IT时报记者 贾天荣

在人工智能快速演进的背景下，金融行业正面临“既想用大模型、又必须保证安全”的现实矛盾。

6月16日，2026中国国际金融展在上海开幕，海光信息携CPU+DCU双芯方案亮相，试图为金融智能体时代提供一套兼顾性能与安全的底层基础设施。“AI时代的核心，不只是算力，更是算力与安全的一体化协同。”海光信息副总裁应志伟在接受《IT时报》记者采访时表示。

过去，金融AI更多停留在知识问答、文本生成等辅助场景；如今，随着大模型能力快速演进，AI正逐步进入制度查询、智能运维、合规风控、代码开发等核心业务流程，金融行业也开始迈向“智能体落地”阶段。

但越深入核心场景，挑战也越明显。一方面，金融行业对安全、合规、稳定性的要求极高；另一方面，大模型推理带来的高并发需求，也让算力成本与能耗压力持续攀升。如何在性能、安全与成本之间找到平衡，成为金融机构共同面对的问题。

“过去金融数智化建设，往往需要在性能和安全之间做取舍。”海光信息副总裁吴宗友表示，“而AI时代，海光希望让金融机构不再做这道‘选择题’。”

双芯协同，激活智能体“最强大脑”

在应志伟看来，AI时代的竞争，已经不再是单一芯片能力的竞争，而是整个系统协同能力的竞争。

他将海光目前布局的两类核心芯片——CPU与DCU——比作“大脑”和“多只手”。其中，CPU负责调度、管理、Agent执行与复杂工作流编排；DCU则承担大模型训练与推理中的大规模并行计算。

“现在整个AI体系里，CPU和GPU已经不是各干各的。”应志伟表示，尤其是Agent快速兴起之后，无论是任务调度、工具调用、本地执行，还是大模型推理，都需要CPU与GPU深度协同。“一个负责决策，一个负责计算，缺一不可。”

在金融场景中，这种协同尤为重要。海光CPU采用C86架构，承担核心交易系统、数据库、知识库调用等关键任务；海光DCU则聚焦大模型训练与推理，加速Token生成效率，降低推理成本与能耗压力。

海光方面认为，双芯协同的目标，并不仅仅是“能问能答”，而是让金融智能体真正具备低时延、高并发、“能办事”的能力。

“如果CPU带宽不够、GPU算力过强，或者GPU性能很高但CPU调度能力跟不上，整个系统都会出现浪费。”应志伟说。

相比单纯提升芯片性能，他认为更复杂、也更关键的问题，其实在软件生态。

“CPU怎么把大模型快速调度到GPU上运行？Agent在CPU侧怎么更流畅执行？这些都需要大量底层软件协同。”

据介绍，海光近年来正在持续打通CPU与GPU之间的软件栈、安全机制与调度体系，希望从硬件到软件形成统一协同架构。

AI落地金融核心场景，“能提效”更要“不能出错”

随着金融智能体逐渐进入理赔、风控、客服、营销等核心业务流程，AI正在真实改变金融行业原有的业务运转方式。

展会期间，太保科技总经理魏骄华在接受《IT时报》记者采访时透露，过去一年，太保已经围绕约140个AI场景展开探索。“并不是每个场景都成功，但确实有一些已经开始真正创造业务价值。”

太保科技总经理魏骄华

其中，健康险理赔是目前落地效果最明显的场景之一。魏骄华表示，健康险理赔最大的难点之一，在于医疗信息录入。由于全国医院系统、诊疗流程、社保规则并不统一，过去大量病历、出院小结等资料需要人工录入。“原来一个座席一天最多只能录30个案件。”他说。而现在，太保通过OCR、多模态识别、知识图谱等AI技术组合，已经实现大量案件自动化处理。“客户上传资料后，系统可以自动识别、自动提取、自动进入理赔系统。现在一个座席一天已经能处理超过200个案件。”

与此同时，AI也被用于反欺诈与风险控制。由于健康险涉及财险、寿险、健康险等多个业务体系，过去不同子公司之间的数据并不完全打通，一些套利、欺诈行为很难被实时发现，而AI能够帮助企业实时监控不同系统中的关联数据。仅去年最后3个月，太保便通过AI风控发现超过1万条可疑线索。

而更长远的目标，则是实现“出院即理赔”。“未来我们希望做到，客户在医院诊疗结束、出院之前，保险赔付已经完成。”魏骄华表示，“不用再提交材料，也不用自己先垫付赔款。”

魏骄华认为，AI对于保险行业的意义，不仅仅是效率提升。“保险本身是一个充分竞争的行业，谁能领先一步，就意味着能获得更多客户、更多资源，也能持续投入创新。”

与此同时，保险行业本身还承担着重要民生责任。“如果能够让老百姓理赔更方便、看病更方便，本身也是保险行业的重要价值。”

从保险落地到系统协同：安全与算力的融合路径

从合作实践来看，中国太保与海光的协同，集中体现在“安全底座+业务智能化”的融合路径上。

在选型层面，太保将安全能力、算力性能与迁移成本作为核心标准。海光芯片在内生安全与抗量子能力上的持续演进，使其能够支撑DCMM 5级数据安全体系建设，并适配理赔、客户视图与跨子公司风控等高敏感业务场景。同时，高性能国产CPU也为百余个AI应用提供稳定算力支撑，在保障业务连续性的同时降低系统改造成本。

在业务协同层面，双方合作已覆盖健康险理赔自动化、全域客户画像分析与跨业务风控体系建设等关键方向，形成从算力底座到保险AI应用的协同链路，使AI能力能够在真实业务中稳定运行并持续扩展。

当前，金融AI正在从“单点应用”走向“系统工程”，其核心不再只是模型能力，而是算力、安全与业务系统之间的整体协同能力。

在这一过程中，机密计算正在从“技术选项”变为“基础能力”，而以太保为代表的保险机构与国产算力厂商的协同，也正在为行业提供一条可复制的落地路径——让AI不仅“能用”，更要“可信、可控、可持续”。正如应志伟所说，“未来AI竞争，已经不是单颗芯片的竞争，而是整个系统能力的竞争。”