人工智能在金融行业的应用趋势 - 大模型和智能体成为2025世界人工智能大会最热话题，金融行业因其数字化程度高、数据密度大、应用场景丰富，成为AI率先落地的绝佳行业 [1][3] - 金融推理大模型是金融AI智能体发展的关键一步，将推动行业向更智能、高效方向发展，国内首个专注金融推理的商业化大模型Agentar-Fin-R1正式发布 [1][5] - AI智能体产业价值释放的关键在于从"水平通用"向"垂直专用"转变，需深入业务场景解决行业深层痛点而非浅层问题 [3][5] 金融推理大模型的核心价值 - 金融推理大模型作为智能体的核心智能引擎，需具备深度行业理解能力，解决现有通用大模型在金融专业知识、业务逻辑推理、安全合规等方面的局限性 [4][5] - 推理大模型提供推演能力、泛化能力、意图识别和结构化表达，是企业采用新技术取代原有模式的基础，其可解释性满足金融机构对模型思考过程的需求 [5][8] - 蚂蚁数科构建了覆盖6大类66小类金融场景的分类体系，基于千亿级金融语料和专家标注的长思维链机制，显著提升模型处理复杂任务的能力 [6] 金融推理大模型的技术实现路径 - 模型开发遵循三个"E"原则：高质量数据（Excellent data）、持续迭代（Evolving）、工程效率（Efficiency），数据需来自真实问题并经过金融专家校验 [6] - 采用两阶段加训模式：第一阶段大规模训练建立金融基础能力，第二阶段针对具体场景本地微调，并通过高频迭代机制持续优化模型表现 [7] - 通过训练与评测一体化联动，结合金融动态和市场变化完善任务体系，确保模型知识常新并贴合业务实际需求 [7][8] 金融AI的未来发展方向 - 金融推理大模型将推动智能体进入业务深水区，从解决70-80%问题向更高覆盖率演进，但需理性看待技术边界，避免在关键决策场景直接应用 [8][9] - 当前模型迭代以技术驱动为主，需先解决成本效率问题，未来市场因素将更主导，技术越过拐点后场景渗透将加速 [8][9] - 金融AI应用正从通用领域向业务场景深化过渡，推理大模型将成为这一进程的重要推动力 [8]

WAIC大会与蚂蚁数科金融大模型 - 2024年WAIC大会成为展示中国AI技术进展的重要平台，蚂蚁数科在会前发布金融推理大模型Agentar-Fin-R1的技术论文 [1][3] - 新模型定位为金融领域的专用推理大模型，类比DeepSeek在通用领域的地位，具备SOTA性能表现 [4] - 模型包含8B和32B两个参数版本，在金融评测基准和通用推理基准中均达到顶尖水平 [10][6] 模型技术性能 - 在金融评测集FinEval、Fineva、FinanceIQ和Finova上全面超越开源金融大模型及GPT-o1、DeepSeek-R1等通用大模型 [14] - 32B版本在Finova基准达到69.93分，显著超越同尺寸金融模型Dianjin-R1-32B(56.02分)及超大模型DeepSeek-R1(61.28分) [53] - 在通用推理基准MATH和GPQA中保持竞争力，32B版本取得80.99分的平均成绩 [7] 技术创新与优化 - 构建覆盖银行、证券、保险等全场景的金融任务分类体系，包含意图识别、风险评估等精准定义类别 [21] - 采用千亿级金融专业数据语料，通过可信数据合成和CoT数据精标构建训练数据集 [22] - 创新应用难度感知加权训练框架，采用两阶段训练策略提升效率 [33][34] - 开发Finova新评测基准，包含1350道涵盖智能体能力、复杂推理和安全合规的金融难题 [41][43] 行业应用与优势 - 针对金融行业三大核心挑战：问题复杂性、可信度要求、评测集缺失进行专项优化 [16] - 背靠蚂蚁集团金融数据积累，已服务全部国有股份制银行和超60%城商行 [58] - Agentar品牌已推出超百个金融智能体解决方案，覆盖四大金融领域，提升工作效率80% [60] - 模型设计强调实际业务场景适配能力，支持快速响应金融市场变化 [35]