财务表现 - 2025年上半年公司实现营业总收入68.56亿元，同比增长38.65% [1] - 归属于上市公司股东净利润55.67亿元，同比增长37.27% [1] - 手续费及佣金净收入38.47亿元，同比增长60.62%，主要来自证券经纪业务收入增加 [2] - 投资收益15.83亿元，同比增长23.96%，但公允价值变动收益-1.85亿元，同比下降151.23% [2] - 销售费用1.4亿元，同比下降7.19%，管理费用12.16亿元，同比增长5.81%，财务费用-0.49亿元，同比下降42.95% [2] 业务数据 - 经纪业务股基交易额16.03万亿元 [2] - 天天基金上线161家公募基金管理人的21801只基金产品，非货币市场公募基金保有规模6752.66亿元，权益类基金保有规模3838.1亿元 [2] 研发与技术 - 2025年上半年研发投入4.99亿元，同比下降10.27% [3] - 2024年全年研发投入11.43亿元，同比增长5.73% [3] - 自研"妙想"金融大模型已全面融入各业务条线，推动智能化互联网财富管理生态体系建设 [3] 股东与股权变动 - 截至2025年二季度末，股东总户数111.22万户，较一季度末下降4.29万户，降幅3.72% [3] - 香港中央结算有限公司增持1222.3万股，华泰柏瑞沪深300ETF增持1804.23万股，国泰中证全指证券公司ETF增持546.4万股 [4] - 易方达创业板ETF减持753.35万股，易方达沪深300ETF新进为前十大股东，持股16056.19万股 [4] - 实控人沈友根拟询价转让1.59亿股，占总股本1%，转让后持股比例降至0.19%，套现超34亿元 [4] - 2020年至2021年间沈友根曾减持1.07亿股，套现超28亿元 [5][6] 市场表现 - 截至8月15日收盘，公司股价上涨9.85%，报26.76元/股，总市值4229亿元 [1]

金融大模型创新与应用 核心观点 - 大模型从概念验证走向商业化落地，金融业需解决数据、监管、人才等关键挑战以转化技术红利为可持续竞争力 [1] - 大模型应用从内部提效转向核心创收领域，智能理财助理、财富管理、保险代理人等场景率先突破 [2] - 大模型预计每年为全球金融行业带来2500亿到4100亿美元价值增量，相当于9%到15%营业利润增厚，财富及资产管理领域受益最大 [2] 技术发展与行业影响 - 全球大模型发展呈现技术迭代、资源升级、价值深化与生态竞合交织的复杂格局 [2] - 金融业对大模型投入产出比首次超越技术先进性，成为应用核心衡量标准 [2] - 智能体(Agent)等新形态正在重构投研领域的人机协作模式 [2] 商业化挑战 - 数据治理碎片化是最大挑战，公共数据安全进入大模型训练需重点关注 [3] - 大模型在金融领域的"幻觉"问题未根治，直接用于决策判断可行性低，传统AI在部分任务中仍更成熟 [3] - 监管滞后加剧不确定性，大模型触及底层金融功能可能冲击现有宏观金融体系 [4] - 需防范大模型与客户直接接触场景的消费者权益保护风险 [4] 解决方案与路径 - 金融机构需构建"数据、技术、应用、组织"四位一体能力框架 [5] - 中小银行大模型应用应轻量化，通过训练后的小模型与客户交互，垂直领域突破更可行 [5] - 数据治理需行业合力，防止技术导致"弱肉强食"，重视消费者应用与技术保障 [5][6] - 金融科技教育需从"简单融合"转向"技术驱动"，调整培养理念、方案和模式 [6]

金融大模型发布 - 蚂蚁数科正式发布金融推理大模型Agentar-Fin-R1，基于Qwen3研发，在FinEval1.0、FinanceIQ等评测中超越同类开源通用及金融大模型 [1] - 该模型具备强大推理能力，可处理复杂金融逻辑和数据分析任务，包括风险评估、投资组合生成等 [1] - 公司CEO指出金融大模型应用深度将成为金融机构竞争力关键要素 [1] AI产品生态布局 - 公司构建全栈AI生态，涵盖底层技术到上层应用，包括大模型、智能体平台及行业解决方案 [2] - 百灵大模型家族开源多模态模型Ming-lite-omni月下载量超3万，覆盖健康、金融等场景 [2] - Agentar智能体平台已开发100余种金融智能体应用方案，落地风控、营销等核心场景 [2] 技术突破与挑战应对 - 公司通过垂直领域超级大脑等四大能力体系解决金融智能体规模化落地的效率、安全等挑战 [3] - 创新跨域微调框架ScaleOT将隐私保护效果提升50%，算力消耗降低90%，已应用于摩斯产品 [5] - OceanBase数据库服务2000余家客户，多模向量检索等AI能力支持企业级Agent部署 [5] 产品迭代与行业解决方案 - SOFAStack 5.0融合CodeFuse实现端到端Copilot方案，预计提升企业产研效率30% [4] - 蚁盾"知识交互建模引擎"支持10分钟构建垂直行业风控引擎 [4] - 摩斯搭建行业安全数据联盟，mPaaS5.0实现移动全链路智能化升级 [4] 全球化拓展 - 蚂蚁国际以AI安全性等三大能力输出中国金融科技，服务200多个国家和地区 [6] - 全球连接超1亿商户与17亿消费者账户 [6]

