中关村资本
智能化系统升级建设方案
面向“募投管退”的机构级 AI 投资智能体系：在现有投资管理与数据体系基础上，逐步叠加可控、可追溯、可持续演进的智能能力。
交流讨论版 · 2026.08｜用于双方进一步确认业务范围、技术路线、首期建设重点与实施方式；正式部署规格、BOM 与排期以 POC 和环境确认结果为依据。
汇报导航
首页先看整体框架与甲方价值主线；技术细节、模型训练、评测口径、算力与待确认参数统一收纳在“其他信息”，便于现场按需展开。
项目理解与建设目标
建议先统一“建设什么”，再讨论模型大小、芯片品牌和硬件采购。核心是建设机构投研智能能力，而不是采购一个通用大模型或报告生成工具。
安全可控
敏感数据本地处理、权限隔离、调用可追踪；公网能力按制度边界受控启用。
业务可用
AI 输出进入真实投研、流程和管理环节，不停留在聊天与通用问答。
判断可复核
关键结论区分内部文件、公网来源与模型推断，保留证据链与人工确认点。
能力可沉淀
把历史项目、基金规则、投资逻辑和组织经验转化为持续更新的机构资产。
总体建设架构
建议采用“机构智能底座 + 业务能力层”的方式增量接入现有系统，不以某一个模型为中心，而以机构投资业务、数据资产与可审计流程为中心。
四类核心业务场景
建议首期不追求“全流程一次到位”，而是优先解决高频、刚性、可验证的问题，再逐步扩展至完整募投管退。
与投资情报
目标：先解决“找到重要信息并按优先级呈现”，再逐步形成企业、人物、团队、产业与基金的关系网络。
- 接入新闻、工商、公众号、GitHub、论文及专业投融资数据源。
- 识别融资、团队、产品、技术、舆情等关键事件。
- 结合基金方向、产业关注与历史接触记录做优先级排序。
- 投资经理可补充会议、关系、判断和备注，沉淀为机构知识。
与材料智能化
目标：把不同基金的规则、模板和审批要求配置到 Fund Policy / Workflow Engine，减少重复编写与反复沟通。
- 自动提示流程节点、材料清单和责任部门。
- 复用经过确认的项目事实，生成指定模板的申请、纪要、投决材料初稿。
- 基金要求变化通过配置更新，而不是反复改代码。
智能审核
目标：把风险和信息缺口前置，让风控从多轮返工转向一次性、结构化预审。
- 按基金规则、模板、材料完整性和信息一致性进行预审。
- 形成缺失项、矛盾项、风险问题和修订建议。
- 重要判断回溯到原始文件、规则来源或人工确认记录。
与主动监测
目标：建立持续更新的项目记忆，降低人员变化带来的信息断层，并支持关键节点和风险持续跟踪。
- 跟踪回购、董事会、融资、工商变化、核心人员变动等事件。
- 异常事件触发风险提示和后续行动建议。
- 逐步连接园区、场景、产业链、媒体和融资服务等投后动作。
私有化、安全与部署思路
核心项目和基金数据原则上在机构内部处理。公网增强能力是否启用、如何脱敏、走哪个网络区，应以甲方制度和数据等级为前提。
不调用外部云模型，适用于核心基金资料、未公开项目、敏感尽调以及完全断网场景。
如业务制度允许，可配置脱敏 / 过滤网关，仅将必要的非敏感查询送往公网，结果回到本地融合。
增量接入原系统
优先通过数据库、API 或文件接口接入现有投资管理系统，在其上增加智能检索、Agent、工作流与知识能力。
确定性数据分工
LLM 负责理解、生成和研判；金额、字段、统计与看板口径由数据库、规则和计算引擎负责。
硬件路线保持中立
应用层尽量与单一硬件解耦，最终结合模型、并发、预算、国产化要求和现有机房环境确定生产配置。
POC 与分阶段实施路径
POC 的目的不是“证明 AI 很强”，而是回答：对甲方真实工作是否可用、是否可验收、是否值得规模化建设。
需求与环境确认
盘点现有系统、数据、安全、用户、并发、数据源与接口；冻结 POC 边界与技术假设。
POC 验证
选取 20–50 个代表性历史项目，优先配置 1–2 个核心场景与风控预审，验证业务与技术效果。
一期生产
建设机构知识底座、核心工作流、权限审计与正式私有化部署，形成稳定生产环境。
模块扩展
逐步扩展 Sourcing、投后、动态看板、更多基金规则，以及必要时的模型后训练。
首期 POC 建议重点验证四件事
| 评测维度 | 建议指标 | 验收方式 |
|---|---|---|
| 事实准确性 | 关键事实提取准确率、数值 / 主体 / 日期错误率 | 与原始材料及人工确认结果对照 |
| 证据溯源 | 关键判断是否指向具体文件、规则或公开来源 | 抽查引用链路与来源标签 |
| 业务完整度 | 是否覆盖指定模板、流程节点和投研关注点 | 业务专家评分 |
| 风险发现 | 关键风险与信息缺口的召回能力 | 与历史尽调 / 投决问题对照 |
| 效率与可用性 | 处理时间、人工修改量、采纳率、试用评分 | 前后对比 + 试用记录 |
| 安全与运维 | 数据边界、权限、日志、稳定性、故障恢复 | 技术 / 信息化联合验收 |
AInvestor 能力基础与合作方式
以现有产品作为 POC 起点，而不是从零定制开发；在此基础上完成机构规则、私域知识、部署环境与工作流适配。
多文件项目工作台
支持 BP、会议纪要、访谈、财务、法务等多类资料的解析、关联与统一分析。
多 Agent 投研分析
