恒生电子:金融大模型重磅升级(深度)| 国君计算机李沐华团队
（以下内容从国泰君安《恒生电子:金融大模型重磅升级(深度)| 国君计算机李沐华团队》研报附件原文摘录）
1.恒生大模型LightGPT重磅升级，光子生态全面赋能金融业务场景 1.1.金融大模型LightGPT能力全面提升 LightGPT大模型能力持续升级。2023年6月28号恒生发布LightGPT。通过在模型训练数据中充实更多金融知识，LightGPT的专业能力得到了重大提升，大模型的多轮对话能力、表格识别以及JSON格式识别取得了相应进展。如果粗略比较，目前恒生LightGPT的能力和去年11月发布的GPT 3.5应该大体持平。根据公司在金融技术大会上的介绍，在2023年底恒生将继续优化大模型的推理性能和逻辑能力，攻克复杂指令识别的难关，使得任务的拆解和编排方面能够支持更复杂的业务场景。 LightGPT在各个方面的性能指标都有明显提升。大模型效果整体提升15%，安全合规性提升13%，推理速度提升50%，推理和训练全面适配华为昇腾系列，且并面向金融机构实现LightGPT-7B的开源。 通过投研和投顾相关的训练数据改造大模型，增强了大模型专业性。针对投研和投顾的应用场景，只在应用或者模型的外部做文章改善是有限的，有一些东西必须通过训练灌输到大模型中。因此，针对投研和投顾场景，恒生利用金融专业术语、简称、监管要求等投研和投顾相关的训练数据改造大模型，提升大模型在抽取观点、识别图文和理解专业术语等方面的能力，不断提高模型专业度。 LightGPT适配了华为昇腾系列，缓解算力问题。为了解决算力问题，恒生与华为进行合作，将LightGPT适配到华为昇腾系列，并提供了两个版本的数据。其中，70B的版本是恒生生产用的大模型，而13B的版本则是方便各机构练手的小规模模型。 LightGPT用专门的金融数据训练，不断提升安全合规性。如果大模型不用专门的金融数据进行训练，就不能很好地应对安全合规方面的挑战，会出现幻觉、合规风险和缺乏依据等各种问题。因而，公司基于专业金融数据，有助于从根本上提升模型的合规性。 1.2.光子系列产品打通金融AI应用的最后一公里 光子生态与大模型强强互补。光子是介于应用场景和大模型中间层的一个完整生态，是金融应用对接大模型的“中控”部位。光子生态建设包含三个层次：第一层是适配大模型，中间层是提供公用能力，第三层是场景落地。光子生态可以与大模型实现优势互补，解决大模型数据的实效性和事实性问题。另外，大模型本身虽然有一道保险，但仍然存在安全合规的问题，而光子在应用过程中有双保险提供全面保障机制，可以实现全流程自动化安全管控和实时高效的安全处理。 光子三大连接构建智能金融。光子有三大连接，首先，连接模型，充分发挥大模型的能力。其次，连接金融行业专属资源。资源主要来自金融机构，具有不同于C端用户的特点。最后，连接应用场景，对接各种应用。在连接资源方面，恒生光子结合本地知识、金融数据以及专业知识站点为用户提供更精准和及时的答案。在连接模型方面，光子可以实现模型接入统一管控并屏蔽模型对接差异，使其不仅能够连接LightGPT本身，还可以连接国内其他可用的大模型。在连接应用方面，光子提供简单的配置，使应用与大模型的对接变得非常简单，让几分钟开发一个应用成为可能。 光子系列产品可以为金融机构的投顾、合规、客服、运营等业务注入AI能力，成为金融从业人员的智能助手。恒生大模型在应用场景的尝试包括重塑模式和嵌入模式。重构模式是基于大模型能力重构应用。在重构模式下，恒生结合数据、资源以及大模型的语言和知识能力打造四大“新物种”，分别是光子·文曲、光子·方圆、光子·善策和光子·慧营。“新物种”可以利用人工智能大模型的能力代替人类完成相关岗位的工作，其中，光子·文曲是面向投资顾问的一站式内容创作平台，光子·方圆专注于投资合规领域，光子·善策聚焦投顾咨询场景，光子·慧营则定位于资管与托管产品的运营助手。嵌入模式是指将大模型的能力作为Copilot嵌入到原有应用系统中，通过光子对接应用自身的API和数据要素进行相应的提取和扩展。恒生嵌入模式下的产品包括光子·问学和光子·数见。光子·问学是金融业务岗前培训的学习陪伴助手。光子·数见是在数据中台基础上叠加大模型的语言能力，提供业务数据智能查询与分析等服务。 恒生将持续构建以光子为核心的生态系统，完善智能产品矩阵。光子生态包括重塑模式和嵌入模式。重塑模式下，人工智能将替代人类完成工作，而嵌入模式将变革现有产品的操作交互方式。通过引入大模型，用户在使用嵌入模式的产品时将能够用语言指令控制既有应用，实现一步到位的操作。为了打造嵌入模式的产品，恒生计划在原有系统界面中添加一个对话框，用户可以通过对话框与光子对话。光子能够连接后台API，从而提供更加智能和高效的服务。此外，重塑模式和嵌入模式可以交织在一起，形成Agent智能体。智能体可以将复杂指令拆解为单个步骤，调用和组合不同的能力完成任务。大模型赋能后，传统应用可能将变成一个个服务，而真正的应用可能就是大模型的对话框。 2.WarrenQ焕新升级，助力投研数智化发展 2.1.WarrenQ产品升级，一站式投研工具平台持续完善 智能投研平台WarrenQ全新升级，推出WarrenQ小程序、ChatMiner、AI写作和语音速记别等全新功能。第一，WarrenQ Chat推出全新移动端应用程序，用户可以随时随地获取金融信息、行业概况、研究报告观点、公司F9数据和行业EDB数据等信息都可以在微信小程序中轻松获取。 第二，ChatMiner能力升级。WarrenQ针对上百页的大文档场景进行特殊优化，实现文档解析速度和数据读取速度的大规模提升。在ChatMiner的帮助下仅需十几秒就可以完成对500页招股说明书的文档解析。WarrenQ还根据研究员的关注焦点优化问题推荐。完成文档解析后，ChatMiner会自动推荐相关问题，如公司主营业务、行业排名以及市场竞争格局等，用户点击推荐问题即可快速定位到相关信息。 第三，WarrenQ推出AI写作新功能。AI写作结合了WarrenQ的三段式脑图和GPT能力，用户只需输入标题，系统就会生成一个大纲。用户可以查看大纲，确认内容是否符合预期。如果满意，用户可以根据每个子标题生成相应的段落，每个段落都支持溯源，用户可以清楚了解生成内容的来源。 第四，WarrenQ发布语音速记新功能。用户可以将录音上传至WarrenQ的语音速记实时进行语音转录。语音速记能够自动识别讲解人，实现录音片段与文字的一一对应。如果用户不理解某段文字，只需点击对应的录音片段，系统即可将其定位至录音中的相应时间点。WarrenQ还将ChatMiner与语音速记相连接，助力用户提升工作效率。如果录音时间过长，用户可以直接向ChatMiner提问而无需阅读文字内容，借助ChatMiner的快速解读能力，获取录音的关键信息。 金融行业大模型需求场景调研显示，私有库问答场景需求量最大。私有库问答属于RAG类应用，基于大模型和向量数据库将金融机构自有积累的知识库通过Chat形式实现友好问答。智能投顾/投研的Chat助手的需求量排名次之。恒生聚源首先通过投研方式让大模型能够处理大量金融数据，再引入话术生成和推荐策略，并结合内部和外部的知识库，最终形成一个All in One的Chat型小助手。大规模文档的深度挖掘和问答场景的需求量排名第三。处理大规模文档时，需要将大模型与其他相关AI技术结合，从而实现针对招股说明书、公告、研报等的深度问答、比对、挖掘以及辅助写作功能。 大模型技术使得All in One成为可能，一个大模型底座可以支持N个场景。在传统的NOP方法中，针对不同的业务场景通常需要训练和维护多个小模型，每个小模型都需要针对特定的任务开发。但是大模型的出现让All in One成为可能，基于一个大模型底座就能够支持N个场景。面向落地应用，大模型增强方式主要有两个方向。第一个方向是数据增强，即类RAG的方向。第二个方向是外挂工具。