推广 热搜： 采购方式滤芯带式称重给煤机甲带气动隔膜泵减速机型号无级变速机链式给煤机履带减速机

【精读】2025网信自主创新调研报告-第九章(案例6)

日期：2026-08-04 14:37:47 来源：网络整理作者：本站编辑评论：0

经过数月的调研和分析整理工作，《2025网信自主创新调研报告》如期和读者见面了。本报告基于对全国范围内网信自主创新实践的系统性调研，汇聚了来自一线的数百个真实案例。

在内容架构上，本报告创新性地采用三篇式布局：

第一篇“传统网信技术篇”采用问题导向的编写思路，围绕产业实践中面临的六大核心痛点设立六个章节。

第二篇“人工智能篇”作为新兴技术领域，侧重从双维度展开：一方面聚焦人工智能技术研发层面的创新实践；另一方面深入考察人工智能在产业应用维度的落地情况。

第三篇“案例汇编篇”系统整理本年度调研工作采集到的有效案例，为读者提供详实的实践参考。

如果说第一年参与调研和报告编写工作是出于兴趣，第二年、第三年是出于情怀，那么连续8年参与这项工作就变成了一种责任。编委会将把这项工作坚持做下去。

从今天开始，“小编”将对报告的各个章节进行连载，希望对读者有提供有益的帮助。

第9章案例汇编案例9.6.案例6：宝兰德“智算-智能体”双平台驱动金融机构AI规模化落地与自主可控实践

(1)案例背景：破解金融业AI应用分散化与国产化落地的双重挑战

在人工智能技术浪潮与金融业数字化转型深度融合的当下，金融机构在IT服务、综合经营、安全态势感知及故障应急等内部运营场景中，对智能化应用的需求日益迫切。然而，某金融机构在实际推进过程中，普遍面临大模型应用分散、算力资源与模型管理割裂、技术使用门槛高、场景落地效率低下等核心痛点，导致AI价值难以规模化释放。与此同时，在自主可控的国家战略指引下，如何基于国产算力底座构建安全、高效、敏捷的AI能力体系，成为金融行业必须攻克的新课题。为此，北京宝兰德软件股份有限公司与该金融机构深度合作，以宝兰德AI汇智平台为核心，共同打造了集智算与AI智能体于一体的综合性平台，旨在打通从国产算力调度到大模型服务、再到场景化智能体应用的端到端技术闭环，为金融业务的智能化升级与自主可控转型提供一体化解决方案。

(2)技术路径：构建基于国产算力的一体化“智算-智能体”协同架构

面对金融行业对自主可控、低延迟、高兼容性的严格要求，本案的技术选型确立了以“宝兰德AI汇智平台+华为昇腾NPU+国产操作系统”为核心的自主技术栈。这一选型逻辑经过多维度的审慎对比：在性能上，昇腾NPU针对大模型推理场景进行了深度优化，配合宝兰德平台的调度能力，实现了推理延迟≤50毫秒、算力利用率较通用GPU提升约15%的优异表现；在兼容性上，平台原生支持各类金融数据库与业务系统接口协议，适配性比开源方案高出30%；在生态与服务上，全栈国产化组合满足了信创合规要求，而宝兰德提供的本地化驻场与7×24小时支持，则完美契合了金融业务连续性的铁律。在架构设计上，项目创新性地采用了“智算平台”与“智能体平台”双轮驱动的融合模式。智算平台专注于底层昇腾等异构算力的智能调度与模型的生命周期管理，而智能体平台则负责将原子化的AI能力编排为面向业务的智能体应用。两者通过统一的中台进行数据和能力协同，并以“本地核心算力+弹性公有云”的混合部署模式，在保障数据安全与合规的同时，实现了资源的灵活配置与“能力即服务”的敏捷交付。

