近年来，随着人工智能技术的飞速发展，大模型在金融行业的应用正逐步走向深化，成为推动金融业务智能化转型的关键力量。从智能投顾、风险控制到客户服务，大模型技术凭借其强大的数据处理能力和深度学习能力，正在重塑金融行业的服务模式和业务流程。特别是在2025年，随着国产大模型技术的不断突破，金融大模型的应用前景更加广阔，为行业带来了前所未有的发展机遇。

长江证券信息技术部大模型算法负责人吴克乾

日前，2025金融大模型应用与智能体建设研讨会在京隆重召开，会议汇聚了金融行业与人工智能领域的众多专家学者，共同探讨大模型技术在金融行业的应用现状与未来趋势。长江证券信息技术部大模型算法负责人吴克乾在会上发表了精彩演讲，详细分享了长江证券在基于大模型的智能应用平台建设方面的探索与实践，为与会者提供了宝贵的经验与深刻的启示。

一、大模型技术崛起：金融行业的智能化转型引擎

1.大模型技术的快速发展与迭代

吴克乾首先回顾了大模型技术的崛起历程。自2022年GPT系列模型发布以来，大模型技术快速迭代，国产大模型（如DeepSeek、千问）在自然语言处理、计算机视觉等领域实现性能突破，并逐步应用于金融业务场景。国产大模型如DeepSeek、千问等在模型训练上取得了显著进展，不仅在自然语言处理、计算机视觉等领域表现出色，还在金融行业特有的业务场景中展现出强大的应用潜力。

2.金融行业对大模型技术的迫切需求

随着金融行业的数字化转型加速，传统业务模式面临诸多挑战，如数据处理效率低、客户服务个性化不足、风险控制能力有限等。大模型技术凭借其强大的数据处理能力和深度学习能力，能够有效解决这些问题，提升业务处理效率，降低运营成本，提高服务质量。因此，金融企业需通过大模型技术解决数据处理效率低、客户服务个性化不足等痛点，以提升风险控制能力与市场竞争力。

二、长江证券“长江灵曦”平台：构建金融大模型的智能应用生态

1.平台构建背景与战略意义

面对大模型技术的快速发展和金融行业的迫切需求，长江证券决定构建基于大模型的智能应用平台——“长江灵曦”。吴克乾介绍，平台的建设旨在解决大模型应用中的成本高、模型多、业务繁等问题，通过统一算力纳管、模型评测与选择、低代码开发等创新手段，提升业务处理效率，推动金融业务的智能化转型。平台的成功构建不仅为长江证券内部业务提供了强有力的支持，也为金融行业的大模型应用提供了可借鉴的范例。

2.平台架构设计与技术实现

①算力调度层：混合算力的统一管理

在算力调度层，“长江灵曦”平台兼容了华为、寒武纪等主流GPU，通过构建混合算力资源池，实现了对多个异构算力资源的统一管理和灵活调度。平台引入PD分离分布式推理技术，使千问14B模型推理时延下降48%，高端GPU与终端GPU分工优化后，复杂计算任务处理效率提升近一倍。据吴克乾介绍，该技术使得千问14B模型的推理时延下降了48%，显著提高了业务处理效率。

②模型层：多模型评测与选择机制

针对市场上通用大模型和金融垂类大模型数量众多、迭代快速的问题，“长江灵曦”平台构建了大模型评测平台。平台构建大模型评测体系，利用专属业务数据集（含清洗标注的公司特有数据）评估模型性能，结合业务子场景标签与推荐算法，动态匹配最优模型。

③应用开发层：低代码开发与智能体搭建

在应用开发层，“长江灵曦”平台封装了常用模型能力和业务系统组件，通过可视化编排方式实现低代码开发。吴克乾提到，平台提供了智能体开发框架，集成了搜索、文档解析、音频转换等通用AI能力组件，并结合内部数据查询系统和业务接口，使得员工能够轻松完成智能体的开发和部署。目前，已有超过400名员工参与智能体开发，完成了1300多个智能体的开发，覆盖了多个业务部门。

