财联社10月27日讯 10月23日，静安区2026年苏河财富对话暨2026年国泰海通金融科技文化节主题论坛在苏河湾中心顺利举行。

圆桌环节，国泰海通首席信息官俞枫担任主持人，基流科技研发副总裁陈维，思矽科技创始人兼CEO甘培东，特思恩副总经理、研发总监郭靖，英韧科技董事、副总经理陈杰，中亦科技数字信息部负责人陶振宇围绕“自主可控——AI驱动金融生态新跃迁”展开交流。

与会嘉宾认为，自主可控的AI不能只“盯”算力与模型，数据能否及时、确定、安全地到达同等关键；AI落地宜由外围向核心渐次推进，并配好可审计、可回退的护栏。

从算力集群、网络到存储：自主可控底座成型

陈维介绍，基流科技创立于2023年2月，源自网络安全实验室，定位为独立自主的AI算力提供商，业务聚焦AI基础设施层，涵盖智算中心的网络调度、网络系统、算力调度与服务等。

“通俗地讲，智算中心常被比作一台超级电脑”，其目标是在底层之上把网络系统、软件部署调优与运维做成一体，交付一台稳定高效的超级电脑。公司产品分两大方向：一是覆盖集群训练与推理的AI算力操作系统，含通信库、键值缓存管理、算力调度与智能体管理运维；二是配套的网络操作系统，形成“算”与“网”并行的格局。

对于自主可控，他用一句话概括——“硬件自主可控，软件生态开放”。在他看来，软件应由各方在擅长环节做到最优，基流科技重点做芯片层之上的软件解耦，已适配昇腾、摩尔线程等国产芯片，软件层面坚持全栈开源开放。

截至目前，公司已交付AI算力集群中心66个，含2个万卡级集群，GPU服务规模达14万张。

甘培东介绍，思矽科技专注存储网络，已实现从芯片开发、操作系统到管理软件与智能体的端到端能力，交付产品为光纤通道（FC）交换机。他指出，存储网络服务于关键系统中服务器与存储之间的通信，凭借稳定性与兼容性优势沿用至今，此前长期由少数国际厂商主导，思矽科技填补了国内空白，案例集中在金融等八个行业。该产品与金融的结合有双重意义：既实现国产化自主可控，也在行业向AI转型中夯实了可信数据来源。

郭靖用一句话概括特思恩的定位：为金融AI提供端到端、超低时延、确定性和安全的网络底座，差异在于芯片全自研、全自主可控。他介绍，公司已有8048、8148两个系列的超低时延交换机，均基于自研芯片，在证券、期货生产环境成功部署；量产的时间敏感网络芯片在航空航天、轨道交通、无人机等领域亦有成功案例。国密算法的MACsec/IPsec已集成至芯片内部并得到验证，体现出从芯片到设备、从协议到场景的全栈纵深。

他指出，AI规模化应用后，行业目光多在算力与模型上，容易忽略数据在集群内如何低时延、确定性流动，跨节点如何保障安全且不牺牲性能。自主可控的AI要走向大规模生产，需要网络、算力与大模型三层深度融合，且要在架构阶段协同规划，而非产品成型后的简单拼接。公司与金融客户正探索将AI所需数据解码、以及推理数据模型卸载至可编程网络模块，已验证网络设备承载AI工作、在网计算的可行性，形成了可复用的AI卸载路径，为后续核心生产场景试点打基础。

“一句话，AI让金融更聪明，自主可控让这份聪明被信任，确定性安全网络让聪明准时、安全到达。”郭靖说。

陈杰介绍，英韧科技专注存储主控芯片设计与研发，是国内极少数具备从“芯”到“盘”的全栈自研能力的企业，产品覆盖企业级、工业级与消费级应用。面向AI时代，公司以自研主控与自研固件为底座，积极布局PCIe 6.0、CXL与AI SSD等方向，为AI训练与推理提供更可靠高性能的存储方案。

“生态合作的关键在于发挥产业链各方技术优势，推动从芯片、存储到服务器、算力，再到AI应用场景的深度协同。”他表示。去年公司推出面向AI场景的“洞庭-N3X”系列固态硬盘，针对高并发、低时延场景深度优化，提升数据传输效率并大幅降低GPU等待时间；与产业链伙伴联合调优后，在AI大模型推理实践中，首Token时延明显下降。今年发布的PCIe 6.0芯片随机读写指标较上一代翻倍，在同等功耗下能效大幅优化。

陶振宇介绍，中亦科技核心赛道聚焦于金融领域，围绕IT基础架构提供从规划、设计、集成到上线运维的全栈服务，同时开展数据库、中间件、操作系统等层面的信创改造，并提供智能运维产品。在他看来，大模型进入规模化应用后已不是单点技术攻坚，而是需要各方协作的复杂系统工程，公司的定位是在集成服务环节与生态伙伴一道助力金融大模型落地。近两年公司主要推进两方面工作：一是大模型基础设施本地化部署，提供知识库、检索增强生成（RAG）、智能体管理等能力；二是对运维产品矩阵做AI化重构。

