通用大模型在金融业显局限，专业金融大模型成必然，蚂蚁数科等推出相关模型，表现优异且能自主学习。大模型支撑下，金融智能体加速落地。在2025世界人工智能大会上，金融机构积极展示其在人工智能领域的探索与实践，其中，大模型与智能体当仁不让成为焦点议题。当前，通用大模型在金融行业的应用暴露出诸多问题，难以满足金融业的专业需求。某银行理财经理就有过惨痛经历，使用通用大模型为客户制定方案时，出现债券期限计算错误，造成了严重损失。此外，通用大模型还常引用已废止的资管新规条文来回应问题，造成信息误导。对于通用大模型在金融业的不适配，不少业内人士及研究机构都表示认同。蚂蚁数科CEO赵闻飙指出，通用大模型距离产业实际应用存在“知识鸿沟”，现有的大模型在解决实际金融任务时，缺乏高度专业的金融知识和复杂的业务逻辑推理能力。上海财经大学的研究也发现，目前国内金融领域大模型在金融严谨性、金融行业理解等适配复杂场景的能力方面表现各异，这进一步印证了通用大模型在金融业应用的局限性。鉴于通用大模型在金融业暴露的种种问题，赵闻飙认为，构建专业金融大模型是推动金融与AI深度融合的必然路径。为此，蚂蚁数科推出专为金融业打造的金融推理大模型Agentar-Fin-R1，推动金融大模型从“水平通用”向“垂直专用”演进。据悉，该大模型基于Qwen3研发，在多项主流金融大模型评测基准上，表现超过目前主流的开源通用大模型以及金融大模型。蚂蚁数科CTO王维强调，训练金融推理大模型不能沿用通用大模型的路径，而需要进行系统化的学习，最大化提升数据利用效率及训练效率，经过专业体系数据集训练后，才能保障金融决策场景的事实精确性与认知可靠性。值得一提的是，金融推理大模型还具备自主学习能力，拥有高频且敏捷迭代的机制，能够持续发现模型中的问题并快速修复。通过不断吸收更新金融政策、市场动态、产品条款等关键信息，确保自身的知识、能力和合规性始终紧跟行业变化。粤港澳大湾区数字经济研究院(IDEA)首席科学家郭健博士分析认为，过去AI发展主要依靠不断扩充模型规模，但随着数据增长遇到瓶颈，目前大模型发展范式正由自监督预训练向强化学习后训练转变，旨在让模型具备举一反三解决问题的能力。智能体的落地，离不开底层大模型的硬核支撑。业内普遍认为，大模型是智能体的核心智能引擎，只有深度理解行业的大模型，才能让智能体真正创造业务价值。“一个好的垂直大模型，特别是推理能力很强的大模型，才能成为一个智能体可控、可靠、可优化的智能中枢，没有这个东西就像机械设备没有关键的齿轮。”王维强调，推出金融推理大模型，也是为了进一步支撑智能体在金融行业加快落地。智能体要真正融入金融产业，场景深耕是核心路径。“智能体要围绕场景出发，要深入企业的业务场景，将专业领域知识的价值最大化，才是产业落地的关键。”赵闻飙指出，脱离具体业务场景的智能体，难以释放实际价值。奇富科技首席算法科学家费浩峻透露，公司搭建的授信决策智能体系统，正是通过深耕整个信贷业务的全流程，将信贷领域专业知识转化为执行能力，实现了“类人”操作，印证了场景深耕对智能体释放实际价值的作用。据悉，目前蚂蚁数科已联合金融行业伙伴推出超百个金融智能体解决方案，覆盖银行、证券、保险、通用金融等四大领域，金融机构可以“即插即用”，提升一线员工工作效率超80%。从行业演进来看，金融智能体的发展已从爆发初期迈入深化落地阶段。目前，科技厂商在金融领域的智能体应用解决方案已遍地开花。从应用场景看，金融智能体也从对客辅助工具，走向授信决策等核心业务场景，逐步走向规模化应用。展望未来，王维相信推理大模型会让智能体在更多金融场景中发挥作用，过往难以破解的金融场景问题将被攻克，“从解决70%到80%的问题，再到有些能解决99%甚至100%，这是一个持续演进的过程”。
智探AI应用交流群，有兴趣的朋友请添加群主：cosmic-walker 备注：公司+姓名+职务+AI入群。
还没有评论，来说两句吧...