AI原生浪潮下的证券行业数智化变革

贾飞 拥抱AI原生浪潮01 资本市场下“AI原生” AI原生的数智浪潮正在走来 从传统基础设施走向云智算 面向AI发展的组织阵型变革 •异构算力支持：AI原生系统需兼容GPU、TPU、NPU等专用芯片，优化算力分配；•弹性资源调度：动态分配算力资源，支持大规模模型训练和实时推理；•数据-算力-算法协同：基础设施需打通数据存储、计算资源与算法框架。•高密机房改造：“空间利用率+能源效率+运维智能化”三重维度的智能化跃迁 •组织演进：公司的科技部门将成为AlAgent的HR部门—黄仁勋； •组织协同：平衡人类智慧与ai数字生产力，实现高效协作；•新岗位需求：AI算法工程师、数据科学家、AI产品经理、智能体工程师、Prompt工程师。•开发模式：传统开发者转型为“AI训练师”，未来算法、工程、产品融合的复合型团队。 迎接数据与AI的双向驱动 •Data与AI融合：数据预处理，多模态数据接入，知识库向量化；数据缓存加速，分布式训练能力；•一站式模型开发（MLOps）：从数据标注、训练、评估到部署的自动化流水线；•实时数据流处理：支持高吞吐、低延迟的数据采集与处理，支撑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 •AI助手：元宝、豆包、deepseek•智能体生态：元器、coze、TCADP、MCP•智能知识库：ima（个人）、乐享（企业）•AI浏览器：QQ浏览器Qbot、Manus、夸克•智能终端：智能眼镜、智能耳机•具身智能体：人形机器人、机器狗等…•多智能体协作系统：智能驾驶、智能物流 •模型即服务（MaaS）：将预训练模型、微调接口作为基础服务；•Prompt工程化：通过自然语言指令直接调用AI能力，降低开发门槛；•模型的多极竞争趋势：通用模型你追我赶，小模型百花齐放；•多模态：从文字模态到文生图、文生视频、语音、数智人等多模态。•智能助手：个人级智能助手、企业级智能助手。 智算架构：大模型从创新探索到企业级应用的基石（1/2） 智算架构：基于混合云的智算架构布局（2/2） •基于通用硬件打造全栈智算，算、网、存极致性能协同•存算解耦的分布式架构，根据需求发展灵活扩展•一云多算（异构算力），算力的利旧投资保护、布局国产化•在私有环境内建设，便捷打通企业内的数据与应用服务 •企业生产基建：面向大模型规模化应用的智算核心基础设施•多业务共享：面向多部门、多场景的共享集约智算基础设施•训推混合应用：具备训练、推理的大模型场景 •开发测试：不涉及敏感内部数据与用户请求的创新测试场景•公开数据：基于公开数据/信息的大模型应用场景 •一站式智算服务、灵活的订阅投入模式，可弹性扩展•以单卡为单位，起步投入更低•靠近交易，适合对时延敏感的业务•可信、安全的行业基础设施 •创新试验：功能完善、投入低、快速起步，易于对不同类型与尺寸的模型进行测试与创新应用•行情交易：如机构交易服务等低时延业务的大模型应•弹性算力延展：自建算力之外，对弹性需求的有效补充 模型广场：大模型应用与创新落地的重要平台支撑 大语言模型 •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 为什么需要多种大模型 •场景：不确定->确定•模型广度：文本->多模态•模型深度：慢思考，深度思考•模型成本：开源，平权 企业如何选择模型？ •维度一：参数规模•维度二：数据模态•维度三：建模方式 知识治理：大模型企业应用落地的基础和关键步骤 复杂表格 概念知识 解析+切分+检索 推理+生成 工程能力：如何构建从“能用”到“好用”的智能体 Tokens消耗高造成成本压力大以及时延增大？ 金融场景内容安全如何做到严格管控？ 安全合规：大模型创新应用的底线命题 监管要求 •2023年8月国家网信办发布《生成式人工智能服务管理暂行办法》•2023年10月网络安全标准化技术委员会发布《生成式人工智能服务安全基本要求》•2023年10月网络安全标准化技术委员会发布《大模型系统安全保护要求》•2024年2月网络安全标准化技术委员会发《网络安全技术生成式人工智能服务安全基本要求（TC260-003）》 内容安全控制：模型算法控制+集成天御内容安全+通过prompt工程控制 企业智能大脑：智能体的构建与持续进化 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：从“可用”到“好用” 元宝 •双模驱动，用户显著增长•快速迭代，新增图片、多文件解析、代码生成等•打通微信、微信读书、QQ音乐、腾讯地图、京东…… ima •打通微信生态的个人知识库应用•腾讯独家rag能力，支持多场景问答和多文件格式•开放知识库广场与知识号构建生态 元器 •开放式智能体中枢平台•与微信生态无缝连接：公众号、小程序、客服、微信支付•特色应用：微信公众号智能体、微信支付MCP…… QQ浏览器 •QQ浏览器全新升级为“AI浏览器”•双模驱动的搜索、浏览、办公、学习、写作等五大能力•Qbot智能助手，Agent中心推出财经助理等智能助手 核心产品全面拥抱AI：模型与产品的协同演进 700+产品依托腾讯大模型体系能力，快速上线AI原生功能 行业场景实践探索02 案例一：资本市场利用AI技术构建行业知识库平台 平台定位 ➢共建共享的行业级知识平台➢作为行业新型基础设施，打破知识壁垒，连接监管、行业节点、市场机构➢知识治理与应用的行业示范，驱动行业知识迈向智能化 案例二：某头部券商利用AI技术从协同数字化走向智能化 打造面向员工“懂意图、能问答、会执行”的协同助手： 通过实现与企业微信原生智能机器人的无缝集成，收敛员工散乱的问答入口，打通企业微信、腾讯会议、企业版ima、内部应用等多方API，让AI不仅能问答更会执行 案例三：某头部券商全面应用AI代码助手提升研发效能，面向业务创新释放生产力 读代码、建知识 定规则、立规范 精修改查 打磨关键细节例：span及error处理时应做安全检查,避免空指针 把知识库转化为规则，提升AI生成代码质量让AI生成代码时沿用已有的逻辑与风格例：公共函数必须增加“GoDoc”注释 利用AI “读”已有的源代码让AI正确理解已有代码 案例四：某互联网券商构建AI大模型智能投资助手提升客户体验 技术实现：该证券公司与腾讯云深度合作，基于腾讯云技术栈构建包括“投资助手”在内的多个对内、对外大模型应用，模式包括“基于TCADP智能体开发平台快速低代码应用构建”、“各类原子能力调用”、“算力购买”等。 目标定位：降低投资门槛，增加用户粘性，提升活跃度和留存 功能定位：投资辅助工具，不提供买卖建议，在信息整合、交互体验和辅助决策方面带来了升级 数据查询：上市公司财报、股价、财务指标等客观数据查询 行业动态：跟踪科技、消费、新能源等关键领域的投资逻辑变化 公司研究：解析企业商业模式、竞争优势、财务健康度等基本面信息 市场分析：解读市场热点、行业趋势、政策影响等 案例五：某券商面向新一代智能APP构筑全面的AI原生架构 布局与展望03 THANKS