星环科技企业

该企业奖由星环科技投递并参与金猿组委会×数据猿×上海大数据联盟共同推出的《2025中国大数据产业年度AI Infra领先企业》榜单/奖项评选。

近年来，国家层面持续推进“人工智能+”行动，国资委自2024年实施“AI+”专项行动，明确要求中央企业夯实人工智能基础设施（AI Infra）能力，金融监管部门亦鼓励加大AI基础设施投入。在多重政策的驱动下，某央企集团财务有限公司将AI Infra建设纳入集团重点转型工程。

该集团财务有限公司作为央企集团的内部金融机构，承担着为集团下属二级、三级单位提供贷款支持和金融服务的重要职能。在日常业务中，需对借款主体进行严格的贷前尽职调查，并生成详尽的信贷报告。这类报告既是风险管控的核心依据，也是监管合规的必要文件。

其中，贷前尽职调查与信贷报告编制是风险管控与监管合规的关键环节，对数据完整性、指标一致性与分析过程可追溯性提出了较高要求，本质上高度依赖稳定、统一的AI Infra能力支撑。

在现有体系下，信贷尽调业务面临的主要问题，集中体现为AI基础设施能力不足带来的系统性瓶颈：

·数据处理慢：多源异构数据分散在多个系统中，数据来源繁杂分散、格式不统一，人工整合难度大，缺乏统一的数据治理、标准化处理和知识化能力；

·报告编制耗时长：集团成员单位近2000家，覆盖六大行业，贷款业务复杂度高，报告模板与分析维度各异，效率低下；

·指标编制易出错：财务指标涉及大量数字，指标口径复杂。计算规则依赖人工经验，易出现计算错误，缺乏统一的指标计算与校验基础设施，影响评审难度和办理效率；

·人工负荷高：客户经理每周需处理大量报告，工作强度大，信贷业务服务质量受影响；

·运营成本高：过度依赖专业人员，人力、培训及管理成本居高不下。

时间周期：

开始时间：2024年11月

中间重要时间节点：

2024年12月完成

·业务调研：结合实际业务需求及痛点，开展业务调研；

2025年2月完成

·数据探索：开展不同行业和业务类型涉及的数据和资料收集与指标梳理，开展数据探索和模板设计；

2025年3月完成

·方案设计：数据和模型探索基础上，开展整体技术方案设计，包括技术架构、实施步骤、实施功能等；

2025年5月完成

·知识库构建：完成金融信贷报告专业知识库构建，包括各种数据资料收集、文档解析、切片、知识增强、索引构建、索引召回等；

·模型微调：结合金融信贷报告专业语料库构建，开展模型微调训练，提升模型的专业度与准确性；

2025年6月完成

·应用链搭建：结合企业级一站式AI模型运营平台功能，开展金融信贷报告生成的应用链搭建；

2025年7月完成

服务集成：整体模型与应用开发完成及调整优化后，将本次模型服务与企业线上化信贷系统集成，实现自动化报告生成。

完结时间：2025年7月

某央企集团财务有限公司从业务层面提出了“生成信贷报告”的诉求，其核心是构建一套可长期演进的信贷智能化基础能力，围绕信贷尽调业务，解决以下AI Infra层面的问题：

·建设统一的数据与知识基础设施，提升信贷数据处理的智能化与标准化水平，形成统一信贷知识库；

·构建模型与算力支撑的报告生成基础能力，实现信贷报告自动化生成，显著缩短报告生成时间，提升业务效率；

·搭建统一的指标计算与规则基础设施，规范指标处理标准，降低人工计算错误率，提高报告准确性；

·通过智能化流程基础设施重构信贷服务链路，缩短尽调与审批周期，提升整体服务效能；

·构建面向金融信贷场景的专用AI Infra，使数据、模型和业务能力能够以平台化方式运行，以平台化AI Infra能力替代高强度人工处理，减少人工依赖，降低运营与管理成本。

星环科技将客户需求从AI Infra视角拆解为四个层面：

·数据基础设施层：需要对结构化与非结构化信贷数据进行统一采集、治理、切片、增强和知识化处理，形成可被模型高效调用的知识底座；必须具备强大的多模态数据解析、清洗和整合能力，而非单一的文本处理；

