星環(huán)科技企業(yè)

該企業(yè)獎(jiǎng)由星環(huán)科技投遞并參與金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟共同推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度AI Infra領(lǐng)先企業(yè)》榜單/獎(jiǎng)項(xiàng)評(píng)選。

近年來(lái)，國(guó)家層面持續(xù)推進(jìn)“人工智能+”行動(dòng)，國(guó)資委自2024年實(shí)施“AI+”專項(xiàng)行動(dòng)，明確要求中央企業(yè)夯實(shí)人工智能基礎(chǔ)設(shè)施（AI Infra）能力，金融監(jiān)管部門亦鼓勵(lì)加大AI基礎(chǔ)設(shè)施投入。在多重政策的驅(qū)動(dòng)下，某央企集團(tuán)財(cái)務(wù)有限公司將AI Infra建設(shè)納入集團(tuán)重點(diǎn)轉(zhuǎn)型工程。

該集團(tuán)財(cái)務(wù)有限公司作為央企集團(tuán)的內(nèi)部金融機(jī)構(gòu)，承擔(dān)著為集團(tuán)下屬二級(jí)、三級(jí)單位提供貸款支持和金融服務(wù)的重要職能。在日常業(yè)務(wù)中，需對(duì)借款主體進(jìn)行嚴(yán)格的貸前盡職調(diào)查，并生成詳盡的信貸報(bào)告。這類報(bào)告既是風(fēng)險(xiǎn)管控的核心依據(jù)，也是監(jiān)管合規(guī)的必要文件。

其中，貸前盡職調(diào)查與信貸報(bào)告編制是風(fēng)險(xiǎn)管控與監(jiān)管合規(guī)的關(guān)鍵環(huán)節(jié)，對(duì)數(shù)據(jù)完整性、指標(biāo)一致性與分析過(guò)程可追溯性提出了較高要求，本質(zhì)上高度依賴穩(wěn)定、統(tǒng)一的AI Infra能力支撐。

在現(xiàn)有體系下，信貸盡調(diào)業(yè)務(wù)面臨的主要問(wèn)題，集中體現(xiàn)為AI基礎(chǔ)設(shè)施能力不足帶來(lái)的系統(tǒng)性瓶頸：

·數(shù)據(jù)處理慢：多源異構(gòu)數(shù)據(jù)分散在多個(gè)系統(tǒng)中，數(shù)據(jù)來(lái)源繁雜分散、格式不統(tǒng)一，人工整合難度大，缺乏統(tǒng)一的數(shù)據(jù)治理、標(biāo)準(zhǔn)化處理和知識(shí)化能力；

·報(bào)告編制耗時(shí)長(zhǎng)：集團(tuán)成員單位近2000家，覆蓋六大行業(yè)，貸款業(yè)務(wù)復(fù)雜度高，報(bào)告模板與分析維度各異，效率低下；

·指標(biāo)編制易出錯(cuò)：財(cái)務(wù)指標(biāo)涉及大量數(shù)字，指標(biāo)口徑復(fù)雜。計(jì)算規(guī)則依賴人工經(jīng)驗(yàn)，易出現(xiàn)計(jì)算錯(cuò)誤，缺乏統(tǒng)一的指標(biāo)計(jì)算與校驗(yàn)基礎(chǔ)設(shè)施，影響評(píng)審難度和辦理效率；

·人工負(fù)荷高：客戶經(jīng)理每周需處理大量報(bào)告，工作強(qiáng)度大，信貸業(yè)務(wù)服務(wù)質(zhì)量受影響；

·運(yùn)營(yíng)成本高：過(guò)度依賴專業(yè)人員，人力、培訓(xùn)及管理成本居高不下。

時(shí)間周期：

開(kāi)始時(shí)間：2024年11月

中間重要時(shí)間節(jié)點(diǎn)：

2024年12月完成

·業(yè)務(wù)調(diào)研：結(jié)合實(shí)際業(yè)務(wù)需求及痛點(diǎn)，開(kāi)展業(yè)務(wù)調(diào)研；

2025年2月完成

·數(shù)據(jù)探索：開(kāi)展不同行業(yè)和業(yè)務(wù)類型涉及的數(shù)據(jù)和資料收集與指標(biāo)梳理，開(kāi)展數(shù)據(jù)探索和模板設(shè)計(jì)；

2025年3月完成

·方案設(shè)計(jì)：數(shù)據(jù)和模型探索基礎(chǔ)上，開(kāi)展整體技術(shù)方案設(shè)計(jì)，包括技術(shù)架構(gòu)、實(shí)施步驟、實(shí)施功能等；

2025年5月完成

·知識(shí)庫(kù)構(gòu)建：完成金融信貸報(bào)告專業(yè)知識(shí)庫(kù)構(gòu)建，包括各種數(shù)據(jù)資料收集、文檔解析、切片、知識(shí)增強(qiáng)、索引構(gòu)建、索引召回等；

·模型微調(diào)：結(jié)合金融信貸報(bào)告專業(yè)語(yǔ)料庫(kù)構(gòu)建，開(kāi)展模型微調(diào)訓(xùn)練，提升模型的專業(yè)度與準(zhǔn)確性；

