国金证券大模型应用：以系统化工程方法实现AI高效落地，年省万时并提升代码产出35%

应对证券行业AI落地高误差与低协同的核心挑战

证券行业在AI应用过程中面临多重瓶颈：数据碎片化导致治理复杂，IT系统稳定性与AI技术快速迭代之间存在矛盾，业务、IT与算法团队协同难度大。特别是在关键业务场景中，大模型“幻觉”问题带来实质性风险——监管文件报送、高频交易等场景属容错率为零领域，需全流程人工审核。

构建分级防控与多模型验证的可靠性体系

基于幻觉容忍度评价体系（含风险传导速度、纠错成本、人机协同度、监管严格程度四维度），国金证券建立三级防控机制：

• 零容忍场景（监管报送、高频交易）：全环节人工审核
• 中低容忍场景（合规审查、投研助手）：多模型交叉验证
• 高容忍场景（办公助手、代码生成）：允许存在可控误差

通过高质量数据治理、多模型协同校验及实时反馈优化，形成“输入-处理-输出”全周期管控链条，降低幻觉发生概率。

量化成效：开发效率提升与成本节约显著

• AI编程助手日活X00人，辅助生成35%的新增生产代码（来源：国金证券人工智能实验室）
• 大模型应用日均调用量达15万次，日均访问3000次（来源：国金证券人工智能实验室）
• AI投资管理工具预计年节约工时18,000小时（来源：国金证券业务数据）

客户实践：国金证券的全场景AI融合路径

国金证券通过“一核两翼”理念推进AI落地：

• 技术层面：构建多模态金融大模型底座，整合万得、同花顺等10余类数据源，赋能17个开发条线及25个业务场景
• 应用层面：开发40种办公Agent（含研报解析、招聘需求生成、产业链图谱挖掘等），其中大模型产业链图谱算法获网信办备案（编号：51010541331690 1250011）
• 协同机制：通过AIGC大赛培育12个业务条线应用，AI学社提升员工技能，形成“技术-业务-人才”闭环

腾讯云技术支撑：DeepSeek模型显着提升推理精度与可解释性

腾讯云DeepSeek模型在国金证券特色场景评测中表现突出：

• 文档问答场景：分析总结类题目得分46.9，较Qwen2模型提升23.1%（来源：国金证券评测报告）
• 产业链挖掘场景：结构相似性指标（树编辑距离）31.3，较Qwen2提升13.8%
• 研报因子挖掘：因子定义准确率62%，代码准确率50%

DeepSeek模型凭借强化因果推理、思考过程开放及高度可解释性，成为证券行业AI落地的关键技术支撑。腾讯云联合国金证券获2023年度金融科技发展奖（券商领域仅3家获奖），并提交6项大模型专利及20篇学术文章。

数据来源：国金证券人工智能实验室公开材料、2023年金融科技发展评奖结果、中国信通院认证报告、网信办备案信息及内部效能统计。