大数跨境

FinTech Members|夯实数据与知识基础 推动智能能力生产化——世纪证券人工智能能力建设实践

FinTech Members|夯实数据与知识基础 推动智能能力生产化——世纪证券人工智能能力建设实践 深圳市金融科技协会
2026-09-29
3


点击上方“蓝字”关注我们



文 / 世纪证券有限责任公司 首席信息官 林永峰

近两年,证券行业人工智能应用由通用问答和内容生成逐步延伸至专业智能体、技能调用和流程协同。公开资料显示,国泰海通证券2026年上半年累计推出1,314个智能体和404个Skills;广发证券上线110余项MCP服务、沉淀30类标准化Skill插件;华泰证券权益投研已覆盖超百个业务场景、沉淀3万余个投研因子。统计口径虽不完全一致,但一个变化较为清晰:人工智能建设正由单点应用转向基础能力建设。



图片

世纪证券有限责任公司 

首席信息官 林永峰


与这一行业变化相呼应,2026年6月,国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》,提出建设满足人工智能就绪(AI-ready)要求的高质量数据集,并明确面向智能体加强知识库、知识图谱、本体,以及复杂任务规划、长程推理和决策执行等数据集建设。这意味着,高质量数据集不仅要准确可用,还要能够支撑模型和智能体完成真实任务,也进一步明确了数据基础在人工智能能力建设中的作用。


深圳市金融科技协会会员单位世纪证券对人工智能基础能力的认识,最先来自经营分析场景。经营报表中一个核心指标的底层计算,可能连接多个账户体系、调取数十张原始数据表,并经过多层加工。指标波动需要业务解释,数据来源需要技术追溯,指标组织归属和使用权限也需要共同确认。这些基础关系如未明确,模型生成的分析结果也难以直接用于经营判断。围绕这一问题,公司的实践逐步聚焦到四个彼此关联的方向:先从核心经营指标穿透入手,把指标口径、数据血缘、组织穿透和校验证据梳理清楚,夯实可核验的数据基础;指标和对象增多后,再通过数据编织组织和维护持续变化的复杂关系;面向智能应用,把治理成果进一步转化为模型能够稳定调用的AI-ready数据供给;在已有多智能体平台基础上,持续完善企业智能中枢,让模型、知识和工具能力能够在不同场景之间复用。四个方向在实际建设中相互衔接、相互支撑,并最终通过真实业务场景检验建设成效。世纪证券希望通过这些实践,探索一条适应中小券商资源禀赋和业务特点的人工智能能力建设路径。


以核心经营指标穿透夯实可核验的数据基础

公司重大经营决策离不开可靠的核心经营指标。核心经营指标能否有效支持经营判断,首先取决于指标口径是否清晰;同时,数据来源和加工过程应可沿数据血缘追溯,指标在公司、机构和人员等组织维度的归属(即组织穿透)及使用权限也需明确。任何一处存在不确定性,出现异常波动或面对质疑时,业务与技术人员都需要反复核查;模型即使给出流畅解释,也无法替代事实确认。


世纪证券在数据治理工作中选取某核心交易类经营指标开展穿透核验。业务与技术人员共同确认指标口径、账户与交易分类、组织穿透和下游使用范围。通过系统梳理,上述工作已形成阶段性成果:5个核心过程用于还原关键加工步骤;7,382行过程SQL用于核验具体计算和加工逻辑;42张依赖表用于还原数据血缘及上下游依赖;约3.4万行数据库定义脚本(DDL)用于核验表结构;1,460项字段注释用于核验字段含义。经确认的指标口径、数据血缘和组织穿透信息汇集到同一指标下,同时关联质量与权限规则及校验证据,形成指标知识单元样板。一个指标是否可核验,关键在于结果能否回溯到明确的指标口径、数据来源、加工过程和校验结果。尚未确认的信息,不作为模型分析的事实依据,确保模型分析结果的可靠性。


图片

图1 核心经营指标知识单元样板


通过穿透核查工作,单个指标实现了指标口径、数据血缘和校验证据的关联。当范围扩大到一组指标时,同一底层数据需要服务多个指标,一项规则关联多张报表,组织调整也会改变后续归属。这些变化已难以由单一数据血缘持续表达,需要把分散关系放到同一网络中维护。


从指标知识单元延伸至数据编织

指标和对象数量增加后,单一数据血缘只能说明数据从哪里来、如何加工,难以持续表达指标、规则、组织责任和应用之间的复杂变化。基于这一需求,公司进一步引入数据编织,在现有数据治理基础上,将分散在指标、规则、组织责任和应用之间的关系纳入同一网络持续维护,使其能够随数据和业务变化动态更新。

在数据编织中,指标、规则、数据对象、组织责任和应用被组织为关系网络。任务运行、接口调用、质量检查和变更记录等主动元数据持续补充网络状态。字段或指标口径发生变化时,可沿关系识别可能受影响的指标、报表和应用;结果出现异常时,也可依据校验证据向源头回查。


世纪证券正在开展数据编织驱动的动态治理推演研究。一个数据项出现异常后,研究原型尝试判断其可能影响哪些对象、沿哪些路径扩散,并比较治理动作的优先次序。技术上采用守恒约束、扩散—衰减、熵与不确定性、状态空间和反馈控制等思路,目前处于技术研究和原型验证阶段。相关研究已形成发明专利申请。



图片

图2 数据编织驱动的动态治理推演(研究框架)


数据编织使关系维护和异常追溯有了更清晰的路径。要让这些治理成果进入智能应用,还需要将其转化为模型能够稳定调用的形式,并在调用时保留必要的指标口径、数据血缘、权限和校验证据。


