一、项目背景及目标

随着金融科技在银行业的快速发展，人工智能技术逐渐成为提升业务效率和创新应用的重要手段。北京银行在数字化转型过程中，面临着各业务线对AI能力日益增长的需求，特别是在营销、风控和智能运营等领域。为应对这一挑战，北京银行于2021年启动了“京智大脑”项目，旨在通过整合语音、图像、知识图谱等AI技术，搭建一个全行级的人工智能平台。该平台的主要目标是通过三期建设，逐步形成“AI技术底座、AI能力中台、AI服务中心”，实现AI技术在各业务条线的全面赋能，提升业务的智能化运营能力。

二、项目/策略方案

通过“京智大脑”人工智能平台建设，北京银行积极探索和实践了人工智能技术的应用从单一数据挖掘拓展到认知感知技术结合的混用模式，提供了人工智能相关数据处理、模型交付、部署和管理的解决方案，为银行在数字化转型中科技交付模式创新和交付能力提升提供了一条可借鉴的实现路径。

平台综合运用大数据、人工智能、微服务、容器云、流计算等多种技术手段，自主设计并实现了以“四个中心”（AI数据处理中心、AI模型交付中心、AI算法部署中心、AI模型管理中心）和“四个层域”（数据域、能力域、服务域、管理域）为支撑的人工智能技术架构，形成了语音、语义、图像、知识图谱、机器人、智能决策六类智能化服务，推进“数字化营销、数字化风控、数字化运营、数字化服务”四大关键场景落地，逐步释放业务应用价值，有效支撑了北京银行数字化转型战略的实施。

平台的创新概念，以大数据计算和机器学习模型为基础，为科技开发人员提供全栈的AI类项目交付环境、数据标注分析与训练环境、业务分析建模环境及第三方模型部署和纳管的统一管理。人工智能技术应用取得三方面显著进展:一是，以多模态智能交互技术，建设新一代智能语音机器人平台，全方位提升客户服务体验；二是，自主研发“京牛”流程机器人，提升数字化运营水平；三是，研发多个智能决策支持系统，为经营决策提供精准支持。

图  京智大脑平台逻辑架构图

三、创新点

1、利用大规模预训练模型和AutoML技术，提升AI交付效能

（1）平台预置超大规模预训练模型，包括视觉方向超大规模预训练模型、NLP方向的文心ERNIE，结合迁移学习技术，使得少量数据即可获得高精度的模型效果，因此能够大量节约新模型开发的成本，提升AI研发和应用效率。预训练模型基于海量互联网数据训练所得，图像分类模型相比开源模型Top1识别效果平均提升7.73%，物体检测模型相比开源模型平均准确率提升4.53%，NLP情感分析任务所需数据量可减少90%，同时多种任务效果指标获得10%以上的显著提升。

图：模型提升效果对比图

（2）平台支持自动化机器学习（AutoML）。超参数对模型效果有重要的影响，不同数据集最佳超参数并不相同，人工调参成本高，因此我们提供了自动超参搜索的功能，帮助调优模型提升精度，降低人工调参成本。目前我们已覆盖了图像分类、物体检测的自动数据增强和通用超参搜索，以及机器学习方向的自动搜索。自动数据增强搜索服务在图像分类单标签多个任务准确率平均提长了5.42%, 最高一项任务获得了18.13%的效果提升；在物体检测多个任务上准确率平均提升了1.4%, 最高一项任务获得了4.2%的效果提升。通用超参搜索方面，在多个数据集上使用超参搜索后效果均有提升，在默认参数精度已经超过85%的情况下，使用超参搜索仍能提升约5%，在默认参数效果较差的情况下，超参搜索的提升效果更为明显，可高达22%。

2、基于MLOps思想，打造一体化、全生命周期的AI模型开发和部署流程，保障建模过程安全合规

平台提供覆盖AI能力生产、管理、应用、运维全生命周期能力支撑，同时基础管控模块提供强大的资源接入、调度管理、权限、安全等管理能力，是企业实现集约化管理，支撑高效创新应用的强大基石。

数据标注方面，平台支持非结构化数据的智能标注。智能标注分为主动学习和指定模型两种模式，支持目标检测、实例分割、文本分类、实体抽取四种任务数据类型。主动学习指基于用户标注少量数据，训练专有智能标注底层模型，实现大量未标注数据的自动标注。指定模型指利用在平台上训练好的高精度模型对用户数据进行一键标注。主动学习模式下，用户只需标注30%的数据，训练出的智能标注模型与全量标注数据训练模型的效果几乎等同。

图：智能标注能力提升对比图

AI模型开发方面，平台面向不同的场景和使用人群，提供多模式的AI开发功能支撑和体验。面向零算法人群提供EasyDL零门槛AI开发平台，面向专业算法工程师提供BML全功能AI开发平台。在模型算法库层面，内置多个产业级模型库，提供超过270个算法模型。同时针对客户流失等主流任务场景，提供端到端模型库，覆盖通过模块化的设计和端到端的体验，满足企业低成本开发和快速集成需求。

AI模型服务方面，平台支持模型一键发布，可提供统一的认证流控、灰度升级、弹性伸缩、AB实验能力，以及6种通用监控指标，可根据多种物理资源使用率以及业务请求量指标自动触发弹性伸缩，AB实验支持按照比例或关键字进行动态分流。同时，平台支持丰富的模型纳管和服务编排能力，包括模型文件纳管，模型镜像纳管，helm chart包纳管等。根据纳管的模型，按照业务场景对预测服务进行可视化编排，组合成工作流模板的应用程序集成类产品。京智大脑的模型能力均能够纳管到AI中台。同时可广泛适配主流框架和模型类型，包括PaddlePaddle、TensorFlow、PyTorch、Caffe等深度学习框架，SKLearn、GBDT、R、POJO、MOJO等机器学习框架，以及PMML、PyModel等通用格式。