论坛概况 - 2025国际货币论坛由中国人民大学和南开大学联合主办 主题为"地缘经济风险与全球金融治理改革" [1] - 论坛汇集国内外科研院所 政策部门和金融机构的专家学者 研讨地缘经济风险 全球金融治理体系 加密货币 数字金融等议题 [1] - 国际货币论坛自2012年起已连续举办十四届 发布《人民币国际化报告》等系列研究成果 [3] 人民币国际化课题成果 - 报告《不断深化的地缘经济风险》系统研究地缘经济风险 构建以国际货币金融体系变革应对风险的分析框架 [2] - 地缘经济风险源于世界经济金融格局内部矛盾集中爆发 负面效应波及实体经济 金融市场 国际贸易投资体系和全球供应链 [2] - 数据显示地缘经济风险指数上升时 人民币国际化指数同步上升 全球支付体系和官方储备货币呈现多元化调整 [2] - 推动人民币国际化并带动国际货币体系改革是缓解地缘经济风险的重要方向 [2] 分论坛议题 - 分论坛主题包括地缘经济风险研究成果 数字货币对全球货币金融体系的挑战 全球金融治理体系历史与未来 金融大模型创新与应用 [3] - 论坛发布《2025金融业大模型应用报告》并举行闭门研讨会 [3]

金融推理大模型发布 - 蚂蚁数科正式发布金融推理大模型Agentar-Fin-R1 旨在为金融领域构建"可靠 可控 可优化"的智能核心引擎 [1] - 模型基于国产基础大模型Qwen3研发 在FinEval1 0和FinanceIQ等权威金融评测基准表现超越同规模开源通用模型及其他金融专业模型 [1] - 模型展现金融专业性 复杂推理能力及安全合规性上的显著优势 [1] 金融行业数智化转型挑战 - 金融行业数智化转型加速 但高度专业金融知识 复杂业务逻辑推理及严苛安全合规标准对通用大模型应用构成挑战 [3] - 通用大模型与产业需求存在"知识鸿沟" 构建专业化金融大模型是金融与人工智能深度融合的必由之路 [3] - 金融大模型应用深度将成为衡量金融机构核心竞争力的关键指标 [3] 模型技术优势 - 蚂蚁数科构建覆盖金融全场景的专业任务数据体系与创新训练算法 显著提升模型金融推理能力与可信度 [4] - 模型在FinEval1 0和FinanceIQ两大金融基准测试中均拔得头筹 金融能力跃升同时保持较高通用能力 [4] - 采用独创加权训练算法 动态优化学习过程 提升复杂金融任务学习效率与性能 减少后续微调数据量和算力消耗 [4] 模型部署与迭代能力 - 提供32B和8B两种参数版本 并推出基于百灵大模型的MOE架构模型以获得更优推理速度 [4] - 具备持续迭代能力 可吸收最新金融政策 市场动态等关键信息并通过配套工具针对性优化 [4] - 推出非推理版本的14B和72B参数大模型 全面满足金融机构多样化部署需求 [4] 公司业务布局 - 蚂蚁数科作为蚂蚁集团旗下独立科技子公司 聚焦金融与新能源两大核心场景加速布局企业级大模型服务 [5] - 金融智能体平台Agentar首批通过中国信通院评测并获最高5级评级 联合合作伙伴推出超百个智能体解决方案 [5] - 服务国内全部国有大型银行和股份制银行 超过60%地方性商业银行及数百家各类金融机构 [5] 应用案例 - 支持上海某银行打造AI手机银行 创新"对话即服务"模式 用户通过自然对话获取金融服务 [5] - 该模式显著提升老年客户满意度 带动月活跃用户同比增长达25% [5]

