國泰海通聯合華為打造的金融行業首個自主創新 AI 液冷超節點正式上線，實現了大規模的算力協同，補齊了 AI 在證券行業規模化落地的一塊重要拼圖。
對客服務、智能投研、智能投顧、業務運營、風險識別……大模型在證券行業的應用，幾乎滲透到了每一個業務環節。
早期的探索大多是單一場景。
或是把內部知識庫接入大模型，讓AI回答員工問題；或是把幾十頁研報交給AI，讓它提煉關鍵信息；或是在客服系統中加入智能問答功能，提高常見問題的處理效率。
打通的場景越來越多，漸漸從量變走向質變。
AI的服務對象變成了數千萬客戶、上萬名內部員工，進入到投顧、投研、投行、風控、研發運維等核心環節，從效率提升走向價值轉化。面對算力的挑戰，問題不再是“能不能上線部署一個模型”，而是大量用戶同時發起請求時，系統能不能及時響應？財富、投行、風控等多個部門同時調用模型時，算力如何分配？
2026世界人工智能大會前夕，國泰海通聯合華為打造的金融行業首個自主創新AI液冷超節點正式上線，實現了大規模的算力協同，補齊了AI在證券行業規模化落地的一塊重要拼圖。
國泰海通的AI布局并非始于大模型熱潮。
早在2017年，國泰海通就前瞻提出了“AI in ALL”的人工智能應用策略，并在2024年創新提出“ALL in AI”的全新策略，堅定長期、持續、深入推進AI在各領域場景應用和賦能。
2025年4月，國泰海通行業首家獲監管同意在APP上線大模型面客服務，并在同年7月發布了行業首個全AI智能App“靈犀”。
截止到目前，國泰海通大模型的典型應用已經覆蓋財富管理、機構服務、投資銀行、合規風控、數字職場、研發運維等多個領域，實現了全業務、全鏈條、全崗位的全場景創新實踐。
原因并不難解釋。走在行業最前沿的國泰海通，在人工智能建設的過程中落地了三大舉措。
一是構筑行業首創的“1+N”大模型應用架構。以1個通用大模型“君弘靈犀大模型”為基礎，輔以N個場景模型，構建了1+N的模型矩陣，實現開閉源模型、大小模型的融合應用、能力協同和靈活組合，并通過模型能力原子化、組件化復用，落地到了財富管理、機構交易、投資銀行、合規風控、數字職場、研發運維在內的260多個核心場景。
二是打造“自主創新+產業協同”的算力創新合作模式。隨著AI場景的規模化落地應用，智能面客、智能投研投顧、智能風控、智能辦公協作、智能科技等核心業務場景的算力需求大規模爆發，國泰海通通過異構算力融合、軟硬件協同適配、應用生態搭建等，以及自研的算力動態調度能力，賦能上層“1+N”大模型應用架構能級提升。
三是強化AI-Ready數據平臺建設、全模態數據治理與可信可控機制搭建。在“ALL in AI”策略的牽引下，國泰海通圍繞AI-Ready數據平臺構建金融AI可信可控基礎設施，面向金融AI落地中“不敢用、不好用、不可控”的核心挑戰，形成了從綠色算力、可信數據、模型矩陣、治理閉環到智能體應用的端到端技術體系，支撐金融AI規模化、生態化落地。
不難發現，國泰海通沒有止步于“部署大模型”，通過深化和華為等頭部企業的產業協同，對客服務與對內賦能雙輪驅動，打造了一套可調度、可復用、可治理、可規模化落地的“AI生態系統”。
譬如在算力層面與華為的深度技術協同。
傳統的風冷AI服務器面臨著算力密度不足、散熱瓶頸突出、能耗偏高、通信延遲高等痛點，制約了AI應用的深度落地。基于昇騰A3液冷超節點架構，國泰海通聯合華為實現了三大行業突破。
第一，打破算力密度與散熱瓶頸。
有別于傳統的算力集群，超節點通過統一內存編址、超大帶寬、超低時延等能力，實現了計算卡一體化協同調度，在邏輯上像一臺計算機一樣運行，打破了傳統單服務器的互聯帶寬桎梏，資源利用率大幅提升。
由于采用了全液冷散熱架構，散熱效率比傳統風冷提升了40%以上，顯著降低數據中心的PUE和運維成本，避免了硬件高溫降頻引發的業務中斷風險，可滿足核心業務7×24小時零宕機的嚴苛標準。
