当前，随着金融行业的人工智能（AI）应用从辅助问答走向自主决策，AI智能体开始接管交易指令与风险判断；当金融AI跨过单点模型应用的阶段，正式迈入智能体规模化落地的深水区，算力与安全的关系正在被重新定义。
2026年6月16日，以“金融强国筑根基，数智创新向未来”为主题的2026中国国际金融展在上海世博展览馆正式启幕，海光信息携生态伙伴重磅亮相，集中展示面向金融可信智能体的“算力+安全”协同解决方案。
展会期间，海光信息副总裁吴宗友在“2026数字金融发展论坛”发表主题演讲，并接受媒体专访，深度拆解智能体时代金融算力的演进逻辑，系统阐述海光如何以CPU+DCU双芯协同为底座，通过内生安全技术与开放生态体系，破解金融AI落地的算力与安全难题，为金融行业数智化转型提供自主可控的底层支撑。
金融AI进入新周期：智能体落地催生两大范式变革
金融是国内人工智能技术落地最早、应用最成熟的行业之一。过去五六年，金融行业一直在推进信创替代工作，核心目标是将通用算力逐步转向自主可控的算力。
“这项工作非常艰巨——从大机下移，到分布式应用落地，再到核心系统在自主算力上的部署，每一步都离不开产业界的共同努力。”吴宗友在演讲中回顾道。
在他看来，这些成果不仅夯实了金融信创的技术底座，也带动了更多行业领域的自主化进程。“在国家金融信创产业从通用算力到国产化算力的过渡中，海光很好地支撑了自主化算力的发展。”
吴宗友将金融AI的发展划分为三个阶段：第一阶段以人脸识别、指静脉识别等生物识别技术为核心，支撑了金融智能化的早期探索；第二阶段，许多金融机构开始尝试平台化建设，用统一的基础设施服务AI能力的快速发展；第三阶段，智能客服、票据识别、风控模型等应用已广泛采用人工智能手段。
而当下，随着人工智能技术的快速迭代，全行业的目光都聚焦于智能体，如何让AI智能体真正支撑起“人工智能+”在金融场景中的深度、安全落地，成为行业正在面临的新课题。
从吴宗友的观察来看，智能体的落地带来了两个核心变化。
其一，模型需求从单一走向多元。
当前，大模型的快速发展带来了新的范式，但金融行业的应用场景高度聚集，面临复杂且严格的数据、安全和管理要求。单一的通用模型难以满足所有需求——面对跨场景的复杂通用问题，需要多专家、多尺度的大模型协同求解；面对特定细分业务，则需要通过微调和训练打造专属的垂类模型。“因此，自主算力如何高效支撑不同类型的模型，赋能智能体落地，是当前产业界需要解决的核心问题之一。”
其二，安全挑战从数据层延伸至全生命周期。
过去行业重点解决的安全问题是“数据可用不可见”，但智能体落地后，权限管理、数据搬运、结果分级等新问题随之而来，安全范式正在被重新定义。“智能体自主调用数据、执行业务的特性，决定了安全不能再停留在外围防护，必须下沉到算力底座的最底层——对多模型的更好支撑，以及安全能力的有效落地，才能与产业界同仁一道，更好地服务金融客户。”
双芯协同：从单点突破到整体性能跃升
面对上述智能体时代的这两大核心变化，海光聚焦芯片、基础设施与基础模型的深度融合。
在芯片层面，海光始终坚持“双芯战略”。吴宗友指出，过去在大模型应用中，行业更多关注AI加速芯片的算力规模。但智能体落地后，大量管理、调度任务、逻辑控制工作都离不开CPU的支撑，CPU的价值正在回归。
业内有观点认为，随着智能体应用深入，CPU与GPU的比例正从传统的1:8逐渐变为1:4，甚至可能进一步走向1:1，CPU与AI芯片的深度融合成为智能体时代算力架构的必然趋势。
而海光通过“CPU+DCU”双芯协同，前瞻性布局了这一趋势，已在实践中为众多客户提供了有效的异构算力支撑。值得一提的是，国内许多人工智能芯片的部署，也都基于海光CPU提供的底层能力来保障最终用户的实践。
经过七八年的产业实践，尤其是在金融信创进程中的持续迭代，海光已形成覆盖不同规模需求的完整算力产品体系，可匹配金融机构不同阶段的落地需求：
针对小规模应用场景，海光提供PCIe形态的产品及芯片方案。值得一提的是，海光目前在售的所有AI芯片产品均已通过国家“安全可靠测评”（国测）。
针对中等规模需求，海光可提供多种规格和配置的超节点方案。
针对大型金融机构的全国性AI部署，海光同样具备完整的交付能力，可支撑万卡级超集群建设。
对于希望以Token经济模式获取算力服务的客户，海光通过与国家级主力平台合作，已在多地提供基于Token计费的商业化算力服务。
