金融算力基礎設施發展報告（2024）目錄一、總體情況 1（一）定義范疇 1（二）背景意義 1（三）發展概況 2二、智算變革加速金融機構數智化轉型 7（一）AI應用持續催生大規模智算需求 7（二）智算中心成為我國數字基建新熱點 8（三）金融業加快算力基礎設施智能轉型 9三、存算網協同構筑一體化金融算力網絡 11（一）算力高效管理支撐算力資源高可用 11（二）先進存力應用保障數據價值化基礎 12（三）網絡技術創新應用促進算力互聯互通 14（四）存算網協同促進算力基建一體化發展 16四、節能降碳促進金融算力中心綠色發展 17（一）金融算力中心發展面臨嚴監管約束 17（二）新技術促進綠色低碳算力中心發展 19（三）有序推進金融算力中心綠色化發展 20五、信創提速增強金融算力產業鏈供應鏈安全 22（一）我國算力設施設備供應形勢嚴峻 22（二）國產算力產業生態持續優化升級 24（三）金融算力信創應用加快探索與實踐 25六、金融算力基礎設施發展建議 27（一）加強金融算力建設統籌規劃 27（二）強化金融算力關鍵技術攻關 27（三）引導金融業公共算力平臺建設 27（四）推進金融算力基建標準化建設 28（五）營造金融算力開放發展生態 28附錄：典型案例及解決方案 30一、總體情況（一）定義范疇金融算力基礎設施是指（HPC）（二）背景意義一是算力基礎設施作為算力、存力、運力等主要承載實體，二是算力基礎設施智能化促進了傳統產業數字化轉型升級以及三是算力1來源：工業和信息化部等六部門發布的《算力基礎設施高質量發展行動計劃》。等硬件設備以及軟件開發、系統集成、運維服務等軟件和服務發展，促進形成上下游協同的良好產業生態。數字經濟是以數字化一是促進了數字技術的研發與應用，二是為數字經濟發展提當前數字金融已成為一是為數字金融提供了海量數據的高效處理能力，二是為數字金融所需的復雜計算和分析工作，如風險評估、信用評級等，提供強大的計算能力支撐。三是通過算力基礎設施的監控和管理功能及時發現和處理金融系統異常情況保障金融系統的安全穩定運行，提供數據加密、訪問控制等安全機制保障金融數據的安全和隱私。（三）發展概況金融算力基礎設施作為金融業數字化轉型的核心支撐，隨著數字經濟時代加快到來，目前金融算力基礎設施PFLOPSEFLOPS（以下簡稱205年我國算力規模將超過30EFOP，智能算力占比要達到35這需要金融行業在機架規模擴大、金融業需要處過采用先進的存儲技術和優化存儲架構使得金融算力基礎設施的存儲效率和可靠性也得到了顯著提升。在運載力方面，5G、6GSD-WAN、NFV總體金融發展提供更強大動力。隨著技術進步和市場需求擴大，金融算力基礎設施也將為金融業帶來更多創新和可能性。金融算力基礎設施的布局作用。在數字化時代，金融機構對于算力的需求不斷增長，在建設方AI為應對潛的金融機構實現“兩地三中心”布局的金隨著國家2數據來源：北京金融信息化研究所面向金融機構組織的關于金融算力基礎設施調研問卷，下文如無特殊說明，涉及調研數據均同此來源。AI指標，也成為大國博弈焦點。例如20212021隨著人工智能尤其DeepSeek金融機構過去三年算力增長率平均約為44，而部分算力薄弱機構為縮小差距也計劃在未來實現超過100算力增長以國內算力行業正迎AIAI從算力來源3當前金融算力供給CPU2030在金融算力基礎設施中的應用探索正處于起步階段但已展展為更深入和針對性探討我國金融算力基礎設施發展情3算力來源主要包括基礎通用算力、智能算力、超算算力等三類，以及量子計算、光子計算等前沿算力。二、智算變革加速金融機構數智化轉型（一）AI應用持續催生大規模智算需求隨著人工智能時代漸行漸近，生成式人工智能（AIGC）725.3百億次/同比增長74.1增幅是同期通用算力增幅的3倍以上市場規模為190億美元同比增長86.9。AI算力正不斷從互聯網領域向不同行業數字化轉型以及基礎研究等領域滲透，人工智能算力需求將持續攀升，預計2030年我國人工智能算力需求將達到16206EFLOPS，約是201839052025300EFLOPS，智能算力占比達到35。