真正的突破并非偶然所得。
行业大模型训练，源于对算法的理解，源于对专业数据和业务逻辑的理解。还有就是对细节的持续打磨，从“数据配比”到“损失函数”，从“去重策略”到“业务评估指标”，几乎每一个细节都关乎模型的性能表现与行业适配。
中电金信由此找到了行业AI“正确的打开方式”。这家公司通过系统化的探索，逐步提炼出一套适用于行业大模型训练的“最优解”，并将其沉淀为平台模块，转化为智能生产力的一部分。
从“大力出奇迹”到“内功见真章”
基础大模型训练，拼的是“大力出奇迹”，行业大模型落地，靠的是“内功见真章”。回想2023年的盛况，全球科技巨头几乎清一色地信仰Scaling Law（规模化法则）。他们都在以万卡、十万卡集群堆起“算力高塔”，追求参数激增带来的“智能涌现”。
当然，他们赌对了。
但随之而来的就是AI落地的现实考题。例如，多元算力的适配、算法与场景的匹配、基础大模型的选型、行业大模型的训练和调优、大小模型的统一管理与融合、高价值应用场景的商业验证，以及将海量原始数据加工为可供训练的高质量行业数据集等。
这也就是中电金信，正在修炼的“内功”。
“‘平台、模型、服务、应用’缺一不可。”中电金信研究院副院长、AI实验室主任单海军谈到了AI行业落地的“四大要素”。更进一步，他还详细解释了中电金信依托中国电子全栈智算技术体系，以应用牵动发力AI基础设施建设，构建的“数据+平台+模型+服务+应用”的全栈AI能力。
打通AI落地最后一公里
先解决“四个统一”
具体来看。世界人工智能大会期间，中电金信展示了全新升级的“源启·行业AI平台”，即源启行业AI模型工厂。这是一款很“厚”的平台，其研发历史可追溯到五年之前。
中电金信对人工智能的研究，始于小模型时代。2025年，其开始将机器学习算法，用于信贷预测、营销推荐等应用。2022年，中电金信又基于深度学习算法，重构了银行单据识别、文本审核比对等应用。
接下来。
2023年，中电金信正式迭代出“源启·行业AI平台”。而此后两年时间的研发投入，又使“源启·行业AI平台”变得越发厚重，其已形成自下而上，清晰的四层能力：智能算力管理平台、大模型开发平台、模型服务管理平台、智能体开发平台。
其中，“智能算力管理平台”的核心是，实现“统一资源管理”，其可对多元算力进行统一管理，以帮助企业提高资源利用率；
“大模型开发平台”则可进行“统一模型构建”，平台中沉淀了模型开发训练、模型微调、模型评估、模型优化等诸多功能模块；
“模型服务管理平台”可提供“统一模型服务”，其能够对大小模型进行统一管理、在线服务编排；
“智能体开发平台”则支撑“统一智能应用构建”，企业可基于自有数据，快速构建形成融入业务流程的行业智能体。而且实践出真知。目前，源启行业AI模型工厂，已经形成了模型规模化、低成本开发、调度、优化的闭环，已应用于50多个金融、能源、制造标杆项目，累计帮助客户开发和纳管数万个各类模型。
“吃细粮”的大模型
更懂金融业务逻辑
当然，中电金信的提供的“最后一公里”服务，还不止步于上述平台架构和工具能力，更深层的差异化优势，就藏在中电金信对行业业务逻辑与数据价值的深度理解。
以金融大模型的研发为例，中电金信依托其“大模型开发平台”率先展开系统性探索。对此单海军谈到：“大模型的训练路径可以标准化，但训练‘吃粗粮’和‘吃细粮’，效果天差地别。”
这里指的“吃细粮”，就是吃高质量行业数据集长大的大模型。截至目前，中电金信已连续8年获得IDC中国银行业IT解决方案市场份额第一名，其行业领先地位正源于对金融业务的理解，以及金融数据的积累。
