看涨行情或市场波动期都可能迅速使交易活动进入高速运转状态。交易增多、数据增加以及反复重新计算，使模型持续运行，不断摄取市场信号并实时更新头寸。支撑性基础设施承受着前所未有的持续压力。

随着人工智能 (AI) 在金融服务 (FS) 领域由试点验证转入实际运营部署，这些环境所承受的压力正日益凸显。交易、欺诈检测和风险管理都需要更多算力，而且往往同时如此。Digital Realty 2026 年《全球数据洞察调研》显示，企业正果断地从 AI 规划转向执行。令人意外的是，84% 的企业正在积极执行正式的 AI 战略，或正在评估能够协助执行该战略的合作伙伴；79% 的 AI 部署计划于 2026 年实施。

随着这些工作负载不断扩大，基础设施面临的挑战愈发不容忽视。高密度 AI 计算环境对供电和冷却基础设施提出了更高要求。如果组织未能满足这些要求，热约束和基础设施不稳定可能会影响处理性能、服务可用性，以及对延迟敏感的金融应用所要求的可预测响应时间。这种压力只会进一步加剧。Gartner预计，到2026年，生成式 AI 将在各银行中几乎普及，并警告称，到2027年，电力短缺可能会限制40%的 AI 数据中心。

一旦 AI 开始支持实时交易或日内风险模型，核心问题就不再是计算资源的可用性，而是基础设施能否在需要的地方可靠地为更高密度的工作负载供电和冷却。这正是许多组织目前面临的差距。Digital Realty 的 2026 年《全球数据见解调研》发现，40% 的受访者将缺乏专用基础设施列为采用正式 AI 战略的首要挑战，高于 2024 年的 9%。

根据 Digital Realty 2026 年《全球数据见解调研》，对现有基础设施进行渐进式升级无法满足金融服务领域高密度 AI 的需求。49% 的受访者认为，确保基础设施能够满足 AI 供电和能源需求，是成功实施 AI 战略的一项关键要求。

为何金融服务更早感受到压力

金融服务行业长期依赖高性能基础设施，而这一需求仍在不断增长。Forrester 预测，该行业将在 2026 年在技术方面支出近 5,000 亿美元，因为企业正加大投资，布局规模化实施 AI 所需的平台、基础设施和合作伙伴生态系统。

金融服务领域越来越依赖多种多样的 AI 工作负载，而每种工作负载都有各自不同的基础设施要求。高频交易和实时欺诈检测要求可预测的低延迟处理；而 AI 模型训练、大规模风险模拟和回溯测试则优先考虑计算能力、高带宽互连以及高效的供电和冷却。随着这些工作负载不断扩展，金融机构必须根据自身具体的运营要求，在性能、弹性和基础设施密度之间取得平衡。传统企业级环境并非为持续承载这些需求而设计。大多数设施建成时采用的机架密度较低。据 Uptime Intelligence 的数据，通常为 5–10 kW，而现代 AI 工作负载通常比这高出一个数量级。随着图形处理器 (GPU) 密集型、高性能计算环境不断扩展，机架密度随之提高，热量输出也随之增加，从而给供电和冷却系统带来更大压力。

具体到金融服务行业，出现差错的后果比大多数其他行业更为严峻。延迟会影响交易性能和盈利能力。基础设施不稳定会带来监管风险。数据驻留规则限制了工作负载的集中程度。这意味着该行业正在同时应对三重压力：密度更高的 AI 工作负载、更高的供电与冷却需求，以及这些工作负载运行位置灵活性的降低。

因此，不仅需要大规模的高密度能力，还需要在合适的地点具备这种能力。Digital Realty 2026 年《全球数据见解调研》发现，88% 的受访者正在采用分布式数据方法，而 92% 的受访者目前将其数据位置策略与其 AI 计划挂钩。该研究还发现，98% 的受访者预计在未来 12 个月内将拥有需要即时数据处理和响应的实时 AI 工作负载。许多银行自有的传统数据中心难以支持这种模式。他们可以在较小的环境中运行试点项目，但如果基础设施并非针对更高密度的工作负载而设计，那么在整个企业范围内进行扩展会更加复杂，且通常成本更高。

