{"id":80025,"topic":"ai","source":"新浪网","title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","url_hash":"309a862209d981a50c76abb4f0947f1bc6e593ae","author":"","summary":"俞枫：国泰海通AI转型探索与实践分享 新浪网","content":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","image_url":"https://n.sinaimg.cn/finance/transform/116/w550h366/20260911/a006-f93ec166e44cea36aab280df0f308a84.png","lang":"zh","published_at":"2026-09-11T06:17:59+00:00","fetched_at":"2026-09-11T07:15:06+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}},"news_item":{"id":80025,"canonical_url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","source_url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","source_name":"新浪网","author":null,"published_at":"2026-09-11T06:17:59+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"俞枫：国泰海通AI转型探索与实践分享 新浪网","full_text":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","excerpt":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 3964 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","summary":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","source":"新浪网","date":"2026-09-11T06:17:59+00:00","content":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 3964 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/80025","export_markdown":"/api/items/80025/export?format=markdown","export_json":"/api/items/80025/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4"},"formats":{"full":{"id":80025,"title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","source":"新浪网","author":null,"published_at":"2026-09-11T06:17:59+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","full_text":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 3964 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}},"actions":{"read":"/item/80025","export_markdown":"/api/items/80025/export?format=markdown","export_json":"/api/items/80025/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4"}},"digest":{"id":80025,"title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","source":"新浪网","topic":"ai","published_at":"2026-09-11T06:17:59+00:00","excerpt":"俞枫：国泰海通AI转型探索与实践分享 中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。 以下为演讲实录： 各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。 首先，分享我对 AI 产业发展的核心认知。…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 3964 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","subtitle":"新浪网 · 2026-09-11","summary":"俞枫：国泰海通AI转型探索与实践分享 中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。 