2025年6月完成

·應(yīng)用鏈搭建：結(jié)合企業(yè)級(jí)一站式AI模型運(yùn)營(yíng)平臺(tái)功能，開(kāi)展金融信貸報(bào)告生成的應(yīng)用鏈搭建；

2025年7月完成

服務(wù)集成：整體模型與應(yīng)用開(kāi)發(fā)完成及調(diào)整優(yōu)化后，將本次模型服務(wù)與企業(yè)線上化信貸系統(tǒng)集成，實(shí)現(xiàn)自動(dòng)化報(bào)告生成。

完結(jié)時(shí)間：2025年7月

AI Infra應(yīng)用需求

某央企集團(tuán)財(cái)務(wù)有限公司從業(yè)務(wù)層面提出了“生成信貸報(bào)告”的訴求，其核心是構(gòu)建一套可長(zhǎng)期演進(jìn)的信貸智能化基礎(chǔ)能力，圍繞信貸盡調(diào)業(yè)務(wù)，解決以下AI Infra層面的問(wèn)題：

·建設(shè)統(tǒng)一的數(shù)據(jù)與知識(shí)基礎(chǔ)設(shè)施，提升信貸數(shù)據(jù)處理的智能化與標(biāo)準(zhǔn)化水平，形成統(tǒng)一信貸知識(shí)庫(kù)；

·構(gòu)建模型與算力支撐的報(bào)告生成基礎(chǔ)能力，實(shí)現(xiàn)信貸報(bào)告自動(dòng)化生成，顯著縮短報(bào)告生成時(shí)間，提升業(yè)務(wù)效率；

·搭建統(tǒng)一的指標(biāo)計(jì)算與規(guī)則基礎(chǔ)設(shè)施，規(guī)范指標(biāo)處理標(biāo)準(zhǔn)，降低人工計(jì)算錯(cuò)誤率，提高報(bào)告準(zhǔn)確性；

·通過(guò)智能化流程基礎(chǔ)設(shè)施重構(gòu)信貸服務(wù)鏈路，縮短盡調(diào)與審批周期，提升整體服務(wù)效能；

·構(gòu)建面向金融信貸場(chǎng)景的專用AI Infra，使數(shù)據(jù)、模型和業(yè)務(wù)能力能夠以平臺(tái)化方式運(yùn)行，以平臺(tái)化AI Infra能力替代高強(qiáng)度人工處理，減少人工依賴，降低運(yùn)營(yíng)與管理成本。

星環(huán)科技將客戶需求從AI Infra視角拆解為四個(gè)層面：

·數(shù)據(jù)基礎(chǔ)設(shè)施層：需要對(duì)結(jié)構(gòu)化與非結(jié)構(gòu)化信貸數(shù)據(jù)進(jìn)行統(tǒng)一采集、治理、切片、增強(qiáng)和知識(shí)化處理，形成可被模型高效調(diào)用的知識(shí)底座；必須具備強(qiáng)大的多模態(tài)數(shù)據(jù)解析、清洗和整合能力，而非單一的文本處理；

·模型與算力基礎(chǔ)設(shè)施層：需要對(duì)大模型、檢索模型及相關(guān)算法能力進(jìn)行統(tǒng)一納管、調(diào)度、模型微調(diào)與版本管理，構(gòu)建支持模型微調(diào)、語(yǔ)料庫(kù)構(gòu)建和模型優(yōu)化的基礎(chǔ)設(shè)施，以解決“幻覺(jué)”問(wèn)題并適應(yīng)特定的金融信貸邏輯。同時(shí)支持彈性算力分配與安全運(yùn)行；

·模型服務(wù)與工程化能力層：需要將知識(shí)檢索、指標(biāo)計(jì)算、報(bào)告生成等能力封裝為標(biāo)準(zhǔn)化服務(wù)，支撐模型靈活調(diào)用，而非硬編碼，避免“腳本化、人工化”運(yùn)行；

·應(yīng)用與流程基礎(chǔ)設(shè)施層：通過(guò)引入RAG、MCP和Agent技術(shù)，結(jié)合Workflow，將復(fù)雜業(yè)務(wù)流程工程化，實(shí)現(xiàn)全流程自動(dòng)化、可評(píng)估和可持續(xù)優(yōu)化。

基于上述理解，以星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps為核心，為客戶構(gòu)建了面向信貸場(chǎng)景的AI Infra解決方案。Sophon LLMOps是整個(gè)項(xiàng)目的AI Infra核心，提供了從語(yǔ)料開(kāi)發(fā)、知識(shí)工程、模型訓(xùn)練到應(yīng)用構(gòu)建的全流程管理能力。

·在數(shù)據(jù)與知識(shí)基礎(chǔ)設(shè)施層，通過(guò)多模態(tài)文檔解析、切片、向量化與知識(shí)增強(qiáng)，構(gòu)建統(tǒng)一信貸知識(shí)庫(kù)，并基于RAG技術(shù)實(shí)現(xiàn)可溯源的知識(shí)檢索與指標(biāo)抽?。?/p>

