Related articles
金融行业又迎来了一个新的大模型。
7 月底举行的 2025 世界人工智能大会 （WAIC） 论坛上，蚂蚁数科正式发布金融推理大模型 Agentar-Fin-R1，提供 32B 和 8B 两个版本，为金融 AI 应用打造可靠可优化智能中枢。
该模型基于 Qwen3 研发，在 FinEval1.0、FinanceIQ 等权威金融大模型评测基准上超越同尺寸开源通用大模型以及金融大模型，显示其更强的金融专业性、推理能力以及安全合规能力。
实际上，随着大模型从技术走向应用落地，金融行业的实际业务场景中，往往需要高度专业的金融知识、复杂的业务逻辑推理能力以及严格的金融级安全合规等要求，然而，现有的基础大模型 「幻觉率」 依然很高，在解决实际金融任务时仍然存在诸多挑战，因此，「百模大战」 下，金融这一专业领域也需要更懂金融的专业大模型。
蚂蚁数科 CEO 赵闻飙表示，通用大模型距离产业实际应用存在 「知识鸿沟」。构建专业的金融大模型是推进金融与 AI 深度融合的必然路径，未来，金融大模型的应用深度将成为金融机构竞争力的关键要素。
基础大模型无法适应金融专业场景
研究机构 IDC 于近日发布的一份报告显示，2024 年，中国金融行业生成式 AI 平台及应用解决方案市场总规模约为 9.14 亿元人民币，约占整体 AI 平台及应用市场规模的 14%。
由于金融行业的特殊性，往往对于数据安全性、隐私保护以及监管合规等要求高于其他行业。大多数金融机构会选择本地化部署方式落地生成式 AI 平台及生成式 AI 应用。数据显示，2024 年，中国金融行业生成式 AI 平台及应用解决方案市场规模中本地化部署方式的规模约占总规模的 91%。
而且，保险、消金/互金、券商等金融机构在合同审核、智能客服、知识助手等场景仍会以 MaaS（MaaS） 模式接入大模型，以此提供以云服务模式交付的全流程大模型生命周期工具链以及大模型服务。
WAIC 一场论坛上，浙江大学教授、区块链与数据安全全国重点实验室主任陈纯表示，大模型的专业化应用，首要的是可靠性问题。尽管当前技术 SOTA（指行业顶尖水平） 已经达到了 80% 到 90% 的水平，但其可靠性距离医疗、工业、金融等专业场景的要求仍有显著差距。
蚂蚁数科 CTO 王维也表示，金融行业用好 AI 技术还是面临很多的挑战，包括大模型在金融场景中的 「幻觉」、差错或者回答没有达到金融企业要求，「如何把通用能力和场景鸿沟弥合。从水平通用大模型向专业/专用模型演进，这也是数科持续攻坚的方向。」
事实上，蚂蚁数科此次发布的金融推理大模型 Agentar-Fin-R1，就是专门面向金融任务设计，通过构建全面的金融任务数据体系以及模型训练算法创新，实现模型更强的金融推理能力及可信性。
在数据层面，蚂蚁数科构建了业内最全面与专业的金融任务分类体系，包括 6 大类、66 小类场景，覆盖银行、证券、保险、基金、信托等金融全场景，基于千亿级金融专业数据语料，通过可信数据合成技术以及结合专家标注的金融长思维链 （CoT） 构造机制，显著提升模型处理复杂任务的能力；
训练层面，蚂蚁创新的加权训练算法，最大化提升数据利用效率及训练效率，同时通过动态分配训练资源，提高大模型对复杂金融任务学习效率与性能，在后续业务应用中，可以显著减少二次微调的数据需求与算力消耗，降低大模型落地企业的门槛和成本。
此外，Agentar-Fin-R1 不断更新迭代，吸收最新的金融政策、市场动态等关键信息，并通过配套评测工具进行针对性优化，确保知识、能力和合规性始终紧跟行业变化，让模型能力在真实业务场景中不断进化。
评测结果显示，在业内主流的大模型金融评估基准 FinEval 1.0、FinancelQ 等评测中，Agentar-Fin-R1 均取得最高评分，超过 DeepSeek、Qwen 等开源通用模型以及 xuanyuan 等金融大模型，并且 Agentar-Fin-R1 在金融能力显著增强的同时，通用能力也表现出较高水准。
