基于AIGC的金融信息系统运维应用研究报告

北京金融科技产业联盟 2025年8月 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。 编制委员会 编委会成员： 聂丽琴吴声王旭东 编写组成员： 陈鹏吴天雄茅逸斐王逸明赖宇浩闫丰蔡学识李培周杰陈健黄海杜金鑫王文志丁树晶王东葛金磊梁克会高敏潘铭忠谢恒达胡映强方浩刘志繁江杰陆碧波杨志涌时文涛杜昆鹏马姚张鹏南贺嘉杰杨景瑞 编审： 黄本涛周豫齐 参编单位 北京金融科技产业联盟秘书处中国工商银行股份有限公司新华三技术有限公司中国人民银行清算总中心中国邮政储蓄银行股份有限公司北京农村商业银行股份有限公司北京国家金融科技认证中心有限公司中国银联股份有限公司珠海华润银行股份有限公司东莞证券股份有限公司广发期货有限公司蚂蚁科技集团股份有限公司浪潮电子信息产业股份有限公司深信服科技股份有限公司北京同创永益科技发展有限公司北京信安世纪科技股份有限公司万国数据服务有限公司飞腾信息技术有限公司 前言 随着信息技术的飞速发展，传统运维模式面临诸多挑战，在处理大规模、复杂多变的金融业务时往往显得力不从心。金融业务的不断创新和拓展，也使信息系统运维工作面临着前所未有的挑战。人工智能生成内容（ArtificialIntelligenceGeneratedContent，AIGC）技术的快速发展及广泛应用为信息系统运维工作带来了革命性的变化，凭借其强大的数据处理和智能分析能力，能够实现对运维数据的实时监测和分析，及时发现并预警潜在故障，提高信息系统运维工作的前瞻性和主动性。近年来，国家及金融管理部门高度重视金融数字化智能化转型，出台了一系列政策，鼓励金融机构积极探索和实践新技术、新模式，为金融机构提供了良好的政策支持。 本报告深入分析了金融信息系统运维的应用现状和面临的挑战，提出了基于AIGC的信息系统运维平台架构，阐述了如何通过数据域、模型域、产品域和用户域搭建AIGC运维平台，并通过大语言模型（Large Language Model，LLM）加持智能化和自动化能力，以应对日益复杂的业务挑战。此外，针对安装部署、运行监控、操作控制和综合分析四大典型应用场景，进行了AIGC技术的落地探索，帮助金融机构更好地理解AIGC技术的潜力和价值，为构建敏捷、智慧、安全的信息系统运维体系提供了重要参考。 报告选取了四个典型案例进行剖析。第一个案例展示了AIGC 技术与现有分布式信息系统的全面融合，提升分布式信息系统的拓扑构建、状态感知、定位分析能力，打破传统运维模式的局限，有效提升运维人员的分布式信息系统异常管理能力。第二个案例展示了基于AIGC技术构建的网络运维大模型和运维领域应用开发范式，实现运维任务的智能化分配、执行、监控全生命周期管理，显著提高运维效率和质量。第三个案例展示了故障预测和预警方面的应用，通过实时监测和分析运维数据，及时发现并预警潜在故障，有效降低故障发生的风险，提升运维工作的前瞻性和主动性。第四个案例展示了将运维自动化系统接入大模型，借助大模型的学习推理能力，赋能运维自动化向运维智能化演进。 展望未来，随着AIGC技术的不断发展和完善，其在金融信息系统运维领域的应用将更加广泛和深入。金融机构应积极探索和实践AIGC技术在信息系统运维领域的应用，不断提升信息系统运维体系的自动化和智能化水平，为数字化转型提供有力支撑。同时，也需关注AIGC技术可能带来的潜在风险和挑战，加强技术研发和风险管理，确保信息系统运维工作的稳定性和安全性。 目录 一、研究背景...............................................................................................1 （一）传统金融信息系统运维面临众多挑战.................1（二）AIGC技术演进与政策驱动..........................2 二、金融信息系统运维建设......................................................................6 （一）传统架构的局限性分析.............................6（二）自动化到智能化的演进.............................7 三、AIGC在金融信息系统运维中的应用.................................................9 （一）AIGC运维平台框架................................9（二）AIGC运维应用场景...............................10 四、AIGC在金融信息系统运维中的实施探索.......................................24 （一）中国工商银行智能运维应用........................24（二）中国邮储银行运维智能化应用......................31（三）北京农商银行一体化智能运维管理平台应用..........33（四）新华三灵犀AIGC金融运维应用.....................39 五、未来趋势与展望.................................................................................43 （一）完善体系........................................43（二）应用领航........................................43（三）安全保障........................................44（四）优化资源........................................45 参考文献.....................................................................................................46 一、研究背景 （一）传统金融信息系统运维面临众多挑战 随着金融业信息化建设和数字化转型的发展，信息系统越来越庞大，新技术运用也越来越多，计算机软硬件系统的运行维护已成为金融业信息部门普遍关注和不堪重负的问题。