·模型与算力基础设施层：需要对大模型、检索模型及相关算法能力进行统一纳管、调度、模型微调与版本管理，构建支持模型微调、语料库构建和模型优化的基础设施，以解决“幻觉”问题并适应特定的金融信贷逻辑。同时支持弹性算力分配与安全运行；

·模型服务与工程化能力层：需要将知识检索、指标计算、报告生成等能力封装为标准化服务，支撑模型灵活调用，而非硬编码，避免“脚本化、人工化”运行；

·应用与流程基础设施层：通过引入RAG、MCP和Agent技术，结合Workflow，将复杂业务流程工程化，实现全流程自动化、可评估和可持续优化。

基于上述理解，以星环科技大模型运营管理平台Sophon LLMOps为核心，为客户构建了面向信贷场景的AI Infra解决方案。Sophon LLMOps是整个项目的AI Infra核心，提供了从语料开发、知识工程、模型训练到应用构建的全流程管理能力。

·在数据与知识基础设施层，通过多模态文档解析、切片、向量化与知识增强，构建统一信贷知识库，并基于RAG技术实现可溯源的知识检索与指标抽取；

·在模型与算力基础设施层，对大模型及相关算法能力进行统一纳管与生命周期管理，支持模型微调、版本控制和弹性算力调度；

·在模型服务层，通过MCP将知识库与指标能力封装为标准化检索服务，供大模型和智能体自动调用；

·在应用与流程基础设施层，基于ReAct框架构建写作智能体，并通过Workflow将信贷报告生成与质量评估流程工程化，形成可复用的应用链。

该方案实现了信贷报告从数据采集、知识检索、指标计算、报告生成到质量评估的全流程自动化运行，并具备持续优化和横向扩展能力。

在信贷报告生成这一典型大模型应用场景中，该央企集团财务有限公司面临的并非单一业务效率问题，而是长期积累的组织体系、系统架构与AI基础设施（AI Infra）能力不足所集中暴露的系统性挑战。

首先，在组织与协同层面，企业原有信息化建设以业务系统为中心，各系统长期独立建设、分散运行，缺乏统一的AI Infra建设规划。数据治理、业务规则、系统运维分别由不同部门负责，跨部门协同成本高，业务经验难以沉淀为可复用的AI Infra能力资产，制约了人工智能能力的规模化落地。

其次，在系统与平台层面，部分核心系统建设时间较早，技术架构相对封闭，与新型大模型能力和算力调度体系兼容性不足。现有系统难以支撑模型的灵活接入、统一管理和持续演进，导致大模型能力难以从试点应用上升为企业级AI Infra能力。

第三，在数据基础设施层面，信贷尽调业务涉及大量结构化与非结构化数据，数据来源覆盖多个内部系统及外部材料，但长期存在数据分散、格式不统一、口径不一致的问题。非结构化文档缺乏统一解析、切片和知识化处理能力，数据孤立严重，难以形成可被大模型稳定调用的统一信贷知识库，成为AI Infra建设中的核心瓶颈。

第四，在模型与算力基础设施层面，企业尚未形成统一的大模型与算力管理体系。模型能力缺乏统一纳管与版本治理，算力资源难以实现弹性调度与精细化管理，模型调用方式分散，难以保障财务场景对稳定性、安全性和可控性的要求，限制了AI Infra能力的扩展和复用。

第五，在指标与规则基础设施层面，信贷业务高度依赖财务与风控指标，但指标口径和计算规则长期依赖人工经验或分散系统，缺乏统一的指标计算与规则引擎。指标计算过程不可追溯、不可验证，难以直接支撑大模型推理与生成，影响AI应用的可靠性与合规性。

最后，在应用与流程基础设施层面，尽职调查、指标分析、报告编制和质量校验等环节仍主要依赖人工串联，业务流程缺乏工程化、自动化支撑。大量的人力投入，不仅效率低下、成本高昂，也难以形成持续优化和规模化运行的AI Infra闭环。

综合来看，该央企集团财务有限公司在信贷报告生成场景中面临的是数据、模型、算力与流程等多层AI Infra能力协同不足所带来的系统性挑战，亟需通过统一规划和建设企业级AI Infra，实现智能能力的标准化、平台化与可持续发展。

基于AI Infra的项目战略目标：

本项目以“构建金融信贷场景可规模化复用的AI Infra底座”为核心战略目标，围绕算力、数据、模型与应用全栈协同，推动该央企集团财务有限公司实现“体系化AI能力平台”升级。

