近期，各行各业纷纷投身大模型研发竞赛，掀起新一轮技术创新热潮，如何构筑面向大模型时代的新型算力和存力基础设施，实现大模型能力向金融领域的迁移，成为金融机构热议的话题。

　　在前台，智能客服，是AI在金融领域最常见的应用方向之一。还记得钢铁侠电影里的AI管家贾维斯(Jarvis)吗？金融大模型将大幅提升客户经理的专业水平和服务能力，大幅降低客户经理的运营成本，让每个人都拥有类似Jarvis的24小时在线的专业客户经理。

　　在中台，AI大模型有机会改变金融机构内知识获取、内容创作、会议与沟通、代码开发与测试的方式，提升内部办公效率，甚至引发研发测试模式变革，全方位提升金融机构内部运营效率。

　　在后台，大模型将成为智能科技底座的标配，大幅降低智能技术应用的门槛，只需少量标注数据就可以让智能技术覆盖广泛的场景。

　　总之，AI大模型在内容生成与创作、信息摘要与总结、知识理解与问答、自然交互与对话等方面具备非常出色的能力，在金融行业有广泛的应用前景。

　　一方面，算力是大模型的引擎。语言类、视觉类模型容量和相应的算力需求都在快速扩大，金融大模型发展的背后是庞大的算力支撑。如果用“算力当量”（PetaFlops/s-day，PD），即每秒千万亿次的计算机完整运行一天消耗的算力总量，来对人工智能任务所需算力总量进行度量，大模型训练需要几百甚至几千PD的算力支持，也意味着需要巨大的算力成本。

　　例如，OpenAI 在2020年推出的 GPT-3，对算力的需求至少要上万颗A100 GPU，一次模型训练总算力消耗约3，640PD的算力。又如，浪潮信息推出的“源”中文语言大模型有近2500亿个模型参数，算力消耗达4000PD。再如，当前GPT-4和PaLM-2的算力当量已经达到GPT-3的数十倍。这还不算，谷歌正在开发的下一代多模态大模型Gemini，其训练量碾压GPT-4，达到后者5倍。

　　快速攀升的AI算力消耗，有限的IT预算，让大多数金融机构陷入两难境地：想做大模型，但资源匮乏、成本压力大、人才稀缺；不做大模型，又只能坐看机会错失。

　　对此，分而治之或许是一种可行的办法。所谓分，就是把大模型分为通用大模型和行业大模型。金融机构不用自己打造通用大模型，而是基于第三方的通用大模型，在此基础上专注打造行业大模型。根据信通院发布的《行业大模型标准体系及能力架构研究报告》，通用大模型缺乏专业知识和行业数据，而且构建和训练成本很高，难以实现商用。为更好解决特定行业为题，行业大模型应运而生。行业大模型可以满足特定场景需求，更好地为行业提供优质的服务，促进行业智能化转型升级。

　　浪潮信息AI服务器产品专家郭磊表示，“金融机构可以集中资源在行业大模型上，不是‘在一千米的地上挖一米深的沟’，而是‘在一米的地方挖一千米深’”。

　　具体来看，大模型训练的第一阶段是无监督预训练阶段，训练周期往往持续数十天到数月，需要数千张GPU卡同时计算，算力消耗巨大，训练时间非常长，训练出来的模型是基础语言模型。金融机构可以通过使用开源平台或者第三方合作（如浪潮信息的“源”大模型），获得基础语言能力。第二到第四阶段是有监督精调阶段、奖励模型训练和强化学习，这3个阶段需要数十张乃至上百张GPU卡同时计算，算力消耗的规模和训练时长相比第一阶段都有明显下降，所以金融机构可以在这三个阶段进行训练，打造有金融行业优势的大模型。

　　近几年，通用大模型的参数量快速增长。2016年OpenAI发布Gym强化学习平台，2018年GPT-1问世，模型参数为1.17亿，经过不断迭代，GPT-4参数规模达到1.76万亿。Google从2017年发布Transformer（6500万参数）架构以来，陆续发布BERT（2018年，3亿参数）、T5（2019年，110亿参数），参数规模逐步提高。近期，Google发布通才模型PaLM-E，这是迄今为止全球最大的视觉语言模型，包含5620亿参数。

