【导读】从百万元级到千万元级，头部加码、中小突围，公募基金加码算力“军备竞赛”

中国基金报记者 曹雯璟

近年来，随着人工智能技术加速向资管行业渗透，算力正从技术支撑逐渐成为基金公司数字化转型的重要基础设施。从AI大模型部署、智能体应用，到量化研究、风险控制和智能办公，应用场景不断拓展，推动基金公司加快算力布局。

今年以来，多家公募密集发布算力服务器采购公告，部分机构投入较去年翻倍，千万元级年度算力预算也浮出水面。从头部机构加码基础设施，到中小基金公司探索高性价比路径，公募行业一场围绕算力的布局正在提速。

业内人士表示，算力投入绝非跟风之举，而是一项基础性、长期性的战略布局。未来，如何平衡成本、安全与效率，如何将算力真正转化为投研和业务能力，正成为行业共同面临的新课题。

天眼查信息显示，华安基金新增多条AI算力服务器采购项目公告。11月3日，一则AI算力服务器采购项目中标结果公告显示，华安基金AI算力服务器采购项目，采购金额为393.60万元。10月23日，华安基金2026年AI信创算力服务器采购项目（第一批）中标结果公告显示，采购金额为216.2万元。10月19日，华安基金AI算力物理服务器采购项目变更公告显示，华安基金AI算力物理服务器采购项目原招标范围为：采购一台AI算力服务器。现变更为采购2台AI算力服务器，最高投标限价仍为398万元（含税）。

11月4日，南方基金官网公布一则项目采购结果公示，采购内容为阿里云服务器及配套产品。

近日，永赢基金国产算力服务器采购项目中标公告披露，公司于9月末完成一笔算力基础设施采购：以1486.9万元采购国产算力服务器。项目内容包括“采购国产算力服务器4台，对现有算力集群扩容，满足万亿级及以上参数规模大模型的部署与推理服务需求”。

记者查询全国招标采购信息平台发现，今年以来，还有鹏华、天弘、万家、工银瑞信、融通等多家基金公司相继发布算力服务器设备采购相关招标和中标公告。

记者调研发现，随着大模型参数规模持续扩大，以及AI应用对算力并发能力的要求不断提升，本地化算力池的建设需求日益迫切。今年，无论是头部基金公司还是中小型基金公司，算力投入都有不同程度的增加。不少公司表示，未来算力预算将保持持续、稳定增长。

据北京一家大型基金公司介绍，公司今年的算力投入较去年翻倍。一方面，算力资源需要扩容约100%，目前公司已具备100卡量级的本地算力；另一方面，算力的灵活高效使用同样重要，对峰谷调度、负载均衡的要求也在提高。随着本地化的投研、营销、风控、运营和办公应用不断增多，无论是AI模型调用还是知识库建设，都需要持续的算力投入。公司计划未来以每年新增约1500万元的水平，持续加码算力基础设施扩容，既要满足当前业务需求，也要为模型参数的进一步增大、新模型的并行验证与切换等场景预留充足的算力空间。

“近年来，公司在算力基础设施上保持持续、稳定的投入节奏，年度投入约为2500万元至3000万元，主要依据自身业务发展和应用需求稳步推进。目前，公司算力基础设施已具备一定规模，GPU数量约250—300卡，能够较好地支撑公司内部主要业务场景的算力需求。”深圳一家大型基金公司IT部门负责人表示。

汇添富基金也表示，与前两年相比，公司今年在算力基础设施方面的投入保持稳定增长。算力投入主要用于AI大模型和智能体应用，覆盖投研、市场、投顾和中后台等业务领域，并为量化研究提供支持。未来一年，公司将依据业务发展和AI应用落地的实际需要，保持算力投入稳定增长，并持续优化投入结构。

北京一家大型基金公司表示，公司算力资源绝大多数用于内部AI应用建设。随着行业AI应用日趋成熟，单纯依赖SaaS算力资源的场景有限，更多应用需要结合公司内部系统和数据开展，例如研究报告、客户资料、交易数据和持仓信息等，均需借助内部工具和模型处理。

汇添富基金表示，公司从战略层面统筹AI应用建设，并将2026年定为公司“拥抱AI应用年”，推动业务与技术协同落地。随着应用逐步深入，处理海量的投研和市场信息、多智能体协同处理业务任务等都对算力支撑提出了更高要求。

富国基金指出，目前，算力资源主要覆盖公司内部各业务场景，包括量化投资研究、合规审核、智能办公等方向。随着各业务条线的AI应用场景逐步落地，对本地算力提出了较为切实的需求，公司的算力投入主要是为了支撑这些场景的实际运行与业务发展，而非单纯跟随行业竞争。

“算力投入是一项基础性、长期性的战略投入，这在公司启动内部算力建设之初就已经非常明确。公募基金是一个业务高度相似的行业，只有持续夯实自身核心竞争力，才能在激烈的竞争中掌握一定主动权，公司对算力资源和AI布局的战略会一如既往地推进。”深圳一位大型基金公司IT部门相关负责人强调，从工具属性看，只有落地效果良好的AI应用，把AI工具用得好、用得精，才能最大化其价值，而算力、数据与智能体正是AI应用的三大根基。因此，公司必须在算力基础设施上构筑起自己的能力。

虽然算力建设没有标准答案，但从受访基金公司来看，混合模式渐成主流，安全与效率，正在共同塑形基金公司的技术底座。

比如在算力建设方面，汇添富基金采用自建与外部服务相结合的混合模式，以自建为主，并按应用需求和数据安全要求选择适合的部署方式。汇添富基金表示，涉及敏感数据的应用依托内部环境运行，非敏感场景下的研究探索则适度使用外部模型服务。这样安排主要考虑数据安全、应用适配和成本效率，也便于结合业务需求选择使用不同模型。