WarrenQ已经集成了众多投研领域的常用工具，比如常见的问答形式、脑图形式、笔记形式、语音速记和在线Excel和Word文档等。由于金融领域的数据是TB级别的数据，因此语控万数成为了大模型+N场景的一大难点问题，也是技术上必须攻克的难点和重点问题。只有找到准确的数据，才能打通落地场景的通道，实现真正的应用。 2.2.WarrenQ多场景落地，持续加强金融垂域“搜读算写” 恒生聚源参与了工银瑞信最新大模型创新项目FundGPT的建设。在其中部署了WarrenQ Chat和ChatMiner两款落地型产品，并使用向量数据库技术帮助客户对接内部知识库，成功构建了一个覆盖投研、财富、投教等大规模场景的All in One的智能问答小助手。 公司对券商投行业务场景进行了优化。投行业务涉及众多大规模文档，如招股说明书和相关底稿等，处理四五百页的大规模文件既耗时又繁杂。恒生聚源大模型技术可以优化这一场景，首先利用PDF解析技术创建智能目录，对招股说明书和底稿进行结构化处理，从而帮助用户快速找到所需信息，大大节省文档查找和整理时间。其次，使用大模型+向量库+数据库的方式，实现底稿与正文的精确匹配，直接溯源文件内容与数据，提高文件核查的效率和准确性。 针对固收场景同样进行了性能提升。固收场景同样涉及海量数据，包括信用数据、地方经济内外部评级和市场资讯等数据。恒生聚源首先将固收场景的各种数据与大模型建立一一映射，再围绕固收场景其他需要引用的内容，利用大模型强大处理能力赋能整个固收问答。 恒生聚源也通过使用大模型，针对投顾、投研人员的业务需求，为其业务过程各关键环节提供内容支持和工作引导，辅助金融从业人员提供更好的服务，达到提升效率和降低成本的效果。 目前恒生聚源已经与十几家金融客户进行大模型在实际应用场景的共创，未来将进一步赋能业务场景和业务团队。恒生聚源从2023年6月28日开始进行大模型产品的初尝试，到现在已经与十几家金融客户共同探索了如何将大模型技术应用于实际业务场景。在金融技术大会上，公司表示也将带来更加深度场景化的产品，真正将大模型技术融入金融从业者的日常工作流程中，形成数据闭环和数据飞轮。基于DataScience的思路，WarrenQ将根据数据分布给出更智能的推荐，使大模型真正变成贴心陪伴的小助手。 比肩微软Copilot，WarrenQ“搜读算写”深入金融垂域，更具特色。“搜”，WarrenQ Chat对标微软的New Bing，其与New Bing最大的区别在于WarrenQ Chat的底层可以访问聚源全库，并链接金融库。这些金融库的数据来自聚源数据库，确保了数据的准确度和权威性，从而避免大模型胡说八道。“读”，微软Copilot主要进行自动摘要，而WarrenQ基于ChatMiner产品，深入招股书、研报、公告等各个场景。WarrenQ可以对500多页的招股书进行快速解析，并自动推荐研究员关注的问题。“算”，微软Copilot结合Excel与GPT提供数据分析等服务，而WarrenQ在演算板上提供金融板的数据浏览器、金融板的变量计算，并且基于金融域常用场景搭建在线估值模型。“写”，WarrenQ新上线的三段式脑图是一个All in One的文档，支持Markdown、Word和PPT格式的随意切换，并且可以用GPT续写大纲和脑图，其特色是能够插入可自动更新的活数据，底层由聚源数据库提供支撑，保证用户更好地在金融场景内开展业务。 3.恒生UF3.0内存交易不止于快，助力自主创新落地 3.1.证券行业交易系统的性能提升迅速 对于证券行业核心交易系统而言，数据库的处理能力及性能至关重要，也是自主创新改造中十分关键的部位。目前恒生UF3.0已经开始搭载新的技术引擎、内存数据库技术来满足系统对性能的要求。 证券核心交易这块的技术近年来一直在发展。首先，整个行业全面自主创新进入了深水区，已经从原来的办公系统、管理系统进入到了核心业务处理系统，而且向着大容量、高可用、高可靠等一些要求发展。2022年证券协会发布了网络信息安全的三年提升计划，特地指引了核心业务系统下一步的发展要求，在这个要求背后是技术的全面发展和引领未来的变化。证券行业正在成为金融资本市场非常重要的技术发展的贡献者，同时也在将这项技术进一步地向更广大的零售投资者进行发展。 证券行业从刚开始有市场就进入到了电子化时代，随后内存技术逐步成熟，实现自主可控。场内交易、电脑作业、营业部单体化结构，这是早期年代的技术从业者的工作主体。进入到21世纪，交易的网络化，从区域集中到大集中，把现场的交易逐步引导到线上化的网上交易和手机APP，这背后原因是中间件技术和传统大型关系型数据库成为主流。到2012年，交易的专业化、高频量化成为市场不可忽视的一股力量，所以在内存技术和低延时的一些硬件上，不断地有各类的厂商和各类的新技术涌现，也有一批券商里面能够展现出来非常有影响力的系统，体现了极速通道、就近原则，但在那个时候，它们还只能覆盖到一些少量的客户和少量的高精尖投资者。进入到2020年至2023年，内存技术越来越成熟，已经可以通过内存数据库部分地替代传统的关系型数据库，将高性能的交易技术和服务普惠化，通过低时延的平台，将低时延的硬件以及各类关系型数据库及内存数据库进行很好的结合，实现自主可控、专业分工，将交易技术更加专业化。 3.2.UF3.0内存交易产品实现全栈信创适配与性能创新提升 恒生UF3.0内存交易产品将带给行业不止于快的全新交易体验。这款产品可以满足行业对于自主创新、大容量、高并发、高可用、低时延、易运维的新需求。除了业务系统自主创新之外，公司也一直与众多生态伙伴保持深入合作，积极参与金融自主创新建设，全力助推金融自主创新落地。 恒生电子从2020年开始在内存技术上将原来的少量用于专业投资者、机构投资者的交易技术往零售业务场景上去发展。在这个过程中公司成立了恒生的新一代核心交易系统的全景图，核心业务系统是在券商的核心业务的基础上，分为基础平台和业务平台，下图底层都是自主创新的各项基础设施，从桌面浏览器到数据库、网卡、CPU等等，全部实现了全栈信创适配，并且在部分客户已经实现落地。在最核心的交易环节，内存交易技术一直是行业内努力去尝试的，而恒生在这个过程中也在积极地考核实践，目前恒生在这项技术上已经完全就绪，并且能够实现在行业内批量上线。 UF3.0这款内存交易产品主要有六大特点。首先，它是一个完全自主创新、全栈信创的产品，能够适配市场上主流信创芯片、操作系统、服务器、网卡以及数据库，在它最核心的交易部分采用恒生自研的内存数据库技术，并且在数据持久化处理上可以适配OB、Gauss、Golden以及一些主流的数据库，同时它具备大容量、高并发、高可用、低时延以及易运维等特性。 在基础设施适配上，非常重要的一项工作是跨平台混合部署来满足客户自主创新逐步替代。从自主创新角度来讲，无论是在持久化数据库适配上，还是网络设备层、计算设备层、操作系统，公司全栈适配了市场上主流的信创的设备，并且在这个基础上还会不断地去适配更多的设备，让客户有更多选择。因为信创是一项非常艰巨的工作，在这个过程中又要保证核心业务系统的稳定性，所以在整个的实现路径中一定是逐步替代，从双轨到单轨逐渐实现的。 所以公司在技术平台总部的支持下，目前实现了这套技术能够搭载在不同信创的适配层上。公司的业务应用代码是同一套，通过平台层来屏蔽硬件以及系统差异。这意味着，如果在信创技术软硬件上有多种选择，未来应用层是不需要做调整的，同时也支持跨平台的通讯和信息交互，实现同一套系统的不同应用可以部署在信创、非信创、信创a、信创b等不同的环境里面，通过平台层来屏蔽硬件的差异，实现跨平台通讯，最终满足混合部署的能力。 UF3.0大容量体现在数据量大上——500 万账户。行业的一些头部客户在测试的时候分两档，一档叫300万客户，一档叫500万客户。500万客户意味着内存的交易技术可以进入到一个新水平，因为任何交易在量小的时候，它的交易并发、交易时延、交易可靠性都能保障。当它量大到一定程度，还要保持高可用、高可靠，这是一个非常苛刻的技术要求。