三、“长江灵曦”平台在金融业务中的深度应用与成效

1.办公场景：智能会议纪要与PPT生成

在办公场景中，“长江灵曦”平台推出了智能会议纪要系统“E闪记”和WPS插件“ai-to-ppt”。“E闪记”能够通过多轮对话完成会议预定、音频转写、纪要撰写和共识提炼，并打通员工任务平台，自动提取待办事项并推送给相关责任人。而“ai-to-ppt”插件则能根据用户输入的主题和要求，自动生成符合公司模板风格的PPT文件，极大提高了PPT制作效率。

2.营销场景：AI营销服务与精准推荐

在营销场景中，“长江灵曦”平台为销售人员提供了AI营销服务系统。该系统根据客户画像、自选偏好和投资行为等特征，结合金融产品特征，为客户推荐合适的产品。同时，系统还提供聊天辅助功能，提升服务质量。据统计，该系统覆盖长江证券超1000名一线销售人员，节省营销人员60%的时间。

3.知识检索场景：结构化知识管理与高效检索

针对知识库构建和信息检索的需求，“长江灵曦”平台开发了大模型知识管理底座。该底座通过文档解析技术对各种来源的信息进行结构化拆解，结合多模态大模型抽取图表信息，形成结构化知识和实体关系，并存储在图谱数据库中。在检索阶段，结合语义检索、图谱检索和推理模型，提高检索的准确率和完整性。据吴克乾介绍，该底座在运营业务中实现了企业知识库的升级，提高了知识积累速度和回答准确率。

4.投研场景：智写研报与高效分析

在投研场景中，“长江灵曦”平台的“智写研报”功能显著提升了研报撰写效率。系统对研报、公众号文章、图表等进行关系分析，抽取重点事件、政策和有效图片。

研究员输入主题信息后，系统能够自动检索素材并生成报告初稿。平台基于内部研报、公开市场数据及第三方资讯，结构化整理4000余份核心素材，抽取6000余个重点事件（如政策变动、行业趋势）与24000余张图表，使研究员素材检索时间缩短70%。

四、未来展望：多智能体协同与通用智能的探索

1.多智能体协同策略：构建智能策略团队

吴克乾对未来金融大模型应用的发展进行了展望。他提到，目前人工智能技术正处于从认知阶段向自主智能过渡的时期，单智能体模式在面对复杂或动态变化环境时难以灵活调整策略。因此，多智能体协同策略成为未来发展的重要方向。通过分工合作，各智能体能够完成各自任务，系统生成大量因子或策略，并根据回测表现不断优化效果。这相当于拥有了一个不间断工作的策略团队，为金融业务提供持续的支持。

2.通用智能的探索：一键生成报告系统的设想

吴克乾还提到了通用智能的探索，例如一键生成报告系统，实现素材自动抓取、数据分析与图表生成。该系统能够自动在线搜集素材、调用业务数据库生成报告，并进行数据分析和图表绘制。

虽然目前这些设想仍处于探索阶段，但他对未来通用智能在金融业务中的应用充满期待。他认为，随着技术的不断进步和应用的深化，通用智能将在金融业务中发挥越来越重要的作用。

五、结语：长江证券的探索与实践为金融行业树立标杆

长江证券通过‘长江灵曦’平台验证了大模型在金融业务中的降本增效能力，其混合算力调度、低代码开发等实践为行业提供了可复制的技术框架。通过构建“长江灵曦”平台，有效解决了大模型应用中的成本高、模型多、业务繁等问题，提升了业务处理效率和服务质量。

未来，随着多智能体协同和通用智能技术的不断发展，金融大模型应用将迎来更加广阔的发展前景。长江证券将继续深化探索与实践，推动金融业务的智能化转型，为金融行业树立标杆，引领行业迈向更加智能化的未来。