腾讯云金融AI实践:基于“云-数-模”架构重塑核心业务效率与风控基线
腾讯云金融AI实践:基于“云-数-模”架构重塑核心业务效率与风控基线 原创 gawain2048 发布 于 2026-05-29 15:20:12 发布于 2026-05-29 15:20:12 主讲人:胡利明 | 腾讯云副总裁 突破数智金融转型瓶颈与架构敏捷性挑战 随着数智金融场景的爆发式增长,金融机构在向下⼀代架构转型升级时,面临着显著的共同战略困境。传统分布式架构在敏捷性、资源效能及智能化方面逐渐显现出挑战,具体表现为:缺乏成熟的路线规划与配套改造方法论;在云原生化、智能化、单元化方面缺乏实践经验;自建或开源平台难以满足金融级高可用要求;同时面临新架构复合型人才短缺的痛点。 在具体业务场景中,企业面临着跨越数据与场景鸿沟的现实差距:例如在风控领域面临“小样本”训练区分度不足的难题;在投研与尽调场景下,海量多模态非结构化数据导致人工处理耗时长、风险发现滞后;在数据分析层面,传统数据平台难 以有效利用企业私域数据增强生成式AI(GenAI)的应用。 构建“云-数-模-应用”飞轮与全栈自主底座 为解决上述痛点,腾讯云提供“AI IN ALL”金融行业AI创新解决方案,通过构建“云-数-模-应用”飞轮,提供一站式技术产品与合作模式: 双引擎驱动的大模型与智能体开发: 基于腾讯混元大模型与DeepSeek技术实现双模驱动。提供智能体开发平台,全面支持MCP协议插件,具备Multi-Agent零代码转交、意图理解、任务拆解与主动纠错能力。 针对性后训练与推理加速: 针对专业领域,采用监督精调、模型蒸馏与强化学习 (Ray分布式计算框架)。底层部署Angel推理加速,支持算子优化、int4量化及DP+EP并行化,闲时在线推理算力可潮汐调度用于离线训练。 Data+AI 一体化平台: 面向数据工程与数据科学,构建多模态智能数据湖 ( TBDS)。提供Chat-BI、Hybrid Analyt ics及Data Agent,实现一份数据同时服务于数据分析和AI应用,自研多级并行查询框架使查询性能相比开源方案提升10倍。 全维 安全合规 管控: 部署数据分级分类引擎与内容安全大模型,实现针对提示词攻击、数据泄露及不当内容的全面风险拦截。 驱动核心业务指标量化跃升 通过全栈AI产品在100+金融场景的落地,系统应用现状实现了高度可量化的业务价值。以下为最核心的3项投资回报(ROI)业务指标: 信贷尽调工作效率提升10倍: 报告生成时长从10个工作日压缩到1个工作日,大模型一站式识别、提取与分析能力覆盖95%的工作内容。 人工审核采纳率达93.78%: 专属精调的KV提取模型与风险分析模型大幅降低幻觉效应,在微信支付业务风险审核及信贷尽调助手中,人工采纳及精确率稳定在93%以上。 风险发现效率提升近30倍: 结合定制化金融舆情大模型,风险处置率提升至50%,自定义风险报告生成时间由4小时大
原创
gawain2048
发布
于
2026-05-29 15:20:12
发布于 2026-05-29 15:20:12
主讲人:胡利明 | 腾讯云副总裁
突破数智金融转型瓶颈与架构敏捷性挑战
随着数智金融场景的爆发式增长,金融机构在向下⼀代架构转型升级时,面临着显著的共同战略困境。传统分布式架构在敏捷性、资源效能及智能化方面逐渐显现出挑战,具体表现为:缺乏成熟的路线规划与配套改造方法论;在云原生化、智能化、单元化方面缺乏实践经验;自建或开源平台难以满足金融级高可用要求;同时面临新架构复合型人才短缺的痛点。
在具体业务场景中,企业面临着跨越数据与场景鸿沟的现实差距:例如在风控领域面临“小样本”训练区分度不足的难题;在投研与尽调场景下,海量多模态非结构化数据导致人工处理耗时长、风险发现滞后;在数据分析层面,传统数据平台难以有效利用企业私域数据增强生成式AI(GenAI)的应用。
构建“云-数-模-应用”飞轮与全栈自主底座
