火山引擎x兴业证券：11万条知识打造企业高质量语料库

（原标题：火山引擎x兴业证券：11万条知识打造企业高质量语料库）

过去一年，证券行业对 AI 的应用正在从“试水”转向“深耕”。

财联社数据显示，在50家上市券商的半年报中，“AI”一词累计出现188次，34家券商年度 IT 投入合计超275亿元。从智能投顾到量化交易，从合规风控到客户服务，大模型正在被嵌入券商全业务链条的每一个关键环节。

但当各家券商密集地把 AI 能力铺向业务前线时，一个底层问题开始浮出水面：模型能力越来越强，企业知识本身够不够用、管不管得住、找不找得到，成了决定 AI 应用实际效果的关键变量。

作为国内最早的综合类券商之一，兴业证券从1991年起就不断拓展业务范围，目前已涵盖证券经纪、投资咨询、融资融券等多个领域，业务线众多、制度文件庞杂——现阶段证券行业在 AI 时代面临的共性问题，兴业证券其实早有洞察，并积极探索出解决路径。

今年上半年，兴业证券引入火山引擎企业知识引擎，聚焦内部“知识多、知识散”的双重痛点，构建出覆盖全集团的统一知识底座，并通过智能助手「AI 老铁」（兴业证券自主打造的数字伙伴）向员工输出专业应答。过去翻制度、问同事才能解决的问题，现在数秒内就能完成检索、生成与出处追溯。

从传统知识库到覆盖全集团的统一知识底座

证券行业的知识，有几个天然难点：一是更新快，知识体系与监管政策、交易规则深度绑定，时效性远强于大多数传统行业；二是分散，经纪、投行、资管、信用交易等各自独立，跨业务查阅难度大；三是壁垒高，金融、财会、法律、数理分析交叉，夹带大量行业专属术语；四是执行口径不一致，同一业务问题，不同部门依据各自解读给出不同答案。

过去，兴业证券的知识管理走的是典型信息化路径：制度与业务资料在各系统中逐步实现系统化沉淀，为知识资产的规模化积累打下了良好基础。大模型技术落地后，各项目又围绕自身场景开展了先行探索，形成了一批知识应用，有效支撑了业务一线的早期需求。但这些应用多以项目为单位独立建设，距离沉淀为可被全集团共享复用的企业级知识能力仍有提升空间。

现在，兴业证券依托火山引擎企业知识引擎搭建了覆盖全集团的统一知识底座，把分散在各系统中的传统知识库合并为统一建设、统一治理、可被不同应用复用的基础设施。

具体来说，企业知识引擎提供了一套覆盖知识接入、解析、切片、标签、权限、召回、问答、评测和运营的全链路知识工程化能力。在知识接入与处理层面，支持 Word、PDF、PPT、Excel、图片、音视频等多模态数据的接入与解析，结合 OCR、视觉理解、语音转写等能力，把企业原始资料变成可检索、可理解、可引用的知识单元；在检索召回层面，通过向量化、知识图谱与本体语义，实现多路召回与混合检索，让系统真正“理解问题、精准应答”，而非仅返回 “相似的那一篇”。

这套能力与兴业证券自研的智能中枢形成协同。智能中枢作为 AI 能力底座，聚合意图识别、知识管理、MCP 管理、智能问答、语音交互等能力，集成智能体开发、效果测评、AI 网关等核心组件，破解 AI 应用碎片化、重复建设的痛点，支撑多业务快速迭代。实际使用中，员工只需在智能助手「AI 老铁」里提问，智能中枢就会判断意图和场景，再调取企业知识引擎完成检索增强问答，最终给出带出处、可回溯的答案。

目前，兴业证券通过企业知识引擎已经沉淀了超过11万条经业务专家精炼的高质量知识，对内覆盖财富管理、机构业务、投资银行、研究投研、期货、私募股权等核心条线，并延伸至合规风控、法律审计、财务资金等中后台领域及全国分支机构属地知识，对外自动同步证券法等法律法规与监管政策，构建起贯通前中后台、覆盖全集团的统一知识体系。

从“每个项目各建一套”到“全集团共用一个底座”，兴业证券搭建的不只是一个知识库，而是一套从接入、解析、检索到应用的完整知识工程体系。

三大场景落地，日均业务问答超1000次

知识底座建好之后，真正的考验是：它能不能在一线业务中用起来、用得住？

先感受到变化的是一线投资顾问。兴业证券持续推进财富管理转型，投顾团队规模不断扩大，如何让资深投顾的经验、业务规则与合规要求更高效地传递给一线成为团队能力建设的关键课题。现在，投顾遇到拿不准的问题，直接在「AI 老铁」里提问，企业知识引擎在后台完成检索与匹配，自动推荐参考建议、合规话术和风险提示。

制度智查是另一个高频场景。券商的制度文件体量大、层级多，不同时期发布、不同部门修订的版本容易混淆，接入企业知识引擎后，制度问答、版本比对、条款检索、原文召回都可以按需调用，比如员工想了解“这项业务适用哪条制度？”“新规修订后执行口径有什么变化？”，系统按条款精准定位，返回原文段落和关联释义，让制度要求“查得到、看得懂、用得上”。

第三个是托管运营场景。比如，托管部的运营专员接到多层嵌套私募基金的备案咨询，涉及材料清单、协会流程和涉税申报规范，过去翻几份文件再找同事确认，前后至少半天。现在一句话提问，企业知识引擎从统一知识底座中自动定位相关条款，归纳出流程、清单与要点并标注出处，不到一分钟就能拿到可用答案。

截至目前，公司自助数据服务已覆盖超5000名员工，「AI 老铁」日均业务问答超1000次，落地的 AI 场景正在兴业证券全集团持续扩展，知识不再只是存在系统里，而是真正长在了业务里。

体系化知识治理与运营，驱动知识持续迭代

场景铺得越广、用的人越多，对知识的质量要求就越高。为此，兴业证券自研了「藏书」知识管理平台，并建立了一套体系化的知识治理与运营机制。

治理层面，兴业证券围绕目录标签、QA 对、文档三类知识对象制定分层管理规则：标签支持大模型自动添加语义标注，QA 对重点把控准确性、合规性与完整性，文档侧重唯一性、时效性与安全性。同时，以各单位知识库为颗粒度建立质量评分、年度复核和质量抽查机制，确保知识“进得来、管得住”。

运营层面，团队建立了 “机器发现 — 单位补充 — 专家审核”的语料闭环：基于对 AI 问答准确性的大模型评测得分，对其中低分问答展开进一步分析，确认后自动派发语料工单至相应领域的业务单位，最终经专家审核校准后入库。同时，围绕错别字、专有词不规范、指代不明等问题构建质量检核 skill，实现对语料的批量化检核与优化。

知识引擎上线不是终点，持续进化才是关键。每一次员工提问都是一次实战检验，答不准就触发知识补充和整改，知识在真实业务的锤炼中越用越准、越治越活。

当经验能复用、依据能核验、反馈能驱动更新，知识便不再是静态档案，而是持续生长的组织能力。未来，火山引擎将支持兴业证券持续拓宽各业务条线的知识覆盖范围，同时将知识底座与智能体能力深度耦合，让 AI 进入智能投研、智能投行、智能风控等更深的业务场景。