电科金仓 KES AI 数据库如何让金融租赁数据不出库也能用于 AI
金融租赁隐私数据不出库AI能力到底怎么用?
电科金仓推出 KES AI 数据库,将语义构建、计算推理和安全管控集成在数据库内,面向金融租赁等场景实现数据不出库也能支持 AI 应用。该产品支持库内向量化、图化及权限审计;实测在1亿条768维向量、98%召回率条件下,索引构建与检索峰值内存开销降低95.4%,查询延迟降低80%。
随着大模型应用由一般场景向企业更核心的场景延伸,数据库与人工智能的融合已成为行业演进的重要方向,金融、能源、交通、通信等国计民生行业纷纷开始进入“AI时代”,但是数据精准使用与数据调用安全,又成为业内担忧的矛盾点。
我国数据库学科带头人、中国人民大学信息学院教授王珊在2026电科金仓“Hello,AI 数据库”主题大会上表示,人工智能正深刻重塑数据库技术体系,AI时代,数据库既要保证数据存得准、算得对,也要为大模型理解业务提供依据。但从目前来看:业务语义缺失、数据格式不适配、权限与审计断层。严重制约相关行业发展。
记者调研了金融业里正在努力尝试AI的融资租赁行业发现,不少租赁公司现在的 AI 架构很臃肿:业务数据库、数仓、独立向量库、大模型平台、风控规则平台一大堆。数据每天来回ETL同步,链路长,任何一个组件出问题,整个 AI 风控就停了。IT人手本来就紧张,还要维护多套权限、多套审计,漏洞点也多,整体运维成本无法降下来。
不仅如此,融资租赁行业痛点非常集中:客户主体多、租赁物跨行业、债权权属复杂、资金 + 监管双合规、大量涉密尽调材料、多主体协同(承租人、供应商、担保方、资金方、律所、审计),传统方案是将私有数据抽出去→给大模型训练→返回结果使用,但实践中发现一出库就触发合规、泄密、权属、篡改、追溯难题。
对于上述问题,电科金仓总裁杜胜认为,当前企业落地AI时面临的业务语义缺失、数据流转成本高、出库后安全失控三大行业痛点,所以公司全力推出了KES AI数据库,就是为了让让大模型看懂私有数据,以“数据不出库,AI也能用”为核心特色,打造库内语义构建、库内计算推理、库内原生数据安全管控三大核心能力,让企业数据不必离开数据库,即可支撑AI应用全链路高效、安全落地。
据了解,电科金仓由中国人民大学及一批最早在国内开展数据库教学、研究与开发的专家于1999年发起创立,目前属于中国电子科技集团(CETC)成员企业。电科金仓高级副总裁冷建全表示,国产数据库发展对于国家安全至关重要,AI时代来临诸多新的课题不断涌现,今年公司发布的KES AI数据库就是要把AI能力深度植入数据库内核——数据在库内存储、语义在库内维护、推理数据(向量、图)在库内生成、安全在库内保障,让企业数据不必离开数据库,即可支撑AI应用全链路高效、安全落地。
库内语义,如何让数据可理解?
