金融行業又迎來了一個新的大模型。

7月底舉行的2025世界人工智能大會（WAIC）論壇上，螞蟻數科正式發布金融推理大模型Agentar-Fin-R1，提供32B和8B兩個版本，為金融AI應用打造可靠可優化智能中樞。

該模型基于Qwen3研發，在Fineval1.0、FinanceIQ等權威金融大模型評測基準上超越同尺寸開源通用大模型以及金融大模型，顯示其更強的金融專業性、推理能力以及安全合規能力。

實際上，隨著大模型從技術走向應用落地，金融行業的實際業務場景中，往往需要高度專業的金融知識、復雜的業務邏輯推理能力以及嚴格的金融級安全合規等要求，然而，現有的基礎大模型“幻覺率”依然很高，在解決實際金融任務時仍然存在諸多挑戰，因此，“百模大戰”下，金融這一專業領域也需要更懂金融的專業大模型。

螞蟻數科CEO趙聞飆表示，通用大模型距離產業實際應用存在“知識鴻溝”。構建專業的金融大模型是推進金融與AI深度融合的必然路徑，未來，金融大模型的應用深度將成為金融機構競爭力的關鍵要素。

基礎大模型無法適應金融專業場景

研究機構IDC于近日發布的一份報告顯示，2024年，中國金融行業生成式 AI平臺及應用解決方案市場總規模約為9.14億元人民幣，約占整體AI平臺及應用市場規模的14%。

由于金融行業的特殊性，往往對于數據安全性、隱私保護以及監管合規等要求高于其他行業。大多數金融機構會選擇本地化部署方式落地生成式AI平臺及生成式AI應用。數據顯示，2024年，中國金融行業生成式 AI 平臺及應用解決方案市場規模中本地化部署方式的規模約占總規模的91%。

而且，保險、消金/互金、券商等金融機構在合同審核、智能客服、知識助手等場景仍會以MaaS（MaaS）模式接入大模型，以此提供以云服務模式交付的全流程大模型生命周期工具鏈以及大模型服務。

WAIC一場論壇上，浙江大學教授、區塊鏈與數據安全全國重點實驗室主任陳純表示，大模型的專業化應用，首要的是可靠性問題。盡管當前技術SOTA（指行業頂尖水平）已經達到了80%到90%的水平，但其可靠性距離醫療、工業、金融等專業場景的要求仍有顯著差距。

螞蟻數科CTO王維也表示，金融行業用好AI技術還是面臨很多的挑戰，包括大模型在金融場景中的“幻覺”、差錯或者回答沒有達到金融企業要求，“如何把通用能力和場景鴻溝彌合。從水平通用大模型向專業/專用模型演進，這也是數科持續攻堅的方向?！?/p>

事實上，螞蟻數科此次發布的金融推理大模型Agentar-Fin-R1，就是專門面向金融任務設計，通過構建全面的金融任務數據體系以及模型訓練算法創新，實現模型更強的金融推理能力及可信性。

在數據層面，螞蟻數科構建了業內最全面與專業的金融任務分類體系，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，基于千億級金融專業數據語料，通過可信數據合成技術以及結合專家標注的金融長思維鏈（CoT）構造機制，顯著提升模型處理復雜任務的能力；

訓練層面，螞蟻創新的加權訓練算法，最大化提升數據利用效率及訓練效率，同時通過動態分配訓練資源，提高大模型對復雜金融任務學習效率與性能，在后續業務應用中，可以顯著減少二次微調的數據需求與算力消耗，降低大模型落地企業的門檻和成本。

此外，Agentar-Fin-R1不斷更新迭代，吸收最新的金融政策、市場動態等關鍵信息，并通過配套評測工具進行針對性優化，確保知識、能力和合規性始終緊跟行業變化，讓模型能力在真實業務場景中不斷進化。

評測結果顯示，在業內主流的大模型金融評估基準Fineval 1.0、FinancelQ等評測中，Agentar-Fin-R1均取得最高評分，超過DeepSeek、Qwen等開源通用模型以及xuanyuan等金融大模型，并且Agentar-Fin-R1在金融能力顯著增強的同時，通用能力也表現出較高水準。

