朝阳永续基于阿里云 Milvus 构建金融智能投研产品“AI 小二”

简介: 朝阳永续通过采用阿里云向量检索服务 Milvus 版,构建了金融级智能投研引擎“AI 小二”,实现了对海量公告、研报和财报数据的高效语义检索。在智能问答、管理层表述分析等场景中,查询响应速度提升超 10 倍,系统稳定性显著增强,运维成本降低 80%,全面提升了投研效率与用户体验。

一、朝阳永续

朝阳永续是先进的金融数据与智能服务提供商,致力于为基金管理公司、证券研究机构及专业投资者提供高质量、精准和全面的数据分析与决策支持工具。依托多年深耕金融行业的数据积累与投研经验,朝阳永续推出其核心产品——AI 小二,一款融合大模型技术的 AI 金融投研智能体。

AI 小二基于生成式 AI 能力,结合阿里云向量检索服务 Milvus 版(简称阿里云 Milvus),打造了集“智能问答、极速研究、深度分析、主题推荐、报表生成”于一体的智能化投研平台,全面赋能投资研究流程,显著提升用户的研究效率与决策质量。


二、业务挑战

在金融投研领域,信息的准确性、权威性和时效性至关重要。AI 小二作为面向专业用户的严谨型 AI 应用,要求所有输出内容必须具备可追溯的信源依据,并确保引用观点来自权威、合规的数据来源。

然而,在面对日益增长的多源异构金融数据时,传统技术架构面临四大核心挑战:

数据规模庞大且复杂度高

朝阳永续需处理包括上市公司公告、财报、卖方研究报告、新闻资讯、基金数据在内的海量非结构化与半结构化数据,日均新增数据量持续攀升。传统的关键词检索方式难以理解语义关联,无法满足用户对精准匹配的需求。

检索精度与召回率难以兼顾

用户常以自然语言提出复杂查询需求,例如:“某公司在过去四个财报季中管理层表述的变化趋势”。此类问题涉及跨文档、跨时间维度的语义理解,传统系统因缺乏上下文感知能力,导致漏检率高、误判频发,严重影响研究结果的可靠性。

系统性能与稳定性压力巨大

金融市场具有极强的实时性要求,尤其在交易时段,任何延迟都可能影响投资决策。原有自建检索系统在数据量达到亿级后,出现查询延迟波动、节点负载不均等问题,部分复杂查询响应时间超过数分钟,已无法满足高频、低延迟的业务需求。

运维成本高昂,资源管理复杂

随着集群规模扩大,运维团队需投入大量人力进行监控、调优、故障恢复和版本升级。这不仅增加了运营负担,也严重挤占了核心技术研发的时间与资源。

三、阿⾥云解决⽅案

为突破上述瓶颈,朝阳永续携手阿里云引入阿里云向量检索服务 Milvus 版,构建高性能、高可用的金融级语义检索底座,支撑 AI 小二实现从“数据到洞察”的高效转化。

1、技术架构设计

系统采用分层架构:

  • 底层:存储汇聚上市公司公告、研报、财报等原始文本数据;
  • 中间层:通过经由 PDF 解析、 Embedding 等处理环节形成向量化数据,并存入阿里云 Milvus;
  • 上层:利用阿里云 Milvus 强大的语义检索与条件过滤能力,实现多模态召回;
  • 接入层:通过标准化接口为 AI 小二提供低延迟、高并发的检索服务。

整个系统实现了从数据摄入、向量化、存储到检索的全链路自动化,为金融级 AI 应用提供了坚实的技术支撑。

2、典型应用场景与效果验证

案例一:追踪上市公司“互动易”表述变化(上市公司互动易数据)

上市公司在历史多时期内的互动易表述,往往隐含管理层对未来业绩、行业趋势的前瞻性判断。这类非结构化文本难以通过关键词检索准确提取。

借助阿里云 Milvus 的高精度语义匹配能力,AI 小二能够快速定位并召回特定时间段内相关问答内容,帮助研究员高效捕捉企业战略动向与情绪变化,显著提升信息挖掘效率。

案例二:分析卖方分析师观点演变(卖方研报数据)

朝阳永续累计收录超 300 万份经合规授权的卖方研究报告,每日新增数千篇。投资者常需分析某分析师对某一公司的长期观点演变。

阿里云 Milvus 支持大规模向量实时写入与高效检索,在财报披露高峰期仍能稳定响应复杂查询,确保用户及时获取最新市场研判,强化投研时效性。

案例三:解读财报中的管理层表述(上市公司财报数据)

财报信息是众多专业投资者关注的重要一手信息,其中,管理层在财报中的经营表述可能蕴含重要的投资信息。AI 小二通过将百万级财报文本向量化,并基于阿里云 Milvus 实现精准语义召回,可快速提取与用户问题相关的段落,再由大模型进行情感分析与趋势提炼,大幅提升专业投资者财报研究效率。