可按团队、市场、技术、财务、风险、反方质疑等角色并行分析，并保留任务过程。
来源溯源与复核
区分内部文件、联网信息与模型推断，帮助投资经理快速复核关键结论。
本地化部署
已具备端侧开源模型、OCR、RAG 与 Agent 的本地运行经验，可支持断网场景。
端云协同
可在本地识别和处理敏感信息后，再按制度调用受控公网检索或云端增强能力。
持续评测与优化
通过统一 Benchmark 对比 RAG、Agent、模型与后训练版本，避免仅凭主观演示判断。
甲方侧重点
- 明确业务负责人、技术 / 安全负责人和验收角色。
- 提供授权 / 脱敏的 POC 样本、基金规则、模板与现有系统信息。
- 组织投资、风控等业务专家确认评价口径与结果。
AInvestor / 创造进化侧重点
- 完成需求梳理、数据 / 流程建模和 POC 设计。
- 完成 Agent 工作流、RAG / 知识能力、模型与部署适配。
- 实施评测、培训并形成正式私有化与后续建设方案。
其他信息 / 技术附录
以下内容不作为首页主叙事，现场根据甲方技术、信息化或管理团队关注点按需展开。
技术路线：RAG、知识图谱、Agent 与后训练如何分工
原则是先问“什么问题没解决”，再决定是否训练模型。动态事实、历史原文、关系、基金规则与稳定任务行为应进入不同技术层，而不是全部固化进模型参数。
建议分工
- RAG / 知识库：承载最新、私有、可追溯的机构资料。
- 知识图谱：承载企业—人物—项目—基金—事件等长期关系与跨项目关联。
- 规则 / Policy Engine：承载基金流程、模板、审批规则与风控红线，保证可配置、可审计。
- Agent / Workflow：把复杂投研任务拆解为可组合、可记录的流程。
- SFT / LoRA：仅在 Benchmark 证明有必要时，用于稳定的风险识别、尽调提问、机构化输出与审核行为。
历史数据如何从“文件仓库”变成机构投资记忆
不建议将历史文件一次性“喂给模型”。更适合的做法是先完成盘点、清洗、结构化、专家提炼，再形成可检索、可比较、可评测的 Institutional Memory。
| 阶段 | 处理内容 | 产出 |
|---|---|---|
| 盘点 | 按项目、年份、行业、流程、文档类型建立目录与权限地图 | 数据资产清单 |
| 清洗 | 去重、版本识别、OCR、格式统一、字段规范 | 可用文档集 |
| 结构化 | 项目实体、团队、轮次、估值、风险、投决结论等标签 | 项目知识对象 |
| 专家提炼 | 为什么投 / 不投、关键问题、后续变化与复盘 | 机构判断样本 |
| 评测集 | 代表性项目 + 问题 + 答案 + 证据 + 专家评分 | 统一验收基线 |
Benchmark：如何衡量“是否真的更好”
建议用 20–50 个代表性历史项目形成首期固定评测集，覆盖已投 / 未投、不同赛道、材料完整度与争议情况。核心目的不是追求单一模型分数，而是形成可持续复用的机构验收标准。
算力与硬件：从真实负载倒推，而不是从用户数量直接采购
硬件选型应由“任务 → 模型 → 并发 → 数据吞吐 → 安全要求”倒推。用户数量本身不能直接等价为设备数量；长文档、Agent 数量、上下文长度、OCR 与峰值并发都会影响资源需求。
三级部署思路
- 桌面 / 一体机：适合现场演示、单人 / 小组、离线或高敏独立场景。
- 多 GPU 工作站 / 节点：适合部门级使用、中等并发和 POC / 中等规模生产验证。
- 集中式 AI 服务器：适合多部门共享、较高并发、统一权限日志和长期生产环境。
正式 BOM 前必须确认
- 日活、峰值在线、同时发起重任务的人数。
- 单项目文件数、总大小、扫描 PDF / OCR / 录音占比。
- 目标模型规模、上下文长度与可接受完成时间。
- 现有 GPU / NPU、存储、容器、操作系统、网络分区与国产化要求。
- SLA、备份、高可用与故障恢复要求。
AInvestor 与“通用大模型 / 普通知识库项目”的区别
| 常见做法 | AInvestor 建议的机构方案 |
|---|---|
| 部署一个大模型，让大家聊天 | 围绕投研任务拆 Agent 和工作流，让 AI 进入真实业务流程。 |
| 把资料做成知识库 | 进一步转为项目对象、规则、判断样本、评测集与机构投资记忆。 |
| 生成一份看起来完整的报告 | 强调事实 / 判断分离、来源溯源、风险与缺口识别、人审和可复核。 |
| 先买 GPU，再找场景 | 先用场景和真实负载确定模型，再由模型与并发倒推算力。 |
| 每只基金都做定制代码 | 公共能力产品化，基金个性规则尽量配置化、Policy / Skill 化。 |
POC 结束后建议形成的正式产出
- 《甲方 AI 投研业务与数据需求说明》
- 《POC 效果与评测报告》
- 《模型 / RAG / Agent / 后训练路线建议》
- 《正式私有化部署与硬件选型建议（含并发与容量测算）》
- 《二期建设范围、预算与实施计划》
上述成果将把本次交流从“功能讨论”收口到可立项、可验收、可采购的下一阶段输入。
下一步建议现场确认
建议本次沟通不再继续扩大功能清单，而是共同冻结首期边界，并形成《POC 工作说明书》。