AI原生浪潮下的证券行业数智化变革

AI原生浪潮核心观点

AI原生的数智浪潮与组织变革

• AI原生系统需兼容GPU、TPU、NPU等专用芯片，实现弹性资源调度和数据-算力-算法协同，推动高密机房智能化改造。
• 组织阵型变革：科技部门转型为AIAgent的HR部门，平衡人类智慧与AI数字生产力，催生AI算法工程师、数据科学家等新岗位，开发者转型为“AI训练师”。

数据与AI的双向驱动

• Data与AI融合，支持多模态数据接入、知识库向量化、实时数据流处理。
• 一站式模型开发（MLOps）自动化流水线，从数据标注到部署。
• 实时数据流处理支持高吞吐、低延迟，满足推理和训练实时业务场景。

AI应用生态的云起浪涌

• 构建模型服务平台驱动AI应用创新，包括AI助手（元宝、豆包）、智能体生态（元器、coze）、智能知识库（ima、乐享）、AI浏览器（QQ浏览器Qbot）、智能终端、具身智能体等。
• 模型即服务（MaaS）、Prompt工程化降低开发门槛，模型竞争趋势为通用模型与小模型并存，多模态发展从文字到文生图、语音、数智人。

智算架构：大模型应用基石

• 基于混合云的智算架构，实现算、网、存极致性能协同，支持存算解耦、一云多算、私有环境建设。
• 企业生产基建：多业务共享、训推混合应用，提供一站式智算服务与灵活订阅模式。
• 创新试验与行情交易场景区分，弹性算力延展补充自建算力。

模型广场：应用与创新平台

• 大语言模型类型：通用基础模型、金融行业模型、精调专属模型、RAG原子模型、机器翻译模型、代码生成模型。
• 多种大模型满足不同场景需求，企业选择模型维度包括参数规模、数据模态、建模方式。

知识治理：企业应用关键步骤

• 复杂表格、概念知识解析与检索，推理与生成，确保知识库转化为规则，提升AI生成代码质量。

工程能力：构建智能体

• 解决Tokens消耗高导致的成本与时延问题，金融场景内容安全通过模型算法控制、天御内容安全、Prompt工程控制实现。

安全合规：创新应用底线

• 遵循国家网信办《生成式人工智能服务管理暂行办法》等监管要求，内容安全控制包括模型算法控制、天御内容安全、Prompt工程控制。

企业智能大脑：智能体构建与进化

• 拥抱AI生态，构建ToB + ToC的AI原生生态连接，原生AI产品快速迭代，如元宝、ima、元器、QQ浏览器等。

核心产品全面拥抱AI

• 700+产品依托腾讯大模型体系能力，快速上线AI原生功能，模型与产品协同演进。

行业场景实践探索

• 资本市场利用AI构建行业知识库平台，头部券商打造协同助手、应用AI代码助手提升研发效能、构建AI大模型智能投资助手、构筑AI原生架构。

局部案例

• 案例一：资本市场知识库平台，打破知识壁垒，驱动行业知识智能化。
• 案例二：头部券商协同助手，实现懂意图、能问答、会执行。
• 案例三：头部券商AI代码助手提升研发效能。
• 案例四：互联网券商AI大模型智能投资助手提升客户体验。
• 案例五：券商面向新一代智能APP构筑AI原生架构。