在金融行业的实际应用场景中，金融知识的专业性、业务逻辑的复杂性以及金融级安全合规的高要求，使得现有的大模型在解决具体金融任务时遇到了重重挑战。然而，这一局面在7月28日的世界人工智能大会上得到了新的突破。
蚂蚁数科在大会上正式推出了金融推理大模型Agentar-Fin-R1，这款模型旨在为金融AI应用打造一个既可靠又可控，同时还具备优化能力的智能核心。蚂蚁数科的CEO赵闻飙在演讲中指出，通用大模型与产业实际应用之间往往存在着一条“知识鸿沟”，而构建专业的金融大模型则是推动金融与AI深度融合的关键路径。他强调，未来金融大模型的应用深度将成为衡量金融机构竞争力的重要标准。
蚂蚁数科的CTO王维在接受采访时表示，构建金融大模型不仅需要一定的人才密度和充足的算力，还需要具体的场景和问题来驱动模型的快速迭代。他认为，蚂蚁数科在这些方面都具备一定的优势，这也是他们能够成功推出金融大模型的重要原因。
在金融AI产品领域，蚂蚁数科的总经理曹刚指出，虽然许多金融机构已经在通用领域如客服知识检索和代码编写等方面应用了大模型，但在业务深水区，如营销、风控和客户经理销售等领域，智能体的应用渗透率仍然较低。他认为，这与技术发展的规律和成熟度有关，同时也对专业领域的数据和场景提出了更高的要求。
曹刚还提到，金融推理大模型Agentar-Fin-R1通过构建全面的金融任务数据体系和创新的模型训练算法，显著提升了模型的金融推理能力和可信性。同时，该模型在通用能力方面也表现出较高的水准。目前，蚂蚁数科已经全面开源了Finova，以推动行业共同提升大模型在金融领域的应用水平。
对于金融机构而言，自建金融大模型还是采购现有模型成为了一个需要权衡的问题。蚂蚁数科的AI技术负责人章鹏表示，一些有雄心的金融机构会选择先采购模型，并在金融智能体落地过程中进行共同研发和质量检测。他们具备一定的自我迭代能力，这是非常令人期待的。而另一些机构则可能基于自身投入规模和人才密度的考量，选择直接采购模型，但服务的深度和业务覆盖面可能相对有限。
随着金融数智化转型的加速，大模型在金融领域的应用不断深化。然而，在实际业务场景中，对模型可靠性、安全性及金融专业知识的要求极高。浙江大学教授、区块链与数据安全全国重点实验室主任陈纯在论坛上表示，大模型的专业化应用首要面临的是可靠性问题。尽管当前技术已经达到了较高的水平，但其可靠性距离医疗、工业、金融等专业场景的要求仍有显著差距。
陈纯指出，将可靠性问题简单归结为“幻觉”是不准确的。幻觉是智力的必然代价，若消除所有幻觉，大模型将退化为机械的检索工具。因此，可靠性的突破不在于消灭“智力特征”，而在于构建工程化保障框架。
蚂蚁集团副总裁、蚂蚁密算董事长韦韬认为，要突破大模型在专业化应用中的可靠性困境，技术上不应仅依赖于大模型本身不犯错，而应通过智能体系和工程体系的结合来实现专业应用可靠性的保障。他举例说，人类能够在易错的个体之上构建庞大而可靠的工程体系，完成诸如登月等巨型任务。同样地，通过全新的程序表达、场景知识嵌入和闭环核验反馈机制，可以将大模型不确定的智力输出转化为可信的专业生产力。
在金融联合风控方面，蚂蚁密算通过应用高阶程序（HOP）技术框架，将复杂的标准作业程序转化为可执行的流程和代码，实现了风控全链路的智能化编排与自动化执行。相较于传统建模方式，大模型结合HOP能够在确保高精度的同时缩短建模周期，并显著减少重复性数据处理和流程执行等繁琐的基础工作。这不仅能降低处理成本，还能缓解专业人才紧缺的局面。
韦韬表示，大模型可靠性的解法不在于大模型本身，而在于工程化和智能化的融合。他相信，解决了可靠性问题后，大模型将涌现出更多的杀手级应用。
