来源 :深交所互动易2026-06-08
cninfo1376654问长亮科技(300348)您好，董秘，能否介绍一下当前AI技术在公司主营业务和主要产品方面的具体应用？AI技术对提高公司的产品竞争力、降本增效方面有那些促进作用？
2026-06-02 08:32:45
长亮科技答cninfo1376654
您好，感谢您对公司的关注！ 一、AI技术路线与整体战略 公司制定了"N+M"大模型协同策略——以N个通用大模型为基座，组合M个垂直场景小模型，实现金融领域AI应用效果最大化。整体战略分为三阶段：第一阶段通用大模型能力验证（已完成），第二阶段聚焦银行核心系统智能化研发提效（当前阶段），第三阶段构建行业AI生态。 在技术底座层面，公司自主研发的APStack云原生数字生产力平台已实现AI辅助代码生成、智能测试、运维诊断等核心能力的突破，平台以云原生、单元化、微服务、AI原生为顶层设计，底层分布式技术平台已在弹性扩展、高可用容灾、架构治理等核心能力上完成具体实现。 二、AI在主营产品中的具体应用场景 在银行核心业务领域，公司正在构建覆盖AI全流程落地的产品矩阵： 智能需求分析： 公司与华为昇腾、大联合发布了"AI银行核心系统需求分析智能体联合解决方案"，通过AI驱动实现需求文档自动解析、接口差异智能识别、业务规则自动提取，有效缩短需求响应周期，帮助金融机构快速响应市场变化。公司因此获得华为"优选级解决方案开发伙伴"认证及"鲲鹏展翅高飞奖"。 智能开发与测试： 基于"N+M"策略构建了AutoBA（业务分析）、AutoDesign（设计）、AutoTest（测试）三大场景智能体，覆盖接口差异分析、需求问答、代码解读、测试案例自动生成等核心场景，显著提升银行核心系统的研发效率与交付质量。 智能风控与数据治理： 公司DataMind数智大脑平台已深度融合AI能力，在数据质量管理、智能营销、实时风控等场景实现AI驱动。智能风控平台通过精细化风险刻画与多维数据分析，实现业务响应速度大幅提升，风控从被动管控向主动赋能演进。 三、AI对降本增效的促进作用 研发端： 通过AutoBA/AutoDesign/AutoTest智能体，在需求分析、代码开发、测试用例编写等环节实现自动化和智能化，有效降低人工投入、缩短交付周期。 运营端： AI辅助运维诊断能力持续增强，在系统监控、故障定位、性能优化等方面实现智能预判，减少人工运维成本。 客户交付端： 智能需求分析将传统数周的需求梳理周期显著压缩，智能测试将回归测试效率提升显著，整体项目交付人天成本有望持续优化。 四、AI原生产品发展战略 基于当前AI技术的演进趋势，公司认为"AI原生（AI-Native）"并非简单在现有产品上叠加AI功能，而是以AI为第一性原理重构金融科技产品的底层架构与交互范式。公司对这一战略方向的理解与布局如下： （一）核心理念：从"+AI"到"AI原生"的范式跃迁 传统"+AI"模式是在既定产品架构中嵌入AI模块，本质是对存量系统的修补。而AI原生的核心在于：以AI能力为产品设计与技术架构的起点，从数据流转、业务建模、代码生成到运维诊断的全生命周期，均以AI驱动为核心设计原则。公司APStack云原生数字生产力平台即以此为顶层设计理念，将AI能力沉入技术平台底层，而非停留在应用表层。 （二）技术架构：三层AI原生能力体系 公司正在构建覆盖"平台层—智能体层—场景层"的三层AI原生架构： 平台层（APStack）：以云原生、单元化、微服务为基础底座，将AI辅助代码生成、智能编译、自动运维诊断等能力内嵌至开发平台与工艺平台，使AI能力成为开发者日常工具链的原生组成部分，而非外挂模块。 智能体层（N+M策略）：以N个通用大模型（如DeepSeek/Qwen等）为认知基座，训练M个金融垂直场景小模型，构建面向银行核心系统的领域专家智能体集群——AutoBA（业务分析智能体，实现需求自动解析与差异识别）、AutoDesign（设计智能体，实现架构方案自动推荐）、AutoTest（测试智能体，实现用例自动生成与回归验证）等，形成可编排、可组合的智能体协作网络。 场景层（全生命周期落地）：将智能体能力融入银行核心系统从需求分析、架构设计、编码开发、质量测试、上线部署到生产运维的完整交付链路，实现端到端的AI驱动。 （三）产品落地路线 公司规划了明确的三阶段落地路径： 第一阶段（已完成）：通用大模型能力验证——在金融领域验证主流大模型的语义理解、代码生成、逻辑推理等基础能力，筛选出适配金融核心系统场景的最优模型组合。 第二阶段（当前）：银行核心系统智能化研发提效——以AutoBA/AutoDesign/AutoTest三大智能体为核心抓手，聚焦研发效率提升。与华为昇腾联合发布的"AI银行核心系统需求分析智能体联合解决方案"已落地。目前多个智能体已在内外部项目中投入实际使用，实现需求响应周期逐步压缩、测试用例自动生成覆盖率持续提升。 第三阶段（规划中）：行业AI生态构建——将经过验证的AI原生能力以平台化方式开放给生态伙伴，推动银行核心系统从"工具替代"走向"认知替代"，逐步实现AI驱动的业务建模、流程编排与系统自治。 （四）市场前景与竞争优势 当前全球银行业数字化转型进入深水区，核心系统更新换代叠加AI技术爆发，为AI原生架构提供了历史性机遇窗口。公司凭借近百个银行核心系统项目经验积累形成的深厚业务知识壁垒，结合APStack平台的技术领先性，在以下维度构建差异化优势： 业务Know-How壁垒：银行核心系统AI落地的最大瓶颈在于对金融业务的深度理解，公司长期积累的业务建模资产（覆盖存款、贷款、支付、信用卡、核算等全领域）为AI训练提供了高质量领域数据与知识图谱支撑。 工程化落地能力：公司AI原生策略并非实验室概念，而是已在新核心系统产品研发中规划的实践方案。基于APStack平台开发的系统已通过生产环境验证，具备规模化复制条件。 开放生态协同：通过与华为昇腾（算力底座）、通用大模型等（模型能力）的深度合作，构建从算力到模型到场景的完整AI落地链路。 （五）对经营效率的预期 随着AI原生产品体系的持续成熟，公司期待在以下层面有望实现效率跃升：研发人均产出逐步提升、项目交付周期持续缩短、产品质量一次通过率提高、运维人工成本结构性下降。另外，公司将通过AI原生机制，让公司新产品天然具有AI相关的融合能力，为客户的业务开展、新业务开拓、产品开发等提供强大赋能。风险提示： AI技术应用受技术迭代、监管政策、市场竞争等多重因素影响，相关产品的研发、落地及盈利能力均存在不确定性，敬请投资者理性判断，注意投资风险。
2026-06-08 20:45:33