為了考察大模型在實際金融場景中部署的能力，螞蟻數科還聯合中國工商銀行、寧波銀行、北京前沿金融監管科技研究院、上海人工智能行業協會等機構聯合推出Finova大模型金融應用評測基準，深度考察智能體能力、復雜推理以及安全合規能力。

在Finova評測中，Agentar-Fin-R1也取得最高評分，甚至超越DeepSeek-R1、GPT-o1等更大參數規模的通用模型。目前Finova已經全面開源，推動行業共同提升大模型在金融領域的應用水平。

據悉，Agentar-Fin-R1包括32B和8B參數兩個版本。螞蟻數科還推出基于百靈大模型的MoE（混合專家）架構模型，獲得更優推理速度。此外，還有非推理版本的14B和72B參數大模型，以滿足金融機構在多樣化場景下的部署需求。

“一個推理能力很強的垂直大模型，才能成為智能體可控、可靠、可優化的智能中樞。齒輪決定了機器、履帶要嚴絲合縫，沒有關鍵性的齒輪，那其他的齒輪就帶不動。而推理模型產生出來的推理能力、泛化和意圖識別能力，可以讓企業更加有意愿升級原有的業務模式，否則就很難談增量價值的創造了?！蓖蹙S稱。

“AI+金融”進入深水區，2027年國內規模將超35億元

IDC預計，到2027年，中國金融行業生成式 AI 平臺及應用解決方案市場規模將攀升至35.09億元，較2024年實現384%的增幅。

IDC中國金融行業研究總監高飛表示，隨著大模型相關技術的快速迭代，生成式AI在金融行業的實踐正在經歷從“局部工具”向“企業級平臺能力”的升級。其應用場景也在由單一的效率提升，逐步拓展至業務決策的支持與任務執行。

“一個不能理解行業的大模型，它難以產生真正的價值?！蓖蹙S表示，螞蟻數科希望幫助金融行業客戶解決大模型在核心業務場景落地的問題，讓大模型真正深入實際應用場景，創造真實價值。

在王維看來，螞蟻數科的優勢，一方面在于背靠螞蟻集團的底層技術能力，另一方面來自于長期深耕金融場景所積累的金融know-how能力。

今年以來，螞蟻數科加速布局企業級大模型服務，并聚焦金融與新能源兩大行業場景。

其中，在金融領域，螞蟻數科此前推出金融智能體平臺Agentar，貫通智算調度、數據與模型平臺、行業大模型及應用落地全流程，助力金融機構高效搭建專業智能體應用，加速大模型在金融行業的落地應用。

今年7月，螞蟻數科還宣布聯合金融業伙伴進行創新，推出超過100個金融場景智能體解決方案，覆蓋銀行、證券、保險、通用等四大領域。包括零售業務助手、AI原生手機銀行、智能營銷和風控等多個已經在金融實際場景中深度應用的智能體解決方案。

以上海某銀行為例。螞蟻數科助力該行打造的AI手機銀行，創新“對話即服務”模式，用戶通過自然對話即可獲取各類金融服務，月活用戶同比增長25%。

螞蟻數科與大地保險打造的“AI大模型中臺”，則是保險業內首次將大模型、數據、算力和框架相結合，通過大模型技術與行業特定垂直場景緊密結合，大地保險模型應用部署過程無須人工介入和適配，效率提升80%，準確率及智能體應用問答效率提升近30%。

目前，螞蟻數科累計已服務100%的國有銀行和股份制銀行、超60%的地方性商業銀行、數百家金融機構。

“AI 雖然離全面替代人工還有很長一段距離，但是利用AI賦能業務發展的趨勢和方向是毋庸置疑的。我們判斷，AI對人類社會的影響會越來越大，商業銀行與AI的連接，不是一個‘要不要’的問題，而是‘怎么用’的問題?！?/strong>中國農業銀行股份有限公司副董事長、執行董事、行長王志恒近期對外表示。

王維強調，如今已經進入企業級智能體爆發之年，螞蟻數科會逐步覆蓋且深化金融場景，幫助客戶解決業務場景的難題，讓大模型在金融業從“可用”到“好用”，加速大模型在金融業的規?；瘍r值落地，“這是一場沒有完成時，只有進行時的長跑”。（本文首發于鈦媒體App，作者｜林志佳，編輯｜蓋虹達）