近年來，隨著大模型快速迭代尤其是DeepSeekTFLOPSPFLOPSEFLOPS以OpenAI的GPTGPT-3（1PFlops3640GPT-4GPT-3500DeepSeek4數據來源：國際數據公司（IDC）與浪潮信息聯合發布的《中國人工智能計算力發展評估報告》。5數據來源：國家工業信息安全發展研究中心發布的《智能計算中心2.0時代展望報告》。DeepSeek2C2B（二）智算中心成為我國數字基建新熱點智算中心作為我國新型基礎設施的重要算法中心；工信部發布《新型數據中心發展三年行動計劃（2021—2023基礎設施的重要性，強調其在推動AIAI及社會治理智能化中的關鍵作用。市場驅動方面，自ChaptGPT求呈現井噴式增長，同時相比小模型，大模型需要大量AIAIMeta速卡、數百臺高性能計算設備。在政策與市場雙重驅動下，中心規模近五年年均增速達近30據統計截至2024年上25020241405GPU（三）金融業加快算力基礎設施智能轉型金融機構為保障安全合規多數采用了自建及私有化方式部署智算能力，據調研，85的金融在智算規模快速應用推動行業智能算力需求快速增長。據統計6，截至20232492PFLOPS，以GPU、FPGA2.36202218.05增長至43.65，遠超《行動計劃》對2025年智能算力占比要求的35水平。此外，據調研，有70的金融機構GPU1000TFLOPS50。在基礎設施智能化方面，隨著數字化轉型深入，金融智能水平仍待進一步提升。根據調研顯示，有85的金融（近50機構運維人員規模不足50人、6數據來源：北京金融科技產業聯盟《金融科技發展指數（FTDI）報告（2023—2024）》。運維智能化不足（實現運維智能化占比不足20）等問題。三、存算網協同構筑一體化金融算力網絡面向更高效、泛在、普惠、安全等金融算力應用需要，（一）算力高效管理支撐算力資源高可用CPU利用率在50以下的機構占比達87.88，其中又有近四成機構使用率在20以下。針對上述云化服務等方式探索推進算力高效利用。在資源池化方面，在異構并行方面，在智能管具和機制，促進算力資源在不同業務場景和時段的合理調配，在云化服務方面，為金融服務提供更加易用和靈活的算力支撐。據調研，70的金融機構建立了覆蓋全業務系統的云平臺，且70以上金融機構采用了多云策略有36.36的金融機構采用了多云管理軟件進行多云管理。云服務基礎也加快夯實，截至2023年末7，20041.87197.05284.18近五年云服務器和容器規模均保持40以上增速。（二）先進存力應用保障數據價值化基礎數據價值年全國數據生產總量達32.85ZB，但累計數據存儲總量為占比不足3未來海量數據價值挖掘需求將帶來海量存儲需要。同時，隨著技術進步及以DeepSeekReconAnalyticsAI2028AILLM7數據來源：北京金融科技產業聯盟《金融科技發展指數（FTDI）報告（2023—2024）》。機構存儲資源利用率超過60的機構占比接近50，近三年存儲資源增速超過10的機構占比達81.82其中增速超過30的機構占比達24.24；未來三年存儲資源計劃提升百分比超過20的機構占比接近70金融業存儲需求十分旺盛。AI會導致GPU35。在存儲產業實力方面，我國存儲產業水平不斷提升。從產業鏈看232層三維閃存芯片與SSD2023產品牌在國內市場占比達85，在全球市場占比達20。在金融業存儲發展方面，當前數字金融成為主流，實時交易、8倪光南：我國數據存儲產業現狀、問題及對策，《中國網信》2024年第11期。