·在模型與算力基礎(chǔ)設(shè)施層，對(duì)大模型及相關(guān)算法能力進(jìn)行統(tǒng)一納管與生命周期管理，支持模型微調(diào)、版本控制和彈性算力調(diào)度；

·在模型服務(wù)層，通過(guò)MCP將知識(shí)庫(kù)與指標(biāo)能力封裝為標(biāo)準(zhǔn)化檢索服務(wù)，供大模型和智能體自動(dòng)調(diào)用；

·在應(yīng)用與流程基礎(chǔ)設(shè)施層，基于ReAct框架構(gòu)建寫(xiě)作智能體，并通過(guò)Workflow將信貸報(bào)告生成與質(zhì)量評(píng)估流程工程化，形成可復(fù)用的應(yīng)用鏈。

該方案實(shí)現(xiàn)了信貸報(bào)告從數(shù)據(jù)采集、知識(shí)檢索、指標(biāo)計(jì)算、報(bào)告生成到質(zhì)量評(píng)估的全流程自動(dòng)化運(yùn)行，并具備持續(xù)優(yōu)化和橫向擴(kuò)展能力。

面臨挑戰(zhàn)

在信貸報(bào)告生成這一典型大模型應(yīng)用場(chǎng)景中，該央企集團(tuán)財(cái)務(wù)有限公司面臨的并非單一業(yè)務(wù)效率問(wèn)題，而是長(zhǎng)期積累的組織體系、系統(tǒng)架構(gòu)與AI基礎(chǔ)設(shè)施（AI Infra）能力不足所集中暴露的系統(tǒng)性挑戰(zhàn)。

首先，在組織與協(xié)同層面，企業(yè)原有信息化建設(shè)以業(yè)務(wù)系統(tǒng)為中心，各系統(tǒng)長(zhǎng)期獨(dú)立建設(shè)、分散運(yùn)行，缺乏統(tǒng)一的AI Infra建設(shè)規(guī)劃。數(shù)據(jù)治理、業(yè)務(wù)規(guī)則、系統(tǒng)運(yùn)維分別由不同部門負(fù)責(zé)，跨部門協(xié)同成本高，業(yè)務(wù)經(jīng)驗(yàn)難以沉淀為可復(fù)用的AI Infra能力資產(chǎn)，制約了人工智能能力的規(guī)?；涞?。

其次，在系統(tǒng)與平臺(tái)層面，部分核心系統(tǒng)建設(shè)時(shí)間較早，技術(shù)架構(gòu)相對(duì)封閉，與新型大模型能力和算力調(diào)度體系兼容性不足?，F(xiàn)有系統(tǒng)難以支撐模型的靈活接入、統(tǒng)一管理和持續(xù)演進(jìn)，導(dǎo)致大模型能力難以從試點(diǎn)應(yīng)用上升為企業(yè)級(jí)AI Infra能力。

第三，在數(shù)據(jù)基礎(chǔ)設(shè)施層面，信貸盡調(diào)業(yè)務(wù)涉及大量結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)來(lái)源覆蓋多個(gè)內(nèi)部系統(tǒng)及外部材料，但長(zhǎng)期存在數(shù)據(jù)分散、格式不統(tǒng)一、口徑不一致的問(wèn)題。非結(jié)構(gòu)化文檔缺乏統(tǒng)一解析、切片和知識(shí)化處理能力，數(shù)據(jù)孤立嚴(yán)重，難以形成可被大模型穩(wěn)定調(diào)用的統(tǒng)一信貸知識(shí)庫(kù)，成為AI Infra建設(shè)中的核心瓶頸。

第四，在模型與算力基礎(chǔ)設(shè)施層面，企業(yè)尚未形成統(tǒng)一的大模型與算力管理體系。模型能力缺乏統(tǒng)一納管與版本治理，算力資源難以實(shí)現(xiàn)彈性調(diào)度與精細(xì)化管理，模型調(diào)用方式分散，難以保障財(cái)務(wù)場(chǎng)景對(duì)穩(wěn)定性、安全性和可控性的要求，限制了AI Infra能力的擴(kuò)展和復(fù)用。

第五，在指標(biāo)與規(guī)則基礎(chǔ)設(shè)施層面，信貸業(yè)務(wù)高度依賴財(cái)務(wù)與風(fēng)控指標(biāo)，但指標(biāo)口徑和計(jì)算規(guī)則長(zhǎng)期依賴人工經(jīng)驗(yàn)或分散系統(tǒng)，缺乏統(tǒng)一的指標(biāo)計(jì)算與規(guī)則引擎。指標(biāo)計(jì)算過(guò)程不可追溯、不可驗(yàn)證，難以直接支撐大模型推理與生成，影響AI應(yīng)用的可靠性與合規(guī)性。

最后，在應(yīng)用與流程基礎(chǔ)設(shè)施層面，盡職調(diào)查、指標(biāo)分析、報(bào)告編制和質(zhì)量校驗(yàn)等環(huán)節(jié)仍主要依賴人工串聯(lián)，業(yè)務(wù)流程缺乏工程化、自動(dòng)化支撐。大量的人力投入，不僅效率低下、成本高昂，也難以形成持續(xù)優(yōu)化和規(guī)?；\(yùn)行的AI Infra閉環(huán)。

