- Modelb@nk5.0未来银行架构
- “乾坤”企业级数智底座
- 平台级产品
- 银行行业解决方案
- 其它主要行业解决方案
-
焦点应用产品族
聚焦焦点营业系统建设，，，支持数字化转型
-
云盘算产品族
提供云原生架构解决方案
-
数据智能产品族
以数据中台为焦点的数据全生命周期产品
-
智能银行（网点）产品族
笼罩智能风控、远程视频银行等场景化产品
-
数字金融产品族
通过开放银行等延伸互联网金融产品
-
信贷治理产品族
笼罩信贷全流程，，，助力普惠金融
-
风险治理产品族
提供信用风险与资源计量产品
-
科技羁系产品族
聚焦羁系合规，，，强化金融系统清静性
-
金融信创
漫衍式焦点系统国产适配，，，构建金融清静底座
-
行业信创
全栈式信创云平台，，，驱动多行业自主可控
-
基于云原生的智能服务
云原生+AI驱动，，，全栈式迅速安排与智能运维
-
量子通讯
量子密钥分发手艺，，，构建金融级清静通讯网络
-
农业农村场景金融
数字手艺赋能农业产融，，，构建智慧农村生态
-
中小微场景金融
大数据风控+线上化服务，，，破解小微融资难题
-
数字供应链金融
区块链+AIoT手艺整合，，，优化产融协同效率
-
数字人民币场景应用
智能合约+多载体支付，，，拓展消耗场景
- 咨询妄想
- 行业数字化转型
- 软件及服务
-
营业咨询
数字化战略、谋划建�！�、零售与绿色信贷咨询
-
数字化咨询
科技战略与系统群架构及治理研发妄想等
-
数据治理咨询
企业整体战略导向全局数据治理与应用妄想
-
PMO治理咨询
围绕项目举行全生命周期管控与专家赋能
-
金融信创咨询
3-5年信创事情整体妄想制订
-
企业IT治理服务产品族
漫衍式架构+智能运维平台，，，全生命周期IT治理
-
企业IT治理服务解决方案
富厚的IT治明确决方案，，，包管营业连续性
-
企业数字化转型服务
科研知识产权方案，，，提升全生命周期治理能力
-
工业数字化转型服务
工业智能体+物联网优化生产，，，打造数智工厂
-
研发治理及DevOps
云原生+DevOps全生命周期平台
-
自动化产品
自动化建�！�、执行、测试、营业流程自动化
-
测试解决方案
AI+TMMi赋能全生命周期测试，，，智能天生用例
-
咨询及外包
全生命周期IT服务，，，PMO咨询与行业级交付
1月15日，，，海博论坛信息董事长郭为在DC·AI生态立异中心开幕活动上揭晓主旨演讲，，，以下为演讲全文整理。
在刚刚落幕的2025年CES大会上，，，黄仁勋先生的演讲再次点燃了人们对人工智能的热情。在此，，，我也与诸位分享一下我们对中国人工智能生长路径的看法。
通专融合
首先，，，我想让各人看一下这张图，，，这张图来自上海浦江实验室主任、首席科学家周伯文的一个报告。凭证周教授的看法，，，连系人工智能专业性和泛化性两个维度剖析，，，我们可以看到：： ：
图中的纵轴代表的是专业性。以DeepMind的AlphaFold为例，，，这一AI模子在生物分子相互作用结构的精准预测方面，，，已经助力两位科学家获得了诺贝尔奖。在卵白质结构预测领域，，，它已经逾越了人类的能力。我们经常讨论AGI怎样逾越人类，，，而AlphaFold已经给出了谜底。但这样一个强盛的AI，，，却可能无法回覆一个简朴的日常问题，，，这一征象反映了专业模子只管在某一特定领域体现优异，，，但其泛化能力极为有限。
横轴代表泛化性，，，凭证周伯文教授的界说可分成狭义人工智能、广义人工智能和通用人工智能。例如Google、OpenAI和Meta等各自推出的大语言模子，，，都展示了在知识学习和压缩方面的卓越能力，，，体现出前所未有的无邪性和适配性，，，能够处理普遍的使命，，，并快速顺应新情境。相比专业模子，，，这些大模子的泛化能力可以给人留下深刻的印象。可是，，，在高度专业化的问题上，，，它们的体现往往缺乏深度的专业明确和精准性。