在基础设施层面，项目旨在通过统一的大模型运行与治理平台，整合异构算力资源，实现模型训练、推理与应用的集中调度与弹性管理，提升整体算力利用效率，为多场景并发推理提供稳定支撑。在数据基础设施层面，通过多模数据统一接入、解析与治理，打通结构化、半结构化及非结构化数据壁垒，构建统一的信贷金融知识底座，为上层大模型应用提供高质量、可溯源的数据供给。

在模型与服务层面，项目以大模型为核心，结合RAG、Agent与MCP服务化能力，形成标准化、可复用的模型服务体系，使信贷报告生成、制度问答、运维问答等场景能够在统一的AI Infra上快速构建与迭代，避免重复建设与能力割裂。同时，通过星环科技大模型运营管理平台Sophon LLMOps实现模型、语料、知识、应用、智能体构建的全生命周期管理，保障模型效果稳定性与持续优化能力。

从业务与治理视角看，项目的根本价值在于：以AI Infra为底座，将信贷报告生成这一高频、负荷重的场景全面自动化，将单篇报告生成时间压缩至分钟级，显著降低对人工专家的依赖，提升金融服务效率与合规一致性，并为该央企集团财务有限公司后续在风控、审计、合规等更多金融与管理场景中规模化应用大模型提供统一、可持续演进的智能基础设施支撑。

本项目围绕“金融信贷报告生成模型”的建设目标，以构建稳定、可扩展、可治理的企业级AI Infra底座为核心，在该央企集团财务有限公司既有IT架构和业务体系基础上，系统性完成了从资源投入、系统架构设计、数据治理与知识工程、模型工程、应用构建到部署运维的全流程实施工作。

1.项目实施组织与资源投入

·组织模式与协同机制

考虑到该财务公司作为央企财务公司，在组织架构、系统权限、安全合规等方面要求严格，本项目在实施阶段即采用“业务牵头+技术共建+分层推进”的协同模式。

在客户侧，由该财务公司牵头，联合信贷业务部门、审计部门、信息科技部门共同参与，明确业务规则、数据口径及合规边界；在服务侧，由星环科技组建专项交付团队，涵盖AI Infra架构设计、数据治理、知识工程、大模型工程、平台实施与运维等角色。双方通过定期例会、阶段评审和关键节点验收，确保业务目标与技术实现高度一致。这种协同模式有效避免了传统AI项目中“模型先行、业务滞后”的问题，为后续系统快速落地和稳定运行奠定了基础。

·资源投入与算力配置

在AI Infra层面，项目采用集中式GPU资源池+平台统一调度的方式开展部署。算力资源由星环科技大模型运营管理平台Sophon LLMOps进行统一管理和调度，实现模型推理、Workflow运行、Agent调用等任务的资源隔离与弹性分配。这一方式避免了算力“烟囱式”分配导致的算力资源孤岛、使用效率低、运维难、成本高等问题，使有限GPU资源在多应用场景下得到高效利用，体现了AI Infra在算力治理层面的价值。

2.AI Infra总体架构设计

·架构设计原则

本项目AI Infra架构设计遵循以下原则：

平台化优先：统一模型、数据、应用的开发与运行底座，避免单点系统堆叠；

解耦与可扩展：模型能力、知识服务、业务应用通过标准接口解耦，支持后续扩展；

可治理与可审计：满足金融场景对数据溯源、模型可解释性与安全合规的要求；

面向多场景复用：不仅服务于信贷报告生成，也为审计问答、运维问答等场景提供统一支撑。

·整体技术架构说明

整体架构设计可分为“数据层—知识层—模型层—应用层—运维与治理层”：

数据层：对接多种数据库和文件系统等多源数据；

知识层：完成文档解析、切片、向量化、索引构建，形成统一知识库；

模型层：以通用大模型为核心，结合微调模型与规则模型协同工作；

应用层：通过Agent与Workflow实现信贷报告生成与智能问答；

治理层：由星环科技大模型运营管理平台Sophon LLMOps提供模型管理、算力调度、权限控制与运行监控。

该架构本质上构建了一个面向金融业务的企业级AI Infra平台，而非单一“模型应用系统”。

·整体架构技术方案：

方案以“填槽+大模型”为核心，融合知识检索增强生成（RAG）、模型上下文协议（MCP）、智能体（Agent）等技术，依托星环科技大模型运营管理平台Sophon LLMOps实现模型开发、部署与运营全生命周期管理，最终实现信贷报告的自动化生成。