蚂蚁数科金融推理大模型发布 - 蚂蚁数科在世界人工智能大会论坛上正式发布金融推理大模型Agentar-Fin-R1 基于Qwen3研发 在FinEval1 0 FinanceIQ等评测基准上超越Deepseek-R1等同尺寸开源通用及金融大模型 [4][5] - 公司副总裁余滨指出AI进展已到重要拐点 金融机构抓住机会可弯道超车 否则可能丧失数字化建设先机 [5] - CEO赵闻飙强调通用大模型存在"知识鸿沟" 专业化金融大模型是金融与AI深度融合的必然路径 未来应用深度将成金融机构竞争力关键要素 [5] 模型核心竞争力 - 基于千亿级交易 风控和财富场景真实数据构建最专业全面的金融训练数据集 覆盖银行 证券 保险 基金 信托全场景 [6] - 通过可信数据合成和CoT数据精标链路提升质量 加入原则类合成数据确保安全合规性 [6] - 模型具备"出厂即专家"特性 在NLU NLG FC和幻觉抑制能力上表现优异 严格遵循金融监管框架与伦理准则 [6] 技术创新与部署 - 采用高效加权训练算法 减少二次微调的数据需求与算力消耗 降低企业落地门槛与成本 [7] - 支持RAG技术动态更新知识 金融任务体系与模型可持续迭代 吸收最新政策 市场动态等信息 [8] - 提供32B和8B参数版本 另有基于百灵大模型的MOE架构优化推理速度 非推理版本含14B和72B参数满足多样化部署需求 [8] 行业覆盖与战略意义 - 公司已服务100%国有银行 股份制银行 超60%地方性商业银行及数百家金融机构 [8] - AI原生产品总经理王磊提出"用AI重塑全部业务流程" 凸显大模型对金融业数字化转型的战略价值 [8]

专题：2025世界人工智能大会 - 蚂蚁数科在世界人工智能大会论坛上正式发布金融推理大模型Agentar-Fin-R1，旨在为金融AI应用打造"可靠、可控、可优化"的智能中枢 [1] - Agentar-Fin-R1基于Qwen3研发，在FinEval1.0、FinanceIQ等权威金融大模型评测基准上超越Deepseek-R1等同尺寸开源通用大模型以及金融大模型 [1] - 该模型展现出更强的金融专业性、推理能力以及安全合规能力 [1] 金融大模型技术特点 - Agentar-Fin-R1包括32B和8B参数两个版本 [2] - 蚂蚁数科推出基于百灵大模型的MOE架构模型，获得更优推理速度 [2] - 还有非推理版本的14B和72B参数大模型，以满足金融机构在多样化场景下的部署需求 [2] 金融大模型应用前景 - 通用大模型距离产业实际应用存在"知识鸿沟"，构建专业的金融大模型是推进金融与AI深度融合的必然路径 [1] - 未来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 [1] - 蚂蚁数科构建了业内最全面与专业的金融任务分类体系，包括6大类、66小类场景，覆盖银行、证券、保险、基金、信托等金融全场景 [1] 数据与技术优势 - 基于千亿级金融专业数据语料 [1] - 通过可信数据合成技术以及结合专家标注的金融长思维链（CoT）构造机制，显著提升模型处理复杂任务的能力 [1] - 使大模型"天生懂金融，出厂即专家" [1]

智能理财行业概述 - 智能理财运用大数据、云计算、人工智能等技术，依据投资者个性化需求提供自动化资产配置建议 [2] - 与传统理财相比，智能理财具有门槛低、费率低的特点，服务对象扩展到长尾市场客户 [2] - 2024年全球智能理财市场规模约16,450亿美元，北美地区尤其是美国处于领先地位 [3] - 中国智能理财市场预计2025年规模达215亿元，年复合增长率38%，但渗透率仅0.0068% [3] 技术驱动与商业模式 - 多智能体协同框架将理财任务拆解为专业子模块，上海银行专利系统效率提升超20% [4] - 金融大模型专业化突破通用能力瓶颈，蚂蚁"蚂小财"和银河证券DeepSeek-R1实现"千人千面"服务 [4] - 主流采用2B2C模式，国金证券、华安基金等通过AI赋能理财间接服务客户 [4] - 蚂蚁数科Agentar平台提供低代码工具，让金融机构快速部署智能体应用 [4] 京东金融京小贝产品特点 - 采用多模型融合与多智能体协同机制，搭载京东大模型与金融垂类模型 [6] - 构建"通用能力+垂域深耕"混合大模型体系，强化数学建模和复杂问题拆解能力 [5] - 接入海量金融数据，实时解析市场动态，生成多维度量化评估报告 [5] - 通过持仓分析、行为建模及风险偏好追踪构建智能服务体系，降低误判风险 [6] 风险控制与市场应对 - 引入多模型"圆桌讨论组"机制，对政策影响进行多视角激辩 [6] - 自动监测资产组合目标偏离情况，触发风险预警并提出再平衡建议 [6] - 预设特定品类投资上限值，通过智能体辩论确定阈值，控制黑天鹅事件影响 [7] - 将用户非理性操作降低60%，强调70分的稳定性大于100分完美 [7] 行业发展趋势 - 竞争焦点从"智能密度"转向"人性温度"，重新锚定理财AI的本质 [10] - 京东金融升级京小贝，新增"财富管家压力测试"功能，深化用户画像技术 [8] - 开放式生态聚合头部金融机构策略库，形成可拓展的AI策略矩阵 [9] - 技术成熟推动行业向普及型"千人千面"服务靠拢 [4][9]

