⁣
📰 国内金融SASE创新先行者：长城证券基于华为星河AI融合SASE，打造金融多分支智能安全防护新基石

文章聚焦我国数字金融高质量发展及金融行业数字化转型的安全与效率需求。以央行等七部门提出的行动方案为背景，强调到2027年金融体系需与数字经济高度适应，同时提升数据驱动决策与资源配置能力，并构建安全可靠的支付环境与数据网络防护。长城证券作为早期上市的综合类证券公司，在分支广泛、云上化和远程办公常态化背景下，面临日益复杂的网络安全挑战。为应对这些挑战，长城证券与华为合作，引入星河AI融合SASE解决方案，实现云网边端的统一管控与智能编排，覆盖LAN/WAN/安全等多域，支持高规模设备的自动化部署，提升运维效率并降低成本。方案通过AI运维、智能选路、A-FEC自适应前向纠错、以及高性能安全网关等技术，保障远程办公、视频会议及交易数据的稳定性与安全性，提升带宽利用率与用户体验，同时加强对未知威胁的识别与数据保护。展望未来，双方将继续深度融合云网边端能力，扩展证券场景应用，推动金融科技创新与行业安全标准的提升，力求构建安全、高效、智能的证券金融生态系统。

🏷️ #数字金融 #证券安全 #SASE #云网边端 #AI防护

🔗 原文链接

⁣
📰 国内金融SASE创新先行者：长城证券基于华为星河AI融合SASE，打造金融多分支智能安全防护新基石 - 产业链 - 光通信Pro

数字金融大文章强调以数字化转型支撑金融业高质量发展，提出到2027年底金融体系要与数字经济高度适应，并通过数据驱动决策、资源配置来提升效率，同时强化支付环境、安全防护和公共服务平台建设。文章以长城证券为案例，展示在分支广布、云上业务与远程办公常态化背景下的安全挑战与解决思路。长城证券与华为合作引入星河AI融合SASE，打造云网边端一体的智能安全防护新基石，通过云网端统一管控、零接触部署（ZTP）和高容量设备管理实现运维降本与运维效率提升；并以AI防护、智能选路、A-FEC以及高性能安全网关等技术手段，提升带宽利用、确保在链路丢包情况下的视频和远程办公体验，提升未知威胁识别能力和数据传输安全性。未来将继续深化云网边端协同，推动证券行业数智化转型，树立技术创新标杆，构建安全高效智能的证券金融生态。

🏷️ #数字金融 #云网边端 #SASE #AI防护 #证券安全

🔗 原文链接

⁣
📰 Edge AI Daily 早报（6月2日）-钛媒体官方网站

文章梗概聚焦全球AI产业的多维格局与前沿应用：首先， Alphabet拟通过800亿美元股权融资扩大AI基础设施，巴菲特旗下伯克希尔以10亿美元私募参投，显示对AI长期价值的认可，但其高额资本支出与收入增速之间的矛盾可能压缩利润。紧接着，新闻行业版权之争持续发酵，纽约时报对OpenAI和微软提起诉讼，反映AI训练数据版权成为行业规则的核心议题，同时欧盟的云与AI发展法案亦在重塑跨境数据与云服务市场。安全与合规成为全球监管主线，佛州起诉与各国法规推动企业加强安全防护、以应对潜在责任与合规成本。另一方面，英伟达、英特尔等芯片与框架的技术创新持续推进AI落地应用：从OpenVINO的实体AI框架到DSX平台的AI工厂、Token化资产的商业化潜力，推动边缘与云端协同升级。教育与企业场景中，AI培训、代理式服务以及具身智能的产业化正在加速，尤其在教育培训、工业自动化、以及人形机器人方向，产业生态逐步形成标准化、模块化的落地路径。总体来看，全球AI生态正处在高投入与高成长并行、监管强化与创新迭代并重的关键阶段，竞争格局、市场规模与规则还在持续演化。

🏷️ #AI基础设施 #版权争议 #云法案 #AI合规 #具身智能

🔗 原文链接

⁣
📰 金融行业算力进化史：从“别宕机”到“缺GPU”

金融行业对计算的渴望经历了从“奢侈品”到“云端租赁”，再到“AI大模型时代的稀缺资产”三次跃迁。80、90年代大型机的高成本与严格运维使算力成为核心但难以普及；随后数据集中与云化潮流推动自建向上云转变，提升了弹性与成本效率，并催生智算中心与场景化云服务。进入AI大模型阶段，训练与推理对算力的需求成倍增长，芯片供给紧张、国产替代与边缘算力成为主线，金融机构通过“云+边+端”的混合架构提升响应速度与数据本地化安全，同时推动相关合规治理：算法可追溯、数据边界、信息污染与责任归属等难题成为新挑战。未来算力将继续向“端侧下沉”和“多芯协同”发展，ATM、网点设备将具备在地AI能力，金融服务需要在提升效率的同时，回归金融本质：服务实体经济、防控风险、满足民众日益增长的金融需求。

🏷️ #金融科技 #算力变革 #云边端 #大模型 #数据合规

🔗 原文链接

⁣
📰 金融行业算力进化史：从“别宕机”到“缺GPU”

金融行业的算力演进经历了三次重大跃迁。首先是集中式计算时代，算力被视为奢侈品，大型机主导核心账务与批处理，网点数据逐步集中到总行数据中心，强调不出错与实时交易监控能力。随后进入云计算时代，因移动支付和实时场景激增，成本和利用率成为痛点，推动自建向云端迁移，出现私有云、混合云与“算力即服务”的模式，智算租赁等解决方案兴起。进入AI大模型时代，算力成为稀缺资产，训练与推理对GPU等高端算力需求急剧上升，银行探索两条路径：国产算力底座与端侧算力下沉，推动云+边+端协同的金融基础设施建设，同时也带来合规、数据隐私、算法可追溯等新挑战。监管正逐步明确边界，强调透明度、数据使用边界和智能体权限划分。总体而言，算力的每次跃迁都推动金融业态重构与效率提升，未来需要在强算力与金融本质之间寻求平衡，服务实体经济、防控风险、满足百姓金融需求。

🏷️ #算力跃迁 #AI大模型 #云+边+端 #数据合规 #金融科技

🔗 原文链接