隨著金融行業(yè)數(shù)字化轉(zhuǎn)型的深入，銀行運營管理面臨海量視頻數(shù)據(jù)利用難、合規(guī)檢測效率低、客戶服務(wù)體驗待提升等挑戰(zhàn)。傳統(tǒng)依賴人工瀏覽錄像、抽查視頻的方式難以滿足高效化、精細化、智能化的運營管理需求。

聚焦實際業(yè)務(wù)痛點和需求，格靈深瞳構(gòu)建了一套面向銀行運營場景的AI智能管理系統(tǒng)——元識·睿鏡運營智算解決方案（以下簡稱“睿鏡”）。

作為元識（MetaSense）金融多模態(tài)智算平臺產(chǎn)品家族的拳頭級產(chǎn)品之一，睿鏡以視覺大模型和大語言模型為基礎(chǔ)，通過輕量化算法訓(xùn)練平臺、“大模型+小模型”靈活組合方案和專屬智能體集合，打造一套“看懂、管好、預(yù)警、優(yōu)化”的AI管理系統(tǒng)，實現(xiàn)業(yè)務(wù)檢查、結(jié)果匯總、快速報告的銀行運營業(yè)務(wù)閉環(huán)。

小時級算法訓(xùn)練：模型可在客戶現(xiàn)場快速迭代

對視頻分析類產(chǎn)品來說，算法模型的優(yōu)化迭代定義了產(chǎn)品能力邊界。傳統(tǒng)的算法開發(fā)周期長、訓(xùn)練門檻高、端側(cè)適配難度大，這些痛點加大了模型在產(chǎn)品應(yīng)用過程中的升級交付難度。

針對以上難點，睿鏡搭載格靈深瞳自研的端到端全流程開發(fā)平臺AIEdge Studio（簡稱“AES”）。基于視覺模型基座Glint-MVT、Adapter Tuning訓(xùn)練微調(diào)技術(shù)及下游任務(wù)高效推理組合方案，AES平臺能夠?qū)崿F(xiàn)快速的算法訓(xùn)練，在客戶現(xiàn)場利用真實數(shù)據(jù)高效迭代模型，將傳統(tǒng)6-8周的算法開發(fā)周期壓縮至最快3小時。

AES平臺可靈活選配不同參數(shù)的模型，支持圖片與視頻的分類、檢測，圖像分割，語義分割，關(guān)鍵點檢測等多種視覺任務(wù)。通過輕量化算法訓(xùn)練平臺+算法倉管理，睿鏡可實現(xiàn)高效、可持續(xù)的算法調(diào)優(yōu)，延展到新業(yè)務(wù)場景，讓模型迭代交付真正融入產(chǎn)品，成為產(chǎn)品的“天然能力”，建立閉環(huán)的AI運營管理體系。

大小模型聯(lián)動部署：成本與效果兼顧

依托元識AI核心系統(tǒng)，睿鏡涵蓋了“硬件設(shè)備-應(yīng)用系統(tǒng)-解決方案”的平臺級產(chǎn)品能力。

在建設(shè)方式上，睿鏡打破了單一大模型和單一小模型分別在中心端和邊緣端進行數(shù)據(jù)分析的界限，采取“大模型+小模型”組合應(yīng)用，將二者優(yōu)勢融為一體，在使用相對較少資源和較低成本的情況下，達到較高算法精度和較強泛化能力，縮短算法研發(fā)周期。

從部署網(wǎng)絡(luò)來看，銀行網(wǎng)點/金庫的多路攝像頭現(xiàn)場抓拍的視頻流先進入睿鏡邊緣智算主機（部署小模型），經(jīng)過小模型初次識別之后，分析結(jié)果流入多模態(tài)一體機，進行二次識別，產(chǎn)出更精確的分析結(jié)果。不同分行的業(yè)務(wù)數(shù)據(jù)匯總流向總行大模型一體機，實現(xiàn)邊緣端與中心端聯(lián)動。

“大模型+小模型”的創(chuàng)新方式，為銀行客戶提供了一套性價比更高的建設(shè)方案。在模型部署過程中，客戶可根據(jù)實際需求和數(shù)字化基礎(chǔ)靈活選擇建設(shè)方式，實現(xiàn)成本與效果之間的平衡。

專屬智能體“超市”：多場景AI助手隨心配

基于VLM和LLM模型能力，睿鏡系統(tǒng)提供支持自定義配置的可插件化智能體，挖掘AI在多場景下的應(yīng)用深度。

例如在數(shù)據(jù)分析場景，傳統(tǒng)的功能開發(fā)流程漫長繁瑣，格靈深瞳元識核心系統(tǒng)下的智能問數(shù)（ChatBI）智能體，可聯(lián)動金磚、睿鏡等不同子系統(tǒng)的數(shù)據(jù)庫，通過自然語言直接查詢相關(guān)數(shù)據(jù)，在保證查詢準確性的基礎(chǔ)上，將查詢結(jié)果轉(zhuǎn)化為最適合可視化呈現(xiàn)的圖表形式。

