在金融行业迈向智能化的征途中，金融推理大模型的推出成为一大亮点。近日，于世界人工智能大会的舞台上，蚂蚁数科正式揭晓了其自主研发的金融推理大模型——Agentar-Fin-R1，这一创新成果旨在为金融AI应用构筑一个既可靠又可控，且具备持续优化能力的智能核心。
蚂蚁数科的掌舵人赵闻飙在会上发表主旨演讲，指出当前通用大模型与产业实际应用之间横亘着一道“知识鸿沟”。他强调，构建专业的金融大模型是金融与AI深度融合的必由之路，未来，金融大模型的应用深度将成为衡量金融机构竞争力的重要标尺。
蚂蚁数科的首席技术官王维在接受专访时透露，打造金融大模型不仅需要密集的人才资源和强大的计算能力，还需要丰富的应用场景和快速迭代的驱动力，而蚂蚁数科在这些方面均拥有显著优势。
蚂蚁数科金融AI产品总经理曹刚分享了当前大模型在金融领域的应用现状。他指出，尽管通用大模型在客服知识检索和代码编写等领域已有应用，但在营销、风控等金融核心业务领域，智能体的渗透率仍相对较低。这主要是由于技术发展尚不成熟，以及对专业领域数据和场景的极高要求。
曹刚进一步表示，从通用领域向业务场景深化是大势所趋。以Agentar-Fin-R1为例，该模型通过构建全面的金融任务数据体系和创新的模型训练算法，显著提升了金融推理能力和可信度，旨在弥合通用能力与场景应用之间的鸿沟。
对于金融机构而言，面对自建金融大模型与采购之间的选择，蚂蚁数科AI技术负责人章鹏认为，关键在于平衡技术投入成本与商业价值。一些雄心勃勃的金融机构选择先采购，再共同研发质检，以实现自我迭代；而另一些机构则基于自身投入规模和人才密度的考量，选择直接采购，但服务深度和覆盖面相对有限。
在“从通用智力到专业生产力：高阶程序引领的AI应用新范式”论坛上，浙江大学教授陈纯指出，大模型的专业化应用首要面临的是可靠性问题。尽管当前技术已达到较高水平，但其可靠性仍难以满足医疗、工业、金融等专业场景的需求。他强调，可靠性的突破不在于消除“智力特征”，而在于构建工程化保障框架。
蚂蚁集团副总裁、蚂蚁密算董事长韦韬也分享了突破大模型专业化应用可靠性困境的观点。他认为，应通过智能体系与工程体系的结合，实现专业应用可靠性的保障。他举例说，正如个体容易犯错，但人类通过工程体系的进步，能够在易错的个体之上构建庞大而可靠的工程体系。他提出，通过全新的程序表达、场景知识嵌入和闭环核验反馈机制，可以将大模型的不确定智力输出转化为可信的专业生产力。
在金融风控领域，蚂蚁密算通过应用高阶程序（HOP）技术框架，将复杂的标准作业程序转化为可执行的流程和代码，实现了风控全链路的智能化编排与自动化执行。这一创新不仅缩短了建模周期，降低了处理成本，还缓解了专业人才紧缺的局面。
韦韬表示：“大模型可靠性的解法，不在于大模型本身，而在于工程化和智能化的融合。我们相信，解决了可靠性问题，大模型将涌现出更多具有颠覆性的应用。”