綜合來(lái)看，該央企集團(tuán)財(cái)務(wù)有限公司在信貸報(bào)告生成場(chǎng)景中面臨的是數(shù)據(jù)、模型、算力與流程等多層AI Infra能力協(xié)同不足所帶來(lái)的系統(tǒng)性挑戰(zhàn)，亟需通過(guò)統(tǒng)一規(guī)劃和建設(shè)企業(yè)級(jí)AI Infra，實(shí)現(xiàn)智能能力的標(biāo)準(zhǔn)化、平臺(tái)化與可持續(xù)發(fā)展。

戰(zhàn)略目標(biāo)

基于AI Infra的項(xiàng)目戰(zhàn)略目標(biāo)：

本項(xiàng)目以“構(gòu)建金融信貸場(chǎng)景可規(guī)模化復(fù)用的AI Infra底座”為核心戰(zhàn)略目標(biāo)，圍繞算力、數(shù)據(jù)、模型與應(yīng)用全棧協(xié)同，推動(dòng)該央企集團(tuán)財(cái)務(wù)有限公司實(shí)現(xiàn)“體系化AI能力平臺(tái)”升級(jí)。

在基礎(chǔ)設(shè)施層面，項(xiàng)目旨在通過(guò)統(tǒng)一的大模型運(yùn)行與治理平臺(tái)，整合異構(gòu)算力資源，實(shí)現(xiàn)模型訓(xùn)練、推理與應(yīng)用的集中調(diào)度與彈性管理，提升整體算力利用效率，為多場(chǎng)景并發(fā)推理提供穩(wěn)定支撐。在數(shù)據(jù)基礎(chǔ)設(shè)施層面，通過(guò)多模數(shù)據(jù)統(tǒng)一接入、解析與治理，打通結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)壁壘，構(gòu)建統(tǒng)一的信貸金融知識(shí)底座，為上層大模型應(yīng)用提供高質(zhì)量、可溯源的數(shù)據(jù)供給。

在模型與服務(wù)層面，項(xiàng)目以大模型為核心，結(jié)合RAG、Agent與MCP服務(wù)化能力，形成標(biāo)準(zhǔn)化、可復(fù)用的模型服務(wù)體系，使信貸報(bào)告生成、制度問(wèn)答、運(yùn)維問(wèn)答等場(chǎng)景能夠在統(tǒng)一的AI Infra上快速構(gòu)建與迭代，避免重復(fù)建設(shè)與能力割裂。同時(shí)，通過(guò)星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps實(shí)現(xiàn)模型、語(yǔ)料、知識(shí)、應(yīng)用、智能體構(gòu)建的全生命周期管理，保障模型效果穩(wěn)定性與持續(xù)優(yōu)化能力。

從業(yè)務(wù)與治理視角看，項(xiàng)目的根本價(jià)值在于：以AI Infra為底座，將信貸報(bào)告生成這一高頻、負(fù)荷重的場(chǎng)景全面自動(dòng)化，將單篇報(bào)告生成時(shí)間壓縮至分鐘級(jí)，顯著降低對(duì)人工專家的依賴，提升金融服務(wù)效率與合規(guī)一致性，并為該央企集團(tuán)財(cái)務(wù)有限公司后續(xù)在風(fēng)控、審計(jì)、合規(guī)等更多金融與管理場(chǎng)景中規(guī)?；瘧?yīng)用大模型提供統(tǒng)一、可持續(xù)演進(jìn)的智能基礎(chǔ)設(shè)施支撐。

實(shí)施與部署過(guò)程

本項(xiàng)目圍繞“金融信貸報(bào)告生成模型”的建設(shè)目標(biāo)，以構(gòu)建穩(wěn)定、可擴(kuò)展、可治理的企業(yè)級(jí)AI Infra底座為核心，在該央企集團(tuán)財(cái)務(wù)有限公司既有IT架構(gòu)和業(yè)務(wù)體系基礎(chǔ)上，系統(tǒng)性完成了從資源投入、系統(tǒng)架構(gòu)設(shè)計(jì)、數(shù)據(jù)治理與知識(shí)工程、模型工程、應(yīng)用構(gòu)建到部署運(yùn)維的全流程實(shí)施工作。

1.項(xiàng)目實(shí)施組織與資源投入

·組織模式與協(xié)同機(jī)制

考慮到該財(cái)務(wù)公司作為央企財(cái)務(wù)公司，在組織架構(gòu)、系統(tǒng)權(quán)限、安全合規(guī)等方面要求嚴(yán)格，本項(xiàng)目在實(shí)施階段即采用“業(yè)務(wù)牽頭+技術(shù)共建+分層推進(jìn)”的協(xié)同模式。

