在当今大数据与人工智能时代，我们所面临的计算任务正变得空前庞大和复杂，金融领域中，也有许多业务场景充满了计算密集型任务，如量化交易的因子计算、FICC 领域的雪球期权定价、票息率确定和多维蒙卡计算等。这些场景非常适合通过 AI 加速芯片的并行计算能力加速计算，将大规模计算任务“化整为零”，并行处理，从而在处理高度并行的任务时，实现数量级级别的性能提升。
对此，DolphinDB Shark CPU-GPU 异构计算引擎 V3.0 成功完成与海光 DCU（深度计算处理器）的全面兼容性互认证。将 Shark 平台复杂的计算任务调度到 DCU 上运行，充分利用 DCU 加速计算，显著提升计算效率。
DolphinDB × 海光信息：软硬协同深度适配
Shark 作为一款 CPU-GPU 高性能异构计算引擎，专注于释放 GPU 的通用计算潜能。针对以往在 CPU 上执行时资源占用量大、耗时突出的计算任务，用户仅需在自定义函数前添加 @gpu 标签，即可实现向 GPU 计算的无缝迁移，显著提升运算效率。其核心优势在于能够自动解析自定义函数并将计算逻辑转化为可在 GPU 上执行的计算图，使开发者无需进行任何 CUDA 相关的二次开发，即可获得相较于 CPU 计算 10~100 倍以上的性能提升。
Shark 适用于子任务多、并行度高，输入输出数据量少、计算量大的各类 GPU 通用计算密集型需求，如科研中的蒙特卡洛仿真等场景。在金融领域，Shark 已广落地于基于遗传算法的因子挖掘、大规模因子计算、场外衍生品定价等核心业务场景。以雪球期权、篮筐式期权定价这类依赖一维或多维蒙特卡洛模拟的计算任务为例，Shark 相较于传统计算方案，可实现近百倍的性能飞跃。（加速Demo详情可咨询小助手 13306510479）
海光 DCU 凭借其卓越的性能与稳定性、良好的软硬件生态、完备的服务支撑能力，成为了 DolphinDB 的适配优选，为 Shark 异构计算平台提供了坚实的算力底座。
在 Shark 的蒙特卡洛模拟测试中，测试范围覆盖从100到1000000次的迭代次数，采用海光 DCU 进行计算加速后，均有不同程度的计算性能明显提升，尤其在迭代次数逐渐增多的场景，提升可达百倍以上。Shark 平台支持的计算函数能够在 DCU 上顺利编写，各类数据结构在测试场景中均保持稳定运行，计算结果误差和计算性能指标均处于预期范围内，充分彰显了出色的兼容性。
未来，DolphinDB 还将持续与海光深化合作，双方协同适配、深度优化，共同推动相关应用发展及落地实践，为金融行业信息系统建设提供更全面、更深入的解决方案。
