【 AI 金融新纪元】系列报告（一） —— 金融垂类大模型试用体验 证券分析师：胡 翔 执业证书编号： S0600516110001 联系邮箱： hux@dwzq.com.cn 二零二四年一月二十五日 证券研究报告 1. 国内互联网企业、传统金融机构及金融科技企业争相竞逐 ，百模大战如火如荼。 2023 年 5 月中旬 ，奇富科技首先宣布推出自研的金融行业通用 大模型——奇富 国内金融垂类大模型试用体验 作为 A 股市场“互联网 + 金融 +AI” 第一股 ，同花顺凭借十余年的人工智能技术积累 ，再度创新 ，推出了 HithinkGPT 大模型。此款大模型 采用 transformer AI 技术的引进帮助金融机构实现更精确的数据分析、更高效的 决策制定， 同时帮助投资者更好地理解市场趋势、识别投资机会 ，帮助平台使用者解决简 单问题 ，协助解决复杂问题。当前 AiFinD 处于试用阶段 ，开放了以下功能： 1. 【 ChatFinD 】 基于 HithinkGPT 大模型， 叠加 iFinD 金融终端的金融数据库、 文本库 打造的 iFinD 平台专属大模型 ，可通

水效率和保障灌区可持续发展发挥了重要作用。 典型灌区工程示意图 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.cn 二、 系统拓扑图 唐山平升 灌区信息化系统拓扑图 水池/渠道水位监测终端 闸门监控终端 流量监测终端 图像监控终端 摄像头/照相机 电动闸门 明渠流量计 雷达/超声波水位计 水泵机组 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.cn 三、系统功能 四、相关资质 水利部检测报告和资质证书下载 http://www.data86.net/ziliaoxiazaislb 自动监测用水户的用水量和计量仪表状态 • 预留计量收费接口 • 实时监视取水泵站、提升泵站的现场图像 • 实时监视重要渠道、闸门的现场图像 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.cn 提水泵组监控现场 渠道水位监测现场

技术深度革新了汽车研发流程。它使用生成式算法，依据设计目标 和 物理参数自动创建设计方案并进行优化。高度逼真的虚拟仿真平台模拟复 杂环 境以大幅减少物理测试。智能测试系统则能理解需求文档并自动生成、 执行和 优化测试用例，显著提升研发效率和精度。 AI 重塑用户运营 AI 驱动的智能内容系统实现从图文到视频的全媒介内容自动化、规模化 生产，并能结合车型参数和热点动态生成个性化素材。智能销售助手通过深 度 出数量等。 2. 基于大模型自动打分。根据结果构建合适的提示词，让推理能力强的 大模型对其自动打分。 3. 基于人类专家打分。适用于对于那些不存在客观答案的结果集的场景， 比如测试用例生成，代码变更总结等。 大模型选型 大模型选型是决定企业成功落地的关键因素之一。影响大模型选型的关 键因素多种多样，企业可以从以下几个方面进行考虑： 1. 隐私安全。数据隐私是企业在选择大模型时的重要考虑因素之一。根 评估打分是通过建立一套指标系统，对 Agent 的结果集进行打分，最终 得出一个或多个分数。为了得到客观的分数，首先我们要针对场景建立指标， 比如是否生成了幻觉内容、生成的格式是否为 JSON 、生成的测试用例条目 数 19

，确保产品质量的全面控制。 闭环持续改进 项目推广—— AI 系统的试用模式 试用 试用后项目规划 • 把工厂现有的数据接入底层大模 型已积累的行业模型，展示初 步成效； 根据客户需求，进一步梳理数 据（预清洗和标注）； 经过大量数据训练后，打造解 决具体业务问题的 AI 模型系统。 客户工厂 试用模式 图形 1 客户案例 案例 行业 客户 案例 新能源 亿维锂能