FC-SAN、iSCSI、NAS、RDMA據分析和快速檢索等要求更快訪問速度和低延遲的金融業務場景需要，據調研顯示，僅有不足10的金融機構采用純粹傳統磁盤存儲（HDD），采用傳統磁盤和固態硬盤混合的機構占比57.58，實現完全全閃存儲的機構占比18.18；AIAI（三）網絡技術創新應用促進算力互聯互通隨著金融業務24面向用戶高在網絡處理能力和數據傳輸能效比的高性能數據處理器（DPU）研RoCE在金融網絡IPv6、SD-WAN10的金融機構網絡帶寬超過的機構網絡帶寬介于10—40Gbps，35的機構帶寬介于1—10Gbps，剩余機構帶寬低于有85的機構支持超過10000個并發連接；IPv6、SD-WAN70及以上，其中SD-WAN部署完成度超過75的機構占比已過半；實現算力自動化調度的機構占比超過30，算力調度應用場景集中于大數據處理、平滑業務峰值、AI訓練、AI推理等領域。（四）存算網協同促進算力基建一體化發展一是存算融合設計IT0.1個百分點就能帶來約5的算力利用率提升倪光南院士指出1.11TB/GFlops0.42TB/GFlops。二是存儲與網絡協同，能要求對于通過存儲與網絡協同促進存儲與算力等更好適三是算四、節能降碳促進金融算力中心綠色發展（一）金融算力中心發展面臨嚴監管約束從能效現狀看，隨著數據中心及機架規模的快速增長，3左右，預計到2025年提升至5，20304000（GPU會顯著增加能源消耗，效率（PUE）1.56PUE1.5的機構占比達71.43水使用效平均水平為1.68，最大WUE水平超過1.6的機構占比達77.78從政策要求看，（2022—2025用效率PUE2025PUE1.5；國家發改委會同中國人民銀行等有關單位印發《綠色低碳轉型產業指導目錄（2024金融業對數據中心0131-2015），部分PUECUE心改造升級面臨挑戰。2000PUE284-2012）中，對數據中心能耗要求PUE2.0，推算CUE1.16，（二）新技術促進綠色低碳算力中心發展通過引入可再生新能IT36.36的金融機構采用了風能光伏水能等可再生能源，但使用可再生能源比例多在10以下，發展空間依然廣闊。液冷技術加快成為金融數據中心進一15kW行業內主要液冷系統大致分為非接觸式的板式液冷和接觸PUE1.110001.04但有18.18的機構采用了風冷與液冷混合的制冷系統液冷提WUE針對數據中心用水定額，如北京出臺數據中心用水定額DB11/T1764.11—2023WUE1.4WUE2.1；循環冷卻水處理（中水WUEWUE值不做改善僅有21.21的機構提出5以下的WUE年度改善目標金融機構算力中心水資源管理通過在濱海城市建設效水平提升，比如海南陵水建設的全球首個商用UDC（海底數據中心）。該方案通過采用海水自然冷卻，降低數據中心能耗同時服務器設備故障率僅為陸地數據中心的八分之一；通過與海洋潮汐能、風能等可再生能源結合，實現新能源就近消納；主要數據用戶多位于濱海城市，可實現就近部署，降低數據傳輸時延等。（三）有序推進金融算力中心綠色化發展切實提升金融數據中心的綠色節能水平。一是合理平衡數據中心建設的“不可能三角”。金融機構數據中心由于起步早，全面落實“雙碳”目標，金融機構數據中心需要在SLA、PUE（低碳節能、TCO（成本低這一“不可能三角”中做好平衡，以國標ATier4是積極推進老舊由于部分金融機構存量數據中心建設較1.6—2.0PUE；冷卻塔等換熱設備的換熱效率，保障設備充分換熱，避免能源浪費。三是高標準推進新型綠色數據中心規劃設計。區域布局方面，積極向綠電資源富集地區進行多地多中心布局。五、信創提速增強金融算力產業鏈供應鏈安全（一）我國算力設施設備供應形勢嚴峻從全球供應格局看外部依賴較為明顯。隨著人工智能和大數據技術飛速發展，力、高通信帶寬和大HBMAITensorFlowPyTorch達AI加速卡的金融機構占比接近70國外算力占智算比重超過75的金融機構占比達45.45，采用TensorFlow、PyTorch等人工智能算法開發框架的金融機構占比達72.73，智算平臺采用英偉達CUDA生態的金融機構占比達63.64，從國產供給看DeepSeek累的海外算力產品及技術架構，在打造自主可控AI（二）國產算力產業生態持續優化升級增的正反饋。