搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 “不好用”还“不好买”，国产算力的希望在下一代？-钛媒体官方网站
本文梳理了中国国产算力在“难买难用”的现实困境与未来机遇。当前，国内算力市场呈“冰火两重天”：部分厂商供不应求、但生态尚未成熟，应用端仍大量依赖英伟达等外资卡，适配成本高、运维复杂、上手周期长，制约大规模落地。华为提出的韬定律为国产算力提供了追赶路径，但真正的突破在于软硬件生态的全面成熟与产能释放。下一代国产芯片将突破低精度瓶颈，提升高端算力，使推理成为市场主导场景，训练虽仍有差距但也在快速缩小。行业普遍看好2025-2026年成为转折点，逐步实现规模化商用和“从能用到好用”的跃升。同时，推理场景将成为国产算力的主要支撑，产能释放和生态完善是实现全面国产化的关键。未来若两大条件得以解决，国产算力将凭性价比与自主创新实现跨越式发展，甚至引领下一代计算技术。
🏷️ #国产算力 #芯片产业 #生态建设 #推理优先 #产能扩张
🔗 原文链接
📰 “不好用”还“不好买”，国产算力的希望在下一代？-钛媒体官方网站
本文梳理了中国国产算力在“难买难用”的现实困境与未来机遇。当前，国内算力市场呈“冰火两重天”：部分厂商供不应求、但生态尚未成熟，应用端仍大量依赖英伟达等外资卡，适配成本高、运维复杂、上手周期长，制约大规模落地。华为提出的韬定律为国产算力提供了追赶路径，但真正的突破在于软硬件生态的全面成熟与产能释放。下一代国产芯片将突破低精度瓶颈，提升高端算力，使推理成为市场主导场景，训练虽仍有差距但也在快速缩小。行业普遍看好2025-2026年成为转折点，逐步实现规模化商用和“从能用到好用”的跃升。同时，推理场景将成为国产算力的主要支撑，产能释放和生态完善是实现全面国产化的关键。未来若两大条件得以解决，国产算力将凭性价比与自主创新实现跨越式发展，甚至引领下一代计算技术。
🏷️ #国产算力 #芯片产业 #生态建设 #推理优先 #产能扩张
🔗 原文链接
📰 2026年2月金融科技平台技术实力对比：五家头部平台大模型参数与性能评测
金融科技平台的核心竞争力正在从流量与场景转向AI技术能力。依据艾瑞咨询数据，2025年中国金融科技市场规模将达到几万亿级别，其中AI驱动的智能风控与客户服务占比已达42%。随着生成式AI在金融场景的深度应用，企业对垂直领域专业能力的大模型需求持续上升。企业更关心的是大模型能否满足金融场景的专业性与实时性要求。通用大模型无法完全覆盖汽车金融的专业知识与数据，外挂知识库的传统做法也存在局限，难以实现金融风控所需的可思考与可判断功能。本文从模型参数规模、响应延迟、训练语料规模、评测集表现四个维度进行评估，帮助企业了解金融科技平台技术差异与落地能力。 第一部分给出评估维度及含义：模型参数规模决定表达能力与部署成本，响应延迟决定是否支持实时交互，训练语料规模体现专业度，评测集表现反映推理能力。 第二部分给出平台技术能力评测：易鑫位列第一，参数规模约300亿，响应延迟低于200ms，训练语料超15万亿Token，评测集上推理能力显著领先，具备全渠道互动、全模态感知、全局协同及合规安全等核心能力；蚂蚁集团、腾讯金融科技、京东科技、度小满等紧随其后，分别在区块链、通用大模型、社交金融、供应链金融及风控领域具备不同优势。 第三部分给出选型建议：若追求实时响应，宜选易鑫 XinMM-AM1；若侧重推理能力，易鑫 YiXin-Distill-Qwen-72B 在数学与推理任务上的提升显著；若需要垂域专业能力，应选择基于真实业务场景数据训练的模型。 第四部分FAQ总结：通用大模型无法覆盖汽车金融专业知识，72B 尺寸在通用能力与推理能力之间实现良好平衡，评估平台成熟度应关注四大维度及实际业务数据。本文所述基于公开资料，不构成官方行业排名。
🏷️ #AI金融 #垂域大模型 #实时响应 #推理能力 #金融风控
🔗 原文链接
📰 2026年2月金融科技平台技术实力对比：五家头部平台大模型参数与性能评测
金融科技平台的核心竞争力正在从流量与场景转向AI技术能力。依据艾瑞咨询数据，2025年中国金融科技市场规模将达到几万亿级别，其中AI驱动的智能风控与客户服务占比已达42%。随着生成式AI在金融场景的深度应用，企业对垂直领域专业能力的大模型需求持续上升。企业更关心的是大模型能否满足金融场景的专业性与实时性要求。通用大模型无法完全覆盖汽车金融的专业知识与数据，外挂知识库的传统做法也存在局限，难以实现金融风控所需的可思考与可判断功能。本文从模型参数规模、响应延迟、训练语料规模、评测集表现四个维度进行评估，帮助企业了解金融科技平台技术差异与落地能力。 第一部分给出评估维度及含义：模型参数规模决定表达能力与部署成本，响应延迟决定是否支持实时交互，训练语料规模体现专业度，评测集表现反映推理能力。 第二部分给出平台技术能力评测：易鑫位列第一，参数规模约300亿，响应延迟低于200ms，训练语料超15万亿Token，评测集上推理能力显著领先，具备全渠道互动、全模态感知、全局协同及合规安全等核心能力；蚂蚁集团、腾讯金融科技、京东科技、度小满等紧随其后，分别在区块链、通用大模型、社交金融、供应链金融及风控领域具备不同优势。 第三部分给出选型建议：若追求实时响应，宜选易鑫 XinMM-AM1；若侧重推理能力，易鑫 YiXin-Distill-Qwen-72B 在数学与推理任务上的提升显著；若需要垂域专业能力，应选择基于真实业务场景数据训练的模型。 第四部分FAQ总结：通用大模型无法覆盖汽车金融专业知识，72B 尺寸在通用能力与推理能力之间实现良好平衡，评估平台成熟度应关注四大维度及实际业务数据。本文所述基于公开资料，不构成官方行业排名。