四、业务价值

在向量数据库选型过程中,朝阳永续曾长期使用开源 PostgreSQL 向量扩展方案,但在实际应用中暴露出性能瓶颈与运维难题。最终全面迁移至 阿里云 Milvus 向量检索服务,主要基于以下三大关键考量:

性能飞跃:查询速度提升十倍以上

经验证:开源 PG 库平均响应速度 600ms,阿里云 Milvus 平均响应速度 50ms

已有的上市公司公告、基金公司公告、卖方研究报告,专利及法律文档等,Embedding 完成后,向量的数量级已达到十亿量级。开源 PG 库在结合标量条件筛选,并开启向量检索和全文检索的混合检索模式下,平均响应时间已冲到 600ms,极端情况长达数分钟。切换至阿里云 Milvus 后,同样规模的数据,类似的检索方式,平均响应速度提升至 50ms,提速十倍以上,充分满足金融业务对实时性的严苛要求。

运维大幅降低,工作量下降 80%

开源 PG 方案遵循一切自己动手的原则,大量监控框架均需要搭配其他开源项目进行部署,需要花费运维人员大量的时间调研,且不完全符合运维需要,须定制整合,成本高,运维难度大。

阿里云 Milvus 具备完善的监控能力,提供包括 CPU 和内存使用率在内的逾百项监控指标,并支持自定义报警规则,可灵活适应多样化的业务需求。这一全方位的监控体系有效帮助朝阳用户技术实现对集群运行状态的精准感知与及时响应。同时,阿里云 Milvus 还支持灵活的资源调整机制,可根据业务负载变化,平滑实现资源的扩容或缩容,保障服务持续稳定运行。

生产级稳定性:历经百次高峰冲击,零故障运行

在开盘、重大政策发布等流量高峰期间,原有 PG 集群频繁出现 CPU 打满、服务卡顿甚至宕机现象。

切换至阿里云 Milvus 后,面对这些投研及投顾领域的热点事件及开盘、收盘时间点的高频应用时间。阿里云 Milvus 历经半年百余次瞬时访问峰值考验,始终保持 0 故障、0 中断,展现出卓越的高可用性与抗压能力,真正达到金融级标准。


五、总结

通过采用 阿里云向量检索服务 Milvus 版,朝阳永续成功构建了高性能、高可靠的金融语义检索引擎,有效解决了海量非结构化数据下的检索效率、精度与稳定性难题,为“AI 小二”提供了强大的底层支撑,显著提升了智能投研服务的用户体验与商业价值。

未来,朝阳永续期待与阿里云在大模型、向量检索、Agent 记忆系统等领域深化合作,共同探索其在智能风控、资产配置、合规审查等更多金融场景的创新应用,携手推动中国金融行业的数字化转型与智能化升级。

立即体验

👉欢迎加入向量检索 Milvus 用户交流群(群号:59530004993一起畅聊~

👉前往产品详情页了解更多!https://www.aliyun.com/product/milvus

👉免费试用:产品新用户可免费试用入门版8 vCPU 32 GiB1个月,领取地址(https://free.aliyun.com/?spm=5176.29677750.J_8HFJQ_URHoEpVHXyAYU8c.1.e939154ajm3J4u&searchKey=milvus

👉节省计划:可4折抵扣按量计费账单https://common-buy.aliyun.com/?commodityCode=milvus_milvuspre_spn_cn#/buy

👉年付5折:覆盖阿里云Milvus全规格产品https://common-buy.aliyun.com/?spm=5176.29313398.J_TC9GqcHi2edq9zUs9ZsDQ.1.4b065af8qS9IyY&commodityCode=milvus_milvuspre_public_cn