整體看，在《行動計劃》等頂層設計指引下，以京津冀、長三角、粵港澳大灣區等國家戰略區域為引領，各地政府持續加強算力資源集聚，推動算力產業鏈條完善，202499.18562.7我國算力產業鏈主環節相繼取得突破，CPUGPU儲設備的數據I/O重點突破看，DeepSeek算力產業迎來技術驗證和商業化落地新契機，全產業積極投入DeepSeek系列模型適配，近期國產算力適配競賽展示出國產算力產業鏈技術積累，將加速“國產算力+國產大模型”閉環生態構建，為金融算力信創與安全發展夯實產業基礎。（三）金融算力信創應用加快探索與實踐《行動計劃》提出，加快算力在金融領域的創新應用，有39.39的金融機構采用如華為昇騰寒武紀、算力芯片方面，CPUC86+ARM國際一流產品，X86C86ARM能力成為金融用戶重點考量要素；GPUAI芯片初步形成GPGPU+DSACUDAAI云計算方面，部分金融機構構源動態調配和按需擴展；國產云平臺和DevOpsAI金融機構通過“一云多芯”架構整合ARM、x86、GPU、DPU4000量金融機構正在研究后量子密碼來應對量子計算算力的云化提供。此外，隨著我國完全自主知識產權的DeepSeekAI六、金融算力基礎設施發展建議（一）加強金融算力建設統籌規劃金融管理部門加強金融業新型算力基礎設施機構層面（二）強化金融算力關鍵技術攻關（DPU）RoCE（三）引導金融業公共算力平臺建設由金融管理部門指導，行業組織或行業機構牽頭，組織金融機構、科技企業、高校院所等聯合建設行業性智能算力公共平臺。平臺通過建設統一的算力調度和資源管理平臺，支持跨區域、跨機構調度外部算力服務，并對多種AI算力資源統一納管，建立統一資源池，實現資源跨云靈活分配，支持行業機構按需使用算力資源或聯合開展金融業大模型（四）推進金融算力基建標準化建設（五）營造金融算力開放發展生態鼓勵算力產業加快完善上游的關鍵技術與器件結合不同區域和場景特色算力需求，發揮地方政府、金融機構、產業機構等力量，加快國產算力產品的應用測試、容或算力底座平移做準備，同時與供給端協同發力并探索構建自主可控算力生態，夯實金融高質量發展的算力底座。附錄：典型案例及解決方案近年來，隨著數字經濟和智慧銀行的蓬勃發展，銀行數據中心作為金融業基礎設施的重要組成部分，規模和能耗持續攀升。為積極響應國家雙碳戰略，認真落實“雙碳”工作方案，竭力緩解智慧銀行轉型過程中算力需求增加帶來的能耗增加與節能減排之間的矛盾，某大型銀行數據中心積極研究探索，在有效保障全行安全生產的前提下，開展了一系列構建綠色低碳數據中心的探索與實踐，實現能效顯著提升，并有效指導行業機房綠色運維以及新機房規劃建設。二、案例內容（一）新建機房規劃建設實踐首次結合熱島漂移效應科學選址0.8℃，間接蒸發空調系統比市平均能耗降低約3。業界首次提出低碳設計“四短”原則四是短碼流：置環形橋架，網絡設備就近布置，簡化結構。例如選用TOR布線技術，減少網絡柜、跳線架和配線架的使用量。（二）在用機房節能降碳實踐ITUPSIT優化空調末端控制邏輯，滿足按需供冷數據中心機房精密空調采用送風量調節與冷凍水量調型精密空調開展風機轉速－功率特性測試。風機轉速比在80以上時，風機能耗隨風機轉速比的增加急劇增加。以該EC動調至80，穩定后使用風量罩測試每塊格柵地板風量，并與機柜實際需求計算風量（IT計算）進行對比，實測風機輸出上限設置為80是可行的，機房開展調優。調優后機房精密空調總功率降幅達52.9，效果顯著。精細調節冷源冷卻水溫度，充分利用室外冷源理論上，降低冷卻水出水溫度可提升機組COP，但會導致冷卻塔散熱風扇能耗提升，總體是否節能需要實測分析。此外冷卻水溫度不能無限制降低，主要原因是冷卻水溫度太低不利于潤滑油系統回油。6COPTw14.5空調系統AI節能調優實踐在用機房空調系統AIAIAI空調系統工況，動態降低機房運行能耗，進一步提升數據中心綠色低碳運行水平。