道正网软通动力车忠良：用全栈服务的思维适配金融数字化转型升级

专题：服贸会第七届中国金融科技论坛

　　中国国际服务贸易交易会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。软通动力信息技术（集团）股份有限公司金融事业群总裁车忠良出席并演讲。

　　以下为演讲实录：

　　谢谢主办方，各位金融机构的领导们，各位金融科技的同仁们大家下午好，我今天的题目是叫以全栈智能化产品和服务，使能金融数智化变革，全栈智能化产品和服务是今年公司整个战略变革的核心词。我会解释一下为什么我们要去提出这样一个词？另外，我们的所思所想。

　　就像刚才所说的，各行各业都在面对金融五篇大文章，其实并不是说为了去讲这五篇大文章，更多的我们还是在想，我们从前面几个演讲嘉宾报告的内容已经听到，在AI领域做了大量的各种各样的尝试，同时有一点我们所面对的金融所服务的客户就是实体产业这一点，他们同样在做的大量的AI的创新，而这个创新的量也非常大，企业的大小也不太一样，在未来会不会像上一代数字化溢出一样，智能化也会溢出？这样我们所面对AI基础的环境和所需要应对的场景，会是一个极大的量级，面对一个这样的时代，其实是一个全要素的变革，也就是是从基础的算力架构，组网，我们的通讯，到我们整个算力的调度，因为他们的波峰、波谷，使用的强度和侧重点、推理、训练都不太一样。也包括我们已经提到的大小模型或者不同模型的不同特点、不同特长，在未来不同场景里面的适配和对应的路有选择，以及我们上层的应用和对这件事情本身已经大家体会到的推广、引导、赋能，所有这些全要素的变革，会带来很大的一个挑战。

　　同时我们也知道，AI到现在为止并不稳定，很多的时候我们是做了一些可行的方案，满足了一些自己、自己的领导、客户、客户的领导的情绪价值，我们能够体现一些东西，它表现的特征是什么呢？大段大段的提示词，单一的交互模式，一问一答，或者在各类的场景里面跟我们既有的工作也没有太大的关系，或者是一些无缝的连接，复杂的变更、维护，很不稳定的输出，过多的专业依赖等等。我们怎么样把它做到可信？从可行到可靠？也就是说我们能够感受到它，但是不需要触摸到它，我们能不能用无缝的融入到日常的工作、日常的生活，无感的升级、稳定的输出，可靠的去执行我们所达到的目标，这大概是我们的追求。

　　我同时也在下面提示大模型，让它画了两幅简笔画。左边那个我在聊的时候发现很多人不知道，这是1903年爱迪生电大象的故事。就是跟当时特斯拉竞争的时候，第一次证明交流电很危险，电死了一头大象。

　　其实我们查一下在1903年之前，我们已经有了发动机、电钻、蓄电池，甚至我们有了用于行刑的电椅，都是在这之前发生的。但是那个时候整个电的使用，无论是它的场景还是它的规模，还是对我们生活的日常，跟今天我们所面对的天上、地下、生活中、工作中，甚至被植入到身体中的场景，发生了很大的变化，而这个变化我们去回想是怎么形成的？从一个很可怕的，极其恐怖的闪电，巨大危险性的东西，都被植入到了体内。这个过程里边，我今天会用4+1来做说明，我们要想实现AI工业化的支撑体系，作为一个服务型的工作，来去支撑这个产业，或者使能这个产业的赋能团队，我总结了四个方面：

　　一就是对于生态系统的理解和管理，二是工程体系，最终标准化是依赖于工程化，还有一个就是人才体系，还有一个就是必要的专业的服务体系，综合的服务体系。那个1，一会儿再说。

　　从技术生态上，就像刚才陈总也是做了一个很全面的技术生态和应用生态的宣讲，在这里边我们说，从底层的，无论是AI的服务器，还是AI的工作站，还是AI 的PC机，包括外置的AI的算力，包括对于模型的选择，刚才提到的模型路由，还有上边的中台，以及和的场景，包括场景嵌入到日常工作流和生活过程中小的切口API。

　　所有的体系比我们以往看到的计算时代的生态要复杂很多，而且现在每一层都在快速的演变，面对着一个巨大的不确定性，面对这样的不确定性，我们怎么去适应？怎么去把它困在相应的格子里、规则里，支撑我们的业务发展，支撑我们对于AI所有的愿景，驱动它的成长，去驱动它的成长，是我们要去面对和思考的第一个大的地方。

　　第二个就是标准化依赖于工程化，本来就是一个工程性的事情，最终是需要一套包含了各种兵种在内的规范的体系和流程，约束和支撑我们的AI综合体的建设。我简单的列了6个方面：

　　一是偏下层的模型工程，这里的模型工程主要是二次的优化和调整和训练，不是大模型训练，大模型训练并不在这个话题里面。还有就是各位专家提到的数据工程，针对模型所依赖的内部和外部的数据依赖。还有就是我们所谓的中台，没有一个强大的中台，很难去调度和协同，为了是Agent，还是RAG，还是知识的交互。偏上一点，是我们对于大量的知识文档的识别、标注、切片，也就是我们的向量化，提示词工程。没有提示词工程，至少到目前为止很难把我们智能体的应用完整地跑起来。

　　包括最重要的基于领域知识做的各种场景设计。所以我们需要依赖一组这样的工程化的体系，来推进AI应用的建设。有工程就需要人，因为相信，所以看见。所以我说先要把人识别出来，在现有的技术队伍里面，要硬性让我们的参与者向AI转型，无论是在下沉偏技术、偏算法的模型层，还是说我们在上层，中间层偏平台开发的这一层，还是原来在做业务应用的这一批程序员，需求分析人员和系统设计人员，要应用的往AI上面来转。

