侯维栋：算力发展对于银行数字化转型有重要意义
编者按：5月26日，由扬州市人民政府、《中国金融》杂志主办，扬州市邗江区人民政府、扬州市工业和信息化局、上海德衡数据科技有限公司、华为数字能源技术有限公司、中国联合网络通信有限公司江苏省分公司承办的“2023算力赋能金融与互联网产业发展高峰论坛”在江苏扬州圆满举行。下文为交通银行原副行长侯维栋在会上所做的重要发言。
算力是未来金融行业的核心生产力。作为中国计算产业的亲历者，30多年来，我参与并见证了中国计算产业的跨越式发展，也看到了算力在经济、生活中发挥着越来越重要的作用。当前，人类已到达智慧时代的拐点，一场由算力带来的变革将极大地改变商业银行的生产模式。
算力是未来的核心生产力
为什么这么说？可以从两个方面来理解：一方面，数字经济发展和行业数字化转型对算力提出了更高要求；另一方面，以ChatGPT为代表的通用人工智能技术广泛应用推动新一轮的算力爆发式增长。
首先，数字经济发展和行业数字化转型对算力提出了更高要求。
当前，世界正经历百年未有之大变局，数字经济作为全球经济发展的新动能，正在驶入发展快车道。根据最新的全球计算力指数评估报告，一个国家的计算力指数包括计算能力、计算效率、应用水平、基础设施支持四个维度，该指数平均每提高1个点，对应的数字经济和GDP将分别增长3.5‰和1.8‰。纵观全球，截至目前已有40多个国家和地区把数字化、网络化、智能化技术和计算能力的培育上升到战略层级。积累数据资源、提升算力水平、做大做强算力产业，已经成为全球主要国家的共同战略选择。如何迎接“算力时代”的到来，积极抓住算力发展新机遇，打造算力坚实底座，为数字经济的长远发展保障高质量、可持续的算力供给，努力形成国际发展新优势，是我国深化数字经济发展的当务之急。目前，我国算力水平已经有了快速的提升。工业和信息化部最新数据显示，我国算力产业规模平均增速超过30%，算力总规模全球第二。截至2022年底，我国算力总规模达到180百亿亿次/秒（EFLOPS），数据存储总规模超过1000EB，国家枢纽节点间的网络单向时延降低至20毫秒以内，算力核心产业规模达到1.8万亿元。算力基础设施发展成效显著，梯次优化的算力供给体系初步构建，算力基础设施的综合能力显著提升。
其次，以ChatGPT为代表的通用人工智能技术广泛应用推动新一轮的算力爆发式增长
通用人工智能，是指具有像人一样的思维水平以及心理结构的全面性智能化。2023年，ChatGPT作为通用人工智能的代表“横空出世”，强力推动了人工智能领域的技术革命。在深度学习方面，2023年3月推出的GPT-4模型的参数量已高达100万亿，再次创造了语言模型领域的新纪录。在应用使用方面，ChatGPT被广泛应用在问答、聊天机器人、文本生成、机器翻译、自动摘要等场景中，同时也为其他人工智能领域（如计算机视觉）提供了借鉴意义。在人工智能技术发展推动方面，促进了一系列相关技术的研究和探索，如零样本学习、元学习等，尤其是自然语言处理技术的发展。
通用人工智能技术所需要的算力需求是极其巨大的。以ChatGPT为例，ChatGPT的总算力消耗约为3640PF-days（即假如每秒计算一千万亿次，需要计算3640天），需要7-8个投资规模30亿元、算力500P的数据中心才能支撑运行。同时，AI对算力的需求已不能仅仅用“快速”来形容。根据ChatGPT开发公司OpenAI 研究，2012-2018年，最大的AI训练的算力消耗已增长30万倍，平均每3 个多月便翻倍，速度远远超过摩尔定律。考虑到数据合规风险、特定业务需求等因素，以及企业私有化部署的需求，通过对大模型的部署、对下游任务的微调，可同时确保灵活可控、数据安全，从而实现人工智能与核心业务流程的深度融合，产生类似ChatGPT这样的大模型金融服务。然而，这些模型对资源具有很高的要求。在这当中，应用为“矛”，安全为“盾”，算力则是“军饷”，正所谓“兵马未动，粮草先行”。因此，算力是需要优先准备和解决的问题。
银行业算力发展到什么程度
对银行业算力现状，笔者有3个判断：其一，分布式技术架构转型对算力提出更高要求；其二，大数据、人工智能技术的应用进一步推动了银行业算力提升；其三，优化布局数字基础设施已成为金融行业面临的新课题。
第一，分布式技术架构转型对算力提出更高要求。