而恒生电子目前在500万账户上可以完全适配现在交易需要。 UF3.0在并发上也实现了性能领先。证券行业交易在集合竞价的上下午都有一次非常并发的大量委托同时提交的场景，在这个过程中伴随着委托的提交还会有查询、登录，所以证券行业核心交易应用对并发有着高要求。目前在500万账户等级下，公司纯委托吞吐可以达到10万/tps，混合请求可以达到120万/tps，这个数据目前在市场上处于非常领先的地步。在这背后是技术团队在读写分离、在高并发设计中使用了自己的多线程并发的MVCC技术、三重防死锁机制以及运维单线程有限处理等等。公司整体的限流能力、通过API和前端存储降低发送速度，来保证整个交易过程中券商的信息技术团队、运维团队的可靠。 除了高性能，UF3.0还能保证高可用。因为证券零售交易不允许出现错误，RTO和RPO要严格遵循主备切换为0。这背后是采用多线程的处理，保证能够有最大化容错，同时通过交易配比、多个查询及数据结果强一致来实现主备的RTO和RPO为0。并且在这个过程中，数据保障机制也是通过内存数据库的实时快照、redo日志落地、物理数据库的超级备份三层保障机制来保证数据绝对不会丢失。公司经过实验室测试，在RTO为0、RPO为0的情况下，回切到原来的物理的关系型数据库的时间小于等于1分钟，超越了市场上已有的上线案例。这种能力对公司未来能够批量化地为整个行业交易升级提供了基础性保障。 低时延方面，UF3.0系统能够实现核心穿透在50微秒以内，全链路上行在1毫秒以内。这背后是恒生多年来在内存技术上的沉淀和进步带来的结果。恒生坚持软硬件结合，所以恒生一直在与华为、硬件提供厂商讨论硬件上怎么去满足低时延要求。软硬件结合可以结合多维度的数据进行优化，包括通信线程模式的深度优化、并行处理框架、统一操作系统的资源封装以及网卡内核旁路技术、RDMA技术、内存池的管理技术，这些技术保证了低时延，这个速度真正能够实现把专业投资者的场景普惠应用到所有的零售投资者。 在运维方面，整个UF3.0内存交易的产品设计和开发过程中，充分借鉴了原来做UF2.0和做UF3.0交易系统过程中所遵循的一体化和全链路日志规范要求。在这个过程中公司又参考了信通院发布的运维可观测的要求，在内存数据管理上做了一个非常有帮助的工具，能够支持单表、多表的查询、操作、更新等等。并且考虑到整个交易链路随着业务的发展会产生变化，所以还提供一个时延分析工具，这个时延分析工具最开始在机构快速交易系统上能够非常有效地去监测到每一笔交易在各个交易的链路上所耗时的大小，从而有效地提升交易效率。现在把这个技术也应用到UF3.0内存交易上面来实现软硬一体全链路时延监控、一站式性能监控，通过侵入式和非侵入式两种模式结合来统一分析。 另外，在系统的安装和部署方面，实现了一键升级、一键部署，并且支持版本回退，全程白屏化操作。同时，因为交易行情瞬息万变，在容量扩增上可以支持动态扩容，把部分客户迁移到新增站点上。在软件升级上也支持蓝绿发布和金丝雀发布。 4.恒生信创布局迅速，经验领先 4.1.信创产品发版节奏快，上线完成率高 对于证券行业核心交易系统而言，数据库的处理能力及性能至关重要，也是自主创新改造中十分关键的部位。目前恒生UF3.0已经开始搭载新 公司从2018年开始做信创。一开始公司就认为技术平台一定要考虑信创，当时恒生在做Light技术平台，所以一开始做的事情是做到与数据库无关、平台硬件无关，这是第一个考虑点。在2018年Light技术平台推出之后，2019年与信创第一批试点的浙商证券一起做了用户中心，当时整个信创技术栈实现了落地。在2020年、2021年、2022年正常地按照一批、二批、三批试点，全面在推进信创。 恒生所有的产品总共归类是33类，但不止33个产品。所有产品在技术栈无外乎都在这33类里面。在33类信创发版情况方面，到目前为止80%已经全发了，计划2023年年底100%发，所以全员都在为这件事情而努力。33个产品中已经有14个是真实在用了，是有客户上线的。目前整体做信创的项目有100多家，单轨上线的有60家，双轨的有11家，实施中的还有50多家。 4.2.沉淀业务经验，保证创新引领 公司100多个项目积累了很多信创的经验。经过公司系统性盘点，总结了6点信创中的主要问题。第一是数据库问题。在开始只有Oracle可选的背景下，只能按Oracle语法写。现在线上数据库有200多个，所以一开始在做系统的时候要思考怎么让一个业务系统能适配200多种数据库，至少要适配3-5种。 其次是信创的稳定性怎么保障。稳定性也是客户最关注的问题，如果上线后数据库或者硬件出问题，怎么能切回来以及怎么保证监管要求，是要考虑的问题，所以业务的连续性保障是要考虑的。第三，在过去大量使用了开源，而现在有很多信创商业中间件，它跟开源的迭代速度是有差距的，所以一旦选择了商业中间件之后，商用中间件功能补全也是现在亟需解决的问题。第四是桌面终端怎么换；第五个点是低时延设备，这是更难的难题，目前来看，换低时延的设备一定会落后于没有换低时延设备的，所以在业务系统上要做哪些改进能够降低一些时延，这也是要考虑的点；最后一个点是连续业务、连续性保障，目标是所有业务系统上线信创设备之后，原来的运维技能还能用。 公司提出“一次SQL编写，处处运行”，解决数据库难点。在该方面，公司拆成了三个阶段。第一个阶段是开发前做了一个扫描工具，所有Oracle语法跟信创数据库的语法不兼容的或者特殊函数都识别出来，公司花了两三年时间去积累所有数据库上的不同点。具体地，在引擎里面先去扫，发现有与Oracle不兼容的且必须得用的话，就在不同的数据库中换不同的写法；第二阶段是在开发阶段，提供统一SQL，在这一层会转换，因为知道规则之后，就可以转成想要的比如Oracle、高斯、OB的语法来运行。换上自己SQL引擎后，基本上代码就能跑通，经过公司内部测试，95%的都可以转，但性能会有一点下降；最后最难的是测试，测试人员要把所有数据库都布一遍、再跑一遍，所以在这一层又加了一些工具来帮助测试人员并行跑，如果有部分出问题，就把对应的SQL挑出来看写法，并进行更改。所以在公司内部，开发是要求按照公司自身的SQL标准写一次，通过这些工具化、前端扫描、中间的转换以及最后的检测，当识别出来有问题后，再针对信息进行修改。因为行业的数据库是外在的，公司自身能做的是尽量去适配多的数据库，来降低行业的一些改造成本。 第二个难题是升级，公司提出三步走的方式，实现稳妥迁移，从而保证业务的连续性不受影响。在升级方面，因为Oracle最稳定，因而所有项目第一件事情是上Oracle版本。但公司在做这件事情的同时会帮助把信创数据库上线，同步验证信创数据库的容量和稳定性问题，在测试环境里不停用真实的数据跑它的功能。第二阶段就开始在网关这一侧去做流量切换，开始找定点客户、定点功能在信创数据库里面跑。但公司跟Oracle数据库一定是双向同步的，这其中公司用了两种同步工具，一种是Oracle往公司产品这边同步，一种是公司往Oracle同步。这样的好处是公司的数据库出问题后Oracle还能用。在这个过程中一点点切，直到最后全部切到了信创数据库之后，还把Oracle数据库继续放着，会把所有数据往Oracle数据库继续同步，这里每个阶段时间长短都是根据系统的不同来决策的，比如周边一点的系统，可能第一阶段用1个月，第二阶段用3个月，最后一阶段用2个月，一起6个月做完。核心交易系统因为要并轨运行，需要更长的时间。所以公司在上线的时候，提出三步走的方式，实现稳妥迁移。 技术平台适配、商用中间件功能补全，来实现业务无感知。原来直接用业务系统访问开源中间件SDK。商业中间件使用中，也是把开源中间件换成商业中间件的SDK。这件事情看起来简单，但是对一个工程化的项目来说没办法这样简单处理，因为如果公司所有业务系统都这样，每个客户代码得重新编一遍。所以公司在技术平台上做了封装，把所有的SDK都做了一层适配层。