AI 就绪的基础设施需要什么

对现有基础设施进行渐进式升级，无法满足金融服务领域对高密度 AI 的需求。正如 McKinsey 所指出的，下一代数据中心正在围绕电力和冷却进行重新设计，将其作为核心组件，而非次要考量因素。

在 Digital Realty，我们的构建方式切实体现了这一现实。我们从一开始就对高密度主机托管环境进行设计，以支持持续的 AI 工作负载，具备每机架明确界定的电力容量、可扩展的配电架构，以及弹性供电与冷却框架，从而提供金融服务环境所需的可靠性。我们的高密度主机托管从单机柜 30 kW 起步并可扩展至 150 kW，提供多种液冷选项，包括空气辅助液冷 (AALC) 和直接液冷 (DLC)——专为热管理至关重要的环境量身打造。

随着密度不断提高，从一开始就必须将冷却纳入基础设施设计，因为在持续热负荷下，传统风冷系统越来越难以扩展。因此，混合冷却和液冷正成为适用于 AI 的环境的核心，这类环境能够满足严苛的性能需求，同时保持较高的能源效率和用水效率。例如，我们位于伦敦的Cloud House 设施采用了开创性的码头与河水闭环冷却系统，可支持高能耗工作负载，更高效地散热并减少对传统风冷方式的依赖，同时满足金融业务所要求的性能标准。

AI 基础设施的部署位置与设计方式同样重要。金融机构不仅要考虑对延迟敏感型应用而言，靠近交易所和金融中心的重要性，还要考虑企业数据的位置、云平台的访问能力、互联生态系统以及监管要求。AI 训练工作负载可能优先考虑电力可用性和计算能力的可扩展性，而实时推理和交易处理则可受益于将基础设施部署在更靠近数据源和关键应用的位置。分布式基础设施战略使组织能够将工作负载部署在合适的位置，从而平衡性能、互联、合规和成本。我们的金融服务解决方案正是围绕这一目标而设计，通过将基础设施部署在合适的位置，尤其是主要金融中心，降低延迟、提升性能并改善客户成果，满足时间敏感型交易的需求

随着金融机构在不同地区部署 AI，确保可重复性也很重要。通过 PlatformDIGITAL®，Digital Realty 提供了一种全球统一的数字基础设施部署和扩展方式。通过将标准化设计原则与因地制宜的电力、冷却和互联能力相结合，金融机构可以简化跨市场部署，同时适应当地基础设施的可用情况、监管要求和工作负载需求。这反过来有助于金融服务公司提高执行速度、更有效地管理风险，并增强其竞争地位。

基础设施正成为关乎竞争力的决策

AI 正在提高金融服务基础设施所面临的性能要求。曾经彼此孤立的高强度工作负载，如今已成为日常运营的标准组成部分，持续给基础设施的设计和扩展带来压力。

其影响不仅限于容量方面。当基础设施更加贴近业务时，性能与位置密切相关，特别是在延迟、法规和数据访问会影响企业部署工作负载的情况下。我们关于优化金融服务领域 AI 数据基础设施的 Blog 对此进行了更深入的探讨，我们近期发表的主机托管与金融服务创新文章也是如此——这两篇文章都为企业如何应对这一转变提供了切实可行的视角。

随着 AI 更深入地融入金融服务的核心运营，当前面临的挑战是评估现有环境能否支持下一阶段的需求。电力、冷却和位置邻近性如今直接影响 AI 扩展的速度和成效。及早解决这些问题的企业，将更有利于在避免高昂取舍代价的情况下扩大规模。您还可以参阅我们的数据中心冷却创新指南，深入了解冷却技术的发展方向。

让我们探讨您的 AI 基础设施需求

我们与全球各地的金融服务企业合作，助力其从 AI 试点迈向全企业范围部署，帮助您决定从何处着手、需要哪些基础设施，以及如何在不影响性能或合规性的情况下实现规模化部署。

如果您希望了解 Digital Realty 和 Options 如何为您的特定环境提供支持，我们的解决方案架构师随时为您提供帮助。无论您是在评估高密度主机托管、混合冷却方案，还是在金融中心部署分布式基础设施战略，我们都能帮助您构建面向未来的基础。

深入了解我们的金融服务解决方案 →

面向金融服务的 AI 电力与冷却