以下为演讲实录： 各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI…","badges":["quality:high"],"links":{"read":"/item/80025","original":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4"},"quality_warning":null},"export":{"title":"俞枫：国泰海通AI转型探索与实践分享 - 新浪网","url":"https://finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html?vt=4","summary":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","source":"新浪网","date":"2026-09-11T06:17:59+00:00","content":"俞枫：国泰海通AI转型探索与实践分享\n中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。国泰海通证券首席信息官俞枫出席并演讲。\n以下为演讲实录：\n各位来宾，大家好！非常荣幸在北京与各位交流国泰海通数字化、智能化转型的探索历程与实践成果。本次分享主要分为两大板块：一是阐述我们对 AI 行业发展的核心认知，这是企业转型实践的逻辑根基；二是详细介绍国泰海通近年来数字化、智能化转型的落地实践与整体布局。\n首先，分享我对 AI 产业发展的核心认知。\n从大模型技术发展历程来看，人工智能技术迭代是循序渐进、持续升级的过程，目前已迈入成熟落地阶段，未来仍将保持高速发展。基于这一行业趋势，我们确立了适配企业发展的技术应用逻辑：主动拥抱科技变革，充分承接技术发展带来的产业新价值，依托稳定的技术架构适配行业迭代节奏，实现与技术发展同频成长，规避技术革新带来的发展被动性。\n同时，行业发展清晰体现出技术迭代提速、工程落地为王的特征。DeepSeek 等前沿模型的涌现，持续刷新人工智能技术上限，但对企业而言，技术先进性不等于落地实用性。企业发展的核心关键，是将前沿技术与自身业务场景深度结合，走出适配自身发展的落地路径。当前，大模型已然引发产业变革，无论是海量用户场景的覆盖，还是依托有限算力、算法创新推动人工智能应用高质量发展，都已成为行业确定的发展趋势。\n从产业价值维度来看，经济时代的核心生产要素正在发生根本性变革。农业经济时代，产业核心要素是土地与劳动力；工业经济时代，核心动力是工业技术革新；而智能化时代，产业价值度量体系全面重构，Token 成为全新的认知度量标准，生产要素在数据、算法、算力的基础上，新增智能体这一核心维度。\n新时代下，AI 的核心价值在于打破传统产业边界、重构行业竞争格局，这也重塑了我们对 AI 的企业定位：AI 不再是简单的辅助工具，而是企业数字化转型的核心核心驱动力，是推动企业全方位升级的核心引擎。\n从行业定位来看，人工智能已成为国家新一轮科技革命和产业变革的核心驱动力，正式成为社会与产业的新型基础设施。未来，AI 将如同水电煤一般，渗透到产业发展、企业运营、大众生活的各个场景，成为全行业通用的基础配置，是产业升级、企业发展的必然选择。\n基于这一认知，国泰海通确立企业级 AI 发展定位：将 AI 深度纳入企业基础设施体系，让全体员工、全体客户充分享受人工智能技术带来的发展红利与服务升级。\n其中，智能体的普及应用，实现了 AI 角色的根本性升级。传统 AI 以被动响应、工具赋能为主，而新时代智能体可实现主动规划、自主执行、协同作业，转变为企业业务发展、客户服务的核心协作伙伴。这一角色变革，推动 AI 应用从单一的会话交互、内容生成，升级为规则研判、自主行动的全流程赋能，也成为企业智能化基础设施建设的核心发力点。\n接下来，具体介绍国泰海通数字化、智能化转型的探索与实践成果。\n公司数字化建设整体分为三个迭代升级阶段，层层递进、筑牢智能化发展根基。\n第一阶段自 2015 年启动，核心目标是实现业务全流程电子化。该阶段的核心价值是完成全业务数据留存与基础数据积累，搭建企业数字化基础底座。时至今日，数字化基础建设仍是企业发展的根本，我们仍在持续推进数字化革新与迭代升级。\n第二阶段聚焦数字化能力升级，完成 O2O 全流程贯通、个性化客户服务优化等核心建设。通过这一阶段的改造，公司实现业务数据规模化积累，为后续 AI 技术落地提供了核心数据支撑，同时全面提升了企业服务能力与服务质量，为 AI 技术与业务场景融合赋能奠定了坚实基础。\n第三阶段自 2021 年开启，公司全面推进整体数字化转型，确立 “以用户为中心、整合平台能力、开放生态服务” 的核心发展理念，搭建系统化、平台化的业务布局体系。回望转型历程，智能化发展的高度，取决于数字化基础的扎实程度。即便当前全面迈入智能化时代，数字化基础迭代升级仍是企业持续发展的核心根本。\n在 AI 应用理念层面，公司实现了从赋能到变革的迭代升级。\n2017 年，我们率先预判 AI 的基础设施属性，提出 “AI in All” 的发展理念，将 AI 定位为全域赋能工具，聚焦各业务、各岗位的点状场景应用，实现单点提质增效。\n大模型技术成熟落地后，AI 的产业潜能被全面释放，我们顺势升级发展战略，正式提出 “All in AI” 的核心策略。我们将 AI 重新定位为企业变革的核心力量，依托 AI 驱动组织架构变革、业务流程创新、经营模式升级。\n这一战略升级，核心是为了解决企业 AI 投入的可持续发展问题。行业内传统轻量化 AI 应用，仅能优化办公碎片场景、小幅提升员工体验，无法真正转化为企业核心生产力，难以匹配企业规模化的 AI 投入成本。