但比如东方通、宝兰德可能没有RabbitMQ的一些高可靠或者通用的协议以及通配符，因为商业中间件有自己的开发计划，跟开源相比，商业中间件没有开源中间件的一些特性，但是这些特性对业务开发来说非常有价值，比如用了之后可以少写很多代码，但没有的时候，解法是在技术平台这一层做很多业务上的加强和加固，例如商业中间件不支持通配符，那就在技术平台做通配符。中间件的开发规范标准都是一样的，中间件也有很多，因为一个项目里面，会有大大小小的中间件，如果是Java，则有上千种，小到一个日志的发布、一个JSON组件的封装，所以会非常复杂。公司的JRES平台在做这一层事情上花了很大代价，最终实现了业务对代码无感。 桌面终端是一直很少有厂商去碰的痛点。在金融行业，Delphi、C#、QT这三种是主流，但现在Delphi可用性差，C#面临着微软，QT之前开源，但1.5.2版本之后版本都不开源了，所以国内面临着选什么的问题。公司原来的桌面终端大量是基于C#写的，这也是Windows上性能最好的一种写法，即WPF的语法，后来公司利用的一个开源的框架Avalonia也兼容WPF语法。公司现在内部要求对桌面终端的操作体验、极致性能的要求没那么高，不要用桌面终端去写，用Web端去写，所以公司80%的页面现在是纯Web页面，这样就不存在信创的问题了。但对于金融行业，仅Web端是不够的，所以公司花了很大代价在做这件事。但未来还是用公司自己的桌面终端操作系统的开发框架，所以公司最近也在跟UOS的一个操作系统DTK接触，最终公司会切到这条主线上。总之，桌面终端上，公司内部首选Web端，原来的桌面端尽量不会修改。 在信创里的低时延设备跟传统终端相比，国内还是有很大差距。所以公司在中间件层、OS层以及硬件层，也做了很多自身能做的事。比如在中间件层，X86和ARM芯片遇到一个问题，即在ARM上，公司原来用的是自旋锁或者内存加锁技术，锁会导致CPU使用100%，其本质问题是芯片指令集的问题。在内核这层，公司专注于RDMA、网络调优，旨在屏蔽一些网络层的协议栈来加速消息的通信速度。在低时延的场景上，更多关注信创的硬件性能；在软件设计上，公司在尽可能地去优化。 在所有信创系统最终上线后业务连续性需要得到保障。因为一个系统的上线可能只有一年，但是它的运行可能是10年，为了保证运行过程中所有信创问题能够及时被发现，所以公司提出口号“1分钟发现、5分钟定位、10分钟恢复”。在具体实现上，公司把所有硬件指标和业务指标进行梳理，明确指标后才能及时发现问题。但如何将指标定位到一个场景里面去发现问题？所以公司又针对不同的场景梳理场景种类，包括全链路日志、异常日志、操作系统日志、各种中间件日志等，做到5分钟就能找到问题相关的日志。找到之后就能恢复，恢复的手段包括重启、再开个节点移过去、灰度升级，公司保证了指标全、日志全、处置手段全。随着极速交易分布式的到来，基本上没有可能让某个运维人员可以知道问题出在哪台机器上，可能它都不是在机器而是一个容器，所以只能通过全链路、通过运维工具来解决这个问题。运维也是一个要不断进步的领域，要基于工具不断去迭代它的工具、场景和指标，再去写代码，用Python或者开发语言完善处置手段。 合规声明：本文节选自已经入库的正式研究报告，如需PDF原文请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 金融IT相关报告 1. 恒生电子：新版图，新征程 2. 海外金融巨头启示：站在SS&C肩上，探索恒生电子下一征程（深度） 3. 恒生电子：数据中台详解+海内外对比（深度） 4. 长亮科技：银行IT这个行业中，也能够诞生恒生电子吗（深度） 5. 海内外对比：金融科技三十年（50页PPT） 6. 金融IT：七年一度，牛市狂飙（深度） 7. 银行IT竞争格局怎么变（深度） 8. 宇信科技：行业景气度拐点，银行IT公司的大反击（深度） 9. 金融科技海外启示录：从金融机构IT支出看行业成长空间（深度） 10.产业调研：证券IT和银行IT的商业模式和竞争格局为何迥异？ 11.产业调研：建信金科能搅动银行IT市场的风云吗 12. 银行IT研究最强方法论（60页PPT） 13. 长亮科技：纸上花似谢，树上花盛开 14. 恒生电子：国际化战略持续深入 15. 恒生电子：打造债券全球发行平台，大市场、新模式（深度） 16. 银行IT：景气周期确立，推荐双龙头（深度） 17. PayPal：海外领先数字支付公司（PPT） 18.Temenos：海外银行IT龙头率先开启全面云化（深度） 19.独家！恒生电子竞争格局详解（深度） 20.产业调研：华锐金融能否颠覆现有核心交易系统竞争格局？ 21.恒生电子：计算机仅存的一支没涨的白马（深度） 22.恒生电子到底能长多大：全球金融IT市场空间及格局分析（深度） 23.如何研究一家金融IT公司？ 24.为什么金融IT厂商都开始搞分布式（深度） 25.变革前夜的券商集中交易系统 26.天阳科技：银行IT黑马，高景气下高成长（深度） 27. 产业调研：这家券商IT部门的人胆子真大 28.用友金融：金融IT强者，受益于行业高景气度（深度） 29.恒生电子：公募REITs产品上市，买方IT系统需要做哪些改造？ 30.恒生电子的三重预期 31.如何理解恒生电子的核心竞争力？ 32.银行IT：进军东南亚，打开蓝海市场（深度） 33.为什么我们在质疑声中坚定看多银行IT？ 34. 产业调研：不同金融机构甲方怎么看IT供应商？ 35. 海外银行IT理念发展启示录（深度） 36. 产业调研：今年跟十几家公募基金IT聊过天 37. 对银行IT三季报的反思：这里的黎明静悄悄 38. 恒生电子：O45好在哪儿（深度） 39. 全面注册制推行给恒生电子带来多少业务增量？ 40. 2022年金融IT公司怎么炒？ 41. 产业调研：从香港证券IT市场管窥国内巨头出海前景 42. 产业调研：恒生、金证等证券IT厂商如何做信创？ 43. 银行IT板块的2021：主题炒作的诱惑已经结束 44. 恒生电子：证券IT龙头三十年（深度） 45. 产业调研：证券IT交易系统的革命 46. 产业调研：恒生电子纳秒级交易系统踏上性能之巅 47. 产业调研：头部券商如何替换核心交易系统？ 48. 产业调研：顶点软件信创业务布局详解 49. 产业调研：华锐技术：如何实现头部券商核心交易系统的信创 50. 关于恒生电子的一个小秘密 51. 恒生电子：基于大模型的新产品有何不同？ 52. 证券行业信创进入深水区，谁受益？谁受损？ 法律声明 本公众订阅号(计算机文艺复兴)为国泰君安证券研究所计算机研究团队依法设立并运营的微信公众订阅号。本团队负责人李沐华具备证券投资咨询（分析师）执业资格，资格证书编号为S0880519080009。本订阅号不是国泰君安证券研究报告发布平台。本订阅号所载内容均来自于国泰君安证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰君安证券研究所发布的完整报告。本订阅号推送的信息仅限完整报告发布当日有效，发布日后推送的信息受限于相关因素的更新而不再准确或者失效的，本订阅号不承担更新推送信息或另行通知义务，后续更新信息以国泰君安证券研究所正式发布的研究报告为准。本订阅号所载内容仅面向国泰君安证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰君安证券研究服务签约客户，为控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。如有不便，敬请谅解。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。国泰君安证券及本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容版权仅为国泰君安证券所有。任何机构和个人未经书面许可不得以任何形式翻版、复制、转载、刊登、发表、篡改或者引用，如因侵权行为给国泰君安证券研究所造成任何直接或间接的损失，国泰君安证券研究所保留追究一切法律责任的权利。