　　我们要去识别这样的岗位，包括质量经理，PMO，最新的工作任务就是要去研究AI软件工程质量体系里边质量体系、质量文档和质量标准应该是什么样子？所以这些岗位要重新定义，有一些是新增，有一些是转型。

　　第四个就是服务，这个服务不是单纯的、单一的某一种开发测试服务了。我从底下的算力开始，因为现在面临很多的中小机构在使用AI的时候发现起步的门槛很高。

　　陈总说，可以有一些像原来的平台一样，支持一些中小机构继续跟大的机构合作，我们已经看到，我们提供一个可能就需要几百万的硬件的基础设施，怎么样用租赁设备的方式，带设备入场，带家伙什干活。包括向上一层预制的MaaS平台，无论是私有的还是开放的，API和MCP Server。甚至到最上面，在这种引用里面所表现出来的运营服务，有几个机构，在驱动软件工程的应用再去提效的时候就会发现，其实它已经不在那儿很久了，就是一直起不来，主要是大家的使用习惯，大家对它的认知，和代入感不够，那怎么办？就需要有一些伴随者来辅助、引导、支持我们的一线去拥抱、适应，转换到我们的AI平台上。这是我刚才所提到的四个点，就是我们对于生态、对于工程、对于人才、对于服务，在AI领域中的一些理解，或者说我们现在在做的应对。

　　接下来的+1，就是整个智能化的应用还是一个工程，还是靠传统的软件工程来驱动的。中间这两个没有切片的柱子是我们最早认知，觉得如果大模型连程序语言都不能可靠的去控制、去翻译，去解读的话，对于人类的自然语言，多模态的语言会更难。所以我们把这个作为了我们从两年前最优选的领地去做的工作。

　　随着这个工作往外延展走到现在，向前向后，有了很多新的尝试和场景出来，很明显，这些场景就需要被切碎，被封装，需要被标准化。因为只有这样，才能约束大模型的泛化，才能够从小切片里面切入到软件工程，软件工程经过过去几十年的发展，已经形成了大的，很完整的规范体系，制度体系，有了一套完整的运作机制，也有了很多支撑的工具和平台，这些支撑的工具和平台已经成为我们的日常制度，和所有的流程体系紧绑定。

　　我们做出来的AI这些小切口，我们做出来的智能体，无论是从需求的协助评审，还是协助编写，从开发上、设计上，协助去生成文档和数据库的文档，确实是在帮到我们，但是这样的应用体和刚才提到的传统的无论是软件工程体系，还是DevOps工具体系，怎么样整合？

　　在这个过程里边，我们从去年开始就觉得它应该是一个小切口的形式，嵌入到我们既有的软件工程体系，既不是掀桌子的，AI来的原来的就可以不要了。AI就可以解掉一切了，同时又不是说我的DevOps体系可以跟AI没有关系，其实是一个双向奔赴，一个完美的莫比乌斯带，这样的形式来实现软件工程范式的革新和重构。

　　最近我们也在连续好几个月，3、4个月一直在做境外客户的题目和作业，很多金融机构都面临这个问题，也做过这个尝试，把它做一个自动的翻新。把它很早的，2010年以前的JSP+Struts的结构翻成新的微服务架构的H5的结构。我们从一开始走到现在，我说做了一个五级船闸。这上面画了四个，一会儿说第五个船闸。

　　从一开始大段提示词驱动它来做，比较有效，也确实能够提效，到现在为止，基本上可以非常高效的去完成一项定向的工作。五级船闸是什么了？我们做了前边的对于旧代码的理解。在落地的逻辑提取基础上，根据新的技术规范、技术要求、样例的代码和技术架构生成了新的代码，就是第二个代码生成。

　　第三个就是基于我们老的代码产生的逻辑，对目标的新代码去做一个检验，它是不是我想要的？合不合规？检验出来的差异会做自动修正。第四级船闸就是下面这个，自动修正。它会闭环，可以让它自动跑，也可以让它人工执行地跑，在每一级都会有泛化和波动幻觉，但是经过四级船闸会实现基本有效的控制。

　　五级船闸，就是这一页上讲的，去年的时候我们讲，现在AI来了之后，介入到软件工程之后，可能有一些原来的工程排期、资源安排发生变化，有的地方会被压缩，有些地方会被拉长。这次做这个项目的时候突然发现，原来我的详细设计可以不要做完了之后，我让我的目标代码返回来一个代码就可以归档了，因为它就是结果，而我们最终的软件真正出来的那个软件的新的源代码成为了我的制品，就像跟我的二进制的文件一饮，我不需要再管它，已经成为我的制品了。

　　所以把详细设计从上面摘下来了，因为它是给人看的，因为AI已经不需要了，整个过程我们用五级船闸的方式来实现，在重构过程里面想表达什么呢？我们的软件工程体系我们再去面对AI时代的时候，在发生很多重大的范式性的一些变革。

　　所谓公司提到的软硬一体，我觉得它并不是软件，我们既能提供软件又能提供硬件，所谓的全栈服务，并不是全部的服务都能够提供，在AI时代无论是对生态的管理，还是我们对于带设备入场的模式。还是说我们对于模型、AI中台，甚至说开放的第三方的MCP Server，或者Agent代理的更广阔视角下的融合，大概是我们想用这张图表达的。它是立体的，不是单一服务模式的拼接，实际是融在一起的一个整体的服务体系的变革，我们想还是要用全栈服务的思维来适配整个金融数字化的转型升级，为整个数字金融去做出我们的贡献。

　　谢谢各位！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。