　　在垂直行业，金融大模型的数据集在通用大模型基础上还需包含诸如金融研报、股票、基金、银行、保险等方向的专业知识，通过在训练过程中加入大量金融对话数据并针对金融领域进行特定的预训练调优，TCG彩票提升其在金融垂直领域的表现。

　　同时，多模态、跨模态成为常态，金融大模型的数据类型变得更加丰富。其中无监督数据，即原始数据，数据格式可以是网页、文本或语音数据；有监督数据，即经过标注的数据，格式可以为json或Query。此外，为了给投资者提供实时市场舆情和风险预测等服务，金融机构还要高效处理金融行业新闻、股票交易，乃至社交评论等金融数据。这些巨量、多模态、实时的金融数据新需求、新特征，传统集中式存储难以应对，需要弹性、灵活的新型分布式存储架构来支撑。

　　由此可见，随着金融大模型的演进，整个数据中心的架构都会发生改变，从AI服务器、到存储、再到网络的全栈方案都需要适应大模型时代的需求。

　　只有数据“存得下”、算力“算得快”、网络“传得稳”，数字基础设施才能充分发挥数据要素价值，推动大模型应用落地，带动新业态繁荣发展。

　　对此，浪潮信息基于智慧计算战略，从算力、算法、数据、互联四方面推进产品创新，为大模型打造强大底座。

　　算力方面，浪潮信息通过千亿参数规模的大模型创新实践，已在算力集群构建、算力调度部署、算法模型开发等方面，构建起全栈领先的大模型算力系统解决方案，助力大模型训练开发。其中最新一代融合架构的 AI 训练服务器 NF5688G7 采用 Hopper 架构的 GPU, 较上代平台大模型实测性能提升近 7 倍，同时支持最新的液冷解决方案，可实现更低的集群能耗比与运行成本，PUE 小于 1.15, 以一个 4000 卡的智算中心为例，每年可节电 620 万度、降碳 1700 吨。

　　存储方面，浪潮信息生成式AI存储解决方案用一套AS13000融合存储支撑生成式AI的全阶段应用，提供全闪、混闪、带库、光盘四种介质，支持文件、对象、大数据、视频、块多种协议。结合AIGC数据处理的五个阶段：数据采集、准备、训练、推理和归档，浪潮信息由同一套存储提供端到端的数据流支持，满足文本、音频、图像、视频、代码等多模态数据的存储和处理需求。

　　在集群高速互联层面，浪潮信息基于原生 RDMA 实现整个集群的全线速组网，并对网络拓扑进行优化，可以有效消除混合计算的计算瓶颈，确保集群在大模型训练时始终处于最佳状态。

　　当前，国有大行、股份制银行以及部分城商行，均已经开展或计划开展金融大模型研发，AI算力和数据基建将迎来高速发展。根据IDC预测，未来5年中国智能算力规模的年复合增长率将达52%，分布式存储增速将达到中国市场增速的2倍。大模型时代，金融机构需要以AI的场景、架构为抓手，结合各行的数据特点，打造新一代智算基础设施。（朗文）

　　学会大咖谈｜中国有色金属学会贾明星：培育新质生产力，建设有色金属工业强国

　　学会大咖谈｜中国自动化学会李少远：助力产学研融合，推动自动化行业高质量发展

　　【顶刊论文解读】用“魔法”打败“魔法”！木质纤维素“三素”分离法这样炼成

　　田间试验结果显示，与当地常规土壤管理技术相比，黑土健康增粮关键技术可以提高土壤有机质0.2～0.3个百分点，化肥减量10%～20%，使作物增产8%～15%。目前，该系列技术推广面积已达300万亩，辐射带动800万亩，为黑土地粮食产量再创新高奠定基础。

　　归国途中，他致信美国布朗大学罗恩·丘尔教授，深情写道：“那个名为中国的国家是我的祖国。”理由如此郑重，以至在颠簸的远洋轮船上，正受病痛之苦的应崇福，字迹依旧工整，不忍有一丝潦草。