1.恒生大模型LightGPT重磅升级，光子生态全面赋能金融业务场景 1.1.金融大模型LightGPT能力全面提升 LightGPT大模型能力持续升级。2023年6月28号恒生发布LightGPT。通过在模型训练数据中充实更多金融知识，LightGPT的专业能力得到了重大提升，大模型的多轮对话能力、表格识别以及JSON格式识别取得了相应进展。如果粗略比较，目前恒生LightGPT的能力和去年11月发布的GPT 3.5应该大体持平。根据公司在金融技术大会上的介绍，在2023年底恒生将继续优化大模型的推理性能和逻辑能力，攻克复杂指令识别的难关，使得任务的拆解和编排方面能够支持更复杂的业务场景。 LightGPT在各个方面的性能指标都有明显提升。大模型效果整体提升15%，安全合规性提升13%，推理速度提升50%，推理和训练全面适配华为昇腾系列，且并面向金融机构实现LightGPT-7B的开源。 通过投研和投顾相关的训练数据改造大模型，增强了大模型专业性。针对投研和投顾的应用场景，只在应用或者模型的外部做文章改善是有限的，有一些东西必须通过训练灌输到大模型中。因此，针对投研和投顾场景，恒生利用金融专业术语、简称、监管要求等投研和投顾相关的训练数据改造大模型，提升大模型在抽取观点、识别图文和理解专业术语等方面的能力，不断提高模型专业度。 LightGPT适配了华为昇腾系列，缓解算力问题。为了解决算力问题，恒生与华为进行合作，将LightGPT适配到华为昇腾系列，并提供了两个版本的数据。其中，70B的版本是恒生生产用的大模型，而13B的版本则是方便各机构练手的小规模模型。 LightGPT用专门的金融数据训练，不断提升安全合规性。如果大模型不用专门的金融数据进行训练，就不能很好地应对安全合规方面的挑战，会出现幻觉、合规风险和缺乏依据等各种问题。因而，公司基于专业金融数据，有助于从根本上提升模型的合规性。 1.2.光子系列产品打通金融AI应用的最后一公里 光子生态与大模型强强互补。光子是介于应用场景和大模型中间层的一个完整生态，是金融应用对接大模型的“中控”部位。光子生态建设包含三个层次：第一层是适配大模型，中间层是提供公用能力，第三层是场景落地。光子生态可以与大模型实现优势互补，解决大模型数据的实效性和事实性问题。另外，大模型本身虽然有一道保险，但仍然存在安全合规的问题，而光子在应用过程中有双保险提供全面保障机制，可以实现全流程自动化安全管控和实时高效的安全处理。 光子三大连接构建智能金融。光子有三大连接，首先，连接模型，充分发挥大模型的能力。其次，连接金融行业专属资源。资源主要来自金融机构，具有不同于C端用户的特点。最后，连接应用场景，对接各种应用。在连接资源方面，恒生光子结合本地知识、金融数据以及专业知识站点为用户提供更精准和及时的答案。在连接模型方面，光子可以实现模型接入统一管控并屏蔽模型对接差异，使其不仅能够连接LightGPT本身，还可以连接国内其他可用的大模型。在连接应用方面，光子提供简单的配置，使应用与大模型的对接变得非常简单，让几分钟开发一个应用成为可能。 光子系列产品可以为金融机构的投顾、合规、客服、运营等业务注入AI能力，成为金融从业人员的智能助手。恒生大模型在应用场景的尝试包括重塑模式和嵌入模式。重构模式是基于大模型能力重构应用。在重构模式下，恒生结合数据、资源以及大模型的语言和知识能力打造四大“新物种”，分别是光子·文曲、光子·方圆、光子·善策和光子·慧营。“新物种”可以利用人工智能大模型的能力代替人类完成相关岗位的工作，其中，光子·文曲是面向投资顾问的一站式内容创作平台，光子·方圆专注于投资合规领域，光子·善策聚焦投顾咨询场景，光子·慧营则定位于资管与托管产品的运营助手。嵌入模式是指将大模型的能力作为Copilot嵌入到原有应用系统中，通过光子对接应用自身的API和数据要素进行相应的提取和扩展。恒生嵌入模式下的产品包括光子·问学和光子·数见。光子·问学是金融业务岗前培训的学习陪伴助手。光子·数见是在数据中台基础上叠加大模型的语言能力，提供业务数据智能查询与分析等服务。 恒生将持续构建以光子为核心的生态系统，完善智能产品矩阵。光子生态包括重塑模式和嵌入模式。重塑模式下，人工智能将替代人类完成工作，而嵌入模式将变革现有产品的操作交互方式。通过引入大模型，用户在使用嵌入模式的产品时将能够用语言指令控制既有应用，实现一步到位的操作。为了打造嵌入模式的产品，恒生计划在原有系统界面中添加一个对话框，用户可以通过对话框与光子对话。光子能够连接后台API，从而提供更加智能和高效的服务。此外，重塑模式和嵌入模式可以交织在一起，形成Agent智能体。智能体可以将复杂指令拆解为单个步骤，调用和组合不同的能力完成任务。大模型赋能后，传统应用可能将变成一个个服务，而真正的应用可能就是大模型的对话框。 2.WarrenQ焕新升级，助力投研数智化发展 2.1.WarrenQ产品升级，一站式投研工具平台持续完善 智能投研平台WarrenQ全新升级，推出WarrenQ小程序、ChatMiner、AI写作和语音速记别等全新功能。第一，WarrenQ Chat推出全新移动端应用程序，用户可以随时随地获取金融信息、行业概况、研究报告观点、公司F9数据和行业EDB数据等信息都可以在微信小程序中轻松获取。 第二，ChatMiner能力升级。WarrenQ针对上百页的大文档场景进行特殊优化，实现文档解析速度和数据读取速度的大规模提升。在ChatMiner的帮助下仅需十几秒就可以完成对500页招股说明书的文档解析。WarrenQ还根据研究员的关注焦点优化问题推荐。完成文档解析后，ChatMiner会自动推荐相关问题，如公司主营业务、行业排名以及市场竞争格局等，用户点击推荐问题即可快速定位到相关信息。 第三，WarrenQ推出AI写作新功能。AI写作结合了WarrenQ的三段式脑图和GPT能力，用户只需输入标题，系统就会生成一个大纲。用户可以查看大纲，确认内容是否符合预期。如果满意，用户可以根据每个子标题生成相应的段落，每个段落都支持溯源，用户可以清楚了解生成内容的来源。 第四，WarrenQ发布语音速记新功能。用户可以将录音上传至WarrenQ的语音速记实时进行语音转录。语音速记能够自动识别讲解人，实现录音片段与文字的一一对应。如果用户不理解某段文字，只需点击对应的录音片段，系统即可将其定位至录音中的相应时间点。WarrenQ还将ChatMiner与语音速记相连接，助力用户提升工作效率。如果录音时间过长，用户可以直接向ChatMiner提问而无需阅读文字内容，借助ChatMiner的快速解读能力，获取录音的关键信息。 金融行业大模型需求场景调研显示，私有库问答场景需求量最大。私有库问答属于RAG类应用，基于大模型和向量数据库将金融机构自有积累的知识库通过Chat形式实现友好问答。智能投顾/投研的Chat助手的需求量排名次之。恒生聚源首先通过投研方式让大模型能够处理大量金融数据，再引入话术生成和推荐策略，并结合内部和外部的知识库，最终形成一个All in One的Chat型小助手。大规模文档的深度挖掘和问答场景的需求量排名第三。处理大规模文档时，需要将大模型与其他相关AI技术结合，从而实现针对招股说明书、公告、研报等的深度问答、比对、挖掘以及辅助写作功能。 大模型技术使得All in One成为可能，一个大模型底座可以支持N个场景。在传统的NOP方法中，针对不同的业务场景通常需要训练和维护多个小模型，每个小模型都需要针对特定的任务开发。但是大模型的出现让All in One成为可能，基于一个大模型底座就能够支持N个场景。面向落地应用，大模型增强方式主要有两个方向。第一个方向是数据增强，即类RAG的方向。第二个方向是外挂工具。WarrenQ已经集成了众多投研领域的常用工具，比如常见的问答形式、脑图形式、笔记形式、语音速记和在线Excel和Word文档等。