1 测试环境搭建................................................................................72 4.1.2 测试用例设计................................................................................75 4.1.3 测试结果分析 但不限 于： - 模型权重文件 - 配置文件（如超参数、训练数据路径等） - 依赖库版本信息 - 测试数据集和评估报告 其次，建立版本健康度评估体系。在新版本部署后，系统应自 动触发预设的测试用例，包括功能测试、性能测试和稳定性测试。 测试指标应涵盖： * 预测准确率 * 响应时间 * 资源利用率 * 系统 稳定性 测试结果将作为是否触发回滚机制的重要依据。如果主要指标 出现显著下降（如预测准确率下降超过 际应用中能够高效运行。 首先，模型测试需涵盖功能测试，验证模型在不同场景下的输 出是否符合预期。例如，针对工业园区的政务服务、资源调度等核 心功能，需模拟真实场景进行测试，确保模型的决策逻辑正确无 误。测试用例应覆盖正常流程、边界条件以及异常情况，以全面评 估模型的表现。 其次，性能测试是模型测试的重要组成部分。通过模拟高并发 访问、大数据量处理等场景，评估模型在不同负载下的响应时间、 吞吐量以

规格说明、数据库设计、编码标准、用户界面设计、测试标准、 系统测试计划、用户手册。 (4)编码类。编码及单元测试结束后得到的工件，如源代码、 目标码、单元测试用例、数据及测试结果。 (5)测试类。系统测试完成后的工作，如系统测试用例、测 试结果、操作手册、安装手册。 (6)维护类。维护阶段产品的工作，以上任何需要变更的软 件配置项。 配置项是一个独立存在的信息项，我们可以把它看成一个 数学规格说明。 (4)用户手册。 (5)设计规格说明。 • 数据设计描述。 • 体系结构设计描述。 • 模块设计描述。 • 对象描述。 (6)源代码。 (7)测试规格说明。 • 测试计划和步骤。 • 测试用例、记录和结果。 (8)操作和安装手册。 (9)可执行程序。 • 模块可执行代码。 • 链接的模块。 (10)数据库描述。 • 模式和文件结构。 • 初始内容。 (11)联机用户手册。 (12)维护文档。 在合同约定的项目建设范围之外的，由于客户和开发人员认识 的局限性，盲目加入他们会给系统带来不可预见的风险和隐患， 甚至带来系统的不稳定。 1.15.4 服务流程管理 产品交付过程一般围绕着产品部署、培训和试用、正式上线 （运行）、验收等四个阶段展开的。对于原有信息系统的升级 改造而言，通常还要有数据分析和迁移工作。 1.15.4.1 前期介入 与硬件系统相比，软件系统具有更大的需求可变性和不确

Chrome、Firefox、Safari、Edge 等）和不同分 辨率下的显示效果和功能表现。 为确保测试的全面性和有效性，测试团队应制定详细的测试计 划，包括测试用例的设计、测试环境的搭建、测试数据的准备以及 测试脚本的编写。测试用例应覆盖平台的所有核心功能模块，如用 户管理、权限控制、数据处理、接口调用等。测试环境的搭建需要 模拟实际使用场景，确保测试结果能够真实反映平台在实际运行中 的兼容性表现。 保护、访问 控制、模型鲁棒性和抗攻击能力，确保平台符合国家信息安全标准 和行业规范。 测试过程中将采用自动化测试工具与人工测试相结合的方式， 具体分为以下步骤： - 功能测试：编写详细的测试用例，覆盖所有业务场景，并利用自 动化测试工具对高频操作进行回归测试。 - 性能测试：使用压力测试工具（如 JMeter）模拟多用户并发访 问，记录系统在不同负载下的表现，确保平台在峰值负载下表现稳 测试数据将采用真实政务数据的脱敏版本，确保测试环境的真 实性和有效性。测试结果将以测试报告的形式记录，包括测试用 例、测试结果、问题记录和修复情况。测试报告将由项目组、技术 团队和第三方测试机构共同签署确认，作为验收的重要依据。 用户验收阶段将邀请政务部门的实际使用人员进行试用，收集 反馈意见并进行优化。验收标准包括功能完备性、性能达标性、安 全性符合性和用户满意度。验收通过后，平台将正式交付使用，并

