中泰证券选送 | 002号入围案例：仓颉AI大模型平台建设及应用

2025数字金融服务创新与场景应用案例征集业已启动。为丰富案例评审形式，全面展现数字金融行业风貌，自8月25日起将依投稿时序对投稿作品进行线上展示。相关作品的浏览量、点赞量、转发量及推荐量等数据指标，将作为后续评审的重要参考依据。

每一次观看，都是对行业价值的认同；

每一个点赞，都是对同仁努力的肯定；

每一项转发，都是对行业声音的传递；

案例：

近期证监会发布《关于资本市场做好金融“五篇大文章”的实施意见》，明确提出“加快推进数字化、智能化赋能资本市场”。证券行业作为金融体系的核心组成部分，正积极做好数字金融大文章，加快数字化转型以提升服务质量、优化风险管理和提高运营管理决策效率。

在此背景下，多家券商陆续完成DeepSeek相关版本的接入或本地化部署。从部署情况来看，AI大模型可对证券机构多项业务进行赋能，覆盖业务办理指引、知识查询、投研分析、风险管控等多个场景，提升信息处理效率与决策精准度。

传统金融AI模型主要局限于风控、知识库等少数垂直场景，难以满足证券日益多样化的业务需求。中泰证券凭借仓颉大模型MASS平台其强大的多任务处理能力和深度推理性能，覆盖智能客服、投研、合规、营销等全业务流程，能够为证券领域提供一站式的智能化解决方案，高效促进证券业务的全面数字化升级。

1.技术创新点

中泰证券深入开展大模型赋能场景研究，聚焦效率和体验提升等多维度，探索中泰仓颉大模型平台建设路径。以仓颉大模型平台为底座，构建中泰大模型应用赋能系统生态。

一是在大模型建设上，重推理轻训练。模型训练需要大量的算力和大量的语料知识，主要使用大模型推理，结合提示词、RAG、Prompt等快速构建企业应用。

二是在大模型选择上，优选开源模型。当前大模型发展日新月异，大模型不断推陈出新，根据性能评测优先选择相关的开源模型，能够即刻投入应用中，对业务赋能并产生效益。

三是在算力建设上，统一管理，小步快跑。对模型和算力统筹管理，提高模型和算力的共享和复用率，避免各应用出现烟筒式的算力孤岛。四是在业务场景上，聚焦赋能业务的应用场景，通过引进落地的成熟场景，形成模型和场景解耦从而快速投入使用。

2.技术方案

2.1仓颉大模型平台的“1+N”应用体系

仓颉大模型平台建设按照“1”个大模型平台底座 + “N”个通用产品和业务应用的顶层设计（见图1），在强化底座支撑、中台赋能及业务适配的同时，保障整体架构的高效协同与各业务场景的灵活建设。

图1：仓颉大模型平台的“1+N”应用体系

“1”个底座是指在模型和算力建设方面，算力和模型进行统一管理、统一建设、统一支撑，形成一个高效协同的共享平台，服务公司各业务条线大模型应用场景。优选开源大模型，轻训练重推理，重点投入在大模型使用上，满足业务条线对大模型服务的迫切需求。“N”个场景包括在通用功能场景建设等多方面，打造涵盖知识库、文档审核、内容提取、代码辅助等多样化的中台产品，中台产品通过界面独立为用户提供智能服务和统一的接口调用服务，与上层智能应用实现高效协同。在业务场景建设方面，对标行业领先实践全面开展应用场景研究，成熟一个上线一个，分别打造财富、机构、投行、运营等“N”个智能应用和场景，将大模型深度嵌入业务环节，逐步赋能业务创新发展。

2.2仓颉AI大模型整体架构

仓颉大模型平台底座包括底座层、管理层、能力层、接入层和应用层（见图2）。平台遵循OpenAI标准，支持多模型管理及灵活的资源分配，为财富、机构、投行、运营、办公管理、合规风控、金融科技等场景提供模型能力。

图2：仓颉大模型平台底座

底座层包括模型、算力和数据，模型分为本地模型和公有云模型，算力包括了本地算力和公有云算力，数据包括向量数据库、关系型数据库及私有知识数据。管理层包括模型的管理、算力管理和工具库。主体框架采用开源组件定制开发，构建成模型即服务的MaaS平台。模型管理包括模型管理、版本管理、自动更新、模型测评、模型微调、模型接口封装、模型调度、模型统计等；算力管理包括算力管理、资源监控告警等。数据管理包括了数据清洗、数据标注、数据增强等。能力层包括大模型的语义理解生成能力、多模态能力、代码生成能力和Agent能力。接入层包括接入管理、接入监控、身份鉴权、流量控制等，平台采用统一的API接口设计，简化调用流程，结合开源组件进行研发定制，为大模型业务场景提供访问支撑。应用层包括各业务条线大模型场景，涉及相关系统与大模型基础平台的对接，包括财富条线、机构条线、投资投行条线、XTP条线、中后台条线、运营与风控合规条线等。