由于金融领域的数据是TB级别的数据，因此语控万数成为了大模型+N场景的一大难点问题，也是技术上必须攻克的难点和重点问题。只有找到准确的数据，才能打通落地场景的通道，实现真正的应用。 2.2.WarrenQ多场景落地，持续加强金融垂域“搜读算写” 恒生聚源参与了工银瑞信最新大模型创新项目FundGPT的建设。在其中部署了WarrenQ Chat和ChatMiner两款落地型产品，并使用向量数据库技术帮助客户对接内部知识库，成功构建了一个覆盖投研、财富、投教等大规模场景的All in One的智能问答小助手。 公司对券商投行业务场景进行了优化。投行业务涉及众多大规模文档，如招股说明书和相关底稿等，处理四五百页的大规模文件既耗时又繁杂。恒生聚源大模型技术可以优化这一场景，首先利用PDF解析技术创建智能目录，对招股说明书和底稿进行结构化处理，从而帮助用户快速找到所需信息，大大节省文档查找和整理时间。其次，使用大模型+向量库+数据库的方式，实现底稿与正文的精确匹配，直接溯源文件内容与数据，提高文件核查的效率和准确性。 针对固收场景同样进行了性能提升。固收场景同样涉及海量数据，包括信用数据、地方经济内外部评级和市场资讯等数据。恒生聚源首先将固收场景的各种数据与大模型建立一一映射，再围绕固收场景其他需要引用的内容，利用大模型强大处理能力赋能整个固收问答。 恒生聚源也通过使用大模型，针对投顾、投研人员的业务需求，为其业务过程各关键环节提供内容支持和工作引导，辅助金融从业人员提供更好的服务，达到提升效率和降低成本的效果。 目前恒生聚源已经与十几家金融客户进行大模型在实际应用场景的共创，未来将进一步赋能业务场景和业务团队。恒生聚源从2023年6月28日开始进行大模型产品的初尝试，到现在已经与十几家金融客户共同探索了如何将大模型技术应用于实际业务场景。在金融技术大会上，公司表示也将带来更加深度场景化的产品，真正将大模型技术融入金融从业者的日常工作流程中，形成数据闭环和数据飞轮。基于DataScience的思路，WarrenQ将根据数据分布给出更智能的推荐，使大模型真正变成贴心陪伴的小助手。 比肩微软Copilot，WarrenQ“搜读算写”深入金融垂域，更具特色。“搜”，WarrenQ Chat对标微软的New Bing，其与New Bing最大的区别在于WarrenQ Chat的底层可以访问聚源全库，并链接金融库。这些金融库的数据来自聚源数据库，确保了数据的准确度和权威性，从而避免大模型胡说八道。“读”，微软Copilot主要进行自动摘要，而WarrenQ基于ChatMiner产品，深入招股书、研报、公告等各个场景。WarrenQ可以对500多页的招股书进行快速解析，并自动推荐研究员关注的问题。“算”，微软Copilot结合Excel与GPT提供数据分析等服务，而WarrenQ在演算板上提供金融板的数据浏览器、金融板的变量计算，并且基于金融域常用场景搭建在线估值模型。“写”，WarrenQ新上线的三段式脑图是一个All in One的文档，支持Markdown、Word和PPT格式的随意切换，并且可以用GPT续写大纲和脑图，其特色是能够插入可自动更新的活数据，底层由聚源数据库提供支撑，保证用户更好地在金融场景内开展业务。 3.恒生UF3.0内存交易不止于快，助力自主创新落地 3.1.证券行业交易系统的性能提升迅速 对于证券行业核心交易系统而言，数据库的处理能力及性能至关重要，也是自主创新改造中十分关键的部位。目前恒生UF3.0已经开始搭载新的技术引擎、内存数据库技术来满足系统对性能的要求。 证券核心交易这块的技术近年来一直在发展。首先，整个行业全面自主创新进入了深水区，已经从原来的办公系统、管理系统进入到了核心业务处理系统，而且向着大容量、高可用、高可靠等一些要求发展。2022年证券协会发布了网络信息安全的三年提升计划，特地指引了核心业务系统下一步的发展要求，在这个要求背后是技术的全面发展和引领未来的变化。证券行业正在成为金融资本市场非常重要的技术发展的贡献者，同时也在将这项技术进一步地向更广大的零售投资者进行发展。 证券行业从刚开始有市场就进入到了电子化时代，随后内存技术逐步成熟，实现自主可控。场内交易、电脑作业、营业部单体化结构，这是早期年代的技术从业者的工作主体。进入到21世纪，交易的网络化，从区域集中到大集中，把现场的交易逐步引导到线上化的网上交易和手机APP，这背后原因是中间件技术和传统大型关系型数据库成为主流。到2012年，交易的专业化、高频量化成为市场不可忽视的一股力量，所以在内存技术和低延时的一些硬件上，不断地有各类的厂商和各类的新技术涌现，也有一批券商里面能够展现出来非常有影响力的系统，体现了极速通道、就近原则，但在那个时候，它们还只能覆盖到一些少量的客户和少量的高精尖投资者。进入到2020年至2023年，内存技术越来越成熟，已经可以通过内存数据库部分地替代传统的关系型数据库，将高性能的交易技术和服务普惠化，通过低时延的平台，将低时延的硬件以及各类关系型数据库及内存数据库进行很好的结合，实现自主可控、专业分工，将交易技术更加专业化。 3.2.UF3.0内存交易产品实现全栈信创适配与性能创新提升 恒生UF3.0内存交易产品将带给行业不止于快的全新交易体验。这款产品可以满足行业对于自主创新、大容量、高并发、高可用、低时延、易运维的新需求。除了业务系统自主创新之外，公司也一直与众多生态伙伴保持深入合作，积极参与金融自主创新建设，全力助推金融自主创新落地。 恒生电子从2020年开始在内存技术上将原来的少量用于专业投资者、机构投资者的交易技术往零售业务场景上去发展。在这个过程中公司成立了恒生的新一代核心交易系统的全景图，核心业务系统是在券商的核心业务的基础上，分为基础平台和业务平台，下图底层都是自主创新的各项基础设施，从桌面浏览器到数据库、网卡、CPU等等，全部实现了全栈信创适配，并且在部分客户已经实现落地。在最核心的交易环节，内存交易技术一直是行业内努力去尝试的，而恒生在这个过程中也在积极地考核实践，目前恒生在这项技术上已经完全就绪，并且能够实现在行业内批量上线。 UF3.0这款内存交易产品主要有六大特点。首先，它是一个完全自主创新、全栈信创的产品，能够适配市场上主流信创芯片、操作系统、服务器、网卡以及数据库，在它最核心的交易部分采用恒生自研的内存数据库技术，并且在数据持久化处理上可以适配OB、Gauss、Golden以及一些主流的数据库，同时它具备大容量、高并发、高可用、低时延以及易运维等特性。 在基础设施适配上，非常重要的一项工作是跨平台混合部署来满足客户自主创新逐步替代。从自主创新角度来讲，无论是在持久化数据库适配上，还是网络设备层、计算设备层、操作系统，公司全栈适配了市场上主流的信创的设备，并且在这个基础上还会不断地去适配更多的设备，让客户有更多选择。因为信创是一项非常艰巨的工作，在这个过程中又要保证核心业务系统的稳定性，所以在整个的实现路径中一定是逐步替代，从双轨到单轨逐渐实现的。 所以公司在技术平台总部的支持下，目前实现了这套技术能够搭载在不同信创的适配层上。公司的业务应用代码是同一套，通过平台层来屏蔽硬件以及系统差异。这意味着，如果在信创技术软硬件上有多种选择，未来应用层是不需要做调整的，同时也支持跨平台的通讯和信息交互，实现同一套系统的不同应用可以部署在信创、非信创、信创a、信创b等不同的环境里面，通过平台层来屏蔽硬件的差异，实现跨平台通讯，最终满足混合部署的能力。 UF3.0大容量体现在数据量大上——500 万账户。行业的一些头部客户在测试的时候分两档，一档叫300万客户，一档叫500万客户。500万客户意味着内存的交易技术可以进入到一个新水平，因为任何交易在量小的时候，它的交易并发、交易时延、交易可靠性都能保障。当它量大到一定程度，还要保持高可用、高可靠，这是一个非常苛刻的技术要求。而恒生电子目前在500万账户上可以完全适配现在交易需要。 UF3.0在并发上也实现了性能领先。