图9.6-1系统架构

(3)关键突破：实现异构算力与场景化智能体的高效协同调度

本案例的核心技术突破，在于成功构建了“智算-智能体双平台的异构算力与场景化能力协同调度技术”，实现了国产算力底座与上层金融业务需求之间的精准匹配与高效闭环。

l国产算力高效调度与场景化敏捷交付

这一突破显著体现在关键数据的提升上：通过宝兰德平台的优化调度，基于昇腾NPU的算力在金融模型推理场景下的利用率提升至70%，较传统方案提升15%，同时将延迟稳定控制在50毫秒以内。更重要的是，平台将AI能力拆解为20多个可复用的原子化能力模块，通过模块化组合，可将单个金融场景的AI应用开发周期从传统的30天大幅压缩至7天，使得44个细分场景得以快速落地，整体效率提升超过300%。

l攻克存量系统融合与业务零中断的工程难题

项目实施中最大的工程挑战，在于如何将新的AI平台无缝融入金融机构复杂、异构且要求7×24小时不间断运行的存量IT系统。项目团队通过三层解耦策略成功应对：首先，构建了包含协议转换、数据适配与安全脱敏的接口适配层，无改造兼容了12类主流协议；其次，采用“试点验证、逐步扩展”的灰度迁移策略，确保业务平稳过渡；最终，以“插件化”方式将AI能力增量嵌入现有业务流程。这套方法实现了存量系统100%无中断适配，为国产AI技术在关键行业的存量环境中规模化落地，提供了宝贵的可复用工程路径。

(4)生态协同：以平台为枢纽，串联上下游的AI产业链闭环

本案例的成功并非单点突破，而是构建了一个以宝兰德AI汇智平台为技术枢纽的上下游产业协同闭环。在这一模式中，上游由华为昇腾提供国产算力硬件，科大讯飞、DeepSeek等厂商提供多模态大模型，构成了坚实的能力供给侧；中游的宝兰德平台扮演“整合者”与“转化者”角色，通过自研的硬件抽象层与统一模型接口，将异构的底层资源标准化，并封装成可编排的场景化能力；下游则由金融机构提出具体的业务场景需求，并完成最终的价值落地。这种分工明确的协作，催生了可复制的产业协同机制：一是形成了跨厂商异构资源的共性技术接口规范，解决了不同算力与模型接入的兼容性难题；二是建立了行业智能体标准化构建体系，内置了RAG引擎、智能体编排画布等通用模块，可快速适配不同业务角色；三是沉淀出“技术供给-中台整合-场景落地”的高效转换范式，为AI技术从实验室走向行业规模化应用提供了清晰的协同路径。

(5)实施成效：运营效率、成本控制与自主能力三维提升

经过超过六个月的稳定运行，该平台带来了全方位、可量化的显著成效。在运营效率上，平台日均处理能力从2000单提升至6000单，提升幅度达200%；典型业务处理时长从8小时缩短至2小时。在成本优化方面，通过算力资源的智能调度与运维自动化，综合运维成本降低了35%，硬件采购成本也相应降低。在安全与韧性上，故障恢复时间从3小时缩短至30分钟，安全事件数量下降60%。超越量化指标，其战略价值更为深远：该平台建成了金融机构大模型规模化应用的关键中台，不仅实现了算力、模型、智能体的一体化运营，更重塑了内部团队的能力范式，推动了从分散人工响应到平台智能协同的转变。同时，通过内置的合规与风控机制，为AI应用的规范可信提供了保障，为金融行业在自主可控基础上实现智能化飞跃树立了实践样板。

(6)推广前景：通用架构与已验证模式兼具优势，需克服行业适配与组织能力壁垒

该“智算-智能体”双平台模式在金融、政务、能源、制造等对内部运营智能化有迫切需求的行业具备广泛的推广潜力。其核心优势在于：一是架构通用性强，双平台协同的设计能够普适性地解决算力管理、模型服务与场景应用割裂的问题；二是经过金融级场景验证，已在4大核心场景、44个细分场景中成功落地，实施路径清晰可靠；三是能力复用度高，原子化模块和内置合规机制能大幅降低不同行业的定制化成本与合规风险。然而，跨行业推广仍需跨越几重障碍：首要的是行业场景深度适配的成本，不同行业的业务流程、知识体系差异巨大，需要对智能体功能与知识底座进行重构；其次是存量IT系统的异构性，非金融行业的芯片、系统架构可能与现有解决方案存在偏差，需额外开发适配层；最后是组织与人才的能力壁垒，缺乏智能平台运营经验的企业，需要配套的长期培训与运维支持体系，否则将影响方案的落地节奏与最终效果。因此，推广策略应侧重于提供“平台产品+行业方法论+运营服务”的组合输出，助力用户跨越从技术到业务的价值鸿沟。