在客戶側(cè)，由該財(cái)務(wù)公司牽頭，聯(lián)合信貸業(yè)務(wù)部門、審計(jì)部門、信息科技部門共同參與，明確業(yè)務(wù)規(guī)則、數(shù)據(jù)口徑及合規(guī)邊界；在服務(wù)側(cè)，由星環(huán)科技組建專項(xiàng)交付團(tuán)隊(duì)，涵蓋AI Infra架構(gòu)設(shè)計(jì)、數(shù)據(jù)治理、知識(shí)工程、大模型工程、平臺(tái)實(shí)施與運(yùn)維等角色。雙方通過(guò)定期例會(huì)、階段評(píng)審和關(guān)鍵節(jié)點(diǎn)驗(yàn)收，確保業(yè)務(wù)目標(biāo)與技術(shù)實(shí)現(xiàn)高度一致。這種協(xié)同模式有效避免了傳統(tǒng)AI項(xiàng)目中“模型先行、業(yè)務(wù)滯后”的問(wèn)題，為后續(xù)系統(tǒng)快速落地和穩(wěn)定運(yùn)行奠定了基礎(chǔ)。

·資源投入與算力配置

在AI Infra層面，項(xiàng)目采用集中式GPU資源池+平臺(tái)統(tǒng)一調(diào)度的方式開(kāi)展部署。算力資源由星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps進(jìn)行統(tǒng)一管理和調(diào)度，實(shí)現(xiàn)模型推理、Workflow運(yùn)行、Agent調(diào)用等任務(wù)的資源隔離與彈性分配。這一方式避免了算力“煙囪式”分配導(dǎo)致的算力資源孤島、使用效率低、運(yùn)維難、成本高等問(wèn)題，使有限GPU資源在多應(yīng)用場(chǎng)景下得到高效利用，體現(xiàn)了AI Infra在算力治理層面的價(jià)值。

2.AI Infra總體架構(gòu)設(shè)計(jì)

·架構(gòu)設(shè)計(jì)原則

本項(xiàng)目AI Infra架構(gòu)設(shè)計(jì)遵循以下原則：

平臺(tái)化優(yōu)先：統(tǒng)一模型、數(shù)據(jù)、應(yīng)用的開(kāi)發(fā)與運(yùn)行底座，避免單點(diǎn)系統(tǒng)堆疊；

解耦與可擴(kuò)展：模型能力、知識(shí)服務(wù)、業(yè)務(wù)應(yīng)用通過(guò)標(biāo)準(zhǔn)接口解耦，支持后續(xù)擴(kuò)展；

可治理與可審計(jì)：滿足金融場(chǎng)景對(duì)數(shù)據(jù)溯源、模型可解釋性與安全合規(guī)的要求；

面向多場(chǎng)景復(fù)用：不僅服務(wù)于信貸報(bào)告生成，也為審計(jì)問(wèn)答、運(yùn)維問(wèn)答等場(chǎng)景提供統(tǒng)一支撐。

·整體技術(shù)架構(gòu)說(shuō)明

整體架構(gòu)設(shè)計(jì)可分為“數(shù)據(jù)層—知識(shí)層—模型層—應(yīng)用層—運(yùn)維與治理層”：

數(shù)據(jù)層：對(duì)接多種數(shù)據(jù)庫(kù)和文件系統(tǒng)等多源數(shù)據(jù)；

知識(shí)層：完成文檔解析、切片、向量化、索引構(gòu)建，形成統(tǒng)一知識(shí)庫(kù)；

模型層：以通用大模型為核心，結(jié)合微調(diào)模型與規(guī)則模型協(xié)同工作；

應(yīng)用層：通過(guò)Agent與Workflow實(shí)現(xiàn)信貸報(bào)告生成與智能問(wèn)答；

治理層：由星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps提供模型管理、算力調(diào)度、權(quán)限控制與運(yùn)行監(jiān)控。

該架構(gòu)本質(zhì)上構(gòu)建了一個(gè)面向金融業(yè)務(wù)的企業(yè)級(jí)AI Infra平臺(tái)，而非單一“模型應(yīng)用系統(tǒng)”。

·整體架構(gòu)技術(shù)方案：

方案以“填槽+大模型”為核心，融合知識(shí)檢索增強(qiáng)生成（RAG）、模型上下文協(xié)議（MCP）、智能體（Agent）等技術(shù)，依托星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps實(shí)現(xiàn)模型開(kāi)發(fā)、部署與運(yùn)營(yíng)全生命周期管理，最終實(shí)現(xiàn)信貸報(bào)告的自動(dòng)化生成。

流程發(fā)起與數(shù)據(jù)收集：業(yè)務(wù)人員提交貸款申請(qǐng)，系統(tǒng)自動(dòng)收集并整合相關(guān)數(shù)據(jù)。

知識(shí)庫(kù)構(gòu)建：利用大模型解析文檔，結(jié)合RAG技術(shù)抽取指標(biāo)，并封裝為可調(diào)用檢索服務(wù)。

語(yǔ)料庫(kù)構(gòu)建與模型微調(diào)：收集并清洗信貸語(yǔ)料，構(gòu)建QA數(shù)據(jù)集，基于千問(wèn)模型微調(diào)提升專度。