面向智能应用完善AI-ready数据供给


AI-ready数据供给的核心,是将经过治理的数据和文档转化为模型能够稳定调用的形式;出现问题时,能够快速追溯来源,并反馈至治理环节修正。


在具体实施步骤上,世纪证券围绕场景需要逐步将现有结构化数据和文档资料纳入治理范围。数据库表和指标口径继续沿用既有治理链路;制度、业务文档和研发资料以电子文件为主,可结合文档解析、版面识别和结构提取等技术进行处理,对少量纸质或扫描材料再按需采用OCR。具体资料范围根据应用场景和现有材料情况确定。


在这一过程中,世纪证券使用证券领域对象模型(SDOM)组织常用业务对象及其关系,使不同系统中的数据可以按统一的业务对象理解和调用。


完成治理和对象组织的数据,可按场景转化为接口、检索索引或关系图谱。调用时保留指标口径、数据血缘、校验证据和权限信息,应用错误与评测结果则反馈至治理环节。通过这一链路,核心经营指标穿透形成的治理成果可进一步转化为模型能够稳定调用的AI-ready数据供给。在此实践基础上,世纪证券将逐步完善AI-ready数据供给,推动治理成果稳定服务更多智能应用。


图片

图3 AI-ready数据供给与反馈链路(规划机制)


当多个场景开始调用这些数据和知识时,若各场景分别建设模型接入、知识检索、工具接口和权限机制,容易形成重复建设,因此需要依托公司现有平台基础实现共性能力复用。


在已有基础上打造企业智能中枢


世纪证券已具备支持本地推理和技术验证的基础算力,多智能体平台也已有建设和应用基础。问答助手、投行助手和自营助手已投入使用,文档处理与知识检索具备应用基础。这些能力为多个场景共享模型、知识和工具提供了起点。


世纪证券企业智能中枢建立在现有多智能体平台之上,下一步重点是进一步完善企业级共性能力:统一模型接入和知识检索,明确各类业务工具的调用权限,让评测和审计贯穿任务执行;遇到证据冲突、权限不足或高风险操作时,及时转由人工处理。


图片

图4 世纪证券AI能力建设总体规划


业务场景决定实施方式。对于深度依赖公司数据、业务规则和内部系统的专业场景,自研团队需重点掌握数据、工具接口、权限和评测标准;通用工具则可采用成熟产品或组合集成。实施路径可以不同,但治理责任不能外移。现有本地算力主要用于敏感数据场景下的推理、知识检索和技术验证,后续是否扩展,将根据实际负载和总体成本判断。共性能力是否值得继续扩展,最终仍需由真实业务场景检验。


以真实场景检验智能能力建设成效


共性能力最终需要通过实际效果检验。结合当前基础,公司近期重点推进AI+经营日报、AI+办公、AI+编程、AI+财富展业和AI+展业质检,主要用于内部辅助和过程控制。AI+投研生产、AI+面客服务/投顾处于研究储备阶段。此类高要求场景能否进入生产,还需综合评估业务价值、运行质量、风险治理、用户采用和组织复用等维度,并根据个人自用、部门生产、集团共享等不同层级设置相应准入要求;待条件成熟后,再逐步明确生产范围。


图片

图5 近期场景与探索场景


从当前进展看,核心经营指标穿透已形成阶段性成果;数据编织动态治理推演处于技术研究和原型验证阶段;AI-ready数据供给处于规划建设阶段;企业智能中枢在已有多智能体平台基础上持续完善;AI+投研生产、AI+面客服务/投顾处于研究储备阶段。


各场景应按业务特点沉淀经确认的数据和依据、工具接口、评测结果及权限规则;经营指标类应用应保留数据血缘和校验证据。回到经营分析这一实践起点,一个指标能否被模型可靠解释,取决于它背后的指标口径、数据血缘、组织归属和校验证据是否清楚。由此向外延伸,数据编织负责维护持续变化的关系网络,AI-ready数据供给让治理结果能够稳定进入模型,企业智能中枢则为不同场景提供可复用的共性能力。对资源相对有限的中小券商而言,模型和智能体的数量并非主要衡量标准,更值得关注的是数据能否核验、能力能否复用、应用能否稳定运行。世纪证券将继续从真实业务问题出发,持续夯实数据与知识基础,推动经过验证的智能能力稳步进入生产流程,探索一条适应中小券商资源禀赋和业务特点的智能能力建设路径。


参考资料

[1]国家数据局:《关于推进行业高质量数据集建设行动的实施方案》,2026-06-08。

[2]国泰海通证券股份有限公司:《2026年度“提质增效重回报”行动方案落实情况半年度报告》,2026-08-18。

[3]中国证券业协会:《做好做优“数字金融” 广发证券以AI重构金融服务生态》,2026-07-14。

[4]新华网:《以专业主义催动守正创新 华泰证券“ALL IN AI”全面重塑业务逻辑》,2026-07-17。

[5]世纪证券数据治理二期核心指标溯源资料、《世纪证券AI能力建设与应用规划V3.7》,2026年。

[6]国家知识产权局:世纪证券《一种基于数据编织与物理约束图推演的证券数据治理动态推演方法专利申请受理通知书》,2026-08-18。

配图版权:图1—图5均为世纪证券原创PNG,版权归世纪证券有限责任公司。



内容来源:金融电子化

RECOMMEND

往期推荐



FinTech Members|星环科技正式于港交所主板挂牌上市

探秘国家AI基地,解开“金融+AI”落地密码


【声明】内容源于网络
0
0
深圳市金融科技协会
1234
内容 1504
粉丝 0
深圳市金融科技协会 1234
总阅读33.2k
粉丝0
内容1.5k