第二，承接不斷增長的推理需求。
證券業務對AI實時性、穩定性、并發能力要求極高，不僅僅是對客場景，對內場景應用中的AI Coding、投顧問答、智能風控預警、研報解讀、智能問數等，也普遍存在大模型推理序列長、算力開銷大的特點。
具備大算力吞吐量、低推理時延、高業務并發三大核心能力的超節點，能夠從容承接長序列推理任務，大幅壓縮長文本分析、深度風險研判的處理時長；同時可支撐海量業務請求的瞬時并發調度，響應速度顯著提升。
第三，把數據和模型留在可控環境。
證券行業的特殊性在于，對數據安全的需求極為敏感，客戶資產、交易行為、溝通記錄、投行材料和內部業務數據，不能像互聯網信息一樣隨意流轉，需要通過私有化部署，杜絕敏感數據離開內部系統的風險。
超節點集群實現了“魚和熊掌的兼得”：既能通過私有化部署將敏感數據和模型留在機構內部，保障數據安全與業務可控，還能統一調度能力支撐大模型規模化訓練與推理，避免安全要求成為AI應用效率的掣肘。
打個比方的話，國泰海通的液冷超節點像是一座“算力工廠”：財富、投行、風控等業務不用各建算力，可以共享統一的“生產線”，根據任務優先級和實時需求調配算力，為AI規模化落地持續提供穩定產能。
業務一線是檢驗價值能否兌現的晴雨表。
無論是算力、模型，還是數據、智能體，最終都要回到真實業務中，轉化為客戶體驗、員工效率和風險管理能力。證券行業擁抱AI的價值在哪里呢？我們在WAIC的國泰海通展臺，找到了問題的答案。
在客戶服務上，讓“全能AI投資助手”人人可用。
普通投資者需要專業的市場解讀、資產分析和風險提示，但人工投顧的時間和精力有限，無法服務數千萬的客戶。
國泰海通交出的答卷是靈犀APP，全面覆蓋選股、盯盤、交易、智能問答、持倉陪伴等五大核心場景，并通過“靈犀App+智能體+靈犀Skills”多層次數智化服務平臺，完成了從“AI伴隨服務”向“全能AI投資助手”的越級。截止到2026年6月末，靈犀智能化服務8300萬人次。
在內部提效上，用AI重構了數字化客戶服務。
投研、投顧、投行、風控等崗位，工作人員日常需要閱讀大量材料進行分析判斷，占據了大量的時間和精力。
國泰海通將大模型和業務流程深度融合，實現了工作范式的重塑：在智能投研領域，構筑了覆蓋“搜、讀、思、寫、審”五大關鍵環節的投研新范式，研報解讀效率從小時級縮到了分鐘級；在智能投顧領域，基于客戶全生命周期服務鏈路，主動識別服務交互中的關鍵信息與潛在線索，當前已100%覆蓋分支機構，問題解決率均超過90%；在智能科技領域，依托自研的代碼助手和智能運維體系，效率提升超過30%。
在風險防控上，AI讓風險識別走向過程管控。
過去風險防控主要依賴人工抽查和事后復盤，隨著客戶溝通、智能服務的持續升級，僅靠人工已經很難做到實時覆蓋。
圍繞安全合規要求，國泰海通構建了一整套“可信內容可靠輸出”的體系，將AI-Ready數據平臺、可信數據集、大小模型協同、Agent工程、實時接口和內容合規審查機制結合起來，形成了從輸入攔截、生成管控和輸出審核的全流程防線，讓風險識別發生在內容生成、業務溝通和服務過程中，而非等問題發生后再進行追溯、補救。
按照國泰海通的計劃，將持續夯實大模型、平臺工具、高質量數據集和可信AI體系建設，推進自主創新算力與模型適配、性能優化及生態協同，豐富智能體應用，深挖金融核心業務場景，推動金融AI規模化、生態化落地，加快技術成果向業務價值轉化。
兩年前，證券行業對AI的討論主要集中在模型和應用層：誰率先推出大模型，誰把AI接入客戶端。
國泰海通讓我們看到了證券AI落地的升維：不再滿足于上線幾個模型、打造幾個場景，開始為規模化應用建設統一的AI生態系統，加速形成持續創新、不斷復用的新質生產力。
《智駕行業的2026上半年》
《一座制造業城市的AI躍遷》
《AI一體機迎來價值重估》
《百度智能云跑出增長曲線》
點“推薦”，變好看哦。