近年来，“集中式”技术架构逐步向“分布式”技术架构转型，应用部署模式也由集中部署向“双活”及“多活”模式演进。分布式架构优点在于可以充分利用多台计算机的计算资源，提高计算性能和效率，提高系统的可扩展性和可靠性。以分布式架构为基础的云计算平台广泛使用，也对基础算力提出了更高要求。近年来，银行业数字化转型项目逐步落地，新一代云计算平台进入实质性建设阶段，云底座的搭建模式需要同城和异地具有一定规模且相对独立的多个机房区域。比如，交通银行原有上海张江主生产机房、漕河泾同城副中心机房已无法满足相应需求。为缓解机房部署压力，交通银行已于2015年提前布局，启动浦江新同城数据中心立项工作，将于2023年下半年正式投入使用。
第二，大数据、人工智能技术的应用进一步推动了银行业算力提升。
金融行业需要高效的计算和分析能力来处理海量数据，也是我国算力应用较广、起步较早的传统行业之一。在数字化转型过程中，大数据和人工智能技术可以实现业务、技术的深度融合和智能化发展，从而实现效能和服务的提升。近年来，随着金融行业的数据智能化发展，算力将是数字化产品得以运行的必要条件。
同时，目前金融行业也逐步启动人工智能大模型的研究，AI大模型又被称为“巨型神经网络”，通常由上千万甚至上亿参数构建组成，AI大模型的出现使得各种任务的预测准确度得到了显著提高，但与此同时，对计算资源的要求也是惊人的。大模型需要进行大量计算，特别是在训练模型阶段，需要配备大量高性能的GPU计算节点、高速硬盘以及高速网络带宽，以保证数据传输的稳定性和速率。
第三，优化布局数字基础设施已成为金融行业新课题。
2022年，国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发文件，启动建设8个国家算力枢纽节点、规划10个国家数据中心集群，“东数西算”工程全面启动，提升国家整体算力水平。为了满足商业银行海量计算以及人工智能技术的应用推广，数字基础设施布局已成为必须面对的课题。国内几家大型商业银行均在积极布局多个数据中心的建设。例如，交通银行积极构建多中心多活的基础设施架构体系，浦江镇数据中心预计能容纳10万台服务器，同时还在筹建内蒙古和林格尔和贵州贵安异地数据中心，未来预计共可容纳40万台服务器。而中国农业银行、中国银行、中国建设银行也正在建设内蒙古和林格尔建设数据中心，预计规模均超过30万台服务器。
未来银行业应对算力发展的思考
未来几年，我国在算力、高性能计算和超级计算机的发展仍将保持高速增长。一方面，我国政府已经制定了明确的战略规划，强调加强计算机技术的研究和应用，积极推进人工智能等领域的发展；另一方面，我国目前也正在半导体产业上进行积极研究探索，力求尽快取得突破，并逐步建立起完善的产业链条。这也将为金融行业的快速发展提供强有力的支持。针对未来金融行业算力发展趋势，这里提出以下思考和建议。
第一，适度超前布局基础设施架构。基础设施适度超前布局，以满足激增的算力需求，已成为必由之路。2018年以来，我国围绕数据中心绿色节能、算力高效调度、东西部供需对接等热点问题深入开展调研论证，数据中心已成为支撑国民经济发展的重要基础设施。而与此同时，中大型数据中心普遍存在建设投入大、周期长、扩容难、布局零散、迁移成本高等问题。随着“东数西算”工程的全面推进，商业银行也应立足现在、着眼未来，适度超前规划数据中心算力布局。
第二，努力打破人工智能高端芯片困局。人工智能是美国政府打压中国的重点领域，英伟达占据了中国95%的AI芯片市场份额，是我国高端AI芯片的主要供给方。结合人工智能算力的迅猛发展趋势，解决芯片“卡脖子”问题已迫在眉睫。但目前我国AI芯片领域尚未形成公认的行业技术标准、数据隐私及数据安全等难题有待攻关、应对网络攻击及各种欺诈风险仍需进一步思考。因此，若要在金融行业快速推进诸如大模型等人工智能领域商业化应用，也需要国家层面尽快推出相关行业标准和规范。
第三，重点研究利用量子计算等技术进一步提升算力。量子计算利用量子比特（qubit）代替传统计算机中的二进制比特（bit）来实现更高效的计算能力。相比传统计算机，量子计算机在某些特定的计算任务中可以提供更高的算力，如并行计算能力、量子叠加和量子纠缠、量子算法。未来，随着量子计算技术的不断发展，将会有更多应用场景可以发挥量子计算机的高效算力。金融行业在通过横向扩展算力的同时，也能多元化发展计算技术，进一步提升算力。