陳姿吟

2025世界人工智能大會上，大模型、智能體毫無疑問是最熱話題。當(dāng)大模型和智能體走向規(guī)?；瘧?yīng)用，如何將它們的巨大潛能，真正轉(zhuǎn)化為驅(qū)動產(chǎn)業(yè)升級的、可信的生產(chǎn)力？答案或在于，更垂直、更專業(yè)的方向轉(zhuǎn)變。

7月28日，在"智能體驅(qū)動產(chǎn)業(yè)變革"論壇上，螞蟻數(shù)科正式發(fā)布金融推理大模型Agentar-Fin-R1，為金融AI應(yīng)用打造"可靠、可控、可優(yōu)化"的智能中樞。這是國內(nèi)首個專注金融推理的商業(yè)化大模型。在螞蟻數(shù)科看來，金融推理大模型是金融AI智能體發(fā)展的關(guān)鍵一步，它將推動金融行業(yè)向更智能、高效的方向發(fā)展。

讓智能體更"懂行"

"當(dāng)以大模型和智能體為代表的AI浪潮來臨，其將深刻改寫產(chǎn)業(yè)運行的邏輯，而數(shù)字化程度最高、數(shù)據(jù)密度最大、AI應(yīng)用場景最豐富的金融業(yè)，無疑是AI率先落地的絕佳行業(yè)。"螞蟻數(shù)科CEO趙聞飆如是說道。

首先需要明確的是，何為AI智能體？甲子光年創(chuàng)始人張一甲解釋道，其本質(zhì)就是把模型的"超級大腦"和自動化的"敏捷雙手"結(jié)合在一起，大腦思考，雙手調(diào)用工具、執(zhí)行任務(wù)。業(yè)內(nèi)一致認(rèn)為，智能體將驅(qū)動產(chǎn)業(yè)顛覆性的變革，尤其在科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新深度融合的戰(zhàn)略框架下，智能體是金融業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵推手。

作為將大模型"大腦"的認(rèn)知能力轉(zhuǎn)化為具體金融業(yè)務(wù)執(zhí)行力的"行動者"，智能體的應(yīng)用也需要更"專"。趙聞飆指出，AI智能體產(chǎn)業(yè)價值的釋放，關(guān)鍵在于"水平通用"向"垂直專用"的戰(zhàn)略轉(zhuǎn)變。智能體的價值不在于解決1000個淺層問題，而在于攻克行業(yè)的深層痛點，智能體要圍繞場景出發(fā)，要深入企業(yè)的業(yè)務(wù)場景，將專業(yè)領(lǐng)域知識的價值最大化，才是產(chǎn)業(yè)落地的關(guān)鍵。

也正因?大模型是智能體的核心智能引擎，只有深度理解行業(yè)的大模型，才能讓智能體真正"懂行"，貼近一線，創(chuàng)造真實的業(yè)務(wù)價值。然而，大模型在金融領(lǐng)域的應(yīng)用持續(xù)深化，在實際業(yè)務(wù)場景中，往往需要高度專業(yè)的金融知識、復(fù)雜的業(yè)務(wù)邏輯推理能力以及嚴(yán)格的金融級安全合規(guī)等要求，現(xiàn)有的大模型在解決實際金融任務(wù)時仍然存在諸多挑戰(zhàn)。

更先進(jìn)的金融推理大模型呼之欲出。"一個好的垂直大模型，特別是推理能力很強的大模型，才能成為一個智能體可控、可靠、可優(yōu)化的智能中樞，沒有這個東西就像機械設(shè)備沒有關(guān)鍵的齒輪。"螞蟻數(shù)科CTO王維強調(diào)，推理大模型產(chǎn)生的推演能力、泛化能力、意圖識別能力、結(jié)構(gòu)化表達(dá)能力，是企業(yè)愿意用新技術(shù)取代原有業(yè)務(wù)模式、創(chuàng)造增量價值的基礎(chǔ)。

螞蟻數(shù)科AI技術(shù)負(fù)責(zé)人章鵬也表示，推理大模型能解決通用大模型在金融領(lǐng)域的局限性。在與客戶（采購大模型產(chǎn)品的金融機構(gòu)/企業(yè)）的接觸實踐中發(fā)現(xiàn)，客戶需要知道模型的思考過程，需要可解釋的結(jié)果，而推理模型恰好能滿足這一點。

三個"E"的經(jīng)驗

對于金融推理大模型的特點，王維將其總結(jié)為三個"E"：高質(zhì)量數(shù)據(jù)（Excellentdata）、持續(xù)迭代（Evolving）以及兼顧數(shù)據(jù)和訓(xùn)練消耗的工程觀以解決效率（Efficiency）問題。