证券行业交易在集合竞价的上下午都有一次非常并发的大量委托同时提交的场景，在这个过程中伴随着委托的提交还会有查询、登录，所以证券行业核心交易应用对并发有着高要求。目前在500万账户等级下，公司纯委托吞吐可以达到10万/tps，混合请求可以达到120万/tps，这个数据目前在市场上处于非常领先的地步。在这背后是技术团队在读写分离、在高并发设计中使用了自己的多线程并发的MVCC技术、三重防死锁机制以及运维单线程有限处理等等。公司整体的限流能力、通过API和前端存储降低发送速度，来保证整个交易过程中券商的信息技术团队、运维团队的可靠。 除了高性能，UF3.0还能保证高可用。因为证券零售交易不允许出现错误，RTO和RPO要严格遵循主备切换为0。这背后是采用多线程的处理，保证能够有最大化容错，同时通过交易配比、多个查询及数据结果强一致来实现主备的RTO和RPO为0。并且在这个过程中，数据保障机制也是通过内存数据库的实时快照、redo日志落地、物理数据库的超级备份三层保障机制来保证数据绝对不会丢失。公司经过实验室测试，在RTO为0、RPO为0的情况下，回切到原来的物理的关系型数据库的时间小于等于1分钟，超越了市场上已有的上线案例。这种能力对公司未来能够批量化地为整个行业交易升级提供了基础性保障。 低时延方面，UF3.0系统能够实现核心穿透在50微秒以内，全链路上行在1毫秒以内。这背后是恒生多年来在内存技术上的沉淀和进步带来的结果。恒生坚持软硬件结合，所以恒生一直在与华为、硬件提供厂商讨论硬件上怎么去满足低时延要求。软硬件结合可以结合多维度的数据进行优化，包括通信线程模式的深度优化、并行处理框架、统一操作系统的资源封装以及网卡内核旁路技术、RDMA技术、内存池的管理技术，这些技术保证了低时延，这个速度真正能够实现把专业投资者的场景普惠应用到所有的零售投资者。 在运维方面，整个UF3.0内存交易的产品设计和开发过程中，充分借鉴了原来做UF2.0和做UF3.0交易系统过程中所遵循的一体化和全链路日志规范要求。在这个过程中公司又参考了信通院发布的运维可观测的要求，在内存数据管理上做了一个非常有帮助的工具，能够支持单表、多表的查询、操作、更新等等。并且考虑到整个交易链路随着业务的发展会产生变化，所以还提供一个时延分析工具，这个时延分析工具最开始在机构快速交易系统上能够非常有效地去监测到每一笔交易在各个交易的链路上所耗时的大小，从而有效地提升交易效率。现在把这个技术也应用到UF3.0内存交易上面来实现软硬一体全链路时延监控、一站式性能监控，通过侵入式和非侵入式两种模式结合来统一分析。 另外，在系统的安装和部署方面，实现了一键升级、一键部署，并且支持版本回退，全程白屏化操作。同时，因为交易行情瞬息万变，在容量扩增上可以支持动态扩容，把部分客户迁移到新增站点上。在软件升级上也支持蓝绿发布和金丝雀发布。 4.恒生信创布局迅速，经验领先 4.1.信创产品发版节奏快，上线完成率高 对于证券行业核心交易系统而言，数据库的处理能力及性能至关重要，也是自主创新改造中十分关键的部位。目前恒生UF3.0已经开始搭载新 公司从2018年开始做信创。一开始公司就认为技术平台一定要考虑信创，当时恒生在做Light技术平台，所以一开始做的事情是做到与数据库无关、平台硬件无关，这是第一个考虑点。在2018年Light技术平台推出之后，2019年与信创第一批试点的浙商证券一起做了用户中心，当时整个信创技术栈实现了落地。在2020年、2021年、2022年正常地按照一批、二批、三批试点，全面在推进信创。 恒生所有的产品总共归类是33类，但不止33个产品。所有产品在技术栈无外乎都在这33类里面。在33类信创发版情况方面，到目前为止80%已经全发了，计划2023年年底100%发，所以全员都在为这件事情而努力。33个产品中已经有14个是真实在用了，是有客户上线的。目前整体做信创的项目有100多家，单轨上线的有60家，双轨的有11家，实施中的还有50多家。 4.2.沉淀业务经验，保证创新引领 公司100多个项目积累了很多信创的经验。经过公司系统性盘点，总结了6点信创中的主要问题。第一是数据库问题。在开始只有Oracle可选的背景下，只能按Oracle语法写。现在线上数据库有200多个，所以一开始在做系统的时候要思考怎么让一个业务系统能适配200多种数据库，至少要适配3-5种。 其次是信创的稳定性怎么保障。稳定性也是客户最关注的问题，如果上线后数据库或者硬件出问题，怎么能切回来以及怎么保证监管要求，是要考虑的问题，所以业务的连续性保障是要考虑的。第三，在过去大量使用了开源，而现在有很多信创商业中间件，它跟开源的迭代速度是有差距的，所以一旦选择了商业中间件之后，商用中间件功能补全也是现在亟需解决的问题。第四是桌面终端怎么换；第五个点是低时延设备，这是更难的难题，目前来看，换低时延的设备一定会落后于没有换低时延设备的，所以在业务系统上要做哪些改进能够降低一些时延，这也是要考虑的点；最后一个点是连续业务、连续性保障，目标是所有业务系统上线信创设备之后，原来的运维技能还能用。 公司提出“一次SQL编写，处处运行”，解决数据库难点。在该方面，公司拆成了三个阶段。第一个阶段是开发前做了一个扫描工具，所有Oracle语法跟信创数据库的语法不兼容的或者特殊函数都识别出来，公司花了两三年时间去积累所有数据库上的不同点。具体地，在引擎里面先去扫，发现有与Oracle不兼容的且必须得用的话，就在不同的数据库中换不同的写法；第二阶段是在开发阶段，提供统一SQL，在这一层会转换，因为知道规则之后，就可以转成想要的比如Oracle、高斯、OB的语法来运行。换上自己SQL引擎后，基本上代码就能跑通，经过公司内部测试，95%的都可以转，但性能会有一点下降；最后最难的是测试，测试人员要把所有数据库都布一遍、再跑一遍，所以在这一层又加了一些工具来帮助测试人员并行跑，如果有部分出问题，就把对应的SQL挑出来看写法，并进行更改。所以在公司内部，开发是要求按照公司自身的SQL标准写一次，通过这些工具化、前端扫描、中间的转换以及最后的检测，当识别出来有问题后，再针对信息进行修改。因为行业的数据库是外在的，公司自身能做的是尽量去适配多的数据库，来降低行业的一些改造成本。 第二个难题是升级，公司提出三步走的方式，实现稳妥迁移，从而保证业务的连续性不受影响。在升级方面，因为Oracle最稳定，因而所有项目第一件事情是上Oracle版本。但公司在做这件事情的同时会帮助把信创数据库上线，同步验证信创数据库的容量和稳定性问题，在测试环境里不停用真实的数据跑它的功能。第二阶段就开始在网关这一侧去做流量切换，开始找定点客户、定点功能在信创数据库里面跑。但公司跟Oracle数据库一定是双向同步的，这其中公司用了两种同步工具，一种是Oracle往公司产品这边同步，一种是公司往Oracle同步。这样的好处是公司的数据库出问题后Oracle还能用。在这个过程中一点点切，直到最后全部切到了信创数据库之后，还把Oracle数据库继续放着，会把所有数据往Oracle数据库继续同步，这里每个阶段时间长短都是根据系统的不同来决策的，比如周边一点的系统，可能第一阶段用1个月，第二阶段用3个月，最后一阶段用2个月，一起6个月做完。核心交易系统因为要并轨运行，需要更长的时间。所以公司在上线的时候，提出三步走的方式，实现稳妥迁移。 技术平台适配、商用中间件功能补全，来实现业务无感知。原来直接用业务系统访问开源中间件SDK。商业中间件使用中，也是把开源中间件换成商业中间件的SDK。这件事情看起来简单，但是对一个工程化的项目来说没办法这样简单处理，因为如果公司所有业务系统都这样，每个客户代码得重新编一遍。所以公司在技术平台上做了封装，把所有的SDK都做了一层适配层。但比如东方通、宝兰德可能没有RabbitMQ的一些高可靠或者通用的协议以及通配符，因为商业中间件有自己的开发计划，跟开源相比，商业中间件没有开源中间件的一些特性，但是这些特性对业务开发来说非常有价值，比如用了之后可以少写很多代码，但没有的时候，解法是在技术平台这一层做很多业务上的加强和加固，例如商业中间件不支持通配符，那就在技术平台做通配符。