一、本报告概述。  

白皮书由海光信息与合合信息联合撰写，聚焦“金融信创+AI”融合落地。报告先给出金融信创政策-技术-产业全景，再以三家银行案例验证“国产芯片+AI应用”可行性，最后拆解海光CPU/DCU底座与合合信息TextIn平台能力，给出可复制的实施路径与选型指南，核心结论：国产算力已可支撑金融级AI性能，生态短板需“芯片-框架-应用”协同补齐。

二、第一章：金融信创：战略背景与发展路径  

2014-2020 萌芽期：银监会 15% 可控率指标启动试点；2020-2023 高速发展期：两期试点机构扩至 198 家，信创采购占 IT 外采 5-15%；2023 进入全面推广期，央行《2024-2027 国产化落实计划》要求 100% 机构制定路线图。挑战：核心交易场景国产性能差距约 30%，生态兼容成本占项目总投入 40%。实施路径“六步法”：资产盘点→基建夯实→应用迁移/重构→试点验证→稳步推广，2025 年行业信创投入预计突破 1200 亿元，年复合增速 28%。

三、第二章：全国性股份行——AI应用多技术路线适配与性能发挥  

股份行面临 GPU 短缺与国产化双重压力，部署“海光 DCU+算力池化”方案，20+ 合合信息 AI 应用（身份证、银行卡、合同等识别）实现异构共池。测试数据：14846 页混合样本，平均识别准确率 96%，单卡并发 8 路，0.643 秒/页，96 小时连续运行零故障；GPU 利用率由 45% 提升至 78%，节约硬件投资约 2200 万元，为大型银行提供“性能不降级、资源不浪费”的国产化模板。

四、第三章：头部城商行——基于国产算力的OCR应用适配实践  

城商行 6 个月完成 OCR 全场景切换，部署海光 DCU×4，机打汉字识别率 97.1%，手写数字 99%，单张票据 800 ms 内返回结果；并发 10 路时平均响应 840 ms，与 NVIDIA A10 持平。轻量化改造仅改动 3% 代码，迁移成本下降 60%，证明区域性银行可“小步快跑”实现信创。

五、第四章：头部城商行——增量国产算力赋能多模态智能处理  

该行自研大模型平台引入 DeepSeek-VL2/R1，参数规模 70-176B，合合信息 TextIn 合同比对作为核心应用，2 分钟完成 100 页合同差异标注，准确率达 99.2%。海光 DCU 64 GB 显存版支撑混合精度推理，INT8 量化后吞吐量提升 2.3 倍，较纯 CPU 方案节省算力成本 55%，为城商行构建自主多模态 AI 中枢提供范例。

六、第五章：金融信创核心芯片技术与选型  

海光 C86 CPU：x86 兼容，SPECint2017 得分 502 分，与同期 Intel 金牌 6330 持平，内置国密算法加速，金融核心系统迁移 4 步流程较传统 20+ 步骤缩短 75% 时间。海光 DCU：深算三号 FP32 算力 24 TFLOPS，64 GB 显存，已适配 500+ 金融 AI 模型，CUDA 代码迁移工具 DTK 实现 95% 开源框架即插即用，为金融 AI 提供“零”成本切入口。

七、第六章：金融信创AI智能应用  

合合信息 TextIn 平台提供 70+ 图像处理、50+ 语种识别、30+ 票据模板开箱即用。DocFlow 单据自动化处理组件在某股份行上线 3 周即完成 120 种票据建模，日均处理 25 万页，人工审核工作量下降 80%。文档解析引擎支持合并单元格、跨页表格、手写公式等 12 类复杂版式，解析准确率 98.5%，与国产大模型对接后，形成“解析-比对-审核”闭环，成为金融非结构化数据治理的国产化标配工具。

关注公众号，获取本报告下载方法。