格灵深瞳_让AI造福人类,让世界更安全更宜居更健康

业务挑战

在金融领域竞争激烈和客户需求日益增长的背景下，银行致力于通过技术创新提升其服务和管理水平。

传统监控存在局限

银行拥有数以万计的摄像头，但传统的监控方式往往采用大屏分屏展示，依赖于轮播机制，导致监控覆盖面有限。在这种模式下，安全事件的发现和响应通常是被动的——事件发生后，才通过通知触发视频回溯。效率低下且存在明显的时效性问题，无法实现对安全威胁的实时监控和预警，影响银行对潜在风险的快速识别和处置。

合规与风控管理瓶颈

银行运营流程中合规管理是关键环节，金库、加钞间、高柜区等敏感区域现有的管理方式存在明显的效率瓶颈。目前监控手段无法自动执行严格的合规规范，监管依赖人工巡查，效率低下。现行的工作流程通过交易数据初步筛选出潜在的风险交易，依赖人工观看视频进行验证，耗时耗力且难以确保全面性，导致风险管理和决策支持的效率大打折扣。

数据洞察力不足

银行在日常运营中积累了大量的监控数据，如何从这些数据中提取有价值的信息，以辅助决策制定和业务优化，是银行面临的一个重大挑战。因缺乏高效的数据分析工具和方法，无法充分利用这些数据资源，影响决策的质量和业务的优化。

解决方案

利旧行方设备与网络：为解决客户面临的上述挑战，格灵深瞳智慧金融解决方案通过边缘计算技术，对现有设备进行智能化改造，无需更换旧设备，有效节省建设资金，同时响应国家节能减排的号召。

逐级标准化管理：通过银行关键位置的安防和运营数据，智能判断并即时产生预警，将信息准确传送至相应部门，如监控中心，确保及时处置，支持全行各级机构对管理执行情况进行统计和查看。

边缘设备运维管理：面对广泛分布的边缘设备，提供经济有效的集中管理方式，确保设备运行状态的实时监控和维护。

算法模型与训练体系：提供可控算法平台，实现分行级个性化算法下发和业务区域的精准管理，构建全行算力体系。内置训练平台基于实际业务数据，确保算法精准迭代与高适应性。结合大模型与小模型策略，减少数据依赖，提升算法准确率与效率，为银行业务提供灵活高效的智能支持。

赋能行方现有系统：提供标准的API接口，也提供定制化接口开发服务，将智能感知数据共享给行方其他业务系统使用。

客户收益

云边端运维一体化

基于云边协同的边缘计算体系，为智慧场景算法的边侧落地提供统一计算资源，在资源一体化基础上，能够实现对云、边、端分布式资源统一监控、运维，实现统一纳管运维能力，最大程度节省人力成本。

降低风险事件发生概率

通过实时监控员工行为和工作区域，有效预防不合规操作，降低风险事件的发生概率。不仅保护客户的利益，亦可减少潜在的法律和监管风险，维护银行的声誉和合规性。

提升关键场景识别准确率

通过使用格灵深瞳视觉大模型，模型准确率极大提高，包括但不限于打斗、人员倒地、遗留物、火焰场景的识别准确率提升。

提升安全事件响应速度

从传统的被动防御转变为主动预防，不仅提高了银行的安全性，也增强了客户对银行服务的信任和满意度。迅速识别并响应安全事件，显著减少客户和银行资产的潜在损失。