因此，，，周教授指出，，，AI生长保存一个高价值区域，，，就是这张图右上角我用红圈标示出来的区域。也就是说，，，在专业性上，，，AI能力应抵达或凌驾90%以上专业人士的水平。在泛化性上，，，AI需要抵达广义人工智能级别的泛化能力，，，可以以极低本钱实现差别使命之间的迁徙。
这一“高价值区域”正是AGI蹊径图中的要害所在，，，也是未来推动新一轮手艺革命的偏向。只有在这个区域内，，，AI才华真正实现专业性和泛化能力的平衡，，，成为厘革生产力和立异的焦点驱动力。
怎样让大语言模子在坚持泛化能力的同时，，，还能精准解决专业问题，，，正是目今AI所面临的最大挑战。这不但仅是手艺问题，，，更是整个AI研究领域的战略目的。有人说AGI到来的时间是三年、五年甚至十年。从我的角度看，，，今天最主要的照旧应用。对企业来说，，，要害在于怎样实现商业化应用。它可能尚未抵达完全的AGI水平，，，或许仅处于专业能力排名前1%甚至前10%的阶段。但我们真正需要研究的是，，，怎样借助通用大模子，，，在较低本钱的情形下实现这一目的。
但企业面临的问题越发重大，，，不是一个卵白质结构的问题，，，可能是多个类似于卵白质结构的重大问题交织在一起的问题。因此我们需要找到一个要领，，，让大语言模子能够在企业内部，，，包管大模子具备的强通用性、强泛化能力的同时，，，还能深度的适配特定的行业、企业的专业化需要，，，我们把它叫做“通专融合”。
泛化和专业化能力的融合：： ：海博论坛问学解决之道
针对这个“通专融合”高价值区的问题，，，海博论坛数码给出了自己的谜底——海博论坛问学：： ：海博论坛问学是一个完整的平台，，，资助企业从算力、模子、企业知识到智能体等多方面完成AI落地。
首先要解决企业怎样在清静、可控的条件下，，，构建对自己营业问题的专业模子。实质上来讲，，，海博论坛问学通过企业专属数据和天生数据，，，来驱动通用模子快速专业化，，，知足营业需求。运用强化学习和持续学习机制，，，让模子随着企业营业的转变一直进化。同时在企业内部混淆安排通用模子和多个专业模子来解决通专融合的问题。
虽然对一个企业来讲，，，还普遍保存诸如怎样面临重大的、散落各个地方的、各式各样的非结构化的数据，，，怎样把这些数据酿成企业的知识和大模子可以使用的数据集，，，怎样包管企业知识和敏感数据的清静，，，以及知识的持续治理、有用数据缺乏等问题。这些都要求企业有一个知识治理和治理平台。而海博论坛问学也在这些方面给出了一些谜底。
海博论坛问学可以提供知识治理的�？？？橹С制笠底鍪葑急福�，，将内部的专有数据形成标准化的训练数据集；；；连系领域专家的知识对要害数据点举行深度标注，，，以增强模子的专业明确能力；；；同时资助企业举行数据天生，，，使用数据合成手艺天生高质量的合成数据，，，以增补真实数据的缺乏。在一些专业领域，，，如医疗行业，，，天生逻辑链路可以让模子可以更好的明确和推理重大的场景，，，从而进一步推动模子的专业化。
另外，，，企业也需要一个平台来对大模子进专业化训练，，，需要治理和跟踪多个模子，，，让它们协同事情、有用反�。�，，具备持续优化模子的性能。海博论坛数码也提供了模子训练和模子治理的功效。
同时我们也看到，，，由于企业要降低本钱，，，不可能把所有的数据都用通用的大模子来训练，，，因此这方面我们也通过资源池化和虚拟化的方式，，，针对差别模子需求举行资源分配，，，降低企业应用大模子的本钱。
我们通过“批量推理”的方式，，，提升了运行效率，，，更充分地使用了盘算资源；；；同时接纳混淆精度盘算方式，，，在推理阶段对模子权重举行优化处理；；；并通过并行盘算等手艺，，，持续资助企业以较低本钱将通用大模子刷新为专业化模子。别的，，，为了提高撒播效率，，，我们将产品宣布在开源社区上。
