在金融行业迈向智能化的征途中，一系列挑战接踵而至。这一领域不仅要求深度金融知识的融入，还需要复杂的业务逻辑处理能力和严格的金融级安全标准。然而，现有的大型AI模型在应对这些金融实际问题时，仍显得力不从心。
7月28日，世界人工智能大会见证了一项重要发布：蚂蚁数科推出了其金融推理大模型Agentar-Fin-R1，旨在为金融AI应用打造一个既可靠、又可控，同时易于优化的智能核心。这一发布标志着金融与AI融合的新阶段。
蚂蚁数科的CEO赵闻飙在会上指出，通用大模型与实际应用之间普遍存在着“知识鸿沟”。为了推动金融与AI的深度融合，构建专业的金融大模型成为了必经之路。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关键因素。
蚂蚁数科的CTO王维在接受采访时分享了构建金融大模型的挑战与优势。他提到，人才密集度、充足的算力资源，以及丰富的场景和具体问题驱动，是快速迭代的关键。这些正是蚂蚁数科在开发金融大模型时所具备的优势。
蚂蚁数科金融AI产品总经理曹刚进一步解释了金融推理大模型的重要性。他指出，尽管通用大模型在某些领域如客服知识检索和代码编写上已有应用，但在更深入的金融领域，如营销、风控和客户经理销售等方面，智能应用的渗透率仍然较低。这主要是因为金融场景的多样性和复杂性对模型的专业性和数据要求极高。
曹刚还提到，从技术成熟度和应用深度来看，金融大模型的应用正处于从基础能力向业务深水区过渡的阶段。他强调，从通用到专业的深化是必然的发展趋势。
在金融行业中，AI的应用还面临着幻觉、错误或回答不符合金融级审慎标准等挑战。为了弥补通用能力与专业场景之间的鸿沟，业内正积极探索从通用大模型向金融专业大模型的演进。Agentar-Fin-R1正是这一探索的产物，它通过全面的金融任务数据体系和创新的模型训练算法，增强了模型的金融推理能力和可信度。
在可靠性方面，浙江大学教授陈纯在“从通用智力到专业生产力：高阶程序引领的AI应用新范式”论坛上指出，尽管当前大模型的技术水平已经达到80%至90%，但在医疗、工业和金融等专业场景中，其可靠性仍有显著差距。他认为，可靠性的突破不在于消除“智力特征”，而在于构建工程化保障框架。
蚂蚁集团副总裁韦韬也表达了类似的观点。他认为，要突破大模型在专业化应用中的可靠性困境，不能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保障专业应用的可靠性。他举例说，正如个体容易犯错，但人类通过工程体系的进步，能够在易错的个体之上构建庞大而可靠的工程体系。
韦韬还介绍了蚂蚁密算在探索智能与工程融合方面的进展。他们通过全新的程序表达、场景知识嵌入和闭环核验反馈机制，将大模型的不确定智力输出转化为可信的专业生产力。以金融联合风控为例，高阶程序（HOP）技术框架的应用实现了风控全链路的智能化编排与自动化执行，显著提高了效率和一致性，降低了处理成本，并缓解了专业人才紧缺的问题。
韦韬总结道，大模型可靠性的解法在于工程化和智能化的融合。他相信，解决了可靠性问题后，大模型将迎来新的杀手级应用。