3.应用生态

中泰证券作为证券行业大模型技术的应用先驱者，以“全栈自研+开放生态”的理念构筑技术护城河，在算力、数据、平台、应用等多方面创新突破，基于云原生Agent平台集成智能体和工作流引擎，支持在财富管理、投资银行、机构交易、数字运营、智能研发5大主场景落地（见图3），依托自主研发的仓颉大模型在核心业务赋能、运营提质增效、对客服务升级等多个领域实现应用突破。

图3：仓颉大模型应用生态

3.1“仓颉+财富”AI中台，增强财富管理服务能力

依托仓颉大模型构建的财富AI中台，平台能够精准解析客户需求，提升财富管理业务的工作效率、服务质量和客户满意度，推动智能化转型，实现业务的高效与精准。基于对客户需求的深入理解，结合公司产品库和客户历史数据，平台可以生成定制化理财建议，为不同风险偏好、财务状况和投资目标的客户提供个性化的投资组合方案。

在智能投顾方面，通过整合公司内部投顾产品库、实时市场新闻、展业资料库及客户高频问题数据库，将碎片化知识整合为“一站式智能入口”，结合大模型技术，为员工提供 “随用随查、即问即答” 的精准支持；在智能营销方面，依托大模型赋能开户，使用固定话术的数字人视频离线生成方案，能够“短平快”上线。借助数字人的智能与交互能力，使其成为用户贴心的服务伙伴；在智能推荐方面，通过整合客户的年龄、收入、风险偏好、投资目标、交易历史等多源数据，利用大模型生成客户画像，投顾人员可以根据画像为其量身定制投资组合。

3.2“仓颉+投行”AI中台，提升投行业务质量

依托仓颉大模型构建投行AI中台，平台能够自动化解析政策文件、项目底稿、会议纪要与申报材料，智能审核文档、舆情监控与意见回复、智能分析等应用，通过对这些数据的深入分析，生成市场趋势报告，全面提升投行项目执行与运营管理的效率和质量。

在文档写作方面，利用大模型构建项目底稿智能编制助手，基于历史文档让大模型学习写作逻辑，根据项目信息编写底稿，节约人力和时间且内容可溯源；在内容审核方面，针对投行业务对外披露和报送的文档数量多、质量要求高、合规监管严的特点，构建智能审核助手。利用大模型的语义分析、逻辑推理等能力，并结合数据勾稽和敏感词审核功能，实现文档智能审核，发现错误并给出建议，提升审核质效，保障执业质量；在咨询问答方面，构建舆情信息智能监控助手，检索项目相关主体舆情，合并相同事件、提取要点并分析走势。构建意见问询智能回复助手，分析审核意见等并提供解释和应对思路。构建业务知识智能问答助手，转化知识文档存储，理解提问并提供解答且支持溯源。

3.3“仓颉+机构”AI中台，提升机构综合服务能力

依托仓颉大模型构建的机构AI中台，平台能够快速处理海量的金融数据，通过数据分析和挖掘技术，提取有价值的信息和趋势。基于这些分析结果，为投资决策提供参考，全面提升研究效率、服务质量与客户体验。

在智能投研方面，融合宏观研究、行业研究、投后分析等多维度专业投研能力，以智能问答方式提供便捷研究服务。通过大模型对研报观点进行总结提炼，辅助研究人员、展业人员捕获研报中的关键信息、趋势、见解和结论，提升研究效率与服务质量，提升展业服务的专业性；在机构展业方面，以智能问答方式赋能机构客户全景信息查询、业务办理进度跟踪、业务办理清单分析等机构展业场景，提升展业服务效率。利用大模型对上市公司股份回购、现金管理等重大业务公告的关键信息进行智能提取，补充机构客户全景画像，作为机构客户重要事件为客户经理提供线索支撑。通过大模型挖掘买方企业需求与卖方企业信息的匹配关系，为中小企业普惠金融服务提供潜在业务机会，辅助员工高效展业。

3.4“仓颉+运营”AI中台，提升运营管理效率

依托仓颉大模型构建的运营AI中台，平台能够优化柜台问答、业务知识查询与推荐，结合RPA技术实现业务自动化降低运营成本。通过智能风控系统实时监控市场异常确保资产安全，并融合内外部规则增强合规性，实现高效动态管理。

在智能审核方面，优化柜员工作流程，利用大模型在集中提升业务办理和审核的效率与准确性。结合RPA流程自动化，实现自动审核客户提交的资料和信息，减少人工审核的工作量，降低运营成本；在风控管理方面，利用大模型技术构建智能风控系统，对市场波动、交易异常等情况进行实时监控和预警。通过多维度挖掘风险事件并结合大模型的归因与关联分析能力，判断风险的类型与传导链路，做到多类型资产的风险管控；在业务合规方面，将外部监管和内部风控、合规、质控等业务规则与大模型进行融合，应用于业务审核流程中，并对外部监管规则和内部风控与合规性要求做到实时动态的响应，提高业务合规性。

