国泰海通证券高坤：基于AI Agent的金融云平台全场景运维决策研究

当下，金融行业正处在数字化转型的关键阶段。云计算、大数据、人工智能等前沿技术深度融合，重塑了金融服务模式，推动金融基础设施智能化升级。其中，AI技术发展迅猛，在金融风险控制、客户服务、业务创新等方面展现出强大能力，为金融行业带来新活力。金融云平台作为金融机构数字化转型的重要支撑，其运维决策机制面临新挑战。传统运维方式在应对云平台规模扩大和业务复杂化时，逐渐暴露出数据处理效率低、故障诊断不精准等问题，难以满足金融行业对高效稳定运维的需求。在此背景下，如何利用AI技术优化金融云平台运维决策机制，实现从被动运维到主动智能运维的转变，成为提升金融机构竞争力的关键。

近日，在2025金融业新一代数据中心发展论坛上，国泰海通证券系统运行部云技术负责人高坤围绕“基于AI Agent的金融云平台全场景运维决策机制研究”这一主题发表了深刻见解。其演讲不仅展示了国泰海通证券在金融云平台运维领域的最新实践，更为金融行业提供了宝贵经验与前瞻性思考。

一、金融行业数字化转型背景下的云平台挑战

1.1 数字化转型的加速推进

随着金融科技的迅猛发展，数字化转型已成为金融机构提升服务质量和运营效率的必由之路。国泰海通证券作为行业内的佼佼者，积极响应数字化转型号召，通过构建多中心异构的资源池，实现了大部分业务的云化部署。这一举措不仅提升了业务的灵活性和可扩展性，也为后续的智能化升级奠定了坚实基础。

1.2 云平台运维面临的挑战

然而，随着云平台规模的扩大和业务的复杂化，传统运维方式逐渐暴露出诸多问题。高坤指出，传统可观性平台在数据处理和故障诊断上存在效率低下、难以精准定位等问题，难以满足证券行业复杂多变的业务场景需求。此外，被动监测到主动决策的转型需求、算力运维与业务场景的深度融合等，也成为制约云平台高效运行的关键因素。

二、AI Agent技术在金融云平台运维中的创新应用

2.1 AI算力基础设施的构建与优化

面对云平台运维的挑战，国泰海通证券持续加大在AI算力基础设施上的投入。高坤介绍，公司通过构建全栈自主掌控的AI算力资源池，实现了芯片到应用的全栈优化。这一举措不仅提升了模型推理、训练和加速的效率，还满足了新业务场景的孵化和模型部署需求。同时，公司还积极寻求与可靠合作伙伴的合作，通过可信数据沙盒和分时租赁等方式，满足大规模应用对算力的需求。

2.2 大模型技术的深度探索与实践

国泰海通证券将AI大模型作为推动组织变革和流程创新的重要力量。高坤分享了公司在构建通用大模型和垂类行业大模型方面的成果。其中，“君弘灵犀大模型”的发布标志着公司在AI技术探索上迈出了坚实一步。该模型通过多模态数据融合和深度学习算法，实现了对金融业务的精准理解和智能决策。同时，公司还在智能投顾、智能投研、智能运维等多个业务场景中全面落地大模型技术，推动了业务的智能化升级。

2.3 AI Agent技术的引入与自主开发

针对传统运维的痛点，国泰海通证券通过引入AI Agent技术，实现了从被动监控到主动决策的转型。高坤详细介绍了公司自主研发的大模型开发平台。该平台基于Dify开源框架，通过丰富的流程化变换工具和高质量的RAG引擎，让使用者和开发者能够快速搭建深层次的原生AI应用。平台内建了对接公司AI能力中心的模型中台，提供了即用的开发环境，大大节省了重复造轮子的时间。

三、全场景运维决策机制的具体实践与成效

3.1 科技服务云平台的智能化升级

高坤提到，公司通过自研在行业内率先打造了融合“一云多芯”“多元算力”的全栈科技服务云，提供了资源敏捷自服务交付能力。未来三年，公司将进一步构建集团化、国际化的全栈云业务，满足多地域、多场景的集团业务协同需求。同时，通过深化基础设施底座的迭代，实现应用的多活和容灾的敏捷交付。在云内运营和管理方面，公司基于AI技术实现了多元数据的可观测分析定位、诊断自恢复等场景落地，进一步提升了运维效率。

3.2 特定领域知识库的构建与应用

国泰海通证券还构建了云内特定领域的知识库，通过自动化处理日常运维文档和操作手册，利用知识库助手快速生成外部应用。这一举措不仅提供了一问一答的知识助手能力，还大幅提升了运维知识的共享和复用效率。此外，公司还通过低代码的自主Agent构建，支持对接公司内部多套工具和个人自定义工具，构建了面向特定业务场景的自主智能体，并通过可视化运维、监控持续优化系统。

3.3 落地应用场景的广泛展示

高坤分享了多个落地应用场景的实例。其中，科技服务云的智能助手已上线一年多，通过整理日常运维文档和平台手册，结合大模型和工具调用能力，方便了用户对云服务的使用。在运营数据采集和云资源配置优化方面，公司集成了平台资源的容量接口，实现了对运营数据的自动采集和分析，为资源优化配置提供了数据支撑。此外，公司还引入了智能体构建自主推理和执行能力的智能巡检系统，实现了云资源智能巡检的分钟级完成，大幅提升了巡检效率。

四、技术瓶颈、优化方向与未来展望

4.1 技术瓶颈的深刻剖析

尽管AI Agent技术在金融云平台运维中取得了显著成效，但高坤也指出了当前存在的技术瓶颈。例如，智能体在复杂场景下的决策能力仍有待提升，需要人工干预的情况仍然存在。此外，跨云跨系统协同效率、合规规则的动态适配以及多模态数据融合等方面也存在诸多挑战。

4.2 优化方向的积极探索

针对上述技术瓶颈，国泰海通证券正积极寻求优化方案。例如，通过提升智能体的判断和自主决策闭环能力、构建智能动态的协同机制、建立政策变化的智能感知和规则自动映射机制以及研究多模态数据融合技术等措施，不断提升云平台运维的智能化水平。

4.3 未来展望的广阔前景

展望未来，随着技术的不断进步和应用场景的持续拓展，AI Agent技术将在金融行业中发挥更加重要的作用。高坤表示，国泰海通证券将继续深化在AI技术领域的探索与实践，推动金融云平台运维决策机制的持续优化与创新。同时，公司也期待与更多行业伙伴携手合作，共同推动金融行业的智能化升级与高质量发展。

在金科创新社官网活动栏目均可下载活动资料！