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...