流程发起与数据收集：业务人员提交贷款申请，系统自动收集并整合相关数据。

知识库构建：利用大模型解析文档，结合RAG技术抽取指标，并封装为可调用检索服务。

语料库构建与模型微调：收集并清洗信贷语料，构建QA数据集，基于千问模型微调提升专度。

报告模板匹配：根据行业与贷款类型，自动匹配最合适的报告模板。

关键指标检索：通过大模型与MCP服务，从知识库精准获取各章节所需指标。

报告生成：基于模板与检索结果，智能体调用工作流生成报告初稿并优化成品。

报告评估：自动化检查指标溯源，结合可视化工具评估准确率与召回率。

应用链工作流设计：在LLMOps平台构建5类标准化工作流，覆盖多类信贷报告生成与评估。

最终构建了一套基于AI Infra的信贷尽调报告智能生成与评估体系，实现从流程发起、数据与知识沉淀、模型微调、模板与指标精准匹配，到报告自动生成、质量评估及多场景工作流复用的全链路闭环。

3.数据治理与知识工程实施过程

·多源异构数据接入与治理挑战

在实施过程中，项目面临的数据治理挑战尤为突出：

一方面，信贷业务相关数据分散在多种不同数据库和形式各异的繁杂文件等多种介质中；另一方面，历史系统缺乏统一的数据标准和标签体系，数据孤立问题严重。

如果直接将这些数据输入大模型，必然导致结果不稳定、不可追溯，无法满足金融场景的合规要求。

·知识加工与统一处理流程

为此，项目在AI Infra层面构建了统一的知识加工流水线，包括：

数据抽取与接入：从结构化与半结构化系统中自动抽取数据；

智能解析与切片：对文档类数据进行段落级、语义级切片；

向量化与索引构建：统一写入Hippo向量库；

知识增强与标签化：补充行业、指标、业务类型等元信息；

封装为MCP服务：将知识能力标准化，供模型与Agent调用。

这一流程实现了从“数据孤岛”到“可被大模型理解和调用的知识资产”的转化，是AI Infra在数据层面的核心价值体现。

4.模型与算法实现路径

·模型选型与能力定位

项目基础大模型主要职责并非直接“生成全文报告”，主要承担语义理解与意图识别、模板匹配与业务类型判断、指标语义定位与上下文整合、Agent推理与流程调度。在此基础上，通过规则模型与填槽机制保障关键指标的准确性，避免纯生成模型在金融场景下的风险。

·语料构建与模型优化

实施过程中，项目同步开展语料收集与QA数据集建设，对模型在金融语境下的理解能力进行针对性增强。后续通过模型微调与提示词工程优化，持续提升模型稳定性和专业度。

5.应用链与智能体构建

·Workflow驱动的应用链设计

在应用层，项目基于星环科技大模型运营管理平台Sophon LLMOps构建了5类标准化Workflow，覆盖不同信贷业务类型。Workflow将复杂的业务逻辑拆解为可复用节点，实现参数化调用。

Agent架构与运行机制

在Workflow之上，构建基于ReAct框架的写作智能体，负责统一调度知识服务、模型能力和业务规则，完成从信息检索到报告生成的完整闭环。

6.系统部署、运行与安全保障

·部署模式

系统采用集中部署方式，统一接入企业内部网络，满足金融数据安全与访问控制要求。模型、知识库、应用服务均由AI Infra平台统一纳管。

·运维与监控

通过星环科技大模型运营管理平台Sophon LLMOps实现模型运行状态、算力使用情况、任务执行情况的可视化监控，为后续扩展与优化提供依据。

7.实施过程中的创新点总结

本项目在实施过程中形成了一系列具有示范意义的技术与模式创新。首先，围绕金融业务对安全性、准确性与可治理性的高要求，构建了面向信贷场景的企业级AI Infra底座，实现算力、模型、数据与应用的统一纳管与调度，为大模型规模化落地提供稳定基础。