 检查病历中必填字段是否完整。  验证生成病历的格式与医院标准一致。  报告中是否包含必要的医疗信息（如病人基本信息、病史、检 查结果等）。 在实施测试时，可以使用以下测试用例的表格进行记录： 测试用例 编号 测试内容 预期结果 实际结果 备注 TC001 测试输入数据的正确 性 正确接收和解析输入 数据 TC002 验证生成病历的完整 性 病历包含所有必要信 息 制定详细的测试用例。每个模块需要确保下列关键功能的实现： 1. 数据接口测试：验证各模块之间数据传输的准确性和一致性。 2. 功能执行测试：确保每个功能模块按预期执行内部逻辑。 3. 边界条件测试：测试系统在极限输入下的响应情况。 4. 错误处理测试：评估系统在发生错误时的稳定性和错误信息反 馈能力。 根据以上测试目标，以下是各主要模块的测试用例示例： 模块 测试用例 输入 预期输出 单独病历生成测试 患者的基本信息与症 状描述 生成对应的病历文档 空白病历处理测试 无症状与检查结果 ” ” 返回提示 信息不足 数据缺失处理测试 部分信息缺失的输入 生成部分病历，提示缺 模块 测试用例 输入 预期输出 失信息 为提高测试覆盖率，将实施以下单元测试策略：  代码覆盖率：确保测试覆盖所有重要路径，包括条件分支和循 环。  持续集成：在代码提交时自动执行单元测试，确保持续反馈。

据特性， 导致从需求分析到代码生成的全链条失效。例如 AI 生成的需求文档 与实际业务逻辑偏差，在代码生成环节，AI 模型因上下文理解不足， 可能忽略关键安全边界，测试生成方面，AI 生成的测试用例常因训 练数据偏差，遗漏边缘场景，导致缺陷漏检率偏高。此外，行业特性 与数据孤岛问题进一步加剧了可用性瓶颈，这些问题的根源在于 AI 软件工程智能化标准体系建设指南（2025 年） 10 四、建设内容：三维一体，构建智能化工程化标准实施 矩阵​ （一）智能基础底座：构建技术赋能可控的数字化基石 1.数据工程：构建全域数据资产化能力 通过标准化数据模型实现端到端数据整合。明确定义需求条目、 代码提交、构建工件、测试用例、缺陷追踪、部署单元、性能指标等 实体及其关联关系。在此基础上建立三层数据工程体系：在采集层实 施数据血缘追溯与质量校验，保障数据的完整性、一致性与时效性； 在存储层依托弹性云基础设施构建多模态数据湖，支持时序数据、图 测试数据生成。一方面依托大模型与知识驱动方法输出的结构化测试 需求，结合经典测试技术与约束求解等形式化分析方法，实现复杂环 境、功能强耦合下的高覆盖度测试设计自动化；另一方面通过将历史 测试用例、测试结果、测试问题所形成的测试经验与资产，自动导入 到测试设计过程中，实现测试经验与资产的复用，提升测试设计的有 效性。 （3） 多模态时序大模型/具身智能应用解决测试执行“最后一 公里”问题

高效筛选与分析，提升面试针对性 • AI 定制化生成测评方案，强化信效度 • AI 输出录用建议与试用期方案 区域简历筛选尺度不一，优质候选人常因 “标准模糊” 被误筛,人才流失率增加 跨区域面试协同成本高，用人经理与 HR 对 候选人评价分歧难调和，决策效率低 候选人录用后融入团队慢，试用期流失率偏 高，招聘与培养成本浪费 制造业行业龙头企业 • AI 在跨区域面试时，实时同步 “岗位能力 “岗位能力 模型要求” 与 “候选人匹配项” 给面试官 区域化岗位标准统一度提升 80% 区域简历筛选的优质人才保留率提升 25% 新人试用期融入速度与岗位适配度明显改 善，试用期流失率降低约 40% • AI 依据岗位能力模型，对各区域简历筛 选规则智能校准 • AI 自动生成候选人综合报告，整合评价 并标注 “亮点 / 风险点” 知识管理与培训方面最佳实践案例 – 绚星睿学 NeoLearning