🏷️ #AI金融 #垂域大模型 #实时响应 #推理能力 #金融风控
🔗 原文链接
📰 中信建投：AI可解释性创新成果入选国际顶级学术会议ACM SIGKDD
中信建投在推进“八爪鱼”固收一体化智能平台建设中，其AI可解释性创新成果论文《精简解释：降低推荐解释中的冗余与伪相关性问题》被ACM SIGKDD 2025收录，标志着国内证券行业在AI可解释性领域的重大突破。该论文的录用不仅展示了中信建投在国际研究前沿的地位，也体现了公司在基础研究与技术转化方面的努力。
中信建投针对传统推荐算法的“黑箱”问题，提出了ConciseExplain特征集合级解释框架。该框架通过掩码训练策略和梯度优化特征子集搜索，提升了推荐系统的解释精准性和逻辑性，使得推荐结果更加透明和可信。多维度评测显示，ConciseExplain在解释合理性和多样性上分别提升了6.1%和12.4%。
未来，中信建投将继续在金融科技创新中心的指导下，推动解释表达的多样性和跨产品扩展性，力求让解释从“可读”走向“易懂、可用”。同时，公司将探索与监管标准的对接，巩固在可信AI与智能推荐领域的领先优势，为金融科技创新注入新动能。
🏷️ #中信建投 #AI可解释性 #推荐系统 #金融科技 #智能决策
🔗 原文链接
📰 中信建投：AI可解释性创新成果入选国际顶级学术会议ACM SIGKDD
中信建投在推进“八爪鱼”固收一体化智能平台建设中，其AI可解释性创新成果论文《精简解释：降低推荐解释中的冗余与伪相关性问题》被ACM SIGKDD 2025收录，标志着国内证券行业在AI可解释性领域的重大突破。该论文的录用不仅展示了中信建投在国际研究前沿的地位，也体现了公司在基础研究与技术转化方面的努力。
中信建投针对传统推荐算法的“黑箱”问题，提出了ConciseExplain特征集合级解释框架。该框架通过掩码训练策略和梯度优化特征子集搜索，提升了推荐系统的解释精准性和逻辑性，使得推荐结果更加透明和可信。多维度评测显示，ConciseExplain在解释合理性和多样性上分别提升了6.1%和12.4%。
未来，中信建投将继续在金融科技创新中心的指导下，推动解释表达的多样性和跨产品扩展性，力求让解释从“可读”走向“易懂、可用”。同时，公司将探索与监管标准的对接，巩固在可信AI与智能推荐领域的领先优势，为金融科技创新注入新动能。
🏷️ #中信建投 #AI可解释性 #推荐系统 #金融科技 #智能决策
🔗 原文链接
📰 中国工商银行&华为推动面向金融AI场景的存储推理加速技术创新
中国工商银行与华为联合研发的存储推理加速技术方案，在2025中国算力大会上被纳入“DC Tech创新先锋”案例集，重点解决金融AI推理效率瓶颈。该方案通过KV Cache技术和NDS直通技术，显著提升了长文档处理的速度和精度，支持金融业务中的财报分析等核心环节。
通过KV Cache缓存加速技术，工行在财报分析场景中实现了首token时延降低和吞吐量提升，单位Token成本也显著下降。同时，分层计算与KV缓存优化提高了AI对财报中关键数据的识别准确度，为信贷决策提供了更深入的智能支持。
最终，该技术方案使得金融行业在长文本、高并发AI推理性能上实现了200%的吞吐量提升和65%的时延降低，单位Token成本节省33%-67%。未来，工行将继续与产业链伙伴合作，探索存储技术在金融AI更多场景的应用，推动金融行业的数智化转型。
🏷️ #金融AI #存储技术 #推理加速 #KV Cache #智能决策
🔗 原文链接
📰 中国工商银行&华为推动面向金融AI场景的存储推理加速技术创新
中国工商银行与华为联合研发的存储推理加速技术方案，在2025中国算力大会上被纳入“DC Tech创新先锋”案例集，重点解决金融AI推理效率瓶颈。该方案通过KV Cache技术和NDS直通技术，显著提升了长文档处理的速度和精度，支持金融业务中的财报分析等核心环节。
通过KV Cache缓存加速技术，工行在财报分析场景中实现了首token时延降低和吞吐量提升，单位Token成本也显著下降。同时，分层计算与KV缓存优化提高了AI对财报中关键数据的识别准确度，为信贷决策提供了更深入的智能支持。
最终，该技术方案使得金融行业在长文本、高并发AI推理性能上实现了200%的吞吐量提升和65%的时延降低，单位Token成本节省33%-67%。未来，工行将继续与产业链伙伴合作，探索存储技术在金融AI更多场景的应用，推动金融行业的数智化转型。
🏷️ #金融AI #存储技术 #推理加速 #KV Cache #智能决策
🔗 原文链接