中间件的开发规范标准都是一样的，中间件也有很多，因为一个项目里面，会有大大小小的中间件，如果是Java，则有上千种，小到一个日志的发布、一个JSON组件的封装，所以会非常复杂。公司的JRES平台在做这一层事情上花了很大代价，最终实现了业务对代码无感。 桌面终端是一直很少有厂商去碰的痛点。在金融行业，Delphi、C#、QT这三种是主流，但现在Delphi可用性差，C#面临着微软，QT之前开源，但1.5.2版本之后版本都不开源了，所以国内面临着选什么的问题。公司原来的桌面终端大量是基于C#写的，这也是Windows上性能最好的一种写法，即WPF的语法，后来公司利用的一个开源的框架Avalonia也兼容WPF语法。公司现在内部要求对桌面终端的操作体验、极致性能的要求没那么高，不要用桌面终端去写，用Web端去写，所以公司80%的页面现在是纯Web页面，这样就不存在信创的问题了。但对于金融行业，仅Web端是不够的，所以公司花了很大代价在做这件事。但未来还是用公司自己的桌面终端操作系统的开发框架，所以公司最近也在跟UOS的一个操作系统DTK接触，最终公司会切到这条主线上。总之，桌面终端上，公司内部首选Web端，原来的桌面端尽量不会修改。 在信创里的低时延设备跟传统终端相比，国内还是有很大差距。所以公司在中间件层、OS层以及硬件层，也做了很多自身能做的事。比如在中间件层，X86和ARM芯片遇到一个问题，即在ARM上，公司原来用的是自旋锁或者内存加锁技术，锁会导致CPU使用100%，其本质问题是芯片指令集的问题。在内核这层，公司专注于RDMA、网络调优，旨在屏蔽一些网络层的协议栈来加速消息的通信速度。在低时延的场景上，更多关注信创的硬件性能；在软件设计上，公司在尽可能地去优化。 在所有信创系统最终上线后业务连续性需要得到保障。因为一个系统的上线可能只有一年，但是它的运行可能是10年，为了保证运行过程中所有信创问题能够及时被发现，所以公司提出口号“1分钟发现、5分钟定位、10分钟恢复”。在具体实现上，公司把所有硬件指标和业务指标进行梳理，明确指标后才能及时发现问题。但如何将指标定位到一个场景里面去发现问题？所以公司又针对不同的场景梳理场景种类，包括全链路日志、异常日志、操作系统日志、各种中间件日志等，做到5分钟就能找到问题相关的日志。找到之后就能恢复，恢复的手段包括重启、再开个节点移过去、灰度升级，公司保证了指标全、日志全、处置手段全。随着极速交易分布式的到来，基本上没有可能让某个运维人员可以知道问题出在哪台机器上，可能它都不是在机器而是一个容器，所以只能通过全链路、通过运维工具来解决这个问题。运维也是一个要不断进步的领域，要基于工具不断去迭代它的工具、场景和指标，再去写代码，用Python或者开发语言完善处置手段。 合规声明：本文节选自已经入库的正式研究报告，如需PDF原文请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 金融IT相关报告 1. 恒生电子：新版图，新征程 2. 海外金融巨头启示：站在SS&C肩上，探索恒生电子下一征程（深度） 3. 恒生电子：数据中台详解+海内外对比（深度） 4. 长亮科技：银行IT这个行业中，也能够诞生恒生电子吗（深度） 5. 海内外对比：金融科技三十年（50页PPT） 6. 金融IT：七年一度，牛市狂飙（深度） 7. 银行IT竞争格局怎么变（深度） 8. 宇信科技：行业景气度拐点，银行IT公司的大反击（深度） 9. 金融科技海外启示录：从金融机构IT支出看行业成长空间（深度） 10.产业调研：证券IT和银行IT的商业模式和竞争格局为何迥异？ 11.产业调研：建信金科能搅动银行IT市场的风云吗 12. 银行IT研究最强方法论（60页PPT） 13. 长亮科技：纸上花似谢，树上花盛开 14. 恒生电子：国际化战略持续深入 15. 恒生电子：打造债券全球发行平台，大市场、新模式（深度） 16. 银行IT：景气周期确立，推荐双龙头（深度） 17. PayPal：海外领先数字支付公司（PPT） 18.Temenos：海外银行IT龙头率先开启全面云化（深度） 19.独家！恒生电子竞争格局详解（深度） 20.产业调研：华锐金融能否颠覆现有核心交易系统竞争格局？ 21.恒生电子：计算机仅存的一支没涨的白马（深度） 22.恒生电子到底能长多大：全球金融IT市场空间及格局分析（深度） 23.如何研究一家金融IT公司？ 24.为什么金融IT厂商都开始搞分布式（深度） 25.变革前夜的券商集中交易系统 26.天阳科技：银行IT黑马，高景气下高成长（深度） 27. 产业调研：这家券商IT部门的人胆子真大 28.用友金融：金融IT强者，受益于行业高景气度（深度） 29.恒生电子：公募REITs产品上市，买方IT系统需要做哪些改造？ 30.恒生电子的三重预期 31.如何理解恒生电子的核心竞争力？ 32.银行IT：进军东南亚，打开蓝海市场（深度） 33.为什么我们在质疑声中坚定看多银行IT？ 34. 产业调研：不同金融机构甲方怎么看IT供应商？ 35. 海外银行IT理念发展启示录（深度） 36. 产业调研：今年跟十几家公募基金IT聊过天 37. 对银行IT三季报的反思：这里的黎明静悄悄 38. 恒生电子：O45好在哪儿（深度） 39. 全面注册制推行给恒生电子带来多少业务增量？ 40. 2022年金融IT公司怎么炒？ 41. 产业调研：从香港证券IT市场管窥国内巨头出海前景 42. 产业调研：恒生、金证等证券IT厂商如何做信创？ 43. 银行IT板块的2021：主题炒作的诱惑已经结束 44. 恒生电子：证券IT龙头三十年（深度） 45. 产业调研：证券IT交易系统的革命 46. 产业调研：恒生电子纳秒级交易系统踏上性能之巅 47. 产业调研：头部券商如何替换核心交易系统？ 48. 产业调研：顶点软件信创业务布局详解 49. 产业调研：华锐技术：如何实现头部券商核心交易系统的信创 50. 关于恒生电子的一个小秘密 51. 恒生电子：基于大模型的新产品有何不同？ 52. 证券行业信创进入深水区，谁受益？谁受损？ 法律声明 本公众订阅号(计算机文艺复兴)为国泰君安证券研究所计算机研究团队依法设立并运营的微信公众订阅号。本团队负责人李沐华具备证券投资咨询（分析师）执业资格，资格证书编号为S0880519080009。本订阅号不是国泰君安证券研究报告发布平台。本订阅号所载内容均来自于国泰君安证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰君安证券研究所发布的完整报告。本订阅号推送的信息仅限完整报告发布当日有效，发布日后推送的信息受限于相关因素的更新而不再准确或者失效的，本订阅号不承担更新推送信息或另行通知义务，后续更新信息以国泰君安证券研究所正式发布的研究报告为准。本订阅号所载内容仅面向国泰君安证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰君安证券研究服务签约客户，为控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。如有不便，敬请谅解。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。国泰君安证券及本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容版权仅为国泰君安证券所有。任何机构和个人未经书面许可不得以任何形式翻版、复制、转载、刊登、发表、篡改或者引用，如因侵权行为给国泰君安证券研究所造成任何直接或间接的损失，国泰君安证券研究所保留追究一切法律责任的权利。
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