報(bào)告模板匹配：根據(jù)行業(yè)與貸款類型，自動(dòng)匹配最合適的報(bào)告模板。

關(guān)鍵指標(biāo)檢索：通過(guò)大模型與MCP服務(wù)，從知識(shí)庫(kù)精準(zhǔn)獲取各章節(jié)所需指標(biāo)。

報(bào)告生成：基于模板與檢索結(jié)果，智能體調(diào)用工作流生成報(bào)告初稿并優(yōu)化成品。

報(bào)告評(píng)估：自動(dòng)化檢查指標(biāo)溯源，結(jié)合可視化工具評(píng)估準(zhǔn)確率與召回率。

應(yīng)用鏈工作流設(shè)計(jì)：在LLMOps平臺(tái)構(gòu)建5類標(biāo)準(zhǔn)化工作流，覆蓋多類信貸報(bào)告生成與評(píng)估。

最終構(gòu)建了一套基于AI Infra的信貸盡調(diào)報(bào)告智能生成與評(píng)估體系，實(shí)現(xiàn)從流程發(fā)起、數(shù)據(jù)與知識(shí)沉淀、模型微調(diào)、模板與指標(biāo)精準(zhǔn)匹配，到報(bào)告自動(dòng)生成、質(zhì)量評(píng)估及多場(chǎng)景工作流復(fù)用的全鏈路閉環(huán)。

3.數(shù)據(jù)治理與知識(shí)工程實(shí)施過(guò)程

·多源異構(gòu)數(shù)據(jù)接入與治理挑戰(zhàn)

在實(shí)施過(guò)程中，項(xiàng)目面臨的數(shù)據(jù)治理挑戰(zhàn)尤為突出：

一方面，信貸業(yè)務(wù)相關(guān)數(shù)據(jù)分散在多種不同數(shù)據(jù)庫(kù)和形式各異的繁雜文件等多種介質(zhì)中；另一方面，歷史系統(tǒng)缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和標(biāo)簽體系，數(shù)據(jù)孤立問(wèn)題嚴(yán)重。

如果直接將這些數(shù)據(jù)輸入大模型，必然導(dǎo)致結(jié)果不穩(wěn)定、不可追溯，無(wú)法滿足金融場(chǎng)景的合規(guī)要求。

·知識(shí)加工與統(tǒng)一處理流程

為此，項(xiàng)目在AI Infra層面構(gòu)建了統(tǒng)一的知識(shí)加工流水線，包括：

數(shù)據(jù)抽取與接入：從結(jié)構(gòu)化與半結(jié)構(gòu)化系統(tǒng)中自動(dòng)抽取數(shù)據(jù)；

智能解析與切片：對(duì)文檔類數(shù)據(jù)進(jìn)行段落級(jí)、語(yǔ)義級(jí)切片；

向量化與索引構(gòu)建：統(tǒng)一寫(xiě)入Hippo向量庫(kù)；

知識(shí)增強(qiáng)與標(biāo)簽化：補(bǔ)充行業(yè)、指標(biāo)、業(yè)務(wù)類型等元信息；

封裝為MCP服務(wù)：將知識(shí)能力標(biāo)準(zhǔn)化，供模型與Agent調(diào)用。

這一流程實(shí)現(xiàn)了從“數(shù)據(jù)孤島”到“可被大模型理解和調(diào)用的知識(shí)資產(chǎn)”的轉(zhuǎn)化，是AI Infra在數(shù)據(jù)層面的核心價(jià)值體現(xiàn)。

4.模型與算法實(shí)現(xiàn)路徑

·模型選型與能力定位

項(xiàng)目基礎(chǔ)大模型主要職責(zé)并非直接“生成全文報(bào)告”，主要承擔(dān)語(yǔ)義理解與意圖識(shí)別、模板匹配與業(yè)務(wù)類型判斷、指標(biāo)語(yǔ)義定位與上下文整合、Agent推理與流程調(diào)度。在此基礎(chǔ)上，通過(guò)規(guī)則模型與填槽機(jī)制保障關(guān)鍵指標(biāo)的準(zhǔn)確性，避免純生成模型在金融場(chǎng)景下的風(fēng)險(xiǎn)。

·語(yǔ)料構(gòu)建與模型優(yōu)化

實(shí)施過(guò)程中，項(xiàng)目同步開(kāi)展語(yǔ)料收集與QA數(shù)據(jù)集建設(shè)，對(duì)模型在金融語(yǔ)境下的理解能力進(jìn)行針對(duì)性增強(qiáng)。后續(xù)通過(guò)模型微調(diào)與提示詞工程優(yōu)化，持續(xù)提升模型穩(wěn)定性和專業(yè)度。

5.應(yīng)用鏈與智能體構(gòu)建

·Workflow驅(qū)動(dòng)的應(yīng)用鏈設(shè)計(jì)

在應(yīng)用層，項(xiàng)目基于星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps構(gòu)建了5類標(biāo)準(zhǔn)化Workflow，覆蓋不同信貸業(yè)務(wù)類型。Workflow將復(fù)雜的業(yè)務(wù)邏輯拆解為可復(fù)用節(jié)點(diǎn)，實(shí)現(xiàn)參數(shù)化調(diào)用。