3.5“仓颉+研发”智能助手，提升研发效能

依托仓颉大模型构建的研发AI中台，平台研发智能助手集成大模型技术，构建了代码生成研发辅助工具体系，提供代码生成、AI问答、单元测试、调试、翻译、规范建议、注释生成、BUG查找及性能优化等功能，提升研发效率与质量缩短项目周期，确保系统稳定。

在缩短交付周期方面，基于代码大模型和IDE 插件工具，构建代码辅助工具，支持主流编程语言及框架，实现代码补全、代码注释、单元测试等功能，提升编码质量和跨团队协作效率，统一研发管理规范，缩短业务需求交付周期，保障系统稳定性；在持续提效方面，通过持续优化资源配置与模型性能，提高代码采纳率。系统可持续跟踪使用数据，通过调整与优化进一步提高代码采纳率，如优化不同水平研发人员的配比、针对公司代码库进行增强检索优化、进行模型升级或系统升级等。

4.应用效益

仓颉大模型平台作为中泰证券首个成功落地的大模型应用平台，不仅实现了从无到有的重大跨越，而且在行业内也获得了广泛的认可。平台建立了“仓颉+”的应用生态系统，是一个融合模型、算力、数据的统一大模型底座，既打造了涵盖知识库、文档审核、内容提取、代码辅助等多样化的中台产品，为财富、机构、投行、运营、办公管理、合规风控、金融科技等场景提供大模型能力支持。该平台上线后，极大提升了证券公司的业务创新发展和智能化建设，其经济效益主要体现在以下多个方面。

4.1经济效益

（1）提高公司运营效率，极大提升了用户使用体验

集中运营智能助手场景每年支持分支机构业务人员提问约10000次，从而提升整体运营效率，有效降低运营成本；总部根据业务制度变动或分支反馈能够实时更新和完善向量数据库，更快地调整问答策略，大大减少人工咨询沟通成本和培训成本；自动化处理许多工作，如数据录入、资料分析、报告生成等，同时，大模型嵌入自动化任务流，提高工作效率，减少人力和时间成本；私有化下的大模型架构，可减少公司对数据安全、隐私保护方面的安全投入，降低风控合规等行业风险。

（2）降低大模型建设成本，统一大模型平台化基座

实现模型的统一管理，提高模型的复用，模型部署更新一键操作，算力资源实际使用率相比之前的预计提升50%；满足1-5个应用，上百个大模型场景的算力需求，平台预计将支撑用户1000人，满足每位用户每天使用20次，每次2000tokens，每次响应时间2s的性能要求，统一算力输出既避免了各业务条线的重复建设的资金成本，同时服务开发周期缩短，大大减少了开发的人力投入成本；平台混合云集群部署，优化了模型，进一步弥补本地算力不足的问题；基于大模型的代码辅助工具建设，按代码采纳率10%，每日编码时长占比50%，300人使用计算，每日可节约人力15人日。

（3）促进业务创新变革，支撑多场景的服务接入

大模型具有强大的数据分析和处理能力，可以发现证券市场中的潜在机会和趋势，为业务创新提供支持，大模型还可以与大数据等技术结合，创新证券业务模式和业务流程，提高证券市场的效率和透明度。目前财富、投行、机构、大数据、研发等多个研发部门和诸多业务条线都已经接入，如投行构建的工作底稿智能编制助手和舆情摘要智能总结助手、合规部门借助仓颉构建的合规制度库智能检索问答系统、财富借助仓颉底座构建的投顾助理、员工助手和行业洞察员等场景的诸多创新应用，都在大模型能力的支撑或加持下正加速产品创新和产品迭代，智能化场景创新和推动建设方面，创新激励赋能成果显著。

4.2社会效益

（1）提升金融服务质量，提高行业服务水平

通过智能问答助手、智能撰写助手等应用，仓颉大模型平台显著提升了员工的工作效率和服务质量。例如，基金投顾智能问答助手缩短了员工信息检索时间，提高了客户服务响应速度和精准度，增强了客户满意度。

（2）推动行业数字化转型，形成行业最佳实践

仓颉大模型平台的成功应用为证券行业的数字化转型提供了宝贵的经验和参考案例。其先进的技术架构和灵活的应用场景设计，激励了其他金融机构积极探索和应用类似的大模型解决方案，推动整个行业的智能化升级。

（3）优化资源配置与成本，降低大模型建设成本

通过集中运营智能助手、公司规章制度库、运营智能升级和智能撰写助手等应用，仓颉大模型平台大幅减少了重复性工作和人力投入，优化了资源配置，降低了运营成本。这不仅提高了企业的经济效益，也间接促进了资源的有效利用和社会经济的可持续发展。

文/中泰证券股份有限公司