而将 AI 作为变革核心力量，能够深度重构企业核心业务体系，实现核心能力的系统性提升，保障 AI 投入与产业产出的正向循环。\n2024 年落地的 “All in AI” 战略，核心目标是实现企业全员、全业务、全流程数字化、智能化。为匹配这一战略，我们核心攻坚体系化 AI 基础设施建设，支撑 AI 技术在企业内部的规模化落地应用。\n基于上述战略，公司搭建了完整的智能化创新架构体系，核心打造 AI-Ready 数据中台，作为企业智能化转型的核心中枢，构建全链路 AI 运营架构。\n当前金融行业 AI 落地普遍存在不敢用、不好用、不可控三大痛点：数据隐私与信息安全隐患导致企业不敢用；传统 BI 数据架构与 AI 模型应用架构不匹配，存在数据转换损耗，导致技术不好用；大模型天然存在幻觉问题，输出结果不稳定，导致应用不可控。\n针对行业三大痛点，我们搭建以Any Data、Any Compute、Any Model为核心的 AI-Ready 数据平台，形成完整的智能化支撑体系。平台向下整合绿色算力资源，向上支撑全品类模型矩阵，搭载智能体、技能工具、知识库等应用生态，同时以全链路 AI 可信可控治理体系贯穿始终，有效解决模型幻觉问题，实现模型可控、内容可信、输出可靠、服务兜底的规模化 AI 应用生态。\n平台三大核心能力具体如下：\n第一，Any Data，通过统一数据底座，实现全模态数据统一纳管，兼容传统 BI 分析与 AI 模型应用双场景，消除数据适配损耗；\n第二，Any Compute，整合各类计算引擎，实现算力资源灵活调度、按需配置；\n第三，Any Model，完成多类型模型适配，搭建 “1+N” 模型矩阵体系，实现规模化场景赋能。\n依托核心平台，我们落地三大关键建设举措：\n一是搭建 “1+N” 大模型基础底座。以自研垂类基础模型为核心，整合市场各类优质通用模型，构建场景化模型矩阵。该架构稳定性强，可适配行业模型持续迭代，保障企业核心能力稳定输出；\n二是构建多元算力体系。融合自有算力与第三方专属算力资源，创新分子算力应用模式，同时持续强化全流程数字治理；\n三是依托长期数字化积淀筑牢数据根基。公司自 2017 年启动智能化探索，累计沉淀超两亿条客户服务数据，为垂类大模型训练、场景落地提供了高质量数据支撑。\n在核心模型建设层面，2024 年我们联合阶跃星辰、财联社，共同打造千亿参数级多模态金融垂类大模型，实现核心模型自主可控。通过大小模型协同联动，构建自主化服务体系，有效解决行业 AI 应用痛点。该模型是业内首个获得监管认可、可规模化对外提供投顾服务的金融大模型，具备合规、可信、可控的核心优势。\n同时，我们搭建全流程可信保障体系，通过工程化训练、结构化输出约束，规避大模型幻觉问题，严格落实投顾业务合规要求，禁止违规荐股等行为；建立算法自评估常态化机制，全方位保障对客服务内容合规、精准、安全。\n目前，公司 AI 应用已实现全域规模化落地，覆盖九大业务领域、260 个细分场景，部署超 1000 个业务智能体。值得一提的是，公司超 500 名员工参与智能体搭建，其中业务一线人员超 100 名，真正实现业务驱动 AI 创新、AI 赋能业务升级。\n在核心业务场景落地中，智能化转型成效显著：\n在智能服务领域，公司自 2018 年启动智能化布局，陆续迭代上线惊鸿、灵犀智能服务体系。博图模型落地后，迭代推出智能选股服务；大模型时代，持续升级数字分身、AI 投教等创新应用，打造业内首款全 AI 驱动金融服务 APP。依托全链路智能体系，完成从智能客服、智能投顾、数字人投顾到 AI 超级助手的全面升级，实现千人千面的个性化智能展业服务，全面提升客户服务体验与合规服务能力。\n在投研领域，我们搭建全数字化投研赋能平台，打破投研能力的部门壁垒。将原本专属研究所的专业投研能力，泛化至全公司各业务部门及一线营业部，自动生成标准化企业介绍、产业分析报告等内容，大幅降低一线服务门槛，全面提升前端业务服务专业性。\n在投行业务领域，落地大模型全链路数字化应用，重构竞标、文书撰写、风险检测等核心流程。传统数小时的竞标筹备工作，现已压缩至十分钟完成；可智能化生成债券招股书、投行辅助说明文件等专业文书，同时实现业务风险智能检测，大幅提升投行作业效率与风控水平。\n在科技研发领域，AI 已实现 100% 全覆盖应用。依托 CODING 体系搭建完备的智能化研发链路，覆盖研发、测试、运维全流程。自 2017 年迭代升级至今，企业智能化运维能力、技术研发效率实现跨越式提升。\n整体而言，AI 技术的深度落地，结合企业流程再造与组织变革，持续激活企业发展新动能，为国泰海通的高质量发展提供了坚实的智能化支撑。\n以上就是我本次的全部分享，谢谢大家！","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-11/detail-inirmruc2443730.d.html%3Fvt%3D4","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 3964 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3964 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3964,"summary_length":3964,"usable_text_length":3964,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3964,"summary_length":3964}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}