夯实智算根基 昇腾超节点在金融等领域规模化落地

国务院《关于深入实施“人工智能+”行动的意见》明确提出,要在金融等重点领域推动新一代智能终端、智能体等广泛应用。当前,金融行业正加速迈入Agentic AI规模化落地的新阶段,大模型已深度嵌入风控、营销、研发与客户服务全链路,成为驱动业务创新的核心生产力。然而,随着强化学习迭代、智能体超长上下文交互、高并发低时延推理等新负载集中涌现,传统算力集群的通信瓶颈、显存受限、资源利用率低等短板日益凸显,成为制约金融AI深入应用的现实挑战。

面对这一产业痛点,在2026中国国际金融展期间,华为携昇腾384超节点(Atlas 900 A3 SuperPoD)亮相上海,受到行业广泛关注。自发布以来,昇腾384超节点依托灵衢互联架构、大带宽低时延互联、全局内存统一编址等核心能力,精准匹配行业大模型训推需求,已在金融、能源、运营商等多个行业落地,为Agentic AI时代的算力基础设施建设提供了坚实支撑。

架构级创新 破解金融训推双重痛点

金融行业在AI训练上正从大规模通用预训练,转向增量训练、领域微调与强化学习,核心目标是让大模型更理解金融业务,让金融AI更好用,但这对训练效率提出了极高要求。

针对训练场景,昇腾384超节点依托超大带宽优势,完美支撑MoE多专家类模型高效训练。其创新的架构可将训练与推理实例同时部署在超节点内部,大幅提升强化学习效率。同时,昇腾天然适配verl等主流强化学习框架,降低了金融机构开发专属大模型的门槛。实测显示,基于该超节点开展金融模型增训,整体性能较传统集群提升2.5至3倍,模型迭代周期显著缩短。

推理侧挑战同样严峻。随着AI Coding、信贷助手、员工超级助手等应用普及,多轮对话与技能调用带来了百倍级的Token消耗,对低时延、高吞吐提出极致要求。

昇腾384超节点天然亲和Agentic AI负载,通过内存统一编址和内存语义访问,实现48TB全局内存池共享。所有NPU之间的交互可通过Load & Store等内存语义直接操作,无需经过复杂的通信协议转换,数据交互效率提升3倍。更大的共享内存池可实现更高的KV Cache容量,满足智能体超长上下文需求。结合大规模专家并行方案(大EP)的系统级优化,单卡推理吞吐提升4倍以上,显著降低推理成本。

规模化落地 释放金融业务真实价值

目前昇腾384超节点已在多个行业落地,金融领域标杆效应尤为突出。作为首批落地机构,邮储银行于2025年底完成超节点集群部署,依托灵衢互联架构打破硬件节点边界,算力卡互联带宽提升15倍。该行同步叠加昇腾大规模专家并行优化方案,单卡吞吐性能最高提升10倍,进一步加速“邮智”大模型的规模应用。同步配套潮汐调度、ServerlessNPU等一系列优化方案同步落地,从调度、推理、部署多维度协同发力,进一步提升了算力对金融复杂场景的适配能力。

依托这套自主创新算力底座,邮储银行已落地260余项全链路AI应用,全面赋能营销、对客、风控、办公等核心业务领域,推动技术底座与业务需求深度融合,实现前台精准触达、中台智能风控、后台数据洞察的全流程智能化升级。

目前华为已与3000余家全行业伙伴合作孵化6700多个行业解决方案,金融领域已服务建设银行、邮储银行、太平洋保险、海通证券等超1800家机构,共同推进核心系统自主创新与超节点技术应用。华为将通过金融AI创新伙伴联盟,从基础软件、模型、应用三个层面推出生态激励措施,分享参考架构与最佳实践,吸引更多ISV伙伴参与金融AI创新。同时华为始终坚持“硬件开放、软件开源、使能伙伴、发展人才”16字方针,开源openEuler、CANN等基础软件,全面适配PyTorch、vLLM等主流框架,与国内头部模型厂商深度合作,构建自主创新的产业生态。

从单点验证到规模化应用,金融行业正在经历一场深刻的智能化升级。在这个过程中,底层算力直接决定了金融机构转型的效率与上限。昇腾超节点凭借超大带宽、超低时延、内存统一编址、强生态适配的核心优势,为破解金融大模型精细化训练、智能体高并发推理等核心难题提供了系统化支撑。面向未来,华为将继续加大在算力基础设施与金融AI领域的研发投入,坚持根技术创新与开放生态建设双轮驱动,通过与广大金融机构、合作伙伴的深度协同,为金融强国建设注入强劲的数智动能。