行业背景与痛点 - 人工智能技术正在加速重构金融业态，大模型驱动的投研生态变革正全面提速，迈向深度智能化新阶段[1] - 投资研究领域面临非结构化数据利用率低、知识复用难、跨团队协作成本高等核心瓶颈[2] - 日均新增的万份研报、纪要等文本内容蕴含巨大价值，但因缺乏高效处理手段而长期“沉睡”[2] - 传统通用型AI工具难以满足投研人员对精确性、可追溯性与专业深度的严苛要求[2] 公司解决方案：“AI青蚨”平台 - 平安基金率先推出自主研发的“AI青蚨”，这是一个深度适配基金投研场景的智能知识引擎[1] - 该平台以RAG技术为核心架构，构建“数据—知识—应用”闭环[2] - 平台通过自然语言处理技术对PDF、Word、会议录音转写等多源非结构化文本进行智能分段、去噪与语义解析，提取关键实体及关联关系[2] - 利用大语言模型对内容进行高精度标注，并将文本转化为高维语义向量，实现高效存储与快速检索[2] 平台功能与工作流程 - 用户提出自然语言问题后，平台自动进行语义扩展，生成多维度检索关键词[3] - 结合稠密向量检索与关键字匹配，快速定位最相关知识片段，再通过排序模型优化结果相关性[3] - 最终生成结构化、带引用来源的投资观点摘要，涵盖逻辑链条、数据支撑与潜在风险提示[3] 效率提升与流程重构 - 平台将研报分析效率从数小时缩短至分钟级[1] - 将研报核心观点提取时间由30-60分钟缩短至5分钟以内[3] - 单位时间信息处理量提升超过90%[3] - 实现了“秒级响应、精准输出”[3] - 通过智能标注、跨团队共享与人机协同机制，重构投研流程，降低知识流转成本[1] 应用拓展与运营影响 - “AI青蚨”的知识库能力被拓展至人力资源、财务合规、行政管理等非投研场景[4] - 孵化出如“HR小灵通”等智能助手，可实现差旅政策咨询、IT问题解答、报销流程指引等标准化服务的秒级响应[4] - 显著提升跨部门协作效率，降低了综合管理成本[4] - 推动公司内部知识资产的平台化沉淀与即时共享，构建起“人人可查、处处可用”的智慧组织生态[4] 安全与可靠性保障 - 针对大模型可能产生的“幻觉”问题，公司创新构建“技术约束+人工校验”双轨控制机制[5] - 技术层面通过调低模型温度参数、强制要求所有生成内容标注原始出处并附带文档直达链接，确保建议可追溯、可验证[5] - 流程层面设立“人机协同”机制，关键投资建议必须经研究员人工复核并确认合理性后方可采纳[5] - 建立“输入过滤—输出净化—行为监控”三级防护体系防范数据安全与隐私泄露风险[5] - 后台通过完整日志记录所有用户查询、中间推理与最终输出，支持全流程审计与回溯[6] - 设立自动化监控与人工抽检相结合的质量评估机制，持续优化平台表现[6] 战略意义与未来规划 - “AI青蚨”的推出不仅是技术升级，更是一场面向未来的战略行动[2] - 标志着公司在AI深度应用领域迈入自主可控的新阶段[1] - 公司正以技术自研为支点，撬动投研体系的智能化升级，加速抢占AI投研时代的制高点[1] - 平台旨在构建人机深度融合的下一代投研范式，开启人工智能参与价值判断与战略决策的新征程[6] - 未来平台将加速在全公司范围内的推广落地，覆盖更多业务条线[6] - 技术团队将持续迭代升级，纳入更多非结构化数据源，并探索MCP、Skill调用、上下文工程等前沿技术[6]