在算力硬件之外，海光更进一步推动“芯模协同”的深度融合。“国家大力推进国产化芯模结合，我们认为仅停留在适配层面远远不够，必须走向双向的研发级融合。”吴宗友强调，目前海光已与国产大模型厂商开展深度协同，大模型的下一代版本研发会充分适配海光架构特性，海光下一代芯片的设计也会针对国产大模型的需求进行定制优化。“这种双向融入，确保了国产大模型与海光算力同步迭代，能让用户获得及时、高效的性能体验，为智能体的规模化落地打下坚实基础。”
芯片内生安全：让金融机构不再做“选择题”
毋庸置疑，安全是金融行业最核心的关切。
吴宗友在采访中指出，如果说自主算力解决了对外的主动安全问题，比如通过软件、外部扩展卡等方式应对安全需求，那么当前金融行业面对的更多是被动安全需求——需要从芯片本身解决安全问题。
过去金融机构面临一个两难选择——在性能和安全之间做取舍：选择性能就要牺牲部分安全机制，选择强安全就要承受性能损失。根本原因在于，过去的安全体系是“两级体系”——芯片只负责提供算力，安全靠外部软件或外接加密板卡实现，两者是脱节的。
海光“芯片内生安全”体系则从根本上解决了这一问题，将安全能力内生于芯片之中，打造双芯内生安全体系，让用户不再需要做选择题。
吴宗友介绍，从研发之初，海光就将安全基因植入CPU与DCU的内核。依托自主架构，海光将密码技术、机密计算、可信计算与漏洞防御能力深度融合，形成覆盖芯片、系统、平台到应用的全栈安全体系。同时，海光处理器还内置专用安全硬件，支持多种先进的漏洞防御技术，内置高端通用国密协处理器和密码指令集，支持可信计算的国内、国际标准，支持领先的机密计算技术。
以CSV（安全虚拟化技术）为例，其采用安全虚拟化方案，通过国密算法实现虚拟机加密与资源隔离，同时支持CPU与DCU共享同一安全域，保障AI计算全流程的数据安全。目前，其CSV技术已从1.0发展到3.0，在机密计算和可信计算等领域帮助客户完成加解密的升级。
这一技术已在金融场景得到规模化验证。据悉，多家券商的核心交易系统已基于海光CSV机密计算方案部署，实现了交易数据“可用不可见”，在保障业务高性能运行的同时，满足了严格的合规与安全要求。
“安全不再是算力的附加项，而是智能体时代的入场券。”吴宗友强调，随着AI攻击手段的升级，传统外挂式、补丁式的安全模式已难以为继，只有把安全筑牢在芯片底层，才能真正支撑金融智能体的长远发展。
未来，人工智能需要CPU与DCU更加深度的融合，海光基于CPU+DCU的双芯战略，将更好地保障大模型在金融领域落地。
全栈开放生态：打造从芯片到应用的产业协同底座
单点技术的突破，离不开完整生态的支撑。在吴宗友看来，算力竞争早已从单点突破转向系统性共赢，算力只是基础引擎，整个生态的发展，才是算力转化为落地生产力的核心保障。
基于这一认知，以及上述芯片、模型、安全三大体系的协同，海光联合光合组织上下游6000余家合作伙伴，共同构建了完全开放的自主算力底座。光合生态依托海光CPU+DCU双芯等国产算力底座，支撑金融AI智能体高并发推理与复杂工作流稳定运行，到目前已完成超过360余款主流大模型兼容适配与金融AI智能体应用开发。
“开放的核心是全栈解耦，产业链各方都可以参与进来，用户可以根据自身需求灵活选择最适配的方案。” 吴宗友介绍，在资源层，海光与生态伙伴共同提供完整的算力支撑；在平台层，已与大模型、数据库、操作系统等领域厂商完成深度适配；在应用层，正从传统业务系统全面向“人工智能+”“智能体+”延伸。
能够看到，算力的竞争已从单点突破走向系统性共赢。海光从过去聚焦于芯片本身，到如今依托光合组织生态合作伙伴，最终给用户提供的是从基础设施、操作系统、数据库到“最后一公里”应用落地的完整系统能力。
目前，海光信息已在90%以上的金融场景实现算力覆盖，涵盖银行、券商、保险等各类金融机构。在金融展现场，海光还展出了面向金融场景的抗量子密码方案，实测可支撑10000至30000TPS高并发业务处理，相关能力已在银行、保险、资本市场等领域落地。
结语
从支撑金融信创的自主算力替代，到为AI智能体落地构筑算力与安全双底座，海光正以芯片级的内生安全能力和全栈开放的生态体系，为金融行业从“能问能答”迈向“能闭环办事”提供坚实的技术底座。
正如吴宗友所言，这些成果只是一个起点。未来，海光愿与产业生态上下游伙伴继续携手，共同推动“人工智能+”和“智能体+”在金融领域的更深层次落地与应用。