“流水线”的启示——AI for Process
各人都知道，，，AI在科学研究领域（AI for Science）取得了很大的成绩，，，施展重大的作用。但我们也必需看到，，，应用于科学研究的AI是不计本钱的。而企业纷歧样，，，关于企业而言，，，开发专用模子并非易事，，，事实并非人人都能像训练AlphaFold那样轻松实现。通常只有少数国家的大型实验室才有能力完成云云大规模的投入。关于大大都行业、企业，，，甚至整个都会来说，，，这样的投入都显得过于极重。因此，，，怎样让更多的企业拥抱AI的效果，，，是我们现在面临的主要课题。海博论坛问学希望为此提供一条可行的路径。
怎样才华提供这样的路径？？？左边这张图是我已往一年的研究效果。五、六年前，，，我提出了认知倾覆、手艺倾覆和产品倾覆的看法，，，但怎样真正实现这些倾覆？？？经由深入研究，，，我发明推动企业持续生长的要害在于三个要素：： ：一是商业模式，，，二是治理要领，，，三是手艺架构。这三者的有机连系能够一直推动企业的生长，，，而它们的连系点正是流程。
一百多年前，，，福特发明了流水线。着实，，，在流水线发明之前，，，电动汽车已经泛起，，，而其时占有主导职位的是蒸汽机车，，，汽油发念头汽车仅占市场的20%。福特流水线的发明，，，使汽油发念头汽车的本钱大幅下降。正是流水线涤讪了美国在已往一百年成为“车轮上的国家”的基�。�，，也推动了全球的手艺前进和工业升级。流水线（Process）不但改变了商业模式，，，推动了手艺前进，，，还改变了我们现代的治理方式。我们今天许多治理要领，，，现实上也是建设在流水线的基础之上。
因此，，，关于企业来说，，，企业流程恰恰是一个企业治理的“流水线”。在数字经济时代，，，手艺范式的立异倾覆了古板认知，，，进而推动商业模式的深刻厘革，，，同时也带来治理要领的演进。商业模式、治理要领和手艺范式这三大焦点驱动力的持续厘革与相互作用，，，正在推动企业连系自身优势，，，构建数字时代的新引擎。而它们的连系点，，，正是企业的流程——Process。
右边这张图是我曾在《数字化的实力》一书中提到的。数字化时代的企业立异就是数据资产的重新编排，，，其实质就是流程再造。流程实质上就是营业自己。以银行为例，，，信贷治理流程实质上就是信贷产品，，，是银行的焦点竞争力。存款治理和总帐治理流程也同样云云。当我们看到AI怎样赋能各行各业的时间，，，重点在于通过AI实现流程再造和优化，，，资助企业更深入的连系自身的营业流程实现持续的立异与突破。数据资产一直的组合和营业的一直转变，，，都需要一直地优化流程、厘革流程，，，从流程为中心切入AI应用，，，不但仅是企业数字化转型的主要路径，，，也是我为什么提出AI加速的数云融合手艺愿景的配景。虽然，，，Al for Process也是海博论坛问学生长的战略偏向。
现在海博论坛问学的AI Agent的编排空间已经可以作为Al for Process的实现平台，，，给企业提供一个功效周全、结构化的情形，，，让企业内部的AI模子能够会见息争析企业内的多源异构数据，，，资助企业高效地构建和安排可以扩展的、适配营业需求的营业AI Agent智能体。这些智能体不但能够精准的明确营业的意图，，，还能感知动态情形，，，自主妄想使命路径，，，并通过挪用现有的工具、服务接口和API执行操作。
更主要的是，，，平台能将疏散的营业节点一直地组合成新的流程，，，这样可以让企业在重大的企业级使命中，，，通过AI Agent对使命的剖析和流程的执行有周全且清晰的明确，，，从而实现与人和其它系统的协作高效性，，，以及流程的自动化。
