光大科技團隊緊跟行業趨勢，探索大模型應用于金融領域的可行性和路徑，建立光大知識庫構建平臺。該平臺可將繁雜的數據知識化，實現萬“數”互連，構成金融數據網，讓金融數據發揮其更大價值。

  光大知識庫構建平臺利用人工智慧大模型知識集廣、數據處理能力強等優勢，結合金融領域文本數據特色進行知識抽取，進而賦能于各類金融係統。目前該平臺以知識服務為目標，將數據採集、底層模型、知識校驗以及知識存儲等知識組織過程串連打通，形成一個不斷改進迴圈的知識構建和服務鏈條。光大知識庫構建平臺將分散的、不同來源的數據轉化為清晰準確的結構化知識，形成綜合知識集合，實現知識共用。

  光大知識庫構建平臺目前可完成數據採集、數據處理、知識抽取等數據知識化的全鏈條服務，對非結構化數據（如財經新聞、上市公司業績快報、項目建設資訊等）進行結構化處理，包括抽取其中關鍵資訊、構建主體關係等，未來還將根據大模型能力擴展到圖片、視頻等多媒體內容。平臺實現對金融新聞輿情、機構經營數據、各省市重點項目建設及機構被處罰等資訊採集，並抽取重點資訊，通過多種模型切換進行答案對比擇優。

  平臺還針對性地解決金融領域的特定場景問題。金融行業擁有海量數據如交易數據、客戶資訊、風控數據等，其中包含大量非結構數據，佔用了大量的存儲資源，傳統技術無法輕易將數據標準化進行分析利用，造成資源浪費。

  光大知識庫資訊抽取輸入輸出示例

  以資訊抽取為例，圖內顯示採集的原始數據通過底層模型模組處理為結構化知識樣例，即底層模組的輸入輸出樣例。除關係型數據庫存儲方式外，還可以圖數據庫方式存儲構成金融知識圖譜避免出現數據孤島。基于結構化的知識可進一步對其進行知識挖掘、推理，最終賦能集團各項金融類係統。平臺還可完成提綱生成、文本摘要等任務，此外，大模型在金融領域還有很多應用可能等待挖掘。

  隨著光大知識庫平臺日益成熟，未來會有四個典型金融場景可能會率先普及這項新技術，智能行銷方面，平臺可以深度解析客戶數據和行為模式，精準實施客戶細分和個性化推薦，優化行銷策略和提升轉化率；智能風控方面，可幫助機構更加廣泛的自動識別和預測潛在的風險因素，包括信貸風險和市場風險，從而更有針對性地進行風險防控和應對；智能管理領域，輔助企業實現更高效的業務流程和決策制定，實現企業資源的智能配置和運營優化；監管合規方面，平臺可以高效地協助金融機構遵循各種法律法規和行業標準，通過智能化的合規檢查和預警，顯著減少人工負擔和錯誤率，提升企業合規水準。

  此外，大模型卓越的文本處理能力可以助力金控集團迅速捕獲並了解外部監管政策資訊和行業金融風險，從而為集團及其子機構在風險防控方面提供有力支援。同時，基于大模型的金融風險防控可快速適應具體金控行業場景。大模型的強大的處理能力以及泛化能力必將助力金控集團及其子公司加快自身的數字化和智能化進程，跨越數字化鴻溝。