在2025年世界人工智能大会的热议中，大模型与智能体的规模化应用成为焦点话题。如何将这些前沿技术的潜力转化为推动产业升级、值得信赖的生产力，成为行业内外共同探索的关键。一个普遍的共识是，向更垂直、更专业的领域深化，可能是解锁这一潜能的关键。
7月28日，蚂蚁数科在“智能体驱动产业变革”论坛上，正式推出了专为金融AI应用设计的金融推理大模型Agentar-Fin-R1。这款模型被誉为国内首个专注于金融推理的商业化大模型，旨在成为金融智能体发展的核心驱动力，引领金融行业向更加智能化、高效化的未来迈进。
智能体在金融领域的深度应用，要求它们不仅要具备强大的“大脑”，还要拥有精准的“行动能力”。蚂蚁数科CEO赵闻飙指出，金融业作为数字化程度最高、数据密度最大、AI应用场景最丰富的行业，是AI技术率先落地并产生深远影响的理想领域。智能体，作为将大模型的认知能力转化为具体业务执行力的“行动者”，其专业性和针对性至关重要。
业内专家张一甲进一步解释，智能体的本质在于将模型的“超级大脑”与自动化的“敏捷双手”相结合，形成思考与执行的完美联动。然而，智能体的价值并非在于解决广泛的浅层问题，而在于深入行业，攻克深层次的业务痛点。这就要求智能体必须围绕具体场景，深入企业业务，最大化专业知识的价值。
蚂蚁数科CTO王维强调，大模型作为智能体的核心智能引擎，其深度理解行业的能力是智能体“懂行”的关键。在金融领域，大模型的应用不仅需要高度专业的金融知识，还涉及复杂的业务逻辑推理以及严格的金融级安全合规要求。因此，一款专为金融推理设计的大模型应运而生，成为智能体可靠、可控、可优化的智能中枢。
蚂蚁数科AI技术负责人章鹏表示，金融推理大模型能够解决通用大模型在金融领域的局限性。在与客户的合作中，他们发现客户不仅需要模型的结果，还需要了解模型的思考过程，而推理模型恰好能够满足这一需求。这进一步证明了金融推理大模型在金融行业应用的必要性和优势。
王维将金融推理大模型的特点总结为三个“E”：高质量数据（Excellent data）、持续迭代（Evolving）以及高效解决效率（Efficiency）问题的工程观。章鹏指出，高质量数据需来自真实问题，保证多样性，涵盖金融全场景，并通过金融专家进行标注和校验。蚂蚁数科构建了业内最全面的金融任务分类体系，通过可信数据合成技术和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。
在工程化与迭代方面，王维提到，模型需经过大规模训练和本地微调两个阶段，以解决金融严肃场景的问题。同时，建立一套高频的敏捷迭代机制，确保持续发现模型中的问题和缺陷，快速修复以提升用户体验。这包括密切关注线上数据、追踪金融动态以及不断完善任务体系等。
金融推理大模型的出现，是市场需求与技术进步的必然结果。王维表示，金融复杂场景需要清晰的推理链条和逻辑，而通用大模型往往无法满足这一需求。不同金融机构有不同的业务禀赋和偏好，需要推理大模型去学习这些行业知识。同时，成本和效率也是客户考量的重要因素，推理大模型能够根据问题复杂程度进行调整，平衡成本和效果。
蚂蚁数科金融AI产品总经理曹刚提到，目前金融AI应用在通用领域较多，业务深水区渗透率低。而从通用走向业务场景深化是大方向，金融推理大模型将成为这一转变的重要推动力。然而，金融推理大模型的探索远未结束，模型的更新仍以技术驱动为主，需要解决成本、效率问题，才能激发市场需求。当技术成熟、场景效果显著时，市场因素将发挥更主导作用。