Agent架構(gòu)與運(yùn)行機(jī)制

在Workflow之上，構(gòu)建基于ReAct框架的寫(xiě)作智能體，負(fù)責(zé)統(tǒng)一調(diào)度知識(shí)服務(wù)、模型能力和業(yè)務(wù)規(guī)則，完成從信息檢索到報(bào)告生成的完整閉環(huán)。

6.系統(tǒng)部署、運(yùn)行與安全保障

·部署模式

系統(tǒng)采用集中部署方式，統(tǒng)一接入企業(yè)內(nèi)部網(wǎng)絡(luò)，滿足金融數(shù)據(jù)安全與訪問(wèn)控制要求。模型、知識(shí)庫(kù)、應(yīng)用服務(wù)均由AI Infra平臺(tái)統(tǒng)一納管。

·運(yùn)維與監(jiān)控

通過(guò)星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps實(shí)現(xiàn)模型運(yùn)行狀態(tài)、算力使用情況、任務(wù)執(zhí)行情況的可視化監(jiān)控，為后續(xù)擴(kuò)展與優(yōu)化提供依據(jù)。

7.實(shí)施過(guò)程中的創(chuàng)新點(diǎn)總結(jié)

本項(xiàng)目在實(shí)施過(guò)程中形成了一系列具有示范意義的技術(shù)與模式創(chuàng)新。首先，圍繞金融業(yè)務(wù)對(duì)安全性、準(zhǔn)確性與可治理性的高要求，構(gòu)建了面向信貸場(chǎng)景的企業(yè)級(jí)AI Infra底座，實(shí)現(xiàn)算力、模型、數(shù)據(jù)與應(yīng)用的統(tǒng)一納管與調(diào)度，為大模型規(guī)模化落地提供穩(wěn)定基礎(chǔ)。

其次，通過(guò)引入MCP機(jī)制，將原本分散的知識(shí)庫(kù)與檢索能力封裝為標(biāo)準(zhǔn)化服務(wù)，使大模型與業(yè)務(wù)知識(shí)之間形成清晰、可復(fù)用的調(diào)用邊界，顯著提升了系統(tǒng)擴(kuò)展性與工程化水平。在模型應(yīng)用層面，創(chuàng)新性采用“填槽+大模型”的混合技術(shù)路徑，將大模型的語(yǔ)義理解與生成能力與規(guī)則化指標(biāo)處理相結(jié)合，有效兼顧了生成效率與金融場(chǎng)景所要求的高準(zhǔn)確性與可溯源性。同時(shí)，基于LLMOps平臺(tái)構(gòu)建Workflow與Agent協(xié)同的應(yīng)用架構(gòu)，通過(guò)智能體對(duì)多流程、多工具的統(tǒng)一調(diào)度，支撐了復(fù)雜信貸業(yè)務(wù)流程的自動(dòng)化執(zhí)行。

通過(guò)上述實(shí)施與部署過(guò)程，本項(xiàng)目不僅完成了信貸報(bào)告生成模型的落地，更重要的是為該央企集團(tuán)財(cái)務(wù)有限公司構(gòu)建了一套可復(fù)用、可治理、可擴(kuò)展的AI Infra能力體系。該體系已在金融信貸場(chǎng)景中得到驗(yàn)證，為后續(xù)深化人工智能在風(fēng)控、審計(jì)、合規(guī)等更多金融與管理場(chǎng)景中應(yīng)用，以及推進(jìn)數(shù)據(jù)治理與智能化轉(zhuǎn)型提供了堅(jiān)實(shí)基礎(chǔ)。

合作服務(wù)效果

基于AI Infra視角的項(xiàng)目成效與價(jià)值度量

本項(xiàng)目的建設(shè)完成，標(biāo)志著該央企集團(tuán)財(cái)務(wù)有限公司在金融信貸領(lǐng)域從“以人工為中心的業(yè)務(wù)作業(yè)模式”，正式轉(zhuǎn)向“以AI Infra為底座的智能化生產(chǎn)模式”，在業(yè)務(wù)效率、運(yùn)營(yíng)成本與技術(shù)體系三個(gè)層面均產(chǎn)生了顯著變化。

從業(yè)務(wù)成效看，依托統(tǒng)一的大模型運(yùn)行與應(yīng)用基礎(chǔ)設(shè)施，信貸盡職調(diào)查報(bào)告實(shí)現(xiàn)了全流程自動(dòng)化生成。項(xiàng)目構(gòu)建了18個(gè)不同行業(yè)的模板，實(shí)現(xiàn)開(kāi)箱即用。不同行業(yè)、不同單位僅需輸入公司名稱及信貸業(yè)務(wù)類型，即可匹配對(duì)應(yīng)的盡職報(bào)告模板并生成最終報(bào)告。

單篇報(bào)告生成時(shí)長(zhǎng)由原先40分鐘至2小時(shí)壓縮至3–5分鐘，整體效率提升90%以上；同時(shí)報(bào)告指標(biāo)準(zhǔn)確率穩(wěn)定在95%以上，較傳統(tǒng)人工方式提升約 8%–10%，顯著降低了因人為操作帶來(lái)的計(jì)算錯(cuò)誤與合規(guī)風(fēng)險(xiǎn)。信貸業(yè)務(wù)整體審批周期明顯縮短，單位時(shí)間內(nèi)可承載的業(yè)務(wù)量顯著提升。