數(shù)據(jù)洞察助手交互界面

面對動態(tài)復(fù)雜的現(xiàn)實情況，銀行運營需要及時更新告警業(yè)務(wù)。在小模型識別方案下，新增一個業(yè)務(wù)需要收集大量數(shù)據(jù)、開發(fā)算法模型、上線試用調(diào)優(yōu)等多個步驟。相比之下，基于格靈深瞳多模態(tài)大模型的“零樣預(yù)警”智能體可實現(xiàn)零樣本情況下直接解讀圖像內(nèi)容。通過自然語言配置告警識別提示詞，配合邊緣設(shè)備自動抓拍現(xiàn)場圖片，即可創(chuàng)造新的告警業(yè)務(wù)，并快速上線驗證可行性。

在常年運營中，銀行積累了大量圖像數(shù)據(jù)，但這些數(shù)據(jù)大多在存儲端“沉睡”，數(shù)據(jù)價值未被充分挖掘利用。格靈深瞳“智能搜圖”智能體打破了這一困境，通過輸入自然語言或者圖片，可從億級存儲圖像中檢索目標事件——以文搜圖、以圖搜圖、文+圖搜圖的多功能組合，可將銀行的海量圖像數(shù)據(jù)資源盤活。

成長型產(chǎn)品服務(wù)：實現(xiàn)運營業(yè)務(wù)閉環(huán)

作為面向銀行運營場景的AI解決方案，睿鏡具備完善的行業(yè)組織架構(gòu)管理體系，可提供智能管理（包含智能告警、履職、通行、客流等）、重要檔案、報表中心、數(shù)據(jù)看板、設(shè)備運維等多種功能，覆蓋現(xiàn)金交易、授權(quán)交易、現(xiàn)金庫碰庫、作業(yè)違規(guī)以及內(nèi)部行政監(jiān)督、金庫工作合規(guī)、綜合客流分析等多類細分場景，打造運營業(yè)務(wù)閉環(huán)。

例如，智能告警功能支持配置告警分類展示，可以對告警進行機構(gòu)、時間、事件類型、處置狀態(tài)、告警等級、識別對象等多種過濾，并支持告警發(fā)生位置在場地地圖展示，可最快定位到告警發(fā)生的時刻。

對銀行運營來說，數(shù)據(jù)分析是評估業(yè)務(wù)趨勢與管理效果的關(guān)鍵依據(jù)。睿鏡的運營分析功能可靈活配置分析內(nèi)容與時間，支持實時流與歷史流分析，并可調(diào)用其他業(yè)務(wù)系統(tǒng)接口協(xié)同分析，通過數(shù)據(jù)看板呈現(xiàn)分析結(jié)果，為運營部門提供參考。

不同于傳統(tǒng)的人工抽查方式，睿鏡能夠24小時不間斷分析違規(guī)事件，自動結(jié)算統(tǒng)計數(shù)據(jù)，并可按日/周/月瀏覽、審核存疑數(shù)據(jù)，不僅深度挖掘海量視頻數(shù)據(jù)價值，還顯著提升內(nèi)控合規(guī)管理效率和效果。以某分行數(shù)據(jù)為例，每天面臨篩查視頻超29萬個小時，單人每日僅能抽查幾個網(wǎng)點的某幾項異常。相比之下，睿鏡系統(tǒng)可自動識別、歸檔、形成報告，單人處理整個分行所有網(wǎng)點任何時間段內(nèi)所有異常僅需1小時。

目前，睿鏡已成功助力某國有大型銀行完成超10000家營業(yè)網(wǎng)點、金庫的智能化改造，成為國內(nèi)最大的銀行智能化管理體系。同時，系統(tǒng)在某國有大型銀行總行完成全國中心智能管理平臺的多期建設(shè)工作，已投入生產(chǎn)使用。

在多年探索金融行業(yè)AI落地的過程中，格靈深瞳深刻意識到，算法與場景緊密相連，處在動態(tài)變化中，AI應(yīng)用不存在“一個標準產(chǎn)品包打天下”的解法。因此，格靈深瞳通過“顧問+產(chǎn)品+服務(wù)”一體化模式進行價值交付，在提供標準化產(chǎn)品的同時，依托元識AI核心系統(tǒng)，快速利用客戶現(xiàn)場的真實數(shù)據(jù)打磨算法，不斷優(yōu)化提升元識金融多模態(tài)智算平臺（睿鏡運營智算方案、金磚安防智算方案、知岸金融助手方案等）的產(chǎn)品力和服務(wù)能力，讓AI技術(shù)真正融入業(yè)務(wù)場景，賦能銀行數(shù)字化轉(zhuǎn)型升級。