金融行业应如何构建自主可控的AI？多家机构给出研判

当前人工智能在金融行业的应用已经进入规模化生产阶段，成为了券商行业数字化转型的核心驱动力，在此背景下，金融行业应如何构建自主可控的AI？

陈维从AI基础设施角度给出三点判断。

首先，AI基建仍处于追赶阶段。受多重因素影响，国产GPU（图形处理器）在硬件及软件系统上仍存在差距；建立智算中心不难，关键问题在于如何利用。实践中算力利用率偏低的问题普遍存在，团队为此通过主动运维与容错系统，将集群可靠性做到99.97%。

其次，多技术路线的算力调度适配未来会是主流，让用户“可进可退”、有更多选择空间。

此外，广域互联是趋势，2025年其所在公司完成跨越1500公里的长距离实践，从技术层面证明了跨地域算力调用的可行性。

聚焦金融行业，他给出三点建议：提供高可用系统以支持异构算力混合调度；推动生态与规范共建，用标准化将自主可控转化为竞争力；推进算力网络化，在数据安全可控前提下把分散算力连接成行业基础设施。

甘培东结合其所在机构与国泰海通的合作说明智能体进入运维的路径：第一步是真实需求驱动下的国产化替换；第二步是改用智能体管控网络，将原本依赖各类工具实现的功能智能化，既能预测防范异常，也能统计分析。得益于全栈自研，公司除上层操作系统能力外还可开放芯片能力，出现异常即可快速定位，实现端到端可控。

他判断，随着机构用智能体管控整体技术架构，可控数据源的质量将显著提升。

郭靖重申，结合特思恩的实践，第一，构建自主可控AI，不能只盯算力和模型，端到端超低时延、确定性网络，以及不增加时延的数据安全，要提到同等优先级；第二，生态跃迁方向，是从“单点智能”走向“系统级确定性安全智能”。就此，特思恩科技在高速互联方向已支持SUE（Scale-Up Ethernet，纵向扩展以太网））、UEC（Ultra Ethernet Consortium，超以太网联盟）、OISA（Omni-directional Intelligent Sensing Express Architecture，全向智感互联）等主流协议，在纵向扩展scale-out互联上支持CBPFC拥塞控制与数据加密，使确定性与安全性在自主可控底座上形成验证闭环；同时将实时遥测引入AI集群，让集群内互联状态可观测，为后续网络优化提供数据支撑。

在他看来，AI过去比的是模型聪明，下一步比的是系统在规模应用压力下是否确定、是否安全，要求芯片、设备、模型与券商在架构阶段协同设计。他建议行业将数据确定性、安全性与时延列入AI基础设施采购的关键指标，先经联合调试验证，再推向大核心生产系统。 特思恩愿意做底层那个把确定性、安全性和scale-up/scale-out互联做扎实的角色，和国泰海通及各位一起，把自主可控AI从“能用”推到“敢用”在核心生产系统上。

陈杰表示，自主可控的AI，根基在数据。公司希望用自主可控的存储芯片，配合国产存储颗粒与上下游协同，以端到端保护和国密算法筑牢存储底座。

他还指出，大模型规模化应用，推理成为主要负载。如何让推理推得更快、更准是关键，瓶颈往往不在算力，而在数据能否及时、稳定地送到算力测。公司希望通过AI负载的数据流分析，让存储更贴近计算、参与计算，使风控、量化分析等金融场景获得更短、更稳定的时延。

渐进式落地，为智能体装上“护栏”

陶振宇聚焦自主可控与安全如何在基础架构与运维领域落地。他介绍，公司形成了分层推进策略：环境层面，无论AI具备何种能力，都先在运维支撑类系统中完成闭环验证，确认安全审计无误后再向核心关联系统迁移；能力层面则分级分步，先从风险较低的辅助分析起步，逐步向故障自愈延伸。具体而言，先在知识问答、AI巡检、告警分析等场景落地，验证有效后再开放到告警自动处置、故障自愈。

他同时提醒，基础架构与运维智能体必须构筑智能护栏：对所有智能操作实施审计，思维链与操作轨迹要可追溯、可记录，并配套权限管理、阈值熔断与回退机制。

在他看来，AI的持续落地正深刻改变运维行业。过去以被动响应、依赖经验为主的模式，正转向预防前置、人机协同：从故障发生后跟进处置，转为提前排查隐患；从高度依赖二线专家，转为通过人机协作提升一线效率。业务模式也随之向平台化、产品化、智能化演进。

讨论尾声，俞枫总结道：自主可控是根基，AI驱动是引擎，生态跃迁是共同的远方。