资产托管业务运作中，每日需要处理来自内外部的大量数据用于后续估值核算、资金结算等业务环节。针对内部数据，AI解析技术可以支持自动提取产品募集、成立文件中的要素数据；针对基金合同等文件，可以提供各类样本与人工标注训练模型，由系统自动识别变更、补充条款，并与原参数设置关联，降低人工操作的错误率。针对外部数据，AI解析技术可以支持自动提取场内交易对账单、场外确认单据、场外标的产品行情和持仓文件中业务所需的关键信息，并不断扩大解析范围；引入新智能化解析工具，可以开发出由业务人员自主操作的可视化训练/标注页面，重点支持传统AI解析工具尚无法解析的场景，进而提升整体解析率，提高业务流程自动化水平。

  估值核算效率是资产托管业务中客户重点关注的环节，估值核算效率很大程度取决于估值流程自动化水平。建立智能估值运营平台和智能估值风控平台，基于AI估值技术的应用，有助于保障估值时效性和估值准确性。智能估值运营平台可用于批量产品估值进程的自动化调度，基于对数据管理平台、份额登记系统、资金清算系统、估值系统数据的调用、读取、分析和转换，精准生成估值流水和结果，减少日常估值流程中断，不断提高AI估值完成率。智能估值风控平台可以将风险控制节点嵌入估值流程，实现多指标监控，保障估值准确性。

  资金结算与账户管理方面，可以利用RPA技术在证券账户开立环节支持自动录入证券账户开户信息、上传开户材料附件，在完成证券账户开立后实现自动下载开户回单，极大提升证券账户开立效率。利用RPA及OCR技术，可以在银行间付费环节实现指令信息与出款信息的自动校验等。针对所需投资附件较多、人工审核耗时较长的场外业务划款指令，利用大模型对不同格式的投资附件进行文件信息提取，基于业务审核点在系统中预置审核规则实现指令预审，提高指令审核效率，给客户以显著的划款提速感知，优化客户体验。

  合规风控方面，可以建立托管及服务业务风险监控系统，利用AI技术对多个渠道的舆情数据进行智能整合；对舆情数据进行语义识别及提炼，自动识别舆情中提及的管理人，基于风险舆情人工调整管理人风险等级。基于RPA技术，可以自动获取管理人的监管处罚、诚信公示等风险信息，实现对管理人风险等级的动态调整，强化管理人风险管控。

  未来AI模型将朝着更高效率、更高精准度且具备更强可解释性的方向不断演进。一方面，研究人员致力于开发更先进的神经网络架构，进一步提升模型在自然语言处理等复杂任务上的性能、提高响应速度、提升客户体验，弱化“机器”的感觉，强化“类人”的服务。另一方面，可解释性AI将成为研究热点，通过可视化技术、特征归因分析等手段让资产托管业务从业者以及客户理解模型决策过程，从而增强对AI技术的信任。同时AI将打破数据模态壁垒，实现文本、图像、语音、视频等多模态数据的深度融合。在券商资产托管业务中，多模态AI技术可整合客户的文字咨询、语音指令、平台操作行为（例如鼠标点击轨迹图像）等多源信息构建更全面、立体的客户画像，从而提供更加个性化精准服务。例如，当客户咨询问题时系统可综合客户的历史操作记录、语音情感分析以及当前操作行为，快速理解客户需求并给出最合适的服务方案。