3、构建多模态、准实时、分布式的特征仓库，形成AI数据资产沉淀

平台采用大数据技术，运用spark、hbase、kafka、GlusterFS等组件，构建了分布式特征仓库，形成AI数据资产沉淀。特征仓库支持结构化、非结构化、半结构化等多种数据类型，支持准实时的特征加工、存储和查询，支持数据脱敏，保障数据安全合规。平台已形成1000余个原始指标沉淀，可支持零售、对公场景的AI模型训练和开发需求。同时，平台提供数据回流功能，可收集在线服务的反馈数据，并用于模型再训练，形成模型闭环。

图：数据处理流程图

4、利用容器云和微服务技术，建设可弹性扩展、独立部署的统一AI认知、感知服务中心

平台采用容器云、微服务技术，建设了可弹性扩展、独立部署的AI认知、感知服务中心，主要包括“左脑”感知、“右脑”认知两类AI服务。

感知方面，平台引入了多家厂商的语音、图像识别服务，提供集中管理的AI服务。智能语音服务中台可管理不同厂商语音引擎能力，可以通过中台直接分配用户权限与语音引擎能力授权，实现了不同厂商语音引擎的统一接入、统一接出。各业务部门应用场景，只需调用智能语音中台统一SDK，降低开发复杂度，有效提高IT资产利用率。

认知方面，平台运用图挖掘、多模态大模型等方法，赋能银行智能营销、智能运营、智能风控建设。一是建立平台级知识图谱技术能力，综合运用大数据处理和机器学习技术，实现“数据接入、模型训练、知识抽取、知识存储、知识应用”等技术功能，推动多个业务图谱应用落地。二是应用千亿级参数的超大模型，实现视觉、文本、语音三个模态的高效协同，可提供智能问答、摘要生成、多语言情感分析、多语言短文本相似度计算等功能。

5、基于大语言模型驱动Agent技术

为使得大模型技术落地，通过整合前沿的大语言模型和自动化技术，构建了智能化、高效率的Agent模块。Agent技术是一种能够实现环境感知、决策制定和执行动作的智能实体。其核心驱动力在于大模型，但除此之外，还增加了规划、记忆和工具使用等关键组件。这使得Agent能够不仅理解并响应环境，还能根据目标进行独立思考并采取行动。具体来说，Agent在接收到一个目标后，能够针对这个目标进行独立思考，规划出实现目标的步骤，并在执行过程中调用工具。

四、项目过程管理

北京银行“京智大脑”平台项目自2021年6月起开始设计，并于2023年10月完成“京智大脑”人工智能平台三阶段投产，目前已推广至北京银行各分支机构使用，推动了全行AI能力的规模化应用。

五、运营情况

在平台技术建设完成后，北京银行积极将AI能力与实际业务场景相结合，推动业务的智能化转型。通过平台，累计支持了27个重大项目、135个数字化场景落地，交付了超过200个项目，涵盖语音交互、语义理解、图像识别、知识图谱、RPA等多种技术能力。此外，平台上线了“京智”大模型应用体系，研发和部署了540余个智能决策支持系统，为数字营销、数字风控、数字运营、数字服务等关键场景提供了精准支持。通过持续的技术攻关和项目交付，平台有效支撑了北京银行在数字化转型中的业务创新，显著提升了银行的运营效率和客户体验。

六、项目成效

（1）数字化营销方面，发布面向高新企业客群的科企贷、银税贷产品营销模型，支持普惠拓客提升；支持零售线上、线下营销管理，优化财富体检、千人千面模型，新建贵宾客户、手机银行客户相关模型，千人千面推荐理财产品模型。

（2）数字化风控方面，支持数字风控系统建设，以“京智大脑”平台、风险滤镜、风险模型实验室，形成模型研发、部署、运营全生命闭环。线上业务沉淀全行各类线上业务风控模型百余个；支持保卫部、运营管理部多个反欺诈模型建设，识别我行疑似风险账户。

（3）数字化运营方面，综合运用RPA机器人流程自动化、人工智能技术，替代人工完成各类重复、繁琐的系统操作，打造银行北京银行智能化“数字员工”体系。累计完成757个业务流程的自动化改造，部署机器人205个，替代人工作业230余万次，节省人力2600人/月。

（4）数字化服务方面，支持智能客服体系建设，语音导航机器人“一说即达”服务可为每通电话节约近40秒时间，电话分流率达33%，问答成功率达96%。

（5）在完成行内重大项目、保障日常交付的同时，北京银行还坚持不断技术演进，“京智大脑”人工智能平台获得中国人民银行金融科技发展奖、信通院等机构颁发等12余项荣誉奖项，取得专利6项。

七、经验总结

北京银行将以数字化转型统领发展模式、业务结构、客户结构、运营能力和管理方式“五大转型”，坚持“一个银行、一体数据、一体平台”（One Bank，One Data，One Platform）的理念持续加大数字化转型的资源投入，实现转型战略加速落地。“京智大脑”项目的成功实施经验在于技术创新与业务场景需求的紧密结合。通过分阶段推进、跨部门协同和资源整合的方式，平台顺利完成了从技术论证到全面应用的建设过程。平台引入大规模预训练模型、AutoML和MLOps等先进技术，实现了高效的AI能力开发和部署。未来，北京银行将继续探索更多AI应用场景，加快数字化转型步伐，推动全行的智能化升级，为加快建设“国内领先的数字银行”注入全新动力。