构建银行数智化底座：基于“云+大模型”的业务效能提升与基础架构演进

主讲人：曹骏

应对核心业务改造阻力与开发运维效能瓶颈

在银行业推进数智化转型的进程中，企业在软件研发、业务流程提效及底层基础架构替换上面临着多重战略困境与具体操作瓶颈：

• 软件开发与迭代效率受阻： 银行内部自研IDE插件困难，版本复杂且难以覆盖多样化需求；同时，模型微调训练结果易出现不收敛，新模型层出不穷导致训练成果难以迭代。此外，缺乏有效的度量体系来评估AI编码对组织的实际业务价值。
• 核心业务下移与改造压力： 面临软件供应链安全与持续性问题，银行业在推进核心系统自主可控时，遭遇改造难度大、替换压力高的阻碍；传统替代方案往往表现出性能低、系统兼容复杂及使用体验不佳等现实差距。
• 数据与场景之间存在鸿沟： 海量金融数据（包括音视频、超长文档等非结构化数据）未能有效转化为业务生产力，导致一线营销、信贷尽调等高人力成本场景无法实现规模化提效。

部署全栈AI原生产品与通算智算一体化底座

针对上述痛点，腾讯云通过“B端产品矩阵+云底座+大数据”的架构，提供针对性的技术与平台解决方案：

• 金融级企业知识库（ima企业版）： 基于腾讯混元大模型与DeepSeek技术实现双模驱动，支持Word、PPT、音视频等30+格式解析，运用RAG（检索增强生成）技术构建动态化、权限可控的智能知识库。
• 大模型信贷尽调助手： 整合NLP预处理、最适搜索召回算法与专属精调风控模型，提供一站式识别、提取与风险分析，大模型能力覆盖信贷员95%的工作内容。
• 基于多智能体架构的AI开发平台： 运用MCP协议调用工具，在需求规划、设计、开发、测试到部署的全流程提供智能体支持（如自然语言生成UI、基于技术约束自动编码、代码扫描与反思修复）。
• TCE一站式智算集群： 提供通算智算一体化能力，集成HCC高可用计算集群与星脉IHN高性能网络，支持同源同构的公有云/专有云管控及训推一体潮汐调度机制。
• 新一代湖仓一体大数据平台（TBDS）： 构建AI-Ready的统一数据底座，实现流批一体、统一元数据纳管，支持金融级分布式容灾。

量化AI场景落地：信审提速、代码增效与基建提质

系统及产品的应用效果已在具体业务中得到严格的量化指标验证：

• 核心业务效能跨越：
  • 大模型信贷尽调助手使人工审核采纳率达到 93%，整体工作效率提升 10倍；尽调报告生成时长从 10个工作日大幅压缩到1个工作日。
  • 企业知识库通过RAG技术精准匹配用户查询，回答准确率 超95%。
• 研发效能显著优化：
  • 多智能体开发工具已覆盖腾讯内部 78.14% 的研发人员（超5万人），其中 40% 的代码由AI助手生成，代码采纳率 >28%。
  • 研发指标实现量化跃升：人均编码时间 缩短40.0%，人均千行Bug率 降低31.5%，人均需求交付个数 提升18%，人均编码行数 提升41.3%。
• 底层算力资源利用率突破：
  • TCE智算集群使模型训练速度提升 150%-250%，推理速度提升 30%。
  • 支持 超100小时 的连续稳定训练，GPU整体使用率提升 60%+。

头部股份制与商业银行的大规模真实部署实践

• 某头部股份制银行AI开发实践： 该行引入腾讯代码助手解决方案，构建涵盖插件层、模型层及运营层的指标体系。目前系统覆盖用户数 超6000人，实际代码采纳率达到 28%，代码生成率达到 31%，成功打通了“产品-推广-反馈-迭代”的业务闭环。
• 某头部商业银行智算平台落地： 基于腾讯一站式智算平台，实现一云多芯多卡适配，高效支撑模型训推。目前已在AI知识库、智能客服、风险管理等百余个核心场景中实现稳定运行。
• 某股份制银行新一代湖仓一体平台建设： 部署AI-Ready的大数据平台，以湖为补充形成“湖为主仓为辅”架构。通过三AZ部署的分布式配置中心实现金融级秒级无感知容灾切换；并引入向量化查询加速引擎，支撑交易型与分析型多场景并发。

依托双模驱动与自主研发确保业务连续性与技术确定性

金融机构选择该架构的底层逻辑在于其技术确定性与市场验证的可靠性：

• 底层架构自主研发优势： 提供与公有云同源的私有云架构，全面适配国产软硬件。核心产品如TDSQL数据库、Tencent OS均首批/通过国家安可测评及央行安可测评，确保金融机构软件供应链的绝对安全。
• 权威数据与市场份额支撑： 截至目前，TDSQL已支撑 1000+家 金融机构，实现人行及大型国有银行核心系统全面覆盖。据IDC《中国金融行业分布式事务性数据库市场份额，2023》及《2024年下半年中国关系型数据库软件市场跟踪报告》数据显示，其金融市场占有率位居第一。
• 推理加速技术领先： TI平台采用业界领先的Angel推理加速技术，全面支持双引擎（SGLang、vLLM）及并行解码，特定领域后训练小参数模型精确率可达 93.78%，部分核心计算与通信融合能力已贡献至开源社区。
• 金融级数据合规与私有化保障： 以腾讯会议金融版为例，支持行内私有化部署，实现沟通内容在本地服务端实时录制，录制文件“云端不落地”，满足最高级别的数据安全与合规审计要求。