不少基金公司同样采取自建与租用云资源相结合的混合模式。富国基金认为，这主要综合考虑电力供给制约、机房机位条件等现实因素，在保障算力供给稳定性的同时，兼顾建设的灵活性与资源使用效率。中信保诚基金指出，采取这一模式，主要考虑弹性扩展、成本效率、数据安全合规、运维能力以及业务连续性。在此基础上，公司通过全自研AI中台对算力资源、模型能力和业务场景进行统一调度，提升不同业务条线对算力的使用效率。

德邦基金也表示，算力建设采取混合模式。核心投研算力方面选择自建，一方面是坚守合规要求和数据安全底线，投研数据、客户数据等作为公司的核心资产，需要确保数据本地化安全。另一方面，需要满足低延迟和稳定性需求，自建集群可保障高频计算任务7×24稳定运行。大模型推理方面则主要采用在线API调用，原因在于公司定位为“应用模型”而非“训练模型”，且通用大模型迭代迅速，API调用能确保随时切换至最优模型。

同时，公司通过自研的“海纳百川金融大模型聚合平台”实施统一的权限管控与内容审计，在满足合规要求的前提下，实现了“敏感计算自建、通用能力上云”的适合架构。

当AI浪潮席卷资管行业，一场算力“军备竞赛”正愈演愈烈。头部机构凭借资金优势，搭建起投研、风控、交易一体化的算力体系，持续拉大技术代差。中小基金公司则面临人才、资金与技术的多重挤压。算力，似乎正成为划分行业格局的新分水岭。

北京一家中型基金公司表示，相比头部机构的大规模算力投入，中小基金公司确实存在压力，比如人才、资金和技术可能都相对紧张。但在资源有限的情况下，找准高性价比的AI应用场景，借助行业算力资源推进AI建设，同样是可行的路径。长期来看，AI的尝试与建设或许是中小机构的一道“必答题”。

国泰基金认为，算力投入确实会放大行业的马太效应，但并非简单的强者恒强，而是重塑行业竞争格局。头部机构资金充裕，能够搭建大模型、量化投研、舆情风控、交易执行一体化算力体系，在数据处理、信号挖掘、组合回测、风险预警上形成持续优势，投研迭代效率更高，更容易巩固产品业绩与规模优势，资源进一步向头部集中。

但算力并非决定性壁垒。中小机构可以走差异化路线，聚焦细分赛道、主观深度研究、特色指数与工具产品，避开同质化军备竞赛。长期来看，算力竞争会推动行业从人力驱动转向人机协同的投研模式，单纯依靠传统模式、缺乏迭代能力的机构压力加大，而具备清晰差异化能力的主体依然能够找到生存空间。

中信保诚基金也认为，中小基金公司确实面临算力资源获取成本相对较高，自建大规模算力基础设施的投入产出压力更大等问题。不过，中小基金公司也可以通过更加聚焦业务场景、采用云化算力服务、加强自研能力建设、提升AI中台对多场景的复用能力等方式，提升算力使用效率，缩小与头部机构在基础设施层面的差距。未来，算力竞争的关键不仅在于规模，更在于能否把算力有效转化为投研、客户服务和运营效率上的实际价值。

沪上一家中小型基金公司认为，作为中小型公募要在算力竞赛中突围，未来核心聚焦三点：一是“精准定位”，深耕投入产出清晰的特定场景，以合理成本实现可量化的效果；二是提升“应用落地速度”，利用API与自建算力，将场景落地周期相对缩短，更好赋能业务发展；三是做“场景定义者”，将历史案例等与“业务Know-how”沉淀为核心壁垒。总体而言，算力建设的核心在于将有限算力精准配置于解决业务痛点和提升服务能力上。

随着智能助手逐步成为行业标配，智能体协同成为当前竞争的主战场。业内人士表示，未来基金行业的竞争将不再单纯比拼硬件规模，而是更多转向如何把算力转化为专业投资与客户服务的核心竞争力，即打造AI时代的“护城河”。

汇添富基金认为，未来的竞争力比拼具体包括三个方面：一是私有知识的沉淀，把长期产业调研、投资实践和跨周期复盘形成的独有认知，系统化积累为机构的知识体系。二是反共识判断与组合表达，在相同信息中识别市场预期差，并将研究观点转化为兼顾风险与收益的投资组合。三是受托信任与长期陪伴，以穿越周期的战略定力和受托责任担当，建立深厚的客户信任。

富国基金预计，未来两到三年，行业在硬件规模上的投入仍会继续提升，但竞争不会仅停留在硬件层面，数据质量的提升和应用场景的落地同样需要兼顾。行业竞争将逐步从单一的硬件规模比拼，转向硬件基础、数据质量与场景落地能力相结合的综合实力竞争，真正能把算力转化为业务价值的公司会更具优势。

国泰基金认为，后续行业竞争的核心，会落脚在高质量合规数据治理、模型调优与投研业务的深度融合上。能否把算力有效嵌入基本面研究、因子挖掘、组合风控、投资者服务等真实业务场景，比硬件体量更加关键。同时兼具金融投研认知与AI工程能力的复合型人才，会成为各家争夺的核心资源。

“在数字化转型和AI规模化建设过程中，资源较充足的机构确实具备一定优势，但AI应用建设也并非规模越大就一定越好。”北京一家大型基金公司相关负责人指出，这正如调用大模型时的选择：参数量较小的模型响应更快，参数量较大的模型思考更为充分，模型并非参数越大越好，而是要按场景区分对待。同样，算力竞争也不应简单地唯规模论。在竞争加剧的同时，用最合适的资源把差异化的应用场景做好，或许才是更重要的事情。