信创与AI应用，一边是关于自主可控，一边是关于智慧化转型，均是当下金融业的热门话题。

在金融机构客观需要的同时，金融监管层面非常支持金融机构推进信创与AI应用。2024年，监管提出要求，到2027年金融机构所有系统实现信创化，2028年实现包括核心系统在内的全系统的单轨运行，不能保留原来的技术栈。2025年5月，人民银行科技司司长李伟撰文指出，稳妥有序推进金融领域人工智能大模型应用；同月，金融监管总局局长李云泽也强调，稳妥推进人工智能在金融领域的应用。

金融机构积极响应，掀起了“声势浩大”的信创深化、AI应用热潮。在此过程中，技术架构从“存算一体”升级至“存算分离”的讨论声音越来越多。

金融信创、AI应用背后，数据库瓶颈与数据治理问题凸显

金融机构推进信创以及AI应用的热情，悉数体现在最新报告中。

信创方面：

今年发布的《数字经济与数字金融形势分析》报告显示，我国金融信创进入应用深化和生态建设阶段。报告指出，技术生态逐步成熟，推动金融信创替换路径从外围边缘系统深入内部核心系统，改造场景从一般业务系统深入金融核心系统。国产数据库产品逐步在金融交易系统、数据仓库等场景替代国外数据库并形成规模化效应。

第一新声智库最近发布的《2025年中国金融业数据库国产替代能力评估报告》则显示，当前金融业数据库国产替代呈现以下特征：大型金融机构核心系统替换加速，中小金融机构依旧是替代主力。

AI应用方面：

腾讯研究院与毕马威联合发布的《2025金融业大模型应用报告》提到，全球近半数金融机构已启动大模型应用建设，行业正从零星的试验阶段迈入规模化部署期。中国金融业的大模型建设呈现出顶层设计、梯次推进的清晰格局：银行业是大模型落地应用最广泛的领域，证券、保险行业的头部机构则作为先行者，探索出多样化的应用模式。

推进信创、加速AI应用是金融业的2大趋势。趋势不可阻挡，挑战也随之而来——在这背后，数据库“瓶颈”与数据治理难题浮出水面。

据悉，金融机构前期一般采用“服务器本地盘多副本+信创分布式数据库”架构，这种架构在当下正面临多重挑战，包括但不限于：

数据安全风险问题。计算与存储节点的强耦合，导致数据暴露面过大、数据与计算无差别共存，难以满足监管要求。

运维复杂性问题。软硬件高度绑定，故障排查困难。无论是出现磁盘故障时，还是对存储空间进行扩容，甚至是日常的维护与变更，都显得难以下手。

存储空间利用率问题。在多副本存储策略之下，为保证数据的可靠性，需占用更多存储空间。

数据一致性问题。在分布式环境中，多个节点对数据进行读写操作时，网络延迟、节点故障等因素可能导致数据副本间出现差异，且多副本策略虽能提高容错性，但需要复杂算法确保一致性，如此会增加相关开销、降低性能。

TWT技术社区用户在讨论中就印证了上述问题。例如，某城商行存储架构师表示，信创分布式数据库大多采用服务器本地盘+副本模式，虽提高了数据冗余性，但牺牲了部分空间且容量使用率低，对于介质故障主要依靠数据副本重构；某股份制银行存储架构师则指出，服务器本地盘是固定槽位数量，容量的纵向扩容就需要扩多个数据库节点，实施复杂度高。

另外，AI的大规模应用，对数据治理能力提出了更高要求。银行关键OLTP交易系统产生的数据，是AI模型极其重要的“养料”，可支撑智能风控、智能营销等场景，但作为敏感数据，必须确保其安全地汇入AI数据湖；其次，数据量和交互频率大幅增加，网络延迟、带宽限制等因素会影响数据读写性能；最后，数据同步延迟在高并发的AI训练、推理场景下会导致数据不一致，影响模型训练准确性和推理结果可靠性等。

因此，真正的“存算分离”架构——以专业的SAN存储对接信创分布式数据库，正引起金融业的关注。

对于“存算分离”，或许可以通过一个通俗的例子来理解。一个企业老板，若将视频拍摄（存）和视频剪辑（算）2项工作交给剪辑师，剪辑师“身兼多职”，压力大，同时在视频拍摄上不够专业，可能易导致其崩溃（系统不够稳定可靠）。若老板再引入一个摄影师（专业存储），将视频拍摄的工作交给专业的人负责，不仅能提升2人的效率，而且在双方的配合下，视频质量也会提高。

在TWT技术社区近期发布的专题投票中，有81%的用户认为真正的存算分离架构具有战略必要性，即信创分布式数据库+专业SAN存储架构。

上述某股份制银行存储架构师进一步表示，外置存储策略下，无需配置较多数据库节点，按需从存储上分配容量即可。此外，从运维角度来说，存算分离减少了设备数量，一方面降低了设备投入和机房机柜成本，另一方面也降低了运维复杂度。某大型金融企业系统架构师提到，对于需要处理大量并发读写请求的业务，在面对海量数据存储和高效访问需求的场景下，专业SAN存储+信创分布式数据库的方案能够提供较高的并发处理能力和快速的IO响应速度，满足业务对性能的要求。