　　该研究首次构建了最大规模的泛癌种脉管系统全息细胞图谱，为深入理解肿瘤血管生成的复杂过程提供了全景视角，并为临床提升抗血管生成治疗疗效提供了科学方案。

　　生态保护红线是中国生态文明建设的重要制度创新和重大决策部署。白皮书指出，为筑牢海洋生态屏障，中国对海洋生态保护重点区域作出系统安排，优先将生物多样性维护、海岸防护等生态功能极重要区、海岸侵蚀等生态极脆弱区划入海洋生态保护红线

　　新能源云平台将新一代信息技术与新能源全价值链、全产业链、全生态圈业务深度融合，聚集全数据要素。目前，平台已接入新能源场站超600万座，服务各类企业1.6万余家。

　　“目前，以传统通用航空和新型无人机产业为基础的低空经济正在蓬勃发展。为了推进低空经济健康发展，民航局统筹推进传统通用航空转型升级与新兴无人机产业创新发展，在继续强化顶层设计和规划引领的基础上，加强适航审定体系和能力建设，完善基础设施建设标准，推动低空服务保障体系建设，强化安全运行监管，规范市场管理。

　　看似平淡无奇的一句话却让罗锡文在心中暗自琢磨：“什么时候不用人插秧就好了。针对广西农业发展的“堵点”，罗锡文还建议，做好顶层设计，提高农机企业的技术创新能力，提高社会化组织的服务能力，增强相关领域的科研力量。

　　记者10日从中国汽车工业协会获悉，2024年1月至6月，我国新能源汽车产销量分别达492.9万辆和494.4万辆，同比分别增长30.1%和32%，市场占有率达35.2%TCG彩票。

　　10日发布的《黄岩岛海域生态环境状况调查评估报告》显示，黄岩岛海域环境质量优，珊瑚礁生态系统健康。

　　日前，中国科学技术大学潘建伟、陈宇翱、姚星灿、邓友金等人成功构建了求解费米子哈伯德模型的超冷原子量子模拟器。

　　在大数据、云计算等核心技术的推动下，人工智能迎来前所未有的发展机遇，成为引领新一轮科技革命和产业革命的战略性技术，为经济高质量发展注入了新动能，是加快培育和发展新质生产力的重要引擎。

　　7月9日，记者从上海交通大学获悉，该校自主研制的深海重载作业采矿车工程样机“开拓二号”，近日顺利完成深海试验航次。这是国内深海重载作业采矿车首次在4000米以深海底开展深海矿产资源试开采试验，验证了“开拓二号”技术性能已达国内领先、国际先进水平。

　　从国家药监局获悉，我国持续实施医疗器械标准提高行动计划，重点支持人工智能医疗器械、新型生物医用材料等高端、创新领域标准研制，着力填补创新领域标准空白。

　　“然而，如何针对应用场景的需求，实现大片段基因尺度DNA在基因组的高效精准整合，仍然是整个基因工程领域亟须突破的难题。该工具能够高效精准整合多种哺乳动物细胞中大片段基因，成功实现了以RNA为媒介的功能基因在多种哺乳动物基因组的精准写入。

　　记者从国际相对论天体物理中心获悉，7月9日，第十七届马塞尔·格罗斯曼奖个人奖由该中心授予“中国天眼”首席科学家、中国科学院国家天文台研究员李菂，以表彰其领导最灵敏射电望远镜项目作出的开创性贡献。

　　实现高水平科技自主自强，必须加强基础研究；而加强基础研究，增加经费投入是关键。在空间科学领域，“嫦娥六号”实现世界首次月背采样返回，“天问一号”成功着陆火星，中国空间站全面建成，国家太空实验室正式运行。

　　9日，应急管理部组织视频调度会，连线各省、自治区、直辖市应急管理厅（局）和新疆生产建设兵团应急管理局，分析研判近期强降雨及洪水发展形势，针对性部署当前防汛抢险救灾工作。

　　在实现中华民族伟大复兴的壮阔征程上，面对发展和保护这一世界性难题，如何走出一条可持续发展的新路子，既关乎民族永续发展，也关乎人类前途命运。

　　“拔尖计划”最早于2009年由教育部、中央组织部、财政部联合启动，旨在吸引最优秀的学生投身基础学科，助力学生成长为基础学科领域的领军人才。

　　一个优秀的科创人才，仅仅拥有科学知识与技能是远远不够的。培养科创人才的关键在于锻造思维方法、思维品质和个性化的兴趣与人格。