蚂蚁数科发布金融推理大模型：通用“不治百病”，金融AI必须“懂行” | 直击WAIC

景点排名 2025年08月02日 17:25 0 aa

在2025世界人工智能大会（WAIC）期间，当大部分人的目光聚焦于通用大模型的参数竞赛和能力边界时，蚂蚁数科却选择了一条更“窄”的路，发布金融推理大模型 Agentar-Fin-R1。

在AI的“竞赛”中，放弃对“万能”的追逐，转而深耕一个垂直领域，这究竟是清醒还是无奈？蚂蚁数科CTO王维在采访中毫不掩饰：“我们没有必要重新在基模层面上做投入，我们专注金融。”

可以看到，蚂蚁数科正在用行动回答一个大模型行业内普遍又核心问题：B端市场的AI革命，到底需要一个“什么都懂一点”的通才，还是一个“懂行”的专家？

出厂即专家，大模型告别“门外汉”

AI行业正面临一个有趣的悖论：一方面，通用大模型的能力边界不断拓宽；另一方面，在企业级应用中，它却常常“水土不服”。这背后，是“懂技术，但不懂业务”的本质问题。

金融行业，对“幻觉”和“犯错”的容忍度趋近于零。一个错误的投资建议，一次不合规的表述，都可能引发灾难性后果。王维表示，蚂蚁数科看到的，正是通用能力与金融场景之间那道深深的“鸿沟”。

如何跨越？蚂蚁数科给出的答案是：让大模型“天生懂金融，出厂即专家”。

这并非一句空话，背后是蚂蚁数科多年“踩坑”换来的经验。他们构建了业内罕见的金融任务体系，覆盖6大类、66小类金融场景，用千亿级的金融语料和专家标注的“思维链”（CoT）数据进行投喂。

“我们希望聘请更多有CFA认证的人来做数据标注，”他半开玩笑地说道，这种标注不是判断猫狗，而是理解复杂的金融逻辑。

王维说，出厂即专家，浅调而高能。这背后是两阶段的加训策略：先在蚂蚁内部用海量算力进行深度训练，培养出模型的“金融通识”；然后交付给客户时，只需用少量数据进行轻量化微调，就能快速适应具体业务，极大降低了落地门槛和成本。

蚂蚁数科的今天，源于2015年程立（花名：鲁肃）在蚂蚁集团内部埋下的一颗种子——区块链实验室。从区块链到隐私计算，再到安全风控，一路走来，蚂蚁数科更像是一个技术探索者。逐渐地，它被赋予了新的使命：成为蚂蚁集团科技商业化的“排头兵”。

“我们是蚂蚁集团里最应该把产业AI落地做好的板块，”王维的定位清晰而坚定。这种定位决定了数科不能只停留在技术炫技，而必须直面客户的真实痛点和商业回报。

目前，蚂蚁数科的战略方向大致能浓缩为两大板块：“可信A”和“区块链板块”。前者主要帮助金融人员等核心板块，解决AI金融场景落地的问题，后者则要通过可信协作解决更多的问题。两者看似独立，实则联动。

在金融AI这条主战线上，蚂蚁数科的产品负责人曹刚感受到了市场的“焦虑”。他表示，很多机构的焦虑并非源于排斥AI，而是发愁如何将这项新技术安全、有效地应用到自己的业务场景中，真正解决问题。看到同行用AI取得成绩，他们内心希望能实现“弯道超车”的渴望也愈发强烈。

蚂蚁数科的角色，就是从“咨询顾问”到“施工队长”，全链路陪跑。他们不仅提供模型和工具，更输出蚂蚁内部，如财富、保险等业务板块多年沉淀的经验和教训。“我们内部开玩笑说，知其难，知其所以难。我们踩过了很多坑，知道难在哪里。”蚂蚁数科AI技术负责人章鹏，道出了“经验”在B端市场的真正价值。

“与其解决一两千个智能体业务，不如在一到两个业务里解决难题。”蚂蚁数科CEO赵闻飙的这句话令大家印象深刻——放弃广度，追求深度。

王维强调，智能体平台是一个长跑的过程。“今天所有给出来的最好答案，在三年后、五年后都是未来不合格的答案。”他们承认技术的局限性，比如在最复杂的“择时”问题上，今天的AI还无法给出确定性答案；他们也承认商业落地的挑战，比如如何平衡技术投入与商业价值，如何让客户为“推理”而不是“聊天”买单。

“我们永远要最前进的，这是市场的声音。”章鹏说，客户的需求在倒逼技术进化，从最初的“你们为什么没有推理模型”，到现在的“我凭什么相信你的回答”，市场的要求越来越具体，也越来越苛刻。

面对AI这轮堪比移动互联网的革命浪潮，王维最后用一句话总结了他的思考：“技术革命，我们往往在短期内高估它，在长期内低估它。”

这或许正是蚂蚁数科选择深耕金融这块“硬骨头”的根本原因。他们赌的不是下一季度的财报，而是AI真正重塑金融行业的未来。在这场马拉松里已经选好自己的赛道，并开始用“懂行”的姿态，构建起最深的护城河。

发表评论