北京银行金融人工智能应用平台建设与实践

建设背景

• 人工智能技术是金融科技发展的重要推动力：国际层面AI全球竞争加剧，行业层面金融服务全生命周期智能化，国家层面构建人工智能增长引擎。
• 金融行业大模型应用的难点：数据依赖国外、生成式模型输出不可控、测试验证困难、端到端解决方案不足。
• 项目背景：北京银行提出“B=IB+AIB”理念，以AI驱动构建金融核心能力，推动经营质效和客户体验提升。
• 项目目标：建设以知识驱动的“大模型”应用体系。

总体架构

• 总体功能架构：包括应用架构和技术架构。
• 技术特点：
  • 建设全栈国产化算力基座和训练框架：采用全国产NPU算力，基于MindSpore昇思框架，构建全行智算网络。
  • 构建可信金融训练集：利用高可信混合式金融指令数据生成技术和多维度金融数据集智能过滤技术。
  • 构建金融领域混合专家模型：提高模型准确性、推理资源效率、灵活性和可扩展性。
  • 建设大模型服务平台：提供全栈式工具链，降低训推成本50%，集成多种安全机制。
  • 建设Agent智能体应用能力：实现大模型应用能力快速对接，包括插件建设、工作流编排、知识库构建、Agent配置和多模型管理。
  • 自研搜索引擎，构建多元化金融知识库：提升大模型的安全性。
  • 建设数据安全标注环境：满足大模型数据标注安全需求。

场景应用

• “京信妙笔”智能报告工具：一键生成文档内容，支持OCR技术自动分类识别，通过对话方式插入数据和图表，智能校对提升质量。
• 智能会议助手工具：会议纪要生成、会议内容分析、关键信息提取，适用于审贷会等场景。
• 智能校对助手工具：提供3大校对类型、12种校对模型、27类全栈校对技术，基于10亿级数据量专有知识库，校对速度达1000字/秒。