“存算分离”成业界共识，曙光存储顺势发布面向金融的可信AI存储方案

事实上，从数据本身来说，这个时代的数据如同工业时代的石油，其重要性不言而喻，而伴随而来的数据存储当然不容忽视。

在前几年，“数据存力”的概念被提出，以存储容量为核心，包含性能表现、可靠程度、绿色效能在内的综合体现定义数据存力，这使得数据存储受到更多关注。

早年已有文章指出，“计算和存储分离”是互联网和云计算巨头共同的选择，并成为近年数据库改造的流行趋势之首。

尤其是对于金融机构来说，金融业务对数据一致性、可靠性和稳定性有着极致要求，“信创分布式数据库+专业SAN存储”是更优解。AI时代更是如此，数据库存算分离架构带来算力与存力的灵活扩缩容能力，可更好地匹配AI场景对计算和存储资源需求不同步的特性。

那么，在拥抱存算分离架构，深化数据库与存储合作成为行业共识的当下，选择优秀的存储合作伙伴是非常重要的。

TWT技术社区的专题投票显示，对于存算分离架构，用户最关注稳定性、性能和高可用性这3个维度。

就在近日，曙光存储发布了面向金融业的可信AI存储方案，在这3个维度上有着不错的表现。

据《银行科技研究社》了解，该方案即借助曙光集中式全闪存储FlashNexus作为企业级SAN存储，对接分布式数据库，将“服务器本地盘多副本+信创分布式数据库”架构，替换为“专业SAN存储+信创分布式数据库”架构，实现真正的存算分离。

作为架构基石，集中式全闪存储FlashNexus在验证测试中可提供超200万IOPS（3个25盘位盘框组网时），满足绝大多数事务处理（TP）类业务的性能需求。

更重要的是，曙光的可信AI存储方案，可解决传统架构中的“痛点”，为金融机构推动AI大范围落地提供保障。

首先，数据获取不及时、不完整是很多企业数据治理上的一大问题，数据同步存在延迟将无法支撑金融机构风控、营销等模型的及时更新。曙光FlashNexus存储凭借其匹配金融核心业务的数据安全性与稳定低时延，可确保信创数据库产生的数据能够“秒级”同步至数据湖，让性能不再成为瓶颈。如此，最新产生的数据将能近乎实时地用于风控、营销等领域，有利于提升机构的竞争力。

其次，对于服务器本地盘多副本+分布式数据库架构所面临的数据不一致问题，曙光存储对接分布式数据库可从根本上进行解决，确保数据的高可用。曙光存储作为单一可信的数据源，通过其强大的多控、企业级高级数据保护技术，为数据库提供强一致性保证。该方案能保证汇入AI数据湖的每一个数据点均精准无误，让金融机构在风控、营销方面实现公平与准确。

最后，曙光存储+分布式数据库的架构可实现极致的敏捷性，进而解决用户对于稳定性的顾虑。试想，在传统架构下，企业为AI进行一次大规模训练，需要临时扩容较大的存储空间，此时要大费周章，扩容大量数据库服务器，时间、精力成本不低。而在存算分离架构下，计算与存储“井水不犯河水”，可分别扩展，如同“拧水龙头”一般收放自如。从传统架构下的“匆匆忙忙、连滚带爬”转到存算分离下的“从从容容、游刃有余”，按需为AI训练分配存储资源，有利于降低AI试错成本，加快AI落地应用。

某金融企业系统架构师表示，借助SAN存储自带的RAID、双控、快照、复制等能力，实现数据层面的高可用与容灾；这种方案最适合对数据一致性、可靠性要求极高且已有SAN存储基础环境的中大型企业，尤其是银行、保险、证券这类行业的关键业务系统。

据悉，在此之前，曙光存储的方案已在相关测试中取得了“亿点点”好成绩。2025年2月25日，国际存储性能委员会（SPC）公布SPC-1 V3基准测试结果，搭载最新一代国产处理器的曙光存储FlashNexus以32控架构、超3000万IOPS性能及0.202ms时延登顶全球榜首。这一成绩，标志着国产存储在核心场景应用能力的全面提升。

具体到金融业务场景，曙光存储已与多家信创分布式数据库进行了深度适配。在与东方国信、南大通用、平凯数据库的适配测试中，曙光存储全面完成了兼容性互通测试。而在江海证券的全项测试验证中，FlashNexus通过了高频交易、突发故障、高并发复杂业务、长时间高强度持续负载四大关键场景的模拟测试。

写在最后

《银行科技研究社》获悉，在国内存储行业，其实分为纯自研和基于开源组件2个发展阵营。以分布式存储领域为例，曙光等企业是纯自研厂商的代表，产品具有更高的稳定性和性能。

从AI应用方面来说，面对复杂数据处理带来的对存储性能和稳定性的超高要求，坚持纯自研或更有利于推出契合市场需求的产品；从国际竞争力方面来说，纯自研也将推动中国存储在世界上赢得更多关注。