为了考察大模型在实际金融场景中部署的能力，蚂蚁数科还联合中国工商银行、宁波银行、北京前沿金融监管科技研究院、上海人工智能行业协会等机构联合推出 Finova 大模型金融应用评测基准，深度考察智能体能力、复杂推理以及安全合规能力。
在 Finova 评测中，Agentar-Fin-R1 也取得最高评分，甚至超越 DeepSeek-R1、GPT-o1 等更大参数规模的通用模型。目前 Finova 已经全面开源，推动行业共同提升大模型在金融领域的应用水平。
据悉，Agentar-Fin-R1 包括 32B 和 8B 参数两个版本。蚂蚁数科还推出基于百灵大模型的 MoE（混合专家） 架构模型，获得更优推理速度。此外，还有非推理版本的 14B 和 72B 参数大模型，以满足金融机构在多样化场景下的部署需求。
「一个推理能力很强的垂直大模型，才能成为智能体可控、可靠、可优化的智能中枢。齿轮决定了机器、履带要严丝合缝，没有关键性的齿轮，那其他的齿轮就带不动。而推理模型产生出来的推理能力、泛化和意图识别能力，可以让企业更加有意愿升级原有的业务模式，否则就很难谈增量价值的创造了。」 王维称。
「AI+金融」 进入深水区，2027 年国内规模将超 35 亿元
IDC 预计，到 2027 年，中国金融行业生成式 AI 平台及应用解决方案市场规模将攀升至 35.09 亿元，较 2024 年实现 384% 的增幅。
IDC 中国金融行业研究总监高飞表示，随着大模型相关技术的快速迭代，生成式 AI 在金融行业的实践正在经历从 「局部工具」 向 「企业级平台能力」 的升级。其应用场景也在由单一的效率提升，逐步拓展至业务决策的支持与任务执行。
「一个不能理解行业的大模型，它难以产生真正的价值。」 王维表示，蚂蚁数科希望帮助金融行业客户解决大模型在核心业务场景落地的问题，让大模型真正深入实际应用场景，创造真实价值。
在王维看来，蚂蚁数科的优势，一方面在于背靠蚂蚁集团的底层技术能力，另一方面来自于长期深耕金融场景所积累的金融 know-how 能力。
今年以来，蚂蚁数科加速布局企业级大模型服务，并聚焦金融与新能源两大行业场景。
其中，在金融领域，蚂蚁数科此前推出金融智能体平台 Agentar，贯通智算调度、数据与模型平台、行业大模型及应用落地全流程，助力金融机构高效搭建专业智能体应用，加速大模型在金融行业的落地应用。
今年 7 月，蚂蚁数科还宣布联合金融业伙伴进行创新，推出超过 100 个金融场景智能体解决方案，覆盖银行、证券、保险、通用等四大领域。包括零售业务助手、AI 原生手机银行、智能营销和风控等多个已经在金融实际场景中深度应用的智能体解决方案。
以上海某银行为例。蚂蚁数科助力该行打造的 AI 手机银行，创新 「对话即服务」 模式，用户通过自然对话即可获取各类金融服务，月活用户同比增长 25%。
蚂蚁数科与大地保险打造的 「AI 大模型中台」，则是保险业内首次将大模型、数据、算力和框架相结合，通过大模型技术与行业特定垂直场景紧密结合，大地保险模型应用部署过程无须人工介入和适配，效率提升 80%，准确率及智能体应用问答效率提升近 30%。
目前，蚂蚁数科累计已服务 100% 的国有银行和股份制银行、超 60% 的地方性商业银行、数百家金融机构。
「AI 虽然离全面替代人工还有很长一段距离，但是利用 AI 赋能业务发展的趋势和方向是毋庸置疑的。我们判断，AI 对人类社会的影响会越来越大，商业银行与 AI 的连接，不是一个 『要不要』 的问题，而是 『怎么用』 的问题。」中国农业银行股份有限公司副董事长、执行董事、行长王志恒近期对外表示。
王维强调，如今已经进入企业级智能体爆发之年，蚂蚁数科会逐步覆盖且深化金融场景，帮助客户解决业务场景的难题，让大模型在金融业从 「可用」 到 「好用」，加速大模型在金融业的规模化价值落地，「这是一场没有完成时，只有进行时的长跑」。（本文首发于钛媒体 App，作者｜林志佳，编辑｜盖虹达）
