混合算力与AI工程化驱动金融新质生产力落地

来源: 2026腾讯云AI产业应用大会 (Tencent Cloud AI Industry Applications Summit)

演讲人: 胡利明 (腾讯云副总裁)

1. 审视金融AI转型的五大核心瓶颈

金融机构在推进AI战略时，面临从底层资源到顶层治理的全链路挑战：

• 算力成本与供给: 面临成本高、供应难的现状，且需适配国产算力，技术门槛高。
• 数据孤岛与沉淀: 业务数据、文档知识、实时行情及外部知识割裂，缺乏面向AI的有效沉淀，存在数据安全隐患。
• 模型工程化落地: 难以将个人提效转化为组织级提效，缺乏清晰的生产级业务演进路径。
• 组织级提效: 从“个人提效”转向“组织提效”的过程中，面临知识资产流失与协作流程重构的阻力。
• 合规与治理: 在数据级AI治理中，需严格满足数据安全、隐私保护及监管合规要求，确保过程可审计。

2. 构建“云智融合”的全栈技术底座

腾讯云提供从基础设施到智能体应用的四层架构，通过混合算力与Data+AI结合解决上述痛点：

• 异构算力统一调度： 采用私有化算力与公有云结合的模式，通过AI网关实现金融级资源隔离。支持一云多芯多卡适配，完成国产算力深度适配与软硬件优化。
• 可信数据服务： 整合腾讯云TBDS与WeData，打通业务系统、文档研报、实时舆情等全域数据，构建知识闭环与Agent自我演化体系。
• AI工程化平台：
  • CodeBuddy： 聚焦金融代码逆向工程与开发流程重塑，将散乱知识转化为结构化资产。
  • WorkBuddy： 构建企业AI工作台，集成Agent Suite，支持数字员工7*24小时在线。
  • 双轨范式： 提供开源方案（自主可控、私有化部署）与闭源商业服务（开箱即用、稳定迭代）两种落地路径。
• 金融级AI治理： 建立全链路安全管控，涵盖资源可视、输出可信、执行可控（人工审核）、过程可溯（审计），实现Agent全生命周期管理。

3. 量化业务指标与效能提升

通过具体的产品应用，在研发、办公及运营环节实现了可量化的效率提升：

• 研发效能 (CodeBuddy):
  • 某保险客户（泰康）开通1300席账号，人员日均产能提升23%。
  • 司内实践：仅用2天即完成WorkBuddy初版产品开发。
• 办公与运营效能 (WorkBuddy):
  • 研究调研： 提效超 80%。
  • 法务文档处理： 提效 45倍。
  • 舆情分析与产品Demo： 报告/耗时缩短 90%。
  • UI/UX设计： 效率提升 10倍。
  • 数据分析： 报表耗时减少 98%。
• 数据与推理性能:
  • 单任务推理时间控制在 2秒内。
  • 支持毫秒级混合检索，满足金融业务时效性要求。
• 组织演进目标:
  • 通过业务+技术Co-design流水线，目标实现整体研发效能 10× 提升。

4. 验证落地案例

• 某股份制银行（智算平台）： 基于“一云多芯”架构，高效支撑模型训练与推理，上线了AI知识库、AI辅助研发、智能客服、内部运营及零售数字化服务。
• 微众银行 (WeBank)： 应用Tokenhub于Al Coding、营销、客服及办公场景。
• 招商银行： 接入Tokenhub算力调度体系。
• 证券与保险行业： 招商证券、申万宏源证券、中国太平洋保险、华泰保险、国投证券、广东华兴银行等均已在营销、客服或核心系统改造中落地相关方案。

5. 技术领先性与生态优势

• 混合架构确定性： 提供“公有云+团体云+私有云”全栈部署能力，通过金融级资源隔离与国产算力深度适配，解决算力供应与合规难题。
• 工程化深度： 区别于单一模型能力，提供CodeBuddy与WorkBuddy等工程化工具，将AI能力嵌入开发、办公、运维全流程，保障单任务2秒推理与毫秒级检索的高性能体验。
• 全链路安全合规： 建立包含Agent安全网关、IOA及全生命周期管理的治理体系，确保金融AI应用“输出可信、执行可控、过程可溯”。
• 生态开放性： 模型层不仅支持腾讯混元，同时集成Kimi、GLM、Minimax等第三方模型，提供灵活的模型选型空间。