AIAIAIAISNMP三、案例創新點及成效新建機房規劃建設方面，一是發明了基于數字孿生的機二是三是系統性地優化機房設計，為數據中心低碳設計提供了指導，具有重要的實踐意義和推廣價值。一是二是三是智能降耗平臺的應用。在該大型商業銀行數據中心中，首次利用AI四、案例經驗重視新建機房的低碳節能設計深度挖掘在用機房的節能減排發力點數據中心排名前三的“用能大戶”分別為IT設備、空調設備、電氣設備，其中IT設備、電氣設備能耗主要取決于先天設計，難以在保障安全基礎上通過運維降低其能耗，而空調設備能耗很大程度取決于運維水平，在保障基礎設施安全運行的前提下，深入地分析暖通設備運行控制原理，靈活地應對暖通設備復雜的運行工況，開拓地應用人工智能輔助策略，多措并舉，可實現數據機房安全降碳。某大型商業銀行：AI算力基礎設施轉型創新案例一、案例背景AIAIAIAIAIAIAI二、案例內容（一）目標AIAIAI技術目標一是建設全棧可控集群。著力解決AI算力基礎設施在AIGPUAI二是構建異構算力管理能力。建設支持統一納管GPU、NPUMLUAIAI三是提升網絡高速互聯能力。通過網絡高速帶寬接入、AIAINAS滿足千億級大模型訓練分鐘級checkpointAI五是加強集群連續運行能力。研究金融科技運維領域的六是賦能金融行業全域生態。推動技術和行業生態建設，AIAI業務目標設計新型AIAI端業務與科技智能融合創新。（二）應用場景簡介AI20個業務領域，并向中小銀行機構輸出大模型應用服務能力。遠程銀行業務應用場景如下圖：網點運營業務應用場景如下圖：個人營銷業務應用場景如下圖：（三）架構設計1.功能架構AIAINASAIAI2.系統架構AI一是場景層。通過AI算力基礎設施創新賦能大模型技術，實現顛覆性、端到端業務與科技智能融合創新，在工作GLM-130B-135B千問-14B/32B、GLM2-66B三是框架層。全面適配支持MindsporePaddleTensorflow、Pytorch等國內外主流訓練框架。四是基礎設施層。建立可控AI算力、網絡、存儲的智能化統一運維機制。3.技術架構發展的AIAI其中的關鍵技術設計包括以下六個方面：一是智能無損網絡技術。通過實時采集流量特征和網絡狀態，結合AI算法，對未來的流量模型進行預測，從全局視角實時決策并刷新網卡和網絡參數配置，使得網絡交換機緩存被合理高效利用，實現整網零丟包。二是死鎖避免技術：通過感知全網拓撲計算出破除死鎖環的最佳點，將感知到發生死鎖環點的流量切換到新隊列，并且通過PFC反壓幀反壓回原隊列。解決死鎖對原隊列的buffer依賴，破除死鎖環形成的條件。三是跨節點高速互聯技術。通過高性能RoCE網絡替代Infini-BandAI0.95，處于同業領先水平。四是動態負載均衡技術。根據整網交換機節點流擁塞狀態和全網拓撲進行全局算路，識別出最優路徑，實現多任務流量全局均衡。五是算網協同技術。以算網協同聯動提升集群AI訓練AIAI六是分層存儲架構技術。創新提出分層存儲架構的高性AI三、案例創新點及成效建成基于RoCEAI現座席工作效率全面升級，平均通話時長壓降10，座席服務效率提升18在運營管理領域面向20萬網點基層員50四、案例經驗為保障AI算力基礎設施平穩投產運行，采取了如下5項保障措施：1、充分驗證，確保業務平穩上線。2、分階段穩步推動擴大試點。2021規模推廣的原則，首先試點基于高性能RoCE2022AIPFlops；2023千億算力的國芯AIPFlops；2024AI33-1-NAI1+X規模化落地。4、配套建設，保障網絡安全及運維管理能力。AI和運維監控管理系統進行了詳細的研究梳理，圍繞AIAIIT中信銀行：金融云化算力基礎設施轉型創新實踐一、案例背景ARM二、案例內容中信銀行在完成覆蓋全行的中信銀行云建設后，按照中信銀行“十四五”規劃，重點圍繞安全可控、支持云原生應用、高效支撐數字化轉型等，不斷提升可用性、擴展能力，實現更加敏捷和彈性的資源供給。