金融大模型重塑银行业 - 金融大模型作为银行业从数字化升级到智能化时代的核心引擎，将深刻改变业务模式，金融业因数据密集、人才密集、资本密集等特性成为大模型应用最成熟的行业之一 [3] - 2023年全球金融业占全行业AI支出的28%，全球TOP50银行中92%已部署大模型，金融业AI渗透率达35%，远超医疗（15%）和零售（20%） [3] - 2024年大模型落地案例在金融行业占比达36.7%，其中银行占比15.40% [3] 算法银行新范式 - 大模型重新定义金融范式，客户可基于自身需求参与产品定义，改变传统银行按自身理解设计产品的模式，构建"算法银行"新形态 [3] - 未来银行需从"产品主导"转向"客户需求驱动的智能体生态"，通过"通用大模型底座+行业知识库+动态数据流"适配企业经营需求 [4] - 大模型在营销获客、风险控制、客户服务等环节实现质效提升和成本优化的双重突破 [4] 大模型应用三阶段 - 短期（1-3年）：大模型在客服、风控、合规等标准化场景落地，优化现有业务流程 [6] - 中期（3-5年）：形成智能决策机制，提升决策流和信息流优化 [6] - 长期（5-10年）：催生"算法银行"新形态，银行依托算法技术发现客户需求实现智能化服务 [6] 中小银行的机遇与挑战 - 中小银行因组织灵活、本地贴近、响应快速等优势，可成为智能化转型的突破口，富民银行已实现大模型落地成果转化 [2] - 中小银行应发挥特色化能力，扎根本地化服务或提供差异化线上化服务，为大型银行提供样板 [7] - 挑战包括投入与收益量化逻辑、组织架构转型、应用领域延伸、数据与隐私保护等，需通过动态调整、流程再造、能力升级应对 [8] 大模型实施策略 - 需与企业协同构建覆盖数据全生命周期的管理系统，为智能体应用奠定数据基础 [5] - 将产品要素化拆解为模块化金融智能体组件，参照DeepSeek模式向企业输送定制化智能体 [5] - 避免"技术军备竞赛"，通过混合云架构和敏捷迭代实现"AI价值穿透" [5] 风险控制与透明度 - 大模型应用采取"三步走"战略：先对内、再融合场景、最后对客开放，嵌入人工干预机制应对"AI幻觉" [9] - 对内场景包括代码生成、会议助手、经营数据分析等，面客场景包括智能客服、电销、催收外呼机器人等 [9] - 富民银行通过大模型重构内部流程，实现人员精简、自动代码撰写率超50%，验证"AI+业务流"高效性 [9]

金融大模型应用与挑战 - 大模型技术已成为金融机构构建核心竞争力的战略制高点，显著提升信息处理效率和报告撰写等任务支持能力，帮助降低生产成本 [3] - 金融大模型在投资建议等关键环节面临监管准确性要求（需近乎100%正确）、责任归属界定不明确及"共振效应"风险（可能放大市场波动）等核心制约 [3][4] - 应对挑战需从三方面突破：建立标准化数据治理体系、加强垂直领域模型研发、构建多层次人机协同机制确保可监管性 [4] 外资涌入与中国资本市场 - 中国资本市场对外开放政策持续加码，包括优化QFII准入管理、扩大外资可交易期货期权品种至100个等举措 [5] - 过去二十年境外资本在中国市场获得可观回报，外资进入带来国际经验、专业能力和管理方法，推动市场规范化与成熟化 [5][6] - 境内外投资者优势互补：境外机构依托全球研究能力（投研体系覆盖率达70%），境内机构则掌握本土市场洞察力与非正式信息渠道 [6] 金融科技发展趋势 - 金融行业数字化转型领先，大模型已被超80%机构投资者采用，但需解决数据脱敏（当前达标率不足60%）与业务逻辑匹配问题 [3][4] - "共振效应"引发监管关注，当多机构采用同类AI模型时，趋同建议可能导致系统性风险，目前各国尚未形成统一应对标准 [4]