在世界人工智能大会（WAIC）的盛大舞台上，蚂蚁数科迈出了引人注目的一步，推出了专为金融推理设计的国内首个商业化大模型。与此同时，该公司还慷慨地开源了包含1350个金融难题的Finova评测基准以及一个拥有百万级数据的DeepFinance训练集。
这一举措被视为中国产业AI向更高价值领域迈进的重要里程碑，同时也映射出金融智能化之路上的重重挑战与破局之道。
行业现状：金融AI面临“渗透率困境”
尽管全球金融机构对AI的投入持续增加，但AI在核心业务场景中的渗透率依然较低。花旗银行的一项调研揭示，93%的金融机构预计AI将在未来五年内提升利润，预计到2028年，人工智能可为银行业带来1700亿美元的利润增长，增幅达9%。然而，现实情况却远未如此乐观。
蚂蚁数科金融AI产品总经理曹刚在接受访问时坦言，当AI进入业务的核心区域，如营销、风控及客户管理等，其应用渗透率便大幅下降。这背后的根本原因在于金融场景的严苛要求：技术层面，大模型尤其是推理模型的发展尚不成熟，应用效果存在不确定性；业务层面，金融领域业务复杂多变，每个细分场景都有其独特的需求，这对AI的专业知识和数据质量提出了极高的要求。
大模型的训练、部署及推理成本高昂，硬件投入巨大，推理效率相对较低，对底层算力有着极高的要求。这使得许多机构在权衡技术投入与商业价值时显得犹豫不决，进一步阻碍了AI在核心业务中的广泛应用。
蚂蚁策略：深耕金融领域，打造“金融大脑”
面对这些挑战，蚂蚁数科CTO王维提出了专注金融与能源两大高价值领域的发展策略，强调通过垂直深度来构建竞争优势。此次发布的金融大模型专注于满足金融场景的复杂推理需求，如风控和理财建议等，通过两阶段训练显著提升了其专业表现。
蚂蚁数科自建的DeepFinance金融思维链数据集由金融专家标注，覆盖了存款、信贷、投资等14大场景及上百个细分任务。同时，该大模型还集成了“蚁天鉴”安全评测层，确保输出符合金融级的审慎要求，有效抑制幻觉并满足合规标准。
蚂蚁数科的解题思路清晰明了：以推理能力和安全合规为核心，通过垂直训练、高质量数据及工程优化来解决金融场景的“高专业、低容错”问题。通过开源数据集和评测基准，推动行业共建，降低金融AI的落地门槛。蚂蚁数科聚焦于头部银行和保险公司，提供从咨询到产品的全链路服务，旨在成为金融AI落地的基础设施。
王维指出，AI应用正逐步从“通用场景试验”向“核心业务重构”迈进，金融推理模型是智能体的核心组件，缺失这一组件将难以驱动业务重构。
合规与责任：未来竞争的核心
展望未来，王维认为金融智能体的终极形态并非人机协作，而是由AI组织驱动业务。这一论断背后，透露出蚂蚁对金融AI技术拐点的深刻洞察——推理大模型正推动AI从“工具”向“决策者”转变。
曹刚强调，未来的竞争核心在于合规与责任。蚂蚁在Agentar平台内置了“监管围栏”，自动过滤不合规的输出。同时，他也呼吁行业明确AI错误的责任归属问题。
随着金融AI从技术探索期迈入业务重构期，未来三年将围绕推理模型的普及、多智能体协作以及成本民主化三大主线迎来爆发。蚂蚁数科通过“开源数据集+垂直模型”的组合，试图定义行业的新标准。能否攻克“核心业务渗透”与“合规落地”这两大难关，将成为决定胜负的关键。