据统计，信息系统运维服务占到科技部门工作量的80%左右。金融业受行业监管，对信息系统的安全性及运维操作的合规性要求较高。银行、证券、保险等机构因业务范围、服务群体、信息系统资源规模不同，在信息系统运维方面的资金投入和人力配置上有所不同，导致信息系统运维成熟度和服务质量存在差异，普遍面临如下挑战。 1.高稳定性与安全性要求。金融业对信息系统的高稳定性与可靠性要求，以及严格的数据安全和隐私保护需求，共同构成了运维的首要挑战。金融业承载着国家货币和经济政策的执行任务，其业务对信息系统的稳定性和可靠性要求极高，任何系统故障都可能导致重大的经济损失和社会影响。同时，金融业涉及大量敏感数据，随着互联网和移动支付的发展，数据安全和隐私保护也成为信息系统运维的重要考虑因素。 2.系统复杂性与技术创新。随着金融业务的发展和新技术的应用，信息系统变得越来越复杂，包括传统的集中式系统、分布式系统和云计算平台等。金融机构对新技术的探索和应用也较多，如人工智能、大数据、区块链、云计算等，这要求信息系统运维人员必须了解和掌握多种新技术，紧跟创新步伐。金融机构需要 培养更多的专业人才，并保障团队的稳定，以更好地保障业务系统的持续稳定运行。 3.成本与监管的双重压力。金融业受到严格的监管，需要通过运维确保信息系统符合相关法律法规要求。同时，金融业还要面对市场竞争和成本控制的压力，这要求信息系统运维在保证服务质量的同时，也要降低运维成本。因此，金融信息系统运维面临着成本和监管的双重压力。 综上所述，金融信息系统的运维工作处于一个复杂多变且要求极高的环境。面对的挑战不仅涉及技术层面，还涉及合规性、安全性、服务连续性等多个维度。金融机构需要不断优化运维策略，提升运维能力，以应对这些挑战，确保业务系统持续稳定运行，为金融业的稳健发展提供有力保障。 （二）AIGC技术演进与政策驱动 1.技术演进 AIGC即人工智能生成内容，是当代人工智能技术发展的前沿领域，其核心在于运用生成式对抗网络（GenerativeAdversarialNetwork，GAN）与大型预训练模型等尖端技术，通过深度学习与数据识别机制，实现内容的自主生成。这一技术标志着人工智能从计算智能与感知智能向更高层次的认知智能迈进，不仅增强了数据处理与分析的能力，还模拟了人类的创造性思维过程，能够跨领域生成多样化的内容形式，包括但不限于文本、图像、音频及视频等，展现出广泛的应用前景与深远的社会 影响。 随着人工智能的发展，一些大型企业和高校积极探索人工智能在IT运维领域的应用和落地。在AIGC未正式面世之前，大家采用基于数据和算法的技术路线，但国内企业在应用系统的规划建设方面存在整体性考虑不足、系统间数据割裂、数据标准不统一的问题。如果为了降低基于数据和算法的智能运维落地难度而对原有应用系统进行改造，又将面临改造投入大、风险高的问题，导致基于数据和算法的智能运维落地效果不佳，难以推广。 2022年底，ChatGPT3.5正式面市后，国内一些大型企业和高校又积极探索AIGC在信息系统运维领域的应用和落地。经过近两年的探索和验证，大家看到了信息系统智能化运维的新方向。由于AIGC在智能化运维的实现难度上远低于基于数据和算法的智能运维，这使得大家对AIGC在运维场景的应用和落地充满信心。例如，告警压缩、根因分析、故障排查、容量预测、脚本编写、知识共享、配置指导、分析决策、合规审计、智能调度等。 近年来，随着AIGC技术的日臻成熟，其在国内外市场中的应用价值日益凸显，尤其是在投融资领域，引起了广泛关注与高度热情。据中研普华产业研究院、艾瑞咨询、烯牛数据平台及非凡产研等多家权威机构统计，自2021年起，AIGC行业投融资活动呈现井喷式增长态势。至2023年，全年投资事件已突破204起，累计披露融资金额高达1656.48亿元，创下了历史新高，充分反映了资本市场对该领域的强烈信心与未来潜力的深刻认知。进入 2024年，尽管全球经济面临波动挑战，但AIGC行业依旧保持强劲的发展势头，第一季度内即完成50起投资事件，融资总额达到393.78亿元，进一步印证了其不可替代的市场地位与持续增长的内在动力，如图1所示。 目前，人工智能已成为全球竞争的焦点，被视为引领未来的战略性技术。中国政府高度重视人工智能的发展，并已出台一系列政策指引文件，以进一步完善推动新一代信息技术和人工智能等战略性产业发展的政策和治理体系。 2.政策驱动 我国在2017年发布了《新一代人工智能发展规划》，明确 了到2030年将我国人工智能推向世界领先水平的目标。2023年4月，中央政治局会议强调了通用人工智能发展的重要性，并提出营造创新生态和重视防范风险。同年7月，国家网信办等七部门联合发布了《生成式人工智能服务管理暂行办法》，为AIGC在中国的高质量发展提供了政策框架。国家发展改革委、国家网信办联合印发的《关于推进“上云用数赋智”行动培育新经济发展实施方案》及中央全面深化改革委员会审议通过的《关于促进人工智能和实体经济深度融合的指导意见》，为AIGC技术在金融业的广泛应用提供了政策保障与宏观指导。 2021年12月，中国人民银行发布的《金融科技发展规划（2022—2025年）》进一步明确了金融科技发展的战略方向，强调利用科技创新提升金融服务效率与风险防控能力的重要性，为AIGC在金融业的具体实