2024年金融行业智能云盘解决方案.pptx

金融行业大模型知识库落地需求与挑战

AnyShare金融行业智能云盘方案

CONTENTS

PART1

PART2

PART01

金融行业大模型知识库落地需求与挑战

1、传统知识搜索关键字匹配结果多，仍需人工判断和筛选内容，不能解决高效知识获取的问题

2、传统问答机器人无法完全理解人类复杂的语言，尤其是涉及专业领域时，

只能相似匹配，不能直接给出答案

3、传统问答机器人依赖人工运维FAQ库成本高，难以应对越来越多样化的业务需求

传统知识库是金融机构常见业务场景：但知识构建、运营难，效果差

效果差

成本高

示例2，“近三年违规企业有哪些”这类扩展式提问，很难获得预设FAQ知识库的回答

示例1，关键字匹配的全文检索答案列表过多，难以准确获得想要结果

知识搜索/查询

核心痛点

知识搜索

知识提问

用户

通用2B应用

行业通用场景数据

网络自治。运营商智能客服

智能风控。

量化交易

医疗咨询。

短文创作

AGI

营销

大模型

图片生成

。消费

视频生成

分子生成智能教学

6~12个月

12~24个月

大模型给知识库应用带来的新希望：知识组织、生成和应用智能化

模型能力开放

OpenAI：

•未来80%的人，10%的工作任务场景将被GPT影响

•19%的人，至少有50%的工作任务场景将被GPT替代。

每个企业都应意识到：大模型+知识库是大模型落地企业的第一站

场景化2B应用

行业生产场景核心数据

海量离散小模型向

少数大模型汇聚

2C现象级应用公开数据集

生物

教育

Source：OpenAI、FrostSullivan、

城市大脑

大数据分析

商业文案

内容搜索

辅助诊断

结构化感知

内容剪辑

新闻采编

代码开发

网站制作

内容、文档、知识类

模型基础能力

行业知识结合

3~6个月

智能对话

。社交

。设计

。办公

精准获客

智能问答

调研报告

文档写作

文档摘要

平面广告

内容推荐

城市

金融

传媒

医疗

编程

搜索

2023

HWMI

经济性

大模型落地要大幅降低TCO

•大模型落地三大件成本高：GPU服务器、大模型集成开发、大模型应用产品的投入成本高昂，动辄百万起，必须降低整体成本；

•AI人才贵：智能应用涉及小模型算法、提示词、知识图谱/数据增强、智能体开发、应用开发等等多环节。降低运营、开发门槛，能够让大多数技术和开发，甚至业务专家能够快速、自主、可配置、灵活的开发智能应用机器人，是关键能力。

安全

大模型要解决推理和数据安全：

•数据安全权限可控：金融行业数据有强安全管控要求，必须在安全可控范围内利用大模型的能力。

•大模型是黑盒模型：大模型作为黑盒模型，存在决策过程不透明、易受攻击、数据泄露风险高、难以解释和控制等安全隐患，

可能导致误判、被操纵或信息泄露

准确性

大模型存在幻觉，必须严谨约束确保准确

•内容准确：必须提高内容数据质量，并结合知识图谱增强大模型的生成准确性，

•场景准确：输出内容和范围针对特定业务场景或者用户的，精准推荐和个性化，范围可控；

•可信：输出内容必须可信，有依据、可解释；

大模型落地金融行业的关键挑战已达成共识

PART02

AnyShare金融行业智能云盘方案

安全、准确、经济，加速AI+知识库落地

基于DATA+AI架构的AnyShare智能云盘方案

AnyShare智能云盘是集企业云盘与AI于一体的新一代云盘方案。它采用DATA+AI架构创新，深度服务于各类AI+知识库场景，基于AnyShare认知助手自定义各类知识库助手，员工可随时随地智能搜索和问答，轻松总结经验、撰写报告。是企业提升效率、优化管理、驱动创新的得力助手。

平台层：

DATA+AI架构

灵活的智能体编排能力:

准确性、场景适应性

联邦AI的推理能力:

安全、高效、低成本

知识增强能力:

准确性、场景适应性

AnyShare认知助手

开放架构云原生架构

业务访问层

场景化机器人

Office预览/编辑

智能总结/摘要

CAD预览/测量

应用层

PDF预览/批注

共享与访问

多级文档库

内容数据湖

智能问答

智能搜索

辅助撰写

虚拟盘

审核

AnyShare认知助手

智能问答机器人问答对机器人

智