行业统计显示,全球90%以上的数据位于私域,其中68%从未被分析利用。问题不在于数据存储与计算能力不足,而在于数据缺少语义描述——模型难以从字段与记录判断其业务含义。以字段“客户”为例,它可能指向最终使用用户,也可能指向签约的法人组织,模型无法自行判别。传统架构下,业务语义分散在上层应用的界面、后台逻辑代码和业务人员经验之中,由三者组合供人理解。大模型不需要界面,它需要一份完整、准确的业务语义上下文。
电科金仓总裁杜胜解读KES AI数据库的做法是内置原生语义层,把这份“说明书”写进数据库:通过查询语句给每张表、每个字段标注业务含义、相互关系与计算口径;系统自动采集数据的基本信息,再由人工智能提出建议,最后由业务人员确认生效。说明与数据同库维护的好处在于,底层结构一旦变更,语义可同步感知,避免外挂语义层常见的结构不同步、语义失效问题。
上海某头部金租风控部负责人接收记者采访时表示,融资租赁合同、保证合同、补充协议条款多又绕,罚息、宽限期、设备所有权、保险受益人、提前解约、取回权这些条款,稍微前后不一致,后期逾期处置的时候就是大麻烦。人工逐条比对效率低,很容易漏掉条款冲突。若放在库内的 AI,可以自动读取全部合同文本,抽取关键条款,自动对比:主合同和补充协议罚息约定是否矛盾、所有权保留条款和抵押登记有没有冲突、保险义务有没有漏洞,发现问题直接打上风险标记,推送给法务和风控,提前堵住合同漏洞。
尤其是飞机、船舶这类多层 SPV 的跨境租赁项目,股权、担保链条错综复杂。AI 在库内梳理主体关系,穿透识别实际控制人和关联资金往来,不用把整套主体资料导出到外部图谱工具。
杜胜也同时强调,企业中的数据大多以二维表形式存在,主要面向数值计算。更适合AI的数据格式主要是向量和图:向量用来“按意思找东西”,检索含义相近的内容;图用来“看关系”,回答谁与谁相关、链路是否完整。因此在库内完成向量化和图化是最高效的路径。关系、向量与图在同一数据库内协同处理,减少跨库复制、数据同步与应用集成负担。经过实测证明:在1亿条768维向量、98%召回率的条件下,电科金仓基于磁盘的索引算法,索引构建与检索的峰值内存开销相比业界降低95.4%查询延迟降低80%。
内生安全:如何让AI访问可控?
融资租赁公司数据一旦离开数据库,原有的权限与审计体系即告中断。企业接入大模型通常走“抽取数据—向量库或RAG框架—大模型”的链路,数据出库后,行级、列级权限与字段级脱敏、访问审计策略全部失效。结合参考KES AI数据库模式,以数据库既有的身份认证、角色与访问权限、行级访问控制、数据标签、SQL防火墙和操作审计机制,对库内语义查询、向量检索、图访问等操作实施统一管控。由于语义检索、向量生成、图构建均属于对本库数据的访问,权限可穿透至具体使用者;存储、向量化、图构建、语义检索全流程在库内完成,日志集中留存,可追溯“谁在何时基于哪些数据做了什么”,满足等保三级及行业监管的留痕要求。权限、脱敏、审计规则在数据库侧统一定义、一处修改、全域生效。

(数据库内部AI简视图)
上海功承瀛泰律师事务所高级合伙人李瑞律师接受采访时告诉记者,租赁行业两头受约束:一边是地方金融监管,一边对接银行、保险等资金方,不少还是国企背景,客户财报、征信、合同都属于敏感信息。以前做 AI 尽调、风控,文件导出属于对外提供数据,要走层层审批,脱敏、评估、报备流程很长。就算做了脱敏,数据到了外部 AI 平台,也怕缓存、泄露,出了问题很难界定责任。
如果未来能改成库内运行,原始文件、客户明细始终留在库中。AI 在内部读合同、查涉诉信息、核对财报,外面拿不到明文。不管是给资金方报项目材料、给评级机构准备 ABS 资料,还是外部机构尽调,输出的只是汇总好的风险结论、资产统计结果,不把单个承租人的私密资料交出去,这让从法律的角度更能界定数据安全的司法边界。谁让 AI 查了什么项目、什么时候检索了哪些合同、AI 做了哪些判断,数据库底层都会自动记下来,全程留痕。监管上门检查,每一步都能追溯,不用到处拼凑日志,从底层就管住数据访问。
电科金仓相关负责人向记者呼吁:“没有一家机构能单独完成国产数据库智能化进程的全链条布局,行业须要向典型场景的联合解决方案,共同推动联合创新成果在关键行业场景落地,深化产业协同,共建开放共赢的产业生态”。
来源:第一财经 · yicai.com