其次，通过引入MCP机制，将原本分散的知识库与检索能力封装为标准化服务，使大模型与业务知识之间形成清晰、可复用的调用边界，显著提升了系统扩展性与工程化水平。在模型应用层面，创新性采用“填槽+大模型”的混合技术路径，将大模型的语义理解与生成能力与规则化指标处理相结合，有效兼顾了生成效率与金融场景所要求的高准确性与可溯源性。同时，基于LLMOps平台构建Workflow与Agent协同的应用架构，通过智能体对多流程、多工具的统一调度，支撑了复杂信贷业务流程的自动化执行。

通过上述实施与部署过程，本项目不仅完成了信贷报告生成模型的落地，更重要的是为该央企集团财务有限公司构建了一套可复用、可治理、可扩展的AI Infra能力体系。该体系已在金融信贷场景中得到验证，为后续深化人工智能在风控、审计、合规等更多金融与管理场景中应用，以及推进数据治理与智能化转型提供了坚实基础。

基于AI Infra视角的项目成效与价值度量

本项目的建设完成，标志着该央企集团财务有限公司在金融信贷领域从“以人工为中心的业务作业模式”，正式转向“以AI Infra为底座的智能化生产模式”，在业务效率、运营成本与技术体系三个层面均产生了显著变化。

从业务成效看，依托统一的大模型运行与应用基础设施，信贷尽职调查报告实现了全流程自动化生成。项目构建了18个不同行业的模板，实现开箱即用。不同行业、不同单位仅需输入公司名称及信贷业务类型，即可匹配对应的尽职报告模板并生成最终报告。

单篇报告生成时长由原先40分钟至2小时压缩至3–5分钟，整体效率提升90%以上；同时报告指标准确率稳定在95%以上，较传统人工方式提升约 8%–10%，显著降低了因人为操作带来的计算错误与合规风险。信贷业务整体审批周期明显缩短，单位时间内可承载的业务量显著提升。

从成本与组织影响看，项目有效降低了对高强度人工编撰和专业人员资源的长期依赖，专职报告编制人员数量大幅减少，人力、培训及管理等综合运营成本下降超过50%。同时，业务人员从重复性资料整理和计算工作中解放出来，更多聚焦于风险判断与业务决策，推动岗位价值结构优化。

从AI Infra的长期价值看，本项目并非单点应用建设，而是为该央企集团财务公司构建了一套可持续演进的智能基础设施能力。一方面，通过星环科技大模型运营管理平台Sophon LLMOps实现实现模型、语料、知识、应用的统一治理与调度，初步形成了集团级大模型运行与管理能力；另一方面，通过MCP将知识库与检索能力服务化，使信贷报告生成、审计制度问答、运维问答等多个场景能够复用同一AI Infra底座，避免重复建设。该基础设施已具备横向扩展至信贷审批、合规审查、风险分析等更多金融场景的能力，为后续规模化落地人工智能应用提供了稳定、可复制的实施方法和技术基础。

总体来看，项目不仅带来了可量化的业务成效提升，更推动该央企集团财务有限公司在AI Infra层面完成了从“工具引入”到“能力沉淀”的关键转变，具备显著的商业价值与行业示范意义。

·星环科技

星环科技提供覆盖数据全生命周期的企业级AI基础设施软件与服务，涵盖数据集成、存储、治理到建模、分析、挖掘和流通等环节。公司秉承“自主研发、领先一代”的技术发展策略，构建了新一代AI基础设施软件矩阵，共同构成从数据到知识、从模型到应用的端到端解决方案，助力各行业企业加速智能化转型，重塑竞争优势。公司产品与解决方案已经在金融、公共部门、能源、医疗、交通、制造等十多个行业落地，服务超过1600家终端用户。

·某央企集团财务有限公司

某央企集团财务有限公司是经国家金融监管部门批准设立的非银行金融机构，主要为其集团及成员单位提供专业化、集约化金融服务。公司以服务集团战略和实体产业发展为核心，围绕资金集中管理、结算清算、融资支持及风险管理等核心业务，提升资金配置效率与使用效益，依托集团产业优势和规范治理体系，持续为其央企集团高质量发展提供稳健高效的金融支撑。

★以上由星环科技投递申报的企业奖，最终将会角逐由金猿组委会×数据猿×上海大数据联盟联合推出的《2025中国大数据产业年度AI Infra领先企业》榜单/奖项。

该榜单最终将于1月上旬上海举办的“2025第八届金猿大数据产业发展论坛——暨AI Infra & Data Agent趋势论坛”现场首次揭晓榜单，并举行颁奖仪式，欢迎报名莅临现场。