AI在金融行业落地的困境 - 通用大模型在严肃金融场景中表现不佳，出现AI客服无法理解复杂指令、客户经理推荐产品与客户风险等级不符、风控模型产生幻觉答案等问题 [2] - 通用大模型难以理解复杂的信贷政策、理财产品费率结构以及不同银行的"行话体系"，在金融行业存在应用鸿沟 [3] - 金融行业政策实时变化（如LPR调整、资管新规），静态大模型无法跟上政策更新速度，导致提供过时或不合规信息 [8] 金融垂直大模型的解决方案 - 构建专业金融大模型是推进金融与AI深度融合的必然路径，金融大模型的应用深度将成为金融机构竞争力的关键要素 [4] - 蚂蚁数科发布专为金融领域打造的金融推理大模型Agentar-Fin-R1，基于Qwen3研发，包含32B和8B参数两个版本 [4] - 该模型在FinEval1.0、FinanceIQ等权威金融大模型评测基准上表现出色，超越DeepSeek-R1等同尺寸开源通用大模型及金融大模型 [4] - 公司还推出基于百灵大模型的MOE架构模型以获得更优推理速度，以及非推理版本的14B和72B参数大模型以满足多样化部署需求 [6] 专业训练体系与方法论 - 蚂蚁数科梳理出覆盖银行、证券、保险、基金、信托的6大类66小类任务，构建金融专业"课程体系"让模型系统化学习 [10] - 从千亿级交易、风控和财富等场景积累的真实原始数据出发，经过严格质量评估和可信数据合成，构建专业全面的金融领域训练数据集 [12] - 通过加入原则类合成数据确保大模型遵循金融业安全合规要求，提升身份类、合规性、数据安全等方面的安全性 [12] - 采用创新的加权训练算法提高大模型对复杂金融任务的学习效率与性能，减少二次微调的数据需求与算力消耗 [13] 持续进化能力 - 通过RAG技术实时抓取最新政策文件和市场动态，为模型开通"金融资讯VIP通道" [14] - 模型定期通过Finova评测基准自查能力缺口，自动生成相关训练数据完成针对性升级 [14] - 某股份制银行的智能投顾在新规落地当天就更新了产品推荐逻辑，避免了合规风险 [14] - 以保险行业为例，模型能迅速捕捉新法规变化，自动更新相关知识并确保业务符合法规要求 [14] 智能体平台与应用成效 - 智能体将模型大脑与自动化工具结合，完成从对话到执行的跃升，成为AI大模型落地企业业务场景的关键形态 [15] - 蚂蚁数科发布智能体开发平台Agentar，为金融机构提供一站式、全栈的智能体开发工具 [17] - 助力上海某银行打造AI手机银行，创新"对话即服务"模式，用户通过自然对话即可获取各类金融服务 [17] - 该模式使老年客户满意度显著提升，月活用户同比增长25% [17] - 公司已服务100%的国有银行和股份制银行、超60%的地方性商业银行、数百家金融机构 [17]