從成本與組織影響看，項(xiàng)目有效降低了對(duì)高強(qiáng)度人工編撰和專業(yè)人員資源的長(zhǎng)期依賴，專職報(bào)告編制人員數(shù)量大幅減少，人力、培訓(xùn)及管理等綜合運(yùn)營(yíng)成本下降超過(guò)50%。同時(shí)，業(yè)務(wù)人員從重復(fù)性資料整理和計(jì)算工作中解放出來(lái)，更多聚焦于風(fēng)險(xiǎn)判斷與業(yè)務(wù)決策，推動(dòng)崗位價(jià)值結(jié)構(gòu)優(yōu)化。

從AI Infra的長(zhǎng)期價(jià)值看，本項(xiàng)目并非單點(diǎn)應(yīng)用建設(shè)，而是為該央企集團(tuán)財(cái)務(wù)公司構(gòu)建了一套可持續(xù)演進(jìn)的智能基礎(chǔ)設(shè)施能力。一方面，通過(guò)星環(huán)科技大模型運(yùn)營(yíng)管理平臺(tái)Sophon LLMOps實(shí)現(xiàn)實(shí)現(xiàn)模型、語(yǔ)料、知識(shí)、應(yīng)用的統(tǒng)一治理與調(diào)度，初步形成了集團(tuán)級(jí)大模型運(yùn)行與管理能力；另一方面，通過(guò)MCP將知識(shí)庫(kù)與檢索能力服務(wù)化，使信貸報(bào)告生成、審計(jì)制度問(wèn)答、運(yùn)維問(wèn)答等多個(gè)場(chǎng)景能夠復(fù)用同一AI Infra底座，避免重復(fù)建設(shè)。該基礎(chǔ)設(shè)施已具備橫向擴(kuò)展至信貸審批、合規(guī)審查、風(fēng)險(xiǎn)分析等更多金融場(chǎng)景的能力，為后續(xù)規(guī)?；涞厝斯ぶ悄軕?yīng)用提供了穩(wěn)定、可復(fù)制的實(shí)施方法和技術(shù)基礎(chǔ)。

總體來(lái)看，項(xiàng)目不僅帶來(lái)了可量化的業(yè)務(wù)成效提升，更推動(dòng)該央企集團(tuán)財(cái)務(wù)有限公司在AI Infra層面完成了從“工具引入”到“能力沉淀”的關(guān)鍵轉(zhuǎn)變，具備顯著的商業(yè)價(jià)值與行業(yè)示范意義。

關(guān)于企業(yè)

·星環(huán)科技

星環(huán)科技提供覆蓋數(shù)據(jù)全生命周期的企業(yè)級(jí)AI基礎(chǔ)設(shè)施軟件與服務(wù)，涵蓋數(shù)據(jù)集成、存儲(chǔ)、治理到建模、分析、挖掘和流通等環(huán)節(jié)。公司秉承“自主研發(fā)、領(lǐng)先一代”的技術(shù)發(fā)展策略，構(gòu)建了新一代AI基礎(chǔ)設(shè)施軟件矩陣，共同構(gòu)成從數(shù)據(jù)到知識(shí)、從模型到應(yīng)用的端到端解決方案，助力各行業(yè)企業(yè)加速智能化轉(zhuǎn)型，重塑競(jìng)爭(zhēng)優(yōu)勢(shì)。公司產(chǎn)品與解決方案已經(jīng)在金融、公共部門、能源、醫(yī)療、交通、制造等十多個(gè)行業(yè)落地，服務(wù)超過(guò)1600家終端用戶。

·某央企集團(tuán)財(cái)務(wù)有限公司

某央企集團(tuán)財(cái)務(wù)有限公司是經(jīng)國(guó)家金融監(jiān)管部門批準(zhǔn)設(shè)立的非銀行金融機(jī)構(gòu)，主要為其集團(tuán)及成員單位提供專業(yè)化、集約化金融服務(wù)。公司以服務(wù)集團(tuán)戰(zhàn)略和實(shí)體產(chǎn)業(yè)發(fā)展為核心，圍繞資金集中管理、結(jié)算清算、融資支持及風(fēng)險(xiǎn)管理等核心業(yè)務(wù)，提升資金配置效率與使用效益，依托集團(tuán)產(chǎn)業(yè)優(yōu)勢(shì)和規(guī)范治理體系，持續(xù)為其央企集團(tuán)高質(zhì)量發(fā)展提供穩(wěn)健高效的金融支撐。

★以上由星環(huán)科技投遞申報(bào)的企業(yè)獎(jiǎng)，最終將會(huì)角逐由金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度AI Infra領(lǐng)先企業(yè)》榜單/獎(jiǎng)項(xiàng)。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢(shì)論壇”現(xiàn)場(chǎng)首次揭曉榜單，并舉行頒獎(jiǎng)儀式，歡迎報(bào)名蒞臨現(xiàn)場(chǎng)。