行业趋势
目前，我国金融业的发展已经实现由金融信息化→互联网金融→科技金融→智能金融的发展历程，进入技术与金融高度融合，促进相关生态发展阶段。
为加速传统金融改革与转型升级，国家相继发布政策支持互联网、人工智能、大数据、云计算等新兴技术在金融领域的应用和融合创新，且在出台政策在支持智能金融发展的同时，也重视对行业监管规范的约束。
未来，结合我国政策优势、技术优势、行业发展创新优势、高端复合型人才培养优势，智能金融将成为“十四五”时期我国金融创新及金融科技发展的重要方向。未来服务内容将由产品供给到客户需求为中心转变；技术从简单的叠加向多元融合发展；应用场景由单一布局到向智能风控、智能营销及智能运营全场景延伸的行业发展趋势。
为加速传统金融改革与转型升级，国家相继发布政策支持互联网、人工智能、大数据、云计算等新兴技术在金融领域的应用和融合创新，且在出台政策在支持智能金融发展的同时，也重视对行业监管规范的约束。
未来，结合我国政策优势、技术优势、行业发展创新优势、高端复合型人才培养优势，智能金融将成为“十四五”时期我国金融创新及金融科技发展的重要方向。未来服务内容将由产品供给到客户需求为中心转变；技术从简单的叠加向多元融合发展；应用场景由单一布局到向智能风控、智能营销及智能运营全场景延伸的行业发展趋势。
业务痛点与计算需求
解决方案
超集信息在应对金融AI训练业务需求中，通常提供从底层基础架构到上层深度学习开发环境搭建的一体化搭建，通过Platformax一站式AI+HPC统一调度管理平台，以可视化的方式实现整套集群部署、管理、监控、AI模型开发、高效利用GPU资源细粒度切分GPU，让用户可以高效实现采集、存储、模拟和分析海量金融数据，为智慧金融的AI训练提供强大平台支撑。该智慧金融方案主要包括:
优化服务
Platformax 智算融合开发平台统一管理AI+HPC应用，提供算法优化服务;高性能分布式存储系统提供低延时数据实时传输及大规模历史数据的长期留存，为保障金融领域大规模的数据上百 PB甚至于 EB 级数据归档和按需快速恢复数据需求。
算法优化
算法、软件及硬件层面对金融与深度学习算法加速要求高。我们研究GPU、FPGA加速金融算法实时推理，并优化CPU-GPU架构下经典模型及NAS/MoE技术的分布式计算。
智能系统集成
利用计算机做强化训练和集成学习，并有效存储的一体化系统。对于金融领域的智能系统主要在:智能风控、智能营销、智能研投、身份识别、智能客服、智能监管智能投顾有着广泛的应用。