同时，2025年4月，中电金信金融大模型数据集，入选国资委“首批央企人工智能行业高质量数据集”。同年6月，在央国企金融领域人工智能高质量数据集工作推进会上，包括中电金信在内的14家企业共同签署了“央国企金融数据产业共同体倡议书”，进一步推动人工智能与数据产业深度融合。
中电金信的金融大模型也由此吃上细粮，并能够准确理解金融术语。“内行”的源启金融大模型，也因此在国内多家金融机构的信贷问答、贸易金融、监管报送填报、保险智能问答，以及证券投研、信贷尽调、反洗钱报告生成等应用场景中落地。
例如，中电金信帮助国内某头部股份制银行，部署的“信贷助手”金融智能体，在押品管理环节，实现系统自动完成分类、信息校验及评估报告生成，助力业务处理效率提升10倍以上；在放款审查中，非标准化文本解析与批复意见智能分析功能，将新人差错率降低95%，合规性检查效率提升一个数量级。截至目前，该“信贷助手”金融智能体已服务超万亿金融资产，累计用户逾万名。
此外，金融企业的核心场景，对AI应用相对苛刻的应用场景，也被一个又一个地突破。杭州银行通过部署中电金信金融大模型，以及多模态鉴伪系统，实现了智能化的风险评估，风险识别准确率预计提升30%。
练内功就是对细节的打磨
与此同时。
中电金信的“内功”，还体现在对技术细节的打磨。在金融大模型的研发过程中，在为客户提供行业大模型落地服务的过程中，其逐步探索出更适合金融业务的行业数据配比策略、模型层冻结方法、合理的业务评测标准等，实现了模型“专业能力”与“通用能力”的平衡。
对此，单海军说：“在不断的摸索中，中电金信已找到了模型训练的最佳行业数据配比。与此类似，中电金信还通过不断地研发积累，找到了‘数据去重’、‘损失函数’等细节的最优解。”
更重要的是，中电金信已经将这些最优解固化成为功能模块，并沉淀在“大模型开发平台”中。或者说，最优解越多，“大模型开发平台”就越厚，客户的行业大模型开发也就是越来越简单。
不仅如此。
在“大模型开发平台”和“模型服务管理平台”之上，就是“智能体开发平台”。单海军客观地表达了看法，“我们的优势在于，可以将智能体与业务流程深度结合，实现全流程的智能化协同。而且中电金信已在多个高复杂度场景中实现智能体落地，例如尽调报告生成，国际贸易结算单据识别等。”
赋能智能应用最后一公里
这恰就是中电金信的核心竞争力。
中电金信是一家懂基础底座、懂软件开发、懂AI模型、懂应用场景、懂服务的企业。凭借“底座+应用+咨询”的完整的产品服务体系，以及基于新型数字基础设施的平台建设，中电金信可面向金融等重点行业，提供应用软件（模型、组件）产品，以及平台和应用的定制化服务。
在此过程中，中电金信以系统工程方法论指导，针对行业技术特性，开展全栈信息技术垂直打穿适配优化；同时，其可构建面向行业定制市场、“前店后厂”的研发及服务体系和数字化生产力平台。
而在智能应用生产方面，在构造智能体平台和智能体组件集群同时，中电金信将生成式AI和“软件工厂”理念相结合，打造AI+软件的生产体系，为行业客户提供建模、设计、开发、测试、运行、运维一体化工具链，推动行业应用集群研发的全面智能化升级。
此外，结合30多年的行业应用经验，中电金信还打造了一批以智能营销、测试智能体、ChatBI等为代表的新一代智能体集群，而且助推人工智能，落地于办公运营、智能客服、理财营销、财富管理、信贷风控，以及IT开发等领域。
这其中既包括通用办公场景，也包括严肃的生产业务场景。或者说，中电金信已找到行业AI，落地深水区的“正确的打开方式”。通过模型、算力与场景的连接，其正在打通行业数智化升级的“最后一公里”，破解AI工程化难题，加速让AI从实验室走向生产线。