什么樣的數(shù)據(jù)才可被稱為"高質(zhì)量的"？章鵬指出，需滿足多個條件。"首先要來自真實的問題，我們會對真實線上問題做一定改寫；其次要保證問題的多樣性，涵蓋金融標(biāo)簽體系的不同業(yè)務(wù)和屬性，并有多樣的問法；再者，要對推理思維鏈進(jìn)行精簡，注入專家知識以符合金融規(guī)范，還要校驗推理的正確性。"此外，這些數(shù)據(jù)需要金融專家進(jìn)行標(biāo)注和校驗。

據(jù)悉，螞蟻數(shù)科構(gòu)建了業(yè)內(nèi)最全面與專業(yè)的金融任務(wù)分類體系，包括6大類、66小類場景，覆蓋銀行、證券、保險、基金、信托等金融全場景?；谇|級金融專業(yè)數(shù)據(jù)語料，通過可信數(shù)據(jù)合成技術(shù)以及結(jié)合專家標(biāo)注的金融長思維鏈（CoT）構(gòu)造機制，顯著提升模型處理復(fù)雜任務(wù)的能力，讓大模型"天生懂金融，出廠即專家"。

在工程化與迭代方面，王維提到，模型需要經(jīng)過充分的知識引入、微調(diào)和加訓(xùn)才能解決金融嚴(yán)肅場景的問題。從螞蟻數(shù)科的經(jīng)驗來看，是"兩階段加訓(xùn)"的過程，第一階段在螞蟻內(nèi)部進(jìn)行大規(guī)模訓(xùn)練，讓模型具備強大的金融基礎(chǔ)能力；第二階段針對具體業(yè)務(wù)場景和客戶需求進(jìn)行本地微調(diào)。

建立一套高頻的敏捷迭代機制更為關(guān)鍵，能夠確保持續(xù)發(fā)現(xiàn)模型中的問題和缺陷，快速修復(fù)以提升用戶體驗。在這背后，一方面需要密切關(guān)注線上數(shù)據(jù)，定位模型的實際表現(xiàn)；另一方面要緊密追蹤金融動態(tài)、市場的調(diào)整以及產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)品的變化，不斷完善任務(wù)體系，識別模型可能存在的能力的盲區(qū)。

"最終，通過訓(xùn)練與評測一體化聯(lián)動，以高效生成的訓(xùn)練數(shù)據(jù)，驅(qū)動模型持續(xù)進(jìn)化，確保知識常新、能力在線，能夠更貼合金融業(yè)務(wù)的實際需要。"王維總結(jié)道。

走向金融業(yè)務(wù)深水區(qū)

"智能體高峰將至。推理大模型能力越來越強，更多原來解決不了或者原來解決不夠好的金融場景中的問題，將會被列為接下來重點推動的任務(wù)清單，這一過程將加速到來。"對于金融推理大模型的前景，王維充滿信心。

市場需求驗證了這一觀點。王維表示，金融推理大模型的出現(xiàn)是必然的，因為金融復(fù)雜場景需要清晰的推理鏈條和邏輯。金融對錯誤的容忍度低，一個不能理解行業(yè)的大模型無法滿足需求，不同金融機構(gòu)有不同的業(yè)務(wù)稟賦和偏好，需要推理大模型去學(xué)習(xí)這些行內(nèi)知識。

"金融機構(gòu)的客戶需要知道大模型的思考過程。因此，開發(fā)者永遠(yuǎn)要走在市場最前線。另一方面，成本和效率也是考量因素，客戶很難接受滿血版模型的高成本，而推理大模型能根據(jù)問題復(fù)雜程度調(diào)整，平衡成本和效果"，章鵬說道。

螞蟻數(shù)科金融AI產(chǎn)品總經(jīng)理曹剛也提到，目前金融AI應(yīng)用在通用領(lǐng)域較多，業(yè)務(wù)深水區(qū)滲透率低，而從通用走向業(yè)務(wù)場景深化是大方向，推理大模型會是重要推動力。

不過正如王維指出金融推理大模型需持續(xù)迭代，相關(guān)探索遠(yuǎn)未到終點。在王維看來，當(dāng)前階段，模型的更新仍是以技術(shù)驅(qū)動為主，技術(shù)需要先解決成本、效率問題，才能讓需求真正被激發(fā)。當(dāng)技術(shù)越過拐點，場景效果足夠好時，市場因素會更主導(dǎo)。

展望未來，王維相信推理大模型會讓智能體在更多金融場景中發(fā)揮作用，"從解決70%到80%的問題，再到有些能解決99%甚至100%，這是一個持續(xù)演進(jìn)的過程"。當(dāng)然不可忽視的是，要認(rèn)識到技術(shù)的局限性，"大模型是Nexttoken的預(yù)測，對于決策至關(guān)重要、損失巨大的場景，不適合讓模型直接決策，也要理性看待其能力邊界"。

北京商報記者岳品瑜董晗萱

推薦五本軍事小說,沙漠之虎游走刀鋒之上,士兵突擊,王牌強兵