡罗方法可降低概率模拟的复杂度。二是组合优化，其计算空间的指数级增长正好匹配金融行业变量数与约束数指数爆炸的特性。三是机器学习，量子计算底层原理同为线性过程，本质是指数规模的大矩阵乘法，与AI计算高度适配。

基于此，图灵量子给出了金融行业的解决方案：从自研量子计算机、量子安全底座，到“量子—经典”混合软件平台，再到顶层QAgent平台。硬件上，图灵量子自建产线，三周即可迭代一版芯片，2026年将损耗指标优化至0.03dB/cm。其最新发布的第三代机型实现芯片级量子优越性，光子数达1万个、模式数达100万个，在特定问题上超越了当前最好的超算集群。

量子安全方面，赵翔将其比作“矛”与“盾”的关系。业界普遍认为量子计算或在未来三年左右攻破现有RSA密钥，对数据敏感的机构已着手更新加密基础设施。图灵量子通过构造特定数学问题形成加密算法并封装进芯片，从终端板卡、边缘与中心网关到密钥管理平台，实现数据产生、传输、使用全过程保护。

软件与生态层面，赵翔介绍，图灵量子提供量子—经典混合软件平台，客户可按时间租用QPU。开发层推出与Python完全兼容的DeepQuantum，实现量子算子与经典算子的混合调用与梯度无缝回传。

“顺应Agent时代，图灵量子将条件风险计算、投资组合优化、风控决策等工具以MCP协议封装为标准接口，并推出金融行业Agent产品QuFin。”赵翔表示，业务人员以对话方式提出需求，大模型负责匹配模型与算法工具并调用量子算力求解。

量子是未来，大行分阶段推进技术探索

工商银行软件开发中心启辰未来计算研究室负责人谷秋实分享了国有大型银行在量子计算领域的探索与实践，提出核心判断：“量子计算发展需要应用算法和硬件发展并行前进”。

谷秋实表示，研究量子计算是科学和政策两方面大背景下的必然选择。科学层面，量子科技有望实现基础算力的指数级加速。政策层面，“十五五”规划将量子技术列为培育新经济增长点的首位，人民银行金融科技发展规划亦提出探索运用量子技术突破算力约束。

谷秋实介绍，量子科技可分为量子精密测量、量子计算与量子通信三大方向；根据学术界的划分，目前量子计算应用处在“在特定问题上实现量子计算优越性，到2030年左右有望解决若干实用问题。”的阶段。金融领域的量子算法研究则有随机模拟、组合优化、机器学习与密码安全四个方向，关注量子计算对现有密码体系的威胁并部署抗量子密码算法，量子计算由此被称为“矛”；量子通信与抗量子密码算法则被称为“盾”。

谷秋实提到，肖尔算法是目前有明确证明具备端到端理论优势的量子算法，其目标是破解RSA等经典非对称密码算法。随着理论研究推进，破解RSA2048所需资源已从2025年约100万量子比特压缩至10万量子比特，金融业应对量子攻击的准备必须持续加速。

谷秋实介绍，工行软件开发中心成立的启辰未来计算研究室对量子技术的探索分三步：近期研究量子启发式算法，以量子启发的经典算法求解大规模组合优化问题、通过张量网络压缩大模型；中期布局光量子与专用量子计算，实现算法加速与成本压降；远期通用量子计算预计3至5年开展小规模验证、5至10年实现规模化应用。

在具体场景上，他举例说明：衍生品定价问题依赖蒙特卡罗算法，量子振幅估计可以带来平方倍加速。金融领域中的离散优化，可用于资金方与对手方的贷款匹配，以及从标普500中选取10项资产构建指数基金等，也可以由量子计算求解。

谷秋实也坦言，量子计算学习门槛高，技术路线与编程框架尚未收敛，团队因此设计了可从业务建模、算法优化到编程框架性能评估的端到端智能体。他指出，量子计算规模正迈向百万比特、百万操作量级，量子网络或成下一阶段重要技术手段。应用端需明确测评标准，并通过实习、黑客松（黑客马拉松，短期技术攻坚竞赛）等方式培养人才。

多维度储备“下一代投资基础设施”

在主题为《算力革命重塑金融——从AI大模型到量子计算，下一代投资基础设施长什么样》的行业对话环节，嘉宾们进一步探讨了金融机构“下一代投资基础设施”的规划路径。

郝天宇表示，金融行业算力需求正随大模型产业形态演进而发生结构性变化。行业从“百模大战”走向今年的“千Manus大战”，明年或迎来“万Agent大战”。

“大模型训练成本明显压降，但杰文斯悖论使推理与Agent应用的算力需求不降反升。”郝天宇指出，需求逻辑已从对极致性能的追求转向通用性，对能效比、存算比的要求显著提高，可概括为容量足、承载强、速度快、利用率高四点，这也是金融行业下半场的鲜明特征。

谈及与金融机构适配的瓶颈，郝天宇认为，核心在于生态适配与兼容。一方面须提升国产芯片“存”与“算”两大硬件指标，另一方面软件栈决定GPU好用、易用的上限。沐曦正通过自研GPU架构与MACA软件栈突破上述瓶颈，目标是让用户实现“多芯自由、多操作系统自由、多框架自由”。

信银理财数智发展部总经理李珏峰介绍，所在机构2024年就将人工智能确立为战略方向，推动公司从数字化迈向数智化。两年来，信银理财重点开展以下工作：强化场景整合能力，将AI能力嵌入资管业务场景；强化数据治理支撑，将结构化与非结构化数据统一治理为时间序列，供投研等业务端应用；强化工程实施能力，推进系统改造嵌入及大小模型协同。

李珏峰表示，公司确定“对内不对外，辅助不决策”原则，目前主要落地于客服、投研与风控等场景。

谈及自主可控算力底座，李珏峰认为，金融机构须重点关注四点：一是数据安全，这是智能应用存在的前提；二是业务连续性，防范算力抖动影响业务效率；三是生态兼容性，确保存量数据与模型资产跨代际迁移；四是供应链安全，资源可控拓展，避免闲置浪费。

谷秋实认为，布局未来计算需具备核心能力。如判断能力，量子计算、光计算等新范式所处阶段不同，须依据技术发展动态及时调整决策。其次是验证能力，以真实金融场景与数据检验方案优劣。以及内化能力，预判新技术落地中的实际困难，重新组织生产力形态，探索人类员工与数字员工的协作方式。

对于技术成熟度问题，谷秋实强调不宜以“能用或不能用”作简单二元判断，而应在技术发展不同阶段承担相应任务。

“量子通信已具备大规模商业应用，应聚焦其在金融场景的商业价值。”谷秋实指出，部分量子计算技术正由科学阶段走向工程化，应用方应向产业方明确需求，牵引技术向可用方向演进。

赵翔指出，量子计算与金融的结合十分自然。金融问题解空间呈指数爆炸，经典计算机难以承载，量子态空间与之天然匹配。金融资产价格与市场情绪的随机性，亦与量子计算的随机特性契合，可用于求解随机方程。

“量子计算并非取代CPU、GPU，而是与之融合，共同拓展解决问题的边界。”赵翔强调。

展望下一代投资基础设施，赵翔认为，硬件层将形成CPU、GPU、QPU三算融合架构。CPU长于通用调度，GPU长于并行矩阵运算，QPU长于优化、采样与随机方程求解。

赵翔建议，金融机构可在技术成熟之前即着手能力储备，从应用层筛选三至五个高价值问题，提前培养数学建模与量子算法映射方面的专业人才。

“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处主办，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。