对话吾道科技首席架构师：以“数据+AI”双引擎，驱动金融智能化变革

2025-05-22

随着DeepSeek最新推理大模型的推出，通用大模型领域的竞争日趋白热化。然而在垂直领域（如金融行业），如何实现大模型与业务场景的深度适配，仍是亟待解决的难题。以近期备受关注的DeepSeek-R1模型为例，尽管其在深度思考和网络搜索方面展现出强大能力，但在金融场景中仍面临输出精度不足、数据时效性难以保证等挑战。

吾道科技作为金融智能化领域的先行者，近期针对大模型应用落地问题组织了深度研讨。首席架构师向俊夫在分享会上指出，吾道目前在大模型应中关注的两大关键问题：一是如何实现金融垂直领域知识的深度适配；二是如何利用垂直领域Know-how和高质量数据，搭建企业级Agent。本文基于其分享内容整理而成。

▲AI赋能金融行业的要点

自2022年底ChatGPT发布以来，吾道科技便将“数据生产”与“AIGC”技术相结合。我们通过调用市场通用大模型的API（在2024年5月，我们也先市场一步成功接入了DeepSeek），直接从文档中提取有效信息，从而突破了传统数据生产模式下资源消耗高的局限。这一方法也已被应用于各类金融文档的解析流程中，显著提升了解析效率，并进一步确保了信息提取的稳定性。

经过持续的数据标准化和结构化处理，吾道科技成功构建了一套全面、精准且时效性高的金融数据库。这些数据的积累，为吾道科技在金融领域的大模型应用提供了坚实的基础，使得模型能够更深入地理解和分析金融市场的复杂动态，为客户提供更有价值的金融服务。

AI时代的全面到来，也意味着行业对数据的需求将不断增长，吾道科技目前正积极构建一套更智能、全面的数据整合新方案，以建立容量更大、时效性和精准性更强的吾道金融数据底座：

★ 首先，全面采用AI自动化处理技术，实现数据清洗、预处理、格式标准化以及异常数据识别的全流程自动化；

★ 其次，通过AI智能化数据质量校验和实时纠错机制，依托异常检测和反馈回路等技术，确保数据的完整性、准确性与时效性，从而为金融智能化应用提供更坚实、可靠的数据支撑。

02.

在拥有高质量金融数据底座的基础上，垂直领域的行业Know-how也是至关重要的一环。只有深刻明白业务场景，才能让高质量的数据信息，通过AI贯穿工作流程。

目前，吾道科技正通过“数据+大模型+行业Know-how”的路径，积极构建企业级iWudao金融Agent，并依托Agent定制金融行业“业务开发、风险管控、文档撰写、项目督导”等场景下的AI工作流。

▏一是专业度不足。这是通用大模型本身不具有专业的行业理解能力导致的；

▏二是无法预判需求。报告撰写的需求是复杂的，文本生成、数据整合、合规校验......不同的任务意味着不同的需求，而目前大模型只能依赖指令一步步完成，无法在多任务状态下灵活切换工作思路；

▏三是数据源准确度无法保障。通用大模型目前检索的数据均为互联网公开信息，无法保障数据源的正确性。

为了进一步解决这些痛点，我们正尝试把Agent与RAG（检索增强生成）技术相结合，以支撑金融业务中的多样化报告生成。因此，我们搭建了如下的AI工作流：

不久的未来，吾道会基于iWudao金融Agent，搭建横跨项目开发至方案设计到内部运营再到项目后续督导的一体化AI工作流程，打破产品间的界限，进一步解决金融机构内的数据孤岛难题，实现机构内的资源共享和效率提升。

吾道科技会一直遵循大模型垂直应用的底层逻辑：以高质量数据积累为基础，以知识融合实现垂直领域的深度适配。当通用大模型陷入参数竞赛的泥沼时，垂直领域的突破更需回归技术本质——让AI通过高质量的数据真正理解行业，而不仅仅是理解语言。