相关文章
|
6月前
|
存储 运维 数据挖掘
革新智能驾驶数据挖掘检索效率!某国内新能源汽车未来出行领导者选择阿里云Milvus构建多模态检索引擎
在智能驾驶技术快速发展中,数据成为驱动算法进步的核心。某新能源汽车领军企业基于阿里云Milvus向量数据库构建智能驾驶数据挖掘平台,利用其高性能、可扩展的相似性检索服务,解决了大规模向量数据检索瓶颈问题,显著降低20%以上成本,缩短模型迭代周期,实现从数据采集到场景挖掘的智能化闭环,加速智能驾驶落地应用。
革新智能驾驶数据挖掘检索效率!某国内新能源汽车未来出行领导者选择阿里云Milvus构建多模态检索引擎
|
1月前
|
人工智能 运维 安全
一文看懂函数计算 AgentRun,让 Agentic AI 加速进入企业生产环境
AgentRun 的愿景很简单:让 AI Agent 从 Demo 到生产级部署,变得前所未有的简单。通过 Serverless 架构持续优化成本并解放运维负担,通过企业级 Runtime 提供生产级的执行环境和安全保障,通过开源生态集成避免框架锁定,通过全链路可观测让每个环节都清晰可控——这就是 AgentRun 要为企业提供的完整解决方案。
|
6月前
|
人工智能 数据库 开发工具
通过阿里云 Milvus 和 Dify 平台构建RAG系统
本文介绍了如何结合阿里云 Milvus 向量数据库与低代码 AI 平台 Dify,快速构建企业级检索增强生成(RAG)应用。通过该方案,可有效解决大语言模型的知识局限与“幻觉”问题,提升 AI 应用的回答准确性与可靠性。
|
1月前
|
存储 机器学习/深度学习 人工智能
GEO 优化必备:RAG 技术全解析(基于知识密集型 NLP 经典论文)
2020 年论文提出的 RAG(检索增强生成),专治大模型 “幻觉、知识过时” 等落地痛点。它将 “检索外部知识” 与 “生成回答” 深度绑定,先精准抓取相关知识片段,再让模型基于证据生成内容。通过端到端联合训练,检索与生成协同优化,事实准确率显著提升,幻觉率大降。无需重训模型即可更新知识,还能追溯答案来源。如今成企业客服、医疗法律等领域刚需,推动大模型从 “通用” 走向 “可信实用”。这让我们做GEO优化就有了基础理论和方法。
|
7天前
|
数据采集 人工智能 自然语言处理
寻找 AI 全能王——阿里云 Data+AI 工程师全球大奖赛正式开启
在AI迈向专业决策的关键节点,阿里云联合NVIDIA发起“寻找AI全能王”全球大奖赛,聚焦高质量数据构建与智能体开发两大挑战。赛事设高校与企业双赛道,覆盖万亿语料去重与DeepSearch智能体构建,提供工业级实战平台、专家指导与丰厚奖励,推动Data+AI融合创新,助力开发者实现“所想即所得”的技术突破。
|
5月前
|
分布式计算 MaxCompute 开发者
【ODPS 十五周年开发者征文活动】获奖名单出炉!
【ODPS 十五周年开发者征文活动】获奖名单出炉!
|
9月前
|
存储 人工智能 监控
通过阿里云Milvus与通义千问VL大模型,快速实现多模态搜索
阿里云向量检索服务Milvus版是一款全托管向量检索引擎,并确保与开源Milvus的完全兼容性,支持无缝迁移。它在开源版本的基础上增强了可扩展性,能提供大规模AI向量数据的相似性检索服务。凭借其开箱即用的特性、灵活的扩展能力和全链路监控告警,Milvus云服务成为多样化AI应用场景的理想选择,包括多模态搜索、检索增强生成(RAG)、搜索推荐、内容风险识别等。您还可以利用开源的Attu工具进行可视化操作,进一步促进应用的快速开发和部署。
|
10月前
|
存储 人工智能 自然语言处理
方案介绍|基于百炼生成向量数据并使用阿里云Milvus存储和检索
阿⾥云Milvus是⼀款云上全托管服务,提供⼤规模向量数据的相似性检索服务。100%兼容开源Milvus,在开源版本的基础上增强了可扩展性,具备易⽤性、可⽤性、安全性、低成本与⽣态优势。阿⾥云Milvus可以⽀持⼏乎所有涉及到向量搜索的场景。例如检索增强⽣成RAG,以及经典的搜索推荐、多模态检索等。阿里云Milvus可存储百炼产生的向量数据,并进行大规模向量数据的检索。本文将重点介绍这一过程的方案。
|
人工智能 自然语言处理 安全
通过阿里云Milvus与PAI搭建高效的检索增强对话系统
阿里云向量检索Milvus版是一款全托管的云服务,兼容开源Milvus并支持无缝迁移。它提供大规模AI向量数据的相似性检索服务,具备易用性、可用性、安全性和低成本等优势,适用于多模态搜索、检索增强生成(RAG)、搜索推荐、内容风险识别等场景。用户可通过PAI平台部署RAG系统,创建和配置Milvus实例,并利用Attu工具进行可视化操作,快速开发和部署应用。使用前需确保Milvus实例和PAI在相同地域,并完成相关配置与开通服务。
|
5月前
|
人工智能 自然语言处理 安全
Milvus x n8n :自动化拆解Github文档,零代码构建领域知识智能问答
本文介绍了在构建特定技术领域问答机器人时面临的四大挑战:知识滞后性、信息幻觉、领域术语理解不足和知识库维护成本高。通过结合Milvus向量数据库和n8n低代码平台,提出了一种高效的解决方案。该方案利用Milvus的高性能向量检索和n8n的工作流编排能力,构建了一个可自动更新、精准回答技术问题的智能问答系统,并介绍了部署过程中的可观测性和安全性实现方法。

热门文章

最新文章