一、解决方案简介

九章云极DataCanvas大模型知识智能体方案是基于九章元识大模型Alaya和多模向量数据库DingoDB为基核，打造的大模型应用解决方案，可实现本地私有化安全部署。通过高效组织机构内部知识，面向营销、风控和运营等金融机构关键业务场景提供大模型应用支撑。

在金融行业，九章云极DataCanvas结合企业私域知识场景打造的Jarvex知识智能体，可提供大模型应用解决方案。Jarvex知识智能体，具备融合企业专有知识的问答功能、文档辅助阅读ChatDoc以及后台相应的模型微调、知识管理、智能应用Agent管理等功能。Jarvex作为企业的专属大模型智能底座,可面向不同场景快速开发大模型特色应用，帮助企业逐步构建自己的大模型应用体系。

图 Jarvex知识智能体功能架构

二、应用场景痛点简介

金融行业是一个高度数据驱动的行业，近年来随着金融科技的迅猛发展，行业积累了海量的结构化和非结构化数据，如何高效利用这些数据，提供更智能、更个性化的服务成为金融机构在数智化升级中面临的重要挑战。同时，金融监管的日益严格也对金融机构的运营提出了更高的要求。在这样的背景下，金融机构需要借助大模型技术，实现营销、风控、运营等多个维度的智能化和自动化，以提升竞争力，降低风险，提高效率。

1.数据融合度低

在金融行业，数据融合度低是一个普遍存在的问题。金融机构处理的数据既包括源自核心业务和信贷系统的结构化数据也包括来自监管机构、研究报告和市场分析的非结构化数据。由于这些数据采用了不同的存储方式中，它们如何有效融合与应用成了一大难题。这一状况使得金融机构在决策制定和管理过程中面临诸多挑战：企业无法完全利用现有的数据资源，难以获得全面的客户 insights 和市场分析。此外，数据融合度不足还削弱了企业的创新力和市场竞争力。采用大型模型技术架构可以有效地整合和应用多模态数据，通过大模型技术不仅能提高数据处理效率，还能为金融机构解锁更深层次的业务洞察和增强市场适应力。

2.风险管理复杂

在金融行业，合规性和风险管理是至关重要的。金融机构定期会收到大量的监管要求，这些要求通常以非结构化的文件形式下发，增加了理解和执行的难度。同时，金融产品和衍生品的复杂性使得有效监管变得更具挑战性，合规问题因此频发。此外，客户的违约风险也时常威胁着金融机构的稳定运营，而对企业资质和信用报告的深度分析解读又往往因为它们的非结构化特性而变得复杂。为了应对这些挑战，金融机构可以利用大模型技术帮助金融机构更好地理解监管要求，及时发现和应对合规风险，同时提高风险评估的准确性和效率。

3.业务场景需求多

在金融行业，大模型的应用需求十分广泛，涉及到营销优化、风险控制以及运营决策等关键环节。面对这一挑战，金融机构亟需构建一套既能满足不同大模型应用场景需求、又能确保数据安全与高效处理的统一企业级大模型架构。这套架构的建立，将直接提升企业大模型应用的开发应用效率。借助于这样灵活而强大的技术基础金融机构可以更好地发挥其业务优势，优化客户体验，终在激烈的市场竞争中取得领先。此外，统一的架构还将为金融机构未来的技术创新和业务拓展提供坚实的基础，助力长远发展。

三、解决方案亮点介绍

1.自主可控的商业开源多模态大模型矩阵-九章元识大模型Alaya

基于九章元识大模型Alaya，可为金融行业提供垂类大模型定制服务，精准解决行业内复杂且专业的问题。此外，该基座大模型采纳多模态的能力扩展，使其不仅在语言处理上表现出色，还能整合结构化数据、图片等多种数据类型。这种多模态集成的方法，在处理金融行业的具体需求时，能够提供更为全面和深入的支持，从底层模型层面支撑金融行业多模态融合数据的应用需求。

2.高性能自研多模向量记忆体-多模向量数据库DingoDB

九章云极DataCanvas自研的多模向量数据库DingoDB,是业界*****个开源多模向量数据库。DingoDB通过支持多副本存储策略，有效地保证了数据的高可用性和可靠性，同时减少了数据丢失的风险。它还具备良好的可扩展性和海量存储能力，能够轻松容纳大规模的数据集，为用户提供灵活的资源管理能力。这使得用户可以更加高效地管理和利用他们的数据资产，满足各种复杂的数据存储和管理需求。向量数据库作为大模型的记忆体可保证金融行业多模态的场景需求。

3.企业知识多模式智能对话问答

知识智能体解决方案提供了基础知识问答、自定义角色对话和标准化Q&A问答三种模式，能够满足企业在不同场景下的使用需求。通过连续多轮对话、输入问题引导和智能知识启发等功能，该解决方案为用户提供了顺畅高效的知识问答体验，能够更好地理解和回答用户的问题，提升了用户的工作效率。知识问答形式是知识智能体的基础，也可嵌入到金融行业的各个业务场景中实现个性化的需求，比如面向智能客服、员工培训的场景。通过平台也可控制部门之间涉密文档的问答查询权限。

4.基于知识智能体的灵活大模型应用底座

该解决方案专注于为企业构建一个统一的大模型应用架构，旨在提升Agent的开发速度和扩展能力。通过采用可扩展的基础Agent，如系统智能问答、智能客服、风控报告生成等场景，开发者能够轻松地对Agent进行定制化扩展。结合我们的可视化编排工具和应用扩展模块，开发者可以利用直观的拖放界面，在可视化画布上快速设计和开发新应用。这种流程不仅简化了智能应用Agent的开发过程，实现了快速迭代，而且显著提升了开发效率和应用的灵活性。

5.软硬一体定制化解决方案

九章云极DataCanvas为金融机构用户提供坚实可靠的算力支持，确保用户能够获得充足的计算资源，以适应不同规模和复杂度的应用需求。此外，九章云极DataCanvas还推出了一套融合软硬件的定制化解决方案，旨在为企业打造一个全面覆盖的生态系统，从底层的算力支撑到上层的应用开发，实现全链路的系统支持。该方案提供了一体化的部署方式，确保产品能够开箱即用，极大地简化了企业的部署流程及运维复杂度。

四、金融行业客户名单

某股份制银行、某城商行、某证券公司等数十家金融行业客户。

五、客户评价

某证券行业客户评价：

通过采用九章云极DataCanvas的大模型知识智能体解决方案，我们成功推出了证券知识智能体，并逐步构建了企业的大模型应用平台，全方位支持了我们的营销、风控、运营等多个业务场景。大模型应用缓解了投行债券全链条工作的痛点，带来了效率提升、流程优化、风险控制加强以及客户体验提升等多方面的价值。此外，知识智能体能够快速响应投资者关心的问题，提供了及时准确的信息支持。整体而言，九章云极DataCanvas的大模型应用方案为我们的业务发展带来了非常实际的业务价值，也帮助我们在金融行业的技术创新方面树立了标杆。