其次，，，海博论坛问学还可以资助企业“敲碎”古板的应用。已往我们提到的ERP，，，包括已往的焦点营业系统，，，在未来的生长中都需要举行碎片化、API化处理。通过将古板营业逻辑细化、�？？？榛⒆狝PI接口，，，使其能够被AI Agent直接挪用和执行。这使得企业可以越发无邪地拆解和重组现有的系统和流程，，，获得迅速的立异能力。未来的企业流程将更多体现为智能体之间的编排与对话。
针对AI在企业流程的应用，，，2024年海博论坛问学团队宣布了相关论文，，，并乐成申请了四项发明专利，，，立异性地打造了Al for Process框架下的自顺应、本钱可控、增强性的知识密度提升�？？？�。
可以想象，，，未来企业流程一定会从古板的、静态的操作模式转变为以智能体为焦点的动态编排与协作系统。各人可能不太容易明确这句话的寄义。十七、八年前我做产品的时间，，，最深刻的体会是一个产品的生命周期可能只有几个小时，，，如昔时中国移动春节晚会的短信平台。也就是说，，，未来的产品和服务形态都将是一种动态编排模式，，，而这正是AI应用的重大优势。智能体通过实时交互和使命分发，，，能够高效完成重大、跨部分、跨系统的事情，，，将成为企业运营的主流方式。
微软的CEO萨提亚前几天说，，，行业内讨论的焦点已经不再是模子自己，，，而是模子的编排、模子的评估以及怎样安排基于这些模子的应用，，，未来数据的交互和营业逻辑的处理将由AI智能体所主导，，，这也意味着AI Agent将重新界说整体企业软件生态，，，SaaS模式将不复保存。
以是，，，我以为Al for Process是一个主要且焦点的AI应用领域，，，推动以流程为中心的AI应用落地，，，将企业数据资产与营业需求深度融合，，，一直优化和刷新流程，，，会成为企业数字化转型的主要路径。
生态相助——海博论坛问学的AI for Process实践
虽然，，，这一历程和目的绝非单个企业能够自力完成。海博论坛数码已经与德勤睁开战略相助，，，配合推出了“AI Factory”看法。此次相助不但聚焦于人工智能手艺自己，，，更致力于通过企业流程厘革实现AI的落地价值。今天，，，DC·AI希望向各人展示更多应用场景。我们也在与国际、海内领先的人工智能企业、大模子厂商以及AI基础架构厂商睁开深入相助，，，配合探索落地实践。我们希望通过这些起劲，，，让更多的企业从中受益。
半年前，，，也是在这个房间，，，我们曾举行过一场座谈会。其时，，，许多相助同伴和生态同伴一致以为，，，只有联合全球差别领域的企业，，，配合打造AI生态系统，，，才华真正推动AI的生长。已往的一年中，，，海博论坛问学也落地了一些项目，，，获得了一些履历，，，有的项目是从知识治理的角度出发，，，有的是从企业流程 AI for Process的角度出发，，，有的是从算力治理的角度出发，，，有的是从Agent的角度出发，，，都给海博论坛客户带来了重大的价值。
我简朴举几个例子。就拿适才我提到的问学团队论文的客户实践案例来说，，，我们资助一家商业地产企业以极低的本钱实现AI Agent与现有系统的深度集成，，，将算力本钱节约了40倍，，，团队用Qwen2.5-7B模子，，，连系数据合成、微协调ASR评估模子反馈手艺，，，将工具选择准确率从基础模子的28.1%，，，大幅度提升到95.6%，，，显著逾越了GPT-4的88.1%的水平。这就是海博论坛问学在重大流程自动化应用场景中展现出的卓越能力。
我们还和一个大型的零售电商购物平台相助，，，基于海博论坛问学的智能体手艺，，，构建了意图识别的基础框架和标准流程。通过整合大模子的能力、智能体事情流的构建、提醒工程的分类细化，，，以及检索增强天生等手艺，，，我们乐成地实现了对电商营业中售前、售中、售后等十余类意图以及每一类意图中详细流程参数的准确识别�；；；诳突Х降哪诓坎馐孕Ч允荆�，，该项目的整体意图识别精准率和召回率均凌驾98%，，，显著优于原有基于规则的问答系统，，，指标效果显着凌驾客户预期。别的，，，在支持营业多并发的情形下，，，单条问答的平均响应时间控制在三秒钟内。这一效果不但提升了用户体验，，，也为企业电商营业现实运营效率带来显著提升。这是我们接纳GenAI 手艺举行营业流程优化又一个乐成案例。