为解决上述痛点,腾讯云提供“AI IN ALL”金融行业AI创新解决方案,通过构建“云-数-模-应用”飞轮,提供一站式技术产品与合作模式:
双引擎驱动的大模型与智能体开发: 基于腾讯混元大模型与DeepSeek技术实现双模驱动。提供智能体开发平台,全面支持MCP协议插件,具备Multi-Agent零代码转交、意图理解、任务拆解与主动纠错能力。
针对性后训练与推理加速: 针对专业领域,采用监督精调、模型蒸馏与强化学习 (Ray分布式计算框架)。底层部署Angel推理加速,支持算子优化、int4量化及DP+EP并行化,闲时在线推理算力可潮汐调度用于离线训练。
Data+AI 一体化平台: 面向数据工程与数据科学,构建多模态智能数据湖 ( TBDS)。提供Chat-BI、Hybrid Analytics及Data Agent,实现一份数据同时服务于数据分析和AI应用,自研多级并行查询框架使查询性能相比开源方案提升10倍。
全维 安全合规 管控: 部署数据分级分类引擎与内容安全大模型,实现针对提示词攻击、数据泄露及不当内容的全面风险拦截。
驱动核心业务指标量化跃升
通过全栈AI产品在100+金融场景的落地,系统应用现状实现了高度可量化的业务价值。以下为最核心的3项投资回报(ROI)业务指标:
信贷尽调工作效率提升10倍: 报告生成时长从10个工作日压缩到1个工作日,大模型一站式识别、提取与分析能力覆盖95%的工作内容。
人工审核采纳率达93.78%: 专属精调的KV提取模型与风险分析模型大幅降低幻觉效应,在微信支付业务风险审核及信贷尽调助手中,人工采纳及精确率稳定在93%以上。
风险发现效率提升近30倍: 结合定制化金融舆情大模型,风险处置率提升至50%,自定义风险报告生成时间由4小时大幅缩短至15分钟 。
其他关键运维与底层指标:
依托TCE一站式智算集群,模型训练速度提升150%-250%,支持超100小时连续训练,推理速度提升30%,GPU使用率提升60%+。在ima智能工作台中,自研向量存储裁剪能力使存储成本下降70%。
落地金融全场景与核心系统重构实践
腾讯云的解决方案已在多家头部金融机构转化为实际生产力,核心案例包括:
某互金公司与商业银行(天御金融风控大模型): 依托全异构特征与全量专家模型解决“小样本”难题,模型区分度提升20%。某互金公司在贷前和贷中场景提升线上通过率,换回2万+高价值客户,新增年化收益750万+;某商业银行在新渠道贷前反欺诈中,性能提升16%以上。
深交所(金融舆情大模型应用): 深交所联创应用双模驱动的舆情智能体,AI辅助投顾采纳率达到 90%+,有效解放专家投顾服务半径,实现单人服务客户破千人。
中国农业银行等国有大行(核心系统分布式改造): 依托TDSQL全面支撑金融核心建设,已承载全量核心业务,支撑亿级客户规模。例如,助力中国农业银行于2023年4月完成信用卡核心全面下移,并在2024年11月实现主机应用全部关停,分布式核心起航扬帆。
夯实全栈自研技术壁垒与行业权威认证
腾讯云凭借底层计算能力与国产化生态体系的全面推进,确立了其作为金融核心应用首选伙伴的技术确定性:
全面自主创新的国产软件主力军: 提供与 公有云 同源的多模态私有 云架构(TCE金融云)。其核心产品经过国家级严格验证:TD SQL数据库首批上榜国家安可测评目录;Tencent OS通过国家安可测评及央行安可测评。
经权威机构验证的市场统治力: 根据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,TDSQL已支撑1000+家金融机构,金融市占率第一,全行业增速第一,实现对国民金融基础设施(如国库、外汇管理局、清算总中心)及国有大型银行核心系统的高覆盖。
腾讯云
#金融AI
#云-数-模架构
#智能风控
#数智化转型
gawain2048
福铁科技
专注支付行业 16 年
分享此资讯给好友,自动附带您的名片信息