（一）項目目標laaS、PaaS一體化的云基（二）主要內容MeshARM4實施全量安全可控一是應用轉型攻關。通過DevOps工具鏈與代碼掃描工二是服務器轉型攻關。針對ARM架構進行深入剖析，對NUMA調優、操作系統內核層調優、IO調優，Java程序調優，充分發揮ARM服務器性能。三是負載均衡轉型攻關。在關鍵業務場景實現負載均衡設備轉型創新，使用軟件負載均衡取代硬件負載均衡，解決各類業務場景難題。主流云計算技術全面落地一是軟件SDN技術方面。通過隔離技術，解決軟件隔離技術帶來的各類適配問題，通過互通技術，攻關軟件網關技術在高TPS場景下跨網絡區域互通的性能問題。二是虛擬化方面。管理方式上，用全棧云中的AZ模型替代傳統虛擬化技術的集群模型，實現大資源池管理。重點解決新技術棧給運維、升級帶來的挑戰。三是規模運用裸金屬技術。進行技術攻關，實現敏捷彈性，像虛機一樣靈活地發放裸金屬。實現資源池化，像虛機一樣池化的管理裸金屬。四是應用全棧云容器技術。實現laaS、PaaS一體化的云原生技術平臺。將云與運維工具融合，實現整個體系的云原生化。進行網絡創新，容器和虛擬機同一網絡平面，云內、云外同一個網絡平面，直接通信。實現容器地址暴露，直接在Mesh中注冊。進行運維創新，容器在堡壘機自動注冊，堡壘機直接登錄容器。進行部署模式創新，容器資源一站式申請，容器應用全自動化上線。通過運維創新為全棧云的規模使用保駕護航全棧云以全部軟件定義為特色，帶來了技術體系的巨大變化，給原有的運維工作方式也帶來了巨大變化。中信銀行DevOps三、案例創新點及成效中信銀行金融云化算力基礎設施轉型創新項目是中信銀行和中信集團戰略級項目，通過基于全棧云技術的算力基IT全棧云是技術發展戰略的重要組成部分，是中信銀行IT四、案例經驗（一）實施全面轉型、一步到位實現安全可控。100％系統上云為目標，大力推進全棧可控mesh（二）構建軟件定義、分布式的先進云原生技術體系。ServiceMeshDevOps（三oncloudincloudRegionDNSSDN聯、NAS跨region共享方案。根據萬臺服務器規模，設計了高擴展性的多機房網絡互聯、多VPC虛擬網絡、多集IPservicemeshDevOps金融監管要求，設計了多VDC、多租戶、多主機組隔離的資源隔離模型，靈活彈性地支持了公司的業務上云。（四）自主研發自動化、智能化的安全運維體系。ITSMIT國泰君安：一云多芯、多元算力全棧金融云一、案例背景國泰君安證券作為行業內最早一批引入云計算的券商，基于在云計算領域長期積累的技術優勢，著力構建以智能中臺，混合計算，面向服務為目標的全棧金融云平臺。二、案例內容43年年均增速超40應用場景從建設初期的系統開發測試和UATAI統云平臺到一云多芯信創云再到涵蓋云原生、GPU2017windows/linuxGPU/ARM20222019基協作開發為輔的方式，從原CMP調運轉。在IAASpaas服（的云資源和非信創金融云平臺技術特點主要體現在以下幾個方面：1、智慧中臺資源的合理分配，實現了整個云平臺內部統一、協調運轉。2、“一云多芯”統一納管IntelApp37003、多區域管理4、自研云應用，提高云服務質量其他云應用開發周期和難度，能夠實現快速SaaS交付與服務。三、案例創新點及成效用效率，從而節省電力，減少硬件采購成本，將更多IT5國泰君安證券將持續推進金融云建設，并隨著業務和數實現從Cloud-BasedCloud-Native四、案例經驗本案例的創新和實踐對其他企業私有云平臺特別是信創云平臺的建設具有重要引領示范作用。一云多芯、多元算1、硬件性能信創CPU架構硬件性能與國外主流x86架構相比仍然存在差距，因此需要通過云技術為不同芯片找到最佳使用場景。2、一云多芯信創金融云的架構設計考慮到信創與業務平穩運行同3、多云管理4、成本管控在成本管控上提高資源使用率、降低分布式部署成本；最終可以有效平衡信創領域性能、安全、穩定等各方面的綜合訴求。全自研金融云服務平臺亦很