今天在场的有不少来自银行业的朋侪们，，，借此时机，，，我也想分享一个我们在零售银行营业中的实践案例。我们通过人工智能手艺对数据资产举行深度的剖析和流程优化，，，实现了高效的营业流程编排，，，以大幅度提升客户体验和运营效率。详细来讲，，，我们使用AI驱动的流程自动化手艺，，，重新设计了客户的交互和内部营业的处理流程，，，在数据收罗和治理层面，，，通过构建集成化的智能化数据平台，，，未来自于客户账户、生意纪录、消耗行为和外部市场动态的海量数据实时汇聚。AI算法可以自动识别要害客户行为模式，，，天生实时洞察。
在流程编排层面，，，我们实验接纳AI智能事情流手艺，，，将重大的客户流程自动化。例如，，，当一位客户最先盘问购房贷款信息时，，，系统会即时触发AI编排流程：： ：第一步，，，剖析客户信用评分、收入情形和消耗习惯，，，快速天生预审批额度；；；第二步，，，凭证实时市场数据和客户所在区域房价趋势，，，定制推荐合适的贷款产品；；；第三步，，，通过API将这些信息直接推送到客户的移动银行APP，，，附上个性化的视频或互动指南，，，资助客户更快地完成决议。
若是客户在一准时间内未接纳行动，，，AI系统会自动进入下一步流程，，，推荐新的方案，，，如调解贷款利率，，，或是推荐相关的理工业品，，，同时该系统还会将用户行为数据反馈至中央数据平台，，，给未来的优化提供支持。
这种AI驱动的流程编排，，，不但简化了客户体验中的每一个环节，，，还显著缩短了从客户需求识别到产品交付的时间，，，同时降低了运营本钱。我们希望通过这一立异使客户在强烈竞争的零售银行市场中更快、更智能地响应客户需求，，，充分展示了AI在优化企业流程中的强盛潜能。
时机与挑战：： ：中国AI工业恒久生长的思索
我们讨论了AI在企业中的通专融合，，，也探讨了企业AI落地的焦点在于流程优化，，，还相识了海博论坛数码提出的解决方案。然而，，，这些着实只是冰山一角，，，尚有更多深条理的问题正在影响着我们。这现实上是一个生态系统的挑战。简朴来说，，，就是我们面临的机缘与挑战。
例如，，，在AI举行数据交流的历程中，，，我们对数据主权的包管制度仍在一直完善；；；在围绕AI应用的手艺立异方面，，，仍有大宗手艺需要进一步集成与再立异；；；在讨论基础设施时，，，大模子怎样真正成为海博论坛基础设施，，，仍是一条漫长的蹊径。怎样高效挪用这些基础设施？？？这些问题既是生长的机缘，，，也给我们带来了挑战，，，是所有企业起劲奋斗的偏向。
最后，，，回到我今天聚会的讲话主题——走出一条中国特色的AI生长蹊径。
我们可以看到，，，经由四十多年的积累，，，中国经济已经培育出全球第二大市场。在众多工业中，，，尤其是大型制造业，，，我们已经抵达了天下领先水平。例如，，，我国造船业的订单量占全球60%以上，，，钢铁行业产量占全球50%以上。这些工业在全球的领先职位，，，正是我们实现“AI for Process”落地生长并实现领跑的坚实基础。
我们也看到，，，在CES大会上黄仁勋所谈到的AI算力普及化。这种AI算力的普及将极大的激活中国在AI应用上的立异能力。同时，，，中国作为数据供应和数据消耗的大国，，，也给中国的人工智能可持续生长创立了重大的时机。
特殊是我们也看到这家叫DeepSeek（深度求索）的杭州公司，，，所展现出立异能力。同样是做大模子，，，他们走出了一条中国之路。因此，，，我相信中国人一定会走出一条纷歧样的路，，，具有中国特色的AI生长蹊径。
?京公网安备11010802043876
