蚂蚁数科发布金融推理大模型 深入行业应用深水区

【环球网科技报道 记者 李文瑶】7月28日，世界人工智能大会（WAIC）上，蚂蚁数科宣布推出国内首个专注金融推理的商业化大模型，同步开源包含1350道金融难题的Finova评测基准及百万级DeepFinance训练数据集。

这一动作被视为中国产业AI向高价值场景攻坚的关键突破之一，也折射出金融智能化进程中的现实挑战与破局路径。

行业痛点：金融AI陷“渗透率悖论”

尽管全球金融机构对AI投入持续加码，但核心业务场景渗透率仍处低位。花旗银行一项调研数据显示，93%的金融机构预计人工智能将在未来五年内提高利润，预计到2028年，人工智能可以将银行业利润提高9%，即1700亿美元。

但风控、投研等高价值场景AI渗透率不足，中国银行业AI应用集中在客服、文档处理等边缘场景。

蚂蚁数科金融AI产品总经理曹刚在接受采访时坦言，“走到业务深水区，比如营销、风控以及客户经理销售等，这些领域智能体应用渗透率就会低很多。”

其根本矛盾在于金融场景的专业严苛性要求：在技术发展层面，大模型技术尤其是推理模型发展时间短，尚不成熟。这导致其在关键业务场景的应用效果存在不确定性，使得许多机构持谨慎观望态度，只在非核心通用场景进行试验。

金融等专业领域业务极其复杂，如银行零售业务包含十多个大场景、上百个细分场景。每个细分场景都有独特问题和需求，需要智能助理进行深度理解和定制化解决。这要求极高的领域专业知识和高质量数据支持，并非所有行业都具备这些条件，应用需要“更深深度”。

同时，大模型的训练、部署和推理成本仍然很高，硬件（如GPU卡）投入大，推理效率相对较低，对底层算力要求高。机构必须审慎评估技术投入成本与商业价值之间的平衡点。过高的成本使得在业务领域大规模应用存在经济可行性的疑问，导致市场对其在核心业务应用持质疑态度。

在曹刚看来，由于技术尚处早期、专业场景的深度与复杂性要求极高，以及高昂成本带来的经济性挑战，当前大模型尤其是智能体和个人助理在金融等核心业务领域的落地应用仍面临显著障碍，进展不如通用领域顺利。这导致了市场的谨慎和观望心态。

蚂蚁方案：垂直纵深构建“金融脑”

蚂蚁数科CTO王维给出的发展路线是专注金融与能源两大高价值赛道，不做通用大模型，而是“用垂直深度构建护城河”。

此次发布的金融大模型专注金融场景的复杂推理需求（如风控、理财建议），通过两阶段训练（通用基座+金融场景微调）显著提升专业表现。蚂蚁数科自建DeepFinance金融思维链数据集，由金融专家标注，覆盖存款、信贷、投资等14大场景、上百细分任务。同时，大模型集成“蚁天鉴”安全评测层，确保输出符合金融级审慎要求，抑制幻觉并满足合规。

蚂蚁数科AI技术负责人章鹏介绍道，基座模型“出厂即专家”，业务微调“浅调而高能”，用少量数据适配客户场景。他表示：“在POC测试中，金融模型效果‘不输头部厂商’，尤其在意图识别、结构化输出等场景。”

可以看到，对于金融大模型，蚂蚁数科给出的解题思路是以推理能力+安全合规为核心，通过垂直训练、高质量数据、工程优化解决金融场景的“高专业、低容错”痛点。开源数据集+评测基准推动行业共建，降低金融AI落地门槛。聚焦头部银行/保险客户，提供从咨询到产品的全链路服务，目标是成为“金融AI落地的基础设施”。

王维判断，AI应用正从“通用场景试验”逐步向“核心业务重构”推进，金融推理模型是“智能体的中枢齿轮”，缺失则无法驱动业务重构。

未来发展：从工具升级为决策者

“金融智能体的终局不是人机协作，而是AI组织驱动业务。”蚂蚁数科CTO王维这样判断未来金融行业大模型的应用趋势。这一论断背后，也隐藏着蚂蚁对金融AI技术拐点的洞察——推理大模型正推动AI从“工具”升级为“决策者”。

据王维描述，金融AI已进入“场景攻坚期”：从短期来看，智能体渗透营销、风控等深水区，替代基础决策；从长期来看，多智能体协作成常态，例如“风控智能体+投顾智能体”自动闭环服务高净值客户。

此次，蚂蚁同步开源DeepFinance千亿token训练集，便是直击行业“数据荒”痛点。“当你知道技术的局限性，反而不会纠结‘真假智能体’——能力提升才是永恒趋势。”王维说道。

曹刚也指出，未来竞争核心是合规与责任：蚂蚁在Agentar平台内置“监管围栏”，自动过滤不合规输出；同时，行业也需要明确AI错误的责任归属问题。

金融AI正从技术探索期进入业务重构期，未来三年将围绕推理模型普及、多智能体协作、成本民主化三大主线爆发。蚂蚁通过“开源数据集+垂直模型”组合，试图定义行业新标准，而能否攻克“核心业务渗透”与“合规落地”，将成为胜负手。

正如王维所说：“我们短期高估AI，长期却低估它——这是每一轮技术革命的宿命。”既要正视智能体的颠覆性潜力，又要扎根垂直场景做“难而正确的事”。